WO2012083610A1 - 一种锂离子电池荷电状态的估算方法 - Google Patents

一种锂离子电池荷电状态的估算方法 Download PDF

Info

Publication number
WO2012083610A1
WO2012083610A1 PCT/CN2011/071765 CN2011071765W WO2012083610A1 WO 2012083610 A1 WO2012083610 A1 WO 2012083610A1 CN 2011071765 W CN2011071765 W CN 2011071765W WO 2012083610 A1 WO2012083610 A1 WO 2012083610A1
Authority
WO
WIPO (PCT)
Prior art keywords
charge
state
ampere
battery
hour integral
Prior art date
Application number
PCT/CN2011/071765
Other languages
English (en)
French (fr)
Inventor
刘飞
阮旭松
文锋
Original Assignee
惠州市亿能电子有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 惠州市亿能电子有限公司 filed Critical 惠州市亿能电子有限公司
Priority to JP2013509431A priority Critical patent/JP5818878B2/ja
Priority to US13/695,414 priority patent/US9121909B2/en
Publication of WO2012083610A1 publication Critical patent/WO2012083610A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements

Definitions

  • the invention relates to the technical field of lithium ion batteries, in particular to a method for estimating the state of charge of a lithium ion battery.
  • the state of charge (SOC) of the battery is related to many factors (such as temperature, charge and discharge state at the previous moment, polarization effect, battery life, etc.), and has a strong nonlinearity. It brings great difficulties to real-time online estimation of SOC.
  • the battery SOC estimation strategies mainly include: open circuit voltage method, Ampere measurement method, artificial neural network method, Kalman filter method, and the like.
  • the basic principle of the open circuit voltage method is to fully set the battery to make the battery terminal voltage return to the open circuit voltage.
  • the standing time is generally more than 1 hour, which is not suitable for real-time online of electric vehicles.
  • Figure 1 compares the open circuit voltage (OCV) and SOC of a lithium manganese oxide battery and a lithium iron phosphate battery.
  • OCV curve of the LiFePO4 battery is relatively flat, so It is difficult to estimate the SOC by simply using the open circuit voltage method.
  • the relationship between the state of charge of the battery and the charging current can be divided into three stages: the first stage, the SOC is low. The end (such as SOC ⁇ 10%), the internal resistance of the battery is large, the battery is not suitable for large current charge and discharge; the second stage, the middle section of the SOC of the battery (such as 10% ⁇ SOC ⁇ 90%), the battery can be charged The current is increased, the battery can be charged and discharged with a large current; the third stage, the high-end SOC of the battery (such as SOC>90%), in order to prevent lithium deposition and over-discharge, the battery can be charged and discharged. The electric current drops.
  • the battery in order to prevent the battery from having a bad influence on battery life under extreme operating conditions, the battery should not be controlled to operate at both ends of the SOC. therefore It is not recommended to correct the SOC by using the characteristics that the polarization voltage is higher when the battery is at both ends of the SOC.
  • the data required by the artificial neural network method and the Kalman filter method are mainly based on the change of the battery voltage to obtain satisfactory results, so neither can satisfy the LiFePO4 battery to SOC.
  • the accuracy requirements are mainly based on the change of the battery voltage to obtain satisfactory results, so neither can satisfy the LiFePO4 battery to SOC.
  • the invention provides a method for estimating the state of charge of a lithium ion battery, so as to solve the technical problem that the prior art has low accuracy in estimating the state of charge of the flat OCV-SOC curve lithium ion battery.
  • a method for estimating a state of charge of a lithium ion battery comprising:
  • step (12) taking the maximum value of the plurality of sets of ampere-hour integral values in step (11) as the first ampere-hour integral value, the state of charge corresponding to the first ampere-hour integral value as the first state of charge, and the first The voltage value corresponding to the ampere-hour integral value is taken as the first voltage value;
  • the first state of charge is used instead of the second state of charge as the state of charge corresponding to the second ampere-hour integral value.
  • the first maximum value of the plurality of sets of ampere-hour integral values is taken as the first ampere-hour integral value.
  • step (14) the specific steps of the step (14) are as follows:
  • step (13) is repeatedly performed if the difference counter is reached. Or exceed the preset first threshold, then perform step (32);
  • step (31) if the difference between the second state of charge and the first state of charge exceeds a preset second threshold, and the difference counter does not exceed the preset first threshold Then, the difference counter is incremented by one, and step (13) is repeatedly executed. If the difference counter reaches or exceeds the preset first threshold, step (32) is performed.
  • the second threshold is 8%.
  • the step (12) takes the maximum value of the corresponding charging state in the plurality of sets of ampere-hour integral values in the step (11) as the first ampere-hour integral value.
  • the flat section is less than 90% greater than 10% of the state of charge.
  • the step (12) takes the first maximum value of the corresponding charging state in the plurality of sets of ampere-hour integral values in the step (11) as the first ampere-hour integral value.
  • the lithium ion battery is a lithium iron phosphate ion battery or a lithium manganese oxide battery.
  • the invention provides a reliable and accurate single SOC analysis method under different charging magnifications and different aging degrees, and the data processing has great advantages over the artificial neural network and the Kalman filtering method.
  • the SOC estimation of the battery through the ⁇ Q/ ⁇ V curve can provide a more accurate judgment condition (the first peak of SOC is equal to 50%) for the current open circuit voltage equalization, thereby effectively solving the online equalization problem of the battery pack and reducing Impact on battery life under extreme operating conditions.
  • accurate and fast SOC estimation provides the basis for the management and control strategy of smart battery systems in the future.
  • the invention adds a reliable balance judgment basis for the online balance of the battery pack, and more importantly, avoids the battery state under the extreme state of charge to correct the battery state of charge, and reduces the battery life of the full charge. influences.
  • the volt-ampere curve reflects the important characteristics of the battery, but in actual engineering applications, there is basically no real-time measurement of the volt-ampere curve. The reason is mainly that there is no linear potential scanning condition during charging and discharging of the battery, so that the volt-ampere curve of the battery cannot be directly obtained.
  • the constant current-constant voltage (CC-CV) charging method is a commonly used battery charging method.
  • the potential scanning the potential always changes at a constant rate, and the electrochemical reaction rate changes with the change of the potential.
  • the battery is in a period of time.
  • the amount of electricity Q charged and discharged by current is:
  • the voltage is constantly changed in the direction of charge and discharge, a set of voltages ⁇ V is obtained at equal intervals, and the current is integrated over a time interval of each ⁇ V to obtain a set of ⁇ Q, based on the ⁇ Q that can be measured online.
  • the / ⁇ V curve can reflect the ability of the battery to charge and discharge at different electrode potential points.
  • Figure 2 shows the ⁇ Q/ ⁇ V curve for a 20 Ah LiFePO4 battery under 1/20 C constant current charging.
  • the polarization voltage of the battery is small, and it is considered that the charging curve under the current stress approximates the OCV curve of the battery.
  • the accumulated charging capacities of the three 10mV periods corresponding to 3.34V and 3.37V are 3.5Ah and 3.2Ah, respectively.
  • the charging capacity corresponding to the two maximum values begins to decrease.
  • the peak corresponds to a higher electrochemical reaction rate, and the concentration and flow rate of the reactants after the peak play a leading role, and the reduction of the reactants participating in the chemical reaction reduces the charging capacity of the corresponding voltage interval.
  • This embodiment employs the use of the peak ⁇ Q to correct the SOC.
  • Lithium-ion battery is a complicated system.
  • the maximum allowable current (I) and battery capacity (Q), temperature (T), state of charge (SOC) of the battery, and aging degree of the battery (SOH) are observed from the external characteristics.
  • ) and battery consistency (EQ) have an important relationship and exhibit strong nonlinearity, expressed as:
  • the charged and discharged capacity corresponds to the insertion and extraction of lithium ions at the negative electrode.
  • the rate change corresponding to the voltage-increasing charge capacity reflects the rate change of the redox process of the battery system itself.
  • the voltage platform of LiFePO4 battery is formed by the phase change of FePO4-LiFePO4 of the positive electrode and the insertion and extraction of lithium ion by the negative electrode. Targeted below The two redox peaks of the LiFePO4 battery were used to analyze the effects of charge and discharge current rate and battery aging on the SOC correction of the battery.
  • the 20Ah single cell shown in Figure 3 is at 1C, 1/2C, 1/3C And a charging curve at 1/5C magnification.
  • the voltage that the battery can actually measure online is the external voltage (UO) on the two poles of the battery.
  • the external voltage of the battery is equal to the open circuit voltage (OCV) of the battery plus the ohmic voltage drop (UR) of the battery and the polarization voltage (UP) of the battery.
  • OCV open circuit voltage
  • UR ohmic voltage drop
  • UP polarization voltage
  • the open circuit voltage OCV of the battery is equal to the terminal voltage UO of the battery.
  • the SOC of the LiFePO4 battery cannot be accurately corrected according to the OCV-SOC curve.
  • the peak curves of the SOC corresponding to the four magnifications have their own density and peak position. They reflect the chemical reaction process inside the battery under different charging rates, and describe the battery at different voltage points under different charging rates. Current acceptance capability. It can be observed from Figure 4: (1) 1/2C There are two distinct peak positions at 1/3C and 1/5C magnification, similar to the characteristic curve shown in Figure 2; (2) 1C, 1/2C, 1/3C The voltage value corresponding to the peak position of the 1/5C rate is sequentially larger; (3) The capacity of the battery is concentrated near the two peaks, and the peak corresponding voltage is on the voltage platform of the battery.
  • the ohmic voltage drop and polarization voltage of the battery are mainly affected by the current multiplier. Regardless of the accumulation of the polarization voltage, the larger the current multiplication ratio at the same SOC, the larger the UR and the UP. Changing the abscissa of Figure 4 to the SOC value of the battery results in Figure 5.
  • the ⁇ SOC/SOC curve at different discharge rates is shown in Fig. 6. Can observe 1/2C, 1/3C The SOC points corresponding to the peaks at the 1/5C discharge rate are 80% and 55%. However, since the discharge current is not easy to stabilize in practical applications, the working conditions are relatively complicated, and the changes of UR and UP are difficult to eliminate, and the obtained ⁇ V value contains a large error. The accuracy of the corrected SOC affecting the peak value of the ⁇ Q/ ⁇ V curve.
  • the aging of the battery mainly considers the decline in the capacity of the battery and the increase in the internal resistance of the battery.
  • the increase in internal resistance of the battery is generally considered to be the internal structure passivation of the battery, such as the thickening of the SEI film and the change of the structure of the positive and negative electrodes.
  • the applicable range of the open circuit voltage method and the ampere-time integration method does not change, but the artificial neural network method and the Kalman filter method have a greater influence, because the parameters of the established battery model have changed with aging, especially It is the difference in the aging trajectory caused by the inconsistency of the battery in the group application, which makes the applicability of the model lower.
  • the neural network needs to be retrained, and the parameters of the model according to the Kalman algorithm need to be changed.
  • the correction of the SOC after the battery ages is important for improving the management of the BMS and extending the life of the battery.
  • the electric vehicle usually specifies that the battery capacity is less than 80% of the rated capacity and the battery life is terminated. At this time, the main chemical reaction inside the battery depends on the concentration of the reactants and the structure inside the battery system.
  • Figure 7 depicts the ⁇ SOC/SOC characteristics of a LiFePO4 battery after 200 cycles of a DOD of 100% operation, with its capacity decaying to 95% of rated capacity.
  • the capacity retention capacity of the tested battery decreased, and the internal structure also changed.
  • the increase in capacity was concentrated at the SOC value corresponding to the first peak.
  • the charging capacity corresponding to the second peak is significantly reduced, which indicates that the lithium ion embedding ability of the battery graphite negative electrode is decreased, the current receiving ability is lowered, the polarization voltage is increased, and the life is decreased.
  • the BMS system collects the voltage and current of the battery cell in real time, and calculates the internal resistance of the battery by analyzing the voltage change of the step current signal. Eliminating the influence of the ohmic voltage drop UR helps to derive the voltage change value ⁇ V (the constant current charge has no effect) under the optimized charging method such as the variable current, and then obtains the ampere-hour integral value ⁇ Q of the corresponding interval at equal intervals (for example, every 10 mV).
  • Mathematically determining the extremum of the ⁇ Q/ ⁇ V curve requires a first derivative of the function of the curve. In actual use, we find that the voltages of the two maxima have a certain range.
  • the battery is charged from a lower SOC point and a set of ⁇ Q values of the charging process is recorded, and two maximum values that meet the requirements are obtained by simple data processing (specially, only one at a severely charged charging magnification such as 1C) maximum).
  • the voltage value at the occurrence of the peak point it is judged whether it is the first peak point position and given a record, when the peak point of the two or more charging processes is recorded the same and the SOC value recorded by the BMS is different by 8% or more (usually an electric car)
  • the SOC accuracy is required to be about 8%.
  • the battery SOC correction operation is performed, and the correction event is recorded to debug the analysis.
  • the first maximum value of the state of charge in the range of [10, 90] is used as the first ampere-hour integral value, because the lithium ion battery is greatly reduced when it is charged for less than 10 for a long time or greater than 90. The life of a lithium-ion battery.
  • step (S4) if the difference between the second state of charge and the first state of charge exceeds a preset second threshold, and the difference counter does not exceed the preset first threshold, the difference counter is incremented by one, and the execution is repeated.
  • step (13) if the difference counter reaches or exceeds the preset first threshold, the first state of charge is used instead of the second state of charge as the state of charge corresponding to the second hourly integral value.
  • the first state of charge is used instead of the second state of charge, as the second The state of charge corresponding to the time integral value.
  • lithium ion batteries such as lithium manganate, lithium iron phosphate, lithium titanate, and ternary batteries all have maximum values of ⁇ Q, which are determined by the electrochemical characteristics of the battery.
  • ⁇ Q maximum values of ⁇ Q, which are determined by the electrochemical characteristics of the battery.
  • battery engineering applications have not used this method as a basis for SOC correction.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Description

一种锂离子电池荷电状态的估算方法 技术领域
本发明涉及锂离子电池技术领域，特别是一种锂离子电池荷电状态的估算方法。
背景技术
电池的荷电状态（SOC）和很多因素相关（如温度、前一时刻充放电状态、极化效应、电池寿命等），而且具有很强的非线性， 给SOC实时在线估算带来很大的困难。目前电池SOC估算策略主要有：开路电压法、安时计量法、人工神经网络法、卡尔曼滤波法等 。
开路电压法的基本原理是将电池充分静置，使电池端电压恢复至开路电压，静置时间一般在1小时以上，不适合电动汽车的实时在线 检测。图1比较了锰酸锂离子电池和磷酸铁锂离子电池的开路电压（OCV）与SOC的关系曲线，LiFePO4电池的OCV曲线比较平坦，因此 单纯用开路电压法对其SOC进行估算比较困难。
目前实际应用的实时在线估算SOC的方法大多采用安时计量法，由于安时计量存在误差，随着使用时间的增加，累计误差会越来越大 ，所以单独采用该方法对电池的SOC进行估算并不能取得很好的效果。实际使用时，大多会和开路电压法结合使用，但LiFePO4平坦 的OCV-SOC曲线对安时计量的修正意义不大，所以有学者利用充放电后期电池极化电压较大的特点来修正SOC ，对于LiFePO4电池来 讲极化电压明显增加时的电池SOC大约在90%以上。我们知道电池的荷电状态与充电电流的关系可分为3个阶段进行：第一段，SOC低 端（如SOC<10%），电池的内阻较大，电池不适合大电流充放电；第二段，电池的SOC中间段（如10%<SOC<90%），电池的可接受充电 电流增加，电池可以以较大的电流充放电；第三段，电池的SOC高端（如SOC>90%），为了防止锂的沉积和过放，电池可接受的充放 电电流下降。从根本上讲，为了防止电池处于极限工作条件时对电池寿命产生较坏的影响，应该控制电池不工作在SOC的两端。因此 ，不建议利用电池处于SOC两端时极化电压较高的特点对SOC进行修正。
人工神经网络法和卡尔曼滤波法所需的数据也主要依据电池电压的变化才能得到较满意的结果，所以都不能满足LiFePO4电池对SOC 的精度要求。
发明内容
本发明提供一种锂离子电池荷电状态的估算方法，以解决现有技术对于平坦OCV-SOC曲线锂离子电池估算荷电状态精度不高的技术问题。
为了实现本发明的技术目的，采用的技术方案如下：
一种锂离子电池荷电状态的估算方法，所述方法包括：
（11）对锂离子电池进行充电，记录充电过程中的多组安时积分值和与安时积分值对应的荷电状态及电压值；
（12）取步骤（11）中多组安时积分值中的极大值作为第一安时积分值、与第一安时积分值对应的荷电状态作为第一荷电状态、与第一安时积分值对应的电压值作为第一电压值；
在监控的过程中会记录一系列数据，对数据进行排序即能找到极大值，图2是在电流倍率很小时得到的，2个峰值比较接近，但仍然可以判断出最大峰值，当电流倍率为正常工作倍率时，第2个峰值会因为极化电压的影响迅速减小。超过某个阈值定义为极大值就是目前的判断方法，比如可能会出现超过阈值有2个点，再比较2个点里的极大值。
（13）对锂离子电池进行实时监控，记录实时的安时积分值作为第二安时积分值，通过安时计量法得到与第二安时积分值对应的第二荷电状态；
（14）如果通过安时计量法得到的第二荷电状态与第一荷电状态不一致，则用第一荷电状态代替第二荷电状态，作为第二安时积分值对应的荷电状态。
作为一种优选方案，所述步骤（12）中，取多组安时积分值中的第一个极大值作为第一安时积分值。
作为一种优选方案，所述步骤（14）的具体步骤如下：
（31）如果第二荷电状态与第一荷电状态不一致，且差值计数器不超过预先设定的第一阈值，则差值计数器加1，重复执行步骤（13），如果差值计数器达到或者超过预先设定的第一阈值，则执行步骤（32）；
（32）用第一荷电状态代替第二荷电状态，作为第二安时积分值对应的荷电状态。
作为进一步的优选方案，所述步骤（31），如果第二荷电状态与第一荷电状态的差值超过预先设定的第二阈值，且差值计数器不超过预先设定的第一阈值，则差值计数器加1，重复执行步骤（13），如果差值计数器达到或者超过预先设定的第一阈值，则执行步骤（32）。
作为再进一步的优选方案，所述第二阈值为8%。
作为一种优选方案，所述步骤（12）取步骤（11）中多组安时积分值中对应的荷电状态在平坦区间的极大值作为第一安时积分值。
作为进一步的优选方案，所述平坦区间为荷电状态小于90%大于10%。
作为进一步的优选方案，所述步骤（12）取步骤（11）中多组安时积分值中对应的荷电状态在平坦区间的第一个极大值作为第一安时积分值。
作为再进一步的优选方案，所述锂离子电池为磷酸铁锂离子电池或锰酸锂离子电池。
本发明提供了在不同充电倍率、不同老化程度下可靠和准确的单体SOC分析方法，数据处理较人工神经网络和卡尔曼滤波等方法有较大优势。通过ΔQ/ΔV曲线进行电池的SOC估算，可为目前基于开路电压的均衡提供更为准确的判断条件（SOC等于50%的第一个峰值），从而有效解决电池组的在线均衡问题，减小极限工作条件下对电池寿命的影响。同时准确快速的SOC估算为今后智能电池***的管理控制策略提供依据。
本发明为电池组的在线均衡增加了可靠的均衡判断依据，更重要的是避免了电池组工作在极端荷电状态条件下才能对电池荷电状态进行修正，减少了满充满放对电池寿命的影响。
附图说明
图1 锰酸锂和磷酸铁锂的OCV-SOC曲线；
图2 LiFePO4电池在1/20C恒流充电的 / 曲线；
图3 不同充电倍率下的电池电压曲线；
图4 不同充电倍率下的 / 曲线；
图5 不同充电倍率下的 / 曲线;
图6 不同放电倍率下的 / 曲线;
图7 老化前后 / 曲线的比较。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的说明。
在电化学测量方法中，分析电池内部化学反应速率和电极电势的关系时，常用的方法是线性电势扫描法（Potential Sweep）。控制电极电势 以恒定的速度变化，即 常数，同时测量通过电极的电流。这种方法在电化学中也常称为伏安法。线性扫描的速率对电极的极化曲线的形状和数值影响很大，当电池在充放电过程中存在电化学反应时，扫描速率越快，电极的极化电压越大，只有当扫描速率足够慢时，才可以得到稳定的伏安特性曲线，此时曲线主要反映了电池内部电化学反应速率和电极电势的关系。伏安曲线反应着电池的重要特性信息，但实际的工程应用中基本没有进行伏安曲线的实时测量。究其原因主要是在电池的充放电过程中没有线性电势扫描的条件，使得无法直接得到电池的伏安曲线。
恒流-恒压（CC-CV）充电方法是目前常用的电池充电方法，电势扫描中电势总是以恒定的速率变化，电化学反应速率是随着电势的变化而变化的，电池在一段时间（ - ）内以电流 充入和放出的电量Q为：
通过在线测量电池的电压和电流，使电压以充放电方向恒定变化，等间隔的得到一组电压ΔV，并将电流在每个ΔV的时间区间上积分得到一组ΔQ，基于可在线测量的ΔQ/ΔV曲线可以反应出电池在不同电极电势点上的可充放容量的能力。图2示出了20Ah的LiFePO4电池在1/20C恒流充电下的ΔQ/ΔV曲线。
在1/20C充电电流下，通常认为电池的极化电压很小，也有人认为该电流应力下的充电曲线近似于电池的OCV曲线。当电池电压随着充电过程不断增加的时候，3.34V和3.37V对应的两个10mV时间段内累积充入的容量分别是3.5Ah和3.2Ah。通过两个极大值后对应的充入容量开始下降。峰值对应较高的电化学反应速率，峰值后反应物的浓度和流量起主导作用，参与化学反应的反应物的减少使得对应电压区间的充入容量减少。
本实施例采用的是利用峰值ΔQ修正SOC。
锂离子电池是一个复杂的***，从外特性上观察充放电的最大允许电流（I）与电池容量（Q）、温度（T）、电池的荷电状态（SOC）、电池的老化程度（SOH）以及电池的一致性（EQ）有重要关系，且表现出较强的非线性，表示为：
从内部电化学角度分析，充入和放出的容量对应着锂离子的在负极的嵌入和脱出。对应着电压递增的充入容量的速率变化反应了电池***本身氧化还原过程的速率变化。LiFePO4电池的电压平台就是由正极的FePO4-LiFePO4相态变化和负极锂离子嵌入脱出共同作用形成的。下面针对 LiFePO4电池的两个氧化还原峰来分析充放电电流倍率、电池老化对电池的SOC修正的影响。
从充电电流大小来衡量电池性能是不恰当的，容量大的电池的充电电流会增加。图3所示20Ah的单体电池在1C、1/2C 、1/3C 和1/5C倍率下的充电曲线。
电池实际可以在线测量到的电压是电池的两个极柱上的外电压（UO）。电池的外电压等于电池的开路电压（OCV）加上电池的欧姆压降（UR）以及电池的极化电压（UP）。不同充电倍率会导致电池的UR不同，电池对电流应力的接收能力的不同也会使UP不同。在需要修正SOC的情况下，依靠电池电压曲线是不实际的。
当电池充放电电流为0，并且静置足够长的时间之后，电池的UR和UP都为0，那么电池的开路电压OCV就等于电池的端电压UO。但是根据OCV-SOC曲线也不能准确修正LiFePO4电池SOC。
图4描述的是不同倍率的ΔSOC/ΔV曲线，为了更加直观的反应出充入容量的变化速率，将纵轴以电池SOC的变化值表示，其中ΔQ/Q=ΔSOC。
四个倍率对应的SOC随电压变化的峰值曲线都有自己的密度和峰值位置，它们反应了不同充电倍率下，电池内部的化学反应的过程，描述了不同充电倍率下电池在不同电压点处的电流接受能力。从图4中可以观察到：（1）1/2C 、1/3C 和1/5C倍率下有较明显的2个峰值位置出现，类似于图2所示的特性曲线；（2）1C、1/2C 、1/3C 和1/5C倍率的峰值位置对应电压值依次偏大；（3）电池的容量集中在2个峰值附近充入，峰值对应电压处在电池的电压平台上。
电池的欧姆压降和极化电压主要受到电流倍率的影响，不考虑极化电压的累积，相同的SOC处电流倍率越大，其UR和UP均较大。将图4的横坐标更改为电池的SOC值，得出图5。
图5所示的数据点依然是按照电压每隔10mV选取，SOC通过精确校准过的安时积分得出。可以观察到1/2C 、1/3C 和1/5C充电倍率下的峰值对应的SOC点为50%和85%。结合图3可以看出1C倍率下电池的欧姆压降和极化电压较大，同时在恒流充电的过程中，电池内阻随SOC变化而变化不大，即UR变化不大，所以图4和图5中1C倍率的第2个峰值消失的原因主要是极化电压的变化，导致相同的电压变化率下很难观察出较高的充入容量值。另外通常的能量型电池充电倍率为1C以下，因此主要分析电池在正常充电倍率条件下的特征。
不同放电倍率下的ΔSOC/SOC曲线如图6所示。可以观察到1/2C 、1/3C 和1/5C放电倍率下的峰值对应的SOC点为80%和55%。但是由于放电电流在实际应用中不容易稳定，工况比较复杂，带来的UR和UP的变化较难消除，会导致得到的ΔV值包含较大误差。影响ΔQ/ΔV曲线峰值的修正SOC的准确性。
如果将电池管理***（BATTERY MANAGEMENT SYSTEM，BMS）在线测量充电过程得到的电池电压，去除内阻和极化的影响，描绘得到的ΔQ/ΔV曲线应该与图2完全一致。也就表明不同倍率下得到的ΔQ/ΔV曲线的峰值对应的SOC值可以作为电池SOC准确修正的条件。尤其在LiFePO4电池电压平台很平的条件下，峰值幅度表现的更加明显。
电池的老化主要考虑电池的容量衰退和电池的内阻的增加。国内外对于锂离子电池的容量衰退机制和内阻的增加原因有相关的研究，其中对于容量的下降，通常认为是在充放电过程中发生了不可逆的化学反应导致参与反应的锂离子损失；对于电池内阻的增加，通常认为是电池的内部结构钝化，如SEI膜的增厚，正负极结构的改变。
当电池老化以后，开路电压法和安时积分法的适用范围没有改变，但是对于人工神经网络法和卡尔曼滤波法影响较大，因为所建立的电池模型的参数已经随着老化而改变，尤其是成组应用的电池的不一致性导致的老化轨迹的不同，使得模型的适用性降低，如神经网络需要重新训练，卡尔曼算法依据的模型的参数需要改变。电池老化后的SOC的修正对于完善BMS的管理和延长成组电池的寿命有重要意义。
由于ΔQ/ΔV曲线反应的是电池内部电化学的特性，电动汽车通常规定电池容量低于额定容量的80%认为电池寿命终止。此时，电池内部主要的化学反应取决于反应物的浓度和电池***内部的结构。图7描述了LiFePO4电池在DOD为100%的工作区间上循环200次后的ΔSOC/SOC特性，其容量衰退到额定容量的95%。
200次循环后，被测试电池的容量保持能力有所下降，内部结构也有所变化，容量的增加集中在了第一个峰对应的SOC值处。与新电池时比较发现，第二个峰对应的充入容量明显减少，这表明电池石墨负极的锂离子嵌入能力下降，电流接受能力降低，极化电压增大以及寿命下降。
BMS***实时采集电池单体的电压、电流，并通过分析阶跃电流信号的电压变化计算得到电池内阻。消除欧姆压降UR的影响有助于得出变电流等优化充电方法下的电压变化值ΔV（恒流充电没有影响），然后等间隔（例如每10mV）取得对应区间的安时积分值ΔQ。数学上判断ΔQ/ΔV曲线的极值需要对曲线的函数求一阶导数，实际使用中我们发现两个极大值所处的电压均有一定范围。将电池从较低SOC点开始充电并记录充电过程的一组ΔQ值，通过简单的数据处理得到符合要求的两个极大值（特殊的，在1C等极化严重的充电倍率下时仅一个极大值）。对照峰值点出现时的电压值，判断是否是第一个峰值点位置并给予记录，当两次或多次充电过程的峰值点记录相同且与BMS记录的SOC值相差8%以上（通常电动汽车要求SOC精度8%左右），执行电池SOC的修正操作，记录修正事件以便调试分析。
本实施例的技术方案如下：
（S1）对锂离子电池进行充电，记录充电过程中的多组安时积分值和与安时积分值对应的荷电状态及电压值；
（S2）取步骤（S1）中多组安时积分值中的第一个极大值作为第一安时积分值、与第一安时积分值对应的荷电状态作为第一荷电状态、与第一安时积分值对应的电压值作为第一电压值；
优选地，采用荷电状态在[10,90]范围内的第一个极大值作为第一安时积分值，因为锂离子电池长期处于荷电状态小于10，或者大于90时，会大大减少锂离子电池的寿命。
（S3）对锂离子电池进行实时监控，记录实时的安时积分值作为第二安时积分值及与第二安时积分值对应的第二电压值，通过安时计量法得到与第二安时积分值对应的第二荷电状态；
（S4）如果第二荷电状态与第一荷电状态的差值超过预先设定的第二阈值，且差值计数器不超过预先设定的第一阈值，则差值计数器加1，重复执行步骤（13），如果差值计数器达到或者超过预先设定的第一阈值，则用第一荷电状态代替第二荷电状态，作为第二安时积分值对应的荷电状态。
优选地，当第二荷电状态与第一荷电状态的差值超过8%，且超过8%的次数超过3次，则用第一荷电状态代替第二荷电状态，作为第二安时积分值对应的荷电状态。
目前通常的锰酸锂，磷酸铁锂，钛酸锂，三元电池等类型的锂离子电池均有ΔQ的极大值，这是电池的电化学特性所决定的。通常电池工程应用人员尚未利用此方法作为SOC修正依据。
以上所述仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

  1. 1、一种锂离子电池荷电状态的估算方法，其特征在于，所述方法包括：
    （11）对锂离子电池进行充电，记录充电过程中的多组安时积分值和与安时积分值对应的荷电状态及电压值；
    （12）取步骤（11）中多组安时积分值中的极大值作为第一安时积分值、与第一安时积分值对应的荷电状态作为第一荷电状态、与第一安时积分值对应的电压值作为第一电压值；
    （13）对锂离子电池进行实时监控，记录实时的安时积分值作为第二安时积分值，通过安时计量法得到与第二安时积分值对应的第二荷电状态；
    （14）如果通过安时计量法得到的第二荷电状态与第一荷电状态不一致，则用第一荷电状态代替第二荷电状态，作为第二安时积分值对应的荷电状态。
    2、根据权利要求1所述的估算方法，其特征在于，所述步骤（12）中，取多组安时积分值中的极大值作为第一安时积分值。
    3、根据权利要求1所述的估算方法，其特征在于，所述步骤（14）的具体步骤如下：
    （31）如果第二荷电状态与第一荷电状态不一致，且差值计数器不超过预先设定的第一阈值，则差值计数器加1，重复执行步骤（13），如果差值计数器达到或者超过预先设定的第一阈值，则执行步骤（32）；
    （32）用第一荷电状态代替第二荷电状态，作为第二安时积分值对应的荷电状态。
    4、根据权利要求3所述的估算方法，其特征在于，所述步骤（31），如果第二荷电状态与第一荷电状态的差值超过预先设定的第二阈值，且差值计数器不超过预先设定的第一阈值，则差值计数器加1，重复执行步骤（13），如果差值计数器达到或者超过预先设定的第一阈值，则执行步骤（32）。
    5、根据权利要求4所述的估算方法，其特征在于，所述第二阈值为8%。
    6、根据权利要求1所述的估算方法，其特征在于，所述步骤（12）取步骤（11）中多组安时积分值中对应的荷电状态在平坦区间的极大值作为第一安时积分值。
    7、根据权利要求6所述的估算方法，其特征在于，所述平坦区间为荷电状态小于90%大于10%。
    8、根据权利要求6所述的估算方法，其特征在于，所述步骤（12）取步骤（11）中多组安时积分值中对应的荷电状态在平坦区间的第一个极大值作为第一安时积分值。
    9、根据权利要求1～8任一项所述的估算方法，其特征在于，所述锂离子电池为磷酸铁锂离子电池或锰酸锂离子电池。
PCT/CN2011/071765 2010-12-24 2011-03-14 一种锂离子电池荷电状态的估算方法 WO2012083610A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2013509431A JP5818878B2 (ja) 2010-12-24 2011-03-14 リチウムイオン電池充電状態の算出方法
US13/695,414 US9121909B2 (en) 2010-12-24 2011-03-14 Method for estimating state-of-charge of lithium ion battery

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201010604539XA CN102074757B (zh) 2010-12-24 2010-12-24 一种锂离子电池荷电状态的估算方法
CN201010604539.X 2010-12-24

Publications (1)

Publication Number Publication Date
WO2012083610A1 true WO2012083610A1 (zh) 2012-06-28

Family

ID=44033180

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/071765 WO2012083610A1 (zh) 2010-12-24 2011-03-14 一种锂离子电池荷电状态的估算方法

Country Status (4)

Country Link
US (1) US9121909B2 (zh)
JP (1) JP5818878B2 (zh)
CN (1) CN102074757B (zh)
WO (1) WO2012083610A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111175664A (zh) * 2018-11-09 2020-05-19 大众汽车有限公司 确定电池的老化状态的方法以及控制器和交通工具
KR20200102891A (ko) * 2019-02-22 2020-09-01 주식회사 엘지화학 배터리 관리 시스템, 배터리 관리 방법 및 배터리 팩
CN113884894A (zh) * 2021-11-15 2022-01-04 长沙理工大学 基于外部特性的电池簇不一致性在线监测方法研究

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140082750A (ko) * 2011-09-30 2014-07-02 케이피아이티 테크놀로지스 엘티디. 배터리 모니터링을 위한 시스템 및 방법
CN102540096B (zh) * 2012-01-17 2014-07-23 浙江大学 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法
CN102645639A (zh) * 2012-05-16 2012-08-22 上海樟村电子有限公司 一种可精确诊断在线电池工作状态的测量方法
CN103545853A (zh) * 2012-07-13 2014-01-29 上海灏睿科技发展有限公司 锂电池组智能管理***
CN102830361B (zh) * 2012-08-24 2015-01-28 海能达通信股份有限公司 一种电池容量快速检测方法和***
CN102854470A (zh) * 2012-08-31 2013-01-02 哈尔滨工业大学 一种用于动力电池组soc估计实际可用容量的测量方法
CN103675683A (zh) * 2012-09-02 2014-03-26 东莞市振华新能源科技有限公司 一种锂电池荷电状态(soc)估算方法
CN102930173B (zh) * 2012-11-16 2016-07-06 重庆长安汽车股份有限公司 一种锂离子电池荷电状态在线估算方法
US9267995B2 (en) * 2012-12-18 2016-02-23 GM Global Technology Operations LLC Methods and systems for determining whether a voltage measurement is usable for a state of charge estimation
DE102014101728B4 (de) * 2013-02-22 2018-06-28 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) Verfahren zum Identifizieren eines Fehlers in einer Batteriezelle sowie Batteriezellendiagnosesystem
CN103267953B (zh) * 2013-06-05 2015-09-09 安徽安凯汽车股份有限公司 一种磷酸铁锂动力电池soc的估算方法
CN103311991B (zh) * 2013-06-21 2016-08-24 惠州市亿能电子有限公司 一种电池管理***及其均衡状态在线监控方法
US9559543B2 (en) * 2013-07-19 2017-01-31 Apple Inc. Adaptive effective C-rate charging of batteries
CN103616646B (zh) * 2013-12-02 2016-04-06 惠州市亿能电子有限公司 一种利用ocv-soc曲线修正soc的方法
CN103616647B (zh) * 2013-12-09 2016-03-02 天津大学 一种用于电动汽车电池管理***的电池剩余电量估计方法
US9989595B1 (en) 2013-12-31 2018-06-05 Hrl Laboratories, Llc Methods for on-line, high-accuracy estimation of battery state of power
CN103884994B (zh) * 2014-03-03 2016-09-21 中国东方电气集团有限公司 一种防止锂离子电池过放的soc在线检测与修正方法
CN103954913B (zh) * 2014-05-05 2017-06-30 哈尔滨工业大学深圳研究生院 电动汽车动力电池寿命预测方法
CN104051810B (zh) * 2014-06-25 2016-04-06 中国东方电气集团有限公司 一种锂离子储能电池***soc估算快速修正方法
JP6324248B2 (ja) * 2014-07-17 2018-05-16 日立オートモティブシステムズ株式会社 電池状態検知装置、二次電池システム、電池状態検知プログラム、電池状態検知方法
JP6316690B2 (ja) 2014-07-17 2018-04-25 日立オートモティブシステムズ株式会社 電池状態検知装置、二次電池システム、電池状態検知プログラム、電池状態検知方法
CN104297690A (zh) * 2014-09-22 2015-01-21 北汽福田汽车股份有限公司 锂电池soc-ocv曲线的测定方法
CN104600381B (zh) * 2015-01-27 2017-02-01 福州大学 一种锂离子电池组单体布置结构的优化方法
KR101847685B1 (ko) * 2015-01-28 2018-04-10 주식회사 엘지화학 배터리의 상태 추정 장치 및 방법
JP2016176780A (ja) * 2015-03-19 2016-10-06 エスアイアイ・セミコンダクタ株式会社 電池残量予測装置及びバッテリパック
CN104793145B (zh) * 2015-03-31 2017-06-16 中国人民解放军92537部队 一种电池可用容量快速检测方法
CN104991189B (zh) * 2015-04-13 2017-10-27 中国东方电气集团有限公司 一种电池荷电状态的在线校准方法
CN106291366B (zh) * 2015-05-22 2019-04-05 中国电力科学研究院 一种锂离子电池等效循环寿命计算方法
CN105068006A (zh) * 2015-06-24 2015-11-18 汪建立 一种基于库伦soc与电压soc相结合的快速学习方法
US10459035B2 (en) * 2015-07-13 2019-10-29 Mitsubishi Electric Corporation Charge state estimation method for lithium ion battery and charge state estimation device for lithium ion battery by using correspondence between voltage charge rate and the state of charge of the lithium ion battery
CN106646239A (zh) * 2015-07-21 2017-05-10 苏州弗朗汽车技术有限公司 一种车载锂电池***剩余电量动态估算及智能修正方法
CN105093126B (zh) * 2015-08-12 2017-11-21 中航锂电（洛阳）有限公司 一种基于电池管理***的电池状态判别方法
JP2017060316A (ja) * 2015-09-17 2017-03-23 積水化学工業株式会社 電力管理システム及び電力管理方法
KR101805514B1 (ko) * 2015-11-20 2017-12-07 한국과학기술원 배터리의 동적 엔트로피 추정 방법
DE102016223326A1 (de) * 2016-02-04 2017-08-10 Siemens Aktiengesellschaft Verfahren zur Bestimmung der Alterung eines elektrochemischen Speichers
CN105866698B (zh) * 2016-05-11 2018-11-20 安徽锐能科技有限公司 考虑电池一致性的电池的健康状态估计方法
GB2551139B (en) * 2016-06-06 2020-08-12 Hyperdrive Innovation Ltd Methods and apparatus for monitoring electricity storage systems
CN106199443B (zh) * 2016-07-05 2018-12-04 常州工学院 一种锂电池退化鉴别方法及退化报警***
US10547180B2 (en) * 2016-11-04 2020-01-28 Battelle Memorial Institute Battery system management through non-linear estimation of battery state of charge
US10322643B2 (en) * 2017-05-15 2019-06-18 Ford Global Technologies, Llc Traction battery with reference supercapacitor for charge monitoring
CN107247235A (zh) * 2017-05-19 2017-10-13 江苏大学 一种考虑并联电池差异的电池组容量估算方法
CN107452998B (zh) * 2017-07-21 2019-12-17 山东大学 基于电池荷电状态的车载动力电池均衡方法
CN109435773B (zh) * 2017-08-31 2022-02-08 比亚迪股份有限公司 电池均衡方法、***、车辆、存储介质及电子设备
CN107643493A (zh) * 2017-09-15 2018-01-30 深圳市道通智能航空技术有限公司 一种电池电量预估方法和装置、无人机
KR102515606B1 (ko) * 2017-10-31 2023-03-28 삼성에스디아이 주식회사 배터리 충전량 표시 방법 및 이를 수행하는 배터리 팩 및 전자 기기
WO2019162750A1 (en) * 2017-12-07 2019-08-29 Yazami Ip Pte. Ltd. Adaptive charging protocol for fast charging of batteries and fast charging system implementing this protocol
CN109975708B (zh) * 2017-12-26 2022-04-29 宇通客车股份有限公司 一种电池soc的自动在线修正方法
CN108333526B (zh) * 2018-01-30 2021-01-26 北京车和家信息技术有限公司 电池容量检测方法及装置
CN108490361B (zh) * 2018-03-22 2020-07-24 深圳库博能源科技有限公司 一种基于云端反馈的荷电状态SoC计算方法
CN110320477B (zh) * 2018-03-30 2021-09-03 比亚迪股份有限公司 动力电池组的soc计算方法、装置和电动汽车
CN108539300B (zh) * 2018-04-27 2020-06-19 上海蓝诺新能源技术有限公司 电池包的电量均衡方法及***
CN110376534A (zh) * 2018-09-25 2019-10-25 安徽贵博新能科技有限公司 一种基于pf算法的电池动力***soc估算方法
CN111220919B (zh) * 2018-11-26 2021-04-20 北汽福田汽车股份有限公司 电池电量检测方法、装置及车辆
CN109800446B (zh) * 2018-12-05 2023-05-09 国联汽车动力电池研究院有限责任公司 一种锂离子电池放电过程电压不一致性估计方法及装置
CN109542153B (zh) * 2018-12-06 2023-12-01 艾恩格电气（珠海）有限公司 一种具有欧姆压降自动补偿功能的快速扫描电路
CN109856548B (zh) * 2018-12-19 2020-07-28 安徽江淮汽车集团股份有限公司 动力电池容量估算方法
KR20200097170A (ko) * 2019-02-07 2020-08-18 주식회사 엘지화학 배터리 관리 장치, 배터리 관리 방법 및 배터리팩
CN111693869B (zh) * 2019-03-13 2022-06-03 上海汽车集团股份有限公司 一种基于电芯退极化时间的电池soc修正方法及装置
CN109980309B (zh) * 2019-04-17 2020-09-04 郑州轻工业学院 一种防过载的动力电池充放电监管控制方法
CN110967644B (zh) * 2019-05-16 2021-01-29 宁德时代新能源科技股份有限公司 电池组soc的修正方法、电池管理***以及车辆
CN110988728B (zh) * 2019-11-25 2023-08-04 安徽绿沃循环能源科技有限公司 一种锂电池包内部连接异常快速诊断方法
CN111175657A (zh) * 2019-11-25 2020-05-19 南京金邦信息科技有限公司 一种水上救援机器人的soc估算***及校准方法
CN110895310A (zh) * 2019-12-27 2020-03-20 四川长虹电器股份有限公司 一种磷酸铁锂电池soc估算***
KR102387780B1 (ko) * 2020-03-30 2022-04-18 주식회사 아르고스다인 신경망 기반의 배터리 용량 추정 방법 및 장치
CN111289905A (zh) * 2020-03-31 2020-06-16 太格尔技术(天津)有限公司 一种在线测量蓄电池soc的方法及装置
CN111490304B (zh) * 2020-05-18 2021-09-07 重庆金康动力新能源有限公司 一种电池均衡使能方法、装置、存储介质和电池包
CN113866649A (zh) * 2020-06-30 2021-12-31 比亚迪股份有限公司 电池状态的计算方法和计算装置以及存储介质
DE102020122111A1 (de) 2020-08-25 2022-03-03 Audi Aktiengesellschaft Verfahren zur Bestimmung der Kapazität von Li-lo-Zellen mit Hilfe markanter Punkte
CN112599932A (zh) * 2021-01-08 2021-04-02 蔚来汽车科技(安徽)有限公司 电池包、方法和车辆
CN113740754B (zh) * 2021-09-06 2023-10-13 北京西清能源科技有限公司 一种检测电池组不一致性的方法与***
CN116068414A (zh) * 2021-10-29 2023-05-05 比亚迪股份有限公司 电池平台区标定***、方法及存储介质
CN115840148B (zh) * 2022-01-07 2024-01-23 宁德时代新能源科技股份有限公司 确定电池荷电状态的方法、装置、电子设备及存储介质
CN116930779A (zh) * 2022-03-29 2023-10-24 比亚迪股份有限公司 电池容量确定方法和装置、存储介质、以及电池
CN115021378B (zh) * 2022-08-04 2022-11-01 苏州清研精准汽车科技有限公司 一种电池组充电方法及装置
CN116754980B (zh) * 2023-08-14 2024-01-05 宁德时代新能源科技股份有限公司 确定电池soh值的方法、装置、用电装置及存储介质
CN117074965B (zh) * 2023-10-17 2023-12-12 深圳市神通天下科技有限公司 一种锂离子电池剩余寿命预测方法及***
CN117674365B (zh) * 2023-12-14 2024-08-06 深圳市助尔达电子科技有限公司 一种电池寿命周期管理***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2774514A1 (fr) * 1997-12-11 1999-07-30 Alcatel Alsthom Cie Generale Delectricite Module de generateurs electrochimiques cylindriques
CN101031810A (zh) * 2004-02-25 2007-09-05 皇家飞利浦电子股份有限公司 评估可充电电池的充电状态和剩余使用时间的方法以及执行该方法的设备
CN101303397A (zh) * 2008-06-25 2008-11-12 河北工业大学 锂离子电池组剩余电能计算方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020168574A1 (en) * 1997-06-27 2002-11-14 Soon-Ho Ahn Lithium ion secondary battery and manufacturing method of the same
JPH11308776A (ja) * 1998-04-21 1999-11-05 Seiko Instruments Inc バッテリー状態監視回路及びバッテリー装置
DE10106505A1 (de) * 2001-02-13 2002-08-29 Bosch Gmbh Robert Verfahren und Vorrichtung zur Zustandserfassung von technischen Systemen wie Energiespeicher
KR100395131B1 (ko) * 2001-02-16 2003-08-21 삼성전자주식회사 스마트 배터리의 실제 잔류 용량을 표시하기 위한 장치 및방법
JP2003004826A (ja) 2001-06-22 2003-01-08 Fuji Electric Co Ltd 二次電池の残量計測装置
US6534954B1 (en) * 2002-01-10 2003-03-18 Compact Power Inc. Method and apparatus for a battery state of charge estimator
US6927554B2 (en) * 2003-08-28 2005-08-09 General Motors Corporation Simple optimal estimator for PbA state of charge
JP4668306B2 (ja) * 2007-09-07 2011-04-13 パナソニック株式会社 二次電池の寿命推定装置および二次電池の寿命推定方法
CN101424558B (zh) * 2007-10-29 2010-10-06 比亚迪股份有限公司 显示机动车剩余可行驶里程的装置及其方法
JP4561859B2 (ja) * 2008-04-01 2010-10-13 トヨタ自動車株式会社 二次電池システム
CN101706556A (zh) * 2009-11-11 2010-05-12 惠州市亿能电子有限公司 纯电动汽车用锂离子电池的实际容量估算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2774514A1 (fr) * 1997-12-11 1999-07-30 Alcatel Alsthom Cie Generale Delectricite Module de generateurs electrochimiques cylindriques
CN101031810A (zh) * 2004-02-25 2007-09-05 皇家飞利浦电子股份有限公司 评估可充电电池的充电状态和剩余使用时间的方法以及执行该方法的设备
CN101303397A (zh) * 2008-06-25 2008-11-12 河北工业大学 锂离子电池组剩余电能计算方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111175664A (zh) * 2018-11-09 2020-05-19 大众汽车有限公司 确定电池的老化状态的方法以及控制器和交通工具
CN111175664B (zh) * 2018-11-09 2023-04-11 大众汽车有限公司 确定电池的老化状态的方法以及控制器和交通工具
KR20200102891A (ko) * 2019-02-22 2020-09-01 주식회사 엘지화학 배터리 관리 시스템, 배터리 관리 방법 및 배터리 팩
KR102646373B1 (ko) * 2019-02-22 2024-03-11 주식회사 엘지에너지솔루션 배터리 관리 시스템, 배터리 관리 방법 및 배터리 팩
CN113884894A (zh) * 2021-11-15 2022-01-04 长沙理工大学 基于外部特性的电池簇不一致性在线监测方法研究
CN113884894B (zh) * 2021-11-15 2023-07-21 长沙理工大学 基于外部特性的电池簇不一致性在线监测方法

Also Published As

Publication number Publication date
US9121909B2 (en) 2015-09-01
CN102074757A (zh) 2011-05-25
CN102074757B (zh) 2013-02-13
JP5818878B2 (ja) 2015-11-18
JP2013531780A (ja) 2013-08-08
US20130043876A1 (en) 2013-02-21

Similar Documents

Publication Publication Date Title
WO2012083610A1 (zh) 一种锂离子电池荷电状态的估算方法
CN107991623B (zh) 一种考虑温度和老化程度的电池安时积分soc估计方法
JP4759795B2 (ja) 二次電池の残存容量検知方法
CN105759213A (zh) 一种测量蓄电池剩余容量soc的方法
CN104977537B (zh) 电池soc的确定方法及使用该方法的电池管理***
CN110548702B (zh) 一种功率型锂电池一致性筛选方法
CN111239629B (zh) 一种退役锂电池的梯次利用状态区间划分方法
WO2010034179A1 (zh) 一种快速充电方法
CN110749832B (zh) 一种电动汽车退役锂离子电池实际容量的快速估算方法
CN101950001A (zh) 一种电动汽车用锂离子电池组一致性的评价方法
CN107632268A (zh) 一种锂离子电池储能***荷电状态在线标定方法及装置
CN111458650B (zh) 一种锂离子动力电池***峰值功率估算的方法
JP5474993B2 (ja) 充電段階または放電段階において電池の充電状態を決定する方法
CN110061531A (zh) 储能电池的均衡方法
CN112510774B (zh) 一种电池组的均衡方法
CN111856282B (zh) 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法
CN111216595B (zh) 基于锂电池等效电路模型的重度混合动力汽车soc校准方法
CN117039218A (zh) 电池阶梯充电策略的制定方法
CN109669138B (zh) 一种精准测定动力铅蓄电池组剩余容量的方法
Gerschler et al. Investigation of open-circuit-voltage behaviour of lithium-ion batteries with various cathode materials under special consideration of voltage equalisation phenomena
CN110085898A (zh) 一种软包动力电池配组方法
CN106815406B (zh) 一种基于特征模型的动力电池soc估算方法
CN108054450A (zh) 一种锂电池管理***
Zhang et al. Application of statistical parameter identification in battery management system
Somasundaran et al. Feasibility assessment of differential voltage analysis to detect lithium plating in battery modules for electric vehicles

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11850454

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2013509431

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 13695414

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11850454

Country of ref document: EP

Kind code of ref document: A1