CN105548900A - 一种轨道交通用动力电池健康状态评估方法 - Google Patents

一种轨道交通用动力电池健康状态评估方法 Download PDF

Info

Publication number
CN105548900A
CN105548900A CN201610009144.2A CN201610009144A CN105548900A CN 105548900 A CN105548900 A CN 105548900A CN 201610009144 A CN201610009144 A CN 201610009144A CN 105548900 A CN105548900 A CN 105548900A
Authority
CN
China
Prior art keywords
battery
soc
soh
ocv
parameter
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
CN201610009144.2A
Other languages
English (en)
Other versions
CN105548900B (zh
Inventor
李雪
张维戈
吴健
孟学东
韩耸
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.)
Beijing Beijiao New Energy Technology Co Ltd
Original Assignee
Beijing Beijiao New Energy Technology Co Ltd
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 Beijing Beijiao New Energy Technology Co Ltd filed Critical Beijing Beijiao New Energy Technology Co Ltd
Priority to CN201610009144.2A priority Critical patent/CN105548900B/zh
Publication of CN105548900A publication Critical patent/CN105548900A/zh
Application granted granted Critical
Publication of CN105548900B publication Critical patent/CN105548900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种轨道交通用动力电池健康状态评估方法，步骤为：步骤1：基于电池SOC-OCV模型，提取电池SOC-OCV模型参数a、b、c和d；步骤2：统计5只以上电池SOC-OCV模型参数随老化的变化趋势，得到电池SOC-OCV模型关键参数值随电池老化的衍变规律；步骤3：基于电池SOC-OCV模型参数随电池老化的衍变规律，利用线性回归方法建立SOH与步骤1所述模型参数的函数关系，得到新的SOH定义式；步骤4：基于步骤3得到的新的SOH定义式，评估电池的SOH。本发明所述的轨道交通用动力电池健康状态评估方法，能够反映出电池老化的根本原因，具有较高精度。

Description

一种轨道交通用动力电池健康状态评估方法
技术领域
本发明涉及电池SOH(stateofhealth，健康状态)评估方法的技术领域，具体说是一种轨道交通用动力电池健康状态评估方法。尤指基于电池SOC-OCV模型参数衍变规律评估电池健康状态。SOC是荷电状态，stateofcharge；OCV是开路电压，opencircuitvoltage。
背景技术
在过去的研究中，动力电池的荷电状态SOC评估一直是研究的热点，而作为衡量动力电池健康状态的SOH评估，却没有得到广泛的研究。动力电池健康状态SOH，反映了电池当前状态下提供功率和能量的能力。当SOH处于较低水平时，电池很可能在工作过程中突然失效，因此SOH的准确评估对于评价电池当前的工作能力至关重要。
目前，电池健康状态SOH定义主要依据电池当前容量与额定容量的比值或者电池当前内阻与初始内阻的比值来判断。基于这两个指标，出现了很多评估SOH的方法，这些方法大致可以分成两个重要的分支，一个是可以反映老化机理的电化学模型，另一个是基于智能算法与历史数据结合的方法。
电化学模型要求详细了解电池在使用过程中的每个电化学反应，用电化学方程精确描述出这些电化学放映，因此SOH评估精度依赖于电池的使用路径，不仅如此，电化学方程的建立需要设定边界条件和初始条件，因此复杂性很高，很难在实际中应用这种方法；
智能算法与历史数据结合的模式，在实验室里已经取得了令人满意的评估精度，但是实际使用中的电流变化复杂，因此这种精度在实际应用中得不到保证，不仅如此，智能算法与历史数据结合的模式往往都是离线实现的，因此离实际应用还有一段距离。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种轨道交通用动力电池健康状态评估方法，能够反映出电池老化的根本原因，具有较高精度。
为达到以上目的，本发明采取的技术方案是：
一种轨道交通用动力电池健康状态评估方法，其特征在于：基于电池SOC-OCV模型，计算出电池不同老化程度下SOC-OCV模型参数；其中：
电池SOC-OCV模型为：
f(s)＝a-b(-ln(s))α+cs+deβ；
f(s)为开路电压OCV；
s为荷电状态SOC；
α和β为常数；
a，b，c和d为关键参数。
在上述技术方案的基础上，所述评估方法具体步骤为：
步骤1：基于电池SOC-OCV模型，提取电池SOC-OCV模型参数a、b、c和d；
步骤2：统计5只以上电池SOC-OCV模型参数随老化的变化趋势，得到电池SOC-OCV模型关键参数值随电池老化的衍变规律；
步骤3：基于电池SOC-OCV模型参数随电池老化的衍变规律，利用线性回归方法建立SOH与步骤1所述模型参数的函数关系，得到新的SOH定义式；
步骤4：基于步骤3得到的新的SOH定义式，评估电池的SOH。
在上述技术方案的基础上，需要获得以下实验数据用于确定a，b，c和d的数值：
基于荷电状态SOC区间，8只标称容量为35Ah的三元电池被分成4组，不同组的电池同时进行老化实验，老化条件为：在室温下，电池在2C的电流倍率下循环充放电；每循环100次，测试一次电池SOC-OCV，电流采用C/3，在高低端曲线变化明显的阶段，以5％SOC为间隔；在中间区域曲线变化平缓的阶段，以10％SOC为间隔；
记录实验过程中SOC与OCV的数据，得到OCV与SOC的映射数据；
基于得到OCV与SOC的映射数据，带入电池SOC-OCV模型中，得到a，b，c和d参数值。
在上述技术方案的基础上，得到8只电池SOC-OCV模型参数随老化的变化趋势，参数a和参数c是SOC-OCV模型的线性表征部分，被选为电池健康状态SOH的表征因子，利用线性回归的方法，得到SOH与参数a的函数关系，同时得到SOH与参数c的函数关系。
在上述技术方案的基础上，选用参数c作为电池SOH的表征因子，将SOH与参数c的函数关系式作为电池SOH的定义式，用来评估电池SOH。
在上述技术方案的基础上，电池是轨道交通中使用的锰酸锂动力电池或三元锂电池。
本发明所述的轨道交通用动力电池健康状态评估方法，是基于热力学特性的SOH定义方法，主要有四个优势:
(1)发现了SOH与热力学特性之间的关系，利用少量历史数据量化这个关系，用来预测电池后续的健康状态；
(2)基于热力学特性的SOH可以反映电池的老化机理，而不依赖于电池的电化学模型；
(3)基于热力学特性的SOH评估精度很高，不依赖于任何历史使用路径；
(4)基于热力学特性的SOH评估精度不依赖于电池的化学成分。
附图说明
本发明有如下附图：
图1电池老化实验测试平台
图2电池SOC-OCV曲线随电池老化的变化趋势
(a)是#1电池的SOC-OCV曲线随电池老化的变化趋势
(b)是#2电池的SOC-OCV曲线随电池老化的变化趋势
(c)是#4电池的SOC-OCV曲线随电池老化的变化趋势
(d)是#5电池的SOC-OCV曲线随电池老化的变化趋势
(e)是#6电池的SOC-OCV曲线随电池老化的变化趋势
(f)是#7电池的SOC-OCV曲线随电池老化的变化趋势
图3aSOC-OCV模型参数a随电池老化的变化趋势
图3bSOC-OCV模型参数c随电池老化的变化趋势
图4a电池SOH随SOC-OCV模型参数a变化的线性回归趋势
图4b电池SOH随SOC-OCV模型参数c变化的线性回归趋势
图5以SOC-OCV模型参数a和参数c定义的SOH函数关系精度
图6第6只电池的SOH评估精度
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明所述的轨道交通用动力电池健康状态评估方法，基于电池SOC-OCV模型，计算出电池不同老化程度下SOC-OCV模型参数；其中：
电池SOC-OCV模型为：
f(s)＝a-b(-ln(s))α+cs+deβ；
f(s)为开路电压OCV；
s为荷电状态SOC；
α和β为常数；
a，b，c和d为关键参数；
所述评估方法具体步骤为：
步骤1：基于电池SOC-OCV模型，提取电池SOC-OCV模型参数a、b、c和d；
步骤2：统计5只以上电池SOC-OCV模型参数随老化的变化趋势，得到电池SOC-OCV模型关键参数值随电池老化的衍变规律；
步骤3：基于电池SOC-OCV模型参数随电池老化的衍变规律，利用线性回归方法建立SOH与步骤1所述模型参数的函数关系，得到新的SOH定义式；
步骤4：基于步骤3得到的新的SOH定义式，评估电池的SOH。
在上述技术方案的基础上，需要获得以下实验数据用于确定a，b，c和d的数值(即：关键参数a，b，c和d的参数值通过以下方式获得)：
基于荷电状态SOC区间，8只标称容量为35Ah的三元电池被分成4组，不同组的电池同时进行老化实验，老化条件为：在室温下，电池在2C的电流倍率下循环充放电；每循环100次，测试一次电池SOC-OCV，电流采用C/3，在高低端曲线变化明显的阶段，以5％SOC为间隔；在中间区域曲线变化平缓的阶段，以10％SOC为间隔；
记录实验过程中SOC与OCV的数据，得到OCV与SOC的映射数据；
基于得到OCV与SOC的映射数据，带入电池SOC-OCV模型中，得到a，b，c和d参数值。
在上述技术方案的基础上，得到8只电池SOC-OCV模型参数随老化的变化趋势，参数a和参数c是SOC-OCV模型的线性表征部分，被选为电池健康状态SOH的表征因子，利用线性回归的方法，得到SOH与参数a的函数关系，同时得到SOH与参数c的函数关系。
在上述技术方案的基础上，SOH与参数a的函数关系式的系数过大，参数a的微小变化带来SOH评估结果的显著偏差，因此最后选用参数c作为电池SOH的表征因子，将SOH与参数c的函数关系式作为电池SOH的定义式，用来评估电池SOH。
本发明提供一种轨道交通用动力电池健康状态评估方法。电池可以是轨道交通中使用的锰酸锂动力电池或三元锂电池等。
下面以35Ah三元锂电池进行具体说明。
本发明提供的方法包括：
步骤1：基于荷电状态SOC区间，8只标称容量为35Ah的三元锂电池被分成4组，不同组的电池同时进行老化实验，老化条件为：在室温下，电池在2C的电流倍率下循环充放电；在特定循环下，测试电池SOC-OCV，电流采用C/3，在高低端曲线变化明显的阶段，以5％SOC为间隔；在中间区域曲线变化平缓的阶段，以10％SOC为间隔。实验平台如图1所示，图1中出现的电脑是为了在发出充放电指令以及采集存储数据，电池充放电设备是为了给电池充放电，既作为电源也作为负载，温箱是为了保持电池处于一个恒定的外部温度条件。
在电池老化过程中，有两只电池发生故障被淘汰，其他6只电池SOC-OCV曲线随电池老化的变化如图2(a)～2(f)所示。
步骤2：将步骤1得到的SOC-OCV曲线数据带入电池SOC-OCV模型(1)，计算出电池不同老化程度下SOC-OCV模型参数；
f(s)＝a-b(-ln(s))α+cs+deβ(I)
其中，f(s)为开路电压OCV；s为荷电状态SOC；α和β为常数；a，b，c和d为关键参数。
由于参数a和参数c表征SOC-OCV曲线的线性部分，因此被选作电池健康状态SOH的表征因子，参数a和参数c随电池老化的衍变趋势如图3a、3b所示；
步骤3：利用线性回归的方法建立健康状态SOH与参数a和c的函数关系，不失一般性，随机选5只电池用来建立SOH与参数a和c的函数关系，1只电池用来验证SOH的评估精度，5只电池的健康状态SOH与参数a和c的线性回归趋势如图4a、4b所示。
采用多项式拟合的方法得到SOH与参数a和c的函数关系，如下式(2)和(3)所示：
SOHa＝11398.9a3-129607.7a2+490850.2a-619105
SOH∈[0.5，1](2)
SOHc＝-5423.8c3+5190.9c2-1364.9c+155.8
SOH∈[0.5，1](3)
式(2)和(3)的拟合精度如图5所示。
步骤4：式(2)和(3)的拟合精度都比较好，但是式(2)中系数的平均量级在106以上，因此参数a的微小变化会带来SOH评估结果的显著偏差，因此，式(3)被选作为电池SOH的定义式。利用式(3)去评估第6只电池的健康状态SOH，评估精度为±1.5％，如图6所示。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (6)

1.一种轨道交通用动力电池健康状态评估方法，其特征在于：基于电池SOC-OCV模型，计算出电池不同老化程度下SOC-OCV模型参数；其中：
电池SOC-OCV模型为：
f(s)＝a-b(-ln(s))α+cs+deβ；
f(s)为开路电压OCV；
s为荷电状态SOC；
α和β为常数；
a，b，c和d为关键参数。
2.如权利要求1所述的轨道交通用动力电池健康状态评估方法，其特征在于，所述评估方法具体步骤为：
步骤1：基于电池SOC-OCV模型，提取电池SOC-OCV模型参数a、b、c和d；
步骤2：统计5只以上电池SOC-OCV模型参数随老化的变化趋势，得到电池SOC-OCV模型关键参数值随电池老化的衍变规律；
步骤3：基于电池SOC-OCV模型参数随电池老化的衍变规律，利用线性回归方法建立SOH与步骤1所述模型参数的函数关系，得到新的SOH定义式；
步骤4：基于步骤3得到的新的SOH定义式，评估电池的SOH。
3.如权利要求2所述的轨道交通用动力电池健康状态评估方法，其特征在于：需要获得以下实验数据用于确定a，b，c和d的数值：
基于荷电状态SOC区间，8只标称容量为35Ah的三元电池被分成4组，不同组的电池同时进行老化实验，老化条件为：在室温下，电池在2C的电流倍率下循环充放电；每循环100次，测试一次电池SOC-OCV，电流采用C/3，在高低端曲线变化明显的阶段，以5％SOC为间隔；在中间区域曲线变化平缓的阶段，以10％SOC为间隔；
记录实验过程中SOC与OCV的数据，得到OCV与SOC的映射数据；
基于得到OCV与SOC的映射数据，带入电池SOC-OCV模型中，得到a，b，c和d参数值。
4.如权利要求3所述的轨道交通用动力电池健康状态评估方法，其特征在于：得到8只电池SOC-OCV模型参数随老化的变化趋势，参数a和参数c是SOC-OCV模型的线性表征部分，被选为电池健康状态SOH的表征因子，利用线性回归的方法，得到SOH与参数a的函数关系，同时得到SOH与参数c的函数关系。
5.如权利要求3所述的轨道交通用动力电池健康状态评估方法，其特征在于：选用参数c作为电池SOH的表征因子，将SOH与参数c的函数关系式作为电池SOH的定义式，用来评估电池SOH。
6.如权利要求1所述的轨道交通用动力电池健康状态评估方法，其特征在于：电池是轨道交通中使用的锰酸锂动力电池或三元锂电池。
CN201610009144.2A 2016-01-07 2016-01-07 一种轨道交通用动力电池健康状态评估方法 Active CN105548900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610009144.2A CN105548900B (zh) 2016-01-07 2016-01-07 一种轨道交通用动力电池健康状态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610009144.2A CN105548900B (zh) 2016-01-07 2016-01-07 一种轨道交通用动力电池健康状态评估方法

Publications (2)

Publication Number Publication Date
CN105548900A true CN105548900A (zh) 2016-05-04
CN105548900B CN105548900B (zh) 2018-06-08

Family

ID=55828213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610009144.2A Active CN105548900B (zh) 2016-01-07 2016-01-07 一种轨道交通用动力电池健康状态评估方法

Country Status (1)

Country Link
CN (1) CN105548900B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526486A (zh) * 2016-08-30 2017-03-22 郑州轻工业学院 一种锂电池健康寿命模型构建方法
CN106569136A (zh) * 2016-10-19 2017-04-19 广州市香港科大霍英东研究院 一种电池健康状态在线估计方法及系统
CN107121643A (zh) * 2017-07-11 2017-09-01 山东大学 锂离子电池健康状态联合估计方法
CN107247237A (zh) * 2017-05-26 2017-10-13 联想(北京)有限公司 一种电池的检测方法、电子设备及计算机可读存储介质
WO2018192069A1 (zh) * 2017-04-18 2018-10-25 华为技术有限公司 电池健康状态的估计方法及装置
CN108896916A (zh) * 2018-06-08 2018-11-27 江苏大学 基于恒流充放电电压曲线的电池组开路电压及健康状态求解方法
CN109031138A (zh) * 2018-06-29 2018-12-18 上海科列新能源技术有限公司 一种动力电池的安全评估方法和装置
CN110018419A (zh) * 2019-03-29 2019-07-16 深圳猛犸电动科技有限公司 锂离子电池的soc与soh联合估计方法、装置及终端设备
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
CN111323708A (zh) * 2020-04-16 2020-06-23 浙江吉利新能源商用车集团有限公司 一种用于动力电池系统的动力电池寿命衰减的分析方法
CN112467768A (zh) * 2020-11-17 2021-03-09 国网北京市电力公司 电池组的调度方法和装置
CN112765794A (zh) * 2021-01-05 2021-05-07 国网辽宁省电力有限公司经济技术研究院 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法
WO2021120769A1 (zh) * 2019-12-20 2021-06-24 宁德时代新能源科技股份有限公司 电池组的ocv-soc曲线更新方法、电池管理系统及车辆
CN115372850A (zh) * 2021-05-18 2022-11-22 宁德时代新能源科技股份有限公司 电池材料老化数据的生成和确定方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130066573A1 (en) * 2011-09-12 2013-03-14 Eaglepicher Technologies, Llc Systems and methods for determining battery state-of-health
CN103020445A (zh) * 2012-12-10 2013-04-03 西南交通大学 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN103558556A (zh) * 2013-10-31 2014-02-05 重庆长安汽车股份有限公司 一种动力电池soh估算方法
CN104569844A (zh) * 2014-12-31 2015-04-29 浙江大学宁波理工学院 阀控密封式铅酸蓄电池健康状态监测方法
CN104635166A (zh) * 2015-02-06 2015-05-20 芜湖大学科技园发展有限公司 一种基于电池管理系统的锂电池健康状态评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130066573A1 (en) * 2011-09-12 2013-03-14 Eaglepicher Technologies, Llc Systems and methods for determining battery state-of-health
CN103020445A (zh) * 2012-12-10 2013-04-03 西南交通大学 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN103558556A (zh) * 2013-10-31 2014-02-05 重庆长安汽车股份有限公司 一种动力电池soh估算方法
CN104569844A (zh) * 2014-12-31 2015-04-29 浙江大学宁波理工学院 阀控密封式铅酸蓄电池健康状态监测方法
CN104635166A (zh) * 2015-02-06 2015-05-20 芜湖大学科技园发展有限公司 一种基于电池管理系统的锂电池健康状态评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CAIPING ZHANG ET AL.: "Robust and Adaptive Estimation of State of Charge for Lithium-Ion Batteries", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526486A (zh) * 2016-08-30 2017-03-22 郑州轻工业学院 一种锂电池健康寿命模型构建方法
CN106569136B (zh) * 2016-10-19 2019-09-10 广州市香港科大霍英东研究院 一种电池健康状态在线估计方法及系统
CN106569136A (zh) * 2016-10-19 2017-04-19 广州市香港科大霍英东研究院 一种电池健康状态在线估计方法及系统
CN108732500B (zh) * 2017-04-18 2019-11-15 华为技术有限公司 电池健康状态的估计方法及装置
US10948548B2 (en) 2017-04-18 2021-03-16 Huawei Technologies Co., Ltd. Method and apparatus for estimating battery state of health
CN108732500A (zh) * 2017-04-18 2018-11-02 华为技术有限公司 电池健康状态的估计方法及装置
WO2018192069A1 (zh) * 2017-04-18 2018-10-25 华为技术有限公司 电池健康状态的估计方法及装置
CN107247237A (zh) * 2017-05-26 2017-10-13 联想(北京)有限公司 一种电池的检测方法、电子设备及计算机可读存储介质
CN107247237B (zh) * 2017-05-26 2019-11-26 联想(北京)有限公司 一种电池的检测方法、电子设备及计算机可读存储介质
CN107121643A (zh) * 2017-07-11 2017-09-01 山东大学 锂离子电池健康状态联合估计方法
CN108896916A (zh) * 2018-06-08 2018-11-27 江苏大学 基于恒流充放电电压曲线的电池组开路电压及健康状态求解方法
CN108896916B (zh) * 2018-06-08 2021-06-18 江苏大学 基于恒流充放电电压曲线的电池组开路电压及健康状态求解方法
CN109031138A (zh) * 2018-06-29 2018-12-18 上海科列新能源技术有限公司 一种动力电池的安全评估方法和装置
CN110018419A (zh) * 2019-03-29 2019-07-16 深圳猛犸电动科技有限公司 锂离子电池的soc与soh联合估计方法、装置及终端设备
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
WO2021120769A1 (zh) * 2019-12-20 2021-06-24 宁德时代新能源科技股份有限公司 电池组的ocv-soc曲线更新方法、电池管理系统及车辆
CN111323708A (zh) * 2020-04-16 2020-06-23 浙江吉利新能源商用车集团有限公司 一种用于动力电池系统的动力电池寿命衰减的分析方法
CN112467768A (zh) * 2020-11-17 2021-03-09 国网北京市电力公司 电池组的调度方法和装置
CN112765794A (zh) * 2021-01-05 2021-05-07 国网辽宁省电力有限公司经济技术研究院 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法
CN115372850A (zh) * 2021-05-18 2022-11-22 宁德时代新能源科技股份有限公司 电池材料老化数据的生成和确定方法、装置、设备及介质

Also Published As

Publication number Publication date
CN105548900B (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
CN105548900A (zh) 一种轨道交通用动力电池健康状态评估方法
CN106909716B (zh) 计及容量损耗的磷酸铁锂电池建模及soc估计方法
Einhorn et al. A method for online capacity estimation of lithium ion battery cells using the state of charge and the transferred charge
CN105548901B (zh) 一种轨道交通用钛酸锂电池功率状态预测方法
CN103439666B (zh) 一种锂离子电池容量衰退评估的几何方法
CN107255787B (zh) 基于信息熵的电池组不一致性综合评价方法及系统
CN105467328A (zh) 一种锂离子电池荷电状态估计方法
EP3018753A1 (en) Battery control method based on ageing-adaptive operation window
CN101975927A (zh) 一种估算锂离子动力电池组剩余可用容量的方法和系统
CN111239629B (zh) 一种退役锂电池的梯次利用状态区间划分方法
KR101982120B1 (ko) 에너지 저장장치의 수명 예측 방법
CN106033114B (zh) 一种储能电池健康状态评估方法
CN104698382A (zh) 一种电池组的soc与soh的预测方法
Lu et al. Modeling discharge characteristics for predicting battery remaining life
WO2016106501A1 (zh) 一种电池等效电路模型
CN108572320A (zh) 电池最小单体及系统有效容量、健康状态估算方法及装置
KR20170034191A (ko) 리튬이차전지 건강상태 진단방법
CN104502849A (zh) 一种变电站阀控式密封铅酸蓄电池剩余容量在线实时测量方法
JP2014224706A (ja) 二次電池診断装置及び二次電池診断方法
Hussein et al. State-of-charge estimation for a single Lithium battery cell using Extended Kalman Filter
CN111965557A (zh) 一种后备电源可靠性的评估方法和装置
CN113866646B (zh) 基于极化阻抗压升的电池簇不一致性在线监测方法
Thakkar et al. Performance Analysis of electrical equivalent circuit models of lithium-ion battery
Ananto et al. The state of health of Li-Po batteries based on the battery's parameters and a fuzzy logic system
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