CN105319515A - 锂离子电池荷电状态和健康状态联合估算方法 - Google Patents

锂离子电池荷电状态和健康状态联合估算方法 Download PDF

Info

Publication number
CN105319515A
CN105319515A CN201510794095.3A CN201510794095A CN105319515A CN 105319515 A CN105319515 A CN 105319515A CN 201510794095 A CN201510794095 A CN 201510794095A CN 105319515 A CN105319515 A CN 105319515A
Authority
CN
China
Prior art keywords
battery
state
soh
storage
formula
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
Application number
CN201510794095.3A
Other languages
English (en)
Other versions
CN105319515B (zh
Inventor
马彦
李炳思
茹敬佩
周秀文
陈虹
赵海艳
王留
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN201510794095.3A priority Critical patent/CN105319515B/zh
Publication of CN105319515A publication Critical patent/CN105319515A/zh
Application granted granted Critical
Publication of CN105319515B publication Critical patent/CN105319515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Secondary Cells (AREA)

Abstract

本发明公开了一种锂离子电池荷电状态和健康状态联合估算方法,具体方法为:第一步、对于新出厂的锂离子电池,在25℃以1/3C做恒流充放电实验,得到电池的初始额定容量C0;第二步、在每个采样时刻,根据采样电流i的大小,确定电池是否处于充、放电状态工作;第三步、循环模式;第四步、存储模式;第五步、判断电池的SOH是否小于80%,是则表示电池已经报废,循环结束,否则说明电池处于健康状态,返回第二步。有益效果:本发明提出了一种在多尺度框架下,联合估算电池SOC和SOH的方法。该方法同时考虑了锂离子电池在存储过程和循环使用过程中的SOH变化,减小了SOC和SOH估计算法的计算量,提高了估算精度。

Description

锂离子电池荷电状态和健康状态联合估算方法
技术领域
本发明涉及一种电池荷电状态和健康状态联合估算方法,特别涉及一种锂离子电池荷电状态和健康状态联合估算方法。
背景技术
目前,作为纯电动汽车主要的能量来源,锂离子动力电池的性能对电动汽车的动力性、续航里程和经济性有非常重要的影响。电池管理系统是电动汽车的核心部件,主要包括数据采集、状态监测、健康管理、安全管理和均衡管理等功能。电池管理系统监测的主要状态包括荷电状态(StateofCharge,SOC)和健康状态(StateofHealth,SOH)。对电池状态的监测可以为电动汽车安全管理策略、健康管理策略,均衡策略、驾驶策略等的研究提供依据。
SOC用来表征电池的剩余电量,是剩余电量与额定容量的百分比。
SOH用来描述电池的健康状态,反映电池当前的容量,定义为:
由于电池的老化机理不同,将电池SOH的变化分为电池存储过程中的变化和电池循环使用过程中的变化。
电池SOH在存储过程中的变化表征的是电池存储过程中由电池自放电、电池材料特性变化等引起的电池老化现象;电池SOH在循环使用过程中的变化则表征的是电池使用(充电和放电)过程中电化学反应和电池材料特性变化引起的电池老化现象。这两种情况下,电池的老化机理不同,所以电池SOH的建模方式不同,SOH的估算方法也就不同。
电池的SOC和SOH均为电池的内部变量,不能直接测量得到,需要根据电池的老化特性和可测信号(如,电流、电压和温度等)间接估计或计算得到。
目前SOC估算方法主要有AH积分法、开路电压法、Kalman滤波法、状态观测器法和神经网络法等。SOH估算方法主要有损伤积累法、Kalman滤波法、粒子滤波法、数据驱动法等。现有的SOH估计方法只针对电池在循环使用过程的SOH变化进行了研究,这些估计方法需要大量的电池老化过程数据,计算量大,实现困难,SOH估计精度较低。对于SOC和SOH的估计,现有的大部分电池管理系统,都是对SOC和SOH分别设计估计器,占用资源多。
电池SOC的变化相对比较快,在大电流充、放电情况下,一秒钟内就会发生很大变化,但电池的SOH变化缓慢(在使用前期,一周之内SOH的变化不到1%,基本上不受电池的充、放电电流大小和充、放电次数影响),即电池的SOC和SOH是在不同的时间尺度上变化的。如果SOC和SOH的估计频率相同,就会大幅度增加计算量。
发明内容
本发明的目的在于解决现有的电池的荷电状态和健康状态的估算方法中分别设计估计器、估算精度低以及占用资源多的问题,提供了一种锂离子电池荷电状态和健康状态联合估算方法。
本发明提供的锂离子电池荷电状态和健康状态联合估算方法,其具体方法如下所述:
第一步、对于新出厂的锂离子电池,在25℃以1/3C做恒流充放电实验,得到电池的初始额定容量C0;
第二步、在每个采样时刻,根据采样电流i的大小,确定电池是否处于充、放电状态工作,即:是否满足|i|>0.05A,是则进入第三步的循环模式,否则进入第四步的存储模式;
第三步、循环模式:
(3.1)k=0,l=0时刻,初始化:
状态初始化:采集电池进入循环模式初始时刻的电池开路电压(即,当前时刻电池的端电压可视为开路电压),基于开路电压和SOC的关系表达式(根据HPPC脉冲测试工况测得数据,并经过数据拟合得到,其中LiMn2O4电池的开路电压和SOC关系表达式如式(3)所示)的逆公式,计算循环模式下电池SOC初始值SOC(0,0),
电池容量初始化:
容量估计误差方差矩阵初始化:
状态估计误差方差矩阵初始化:
(3.2)采集电池的充放电电流,判断是否有电流流过电池(|i|>0.05A是否成立),是则运行步骤(3.3),否则结束循环模式,运行第五步;
(3.3)宏观计数变量加1,k=k+1;
(3.4)EKFc的时间更新,由公式(12)和公式(13)计算和Pc-(k);
Pc-(k)=Pc(k-1)+Σr(k-1)(13)
(3.5)微观计数变量加1,l=l+1;
(3.6)EKFx的时间更新,由公式(14)和公式(15)计算和Px-(k-1,l);
Px-(k-1,l)=Ad·Px(k-1,l-1)·AdΤ+Σw(k-1,l-1)(15)
(3.7)EKFx的测量更新,由公式(16)、公式(17)和公式(18)分别计算Kx(k-1,l)、和Px(k-1,l),其中对进行状态分离就可以得到电池的SOC;
Kx(k-1,l)=Px-(k-1,l)·Cx(k-1,l)Τ·[Cx(k-1,l)·Px-(k-1,l)·Cx(k-1,l)Τ+Σv(k-1,l)](16)
Px(k-1,l)=[I-Kx(k-1,l)·Cx(k-1,l)]·Px-(k-1,l)(18)
(3.8)判断l=L是否成立,是则进行步骤(3.9),否则返回步骤(3.5);
(3.9)时间尺度转换,由公式(20)-公式(23)得到Px(k,0)、y(k,0)和i(k,0);
Px(k,0)=Px(k-1,L)(21)
y(k,0)=y(k-1,L)(22)
i(k,0)=i(k-1,L)(23)
(3.10)EKFc的测量更新,由公式(24)、公式(25)和公式(26),计算Kc(k)、和Pc(k);
Kc(k)=Pc-(k)·Cc(k)Τ·[Cc(k)·Pc-(k)·Cc(k)Τ+Σv(k)](24)
Pc(k)=[I-Kc(k)·Cc(k)]·Pc-(k)(26)
(3.11)提取电池容量
(3.12)由公式(1),计算当前时刻电池的SOH值;
S O H = C k C 0 · 100 % - - - ( 1 )
(3.13)微观计数变量清零l=0,返回步骤(3.2);
第四步、存储模式:
(4.1)开始存储时的电池容量Ck0=Ct,令存储时间ts=0;
(4.2)判断电池是否处于充放电工作状态,即,|i|>0.05A是否成立,是则进入步骤(4.3)计算电池容量,否则ts=ts+Tt,继续判断电池是否处于充放电工作状态;
(4.3)根据电池处存储的时间ts、电池存储温度T和电池存储时的电池端电压V,由电池静置时容量衰减经验公式(30),计算当前时刻电池容量Ct,存储模式结束,返回第二步,电池静置时容量衰减经验公式(30)如下:
Ct=Ck0·[1+B(T,V)·F(ts)](30)其中,F(ts)表示存储时间ts对电池存储时容量的影响,B(T,V)描述存储时环境温度T和存储电压V对电池老化速率的影响,ca,cT,cV为老化系数,取值与电池正负极和电解质的材料有关;T0为电池存储环境温度参考值,通常取T0=25℃;V0为电池端电压参考值,通常取电池额定电压(对于LiMn2O4电池,取V0=3.6V);ΔT为温度梯度,根据电池存储时SOH对环境温度的敏感度,取ΔT=10℃;ΔV为电压梯度,根据电池存储时SOH对存储电压的敏感度,取ΔV=0.1V;
第五步、判断电池的SOH是否小于80%,是则表示电池已经报废,循环结束,否则说明电池处于健康状态,返回第二步。
本发明的有益效果:
本发明提出了一种在多尺度框架下,联合估算电池SOC和SOH的方法。该方法同时考虑了锂离子电池在存储过程和循环使用过程中的SOH变化,减小了SOC和SOH估计算法的计算量,提高了估算精度。
附图说明
图1为锂离子电池SOC和SOH联合估算方法流程图。
图2为锂离子电池初始额定容量测量流程图。
图3为Thevenin等效电路模型。
图4为循环模式下估算SOC和SOH流程图。
图5为存储模式下容量计算流程图。
具体实施方式
下面将结合附图对本发明作进一步详细描述:
图1为锂离子电池SOC和SOH联合估算方法的流程图。
对于新出厂的锂离子电池,在标准测试工况下,测量电池初始的额定容量。在电池的使用过程中,根据是否有电流流过电池把电池的工作状态分为存储模式和循环模式。
在循环模式和多尺度框架下,采用扩展Kalman算法估计电池的SOC和SOH值。在微观尺度下,对电池的SOC值进行估计;在宏观尺度下,对电池的容量进行估计,进而根据公式(1)估计出电池的SOH值。这样在保证估计精度的情况下,减少计算量。
电池的SOH值是根据当前电池的容量计算的,如公式(1)所示。其中,Ct为当前时刻电池的容量,C0为电池初始的额定容量。
S O H = C t C 0 · 100 % - - - ( 1 )
在存储模式下,根据电池存储的时间、存储时的环境温度和存储时的电池电压值,根据容量衰减的经验公式计算出电池存储结束时的容量,并在下一次循环模式中更新电池的容量,用来矫正SOC估算值。
在每次循环模式结束后,判断电池的SOH是否小于80%,若小于80%,则表示电池已经报废(IEEE标准1188-1996中规定,当电池容量下降至初始额定容量的80%,电池就应该被更换),循环结束,否则说明电池处于健康状态,继续判断电池的运行状态。
总体估算步骤如下:
第一步、在25℃下,对于新出厂的锂离子电池,以1/3C做恒流充放电实验,确定电池的初始额定容量C0,具体步骤为:
(1.1)将电池放置在25℃的恒温环境中;
(1.2)以1/3C对电池进行恒流充电,直至电池电压达到充电截止电压(LiMn2O4电池充电截止电压为4.2V);
(1.3)静置3小时;
(1.4)以1/3C电流对电池恒流放电,至电池电压达到放电截止电压(LiMn2O4电池放电截止电压为3.0V),根据电流对时间的积分计算放出的电量,记为C1;
(1.5)静置3小时;
(1.6)以1/3C电流对电池恒流充电,至电池电压达到充电截止电压(LiMn2O4电池充电截止电压为4.2V),根据电流对时间的积分计算充入的电量,记为C2;
(1.7)计算电池的初始额定容量C0=(C1+C2)/2。
第二步、在每个采样时刻,根据是否有电流流经电池,确定电池所处的状态,即判断|i|>0.05A是否成立,是则说明电池处于充、放电状态,进入循环模式;否则说明电池处于存储状态,进入存储模式。
第三步、循环模式下的SOC和SOH联合估计:
循环模式下,由于SOC变化较快,而SOH变化较慢,即锂离子电池SOC和SOH在不同时间尺度上变化,因此在保证电池SOC和SOH估计精度的情况下,降低计算量,本发明选择在多尺度框架下进行电池SOC和SOH的联合估计。
本发明中,使用了宏观尺度和微观尺度两种时间尺度,宏观尺度为变化较慢的尺度,在宏观尺度下对电池SOH进行估算,即估计电池的容量;微观尺度为变化较快的尺度,在微观尺度下,估计电池的SOC值。
L代表时间尺度分离水平,电池SOH的估算精度与参数L有直接关系,如果对电池的SOH估算精度要求比较高,就选择比较小的L,如果对SOH估算精度要求不高,就可以选择比较大的L;
本发明所选择的电池模型为Thevenin模型,如图3所示,其中,Ri为电池的内阻,代表电损失消耗的能量;Rs为电池的极化内阻,代表电池非电损失消耗的能量;Cs为电池的极化电容,表示电池电化学反应中的扩散现象;Vs为Rs和Cs并联所构成的回路端电压,表示电池的扩散电压;电压源Voc为电池的开路电压;i为电池充放电电流,充电时为正,放电时为负;V为电池端电压,可以直接测量得到。
根据基尔霍夫电流定律和基尔霍夫电压定律,Thevenin等效电路模型中,端电压的动力学方程为:
V · s = - 1 R s · C s V s + 1 C s i V = f ( S O C ) - V s - i · R i - - - ( 2 )
在HPPC脉冲测试工况下,依据测试得到数据,并经过数据拟合,得到开路电压和SOC之间关系f(SOC)的表达式,即
Voc=f(SOC)=(1×10-15)·SOC9-(4.3×10-13)·SOC8+(0.399×10-11)·SOC7
-(1.0496×10-18)·SOC6+(7.3527×10-17)·SOC5-(3.1909×10-5)·SOC4(3)
+(8.129×10-4)·SOC3-(1.3451×10-2)·SOC2+0.1187·SOC+3.2482
由于开路电压和SOC之间有确定的关系,可以把电池SOC作为状态变量引入电池模型的数学表达式,即
S O C = S O C ( 0 ) + ∫ 0 t η · i C t d τ - - - ( 4 )
其中,SOC(0)为初始时刻的SOC值,η为电池充放电效率,Ct为电池的容量。
把电池的SOC(SOC)和电压Vs作为微观估计器的状态变量,电池容量Ct作为宏观估计器的状态变量,离散化后电池的状态空间方程可以表示为:
x(k,l+1)=Ad·x(k,l)+Bd(k)·i(k,l)+w(k,l)(5)
Ct(k+1)=Ct(k)+r(k)(6)
y(k,l)=f(SOC)-Vs(k,l)-i(k,l)·Ri+v(k,l)
(7)
=g(x(k,l),i(k,l))+v(k,l)
其中,x(k,l)=[SOC(k,l)Vs(k,l)]Τ是系统在t(k,l)=t(k,0)+l·Tt时刻的状态变量;k是宏观计数变量,0≤k;l是微观计数变量,0≤l≤L;Tt是两相邻测量点之间固定的采样间隔,取Tt=1s,k和l分别为宏观尺度和微观尺度变量;Ct(k)是系统在t(k,0)时刻的电池容量;i(k,l)是系统外部输入,即电池在t(k,l)时刻的充放电电流;y(k,l)=V(k,l)是系统测量值,即电池在t(k,l)时刻的端电压测量值;w(k,l)和r(k)为系统噪声,均值为零,方差分别为Σw和Σr的高斯白噪声;v(k,l)是系统测量噪声,即均值为零,方差为Σv的高斯白噪声,三个噪声互不相关;L代表时间尺度分离程度;t(k,0)=t(k-1,L);Ad和Bd为离散化后的估计系统的传递矩阵和输入矩阵,表示为:
A d = 1 0 0 1 - 1 R s · C s , B d ( k ) = η C t ( k ) 1 C s ,
g(x(k,l),i(k,l))=f(SOC)-Vs(k,l)-i(k,l)·Ri。
在多尺度框架下,基于扩展Kalman算法估计电池的SOC值和SOH值,其中SOH是根据电池容量计算的,如公式(1)所示,因此估计电池的SOH值就首先需要估计电池的容量。
采用多尺度扩展Kalman算法对电池SOC和SOH进行联合估计。将用于电池SOC估计的扩展Kalman滤波器(即,微观扩展Kalman滤波器)记为EKFx,将估计电池容量的扩展Kalman滤波器(即,宏观扩展Kalman滤波器)记为EKFc。
多尺度扩展Kalman滤波算法步骤,如图4所示。具体步骤为:
k=0,l=0时刻,初始化:
对于k时刻(k=1,2,…L),EKFc的时间更新:
Pc-(k)=Pc(k-1)+Σr(k-1)(13)
对于t(k-1,l)时刻(l=1,2…L),EKFx的时间更新:
Px-(k-1,l)=Ad·Px(k-1,l-1)·AdΤ+Σw(k-1,l-1)(15)
对于t(k-1,l)时刻(l=1,2…L),EKFx的测量更新:
Kx(k-1,l)=Px-(k-1,l)·Cx(k-1,l)Τ·[Cx(k-1,l)·Px-(k-1,l)·Cx(k-1,l)Τ+Σv(k-1,l)](16)
Px(k-1,l)=[I-Kx(k-1,l)·Cx(k-1,l)]·Px-(k-1,l)(18)
当前时刻,电池的SOC为:
时间序列计算:
当l=1,2…L时,循环计算以上EKFx的时间更新和测量更新变量值,即根据式(12)-式(18),得到和Px(k-1,L);
时间尺度转换:
Px(k,0)=Px(k-1,L)(21)
y(k,0)=y(k-1,L)(22)
i(k,0)=i(k-1,L)(23)
当k=1,2…,EKFc的测量更新:
Kc(k)=Pc-(k)·Cc(k)Τ·[Cc(k)·Pc-(k)·Cc(k)Τ+Σv(k)](24)
Pc(k)=[I-Kc(k)·Cc(k)]·Pc-(k)(26)
当k=1,2…,电池容量为
其中,为Ct(k)的估计值;为x(k,l)的估计值;E[*]为均值;Pc(k)为容量估计误差方差矩阵;Px(k,l)为状态估计误差方差矩阵;为容量先验估计值;Pc-(k)为容量估计误差方差矩阵先验估计值;为状态先验估计值;Px-(k,l)为状态估计误差方差矩阵先验估计值;Kx(k,l)为状态估计反馈增益矩阵;Kc(k)为容量估计反馈增益矩阵。
循环模式下,电池SOC和SOH联合估计算法的流程图如图4所示,具体可以表示为:
(3.1)k=0,l=0时刻,参数初始化
状态初始化:采集电池进入循环模式初始时刻的电池开路电压(当前时刻的端电压可视为开路电压),基于开路电压和SOC的关系表达式(根据HPPC标准工况测试并经过数据拟合得到,其中LiMn2O4电池的开路电压和SOC关系表达式如式(3)所示)的逆公式计算循环模式下电池SOC初始值SOC(0,0),
电池容量初始化:
容量估计误差方差矩阵初始化:
状态估计误差方差矩阵初始化:
(3.2)采集流经电池的电流,判断是否有电流流过电池,即判断|i|>0.05A是否成立,是则运行(3.3),否则结束循环模式,运行第五步;
(3.3)宏观计数变量加1,k=k+1;
(3.4)EKFc的时间更新,基于公式(12)和公式(13)计算和Pc-(k);
(3.5)微观计数变量加1,l=l+1;
(3.6)EKFx的时间更新,基于公式(14)和公式(15)计算和Px-(k-1,l);
(3.7)EKFx的测量更新,基于公式(16)、公式(17)和公式(18)分别计算Kx(k-1,l)、和Px(k-1,l),对进行状态分离就可以得到所需要的系统状态电池SOC值,即SOC(k-1,l);
(3.8)判断l=L是否成立,是则进入步骤(3.9),否则返回步骤(3.5);
(3.9)时间尺度转换,基于公式(20)-公式(23)得到初值Px(k,0)、y(k,0)和i(k,0);
(3.10)EKFc的测量更新,基于公式(24)、公式(25)和公式(26)计算Kc(k)、和Pc(k);
(3.11)确定电池容量
(3.12)由公式(1),计算当前时刻电池的SOH值;
(3.13)微观计数变量清零,l=0,返回(3.2);
第四步、存储模式下电池容量的估计。
图5为在存储模式时,电池容量计算的流程图。在存储模式下记录电池存储的时间,并在存储模式结束时,根据电池存储(静置)时间、存储时的环境温度和存储时电池端电压,由经验公式计算存储后的电池容量,具体步骤如下
(4.1)开始存储时的电池容量Ck0=Ct,令存储时间ts=0;
(4.2)判断电池是否有电流流过,即:|i|>0.05A是否成立,是则进入(4.3)计算电池容量,否则ts=ts+Tt,返回(4.2);
(4.3)根据电池处存储的时间ts、电池存储时的环境温度T和电池存储时的电池端电压V,由电池静置时容量衰减经验公式(30),计算当前时刻电池容量Ct,存储模式结束,返回第二步;
Ct=Ck0·[1+B(T,V)·F(ts)](30)其中,F(ts)表示存储时间ts对电池存储时容量的影响,B(T,V)描述存储时环境温度T和存储电压V对电池老化速率的影响,ca,cT,cV为老化系数,取值与电池正负极和电解质的材料有关;T0为电池存储环境温度参考值,通常取T0=25℃;V0为电池端电压参考值,通常取电池额定电压(对于LiMn2O4电池,取V0=3.6V);ΔT为温度梯度,根据电池存储时SOH对环境温度的敏感度,取ΔT=10℃;ΔV为电压梯度,根据电池存储时SOH对存储电压的敏感度,取ΔV=0.1V;
第五步、判断电池的SOH是否小于80%,是则表示电池已经报废,循环结束。否则说明电池处于健康状态,返回第二步。

Claims (1)

1.一种锂离子电池荷电状态和健康状态联合估算方法,其特征在于:所述的方法如下所述:
第一步、对于新出厂的锂离子电池,在25℃以1/3C做恒流充放电实验,得到电池的初始额定容量C0;
第二步、在每个采样时刻,根据采样电流i的大小,确定电池是否处于充、放电状态工作,即:是否满足|i|>0.05A,是则进入第三步的循环模式,否则进入第四步的存储模式;
第三步、循环模式:
(3.1)k=0,l=0时刻,初始化:
状态初始化:采集电池进入循环模式初始时刻的电池开路电压,即:当前时刻电池的端电压可视为开路电压,基于开路电压和SOC的关系表达式,根据HPPC脉冲测试工况测得数据,并经过数据拟合得到,其中LiMn2O4电池的开路电压和SOC关系表达式如式(3)所示的逆公式,计算循环模式下电池SOC初始值SOC(0,0),
电池容量初始化:
容量估计误差方差矩阵初始化:
状态估计误差方差矩阵初始化:
(3.2)采集电池的充放电电流,判断是否有电流流过电池(|i|>0.05A是否成立),是则运行步骤(3.3),否则结束循环模式,运行第五步;
(3.3)宏观计数变量加1,k=k+1;
(3.4)EKFc的时间更新,由公式(12)和公式(13)计算和Pc-(k);
Pc-(k)=Pc(k-1)+Σr(k-1)(13)
(3.5)微观计数变量加1,l=l+1;
(3.6)EKFx的时间更新,由公式(14)和公式(15)计算和Px-(k-1,l);
Px-(k-1,l)=Ad·Px(k-1,l-1)·AdΤ+Σw(k-1,l-1)(15)
(3.7)EKFx的测量更新,由公式(16)、公式(17)和公式(18)分别计算Kx(k-1,l)、和Px(k-1,l),其中对进行状态分离就可以得到电池的SOC;
Kx(k-1,l)=Px-(k-1,l)·Cx(k-1,l)Τ·[Cx(k-1,l)·Px-(k-1,l)·Cx(k-1,l)Τ+Σv(k-1,l)](16)
Px(k-1,l)=[I-Kx(k-1,l)·Cx(k-1,l)]·Px-(k-1,l)(18)
(3.8)判断l=L是否成立,是则进行步骤(3.9),否则返回步骤(3.5);
(3.9)时间尺度转换,由公式(20)-公式(23)得到Px(k,0)、y(k,0)和i(k,0);
Px(k,0)=Px(k-1,L)(21)
y(k,0)=y(k-1,L)(22)
i(k,0)=i(k-1,L)(23)
(3.10)EKFc的测量更新,由公式(24)、公式(25)和公式(26),计算Kc(k)、和Pc(k);
Kc(k)=Pc-(k)·Cc(k)Τ·[Cc(k)·Pc-(k)·Cc(k)Τ+Σv(k)](24)
Pc(k)=[I-Kc(k)·Cc(k)]·Pc-(k)(26)
(3.11)提取电池容量
(3.12)由公式(1),计算当前时刻电池的SOH值;
S O H = C k C 0 · 100 % - - - ( 1 )
(3.13)微观计数变量清零l=0,返回步骤(3.2);
第四步、存储模式:
(4.1)开始存储时的电池容量Ck0=Ct,令存储时间ts=0;
(4.2)判断电池是否处于充放电工作状态,即,|i|>0.05A是否成立,是则进入步骤(4.3)计算电池容量,否则ts=ts+Tt,继续判断电池是否处于充放电工作状态;
(4.3)根据电池处存储的时间ts、电池存储温度T和电池存储时的电池端电压V,由电池静置时容量衰减经验公式(30),计算当前时刻电池容量Ct,存储模式结束,返回第二步,电池静置时容量衰减经验公式(30)如下:
Ct=Ck0·[1+B(T,V)·F(ts)](30)
其中,F(ts)表示存储时间ts对电池存储时容量的影响,B(T,V)描述存储时环境温度T和存储电压V对电池老化速率的影响,ca,cT,cV为老化系数,取值与电池正负极和电解质的材料有关;T0为电池存储环境温度参考值,通常取T0=25℃;V0为电池端电压参考值,通常取电池额定电压(对于LiMn2O4电池,取V0=3.6V);ΔT为温度梯度,根据电池存储时SOH对环境温度的敏感度,取ΔT=10℃;ΔV为电压梯度,根据电池存储时SOH对存储电压的敏感度,取ΔV=0.1V;
第五步、判断电池的SOH是否小于80%,是则表示电池已经报废,循环结束,否则说明电池处于健康状态,返回第二步。
CN201510794095.3A 2015-11-18 2015-11-18 锂离子电池荷电状态和健康状态联合估算方法 Active CN105319515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510794095.3A CN105319515B (zh) 2015-11-18 2015-11-18 锂离子电池荷电状态和健康状态联合估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510794095.3A CN105319515B (zh) 2015-11-18 2015-11-18 锂离子电池荷电状态和健康状态联合估算方法

Publications (2)

Publication Number Publication Date
CN105319515A true CN105319515A (zh) 2016-02-10
CN105319515B CN105319515B (zh) 2017-12-19

Family

ID=55247330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510794095.3A Active CN105319515B (zh) 2015-11-18 2015-11-18 锂离子电池荷电状态和健康状态联合估算方法

Country Status (1)

Country Link
CN (1) CN105319515B (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126783A (zh) * 2016-06-16 2016-11-16 同济大学 一种锂离子电池变时间尺度模型参数估计方法
CN106772067A (zh) * 2016-11-30 2017-05-31 北京理工大学 多时间尺度iapf滤波估计动力电池荷电状态与健康状态的方法
CN106959420A (zh) * 2017-03-10 2017-07-18 南京航空航天大学 一种动力电池组soc和soh的自适应估计方法
CN107271913A (zh) * 2017-06-28 2017-10-20 北京工业大学 一种应用于动力电池剩余容量预测的方法
FR3051916A1 (fr) * 2016-05-31 2017-12-01 Renault Sas Procede d'estimation de l'etat de sante d'une batterie
CN107843846A (zh) * 2017-10-26 2018-03-27 哈尔滨工业大学 一种锂离子电池健康状态估计方法
CN108414947A (zh) * 2018-06-06 2018-08-17 哈尔滨工业大学 一种基于多时间尺度的空间锂离子电池状态联合估计方法
CN108627770A (zh) * 2017-03-17 2018-10-09 半导体组件工业公司 用于确定电池的健康状态的方法和装置
CN109075397A (zh) * 2016-04-14 2018-12-21 西门子股份公司 用于寿命优化地使用电化学蓄能器的方法和设备
CN109298340A (zh) * 2018-10-19 2019-02-01 同济大学 一种基于可变时间尺度的电池容量在线估计方法
CN110221221A (zh) * 2019-04-24 2019-09-10 吉林大学 锂离子电池荷电状态和健康状态联合估计方法
CN110231566A (zh) * 2019-06-13 2019-09-13 华中科技大学鄂州工业技术研究院 一种电能管控系统
CN110568375A (zh) * 2019-09-03 2019-12-13 昆山宝创新能源科技有限公司 动力电池健康状态soh确定方法及装置
CN111273185A (zh) * 2018-11-16 2020-06-12 郑州宇通客车股份有限公司 一种电动汽车动力电池系统soh估算方法及装置
CN111965548A (zh) * 2020-09-27 2020-11-20 哈尔滨工业大学(威海) 一种基于状态估计法的电池系统传感器故障诊断方法
CN112485679A (zh) * 2019-09-12 2021-03-12 半导体元件工业有限责任公司 用于监测电池的装置和用于监测电池的方法
CN112946483A (zh) * 2021-02-05 2021-06-11 重庆长安新能源汽车科技有限公司 电动汽车电池健康的综合评估方法及存储介质
CN113391225A (zh) * 2021-05-19 2021-09-14 北京航空航天大学 一种考虑容量退化的锂电池荷电状态估计方法
CN113466728A (zh) * 2021-07-13 2021-10-01 北京西清能源科技有限公司 一种两阶段电池模型参数在线辨识的方法与系统
CN114578229A (zh) * 2020-12-01 2022-06-03 广汽埃安新能源汽车有限公司 动力电池健康状态确定方法、装置和可读存储介质
CN118425822A (zh) * 2024-07-05 2024-08-02 中电建新能源集团股份有限公司 一种电池的健康状态值确定方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4405558B2 (ja) * 2004-11-11 2010-01-27 エルジー・ケム・リミテッド 充電状態を用いた電池平滑化システム及び方法
CN103116136A (zh) * 2013-01-21 2013-05-22 天津大学 基于有限差分扩展卡尔曼算法的锂电池荷电状态估计方法
CN103399279A (zh) * 2013-08-01 2013-11-20 哈尔滨工业大学 基于ekf方法和ar模型融合型锂离子电池循环寿命预测方法
CN104360282A (zh) * 2014-11-19 2015-02-18 奇瑞汽车股份有限公司 一种变长度滑动窗辨识电池参数的电池荷电状态估计方法
CN104502847A (zh) * 2014-11-28 2015-04-08 华晨汽车集团控股有限公司 一种电动汽车动力电池soh的预估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4405558B2 (ja) * 2004-11-11 2010-01-27 エルジー・ケム・リミテッド 充電状態を用いた電池平滑化システム及び方法
CN103116136A (zh) * 2013-01-21 2013-05-22 天津大学 基于有限差分扩展卡尔曼算法的锂电池荷电状态估计方法
CN103399279A (zh) * 2013-08-01 2013-11-20 哈尔滨工业大学 基于ekf方法和ar模型融合型锂离子电池循环寿命预测方法
CN104360282A (zh) * 2014-11-19 2015-02-18 奇瑞汽车股份有限公司 一种变长度滑动窗辨识电池参数的电池荷电状态估计方法
CN104502847A (zh) * 2014-11-28 2015-04-08 华晨汽车集团控股有限公司 一种电动汽车动力电池soh的预估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张頔: "基于自适应卡尔曼滤波的锂离子电池SOC估计", 《汽车技术》 *
陈黄捷等: "基于扩展卡尔曼滤波的电池SOC估计", 《PROCEEDINGS OF THE 32ND CHINESE CONTROL CONFERENCE》 *
马彦等: "基于扩展卡尔曼滤波算法的锂离子电池SOC估计", 《PROCEEDINGS OF THE 31ST CHINESE CONTROL CONFERENCE》 *

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109075397A (zh) * 2016-04-14 2018-12-21 西门子股份公司 用于寿命优化地使用电化学蓄能器的方法和设备
WO2017207891A1 (fr) * 2016-05-31 2017-12-07 Renault S.A.S Procede d'estimation de l'etat de sante d'une batterie
CN109416392B (zh) * 2016-05-31 2021-07-20 雷诺股份公司 用于估计电池健康状态的方法
CN109416392A (zh) * 2016-05-31 2019-03-01 雷诺股份公司 用于估计电池健康状态的方法
FR3051916A1 (fr) * 2016-05-31 2017-12-01 Renault Sas Procede d'estimation de l'etat de sante d'une batterie
CN106126783B (zh) * 2016-06-16 2019-04-16 同济大学 一种锂离子电池变时间尺度模型参数估计方法
CN106126783A (zh) * 2016-06-16 2016-11-16 同济大学 一种锂离子电池变时间尺度模型参数估计方法
CN106772067A (zh) * 2016-11-30 2017-05-31 北京理工大学 多时间尺度iapf滤波估计动力电池荷电状态与健康状态的方法
CN106772067B (zh) * 2016-11-30 2018-12-28 北京理工大学 多时间尺度估计动力电池荷电状态与健康状态的方法
CN106959420A (zh) * 2017-03-10 2017-07-18 南京航空航天大学 一种动力电池组soc和soh的自适应估计方法
CN106959420B (zh) * 2017-03-10 2019-04-09 南京航空航天大学 一种动力电池组soc和soh的自适应估计方法
CN108627770A (zh) * 2017-03-17 2018-10-09 半导体组件工业公司 用于确定电池的健康状态的方法和装置
CN107271913A (zh) * 2017-06-28 2017-10-20 北京工业大学 一种应用于动力电池剩余容量预测的方法
CN107271913B (zh) * 2017-06-28 2019-03-22 北京工业大学 一种应用于动力电池剩余容量预测的方法
CN107843846A (zh) * 2017-10-26 2018-03-27 哈尔滨工业大学 一种锂离子电池健康状态估计方法
CN107843846B (zh) * 2017-10-26 2019-11-26 哈尔滨工业大学 一种锂离子电池健康状态估计方法
CN108414947A (zh) * 2018-06-06 2018-08-17 哈尔滨工业大学 一种基于多时间尺度的空间锂离子电池状态联合估计方法
CN109298340A (zh) * 2018-10-19 2019-02-01 同济大学 一种基于可变时间尺度的电池容量在线估计方法
CN111273185A (zh) * 2018-11-16 2020-06-12 郑州宇通客车股份有限公司 一种电动汽车动力电池系统soh估算方法及装置
CN111273185B (zh) * 2018-11-16 2023-10-03 宇通客车股份有限公司 一种电动汽车动力电池系统soh估算方法及装置
CN110221221A (zh) * 2019-04-24 2019-09-10 吉林大学 锂离子电池荷电状态和健康状态联合估计方法
CN110231566A (zh) * 2019-06-13 2019-09-13 华中科技大学鄂州工业技术研究院 一种电能管控系统
CN110231566B (zh) * 2019-06-13 2021-06-22 华中科技大学鄂州工业技术研究院 一种电能管控系统
CN110568375A (zh) * 2019-09-03 2019-12-13 昆山宝创新能源科技有限公司 动力电池健康状态soh确定方法及装置
CN112485679A (zh) * 2019-09-12 2021-03-12 半导体元件工业有限责任公司 用于监测电池的装置和用于监测电池的方法
CN111965548A (zh) * 2020-09-27 2020-11-20 哈尔滨工业大学(威海) 一种基于状态估计法的电池系统传感器故障诊断方法
CN114578229A (zh) * 2020-12-01 2022-06-03 广汽埃安新能源汽车有限公司 动力电池健康状态确定方法、装置和可读存储介质
CN114578229B (zh) * 2020-12-01 2024-05-24 广汽埃安新能源汽车有限公司 动力电池健康状态确定方法、装置和可读存储介质
CN112946483A (zh) * 2021-02-05 2021-06-11 重庆长安新能源汽车科技有限公司 电动汽车电池健康的综合评估方法及存储介质
CN112946483B (zh) * 2021-02-05 2022-05-06 重庆长安新能源汽车科技有限公司 电动汽车电池健康的综合评估方法及存储介质
CN113391225A (zh) * 2021-05-19 2021-09-14 北京航空航天大学 一种考虑容量退化的锂电池荷电状态估计方法
CN113466728A (zh) * 2021-07-13 2021-10-01 北京西清能源科技有限公司 一种两阶段电池模型参数在线辨识的方法与系统
CN113466728B (zh) * 2021-07-13 2024-04-05 北京西清能源科技有限公司 一种两阶段电池模型参数在线辨识的方法与系统
CN118425822A (zh) * 2024-07-05 2024-08-02 中电建新能源集团股份有限公司 一种电池的健康状态值确定方法、装置及电子设备
CN118425822B (zh) * 2024-07-05 2024-09-13 中电建新能源集团股份有限公司 一种电池的健康状态值确定方法、装置及电子设备

Also Published As

Publication number Publication date
CN105319515B (zh) 2017-12-19

Similar Documents

Publication Publication Date Title
CN105319515B (zh) 锂离子电池荷电状态和健康状态联合估算方法
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
Chen et al. A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity
Cacciato et al. Real-time model-based estimation of SOC and SOH for energy storage systems
Duong et al. Online state of charge and model parameters estimation of the LiFePO4 battery in electric vehicles using multiple adaptive forgetting factors recursive least-squares
CN107402353B (zh) 一种对锂离子电池的荷电状态进行滤波估计的方法及系统
EP3018753B1 (en) Battery control method based on ageing-adaptive operation window
CN110795851B (zh) 一种考虑环境温度影响的锂离子电池建模方法
JP6509725B2 (ja) バッテリの充電状態の推定
Meng et al. A novel multiple correction approach for fast open circuit voltage prediction of lithium-ion battery
CN108732508B (zh) 一种锂离子电池容量的实时估计方法
Taborelli et al. State of charge estimation using extended Kalman filters for battery management system
CN105116344B (zh) 基于二进制编码的电池开路电压估算方法
CN102662148A (zh) 在线反馈式蓄电池soc预测方法
CN109143102A (zh) 一种安时积分估算锂电池soc方法
CN108445422B (zh) 基于极化电压恢复特性的电池荷电状态估算方法
CN106019159B (zh) 锂电池健康状态的预估更新方法
CN109752660B (zh) 一种无电流传感器的电池荷电状态估计方法
CN104035035A (zh) 确定电池的残余容量的方法
CN106610475A (zh) 一种电池组健康度评估方法
CN109633470A (zh) 基于ekf-gpr和日常片段数据的电池实时全充时间的估算方法
CN113466725A (zh) 确定电池荷电状态的方法及装置,存储介质及电子设备
CN112946481A (zh) 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统
Pózna et al. Model identification and parameter estimation of lithium ion batteries for diagnostic purposes
Wu et al. State-of-charge and state-of-health estimating method for lithium-ion batteries

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