CN106885994A - 基于恒压充电片段的锂电池剩余寿命快速检测法 - Google Patents

基于恒压充电片段的锂电池剩余寿命快速检测法 Download PDF

Info

Publication number
CN106885994A
CN106885994A CN201710213636.8A CN201710213636A CN106885994A CN 106885994 A CN106885994 A CN 106885994A CN 201710213636 A CN201710213636 A CN 201710213636A CN 106885994 A CN106885994 A CN 106885994A
Authority
CN
China
Prior art keywords
electric current
charge
battery
last transition
constant
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.)
Granted
Application number
CN201710213636.8A
Other languages
English (en)
Other versions
CN106885994B (zh
Inventor
冯静
孙权
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.)
Hunan ginkgo Battery Intelligent Management Technology Co.,Ltd.
Original Assignee
Hunan Ginkgo Data Technology Co Ltd
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 Hunan Ginkgo Data Technology Co Ltd filed Critical Hunan Ginkgo Data Technology Co Ltd
Priority to CN201710213636.8A priority Critical patent/CN106885994B/zh
Publication of CN106885994A publication Critical patent/CN106885994A/zh
Application granted granted Critical
Publication of CN106885994B publication Critical patent/CN106885994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了基于恒压充电片段的锂电池剩余寿命快速检测法,分为离线构建电流下降时间长度对照表和在线预测剩余循环寿命两个阶段。其中恒压充电阶段单位电流下降区间时间长度分布函数来自于实验室中采集的多组电池充放电数据。将恒压充电阶段电流下降时间间隔作为电池健康状态指标直接体现了电池的充电速率,侧面反映电池的退化趋势,从而对剩余循环寿命进行预测。适当的电流间隔划分使得电池在恒压充电过程中提取的充电电流数据片段能够完全覆盖电流间隔,从而确保查表精度。以充电电流下降的时间间隔为对照变量有效的减少了无关变量,电流曲线特征明显,需要的在线数据量少,进而实现了锂电池剩余循环寿命在线快速测试。

Description

基于恒压充电片段的锂电池剩余寿命快速检测法
技术领域
本发明属于锂离子电池技术领域,具体涉及一种基于恒压充电片段的锂离子电池剩余循环寿命在线快速检测方法。
背景技术
锂电池基于其重量轻、能量密度大和使用寿命长等优点被广泛应用于各个领域,但在使用过程中锂电池性能的逐渐衰退和失效可能带来严重的后果,实践过程中我们可以通过电池剩余循环寿命预测来避免这些损失。现有的锂电池剩余循环寿命预测主要包括粒子滤波、Dempster-Shafer证据理论、Bayes、递归神经网络、非线性自回归、高斯过程回归等方法。这些方法的主要思想是利用离线数据建立锂离子电池退化特征量(容量、内阻等)随充电循环次数退化的过程模型,再根据在线测得的电池状态数据进行训练学习,进而预测剩余循环寿命。但是存在受外界影响大,算法复杂,实时性差等问题。
发明内容
有鉴于此,本发明的目的是提供一种基于恒压充电片段的锂离子电池剩余循环寿命快速检测方法,能够对正在使用中的电池(如车载电池)进行剩余循环寿命快速预测,有效提高锂离子电池剩余循环寿命预测精度,改善电池的使用和维护效率,延长电池的使用时间,减少锂离子电池在使用中的突发失效风险。
一种锂电池剩余循环寿命估计方法,包括离线构建电流下降时间对照表和在线预测剩余循环寿命两个阶段,其中:
所述离线构建电流下降时间对照表阶段的具体步骤包括:(1)在实验室条件下,将锂电池剩余电量放空,即放电至放电截止电压;(2)将对锂电池的恒流恒压充电至满然后恒流放电至空作为一个充放电循环,对多个同型锂离子电池进行全寿命的充放电循环实验,获取锂离子电池在各充放电循环下的恒压充电阶段的数据;(3)将锂离子电池在恒压充电过程中电流从最大值下降到最小值所经历的电流区间,等间隔划分为设定数量的电流下降区间;(4)根据恒压充电过程的数据,获得电流随充电时间变化数据,确定各电池在各充电循环中每个电流下降区间所经历的时间间隔;(5)构建该型电池的全寿命电流下降时间长度分布列表,表中记录充放电循环次数,以及在各充放电循环次数下,各电流下降区间对应的时间间隔;
所述在线预测剩余循环寿命具体步骤包括:(1)在实际工作环境下对待检测的锂离子电池的充电过程实时监测,得到电池充电阶段的数据;(2)对电池充电阶段的数据进行处理,得到电池在恒压充电过程中所经历的电流下降区间D及其对应的时间间隔t0;(3)根据恒压充电阶段的电流下降区间D选择所述电流下降时间对照表中与之匹配的电流下降区间,在该电流下降区间对应的各时间间隔中选择与t0匹配的时间间隔,再确定该匹配的时间间隔对应的充放电循环次数,由此确定锂电池的剩余寿命。
较佳的,在离线构建电流下降时间对照表阶段,对每个电流下降区间根据试验中实际测量的各充放电循环次数对应的时间间隔数列,估算其对应的电流下降时间间隔所服从的随机分布函数的参数,即均值和标准差;
在所述在线预测剩余循环寿命阶段,测试得到电流下降区间D以及对应的时间间隔t0;当电流下降区间D正好覆盖所述对照表中的一个电流下降区间时,确定该电流下降区间在各个充电循环次数下的均值和标准差然后找到其中一个充放电循环次数对应的均值和标准差使得似然函数取最大值,则找到的这个充放电循环次数即为该电池健康状态目前等效的充放电循环数N0
较佳的,在离线构建电流下降时间对照表阶段,对每个电流下降区间根据试验中实际测量的各充放电循环次数对应的时间间隔数列,估算其对应的电流下降时间间隔所服从的随机分布函数的参数,即均值和标准差;
在所述在线预测剩余循环寿命阶段,测试得到电流下降区间D以及对应的时间间隔t0;当电流下降区间D包含了不止一个电流下降时间对照表中的电流下降区间时,根据正态分布的可加性,由D所包含的电流下降区间的分布函数通过正态分布加法运算获得D所对应的均值和标准差其中,第n次循环下的均值为所包含的该循环次数下电流下降区间的均值之和,第n次循环的标准差为所包含的该循环次数下电流下降区间的标准差的平方和的开方;根据测试得到的电流下降时间间隔长度t0以及计算得到的均值和标准差建立似然函数采用极大似然判别方法,确定该电池健康状态目前等效的充放电循环数N0,即:
较佳的,所述对照表中横坐标为电流下降区间的序号,表格纵坐标为充放电循环次数,对照表中对应的每个行、列交叉处为在给定电流下降区间、给定充放电循环数时,对应的电流下降时间长度分布函数的参数。
较佳的,该锂离子电池的剩余循环寿命预测结果为全寿命标称值N减去该等效循环数N0,剩余寿命的预测值为
较佳的,所述设定数量的电流下降区间为>100个。
本发明具有如下有益效果:
本发明所提出的方法,是使用锂电池CCCV充电过程中的恒压充电阶段数据,通过计算电池电流从一个电流水平下降到下一个电流水平所消耗的时间构建电流下降时间对照表,再通过极大似然估计法给出一定置信度下电池的剩余循环寿命,进而估算出电池的SOH。随着电池的老化,电池恒压充电阶段所占有的充电量比例逐渐增大,因此恒压充电阶段的数据直观的反映了电池容量的变化,间接反映出电池健康状态的变化,能够进行电池剩余循环寿命及SOH的预测。
附图说明
图1为本发明剩余循环寿命在线快速预测流程图。
图2为恒流恒压充电过程恒压充电阶段电流示意图,其中是第i个电池第n1个充电循环的时间起始点,是第i个电池第n2个充电循环的时间起始点;
图3为本发明实施中恒压充电阶段曲线电流下降区间划分示意图,[Ik-1,Ik]为第k个电流下降区间;表示给定电流下降区间[Ik-1,Ik]时,第i个电池的第n1个充电循环试验中经历的电流下降时间;表示给定电流下降区间[Ik-1,Ik]时第i个电池的第n2个充电循环试验中经历的电流下降时间(n1<n2),I0为起始电流,电流下限为0.05I0
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提出的基于恒压充电曲线电流下降区间划分方法、构建电流下降时间长度分布列表库的预测方法,通过对电池恒压充电阶段的电流下降曲线跟踪构建对照表,在线应用时只需提取恒压充电片段数据进行简单的分段处理,无需经过训练即可进行剩余循环寿命预测,可以在恒压充电过程中任意一个电流下降区间段实现剩余循环寿命在线快速预测。
下面结合附图对本发明的实施方式做详细说明。本发明采用的方法是以电池充电过程中恒压充电阶段数据片段在特定的电流下降区间所使用的时间长度来估测电池已经进行的充放电循环次数,进而估算电池的剩余循环寿命。本发明具体实施方式采用以下技术方案。它的预测方法包括离线构造对照表和在线预测剩余循环寿命两个阶段:
第一阶段,离线构建电流下降时间对照表。(1)在实验室条件下(温度25℃±5℃,相对湿度为15%~90%,大气压力为86kPa~106kPa),将多个同型锂离子电池以恒流放电的方式将电池的电压调整至企业规定的放电终止电压,放电电流设置为1C;(2)对电池进行全寿命充放电实验,每个充放电循环采用恒流恒压充电至满和恒流放电至空的方式进行,获取该型锂离子电池在全寿命中各充电循环下的恒压充电阶段电流随充电时间变化数据,恒流充电电流设置为I0,充电截止电流为0.05I0。(3)以电池进入恒压充电的时刻为时间起点,记为对电池的恒压充电电流下降区间段按照等间隔划分方法,得到设定数目M的电流下降区间(M≥100),划分的电流节点记为I0,I1,I2,…,IM,其中I0为恒流充电电流,IM是充电截至电流,IM=0.05I0;(4)根据恒压充电过程记录的电流随充电时间变化的数据,确定该型电池各个充电循环在给定的电流下降区间[Ik-1,Ik]所消耗的时间长度,记为其中上标i表示第i个电池(即电池编号为i),下标k表示第k个电流下降区间(k=1,2,…,M),下标n表示第n个充放电循环(n=1,2,…,N)。根据数列可以估算其对应的电流下降时间间隔变量Tk,n所服从的随机分布参数(均值μk,n和标准差σk,n);(5)根据每个电流下降区间时间间隔变量Tk,n服从的随机分布函数构建电池全寿命电流下降时间长度分布列表(如表1所示),表格横坐标为电流下降区间序号(1~M),表格纵坐标为充放电循环数(1~N),表格中对应的每个格子(行列交叉处)为在给定的电流下降区间[Ik-1,Ik]和充放电循环数n时,对应的电流下降时间长度所服从的分布函数的参数均值μk,n和标准差σk,n)。
表1锂离子电池全寿命等电流下降时间长度分布列表
第二阶段,在线预测剩余循环寿命。具体步骤包括:(1)根据锂离子电池在实际工作环境下实时监测得到的恒压充电阶段数据序列及其对应的充电电流数据序列,提取恒压充电阶段电流数据;(2)对恒压充电阶段数据进行处理,获取某个恒压充电片段所对应的电流下降区间及在该电流下降区间经历的时间长度t0;(3)根据恒压充电阶段数据的电流下降区间选定离线对照表中的对应列。其中,当正好覆盖一个电流下降区间时,则选定的列为列表中对应的电流下降区间列;
包含了多个电流下降区间时,根据正态分布的可加性可以由其所包含的电流下降区间的分布函数通过正态分布加法运算获得所对应的正态分布参数(例如,包含了两个区间,则这两个小区间合并而成的电流下降区间所对应的充电时间长度的正态分布参数估计结果为 跨越三个或更多的等电流降小区间,可采用类似方法得到正态分布参数估计);(4)根据测试得到的电流下降时间间隔长度t0,采用极大似然判别方法,确定该电池健康状态目前等效的充放电循环数N0
即N0是使得似然函数取到最大值时所对应的循环数n,该锂离子电池的剩余循环寿命预测结果为全寿命标称值N减去该等效循环数N0,SOH的预测值为
本发明提出的等电流下降时间间隔数据是表征锂离子电池健康程度的特征指标,电池老化程度越大,则经历相同的电流下降区间所需时间越短。
本发明提出的基于恒压充电曲线的电流下降区间划分方法、构建电流下降时间长度分布列表库的预测方法,通过对电池恒压充电阶段的电流下降曲线跟踪构建对照表,在线应用时只需提取恒压充电片段数据进行简单的分段处理,无需经过训练即可进行剩余循环寿命预测,可以在恒压充电过程中任意一个电流下降区间段实现剩余循环寿命在线快速预测。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种锂电池剩余循环寿命估计方法,其特征在于,包括离线构建电流下降时间对照表和在线预测剩余循环寿命两个阶段,其中:
所述离线构建电流下降时间对照表阶段的具体步骤包括:(1)在实验室条件下,将锂电池剩余电量放空,即放电至放电截止电压;(2)将对锂电池的恒流恒压充电至满然后恒流放电至空作为一个充放电循环,对多个同型锂离子电池进行全寿命的充放电循环实验,获取锂离子电池在各充放电循环下的恒压充电阶段的数据;(3)将锂离子电池在恒压充电过程中电流从最大值下降到最小值所经历的电流区间,等间隔划分为设定数量的电流下降区间;(4)根据恒压充电过程的数据,获得电流随充电时间变化数据,确定各电池在各充电循环中每个电流下降区间所经历的时间间隔;(5)构建该型电池的全寿命电流下降时间长度分布列表,表中记录充放电循环次数,以及在各充放电循环次数下,各电流下降区间对应的时间间隔;
所述在线预测剩余循环寿命具体步骤包括:(1)在实际工作环境下对待检测的锂离子电池的充电过程实时监测,得到电池充电阶段的数据;(2)对电池充电阶段的数据进行处理,得到电池在恒压充电过程中所经历的电流下降区间D及其对应的时间间隔t0;(3)根据恒压充电阶段的电流下降区间D选择所述电流下降时间对照表中与之匹配的电流下降区间,在该电流下降区间对应的各时间间隔中选择与t0匹配的时间间隔,再确定该匹配的时间间隔对应的充放电循环次数,由此确定锂电池的剩余寿命。
2.如权利要求1所述的一种锂电池剩余循环寿命估计方法,其特征在于,在离线构建电流下降时间对照表阶段,对每个电流下降区间根据试验中实际测量的各充放电循环次数对应的时间间隔数列,估算其对应的电流下降时间间隔所服从的随机分布函数的参数,即均值和标准差;
在所述在线预测剩余循环寿命阶段,测试得到电流下降区间D以及对应的时间间隔t0;当电流下降区间D正好覆盖所述对照表中的一个电流下降区间时,确定该电流下降区间在各个充电循环次数下的均值和标准差然后找到其中一个充放电循环次数对应的均值和标准差使得似然函数取最大值,则找到的这个充放电循环次数即为该电池健康状态目前等效的充放电循环数N0
3.如权利要求1所述的一种锂电池剩余循环寿命估计方法,其特征在于,在离线构建电流下降时间对照表阶段,对每个电流下降区间根据试验中实际测量的各充放电循环次数对应的时间间隔数列,估算其对应的电流下降时间间隔所服从的随机分布函数的参数,即均值和标准差;
在所述在线预测剩余循环寿命阶段,测试得到电流下降区间D以及对应的时间间隔t0;当电流下降区间D包含了不止一个电流下降时间对照表中的电流下降区间时,根据正态分布的可加性,由D所包含的电流下降区间的分布函数通过正态分布加法运算获得D所对应的均值和标准差其中,第n次循环下的均值为所包含的该循环次数下电流下降区间的均值之和,第n次循环的标准差为所包含的该循环次数下电流下降区间的标准差的平方和的开方;根据测试得到的电流下降时间间隔长度t0以及计算得到的均值和标准差建立似然函数采用极大似然判别方法,确定该电池健康状态目前等效的充放电循环数N0,即:
N 0 = argmax n L ( t 0 , &mu; k 0 , n , &sigma; k 0 , n ) = argmax n 1 2 &pi; exp { - ( t 0 - &mu; k 0 , n ) 2 2 &sigma; k 0 , n 2 } .
4.如权利要求2或3所述的一种锂电池剩余循环寿命估计方法,其特征在于,所述对照表中横坐标为电流下降区间的序号,表格纵坐标为充放电循环次数,对照表中对应的每个行、列交叉处为在给定电流下降区间、给定充放电循环数时,对应的电流下降时间长度分布函数的参数。
5.如权利要求2或3所述的一种锂电池剩余循环寿命估计方法,其特征在于,该锂离子电池的剩余循环寿命预测结果为全寿命标称值N减去该等效循环数N0,剩余寿命的预测值为
6.如权利要求1所述的一种锂电池剩余循环寿命估计方法,其特征在于,所述设定数量的电流下降区间为>100个。
CN201710213636.8A 2017-04-01 2017-04-01 基于恒压充电片段的锂电池剩余寿命快速检测法 Active CN106885994B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710213636.8A CN106885994B (zh) 2017-04-01 2017-04-01 基于恒压充电片段的锂电池剩余寿命快速检测法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710213636.8A CN106885994B (zh) 2017-04-01 2017-04-01 基于恒压充电片段的锂电池剩余寿命快速检测法

Publications (2)

Publication Number Publication Date
CN106885994A true CN106885994A (zh) 2017-06-23
CN106885994B CN106885994B (zh) 2019-05-24

Family

ID=59182326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710213636.8A Active CN106885994B (zh) 2017-04-01 2017-04-01 基于恒压充电片段的锂电池剩余寿命快速检测法

Country Status (1)

Country Link
CN (1) CN106885994B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549789A (zh) * 2018-04-19 2018-09-18 中南大学 一种三元正极材料配料系统的集成建模方法
CN110703118A (zh) * 2018-06-21 2020-01-17 中信国安盟固利动力科技有限公司 一种用于车载电池寿命预测的该地区普适性电池运行工况提取的方法
CN110851943A (zh) * 2018-08-01 2020-02-28 北京京东尚科信息技术有限公司 一种电池充电性能的建模方法和装置
CN111597755A (zh) * 2020-04-30 2020-08-28 北京锐达芯集成电路设计有限责任公司 基于门控递归单元神经网络的电子器件剩余寿命预测方法
CN113359048A (zh) * 2021-04-28 2021-09-07 中国矿业大学 一种锂离子电池剩余使用寿命间接预测方法
CN113900033A (zh) * 2021-09-23 2022-01-07 浙江大学 基于充电数据空间分布特征的锂电池在线寿命预测方法
CN114814631A (zh) * 2022-04-25 2022-07-29 浙江大学 一种基于云计算与特征选择的锂电池在线寿命预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2442126A2 (en) * 2010-10-13 2012-04-18 Samsung SDI Co., Ltd. Battery management system and method of estimating battery state of charge
CN103344917A (zh) * 2013-06-13 2013-10-09 北京交通大学 一种锂电池循环寿命快速测试方法
CN103490111A (zh) * 2013-08-06 2014-01-01 重庆邮电大学 一种分段式恒流恒压充电方法
CN103884996A (zh) * 2014-03-18 2014-06-25 中国电力科学研究院 一种磷酸铁锂电池的剩余电量计算方法
CN105958603A (zh) * 2016-07-01 2016-09-21 宁德时代新能源科技股份有限公司 一种电池的充电方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2442126A2 (en) * 2010-10-13 2012-04-18 Samsung SDI Co., Ltd. Battery management system and method of estimating battery state of charge
CN103344917A (zh) * 2013-06-13 2013-10-09 北京交通大学 一种锂电池循环寿命快速测试方法
CN103490111A (zh) * 2013-08-06 2014-01-01 重庆邮电大学 一种分段式恒流恒压充电方法
CN103884996A (zh) * 2014-03-18 2014-06-25 中国电力科学研究院 一种磷酸铁锂电池的剩余电量计算方法
CN105958603A (zh) * 2016-07-01 2016-09-21 宁德时代新能源科技股份有限公司 一种电池的充电方法和装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549789A (zh) * 2018-04-19 2018-09-18 中南大学 一种三元正极材料配料系统的集成建模方法
CN108549789B (zh) * 2018-04-19 2021-08-03 中南大学 一种三元正极材料配料系统的集成建模方法
CN110703118A (zh) * 2018-06-21 2020-01-17 中信国安盟固利动力科技有限公司 一种用于车载电池寿命预测的该地区普适性电池运行工况提取的方法
CN110851943A (zh) * 2018-08-01 2020-02-28 北京京东尚科信息技术有限公司 一种电池充电性能的建模方法和装置
CN110851943B (zh) * 2018-08-01 2024-02-06 北京京东尚科信息技术有限公司 一种电池充电性能的建模方法和装置
CN111597755A (zh) * 2020-04-30 2020-08-28 北京锐达芯集成电路设计有限责任公司 基于门控递归单元神经网络的电子器件剩余寿命预测方法
CN113359048A (zh) * 2021-04-28 2021-09-07 中国矿业大学 一种锂离子电池剩余使用寿命间接预测方法
CN113900033A (zh) * 2021-09-23 2022-01-07 浙江大学 基于充电数据空间分布特征的锂电池在线寿命预测方法
CN113900033B (zh) * 2021-09-23 2022-07-08 浙江大学 基于充电数据空间分布特征的锂电池在线寿命预测方法
CN114814631A (zh) * 2022-04-25 2022-07-29 浙江大学 一种基于云计算与特征选择的锂电池在线寿命预测方法

Also Published As

Publication number Publication date
CN106885994B (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN107015157B (zh) 基于恒流等压升片段的锂电池剩余循环寿命在线快速测试法
CN106885994A (zh) 基于恒压充电片段的锂电池剩余寿命快速检测法
CN107765190B (zh) 一种长寿命快充型磷酸铁锂电池的寿命预测方法
CN107785624B (zh) 一种评估锂电池性能的方法
CN112034356B (zh) 基于gp-ukf的电动汽车动力电池在线soh估算方法
CN106093778A (zh) 电池状态预测方法及系统
CN108919129A (zh) 一种时变工况下动力电池的寿命预测方法
CN107015158B (zh) 基于恒流放电片段的锂电池剩余寿命在线快速检测法
CN107024664A (zh) 基于恒流充电片段的锂电池剩余寿命快速预测法
CN106383316A (zh) 一种梯次利用锂电池性能评价方法
CN104316879B (zh) 一种铅酸蓄电池组寿命的预测方法
CN112464571B (zh) 基于多约束条件粒子群优化算法的锂电池组参数辨识方法
CN104793144A (zh) 一种电池寿命快速检测方法
CN108205114B (zh) 电池寿命的预测方法及系统
CN113030761B (zh) 一种超大规模储能电站电池健康状态的评估方法及系统
CN110045291B (zh) 一种锂电池容量估计方法
CN114035098A (zh) 一种融合未来工况信息和历史状态信息的锂电池健康状态预测方法
CN107340476A (zh) 电池的电气状态监测系统和电气状态监测方法
CN108732499A (zh) 一种检测锂离子电池循环寿命的方法和系统
Hu et al. Study on SOC estimation of lithium battery based on improved BP neural network
CN112114254B (zh) 一种动力电池开路电压模型融合方法
CN116653608B (zh) 电动汽车充电保护、控制方法、装置及存储介质
CN117471320A (zh) 基于充电片段的电池健康状态估计方法及系统
CN113275271B (zh) 锂电池的分选方法
CN113011012B (zh) 一种基于Box-Cox变化的储能电池剩余寿命预测方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210106

Address after: 410100 Room 102, building B49, Jinke Yida science and Technology City, No.77, south section of Dongliu Road, Changsha Economic and Technological Development Zone, Changsha City, Hunan Province

Patentee after: Hunan ginkgo Battery Intelligent Management Technology Co.,Ltd.

Address before: 410100 Room 102, building A.D. 1, Depu enterprise, No.1 luoxitang Road, Changsha Economic and Technological Development Zone, Changsha City, Hunan Province

Patentee before: HUNAN GINKGO DATA TECHNOLOGY Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Fast detection method of residual life of lithium battery based on constant voltage charging segment

Effective date of registration: 20211008

Granted publication date: 20190524

Pledgee: Bank of Changsha Co.,Ltd. Yinde sub branch

Pledgor: Hunan ginkgo Battery Intelligent Management Technology Co.,Ltd.

Registration number: Y2021980010283