CN105512475A - 一种参与电网调度的电动汽车电池损耗支出计算方法 - Google Patents
一种参与电网调度的电动汽车电池损耗支出计算方法 Download PDFInfo
- Publication number
- CN105512475A CN105512475A CN201510874847.7A CN201510874847A CN105512475A CN 105512475 A CN105512475 A CN 105512475A CN 201510874847 A CN201510874847 A CN 201510874847A CN 105512475 A CN105512475 A CN 105512475A
- Authority
- CN
- China
- Prior art keywords
- battery
- temperature
- discharge
- electric automobile
- represent
- 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
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
本发明公开了一种参与电网调度的电动汽车电池损耗支出计算方法,聚合器采用智能控制算法实时确定电动汽车在本工作周期内的工作模式,获取电动汽车电池的充放电率、放电深度和已经经历的循环次数,计算得到温度导致的电池循环次数衰减率和电池容量衰减率,以及放电深度导致的电池循环次数衰减率,然后根据电池的额定循环次数计算在V2G应用下的循环次数,根据循环次数计算电池的退化成本,最后根据本工作周期的衰减率参数来计算本工作周期的电池损耗支出。本发明综合温度和放电深度对电池循环次数的影响,并引入了由于电池内部阻抗变化导致的电池升温,对电池损耗估计更加精确并且更加符合实际情况。
Description
技术领域
本发明属于电动汽车电网调度技术领域,更为具体地讲,涉及一种参与电网调度的电动汽车电池损耗支出计算方法。
背景技术
电动汽车的大规模应用将在负荷侧为电网提供大量的分布式储能,在V2G(Vehicle-to-grid)系统中,电动汽车可以作为负荷使用电能,也可以向电网馈电。数量庞大的电动汽车聚合起来,其总的容量能够向电网卖电并且参与频率调节,最终增加用户收益。由于每一台电动车存在到达离开时间不一致,电池荷电状态不同等情况,因此需要对电动汽车进行调度智能控制,即在限制条件下,决定每一台电动车在每一个小时具体应该充电放电还是参与调频服务。例如文献“Real-TimeVehicle-to-GridControlAlgorithmunderPriceUncertainty”中所提出的智能控制算法,该算法假设一旦电动车连入电网,就已知离开时间td和期望SOC(StateofCharge,荷电状态),然后从状态空间A={充电、放电、调频}中选择电动汽车的具体操作,每一步的操作应遵循V2G控制的限制条件。在电动汽车充放电和调频过程中,由于温度和放电深度的影响,会导致电池损耗。
目前,电动汽车参与电网调度,以提供充放电或调频服务已成为研究热点,并对电动汽车参与电网调度而导致的电池损耗方面展开研究。目前的电动汽车损耗支出计算方法,没有考虑在电池充放电过程中内部升温对电池的影响,也没有详细论述温度分别导致的电池循环寿命和电池容量的衰减情况,在给出的电池损耗导致支出的计算方法中,估计电池在使用寿命内,可用容量方面的计算不够精确。因此,提出较为精确的电动汽车电池损耗计算方法,作为电动汽车调度智能控制的依据或策略评价参数,无论在经济方面还是能源利用方面都是合理、必要的。
发明内容
本发明的目的在于克服现有技术的不足,提供一种参与电网调度的电动汽车电池损耗支出计算方法,基于温度和放电深度对电池循环次数的影响,提出了电池损耗支出的计算公式,对电池损耗估计更加精确并且更加符合实际情况。
为实现上述发明目的,本发明参与电网调度的电动汽车电池损耗支出计算方法包括以下步骤:
S1:聚合器采用智能控制算法实时确定电动汽车在本工作周期内的工作模式,获取电动汽车电池的充放电率C、当前放电深度D与电动汽车电池已经经历的循环次数nc;
S2:迭代计算得到电动汽车本次电池循环后的温度T(N),N=nc+1,迭代公式如下:
R(i)=R(i-1)+rf(i)
T(N)=T0′+ΔT(N)
其中,i表示迭代次数,i=1,2,…,N,电池内阻初始值R(0)=r0,CH表示热容,I表示充放电电流,I=C×Es,C表示电池充放电率,Es表示电池额定容量,T′表示环境温度,f(T')表示在电池循环过程中环境温度为T'的概率,exp表示指数函数,Tref表示参考温度,Ea表示活化能,ΔT(i)表示电池第i次循环后的温度变化值,rf(i)表示电池第i次循环后的薄膜阻抗,R(i)表示电池第i次循环后的电池内阻,T0′表示当前环境温度;
计算得到温度T(N)导致的循环次数衰减率Φ,计算公式为:
其中,A表示前因子参数,r表示气体常数;
S3:计算放电深度导致的循环次数衰减率ηDOD:
其中,LDOD=f(D),表示放电深度影响下电池循环寿命周期数量的函数,LN表示电池的额定循环次数;
S4:计算电动汽车电池在参与电网调度下的循环次数LV2G:
LV2G=(1-ηDOD*Φ)*LN
S5:计算电池的退化成本Cd,其计算方法为:
S5.1:令m=1,初始化电池内阻初始值R(0)=r0。
S5.2:计算电池第m次循环后的温度变化值ΔT(m),计算公式为:
S5.3:计算电池第m次循环的薄膜阻抗rf(m),计算公式为:
S5.4:计算电池第m次循环后的温度T(m):
T(m)=T0′+ΔT(m)
S5.5:计算第m次循环时的温度导致的电池容量衰减率S(m):
其中,t表示电池的循环周期,z表示适应性参数;
S5.6:如果D>τD&C>τC,τD表示预设的放电深度阈值,τC表示预设的充放电率阈值,进入步骤S5.7,否则进入步骤S5.8。
S5.7:如果令LV2G=m,进入步骤S5.9,否则进入步骤S5.8。
S5.8:如果m<LV2G,令m=m+1,返回步骤S5.2,否则进入步骤S5.9。
S5.9:计算退化成本Cd:
其中,Cc表示电池的资本成本;
S6:计算本工作周期的电池损耗支出Ca:
Ca=Es*Cd*(1-S(N))
其中,S(N)表示第N次循环后温度导致的电池容量衰减率。
本发明参与电网调度的电动汽车电池损耗支出计算方法,聚合器采用智能控制算法实时确定电动汽车在本工作周期内的工作模式,获取电动汽车电池的充放电率、放电深度和已经经历的循环次数,计算得到温度导致的电池循环次数衰减率和电池容量衰减率,以及放电深度导致的电池循环次数衰减率,然后根据电池的额定循环次数计算在V2G应用下的循环次数,根据循环次数计算电池的退化成本,最后根据本工作周期的衰减率参数来计算本工作周期的电池损耗支出。
本发明具有以下技术效果:
(1)在计算温度导致的电池循环次数衰减率和电池容量衰减率时,除环境温度外,还引入了由于电池内部阻抗变化导致的电池升温,从而充分考虑各个温度因素对电池的影响,提高电池损耗支出计算的准确度;
(2)综合考虑温度和放电深度对电池损耗的影响,提高电池损耗支出计算的准确度;
(3)充分考虑电池在使用寿命内可用容量的衰减,提高电池损耗支出计算的准确度。
附图说明
图1是本发明参与电网调度的电动汽车电池损耗支出计算方法的流程图;
图2是电池内阻随循环次数变化曲线图。
图3是电池充放电前后温度变化图。
图4是采用本发明计算的不同放电深度和不同充放电率下的电池损耗支出。
图5是采用本发明计算的不同初始SOC下采用不同充放电率的电池损耗支出;
图6是采用本发明计算的不同放电深度和不同充放电率下的电池损耗支出;
图7是采用本发明计算的不同初始SOC下采用不同充放电率的电池损耗支出。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明参与电网调度的电动汽车电池损耗支出计算方法的流程图。如图1所示,本发明参与电网调度的电动汽车电池损耗支出计算方法包括以下步骤:
S101:确定电动汽车工作模式:
聚合器采用智能控制算法实时确定电动汽车在本工作周期内的工作模式,本实施例的工作模式包括充电、放电、调频,获取电动汽车电池的充放电率C。电动汽车的充放电率一般是在接入电网时设置的。
由于放电深度D也会对电池损耗造成较大影响,因此还需要得到当前电池的放电深度。放电深度(Depthofdiacharge,DOD)表示电池放出的容量占其额定容量的百分比。在实际中,由于缺少DOD的直接测试数据,所以一般用1-SOC表示电动汽车电池的DOD,即D=1-SOC。
在本发明中,需要根据电池电动汽车电池已经经历的循环次数来计算电池的薄膜阻抗,以及温度和放电深度导致的电池衰减,因此聚合器还需要查询得到电动汽车电池已经经历的循环次数nc。nc可以由聚合器维护的电动汽车工作记录来获取,也可以由电动汽车自身维护的电池工作记录来获取,根据实际的系统构建来确定即可。
S102:计算温度导致的循环次数衰减率:
大量研究结果显示,环境温度在电池损耗方面扮演着极其重要的角色。在夏天,电动汽车接入电网进行充放电导致的电池损耗尤为严重。现有电动汽车电池损耗支出计算方法中,通常只考虑环境温度的因素,而本发明不仅考虑了环境温度对电池影响,同时还考虑了由充放电过程导致的电池升温。
阿列纽斯等式是简单但是非常精确的公式,表达了电池化学反应速率与温度的依赖关系,该等式可以表示为:
其中,Φ表示化学反应速率,A表示前因子参数,r表示气体常数,Ea表示活化能,T表示温度,e为常数。
本发明通过阿列纽斯等式给出温度对电动汽车电池循环次数的影响,用Φ来近似表示由温度导致的循环次数衰减率。要准确计算得到循环次数衰减率Φ,就需要确定温度T。由于充放电流导致电池温度变化,也会影响电池寿命。因此在本发明中,除了环境温度T′外,还需要获取本工作周期内电池的温度变化ΔT。记本工作周期所属的电池循环次数为N,N=nc+1,那么温度T(N)的计算公式为:
T(N)=T′+ΔT(N)(2)
其中,ΔT(N)本工作周期所对应循环次数后电池温度变化值,R(nc)表示循环nc次后的电池内阻,R(nc)=rf(nc)+r0,其中r0表示电池初始内阻,rf(nc)表示循环nc次后的电池薄膜阻抗。CH表示热容,I表示充放电电流,I=C×Es,C表示电池充放电率,Es表示电池额定容量。
根据电池内阻R(nc)的计算公式可知,在充放电过程中,电池氧化导致的使薄膜阻抗增加,电池内阻也随之增加,在之后的循环次数中,会导致温度增加变快,进而不可逆地造成电池循环次数的衰减。因此要想更为准确地获得温度ΔT,应当先求出受温度影响下的薄膜阻抗rf。本发明参考文献“ModelingoftheCostofEVBatteryWearDuetoV2GApplicationinPowerSystems”,基于欧姆定律以及阿列纽斯等式,得到循环nc次后的电池薄膜阻抗rf(nc)的近似计算公式:
其中,nc表示电动汽车电池已经经历的循环次数,R(nc-1)表示循环nc-1次后的电池内阻,exp表示指数函数,Tref表示参考温度(本实施例中为20℃),ΔT(nc)表示循环nc次的温度变化值。f(T')表示在电池循环过程中环境温度为T'的概率,在实际应用中是根据电动汽车使用当地的环境温度统计得到的。以中国南方历史温度数据为例,分析可知其环境温度服从高斯分布:
其中方差μ=28.8,均值σ=7。
结合公式(3)和公式(4)可知,电池升温和内阻是一个迭代增加的过程,因此可以通过迭代公式来计算得到温度T(N)。图2是温度迭代计算流程图。如图2所示,温度T(N)的迭代计算过程包括以下步骤:
S201:令i=1,初始化电池内阻初始值R(0)=r0。
S202:计算电池第i次循环后的温度变化值ΔT(i),计算公式为:
S203:判断是否i<N,如果是,进入步骤S205,否则进入步骤S204。
S204:计算电池第N次循环后的温度变化值T(N):
T(N)=T0′+ΔT(N)(7)
其中,T0′表示当前环境温度。
S205:计算电池第i次循环后的薄膜阻抗rf(i),计算公式为:
S206:令R(i)=R(i-1)+rf(i),i=i+1,返回步骤S202。
在通过以上步骤得到温度T(N)后,即可根据公式(1)计算得到温度T(N)导致的循环次数衰减率Φ。
根据以上分析可知,对于温度导致的循环次数衰减率,除环境温度之外,与电池自身有关的影响因素包括电池内阻变化和电池充放电率。图3是电池内阻随循环次数变化曲线图。如图3所示,之前的循环次数产生的内阻会叠加至下一次循环,导致内阻的增加速率增大,同时也会使温度升高越快。图4是电池充放电前后温度变化图。如图4所示,虽然电池充放电前后温度变化随循环次数增加而变快,但是当充放电率C维持常规值(0.1、0.3)时,充放电前后温度差较小,所以当C较小时,温度变化较小,对于电池寿命产生的影响也较小。
S103:计算放电深度导致的循环次数衰减率:
研究发现,电池可循环次数与电池每一次循环时的放电深度有着直接关系。为了更准确地计算电池损耗支出,本发明还将引入V2G应用中放电深度对电动车电池循环次数的影响。
为了计算放电深度导到的循环次数衰减率,首先需要得到表示放电深度影响下电池循环寿命周期数量的函数LDOD=f(D)。一般来说,该函数LDOD是通过对历史数据的分析来得到的。本实施例中假设所有的电动车用户的初始SOC满足μ=10.75,σ=6的高斯分布,那么DOD影响下电池循环寿命周期的数量可以近似表示LDOD=837D-0.795,其中D表示放电深度。那么进一步地,放电深度对电池循环次数的影响程度,也就是放电深度导致的循环次数衰减率ηDOD可以表示为:
其中,LN表示电池的额定循环次数,即额定寿命。
S104:计算电池在V2G应用下的循环次数:
在V2G应用中,电动汽车电池循环次数的衰减应该同时考虑温度和放电深度这两个因素,温度和DOD产生的衰减可以无权重地相乘表示电池循环次数的减少。由此可得电动汽车电池在V2G应用下的循环次数LV2G的计算公式为:
LV2G=(1-ηDOD*Φ)*LN(10)
显然由于V2G,导致电动汽车的电池寿命减少,所减少的循环次数ΔL=LN-LV2G。
S105:计算电池退化成本:
在得到电动汽车电池在V2G应用下的循环次数LV2G后,就可以根据电池的资本成本Cc来计算得到电池在V2G应用下每一次循环的成本,也就是退化成本Cd。其计算公式为:
式(11)中分母表示电池寿命内的总能量(Kwh)。Es表示电池额定容量。S(j)表示LV2G次循环中第j次循环后温度导致的电池容量衰减率。
基于阿列纽斯等式,可以得出锂电池在任何SOC情况下的电池容量受温度的影响情况如下式所示:
其中,R(j)表示第j次循环后的电池内阻,T(j)表示第j次循环后的温度,t表示电池的循环周期(即充一次放一次的时间),z表示适应性参数,随SOC和△SOC不同而不同,本实施例中取0.37。
与步骤S102中类似,电池升温和内阻是一个迭代增加的过程。而且特别的,当放电深度D和充放电率C较大时,电池容量衰减较快,电池还未循环至LV2G时,电池容量就下降至原有容量的80%,本发明认为,电池在容量衰减至80%以下时不能使用,此时取LV2G为电池容量为下降至原有容量的80%的循环次数。根据以上分析得到退化成本Cd的计算过程。
图5是退化成本计算流程图。如图5所示,退化成本Cd的计算过程包括以下步骤:
S501:令m=1,初始化电池内阻初始值R(0)=r0。
S502:计算电池第m次循环后的温度变化值ΔT(m),计算公式为:
S503:计算电池第m次循环后的薄膜阻抗rf(m),计算公式为:
S504:计算电池第m次循环后的温度T(m):
T(m)=T0′+ΔT(m)
S505:计算第m次循环时的温度导致的电池容量衰减率S(m):
S506:判断是否D>τD&C>τC,τD表示预设的放电深度阈值,τC表示预设的充放电率阈值,如果是,进入步骤S507,否则进入步骤S509。
S507:判断是否如果是,进入步骤S508,否则进入步骤S509。
S508:令LV2G=m,进入步骤S511。
S509:判断是否m<LV2G,如果是,进入步骤S510,否则进入步骤S511。
S510:令m=m+1,返回步骤S502。
S511:计算退化成本Cd:
S106:计算本工作周期的电池损耗支出:
根据以下公式计算电动汽车电池在本工作周期中的损耗支出Ca:
Ca=Es*Cd*(1-S(N))(17)
其中,S(N)表示由步骤S105迭代过程中计算得到的第N次循环后温度导致的电池容量衰减率。
为了验证本发明的技术效果,对本发明进行了仿真验证。本次仿真验证中假设电动汽车当天18:00接入电网,第二天8:00离开,共计14h,充电至期望SoC(80%)及以上离开,电池容量Es=29kwh,可以换算为50Ah,比热容CH=1004.1J/k,内阻r0=4mΩ,充放电效率η=92.195%,电池资本成本Cc=9890$。
图6是采用本发明计算的不同放电深度和不同充放电率下的电池损耗支出。如图6所示,分别计算D=90%、D=80%、D=70%,充电率C=0.1、C=0.2、C=0.3、C=0.4情况下的电池损耗情况。由图6可知,充电率越大,放电深度越大,电池衰减越大,即电池损耗越大,符合客观规律。同时,也可以看出当D=90%、D=80%,C=0.4时,电池出现较大幅度的增加,其原因在于,充电率增大,导致温度对电池容量衰减率S变大,即电池无法循环至由放电深度D和温度决定的循环次数(LV2G)时,就已经报废。此情况在D=70%、C=0.3时较为明显。
图7是采用本发明计算的不同初始SOC下采用不同充放电率的电池损耗支出。如图7所示,给出了C=0.1、C=0.2,初始电量SOC在10%至70%变化时的电池损耗情况。可以看出,充电率越大,放电深度越大,电池衰减越大。随着初始电量SOC的增加,电池循环寿命减少越来越快,导致相同充放电率情况下,电池损耗速率随着初始电量SOC增加而增加。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种参与电网调度的电动汽车电池损耗支出计算方法,其特征在于,包括以下步骤:
S1:聚合器采用智能控制算法实时确定电动汽车在本工作周期内的工作模式,获取电动汽车电池的充放电率C、当前放电深度D与电动汽车电池已经经历的循环次数nc;
S2:迭代计算得到电动汽车本次电池循环后的温度T(N),N=nc+1,迭代公式如下:
R(i)=R(i-1)+rf(i)
T(N)=T′0+ΔT(N)
其中,i表示迭代次数,i=1,2,…,N,电池内阻初始值R(0)=r0,CH表示热容,I表示充放电电流,I=C×Es,C表示电池充放电率,Es表示电池额定容量,T′表示环境温度,f(T′)表示在电池循环过程中环境温度为T′的概率,exp表示指数函数,Tref表示参考温度,Ea表示活化能,ΔT(i)表示电池第i次循环后的温度变化值,rf(i)表示电池第i次循环后的薄膜阻抗,R(i)表示电池第i次循环后的电池内阻,T′0表示当前环境温度;
计算得到温度T(N)导致的循环次数衰减率Φ,计算公式为:
其中,A表示前因子参数,r表示气体常数;
S3:计算放电深度导致的循环次数衰减率ηDOD:
其中,LDOD=f(D)表示放电深度影响下电池循环寿命周期数量的函数,LN表示电池的额定循环次数;
S4:计算电动汽车电池在参与电网调度下的循环次数LV2G:
LV2G=(1-ηDOD*Φ)*LN
S5:计算电池的退化成本Cd,其计算方法为:
S5.1:令m=1,初始化电池内阻初始值R(0)=r0。
S5.2:计算电池第m次循环后的温度变化值ΔT(m),计算公式为:
S5.3:计算电池第m次循环的薄膜阻抗rf(m),计算公式为:
S5.4:计算电池第m次循环后的温度T(m):
T(m)=T′0+ΔT(m)
S5.5:计算第m次循环时的温度导致的电池容量衰减率S(m):
其中,t表示电池的循环周期,z表示适应性参数;
S5.6:如果D>τD&C>τC,τD表示预设的放电深度阈值,τC表示预设的充放电率阈值,进入步骤S5.7,否则进入步骤S5.8。
S5.7:如果令LV2G=m,进入步骤S5.9,否则进入步骤S5.8。
S5.8:如果m<LV2G,令m=m+1,返回步骤S5.2,否则进入步骤S5.9。
S5.9:计算退化成本Cd:
其中,Cc表示电池的资本成本;
S6:计算本工作周期的电池损耗支出Ca:
Ca=Es*Cd*(1-S(N))
其中,S(N)表示第N次循环后温度导致的电池容量衰减率。
2.根据权利要求1所述的电动汽车电池损耗支出计算方法,其特征在于,所述步骤S1中放电深度D=1-SOC,SOC表示电池荷电状态。
3.根据权利要求1所述的电动汽车电池损耗支出计算方法,其特征在于,所述步骤S2中f(T′)采用高斯分布,表达式为:
其中,μ表示方差,σ表示均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510874847.7A CN105512475B (zh) | 2015-12-03 | 2015-12-03 | 一种参与电网调度的电动汽车电池损耗支出计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510874847.7A CN105512475B (zh) | 2015-12-03 | 2015-12-03 | 一种参与电网调度的电动汽车电池损耗支出计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105512475A true CN105512475A (zh) | 2016-04-20 |
CN105512475B CN105512475B (zh) | 2018-03-09 |
Family
ID=55720452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510874847.7A Expired - Fee Related CN105512475B (zh) | 2015-12-03 | 2015-12-03 | 一种参与电网调度的电动汽车电池损耗支出计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512475B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974326A (zh) * | 2016-06-01 | 2016-09-28 | 华霆(合肥)动力技术有限公司 | 锂电池寿命预估方法及装置 |
CN106712065A (zh) * | 2017-02-23 | 2017-05-24 | 沈阳工业大学 | 一种电动汽车充电对配电网有功损耗影响指数预测方法 |
CN107122603A (zh) * | 2017-04-24 | 2017-09-01 | 国网山东省电力公司潍坊供电公司 | 一种微电网中蓄电池储能系统寿命测算方法 |
CN107317057A (zh) * | 2016-04-27 | 2017-11-03 | 宝沃汽车(中国)有限公司 | 一种动力电池运行寿命预测和预测装置 |
CN108957352A (zh) * | 2018-08-30 | 2018-12-07 | 大连理工大学 | 一种基于荷电状态的容量寿命损耗计算方法 |
CN109713696A (zh) * | 2018-11-09 | 2019-05-03 | 杭州电子科技大学 | 考虑用户行为的电动汽车光伏充电站优化调度方法 |
CN110293874A (zh) * | 2019-06-06 | 2019-10-01 | 北京航盛新能科技有限公司 | 一种基于模糊控制的v2g微网系统能量优化控制方法 |
CN110441701A (zh) * | 2019-07-16 | 2019-11-12 | 南方电网科学研究院有限责任公司 | 一种用于评估储能电池损耗成本的装置 |
CN110556595A (zh) * | 2019-08-21 | 2019-12-10 | 国网江苏省电力有限公司经济技术研究院 | 储能用磷酸铁锂电池安全管理系统的质态失衡预测方法 |
CN108197765B (zh) * | 2018-03-23 | 2020-06-26 | 华北电力大学 | 面向电池损耗等额分配的停车场充电调度方法及计算设备 |
CN111724080A (zh) * | 2020-06-29 | 2020-09-29 | 南京工程学院 | 一种考虑电池组健康状态平衡的移动充电桩群体调度方法 |
CN111965547A (zh) * | 2020-09-27 | 2020-11-20 | 哈尔滨工业大学(威海) | 一种基于参数辨识法的电池系统传感器故障诊断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102632809A (zh) * | 2011-02-14 | 2012-08-15 | 福特全球技术公司 | 电动汽车和控制有功辅助电池损耗的方法 |
CN104600729A (zh) * | 2014-08-19 | 2015-05-06 | 浙江工业大学 | 基于v2g技术的电动汽车参与经济调度优化控制方法 |
-
2015
- 2015-12-03 CN CN201510874847.7A patent/CN105512475B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102632809A (zh) * | 2011-02-14 | 2012-08-15 | 福特全球技术公司 | 电动汽车和控制有功辅助电池损耗的方法 |
CN104600729A (zh) * | 2014-08-19 | 2015-05-06 | 浙江工业大学 | 基于v2g技术的电动汽车参与经济调度优化控制方法 |
Non-Patent Citations (5)
Title |
---|
CHENGKE ZHOU等: "Modeling of the Cost of EV Battery Wear Due to V2G Application in Power Systems", 《IEEE TRANSACTIONS ON ENERGY CONVERSION》 * |
KEJUN QIAN等: "Temperature Effect on Electric Vehicle Battery Cycle Life in Vehicle-to-Grid Applications", 《2010 CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION》 * |
PENG ZHANG等: "A Methodology for Optimization of Power Systems Demand Due to Electric Vehicle Charging Load", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
TIMO LEHTOLA等: "Cost of EV Battery Wear due to Vehicle to Grid Applicaiton", 《POWER ENGINEERING CONFERENCE》 * |
张齐东等: "电动汽车电池更换站集群充电控制策略研究", 《电工技术学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107317057A (zh) * | 2016-04-27 | 2017-11-03 | 宝沃汽车(中国)有限公司 | 一种动力电池运行寿命预测和预测装置 |
CN107317057B (zh) * | 2016-04-27 | 2019-09-20 | 宝沃汽车(中国)有限公司 | 一种动力电池运行寿命预测和预测装置 |
CN105974326A (zh) * | 2016-06-01 | 2016-09-28 | 华霆(合肥)动力技术有限公司 | 锂电池寿命预估方法及装置 |
CN106712065A (zh) * | 2017-02-23 | 2017-05-24 | 沈阳工业大学 | 一种电动汽车充电对配电网有功损耗影响指数预测方法 |
CN106712065B (zh) * | 2017-02-23 | 2019-03-05 | 沈阳工业大学 | 一种电动汽车充电对配电网有功损耗影响指数预测方法 |
CN107122603A (zh) * | 2017-04-24 | 2017-09-01 | 国网山东省电力公司潍坊供电公司 | 一种微电网中蓄电池储能系统寿命测算方法 |
CN108197765B (zh) * | 2018-03-23 | 2020-06-26 | 华北电力大学 | 面向电池损耗等额分配的停车场充电调度方法及计算设备 |
CN108957352A (zh) * | 2018-08-30 | 2018-12-07 | 大连理工大学 | 一种基于荷电状态的容量寿命损耗计算方法 |
CN109713696B (zh) * | 2018-11-09 | 2020-09-01 | 杭州电子科技大学 | 考虑用户行为的电动汽车光伏充电站优化调度方法 |
CN109713696A (zh) * | 2018-11-09 | 2019-05-03 | 杭州电子科技大学 | 考虑用户行为的电动汽车光伏充电站优化调度方法 |
CN110293874A (zh) * | 2019-06-06 | 2019-10-01 | 北京航盛新能科技有限公司 | 一种基于模糊控制的v2g微网系统能量优化控制方法 |
CN110293874B (zh) * | 2019-06-06 | 2021-07-02 | 北京航盛新能科技有限公司 | 一种基于模糊控制的v2g微网系统能量优化控制方法 |
CN110441701A (zh) * | 2019-07-16 | 2019-11-12 | 南方电网科学研究院有限责任公司 | 一种用于评估储能电池损耗成本的装置 |
CN110556595A (zh) * | 2019-08-21 | 2019-12-10 | 国网江苏省电力有限公司经济技术研究院 | 储能用磷酸铁锂电池安全管理系统的质态失衡预测方法 |
CN110556595B (zh) * | 2019-08-21 | 2020-09-04 | 国网江苏省电力有限公司经济技术研究院 | 储能用磷酸铁锂电池安全管理系统的质态失衡预测方法 |
CN111724080A (zh) * | 2020-06-29 | 2020-09-29 | 南京工程学院 | 一种考虑电池组健康状态平衡的移动充电桩群体调度方法 |
CN111965547A (zh) * | 2020-09-27 | 2020-11-20 | 哈尔滨工业大学(威海) | 一种基于参数辨识法的电池系统传感器故障诊断方法 |
CN111965547B (zh) * | 2020-09-27 | 2022-05-13 | 哈尔滨工业大学(威海) | 一种基于参数辨识法的电池系统传感器故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105512475B (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512475A (zh) | 一种参与电网调度的电动汽车电池损耗支出计算方法 | |
CN107145628B (zh) | 基于电化学-热耦合模型的预测锂电池循环寿命的方法 | |
Wang et al. | Modeling and state-of-charge prediction of lithium-ion battery and ultracapacitor hybrids with a co-estimator | |
Xiong et al. | An electrochemical model based degradation state identification method of Lithium-ion battery for all-climate electric vehicles application | |
CN102121973B (zh) | 电动汽车动力电池净能量测试方法 | |
El-Sehiemy et al. | Parameter identification and state-of-charge estimation for lithium-polymer battery cells using enhanced sunflower optimization algorithm | |
Liu et al. | An advanced Lithium-ion battery optimal charging strategy based on a coupled thermoelectric model | |
Lee et al. | Three dimensional thermal-, electrical-, and electrochemical-coupled model for cylindrical wound large format lithium-ion batteries | |
Liu et al. | Numerical investigation of thermal behaviors in lithium-ion battery stack discharge | |
CN103675706B (zh) | 一种动力电池电荷量估算方法 | |
Zhang et al. | Battery modelling methods for electric vehicles-A review | |
CN102608540B (zh) | 一种用于动力电池soc估计的库伦效率测定方法 | |
CN107317057B (zh) | 一种动力电池运行寿命预测和预测装置 | |
Benabdelaziz et al. | Battery dynamic energy model for use in electric vehicle simulation | |
Jiang et al. | Butler-Volmer equation-based model and its implementation on state of power prediction of high-power lithium titanate batteries considering temperature effects | |
CN101320079A (zh) | 电池电量状态的计算方法 | |
CN104951662A (zh) | 一种磷酸铁锂电池能量状态soe的估算方法 | |
Kang et al. | Study of relationship between temperature and thermal energy, operating conditions as well as environmental factors in large‐scale lithium‐ion batteries | |
CN115453377B (zh) | 基于电化学-热-老化与三维降阶的电池组寿命预测方法 | |
CN110276120B (zh) | 一种基于电热耦合的全钒液流电池储能系统等效方法 | |
CN106772081A (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 | |
Celik et al. | Passive thermal management of the lithium‐ion battery unit for a solar racing car | |
Han et al. | Development of dynamic battery thermal model integrated with driving cycles for EV applications | |
CN112421717A (zh) | 一种电池系统的充电方法及充电装置 | |
CN110188408A (zh) | 一种基于粒子群算法的全钒液流电池储能系统运行优化方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180309 Termination date: 20201203 |