CN106597305B - 一种锂离子电池的循环寿命预测方法 - Google Patents
一种锂离子电池的循环寿命预测方法 Download PDFInfo
- Publication number
- CN106597305B CN106597305B CN201611138130.7A CN201611138130A CN106597305B CN 106597305 B CN106597305 B CN 106597305B CN 201611138130 A CN201611138130 A CN 201611138130A CN 106597305 B CN106597305 B CN 106597305B
- Authority
- CN
- China
- Prior art keywords
- value
- capacity attenuation
- lithium ion
- model
- ion battery
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种锂离子电池的循环寿命预测方法,包括以下步骤:建立容量衰减模型;确定实验条件;进行实验;初步确定各模型参数的值;微调各模型参数的值;确定各模型参数的值;预测循环寿命。本发明所提出的容量衰减模型考虑了循环温度及充放电倍率的影响,具有一定的普适性;该容量衰减模型中各参数的含义明确,从该容量衰减模型中容易得到各参数对容量衰减的影响程度;利用该容量衰减模型可预测同类电池在某循环温度及充放电倍率下的循环寿命,为电池到达寿命终点时的更换提供技术支持与理论依据。
Description
技术领域
本发明涉及锂离子电池寿命预测技术领域,具体是一种锂离子电池的循环寿命预测方法。
背景技术
在经济全球化发展和社会节能减排的迫切需求下,世界汽车工业发展的重心正在发生转移。当前,发展具有环保、节能等特点的新能源汽车已经成为汽车领域的共识,而电动汽车正是这一发展方向上的普遍技术。电动汽车是由动力电池提供能量来运行的一种车辆,而动力电池作为电动汽车中的重要部件,其性能的好坏将直接影响到电动汽车的发展和应用前景。
动力电池的寿命是动力电池的重要性能指标之一。动力电池领域中普遍认为当电池容量下降到额定容量的80%后将不能再用在电动汽车上。目前,针对锂离子电池寿命预测的方法大致分为基于模型和基于数据驱动方法。数据驱动法处理数据的工作量巨大,而基于模型法是利用电池进行测试,比较直观。
中国专利申请(申请号201310683449.8)提供了一种电池寿命周期预测方法,建立了电池容量衰减率Qloss与电池放电次数N间的函数模型:
模型中的系数A及B的含义不够明确。此外,模型不具备普适性。因此,如何精确地估计锂离子电池的寿命,已经成为锂离子电池被广泛推广应用时所急需解决的关键技术问题之一。
发明内容
本发明的目的在于提供一种锂离子电池的循环寿命预测方法,以解决上述技术问题。
本发明的技术方案为:
一种锂离子电池的循环寿命预测方法,该方法包括以下步骤:
(1)建立容量衰减模型:
其中,Qloss表示容量损失率,T表示循环温度,t表示循环天数,T0表示循环参考温度,z为常数,N表示一天的循环次数,与充放电倍率具有以下关系:
H表示充放电倍率,k为经验值,α、β、βT均为待求解的模型参数;
(2)确定所述容量衰减模型中各模型参数的值:
(21)确定实验条件:根据待预测锂离子电池的正常充电温度和电解液分解温度确定循环温度范围,在所述循环温度范围内选取多个循环温度,在每个循环温度下选取多个充放电倍率;
(22)进行实验:挑选初始状态基本一致的电池作为实验电池,对实验电池进行定容测试,以确定其1C实际电流值,然后将实验电池放入对其实验设定的恒温箱中设置工步进行充放电循环,定期查看并记录实验数据,待实验电池的初始容量衰减20%后终止实验;
(23)处理实验数据,求出模型参数α、β、βT的值,得到容量衰减模型;
(3)利用步骤(23)得到的容量衰减模型,对某个循环温度某个充放电倍率状态下的同类待预测锂离子电池的循环寿命进行预测。
所述的锂离子电池的循环寿命预测方法,步骤(21)中,所述充放电倍率选取0.33C、0.5C、1C、1.5C、2C。
所述的锂离子电池的循环寿命预测方法,步骤(22)中,所述初始状态基本一致的电池为初始电压、内阻均基本相同的电池。
所述的锂离子电池的循环寿命预测方法,步骤(23)中,所述处理实验数据,求出模型参数α、β、βT的值,具体包括以下步骤:
(231)对所述实验数据进行预处理,剔除异常数据;
(232)确定z、T0、N的值;
(233)初步确定模型参数α、β、βT的值:
采用以下公式求出每次循环后实验电池的容量损失率:
Qloss=1-Qi/|Q0
其中,Qi表示循环i次后实验电池的放电容量,Q0表示实验电池的初始容量,即循环前通过定容确定的容量,i取自然数,此处的Qloss即为循环i次后实验电池的容量损失率;
将各个Qloss与对应的N、T、t按照容量衰减模型公式进行拟合处理,即初步得到α、β、βT的值;
(234)利用初步确定的容量衰减模型对实验电池的实验数据进行拟合,并与真实的实验数据进行对比,进而微调各模型参数的取值,使每只实验电池的拟合曲线与真实的实验数据曲线的吻合度差值在一定阈值范围内,最终确定容量衰减模型中各个模型参数的值。
所述的锂离子电池的循环寿命预测方法,步骤(232)中,z取0.6,T0取298K,0.5C循环时N取5,1C循环时N取10。
本发明的有益效果为:
由上述技术方案可知,本发明所提出的容量衰减模型考虑了循环温度及充放电倍率的影响,具有一定的普适性;该容量衰减模型中各参数的含义明确,从该容量衰减模型中容易得到各参数对容量衰减的影响程度;利用该容量衰减模型可预测同类电池在某循环温度及充放电倍率下的循环寿命,为电池到达寿命终点时的更换提供技术支持与理论依据。此外,当将本发明的容量衰减模型中“一天的循环次数N”改为实际使用中每天的平均循环次数时,该容量衰减模型便成为实际寿命模型,可用来预测电池的实际使用寿命。
附图说明
图1是本发明的方法流程图;
图2是本发明实施例中循环温度为298K、充放电倍率为0.5C状态下利用容量衰减模型拟合得到的曲线与真实的实验数据曲线的对比图;
图3是本发明实施例中循环温度为298K、充放电倍率为1C状态下利用容量衰减模型拟合得到的曲线与真实的实验数据曲线的对比图;
图4是本发明实施例中循环温度为328K、充放电倍率为0.5C状态下利用容量衰减模型拟合得到的曲线与真实的实验数据曲线的对比图;
图5是本发明实施例中的循环寿命预测图。
具体实施方式
下面结合附图和具体实施例进一步说明本发明。
如图1所示,一种锂离子电池的循环寿命预测方法,包括以下步骤:
S1、建立容量衰减模型,如公式(1)所示:
公式(1)中,Qloss表示容量损失率,T表示循环温度,t表示循环天数,T0表示循环参考温度,z为常数,N表示一天的循环次数,与充放电倍率具有以下关系:
H表示充放电倍率,k为经验值,α、β、βT均为待求解的模型参数。
S2、确定容量衰减模型中各模型参数的值:
S21、确定实验条件:根据待预测锂离子电池的正常充电温度和电解液分解温度确定循环温度范围,在所述循环温度范围内选取多个循环温度,在每个循环温度下选取多个充放电倍率,如0.33C、0.5C、1C、1.5C、2C。
S22、进行实验:挑选初始状态基本一致的电池作为实验电池,对实验电池进行定容测试,以确定其1C实际电流值,然后将实验电池放入对其实验设定的恒温箱中设置工步进行充放电循环,定期查看并记录实验数据,待实验电池的初始容量衰减20%后终止实验。
S23、处理实验数据,求出模型参数α、β、βT的值,得到容量衰减模型,具体包括以下步骤:
首先对实验数据进行预处理,剔除波动较大的数据,然后确定z、T0、N的取值,其中z为由电池设计与材料等决定的常数,取值范围为0~1,一般取0.5左右,此处取0.6,循环参考温度T0取298K,N的取值由公式(2)确定,如0.5C循环时N取5,而1C循环时N取10。然后确定α、β、βT的值,该问题属于多变量多参数拟合问题,自变量为N、T、t,因变量为Qloss,先采用公式(3)求出每次循环后实验电池的容量损失率:
Qloss=1-Qi/Q0
其中,Qi表示循环i次后实验电池的放电容量,Q0表示实验电池的初始容量,即循环前通过定容确定的容量,i取自然数,此处的Qloss即为循环i次后实验电池的容量损失率。
然后将所有的实验数据按照四列(N、T、t、Qloss)接连放在一起,按照公式(1)借助软件进行拟合求解,同时得到参数α、β、βT的值。
至此,容量衰减模型公式(1)中各个参数的取值均已初步确定。然后利用公式(1)对实验电池的实验数据进行拟合,并与真实的实验数据进行对比,进而微调各参数的取值,使每只实验电池的拟合曲线与真实的实验数据曲线的吻合度都很高,最终确定容量衰减模型公式(1)中各个参数的取值,即容量衰减模型公式(1)具体确定下来。
S3、预测循环寿命:利用步骤S23得到的容量衰减模型预测某个循环温度某个充放电倍率状态下同类电池的循环寿命。循环寿命的预测结果可以是天数也可以是循环次数,因循环天数(t)与循环次数(n)之间可按照n=N*t进行换算。
下面以国内某厂家1865140电池作为实施例,对本发明的具体实施方式做进一步的描述。
锂离子电池一般在室温下充电,锂离子电池电解液的分解温度一般在353K左右,故最低循环温度设计为298K,最高循环温度设计为333K,在此温度范围内,选取298K、328K为循环温度T的值。选取0.5C、1C为充放电倍率值。实验方案如表1所示。
表1
用内阻仪测量待预测锂离子电池的电压与内阻,选取电压、内阻均接近的电池作为实验电池。对实验电池进行定容测试,以确定其1C实际电流值。然后将实验电池放入对其设定的恒温箱中设置工步进行循环,定期查看并记录实验数据,待容量衰减20%后终止实验。工步设置中,根据实验电池的材料设置充电电压上限值与放电电压下限值,恒流恒压充电截止电压3.65V,截止电流0.05C,恒流放电截止电压2.0V。实验结果如表2所示。
循环温度 | 循环倍率 | 循环周数 | 容量衰减率 |
298K | 0.5C | 1635 | 15.6% |
298K | 1C | 860 | 21.96% |
328K | 0.5C | 1140 | 21.05% |
表2
然后按照上述步骤S23中的具体步骤与方法求出公式(1)中各参数的取值,结果如表3所示。
α | β | β<sub>T</sub> | z |
0.00183 | 0.213 | -1286 | 0.6 |
表3
利用公式(1)对实验电池的实验数据进行拟合,并与真实的实验数据进行对比,如图2~图4所示。由图2~图4可见,整体上吻合度较高。因此,采用容量衰减模型公式(1)整体上是合适的。
利用容量衰减模型公式(1)预测实验电池的循环寿命,预测结果如表4及图5所示。
表4
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (5)
1.一种锂离子电池的循环寿命预测方法,其特征在于,该方法包括以下步骤:
(1)建立容量衰减模型:
其中,Qloss表示容量损失率,T表示循环温度,t表示循环天数,T0表示循环参考温度,z为常数,N表示一天的循环次数,与充放电倍率具有以下关系:
H表示充放电倍率,k为经验值,α、β、βT均为待求解的模型参数;
(2)确定所述容量衰减模型中各模型参数的值:
(21)确定实验条件:根据待预测锂离子电池的正常充电温度和电解液分解温度确定循环温度范围,在所述循环温度范围内选取多个循环温度,在每个循环温度下选取多个充放电倍率;
(22)进行实验:挑选初始状态一致的电池作为实验电池,对实验电池进行定容测试,以确定其1C实际电流值,然后将实验电池放入对其实验设定的恒温箱中设置工步进行充放电循环,定期查看并记录实验数据,待实验电池的初始容量衰减20%后终止实验;
(23)处理实验数据,求出模型参数α、β、βT的值,得到容量衰减模型;
(3)利用步骤(23)得到的容量衰减模型,对某个循环温度某个充放电倍率状态下的同类待预测锂离子电池的循环寿命进行预测。
2.根据权利要求1所述的锂离子电池的循环寿命预测方法,其特征在于,步骤(21)中,所述充放电倍率选取0.33C、0.5C、1C、1.5C、2C。
3.根据权利要求1所述的锂离子电池的循环寿命预测方法,其特征在于,步骤(22)中,所述初始状态一致的电池为初始电压、内阻均相同的电池。
4.根据权利要求1所述的锂离子电池的循环寿命预测方法,其特征在于,步骤(23)中,所述处理实验数据,求出模型参数α、β、βT的值,具体包括以下步骤:
(231)对所述实验数据进行预处理,剔除异常数据;
(232)确定z、T0、N的值;
(233)初步确定模型参数α、β、βT的值:
采用以下公式求出每次循环后实验电池的容量损失率:
Qloss=1-Qi/Q0
其中,Qi表示循环i次后实验电池的放电容量,Q0表示实验电池的初始容量,即循环前通过定容确定的容量,i取自然数,此处的Qloss即为循环i次后实验电池的容量损失率;
将各个Qloss与对应的N、T、t按照容量衰减模型公式进行拟合处理,即初步得到α、β、βT的值;
(234)利用初步确定的容量衰减模型对实验电池的实验数据进行拟合,并与真实的实验数据进行对比,进而微调各模型参数的取值,使每只实验电池的拟合曲线与真实的实验数据曲线的吻合度差值在阈值范围内,最终确定容量衰减模型中各个模型参数的值。
5.根据权利要求4所述的锂离子电池的循环寿命预测方法,其特征在于,步骤(232)中,z取0.6,T0取298K,0.5C循环时N取5,1C循环时N取10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611138130.7A CN106597305B (zh) | 2016-12-09 | 2016-12-09 | 一种锂离子电池的循环寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611138130.7A CN106597305B (zh) | 2016-12-09 | 2016-12-09 | 一种锂离子电池的循环寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106597305A CN106597305A (zh) | 2017-04-26 |
CN106597305B true CN106597305B (zh) | 2019-01-22 |
Family
ID=58599199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611138130.7A Active CN106597305B (zh) | 2016-12-09 | 2016-12-09 | 一种锂离子电池的循环寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106597305B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107167739B (zh) * | 2017-05-17 | 2019-11-05 | 力信(江苏)能源科技有限责任公司 | 一种动力电池寿命预测方法 |
CN107478999B (zh) * | 2017-08-10 | 2020-03-17 | 中国科学院宁波材料技术与工程研究所 | 一种电池剩余有效寿命的预测方法及装置 |
CN108199397B (zh) * | 2017-12-29 | 2021-03-16 | 国网北京市电力公司 | 储能电池组的配置方法和装置 |
CN108808132B (zh) * | 2018-04-26 | 2020-08-21 | 江西优特汽车技术有限公司 | 一种动力电池的sop控制方法 |
CN109596997A (zh) * | 2018-11-21 | 2019-04-09 | 湖北锂诺新能源科技有限公司 | 锂离子电池循环寿命测试方法 |
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 |
CN111426952A (zh) * | 2019-01-10 | 2020-07-17 | 郑州宇通客车股份有限公司 | 一种锂离子电池的寿命预测方法 |
CN109655750B (zh) * | 2019-01-31 | 2020-09-15 | 北汽福田汽车股份有限公司 | 电池寿命的预测方法、预测装置 |
CN110750874B (zh) * | 2019-09-26 | 2020-07-28 | 长沙理工大学 | 一种退役动力电池寿命预测方法 |
CN111175666B (zh) * | 2020-01-16 | 2020-09-29 | 郑州宇通客车股份有限公司 | 一种soh检测方法及装置 |
CN111562510B (zh) * | 2020-04-03 | 2023-06-02 | 中国电力科学研究院有限公司 | 一种用于确定退役动力电池剩余寿命的方法及系统 |
CN111965547B (zh) * | 2020-09-27 | 2022-05-13 | 哈尔滨工业大学(威海) | 一种基于参数辨识法的电池系统传感器故障诊断方法 |
CN112068000B (zh) * | 2020-09-27 | 2022-03-11 | 哈尔滨工业大学(威海) | 一种考虑动力电池耐久性影响的峰值功率预测方法 |
CN112364486B (zh) * | 2020-10-23 | 2023-02-03 | 昆山宝创新能源科技有限公司 | 预测锂电池循环寿命的方法及其用途 |
CN112986828A (zh) * | 2021-04-12 | 2021-06-18 | 上海电享信息科技有限公司 | 预估电池健康度的方法 |
CN113075557B (zh) * | 2021-05-20 | 2022-12-13 | 张家港清研检测技术有限公司 | 一种车主自适应的动力电池剩余寿命预测方法 |
CN113687236A (zh) * | 2021-08-03 | 2021-11-23 | 天津市捷威动力工业有限公司 | 一种动力电池半经验循环寿命预测评估方法 |
CN113761716B (zh) * | 2021-08-12 | 2024-02-02 | 惠州市豪鹏科技有限公司 | 一种锂离子电池循环寿命预测方法及其应用 |
CN113820614B (zh) * | 2021-08-18 | 2023-10-24 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN116736163A (zh) * | 2023-05-29 | 2023-09-12 | 盐城工学院 | 一种户外空间内储能电池循环寿命的预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1679760A1 (en) * | 2005-01-11 | 2006-07-12 | Air Products and Chemicals, Inc. | Electrolytes, cells and methods of forming passivation layers |
CN103353582A (zh) * | 2013-07-09 | 2013-10-16 | 中国人民解放军国防科学技术大学 | 二次电池寿命测试方法 |
CN103399279A (zh) * | 2013-08-01 | 2013-11-20 | 哈尔滨工业大学 | 基于ekf方法和ar模型融合型锂离子电池循环寿命预测方法 |
CN103399280A (zh) * | 2013-08-01 | 2013-11-20 | 哈尔滨工业大学 | 基于nsdp-ar模型的锂离子电池循环寿命预测方法 |
CN103487762A (zh) * | 2013-09-30 | 2014-01-01 | 国家电网公司 | 一种锂离子电池筛分方法 |
CN104035036A (zh) * | 2014-04-29 | 2014-09-10 | 天能电池集团有限公司 | 一种密封阀控式铅酸蓄电池循环寿命测试方法 |
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 |
CN104931891A (zh) * | 2015-05-22 | 2015-09-23 | 郑州宇通客车股份有限公司 | 能源系统的寿命预测方法及车载能源系统的寿命评估方法 |
CN105629175A (zh) * | 2015-12-29 | 2016-06-01 | 北京航天测控技术有限公司 | 一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法 |
CN105717456A (zh) * | 2016-02-01 | 2016-06-29 | 中国第一汽车股份有限公司 | 动力电池寿命性能衰减的预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2800220B2 (ja) * | 1989-01-18 | 1998-09-21 | 日本電気株式会社 | 電池駆動電子機器の電源装置 |
-
2016
- 2016-12-09 CN CN201611138130.7A patent/CN106597305B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1679760A1 (en) * | 2005-01-11 | 2006-07-12 | Air Products and Chemicals, Inc. | Electrolytes, cells and methods of forming passivation layers |
CN103353582A (zh) * | 2013-07-09 | 2013-10-16 | 中国人民解放军国防科学技术大学 | 二次电池寿命测试方法 |
CN103399279A (zh) * | 2013-08-01 | 2013-11-20 | 哈尔滨工业大学 | 基于ekf方法和ar模型融合型锂离子电池循环寿命预测方法 |
CN103399280A (zh) * | 2013-08-01 | 2013-11-20 | 哈尔滨工业大学 | 基于nsdp-ar模型的锂离子电池循环寿命预测方法 |
CN103487762A (zh) * | 2013-09-30 | 2014-01-01 | 国家电网公司 | 一种锂离子电池筛分方法 |
CN104035036A (zh) * | 2014-04-29 | 2014-09-10 | 天能电池集团有限公司 | 一种密封阀控式铅酸蓄电池循环寿命测试方法 |
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 |
CN104931891A (zh) * | 2015-05-22 | 2015-09-23 | 郑州宇通客车股份有限公司 | 能源系统的寿命预测方法及车载能源系统的寿命评估方法 |
CN105629175A (zh) * | 2015-12-29 | 2016-06-01 | 北京航天测控技术有限公司 | 一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法 |
CN105717456A (zh) * | 2016-02-01 | 2016-06-29 | 中国第一汽车股份有限公司 | 动力电池寿命性能衰减的预测方法 |
Non-Patent Citations (3)
Title |
---|
LiFePO_4动力电池组放电末端SOC估计研究;董波;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150715(第07期);全文 |
增程式电动车能量管理及电池寿命研究;董婷婷;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20130815(第08期);全文 |
锂离子电池循环寿命预计模型的研究;黎火林 等;《电源技术》;20080420;第32卷(第4期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106597305A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106597305B (zh) | 一种锂离子电池的循环寿命预测方法 | |
Cacciato et al. | Real-time model-based estimation of SOC and SOH for energy storage systems | |
CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
Hentunen et al. | Time-domain parameter extraction method for thévenin-equivalent circuit battery models | |
CN105068009B (zh) | 电池循环寿命预测方法 | |
Świerczyński et al. | Selection and performance-degradation modeling of limo $ _ {2} $/Li $ _ {4} $ Ti $ _ {5} $ O $ _ {12} $ and lifepo $ _ {4} $/C battery cells as suitable energy storage systems for grid integration with wind power plants: an example for the primary frequency regulation service | |
CN106443497A (zh) | 一种锂离子电池的存储寿命预测方法 | |
Seo et al. | Online detection of soft internal short circuit in lithium-ion batteries at various standard charging ranges | |
Sun et al. | Overview of the types of battery models | |
CN106334679B (zh) | 磷酸铁锂单体电池的筛选方法 | |
CN109782190B (zh) | 用于估计单颗电池或单批电池的剩余使用寿命的方法 | |
CN107171035B (zh) | 锂离子电池的充电方法 | |
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 | |
CN110333463B (zh) | 一种电芯一致性筛选方法及其系统 | |
CN103197251A (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
CN104166790A (zh) | 基于逼近理想解理论的锂离子动力电池性能评价方法 | |
CN112666480A (zh) | 一种基于充电过程特征注意力的电池寿命预测方法 | |
CN114429050A (zh) | 一种退役动力电池梯次利用的分选方法 | |
Miniguano et al. | A comparative study and parameterization of electrical battery models applied to hybrid electric vehicles | |
Ji et al. | A multi-scale time method for the state of charge and parameter estimation of lithium-ion batteries using MIUKF-EKF | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN110297185A (zh) | 一种新能源汽车电池参数动态监测系统 | |
CN104569838B (zh) | 基于远程监控的集装箱储能设备核心部件的评价方法 | |
CN112354897B (zh) | 一种锂离子电池实际应用过程中电芯一致性的筛选方法 | |
Windarko et al. | Improvement of electrical modeling of NiMH battery for application of Microgrid System |
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 |