CN108398642B - 一种锂离子动力电池soc在线校准方法 - Google Patents

一种锂离子动力电池soc在线校准方法 Download PDF

Info

Publication number
CN108398642B
CN108398642B CN201810021407.0A CN201810021407A CN108398642B CN 108398642 B CN108398642 B CN 108398642B CN 201810021407 A CN201810021407 A CN 201810021407A CN 108398642 B CN108398642 B CN 108398642B
Authority
CN
China
Prior art keywords
soc
calibration
sample
lithium 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.)
Expired - Fee Related
Application number
CN201810021407.0A
Other languages
English (en)
Other versions
CN108398642A (zh
Inventor
蔡铭
陈维杰
谭晓军
周頔
屈曦颂
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.)
Shenzhen Academy Of Metrology & Quality Inspection (national Digital Electronic Product Testing Center National High-New Technology Metering Statiion)
National Sun Yat Sen University
Original Assignee
Shenzhen Academy Of Metrology & Quality Inspection (national Digital Electronic Product Testing Center National High-New Technology Metering Statiion)
National Sun Yat Sen University
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 Shenzhen Academy Of Metrology & Quality Inspection (national Digital Electronic Product Testing Center National High-New Technology Metering Statiion), National Sun Yat Sen University filed Critical Shenzhen Academy Of Metrology & Quality Inspection (national Digital Electronic Product Testing Center National High-New Technology Metering Statiion)
Priority to CN201810021407.0A priority Critical patent/CN108398642B/zh
Publication of CN108398642A publication Critical patent/CN108398642A/zh
Application granted granted Critical
Publication of CN108398642B publication Critical patent/CN108398642B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/367—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
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/005—Calibrating; Standards or reference devices, e.g. voltage or resistance standards, "golden" references

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种锂离子动力电池SOC在线校准方法，包括以下步骤：首先，根据电流数据及其持续时间选择校准模式；其次，读取电流及电压数据，根据所选校准模式的电池模型，生成校准目标函数；然后，将校准目标函数、样本参数输入到启发式算法，通过启发式算法求解最优开路电压或最优SOC初始值；最后，根据开路电压与SOC的对应关系或最优SOC计算公式，获得最优估计值，校准当前系统SOC。通过采集锂离子电池的实时数据，在线校准电池系统SOC，可以在任意工作或搁置状态下进行，适应性广；算法通过全局搜索策略避免陷入局部最优，稳定性高；不依赖于外部求解器，可直接应用在电池管理系统中，可操作性强；该方法可提高电池系统SOC的校准频率与校准精度。

Description

一种锂离子动力电池SOC在线校准方法
技术领域
本发明涉及一种对锂离子动力电池的状态参数进行校准的方法，尤其是一种能够采用在线方式对锂离子动力电池的SOC进行校准的方法。
背景技术
锂离子电池以其能量密度高、循环寿命长、无记忆效应等特点，在消费类电子设备与电动汽车等领域获得广泛应用。为了确保锂离子电池在使用过程中的安全性，防止电池过充、过放、过热等问题，在工程上一般需要配备电池管理系统，对电池进行实时监测与管理。电池管理系统包括多种功能，如荷电状态SOC、峰值功率、剩余寿命的估算，电池均衡策略，能量管理策略等，其中荷电状态估计是最为核心的功能，直接影响着电池的使用安全与效率。
由于计算简便与稳定性高，目前工程上使用最多的荷电状态SOC的估计方法仍然是电流积分法。但该方法存在若干缺点，包括初始状态不确定性与电流累积误差等，因此需要定时进行校准。目前已有一些专利公开了电池荷电状态，即SOC的校准方法，但大多是基于开路电压法实现的，需要等待较长时间，直至电池完全搁置至稳定状态，因此使用条件受到一定限制，不能实现实时在线校准。
发明内容
针对上述现有技术的不足，本发明提供了一种锂离子动力电池SOC在线校准方法，通过采集锂离子电池工作过程中的实时数据，在线校准锂离子动力电池系统的SOC，可以在任意工作状态或回弹状态下进行校准。
本发明是这样来实现上述目的：
一种锂离子动力电池SOC在线校准方法，持续收集锂离子动力电池的电流及电压数据并存储于数据库中；校准SOC时执行以下处理步骤：
a.设定某一用于校准SOC的持续时间T，读取上述持续时间T区间内的电流数据Ik，利用电流数据Ik判断选择校准模式，并确定所选择校准模式的电池模型；
b.将持续时间T中的所有采样时刻的电流数据Ik及读取数据库中的该电池模型的样本参数代入该电池模型进行运算，获得模型电压uk；
c．对模型电压uk与持续时间T中相应采样时刻的电压数据vk建立校准目标函数，并运算获得校准目标函数值；
d.判断校准目标函数值是否满足要求，如符合则获得开路电压的最优估值或SOC初始值的最优估值，执行步骤e；否则将样本参数输入到设定的启发式算法中进行运算，获得更新后的样本参数，并执行步骤b；
e.将样本参数存入数据库中；根据开路电压的最优估值查表或根据SOC初始值的最优估值计算获得SOC的最优估值，并将数据库中的原有SOC值更新为该SOC的最优估值。
其中，所述步骤a中的校准模式的选择方法为：以开始进行SOC校准的采样时刻为基准，向前回溯持续时间T并读取持续时间T区间内的电流数据Ik；设定锂离子动力电池的搁置时间Trest，搁置时间Trest从持续时间T的开始采样时刻向后计算；设定锂离子动力电池的工作时间Twork，工作时间Twork从持续时间T的结束采样时刻向前计算；设定电流最小设定值Imin、电流最大设定值Imax；如在搁置时间Trest区间内的任意采样时刻的电流数据Ik均小于电流最小设定值Imin，从持续时间T的开始采样时刻到Twork开始采样时刻的时间差大于搁置时间Trest，且在工作时间Twork区间内的任意采样时刻的电流数据Ik均大于电流最大设定值Imax，则校准SOC时选择回弹模式；否则选择工作模式。
其中，所述回弹模式所对应的电池模型为：
Figure 840594DEST_PATH_IMAGE001
，
式中，k为持续时间T中的某个采样时刻，
Figure 846989DEST_PATH_IMAGE002
为模型电压，
Figure 207564DEST_PATH_IMAGE003
为锂离子动力电池 的开路电压，
Figure 63524DEST_PATH_IMAGE004
、
Figure 839850DEST_PATH_IMAGE005
、
Figure 464867DEST_PATH_IMAGE006
、
Figure 730763DEST_PATH_IMAGE007
、
Figure 808440DEST_PATH_IMAGE008
、
Figure 949309DEST_PATH_IMAGE009
为锂离子动力电池的极化参数；该电池模型的样本 参数为：OCV、
Figure 225570DEST_PATH_IMAGE010
、
Figure 662367DEST_PATH_IMAGE011
、
Figure 961762DEST_PATH_IMAGE006
、
Figure 876628DEST_PATH_IMAGE012
、
Figure 476237DEST_PATH_IMAGE013
、
Figure 880673DEST_PATH_IMAGE009
。
其中，所述工作模式所对应的电池模型为：
Figure 932943DEST_PATH_IMAGE014
，
Figure 385921DEST_PATH_IMAGE015
，
Figure 840036DEST_PATH_IMAGE016
，
Figure 415374DEST_PATH_IMAGE017
，
Figure 456405DEST_PATH_IMAGE018
，
式中，k为持续时间T中的某个采样时刻，
Figure 978653DEST_PATH_IMAGE002
为模型电压，
Figure 21695DEST_PATH_IMAGE019
为k时刻的SOC模 型运算值，
Figure 971197DEST_PATH_IMAGE020
为SOC初始值，
Figure 732479DEST_PATH_IMAGE021
为
Figure 855156DEST_PATH_IMAGE022
对应的开路电压，
Figure 18284DEST_PATH_IMAGE023
为锂离子动力 电池的标称容量，
Figure 138687DEST_PATH_IMAGE024
、
Figure 387266DEST_PATH_IMAGE025
、
Figure 749851DEST_PATH_IMAGE026
为欧姆内阻与两个极化电阻的分压，
Figure 564224DEST_PATH_IMAGE027
、
Figure 121107DEST_PATH_IMAGE028
、
Figure 591403DEST_PATH_IMAGE029
、
Figure 993565DEST_PATH_IMAGE030
为模型参数；该电池模型的样本参数为：
Figure 131285DEST_PATH_IMAGE020
、
Figure 655808DEST_PATH_IMAGE031
、
Figure 613399DEST_PATH_IMAGE028
、
Figure 84832DEST_PATH_IMAGE029
、
Figure 811480DEST_PATH_IMAGE030
。
其中，所述启发式算法为：设定多个样本参数组，每个样本参数组中包含全部的样本参数；对样本参数组中的每个样本参数进行运算更新，每次运算更新随机选取以下公式一及公式二中的任意一个进行：
公式一为
Figure 946051DEST_PATH_IMAGE032
，
公式二为
Figure 656518DEST_PATH_IMAGE033
，
式中，
Figure 666062DEST_PATH_IMAGE034
为当前运算获得的第i个样本参数组中的第j个样本参数，
Figure 512796DEST_PATH_IMAGE035
为上一次 运算获得的第i个样本参数组中的第j个样本参数，
Figure 379120DEST_PATH_IMAGE036
为上一次运算获得最优样本参数 组中的第j个样本参数，
Figure 311304DEST_PATH_IMAGE037
为随机选取上一次运算获得的一个样本参数组中的第j个样 本参数；获得最优样本参数组的方式为：将上一次运算获得的样本参数组的样本参数分别 代入相应的电池模型进行运算，获得模型电压uk，将模型电压uk与电压数据vk代入校准目标 函数运算获得每个样本参数组的校准目标函数值，将所有样本参数组的校准目标函数值进 行比较后获得最优样本参数组。
其中，所述校准目标函数为：
Figure 858960DEST_PATH_IMAGE038
，
式中，Z为校准目标函数值，N为在持续时间T中采样时刻的总数量。
其中，所述校准目标函数为：
Figure 825779DEST_PATH_IMAGE039
，
式中，Z为校准目标函数值，
Figure 597426DEST_PATH_IMAGE040
为搁置时间Trest中采样时刻的总数量。
本发明的有益效果：通过采集锂离子动力电池工作过程中的实时数据，在线校准SOC，可以在任意工作或回弹状态下进行校准，适应性广；校准的算法通过全局搜索策略避免陷入局部最优，使得算法的稳定性高；可以不依赖于外部求解器，可直接在电池管理系统中利用单片机运行，可操作性强，上述算法还可提高电池系统SOC的校准频率与估算精度。
附图说明
下面结合附图对本发明进一步说明：
图1是本发明的工作流程图；
图2是本发明选择校准模式的示意图；
图3是回弹模式所对应的电池模型的结构示意图；
图4是工作模式所对应的电池模型的结构示意图；
图5是
Figure 282486DEST_PATH_IMAGE041
-
Figure 132368DEST_PATH_IMAGE042
对应关系示意图。
具体实施方式
如图1至图5所示，一种锂离子动力电池SOC在线校准方法，系统持续收集锂离子动力电池的电流及电压数据并存储于数据库中，当开始需要进行SOC校准时，首先确定一个校准SOC的持续时间T，并读取持续时间T内所有时刻k的电流数据Ik，根据电流数据Ik的电流大小进行判断并选择校准模式，包括回弹模式和工作模式两种。
具体的判断标准为：以开始进行SOC校准的采样时刻为基准，向前回溯持续时间T并读取电流数据Ik；设定锂离子动力电池的搁置时间Trest，搁置时间Trest从持续时间T的开始采样时刻向后计算；设定锂离子动力电池的工作时间Twork，工作时间Twork从持续时间T的结束采样时刻向前计算；设定电流最小设定值Imin、电流最大设定值Imax；如在搁置时间Trest的任意采样时刻的电流数据Ik均小于电流最小设定值Imin，从持续时间T的开始采样时刻到Twork开始采样时刻的时间差大于搁置时间Trest，且在工作时间Twork的任意采样时刻的电流数据Ik均大于电流最大设定值Imax，则校准SOC时选择回弹模式；否则选择工作模式。
以容量为20Ah的锂离子电池为例，如图2所示。
Figure 688114DEST_PATH_IMAGE043
优选为0.03C充放电倍率，即 600mA。
Figure 833924DEST_PATH_IMAGE044
优选为0.3C充放电倍率，即6000mA，
Figure 537438DEST_PATH_IMAGE045
优选为30秒，以保证搁置前有一段 时间的连续充放电，
Figure 692476DEST_PATH_IMAGE046
优选为300秒，以获得充足的采样点，保证校准精度。
参照图3，为回弹模式的电池模型的结构示意图，则对应的电池模型为：
Figure 368308DEST_PATH_IMAGE001
（1）
式中，k为持续时间T中的某个采样时刻，
Figure 685020DEST_PATH_IMAGE002
为模型电压，
Figure 79092DEST_PATH_IMAGE003
为锂离子动力电池 的开路电压，
Figure 568979DEST_PATH_IMAGE004
、
Figure 364897DEST_PATH_IMAGE005
、
Figure 631273DEST_PATH_IMAGE047
、
Figure 981483DEST_PATH_IMAGE007
、
Figure 478323DEST_PATH_IMAGE008
、
Figure 925485DEST_PATH_IMAGE009
为锂离子动力电池的极化参数。其中
Figure 849579DEST_PATH_IMAGE004
、
Figure 952664DEST_PATH_IMAGE005
、
Figure 987616DEST_PATH_IMAGE048
、
Figure 492547DEST_PATH_IMAGE012
、
Figure 587542DEST_PATH_IMAGE013
、
Figure 974661DEST_PATH_IMAGE009
计算如下：
Figure 311839DEST_PATH_IMAGE049
（2）
Figure 936855DEST_PATH_IMAGE050
（3）
Figure 937172DEST_PATH_IMAGE051
（4）
Figure 14850DEST_PATH_IMAGE052
（5）
Figure 391604DEST_PATH_IMAGE053
（6）
Figure 667865DEST_PATH_IMAGE054
（7）
该电池模型的样本参数为：OCV、
Figure 104663DEST_PATH_IMAGE010
、
Figure 404057DEST_PATH_IMAGE005
、
Figure 584502DEST_PATH_IMAGE006
、
Figure 685576DEST_PATH_IMAGE012
、
Figure 293275DEST_PATH_IMAGE013
、
Figure 79965DEST_PATH_IMAGE009
。
该电池模型对应的校准目标函数为：
Figure 860839DEST_PATH_IMAGE038
（8）
式中，Z为校准目标函数值，N为在持续时间T中采样时刻的总数量。当然上述校准目标函数只是其中一种，还可以用其他的数学函数实现，如方差、均方差等等。
参照图4，为工作模式的电池模型的结构示意图，则对应的电池模型为：
Figure 987058DEST_PATH_IMAGE055
（9）
Figure 562396DEST_PATH_IMAGE015
（10）
Figure 836383DEST_PATH_IMAGE016
（11）
Figure 93052DEST_PATH_IMAGE017
（12）
Figure 900208DEST_PATH_IMAGE018
（13）
式中，k为持续时间T中的某个采样时刻，
Figure 849710DEST_PATH_IMAGE002
为模型电压，
Figure 673309DEST_PATH_IMAGE019
为k时刻的SOC模型 运算值，
Figure 733669DEST_PATH_IMAGE020
为SOC初始值，
Figure 896797DEST_PATH_IMAGE056
为
Figure 17200DEST_PATH_IMAGE022
对应的开路电压，
Figure 62517DEST_PATH_IMAGE023
为锂离子动力电 池的标称容量，
Figure 926567DEST_PATH_IMAGE024
、
Figure 944202DEST_PATH_IMAGE057
、
Figure 235506DEST_PATH_IMAGE058
为欧姆内阻与两个极化电阻的分压，
Figure 768118DEST_PATH_IMAGE027
、
Figure 937325DEST_PATH_IMAGE028
、
Figure 75045DEST_PATH_IMAGE059
、
Figure 271671DEST_PATH_IMAGE030
为模型参数；该电池模型的样本参数为：
Figure 494842DEST_PATH_IMAGE020
、
Figure 763013DEST_PATH_IMAGE060
、
Figure 755239DEST_PATH_IMAGE028
、
Figure 122767DEST_PATH_IMAGE059
、
Figure 833234DEST_PATH_IMAGE030
。
该电池模型对应的校准目标函数为：
Figure 842778DEST_PATH_IMAGE039
（14）
式中，Z为校准目标函数值，
Figure 486249DEST_PATH_IMAGE061
为搁置时间Trest中采样时刻的总数量。
取得相应的模式后，判断校准目标函数值是否满足要求，如符合则获得开路电压的最优估值或SOC初始值的最优估值，将样本参数存入数据库中；根据开路电压的最优估值查表或根据SOC初始值的最优估值计算获得SOC的最优估值，并将数据库中的原有SOC值更新为该SOC最优估值；否则将对应电池模型的样本参数输入到启发式算法，通过启发式算法求解最优开路电压或最优SOC初始值。具体步骤如下：
a. 设设定多个样本参数组，如设定为50个样本参数组，每个样本参数组中包含全部的样本参数。然后对50个样本参数组中的所有样本参数进行初始化，具体可以采用以下公式获得初始化的样本参数的值：
Figure 54371DEST_PATH_IMAGE062
（15）
式中，
Figure 720976DEST_PATH_IMAGE063
为第i个样本参数组中的第j个样本参数的初始化取值，
Figure 534211DEST_PATH_IMAGE064
为第j个 样本参数取值范围的下限，
Figure 235451DEST_PATH_IMAGE065
为第j个样本参数取值范围的上限，
Figure 272677DEST_PATH_IMAGE066
为取值范围为[0, 1]的随机数。
以回弹模式为例，每个样本参数组为
Figure 692157DEST_PATH_IMAGE067
，样本参数 的取值范围的下限优选为
Figure 43504DEST_PATH_IMAGE068
，样本参数的取值范围的上限优选为
Figure 599250DEST_PATH_IMAGE069
。
以工作模式为例，每个样本参数组为
Figure 10640DEST_PATH_IMAGE070
，样本参 数的取值范围的下限优选为
Figure 714154DEST_PATH_IMAGE071
，样本参数的取值范围的上限优选为
Figure 370657DEST_PATH_IMAGE072
。
b．对样本参数组中的每个样本参数进行运算更新，更新公式如下：
Figure 515330DEST_PATH_IMAGE073
（16）
Figure 97621DEST_PATH_IMAGE074
（17）
式中，
Figure 491694DEST_PATH_IMAGE034
为当前运算获得的第i个样本参数组中的第j个样本参数，
Figure 919264DEST_PATH_IMAGE035
为上一次 运算获得的第i个样本参数组中的第j个样本参数，
Figure 449602DEST_PATH_IMAGE036
为上一次运算获得最优样本参数 组中的第j个样本参数，
Figure 435751DEST_PATH_IMAGE037
为随机选取上一次运算获得的一个样本参数组中的第j个样 本参数。
在选择公式（16）（17）时采用随机选取的方式，其算法为：设定一个搜索因子
Figure 317119DEST_PATH_IMAGE075
，
Figure 548380DEST_PATH_IMAGE075
为 取值在[0,1]的常量，通过生成一个取值在[0,1]的随机数与
Figure 198804DEST_PATH_IMAGE075
进行比较，如随机数小于
Figure 122898DEST_PATH_IMAGE075
， 则采用公式（16）进行更新，否则采用公式（17）进行更新。
c. 选出本次更新最优样本参数组，并评估其对应的校准目标函数值。若函数值满足循环终止条件，则输出最优样本参数组，循环终止，否则转至步骤b继续循环。
最后，根据开路电压与SOC的对应关系或最优SOC计算公式，获得最优估计值，校准当前系统SOC。
若选择回弹模式，在将样本参数输入到上述启发式算法进行计算后，可获得七个 最优样本参数，其中包括最优开路电压
Figure 225983DEST_PATH_IMAGE076
。对
Figure 57673DEST_PATH_IMAGE076
反查
Figure 828183DEST_PATH_IMAGE003
-
Figure 657599DEST_PATH_IMAGE042
对应 表，如附图5所示，获得
Figure 737726DEST_PATH_IMAGE077
，即为用于校准的最优SOC值。
若选择工作模式，在将样本参数输入到上述启发式算法进行计算后，可获得五个 最优样本参数，其中包括最优SOC初始值
Figure 576369DEST_PATH_IMAGE078
。用于校准的最优SOC值
Figure 201385DEST_PATH_IMAGE079
通过下式计算获得：
Figure 264019DEST_PATH_IMAGE080
(18)
其中，N为在持续时间T中采样时刻的总数量，
Figure 341697DEST_PATH_IMAGE081
为
Figure 452872DEST_PATH_IMAGE082
时刻的充放电电流，
Figure 932395DEST_PATH_IMAGE083
为电 池标称容量。

Claims (6)

1.一种锂离子动力电池SOC在线校准方法，其特征在于：持续收集锂离子动力电池的电流及电压数据并存储于数据库中；校准SOC时执行以下处理步骤：
a.设定某一用于校准SOC的持续时间T，读取上述持续时间T区间内的电流数据Ik，利用电流数据Ik判断选择校准模式，并确定所选择校准模式的电池模型；
b.将持续时间T中的所有采样时刻的电流数据Ik及读取数据库中的该电池模型的样本参数代入该电池模型进行运算，获得模型电压uk；
c．对模型电压uk与持续时间T中相应采样时刻的电压数据vk建立校准目标函数，并运算获得校准目标函数值；
d.判断校准目标函数值是否满足要求，如符合则获得开路电压的最优估值或SOC初始值的最优估值，执行步骤e；否则将样本参数输入到设定的启发式算法中进行运算，获得更新后的样本参数，并执行步骤b；
e.将样本参数存入数据库中；根据开路电压的最优估值查表或根据SOC初始值的最优估值计算获得SOC的最优估值，并将数据库中的原有SOC值更新为该SOC最优估值；
其中，所述步骤a中的校准模式的选择方法为：以开始进行SOC校准的采样时刻为基准，向前回溯持续时间T并读取持续时间T区间内的电流数据Ik；设定锂离子动力电池的搁置时间Trest，搁置时间Trest从持续时间T的开始采样时刻向后计算；设定锂离子动力电池的工作时间Twork，工作时间Twork从持续时间T的结束采样时刻向前计算；设定电流最小设定值Imin、电流最大设定值Imax；如在搁置时间Trest区间内的任意采样时刻的电流数据Ik均小于电流最小设定值Imin，从持续时间T的开始采样时刻到Twork开始采样时刻的时间差大于搁置时间Trest，且在工作时间Twork区间内的任意采样时刻的电流数据Ik均大于电流最大设定值Imax，则校准SOC时选择回弹模式；否则选择工作模式。
2.根据权利要求1所述的一种锂离子动力电池SOC在线校准方法，其特征在于：所述回弹模式所对应的电池模型为：
Figure 194372DEST_PATH_IMAGE001
，式中，k为持续时间T中的某个采样时刻，
Figure 35289DEST_PATH_IMAGE002
为模型电压，
Figure 512538DEST_PATH_IMAGE003
为锂离子动力电池的开路电压，
Figure 300365DEST_PATH_IMAGE004
、
Figure 671304DEST_PATH_IMAGE005
、
Figure 558488DEST_PATH_IMAGE006
、
Figure 382088DEST_PATH_IMAGE007
、
Figure 409824DEST_PATH_IMAGE008
、
Figure 635269DEST_PATH_IMAGE009
为锂离子动力电 池的极化参数；该电池模型的样本参数为：OCV、
Figure 21251DEST_PATH_IMAGE010
、
Figure 473092DEST_PATH_IMAGE005
、
Figure 399460DEST_PATH_IMAGE006
、
Figure 620357DEST_PATH_IMAGE007
、
Figure 442819DEST_PATH_IMAGE008
、
Figure 241011DEST_PATH_IMAGE009
。
3.根据权利要求1所述的一种锂离子动力电池SOC在线校准方法，其特征在于：所述工作模式所对应的电池模型为：
Figure 846436DEST_PATH_IMAGE011
，
Figure 46473DEST_PATH_IMAGE012
，
Figure 213406DEST_PATH_IMAGE013
，
Figure 498894DEST_PATH_IMAGE014
，
Figure 970326DEST_PATH_IMAGE015
，
式中，k为持续时间T中的某个采样时刻，
Figure 900236DEST_PATH_IMAGE002
为模型电压，
Figure 126818DEST_PATH_IMAGE016
为k时刻的SOC模型运算 值，
Figure 837285DEST_PATH_IMAGE017
为SOC初始值，
Figure 784513DEST_PATH_IMAGE018
为
Figure 224721DEST_PATH_IMAGE016
对应的开路电压，
Figure 966412DEST_PATH_IMAGE019
为锂离子动力电池的 标称容量，
Figure 429755DEST_PATH_IMAGE020
、
Figure 39727DEST_PATH_IMAGE021
、
Figure 708344DEST_PATH_IMAGE022
为欧姆内阻与两个极化电阻的分压，
Figure 745570DEST_PATH_IMAGE023
、
Figure 696209DEST_PATH_IMAGE024
、
Figure 985239DEST_PATH_IMAGE025
、
Figure 134460DEST_PATH_IMAGE026
为模型参 数；该电池模型的样本参数为：
Figure 483533DEST_PATH_IMAGE017
、
Figure 655888DEST_PATH_IMAGE023
、
Figure 607664DEST_PATH_IMAGE024
、
Figure 752337DEST_PATH_IMAGE025
、
Figure 131366DEST_PATH_IMAGE026
。
4.根据权利要求1所述的一种锂离子动力电池SOC在线校准方法，其特征在于：所述启发式算法为：设定多个样本参数组，每个样本参数组中包含全部的样本参数；对样本参数组中的每个样本参数进行运算更新，每次运算更新随机选取以下公式一及公式二中的任意一个进行：
公式一为
Figure 791018DEST_PATH_IMAGE027
，
公式二为
Figure 923315DEST_PATH_IMAGE028
，
式中，
Figure 47129DEST_PATH_IMAGE029
为当前运算获得的第i个样本参数组中的第j个样本参数，
Figure 738004DEST_PATH_IMAGE030
为上一次运算 获得的第i个样本参数组中的第j个样本参数，
Figure 884952DEST_PATH_IMAGE031
为上一次运算获得最优样本参数组中的 第j个样本参数，
Figure 178530DEST_PATH_IMAGE032
为随机选取上一次运算获得的一个样本参数组中的第j个样本参数；
获得最优样本参数组的方式为：将上一次运算获得的样本参数组的样本参数分别代入相应的电池模型进行运算，获得模型电压uk，将模型电压uk与电压数据vk代入校准目标函数运算获得每个样本参数组的校准目标函数值，将所有样本参数组的校准目标函数值进行比较后获得最优样本参数组。
5.根据权利要求2所述的一种锂离子动力电池SOC在线校准方法，其特征在于：所述校准目标函数为：
Figure 32216DEST_PATH_IMAGE033
，
式中，Z为校准目标函数值，N为在持续时间T中采样时刻的总数量。
6.根据权利要求3所述的一种锂离子动力电池SOC在线校准方法，其特征在于：所述校准目标函数为：
Figure 18627DEST_PATH_IMAGE034
，
式中，Z为校准目标函数值，
Figure 324975DEST_PATH_IMAGE035
为搁置时间Trest中采样时刻的总数量。
CN201810021407.0A 2018-01-10 2018-01-10 一种锂离子动力电池soc在线校准方法 Expired - Fee Related CN108398642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810021407.0A CN108398642B (zh) 2018-01-10 2018-01-10 一种锂离子动力电池soc在线校准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810021407.0A CN108398642B (zh) 2018-01-10 2018-01-10 一种锂离子动力电池soc在线校准方法

Publications (2)

Publication Number Publication Date
CN108398642A CN108398642A (zh) 2018-08-14
CN108398642B true CN108398642B (zh) 2020-06-02

Family

ID=63094323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810021407.0A Expired - Fee Related CN108398642B (zh) 2018-01-10 2018-01-10 一种锂离子动力电池soc在线校准方法

Country Status (1)

Country Link
CN (1) CN108398642B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174623B (zh) * 2019-06-10 2021-10-22 合肥阳光新能源科技有限公司 一种储能电站电池的soc校准方法
CN112578295B (zh) * 2019-09-29 2022-03-15 比亚迪股份有限公司 Soc估算方法、装置、电子设备及存储介质
CN116070466B (zh) * 2023-03-08 2023-06-13 上海泰矽微电子有限公司 一种电池截止电压下的最优soc仿真寻值方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976867A (zh) * 2010-10-21 2011-02-16 中山大学 一种纯电动车用动力电池管理系统及其实现方法
CN102298118A (zh) * 2011-05-17 2011-12-28 杭州电子科技大学 一种电池模型参数与剩余电量联合同步在线估计方法
CN103439668A (zh) * 2013-09-05 2013-12-11 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统
CN104297694A (zh) * 2014-11-04 2015-01-21 国家电网公司 电池荷电状态的获取方法和装置
CN105270389A (zh) * 2014-06-09 2016-01-27 福特全球技术公司 电池测量的估计和补偿
CN105305530A (zh) * 2014-07-01 2016-02-03 福特全球技术公司 用于电池管理的系统和方法
CN105304952A (zh) * 2014-07-28 2016-02-03 福特全球技术公司 用于车辆控制的降阶电化学电池模型
CN105388424A (zh) * 2015-11-13 2016-03-09 中山大学 动力电池组的单体电池模拟器及相应的bms检测平台
CN105652207A (zh) * 2015-12-31 2016-06-08 浙江华丰电动工具有限公司 一种动力型锂电池电量监控装置及监控方法
CN105738830A (zh) * 2016-04-14 2016-07-06 中山大学 锂离子动力电池梯次利用分析方法
CN205898985U (zh) * 2016-07-15 2017-01-18 南京航空航天大学 一种纯电动汽车用动力锂电池soc估计系统
CN107422269A (zh) * 2017-06-16 2017-12-01 上海交通大学 一种锂电池在线soc测量方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103485B2 (en) * 2004-11-11 2012-01-24 Lg Chem, Ltd. State and parameter estimation for an electrochemical cell
US9244129B2 (en) * 2013-01-29 2016-01-26 Mitsubishi Electronic Research Laboratories, Inc. Method for estimating a state of charge of batteries

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976867A (zh) * 2010-10-21 2011-02-16 中山大学 一种纯电动车用动力电池管理系统及其实现方法
CN102298118A (zh) * 2011-05-17 2011-12-28 杭州电子科技大学 一种电池模型参数与剩余电量联合同步在线估计方法
CN103439668A (zh) * 2013-09-05 2013-12-11 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统
CN105270389A (zh) * 2014-06-09 2016-01-27 福特全球技术公司 电池测量的估计和补偿
CN105305530A (zh) * 2014-07-01 2016-02-03 福特全球技术公司 用于电池管理的系统和方法
CN105304952A (zh) * 2014-07-28 2016-02-03 福特全球技术公司 用于车辆控制的降阶电化学电池模型
CN104297694A (zh) * 2014-11-04 2015-01-21 国家电网公司 电池荷电状态的获取方法和装置
CN105388424A (zh) * 2015-11-13 2016-03-09 中山大学 动力电池组的单体电池模拟器及相应的bms检测平台
CN105652207A (zh) * 2015-12-31 2016-06-08 浙江华丰电动工具有限公司 一种动力型锂电池电量监控装置及监控方法
CN105738830A (zh) * 2016-04-14 2016-07-06 中山大学 锂离子动力电池梯次利用分析方法
CN205898985U (zh) * 2016-07-15 2017-01-18 南京航空航天大学 一种纯电动汽车用动力锂电池soc估计系统
CN107422269A (zh) * 2017-06-16 2017-12-01 上海交通大学 一种锂电池在线soc测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Battery open-circuit voltage estimation by a method of;Iryna Snihir等;《Journal of Power Source》;20011231;第1484-1487页 *

Also Published As

Publication number Publication date
CN108398642A (zh) 2018-08-14

Similar Documents

Publication Publication Date Title
CN109870655B (zh) 一种用于锂电池soc的估算方法
CN110031770B (zh) 一种快速得到电池包中所有单体电池容量的方法
CN110146816B (zh) 电池剩余充电时间的确定方法、装置、设备及存储介质
CN112615075B (zh) 电池快速充电方法及计算机设备
CN105510829B (zh) 一种新型锂离子动力电池soc估计方法
CN108398642B (zh) 一种锂离子动力电池soc在线校准方法
CN109683094B (zh) 一种锂离子电池的快速分选方法及其分选装置
CN112858916B (zh) 一种基于模型与数据驱动融合的电池包荷电状态估计方法
CN111220920B (zh) 基于h∞无迹卡尔曼滤波算法的退役锂离子电池荷电状态计算方法
CN109143097A (zh) 一种计及温度和循环次数的锂离子电池soc估计方法
WO2024036737A1 (zh) 一种动力电池老化状态评估与退役筛选方法及系统
CN113406523A (zh) 一种储能电池状态评价方法、装置、电子设备及存储系统
CN108829911A (zh) 一种开路电压与soc函数关系优化方法
CN113777501A (zh) 一种电池模组的soh的估算方法
CN111679215A (zh) 锂电池实时分选方法、装置、设备及存储介质
CN114609523A (zh) 一种电池容量的在线检测方法、电子设备及存储介质
CN117222904A (zh) 电池状态推定装置、电力系统
CN111044924A (zh) 一种全工况电池剩余容量确定方法及系统
CN116930794A (zh) 电池容量更新方法、装置、电子设备及存储介质
CN112147515A (zh) 一种新能源车辆电池系统功率及内阻在线估算方法
CN117054886A (zh) 荷电状态的识别方法、装置、设备以及计算机可读介质
CN109298340B (zh) 一种基于可变时间尺度的电池容量在线估计方法
CN110554319A (zh) 基于改进型锂离子电池数学模型的电池参数检测方法
CN113300016B (zh) 一种电池充放电控制方法和装置
CN113900028B (zh) 一种考虑初始荷电状态和充放电路径的电池健康状态估计方法及系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200602

Termination date: 20210110