CN105866700B - 一种锂离子电池快速筛选的方法 - Google Patents

一种锂离子电池快速筛选的方法 Download PDF

Info

Publication number
CN105866700B
CN105866700B CN201610367427.4A CN201610367427A CN105866700B CN 105866700 B CN105866700 B CN 105866700B CN 201610367427 A CN201610367427 A CN 201610367427A CN 105866700 B CN105866700 B CN 105866700B
Authority
CN
China
Prior art keywords
lithium ion
ion battery
battery
value
internal resistance
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
CN201610367427.4A
Other languages
English (en)
Other versions
CN105866700A (zh
Inventor
陈琳
潘海鸿
王峥峥
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.)
Guangxi University
Original Assignee
Guangxi 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 Guangxi University filed Critical Guangxi University
Priority to CN201610367427.4A priority Critical patent/CN105866700B/zh
Publication of CN105866700A publication Critical patent/CN105866700A/zh
Application granted granted Critical
Publication of CN105866700B publication Critical patent/CN105866700B/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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/08—Measuring resistance by measuring both voltage and current
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC

Abstract

本发明涉及一种锂离子电池快速筛选的方法。该方法包括以下步骤：(1)测得恒流放电后的开路电压值和放出的电量值，查表获得对应的荷电状态数值。(2)测得动态工况放电后的开路电压值和放出的电量值，查表获得对应的荷电状态数值。(3)估算锂离子电池最大可用容量。(4)利用获得的动态工况数据结合等效电路模型对锂离子电池欧姆内阻进行参数辨识。(5)根据所得出的锂离子电池最大可用容量及其欧姆内阻对锂离子电池进行筛选。该方法实现锂离子电池在最大可用容量和欧姆内阻两个参数的快速筛选，相对于现有技术中的锂离子电池快速筛选方法具有判断快捷，简便，精确度高的优点。对后续筛选电池进行构建具有较好一致性的电池组有重要意义。

Description

一种锂离子电池快速筛选的方法
技术领域
本发明涉及一种锂离子电池快速筛选的方法，属于电池检测技术领域。
背景技术
锂离子动力电池作为电动汽车的主要储能设备，其具有能量密度大、循环寿命长、自放电低等特点，锂离子动力电池的应用技术已经成为电动汽车动力电池的主攻方向。
为满足设备功率需求，同时让锂离子电池工作在较合适输出功率区域，多个锂离子电池单体通常通过串、并联或串并混联形成组成锂离子电池组，以适合较大功率储能、供能应用。由于电池所用材料、制造过程中的随机误差，使得电池单体参数如最大可用容量、电压、欧姆内阻等存在差异。若不经筛选随意配组使用，会导致电池放电深度、放电倍率、放电温升等实际工作状态不一致，进而会严重影响整体电池组的使用寿命。依具体应用需要，从多颗电池单体中选出最大可用容量和内阻值差异较小或者没有差异的单体连接成电池组，会极大减少对电池成组策略的负面影响。
当前国内外研究人员估算电池最大可用容量方法主要有以下几种：①小倍率放电直接测量法：此测量方法耗时久、测量结果偏大。②基于电池模型估算方法：此估算方法需要准确辨识模型参数，其估算精度依赖于模型精度，资源开销大。③基于数据统计方法：此统计方法需要数据量大且计算量较大。目前常用的内阻筛选方法为内阻匹配法，容易测量但是精度不高。
发明内容
本发明的目的在于，针对现有获取锂离子电池最大可用容量方法耗时久、计算量大和测量欧姆内阻精度不高的问题，而且能够同时快速进行电池最大可用容量和欧姆内阻筛选的方法鲜有，提供一种对单个锂离子电池的最大可用容量和欧姆内阻的快速筛选方法。其可实现锂离子电池最大可用容量的快速估算和其欧姆内阻的快速参数辨识。
为实现上述目标，本发明所采用的技术方案如下：
步骤1：将满充且充分静置的锂离子电池，以一定放电倍率恒流放电一段时间，充分静置，然后记录开路电压OCV1、放出的电量Q1。根据锂离子电池开路电压OCV与荷电状态SOC的映射关系，查表获得开路电压OCV1对应的荷电状态SOC1；
步骤2：设置动态工况对锂离子电池进行一次循环放电，充分静置，然后记录开路电压OCV2、放出的电量Q2。根据锂离子电池开路电压OCV与荷电状态SOC的映射关系，查表获得开路电压OCV2对应的荷电状态SOC2；
步骤3：根据步骤:1、2所获得的对应时刻放出的电量值Q1、Q2和对应的荷电状态值SOC1和SOC2，利用锂离子最大可用容量计算公式计算锂离子电池最大可用容量Qmax；
步骤4：利用步骤2所获得的动态工况数据结合等效电路模型对锂离子电池欧姆内阻进行参数辨识；
步骤5：根据步骤1到步骤4得出的锂离子电池最大可用容量及其欧姆内阻进行锂离子电池筛选。
上述的步骤1中以一定放电倍率恒流放电一段时间是指以给定大小的恒流放电倍率对锂离子电池放电使其剩余电量为额定容量的80％的这段时间。以保证在动态工况放电时欧姆内阻值在一段相对稳定的区间。
上述的步骤1和步骤2中充分静置的目的是使电池内部电化学反应达到平衡状态。
上述的步骤4中计算单个电池最大可用容量计算公式为
本发明创造的优点和积极效果是：
1、本发明采用通用电池信息采集和测试设备，具有较高适用性。
2、本发明公开的锂离子电池快速筛选的方法，相对于现有技术中的锂离子电池快速筛选的方法具有判断快捷，简便，精确度高的优点。
3、本发明筛选出的锂离子电池具有良好的一致性，且长期循环性能良好，为后续筛选电池进行构建具有较好一致性的电池组有重要意义。
附图说明
附图1为本发明一种锂离子电池快速筛选的方法的流程图。
附图2为筛选过程典型实验数据图。
具体实施方式
下面结合附图对本发明的实施方式进作详细说明。
本发明一种锂离子电池快速筛选的方法，如图1所示，包括如下步骤：
步骤1：将单个锂离子电池通过电池实验测试平台。在室温下首先以锂离子电池产品说明书所规定的恒定电流(此处由用户设定为1.300A)对所需测试的锂离子电池充电至锂离子电池产品说明书所规定的充电截止电压(此处由用户设定为4.200V)，然后保持电池两端电压为充电截止电压(此处由用户设定为4.200V)不变，进行恒定电压充电，此时随着电池内部冲入电量增加，充电电流逐渐减小；当电池充电电流小于锂离子电池产品说明书所规定的充电截止电流(此处由用户设定为0.026A)时认为充电结束。此时将锂离子电池放入高低温实验箱中静置一段时间，该时间值的大小由用户设定确定(此处由用户设定为3600秒)，其目的是使得电池内部电化学趋于平衡，且保证锂离子电池稳定在实验所需温度(此处由用户设定为35℃)。此时电池状态如图2所示的放电时间为0的起始状态。将锂离子电池连接电子负载仪，设置电子负载仪以一定恒流放电倍率(此处由用户设定为0.52C)放电一段时间(此处由用户设定为3600秒)，其目的是使锂离子剩余电量为额定容量的80％以保证在动态工况放电时欧姆内阻值在一段相对稳定的区间。随后静置一段时间，该时间值的大小由用户设定确定(此处由用户设定为3600秒)，其目的是使得电池内部电化学趋于平衡。如图2所示，放电时间由0秒到3600秒的时间段为恒流放电时间，放电时间由3600秒到7200秒时间段为静置时间。静置结束后，记录下此时开路电压值读数OCV1和放出的电量值读数Q1。其对应图2所示放电时间为7200秒处的开路电压值和电量值。根据锂离子电池开路电压OCV与荷电状态SOC的映射关系，查表获得开路电压OCV1对应的荷电状态SOC1；
步骤2：设置电子负载仪以动态工况(此处用户设定为UDDS工况)放电1个循环，随后静置一段时间，该时间值的大小由用户设定确定(此处由用户设定为3600秒)，其目的是使得电池内部电化学趋于平衡。如图2所示，放电时间由7200秒到8400秒时间段为动态工况放电时间。放电时间由8400秒到12000秒时间段为静置时间。静置结束后，记录下此时开路电压值读数OCV2和放出的电量值读数Q2。其对应如图2所示12000秒处开路电压值和电量值。根据锂离子电池开路电压OCV与荷电状态SOC的映射关系，查表获得开路电压OCV2对应的荷电状态SOC2；
步骤3：根据步骤:1、2所获得的对应时刻放出的电量值Q1、Q2和对应的荷电状态值SOC1和SOC2，利用锂离子最大可用容量计算公式得锂离子电池最大可用容量Qmax；
步骤4：建立1阶RC模型，其表达式(1)为：
其中IL为电池所受激励电流(IL符号以电池放电时电流方向为正，以电池充电时电流方向为负)。Ut为电池端电压，U1…Un分别为1～N个RC网络部分两端电压。R0表示锂离子电池欧姆内阻部分。R1为电池极化内阻。
式(1)经过离散化处理后变换成式(2)：
Ut(k)＝(1-a1)Uoc(k)+a1Ut(k-1)+a2IL(k)+a3IL(k-1) (2)
其中k为采样序列时刻序号，k＝1，2，3，…，n。其中Ut(k)为k时刻电池端电压，IL(k)为k时刻电流。T为离散系统采样时间间隔。
由式(2)可以推出系统数据矩阵H(k)和系统参数矩阵θ(k)，两者表达式(3)为：
由于存在随着算法协方差矩阵呈指数式增长时发生局部发散和饱和现象，为了准确给出足够稳定的结果，引入带遗忘因子的递推最小二乘算法(forgetting factorrecursive least squares，简称FFRLS)作为参数辨识及模型在线更新算法。得(4)式：
Y(k)＝H(k)θ(k)+e(k) (4)
其中e(k)为算法对电池端电压值预测误差，具体FFRLS算法表达式(5)为：
其中K(k)为算法增益矩阵在k时刻的值，P(k)为算法协方差矩阵在k时刻的值，θ(k)为算法估算的k时刻系统参数矩阵，λ为FFRLS遗忘因子系数，Y(k)为系统输出变量，值与Ut(k)相同。对λ、θ(1)、P(1)赋值以进行算法初始化，将步骤2电池工作时采集到的电流值IL(k)、端电压值Ut(k)等数据构成的序列作为输入，递推求解出每一时刻θ(k)值，即可辨识出1阶RC模型中的参数欧姆内阻R0。
步骤5：根据步骤1到步骤4得出的锂离子电池最大可用容量及其欧姆内阻对多个颗锂离子电池进行筛选。
经过以上步骤可实现锂离子电池快速筛选，此方法为后续筛选电池进行构建具有较好一致性的电池组有重要意义。
最后说明的是以上所述实施例仅表达了本发明的一种实施方式，其描述较为具体和详细。所述内容仅为本专利较佳实施例，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干均等变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (1)

1.一种锂离子电池快速筛选的方法，其特征包括以下步骤：
步骤1：将满充且充分静置的锂离子电池，以一定放电倍率恒流放电一段时间，充分静置，然后记录开路电压OCV1、放出的电量Q1；
步骤2：设置动态工况对锂离子电池进行一次放电，充分静置，然后记录开路电压OCV2、放出的电量Q2；
步骤3：计算锂离子电池最大可用容量Qmax；
步骤4：利用步骤2所获得的动态工况数据结合等效电路模型引入带遗忘因子的递推最小二乘算法(forgetting factor recursive least squares，简称FFRLS)对锂离子电池欧姆内阻进行参数辨识，具体为：
推出系统数据矩阵H(k)和系统参数矩阵θ(k)，得：
Y(k)＝H(k)θ(k)+e(k)
其中k为采样序列时刻序号，k＝1，2，3，…；Y(k)为系统输出变量，e(k)为算法对电池端电压值预测误差，具体FFRLS算法表达式为：
其中K(k)为算法增益矩阵在k时刻的值，P(k)为算法协方差矩阵在k时刻的值，λ为FFRLS遗忘因子系数，Ut(k)为k时刻电池端电压，IL(k)为k时刻电流；
赋值以进行算法初始化，将电池工作时采集到的电流值IL(k)、端电压值Ut(k)数据构成的序列作为输入，递推求解出每一时刻θ(k)值，即可辨识出1阶RC模型中的参数欧姆内阻R0；
步骤5：根据步骤1到步骤4得出的锂离子电池最大可用容量及其欧姆内阻对锂离子电池进行筛选；
所述步骤1中的以一定放电倍率恒流放电一段时间是指以给定大小的恒流放电倍率对锂离子电池放电使其剩余电量为额定容量的80％的这段时间；
所述步骤4中计算单个电池最大可用容量计算公式为其中：荷电状态SOC1由步骤1中开路电压OCV1查表获得；荷电状态SOC2由步骤2中开路电压OCV2查表获得。
CN201610367427.4A 2016-05-30 2016-05-30 一种锂离子电池快速筛选的方法 Active CN105866700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610367427.4A CN105866700B (zh) 2016-05-30 2016-05-30 一种锂离子电池快速筛选的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610367427.4A CN105866700B (zh) 2016-05-30 2016-05-30 一种锂离子电池快速筛选的方法

Publications (2)

Publication Number Publication Date
CN105866700A CN105866700A (zh) 2016-08-17
CN105866700B true CN105866700B (zh) 2019-06-04

Family

ID=56642728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610367427.4A Active CN105866700B (zh) 2016-05-30 2016-05-30 一种锂离子电池快速筛选的方法

Country Status (1)

Country Link
CN (1) CN105866700B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106646256B (zh) * 2016-12-21 2020-05-29 惠州亿纬创能电池有限公司 电池容量计算方法
CN108061858A (zh) * 2017-10-30 2018-05-22 东华大学 基于欧姆内阻的锂电池soc评估方法
CN110673040A (zh) * 2018-07-03 2020-01-10 河南森源重工有限公司 一种电动汽车动力电池soc估算方法及装置
CN109116251B (zh) * 2018-08-06 2019-10-18 中国矿业大学 一种基于复合式工况的锂电池参数辨识方法
CN109324297A (zh) * 2018-10-19 2019-02-12 张瑞锋 一种电池组一致性分析的方法
CN109731808B (zh) * 2018-11-30 2021-04-02 天合光能股份有限公司 一种对锂电池梯次利用的检测分选方法
CN111420899B (zh) * 2020-04-22 2020-12-11 江苏富邦电子科技有限公司 一种纽扣电池电量检测分类装置
CN112083336B (zh) * 2020-10-19 2022-02-01 哈尔滨工业大学（威海） 一种锂离子电池组电化学模型参数获取方法
CN113777517B (zh) * 2021-09-13 2023-10-17 傲普(上海)新能源有限公司 储能电站短板电芯筛选方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819259A (zh) * 2010-05-06 2010-09-01 惠州市亿能电子有限公司 电池组一致性评价方法
CN102343334A (zh) * 2011-09-28 2012-02-08 力神迈尔斯动力电池系统有限公司 一种动力电池的动态分选方法及其系统
CN102886352A (zh) * 2011-07-21 2013-01-23 湖北骆驼特种电源有限公司 一种磷酸铁锂电池配组分选方法
CN103560277A (zh) * 2013-09-24 2014-02-05 国家电网公司 一种电动汽车退役电池重组分选方法
CN103769374A (zh) * 2012-10-22 2014-05-07 北汽福田汽车股份有限公司 锂离子电池的分选方法
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
CN104793144A (zh) * 2015-03-31 2015-07-22 中国人民解放军92537部队 一种电池寿命快速检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010048187B4 (de) * 2010-10-13 2020-08-13 Phoenix Contact Gmbh & Co. Kg Verfahren und Vorrichtung zum Überwachen der maximal verfügbaren Kapazität einer Batterie

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819259A (zh) * 2010-05-06 2010-09-01 惠州市亿能电子有限公司 电池组一致性评价方法
CN102886352A (zh) * 2011-07-21 2013-01-23 湖北骆驼特种电源有限公司 一种磷酸铁锂电池配组分选方法
CN102343334A (zh) * 2011-09-28 2012-02-08 力神迈尔斯动力电池系统有限公司 一种动力电池的动态分选方法及其系统
CN103769374A (zh) * 2012-10-22 2014-05-07 北汽福田汽车股份有限公司 锂离子电池的分选方法
CN103560277A (zh) * 2013-09-24 2014-02-05 国家电网公司 一种电动汽车退役电池重组分选方法
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
CN104793144A (zh) * 2015-03-31 2015-07-22 中国人民解放军92537部队 一种电池寿命快速检测方法

Also Published As

Publication number Publication date
CN105866700A (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN105866700B (zh) 一种锂离子电池快速筛选的方法
Jafari et al. Deterministic models of Li-ion battery aging: It is a matter of scale
CN106443474B (zh) 一种动力电池系统寿命衰退特征快速识别的方法
CN110031770B (zh) 一种快速得到电池包中所有单体电池容量的方法
CN104577242B (zh) 一种电池组管理系统和方法
Lyu et al. A new method for lithium-ion battery uniformity sorting based on internal criteria
CN109143097B (zh) 一种计及温度和循环次数的锂离子电池soc估计方法
CN102468521A (zh) 用于估计蓄电池健康状态的方法和装置
CN102565710A (zh) 用于估计蓄电池健康状态的方法和装置
CN111208431B (zh) 一种电动汽车用锂离子电池全气候日历寿命预测方法
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN111366864B (zh) 一种基于固定压升区间的电池soh在线估计方法
CN108732499B (zh) 一种检测锂离子电池循环寿命的方法和系统
CN108169680A (zh) 动力电池健康状态评估方法、系统及电动车辆
CN110544801A (zh) 基于健康状态的电池组双目标自适应均衡控制方法
CN103424712A (zh) 基于粒子群优化的电池剩余容量在线测量方法
CN113868934A (zh) 一种并联锂离子电池电化学参数辨识方法
CN110442901A (zh) 一种锂离子电池电化学简化模型及其参数的获取方法
CN113933714A (zh) 基于简化电化学模型和灰色预测联合的电池容量预测方法
CN112526350A (zh) 考虑热效应影响的锂离子电池峰值功率预测方法
US10908219B2 (en) Battery management system with mixed electrode
CN114865117A (zh) 锂离子电池电极嵌锂量检测方法、装置及电池管理系统
CN106004481A (zh) 一种混合动力汽车电池组soh值估算方法
Wang et al. State of health estimation of lithium-ion battery in wide temperature range via temperature-aging coupling mechanism analysis
CN109617187A (zh) 电池离线预估均衡方法、电池管理系统及可读存储介质

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