CN103675702A - 一种实时评估电池健康状态的方法 - Google Patents
一种实时评估电池健康状态的方法 Download PDFInfo
- Publication number
- CN103675702A CN103675702A CN201310641442.XA CN201310641442A CN103675702A CN 103675702 A CN103675702 A CN 103675702A CN 201310641442 A CN201310641442 A CN 201310641442A CN 103675702 A CN103675702 A CN 103675702A
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery
- health state
- real
- interval
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Abstract
本发明提出了一种实时评估电池健康状态的方法,属于电池技术领域。本方法实现了对于电池健康状态的实时估计的方法。解决了充放电法,电压微分法/容量增量法和内阻测量法的共性问题,突破了在线估计电池健康状态(SOH,StateofHealth)的难题。为电动汽车电池管理系统提供了先进的算法。如摘要附图所示,该算法包括两个阶段,第一个阶段是测试标定阶段,类似于内燃机的MAP图标定,一般在实验室中进行,该阶段使用了概率密度函数(PDF,ProbabilityDensityFunction);第二个阶段是在线估计阶段,是电池健康状态(SOH)在线估计算法的实施流程。在本发明的一个实施例中,算法的实时估计误差在大部分情况下小于2%。
Description
技术领域
本发明属于电池技术领域,具体涉及一种在线估计电池健康状态的方法。
背景技术
电池健康状态(SOH, State of Health)反映了电池的寿命衰减程度。电池的寿命衰减程度影响着电动汽车的动力性能、续驶里程和安全性能,需要进行有效的评估。为了对于电池组进行有效地管理,提高车载条件下动力电池组的使用性能,电池健康状态估计算法电池管理系统中需要包括的关键算法之一。
目前,对于电池健康状态(SOH)的定量的定义是电池剩余容量与初始容量的比值。为了估计电池的健康状态(SOH),一种常用的方法是充放电法:首先,对于电池进行充放电,获得电池的初始容量;然后,对于使用中的电池进行充放电,获得电池的实际剩余容量;根据电池健康状态(SOH)的定义,用电池的实际剩余容量除以初始容量得到归一化的电池健康状态(SOH)估计值。
另一类常用的方法是电压微分法(DVA, Differential Voltage Analysis)和容量增量法(ICA, Incremental Capacity Analysis),通过对于电池进行充放电,获取电池的实时容量-电压曲线,对于曲线进行微分,绘制微分结果的曲线。微分结果曲线中的峰值位置与大小与电池的剩余容量具有相关性,对比初始情况和某时刻情况下的微分曲线,即可以对于电池健康状态(SOH)进行估计。
还有一种方法是内阻测量法,通过对于电池施加脉冲电流激励或高频电流激励,测量电压的相应,以获得电池的实时内阻。根据电池内阻与电池健康状态(SOH)之间的关系对于电池健康状态(SOH)进行估计。内阻测量法对于功率型动力电池更为有效。
但是,以上三种方法应用于车载条件下的电池健康状态(SOH)的实时估计时,均存在一定的问题。充放电法需要对于电池进行完整的充放电循环测试,耗费时间较长,不利于电池健康状态(SOH)的在线估计。对于电动汽车而言,电池一般都会成组,由于电池之间存在不一致性,充放电法不能使得所有的电池都完成一次充放电,即不能测试电池组中每一节电池的健康状态(SOH)。电压微分法(DVA)和容量增量法(ICA)需要在进行数据微分之前,对于充放电曲线进行数据拟合。数据拟合的算法较为复杂,难以应用于电池健康状态(SOH)的在线估计。内阻测量法需要在电池运行过程中进行特殊的电流激励,用于实时检测较为复杂。另外,电池内阻随电池荷电状态(SOC, State of Charge)的不同而变化,内阻测量法需要基于较为准确的SOC估计算法。再者,电池内阻也和电池内部的电化学平衡状态有关,目前对于电池内阻的形成的定量描述尚不清晰,这些都给内阻测量法带来较大的困难,更不必说应用于电池SOH的在线估计。
发明内容
有鉴于此,有必要提出一种应用于电池管理系统中,能对电池健康状态进行实时评估的方法。
本发明提出的一种实时评估电池健康状态的方法包括以下步骤:
以下步骤又可以划分为两个阶段,第一个阶段是测试标定阶段;第二个阶段是在线估计阶段,是电池健康状态(SOH)在线估计算法的实施流程。
第一个阶段包括以下步骤:
S1,对于待测电池进行多次电池加速寿命循环测试,每次电池加速寿命循环测试电池加速寿命测试包括对待测电池进行恒定电流充放电,恒压充电,以及对待测电池进行加速寿命实验,获得电压时间曲线;
S2,根据步骤S1中获得的电压时间曲线进行电压统计,绘制电压概率密度函数(PDF)图;
S3,根据电压概率密度函数(PDF)图的峰值区间,确定特征电压区间;
S4,根据步骤S1中获得的电压时间曲线,统计在特征电压区间内电压点的数量;
S5,根据步骤S1中各次电池加速寿命循环测试的充放电时间编制各次测试的充放电时间与特征电压区间内电压点的数量的列表,充放电时间用来表示待测电池的剩余容量;
第二个阶段包括以下步骤:
S6,对于待测电池在线进行特征电压区间内的恒定电流的部分充放电实验,并获得电压时间曲线;
S7,根据步骤S6中的电压时间曲线,对于待测电池电压在特征电压区间内的电压点数进行统计;
S8,根据步骤S7中统计得到电压点数的统计值,使用S5中获得的表格进行线性插值查表,获得电池剩余容量的估计值,即电池健康状态(SOH)。
与现有技术比较,本发明使用概率密度函数(PDF, Probability Density Function)可以基于电池内部机理实现对于电池健康状态的实时估计,解决了充放电法,电压微分法/容量增量法和内阻测量法的共性问题,突破了在线估计电池健康状态(SOH)的难题,为电动汽车电池管理系统提供了先进的算法。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1一种使用概率密度函数实时评估电池健康状态的方法的估计流程;
图2为某款磷酸铁锂电池加速寿命实验的恒电流充放电的电压-时间曲线;
图3为图2中的电压时间曲线的局部放大图;
图4为某款磷酸铁锂电池加速寿命实验的充放电电压概率密度曲线;
图5为某款磷酸铁锂电池加速寿命实验获得的标定结果列表示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明提出了一种使用概率密度函数实时评估电池健康状态的方法,该方法可以至少用于对于动力电池进行在线的健康状态(SOH)估计。
根据本发明的实施例,具体包括以下步骤:
如附图1所示,以下步骤又可以划分为两个阶段,第一个阶段是测试标定阶段,类似于内燃机的MAP图标定,一般在实验室中进行;第二个阶段是在线估计阶段,是电池健康状态(SOH)在线估计算法的实施流程。
所述第一个阶段包括以下步骤:
S1,对于待测电池进行多次电池加速寿命循环测试,每次电池加速寿命循环测试包括对待测电池进行恒定电流充放电,恒压充电过程,以及对待测电池进行加速寿命实验,获得电压时间曲线;
S2,对于步骤S1中的对待测电池进行恒定电流充放电获得的数据段进行分析,绘制概率密度函数(PDF)图;
S3,分析概率密度函数(PDF)图的特征,确定特征电压区间;
S4,对于不同加速寿命循环的数据结果,统计特征电压区间内电压点的数量;
S5,对于不同加速寿命循环的数据结果,确定恒定电流充放电情况下电池剩余容量,并编制剩余容量与特征电压区间内电压点的数量的列表,供查表使用。
步骤S1中,待测电池可以以是现有技术中任何电池。本实施例中,该待测电池为锂离子电池,该锂离子电池磷酸铁锂为正极,石墨为负极。实际应用中并不局限于此,还可以选用以钴酸锂、锰酸锂、三元锂离子等任何材料为正极,以石墨、钛酸锂等任何材料为负极的电池。
步骤S1中,每次电池加速寿命循环测试电池加速寿命测试包括对待测电池进行恒定电流充放电,以及对待测电池进行加速寿命实验。在本发明的一个实施例中,对于某款磷酸铁锂电池进行如表1所示的包括恒定电流充放电在内的加速寿命循环测试。每个循环包括一个恒定电流充放电过程,一个恒压充电过程,以及一个加速寿命实现过程。表1中,1-4是恒定电流充放电过程,目的在于电池容量测试标定,数据用于步骤S2至S5中的绘图和列表工作;6是加速寿命实验过程,将电池置于极端高低温条件下(温度高于45oC或低于5oC),通过采用0.3C充电,1.5C放电进行循环,加速电池的寿命衰减。一个过程6包括了30次0.3C充电1.5C放电的循环,每30次循环之后,利用过程2~5中的方法获取一个电池的电压时间曲线,用于测试容量和绘制概率密度图。循环过程2-6一直持续,直到电池的剩余容量不及初始测试容量的80%。恒电流I=C/3中,C指的是电池的初始容量,也是电池的额定容量。
表 1 本发明一个实施例中的电池加速寿命循环测试规程
步骤序号 | 步骤名称 | 持续时间/结束条件 | 实验条件 | 循环终止条件 |
1 | 静置 | 60min | ||
2 | 恒流放电 | 至2.5V | 恒电流I=C/3 | |
3 | 静置 | 60min | ||
4 | 恒流充电 | 至3.6V | 恒电流I=C/3 | |
5 | 恒压充电 | 恒电压V=3.6V | ||
6 | 加速寿命实验 | |||
7 | 循环,步骤2~6 | 电池容量衰减至80% | ||
8 | 结束 |
步骤S2中,为进行概率密度函数(PDF)图的绘制,数据需要具有“采样点等间隔,数据量大”的特征。定量来说“采样点等间隔”指的是采样间隔相等,为保证数据量足够大,以及数据分析不失真,采样间隔应合理选定,常见的选定值为1s。“数据量大”指的是采集到的数据量至少为103数量级,少于103数量级的概率统计结果无法有效反应电池的运行工况。
在本发明的一个实施例中,对于某款磷酸铁锂电池加速寿命实验的恒电流充放电数据段进行分析,可以首先绘制如附图2所示的电压-时间曲线。在本发明的一个实施例中,附图3是附图2在1185~1199s区间对于0-C曲线的放大图,如附图3所示,该款磷酸铁锂电池的电压放电曲线的电压采样是离散的,可以对于某一电压数值下的电压点数进行统计。对于附图2中的电压曲线进行电压统计,可以获得电压的概率密度函数图,如附图4所示。
步骤S3中,通常情况下,概率密度函数(PDF)图包括一个或多个代表化学反应相变的峰值,随着电池健康状态的变差,化学反应特征改变,对应地部分峰值的形状将会发生有规律的变化。变化值集中于部分电压区间,这种电压区间称之为特征区间。
在本发明的一个实施例中,对于该款磷酸铁锂电池的特征电压区间为,充电3.38~3.42V,放电3.27~3.3V。另外,充放电电流的不同,特征电压区间也不同。根据附图4(a)所示,该款磷酸铁锂电池的电压概率密度曲线(PDF)具有明显的峰值,其中,充电过程有三个峰值,放电过程有两个峰值。本实施例中,第0、5、10、15次加速寿命测试之后,不同充放电循环条件下的电压曲线在附图4(a)中重合在一起,需要进行放大查看。将附图4(a)中黑色方框部分进行放大,可以得到附图4(b)和附图4(c)。如附图3(b)所示,在3.38~3.42V之间,概率密度曲线(PDF)随着循环次数的增加而单调降低,趋势如箭头所示,因此可以选择充电条件下的特征电压区间为3.38~3.42V。如附图4(c)所示,在3.27~3.30V之间,概率密度曲线随着循环次数的增加而单调升高,趋势如箭头所示,因此可以选择放电条件下的特征电压区间为3.27~3.30V。
在步骤S4中,统计特征电压区间内电压点的数量是为了步骤S5中编制用于电池健康状态估计查表的表格。例如,步骤S3中已经指出,放电条件下的特征电压区间为3.27~3.30V,根据附图3,3.27~3.30V之间的电压采样数值是离散的,对于这里以1mV为采样精度的数据进行电压点的统计,包括3.270V, 3.271V, 3.272V, 3.273V …3.299V,3.300V,分别统计电压时间曲线中,具有这些电压采样值的数据点的数目。比如在附图3中,3.287V出现了6次而3.288V出现了9次,因此以电压为横坐标做概率密度曲线时,3.288V对应的曲线高度应是3.287V对应的曲线高度的1.5倍。由于数据采集系统的离散性质,特征电压区间内包括有限的电压数值,对于特征电压区间内的电压采样点的个数进行统计,获得电压点的数量。注意此处电压点的数量随着电池健康状态(SOH)的变化而变化。在本发明的一个实施例中,可以统计特征电压区间(充电3.38~4.42V,放电3.27~3.30V)之间的电压点的数量总和。该数据总和随着循环次数的增加,应为单调减少,对应代表着电池容量的衰减。
在步骤S5中,需要获得电池的与统计得到的特征区间内的电压点数对应的电池剩余容量数值,供查表使用。加速寿命实验某个循环中,除了统计特征电压区间内的电压点数量之外,也需要获得这个完整的恒定电流充放电情况下的电池剩余容量。“电压点数量”与“剩余容量”对应在一起,可以编制用于在线估计查表的列表。编制用于在线估计查表的列表的过程称之为“标定”过程。
在本发明的一个实施例中,由于充放电使用的是恒定的电流,所以,充放电时间与充放电电流成正比例,因此在确定恒定电流充放电情况下的电池剩余容量时,可以使用充放电时间来表示该款电池的剩余容量。对于该款电池对应的剩余容量和加速寿命循环的数据结果,绘制对应的特征电压区间和电压点的数量列表,如表2所示。其中数据长度与充放电时间在数值上一致,因为是每秒采样一个点。表中概率密度一项等于“统计电压点数”除以“数据长度”。根据表2的结果,可以绘制附图5所示的概率密度-数据长度的图,可以看出,随着循环次数的增加,电池寿命发生单调衰减,特征电压区间内的电压点数逐渐减少。
表 2 特征电压区间的电压点统计结果
所述第二个阶段包括以下步骤:
S6,对于待测电池在线进行特征电压区间内的恒定电流的部分充放电实验。
S7,在特征电压区间内对于电池电压的点数进行统计;
S8,根据S7中统计得到电压点数的统计值,使用S5中获得的表格进行线性插值查表,获得电池剩余容量的估计值,即电池健康状态(SOH)。
在步骤S6中,部分充放电实验是指不用将整个电池的电量放完,也不需要将整个电池的电量充满,只需要恒定电流充放电时,电池的电压包括了特征电压区间。需要使用与“标定”过程中使用的电流相同的恒定电流进行充放电实验。
在本发明的一个实施例中,对于需要进行健康状态(SOH)测试的电池进行包括了特征电压区间在内的恒定电流的充放电实验。其中,恒定电流的选择必须与标定过程中选用的电流大小相同,在本发明的一个实施例中,选择的恒定电流的大小为C/3。
对于本发明的实施例而言,放电采用C/3进行,放电起始的电压应该高于3.30V,为了节省测试时间,只要略高于3.30V,如3.31V即可,放电持续到电池电压降低到3.27V即可停止,当然,为了保证数据可用,可以放电持续到电池电压稍低于3.27V,如3.26V再停止。尽管得到的电压区间是3.26~3.31V,但是在线估计时,截取3.27~3.30V的数据进行电压统计即可;传统方法分析电池健康状态时,需要对于电池进行完整的充放电,对于本实施例而言,需要包括2.75~3.6V的区间,而本方法只需要包括3.27~3.30V的区间,节约了测试时间。
在步骤S7中,由于在线测试的数据采集系统具有离散的特性,可以对于离散的电压点进行计数和统计。对于特征电压区间内的电池电压点的数目进行统计,再根据S5中获得的列表进行查表,即可获得电池剩余容量的估计值,即电池健康状态(SOH)。比如在一个实施例中放电条件下,在3.27~3.30V之内的电压点数一共有2822个,2669<2822<2894,而2669对应的数据长度为10508s,2894对应的数据长度为11113s,通过线性差值,得到2822对应的数据长度为10919,对应电池的容量衰减率为10919/11113=98.3%。
在本发明的一个实施例中,对在特征电压区间内对于电池电压的点数进行统计,可以得到表3中第2行和第6行所示的结果。比如对于数据序号3的电池部分充放电测试数据,其充电时特征区间内的电压点数为2597,放电时特征区间内的电压点数为2631。
在步骤S8中,根据步骤S7中特征电压区间的电池电压点数以及步骤S5中获得的表格进行查表,线性插值得到电池剩余容量的估计值,即电池的健康状态(SOH)。
在本发明的一个实施例中,分别利用表2中的数据进行线性插值查表,得到的电池剩余容量估计值为90.0%和94.2%,与实际容量91.6%和92.3%相比,估计误差小于2%。从表3中可以看出,在大部分情况下,本方法进行SOH实时估计的误差小于2%。
表 3 SOH估计查表结果
本发明指出,使用概率密度函数(PDF, Probability Density Function)可以基于电池内部机理实现对于电池健康状态的实时估计,解决了充放电法,电压微分法/容量增量法和内阻测量法的共性问题,突破了在线估计电池健康状态(SOH)的难题,为电动汽车电池管理系统提供了先进的算法。
另外,本领域技术人员还可以在本发明精神内做其他变化,这些依据本发明精神所做的变化,都应包含在本发明所要求保护的范围内。
Claims (10)
1.一种实时评估电池健康状态的方法,包括一个测试标定阶段以及一个在线估计阶段,其中,所述测试标定阶段包括以下步骤:
S1,对于待测电池进行多次电池加速寿命循环测试,每次电池加速寿命循环测试包括对待测电池进行一次恒定电流充放电,一次恒压充电,以及一次加速寿命实验,获得电压时间曲线;
S2,根据步骤S1中获得的电压时间曲线进行电压统计,绘制电压概率密度函数图;
S3,根据电压概率密度函数图的峰值区间,确定特征电压区间;
S4,根据步骤S1中获得的电压时间曲线,统计在特征电压区间内电压点的数量;
S5,根据步骤S1中各次电池加速寿命循环测试的充放电时间编制各次测试的充放电时间与特征电压区间内电压点的数量的列表,充放电时间用来表示待测电池的剩余容量;
所述在线估计阶段包括以下步骤:
S6,对于待测电池在线进行特征电压区间内的恒定电流的充放电实验,并获得电压时间曲线;
S7,根据步骤S6中的电压时间曲线,对于待测电池电压在特征电压区间内的电压点数进行统计;
S8,根据步骤S7中统计得到电压点数的统计值,使用S5中获得的表格进行查表,获得电池剩余容量的估计值,即电池健康状态。
2.如权利要求1所述的实时评估电池健康状态的方法,其特征在于,对待测电池进行恒定电流充放电包括:对待测电池静置后,恒流放电;对待测电池放电后,恒流充电。
3.如权利要求2所述的实时评估电池健康状态的方法,其特征在于,对待测电池进行恒定电流充放电时,恒定电流为待测电池额定电流的三分之一。
4.如权利要求1所述的实时评估电池健康状态的方法,其特征在于,步骤S1中的对待测电池进行加速寿命实验,通过在高低温条件下,以大电流充放电的方式加速电池的寿命衰减。
5.如权利要求4所述的实时评估电池健康状态的方法,其特征在于,在步骤S1中,对于待测电池进行多次电池加速寿命循环测试的终止条件是电池容量衰减至80%。
6.如权利要求1所述的实时评估电池健康状态的方法,其特征在于,在步骤S3中:根据步骤S2中获得的概率密度函数曲随着循环次数的增加而单调降低的部分,确定充电条件下的特征电压区间;根据步骤S2中获得的概率密度函数曲随着循环次数的增加而单调升高的部分,选择放电条件下的特征电压区间。
7.如权利要求1所述的实时评估电池健康状态的方法,在步骤S5中,编制了剩余容量与特征电压区间内电压点的数量的列表,供在线估计时查表使用。
8.如权利要求1所述的实时评估电池健康状态的方法,其特征在于,在步骤S6中,电池在线充放电时使用的电流与步骤S1中使用的恒定电流大小一致。
9.如权利要求1所述的实时评估电池健康状态的方法,其特征在于,在步骤S7中,对于特征电压区间内的电池电压点数进行了统计,统计是指计数。
10.如权利要求1所述的实时评估电池健康状态的方法,其特征在于,在步骤S8中,根据步骤S7中特征电压区间的电池电压点数以及步骤S5中获得的表格进行查表,线性插值得到待测电池剩余容量的估计值,即电池的健康状态(SOH)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310641442.XA CN103675702B (zh) | 2013-12-04 | 2013-12-04 | 一种实时评估电池健康状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310641442.XA CN103675702B (zh) | 2013-12-04 | 2013-12-04 | 一种实时评估电池健康状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103675702A true CN103675702A (zh) | 2014-03-26 |
CN103675702B CN103675702B (zh) | 2016-05-25 |
Family
ID=50313856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310641442.XA Active CN103675702B (zh) | 2013-12-04 | 2013-12-04 | 一种实时评估电池健康状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103675702B (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995236A (zh) * | 2014-05-30 | 2014-08-20 | 长城汽车股份有限公司 | 电池系统的容量损失测试方法及电池系统 |
CN103995232A (zh) * | 2014-04-21 | 2014-08-20 | 中通客车控股股份有限公司 | 一种磷酸铁锂动力电池组峰值充放电性能的检测方法 |
CN104237798A (zh) * | 2014-08-28 | 2014-12-24 | 浙江天能电池江苏新能源有限公司 | 一种铅蓄电池加速寿命检测方法 |
CN105068009A (zh) * | 2015-07-14 | 2015-11-18 | 盐城工学院 | 电池循环寿命预测方法 |
CN105093131A (zh) * | 2015-09-28 | 2015-11-25 | 哈尔滨工业大学 | 一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法 |
CN105823988A (zh) * | 2015-01-22 | 2016-08-03 | 三星电子株式会社 | 估计电池状态的方法和设备 |
CN106707029A (zh) * | 2015-11-13 | 2017-05-24 | 北汽福田汽车股份有限公司 | 一种动力电池内阻值计算方法和健康度确定方法及装置 |
CN106772113A (zh) * | 2017-03-29 | 2017-05-31 | 四川长虹电器股份有限公司 | 一种基于蓄电池端电压变化判断老化程度的方法 |
CN107015156A (zh) * | 2017-03-27 | 2017-08-04 | 上海工程技术大学 | 一种电池健康状态检测方法及装置 |
CN107356879A (zh) * | 2017-07-05 | 2017-11-17 | 中国科学院青岛生物能源与过程研究所 | 一种基于多物理场的电池健康状态检测与评估方法及装备系统 |
CN107390134A (zh) * | 2017-08-02 | 2017-11-24 | 双登集团股份有限公司 | 长寿命阀控式密封铅酸蓄电池寿命快速检测方法 |
CN107450023A (zh) * | 2016-05-30 | 2017-12-08 | 上海沪歌智能科技有限公司 | 一种在线实时评估蓄电池健康状态的方法 |
WO2018090678A1 (zh) * | 2016-11-21 | 2018-05-24 | 华中科技大学 | 一种监测锂离子电池荷电状态和健康状态的方法及其装置 |
CN108169680A (zh) * | 2017-12-08 | 2018-06-15 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态评估方法、系统及电动车辆 |
CN108226805A (zh) * | 2018-01-18 | 2018-06-29 | 武汉理工大学 | 一种基于充电阶段的电池健康状态在线估计方法 |
WO2018126901A1 (zh) * | 2017-01-05 | 2018-07-12 | 中兴通讯股份有限公司 | 电池健康状态检测方法及装置 |
CN108351386A (zh) * | 2016-10-14 | 2018-07-31 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
CN108445406A (zh) * | 2018-03-13 | 2018-08-24 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
CN109031153A (zh) * | 2018-10-16 | 2018-12-18 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN109100655A (zh) * | 2018-06-29 | 2018-12-28 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
CN109870659A (zh) * | 2019-03-14 | 2019-06-11 | 燕山大学 | 应用滑窗寻优策略的锂离子电池健康状态估算方法 |
CN109991556A (zh) * | 2019-04-08 | 2019-07-09 | 洛阳理工学院 | 一种针对磷酸铁锂动力电池短期衰竭故障的诊断方法 |
CN109991557A (zh) * | 2018-11-30 | 2019-07-09 | 常州车之翼动力科技有限公司 | 动力锂电池循环寿命检测方法 |
CN110133533A (zh) * | 2019-06-10 | 2019-08-16 | 珠海东帆科技有限公司 | 估算电池健康状态的方法和电池管理装置 |
CN110346725A (zh) * | 2019-08-07 | 2019-10-18 | 优必爱信息技术(北京)有限公司 | 一种电池健康度评估模型的构建方法、评估方法和装置 |
CN110441706A (zh) * | 2019-08-23 | 2019-11-12 | 优必爱信息技术(北京)有限公司 | 一种电池soh估计方法及设备 |
CN110579716A (zh) * | 2019-10-22 | 2019-12-17 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池检测方法及装置 |
CN110618387A (zh) * | 2019-09-25 | 2019-12-27 | 华霆(合肥)动力技术有限公司 | 锂电池失效分析方法、装置、电子设备和存储介质 |
CN110673050A (zh) * | 2018-07-03 | 2020-01-10 | 法国电力公司 | 评估电池健康状态的方法 |
CN111157908A (zh) * | 2020-01-09 | 2020-05-15 | 青岛特来电云科技有限公司 | 一种基于大数据机器学习的电池健康度预测方法 |
CN112172608A (zh) * | 2020-09-11 | 2021-01-05 | 广州小鹏汽车科技有限公司 | 电池监测方法、装置、车辆及存储介质 |
CN114217235A (zh) * | 2021-11-05 | 2022-03-22 | 东软睿驰汽车技术(沈阳)有限公司 | 基于电池健康状态的加速校核方法、装置和电子设备 |
CN114325445A (zh) * | 2021-11-22 | 2022-04-12 | 上海电力大学 | 一种基于区域频率的锂离子电池健康状态快速评估方法 |
CN114355224A (zh) * | 2022-03-17 | 2022-04-15 | 深圳市信润富联数字科技有限公司 | 电池健康状态预测方法、装置、电子装置及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100036626A1 (en) * | 2008-08-08 | 2010-02-11 | Kang Jung-Soo | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern |
US20110148424A1 (en) * | 2009-12-22 | 2011-06-23 | Industrial Technology Research Institute | Apparatus for estimating battery state of health |
CN102508164A (zh) * | 2011-10-10 | 2012-06-20 | 杭州高特电子设备有限公司 | 蓄电池健康状态预警方法 |
CN102520361A (zh) * | 2011-12-05 | 2012-06-27 | 惠州市亿能电子有限公司 | 一种电池组soh值评估方法 |
-
2013
- 2013-12-04 CN CN201310641442.XA patent/CN103675702B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100036626A1 (en) * | 2008-08-08 | 2010-02-11 | Kang Jung-Soo | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern |
US20110148424A1 (en) * | 2009-12-22 | 2011-06-23 | Industrial Technology Research Institute | Apparatus for estimating battery state of health |
CN102508164A (zh) * | 2011-10-10 | 2012-06-20 | 杭州高特电子设备有限公司 | 蓄电池健康状态预警方法 |
CN102520361A (zh) * | 2011-12-05 | 2012-06-27 | 惠州市亿能电子有限公司 | 一种电池组soh值评估方法 |
Non-Patent Citations (1)
Title |
---|
杨浩等: "基于统计模型的燃料电池发动机健康状态估计", 《佳木斯大学学报(自然科学版)》, vol. 31, no. 4, 31 July 2013 (2013-07-31) * |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995232A (zh) * | 2014-04-21 | 2014-08-20 | 中通客车控股股份有限公司 | 一种磷酸铁锂动力电池组峰值充放电性能的检测方法 |
CN103995232B (zh) * | 2014-04-21 | 2017-01-04 | 中通客车控股股份有限公司 | 一种磷酸铁锂动力电池组峰值充放电性能的检测方法 |
CN103995236B (zh) * | 2014-05-30 | 2017-07-28 | 长城汽车股份有限公司 | 电池系统的容量损失测试方法及电池系统 |
CN103995236A (zh) * | 2014-05-30 | 2014-08-20 | 长城汽车股份有限公司 | 电池系统的容量损失测试方法及电池系统 |
CN104237798A (zh) * | 2014-08-28 | 2014-12-24 | 浙江天能电池江苏新能源有限公司 | 一种铅蓄电池加速寿命检测方法 |
CN104237798B (zh) * | 2014-08-28 | 2017-04-05 | 浙江天能电池江苏新能源有限公司 | 一种铅蓄电池加速寿命检测方法 |
CN105823988A (zh) * | 2015-01-22 | 2016-08-03 | 三星电子株式会社 | 估计电池状态的方法和设备 |
CN105068009A (zh) * | 2015-07-14 | 2015-11-18 | 盐城工学院 | 电池循环寿命预测方法 |
CN105068009B (zh) * | 2015-07-14 | 2017-10-20 | 盐城工学院 | 电池循环寿命预测方法 |
CN105093131A (zh) * | 2015-09-28 | 2015-11-25 | 哈尔滨工业大学 | 一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法 |
CN106707029B (zh) * | 2015-11-13 | 2020-10-23 | 北京宝沃汽车股份有限公司 | 一种动力电池内阻值计算方法和健康度确定方法及装置 |
CN106707029A (zh) * | 2015-11-13 | 2017-05-24 | 北汽福田汽车股份有限公司 | 一种动力电池内阻值计算方法和健康度确定方法及装置 |
CN107450023A (zh) * | 2016-05-30 | 2017-12-08 | 上海沪歌智能科技有限公司 | 一种在线实时评估蓄电池健康状态的方法 |
CN108351386A (zh) * | 2016-10-14 | 2018-07-31 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
US10663525B2 (en) | 2016-11-21 | 2020-05-26 | Huazhong University Of Science And Technology | Method and device for monitoring state of charge and state of health of lithium-ion battery |
WO2018090678A1 (zh) * | 2016-11-21 | 2018-05-24 | 华中科技大学 | 一种监测锂离子电池荷电状态和健康状态的方法及其装置 |
WO2018126901A1 (zh) * | 2017-01-05 | 2018-07-12 | 中兴通讯股份有限公司 | 电池健康状态检测方法及装置 |
CN107015156A (zh) * | 2017-03-27 | 2017-08-04 | 上海工程技术大学 | 一种电池健康状态检测方法及装置 |
CN106772113A (zh) * | 2017-03-29 | 2017-05-31 | 四川长虹电器股份有限公司 | 一种基于蓄电池端电压变化判断老化程度的方法 |
CN107356879A (zh) * | 2017-07-05 | 2017-11-17 | 中国科学院青岛生物能源与过程研究所 | 一种基于多物理场的电池健康状态检测与评估方法及装备系统 |
CN107356879B (zh) * | 2017-07-05 | 2019-09-24 | 中国科学院青岛生物能源与过程研究所 | 一种基于多物理场的电池健康状态检测与评估方法及装备系统 |
CN107390134A (zh) * | 2017-08-02 | 2017-11-24 | 双登集团股份有限公司 | 长寿命阀控式密封铅酸蓄电池寿命快速检测方法 |
CN108169680A (zh) * | 2017-12-08 | 2018-06-15 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态评估方法、系统及电动车辆 |
CN108226805A (zh) * | 2018-01-18 | 2018-06-29 | 武汉理工大学 | 一种基于充电阶段的电池健康状态在线估计方法 |
CN108445406A (zh) * | 2018-03-13 | 2018-08-24 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
CN109100655B (zh) * | 2018-06-29 | 2021-03-19 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
CN109100655A (zh) * | 2018-06-29 | 2018-12-28 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
CN110673050B (zh) * | 2018-07-03 | 2021-11-30 | 法国电力公司 | 评估电池健康状态的方法 |
CN110673050A (zh) * | 2018-07-03 | 2020-01-10 | 法国电力公司 | 评估电池健康状态的方法 |
CN109031153A (zh) * | 2018-10-16 | 2018-12-18 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN109031153B (zh) * | 2018-10-16 | 2020-01-24 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN109991557A (zh) * | 2018-11-30 | 2019-07-09 | 常州车之翼动力科技有限公司 | 动力锂电池循环寿命检测方法 |
CN109870659A (zh) * | 2019-03-14 | 2019-06-11 | 燕山大学 | 应用滑窗寻优策略的锂离子电池健康状态估算方法 |
CN109991556B (zh) * | 2019-04-08 | 2021-03-19 | 洛阳理工学院 | 一种针对磷酸铁锂动力电池短期衰竭故障的诊断方法 |
CN109991556A (zh) * | 2019-04-08 | 2019-07-09 | 洛阳理工学院 | 一种针对磷酸铁锂动力电池短期衰竭故障的诊断方法 |
CN110133533A (zh) * | 2019-06-10 | 2019-08-16 | 珠海东帆科技有限公司 | 估算电池健康状态的方法和电池管理装置 |
CN110133533B (zh) * | 2019-06-10 | 2022-01-18 | 珠海东帆科技有限公司 | 估算电池健康状态的方法和电池管理装置 |
CN110346725A (zh) * | 2019-08-07 | 2019-10-18 | 优必爱信息技术(北京)有限公司 | 一种电池健康度评估模型的构建方法、评估方法和装置 |
CN110441706A (zh) * | 2019-08-23 | 2019-11-12 | 优必爱信息技术(北京)有限公司 | 一种电池soh估计方法及设备 |
CN110618387A (zh) * | 2019-09-25 | 2019-12-27 | 华霆(合肥)动力技术有限公司 | 锂电池失效分析方法、装置、电子设备和存储介质 |
CN110579716A (zh) * | 2019-10-22 | 2019-12-17 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池检测方法及装置 |
CN111157908A (zh) * | 2020-01-09 | 2020-05-15 | 青岛特来电云科技有限公司 | 一种基于大数据机器学习的电池健康度预测方法 |
CN112172608A (zh) * | 2020-09-11 | 2021-01-05 | 广州小鹏汽车科技有限公司 | 电池监测方法、装置、车辆及存储介质 |
CN112172608B (zh) * | 2020-09-11 | 2022-05-10 | 广州小鹏汽车科技有限公司 | 电池监测方法、装置、车辆及存储介质 |
CN114217235A (zh) * | 2021-11-05 | 2022-03-22 | 东软睿驰汽车技术(沈阳)有限公司 | 基于电池健康状态的加速校核方法、装置和电子设备 |
CN114217235B (zh) * | 2021-11-05 | 2024-02-20 | 东软睿驰汽车技术(沈阳)有限公司 | 基于电池健康状态的加速校核方法、装置和电子设备 |
CN114325445A (zh) * | 2021-11-22 | 2022-04-12 | 上海电力大学 | 一种基于区域频率的锂离子电池健康状态快速评估方法 |
CN114325445B (zh) * | 2021-11-22 | 2023-12-22 | 天津赛德美新能源科技有限公司 | 一种基于区域频率的锂离子电池健康状态快速评估方法 |
CN114355224A (zh) * | 2022-03-17 | 2022-04-15 | 深圳市信润富联数字科技有限公司 | 电池健康状态预测方法、装置、电子装置及可读存储介质 |
CN114355224B (zh) * | 2022-03-17 | 2022-06-28 | 深圳市信润富联数字科技有限公司 | 电池健康状态预测方法、装置、电子装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103675702B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103675702B (zh) | 一种实时评估电池健康状态的方法 | |
CN106443474B (zh) | 一种动力电池系统寿命衰退特征快速识别的方法 | |
CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
CN104502859B (zh) | 电池荷电量及电池健康状态的检测、诊断方法 | |
Xiong et al. | Modeling for lithium-ion battery used in electric vehicles | |
CN109870659A (zh) | 应用滑窗寻优策略的锂离子电池健康状态估算方法 | |
CN108363017B (zh) | 一种长时间存放的退役锂电池稳定容量值标定方法 | |
CN106772104B (zh) | 一种动力电池soc值估算方法 | |
CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
CN104051810B (zh) | 一种锂离子储能电池系统soc估算快速修正方法 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN105467328A (zh) | 一种锂离子电池荷电状态估计方法 | |
CN102590751A (zh) | 动力电池包一致性评估方法和装置 | |
CN111077465A (zh) | 电池特征参数提取方法、装置、计算机设备及存储介质 | |
CN113109729B (zh) | 基于加速老化试验与实车工况的车用动力电池soh评估方法 | |
Xiong et al. | Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter | |
CN109085505A (zh) | 一种动力电池充放电状态估算方法 | |
CN106772099A (zh) | 一种动力锂电池劣化程度估算方法 | |
CN110031771A (zh) | 一种描述电池一致性的方法 | |
CN111064253A (zh) | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 | |
CN105572601A (zh) | 锂电池性能衰退原因的判断方法 | |
CN106597288A (zh) | 一种电源soc估算方法 | |
CN109613446A (zh) | 一种基于时间序列分析的锂电池老化检测方法 | |
CN105203968A (zh) | 一种铅酸蓄电池剩余电量的在线测量系统 | |
CN104833917A (zh) | 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |