CN105242212A - 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 - Google Patents
用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 Download PDFInfo
- Publication number
- CN105242212A CN105242212A CN201510627782.6A CN201510627782A CN105242212A CN 105242212 A CN105242212 A CN 105242212A CN 201510627782 A CN201510627782 A CN 201510627782A CN 105242212 A CN105242212 A CN 105242212A
- Authority
- CN
- China
- Prior art keywords
- soc
- battery
- theta
- parameter
- value
- 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
Landscapes
- Secondary Cells (AREA)
Abstract
用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法,属于动力电池回收再利用领域。解决了现有的电池梯次利用方法中离线检测电池的相关参数误差大的问题。本发明采用电流值为C/25的电流信号对待提取特征参数的电池进行充电,采集电池的端电压UT(k);建立电池充电的简单等效电路模型;利用步骤一电池充电等效电路模型的模型参数,建立公式,获得得到模型端电压,利用电池的充电电流和时间数据,使用安时积分法获得待测电池的实际可用容量Q;根据磷酸铁锂电池的正负极特性设定:SOCn,0=mSOCn,1,取待辨识参数矩阵为θ=[SOCn,1,m,R],通过列文伯格-马夸尔特法迭代计算实现模型参数SOCn,1,m,R的辨识。本发明适用于磷酸铁锂电池梯次利用的健康状态特征参数提取。
Description
技术领域
本发明属于动力电池回收再利用领域。
背景技术
动力电池的梯次利用技术是电动汽车发展后时代的关键技术,动力电池梯次利用的回收再利用环节,需要针对电池的健康状态作出评价,以根据各个电池不同的健康状态对电池进行分类、再成组、再利用。但是现有的电池梯次利用方法中离线检测电池的容量值和内阻,针对电池正负极特征参数提取方法中离线检测电池的相关参数误差大的问题。
发明内容
本发明是为了解决现有的电池梯次利用方法中离线检测电池的相关参数误差大的问题,提出了一种用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法。
本发明所述的用于磷酸铁锂电池梯次利用健康状态特征参数提取方法,该方法的具体步骤为:
步骤一、采用电流值为C/25的电流信号对待提取特征参数的电池进行充电,采集电池的端电压UT(k);建立电池充电的简单等效电路模型;C为待测电池的额定电流;
步骤二、利用步骤一电池充电等效电路模型的模型参数,建立关系式:
得到模型端电压其中,SOCp,1为磷酸铁锂正极嵌锂过程终止SOC值或正极充电起始时刻的起始SOC值,SOCn,0为电池石墨负极嵌锂初始SOC值或负极充电起始时刻的的起始SOC值,Qn为电池负极容量,Qp为电池正极容量,R为电池阻抗特征参数,Up是磷酸铁锂正极开路电势函数,Un是石墨负极开路电势函数,IL(k)为k时刻的工作负载电流,电池的充电电流为负值,tk为k时刻的时间长度;
步骤三、利用电池的充电电流和时间数据,使用安时积分法获得待测电池的实际可用容量Q;
步骤四、根据磷酸铁锂电池的正负极特性设定:SOCn,0=mSOCn,1,其中,m为SOCn,0/SOCn,1的比值;获得负极容量Qn与电池实际可用容量Q之间的关系为:
步骤五、取待辨识参数矩阵为θ=[SOCn,1,m,R],取电池充电的简单等效电路模型的端电压和电池的端电压作为观测量得误差函数:
其中,为模型的端电压,为待辨识参数矩阵θ的估计值;
针对待辨识参数θ的目标函数为:
设定待辨识参数矩阵的初值θ0=[SOCn,1,m,R]0,采用列文伯格-马夸尔特法迭代计算实现模型参数SOCn,1,m,R的辨识,实现对用于磷酸铁锂电池梯次利用健康状态特征参数的提取。
本发明从负极容量,正负极的充放电起始、终止荷电状态(SOC)参数和内阻三方面评价磷酸铁锂电池的健康状态,较现有基于电池容量和内阻的方法更全面,与ICA方法相比,可以快速得到量化的正负极特征参数。提高了电池梯次利用方法中离线检测电池的相关参数的精度,减少误差,加快了离线检测电池的相关参数的速度。
附图说明
图1为本发明所述方法的流程图;
图2为具体实施方式一步骤一所述的电池充电的简单等效电路模型的示意图;
图3为具体实施方式一步骤三所述的采用曲线拟合的方法对磷酸铁锂正极的电势随SOC值变化的曲线、碳负极的电势随SOC值变化的曲线和电池的端电压随SOC值变化的曲线进行拟合获得曲线图;
图4为具体实施例所述的电池充放电曲线;
图5为具体实施例所述的#72、#52、#24三个经历不同循环老化的电池,其负极容量和实际可用容量的计算结果曲线图;
图6为具体实施例所述的#52电池500次循环时对应的充电曲线的拟合结果曲线图;
图7为#72、#52、#24三个经历不同循环老化的电池,负极初始SOC和终止SOC的计算结果曲线图;
图8为72、#52、#24三个经历不同循环老化的电池内阻R的计算结果曲线图。
具体实施方式
具体实施方式一、结合图1、图2和图3说明本实施方式,本实施方式所述的用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法,该方法的具体步骤为:
步骤一、采用电流值为C/25的电流信号对待提取特征参数的电池进行充电,采集电池的端电压UT(k);建立电池充电的简单等效电路模型;C为待测电池的额定电流;
步骤二、利用步骤一电池充电等效电路模型的模型参数,建立关系式:
得到模型端电压其中,SOCp,1为磷酸铁锂正极嵌锂过程终止SOC值或正极充电起始时刻的起始SOC值,SOCn,0为电池石墨负极嵌锂初始SOC值或负极充电起始时刻的的起始SOC值,Qn为电池负极容量,Qp为电池正极容量,R为电池阻抗特征参数,Up是磷酸铁锂正极开路电势函数,Un是石墨负极开路电势函数,IL(k)为k时刻的工作负载电流,电池的充电电流为负值,tk为k时刻的时间长度;
步骤三、利用电池的充电电流和时间数据,使用安时积分法获得待测电池的实际可用容量Q;
步骤四、根据磷酸铁锂电池的正负极特性设定:SOCn,0=mSOCn,1,其中,m为SOCn,0/SOCn,1的比值;获得负极容量Qn与电池实际可用容量Q之间的关系为:
步骤五、取待辨识参数矩阵为θ=[SOCn,1,m,R],取电池充电的简单等效电路模型的端电压和电池的端电压作为观测量得误差函数:
其中,为模型的端电压,为待辨识参数矩阵θ的估计值;
针对待辨识参数θ的目标函数为:
设定待辨识参数矩阵的初值θ0=[SOCn,1,m,R]0,采用列文伯格-马夸尔特法迭代计算实现模型参数SOCn,1,m,R的辨识,实现对用于磷酸铁锂电池梯次利用健康状态特征参数的提取。
本实施方式步骤二中电池端电压UT的模型推导式(式(1))中的磷酸铁锂正极参数Qp为一预设值。Qp的预设数值大于电池的设计容量,如电池的设计容量为40Ah,Qp的取值应大于该值,如取正极容量Qp为50Ah。另外,电池充电终止时对应的SOCp,0也为预设值,取0.95,则式(1)中的SOCp,1由下式推导得到:
本实施方式中,根据磷酸铁锂正极在SOC为10%~90%之间时的电势为电压平台,该动力电池的放电终止状态通常由石墨负极控制,因此,正极容量特征参数的变化对端电压的影响极小,使用低倍率充放电数据很难提取出磷酸铁锂电极的特征参数变化情况。另外,从已有研究看,磷酸铁锂电极的寿命要长于石墨电极,因此,在对电池容量特性分析时,可以忽略磷酸铁锂正极的老化,可以将正极容量设定为固定值,仅分析石墨负极的老化和容量特征参数变化即可。由此,模型中待辨识的参数减少为SOCn,1、SOCn,0,负极总容量Qn和内阻R四个参量。
具体实施方式二、本实施方式是对具体实施方式一所述的用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法的进一步说明,步骤二中磷酸铁锂正极开路电势函数Up(SOCp)为:
Up(SOCp)=3.4323-0.8428exp(-80.2493(1-SOCp)1.3198)
-3.2474×10-6exp(20.2645(1-SOCp)3.8003)(5)
+3.2482×10-6exp(20.2646(1-SOCp)3.7995)
石墨负极开路电势函数Un(SOCn)为:
正负极开路电势的方程的常数系数均通过曲线拟合获得,SOCn为电池石墨负极充电过程中的SOC值,SOCp为电池充电时磷酸铁锂正极的SOC值。
本实施方式中Up是磷酸铁锂正极开路电势函数,Un是石墨负极开路电势函数,Up和Un的自变量是各自的荷电状态,IL为工作负载电,正、负极的容量、正、负极放电起始、终止荷电状态以及内阻决定着UT在充放电过程中的电压变化,在已知上下限截止电压时,上述参数决定着电池的实际可用容量。Up和Un的函数表达形式如式(5)和(6)所示,正负极开路电势、端电压曲线如图3所示。
具体实施方式三、本实施方式是对具体实施方式一所述的用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法的进一步说明,采用列文伯格-马夸尔特法迭代计算实现模型参数辨识的过程为:
利用公式:
其中,Jacobi矩阵为: Hessian矩阵为: 端电压敏感度矩阵为:λ为迭代步进,i当为迭代次数,I为单位矩阵,时,ε为迭代阈值,令θi=θ=[SOCn,1,m,R],即获得待辨识参数SOCn,1、m和R。
具体实施例:本实施例结合图4至图8进行说明;
本发明实验采用中航锂电(洛阳)有限公司生产的型号为CA40Ah的磷酸铁锂/石墨能量型动力电池作为研究对象,该电池的额定充、放电截止电压分别为3.65V和2.5V,最大持续放电电流为2C;使用ArbinBT2000电池测试系统针对不同循环次数的电池实施1C/25恒流充放电实验。电池编号为#52的充放电曲线如图4所示;#72、#52、#24三个经历不同循环老化的电池,其负极容量和实际可用容量的计算结果如图5所示;#52电池500次循环时对应的充电曲线的拟合结果如图6所示,#72、#52、#24三个经历不同循环老化的电池,负极初始SOC和终止SOC的计算结果如图7所示;72、#52、#24三个经历不同循环老化的电池内阻R的计算结果如图8所示。
Claims (3)
1.用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法,其特征在于,该方法的具体步骤为:
步骤一、采用电流值为C/25的电流信号对待提取特征参数的电池进行充电,采集电池的端电压UT(k);建立电池充电的简单等效电路模型;C为待测电池的额定电流;
步骤二、利用步骤一电池充电等效电路模型的模型参数,建立关系式:
得到模型端电压其中,SOCp,1为磷酸铁锂正极嵌锂过程终止SOC值或正极充电起始时刻的起始SOC值,SOCn,0为电池石墨负极嵌锂初始SOC值或负极充电起始时刻的的起始SOC值,Qn为电池负极容量,Qp为电池正极容量,R为电池阻抗特征参数,Up是磷酸铁锂正极开路电势函数,Un是石墨负极开路电势函数,IL(k)为k时刻的工作负载电流,电池的充电电流为负值,tk为k时刻的时间长度;
步骤三、利用电池的充电电流和时间数据,使用安时积分法获得待测电池的实际可用容量Q;
步骤四、根据磷酸铁锂电池的正负极特性设定:SOCn,0=mSOCn,1,其中,m为SOCn,0/SOCn,1的比值;获得负极容量Qn与电池实际可用容量Q之间的关系为:
步骤五、取待辨识参数矩阵为θ=[SOCn,1,m,R],取电池充电的简单等效电路模型的端电压和电池的端电压作为观测量得误差函数:
其中,为模型的端电压,为待辨识参数矩阵θ的估计值;
针对待辨识参数θ的目标函数为:
设定待辨识参数矩阵的初值θ0=[SOCn,1,m,R]0,采用列文伯格-马夸尔特法迭代计算实现模型参数SOCn,1,m,R的辨识,实现对用于磷酸铁锂电池梯次利用健康状态特征参数的提取。
2.根据权利要求1所述的用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法,其特征在于,步骤二中磷酸铁锂正极开路电势函数Up(SOCp)为:
Up(SOCp)=3.4323-0.8428exp(-80.2493(1-SOCp)1.3198)
(5)
-3.2474×10-6exp(20.2645(1-SOCp)3.8003)
+3.2482×10-6exp(20.2646(1-SOCp)3.7995)
石墨负极开路电势函数Un(SOCn)为:
正负极开路电势的方程的常数系数均通过曲线拟合获得,SOCn为电池石墨负极充电过程中的SOC值,SOCp为电池充电时磷酸铁锂正极的SOC值。
3.根据权利要求1所述的用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法,其特征在于,采用列文伯格-马夸尔特法迭代计算实现模型参数辨识的过程为:
利用公式:
其中,Jacobi矩阵为: Hessian矩阵为: 端电压敏感度矩阵为λ为迭代步进,i当为迭代次数,I为单位矩阵,时,ε为迭代阈值,令θi=θ=[SOCn,1,m,R],即获得待辨识参数SOCn,1、m和R。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510627782.6A CN105242212B (zh) | 2015-09-28 | 2015-09-28 | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510627782.6A CN105242212B (zh) | 2015-09-28 | 2015-09-28 | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105242212A true CN105242212A (zh) | 2016-01-13 |
CN105242212B CN105242212B (zh) | 2018-01-30 |
Family
ID=55039922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510627782.6A Active CN105242212B (zh) | 2015-09-28 | 2015-09-28 | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105242212B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383316A (zh) * | 2016-08-30 | 2017-02-08 | 郑州轻工业学院 | 一种梯次利用锂电池性能评价方法 |
CN106405436A (zh) * | 2016-11-16 | 2017-02-15 | 上海动力储能电池系统工程技术有限公司 | 一种复合电极状态的检测方法 |
CN108732510A (zh) * | 2018-07-19 | 2018-11-02 | 哈尔滨工业大学 | 基于内部特征的锂离子电池一致性筛选分组方法 |
CN109917279A (zh) * | 2017-12-13 | 2019-06-21 | 上海五零盛同信息科技有限公司 | 在线非恒定负载下电池容量检测电路及其检测方法 |
CN110247451A (zh) * | 2019-06-17 | 2019-09-17 | 重庆大学 | 一种锂离子动力电池组全寿命周期均衡控制方法 |
CN113178630A (zh) * | 2021-04-28 | 2021-07-27 | 合达信科技集团有限公司 | 多种电芯的电池管理系统hbms |
CN113657360A (zh) * | 2021-10-21 | 2021-11-16 | 长沙德壹科技有限公司 | 锂电池健康状态估计方法、装置、设备及可读存储介质 |
CN115327420A (zh) * | 2022-08-12 | 2022-11-11 | 哈尔滨工业大学 | 基于部分充电电压的退役电池余能快速准确估计方法及系统 |
WO2023095500A1 (ja) * | 2021-11-25 | 2023-06-01 | 株式会社日立製作所 | 二次電池の状態診断方法および状態診断装置 |
CN116908723A (zh) * | 2023-06-08 | 2023-10-20 | 武汉亿纬储能有限公司 | 一种电池循环次数的计算方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121587A1 (en) * | 2006-11-30 | 2010-05-13 | The Boeing Company | Health Management of Rechargeable Batteries |
CN102445663A (zh) * | 2011-09-28 | 2012-05-09 | 哈尔滨工业大学 | 一种电动汽车电池健康状态估算的方法 |
CN103399277A (zh) * | 2013-07-29 | 2013-11-20 | 重庆长安汽车股份有限公司 | 一种动力电池实际容量估算方法 |
CN103823188A (zh) * | 2014-02-25 | 2014-05-28 | 宁德时代新能源科技有限公司 | 锂离子电池组健康状态的评估方法 |
CN104267355A (zh) * | 2014-10-29 | 2015-01-07 | 哈尔滨工业大学 | 基于工况测试和简化阻抗谱等效电路模型的电池分选方法 |
-
2015
- 2015-09-28 CN CN201510627782.6A patent/CN105242212B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121587A1 (en) * | 2006-11-30 | 2010-05-13 | The Boeing Company | Health Management of Rechargeable Batteries |
CN102445663A (zh) * | 2011-09-28 | 2012-05-09 | 哈尔滨工业大学 | 一种电动汽车电池健康状态估算的方法 |
CN103399277A (zh) * | 2013-07-29 | 2013-11-20 | 重庆长安汽车股份有限公司 | 一种动力电池实际容量估算方法 |
CN103823188A (zh) * | 2014-02-25 | 2014-05-28 | 宁德时代新能源科技有限公司 | 锂离子电池组健康状态的评估方法 |
CN104267355A (zh) * | 2014-10-29 | 2015-01-07 | 哈尔滨工业大学 | 基于工况测试和简化阻抗谱等效电路模型的电池分选方法 |
Non-Patent Citations (1)
Title |
---|
冯飞等: "磷酸铁锂电池组均衡控制策略及荷电状态估计算法", 《电工技术学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383316A (zh) * | 2016-08-30 | 2017-02-08 | 郑州轻工业学院 | 一种梯次利用锂电池性能评价方法 |
CN106405436A (zh) * | 2016-11-16 | 2017-02-15 | 上海动力储能电池系统工程技术有限公司 | 一种复合电极状态的检测方法 |
CN109917279A (zh) * | 2017-12-13 | 2019-06-21 | 上海五零盛同信息科技有限公司 | 在线非恒定负载下电池容量检测电路及其检测方法 |
CN109917279B (zh) * | 2017-12-13 | 2023-02-17 | 上海五零盛同信息科技有限公司 | 在线非恒定负载下电池容量检测电路及其检测方法 |
CN108732510A (zh) * | 2018-07-19 | 2018-11-02 | 哈尔滨工业大学 | 基于内部特征的锂离子电池一致性筛选分组方法 |
CN108732510B (zh) * | 2018-07-19 | 2020-07-07 | 哈尔滨工业大学 | 基于内部特征的锂离子电池一致性筛选分组方法 |
CN110247451B (zh) * | 2019-06-17 | 2022-12-09 | 重庆大学 | 一种锂离子动力电池组全寿命周期均衡控制方法 |
CN110247451A (zh) * | 2019-06-17 | 2019-09-17 | 重庆大学 | 一种锂离子动力电池组全寿命周期均衡控制方法 |
CN113178630A (zh) * | 2021-04-28 | 2021-07-27 | 合达信科技集团有限公司 | 多种电芯的电池管理系统hbms |
CN113657360A (zh) * | 2021-10-21 | 2021-11-16 | 长沙德壹科技有限公司 | 锂电池健康状态估计方法、装置、设备及可读存储介质 |
WO2023095500A1 (ja) * | 2021-11-25 | 2023-06-01 | 株式会社日立製作所 | 二次電池の状態診断方法および状態診断装置 |
CN115327420A (zh) * | 2022-08-12 | 2022-11-11 | 哈尔滨工业大学 | 基于部分充电电压的退役电池余能快速准确估计方法及系统 |
CN116908723A (zh) * | 2023-06-08 | 2023-10-20 | 武汉亿纬储能有限公司 | 一种电池循环次数的计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105242212B (zh) | 2018-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105242212A (zh) | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 | |
CN103197251B (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
CN103091642B (zh) | 一种锂电池容量快速估计方法 | |
Motapon et al. | A generic cycle life model for lithium-ion batteries based on fatigue theory and equivalent cycle counting | |
Shi et al. | Effects of imbalanced currents on large-format LiFePO4/graphite batteries systems connected in parallel | |
CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
CN103020445B (zh) | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 | |
CN107861075B (zh) | 一种确定动力电池sop的方法 | |
CN103698713B (zh) | 一种锂离子电池健康状态评估方法 | |
CN102937704B (zh) | 一种动力电池rc等效模型的辨识方法 | |
CN103869256B (zh) | 一种基于交流阻抗测试动力锂离子电池soh的估算方法 | |
CN105093114B (zh) | 一种电池在线建模与荷电状态的联合估计方法及系统 | |
CN106443474A (zh) | 一种动力电池系统寿命衰退特征快速识别的方法 | |
CN105093131A (zh) | 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 | |
CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
CN107121643A (zh) | 锂离子电池健康状态联合估计方法 | |
Tingting et al. | Analysis on the influence of measurement error on state of charge estimation of LiFePO4 power Battery | |
CN103926538A (zh) | 基于aic准则的变阶数rc等效电路模型及实现方法 | |
CN104122447A (zh) | 一种电动汽车动力电池组直流阻抗的在线估算方法 | |
CN106772081B (zh) | 基于扩展等效电路模型的电池极限充放电电流估计方法 | |
CN107356879B (zh) | 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 | |
CN104297578B (zh) | 基于滑模观测器的超级电容器组荷电状态估计方法 | |
CN104537166A (zh) | 一种动力电池的等效电路模型方法 | |
CN103176137B (zh) | 基于电池soc不均匀性的电池组健康状态评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190523 Address after: Room 1203, Office Building 88 Yugong Road, Zhengzhou Economic and Technological Development Zone, Henan 450000 Patentee after: Henan Liwei New Energy Technology Co., Ltd. Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Patentee before: Harbin Institute of Technology |