CN105552465B - 一种基于时间和温度的锂离子电池优化充电方法 - Google Patents

一种基于时间和温度的锂离子电池优化充电方法 Download PDF

Info

Publication number
CN105552465B
CN105552465B CN201510883177.5A CN201510883177A CN105552465B CN 105552465 B CN105552465 B CN 105552465B CN 201510883177 A CN201510883177 A CN 201510883177A CN 105552465 B CN105552465 B CN 105552465B
Authority
CN
China
Prior art keywords
mrow
charging
msub
battery
current
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.)
Active
Application number
CN201510883177.5A
Other languages
English (en)
Other versions
CN105552465A (zh
Inventor
姜久春
张维戈
张彩萍
高洋
王占国
龚敏明
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 Jiaotong University
Original Assignee
Beijing Jiaotong 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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201510883177.5A priority Critical patent/CN105552465B/zh
Publication of CN105552465A publication Critical patent/CN105552465A/zh
Application granted granted Critical
Publication of CN105552465B publication Critical patent/CN105552465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/443—Methods for charging or discharging in response to temperature
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Materials Engineering (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及电池充电技术领域，具体是一种基于时间和温度的锂离子电池的充电方法。基于锂离子电池极化特性，计算极化电压限制的最大充电电流，并在此最大充电电流的约束下，综合考虑充电温升和充电时间，使用遗传算法寻找最优充电电流，以平衡减少充电时间和降低充电温升这两个互相矛盾的目标。结果表明，此优化充电电流在保证充电快速性的同时，控制充电过程的极化电压和温升在允许的范围内，保证了充电容量、充电效率和充电安全性和电池寿命。

Description

一种基于时间和温度的锂离子电池优化充电方法
技术领域
本发明属于电池充电技术领域，具体涉及一种基于时间和温度的锂离子电池的优化充电方法。
背景技术
目前，锂离子电池广泛使用恒流恒压(CC-CV)充电方法。首先，使用恒定的电流(CC)对电池进行充电，当电池电压达到充电截止电压时，再进行恒压充电(CV)，充电电流逐渐减小，当电池充电电流减小到某一值时，充电结束。这种充电方法容易控制，在恒压阶段，极化电压和欧姆电压降低，电池能够充满电，但是充电所需时间过长，且存在对电池寿命影响不明确等问题，已经成为限制电动汽车进一步推广应用的技术瓶颈。
锂离子电池优化充电是一个研究的热点问题，各种充电方法层出不穷，试图达到提高充电速度同时降低电池衰退速度的目标。各种优化充电方法各有优点和不足，基于电流波形改进的方法直观，便于控制，但是电流变化的依据不足；基于电池模型的优化充电方法能够把电气特性和电池反应机理联系起来，但是模型参数的辨识更新是难点；基于电池材料改进的充电方法在电池的经济性，稳定性，安全性等方面有待进一步测试。
结合锂离子电池的电化学反应机理和其电气特性，优化充电策略，是当前锂离子电池优化充电研究的发展动向。极化电压是联系电池内部电化学反应与电池外部电气特性的桥梁。极化电压过大将使电池充不满电并导致电池内部活性材料的损失进而影响电池寿命。大电流充电将导致极化电压过大，因此，极化电压限制了锂离子电池的最大充电电流。温度是锂离子电池充电过程中需要考虑的重要因素，温度过高，电池正极晶格结构稳定性变差，电池的安全性降低，容易引起电池热失控。
发明内容
为弥补现有锂离子电池充电方法无法兼顾充电速度和电池循环寿命的不足，本发明结合锂离子电池电化学反应机理和外部电气特性，以锂离子电池充电极化电压限制的最大充电电流为约束条件，以缩短充电时间和控制电池充电温升为目标，构造优化充电目标函数，通过遗传算法寻找最优充电电流，以兼顾缩短充电时间和降低充电温升这两个相互矛盾的目标，在无损电池寿命的前提下提高充电速度。
本发明解决其技术问题所采用的技术方案是，一种锂离子电池优化充电方法，包含以下步骤：
1)通过计算获得基于极化电压限制的最大充电电流，并以此最大电流作为优化充电电流选择的边界条件；
式中：OCV为开路电压，I为充电电流，RΩ为电池欧姆内阻，VP为电池极化电压，K为电池极化倍率系数，b为定义的极化补偿系数，Vcutoff为充电截止电压，SOC:stata ofcharge，指电池的荷电状态，为当前电池剩余电量除以电池的容量，SOC0为电池充电起始的SOC，T1为充电时间，Q为电池容量；
2)以缩短充电时间和控制电池充电温升为目标，构造优化充电目标函数，兼顾缩短充电时间和降低充电温升这两个相互矛盾的目标；
3)以△SOC为间隔划分充电SOC区间(0-90％)，共划分为N步，每一步的充电电流分别在极化电压限制的最大充电电流约束下选取，每步电流各不相同，选取使目标函数取得最优值的N步电流组合为最优充电电流；
4)建立锂离子电池充电时间和充电温升计算模型，计算以随SOC阶梯变化的充电电流对电池充电所用时间和充电温度变化，进而获得目标函数值；
5)采用遗传算法，寻找最优充电电流，在每步充电中电流可变范围在最大电流与最小电流之间，每步充电电流用相应不同位数的二进制数表示，二进制位数的大小保证分辨率小于1A，遗传算法迭代终止，输出的结果即为最优充电电流。
进一步，步骤1)中所说的计算采用matlab迭代计算法，优化充电电流在极化电压限制的最大充电电流范围内选取。在一确定SOC点，采用某一电流恒流充电，充电时间等于此点的极化时间常数，在充电结束时，如果电池端电压等于或大于充电截止电压，则这个电流即为此SOC点的极化电压限制的最大充电电流；如果小于，则增大充电电流后重复上述步骤。
进一步，步骤2)中所说的优化充电目标函数(2)包含充电时间和充电温升；所述目标函数采用归一化线性打分制，以最大允许温升ΔTmax为60分，1/20C充电温升ΔT0.05C为100分。以允许的最长充电时间tmax为60分，以极化电压限制的最大充电电流对应的充电时间tmin为100分，最长允许充电时间从是用户角度定制的。最终目标函数为式(2)，采用线性加权的形式，加权系数α为时间加权系数，代表充电时间的重要程度，加权系数β为温升加权系数，代表充电温升的重要程度；所述目标函数为式
进一步，步骤3)中所说的以△SOC＝10％为间隔划分充电SOC区间，优化充电SOC区间为0％-90％，所说的N步为9步，每一步的充电电流分别在极化电压限制的最大充电电流下选取，每步电流各不相同，选取使目标函数取得最优值的9步电流组合为最优充电电流。
进一步，步骤2)中，所述充电时间为：其中，Qk为每步充电的充电容量，Ik为第k步的充电电流，所述充电温升计算模型为：
其中，R为电池直流内阻，h为电池表面与周围环境间的对流传热系数，A为电池单体与周围环境接触表面积，为熵系数，Tcell为电池温度，Tamb为周围环境温度，m为电池质量，c为电池的平均比热容，表示第k步充电起始电池温度，Tk表示第k步充电过程中电池温度变化，第k步充电的电池初始温度等于第k-1步充电结束时电池温度，Ik为第K步的充电电流，电池充电温升为充电过程中的最大温度减去初始温度；根据计算出的充电时间和充电温升进一步计算优化充电目标函数值。
进一步，步骤5)中遗传算法迭代100代后，终止迭代，输出的结果即为最优充电电流。每一种充电电流组合方式对应一个目标函数分值，分值最高的就是最优充电电流，每步充电中电流可变范围在极化电压限制的最大充电电流与最小电流之间。
本发明的有益效果是，以随SOC阶梯变化的充电电流对锂离子电池进行充电，在充电初期以大电流充电，提高充电速度，在充电末期用小电流充电，以降低充电末期极化，从而充入更多容量，同时末期小电流充电可以减小温升速度，从而限制电池充电温升，防止电池热失控，提高电池寿命和充电安全性。不同SOC区间的充电温升速率不同，在温升速率小的区间提高充电电流，在温升速率大的区间降低充电电流，从而实现全程充电时间和充电温升的平衡。
附图说明
图1是综合考虑充电时间和充电温升的优化充电方法策略流程图。
图2是极化电压限制的最大充电电流曲线和充电步数划分示意图。
图3是综合考虑充电时间和充电温升的最优充电电流电压曲线。
具体实施方式
下面结合附图对本发明进一步详细说明。
A、采用matlab迭代计算方法获得极化电压限制的最大充电电流：在某一SOC点，先设置充电电流初始值为1A，充电时间为极化时间常数T，计算充电结束时的电池端电压，判断是否等于充电截止电压。如果等于或大于，则此电流即为最大充电电流；如果小于，则增大充电电流后重复上述步骤。在5％SOC到95％SOC，每隔1％SOC，计算一次最大充电电流，即可得到最大充电电流曲线。
式中：OCV为开路电压，I为充电电流，RΩ为电池欧姆内阻，VP为电池极化电压，K为电池极化倍率系数，b为定义的极化补偿系数,Vcutoff为充电截止电压，SOC:stata ofcharge，指电池的荷电状态，为当前电池剩余电量除以电池的容量，SOC0为电池充电起始的SOC，T1为充电时间，Q为电池容量。
B、构造优化充电目标函数：目标函数包含两部分，总充电时间和充电温升，希望总充电时间越短越好，充电温升越小越好。目标函数归一化线性打分制，以最大允许温升ΔTmax为60分，1/20C充电的温升ΔT0.05C为100分。以允许的最长充电时间tmax为60分，以极化电压限制的最大充电电流对应的充电时间tmin为100分，最长允许充电时间从是用户角度定制的。最终目标函数为式(2)，采用线性加权的形式，加权系数α称为时间加权系数，代表充电时间的重要程度，加权系数β称为温升加权系数，代表充电温升的重要程度，根据用户的侧重点，设置α和β的取值。
C、以△SOC为间隔划分充电SOC区间，共划分为N步，在基于极化电压限制的最大充电电流的约束下，确定每一步的充电电流。在划分出的每一个SOC区段内有m个可选充电电流值，这样一共有mN种充电电流组合方式，每一种充电电流组合方式对应一个目标函数分值，则分值最高的就是最优充电电流。其中优化充电SOC区间为0％-90％，△SOC＝10％，所以N等于9。
D、建立锂离子电池充电时间温升模型，计算以随SOC阶梯变化的充电电流对电池充电所用时间和充电温度变化。总充电时间为式中，Qk为每步充电的充电容量，Ik为第k步的充电电流。充电过程每步温度变化计算模型为：
式中R为电池直流内阻，h为电池表面与周围环境间的对流传热系数，A为电池单体与周围环境接触表面积，为熵系数，Tcell为电池温度，Tamb为周围环境温度，m为电池质量，c为电池的平均比热容，表示第k步充电起始电池温度，Tk表示第k步充电过程中电池温度变化，第k步充电的电池初始温度等于第k-1步充电结束时电池温度，Ik为第K步的充电电流，电池充电温升为充电过程中的最大温度减去初始温度。根据计算出的充电时间和充电温升进一步计算优化充电目标函数值。
E、采用遗传算法，寻找最优充电电流。在每步充电中电流可变范围在最大电流与最小电流之间。每步充电电流用相应不同位数的二进制数表示，二进制位数的大小保证分辨率小于1A，一共需要47位二进制数表示一组充电制式。每代共有二十个个体，在迭代100代后，终止迭代，输出的结果即为最优充电电流。采用此优化充电电流的充电结果(α和β分别设置为0.7和0.3)与常规CCCV充电的结果对比如下表：
实验结果表明，优化充电充到截止电压时充电容量最大比其他两种方法多冲入0.7-1Ah；充电时间将近1/3C充电的2/5，充电倍率提高1.5倍；在恒压充电阶段，优化充电容量比1/3C充电少0.6Ah。说明优化充电在充电过程中就降低了极化，提高了充电容量和充电速度，而平均倍率充电只能通过较长的CV阶段来弥补充电容量的损失。从温升角度看，优化充电温升比1/3C充电温升大，与平均倍率充电温升相近。

Claims (5)

1.一种锂离子电池优化充电方法，其特征在于，包含以下步骤：
1)通过计算获得基于极化电压限制的最大充电电流，并以此最大电流作为优化充电电流选择的边界条件；
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>O</mi> <mi>C</mi> <mi>V</mi> <mrow> <mo>(</mo> <mi>S</mi> <mi>O</mi> <mi>C</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>I</mi> <mo>&amp;times;</mo> <msub> <mi>R</mi> <mi>&amp;Omega;</mi> </msub> <mo>+</mo> <msub> <mi>V</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>I</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>V</mi> <mrow> <mi>c</mi> <mi>u</mi> <mi>t</mi> <mi>o</mi> <mi>f</mi> <mi>f</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>V</mi> <mi>p</mi> <mrow> <mo>(</mo> <mi>I</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>k</mi> <mrow> <mo>(</mo> <mi>S</mi> <mi>O</mi> <mi>C</mi> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <mi>I</mi> <mo>+</mo> <mi>b</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>S</mi> <mi>O</mi> <mi>C</mi> <mo>=</mo> <msub> <mi>SOC</mi> <mn>0</mn> </msub> <mo>+</mo> <mi>I</mi> <mo>&amp;times;</mo> <msub> <mi>T</mi> <mn>1</mn> </msub> <mo>/</mo> <mi>Q</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中：OCV为开路电压，I为充电电流，RΩ为电池欧姆内阻，VP为电池极化电压，K为电池极化倍率系数，b为定义的极化补偿系数，Vcutoff为充电截止电压，SOC:stata of charge，指电池的荷电状态，为当前电池剩余电量除以电池的容量，SOC0为电池充电起始的SOC，T1为充电时间，Q为电池容量；
2)以缩短充电时间和控制电池充电温升为目标，构造优化充电目标函数，兼顾缩短充电时间和降低充电温升这两个相互矛盾的目标：所说的优化充电目标函数包含充电时间和充电温升，所述目标函数采用归一化线性打分制，以最大允许温升ΔTmax为60分，1/20C充电温升ΔT0.05C为100分，以允许的最长充电时间tmax为60分，以极化电压限制的最大充电电流对应的充电时间tmin为100分，采用线性加权的形式，加权系数α称为时间加权系数，代表充电时间的重要程度，加权系数β称为温升加权系数，代表充电温升的重要程度；所述目标函数为式(2)
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>,</mo> <mi>&amp;Delta;</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;alpha;</mi> <mo>&amp;lsqb;</mo> <mfrac> <mn>40</mn> <mrow> <msub> <mi>t</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>t</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mrow> </mfrac> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>t</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mn>60</mn> <mo>&amp;rsqb;</mo> <mo>+</mo> <mi>&amp;beta;</mi> <mo>&amp;lsqb;</mo> <mn>100</mn> <mo>+</mo> <mfrac> <mrow> <mn>40</mn> <mrow> <mo>(</mo> <mi>&amp;Delta;</mi> <mi>T</mi> <mo>-</mo> <msub> <mi>&amp;Delta;T</mi> <mrow> <mn>0.05</mn> <mi>C</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;Delta;T</mi> <mrow> <mn>0.05</mn> <mi>C</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&amp;Delta;T</mi> <mi>max</mi> </msub> </mrow> </mfrac> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>&amp;alpha;</mi> <mo>+</mo> <mi>&amp;beta;</mi> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
3)以△SOC＝10％为间隔划分充电SOC区间，共划分为N步，每一步的充电电流分别在极化电压限制的最大充电电流约束下选取，每步电流各不相同，选取使目标函数取得最优值的N步电流组合为最优充电电流；
4)建立锂离子电池充电时间和充电温升计算模型，计算以随SOC阶梯变化的充电电流对电池充电所用时间和充电温度变化，进而获得目标函数值；
5)采用遗传算法，寻找最优充电电流；在每步充电中电流可变范围在最大电流与最小电流之间，每步充电电流用相应不同位数的二进制数表示，二进制位数的大小保证分辨率小于1A，遗传算法迭代终止，输出的结果即为最优充电电流。
2.根据权利要求1所述的锂离子电池优化充电方法，其特征在于，步骤1)中所说的计算采用matlab迭代计算法，优化充电电流在极化电压限制的最大充电电流范围内选取；在一确定SOC点，采用某一电流恒流充电，充电时间等于极化时间常数，如果充电结束时电池端电压等于或大于充电截止电压，则这个电流即为此SOC点的极化电压限制的最大充电电流；如果小于，则增大充电电流后重复上述步骤。
3.根据权利要求1所述的锂离子电池优化充电方法，其特征在于，步骤3)中所说的以△SOC＝10％为间隔划分充电SOC区间，优化充电SOC区间为0％-90％，所说的N步为9步，每一步的充电电流分别在极化电压限制的最大充电电流下选取，每步电流各不相同，选取使目标函数取得最优值的9步电流组合为最优充电电流。
4.根据权利要求1所述的锂离子电池优化充电方法，其特征在于，所述充电时间为：其中，Qk为每步充电的充电容量，Ik为第k步的充电电流，所述充电温升计算模型为：
<mrow> <mi>c</mi> <mi>m</mi> <mrow> <mo>(</mo> <msub> <mi>T</mi> <mi>k</mi> </msub> <mo>-</mo> <msubsup> <mi>T</mi> <mi>k</mi> <mrow> <mi>s</mi> <mi>t</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>t</mi> <mi>k</mi> </msub> </munderover> <msubsup> <mi>I</mi> <mi>k</mi> <mn>2</mn> </msubsup> <mi>R</mi> <mi>d</mi> <mi>t</mi> <mo>+</mo> <munderover> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>t</mi> <mi>k</mi> </msub> </munderover> <msub> <mi>I</mi> <mi>k</mi> </msub> <msub> <mi>U</mi> <mi>P</mi> </msub> <mi>d</mi> <mi>t</mi> <mo>+</mo> <munderover> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>t</mi> <mi>k</mi> </msub> </munderover> <msub> <mi>T</mi> <mrow> <mi>c</mi> <mi>e</mi> <mi>l</mi> <mi>l</mi> </mrow> </msub> <mi>I</mi> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>E</mi> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>T</mi> <mrow> <mi>c</mi> <mi>e</mi> <mi>l</mi> <mi>l</mi> </mrow> </msub> </mrow> </mfrac> <mi>d</mi> <mi>t</mi> <mo>-</mo> <munderover> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>t</mi> <mi>k</mi> </msub> </munderover> <mi>A</mi> <mi>h</mi> <mrow> <mo>(</mo> <msub> <mi>T</mi> <mrow> <mi>c</mi> <mi>e</mi> <mi>l</mi> <mi>l</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>T</mi> <mrow> <mi>a</mi> <mi>m</mi> <mi>b</mi> </mrow> </msub> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> </mrow>
其中，R为电池直流内阻，h为电池表面与周围环境间的对流传热系数，A为电池单体与周围环境接触表面积，为熵系数，Tcell为电池温度，Tamb为周围环境温度，m为电池质量，c为电池的平均比热容，表示第k步充电起始电池温度，Tk表示第k步充电过程中电池温度变化，第k步充电的电池初始温度等于第k-1步充电结束时电池温度，Ik为第K步的充电电流，电池充电温升为充电过程中的最大温度减去初始温度；根据计算出的充电时间和充电温升进一步计算优化充电目标函数值。
5.根据权利要求1所述的锂离子电池优化充电方法，其特征在于，步骤5)中遗传算法迭代100代后，终止迭代，输出的结果即为最优充电电流。
CN201510883177.5A 2015-12-03 2015-12-03 一种基于时间和温度的锂离子电池优化充电方法 Active CN105552465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510883177.5A CN105552465B (zh) 2015-12-03 2015-12-03 一种基于时间和温度的锂离子电池优化充电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510883177.5A CN105552465B (zh) 2015-12-03 2015-12-03 一种基于时间和温度的锂离子电池优化充电方法

Publications (2)

Publication Number Publication Date
CN105552465A CN105552465A (zh) 2016-05-04
CN105552465B true CN105552465B (zh) 2018-05-08

Family

ID=55831514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510883177.5A Active CN105552465B (zh) 2015-12-03 2015-12-03 一种基于时间和温度的锂离子电池优化充电方法

Country Status (1)

Country Link
CN (1) CN105552465B (zh)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106099230B (zh) * 2016-08-09 2019-02-05 清华大学 一种可预防析锂的锂离子电池快速充电方法
CN106408123A (zh) * 2016-09-21 2017-02-15 深圳市沃特玛电池有限公司 一种基于神经网络模型的最优充电电流估算的方法
CN107039696B (zh) * 2016-11-29 2019-04-05 北京交通大学 一种轨道交通用车载储能锂离子电池的优化充电方法
CN106855610B (zh) * 2016-12-30 2021-09-10 中国电力科学研究院 钛酸锂电池健康状态估算方法
CN106655388A (zh) * 2016-12-30 2017-05-10 广东欧珀移动通信有限公司 充电控制方法、装置及终端
CN106655432B (zh) * 2016-12-30 2019-06-25 Oppo广东移动通信有限公司 充电控制方法、装置、适配器及系统
CN108072803B (zh) * 2017-01-19 2020-03-13 上海展枭新能源科技有限公司 自然冷却下电容发热温度随时间变化的获取方法及其推导方法
CN107171035B (zh) * 2017-05-24 2019-10-22 上海交通大学 锂离子电池的充电方法
CN107230810B (zh) * 2017-06-01 2019-02-15 哈尔滨理工大学 锂电池优化充电电流获得方法
CN107290680B (zh) * 2017-07-07 2020-09-15 哈尔滨理工大学 一种基于容量衰减和加热时间的锂电池加热电流获取方法
CN107490768B (zh) * 2017-07-07 2020-06-05 哈尔滨理工大学 一种基于容量衰减和电量消耗的锂电池加热电流获取方法
WO2019026143A1 (ja) * 2017-07-31 2019-02-07 日産自動車株式会社 充電時間演算方法及び充電制御装置
CN107332316B (zh) * 2017-08-23 2021-11-02 努比亚技术有限公司 阶梯式充电方法、移动终端及计算机可读存储介质
CN107831441B (zh) * 2017-09-20 2019-11-05 哈尔滨理工大学 锂电池充电电流的预测方法、预测系统及一种充电装置
KR102554151B1 (ko) * 2017-10-24 2023-07-12 삼성전자주식회사 배터리 충전 방법 및 장치
KR102563753B1 (ko) 2017-12-29 2023-08-04 삼성전자주식회사 배터리 충전 방법 및 장치
CN109728371A (zh) * 2018-12-29 2019-05-07 上海卡耐新能源有限公司 一种动力软包电芯阶梯充电控制方式
CN109509927B (zh) * 2019-01-07 2021-01-19 东莞赣锋电子有限公司 一种锂离子电池的充电方式
CN109802190B (zh) * 2019-01-31 2022-04-08 南京理工大学 一种电池组多目标充电方法
US11325493B2 (en) * 2019-03-18 2022-05-10 Chongqing Jinkang Powertrain New Energy Co., Ltd. Methods and systems for variable maximum current protection for battery systems
CN110146816B (zh) * 2019-05-31 2022-02-01 蜂巢能源科技有限公司 电池剩余充电时间的确定方法、装置、设备及存储介质
CN112448053B (zh) * 2019-08-30 2022-05-20 北京小米移动软件有限公司 移动终端的充电方法、装置、终端及存储介质
ES2970250T3 (es) * 2019-10-21 2024-05-27 Ningde Amperex Technology Ltd Método de carga, aparato electrónico y medio de almacenamiento
CN112886650B (zh) * 2019-11-29 2024-10-01 北京小米移动软件有限公司 充电控制方法、装置及存储介质
CN111082174B (zh) * 2019-12-18 2023-04-18 湖南大学 一种锂离子电池三段式充电方法
CN111092272B (zh) * 2019-12-18 2023-04-18 湖南大学 一种考虑内阻特性的锂离子电池三段式充电方法
CN113064081B (zh) * 2021-03-11 2023-12-05 北京车和家信息技术有限公司 动力电池劣化检测方法、装置、介质、车载系统和车辆
CN113410530B (zh) * 2021-06-11 2022-06-28 清华大学深圳国际研究生院 一种考虑电池极化程度的锂离子电池快速充电方法
CN113707960B (zh) * 2021-08-06 2024-01-26 湖南领湃达志科技股份有限公司 锂离子动力电池快充的方法
CN113725954B (zh) * 2021-08-16 2024-05-07 北京小米移动软件有限公司 充电方法、装置、设备及存储介质
CN115848216A (zh) * 2021-09-24 2023-03-28 北京车和家信息技术有限公司 充电控制方法、装置、设备及介质
CN114171811B (zh) * 2021-11-30 2023-07-18 上海瑞浦青创新能源有限公司 一种阶梯式充电方法与充电装置及其用途
CN114397582B (zh) * 2022-01-11 2024-04-30 东莞新能安科技有限公司 析锂检测方法、电子设备、充电装置及存储介质
CN117445741B (zh) * 2023-10-31 2024-06-21 卓领物联科技(杭州)有限公司 一种充电保护方法、电子设备、计算机可读介质及充电桩
CN117141262B (zh) * 2023-11-01 2024-01-23 成都赛力斯科技有限公司 一种电池充电方法、装置及车辆
CN117565748B (zh) * 2024-01-15 2024-03-26 南昌大学 一种锂离子电池充电控制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011520408A (ja) * 2008-03-31 2011-07-14 エイ １２３ システムズ，インク． 直列群のバッテリまたはキャパシタのセル充電状態および放電状態の分岐を検出する方法
JP4591560B2 (ja) * 2008-06-24 2010-12-01 ソニー株式会社 電池パックおよび制御方法
CN101706556A (zh) * 2009-11-11 2010-05-12 惠州市亿能电子有限公司 纯电动汽车用锂离子电池的实际容量估算方法
CN101814639B (zh) * 2010-05-06 2011-11-30 惠州市亿能电子有限公司 动力锂离子电池极化电压控制充电方法
CN104007395B (zh) * 2014-06-11 2016-08-24 北京交通大学 锂离子电池荷电状态与参数自适应联合估计方法
CN104678316B (zh) * 2015-02-28 2017-08-01 北京交通大学 锂离子电池荷电状态估算方法和装置
CN104992052B (zh) * 2015-06-16 2018-07-17 北京亿利智慧能源科技有限公司 一种动力锂离子电池最大充电电流计算方法

Also Published As

Publication number Publication date
CN105552465A (zh) 2016-05-04

Similar Documents

Publication Publication Date Title
CN105552465B (zh) 一种基于时间和温度的锂离子电池优化充电方法
CN109164398B (zh) 一种锂离子电池组中单体电池容量估算方法
Li et al. Optimized charging of lithium-ion battery for electric vehicles: Adaptive multistage constant current–constant voltage charging strategy
CN107991623B (zh) 一种考虑温度和老化程度的电池安时积分soc估计方法
CN101814640B (zh) 改进型动力锂离子电池cc-cv充电方法
EP3664247B1 (en) Charging time computation method and charge control device
CN107039696B (zh) 一种轨道交通用车载储能锂离子电池的优化充电方法
CN103918120B (zh) 铅蓄电池系统
CN109586373A (zh) 一种电池充电方法和装置
CN104992052B (zh) 一种动力锂离子电池最大充电电流计算方法
CN107064805A (zh) 蓄电池容量测量系统和蓄电池容量测量方法
CN103424710B (zh) 用于监测电池组中的老化单体的性能变化的方法和系统
CN109659637A (zh) 交直流叠加的锂离子电池低温充电方法
CN101814639B (zh) 动力锂离子电池极化电压控制充电方法
CN107612076A (zh) 电池充电方法、装置、设备和存储介质
CN104051810B (zh) 一种锂离子储能电池系统soc估算快速修正方法
CN107710545A (zh) 预测电池充电极限的方法和使用该方法对电池迅速充电的方法和设备
CN107069120A (zh) 一种电动车汽车锂离子电池的快充装置和方法
CN105162181B (zh) 一种充电方法及充电装置
CN110911764B (zh) 二次电池系统及二次电池的劣化状态推定方法
CN111090963A (zh) 一种基于用户需求的自适应多段恒流恒压充电方法
CN105993094A (zh) 用于控制电池的多个单体的设备和方法
CN104951662A (zh) 一种磷酸铁锂电池能量状态soe的估算方法
CN105634063A (zh) 一种基于电池历史数据的主动均衡方法
CN109103953B (zh) 一种电池组主动均衡控制方法、系统及装置

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