CN108254696B - 电池的健康状态评估方法及系统 - Google Patents
电池的健康状态评估方法及系统 Download PDFInfo
- Publication number
- CN108254696B CN108254696B CN201711488272.0A CN201711488272A CN108254696B CN 108254696 B CN108254696 B CN 108254696B CN 201711488272 A CN201711488272 A CN 201711488272A CN 108254696 B CN108254696 B CN 108254696B
- Authority
- CN
- China
- Prior art keywords
- battery
- hour
- ampere
- health
- discharge
- 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
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Abstract
本发明公开了一种电池的健康状态评估方法及系统。健康状态评估方法包括以下步骤:S1、获取同类型的多个电池的寿命衰减数据;S2、根据寿命衰减数据构建电池的目标特征参数并计算容量数据序列;S3、基于最小二乘法拟合容量数据序列和目标特征参数,以构建健康状态评估模型;健康状态评估模型用于计算电池的有效容量;目标特征参数包括以下参数中的至少一种:等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差。本发明无需复杂的测试条件和模型,也不需要电池恒流条件下的完整充放电电压曲线,能准确预测电池的健康状态。
Description
技术领域
本发明涉及电池技术领域,特别涉及一种电池的健康状态评估方法及系统。
背景技术
近年来,大容量电池储能系统在电力系统中的应用发展势头迅猛,发展潜力巨大。而与此同时电池储能系统的安全性也成为储能系统产业化的重要影响因素。因此,需要建立面向大规模电池成组使用下的电池进行健康状态评估(SOH)系统。针对这一问题,国内普遍采用电池内部参数估计法,内阻法及等效电路法。其中,内部参数估计法是从电池内部物理化学过程角度出发,利用内部性能状态参数可以计算得到电池的容量、内阻、瞬时功率等外部性能,可以得到一组评价电池健康状态的特征参数。内阻法认为直流内阻与电池健康状态存在一定关联,以直流内阻作为电池的健康特征。等效电路法辨识电池等效电路的参数,诸如开路电势、电阻、电容,作为电池的SOH特征量。另有研究认为随着电池老化,电池恒流充电或者放电过程中相等的电压变化区间对应的充放电时间是逐渐减小的,并以此作为SOH特征量。
但是现有技术的电池健康状态评估方法均存在一些缺陷:(1)电池内部参数估计法是通过内部性能状态参数估计计算得到电池的容量等参数,这样得到电池容量的数据偏于理想化,适应性不强,因为在储能电站的实际应用过程中电池的充放电受负载、天气以及外界因素影响极大;(2)内阻法在测量时需要在线捕捉电池突加负荷的电压瞬变,测量难度较大且存在较大误差,一致性较差;(3)等效电路法的模型本身存在一定误差,模型参数辨识依赖于最小二乘、遗传算法等优化方法,在线应用难以实现且容易陷入局部最优;(4)以等压差充放电时间作为SOH特征在应用中受到限制,如果在电压区间内电池既有充电又有放电,或者电流变化,则对应的时间无法反映电池的健康状态,无法在实际系统中应用。
发明内容
本发明要解决的技术问题是为了克服现有技术中电池健康状态评估方法的缺陷,提供一种简单、准确、容易应用的电池的健康状态评估方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
一种电池的健康状态评估方法,所述健康状态评估方法包括以下步骤:
S1、获取同类型的多个电池的寿命衰减数据;
S2、根据所述寿命衰减数据构建电池的目标特征参数并计算容量数据序列;
S3、基于最小二乘法拟合所述容量数据序列和所述目标特征参数,以构建健康状态评估模型;
所述健康状态评估模型用于计算电池的有效容量;
所述目标特征参数包括以下参数中的至少一种:等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差;
所述等压降放电安时表征每个充放电周期中将电池按照等压降放电后所对应的安时数;
所述等安时放电电压差表征每个充放电周期中将电池按照等安时放电后所对应的电压差;
所述等压降充电安时表征每个充放电周期中将电池按照等压降充电后所对应的安时数;
所述等安时充电电压差表征每个充放电周期中将电池按照等安时充电后所对应的电压差。
较佳地,步骤S2之前,还包括:
基于数字滤波法对所述寿命衰减数据平滑去噪。
本方案中,使用健康状态评估模型即能计算待测电池的有效容量,进而可对电池的健康状态进行评估。
较佳地,步骤S2中,根据所述寿命衰减数据构建所述目标建特征参数的步骤具体包括:
根据所述寿命衰减数据构建初始特征参数;
基于Pearson相关分析法计算容量数据序列与初始特征参数之间的相关系数;
将所述相关系数大于系数阈值的初始特征参数确定为目标特征参数。
较佳地,步骤S3之后,还包括:
S4、获取待测电池的充放电数据;
S5、根据所述充放电数据计算所述待测电池的特征参数并输入至所述健康状态评估模型,以获得所述待测电池的初始有效容量和当前有效容量;
S6、计算所述待测电池的健康状态值,计算公式如下:
健康状态值=当前有效容量÷初始有效容量×100%。
较佳地,步骤S6之后,所述健康状态评估方法还包括:
判断所述健康状态值是否小于健康阈值,并在判断为是时提示报警信息。
较佳地,所述寿命衰减数据和所述充放电数据包括以下参数:
充放电过程中,电池的电压、电流和温度。
本发明还提供一种电池的健康状态评估系统,所述健康状态评估系统包括:
数据获取模块,用于获取同类型的多个电池的寿命衰减数据;
计算模块,用于根据所述寿命衰减数据构建电池的目标特征参数并计算容量数据序列;
所述计算模块还用于基于最小二乘法拟合所述容量数据序列和所述目标特征参数,以构建健康状态评估模型;
所述健康状态评估模型用于计算电池的有效容量;
所述目标特征参数包括以下参数中的至少一种:等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差;
所述等压降放电安时表征每个充放电周期中将电池按照等压降放电后所对应的安时数;
所述等安时放电电压差表征每个充放电周期中将电池按照等安时放电后所对应的电压差;
所述等压降充电安时表征每个充放电周期中将电池按照等压降充电后所对应的安时数;
所述等安时充电电压差表征每个充放电周期中将电池按照等安时充电后所对应的电压差。
较佳地,所述健康状态评估系统还包括:
数据处理模块,用于基于数字滤波法对所述寿命衰减数据平滑去噪。
较佳地,所述计算模块包括:
计算单元,用于根据所述寿命衰减数据构建初始特征参数,并基于Pearson相关分析法计算容量数据序列与初始特征参数之间的相关系数;
判断单元,用于将所述相关系数大于系数阈值的初始特征参数确定为目标特征参数。
较佳地,所述数据获取模块还用于获取待测电池的充放电数据;
所述计算模块还用于根据所述充放电数据计算所述待测电池的特征参数并输入至所述健康状态评估模型,以获得所述待测电池的初始有效容量和当前有效容量,并计算所述待测电池的健康状态值,计算公式如下:
健康状态值=当前有效容量÷初始有效容量×100%。
较佳地,所述健康状态评估系统还包括:
判断模块,用于判断所述健康状态值是否小于健康阈值,并在判断为是时提示报警信息。
较佳地,所述寿命衰减数据和所述充放电数据包括以下参数:
充放电过程中,电池的电压、电流和温度。
本发明的积极进步效果在于:本发明中通过对等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差中的至少一个特征参数的分析来评估电池的健康状态,无需复杂的测试条件和模型,也不需要电池恒流条件下的完整充放电电压曲线;同时这些特征参数均与电池容量具有很强的相关性,能准确表征电池的电池容量。因此,上述四个特征参数能准确评估电池的健康状态。因此,本发明具有简单、准确、容易应用的优点。
附图说明
图1为本发明实施例1的电池的健康状态评估方法的流程图。
图2为利用本发明实施例1的电池的健康状态评估方法获得的等压降充电安时、等压降放电安时和有效容量随循环次数的变化规律曲线。
图3为利用本发明实施例1的电池的健康状态评估方法获得的等安时放电电压差和等安时充电电压差随循环次数的变化规律曲线。
图4为本发明实施例2的电池的健康状态评估系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例的电池的健康状态评估方法,包括以下步骤:
步骤101、获取同类型的多个电池的寿命衰减数据。
其中,寿命衰减数据包括充放电过程中,电池的电压、电流和温度等参数。上述参数可通过BMS系统(电池管理系统)对电池的实时监控获取。
步骤102、采用数字滤波法对寿命衰减数据平滑去噪。以筛掉异常值和有问题的数据,提高步骤104中模型建立的准确性。
步骤103、根据寿命衰减数据构建电池的初始特征参数并计算容量数据序列。
步骤104、基于Pearson相关分析法计算容量数据序列与初始特征参数之间的相关系数,将相关系数大于系数阈值的初始特征参数确定为目标特征参数。
本实施例中,由于等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差易于通过可直接监测的参数构建,且与电池容量的相关性较高,因此选择上述特征参数中的至少一种构建健康状态评估模型。
从而,目标特征参数包括以下参数中的至少一种:等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差;等压降放电安时表征每个充放电周期中将电池按照等压降放电后所对应的安时数;等安时放电电压差表征每个充放电周期中将电池按照等安时放电后所对应的电压差;等压降充电安时表征每个充放电周期中将电池按照等压降充电后所对应的安时数;等安时充电电压差表征每个充放电周期中将电池按照等安时充电后所对应的电压差。
需要说明的是,用户可根据实际需求自行选择四种特征参数中的任意一种作为健康状态评估模型的训练参数,也可选择四种特征参数中的两种、三种或四种作为健康状态评估模型的训练参数。
以下通过实验数据说明锂离子电池的目标特征参数与电池容量的相关性:
步骤103中构建电池的特征参数时,具体的:等压降放电安时的电压变化范围取24.6V~25.7V;等安时放电电压差的容量变化范围取24Ah~46Ah;等压降充电安时特征参数的电压变化范围取26.8V~27.4V;等安时充电电压差特征参数的容量变化范围取29Ah~63Ah。对应的电池随循环次数的变化规律参见图2和3。L1表征等压降充电安时随循环次数的变化规律曲线,L2表征等压降放电安时随循环次数的变化规律曲线,L3表征有效容量随循环次数的变化规律曲线,L4表征等安时放电电压差随循环次数的变化规律曲线,L5表征等安时充电电压差随循环次数的变化规律曲线。从图中可以定性看出,4个特征参数均与电池老化由很强的相关性。
计算Pearson相关系数如下:
等压降放电安时与电池容量的Pearson相关系数r=0.9657;
等安时放电电压差与电池容量的Pearson相关系数r=0.9528;
等压降充电安时与电池容量的Pearson相关系数r=0.9694;
等安时充电电压差与电池容量的Pearson相关系数r=0.9729。
可以看出,上述4个特征参数与电池容量具有较强的相关性,有条件作为表征电池健康状态的健康特征。也即本实施例通过部分电池充放电的寿命衰减数据,无需获取电池恒流条件下的完整充放电电压曲线,即可得到特征参数与电容容量较强的关联关系。
步骤105、基于最小二乘法拟合容量数据序列和目标特征参数,以构建健康状态评估模型。其中,健康状态评估模型用于计算电池的有效容量。
步骤105具体包括:利用最小二乘法对目标特征参数和电池容量进行一次多项式拟合和二次多项式拟合。
得到的拟合多项式分别为:
(1)等压降放电安时特征参数
一次多项式拟合公式:
CAP=0.814C+64.0124;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.857;
二次多项式拟合公式:
CAP=-0.024C2+2.0053C+50.3549;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.7618。
(2)等安时放电电压差特征参数
一次多项式拟合公式:
CAP=-30.0496C+114.9267;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=1.1221;
二次多项式拟合公式:
CAP=-36.0476C2+41.8246C+79.5450;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.9754。
(3)等压降充电安时特征参数
一次多项式拟合公式:
CAP=1.0245C+65.7621;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.8216;
二次多项式拟合公式:
CAP=0.0129C2+0.5955C+69.0271;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.7954。
(4)等安时充电电压差特征参数
一次多项式拟合公式:
CAP=-21.2633C+113.1131;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.7861;
二次多项式拟合公式:
CAP=-24.821C2+44.3311C+70.4139;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.4765。
健康状态评估模型建立之后,则可通过该模型计算待测电池的有效电容,步骤如下:
步骤106、获取待测电池的充放电数据。
其中,充放电数据包括充放电过程中,待测电池的电压、电流和温度。同样充放电数据可通过BMS对待测电池的实时监测获得。
步骤107、根据充放电数据计算待测电池的特征参数并输入至健康状态评估模型,以获得待测电池的初始有效容量和当前有效容量。
其中,初始有效容量通过电池第一次充放电的充放电数据计算得到。当前有效容量通过电池当前充放电的充放电数据计算得到。
步骤108、计算待测电池的健康状态值。
具体的,计算公式如下:
健康状态值=当前有效容量÷初始有效容量×100%。
步骤109、输出健康状态值。
本实施例中还可对待测电池的健康状态进行判断,具体步骤如下:
步骤109’、判断健康状态值是否小于健康阈值。若判断为是,则提示报警信息。以提醒用户更换电池。
本实施例中,通过对等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差中的至少一个特征参数的分析来评估电池的健康状态,无需复杂的测试条件和模型,也不需要电池恒流条件下的完整充放电电压曲线;同时这些特征参数均与电池容量具有很强的相关性。因此本发明具有简单、准确、容易应用等优点。
实施例2
如图4所示,本实施例的电池的健康状态评估系统包括:数据获取模块1和计算模块2。
数据获取模块1用于获取同类型的多个电池的寿命衰减数据。其中,寿命衰减数据包括充放电过程中,电池的电压、电流和温度等参数。上述参数可通过BMS系统(电池管理系统)对电池的实时监控获取。
计算模块2用于根据寿命衰减数据构建电池的目标特征参数并计算容量数据序列,以及基于最小二乘法拟合容量数据序列和目标特征参数,以构建健康状态评估模型。健康状态评估模型用于计算电池的有效容量。
具体的,计算模块2包括:计算单元21和判断单元22。计算单元21用于根据寿命衰减数据构建初始特征参数,并基于Pearson相关分析法计算容量数据序列与初始特征参数之间的相关系数。判断单元22用于判断相关系数是否大于系数阈值,并将相关系数大于系数阈值的初始特征参数确定为目标特征参数。
其中,目标特征参数包括以下参数中的至少一种:等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差。等压降放电安时表征每个充放电周期中将电池按照等压降放电后所对应的安时数;等安时放电电压差表征每个充放电周期中将电池按照等安时放电后所对应的电压差;等压降充电安时表征每个充放电周期中将电池按照等压降充电后所对应的安时数;等安时充电电压差表征每个充放电周期中将电池按照等安时充电后所对应的电压差。需要说明的是,用户可根据实际需求自行选择四种特征参数中的任意一种作为健康状态评估模型的训练参数,也可选择四种特征参数中的两种、三种或四种作为健康状态评估模型的训练参数。
本实施例中,计算模块2还包括拟合单元23。拟合单元23用于利用最小二乘法对目标特征参数和电池容量进行一次多项式拟合和二次多项式拟合,以构建健康状态评估模型。
得到的拟合多项式分别为:
(1)等压降放电安时特征参数
一次多项式拟合公式:
CAP=0.814C+64.0124;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.857;
二次多项式拟合公式:
CAP=-0.024C2+2.0053C+50.3549;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.7618。
(2)等安时放电电压差特征参数
一次多项式拟合公式:
CAP=-30.0496C+114.9267;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=1.1221;
二次多项式拟合公式:
CAP=-36.0476C2+41.8246C+79.5450;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.9754。
(3)等压降充电安时特征参数
一次多项式拟合公式:
CAP=1.0245C+65.7621;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.8216;
二次多项式拟合公式:
CAP=0.0129C2+0.5955C+69.0271;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.7954。
(4)等安时充电电压差特征参数
一次多项式拟合公式:
CAP=-21.2633C+113.1131;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.7861;
二次多项式拟合公式:
CAP=-24.821C2+44.3311C+70.4139;
CAP为有效容量,C为特征参数;
误差均值Ex=0,误差标准差σ=0.4765。
本实施例中,健康状态评估系统还包括:数据处理模块3。数据处理模块3用于基于数字滤波法对寿命衰减数据平滑去噪,以筛掉异常值和有问题的数据。数据处理模块将经过平滑去噪的寿命衰减数据输入至计算模块。从而,计算模块根据经过平滑去噪的寿命衰减数据构建电池的目标特征参数并计算容量数据序列。
健康状态评估模型建立之后,则可通过该模型计算待测电池的有效电容,具体过程如下:
数据获取模块获取待测电池的充放电数据。其中,充放电数据包括:充放电过程中,待测电池的电压、电流和温度。同样充放电数据可通过BMS对待测电池的实时监测获得。
计算模块根据充放电数据计算待测电池的特征参数并输入至健康状态评估模型,以获得待测电池的初始有效容量和当前有效容量,并计算待测电池的健康状态值,计算公式如下:
健康状态值=当前有效容量÷初始有效容量×100%。
其中,初始有效容量通过电池第一次充放电的充放电数据计算得到。当前有效容量通过电池当前充放电的充放电数据计算得到。
本实施例中,健康状态评估系统还包括:判断模块4。判断模块用于判断健康状态值是否小于健康阈值,并在判断为是时提示报警信息,以提醒用户更换电池。
本实施例中,通过对等压降放电安时、等安时放电电压差、等压降充电安时和等安时充电电压差中的至少一个特征参数的分析来评估电池的健康状态,无需复杂的测试条件和模型,也不需要电池恒流条件下的完整充放电电压曲线;同时这些特征参数均与电池容量具有很强的相关性。因此本发明具有简单、准确、容易应用等优点。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种电池的健康状态评估方法,其特征在于,所述健康状态评估方法包括以下步骤:
S1.获取同类型的多个电池的寿命衰减数据;
所述寿命衰减数据包括以下参数:
充放电过程中,电池的电压、电流和温度;
S2.根据所述寿命衰减数据构建电池的目标特征参数并计算容量数据序列;
S3.基于最小二乘法拟合所述容量数据序列和所述目标特征参数,以构建健康状态评估模型;
所述健康状态评估模型用于计算电池的有效容量;
所述目标特征参数包括等压降放电安时和/或等安时放电电压差,以及,等压降充电安时和/或等安时充电电压差;
所述等压降放电安时表征每个充放电周期中将电池按照等压降放电后所对应的安时数;
所述等安时放电电压差表征每个充放电周期中将电池按照等安时放电后所对应的电压差;
所述等压降充电安时表征每个充放电周期中将电池按照等压降充电后所对应的安时数;
所述等安时充电电压差表征每个充放电周期中将电池按照等安时充电后所对应的电压差;
S4.获取待测电池的充放电数据;
S5.根据所述充放电数据计算所述待测电池的特征参数并输入至所述健康状态评估模型,以获得所述待测电池的初始有效容量和当前有效容量;
S6.计算所述待测电池的健康状态值,计算公式如下:
健康状态值=当前有效容量÷初始有效容量×100%。
2.如权利要求1所述的电池的健康状态评估方法,其特征在于,步骤S2之前,还包括:
基于数字滤波法对所述寿命衰减数据平滑去噪。
3.如权利要求1所述的电池的健康状态评估方法,其特征在于,步骤S2中,根据所述寿命衰减数据构建所述目标特征参数的步骤具体包括:
根据所述寿命衰减数据构建初始特征参数;
基于Pearson相关分析法计算容量数据序列与初始特征参数之间的相关系数;
将所述相关系数大于系数阈值的初始特征参数确定为目标特征参数。
4.如权利要求1所述的电池的健康状态评估方法,其特征在于,步骤S6之后,所述健康状态评估方法还包括:
判断所述健康状态值是否小于健康阈值,并在判断为是时提示报警信息。
5.如权利要求1所述的电池的健康状态评估方法,其特征在于,所述充放电数据包括以下参数:
充放电过程中,电池的电压、电流和温度。
6.一种电池的健康状态评估系统,其特征在于,所述健康状态评估系统包括:
数据获取模块,用于获取同类型的多个电池的寿命衰减数据;
所述寿命衰减数据包括以下参数:
充放电过程中,电池的电压、电流和温度;
计算模块,用于根据所述寿命衰减数据构建电池的目标特征参数并计算容量数据序列;
所述计算模块还用于基于最小二乘法拟合所述容量数据序列和所述目标特征参数,以构建健康状态评估模型;
所述健康状态评估模型用于计算电池的有效容量;
所述目标特征参数包括等压降放电安时和/或等安时放电电压差,以及,等压降充电安时和/或等安时充电电压差;
所述等压降放电安时表征每个充放电周期中将电池按照等压降放电后所对应的安时数;
所述等安时放电电压差表征每个充放电周期中将电池按照等安时放电后所对应的电压差;
所述等压降充电安时表征每个充放电周期中将电池按照等压降充电后所对应的安时数;
所述等安时充电电压差表征每个充放电周期中将电池按照等安时充电后所对应的电压差;
所述数据获取模块还用于获取待测电池的充放电数据;
所述计算模块还用于根据所述充放电数据计算所述待测电池的特征参数并输入至所述健康状态评估模型,以获得所述待测电池的初始有效容量和当前有效容量,并计算所述待测电池的健康状态值,计算公式如下:
健康状态值=当前有效容量÷初始有效容量×100%。
7.如权利要求6所述的电池的健康状态评估系统,其特征在于,所述健康状态评估系统还包括:
数据处理模块,用于基于数字滤波法对所述寿命衰减数据平滑去噪。
8.如权利要求6所述的电池的健康状态评估系统,其特征在于,所述计算模块包括:
计算单元,用于根据所述寿命衰减数据构建初始特征参数,并基于Pearson相关分析法计算容量数据序列与初始特征参数之间的相关系数;
判断单元,用于将所述相关系数大于系数阈值的初始特征参数确定为目标特征参数。
9.如权利要求6所述的电池的健康状态评估系统,其特征在于,所述健康状态评估系统还包括:
判断模块,用于判断所述健康状态值是否小于健康阈值,并在判断为是时提示报警信息。
10.如权利要求6所述的电池的健康状态评估系统,其特征在于,所述充放电数据包括以下参数:
充放电过程中,电池的电压、电流和温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711488272.0A CN108254696B (zh) | 2017-12-29 | 2017-12-29 | 电池的健康状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711488272.0A CN108254696B (zh) | 2017-12-29 | 2017-12-29 | 电池的健康状态评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108254696A CN108254696A (zh) | 2018-07-06 |
CN108254696B true CN108254696B (zh) | 2020-08-11 |
Family
ID=62725596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711488272.0A Active CN108254696B (zh) | 2017-12-29 | 2017-12-29 | 电池的健康状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108254696B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732510B (zh) * | 2018-07-19 | 2020-07-07 | 哈尔滨工业大学 | 基于内部特征的锂离子电池一致性筛选分组方法 |
CN109307845B (zh) * | 2018-10-19 | 2022-07-01 | 中国电力科学研究院有限公司 | 一种用于对梯次利用电池储能系统进行健康状态评估的方法及系统 |
CN109902875B (zh) * | 2019-03-01 | 2021-06-15 | 联想(北京)有限公司 | 一种信息处理方法及信息处理装置 |
CN110133525B (zh) * | 2019-05-13 | 2021-05-28 | 哈尔滨工业大学 | 一种应用于电池管理系统的锂离子电池健康状态估计方法 |
CN110208706A (zh) * | 2019-06-13 | 2019-09-06 | 重庆长安新能源汽车科技有限公司 | 一种基于车联网的动力电池健康状态在线评估系统及方法 |
CN110712528B (zh) * | 2019-10-25 | 2020-11-06 | 优必爱信息技术(北京)有限公司 | 一种动力电池组实时监控方法及设备 |
CN110927606B (zh) * | 2019-11-05 | 2022-01-25 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN110850323A (zh) * | 2019-11-29 | 2020-02-28 | 国网河南省电力公司电力科学研究院 | 一种退役三元锂电池加速衰减的评价方法及装置 |
CN111142038A (zh) * | 2019-12-31 | 2020-05-12 | 浙江吉利新能源商用车集团有限公司 | 一种蓄电池健康状态评估方法及装置 |
CN111353704A (zh) * | 2020-02-28 | 2020-06-30 | 广州极飞科技有限公司 | 电池模块的评估方法、装置、存储介质及电子设备 |
CN113835036A (zh) * | 2020-06-24 | 2021-12-24 | 丰翼科技(深圳)有限公司 | 电池健康状态评估方法、装置、计算机设备和存储介质 |
CN111693882B (zh) * | 2020-06-30 | 2022-09-06 | 厦门金龙联合汽车工业有限公司 | 一种换电电池健康状态的评价方法 |
CN111965560B (zh) * | 2020-08-24 | 2023-03-28 | 重庆大学 | 一种面向通用放电工况的电池健康状态估计方法 |
CN112147528B (zh) * | 2020-09-24 | 2021-11-26 | 上海空间电源研究所 | 一种诊断锂离子蓄电池健康状态的方法 |
CN112213643B (zh) * | 2020-09-30 | 2023-06-23 | 蜂巢能源科技有限公司 | 电池初始容量、电池健康状态的预测方法、系统及设备 |
CN112946483B (zh) * | 2021-02-05 | 2022-05-06 | 重庆长安新能源汽车科技有限公司 | 电动汽车电池健康的综合评估方法及存储介质 |
CN112782591B (zh) * | 2021-03-22 | 2022-07-22 | 浙江大学 | 基于多电池数据融合的锂电池soh长期预测方法 |
CN113447816B (zh) * | 2021-05-13 | 2022-04-08 | 浙江大学 | 一种基于两点老化特征的锂电池在线老化诊断方法 |
CN113447817B (zh) * | 2021-05-13 | 2022-04-08 | 浙江大学 | 一种基于两点寿命特征的锂电池在线寿命预测方法 |
CN113255214B (zh) * | 2021-05-18 | 2023-08-22 | 南京工程学院 | 一种退役动力电池最大可用容量动态估算方法 |
CN113219343A (zh) * | 2021-06-02 | 2021-08-06 | 上海玫克生储能科技有限公司 | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 |
CN113306449B (zh) * | 2021-06-15 | 2023-11-03 | 安徽信息工程学院 | 一种新能源汽车的电池健康提醒方法及系统 |
CN113688568A (zh) * | 2021-08-20 | 2021-11-23 | 上海幻电信息科技有限公司 | 电池优化方法及云平台 |
CN113740752B (zh) * | 2021-08-27 | 2023-07-21 | 济南大学 | 一种基于电池模型参数的锂电池寿命预测方法 |
CN114111884B (zh) * | 2021-10-21 | 2024-03-26 | 郑州大学 | 一种bipv屋面防水卷材健康状态监测评估方法 |
CN115392134B (zh) * | 2022-09-23 | 2023-09-12 | 四川新能源汽车创新中心有限公司 | 车辆动力电池综合性能评估方法及相关装置 |
CN117368743B (zh) * | 2023-12-05 | 2024-03-19 | 深圳市易检车服科技有限公司 | 电池健康状态评估方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130083220A (ko) * | 2012-01-12 | 2013-07-22 | 주식회사 엘지화학 | 배터리 잔존 용량 추정 장치 및 방법, 이를 이용한 배터리 관리 시스템 |
CN103336248A (zh) * | 2013-07-25 | 2013-10-02 | 哈尔滨工业大学 | 基于电池退化状态模型的锂离子电池循环寿命预测方法 |
CN103778280A (zh) * | 2014-01-08 | 2014-05-07 | 上海交通大学 | 具有模型主动更新策略的锂离子电池剩余寿命预测方法 |
CN106324508A (zh) * | 2015-07-02 | 2017-01-11 | 华为技术有限公司 | 电池健康状态的检测装置及方法 |
CN107478999A (zh) * | 2017-08-10 | 2017-12-15 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI448713B (zh) * | 2012-09-21 | 2014-08-11 | Method and apparatus for detecting health status of battery |
-
2017
- 2017-12-29 CN CN201711488272.0A patent/CN108254696B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130083220A (ko) * | 2012-01-12 | 2013-07-22 | 주식회사 엘지화학 | 배터리 잔존 용량 추정 장치 및 방법, 이를 이용한 배터리 관리 시스템 |
CN103336248A (zh) * | 2013-07-25 | 2013-10-02 | 哈尔滨工业大学 | 基于电池退化状态模型的锂离子电池循环寿命预测方法 |
CN103778280A (zh) * | 2014-01-08 | 2014-05-07 | 上海交通大学 | 具有模型主动更新策略的锂离子电池剩余寿命预测方法 |
CN106324508A (zh) * | 2015-07-02 | 2017-01-11 | 华为技术有限公司 | 电池健康状态的检测装置及方法 |
CN107478999A (zh) * | 2017-08-10 | 2017-12-15 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN108254696A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
CN107942261B (zh) | 电池荷电状态的估计方法及系统 | |
CN109828220B (zh) | 一种锂离子电池健康状态线性评估方法 | |
CN108205114B (zh) | 电池寿命的预测方法及系统 | |
CN107894570B (zh) | 基于Thevenin模型的电池组SOC的估算方法和装置 | |
GB2532726A (en) | Cell internal impedance diagnostic system | |
CN104569844A (zh) | 阀控密封式铅酸蓄电池健康状态监测方法 | |
CN113075554A (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
CN112881916A (zh) | 一种锂电池健康状态和剩余可用寿命的预测方法及系统 | |
Ceraolo et al. | Experimental analysis of NMC lithium cells aging for second life applications | |
CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 | |
CN114879066A (zh) | 一种电池包一致性评估方法及系统 | |
Wu et al. | State-of-charge and state-of-health estimating method for lithium-ion batteries | |
CN106324358B (zh) | 一种电芯内阻动态检测方法 | |
Cai et al. | D-ukf based state of health estimation for 18650 type lithium battery | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
CN112540301B (zh) | 电池检测方法、装置及存储介质 | |
CN114675196A (zh) | 一种电芯的状态检测方法、装置和电子设备 | |
CN110133534B (zh) | 蓄电池老化趋势的评估方法 | |
CN111537889B (zh) | 一种数据驱动的梯次电池rul预测与分类方法 | |
Rong et al. | SOC estimation of electric vehicle based on the establishment of battery management system | |
CN113985292B (zh) | 基于改进耦合方式的锂离子动力电池soc双滤波估计方法 | |
US20230213587A1 (en) | Method and System for Efficiently Monitoring Battery Cells of a Device Battery in an External Central Processing Unit Using a Digital Twin |
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 |