CN106597288A - 一种电源soc估算方法 - Google Patents
一种电源soc估算方法 Download PDFInfo
- Publication number
- CN106597288A CN106597288A CN201510682798.7A CN201510682798A CN106597288A CN 106597288 A CN106597288 A CN 106597288A CN 201510682798 A CN201510682798 A CN 201510682798A CN 106597288 A CN106597288 A CN 106597288A
- Authority
- CN
- China
- Prior art keywords
- power supply
- soc
- voltage
- battery
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000003068 static effect Effects 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 34
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 7
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 229910001416 lithium ion Inorganic materials 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000000205 computational method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical group [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000178 monomer Substances 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical class [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- KFDQGLPGKXUTMZ-UHFFFAOYSA-N [Mn].[Co].[Ni] Chemical compound [Mn].[Co].[Ni] KFDQGLPGKXUTMZ-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000010405 anode material Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005518 electrochemistry Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- -1 sodium (magnesium) ion Chemical class 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种电源SOC估算方法，检测当前时刻的电源的电压、温度和电流信息，与数据库进行比对，得到此时电源的SOC值；数据库是：SOC与工作环境温度、工作电流和电压的关系数据库。该方法中，只需采集到当前时刻的工作环境温度和工作电流，并检测出在当前状态下的电压值，然后根据电源的电压在不同的工作环境温度下和不同的工作电流下与SOC一一对应的数据库，检测值与该数据库进行比对，就可以得出此时电源的SOC值。该方法过程较为简单，只要得到电源此刻的电压、电流和环境温度即可，不需要计算，只通过比对就可以得到SOC值。
Description
技术领域
本发明涉及一种电源SOC估算方法。
背景技术
电源管理系统与电动汽车及动力电池结合在一起，目前电源管理系统的主要功能对电池进行电压，温度，电流采集，同时还进行漏电流，热管理，电池均衡管理，告警管理，估算电池的剩余容量，能够提供的最大放电功率及能够接受的最大回馈功率，实时报告电池的SOC状态、SOH状态及SOF状态，以及根据电池的电压，温度及输出功率来获取最大的行驶里程，通过CAN总线与车载总控制器，电机控制器，能量控制系统，车载显示系统进行实时通讯管理。
同时新能源汽车对电源管理系统提出了更高的要求，如电池电压与温度数据的高速采集；实施电池的高效率快速均衡，充分发挥电源系统的容量从而提升新能源汽车的行驶里程及电池系统的寿命，同时减少热量的产生；电池SOC与SOH的估算与显示；高可靠的通讯协议；电源系统的安全可靠性管理；高抗电磁干扰能力。
在满足以上要求的同时，对于电源管理系统(BMS)而言，电池SOC状态的计算成为当前应用层面技术难点多的问题，其还存在关键参数可靠性差、精度误差大等问题，同时电源管理系统在应用过程中存在电源系统的构成单元过程SOC状态无法在线、实时监测，无法对电源系统的所有构成单元进行全部监测与采集，同时SOC的估算精度差，随着使用时间延长，SOC精度误差会进一步加大。比如在电动汽车的行驶过程中，电源管理系统显示的SOC的状态在小于或者等于50％时，显示值与电源系统实际SOC值存在很大的差异，会给驾驶者造成行驶里程上的假象，如果继续行程则可能会导致“趴窝”得现象。
由于现有电源管理系统无法准确的检测到电源系统的构成单元的SOC值，无法实时在线检测构成单元的实际状态。由于SOC的估算精度差与SOC估算精度误差增大的原因，在电源使用过程中很容易造成过充、过放等现象，更严重的由于电源管理系统的SOC状态值不准确而引起的电源系统的构成单元漏液、鼓包，甚至起火、爆炸等安全事故。
现有比较常见的SOC计算方法与其存在的优缺点如下：
1)安时积分法：
方法概要：通过累计充放电过程中的电量来估算；
优点：简单；能够在初始阶段内准确的估算SOC；
缺点：开环预测；SOC的初始值无法确定；估算的累计误差越来越大；没有考虑温度影响因素；没有考虑电池自放电的影响因素。
2)开路电压(OCV)法：
方法概要：通过描述不同电流下的OCV-SOC的关系曲线；
优点：简单易行；
缺点：电池前一时刻的充放电状态对SOC的估算影响很大；没有考虑温度变化对SOC的影响；电池需要搁置很长的时间；无法满足在线监测。
3)阻抗法：
方法概要：通过不同频率的交流电来激励电池，测量电池内部的交流阻抗；
优点：仅仅能够反映特定条件下的SOC值；
缺点：SOC与阻抗的关系复杂；传统的数学建模方法很难实现；影响阻抗的非线性因素影响很多(比如电流、温度……)；在SOC大于一定值时候，其本身阻抗的变化很小；阻抗不仅有电池本身电化学决定，同时也受电池本身的设计影响；阻抗测量的重现性很差。
4)卡尔曼滤波法：
方法概要：通过系统的输入与输出建立动态模型系统，建立状态方程与测量方程；
优点：解决SOC初始值估算不准；解决SOC估算过程中的累计误差；
缺点：对电池模型的依赖性很强；模型的不准确性和误差能够导致很大的SOC误差；对系统处理器的要求很高。
5)神经网络法：
方法概要：神经网络可以得到任何输入与输出的关系；
优点：在建好的网络模型的前提下，依靠大量的样本数据进行数据训练可以得到很好的估算精度；
缺点：局部极小的问题会影响系统的控制精度，学习速度慢，训练时间长；理想的训练样品很难提取；网络结构不易优化，隐层节点数目的提取存在盲目性；对训练方法和训练数据的依赖性很大。
除了上述比较常见的SOC计算方法外，申请号为201210317965.4，发明名称为“一种电池组SOH在线估算方法”的中国专利申请中，在其公开的技术方案中公开了一种电池组的SOC的计算方法，首先测量汽车在实际运行时的温度、电压、电流，利用归一化算法得出函数：SOC＝f(T、V、I)，建立温度、电压、电流和SOC之间的数据库，然后利用这个数据库计算SOC值。该方法能够有效地计算电池的SOC值，其需要测量电池在实际使用时的温度、电压、电流参数，然后通过一定算法得出必要的函数。首先，在电池使用时，需要对电池进行参数的测量，需要知道在不同温度、不同电流和不同的电压值，因为每种参数在不同的情况下都有很多数值，所以采集和检测都比较繁琐。并且，在电池的整个使用过程中，由于实际情况，需要不止一次掌握不同时刻电池的SOC值，如果每次SOC估算都进行上述检测，在电池的整个使用寿命中，仅SOC估算这一项就无疑是一个很巨大的工程。
发明内容
本发明的目的是提供一种电源SOC估算方法，用以解决现有的电源SOC计算方法的过程较为繁琐的问题。
为实现上述目的，本发明的方案包括：一种电源SOC估算方法，检测当前时刻的电源的电压、温度和电流信息，与数据库进行比对，得到此时电源的SOC值；所述数据库的建立方法为：
当电源在静态状态下，首先设置若干个工作环境温度；然后检测在每个工作环境温度下电源的电压与SOC的关系；最后建立不同的工作环境温度下电压与SOC的一一对应的曲线；
当电源在动态状态下、且当电源进行充电测试时：首先设置若干个工作环境温度值和工作电流值；然后检测当电流值确定时，每个工作环境温度值下电源的充电电压与SOC的关系，和当工作环境温度值确定时，每个电流值下电源的充电电压与SOC的关系；最后建立不同工作环境温度下电源的充电电压与SOC一一对应的曲线，和不同工作电流下电源的充电电压与SOC一一对应的曲线；
当电源在动态状态下、且当电源进行放电测试时：首先设置若干个工作环境温度值和工作电流值，然后检测当电流值确定时，每个工作环境温度值下电源的放电电压与SOC的关系，和当工作环境温度值确定时，每个电流值下电源的放电电压与SOC的关系；最后建立不同工作环境温度下电源的放电电压与SOC一一对应的曲线，和不同工作电流下电源的放电电压与SOC一一对应的曲线。
所述电源的状态分为静态状态和动态状态；当电源在静态状态下，检测当前时刻的电源的温度和电压信息，与所述数据进行比对，得到此时电源的SOC值；当电源在动态状态下，首先确定电源是充电状态还是放电状态，然后检测当前时刻的电源的电压、温度和电流信息，与所述数据库进行比对，得到此时电源的SOC值。
所述数据库是电源在BOL状态下建立的。
所述数据库中的所述工作环境温度的范围为：-60℃-+120℃，温度步长为1℃-10℃；所述工作电流的范围为-200C-+200C。
本发明提供的SOC估算方法避开了安时积分过程中产生的累计误差、神经网络估算方法的繁琐的迭代计算与大量数据的积累与自学习产生的误差及不准确性、内阻测试方法的重现性差及影响因素多以及其他估算方法的固有缺点。
本发明的SOC估算方法无需对电源进行初始化充放电容量校正，只需根据电压与SOC值一一对应的数据库，就能够完成电源SOC的估算。另外，数据库是电源的电压在不同的工作环境温度下和不同的工作电流下与SOC一一对应的数据库，在之后的电源使用过程中，如果需要获取电源的SOC信息，此时只需采集到当前时刻的工作环境温度和工作电流，并检测出在当前状态下的电压值，然后与之前建立的数据库进行比对，就可以得出此时电源的SOC值。
本发明只需采集相应的参数值，利用已经存在的数据库，就可以得出相应的SOC值，而背景技术中的SOC计算方法是采集实际使用时的电源的参数，然后通过相应的算法临时计算一定的函数来得出数据库，本发明较背景技术中的技术方案来说，技术方案得到了大幅度的简化，不需要在想要得到SOC值时临时获取数据库，只需采集相应的参数信息，与数据库中的信息进行比对，即可得到SOC值。本发明省去了复杂的计算，由于对比相对于计算来说出现误差的可能性较低，所以，本发明提供的SOC估算方法的准确性和可靠性得到了很大程度地提高。
附图说明
图1是数据库建立的流程图；
图2是电池在不同电流状态下的充电曲线；
图3是电池在不同温度状态下的充电曲线；
图4是电池在不同电流状态下的放电曲线；
图5是电池在不同温度状态下的放电曲线；
图6是电池在静态状态下电压与SOC的关系图；
图7是电池SOC估算的流程图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
锂离子电池采用商品化的正极材料镍钴锰系列，负极材料为石墨系列，按照工艺流程及相关品质控制计划，完成锂离子电池(标称容量为30Ah)的电池制作，化成及后续老化挑选工序，以便后续测试、分析使用。
锂离子电池的使用状态分为两种状态模式，一种是使用状态，即为电池的动态状态，此时电池的电压为动态电压CCV(Close Circuit Voltage)；另一种是搁置状态，即为电池的静态状态，此时电池的电压为静态电压OCV(OpenCircuit Voltage)。
检测当前时刻的电池的电压、温度和电流信息，与已经得到的数据库进行比对，得到电池的SOC值。数据库为：电池的电压在不同温度特性及不同的电流特性下与其本身的SOC值一一对应的数据库。
这里的数据库是在该估算方法之前已经建立好的，在估算的时候直接利用就可以，下面给出一个数据库的建立方法。
该数据库是在电池的初始状态下(BOL)建立的，在这种状态下，电池分为动态状态(也称工作状态或者CCV状态)和静态状态(也称休息状态或者OCV状态。如图1所示，当电池在动态状态下时，在BOL状态下对电池的动态原始数据进行提取101：
由于电池在使用时分为充电和放电，所以，动态状态分为充电过程和放电过程两种模式，根据具体的使用情况确定电池是在充电下，还是在放电情况下：
当电池在充电情况下，那么，在充电过程中对电池进行原始数据的提取102，在对电池的充电数据进行提取的过程中，过程条件选取范围为：充电电流的选取范围为：-200C-+200C(C为厂家提供的单体电池的标准容量)，电流的选取间隙为ΔI≤10C/A，作为优化方式，其最优值≤1C/A；单体电池的休息时间间隔≤24hrs，作为优化方式，其最优值≤2hrs；温度的选取范围：-60℃-+120℃，作为优化方式，最优值为-40℃-+60℃，测试过程中温度区间的选取，即温度步长ΔT≤10℃，作为优化方式，其最优值ΔT≤5℃；原始数据(包括温度采集、电流采集、电压采集)的数据采集间隔时间≤10min，作为优化方式，其最优值≤0.1Sec。上述过程条件选取的目的是为了增加电池CCV数据的连续性及CCV数据的可靠性，同时多方面考虑单体电池一致性对电池CCV数据的影响等等。上述给定的过程条件均是范围，其具体的取值可以按照实际需求或者按照所需精度进行确定。
通过选取不同的电流和温度完成电池在充电过程中的数据的提取，得到不同温度参数、不同电流参数下的充电原始数据及曲线，如图2和图3所示：当温度T一定时，得出在不同的电流下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(I，SOC)K或者SOC＝f(I，CCV)K；当电流I一定时，得出在不同的温度下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(T，SOC)K或者SOC＝f(T，CCV)K。综上可得，在电池充电过程中，不同温度下、不同电流参数的条件下，能够得出对应的CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC。即：CCVBOL＝X(I)K+Y(T)K+Z(SOCBOL)K，其中，K为计算因子。
同理，当电池在放电情况下，那么，在放电过程中对电池进行原始数据的提取103，在对电池的放电数据进行提取的过程中，过程条件的选取与上述对电池在充电时的过程条件的选取相同。通过选取不同的电流和温度完成电池在放电过程中的数据的提取，得到不同温度参数、不同电流参数下的放电原始数据及曲线，如图4和图5所示：当温度T一定时，得出在不同的电流下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(I，SOC)K或者SOC＝f(I，CCV)K；当电流I一定时，得出在不同的温度下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(T，SOC)K或者SOC＝f(T，CCV)K。综上可得，在电池放电过程中，不同温度下、不同电流参数的条件下，能够得出对应的CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC。即：CCVBOL＝X(I)K+Y(T)K+Z(SOCBOL)K，其中，K为计算因子。
所以，电池在动态状态下，可以根据不同的电流参数和温度参数下得出电池在BOL状态下的数据库，该数据库可以表示为：CCVBOL＝X(I)K+Y(T)K+Z(SOCBOL)K，K为计算因子。
对电池的运行过程数据进行提取110，并对数据进行分析，完成对运行状态过程CCV数据与BOL状态的CCV数据分析。
当电池在静态状态下时，在BOL状态下对电池的动态原始数据进行提取106，由于电池在静态过程中，其OCV数据的主要影响因素为环境温度，需要完成在不同温度下单体电池原始数据的提取107。在静态OCV原始数据的测试过程中，温度范围的选取为-60℃-+120℃，作为优化方式，最优范围为-40℃-+60℃；温度区间，即温度步长的选取ΔT≤10℃，作为优化方式，其最优值ΔT≤5℃；SOCBOL状态的范围为0％-100％，其中SOC的选取间隙≤10％，最优值≤5％。通过上述选取条件对单体电池进行测试，得到不同温度下的OCV特征值108：在BOL状态下单体电池的静态电压OCV，然后根据静态电压OCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：OCV＝f(T，SOC)K或者SOC＝f(T，OCV)K，如图6所示。即：可以根据不同的温度参数下得出电池在BOL状态下的数据库，该数据库可以表示为：OCVBOL＝Y(T)K+Z(SOCBOL)K，其中，K为计算因子。
通过上述电池在动态状态下和静态状态下的数据的提取，可以建立CCV和OCV对应电池BOL状态的SOC特征值数据库112：电池CCV的数据库关系为CCVBOL＝X(I)K+Y(T)K+Z(SOCBOL)K，K为计算因子；电池OCV的数据库关系为OCVBOL＝+Y(T)K+Z(SOCBOL)K，K为计算因子。
所以，上述得出的电池在BOL状态下CCV、OCV对应SOC的数据库完全能够满足本发明的目标。
在建立完整的数据库后，为电池的后续状态的预测评估工作提供了数据支持及指导113，为后续电池的SOC估算及相对应的电池控制策略提供数据支撑。
如图7所示，在对电池的SOC进行估算时，首先电池进行上电巡检201，并且对电池进行状态的判断，判断电池的状态为静态状态过程203还是动态状态过程。同时，对电池进行电压、温度、及系统回路的电流进行采集。
锂离子电池的使用状态分为两种状态模式，一种是使用状态，即为电池的动态状态，另一种是搁置状态，即为电池的静态状态。
电池在静态状态过程203中时，此时电池为搁置状态，没有使用，所以其两端的电流为0。对单体锂离子电池的环境温度数据204和单体锂离子电池的电压数据205进行检测，得到电池此时的环境温度参数和电压参数。然后根据电池的环境温度参数和电压参数，结合之前得到的数据库，在数据库中找到对应的环境温度参数和电压参数，得到与这些参数一一对应的SOC值，如图6所示，根据SOC与OCV的对应关系进行分析处理，得出电池静态状态下的SOC值。
电池在动态状态过程208中时，由于此时电池在使用过程中，电池中有电流流过。首先确定电池的使用状态，是在充电过程204中还是在放电过程205中。如果电池在充电过程中，检测此时的电池的环境温度参数、整个电池回路中的充电电流(或者分路电流)参数和此时电池两端的电压参数206，结合之前得到的数据库，在数据库中找到对应的环境温度参数、充电电流参数对应的电压——容量曲线，从如图2和图3所示的那些充电曲线中得到与该充电电压值一一对应的SOC值，完成以上数据一一对应的查询后，即能够评估当前状态下的SOC特征值。
如果电池在放电过程中，检测此时的电池的环境温度参数、整个电池回路中的放电电流(或者分路电流)参数和此时电池两端的电压参数208，结合之前得到的数据库，在数据库中找到对应的环境温度参数、放电电流参数对应的电压——容量曲线，从如图4和图5所示的那些放电曲线中得到与该电压值一一对应的SOC值，完成以上数据一一对应的查询后，即能够评估当前状态下的SOC特征值。
结合电池静态203、动态207、209的SOC评估，能够在线、实时准确的评估电池的SOCmax、SOCmin及SOC的分布状态210，为电池的后续状态预判评估工作提供准确的数据支持211，保证电池安全可靠的运行。
上述实施方式中的电池是锂电池，作为其他的实施方式，镍系电池、铅酸电池、钠(镁)离子电池、锂/硫电池、锂/空电池等等化学电池，以及上述单体电池组成的电源系统也能使用本发明提供的SOC估算方法。
上述实施方式中的电池是单个的电池，作为其他的实施方式，本发明中的电源也可以是单体电池并联组成的构成单元，或者是若干个构成单元以不同的组合方式(串联、并联或者混联)构成的电源系统。其中，构成单元或者电源系统的电压范围为：1.00V-3000V。
本发明的优势是基于电池在使用过程中的任何一个阶段，无论是电池内部阻值的增加、容量的衰减、寿命的衰减等内部参数的变化、还是外部环境，比如运行环境温度的变化、负载电流的变化，最终体现在电池的电压参数的变化，而电压V、电流I、温度T参数能够得到快速、精确的采集、数据重现性好，通过数据库查表准确估算电池的SOC值，使SOC估算过程得到大大的简化。避开了现有SOC估算技术中满足电池内部电化学特性参数的变化规律所需的电化学模型和数学模型的建立，避开了不可测量变量、重现性不好的变量、模型的建立与电池内部实际变化的动态匹配难度和复杂性对SOC估算结果的影响。
以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，对本领域普通技术人员而言，根据本发明的教导，设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (4)
1.一种电源SOC估算方法，其特征在于，检测当前时刻的电源的电压、温度和电流信息，与数据库进行比对，得到此时电源的SOC值；
所述数据库的建立方法为：
当电源在静态状态下，首先设置若干个工作环境温度；然后检测在每个工作环境温度下电源的电压与SOC的关系；最后建立不同的工作环境温度下电压与SOC的一一对应的曲线；
当电源在动态状态下、且当电源进行充电测试时：首先设置若干个工作环境温度值和工作电流值；然后检测当电流值确定时，每个工作环境温度值下电源的充电电压与SOC的关系，和当工作环境温度值确定时，每个电流值下电源的充电电压与SOC的关系；最后建立不同工作环境温度下电源的充电电压与SOC一一对应的曲线，和不同工作电流下电源的充电电压与SOC一一对应的曲线；
当电源在动态状态下、且当电源进行放电测试时：首先设置若干个工作环境温度值和工作电流值，然后检测当电流值确定时，每个工作环境温度值下电源的放电电压与SOC的关系，和当工作环境温度值确定时，每个电流值下电源的放电电压与SOC的关系；最后建立不同工作环境温度下电源的放电电压与SOC一一对应的曲线，和不同工作电流下电源的放电电压与SOC一一对应的曲线。
2.根据权利要求1所述的电源SOC估算方法，其特征在于，所述电源的状态分为静态状态和动态状态；当电源在静态状态下，检测当前时刻的电源的温度和电压信息，与所述数据进行比对，得到此时电源的SOC值；当电源在动态状态下，首先确定电源是充电状态还是放电状态，然后检测当前时刻的电源的电压、温度和电流信息，与所述数据库进行比对，得到此时电源的SOC值。
3.根据权利要求1所述的电源SOC估算方法，其特征在于，所述数据库是电源在BOL状态下建立的。
4.根据权利要求1所述的电源SOC估算方法，其特征在于，所述数据库中的所述工作环境温度的范围为：-60℃-+120℃，温度步长为1℃-10℃；所述工作电流的范围为-200C-+200C。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510682798.7A CN106597288A (zh) | 2015-10-20 | 2015-10-20 | 一种电源soc估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510682798.7A CN106597288A (zh) | 2015-10-20 | 2015-10-20 | 一种电源soc估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106597288A true CN106597288A (zh) | 2017-04-26 |
Family
ID=58554708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510682798.7A Pending CN106597288A (zh) | 2015-10-20 | 2015-10-20 | 一种电源soc估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106597288A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107315147A (zh) * | 2017-05-18 | 2017-11-03 | 四川长虹电器股份有限公司 | 一种动力电池soc动态估算方法 |
| CN109557475A (zh) * | 2018-11-30 | 2019-04-02 | 北京新能源汽车股份有限公司 | 一种电池可用容量soc的确定方法及装置 |
| CN110098439A (zh) * | 2019-04-09 | 2019-08-06 | 浙江零跑科技有限公司 | 一种动力电池充电时间估计的方法 |
| CN110221218A (zh) * | 2019-06-28 | 2019-09-10 | 蜂巢能源科技有限公司 | 计算电池的soc的方法和装置及机器可读存储介质 |
| CN111127816A (zh) * | 2019-12-27 | 2020-05-08 | 江苏昂内斯电力科技股份有限公司 | 电气火灾联网监测预警、报警及应急控制系统、方法 |
| CN111403835A (zh) * | 2020-06-05 | 2020-07-10 | 长兴太湖能谷科技有限公司 | 一种电芯放电控制方法、电池全生命周期放电方法和系统 |
| CN112819995A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN112825167A (zh) * | 2019-11-05 | 2021-05-21 | 丰田自动车株式会社 | 电池管理系统、电池管理方法以及电池组的制造方法 |
| CN113484777A (zh) * | 2021-07-12 | 2021-10-08 | 度普(苏州)新能源科技有限公司 | 一种动力电池soc精度测试方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101430366A (zh) * | 2008-12-12 | 2009-05-13 | 苏州金百合电子科技有限公司 | 电池荷电状态检测方法 |
| CN102540081A (zh) * | 2010-12-29 | 2012-07-04 | 上海汽车集团股份有限公司 | 用于确定车载蓄电池荷电状态的方法 |
| KR20120075754A (ko) * | 2010-12-29 | 2012-07-09 | 한국과학기술원 | 2차 전지의 잔존용량 연산 방법 및 장치 |
| CN103901354A (zh) * | 2014-04-23 | 2014-07-02 | 武汉市欧力普能源与自动化技术有限公司 | 一种电动汽车车载动力电池soc预测方法 |
-
2015
- 2015-10-20 CN CN201510682798.7A patent/CN106597288A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101430366A (zh) * | 2008-12-12 | 2009-05-13 | 苏州金百合电子科技有限公司 | 电池荷电状态检测方法 |
| CN102540081A (zh) * | 2010-12-29 | 2012-07-04 | 上海汽车集团股份有限公司 | 用于确定车载蓄电池荷电状态的方法 |
| KR20120075754A (ko) * | 2010-12-29 | 2012-07-09 | 한국과학기술원 | 2차 전지의 잔존용량 연산 방법 및 장치 |
| CN103901354A (zh) * | 2014-04-23 | 2014-07-02 | 武汉市欧力普能源与自动化技术有限公司 | 一种电动汽车车载动力电池soc预测方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107315147A (zh) * | 2017-05-18 | 2017-11-03 | 四川长虹电器股份有限公司 | 一种动力电池soc动态估算方法 |
| CN109557475A (zh) * | 2018-11-30 | 2019-04-02 | 北京新能源汽车股份有限公司 | 一种电池可用容量soc的确定方法及装置 |
| CN110098439B (zh) * | 2019-04-09 | 2020-10-09 | 浙江零跑科技有限公司 | 一种动力电池充电时间估计的方法 |
| CN110098439A (zh) * | 2019-04-09 | 2019-08-06 | 浙江零跑科技有限公司 | 一种动力电池充电时间估计的方法 |
| CN110221218A (zh) * | 2019-06-28 | 2019-09-10 | 蜂巢能源科技有限公司 | 计算电池的soc的方法和装置及机器可读存储介质 |
| CN112825167A (zh) * | 2019-11-05 | 2021-05-21 | 丰田自动车株式会社 | 电池管理系统、电池管理方法以及电池组的制造方法 |
| CN112825167B (zh) * | 2019-11-05 | 2024-07-05 | 丰田自动车株式会社 | 电池管理系统、电池管理方法以及电池组的制造方法 |
| US12276702B2 (en) | 2019-11-05 | 2025-04-15 | Toyota Jidosha Kabushiki Kaisha | Battery management system, battery management method, and method of manufacturing battery assembly |
| CN111127816A (zh) * | 2019-12-27 | 2020-05-08 | 江苏昂内斯电力科技股份有限公司 | 电气火灾联网监测预警、报警及应急控制系统、方法 |
| CN111403835A (zh) * | 2020-06-05 | 2020-07-10 | 长兴太湖能谷科技有限公司 | 一种电芯放电控制方法、电池全生命周期放电方法和系统 |
| CN112819995A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN113484777A (zh) * | 2021-07-12 | 2021-10-08 | 度普(苏州)新能源科技有限公司 | 一种动力电池soc精度测试方法及装置 |
| CN113484777B (zh) * | 2021-07-12 | 2023-11-21 | 度普(苏州)新能源科技有限公司 | 一种动力电池soc精度测试方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
| CN106597288A (zh) | 一种电源soc估算方法 | |
| Zhang et al. | Aging performance characterization and state-of-health assessment of retired lithium-ion battery modules | |
| CN113702843B (zh) | 一种基于郊狼优化算法的锂电池参数辨识与soc估计方法 | |
| CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
| CN111426957B (zh) | 一种模拟车辆工况动力电池荷电状态soc估算优化方法 | |
| CN103728563B (zh) | 一种电池健康状态的测算方法 | |
| CN109870659A (zh) | 应用滑窗寻优策略的锂离子电池健康状态估算方法 | |
| CN116577686B (zh) | 一种基于局部阶段充电数据的多工况soh估计方法和系统 | |
| CN106569143B (zh) | 一种在线计算电芯容量与soh的方法、系统及电动车辆 | |
| CN109459699A (zh) | 一种锂离子动力电池soc实时监测方法 | |
| CN113868934B (zh) | 一种并联锂离子电池电化学参数辨识方法 | |
| CN111208438B (zh) | 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法 | |
| CN106291378A (zh) | 一种电动汽车动力电池soh的测算方法 | |
| CN104849672A (zh) | 基于等效电路模型的锂电池动态阻抗参数识别方法 | |
| CN103278777B (zh) | 一种基于动态贝叶斯网络的锂电池健康状况估计方法 | |
| Li et al. | A novel state estimation approach based on adaptive unscented Kalman filter for electric vehicles | |
| CN106599333A (zh) | 一种电源soh的估算方法 | |
| CN109085505A (zh) | 一种动力电池充放电状态估算方法 | |
| CN106772104A (zh) | 一种动力电池soc值估算方法 | |
| CN109613446A (zh) | 一种基于时间序列分析的锂电池老化检测方法 | |
| Zhao et al. | Estimation of the SOC of energy-storage lithium batteries based on the voltage increment | |
| CN109507598A (zh) | 贝叶斯正则化的lm-bp神经网络的锂电池soc预测方法 | |
| CN113740735A (zh) | 一种锂离子电池soc估计的方法 | |
| CN111123136A (zh) | 一种锂离子电池健康状态在线测量装置及在线测量方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |