CN108572327A - 电池健康状态分析方法及装置 - Google Patents
电池健康状态分析方法及装置 Download PDFInfo
- Publication number
- CN108572327A CN108572327A CN201810504744.5A CN201810504744A CN108572327A CN 108572327 A CN108572327 A CN 108572327A CN 201810504744 A CN201810504744 A CN 201810504744A CN 108572327 A CN108572327 A CN 108572327A
- Authority
- CN
- China
- Prior art keywords
- soh
- slope
- soc
- ocv
- sample 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.)
- Granted
Links
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本公开提供一种电池健康状态分析方法及装置,涉及分析技术领域。方法包括:获得样本电池在不同SOH下,样本电池的SOC与样本电池的OCV的关系曲线;将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;将不同SOH下,样本电池的SOC与OCV的关系曲线与参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系;基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。使用该电池健康状态分析方法及装置,能够对锂离子电池健康状态进行可靠分析。
Description
技术领域
本公开涉及数据分析技术领域,具体而言,涉及一种电池健康状态分析方法及装置。
背景技术
近年来,新能源汽车因具环保等特点飞速发展。锂离子电池也得到越来越深入的应用。随着用户的使用,锂离子电池的健康状态(State Of Health,SOH)持续降低,可用寿命也在不断变化,整车的续航里程在不断衰减。SOH估算准确性将影响荷电状态(State OfCharge,SOC)估算的准确性,进而影响剩余里程的估算。因此如何可靠估算锂离子电池的SOH对于锂离子电池的应用具有重要意义。
发明内容
有鉴于此,本公开的目的在于提供一种电池健康状态分析方法及装置,以对锂离子电池健康状态进行可靠分析。
一方面,本公开提供了一种电池健康状态分析方法,用于分析锂离子电池的健康状态,所述方法包括:
获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线;
将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;
将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;
根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;
根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系;
基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
可选地,所述设定值为75%至100%中的任一数值。
可选地,斜率k通过以下方式计算得到:
其中,SOCB与SOCA为不同的SOC值。
可选地,得到SOH与斜率k的对应关系的步骤,包括:
将不同SOH下,SOH与斜率k进行线性拟合,得到SOH与斜率k的对应关系。
可选地,样本电池在不同SOH下,样本电池的SOC与OCV的关系曲线通过预先的多次测试得到。
另一方面,本公开提供了一种电池健康状态分析装置,用于分析锂离子电池的健康状态,所述电池健康状态分析装置包括:
数据获得模块,用于获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线;
数据处理模块,用于将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系;
数据分析模块,用于基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
可选地,所述设定值为75%至100%中的任一数值。
可选地,所述数据处理模块通过以下方式计算得到斜率k:
其中,SOCB与SOCA为不同的SOC值。
可选地,所述数据处理模块通过以下方式得到SOH与斜率k的对应关系:
将不同SOH下,SOH与斜率k进行线性拟合,得到SOH与斜率k的对应关系。
可选地,样本电池在不同SOH下,样本电池的SOC与OCV的关系曲线通过预先的多次测试得到。
又一方面,本公开提供了一种电子设备,包括:
存储器;
处理器;以及
电池健康状态分析装置,所述电池健康状态分析装置包括:
数据获得模块,用于获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线;
数据处理模块,用于将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系;
数据分析模块,用于基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
再一方面,本公开提供了一种可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在电子设备执行本公开提供的电池健康状态分析方法。
本公开提供的电池健康状态分析方法及装置,对分析流程进行巧妙设计,结合电池开路电压(Open Circuit Voltage,OCV)分析锂离子电池的SOH,基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH,从而能够便捷地实现对锂离子电池健康状态的可靠分析。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本公开提供的一种电子设备10的方框示意图。
图2为本公开提供的一种电池健康状态分析方法的流程图。
图3为本公开提供的一种样本电池在不同SOH下,样本电池的SOC与样本电池的开路电压OCV的关系曲线示意图。
图4为本公开提供的一种样本电池在不同SOH下,样本电池的SOC与开路电压变化量ΔOCV的关系曲线示意图。
图5为本公开提供的一种不同SOH下,SOH与斜率k的变化关系示意图。
图6为本公开提供的一种示例性SOH估算示意图。
图7为本公开提供的一种示例性SOH估算的误差示意图。
图8为本公开提供的一种电池健康状态分析装置20的模块框图。
图标:10-电子设备;11-存储器;12-处理器;13-网络模块;20-电池健康状态分析装置;21-数据获得模块;22-数据处理模块;23-数据分析模块。
具体实施方式
在很多场景中,为了分析锂离子电池的健康状态(State Of Health,SOH),需要进行完整的充放电测试。例如,在将锂离子电池应用于新能源汽车的场景中,分析锂离子电池SOH最直接的方法是进行完整的充放电测试,然而现有的充电桩等设备大都只具备充电功能,无法放电,因此难以获得真实放电容量。如果简单地将SOH与整车行驶里程按线性关系处理,因为锂离子电池容量衰减并非线性下降,所以该方法的准确性较差。若采用内阻变化或其他多参数拟合方法分析锂离子电池SOH,因在整车使用中参数获得困难也不具备很强的可行性。
有鉴于此,本公开提供一种电池健康状态分析方法,结合电池开路电压(OpenCircuit Voltage,OCV)分析锂离子电池的SOH,以实现对电池健康状态SOH的可靠分析。
下面将结合本公开中附图,对本公开中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示,是本公开提供的电子设备10的方框示意图。本公开中的电子设备10可以为具有数据处理功能的电子设备。如图1所示,电子设备10包括:存储器11、处理器12、网络模块13及电池健康状态分析装置20。
所述存储器11、处理器12以及网络模块13相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有电池健康状态分析装置20,所述电池健康状态分析装置20包括至少一个可以软件或固件(firmware)的形式存储于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,如本公开中的电池健康状态分析装置20,从而执行各种功能应用以及数据处理,即实现本公开中的电池健康状态分析方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本公开中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立电子设备10与外部通信终端之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本公开还提供一种可读存储介质,所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在电子设备10执行下面的电池健康状态分析方法。
请参阅图2,是本公开提供的一种电池健康状态分析方法的流程图。所述方法有关的流程所定义的方法步骤应用于电子设备10,可以由所述处理器12实现。下面将对图2所示的具体流程进行详细阐述。
步骤S11,获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线。
其中,样本电池在不同SOH下,样本电池的SOC与OCV的关系曲线可以通过预先的多次测试得到。
本公开中,样本电池可以为与待检测锂离子电池型号,参数,生成厂商等完全相同的电池。
图3示出了在样本电池为某款三元锂离子电池时,预先通过测试得到样本电池在不同SOH阶段下的SOC-OCV曲线。从图3中可以看出,随着SOH的降低,其OCV曲线也不断变化。
步骤S12,将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线。
可选地,所述设定值为75%至100%中的任一数值,如可以为80%、90%、95%等。根据实际情况的不同,设定值也可能为其他,例如,可以为电池生命周期内的任意SOH。SOH为100%的样本电池可以理解为刚出厂,未经使用的电池。
步骤S13,将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线。
图4示出了样本电池中,设SOH为100%时的SOC-OCV曲线为参考曲线,不同SOH状态下的SOC-OCV曲线与参考曲线作差,得到的SOC-ΔOCV曲线。从图4可以看出分布规律,在SOC=SOCA=50%时,其对应的ΔOCV变化较小。在SOC=SOCB=90%时,ΔOCV随着SOH变化明显。这种规律可以用来估算SOH。
步骤S14,根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k。
综合SOC与ΔOCV的关系曲线中两点的特性,取两点,如SOCA和SOCB间的斜率k为特征值,斜率k通过以下方式计算得到:
其中,SOCB与SOCA为不同的SOC值。
步骤S15,根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系。
在不同的SOH状态下,k值也有不同,作k-SOH图,如图5所示。从图中的点可以看出,SOH与k值基本成线性关系。可选地,得到SOH与斜率k的对应关系的步骤,包括:将不同SOH下,SOH与斜率k进行线性拟合,得到SOH与斜率k的对应关系。
将图5中SOCA和SOCB进行线性拟合,得到SOH与k的关系为SOH=10.51*k+99.81,R2=0.98。应当理解,图5中SOH与k的关系仅为SOCA=50%,SOCB=90%时的示例性说明,在SOCA和SOCB为其他值时,得到SOH与k的关系为其他,由于实现原理类似,因而在此不作赘述。
步骤S16,基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
待检测锂离子电池的斜率k计算方式与上述样本电池的斜率的计算方式相同,因而在此不作赘述。基于分析得到的SOH与k的关系,以及待检测锂离子电池的斜率k,即可反推得出待检测锂离子电池的SOH。实现较为便捷,可靠性较高。
为了验证本公开的分析准确度,请结合参阅图6和图7,采用另一个电芯的OCV曲线来测试结果,根据该电芯的k值估算得SOH,可以得出在SOH为80%-100%时,SOH的估算误差4%以内,分析精确度较高,满足整车使用需求。
在上述基础上,如图8所示,本公开提供了一种电池健康状态分析装置20,应用于上述电子设备10,所述电池健康状态分析装置20包括数据获得模块21,数据处理模块22和数据分析模块23。
其中,数据获得模块21用于获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线。
由于数据获得模块21和图2中步骤S11的实现原理类似,因而在此不作更多说明。
数据处理模块22用于将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系。
由于数据处理模块22和图2中步骤S12至步骤S15的实现原理类似,因而在此不作更多说明。
数据分析模块23用于基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
由于数据分析模块23和图2中步骤S16的实现原理类似,因而在此不作更多说明。
其中,所述设定值为75%至100%中的任一数值,如可以为80%、90%、95%等。根据实际情况的不同,设定值也可能为其他,例如,可以为电池生命周期内的任意SOH。SOH为100%的样本电池可以理解为刚出厂,未经使用的电池。
可选地,所述数据处理模块22通过以下方式计算得到斜率k:
其中,SOCB与SOCA为不同的SOC值。
可选地,所述数据处理模块22通过以下方式得到SOH与斜率k的对应关系:不同SOH下,SOH与斜率k进行线性拟合,得到SOH与斜率k的对应关系。
可选地,样本电池在不同SOH下,样本电池的SOC与OCV的关系曲线通过预先的多次测试得到。
本公开中的电池健康状态分析方法及装置对分析流程进行巧妙设计,结合电池开路电压(Open Circuit Voltage,OCV)分析锂离子电池的SOH,基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH,从而能够便捷地实现对锂离子电池健康状态的可靠分析。
在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备10,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本公开的可选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种电池健康状态分析方法,用于分析锂离子电池的健康状态,其特征在于,所述方法包括:
获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线;
将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;
将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;
根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;
根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系;
基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
2.根据权利要求1所述的电池健康状态分析方法,其特征在于,所述设定值为75%至100%中的任一数值。
3.根据权利要求2所述的电池健康状态分析方法,其特征在于,斜率k通过以下方式计算得到:
其中,SOCB与SOCA为不同的SOC值。
4.根据权利要求3所述的电池健康状态分析方法,其特征在于,得到SOH与斜率k的对应关系的步骤,包括:
将不同SOH下,SOH与斜率k进行线性拟合,得到SOH与斜率k的对应关系。
5.根据权利要求1至4任一项所述的电池健康状态分析方法,其特征在于,样本电池在不同SOH下,样本电池的SOC与OCV的关系曲线通过预先的多次测试得到。
6.一种电池健康状态分析装置,用于分析锂离子电池的健康状态,其特征在于,所述电池健康状态分析装置包括:
数据获得模块,用于获得样本电池在不同健康状态SOH下,样本电池的荷电状态SOC与样本电池的开路电压OCV的关系曲线;
数据处理模块,用于将SOH为设定值时,样本电池的SOC与OCV的关系曲线作为参考曲线;将不同SOH下,样本电池的SOC与OCV的关系曲线与所述参考曲线作差,得到样本电池的SOC与开路电压变化量ΔOCV的关系曲线;根据不同SOH下,样本电池的SOC与ΔOCV的关系曲线,分析得到SOC与ΔOCV的关系曲线中两点之间的斜率k;根据不同SOH下,斜率k的变化,得到SOH与斜率k的对应关系;
数据分析模块,用于基于样本电池SOH与斜率k的对应关系,根据待检测锂离子电池的斜率k的值,分析得到待检测锂离子电池的SOH。
7.根据权利要求6所述的电池健康状态分析装置,其特征在于,所述设定值为75%至100%中的任一数值。
8.根据权利要求7所述的电池健康状态分析装置,其特征在于,所述数据处理模块通过以下方式计算得到斜率k:
其中,SOCB与SOCA为不同的SOC值。
9.根据权利要求8所述的电池健康状态分析装置,其特征在于,所述数据处理模块通过以下方式得到SOH与斜率k的对应关系:
将不同SOH下,SOH与斜率k进行线性拟合,得到SOH与斜率k的对应关系。
10.根据权利要求6至9任一项所述的电池健康状态分析装置,其特征在于,样本电池在不同SOH下,样本电池的SOC与OCV的关系曲线通过预先的多次测试得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810504744.5A CN108572327B (zh) | 2018-05-23 | 2018-05-23 | 电池健康状态分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810504744.5A CN108572327B (zh) | 2018-05-23 | 2018-05-23 | 电池健康状态分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108572327A true CN108572327A (zh) | 2018-09-25 |
CN108572327B CN108572327B (zh) | 2020-05-26 |
Family
ID=63572755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810504744.5A Active CN108572327B (zh) | 2018-05-23 | 2018-05-23 | 电池健康状态分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108572327B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109596983A (zh) * | 2018-11-19 | 2019-04-09 | 清华大学 | 一种电池老化过程中容量跳水的预测方法 |
CN109856560A (zh) * | 2018-11-08 | 2019-06-07 | 蔚来汽车有限公司 | 动力电池健康状态评估方法、装置、系统及换电站 |
CN110456275A (zh) * | 2019-08-26 | 2019-11-15 | 东莞塔菲尔新能源科技有限公司 | 一种判断电芯析锂的方法及系统 |
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 |
CN111693882A (zh) * | 2020-06-30 | 2020-09-22 | 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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944849A (zh) * | 2012-11-27 | 2013-02-27 | 天津力神电池股份有限公司 | 一种锂离子电池的电池容量快速检测方法 |
CN105021994A (zh) * | 2015-07-10 | 2015-11-04 | 华霆(合肥)动力技术有限公司 | 一种检测电池组内单体电池一致性的方法和装置 |
CN106324518A (zh) * | 2016-08-31 | 2017-01-11 | 浙江长兴笛卡尔科技有限公司 | 一种电动汽车动力电池soh估算方法 |
CN106569143A (zh) * | 2016-11-11 | 2017-04-19 | 常州普莱德新能源电池科技有限公司 | 一种在线计算电芯容量与soh的方法、系统及电动车辆 |
-
2018
- 2018-05-23 CN CN201810504744.5A patent/CN108572327B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944849A (zh) * | 2012-11-27 | 2013-02-27 | 天津力神电池股份有限公司 | 一种锂离子电池的电池容量快速检测方法 |
CN105021994A (zh) * | 2015-07-10 | 2015-11-04 | 华霆(合肥)动力技术有限公司 | 一种检测电池组内单体电池一致性的方法和装置 |
CN106324518A (zh) * | 2016-08-31 | 2017-01-11 | 浙江长兴笛卡尔科技有限公司 | 一种电动汽车动力电池soh估算方法 |
CN106569143A (zh) * | 2016-11-11 | 2017-04-19 | 常州普莱德新能源电池科技有限公司 | 一种在线计算电芯容量与soh的方法、系统及电动车辆 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856560A (zh) * | 2018-11-08 | 2019-06-07 | 蔚来汽车有限公司 | 动力电池健康状态评估方法、装置、系统及换电站 |
CN109856560B (zh) * | 2018-11-08 | 2021-03-19 | 蔚来(安徽)控股有限公司 | 动力电池健康状态评估方法、装置、系统及换电站 |
CN109596983A (zh) * | 2018-11-19 | 2019-04-09 | 清华大学 | 一种电池老化过程中容量跳水的预测方法 |
CN109596983B (zh) * | 2018-11-19 | 2020-07-14 | 清华大学 | 一种电池老化过程中容量跳水的预测方法 |
CN110456275A (zh) * | 2019-08-26 | 2019-11-15 | 东莞塔菲尔新能源科技有限公司 | 一种判断电芯析锂的方法及系统 |
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 |
CN111693882A (zh) * | 2020-06-30 | 2020-09-22 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN108572327B (zh) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108572327A (zh) | 电池健康状态分析方法及装置 | |
Chen et al. | A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity | |
Farmann et al. | Comparative study of reduced order equivalent circuit models for on-board state-of-available-power prediction of lithium-ion batteries in electric vehicles | |
Hentunen et al. | Time-domain parameter extraction method for thévenin-equivalent circuit battery models | |
Stroe et al. | Accelerated lifetime testing methodology for lifetime estimation of lithium-ion batteries used in augmented wind power plants | |
Kim et al. | OCV hysteresis effect-based SOC estimation in extended Kalman filter algorithm for a LiFePO 4/C cell | |
CN105974326A (zh) | 锂电池寿命预估方法及装置 | |
CN108732510B (zh) | 基于内部特征的锂离子电池一致性筛选分组方法 | |
CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
CN108445401A (zh) | 电池荷电状态soc的在线估计方法、电子装置及存储介质 | |
CN109100655B (zh) | 一种动力电池的数据处理方法和装置 | |
Chen et al. | Analysis and prediction of the discharge characteristics of the lithium–ion battery based on the Grey system theory | |
CN109116242B (zh) | 一种动力电池的数据处理方法和装置 | |
US20220179003A1 (en) | Characterisation of lithium plating in rechargeable batteries | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
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 | |
CN112505569A (zh) | 电池状态信息的生成方法、装置及终端设备 | |
Ji et al. | A multi-scale time method for the state of charge and parameter estimation of lithium-ion batteries using MIUKF-EKF | |
CN112698217B (zh) | 基于粒子群优化算法的电池单体容量估计方法 | |
Mohtat et al. | On identifying the aging mechanisms in li-ion batteries using two points measurements | |
Avadhanula et al. | Comparative study of mathematical models and data driven models for battery performance parameter estimation | |
CN108845267A (zh) | 一种动力电池的数据处理方法和装置 | |
CN112698214A (zh) | 估计电化学电池的电池状态 | |
Gong et al. | Estimation of Peukert constant of lithium-ion batteries and its application in battery discharging time prediction | |
CN111308352A (zh) | 一种锂离子的电池衰减估算方法 |
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 |