CN106569136B - 一种电池健康状态在线估计方法及系统 - Google Patents
一种电池健康状态在线估计方法及系统 Download PDFInfo
- Publication number
- CN106569136B CN106569136B CN201610913062.0A CN201610913062A CN106569136B CN 106569136 B CN106569136 B CN 106569136B CN 201610913062 A CN201610913062 A CN 201610913062A CN 106569136 B CN106569136 B CN 106569136B
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- value
- linear model
- capacity
- 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
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
Abstract
本发明公开了一种电池健康状态在线估计方法及系统,方法包括:根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值。本发明具有代价小、复杂度低和一致性较好的优点,可广泛应用于电池管理领域。
Description
技术领域
本发明涉及电池管理领域,尤其是一种电池健康状态在线估计方法及系统。
背景技术
截止至2009年,全球61.7%的石油资源被消耗于交通领域,为了在保护保护环境的同时节省石油资源,电动汽车得到了迅速的发展。作为电动汽车唯一的动力源,动力电池组的造价达到了电动汽车总价的30%~50%。在电池的长期使用过程中,电池维护的决策能力直接决定了电池维护的速度和代价,而电池SOH(state of health,健康状态)作为影响电池维护决策能力的重要指标,其在线估计有着重要的意义。
电池是一种带有复杂物理和化学变化的,强耦合、高度非线性系统,其老化机制复杂,至今在学术界尚未达成统一认识。对电池SOH的估计,尤其是电池老化程度的估计也是电池管理系统中的难点和关键环节。现有的工程实际使用的SOH估计方法大多采用在定期维护时对电池数据进行重新标定的方式,其维护代价较高,维护频率也较高;而学术上使用的SOH方法大多基于电池内部的电化学反应机理,或者利用复杂的非线性模型与判据来估计电池SOH,这些方法复杂度较高且算法性能会随着单体电池的种类不同而变化较大,不仅不适合在线使用,而且一致性较差。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种代价小、复杂度低和一致性较好的电池健康状态在线估计方法。
本发明的另一目的在于:提供一种代价小、复杂度低和一致性较好的电池健康状态在线估计系统。
本发明所采取的技术方案是:
一种电池健康状态在线估计方法,包括以下步骤:
S1、根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;
S2、根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值。
进一步,所述步骤S1包括:
S11、根据电池的循环老化实验测试数据得到参考电压点V1,然后在参考电压点附近选取两个电压V1+和V1-;
S12、获取电池在开路电压或恒流工况下的端电压从V1+变化到V1-这一过程电池内容量的变化值,然后对获取的变化值进行滤波,并将滤波后的变化值记录为CT;
S13、将电池的实际容量记录为CA,建立电池容量的线性模型,所述电池容量的线性模型的表达式为:CA=a*CT+b,其中,a和b分别为线性模型的斜率和截距,a和b的识别方法包括但不限于最小二乘拟合法。
进一步,所述步骤S11包括:
S111、获取若干电池的循环老化实验测试数据;
S112、根据获取的数据计算在每一次循环中充电或放电时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值数据最大值出现的时刻;
S113、以步骤S112记录的时刻所对应的电池的开路电压或恒流工况下的端电压作为参考电压点V1,然后在参考电压点V1附近选取两个电压V1+和V1-,所述电压V1+或V1-与V1的距离小于设定的距离阈值。
进一步,所述步骤S2包括:
S21、根据电池容量的线性模型在实际使用中综合采用电流积分法、滤波法和一阶差分法来估计当前电池的可用容量;
S22、将当前电池的可用容量除以数据手册上的电池标称容量,得到当前电池健康状态的估计值;
S23、根据当前电池健康状态的估计值在线获取电池的健康状态。
进一步,所述步骤S21包括:
S211、采用电流积分法连续地获取电池在设定时间段内的电量变化值;
S212、记录步骤S211中电池在设定时间段的起始时刻与结束时刻的电池开路电压差或恒流工况下的端电压差,然后将步骤S211获取的电量变化值与该电压差作商并记录;
S213、对步骤S212获取的商进行滤波;
S214、对滤波后的商进行一阶差分,并记录该一阶差分值经过零点时对应的时刻;
S215、将步骤S214记录的时刻所对应的电池开路电压或恒流工况下的端电压记录为V1’,并在V1’附近选取两个电压V1+’和V1-’,所述电压V1+’或V1-’与V1’的距离小于设定的距离阈值,且电压V1+’和V1-’的取值方法与电压V1+和V1-的取值方法相同;
S216、获取电池在开路电压或恒流工况下的端电压从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的变化值记录为CT’;
S217、根据电池容量的线性模型以及CT’,估计当前电池的可用容量CA’,所述当前电池的可用容量CA’的表达式为:CA’=a*CT’+b。
本发明所采取的另一技术方案是:
一种电池健康状态在线估计系统,包括以下模块:
线性模型构建模块,用于根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;
电池健康状态估计模块,用于根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值。
进一步,所述线性模型构建模块包括:
电压点获取单元,用于根据电池的循环老化实验测试数据得到参考电压点V1,然后在参考电压点附近选取两个电压V1+和V1-;
电池内容量变化值获取单元,用于获取电池在开路电压或恒流工况下的端电压从V1+变化到V1-这一过程电池内容量的变化值,然后对获取的变化值进行滤波,并将滤波后的变化值记录为CT;
线性模型构建单元,用于将电池的实际容量记录为CA,建立电池容量的线性模型,所述电池容量的线性模型的表达式为:CA=a*CT+b,其中,a和b分别为线性模型的斜率和截距,a和b的识别方法包括但不限于最小二乘拟合法。
进一步,所述电压点获取单元包括:
测试数据获取子单元,用于获取若干电池的循环老化实验测试数据;
比值数据获取子单元,用于根据获取的数据计算在每一次循环中充电或放电时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值数据最大值出现的时刻;
电压点获取子单元,用于以比值数据获取子单元记录的时刻所对应的电池的开路电压或恒流工况下的端电压作为参考电压点V1,然后在参考电压点V1附近选取两个电压V1+和V1-,所述电压V1+或V1-与V1的距离小于设定的距离阈值。
进一步,所述电池健康状态估计模块包括:
电池可用容量估计单元,用于根据电池容量的线性模型在实际使用中综合采用电流积分法、滤波法和一阶差分法来估计当前电池的可用容量;
估计值计算单元,用于将当前电池的可用容量除以数据手册上的电池标称容量,得到当前电池健康状态的估计值。
进一步,所述电池可用容量估计单元包括:
电流积分法处理子单元,用于采用电流积分法连续地获取电池在设定时间段内的电量变化值;
差商子单元,用于记录电流积分法处理子单元中电池在设定时间段的起始时刻与结束时刻的电池开路电压差或恒流工况下的端电压差,然后将电流积分法处理子单元获取的电量变化值与该电压差作商并记录;
滤波子单元,用于对差商子单元获取的商进行滤波;
一阶差分子单元,用于对滤波后的商进行一阶差分,并记录该一阶差分值经过零点时对应的时刻;
电压选取子单元,用于将一阶差分子单元记录的时刻所对应的电池开路电压或恒流工况下的端电压记录为V1’,并在V1’附近选取两个电压V1+’和V1-’,所述电压V1+’或V1-’与V1’的距离小于设定的距离阈值,且电压V1+’和V1-’的取值方法与电压V1+和V1-的取值方法相同;
变化值获取子单元,用于获取电池在开路电压或恒流工况下的端电压从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的变化值记录为CT’;
可用容量估计子单元,用于根据电池容量的线性模型以及CT’,估计当前电池的可用容量CA’,所述当前电池的可用容量CA’的表达式为:CA’=a*CT’+b。
本发明的方法的有益效果是:根据电池的循环老化实验测试数据以电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压作为参考电压点,然后根据该参考电压点附近的固定的小幅电压变化所带来的电池内电量变化与电池当前的可用容量来构建线性模型,从而估计出当前电池的可用容量,最后再根据电池健康状态的定义来确定电池健康状态,充分利用了电池充放电过程中电压曲线的特性来直接在线估计电池健康状态,代价小,算法复杂度低;根据电池容量的线性模型进行电池健康状态评估,线性性好,且算法性能随单体电池的种类不同而变化较小,一致性较好。
本发明的系统的有益效果是:在线性模型构建模块中根据电池的循环老化实验测试数据以电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压作为参考电压点,然后根据该参考电压点附近的固定的小幅电压变化所带来的电池内电量变化与电池当前的可用容量来构建线性模型,从而估计出当前电池的可用容量,最后再在电池健康状态估计模块中根据电池健康状态的定义来确定电池健康状态,充分利用了电池充放电过程中电压曲线的特性来直接在线估计电池健康状态,代价小,算法复杂度低;根据电池容量的线性模型进行电池健康状态评估,线性性好,且算法性能随单体电池的种类不同而变化较小,一致性较好。
附图说明
图1为本发明一种电池健康状态在线估计方法的整体流程图;
图2为实施例一在恒流工况下电池在循环老化过程中进行充电时电池容量变化率与端电压变化率的商与时间关系图;
图3为实施例一中电池的T-容量与电池实际容量的线性关系图;
图4为实施例一中电池容量估计的结果示意图。
具体实施方式
参照图1,一种电池健康状态在线估计方法,包括以下步骤:
S1、根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;
S2、根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值。
其中,当前电池健康状态的估计值实时反映了电池的健康状态,适合于在线获取使用。
进一步作为优选的实施方式,所述步骤S1包括:
S11、根据电池的循环老化实验测试数据得到参考电压点V1,然后在参考电压点附近选取两个电压V1+和V1-;
S12、获取电池在开路电压或恒流工况下的端电压从V1+变化到V1-这一过程电池内容量的变化值,然后对获取的变化值进行滤波,并将滤波后的变化值记录为CT;
S13、将电池的实际容量记录为CA,建立电池容量的线性模型,所述电池容量的线性模型的表达式为:CA=a*CT+b,其中,a和b分别为线性模型的斜率和截距,a和b的识别方法包括但不限于最小二乘拟合法。
进一步作为优选的实施方式,所述步骤S11包括:
S111、获取若干电池的循环老化实验测试数据;
S112、根据获取的数据计算在每一次循环中充电或放电时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值数据最大值出现的时刻;
S113、以步骤S112记录的时刻所对应的电池的开路电压或恒流工况下的端电压作为参考电压点V1,然后在参考电压点V1附近选取两个电压V1+和V1-,所述电压V1+或V1-与V1的距离小于设定的距离阈值。
进一步作为优选的实施方式,所述步骤S2包括:
S21、根据电池容量的线性模型在实际使用中综合采用电流积分法、滤波法和一阶差分法来估计当前电池的可用容量;
S22、将当前电池的可用容量除以数据手册上的电池标称容量,得到当前电池健康状态的估计值;
S23、根据当前电池健康状态的估计值在线获取电池的健康状态。
进一步作为优选的实施方式,所述步骤S21包括:
S211、采用电流积分法连续地获取电池在设定时间段内的电量变化值;
S212、记录步骤S211中电池在设定时间段的起始时刻与结束时刻的电池开路电压差或恒流工况下的端电压差,然后将步骤S211获取的电量变化值与该电压差作商并记录;
S213、对步骤S212获取的商进行滤波;
S214、对滤波后的商进行一阶差分,并记录该一阶差分值经过零点时对应的时刻;
S215、将步骤S214记录的时刻所对应的电池开路电压或恒流工况下的端电压记录为V1’,并在V1’附近选取两个电压V1+’和V1-’,所述电压V1+’或V1-’与V1’的距离小于设定的距离阈值,且电压V1+’和V1-’的取值方法与电压V1+和V1-的取值方法相同;
S216、获取电池在开路电压或恒流工况下的端电压从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的变化值记录为CT’;
S217、根据电池容量的线性模型以及CT’,估计当前电池的可用容量CA’,所述当前电池的可用容量CA’的表达式为:CA’=a*CT’+b。
参照图1,一种电池健康状态在线估计系统,包括以下模块:
线性模型构建模块,用于根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;
电池健康状态估计模块,用于根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值。
进一步作为优选的实施方式,所述线性模型构建模块包括:
电压点获取单元,用于根据电池的循环老化实验测试数据得到参考电压点V1,然后在参考电压点附近选取两个电压V1+和V1-;
电池内容量变化值获取单元,用于获取电池在开路电压或恒流工况下的端电压从V1+变化到V1-这一过程电池内容量的变化值,然后对获取的变化值进行滤波,并将滤波后的变化值记录为CT;
线性模型构建单元,用于将电池的实际容量记录为CA,建立电池容量的线性模型,所述电池容量的线性模型的表达式为:CA=a*CT+b,其中,a和b分别为线性模型的斜率和截距,a和b的识别方法包括但不限于最小二乘拟合法。
进一步作为优选的实施方式,所述电压点获取单元包括:
测试数据获取子单元,用于获取若干电池的循环老化实验测试数据;
比值数据获取子单元,用于根据获取的数据计算在每一次循环中充电或放电时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值数据最大值出现的时刻;
电压点获取子单元,用于以比值数据获取子单元记录的时刻所对应的电池的开路电压或恒流工况下的端电压作为参考电压点V1,然后在参考电压点V1附近选取两个电压V1+和V1-,所述电压V1+或V1-与V1的距离小于设定的距离阈值。
进一步作为优选的实施方式,所述电池健康状态估计模块包括:
电池可用容量估计单元,用于根据电池容量的线性模型在实际使用中综合采用电流积分法、滤波法和一阶差分法来估计当前电池的可用容量;
估计值计算单元,用于将当前电池的可用容量除以数据手册上的电池标称容量,得到当前电池健康状态的估计值。
进一步作为优选的实施方式,所述电池可用容量估计单元包括:
电流积分法处理子单元,用于采用电流积分法连续地获取电池在设定时间段内的电量变化值;
差商子单元,用于记录电流积分法处理子单元中电池在设定时间段的起始时刻与结束时刻的电池开路电压差或恒流工况下的端电压差,然后将电流积分法处理子单元获取的电量变化值与该电压差作商并记录;
滤波子单元,用于对差商子单元获取的商进行滤波;
一阶差分子单元,用于对滤波后的商进行一阶差分,并记录该一阶差分值经过零点时对应的时刻;
电压选取子单元,用于将一阶差分子单元记录的时刻所对应的电池开路电压或恒流工况下的端电压记录为V1’,并在V1’附近选取两个电压V1+’和V1-’,所述电压V1+’或V1-’与V1’的距离小于设定的距离阈值,且电压V1+’和V1-’的取值方法与电压V1+和V1-的取值方法相同;
变化值获取子单元,用于获取电池在开路电压或恒流工况下的端电压从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的变化值记录为CT’;
可用容量估计子单元,用于根据电池容量的线性模型以及CT’,估计当前电池的可用容量CA’,所述当前电池的可用容量CA’的表达式为:CA’=a*CT’+b。
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。
实施例一
针对现有电池SOH估计方法代价大、复杂度高和一致性较差的问题,本发明提出了一种易于在线实现的电池健康状态(即SOH)估计方法,通过电池充放电过程中电压曲线的特性,直接判别电池SOH。本发明将电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压作为参考电压点,根据该参考电压点附近的固定的小幅电压变化所带来的电池内电量变化与电池当前可用容量来构建线性模型,从而估计电池可用容量,再根据定义来确定电池SOH。利用本发明的方法,可以有效地估计电池的健康状态,且本发明的方法复杂度很低,线性性好,算法性能随单体电池的变化很小。
本发明一种易于在线实现的电池健康状态估计方法具体包括如下步骤:
步骤 1:建立电池容量的线性模型。
该步骤可进一步划分为以下步骤:
步骤 1-1:获取若干电池的循环老化实验测试数据。优选地,本实施例的测试数据选用了10块25Ah的不同老化程度的磷酸铁锂电池测试数据集。
步骤 1-2:计算在每一次循环中充电(或放电)时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值最大值出现的时刻。本实施例选择了恒流充电工况的端电压来近似开路电压,其结果如图2所示。
步骤 1-3:将步骤 1-2中获取的时刻对应的电池的开路电压(或恒流工况下的端电压)记录为V1,在V1附近选取两个电压V1+和V1-。其中,电压V1+或V1-与V1的距离小于设定的距离阈值。优选地,设定的距离阈值为0.075V,则有:V1+ = V1 + 0.075V;V1- = V1 - 0.075V。
步骤 1-4:获取电池在开路电压(或恒流工况下的端电压)从V1+变化到V1-这一过程电池内容量的变化值,并经滤波后记录为CT。优选地,本实施例采用了恒流充电工况的端电压,并采用标准卡尔曼滤波对容量变化值数据进行滤波。
步骤 1-5:将电池实际容量记录为CA,建立电池容量的线性模型:CA=a*CT+b。优选地,本实施例采用了最小二乘拟合的方法来识别该线性模型的参数a和b,其结果如图3所示,其中,T-容量是指CT。而利用本发明所提出的方法,对不同电池拟合出的参数a和b具有很高的一致性,具体结果如图4所示。
步骤 2:根据电池容量的线性模型在实际使用中在线获取电池的健康状态。
该步骤又可进一步细分为以下步骤:
步骤 2-1:利用电流积分法连续地获取电池在一小段时间(比如1分钟)内的电量变化值。
步骤 2-2:记录步骤 2-1中电池在所述的一小段时间的起始和结束时刻的电池开路电压差(如果是恒流工况,只需要记录其端电压差),将步骤 2-1中获取的电量变化值与该电压差(即开路电压差或端电压差)作商并记录。
步骤 2-3:对步骤 2-2获取的数据进行滤波,以去除噪声。优选地,本实施例采用了标准卡尔曼滤波的方法对数据进行滤波。
步骤 2-4:对步骤 2-3的结果进行一阶差分,并记录该一阶差分值经过零点时的当前时刻。
步骤 2-5:将步骤 2-4中记录的时刻所对应的电池开路电压(或恒流工况下的端电压)记录为 V1’,并按照与步骤 1-3相同的方法获取V1’附近的两个电压V1+’和V1-’。
步骤 2-6:获取电池在开路电压(或恒流工况下的端电压)从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的该变化值记录为CT’。
步骤 2-7:利用步骤 1-5的结果(即线性模型的参数a和b)以及CT’,来估计当前电池的可用容量CA’:CA’=a*CT’+b。
步骤 2-8:将当前电池的可用容量CA’与数据手册上的电池标称容量作商,得到当前电池SOH的估计值。当前电池SOH的估计值在实际使用中实时反映了电池的健康状态。
与现有技术相比,本发明的方法可以用很低的计算代价来实现高精度的SOH估计,且该方法的线性性很好,并在不同电池间的一致性表现很好,适合于大规模使用。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种电池健康状态在线估计方法,其特征在于:包括以下步骤:
S1、根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;
S2、根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值;
所述步骤S1包括:
S11、根据电池的循环老化实验测试数据得到参考电压点V1,然后在参考电压点附近选取两个电压V1+和V1-;
S12、获取电池在开路电压或恒流工况下的端电压从V1+变化到V1-这一过程电池内容量的变化值,然后对获取的变化值进行滤波,并将滤波后的变化值记录为CT;
S13、将电池的实际容量记录为CA,建立电池容量的线性模型,所述电池容量的线性模型的表达式为:CA=a*CT+b,其中,a和b分别为线性模型的斜率和截距,a和b的识别方法包括但不限于最小二乘拟合法;
所述步骤S11包括:
S111、获取若干电池的循环老化实验测试数据;
S112、根据获取的数据计算在每一次循环中充电或放电时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值数据最大值出现的时刻;
S113、以步骤S112记录的时刻所对应的电池的开路电压或恒流工况下的端电压作为参考电压点V1,然后在参考电压点V1附近选取两个电压V1+和V1-,所述电压V1+或V1-与V1的距离小于设定的距离阈值。
2.根据权利要求1所述的一种电池健康状态在线估计方法,其特征在于:所述步骤S2包括:
S21、根据电池容量的线性模型在实际使用中综合采用电流积分法、滤波法和一阶差分法来估计当前电池的可用容量;
S22、将当前电池的可用容量除以数据手册上的电池标称容量,得到当前电池健康状态的估计值。
3.根据权利要求2所述的一种电池健康状态在线估计方法,其特征在于:所述步骤S21包括:
S211、采用电流积分法连续地获取电池在设定时间段内的电量变化值;
S212、记录步骤S211中电池在设定时间段的起始时刻与结束时刻的电池开路电压差或恒流工况下的端电压差,然后将步骤S211获取的电量变化值与该电压差作商并记录;
S213、对步骤S212获取的商进行滤波;
S214、对滤波后的商进行一阶差分,并记录该一阶差分值经过零点时对应的时刻;
S215、将步骤S214记录的时刻所对应的电池开路电压或恒流工况下的端电压记录为V1’,并在V1’附近选取两个电压V1+’和V1-’,所述电压V1+’或V1-’与V1’的距离小于设定的距离阈值,且电压V1+’和V1-’的取值方法与电压V1+和V1-的取值方法相同;
S216、获取电池在开路电压或恒流工况下的端电压从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的变化值记录为CT’;
S217、根据电池容量的线性模型以及CT’,估计当前电池的可用容量CA’,所述当前电池的可用容量CA’的表达式为:CA’=a*CT’+b。
4.一种电池健康状态在线估计系统,其特征在于:包括以下模块:
线性模型构建模块,用于根据电池的循环老化实验测试数据得到参考电压点,然后在参考电压点附近选取两个电压,并根据选取的这两个电压以及这两个电压间的电池内容量的变化来构建电池容量的线性模型,所述参考电压点为电池充放电过程中电池内电量变化与开路电压变化的比值的最大值处的电压点;
电池健康状态估计模块,用于根据电池容量的线性模型在实际使用中估计当前电池的可用容量,然后以估计的可用容量与电池标称容量的商作为当前电池健康状态的估计值;
所述线性模型构建模块包括:
电压点获取单元,用于根据电池的循环老化实验测试数据得到参考电压点V1,然后在参考电压点附近选取两个电压V1+和V1-;
电池内容量变化值获取单元,用于获取电池在开路电压或恒流工况下的端电压从V1+变化到V1-这一过程电池内容量的变化值,然后对获取的变化值进行滤波,并将滤波后的变化值记录为CT;
线性模型构建单元,用于将电池的实际容量记录为CA,建立电池容量的线性模型,所述电池容量的线性模型的表达式为:CA=a*CT+b,其中,a和b分别为线性模型的斜率和截距,a和b的识别方法包括但不限于最小二乘拟合法;
所述电压点获取单元包括:
测试数据获取子单元,用于获取若干电池的循环老化实验测试数据;
比值数据获取子单元,用于根据获取的数据计算在每一次循环中充电或放电时,电池内电量变化速率与开路电压变化速率的比值数据,并记录每一次循环中该比值数据最大值出现的时刻;
电压点获取子单元,用于以比值数据获取子单元记录的时刻所对应的电池的开路电压或恒流工况下的端电压作为参考电压点V1,然后在参考电压点V1附近选取两个电压V1+和V1-,所述电压V1+或V1-与V1的距离小于设定的距离阈值。
5.根据权利要求4所述的一种电池健康状态在线估计系统,其特征在于:所述电池健康状态估计模块包括:
电池可用容量估计单元,用于根据电池容量的线性模型在实际使用中综合采用电流积分法、滤波法和一阶差分法来估计当前电池的可用容量;
估计值计算单元,用于将当前电池的可用容量除以数据手册上的电池标称容量,得到当前电池健康状态的估计值。
6.根据权利要求5所述的一种电池健康状态在线估计系统,其特征在于:所述电池可用容量估计单元包括:
电流积分法处理子单元,用于采用电流积分法连续地获取电池在设定时间段内的电量变化值;
差商子单元,用于记录电流积分法处理子单元中电池在设定时间段的起始时刻与结束时刻的电池开路电压差或恒流工况下的端电压差,然后将电流积分法处理子单元获取的电量变化值与该电压差作商并记录;
滤波子单元,用于对差商子单元获取的商进行滤波;
一阶差分子单元,用于对滤波后的商进行一阶差分,并记录该一阶差分值经过零点时对应的时刻;
电压选取子单元,用于将一阶差分子单元记录的时刻所对应的电池开路电压或恒流工况下的端电压记录为V1’,并在V1’附近选取两个电压V1+’和V1-’,所述电压V1+’或V1-’与V1’的距离小于设定的距离阈值,且电压V1+’和V1-’的取值方法与电压V1+和V1-的取值方法相同;
变化值获取子单元,用于获取电池在开路电压或恒流工况下的端电压从V1+’变化到V1-’这一过程电池内容量的变化值,并将获取的变化值记录为CT’;
可用容量估计子单元,用于根据电池容量的线性模型以及CT’,估计当前电池的可用容量CA’,所述当前电池的可用容量CA’的表达式为:CA’=a*CT’+b。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610913062.0A CN106569136B (zh) | 2016-10-19 | 2016-10-19 | 一种电池健康状态在线估计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610913062.0A CN106569136B (zh) | 2016-10-19 | 2016-10-19 | 一种电池健康状态在线估计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106569136A CN106569136A (zh) | 2017-04-19 |
CN106569136B true CN106569136B (zh) | 2019-09-10 |
Family
ID=58533845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610913062.0A Active CN106569136B (zh) | 2016-10-19 | 2016-10-19 | 一种电池健康状态在线估计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106569136B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683104A (zh) * | 2017-10-12 | 2019-04-26 | 本田技研工业株式会社 | 电池状态推定方法以及电池状态推定装置 |
CN108008183B (zh) * | 2017-11-28 | 2021-01-15 | 深圳市路畅科技股份有限公司 | 一种电量测量方法、系统、设备及计算机存储介质 |
CN108169680A (zh) * | 2017-12-08 | 2018-06-15 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态评估方法、系统及电动车辆 |
CN108226805A (zh) * | 2018-01-18 | 2018-06-29 | 武汉理工大学 | 一种基于充电阶段的电池健康状态在线估计方法 |
CN109342960A (zh) * | 2018-07-30 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种预测梯次利用动力电池处于容量加速衰减阶段的方法及系统 |
CN109298348B (zh) * | 2018-11-30 | 2021-01-26 | 北京长城华冠汽车科技股份有限公司 | 电池的寿命估算方法 |
CN109633475A (zh) * | 2018-11-30 | 2019-04-16 | 天合光能股份有限公司 | 一种磷酸铁锂能量型电池寿命预估方法 |
FR3090117B1 (fr) * | 2018-12-17 | 2021-03-19 | Accumulateurs Fixes | Estimation du soh et estimation du soc d’un element electrochimique |
CN110133531B (zh) * | 2019-05-24 | 2020-08-21 | 上海钧正网络科技有限公司 | 一种电池监测方法、装置及电子设备 |
CN110728360B (zh) * | 2019-10-12 | 2020-07-03 | 联合微电子中心有限责任公司 | 一种基于bp神经网络的微能源器件能量识别方法 |
CN111178383A (zh) * | 2019-11-29 | 2020-05-19 | 合肥国轩高科动力能源有限公司 | 一种基于多核支持向量机的电池单体品质分类方法 |
CN111366864B (zh) * | 2020-03-19 | 2021-05-07 | 大连理工大学 | 一种基于固定压升区间的电池soh在线估计方法 |
CN113447827A (zh) * | 2020-03-24 | 2021-09-28 | 新普科技股份有限公司 | 电池老化评估方法 |
CN111308381A (zh) * | 2020-04-07 | 2020-06-19 | 国网江苏省电力有限公司苏州供电分公司 | 一种纯电动公交车动力电池健康状态评估方法 |
CN111610447A (zh) * | 2020-05-22 | 2020-09-01 | 上海理工大学 | 一种基于开路电压的电池容量估计方法 |
CN112213643B (zh) * | 2020-09-30 | 2023-06-23 | 蜂巢能源科技有限公司 | 电池初始容量、电池健康状态的预测方法、系统及设备 |
CN113030744B (zh) * | 2021-02-24 | 2022-06-28 | 上海交通大学 | 基于健康因子提取的电池健康状况预测方法、系统及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635163A (zh) * | 2015-01-21 | 2015-05-20 | 广州市香港科大霍英东研究院 | 一种电动车电池组soh在线估算预警方法 |
CN104813534A (zh) * | 2012-11-30 | 2015-07-29 | 株式会社杰士汤浅国际 | 蓄电元件的性能降低探测装置、性能降低探测方法及蓄电系统 |
CN105548900A (zh) * | 2016-01-07 | 2016-05-04 | 北京北交新能科技有限公司 | 一种轨道交通用动力电池健康状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10393813B2 (en) * | 2013-08-27 | 2019-08-27 | The Regents Of The University Of Michigan | On-board state of health monitoring of batteries using incremental capacity analysis |
-
2016
- 2016-10-19 CN CN201610913062.0A patent/CN106569136B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813534A (zh) * | 2012-11-30 | 2015-07-29 | 株式会社杰士汤浅国际 | 蓄电元件的性能降低探测装置、性能降低探测方法及蓄电系统 |
CN104635163A (zh) * | 2015-01-21 | 2015-05-20 | 广州市香港科大霍英东研究院 | 一种电动车电池组soh在线估算预警方法 |
CN105548900A (zh) * | 2016-01-07 | 2016-05-04 | 北京北交新能科技有限公司 | 一种轨道交通用动力电池健康状态评估方法 |
Non-Patent Citations (2)
Title |
---|
On-board state of health estimation of LiFePO4 battery pack through differential voltage analysis;Limei Wang et al.;《Applied Energy》;20160212;第168卷;第466页第2栏第3段-468页第2栏最后1段、470页第2栏倒数第2段-472页第1栏第1段 |
On-board state of health monitoring of lithium-ion batteries using incremental capacity analysis with support vector regression;Caihao Weng et al.;《Journal of Power Sources》;20130211;第235卷(第4期);第38页第1栏第1段-第41页第1栏第1段 |
Also Published As
Publication number | Publication date |
---|---|
CN106569136A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106569136B (zh) | 一种电池健康状态在线估计方法及系统 | |
CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
CN110208704A (zh) | 一种基于电压滞后效应的锂电池建模方法和系统 | |
CN101975927B (zh) | 一种估算锂离子动力电池组剩余可用容量的方法 | |
CN105319515B (zh) | 锂离子电池荷电状态和健康状态联合估算方法 | |
CN106130112B (zh) | 锂电池充、放电管理系统及方法 | |
CN110873841B (zh) | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 | |
CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
CN102937704A (zh) | 一种动力电池rc等效模型的辨识方法 | |
Goud et al. | An online method of estimating state of health of a Li-ion battery | |
CN104485474B (zh) | 一种基于一致性指标的纯电动汽车电池组匹配方法 | |
CN107831444A (zh) | 一种锂离子电池健康状态估计方法 | |
CN102831100A (zh) | 电池荷电状态估算方法及装置 | |
CN106338695A (zh) | 一种基于粒子群算法的电池模型参数辨识方法 | |
CN105093114A (zh) | 一种电池在线建模与荷电状态的联合估计方法及系统 | |
CN102565710A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
WO2023274194A1 (zh) | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 | |
Feng et al. | A graphical model for evaluating the status of series‐connected lithium‐ion battery pack | |
CN104698382A (zh) | 一种电池组的soc与soh的预测方法 | |
CN106772099A (zh) | 一种动力锂电池劣化程度估算方法 | |
CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
CN106443467A (zh) | 基于充电过程的锂离子电池充入电量建模方法与应用 | |
CN108732499A (zh) | 一种检测锂离子电池循环寿命的方法和系统 | |
CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 | |
CN103746148A (zh) | 一种铅酸动力电池自动管理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |