CN108802626A - 一种智能电池诊断装置 - Google Patents

Abstract

本发明公开了一种智能电池诊断装置，其用于对电池的剩余电量进行估计，所述装置包括：存储单元和数据处理单元，存储单元用于存储第一劣化模式中的电池的SOC和空载电压之间的相关性的第一相关性数据和表示第二劣化模式中的电池的SOC和空载电压之间的相关性的第二相关性数据，并且所述数据处理单元持续监测和向外部指示所述SOC与所述空载电压之间的相关性以及将所述相关性的数据更新至所述存储单元；其中所述数据处理单元被构造为：确定所述电池的劣化模式以及从存储单元中选择与劣化模式相对应的相关数据以估计所述电池的SOC。

Description

一种智能电池诊断装置

技术领域

本发明涉及电池领域，具体而言，涉及一种电池诊断装置。

背景技术

SOC也叫剩余电量，代表的是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。一般电芯的容量随着储存时间以线性方式减少,储存期间较高温度下的容量衰减速率较高。发现基于电流脉冲测量的电池内阻随存储时间而增加。而电池还具备不同的劣化模式或劣化阶段，电流脉冲1s后的电压下降计算的内阻和电流脉冲20s后的电压下降计算的内阻在所有劣化阶段和所有劣化条件下具有约76％的相同比率，这意味着劣化会以相似的方式影响快速过程(欧姆电阻，极化电阻)和较慢过程(扩散)。欧姆和极化电阻随存储时间增加而增加，而极化内阻的增加幅度相比而言更大。极化过程的时间常数，和极化半圆都随着时间的增加而增大。1s脉冲后测得的内阻值与EIS分析的欧姆和极化电阻之和完全一致，表明极化电阻的电流依赖性很低。据观察，劣化研究的结果明显受到了SOC设置方法的影响，这个现象在很多进行类似锂电池寿命的研究中被忽视了。可以设想，锂电池真实的寿命比通常的实验结果要长。SOC设置过程具体有多大的影响，定量评估还需要设计专门的实验进行进一步的研究。电池的寿命包括电池循环寿命和贮存寿命。其中循环寿命是指电池在工况循环或者常规循环过程中达到寿命终止所需要的时间；寿命有定义是这样的：指电池在某参考温度下、开路状态达到寿命终止所需的时间，即电池在备用状态下的寿命。也有在恒压条件下进行锂电池寿命测试的研究。总之，寿命是在最低化电池使用的条件下评估了时间的流逝对电池性能的影响。对于能量型动力电池来说，性能评价主要以能量特性或容量特性为主，辅助功率特性的研究。一般定义容量保持率达到80％时电池寿命终止。功率和表面阻抗ASI呈反比关系，因此阶段性测量电池的阻抗，当阻抗增长到某个数值(对应功率衰减至正好满足系统要求)时动力电池寿命终止。在劣化中，容量衰减和功率衰减取决于时间，充放电量和运行参数：温度，充电状态(SOC)，电流幅度和放电深度(DOD)。区分锂离子电池的和周期劣化是将循环影响因素和搁置影响因素解耦的过程，即劣化机理的发生与只与循环过程有关，还是只与搁置过程有关，是寿命研究的另外一个方向。除了容量衰减之外，也有文献讨论了锂离子电池劣化过程中电池阻抗的变化。在大多数情况下，内阻的增加，被认为是两个电极上不断生长的界面薄膜带来的影响。

进行参数分析和EIS测试测试结果反映出，电极的常规电化学参数是寿命的主要影响因素，影响到电芯的容量衰减，包括内阻增加的变化。此外对于电池劣化程度而言，电池的劣化被发现存在不同的阶段或模式的持续时间段，不同阶段或模式下SOC的估算公式应当不同，在本领域还未提出针对不同劣化程度估计其SOC的技术方案。

发明内容

本发明提出了一种智能电池诊断装置，其用于对电池的剩余电量(SOC)进行估计，所述装置包括：存储单元和数据处理单元，其中所述电池具有第一劣化模式和第二劣化模式，在所述第一劣化模式中，所述电池具备相对于时间的容量降低特性；而在第二劣化模式中，所述电池具备相对于第一劣化模式更低的相对于时间的容量降低特性；其中，存储单元用于存储第一劣化模式中的电池的SOC和空载电压之间的相关性的第一相关性数据和表示第二劣化模式中的电池的SOC和空载电压之间的相关性的第二相关性数据，并且所述数据处理单元保持向外部指示所述SOC与所述空载电压之间的相关性以及将所述相关性的数据更新至所述存储单元；

其特征在于，其中所述数据处理单元被构造为：确定所述所述电池的劣化模式以及从存储单元中选择与劣化模式相对应的相关数据以估计所述电池的SOC。

进一步的，所述数据处理单元在所述模式确定处理中基于所述电池元件的内阻确定所述电池储能元件的劣化模式。

进一步的，所述数据处理单元基于检测到的电池的电压和电流的测量值来计算所述内阻。

进一步的，所述存储单元将所述第一相关性数据和所述第二相关性数据存储为所述SOC与所述电池储能元件的空载电压之间的相关性，并且将所述SOC估计值与时间相关的存储起来。

进一步的，所述确定劣化模式进一步包括，所述数据处理单元比较所述电池储能元件的内阻的电阻增加率和预设的电阻增加率阈值，以确定所述智能电池所属的劣化模式；或者，所述存储单元存储所述SOC所述电池储能元件和所述空载电压针对每个所述电池储能元件相对于所述第二劣化模式的容量维持率，并且所述数据处理单元选择与所述容量维持率对应的相关数据以确定所述电池所属的劣化模式。

本发明所取得的有益技术效果是：更加精确的估计电池的剩余电量。

具体实施方式

为了使得本发明的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内、包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。

实施例一。

本发明提出了一种智能电池诊断装置，其用于对电池的剩余电量(SOC)进行估计，所述装置包括：存储单元和数据处理单元，其中所述电池具有第一劣化模式和第二劣化模式，在所述第一劣化模式中，所述电池具备相对于时间的容量降低特性；而在第二劣化模式中，所述电池具备相对于第一劣化模式更低的相对于时间的容量降低特性；其中，存储单元用于存储第一劣化模式中的电池的SOC和空载电压之间的相关性的第一相关性数据和表示第二劣化模式中的电池的SOC和空载电压之间的相关性的第二相关性数据，并且所述数据处理单元保持向外部指示所述SOC与所述空载电压之间的相关性以及将所述相关性的数据更新至所述存储单元；

其特征在于，其中所述数据处理单元被构造为：确定所述所述电池的劣化模式以及从存储单元中选择与劣化模式相对应的相关数据以估计所述电池的SOC。

进一步的，所述数据处理单元在所述模式确定处理中基于所述电池元件的内阻确定所述电池储能元件的劣化模式。

进一步的，所述数据处理单元基于检测到的电池的电压和电流的测量值来计算所述内阻。

进一步的，所述存储单元将所述第一相关性数据和所述第二相关性数据存储为所述SOC与所述电池储能元件的空载电压之间的相关性，并且将所述SOC估计值与时间相关的存储起来。

进一步的，所述确定劣化模式进一步包括，所述数据处理单元比较所述电池储能元件的内阻的电阻增加率和预设的电阻增加率阈值，以确定所述智能电池所属的劣化模式；或者，所述存储单元存储所述SOC所述电池储能元件和所述空载电压针对每个所述电池储能元件相对于所述第二劣化模式的容量维持率，并且所述数据处理单元选择与所述容量维持率对应的相关数据以确定所述电池所属的劣化模式。

在确定所属的劣化模式后，就可以根据电池的劣化阶段进行SOC估计的手段的修正，例如在第一劣化模式下采取常规的估计公式进行估计，其估计公式司空见惯在这里就不赘述，其可以根据电池的特性而选择本领域常见的估计公式进行检测和估计，然后再确定电池进入第二劣化模式时，通过试验选择合适的修正系数进行结果修正即可。

实施例二。

本发明提出了一种智能电池诊断装置，其用于对电池的剩余电量(SOC)进行估计，所述装置包括：存储单元和数据处理单元，其中所述电池具有第一劣化模式和第二劣化模式，在所述第一劣化模式中，所述电池具备相对于时间的容量降低特性；而在第二劣化模式中，所述电池具备相对于第一劣化模式更低的相对于时间的容量降低特性；其中，存储单元用于存储第一劣化模式中的电池的SOC和空载电压之间的相关性的第一相关性数据和表示第二劣化模式中的电池的SOC和空载电压之间的相关性的第二相关性数据，并且所述数据处理单元保持向外部指示所述SOC与所述空载电压之间的相关性以及将所述相关性的数据更新至所述存储单元；其中所述数据处理单元被构造为：确定所述所述电池的劣化模式以及从存储单元中选择与劣化模式相对应的相关数据以估计所述电池的SOC。并且在本例中，所述的估计采用SOC和空载电压之间的相关性数据进行经验性的估算。所述数据处理单元在所述模式确定处理中基于所述电池元件的内阻确定所述电池储能元件的劣化模式。所述数据处理单元基于检测到的电池的电压和电流的测量值来计算所述内阻。所述存储单元将所述第一相关性数据和所述第二相关性数据存储为所述SOC与所述电池储能元件的空载电压之间的相关性，并且将所述SOC估计值与时间相关的存储起来。所述确定劣化模式进一步包括，所述数据处理单元比较所述电池储能元件的内阻的电阻增加率和预设的电阻增加率阈值，以确定所述智能电池所属的劣化模式；或者，所述存储单元存储所述SOC所述电池储能元件和所述空载电压针对每个所述电池储能元件相对于所述第二劣化模式的容量维持率，并且所述数据处理单元选择与所述容量维持率对应的相关数据以确定所述电池所属的劣化模式。

实施例三。

本发明提出了一种智能电池诊断装置，其用于对电池的剩余电量(SOC)进行估计，所述装置包括：存储单元和数据处理单元，其中所述电池具有第一劣化模式、第二和第三劣化模式，在所述第一劣化模式中，所述电池具备相对于时间的容量降低特性；而在第二劣化模式中，所述电池具备相对于第一劣化模式更明显的相对于时间的容量降低特性；而在第三劣化模式中，所述电池具备相对于第二劣化模式更明显的相对于时间的容量降低特性；

其中，存储单元用于存储第一劣化模式中的电池的SOC和空载电压之间的相关性的第一相关性数据和表示第二劣化模式中的电池的SOC和空载电压之间的相关性的第二相关性数据和表示第三劣化模式中的电池的SOC和空载电压之间的相关性的第三相关性数据，并且所述数据处理单元保持向外部指示所述SOC与所述空载电压之间的相关性以及将所述相关性的数据更新至所述存储单元；其中所述数据处理单元被构造为：确定所述所述电池的劣化模式以及从存储单元中选择与劣化模式相对应的相关数据以估计所述电池的SOC。并且在本例中，所述的估计采用SOC和空载电压之间的相关性数据进行经验性的估算。所述数据处理单元在所述模式确定处理中基于所述电池元件的内阻确定所述电池储能元件的劣化模式。所述数据处理单元基于检测到的电池的电压和电流的测量值来计算所述内阻。所述存储单元将所述第一相关性数据和所述第二、第三相关性数据存储为所述SOC与所述电池储能元件的空载电压之间的相关性，并且将所述SOC估计值与时间相关的存储起来。

所述确定劣化模式进一步包括，所述数据处理单元比较所述电池储能元件的内阻的电阻增加率和预设的电阻增加率阈值，以确定所述智能电池所属的劣化模式；或者，所述存储单元存储所述电池储能元件在不同劣化模式下其空载电压与SOC以及持续放电时间之间的相关性数据，并且所述数据处理单元根据该相关性数据以确定所述电池所属的劣化模式。这里的分析确定劣化模式都可以根据本装置应用的电池种类的有限实验数据来获取确认。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (7)

1.一种智能电池诊断装置，其用于对电池的剩余电量(SOC)进行估计，所述装置包括：存储单元和数据处理单元，其中将所述电池的劣化分为具有第一劣化模式和第二劣化模式，其中在所述第一劣化模式中，所述电池具备相对于时间的容量降低特性；而在第二劣化模式中，所述电池具备相对于第一劣化模式更明显的相对于时间的容量降低特性；

其中，存储单元用于存储第一劣化模式中的电池的SOC和空载电压之间的相关性的第一相关性数据和表示第二劣化模式中的电池的SOC和空载电压之间的相关性的第二相关性数据，并且所述数据处理单元持续监测和向外部指示所述SOC与所述空载电压之间的相关性以及将所述相关性的数据更新至所述存储单元；

其特征在于，其中所述数据处理单元被构造为：确定所述所述电池的劣化模式以及从存储单元中选择与劣化模式相对应的相关数据以估计所述电池的SOC。

2.根据权利要求1所述的智能电池诊断装置，其特征在于，所述数据处理单元在所述模式确定处理中基于所述电池元件的内阻确定所述电池储能元件的劣化模式。

3.根据权利要求2所述的智能电池诊断装置，其特征在于，所述数据处理单元基于检测到的电池的电压和电流的测量值来计算所述内阻。

4.根据权利要求3所述的智能电池诊断装置，其特征在于，所述存储单元将所述第一相关性数据和所述第二相关性数据存储为所述SOC与所述电池储能元件的空载电压以及电池持续放电时间之间的相关性数据或图表。

5.根据权利要求4所述的智能电池诊断装置，其特征在于，所述确定劣化模式进一步包括，所述数据处理单元比较所述电池储能元件的内阻的电阻增加率和预设的电阻增加率阈值，以确定所述智能电池所属的劣化模式；或者，所述存储单元存储所述电池储能元件在不同劣化模式下其空载电压与SOC以及持续放电时间之间的相关性数据，并且所述数据处理单元根据该相关性数据以确定所述电池所属的劣化模式。

6.根据权利要求1-5之一所述的智能电池诊断装置，其特征在于，在第二劣化模式中估计SOC值时，先按照第一劣化模式估计得到一个初始SOC值再用修正系数修正所述初始SOC值得到第二劣化模式下的SOC估计值。

7.根据权利要求1-6之一所述的智能电池诊断装置，其特征在于，根据所述电池具备相对于时间的容量降低特性将所述电池的劣化分为第一劣化模式和第二劣化模式以外还根据所述电池具备相对于时间的容量降低特性将所述电池的劣化划分为更多的劣化模式，并且在第一劣化模式以外的劣化模式中估计SOC值时，先按照第一劣化模式估计得到一个初始SOC值再用适于不同劣化模式的修正系数修正所述初始SOC值得到不同劣化模式下的SOC估计值。