CN107861070A - 一种锂离子电池健康状态在线诊断方法 - Google Patents
一种锂离子电池健康状态在线诊断方法 Download PDFInfo
- Publication number
- CN107861070A CN107861070A CN201711008798.4A CN201711008798A CN107861070A CN 107861070 A CN107861070 A CN 107861070A CN 201711008798 A CN201711008798 A CN 201711008798A CN 107861070 A CN107861070 A CN 107861070A
- Authority
- CN
- China
- Prior art keywords
- battery
- internal resistance
- change
- soc
- rate
- 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
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于锂离子电池技术领域,具体公开了一种锂离子电池健康状态在线诊断方法,该方法包括步骤1:对电池样本进行全区间直流内阻测试,计算得出电池在不同SOC点的直流内阻;步骤2:确定电池直流内阻的稳定SOC区间;步骤3:在电池循环使用过程中,对电池进行一次脉冲充/放电,并记录电流突变过程中的电池电压变化;步骤4:根据步骤3记录的数据,用公式R=△U/△I计算电池不同时间的内阻;步骤5:根据不同电池不同时间的内阻值,计算并分析电池极化内阻变化;步骤6:将内阻和容量对循环次数进行微分,得到内阻与容量的变化率分布图;步骤7:综合判定电池健康状态,并最终采用极化内阻和内阻变化率两个数据对电池健康状态进行双重判定。
Description
技术领域
本发明属于锂离子电池技术领域,具体涉及一种锂离子电池健康状态在线诊断方法。
背景技术
随着城市的发展,生活水平的提高,社会对能源的需求不断加大,而化石能源对环境造成的影响也日益凸显。为了应对不断加剧的能源危机和环境污染,新能源汽车的研发和推广迫在眉睫。动力锂离子电池已经成为新能源汽车系统的关键技术之一。作为一种复杂的电化学系统,锂离子电池的健康状态会随着使用逐渐退化。但在实际使用过程中,表征其健康状态的参数如容量,很难直接测试。动力电池健康状态(SOH)诊断问题为世界范围内新能源汽车行业的一大难题。
由于电池在循环过程中会出现容量及内阻的变化,其中容量是判断电池健康状态的重要参数。目前常用的诊断方法是在一定循环次数后,对电池进行满充满放,测试当前容量的有效数值,评估电池的健康状态。但该方法的问题在于:该方法必须要求电池离线测试。测试过程需要花费较高的时间成本和操作成本,影响车主的正常使用;测试频率具有较高的主观性,不能很好的跟踪和预测电池的健康状态,不利于提前制定预防措施。因此本发明提出了一种基于电池内阻变化率的健康状态在线诊断方式,主要针对容量及内阻变化有明显相关性的锂离子电池,具有较高的可行性和优越性。
发明内容
为了解决上述问题,本发明提出了一种锂离子电池健康状态在线诊断方法,其技术方案如下:
一种锂离子电池健康状态在线诊断方法,其特征在于,包含以下步骤:
步骤1:对电池样本进行全区间直流内阻测试,计算得出电池在不同SOC点的直流内阻。
所述全区间直流内阻测试,即对电池在不同SOC处(如每隔10%SOC)进行脉冲测试,具体过程如下:
Step 101:电池在某SOC点(如90%)充分静置后测得电压为U0,对电池进行电流大小为I1的脉冲充电,并持续记录加有电流过程中的电压数据,之后静置,对电池进行电流大小为I2的脉冲放电,持续记录有电流过程中的的电压数据;
Step 102:将电池调整到下一个SOC点(如80%),重复测试并记录相应的电流电压变化数据。
Step103:根据公式R=△U/△I可以计算电池在每次脉冲测试点(即不同SOC点)的内阻。需要注意的是,此处的△U可以取不同时间长度时的电池电压值,计算得到可得到不同时间长度下的内阻值,如0.1s内阻,1s内阻,10s内阻等。图1展示了0.1s电池内阻的计算结果。
步骤2:确定电池直流内阻的稳定SOC区间。
步骤3:在电池循环使用过程中,当电池SOC处于内阻测试点时,对电池进行一次脉冲充(放)电,并记录电流突变过程中的电池电压变化。
步骤4:根据步骤3记录数据,用公式R=△U/△I计算电池不同时间的内阻。
步骤5:根据不同电池不同时间的内阻值,计算并分析电池极化内阻变化。
步骤6:内阻及容量变化率分析。为增加内阻及容量变化趋势的分辨率,将内阻和容量对循环次数进行微分,得到内阻与容量的变化率分布图。
步骤7:综合判定电池健康状态。在步骤1-6的基础上,依次记录和计算了电池的内阻稳定SOC区间,内阻变化值(不同时间),极化内阻变化值以及内阻变化率。并最终采用极化内阻和内阻变化率两个数据对电池健康状态进行双重判定。当极化内阻数值出现跳变,同时内阻变化率出现拐点时,说明电池健康状态劣化加剧,预示了寿命终止点的临近。
所述步骤1中对电池样本进行全区间直流内阻测试,采用测试方法为复合脉冲测试。脉冲幅值与时间根据电池特性与设备性能确定。
所述步骤2中以电池直流内阻-SOC数据关系图为基础,确定电池直流内阻的稳定SOC区间。
所述步骤3中当电池SOC处于内阻测试点时,对电池进行一次脉冲充(放)电,并记录电流突变过程中的电池电压变化。实际应用中一般以稳定区间中点作为内阻测试点,保证测试电池内阻不随SOC的误差变化而产生明显波动,减轻SOC偏差造成的影响,确保实际测试中的SOC选取有一定的容错区间。
所述步骤4中计算电池在不同时间下的内阻。通过不同时间的内阻反应电池不同物理特性,提高判定精度;而且不同时间下的内阻判定也为设备采样精度和频率保留了一定的选择空间。
所述步骤5中通过不同时间的电池内阻计算得到电池极化内阻变化。去除电池循环前期活化影响,以极化内阻判定电池材料本征状态。极化内阻的拐点位置恰好与容量的衰退拐点位置相对应,且在拐点到来之前一直保持平稳状态,与电池的健康状态一致。
所述步骤6中将内阻和容量对循环次数进行微分,得到内阻与容量的变化率分布图,以增加内阻及容量变化趋势的分辨率,凸显了数据本身的变化趋势,提高预测精度;微分转换后的内阻数据,消除了不同时间下的差异情况,不同时间下的内阻数据变化率都呈现相同的变化,并与容量衰退率高度契合,为设备采样时间的制定保留了充分的置信区间。
所述步骤7综合判定电池健康状态,采用极化内阻和内阻变化率两个数据对电池健康状态进行双重判定。当极化内阻数值出现跳变,同时内阻变化率出现拐点时,说明电池健康状态劣化加剧,预示了寿命终止点的临近。
本发明的有益效果如下:
此诊断方法主要针对电池内阻与容量变化相关性较好的锂离子电池,方法简单易行,准确度较高。通过在线跟踪电池内阻变化情况,并计算电池内阻的变化率,根据极化内阻变化和内阻变化率拐点可以及时判断电池的健康状态,发现电池容量衰退拐点并预测电池寿命终止点的到来,以便及时调整使用策略或更换电池。电池容量变化率与内阻变化率契合度很高,保证了诊断结果的有效性。此外,本发明中提出首先寻找电池内阻稳定区间,并在后续内阻计算中分析了不同时间长度下的直流内阻,分别从测试SOC和计算时间两个维度上为实际应用保留了一定的置信区间,降低了对设备采样和计算精度的要求,使预测方法更加方便经济,具有更强的实用价值。作为一种准确可靠的电池健康状态在线诊断方法,可用于电池管理系统中电池健康状态的在线诊断和预测。
附图说明
图1本发明方法计算一种锂离子电池直流内阻随SOC变化的曲线图;
图2本发明方法电池直流0.1s内阻变化与容量随循环变化图;
图3本发明方法电池直流1s内阻变化与容量随循环变化图;
图4本发明方法电池直流10s内阻变化与容量随循环变化图;
图5本发明方法电池极化内阻随循环变化图;
图6本发明方法电池内阻变化率与容量变化变化率计算结果图;
图7本发明方法电池寿命终止点判定流程示意图;
图8本发明锂离子电池健康状态在线诊断方法流程图。
具体实施方式
下面结合附图对本发明作进一步说明:
本发明按下述步骤进行:
步骤1:对电池样本进行全区间直流内阻测试,计算得出电池在不同SOC点的直流内阻。
所述电池样本,即电动汽车系统使用的电芯样本,为测试电池固有内阻特征做准备;
所述全区间直流内阻测试,即对电池在不同SOC处(如每隔10%SOC)进行脉冲测试,具体过程如下:
Step 101:电池在某SOC点(如90%)充分静置后测得电压为U0,对电池进行电流大小为I1的脉冲充电,并持续记录加有电流过程中的电压数据,之后静置,对电池进行电流大小为I2的脉冲放电,持续记录有电流过程中的的电压数据,其中脉冲幅值与时间根据电池特性与设备性能确定。;
Step 102:将电池调整到下一个SOC点(如80%),重复测试并记录相应的电流电压变化数据。
Step103:根据公式R=△U/△I可以计算电池在每次脉冲测试点(即不同SOC点)的内阻。需要注意的是,此处的△U可以取不同时间长度时的电池电压值,计算得到可得到不同时间长度下的内阻值,如0.1s内阻,1s内阻,10s内阻等。图1展示了0.1s电池内阻的计算结果。
步骤2:确定电池直流内阻的稳定SOC区间。实际使用过程中,受到测量精度以及计算误差的影响,SOC计算值与实际值存在一定偏差。为了减轻SOC偏差造成的影响,可以通过寻找电池内阻的稳定SOC区间。对应区间内,电池内阻不随SOC的变化而产生明显波动,保证实际测试中的SOC选取有一定的容错区间。图1示例中,以SOC为横轴,以内阻值为纵轴画出电池直流内阻随SOC的变化图,可确定电池直流内阻的稳定SOC区间为40%-60%,实际使用中可选择50%SOC作为内阻测试点,为SOC估算保留±10%的置信区间。
步骤3:在电池循环使用过程中,当电池SOC处于内阻测试点时,对电池进行一次脉冲充(放)电,并记录电流突变过程中的电池电压变化。该步骤的测试与记录过程与步骤1相同,区别在于内阻测试点的选取。根据步骤2确定电池直流内阻的稳定SOC区间后,该步骤的内阻测试点可确定在区间中心,以减小SOC估算误差的影响。
步骤4:根据步骤3记录数据,用公式R=△U/△I计算电池不同时间的内阻。由于在实际测试过程中,设备受采样精度和频率的限制,不一定能够具有统一的采样间隔,实际计算得到的内阻会对应不同的时间。为了保证该方法在时间维度上的适用性,需要计算并分析电池不同时间的内阻。此外,不同时间的内阻反应了电池不同物理特性,对于提高判定精度有积极意义。图2、图3和图4分别展示了电池的0.1s内阻,1s内阻和10s内阻在循环过程中的变化。从中可以发现,电池在三中时间长度下的内阻变化呈现相似的变化趋势(先下降后升高)。并且内阻的升高与容量的降低有明显的相关关系。
步骤5:极化内阻分析。步骤4中分别计算得到了电池的0.1s内阻,1s内阻和10s内阻。其中0.1s内阻和1s内阻更多的反应电池欧姆内阻情况(主要与电池物理结构有关),10s内阻中除欧姆内阻外还包括电池极化内阻(主要与材料结构,锂离子扩散系数等有关)。电池初始循环过程中,受活化影响(如电解液浸润等),欧姆内阻会产生下降(见图2,图3,图4)。因此极化内阻的变化更能反映电池材料本征状态。图5以实际电池为例,用10s内阻与1s内阻做差后得到电池极化内阻,可以发现极化内阻的拐点位置恰好与容量的衰退拐点位置相对应,且在拐点到来之前一直保持平稳状态,与电池的健康状态一致。
步骤6:内阻及容量变化率分析。为增加内阻及容量变化趋势的分辨率,将内阻和容量对循环次数进行微分,得到内阻与容量的变化率分布图,见图6。通过微分转换,主要有以下几点优势:
优势1:凸显了数据本身的变化趋势,使拐点变化更加明显,更容易发现电池健康状态劣化拐点,提高预测精度;
优势2:通过微分转换,内阻增加率与容量衰退率呈现高度的一致性,为数据相关性分析提供有力证据;
优势3:微分转换后的内阻数据,消除了不同时间下的差异情况,不同时间下的内阻数据变化率都呈现相同的变化,并与容量衰退率高度契合,为设备采样时间的制定保留了充分的置信区间。
步骤7:综合判定电池健康状态。在步骤1-6的基础上,依次记录和计算了电池的内阻稳定SOC区间,内阻变化值(不同时间),极化内阻变化值以及内阻变化率。并最终采用极化内阻和内阻变化率两个数据对电池健康状态进行双重判定。当极化内阻数值出现跳变,同时内阻变化率出现拐点时,说明电池健康状态劣化加剧,预示了寿命终止点的临近。具体流程如图7所示。
显然,本发明的举例(包括测试结果展示,SOC区间,脉冲时间,数据采样间隔等)仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术和名词。
Claims (10)
1.一种锂离子电池健康状态在线诊断方法,其特征在于,包含以下步骤:
步骤1:对电池样本进行全区间直流内阻测试,计算得出电池在不同SOC点的直流内阻;
步骤2:确定电池直流内阻的稳定SOC区间;
步骤3:在电池循环使用过程中,当电池SOC处于内阻测试点时,对电池进行一次脉冲充/放电,并记录电流突变过程中的电池电压变化;
步骤4:根据步骤3记录的数据,用公式R=△U/△I计算电池不同时间的内阻;
步骤5:根据不同电池不同时间的内阻值,计算并分析电池极化内阻变化;
步骤6:内阻及容量变化率分析,为增加内阻及容量变化趋势的分辨率,将内阻和容量对循环次数进行微分,得到内阻与容量的变化率分布图;
步骤7:综合判定电池健康状态,在步骤1-6的基础上,依次记录和计算电池的内阻稳定SOC区间,不同时间的内阻变化值,极化内阻变化值以及内阻变化率,并最终采用极化内阻和内阻变化率两个数据对电池健康状态进行双重判定。
2.根据权利要求1所述的方法,其特征在于,步骤1中所述所述全区间直流内阻测试,是对电池在不同SOC处进行脉冲测试,具体过程如下:
Step 101:电池在某SOC点充分静置后测得电压为U0,对电池进行电流大小为I1的脉冲充电,并持续记录加有电流过程中的电压数据,之后静置,对电池进行电流大小为I2的脉冲放电,持续记录有电流过程中的的电压数据;
Step 102:将电池调整到下一个SOC点,重复测试并记录相应的电流电压变化数据;
Step103:根据公式R=△U/△I计算电池在每次脉冲测试点的内阻;其中△U取不同时间长度时的电池电压值,得到不同时间长度下的内阻值。
3.根据权利要求1所述的方法,其特征在于,步骤1中所述对电池样本进行全区间直流内阻测试,采用复合脉冲测试方法进行测试。脉冲幅值与时间根据电池特性与设备性能确定。
4.根据权利要求1所述的方法,其特征在于,步骤2中所述确定电池直流内阻的稳定SOC区间是以电池直流内阻-SOC数据关系图为基础。
5.根据权利要求1所述的方法,其特征在于,步骤3中所述当电池SOC处于内阻测试点时,对电池进行一次脉冲充/放电,并记录电流突变过程中的电池电压变化,是以稳定区间中点作为内阻测试点,保证测试电池内阻不随SOC的误差变化而产生明显波动,减轻SOC偏差造成的影响,确保实际测试中的SOC选取有一定的容错区间。
6.根据权利要求1所述的方法,其特征在于,步骤4中所述计算电池在不同时间的内阻,是通过不同时间的内阻反应电池不同物理特性,提高判定精度;而且不同时间下的内阻判定也为设备采样精度和频率保留了一定的选择空间。
7.根据权利要求1所述的方法,其特征在于,步骤5中所述根据不同电池不同时间的内阻值计算并分析电池极化内阻变化,是去除电池循环前期活化影响,以极化内阻判定电池材料本征状态;所述极化内阻的拐点位置恰好与容量的衰退拐点位置相对应,且在拐点到来之前一直保持平稳状态,与电池的健康状态一致。
8.根据权利要求1所述的方法,其特征在于,步骤6中所述将内阻和容量对循环次数进行微分,得到内阻与容量的变化率分布图,是以增加内阻及容量变化趋势的分辨率,凸显数据本身的变化趋势,提高预测精度。
9.根据权利要求1所述的方法,其特征在于,步骤6中所述将内阻和容量对循环次数进行微分,微分转换后的内阻数据消除了不同时间的差异情况,不同时间的内阻数据变化率都呈现相同的变化,并与容量衰退率高度契合,为设备采样时间的制定保留充分的置信区间。
10.根据权利要求1所述的方法,其特征在于,步骤7中所述综合判定电池健康状态,采用极化内阻和内阻变化率两个数据对电池健康状态进行双重判定,当极化内阻数值出现跳变,同时内阻变化率出现拐点时,说明电池健康状态劣化加剧,预示了寿命终止点的临近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711008798.4A CN107861070B (zh) | 2017-10-25 | 2017-10-25 | 一种锂离子电池健康状态在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711008798.4A CN107861070B (zh) | 2017-10-25 | 2017-10-25 | 一种锂离子电池健康状态在线诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107861070A true CN107861070A (zh) | 2018-03-30 |
CN107861070B CN107861070B (zh) | 2019-10-18 |
Family
ID=61696836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711008798.4A Active CN107861070B (zh) | 2017-10-25 | 2017-10-25 | 一种锂离子电池健康状态在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107861070B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109031153A (zh) * | 2018-10-16 | 2018-12-18 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN109655750A (zh) * | 2019-01-31 | 2019-04-19 | 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 |
CN109946612A (zh) * | 2019-04-01 | 2019-06-28 | 北京交通大学 | 一种三元锂离子电池容量加速衰退转折点识别方法 |
CN109946613A (zh) * | 2019-04-08 | 2019-06-28 | 上海理工大学 | 车用动力电池的内阻在线估计与寿命检测方法 |
CN110031772A (zh) * | 2019-05-23 | 2019-07-19 | 中山大学 | 一种锂离子电池等效内阻的实时估算方法 |
CN110221223A (zh) * | 2019-05-08 | 2019-09-10 | 昆山正金软件科技有限公司 | 一种锂离子电池soh的在线估算方法 |
WO2020016799A1 (en) * | 2018-07-17 | 2020-01-23 | Stra, S.A. | Method and device for measuring the health of a multicell automotive battery |
CN110988723A (zh) * | 2019-12-17 | 2020-04-10 | 国网上海市电力公司 | 一种基于lstm的电池内阻预测及故障预警方法 |
CN111123138A (zh) * | 2019-12-24 | 2020-05-08 | 中航锂电(洛阳)有限公司 | 一种电池组的soh的估算方法 |
CN111142027A (zh) * | 2019-12-31 | 2020-05-12 | 国电南瑞南京控制系统有限公司 | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 |
CN111263894A (zh) * | 2018-04-10 | 2020-06-09 | 株式会社Lg化学 | 电池诊断装置及方法 |
CN111521945A (zh) * | 2020-05-06 | 2020-08-11 | 江苏美的清洁电器股份有限公司 | 电池健康状态检测方法、装置、电子设备及存储介质 |
CN112986841A (zh) * | 2019-12-17 | 2021-06-18 | 比亚迪股份有限公司 | 电池荷电状态的估算方法、装置及设备 |
WO2021169486A1 (zh) * | 2020-02-24 | 2021-09-02 | 上海蔚来汽车有限公司 | 基于充电过程监控电池阻抗异常的方法、系统以及装置 |
CN113514771A (zh) * | 2020-04-10 | 2021-10-19 | 广州汽车集团股份有限公司 | 一种电池阻抗寿命估算方法及系统 |
CN113767293A (zh) * | 2019-11-26 | 2021-12-07 | 株式会社Lg新能源 | 用于诊断电池状态的装置和方法 |
CN113777511A (zh) * | 2020-06-09 | 2021-12-10 | 北京京东乾石科技有限公司 | 自动导引车电池的诊断方法、装置、存储介质及电子设备 |
CN114089202A (zh) * | 2022-01-24 | 2022-02-25 | 天津力神电池股份有限公司 | 一种无损分析电池循环过程中电极阻抗稳定性的方法 |
CN114137429A (zh) * | 2021-10-29 | 2022-03-04 | 国电南瑞科技股份有限公司 | 充放电过程中锂离子电池性能异常变化的参数化表征方法及装置 |
CN114200322A (zh) * | 2021-12-07 | 2022-03-18 | 欣旺达电动汽车电池有限公司 | 一种锂离子电池析锂检测方法 |
CN116243197A (zh) * | 2023-05-12 | 2023-06-09 | 国民技术股份有限公司 | 电池soh预测方法和装置 |
US12032028B2 (en) | 2019-11-26 | 2024-07-09 | Lg Energy Solution, Ltd. | Apparatus and method for diagnosing state of battery |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854394A (zh) * | 2012-08-31 | 2013-01-02 | 华南师范大学 | 锂离子电池健康状态估算系统及使用该系统对锂离子电池健康状态估算的方法 |
CN103698713A (zh) * | 2013-12-30 | 2014-04-02 | 长城汽车股份有限公司 | 一种锂离子电池健康状态评估方法 |
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 |
CN104749533A (zh) * | 2015-03-25 | 2015-07-01 | 上海应用技术学院 | 一种锂离子电池健康状态在线估算方法 |
CN105738815A (zh) * | 2014-12-12 | 2016-07-06 | 国家电网公司 | 一种在线检测锂离子电池健康状态的方法 |
CN107192954A (zh) * | 2017-05-02 | 2017-09-22 | 杭州科工电子科技有限公司 | 一种锂离子电池性能在线诊断方法 |
-
2017
- 2017-10-25 CN CN201711008798.4A patent/CN107861070B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854394A (zh) * | 2012-08-31 | 2013-01-02 | 华南师范大学 | 锂离子电池健康状态估算系统及使用该系统对锂离子电池健康状态估算的方法 |
CN103698713A (zh) * | 2013-12-30 | 2014-04-02 | 长城汽车股份有限公司 | 一种锂离子电池健康状态评估方法 |
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 |
CN105738815A (zh) * | 2014-12-12 | 2016-07-06 | 国家电网公司 | 一种在线检测锂离子电池健康状态的方法 |
CN104749533A (zh) * | 2015-03-25 | 2015-07-01 | 上海应用技术学院 | 一种锂离子电池健康状态在线估算方法 |
CN107192954A (zh) * | 2017-05-02 | 2017-09-22 | 杭州科工电子科技有限公司 | 一种锂离子电池性能在线诊断方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111263894A (zh) * | 2018-04-10 | 2020-06-09 | 株式会社Lg化学 | 电池诊断装置及方法 |
WO2020016799A1 (en) * | 2018-07-17 | 2020-01-23 | Stra, S.A. | Method and device for measuring the health of a multicell automotive battery |
CN109031153A (zh) * | 2018-10-16 | 2018-12-18 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN109031153B (zh) * | 2018-10-16 | 2020-01-24 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN109655750A (zh) * | 2019-01-31 | 2019-04-19 | 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 |
CN109946612A (zh) * | 2019-04-01 | 2019-06-28 | 北京交通大学 | 一种三元锂离子电池容量加速衰退转折点识别方法 |
CN109946613A (zh) * | 2019-04-08 | 2019-06-28 | 上海理工大学 | 车用动力电池的内阻在线估计与寿命检测方法 |
CN110221223A (zh) * | 2019-05-08 | 2019-09-10 | 昆山正金软件科技有限公司 | 一种锂离子电池soh的在线估算方法 |
CN110031772A (zh) * | 2019-05-23 | 2019-07-19 | 中山大学 | 一种锂离子电池等效内阻的实时估算方法 |
CN110031772B (zh) * | 2019-05-23 | 2022-01-07 | 中山大学 | 一种锂离子电池等效内阻的实时估算方法 |
US12032028B2 (en) | 2019-11-26 | 2024-07-09 | Lg Energy Solution, Ltd. | Apparatus and method for diagnosing state of battery |
CN113767293B (zh) * | 2019-11-26 | 2023-11-10 | 株式会社Lg新能源 | 用于诊断电池状态的装置和方法 |
CN113767293A (zh) * | 2019-11-26 | 2021-12-07 | 株式会社Lg新能源 | 用于诊断电池状态的装置和方法 |
CN110988723A (zh) * | 2019-12-17 | 2020-04-10 | 国网上海市电力公司 | 一种基于lstm的电池内阻预测及故障预警方法 |
CN112986841A (zh) * | 2019-12-17 | 2021-06-18 | 比亚迪股份有限公司 | 电池荷电状态的估算方法、装置及设备 |
CN111123138B (zh) * | 2019-12-24 | 2022-03-08 | 中创新航科技股份有限公司 | 一种电池组的soh的估算方法 |
CN111123138A (zh) * | 2019-12-24 | 2020-05-08 | 中航锂电(洛阳)有限公司 | 一种电池组的soh的估算方法 |
CN111142027A (zh) * | 2019-12-31 | 2020-05-12 | 国电南瑞南京控制系统有限公司 | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 |
WO2021169486A1 (zh) * | 2020-02-24 | 2021-09-02 | 上海蔚来汽车有限公司 | 基于充电过程监控电池阻抗异常的方法、系统以及装置 |
CN113514771A (zh) * | 2020-04-10 | 2021-10-19 | 广州汽车集团股份有限公司 | 一种电池阻抗寿命估算方法及系统 |
CN111521945A (zh) * | 2020-05-06 | 2020-08-11 | 江苏美的清洁电器股份有限公司 | 电池健康状态检测方法、装置、电子设备及存储介质 |
CN111521945B (zh) * | 2020-05-06 | 2022-04-08 | 美智纵横科技有限责任公司 | 电池健康状态检测方法、装置、电子设备及存储介质 |
CN113777511A (zh) * | 2020-06-09 | 2021-12-10 | 北京京东乾石科技有限公司 | 自动导引车电池的诊断方法、装置、存储介质及电子设备 |
CN114137429A (zh) * | 2021-10-29 | 2022-03-04 | 国电南瑞科技股份有限公司 | 充放电过程中锂离子电池性能异常变化的参数化表征方法及装置 |
CN114200322A (zh) * | 2021-12-07 | 2022-03-18 | 欣旺达电动汽车电池有限公司 | 一种锂离子电池析锂检测方法 |
CN114200322B (zh) * | 2021-12-07 | 2024-04-30 | 欣旺达动力科技股份有限公司 | 一种锂离子电池析锂检测方法 |
CN114089202A (zh) * | 2022-01-24 | 2022-02-25 | 天津力神电池股份有限公司 | 一种无损分析电池循环过程中电极阻抗稳定性的方法 |
CN114089202B (zh) * | 2022-01-24 | 2022-05-10 | 天津力神电池股份有限公司 | 一种无损分析电池循环过程中电极阻抗稳定性的方法 |
CN116243197A (zh) * | 2023-05-12 | 2023-06-09 | 国民技术股份有限公司 | 电池soh预测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107861070B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861070B (zh) | 一种锂离子电池健康状态在线诊断方法 | |
Ahmed et al. | Model-based parameter identification of healthy and aged li-ion batteries for electric vehicle applications | |
CN107037374B (zh) | 一种锂离子电池的soc和soh联合估计方法 | |
CN105277898B (zh) | 一种电池荷电状态的检测方法 | |
CN104502859B (zh) | 电池荷电量及电池健康状态的检测、诊断方法 | |
Vasebi et al. | A novel combined battery model for state-of-charge estimation in lead-acid batteries based on extended Kalman filter for hybrid electric vehicle applications | |
CN102565710B (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN102468521B (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN102590751B (zh) | 动力电池包一致性评估方法和装置 | |
US11442113B2 (en) | On-line estimation method of battery state of health in wide temperature range based on “standardized temperature” | |
CN104714181B (zh) | 一种获取电压与电池荷电状态关系的方法和系统 | |
CN109991548A (zh) | 一种ocv-soc标定实验方法、电池等效模型参数辨识方法及soc估算方法 | |
Lyu et al. | SOH estimation of lithium-ion batteries based on fast time domain impedance spectroscopy | |
CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
KR101865972B1 (ko) | 배터리의 열화 판단방법 | |
CN105388426A (zh) | 估计电池健康寿命soh的方法和装置 | |
CN111736083B (zh) | 一种电池健康状态获取方法及装置、存储介质 | |
CN103033762A (zh) | 基于差值微分的动力磷酸铁锂电池荷电量动态预测方法 | |
CN106696712A (zh) | 动力电池故障检测方法、系统及电动车辆 | |
CN110687462B (zh) | 一种动力电池soc与容量全生命周期联合估计方法 | |
Yang et al. | State-of-health estimation for lithium-ion batteries based on decoupled dynamic characteristic of constant-voltage charging current | |
CN104391159A (zh) | 电池的单电极电位的检测方法及系统 | |
KR20160108963A (ko) | 고조파 및 임피던스를 이용한 배터리 상태 진단 장치 및 방법, 그리고 이를 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 | |
CN104833917A (zh) | 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定 | |
CN110007238A (zh) | 一种铝空气电池等效电路模型的建立方法 |
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 |