CN108732508B - 一种锂离子电池容量的实时估计方法 - Google Patents

一种锂离子电池容量的实时估计方法 Download PDF

Info

Publication number
CN108732508B
CN108732508B CN201810500015.2A CN201810500015A CN108732508B CN 108732508 B CN108732508 B CN 108732508B CN 201810500015 A CN201810500015 A CN 201810500015A CN 108732508 B CN108732508 B CN 108732508B
Authority
CN
China
Prior art keywords
capacity
battery
curve
gaussian function
data
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
CN201810500015.2A
Other languages
English (en)
Other versions
CN108732508A (zh
Inventor
宋凌珺
梁统一
石凯
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201810500015.2A priority Critical patent/CN108732508B/zh
Publication of CN108732508A publication Critical patent/CN108732508A/zh
Application granted granted Critical
Publication of CN108732508B publication Critical patent/CN108732508B/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
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种锂离子电池容量的实时估计方法，所述方法首先将初始的电量，电压数据处理成一定电压间隔的数据，然后做差分运算获得IC曲线，接着用非线性最小二乘法使用高斯函数拟合IC曲线，获取高斯函数的参数值，分析高斯函数的参数与电池容量之间的相关性，建立容量估计模型。在线容量估计时，对获取的充电数据进行处理，将拟合获取高斯函数的参数值作为模型输入即可估计实时电池容量。本方法解决了容量增量法在线应用的问题，突破了在线估计电池容量的难题。在本发明的一个实施例中，算法的实时估计误差小于3％。

Description

一种锂离子电池容量的实时估计方法
技术领域
本发明属汽车技术领域，具体涉及一种可准确实时评估电动汽车用锂离子电池容量的方法。
背景技术
锂离子电池由于具有能量和功率密度高、自放电率低、记忆效应弱等方面的优势，已成为当前电动汽车动力电池的首选。而它作为电动汽车的动力核心，其健康状态对电动汽车的成本和续航里程则有着重大的影响，因而需要对电池的容量进行实时的评估。
目前，对车载条件下的电池容量的实时估计有三种方法：充放电法、基于模型的方法、电压微分法和容量增量法。充放电法是通过对电池进行充放电，根据电池容量的定义求得电池容量的估计值。但是充放电法耗费的时间较长，而且电动汽车的电池之间存在不一致性，不是所有电池都完成一次充放电。
基于模型的方法通过最小二乘法，卡尔曼滤波等方法，对电池容量进行辨识。但该方法计算量较大，对电池管理系统具有较高要求，很难做到实时的容量估计。
而相对比较好的一种方法是电压微分法(DVA,Differential Voltage Analysis)和容量增量法(ICA,Incremental CapacityAnalysis)。它是对电池进行充放电得到电池的实时容量-电压曲线，然后对曲线进行数据拟合再进行差分。差分结果曲线中的峰值位置与大小与电池的剩余容量具有相关性，对比初始情况和某时刻情况下的差分曲线，即可以对于电池容量进行估计。故基于该方法提出一种锂离子电池容量的实时估计的方法。
发明内容
本发明的目的是提供一种锂离子电池容量的实时估计的方法，有效地实时评估了锂离子电池的容量。
为实现上述目的，本发明采用以下技术方案：一种锂离子电池容量的实时估计的方法，所述方法包括以下步骤：
以下步骤又可以分成两个阶段，第一个是建模过程阶段；第二个是在线容量估计阶段。
第一个阶段包括以下步骤：
S1，通过电池耐久性试验，获取标准容量测试中的充电数据；
对于需要估计的电池进行耐久性实验；耐久性测试循环在50℃下进行，对该电池进行充电和放电实验，其中，充电方式为：1/2C先恒流后恒压充电至截止电压，放电使用DST循环，30次充电放电循环后，进行一次25℃下的标准容量测试，以确定电池的真实容量；
S2，根据步骤S1中获得的电量、电压数据,对数据进行预处理后计算得到IC曲线，其中，
Figure BDA0001670040720000021
其中q为电量，v为电压；将电池的电量和电压数据进行初步处理成为一定电压间隔的数据，电压间隔为dv＝5mV；
S3，根据步骤S2中获得的IC曲线，利用非线性最小二乘法及高斯函数拟合不同循环衰减程序时，不同峰的IC曲线，则IC曲线可表示为
Figure BDA0001670040720000022
Figure BDA0001670040720000023
其中n为表示IC曲线中的峰的个数；Ai、ωi和V0i为第i个峰的高斯函数的参数值；利用最小二乘法使用高斯函数对IC曲线的每个峰进行拟合，当该电池IC曲线含有N个峰，因此使用N个高斯函数分别对每个区间的IC曲线进行拟合；
S4，根据步骤S3中获得的高斯函数，将高斯函数的参数值作为特征量，进行参数值与电池容量之间的相关性分析；分析高斯函数的参数Ai、ωi和V0i与电池容量相关的参数；
S5，根据步骤S4中相关性分析的结果，选取与容量相关的高斯函数的参数值，拟合该参数与电容之间在不同峰值对应的区间的关系曲线，建立该参数其与电池容量之间的函数关系Y＝f(x)；
第二个阶段包括以下步骤：
S6，在线容量实时估计阶段，获取待估计电池当前的充电数据；获取需要在先预测的电池的充电数据，所使用的充电方法与步骤S1中的相同；
S7，根据步骤S3中的拟合方法，得到数据所处峰的高斯函数；
S8，根据步骤S5中的函数关系，由步骤S7所得的与容量相关的高斯函数的参数值确定电池的实时容量；
根据步骤S4中相关性分析的结果，选取与容量相关的高斯函数的参数值，分别选取第二个峰的参数A和第三个峰的参数A，建立其与电池的真实容量的函数关系，在本具体实施方式中采用线性拟合，也可以用其它拟合，例如指数拟合。
例如，在本具体实施方式中，第二个峰的参数A与电池容量之间的函数关系为：
Figure BDA0001670040720000031
第三个峰的参数A与电池容量之间的函数关系为：
y＝3.4553x+2.4135
上述公式中：n表示循环次数；x表示拟合获得的高斯函数的参数A的大小；y表示估计得到的电池容量；
第二个阶段包括以下步骤：
S6，在线容量实时估计阶段，获取待估计电池当前的充电数据；
获取得到的充电数据，所使用的充电方法与步骤S1中的相同。根据所获得的电压的所在区间，采集的数据需至少包含[3.8V,4.0V]和[4.0V,4.2V]中的一段；
S7，根据步骤S3中的拟合方法，得到部分数据所处峰的高斯函数；
步骤S7，根据步骤S3中的拟合方法，对得到的充电数据进行处理，拟合得到曲线中每个峰的高斯函数；
S8，根据步骤S5中的函数关系，由步骤S7所得的高斯函数的特征值确定电池的实时容量。
与现有技术相比，本发明方法中建立了一种基于高斯函数拟合获取IC曲线，使用高斯函数的参数进行容量建模与估计，实现了锂离子电池健康状态的在线实时检测，突破在线容量估计的难题。
附图说明
下面结合附图对本发明作进一步说明，其中：
图1一种使用高斯函数拟合IC曲线进行容量估计的流程图；
图2某款三元锂离子电池使用不同电压间隔计算得到的IC曲线；
图3某款三元锂离子电池IC曲线拟合的结果；
图4某款三元锂离子电池第二个峰的高斯函数的参数A随循环的变化情况
图5某款三元锂离子电池第三个峰的高斯函数的参数A随循环的变化情况
图6某款三元锂离子电池建立的容量估计模型的容量估计结果。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明提出了一种使用高斯函数拟合IC曲线实现锂离子电池容量估计的方法，该方法可以至少用于对于动力电池进行在线容量估计。
根据本发明的实施例，具体包括以下步骤：
如附图1所示，以下步骤又可以划分为两个阶段，第一个阶段是电池测试与模型标定阶段，一般在实验室中进行；第二个阶段是在线估计阶段，是电池容量在线估计算法的实施流程。
所述第一个阶段包括以下步骤：
S1，通过电池耐久性试验，获取标准容量测试中的充电数据；
在本具体实施方式中，对于需要估计的电池进行耐久性实验，所述电池可以是任何需要估计的锂离子电池。例如，以其中一种电池为例，该待测电池为三元锂离子电池。耐久性测试循环在50℃下进行，对该电池进行充电和放电实验。其中，充电方式为：1/2C先恒流后恒压充电至截止电压4.2V，放电使用DST循环。30次充电放电循环后，进行一次25℃下的标准容量测试，以确定电池的真实容量，并且在此过程中测量电池的电压数据。
S2，根据步骤S1中获得的电量、电压数据,对数据进行预处理后计算得到IC曲线，其中，
Figure BDA0001670040720000041
其中q为电量，v为电压。
在本步骤中，将电池的电量和电压数据进行初步处理成为一定电压间隔的数据，本实施案例中采用电压间隔dV＝5mV，以电压为横坐标即X轴，以电量为纵坐标即Y轴，得到曲线。在本具体实施方式中，分别将所述电压间隔取5mv，20mv，50mv进行比较，分别计算得到的IC曲线如附图2所示；从图2可以看出随着dv的增加曲线逐渐清晰，但曲线形状也会随之发生变化，因此综合考虑，在本实施例中选择dV＝5mV。
S3，根据步骤S2中获得的IC曲线，利用非线性最小二乘法及高斯函数拟合不同循环衰减程序时，不同峰的IC曲线，则IC曲线可表示为
Figure BDA0001670040720000051
Figure BDA0001670040720000052
其中n为表示IC曲线中的峰的个数；Ai、ωi和V0i为第i个峰的高斯函数的参数值。
利用最小二乘法使用高斯函数对IC曲线的每个峰进行拟合，新电池的拟合结果如附图3所示；由图2的具体实施例可知，该款电池IC曲线含有三个峰，因此使用三个高斯函数分别对每个区间的IC曲线进行拟合。
利用最小二乘法使用高斯函数再对不同衰减程度时电池的IC曲线的每个峰进行拟。分别使用[3.5V,3.7V]、[3.8V,4.0V]和[4.0V,4.2V]的数据依次拟合IC曲线的三个峰，三个峰的拟合结果如图3中的三个独立的高斯函数的曲线所示，将三个峰相加可获得电池的整个的IC曲线。使用相同的数据处理方法便可得到不同衰减程度时，电池的IC曲线拟合结果；
S4，根据步骤S3中获得的高斯函数，将高斯函数的参数值作为特征量，进行参数值与电池容量之间的相关性分析；分析高斯函数的参数Ai、ωi和V0i与电池容量相关性最大的参数；
由于电动汽车的的使用者通常习惯在高SOC区间内使用汽车，因此采用位于高SOC，即高电压的峰的高斯函数用于容量估计建模。因此采用最后两个峰的高斯函数的参数值作为特征量，进行参数值与电池容量之间的相关性分析，不同循环时的第二个峰的高斯函数随着循环的变化情况如附图4所示，不同循环时的第三个峰的高斯函数随着循环的变化情况如附图5所示。通过图4和5可以看出两个峰的ω和V的数值较小随循环变化不明显，因此不使用。可以看出两个峰的A随着循环的进行有着规律的变化，且变化较为明显，因此采用A作为特征量进行建模；
S5，根据步骤S4中相关性分析的结果，选取与容量相关的高斯函数的参数值，拟合不同峰值对应的区间的曲线，建立该参数其与电池容量之间的函数关系Y＝f(x)；
根据步骤S4中相关性分析的结果，选取与容量相关的高斯函数的参数值，分别选取第二个峰的参数A和第三个峰的参数A，建立其与电池的真实容量的函数关系，在本具体实施方式中采用线性拟合，也可以用其它拟合，例如指数拟合。
例如，在本具体实施方式中，第二个峰的参数A与电池容量之间的函数关系为：
Figure BDA0001670040720000061
第三个峰的参数A与电池容量之间的函数关系为：
y＝3.4553x+2.4135
上述公式中：n表示循环次数；x表示拟合获得的高斯函数的参数A的大小；y表示估计得到的电池容量；
第二个阶段包括以下步骤：
S6，在线容量实时估计阶段，获取待估计电池当前的充电数据；
获取得到的充电数据，所使用的充电方法与步骤S1中的相同。根据所获得的电压的所在区间，采集的数据需至少包含[3.8V,4.0V]和[4.0V,4.2V]中的一段；
S7，根据步骤S3中的拟合方法，得到部分数据所处峰的高斯函数；
步骤S7，根据步骤S3中的拟合方法，对得到的充电数据进行处理，拟合得到曲线中每个峰的高斯函数；
S8，根据步骤S5中的函数关系，由步骤S7所得的高斯函数的特征值确定电池的实时容量；
由步骤S7得到第二个峰或第三个峰的高斯函数的参数A的大小，根据步骤S5中的函数关系，确定电池实际容量，容量估计的结果如附图6所示，使用第二、三个峰的估计误差分别为2.8％和2.7％，在3％以内。

Claims (1)

1.一种锂离子电池容量的实时估计的方法，其特征在于所述方法包括两个阶段，第一个是建模过程阶段；第二个是在线容量估计阶段；
第一个阶段包括以下步骤：
S1，通过电池耐久性试验，获取标准容量测试中的充电数据；
对于需要估计的电池进行耐久性实验；耐久性测试循环在50℃下进行，对该电池进行充电和放电实验，其中，充电方式为：1/2C先恒流后恒压充电至截止电压，放电使用DST循环，30次充电放电循环后，进行一次25℃下的标准容量测试，以确定电池的真实容量；
S2，根据步骤S1中获得的电量、电压数据,对数据进行预处理后计算得到IC曲线，其中，
Figure FDA0002629695450000011
其中q为电量，v为电压；将电池的电量和电压数据进行初步处理成为一定电压间隔的数据，电压间隔为dv＝5mV；
S3，根据步骤S2中获得的IC曲线，利用非线性最小二乘法及高斯函数拟合不同循环衰减程序时，不同峰的IC曲线，则IC曲线可表示为
Figure FDA0002629695450000012
其中n为表示IC曲线中的峰的个数；Ai、ωi和v0i为第i个峰的高斯函数的参数值；利用最小二乘法使用高斯函数对IC曲线的每个峰进行拟合，当该电池IC曲线含有N个峰，因此使用N个高斯函数分别对每个区间的IC曲线进行拟合；
S4，根据步骤S3中获得的高斯函数，将高斯函数的参数值作为特征量，进行参数值与电池容量之间的相关性分析；分析高斯函数的参数Ai、ωi和v0i中与电池容量相关的参数值；
S5，根据步骤S4中相关性分析的结果，选取与容量相关的高斯函数的参数值，拟合该参数值与电容之间在不同峰值对应的区间的关系曲线，建立该参数值与电池容量之间的函数关系Y＝f(x)；
第二个阶段包括以下步骤：
S6，在线容量实时估计阶段，获取待估计电池当前的充电数据；获取需要在先预测的电池的充电数据，所使用的充电方法与步骤S1中的相同；
S7，根据步骤S3中的拟合方法，得到数据所处峰的高斯函数；
S8，根据步骤S5中的函数关系，由步骤S7所得的与容量相关的高斯函数的参数值确定电池的实时容量。
CN201810500015.2A 2018-05-23 2018-05-23 一种锂离子电池容量的实时估计方法 Expired - Fee Related CN108732508B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810500015.2A CN108732508B (zh) 2018-05-23 2018-05-23 一种锂离子电池容量的实时估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810500015.2A CN108732508B (zh) 2018-05-23 2018-05-23 一种锂离子电池容量的实时估计方法

Publications (2)

Publication Number Publication Date
CN108732508A CN108732508A (zh) 2018-11-02
CN108732508B true CN108732508B (zh) 2020-10-09

Family

ID=63935002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810500015.2A Expired - Fee Related CN108732508B (zh) 2018-05-23 2018-05-23 一种锂离子电池容量的实时估计方法

Country Status (1)

Country Link
CN (1) CN108732508B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780204B (zh) * 2019-11-11 2021-05-25 北京理工大学 一种电动汽车电池组容量估值方法
CN110826023B (zh) * 2019-11-13 2023-08-25 国网电力科学研究院有限公司 一种电池系统运行数据分辨率提升方法
CN111398833B (zh) * 2020-03-13 2021-08-31 浙江大学 一种电池健康状态评估方法
CN115461635A (zh) * 2020-05-11 2022-12-09 东莞新能德科技有限公司 电池容量预估方法、电子装置和存储介质
CN113848493A (zh) * 2021-09-07 2021-12-28 北京交通大学 基于机器学习的三元锂离子电池早期加速老化诊断方法
CN115469236B (zh) * 2022-10-28 2023-03-24 北京航空航天大学 电池soc估计方法、装置及电子设备
CN115993538B (zh) * 2023-02-01 2023-10-20 上海玫克生储能科技有限公司 一种电池容量增量综合曲线的拟合方法、装置和电子设备
CN116840721B (zh) * 2023-06-02 2024-06-11 暨南大学 一种锂离子电池容量估计方法、装置、设备及存储介质
CN116680506B (zh) * 2023-07-27 2023-10-20 中国人民解放军国防科技大学 自适应间隔优化的增量容量曲线数点统计方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105717455A (zh) * 2016-01-30 2016-06-29 清华大学 电池组的电池单体soc和容量估计算法的选择方法
CN106154168A (zh) * 2016-04-01 2016-11-23 储盈新能源科技（上海）有限公司 数据驱动的动力电池荷电状态估计方法
CN106443467A (zh) * 2016-09-18 2017-02-22 北京交通大学 基于充电过程的锂离子电池充入电量建模方法与应用
US9800073B2 (en) * 2015-08-20 2017-10-24 International Business Machines Corporation Modeling a change in battery degradation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10393813B2 (en) * 2013-08-27 2019-08-27 The Regents Of The University Of Michigan On-board state of health monitoring of batteries using incremental capacity analysis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9800073B2 (en) * 2015-08-20 2017-10-24 International Business Machines Corporation Modeling a change in battery degradation
CN105717455A (zh) * 2016-01-30 2016-06-29 清华大学 电池组的电池单体soc和容量估计算法的选择方法
CN106154168A (zh) * 2016-04-01 2016-11-23 储盈新能源科技（上海）有限公司 数据驱动的动力电池荷电状态估计方法
CN106443467A (zh) * 2016-09-18 2017-02-22 北京交通大学 基于充电过程的锂离子电池充入电量建模方法与应用

Also Published As

Publication number Publication date
CN108732508A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN108732508B (zh) 一种锂离子电池容量的实时估计方法
CN105319515B (zh) 锂离子电池荷电状态和健康状态联合估算方法
CN111581904B (zh) 考虑循环次数影响的锂电池soc及soh协同估算方法
CN109061514B (zh) 一种基于大数据的动力电池衰退情况分析方法及系统
CN110196393B (zh) 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法
CN112345939B (zh) 基于连续脉冲响应的锂离子电池模型参数辨识方法
Hu et al. Online model identification of lithium-ion battery for electric vehicles
CN105425154B (zh) 一种估计电动汽车的动力电池组的荷电状态的方法
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
CN109358293B (zh) 基于ipf的锂离子电池soc估计方法
CN110554321B (zh) 一种实时检测退役动力电池soc的方法
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN105044606B (zh) 一种基于参数自适应电池模型的soc估计方法
CN104267261A (zh) 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法
Hu et al. Recursive calibration for a lithium iron phosphate battery for electric vehicles using extended Kalman filtering
CN107783057B (zh) 一种动力电池soc估算方法及估算系统
CN109901072B (zh) 基于历史数据与实验室测试数据的退役电池参数检测方法
CN108828448B (zh) 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法
US20140184233A1 (en) Method for checking deterioration of battery
CN113777510A (zh) 一种锂电池荷电状态估计方法及装置
CN111142025A (zh) 一种电池soc估算方法、装置、存储介质及电动汽车
CN113109729A (zh) 基于加速老化试验与实车工况的车用动力电池soh评估方法
CN115389936A (zh) 一种数模混合驱动的锂电池持续峰值功率能力的在线预测方法
CN111044924B (zh) 一种全工况电池剩余容量确定方法及系统
CN105911480A (zh) 一种动力电池soc估计方法

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: 20201009

Termination date: 20210523

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