CN107533105B - 锂离子电池荷电状态估算方法和装置 - Google Patents
锂离子电池荷电状态估算方法和装置 Download PDFInfo
- Publication number
- CN107533105B CN107533105B CN201580077027.3A CN201580077027A CN107533105B CN 107533105 B CN107533105 B CN 107533105B CN 201580077027 A CN201580077027 A CN 201580077027A CN 107533105 B CN107533105 B CN 107533105B
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- charge
- state
- soc
- 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.)
- Expired - Fee Related
Links
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 186
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 133
- 230000010354 integration Effects 0.000 claims abstract description 24
- 230000010287 polarization Effects 0.000 claims description 25
- 238000007599 discharging Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000032683 aging Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000001453 impedance spectrum Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
一种锂离子电池荷电状态估算方法和装置。所述方法包括步骤：A、拟合锂离子电池的开路电压与荷电状态关系；B、利用观测器方法估算锂离子电池荷电状态；C、对于步骤B中估算出的锂离子电池荷电状态，如果大于预定阈值，则使用观测器方法估算锂离子电池荷电状态，如果小于预定阈值，则使用安时积分法估算锂离子电池荷电状态。通过本发明的锂离子电池荷电状态估算方法和装置，能够避免安时积分法和观测器方法的缺点，在全寿命周期、全荷电状态区域内提供高估算精度。
Description
技术领域
本发明涉及储能设备技术领域，特别是涉及到可充电锂离子电池的状态检测技术。
背景技术
美国先进电池联合会(U.S.Advanced Battery Consortium，USABC)在其《电动汽车电池实验手册》中将电池的荷电状态(State of Charge，SOC)定义为剩余电量与实际容量的百分比。电池SOC的估算在电动汽车和智能电网的应用领域变得越来越必要，动力电池的SOC被用来反映电池的剩余可用电量状况，对电动汽车而言起着传统燃油汽车油表的作用，精确可靠的SOC估计值，不仅可以增强用户对电动汽车的操控性和舒适度，同时其作为电动汽车能量管理系统不可或缺的决策因素，也是优化电动汽车能量管理、提高电池容量和能量利用率、防止电池过充电和过放电、保障电池在使用过程中的安全性和使用寿命的重要参数。
对于纯电动汽车而言，电池管理系统是电动汽车中的一个重要部件，在线估算出电池的荷电状态是电池管理系统的关键问题之一。现有技术中，对于SOC的估算方法包括开路电压法、安时积分法、内阻法、神经网络和卡尔曼滤波法等，其中最简单、常用的方法之一是安时积分法。
所谓安时积分法，是指如果充放电起始状态记为SOC0，那么当前状态的SOC为：
其中CN为锂离子电池额定容量，I为锂离子电池电流，η为充放电效率。安时积分法应用中若电流测量不准，将造成SOC计算误差，长期积累，误差越来越大；另外，安时积分法需要考虑锂离子电池充放电效率，且在高温状态和电流波动剧烈的情况下，误差较大。
除安时积分法外，还有其他一些常用的锂离子电池SOC估算方法：开路电压法、电化学测试法、神经网络法、阻抗频谱法、卡尔曼滤波器法以及基于滑模观测器、龙贝格观测器等基于观测器的估算方法，但都存在局限性：开路电压法需要将锂离子电池充分静置，不能满足在线估算；电化学方法需要专用测试设备支持；神经网络需要大量试验和数据训练，且模型的自适应性有一定的限度；阻抗分析法受到温度和老化等因素的影响；卡尔曼滤波难于消除由于锂离子电池温度和老化导致模型及其参数自身变化带来的误差。
基于观测器的锂离子电池SOC估算方法是通过过程输出量来估计状态量，并且加入输出量的误差反馈，对安时积分法估算锂离子电池SOC进行修正，克服了安时积分法误差积累和需要知道锂离子电池SOC初值的缺点，极大提高了锂离子电池SOC的估算精度，但该法估算的精确性是由模型参数的准确性来保证的，实际应用中需要实现锂离子电池模型参数的在线辨识；此外，由于锂离子电池本身的特性(开路电压-剩余电量曲线等)导致锂离子电池SOC的估算在某区间内误差较大。
发明内容
鉴于此，本发明的目的在于克服现有技术的安时积分法需要知道锂离子电池的SOC初值，而且存在较大的累积误差，基于观测器的SOC估算方法在部分区间误差较大的缺陷，将二者有机结合起来组成新的SOC估算方法。
为了实现此目的，本发明采取的技术方案为如下。
一种锂离子电池荷电状态估算方法，所述方法包括步骤：
A、拟合锂离子电池的开路电压与荷电状态关系；
B、利用观测器方法估算锂离子电池荷电状态；
C、对于步骤B中估算出的锂离子电池荷电状态，如果大于预定阈值，则使用观测器方法估算锂离子电池荷电状态，如果小于预定阈值，则使用安时积分法估算锂离子电池荷电状态。
其中所述预定阈值为：根据开路电压与荷电状态关系导数最小值所对应的锂离子电池荷电状态值。
另外，步骤A中拟合锂离子电池的开路电压与荷电状态关系包括：
A1、在辨识工况下采集锂离子电池的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值；
A2、利用步骤A1的采集量，辨识锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数。
另外，开路电压OCV与荷电状态s的拟合关系为：
OCV＝I(s)＝a+b·(-ln(s))α+c·s+d·exp(s)，
其中α为预定指数，
相应地，所述开路电压与荷电状态拟合关系的系数为a，b，c和d。
另一方面，所述辨识工况为：取一定数量的样本锂离子电池，将样本锂离子电池的荷电状态充电或放电至中间值，按照I1，I2，I3，…Ik，…，IN，-I1，-I2，-I3，…-Ik，…，-IN安培的电流进行相等时间间隔的充、放电，并根据步骤A1在每个时间间隔内采集预定次数的数据。
或者所述辨识工况为：取一定数量的样本锂离子电池，将样本锂离子电池的荷电状态充电或放电至中间值，按照I1，-I1，I2，-I2，I3，-I3，…Ik，-Ik…，IN，-IN安培的电流进行相等时间间隔的充、放电，并根据步骤A1在每个时间间隔内采集预定次数的数据。
所述步骤A2中辨识锂离子电池的欧姆内阻，极化电阻，极化电容以及开路电压与荷电状态拟合关系的系数的方法为：
以采集到的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值作为模型输入，经过数学运算组成输入矩阵Φ(1)，Φ(2)……Φ(n)，其中n为总的数据采集次数；
按照以下方式迭代，辨识锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数：
P(0)＝C·I
其中C为任意常数，为第k次迭代中的锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数组成的向量，总迭代次数为n，λ为遗忘因子，取值在0到1之间，Y(k)为第k次迭代中锂离子电池的端电压值。
所述锂离子电池荷电状态估算方法在全寿命区域内取样样本锂离子电池，充放电测试温度范围为0℃-45℃之间。
本发明还包括一种锂离子电池荷电状态估算装置，所述装置包括：
开路电压拟合单元，用于拟合锂离子电池的开路电压与荷电状态关系；
观测器估算单元，利用观测器方法估算锂离子电池荷电状态；
安时积分估算单元，利用安时积分法估算锂离子电池荷电状态；
控制器，用于对于观测器估算单元估算出的锂离子电池荷电状态，如果大于预定阈值，则使用观测器估算单元估算锂离子电池荷电状态，如果小于预定阈值，则使用安时积分估算单元估算锂离子电池荷电状态。
其中，所述控制器包括阈值确定单元，所述阈值确定单元根据荷电状态与开路电压关系导数最小值对应的荷电状态值，作为预定阈值。
通过本发明的锂离子电池荷电状态估算方法和装置，能够避免安时积分法和观测器方法的缺点，在全荷电状态区域内提供高估算精度。
另外，通过本发明的锂离子电池荷电状态估算方法和装置，能够找到适用安时积分法和观测器方法的最佳分界点，避免简单采用经验方法来选取，这样能够进一步提高估算的精度。
另外，本发明中通过迭代的方式，辨识出锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数，这样能够准确获知锂离子电池参数，避免了观测器方法中由于锂离子电池参数不准确而导致的错误。
本发明中的OCV-SOC关系拟合方式精度高，在全部SOC区间内均与实际的OCV-SOC曲线有较高的契合程度。
另外，本发明中设计了不同辨识工况，对于不同温度、不同锂离子电池类型、不同容量的锂离子电池进行了测试和数据采集，这样扩大了本发明锂离子电池荷电状态估算方法的应用范围。特别是对于全寿命周期的锂锂离子电池荷电状态估算，本发明的估算方法和装置能够明显提高现有技术的精度，具有良好的技术效果。
附图说明
图1是本发明实施方式参数在线辨识工况的示意图。
图2是针对不同温度、不同类型、不同老化情况的锂锂离子电池OCV-SOC曲线图。
图3是本发明实施方式中SOC-OCV函数的拟合精度示意图。
图4是DST工况下锂离子电池端电压真值、估算值以及端电压估算误差的对比示意图。
图5是本发明实施方式中参数辨识方法的流程示意图。
图6是本发明实施方式中观测器估算SOC的方法原理框图。
图7是本发明实施方式中锂离子电池SOC-OCV曲线的分段示意图。
图8是本发明实施方式中锂离子电池SOC-OCV函数曲线的一阶导数图。
图9是本发明实施方式中锂离子电池SOC-OCV函数曲线的二阶导数图。
图10是本发明实施方式中锂离子电池SOC估算方法流程示意图。
图11是25度下DST工况、利用观测器和安时法结合的SOC估算方法结果示意图。
具体实施方式
下面结合附图，对本发明作详细说明。
以下公开详细的示范实施例。然而，此处公开的具体结构和功能细节仅仅是出于描述示范实施例的目的。
然而，应该理解，本发明不局限于公开的具体示范实施例，而是覆盖落入本公开范围内的所有修改、等同物和替换物。在对全部附图的描述中，相同的附图标记表示相同的元件。
同时应该理解，如在此所用的术语“和/或”包括一个或多个相关的列出项的任意和所有组合。另外应该理解，当部件或单元被称为“连接”或“耦接”到另一部件或单元时，它可以直接连接或耦接到其他部件或单元，或者也可以存在中间部件或单元。此外，用来描述部件或单元之间关系的其他词语应该按照相同的方式理解(例如，“之间”对“直接之间”、“相邻”对“直接相邻”等)。
图10是本发明实施方式中锂离子电池SOC估算方法的流程示意图。参考图10，本发明实施方式中荷电状态估算方法包括：A、拟合锂离子电池的开路电压与SOC关系；B、利用观测器方法估算锂离子电池SOC；C、对于步骤B中估算出的锂离子电池SOC，如果大于预定阈值，则使用观测器方法估算锂离子电池SOC，如果小于预定阈值，则使用安时积分法估算锂离子电池SOC。
之所以要采取以上方式，是因为利用观测器方法估算锂离子电池SOC时，采用的锂离子电池模型参数，例如电阻或电容值在全SOC区间内取固定值，但该值与SOC低端的参数相差较大，这样SOC低端的锂离子电池模型估算的端电压会有比较大的误差，同时SOC-OCV关系曲线在SOC低端的特性比较复杂。例如图4是动态应力测试(Dynamic Stress Test，DST)工况下锂离子电池端电压实际值、估算值以及端电压估算误差的对比示意图。从图4中可以看出：放电过程中随着时间的延长，锂离子电池端电压逐渐下降，而锂离子电池实际端电压U和估计值U*之间的差距越来越大，说明在SOC低端，观测器方法的误差越来越大。这是由于观测器方法估算SOC很大程度上依赖于锂离子电池SOC-OCV关系曲线和模型参数，例如电阻或电容的准确性，这样SOC低端采用观测器方法估算SOC就存在问题，因此本发明实施方式中的锂离子电池SOC估算方法需要结合这两种方法：在SOC高端区域利用观测器方法来估算锂离子电池SOC，SOC低端区域采用安时积分法来估算锂离子电池SOC。
因此，通过使用本发明实施方式中的锂离子电池SOC估算方法，能够结合观测器方法和安时积分法的优点，达到锂离子电池全SOC区间内的精度提升，相对于现有技术中的单纯使用观测器方法或者安时积分法，都具有明显的优势。
如何确定所述预定阈值，可以考虑根据经验选取，例如当锂离子电池SOC小于30％时即考虑使用安时积分法来进行估算锂离子电池SOC，也可以根据SOC-OCV关系的特性来选择。
例如在本发明一个具体实施方式中，利用SOC-OCV关系导数最小值对应的锂离子电池SOC值来作为所述特定阈值，当观测器方法估算出的锂离子电池SOC值大于所述特定阈值时，采用观测器方法，否则改用安时积分法来估算锂离子电池SOC。
现在结合附图说明以上实施方式的原理和具体方法。由于采用观测器方法来估计锂离子电池SOC很大程度上依赖于锂离子电池模型参数，尤其是依赖于SOC-OCV曲线特性，图7为锂锂离子电池的SOC-OCV关系曲线，该曲线大致可以分为四段：0％-6％SOC、6％-32％SOC、32％-60％SOC、60％-100％SOC，由图7可以看出，0％-6％SOC电压变化率较大，6％-32％SOC电压曲线变缓，这一阶段曲线比较复杂，可以推断锂离子电池材料在该区间发生了较复杂的相变反应；32％-60％SOC，60％-100％SOC电压变化为两段斜率不同的直线，锂离子电池在SOC高端平衡电势增幅没有变化。
因此在SOC-OCV关系曲线的某些特殊区间段(锂离子电池SOC低端对数区以及特性相对复杂的区域)内，利用观测器方法估算锂离子电池SOC会有比较大的估算误差；由于通用的安时积分法需要预先知道锂离子电池SOC初值、存在累积误差，而观测器估算在一定程度上解决了这些问题；因此，可以通过结合观测器估算和安时积分计算两种方法来实现锂离子电池SOC的估算：在SOC高端区域利用观测器估算方法来估算，SOC低端区域采用安时积分法，而两种方法的SOC临界节点即为前述特定阈值，该特定阈值可以基于分析锂锂离子电池的SOC-OCV关系曲线特性来判断。
图8为图7所对应的OCV＝f(SOC)关系曲线对锂离子电池SOC的导数曲线，由该图可以看出OCV的导数值先减小后增大，即SOC-OCV关系的斜率存在最小值。结合对图7的分析可以判断，可取SOC-OCV关系函数导数的最小值点所对应的SOC值作为观测器和安时积分法估算SOC的临界点，即如图9所示的OCV函数二阶导数取0值的SOC值处。
因此，在本发明具体实施方式中，利用到了锂离子电池的SOC-OCV关系曲线的特点，来精确选择了使用观测器方法和安时积分法之间的分界点。这样进一步提高了本发明实施方式的精度。
对于图6中的SOC-OCV关系曲线，可以采用多种拟合方法，在本发明的一个具体实施方式中，提出了一种利用迭代的方式进行拟合的方法，通过实验结果验证，此拟合方法得到的SOC-OCV关系精度高，有很好的实施效果。
例如在一个具体实施方式中，按照以下SOC-OCV关系式来拟合SOC-OCV关系曲线。
开路电压OCV与荷电状态s的拟合关系为：
OCV＝f(s)＝a+b·(-ln(s))α+c·s+d·exp(s)，
其中α为预定指数，在一个具体实施方式中取值为2.1，本领域内技术人员应当明白，所述预定指数也可以根据实际情况进行调整，都属于本发明的保护范围。
这样就通过对参数a，b，c和d的调整来拟合SOC-OCV关系曲线。
在一个具体实施方式中，通过迭代的方式来拟合参数a，b，c和d，并且得到锂离子电池模型的参数，例如欧姆内阻、极化电阻、极化电容。这些参数的含义是锂离子电池的一阶戴维宁模型中的各种参量。
对于参数a，b，c和d的拟合，以及欧姆内阻、极化电阻、极化电容的获取，在以下被统称为对欧姆内阻、极化电阻、极化电容和参数a，b，c和d的辨识，本发明具体实施方式的参数辨识方法的流程图如图5所示，具体而言参数辨识方法包括以下步骤：
步骤A1、在辨识工况下采集锂离子电池的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值；
步骤A2、利用步骤A1的采集量，辨识锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数。
例如在辨识工况下共采集了n次数据，则以采集到的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值作为模型输入，经过数学运算组成输入矩阵Φ(1)，Φ(2)，……，Φ(n)。
这时按照以下方式进行迭代，辨识了锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数：
P(0)＝C·I
其中C为任意常数，为第k次迭代中的锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数组成的向量，总迭代次数为n，λ为遗忘因子，取值在0到1之间，Y(k)为第k次采集到的锂离子电池端电压。
在本发明一个更具体的实施方式中，遗忘因子λ取值为0.995。这是根据经验选取的数值，本发明并不限制于此，实际上本领域内技术人员可以根据情况进行遗忘因子数值的选取，并不会阻碍本发明具体实施方式的实现。
另外，所述的辨识工况，也可以通过特定的选取方式来实现，例如在一个具体实施方式中，按照图1(a)的方式来设计辨识工况，具体而言所述辨识工况为：取一定数量的样本锂离子电池，将样本锂离子电池的荷电状态充电或放电至中间值，按照I1，I2，I3，…Ik，…，IN，-I1，-I2，-I3，…-Ik，…，-IN安培的电流进行相等时间间隔的充、放电，在每个时间间隔采集预定次数的数据。例如每个时间间隔为5秒，每秒取1次，则一共采集2N×5次数据。
在另一个具体实施方式中，按照图1(b)的方式来设计辨识工况，具体而言所述辨识工况为：取一定数量的样本锂离子电池，将样本锂离子电池的荷电状态充电或放电至中间值，按照I1，-I1，I2，-I2，I3，-I3，…Ik，-Ik…，IN，-IN安培的电流进行相等时间间隔的充、放电，在每个时间间隔采集预定次数的数据。例如每个时间间隔为5秒，每秒取1次，则一共采集2N×5次数据。
虽然以上两个实施方式中提出了具体的辨识工况，但这并不意味本发明限于此方式，实际上本领域技术人员可以设计其他的辨识工况。为了确保准确性，一般需要保证充电和放电过程的安时数相同即可。
这样经过迭代次数为总的采样次数的迭代之后，辨识了
中各参数的取值，包括锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数a，b，c和d。
为了使得本发明的锂离子电池SOC估算方法有更加宽广的适用范围，对于样本锂离子电池的选取可以选择不同老化程度的锂离子电池作为样本锂离子电池，也可以在不同温度下进行测试。
从图2(a)可以看出，在0℃-45℃之间不同温度状况下，SOC-OCV关系曲线差别不大，因此，本发明的锂离子电池SOC估算方法能够应用在各种温度条件下，特别地，适用于0℃-45℃之间。
从图2(b)和图2(c)可以看出，对于不同类型的锂离子电池(A类、B类锂离子电池)和不同老化程度的锂离子电池(容量A、容量B和容量C)，本发明的锂离子电池SOC估算方法都能够适用。
拟合得到的SOC-OCV关系曲线和实际的SOC-OCV关系曲线如图3(a)所示，从图中可以看出，该拟合曲线在SOC低端及个别小区间内有少量误差，而在SOC的高端区域，拟合曲线几乎与实际曲线完全重合，在整体SOC区间上OCV的拟合精度都是比较高的。
从图3(b)可以看出，对于不同容量的三种锂离子电池(容量A、容量B和容量C)，拟合得到的SOC-OCV关系曲线和实际的SOC-OCV关系曲线均符合以上特点：在SOC的低端区域，拟合得到的SOC-OCV关系曲线和实际的SOC-OCV关系曲线之间的误差较大，而在SOC的高端区域，所述误差较小，这再一次说明了本发明具体实施方式的技术效果。
辨识了SOC-OCV关系、锂离子电池的欧姆内阻、极化电阻、极化电容之后，就可以使用观测器方法来估算锂离子电池的SOC。
利用观测器方法估算锂离子电池的结构框图如图6所示。
图6中的y是锂离子电池的端电压，
是锂离子电池实际端电压y和锂离子电池模型计算获得的端电压
之间的误差，L是观测器误差增益矩阵。
均代表相应的估计值。
图6中的锂离子电池模型采用一阶戴维宁模型，因此锂离子电池的端电压与开路电压OCV之间的关系为：y＝OCV+Up+iRo
其中Up为锂离子电池的一阶戴维宁模型中极化电阻或极化电容两端的电压，而iRo为锂离子电池欧姆内阻两端的电压。
所以观测器方法中的参数关系为：
y＝OCV+Up+iRo，
其中Rp，Cp分别为极化电阻和极化电容，Q为锂离子电池的额定容量，而Uo为锂离子电池端电压锂离子电池。
基于本发明的锂离子电池OCV估算方法，可以得出25度下DST工况，利用观测器方法和安时积分法结合的锂离子电池SOC估算结果，如图11所示。由图可知，在SOC高端区域，由于观测器方法估算SOC初值为0％，而SOC实际初值为95％，即SOC估算存在很大的初始误差，而观测器方法估算SOC需要经过一段时间的调整才能更好地跟踪到SOC真值。从图11中可以看出，观测器估算经过500s左右实现较好地跟踪，达到相对稳定的估算效果，锂离子电池SOC的估计值与实际值之间的误差均在正负3％以内，因此本发明的锂离子电池SOC估算方法具有较高的估算精度。
为了实现本发明的锂离子电池SOC估算方法，本发明实施方式中还包括一种锂离子电池SOC估算装置，所述装置包括：
开路电压拟合单元，用于拟合锂离子电池的开路电压与荷电状态关系；
观测器估算单元，利用观测器方法估算锂离子电池荷电状态；
安时积分估算单元，利用安时积分法估算锂离子电池荷电状态；
控制器，用于对于观测器估算单元估算出的锂离子电池荷电状态，如果大于预定阈值，则使用观测器估算单元估算锂离子电池荷电状态，如果小于预定阈值，则使用安时积分估算单元估算锂离子电池荷电状态。
特别地，所述控制器包括阈值确定单元，所述阈值确定单元根据开路电压拟合单元所拟合的开路电压与荷电状态关系导数最小值对应的荷电状态值，作为预定阈值。
需要说明的是，上述实施方式仅为本发明较佳的实施方案，不能将其理解为对本发明保护范围的限制，在未脱离本发明构思前提下，对本发明所做的任何微小变化与修饰均属于本发明的保护范围。
Claims (4)
1.一种锂离子电池荷电状态估算方法，所述方法包括步骤：
A、拟合锂离子电池的开路电压与荷电状态关系；
B、利用观测器方法估算锂离子电池荷电状态；
C、对于步骤B中估算出的锂离子电池荷电状态，如果大于预定阈值，则使用观测器方法估算锂离子电池荷电状态，如果小于预定阈值，则使用安时积分法估算锂离子电池荷电状态；
所述预定阈值为：根据开路电压与荷电状态关系导数最小值所对应的锂离子电池荷电状态值；
步骤A中拟合锂离子电池的开路电压与荷电状态关系包括：
A1、在辨识工况下采集锂离子电池的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值；
A2、利用步骤A1的采集量，辨识锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数；
开路电压OCV与荷电状态s的拟合关系为：
OCV＝f(s)＝a+b·(-ln(s))α+c·s+d·exp(s)，
其中α为预定指数，
相应地，所述开路电压与荷电状态拟合关系的系数为a，b，c和d；
所述辨识工况为：取一定数量的样本锂离子电池，将样本锂离子电池的荷电状态充电或放电至中间值，按照I1，I2，I3，…Ik，…，IN，-I1，-I2，-I3，…-Ik，…，-IN安培的电流进行相等时间间隔的充、放电，并根据步骤A1在每个时间间隔内采集预定次数的数据。
2.根据权利要求1中所述的锂离子电池荷电状态估算方法，其特征在于，所述辨识工况为：取一定数量的样本锂离子电池，将样本锂离子电池的荷电状态充电或放电至中间值，按照I1，-I1，I2，-I2，I3，-I3，…Ik，-Ik…，IN，-IN安培的电流进行相等时间间隔的充、放电，并根据步骤A1在每个时间间隔内采集预定次数的数据。
3.根据权利要求1或2中任一项所述的锂离子电池荷电状态估算方法，其特征在于，所述步骤A2中辨识锂离子电池的欧姆内阻，极化电阻，极化电容以及开路电压与荷电状态拟合关系的系数的方法为：
以采集到的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值作为模型输入，经过数学运算组成输入矩阵Φ(1)，Φ(2)……Φ(n)，其中n为总的数据采集次数；
按照以下方式迭代，辨识锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数：
P(0)＝C·I
其中C为任意常数，
为第k次迭代中的锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数组成的向量，总迭代次数为n，λ为遗忘因子，取值在0到1之间，Y(k)为第k次迭代中锂离子电池的端电压值。
4.权利要求1或2中任一项所述的锂离子电池荷电状态估算方法，其特征在于，在全寿命区域内取样样本锂离子电池，充放电测试温度范围为0℃-45℃之间。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2015/000124 WO2016134496A1 (zh) | 2015-02-28 | 2015-02-28 | 锂离子电池荷电状态估算方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107533105A CN107533105A (zh) | 2018-01-02 |
| CN107533105B true CN107533105B (zh) | 2020-01-24 |
Family
ID=56787766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201580077027.3A Expired - Fee Related CN107533105B (zh) | 2015-02-28 | 2015-02-28 | 锂离子电池荷电状态估算方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107533105B (zh) |
| WO (1) | WO2016134496A1 (zh) |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110196395B (zh) * | 2018-02-26 | 2022-07-12 | 中国商用飞机有限责任公司 | 蓄电池soc估算方法 |
| CN109100660A (zh) * | 2018-09-18 | 2018-12-28 | 深圳市格瑞普智能电子有限公司 | 电池组剩余电量监测方法及系统 |
| CN110244237A (zh) * | 2019-06-20 | 2019-09-17 | 广东志成冠军集团有限公司 | 海岛电源储能电池估算方法、模型及系统 |
| CN110967647B (zh) * | 2019-06-24 | 2020-11-17 | 宁德时代新能源科技股份有限公司 | 荷电状态修正方法及装置 |
| CN110488194B (zh) * | 2019-09-02 | 2021-10-26 | 中南大学 | 一种基于电化学阻抗模型的锂电池soc估算方法及其系统 |
| CN110673037B (zh) * | 2019-09-11 | 2022-02-22 | 国网河北省电力有限公司石家庄供电分公司 | 基于改进模拟退火算法的电池soc估算方法及系统 |
| CN112858914B (zh) * | 2019-11-28 | 2023-09-26 | 中国石油化工股份有限公司 | 一种石油修井机用锂离子电池状态诊断方法 |
| CN111027203B (zh) * | 2019-12-05 | 2023-05-02 | 中车株洲电力机车有限公司 | 一种超级电容soc计算方法 |
| CN112952225B (zh) * | 2019-12-11 | 2023-05-23 | 中车时代电动汽车股份有限公司 | 一种电池系统的soc修正方法及其装置 |
| CN111856178B (zh) * | 2020-03-31 | 2021-10-08 | 同济大学 | 一种基于锂离子电容器电化学特征的soc分区估计方法 |
| CN111929581B (zh) * | 2020-06-05 | 2022-10-21 | 西安理工大学 | 一种动力锂电池内外部温度预测方法 |
| CN112345939B (zh) * | 2020-09-15 | 2021-11-09 | 北京交通大学 | 基于连续脉冲响应的锂离子电池模型参数辨识方法 |
| 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 |
| CN112557928B (zh) * | 2020-12-04 | 2023-08-01 | 湖北亿纬动力有限公司 | 一种计算电池荷电状态的方法、装置和动力电池 |
| CN112946499B (zh) * | 2021-02-04 | 2024-02-02 | 芜湖楚睿智能科技有限公司 | 基于机器学习的锂电池健康状态及荷电状态联合估算方法 |
| CN113176503B (zh) * | 2021-04-23 | 2022-07-12 | 哈尔滨工业大学（威海） | 基于电化学过程的全soc范围锂离子电池等效模型 |
| CN115248386B (zh) * | 2021-04-28 | 2024-09-03 | 宁德新能源科技有限公司 | 荷电状态预测方法、电量预测方法以及电子设备 |
| CN113514770A (zh) * | 2021-05-14 | 2021-10-19 | 江苏欧力特能源科技有限公司 | 基于开路电压和电池温度驱动锂电池剩余容量soc预测算法 |
| CN113447821B (zh) * | 2021-06-30 | 2023-07-14 | 国网北京市电力公司 | 评估电池荷电状态的方法 |
| CN113805074B (zh) * | 2021-09-14 | 2024-07-02 | 远景动力技术(江苏)有限公司 | 用于锂电池的测试装置以及测试方法 |
| CN114069077B (zh) * | 2021-11-22 | 2024-06-04 | 东莞新能安科技有限公司 | 电化学装置管理方法、电子设备及电池系统 |
| CN114200319B (zh) * | 2021-11-23 | 2024-08-16 | 宁德新能源科技有限公司 | 一种电池厚度超标的监测方法、装置、电池以及用电设备 |
| CN114325399B (zh) * | 2021-11-24 | 2024-07-19 | 曙鹏科技（深圳）有限公司 | 电池的内阻预测方法、健康状态的评估方法、装置及设备 |
| CN114083997A (zh) * | 2021-11-30 | 2022-02-25 | 四川轻化工大学 | 一种考虑温度影响的电动汽车能量管理策略优化方法 |
| CN114114053B (zh) * | 2021-12-10 | 2023-12-22 | 厦门金龙联合汽车工业有限公司 | 一种衡量混动车辆电池生命状态的方法 |
| CN114252771B (zh) * | 2021-12-13 | 2024-05-07 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN114280485B (zh) * | 2021-12-27 | 2023-07-28 | 湖北亿纬动力有限公司 | Soc估算及一致性评估方法、装置、计算机设备 |
| CN114325431B (zh) * | 2021-12-31 | 2024-03-08 | 北京西清能源科技有限公司 | 一种电池直流内阻测算方法及装置 |
| CN114397582B (zh) * | 2022-01-11 | 2024-04-30 | 东莞新能安科技有限公司 | 析锂检测方法、电子设备、充电装置及存储介质 |
| CN114552038B (zh) * | 2022-02-24 | 2024-07-19 | 中山大学 | 基于动态规划的锂电池无析锂快速充电方法及系统 |
| CN114740386B (zh) * | 2022-03-08 | 2024-05-24 | 中南大学 | 一种基于健康状态的锂离子电池荷电状态估计方法 |
| CN114818561B (zh) * | 2022-04-11 | 2024-02-09 | 合肥工业大学 | 一种锂离子电池荷电状态多环模型估计方法 |
| CN114781176B (zh) * | 2022-05-10 | 2024-04-05 | 北方工业大学 | 一种锂离子电池储能系统集总参数的等效电路参数辨识方法 |
| CN115097313A (zh) * | 2022-06-27 | 2022-09-23 | 重庆理工大学 | 适用于多工况全电量区间的动力电池状态估算方法 |
| CN116520148B (zh) * | 2022-12-16 | 2024-08-06 | 广东工业大学 | 一种基于休息恢复效应的锂离子电池微短路电阻估算方法 |
| CN116736141A (zh) * | 2023-08-10 | 2023-09-12 | 锦浪科技股份有限公司 | 一种锂电池储能安全管理系统及方法 |
| CN116930780B (zh) * | 2023-09-19 | 2024-02-23 | 惠州锐鉴兴科技有限公司 | 智能电量检测方法、检测装置及计算机可读存储介质 |
| CN117310521B (zh) * | 2023-11-29 | 2024-02-20 | 深圳市普裕时代新能源科技有限公司 | 锂离子电池的充电状态校准方法、系统、设备及存储介质 |
| CN118376930B (zh) * | 2024-06-26 | 2024-08-23 | 西南科技大学 | 一种储能锂电池电压功能状态评估方法及其系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101813754A (zh) * | 2010-04-19 | 2010-08-25 | 清华大学 | 一种用于汽车起动照明型铅酸蓄电池的状态估算方法 |
| CN102930173A (zh) * | 2012-11-16 | 2013-02-13 | 重庆长安汽车股份有限公司 | 一种锂离子电池荷电状态在线估算方法 |
| 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 |
| CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
| CN104076293A (zh) * | 2014-07-07 | 2014-10-01 | 北京交通大学 | 基于观测器的锂电池soc估算误差的定量分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100492751C (zh) * | 2007-03-09 | 2009-05-27 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
| JP2014139520A (ja) * | 2013-01-21 | 2014-07-31 | Toyota Industries Corp | 充電率推定装置および充電率推定方法 |
| CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
-
2015
- 2015-02-28 CN CN201580077027.3A patent/CN107533105B/zh not_active Expired - Fee Related
- 2015-02-28 WO PCT/CN2015/000124 patent/WO2016134496A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101813754A (zh) * | 2010-04-19 | 2010-08-25 | 清华大学 | 一种用于汽车起动照明型铅酸蓄电池的状态估算方法 |
| CN102930173A (zh) * | 2012-11-16 | 2013-02-13 | 重庆长安汽车股份有限公司 | 一种锂离子电池荷电状态在线估算方法 |
| 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 |
| CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
| CN104076293A (zh) * | 2014-07-07 | 2014-10-01 | 北京交通大学 | 基于观测器的锂电池soc估算误差的定量分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107533105A (zh) | 2018-01-02 |
| WO2016134496A1 (zh) | 2016-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107533105B (zh) | 锂离子电池荷电状态估算方法和装置 | |
| CN105301509B (zh) | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 | |
| CN106716158B (zh) | 电池荷电状态估算方法和装置 | |
| Murnane et al. | A closer look at state of charge (SOC) and state of health (SOH) estimation techniques for batteries | |
| CN104678316B (zh) | 锂离子电池荷电状态估算方法和装置 | |
| CN107748336B (zh) | 锂离子电池的荷电状态在线估计方法及系统 | |
| CN108717164B (zh) | 电池的荷电状态soc标定方法及系统 | |
| CN103020445B (zh) | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 | |
| CN105319515B (zh) | 锂离子电池荷电状态和健康状态联合估算方法 | |
| CN107677965B (zh) | 一种锂电池能量状态估算方法 | |
| WO2015106691A1 (zh) | 一种混合动力车用动力电池soc估算方法 | |
| Nguyen et al. | Development of the intelligent charger with battery State-Of-Health estimation using online impedance spectroscopy | |
| CN104569835A (zh) | 一种估计电动汽车的动力电池的荷电状态的方法 | |
| CN107894570B (zh) | 基于Thevenin模型的电池组SOC的估算方法和装置 | |
| Wehbe et al. | Battery equivalent circuits and brief summary of components value determination of lithium ion: A review | |
| CN105425154A (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
| CN113777501B (zh) | 一种电池模组的soh的估算方法 | |
| CN107817448B (zh) | 一种适用于复杂工况的在线实时监测电池电量的方法 | |
| CN112305426B (zh) | 一种多约束条件下的锂离子电池功率状态估计系统 | |
| CN115327415A (zh) | 基于限定记忆递推最小二乘算法的锂电池soc估算方法 | |
| CN117388715B (zh) | 一种串联锂电池组的soc和sop联合估计方法 | |
| Pillai et al. | Performance analysis of empirical open-circuit voltage modeling in lithium-ion batteries, part-2: Data collection procedure | |
| Wu et al. | State-of-charge and state-of-health estimating method for lithium-ion batteries | |
| CN107402356B (zh) | 一种基于动态参数辨识的ekf估算铅酸电池soc方法 | |
| CN110031772B (zh) | 一种锂离子电池等效内阻的实时估算方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200124 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |