CN109100652A - 一种用于预测梯次利用动力电池的离散度的方法及系统 - Google Patents

一种用于预测梯次利用动力电池的离散度的方法及系统 Download PDF

Info

Publication number
CN109100652A
CN109100652A CN201810569433.7A CN201810569433A CN109100652A CN 109100652 A CN109100652 A CN 109100652A CN 201810569433 A CN201810569433 A CN 201810569433A CN 109100652 A CN109100652 A CN 109100652A
Authority
CN
China
Prior art keywords
echelon
power battery
battery
dispersion
internal resistance
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
Application number
CN201810569433.7A
Other languages
English (en)
Other versions
CN109100652B (zh
Inventor
范茂松
王凯丰
杨凯
高飞
刘皓
张明杰
耿萌萌
王康康
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.)
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
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 China Electric Power Research Institute Co Ltd CEPRI, State Grid Tianjin Electric Power Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201810569433.7A priority Critical patent/CN109100652B/zh
Publication of CN109100652A publication Critical patent/CN109100652A/zh
Application granted granted Critical
Publication of CN109100652B publication Critical patent/CN109100652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]

Landscapes

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

Abstract

本发明公开了一种用于预测梯次利用动力电池的离散度的方法,包括:分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定阻抗特性;利用离散度计算公式计算内阻离散度;根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系;计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系;确定不同工况下梯次利用动力电池的电池容量离散度;利用复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。

Description

一种用于预测梯次利用动力电池的离散度的方法及系统
技术领域
本发明涉及电池储能技术领域,并且更具体地,涉及一种用于预测梯次利用动力电池的离散度的方法及系统。
背景技术
近年来,我国电动汽车产业进入快速发展期,2011到2016年我国电动汽车销量呈快速增长趋势。相应的,电动汽车动力电池出货量也保持高速增长的态势,2016年动力电池出货量已达到30.5GWh。得益于国家技术和产业扶持,磷酸铁锂电池在近年的动力电池市场中占据主流地位,据统计2016年其市场占有率超过七成。电池在车载使用过程中,性能逐渐衰退。当电池的性能不能满足电动汽车使用要求时,就要从电动汽车上退役下来,由于磷酸铁锂动力电池具有安全性好、循环寿命长等优点,因此大多数退役磷酸铁锂电池仍然具有较高的使用价值,如能找到适当的应用场合,即可实现动力电池的梯次利用。
梯次利用动力电池从电动汽车上退役以后,由于电池之间关键材料、制造工艺、运行环境、运行方式以及运行时间的不同,造成电池性能之间的一致性变差、离散性变大。当这些电池进行再利用时,即使经过重新的筛选配组,也会出现电池容量离散继续扩大、电池组性能快速的下降的问题。对于梯次利用动力电池,其材料和工艺都已经固定,影响其一致性的主要是外部使用条件。因此,需要通过研究不同使用条件对电池容量衰退的影响,确定梯次利用动力电池动态离散程度。
发明内容
本发明提出一种用于预测梯次利用动力电池的离散度的方法及系统,以解决如何确定梯次利用动力电池离散度的方法。
为了解决上述问题,根据本发明的一个方面,提供了一种用于预测梯次利用动力电池的离散度的方法,其特征在于,所述方法包括:
分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性;
根据所述每个梯次利用动力电池的阻抗特性利用离散度计算公式计算梯次利用动力电池的内阻离散度;
根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系,其中所述使用条件包括:使用环境温度、使用倍率和工作SOC区间;
计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系;
根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度;
利用所述复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。
优选地,其中所述分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态(State of Charge,SOC)状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性,包括:
对于每个梯次利用动力电池,测试在预设频率阈值下的定频内阻和开路电压;
通过预设使用倍率的电流按照预设放电时间分别对每个梯次利用动力电池进行放电,记录放电结束时的结束电压;
分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,明确电池的阻抗特性,其中,直流内阻的计算公式为:
R2=(V1-V2)/I,
其中,R2为直流内阻;V1为开路电压;V2为结束电压;I为预设使用倍率的电流。
优选地,其中所述使用环境温度包括:0℃、25℃和45℃;所述使用倍率包括:0.2C、0.5C和1.0C;所述工作SOC区间包括:0-100%SOC、10%-90%SOC、25%-75%SOC和40%-60%SOC。
优选地,其中所述建立梯次利用动力电池的衰退速度与使用条件的对应关系为:
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
优选地,其中所述计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系,包括:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
优选地,其中所述梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为电池内阻的样本标准差;σ为总体标准差;n为电池的样本数;Srel为样本相对标准差,即电池内阻离散度。
优选地,其中所述根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度,包括:
M=a*Srel+b*SC
其中,Srel为电池内阻离散度;SC为电池容量离散度;M为复合离散度;a和b为权重系数。
根据本发明的另一个方面,提供了一种用于预测梯次利用动力电池的离散度的系统,其特征在于,所述系统包括:
阻抗特性确定单元,用于分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性;
内阻离散度计算单元,用于根据所述每个梯次利用动力电池的阻抗特性利用离散度计算公式计算梯次利用动力电池的内阻离散度;
第一对应关系建立单元,用于根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系,其中所述使用条件包括:使用环境温度、使用倍率和工作SOC区间;
第二对应关系建立单元,用于计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系;
容量离散度确定单元,用于根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度;
离散度预测单元,用于利用所述复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。
优选地,其中所述在所述阻抗特性确定单元,分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性,包括:
对于每个梯次利用动力电池,测试在预设频率阈值下的定频内阻和开路电压;
通过预设使用倍率的电流按照预设放电时间分别对每个梯次利用动力电池进行放电,记录放电结束时的结束电压;
分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,明确电池的阻抗特性,其中,直流内阻的计算公式为:
R2=(V1-V2)/I,
其中,R2为直流内阻;V1为开路电压;V2为结束电压;I为预设使用倍率的电流。
优选地,其中所述使用环境温度包括:0℃、25℃和45℃;所述使用倍率包括:0.2C、0.5C和1.0C;所述工作SOC区间包括:0-100%SOC、10%-90%SOC、25%-75%SOC和40%-60%SOC。
优选地,其中在所述第一对应关系建立单元,建立梯次利用动力电池的衰退速度与使用条件的对应关系为:
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
优选地,其中在所述第二对应关系建立单元,计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系,包括:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
优选地,其中所述在内阻离散度计算单元,梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为电池内阻的样本标准差;σ为总体标准差;n为电池的样本数;Srel为样本相对标准差,即电池内阻离散度。
优选地,其中所述离散度预测单元,根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度,包括:
M=a*Srel+b*SC
其中,Srel为电池内阻离散度;SC为电池容量离散度;M为复合离散度;a和b为权重系数。
本发明提供了一种用于预测梯次利用动力电池的离散度的方法及系统,通过对电池性能进行检测,明确电池的阻抗特性等状态,计算梯次利用动力电池的内阻离散度;分析不同温度、不同工作SOC区间和不同的使用倍率条件下电池的衰退速度和自放电速度的差异,建立梯次利用动力电池的衰退速度与使用条件的对应关系以及电池的自放电率与使用工况的对应关系,并确定不同工况下梯次利用动力电池的电池容量离散度;最后,根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。本发明掌握了梯次利用动力电池动态离散与电池外特性之间的关系,分析造成衰退速度和自放电率差异造成退役电池动态离散的原因,确定了退役动力电池动态离散程度的分析方法,为梯次利用动力电池性能分析、筛选分类、安全可靠的使用提供理论指导和技术支撑。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的用于预测梯次利用动力电池的离散度的方法100的流程图;以及
图2为根据本发明实施方式的用于预测梯次利用动力电池的离散度的系统200的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的用于预测梯次利用动力电池的离散度的方法100的流程图。本发明的实施方式提供了一种用于预测梯次利用动力电池的离散度的方法掌握了梯次利用动力电池动态离散与电池外特性之间的关系,分析造成衰退速度和自放电率差异造成退役电池动态离散的原因,确定了退役动力电池动态离散程度的分析方法,为梯次利用动力电池性能分析、筛选分类、安全可靠的使用提供理论指导和技术支撑。本发明的实施方式提供的用于预测梯次利用动力电池的离散度的方法100从步骤101处开始,在步骤101分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性。
优选地,其中所述分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性,包括:
对于每个梯次利用动力电池,测试在预设频率阈值下的定频内阻和开路电压;
通过预设使用倍率的电流按照预设放电时间分别对每个梯次利用动力电池进行放电,记录放电结束时的结束电压;
分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,明确电池的阻抗特性,其中,直流内阻的计算公式为:
R2=(V1-V2)/I,
其中,R2为直流内阻;V1为开路电压;V2为结束电压;I为预设使用倍率的电流。
在本方面的实施方式中,首先测试电池的容量、内阻、自放电、倍率充放电等特性,确定梯次利用动力电池的状态。具体方法为:在室温下以1/3C倍率对电池进行充放电循环实验,测试电池的充放电容量和能量,计算电池的电压平台;测试电池在1000Hz频率下的定频内阻R1和开路电压V1,然后通过3.0C倍率的电流I对电池进行放电10s,记放电结束时电压V2,利用内阻计算公式测试电池在不同SOC状态下的直流内阻R2,明确电池的阻抗特性。
优选地,在步骤102根据所述每个梯次利用动力电池的阻抗特性利用离散度计算公式计算梯次利用动力电池的内阻离散度。
优选地,其中所述梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为电池内阻的样本标准差;σ为总体标准差;n为电池的样本数;Srel为样本相对标准差,即电池内阻离散度。
退役动力电池的离散包括内阻和容量上的离散,标准差(又称标准偏差)是全数据计算,对退役动力电池循环和自放电测试中的数据进行标准差分析。可以准确、全面地反映出电池数据的离散程度。梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为样本标准差;σ为总体标准差;n为样本数;Srel为样本相对标准差。
优选地,在步骤103根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系,其中所述使用条件包括:使用环境温度、使用倍率和工作SOC区间。
优选地,其中所述使用环境温度包括:0℃、25℃和45℃;所述使用倍率包括:0.2C、0.5C和1.0C;所述工作SOC区间包括:0-100%SOC、10%-90%SOC、25%-75%SOC和40%-60%SOC。
优选地,其中所述建立梯次利用动力电池的衰退速度与使用条件的对应关系为:
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
优选地,在步骤104计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系。
优选地,其中所述计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系,包括:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
优选地,在步骤105根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度。
在不同工况下,梯次利用动力电池在循环过程中衰退速度的差异会造成电池动态离散。在本方发明的实施方式中,根据电池在不同环境温度(0℃、25℃、45℃)、不同使用倍率(0.2C、0.5C、1.0C)以及不同工作SOC区间(0%-100%SOC、10%-90%SOC、25%-75%SOC、40%-60%SOC、)等外在使用条件下的循环性能,通过退役电池的容量计算电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系:
衰退速度=n%/t
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
退役动力电池不但在循环过程中出现衰退,在搁置过程中,电池自身也会出现自放电现象。因此,根据电池在不同搁置时间、不同工作SOC区间工况下的充放电循环性能,考察电池不同使用工况条件下的自放电性能。记录电池第1次的放电容量为C1,第3次的放电容量为C0,计算电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
最后,根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度。通过退役动力电池在循环和自放电过程中容量的衰退,建立一种不同工况下梯次利用电池的复合离散度h[F(x)、F(y)],预测退役动力电池在退役后的不同时间段(30天、100天、150天等)的离散度。
优选地,在步骤106利用所述复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。
优选地,其中所述根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度,包括:
M=a*Srel+b*SC
其中,Srel为电池内阻离散度;SC为电池容量离散度;M为复合离散度;a和b为权重系数。a和b根据电池内阻离散度以及电池容量离散度对电池离散度的影响程度确定。
图2为根据本发明实施方式的用于预测梯次利用动力电池的离散度的系统200的结构示意图。如图2所示,本发明的实施方式提供的用于预测梯次利用动力电池的离散度的系统200,包括:阻抗特性确定单元201、内阻离散度计算单元202、第一对应关系建立单元203、第二对应关系建立单元204、容量离散度确定单元205和离散度预测单元206。优选地,所述阻抗特性确定单元201,用于分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性。
优选地,其中所述在所述阻抗特性确定单元201,分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性,包括:对于每个梯次利用动力电池,测试在预设频率阈值下的定频内阻和开路电压;通过预设使用倍率的电流按照预设放电时间分别对每个梯次利用动力电池进行放电,记录放电结束时的结束电压;分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,明确电池的阻抗特性,其中,直流内阻的计算公式为:
R2=(V1-V2)/I,
其中,R2为直流内阻;V1为开路电压;V2为结束电压;I为预设使用倍率的电流。
优选地,所述内阻离散度计算单元202,用于根据所述每个梯次利用动力电池的阻抗特性利用离散度计算公式计算梯次利用动力电池的内阻离散度。
优选地,其中所述在内阻离散度计算单元202,梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为电池内阻的样本标准差;σ为总体标准差;n为电池的样本数;Srel为样本相对标准差,即电池内阻离散度。
优选地,所述第一对应关系建立单元203,用于根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系,其中所述使用条件包括:使用环境温度、使用倍率和工作SOC区间。
优选地,其中所述使用环境温度包括:0℃、25℃和45℃;所述使用倍率包括:0.2C、0.5C和1.0C;所述工作SOC区间包括:0-100%SOC、10%-90%SOC、25%-75%SOC和40%-60%SOC。
优选地,其中在所述第一对应关系建立单元203,建立梯次利用动力电池的衰退速度与使用条件的对应关系为:
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
优选地,所述第二对应关系建立单元204,用于计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系。
优选地,其中在所述第二对应关系建立单元204,计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系,包括:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
优选地,所述容量离散度确定单元205,用于根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度。
优选地,所述离散度预测单元206,用于利用所述复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。
优选地,其中所述离散度预测单元,根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度,包括:
M=a*Srel+b*SC
其中,Srel为电池内阻离散度;SC为电池容量离散度;M为复合离散度;a和b为权重系数。
本发明的实施例的用于预测梯次利用动力电池的离散度的系统200与本发明的另一个实施例的用于用于预测梯次利用动力电池的离散度的方法100相对应,在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。

Claims (14)

1.一种用于预测梯次利用动力电池的离散度的方法,其特征在于,所述方法包括:
分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性;
根据所述每个梯次利用动力电池的阻抗特性利用离散度计算公式计算梯次利用动力电池的内阻离散度;
根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系,其中所述使用条件包括:使用环境温度、使用倍率和工作SOC区间;
计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系;
根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度;
利用所述复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。
2.根据权利要求1所述的方法,其特征在于,所述分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性,包括:
对于每个梯次利用动力电池,测试在预设频率阈值下的定频内阻和开路电压;
通过预设使用倍率的电流按照预设放电时间分别对每个梯次利用动力电池进行放电,记录放电结束时的结束电压;
分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,明确电池的阻抗特性,其中,直流内阻的计算公式为:
R2=(V1-V2)/I,
其中,R2为直流内阻;V1为开路电压;V2为结束电压;I为预设使用倍率的电流。
3.根据权利要求1所述的方法,其特征在于,所述使用环境温度包括:0℃、25℃和45℃;所述使用倍率包括:0.2C、0.5C和1.0C;所述工作SOC区间包括:0-100%SOC、10%-90%SOC、25%-75%SOC和40%-60%SOC。
4.根据权利要求1所述的方法,其特征在于,所述建立梯次利用动力电池的衰退速度与使用条件的对应关系为:
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
5.根据权利要求1所述的方法,其特征在于,所述计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系,包括:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
6.根据权利要求1所述的方法,其特征在于,所述梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为电池内阻的样本标准差;σ为总体标准差;n为电池的样本数;Srel为样本相对标准差,即电池内阻离散度。
7.根据权利要求1所述的方法,其特征在于,所述根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度,包括:
M=a*Srel+b*SC
其中,Srel为电池内阻离散度;SC为电池容量离散度;M为复合离散度;a和b为权重系数。
8.一种用于预测梯次利用动力电池的离散度的系统,其特征在于,所述系统包括:
阻抗特性确定单元,用于分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性;
内阻离散度计算单元,用于根据所述每个梯次利用动力电池的阻抗特性利用离散度计算公式计算梯次利用动力电池的内阻离散度;
第一对应关系建立单元,用于根据梯次利用动力电池在不同使用条件下的循环性能计算多个梯次利用动力电池的衰退速度,建立梯次利用动力电池的衰退速度与使用条件的对应关系,其中所述使用条件包括:使用环境温度、使用倍率和工作SOC区间;
第二对应关系建立单元,用于计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系;
容量离散度确定单元,用于根据梯次利用动力电池的衰退速度与使用条件的对应关系和梯次利用动力电池的自放电率与使用工况的对应关系确定不同工况下梯次利用动力电池的电池容量离散度;
离散度预测单元,用于利用所述复合离散度预测梯次利用动力电池在退役后不同时间段的电池容量离散度,并根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度。
9.根据权利要求8所述的系统,其特征在于,所述在所述阻抗特性确定单元,分别测试多个梯次利用动力电池中的每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,确定每个梯次利用动力电池的阻抗特性,包括:
对于每个梯次利用动力电池,测试在预设频率阈值下的定频内阻和开路电压;
通过预设使用倍率的电流按照预设放电时间分别对每个梯次利用动力电池进行放电,记录放电结束时的结束电压;
分别测试每个梯次利用动力电池在不同荷电状态SOC状态下的直流内阻,明确电池的阻抗特性,其中,直流内阻的计算公式为:
R2=(V1-V2)/I,
其中,R2为直流内阻;V1为开路电压;V2为结束电压;I为预设使用倍率的电流。
10.根据权利要求8所述的系统,其特征在于,所述使用环境温度包括:0℃、25℃和45℃;所述使用倍率包括:0.2C、0.5C和1.0C;所述工作SOC区间包括:0-100%SOC、10%-90%SOC、25%-75%SOC和40%-60%SOC。
11.根据权利要求8所述的系统,其特征在于,在所述第一对应关系建立单元,建立梯次利用动力电池的衰退速度与使用条件的对应关系为:
F(x)=f(c·T·DOD·t)
其中,t为时间,c为电池容量,T为温度,DOD为电池的放电深度;F(x)为梯次利用动力电池的衰退速度与使用条件的对应关系。
12.根据权利要求8所述的系统,其特征在于,在所述第二对应关系建立单元,计算梯次利用动力电池的自放电率,建立梯次利用动力电池的自放电率与使用工况的对应关系,包括:
自放电率=C1/C0*100%,
F(y)=f(自放电率),
其中,C1为梯次利用动力电池第1次的放电容量;C0为梯次利用动力电池第3次的放电容量;F(y)为梯次利用动力电池的自放电率与使用工况的对应关系。
13.根据权利要求8所述的系统,其特征在于,所述在内阻离散度计算单元,梯次利用动力电池的内阻离散度的计算公式为:
其中,为x的算术平均数;S为电池内阻的样本标准差;σ为总体标准差;n为电池的样本数;Srel为样本相对标准差,即电池内阻离散度。
14.根据权利要求8所述的系统,其特征在于,所述离散度预测单元,根据预测的不同时间段的电池容量离散度和内阻离散度的权重预测梯次利用动力电池的复合离散度,包括:
M=a*Srel+b*SC
其中,Srel为电池内阻离散度;SC为电池容量离散度;M为复合离散度;a和b为权重系数。
CN201810569433.7A 2018-06-05 2018-06-05 一种用于预测梯次利用动力电池的离散度的方法及系统 Active CN109100652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810569433.7A CN109100652B (zh) 2018-06-05 2018-06-05 一种用于预测梯次利用动力电池的离散度的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810569433.7A CN109100652B (zh) 2018-06-05 2018-06-05 一种用于预测梯次利用动力电池的离散度的方法及系统

Publications (2)

Publication Number Publication Date
CN109100652A true CN109100652A (zh) 2018-12-28
CN109100652B CN109100652B (zh) 2022-04-26

Family

ID=64796711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810569433.7A Active CN109100652B (zh) 2018-06-05 2018-06-05 一种用于预测梯次利用动力电池的离散度的方法及系统

Country Status (1)

Country Link
CN (1) CN109100652B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109507597A (zh) * 2019-01-04 2019-03-22 清华四川能源互联网研究院 锂电池性能评估方法及装置
CN109917291A (zh) * 2019-03-18 2019-06-21 中国电力科学研究院有限公司 一种用于恢复梯次利用电池储能系统的运行状态的方法
CN110118942A (zh) * 2019-05-22 2019-08-13 北京科技大学 一种锂电池电化学极化阻抗的检测方法
CN110687464A (zh) * 2019-09-02 2020-01-14 南京理工大学 可调速式梯次利用动力电池的分选方法
CN110988699A (zh) * 2019-12-31 2020-04-10 三峡大学 一种梯次利用锂电池储能单元的状态诊断方法及装置
CN111562509A (zh) * 2020-04-03 2020-08-21 中国电力科学研究院有限公司 一种用于确定退役动力电池剩余寿命的方法及系统
CN114951042A (zh) * 2022-05-12 2022-08-30 华富(江苏)锂电新技术有限公司 一种提高梯次电池一致性的筛选方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5672951A (en) * 1994-11-04 1997-09-30 Mitsubishi Denki Kabushiki Kaisha Determination and control of battery state
JP2007071632A (ja) * 2005-09-06 2007-03-22 Fujitsu Ltd 電池パックの異常検出方法、電池パック及び電子機器
US20100198536A1 (en) * 2009-01-30 2010-08-05 Bae Systems Controls Inc. Battery health assessment estimator
CN101907688A (zh) * 2010-08-02 2010-12-08 天津力神电池股份有限公司 一种锂离子电池电性能一致性的检测方法
CN102013520A (zh) * 2010-11-18 2011-04-13 杭州高特数码技术有限公司 锂电池模块配组方法
CN102590751A (zh) * 2011-10-12 2012-07-18 北京市电力公司 动力电池包一致性评估方法和装置
CN103163466A (zh) * 2011-12-14 2013-06-19 北汽福田汽车股份有限公司 一种锂电池的检测方法
CN103163467A (zh) * 2011-12-15 2013-06-19 北汽福田汽车股份有限公司 动力电池组的一致性评价方法
CN105510847A (zh) * 2016-01-20 2016-04-20 四川长虹电器股份有限公司 锂离子电池一致性的筛选方法
CN106199443A (zh) * 2016-07-05 2016-12-07 常州工学院 一种锂电池退化鉴别方法及退化报警系统
CN107085187A (zh) * 2017-04-13 2017-08-22 华北电力科学研究院有限责任公司 梯次利用电池储能系统一致性维护指标的确定方法及装置
CN107656216A (zh) * 2017-11-15 2018-02-02 国网辽宁省电力有限公司鞍山供电公司 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5672951A (en) * 1994-11-04 1997-09-30 Mitsubishi Denki Kabushiki Kaisha Determination and control of battery state
JP2007071632A (ja) * 2005-09-06 2007-03-22 Fujitsu Ltd 電池パックの異常検出方法、電池パック及び電子機器
US20100198536A1 (en) * 2009-01-30 2010-08-05 Bae Systems Controls Inc. Battery health assessment estimator
CN101907688A (zh) * 2010-08-02 2010-12-08 天津力神电池股份有限公司 一种锂离子电池电性能一致性的检测方法
CN102013520A (zh) * 2010-11-18 2011-04-13 杭州高特数码技术有限公司 锂电池模块配组方法
CN102590751A (zh) * 2011-10-12 2012-07-18 北京市电力公司 动力电池包一致性评估方法和装置
CN103163466A (zh) * 2011-12-14 2013-06-19 北汽福田汽车股份有限公司 一种锂电池的检测方法
CN103163467A (zh) * 2011-12-15 2013-06-19 北汽福田汽车股份有限公司 动力电池组的一致性评价方法
CN105510847A (zh) * 2016-01-20 2016-04-20 四川长虹电器股份有限公司 锂离子电池一致性的筛选方法
CN106199443A (zh) * 2016-07-05 2016-12-07 常州工学院 一种锂电池退化鉴别方法及退化报警系统
CN107085187A (zh) * 2017-04-13 2017-08-22 华北电力科学研究院有限责任公司 梯次利用电池储能系统一致性维护指标的确定方法及装置
CN107656216A (zh) * 2017-11-15 2018-02-02 国网辽宁省电力有限公司鞍山供电公司 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BERNHARD KORTSCHAK,ETC: "Detection method of battery cell degradation", 《2011 IEEE VEHICLE POWER AND PROPULSION CONFERENCE》 *
李娜 等: "梯次利用电池储能系统一致性维护方法研究", 《中外能源》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109507597A (zh) * 2019-01-04 2019-03-22 清华四川能源互联网研究院 锂电池性能评估方法及装置
CN109917291A (zh) * 2019-03-18 2019-06-21 中国电力科学研究院有限公司 一种用于恢复梯次利用电池储能系统的运行状态的方法
CN109917291B (zh) * 2019-03-18 2022-12-09 中国电力科学研究院有限公司 一种用于恢复梯次利用电池储能系统的运行状态的方法
CN110118942A (zh) * 2019-05-22 2019-08-13 北京科技大学 一种锂电池电化学极化阻抗的检测方法
CN110687464A (zh) * 2019-09-02 2020-01-14 南京理工大学 可调速式梯次利用动力电池的分选方法
CN110687464B (zh) * 2019-09-02 2022-02-18 南京理工大学 可调速式梯次利用动力电池的分选方法
CN110988699A (zh) * 2019-12-31 2020-04-10 三峡大学 一种梯次利用锂电池储能单元的状态诊断方法及装置
CN111562509A (zh) * 2020-04-03 2020-08-21 中国电力科学研究院有限公司 一种用于确定退役动力电池剩余寿命的方法及系统
CN111562509B (zh) * 2020-04-03 2022-09-09 中国电力科学研究院有限公司 一种用于确定退役动力电池剩余寿命的方法及系统
CN114951042A (zh) * 2022-05-12 2022-08-30 华富(江苏)锂电新技术有限公司 一种提高梯次电池一致性的筛选方法

Also Published As

Publication number Publication date
CN109100652B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN109100652A (zh) 一种用于预测梯次利用动力电池的离散度的方法及系统
Ning et al. Adaptive sliding mode observers for lithium-ion battery state estimation based on parameters identified online
Jafari et al. Deterministic models of Li-ion battery aging: It is a matter of scale
Zhang et al. Study on battery pack consistency evolutions and equilibrium diagnosis for serial-connected lithium-ion batteries
Dubarry et al. Battery energy storage system modeling: Investigation of intrinsic cell-to-cell variations
Wang et al. Power capability evaluation for lithium iron phosphate batteries based on multi-parameter constraints estimation
Wei et al. System state estimation and optimal energy control framework for multicell lithium-ion battery system
Wang et al. A method for state-of-charge estimation of LiFePO4 batteries at dynamic currents and temperatures using particle filter
Cen et al. Lithium‐ion battery SOC/SOH adaptive estimation via simplified single particle model
Zhigang et al. State of charge estimation of power Li-ion batteries using a hybrid estimation algorithm based on UKF
Kim et al. Screening process-based modeling of the multi-cell battery string in series and parallel connections for high accuracy state-of-charge estimation
US7525285B2 (en) Method and system for cell equalization using state of charge
US7593821B2 (en) Method and system for joint battery state and parameter estimation
CN107329094A (zh) 动力电池健康状态估算方法及装置
Wang et al. Open circuit voltage and state of charge relationship functional optimization for the working state monitoring of the aerial lithium-ion battery pack
CN105659102A (zh) 电池参数估计装置和参数估计方法
CN107367698A (zh) 电动汽车锂电池组的健康状态预测方法
CN102590751A (zh) 动力电池包一致性评估方法和装置
CN107783057B (zh) 一种动力电池soc估算方法及估算系统
CN113728242A (zh) 对可充电电池中的析锂进行表征
CN110632520A (zh) 一种动力电池soc的估算装置及其估算方法
Lavety et al. A dynamic battery model and parameter extraction for discharge behavior of a valve regulated lead-acid battery
Dragičević et al. Battery state-of-charge and parameter estimation algorithm based on Kalman filter
Su et al. A novel two-steps method for estimation of the capacity imbalance among in-pack cells
WO2006057469A1 (en) Method and system for joint battery stateand parameter estimation

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