CN106021738B - 非均一多个体混联的电池组分布式模型建立系统及方法 - Google Patents
非均一多个体混联的电池组分布式模型建立系统及方法 Download PDFInfo
- Publication number
- CN106021738B CN106021738B CN201610347929.0A CN201610347929A CN106021738B CN 106021738 B CN106021738 B CN 106021738B CN 201610347929 A CN201610347929 A CN 201610347929A CN 106021738 B CN106021738 B CN 106021738B
- Authority
- CN
- China
- Prior art keywords
- battery
- battery pack
- power battery
- model
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
Abstract
本发明公开了一种非均一多个体混联的电池组分布式模型建立系统及方法,本发明从概率论与数理统计的数学角度入手,考虑了动力电池开路电压、容量、内阻等参数的不一致性,实现了动力电池组参数分布式特征与随机变量概率正态分布之间的联系,符合自然界的基本规律,有效解决因电池单体一致性差异和环境因素所导致的动力电池组模型精度低的难题;本发明建立在电池单体模型的基础上,从概率论与数理统计的角度,对动力电池组的参数分布式特性进行建模,但对采用的单体建模方法没有限制,因而本发明具有广泛的适用性和良好的通用性。
Description
技术领域
本发明涉及一种非均一多个体混联的电池组分布式模型建立系统及方法。
背景技术
随着环境污染日益严重和化石能源大量消耗,电动汽车已成为未来汽车的发展方向。动力电池对电动汽车的动力性、经济性和安全性至关重要,是制约电动汽车规模发展的关键因素。精确的电池模型对动力电池的合理设计和安全运行具有重要意义,是电池荷电状态(SOC)估计、健康状态(SOH)估算和剩余寿命(RUL)预测方法的基础。
电池模型发展到现阶段可以按照建模机理的不同划分为表现电池内部特征的电化学模型、简化的电化学模型、热模型等,以及描述电池外部特征的随机模型、神经网络模型、等效电路模型等。其中,电化学模型使用复杂非线性微分方程描述电池内部化学过程;简化的电化学模型用一个降阶方程来表征电池的非线性容量效应及运行时间;热模型主要研究电池的生热、传热过程,可与电化学模型耦合,但这三种模型不能描述电池的I-V特性,不宜用于电气设计与仿真;随机模型主要关注电池的恢复特性,将电池行为描述为一个马尔科夫过程,能够很好地描述电池的脉冲放电特性,但是不适于变电流负载情况;神经网络模型具有良好的非线性映射能力、快速的并行处理能力、较强的自学习和自组织能力等优点,但是需要大量的实验来获取训练数据且模型误差易受训练数据和训练方法的影响;等效电路模型根据电池的物理特性使用不同元器件构成等效电路模型模拟电池的I-V特性,形式简单直观、适宜于电气设计与仿真等。
然而,建立一个精确且结构简单的电池模型绝非易事,这是因为电池内部的化学反应涉及化学能、电能、热能等的复杂转换,具有高度的非线性和不确定性。目前上述几种电池建模方法在电池单体模型方面得到了广泛应用,但是,针对的对象主要是电池单体,或者假设所有单体的性能一致,简单地将动力电池组看作是一个按电池单体特性线性放大后的电池单体模型。而实际上,电池组存在不一致性,电池组的不一致性主要是指电池组中包括很多串、并联的电池单体,由于制作工艺的差异,电池单体的输出电压、剩余电量、内阻、容量、自放电率和库伦效率等存在差异,而这种差异导致动力电池组模型并不是简单地将电池单体模型线性放大。实践证明,即使严格控制配料、活浆、涂布、裁剪、辊压等工艺过程,也只是缩小批量产品之间的标准差,而不能消除单体电池间的不一致性,因此电池组内各个单体电池的性能参数不可能完全一样。现有的单体建模方法未考虑电池组的不一致性,导致电池模型精度低,不能满足现实需求。
实际上,相同原材料、同批次的单体电池,开路电压、容量、内阻、循环寿命等性能参数均符合正态分布并且离散程度有限。在相同的电流激励条件下,若考虑组内所有的单体电池,则必有相对的过充过放情况,而且在充放电后期,所有单体的电压分布很复杂,但分布接近马尾曲线。同时,动力电池组中单体电池容量不仅呈正态分布,而且容量最小的单体电压跌落得也最早、最快。实际上,电池单体电压变化过程的一致性渐进也逼近其它性能参数的一致性,如荷电状态SOC等。因此,通过分析动力电池单体参数的正态分布,考虑电池单体串并联和不一致性,可以实现非均一多个体混联的电池组分布式模型系统。
发明内容
本发明为了解决上述问题,提出了一种非均一多个体混联的电池组分布式模型建立系统及方法,本发明从概率论与数理统计的数学角度入手,考虑了动力电池开路电压、容量、内阻等参数的不一致性,实现了动力电池组参数分布式特征与随机变量概率正态分布之间的联系,符合自然界的基本规律,有效解决因电池单体一致性差异和环境因素所导致的动力电池组模型精度低的难题。
为了实现上述目的,本发明采用如下技术方案:
一种非均一多个体混联的电池组分布式模型建立系统,包括动力电池组、充放电测试单元、数据存储单元、控制单元和建模单元,其中,所述动力电池组包括了m并n串的动力电池单体,充放电测试单元对动力电池组中的电池单体进行充放电测试,并将测试结果存放入数据存储单元;所述控制单元,根据电池单体的测试参数提取分布式特征并进行概率统计,得到电池单体分布式规律;所述建模单元,根据电池单体分布式规律和电池单体模型,得到电池单体并联模型,考虑当单体并联模块串联时的不一致性,最终建立表征非均一多个体混联的动力电池组分布式模型。
所述动力电池组,包括m并n串的动力电池单体,且电池单体材料相同。
所述充放电测试单元,包括最大可用容量及内阻测试、复合脉冲充放电测试、HPPC充放电测试、脉冲充放电、不同倍率充放电测试、DST动态特性测试、UDDS测试和多段脉冲放电测试模块。
所述测试参数具体包括动力电池组的输出电压、输出电流、电池单体端电压、单体电流和温度的基本数据以及内阻、单体容量、单体SOC、自放电率和库伦效率的过程数据。
所述控制单元,根据测试参数对电池参数的分布式特征进行概率统计与数据分析,得到电池参数的正态分布规律和一致性评价体系;得到的电池单体分布式规律,是指根据所述的电池单体模型和所述的电池单体参数分布式规律,得到的与电池单体模型有关参数的分布式规律。
一种非均一多个体混联的电池组分布式模型建立系统及方法,具体包括:
(1)针对研究对象动力电池组的具体类别,选取代表性动力电池单体;
(2)对动力电池单体进行充放电测试,采集动力电池组的过程数据和基本数据;
(3)根据测试得到的数据和采用的电池单体模型,运用数理统计方法分析电池参数分布式规律和一致性评价体系;
(4)忽略外界影响因素,分析电池模型参数的分布规律;
(5)考虑外界因素的影响,分析电池单体模型参数的分布规律对电池组模型参数分布规律的耦合影响关系,获得电池参数一致性统计规律;
(6)考虑电池单体之间的不一致性,建立电池单体并联模型,进而考虑电池单体并联模块串联时的不一致性问题,基于获得的电池参数一致性统计规律,建立非均一多个体混联的电池组分布式模型。
所述步骤(2)中,依据颁布的有关动力电池测试国家标准,对动力电池单体进行充放电测试,包括最大可用容量及内阻测试、复合脉冲充放电测试、HPPC充放电测试、脉冲充放电、不同倍率充放电测试、DST动态特性测试、UDDS测试和多段脉冲放电测试,通过电池组充放电测试,获取电池测试的基本数据,包括电池组的输出电压、输出电流、电池单体端电压和温度,以及内阻、单体容量、单体SOC、自放电率和库伦效率的过程数据。
所述步骤(3)中,通过脉冲放电实验,得到电池单体电压的响应曲线,计算脉冲放电过程中电池的端电压,结合电池单体的测试参数,分析不同SOC下、电池模型不同参数的正态分布,得到动力电池的参数分布式规律和建立电池的一致性评价体系。
所述步骤(4)中,根据电池单体的参数分布规律,进行确信度检验,确认控制参数或策略。
所述步骤(5)中,若影响某一随机变量的随机因素很多,且这些因素的影响又可叠加,但每个因素独自的影响都不能起决定性作用,则该随机变量服从正态分布。
本发明的有益效果为:
(1)本发明公开了一种非均一多个体混联的电池组分布式模型建立系统及方法,基于电池单体参数分布式规律和一致性评价体系,有效解决了因动力电池组一致性差异和环境因素导致的模型误差等问题,克服了现有电池建模技术存在的不足,具有较高的实用价值;
(2)与大自然各事物广泛存在正态分布这一现象类似,动力电池因其特殊的材料和化学特性,相同原材料、同批次的单体电池,开路电压、容量、内阻、循环寿命等性能参数也均符合正态分布并且离散程度有限,本发明非均一多个体混联的电池组分布式模型系统,能更好地描述电池的本质特性及其行为,符合自然界普遍现象;
(3)本发明建立在电池单体模型的基础上,从概率论与数理统计的角度,对动力电池组的参数分布式特性进行建模,但对采用的单体建模方法没有限制,因而本发明具有广泛的适用性和良好的通用性。
附图说明
图1为本发明一种非均一多个体混联的电池组分布式模型建立系统及方法,电池参数分布式规律中电池单体开路电压正态分布规律图;
图2为本发明一种非均一多个体混联的电池组分布式模型建立系统及方法,电池参数分布式规律中电池单体容量正态分布规律图;
图3为本发明一种非均一多个体混联的电池组分布式模型建立系统及方法示意图。
其中,1、m并n串的动力电池单体,2、充放电测试单元,3、数据存储单元,4、电池单体参数分布式规律,5、电池单体模型,6、电池单体模型参数分布式规律,7、电池单体并联模型,8、非均一多个体混联的电池组分布式模型。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
如图2所示,本发明的一种非均一多个体混联的电池组分布式模型建立系统,包括动力电池组、充放电测试单元、数据存储单元、控制单元和建模单元,其中,所述动力电池组包括了m并n串的动力电池单体,充放电测试单元对动力电池组中的电池单体进行充放电测试,并将测试结果存放入数据存储单元;所述控制单元,根据电池单体的测试参数提取分布式特征并进行概率统计,得到电池单体分布式规律;所述建模单元,根据电池单体分布式规律和电池单体模型,得到电池单体并联模型,考虑当单体并联模块串联时的不一致性,最终建立表征非均一多个体混联的动力电池组分布式模型。
动力电池组,包括m并n串的动力电池单体,且电池单体材料相同。
充放电测试单元,包括最大可用容量及内阻测试、复合脉冲充放电测试、HPPC充放电测试、脉冲充放电、不同倍率充放电测试、DST动态特性测试、UDDS测试和多段脉冲放电测试模块。
测试参数具体包括动力电池组的输出电压、输出电流、电池单体端电压、单体电流和温度的基本数据以及内阻、单体容量、单体SOC、自放电率和库伦效率的过程数据。
控制单元,根据测试参数对电池参数的分布式特征进行概率统计与数据分析,得到电池参数的正态分布规律和一致性评价体系;得到的电池单体分布式规律,是指根据电池单体模型和所述的电池单体参数分布式规律,得到的与电池单体模型有关参数的分布式规律。
电池单体模型,是指电池单体的建模方法,本发明对采用的单体建模方法没有限制,具有广泛的适用性,包括表现电池内部特征的电化学模型、简化的电化学模型、热模型等,以及描述电池外部特征的随机模型、神经网络模型、等效电路模型等;本发明是以电池单体二阶RC等效电路模型为例;
电池单体参数分布式规律,是根据所述的电池测试基本数据和过程数据,对电池参数(包含开路电压、容量、内阻等)的分布式特征进行概率统计与数据分析,得到电池参数的正态分布规律和一致性评价体系;
电池单体模型参数分布式规律,是指根据所述的电池单体模型和所述的电池单体参数分布式规律,得到的与电池单体模型有关参数的分布式规律;
电池单体并联模型,是指基于所述的电池单体模型,并根据所述的电池单体参数分布式规律,考虑电池单体并联的不一致性,得到的电池单体并联模型;
非均一多个体混联的电池组分布式模型,是根据所述的电池单体并联模型和所述的电池单体参数分布式规律,考虑当单体并联模块串联时的不一致性,最终建立的能够表征非均一多个体混联的电池组分布式模型,能够有效解决由于电池单体串并联和不一致性差异等导致的电池组模型误差等问题。
一种应用上述非均一多个体混联的动力电池组分布式模型及实现方法,主要包括以下步骤:
本发明以一组海特圆柱型26650磷酸铁锂离子动力电池为例,详细说明实现非均一多个体混联的动力电池组分布式模型的过程,并尽可能全面描述了实际电池的响应特性和内部特性。所谓响应特性是指电池的端电压与负载电流的对应关系;内部特性是指电池的内部变量,如开路电压、容量、内阻等参数与SOC、温度等的关系。
步骤一:针对研究对象动力电池组的具体类别,如铅酸动力电池、磷酸铁锂电池、三元三元电池等,选取代表性的动力电池单体,本发明以一组海特圆柱型26650磷酸铁锂锂离子动力电池为研究对象;
步骤二:根据2015年国家颁布的《GB/T 31486-2015电动汽车用动力蓄电池电性能要求及试验方法》、《GB/T 31485-2015电动汽车用动力蓄电池安全要求及试验方法》、《GB/T31484-2015电动汽车用动力蓄电池循环寿命要求及试验方法》、《GB/T 31467.1-2015电动汽车用锂离子动力蓄电池包和系统第1部分:高功率应用测试规程》、《GB/T 31467.2-2015电动汽车用锂离子动力蓄电池包和系统第2部分:高能量应用测试规程》、《GB/T 31467.3-2015电动汽车用锂离子动力蓄电池包和系统第3部分:安全性要求与测试方法》等动力电池有关测试的国家标准,对动力电池单体进行充放电测试,充放电测试内容和流程,包括最大可用容量及内阻测试、复合脉冲充放电测试、HPPC充放电测试、脉冲充放电、不同倍率充放电测试、DST动态特性测试、UDDS测试、多段脉冲放电测试等;通过电池组充放电测试,获取电池测试的基本数据,包括电池组的输出电压、输出电流、电池单体端电压、温度等;以及内阻、单体容量、单体SOC、自放电率、库伦效率等过程数据;
步骤三:根据步骤二得到的数据和采用的电池单体模型,运用数理统计方法分析电池参数分布式规律和一致性评价体系。
以电池组开路电压OCV的分布式规律和一致性评价为例,海特圆柱型26650磷酸铁锂离子动力电池充满电时,电池SOC为100%,此时,电池单体统计的开路电压正态分布曲线如附图1所示。则此时电池开路电压正态分布的频率密度为:
式中,μ为被测电池组单体开路电压分布的平均数,σ为被测电池组单体开路电压的标准差。在正态分布中,σ用于描述数据分布的离散程度,σ越大,数据分布越分散,σ越小,数据分布越集中;σ也称为正态分布的形状参数,σ越大,曲线越扁平,反之,σ越小,曲线越瘦高。
通过频率密度正态分布函数,可以得到电池参数的近似的正态分布曲线。同理,在不同SOC下,如10%SOC、20%SOC...90%SOC等荷电状态下,不同参数正态分布的μ和σ都可以由实验数据通过统计分析得到;
通过分析不同SOC下、不同电池参数的正态分布曲线,可以得到动力电池的参数分布式规律,通过对不同SOC下、不同电池参数分布的离散程度σ的大小,可以建立电池的一致性评价体系。以本发明的海特26650磷酸铁锂动力电池为例,从附图1和附图2可以看出,统计分析同批次电池的开路电压、容量等参数的1σ,2σ,3σ分布规律都较为接近正态分布的分布法则。根据统计结果,用正态分布函数进行分析,并进行确信度检验,根据实际应用的要求,进行σ控制,一般控制在3σ范围比较合适
步骤四:在已建立的电池参数分布式规律和一致性评价体系基础上,先忽略环境等外界因素的影响,分析电池模型参数的分布式规律;本发明对采用的单体建模方法没有限制,具有广泛的适用性。本发明以电池单体二阶RC等效电路模型建模过程为例。,包括电池电池开路电压、容量、欧姆内阻、电化学极化电阻、浓差极化电阻、电化学极化电容、浓差极化电容等模型参数。
以脉冲放电测试为例,可以获取不同SOC处电池开始放电时的电池端电压的瞬间下降值、放电结束后电池端电压的瞬间跃升值、放电电流以及电池端电压的零输入响应等数据;通过脉冲放电实验,得到电池单体电压的响应曲线,则脉冲放电过程中电池的端电压可表示为:
式中,Ubat为电池端电压;R0d为欧姆内阻;OCVd为放电开路电压;U1d(0+)和U2d(0+)为电池放电结束瞬间两个分数阶RC支路的端电压初值,其值可表述为:
U1d(0+)=idis·R1d (2)
U2d(0+)=idis·R2d (3)
电池放电结束后,电池的端电压可表示为:
式中,电池的极化电压和随着时间的增长而逐渐减小,当t→∞时,和趋于0,此时电池端电压Ubat等于电池的开路电压OCV。
由于电池欧姆内阻的存在,当电池放电时,电池端电压会瞬间跌落,其值记为ΔU1;当电池停止放电时,电池端电压会瞬间跃升,其值记为ΔU2。因此,电池的欧姆内阻R0可由下式得到:
电化学极化内阻R1d可由下式得到:
浓差极化内阻R2d可由下式得到:
电化学极化电容C1d可由下式得到:
浓差极化电容C2d可由下式得到:
开路电压OCV与SOC存在非线性关系,具体关系式为:
式中,a0-a4为常数,由实验数据基于最小二乘法辨识得到。
电池欧姆内阻Rod与SOC的关系式为:
Ro(SOC)=b0·e-SOC+b1+b2·SOC-b3·SOC2+b4·SOC3 (11)
式中,b0-b4为常数,由实验数据基于最小二乘法辨识得到。
电化学极化内阻R1d与SOC的关系式为:
R1d(SOC)=c0·e-SOC+c1+c2·SOC-c3·SOC2+c4·SOC3 (12)
式中,c0-c4为常数,由实验数据基于最小二乘法辨识得到。
电化学极化电容C1d与SOC的关系式为:
C1d(SOC)=d0·SOC5+d1·SOC4+d2·SOC3+d3·SOC2+d4·SOC+d5 (13)
式中,d0-d5为常数,由实验数据基于最小二乘法辨识得到。
浓差极化内阻R2d与SOC的关系式为:
R2d(SOC)=e0·e-SOC+e1+e2·SOC-e3·SOC2+e4·SOC3 (14)
式中,e0-e4为常数,由实验数据基于最小二乘法辨识得到。
浓差极化电容C2d与SOC的关系式为:
C2d(SOC)=f0·SOC5+f1·SOC4+f2·SOC3+f3·SOC2+f4·SOC+f5 (15)
式中,f0-f5为常数,由实验数据基于最小二乘法辨识得到。
步骤五:在步骤四的基础上,再考虑外界因素的影响,分析电池单体模型参数的分布规律对电池组模型参数分布规律的耦合影响关系;若影响某一随机变量的随机因素很多,且这些因素的影响又可叠加,但每个因素独自的影响都不能起决定性作用,则该随机变量服从正态分布;
步骤六:根据以上步骤,由获得的电池参数一致性统计规律,以及采用的电池单体建模方法,如电池单体二阶RC等效电路模型,考虑电池单体之间的不一致性,首先建立电池单体并联模型;在电池单体并联模型基础上,考虑电池单体并联模块串联时的不一致性问题,基于获得的电池参数一致性统计规律,建立非均一多个体混联的动力电池组分布式模型;
其中,电池单体并联模型,由于并联时单体两端电压大小一样,但由于电池单体间的差异,流过每个并联单体的电流并不一样,因此电池单体之间的不一致性,主要是指建立单体并联模型时,并不是采用传统的一个单体模型代替,而是依据步骤五中得到的电池模型参数分布式规律而得到的模型,以模型中的电池欧姆内阻为例,当不考虑电池单体之间的一致性问题时,模型中欧姆内阻大小采用的是电池单体并联之后的平均欧姆内阻,而当考虑电池单体之间的一致性问题,欧姆内阻大小是依据获得欧姆内阻参数分布式规律,而得到的m个欧姆内阻值的并联之后的大小。
同理,由单体并联模型再串联建立模型时,不考虑和考虑电池单体之间的不一致性实现过程与上面类似,很明显,考虑考虑电池单体之间的不一致性时,是在步骤五的基础下实现的,因此由测试数据和过程数据分析得到电池参数分布式规律,进而根据电池单体模型,得到电池模型参数的分布式规律尤为重要。
步骤七:在此基础上,可进一步综合考虑环境等因素,分析动力电池单体模型参数差异与外界因素之间的耦合影响,建立合理可信的、能够表征动力电池组串并联和单体不一致性的分布式模型,有效解决动力电池组一致性差异和环境因素所导致的模型误差问题。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种非均一多个体混联的动力电池组分布式模型建立系统,其特征是:包括动力电池组、充放电测试单元、数据存储单元、控制单元和建模单元,其中:
所述动力电池组包括了m并n串的动力电池单体,充放电测试单元对动力电池组中的电池单体进行充放电测试,并将测试结果存放入数据存储单元,其中,m并n串的动力电池单体为n个串联的单元,每个单元具有m个并联的动力电池单体;
所述控制单元,根据电池单体的测试参数提取分布式特征并进行概率统计,得到电池单体分布式规律;
所述建模单元,根据电池单体分布式规律和电池单体模型,得到电池单体并联模型,考虑当单体并联模块串联时的不一致性,最终建立表征非均一多个体混联的动力电池组分布式模型。
2.如权利要求1所述的一种非均一多个体混联的动力电池组分布式模型建立系统,其特征是:所述动力电池组,包括m并n串的动力电池单体,且电池单体材料相同。
3.如权利要求1所述的一种非均一多个体混联的动力电池组分布式模型建立系统,其特征是:所述充放电测试单元,包括最大可用容量及内阻测试、复合脉冲充放电测试、HPPC充放电测试、脉冲充放电、不同倍率充放电测试、DST动态特性测试、UDDS测试和多段脉冲放电测试模块。
4.如权利要求1所述的一种非均一多个体混联的动力电池组分布式模型建立系统,其特征是:所述测试参数具体包括动力电池组的输出电压、输出电流、电池单体端电压、单体电流和温度的基本数据以及内阻、单体容量、单体SOC、自放电率和库伦效率的过程数据。
5.如权利要求1所述的一种非均一多个体混联的动力电池组分布式模型建立系统,其特征是:所述控制单元,根据测试参数对电池参数的分布式特征进行概率统计与数据分析,得到电池参数的正态分布规律和一致性评价体系。
6.一种非均一多个体混联的动力电池组分布式模型的建模方法,其特征是:具体包括:
(1)针对研究对象动力电池组的具体类别,选取代表性动力电池单体;
(2)对动力电池单体进行充放电测试,采集动力电池组的过程数据和基本数据;
(3)根据测试得到的数据和采用的电池单体模型,运用数理统计方法分析电池参数分布式规律和一致性评价体系;
(4)忽略外界影响因素,分析电池模型参数的分布规律;
(5)考虑外界因素的影响,分析电池单体模型参数的分布规律对电池组模型参数分布规律的耦合影响关系,获得电池参数一致性统计规律;
(6)考虑电池单体之间的不一致性,建立电池单体并联模型,进而考虑电池单体并联模块串联时的不一致性问题,基于获得的电池参数一致性统计规律,建立非均一多个体混联的动力电池组分布式模型。
7.如权利要求6所述的一种非均一多个体混联的动力电池组分布式模型的建模方法,其特征是:所述步骤(2)中,对动力电池单体进行充放电测试,包括最大可用容量及内阻测试、复合脉冲充放电测试、HPPC充放电测试、脉冲充放电、不同倍率充放电测试、DST动态特性测试、UDDS测试和多段脉冲放电测试,通过电池组充放电测试,获取电池测试的基本数据,包括电池组的输出电压、输出电流、电池单体端电压和温度,以及内阻、单体容量、单体SOC、自放电率和库伦效率的过程数据。
8.如权利要求6所述的一种非均一多个体混联的动力电池组分布式模型的建模方法,其特征是:所述步骤(3)中,通过脉冲放电实验,得到电池单体电压的响应曲线,计算脉冲放电过程中电池的端电压,结合电池单体的测试参数,分析不同SOC下电池模型不同参数的正态分布,得到动力电池的参数分布式规律和建立电池的一致性评价体系。
9.如权利要求6所述的一种非均一多个体混联的动力电池组分布式模型的建模方法,其特征是:所述步骤(4)中,根据电池单体的参数分布规律,进行确信度检验,确认控制参数或策略。
10.如权利要求6所述的一种非均一多个体混联的动力电池组分布式模型的建模方法,其特征是:所述步骤(5)中,若影响某一随机变量的随机因素很多,且这些因素的影响又可叠加,但每个因素独自的影响都不能起决定性作用,则该随机变量服从正态分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610347929.0A CN106021738B (zh) | 2016-05-23 | 2016-05-23 | 非均一多个体混联的电池组分布式模型建立系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610347929.0A CN106021738B (zh) | 2016-05-23 | 2016-05-23 | 非均一多个体混联的电池组分布式模型建立系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106021738A CN106021738A (zh) | 2016-10-12 |
CN106021738B true CN106021738B (zh) | 2019-03-19 |
Family
ID=57093528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610347929.0A Active CN106021738B (zh) | 2016-05-23 | 2016-05-23 | 非均一多个体混联的电池组分布式模型建立系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106021738B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291392B (zh) * | 2016-10-28 | 2019-04-05 | 北京机械设备研究所 | 一种电池动态特性测试方法及装置 |
CN109212427A (zh) * | 2017-07-09 | 2019-01-15 | 深圳格林德能源有限公司 | 一种聚合物锂离子电池自放电筛选工艺 |
CN108387847B (zh) * | 2018-02-28 | 2020-05-29 | 长沙优力电驱动系统有限公司 | 充电电池充放电测试方法、计算机设备和存储介质 |
CN109031145B (zh) * | 2018-08-10 | 2020-12-11 | 山东大学 | 一种考虑不一致性的串并联电池组模型及实现方法 |
CN109633473B (zh) * | 2019-01-23 | 2021-03-09 | 刘平 | 一种分布式电池组荷电状态估计算法 |
CN110261779B (zh) * | 2019-06-25 | 2021-07-27 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
CN110579716B (zh) * | 2019-10-22 | 2022-06-03 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池检测方法及装置 |
CN111948545B (zh) * | 2020-07-31 | 2021-05-11 | 中国汽车工程研究院股份有限公司 | 动力电池电压特性的图形化表示及电压异常单体识别方法 |
CN112986830A (zh) * | 2021-04-22 | 2021-06-18 | 湖北工业大学 | 一种基于卷积时间记忆神经网络的锂电池容量估计方法 |
CN113343626A (zh) * | 2021-05-31 | 2021-09-03 | 北方工业大学 | 磷酸铁锂电池集成电池包编组方法 |
CN116087782B (zh) * | 2022-11-09 | 2024-02-02 | 苏州首帆电子科技有限公司 | 一种汽车电池故障预警方法、系统、装置及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7098666B2 (en) * | 2004-07-28 | 2006-08-29 | Motorola, Inc. | Method and system for battery state of charge estimation by using measured changes in voltage |
CN103632018B (zh) * | 2013-12-24 | 2016-06-22 | 山东大学 | 一种基于Simscape平台的电池建模方法 |
CN104931893B (zh) * | 2015-06-30 | 2018-02-13 | 上海交通大学 | 适于参数不一致性明显的大规模电池组建模方法 |
-
2016
- 2016-05-23 CN CN201610347929.0A patent/CN106021738B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106021738A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021738B (zh) | 非均一多个体混联的电池组分布式模型建立系统及方法 | |
CN104392080B (zh) | 一种锂电池分数阶变阶等效电路模型及其辨识方法 | |
US11526639B2 (en) | Fractional-order KiBaM battery model considering nonlinear capacity characteristics and parameter identification method | |
CN103926538B (zh) | 基于aic准则的变阶数rc等效电路模型及实现方法 | |
CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
Stroe et al. | Accelerated lifetime testing methodology for lifetime estimation of lithium-ion batteries used in augmented wind power plants | |
CN103632018B (zh) | 一种基于Simscape平台的电池建模方法 | |
CN108846227B (zh) | 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法 | |
Huria et al. | Simplified extended kalman filter observer for soc estimation of commercial power-oriented lfp lithium battery cells | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN107255787B (zh) | 基于信息熵的电池组不一致性综合评价方法及系统 | |
Xie et al. | State of charge estimation of lithium-ion battery based on extended Kalman filter algorithm | |
CN106872901B (zh) | KiBaM-分数阶等效电路综合特征电池模型及参数辨识方法 | |
CN110389302A (zh) | 一种锂离子电池组单体间一致性评价方法 | |
CN102967831B (zh) | 一种铅酸蓄电池性能在线检测系统及检测方法 | |
Jiang et al. | Modeling charge polarization voltage for large lithium-ion batteries in electric vehicles | |
CN106033114A (zh) | 一种储能电池健康状态评估方法 | |
Kumar et al. | Advanced battery management system using MATLAB/Simulink | |
Plakhtii et al. | The analysis of mathematical models of charge-discharge characteristics in lithium-ion batteries | |
CN109346787A (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
Ceylan et al. | A novel Lithium-Ion-Polymer battery model for hybrid/electric vehicles | |
Pebriyanti | A lithium-ion battery modeling for a HIL-battery simulator | |
Zhai et al. | The application of the EIS in Li-ion batteries measurement | |
Vyroubal et al. | 3D Modelling and study of electrochemical characteristics and thermal stability of commercial accumulator by simulation methods | |
Arumugam et al. | Comparative Analysis and Validation of Basic Battery Models for Electric Vehicles Applications |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20161012 Assignee: WINDSUN SCIENCE & TECHNOLOGY Co.,Ltd. Assignor: SHANDONG University Contract record no.: X2022980012077 Denomination of invention: A system and method for establishing a distributed model of a battery pack with non-uniform multi-body hybrid connection Granted publication date: 20190319 License type: Common License Record date: 20220809 |
|
EE01 | Entry into force of recordation of patent licensing contract |