CN109116251B - 一种基于复合式工况的锂电池参数辨识方法 - Google Patents
一种基于复合式工况的锂电池参数辨识方法 Download PDFInfo
- Publication number
- CN109116251B CN109116251B CN201810884610.0A CN201810884610A CN109116251B CN 109116251 B CN109116251 B CN 109116251B CN 201810884610 A CN201810884610 A CN 201810884610A CN 109116251 B CN109116251 B CN 109116251B
- Authority
- CN
- China
- Prior art keywords
- battery
- stage
- discharge
- soc
- operating condition
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 18
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 18
- 208000028659 discharge Diseases 0.000 claims abstract description 113
- 230000004087 circulation Effects 0.000 claims abstract description 28
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 8
- 238000012850 discrimination method Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 6
- 230000005518 electrochemistry Effects 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 6
- 230000001154 acute effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
一种基于复合式工况的锂电池参数辨识方法，属于电池管理技术领域。复合式工况由N组循环组成，每组循环包括一个快速变化的充放电阶段，一个恒流放电阶段，一个静置阶段。在任意循环的静置阶段，根据电池端电压与时间关系可以估算出τ2；在任意循环的恒流放电阶段，根据欧姆定律，可以计算出R0、R1、R2三个内阻的和；对于SOC＝100％开始的第一个循环，利用下一个循环参数R2，C2代替，而不会引入过多误差；N组循环辨识出对应组数的电池模型数据，通过“查表+线性插值”的方法构造全SOC范围的电池模型。根据总容量求出每次恒流放电工况后电池对应的SOC，记录各SOC下的开路电压，拟合出完整的SOC‑OCV曲线。优点：充分考虑不同工况下的参数辨识具有更强的鲁棒性。
Description
技术领域
本发明涉及电池管理技术领域，特别是一种基于复合式工况的锂电池参数辨识方法。
背景技术
电动汽车近年来飞速发展，围绕着锂离子电池的研究不断深入，其中SOC评估算法是研究的热门领域之一，而精确的电池模型对于SOC估算具有重要的意义。目前电池模型主要为电化学模型以及等效电路模型。等效电路模型利用电路网络来等效锂电池的一些外特性，由于其结构简单，便于计算，参数意义明确，因此被广泛地应用于电池管理系统之中，在阻抗分析，SOC估算等方面发挥着重要作用，常用的等效电路模型主要有Rint模型、Thevenin模型以及PNGV模型。Thevenin模型为代表的等效电路模型是目前应用最广泛的一种电池模型。在辨识多阶模型参数时，使用单一工况通常无法获取全面而准确的参数值，建立的电池模型使用范围存在较大的局限性，难以适用于其他不同的工况。但是若要使用多种不同工况去辨识参数，则需要大量的时间，难以实现电动汽车电池模型的在线更新。
发明内容
本发明的目的是要提供一种基于复合式工况的锂电池参数辨识方法，解决现有技术在辨识多阶模型参数时，使用单一工况无法获取全面、准确参数值的问题。
本发明的目的是这样实现的：本发明包括一种锂电池复合式工况，以及基于复合式工况的锂电池参数辨识方法。
本发明涉及的锂电池复合式工况：包括若干组循环阶段，每一组循环阶段包括一个快速变化的充放电阶段，一个恒流放电阶段，一个电压静置阶段；所述的快速变化充放电阶段保证充电电量与放电电量互补，整个过程中电池SOC与电动势Uoc未改变；所述的恒流放电阶段的每次放电量约为电池总容量的循环次数分之1，放电电流约为1/3C；所述的电压静置阶段时间至少为1h，使电池达到电化学以及热平衡状态；多个循环阶段组成复合式工况，整个工况从SOC＝100％开始，直至在恒流放电工况下电池达到放电截止电压停止。
所述的快速变化充放电阶段包括若干组充放电脉冲，充放电脉冲电流至少为电池总容量的1/3C，最大电流不超过使用电池的最大放电电流。
整个工况由N组循环组成，每组循环包括一个快速变化的充放电阶段，一个恒流放电阶段，还有电压恢复阶段；快速变化的充放电阶段是电流剧烈变化的过程，恒流放电阶段是电流在较长时间内保持不变的过程；这样一种复合式工况有较强的代表性，这样辨识出的电池模型会同时拥有较好的动态特性与静态特性。
每一个循环中的快速变化的充放电阶段目的是用于参数辨识，其中充电电量与放电电量互补，可认为整个过程中电池SOC与电动势Uoc未改变，该阶段主要为了获取电池模型中的各个参数；快速变化的充放电阶段之后是一个恒流放电工况，每次放电量约为总容量的1/N，放电电流约为1/3C；恒流放电工况之后是电池静置过程，时间至少1h，使电池达到电化学以及热平衡状态，从而获取电池此时的开路电压；以上三个阶段组成一组工况循环，使电池循环测试，直至在恒流放电工况下电池达到放电截止电压。上述过程中的总容量是根据行业标准测试的，根据总容量求出每次恒流放电工况后电池对应的SOC，记录各SOC下的开路电压，拟合出完整的SOC-OCV曲线。
本发明的基于复合式工况的参数辨识方法是：对Thevenin模型以及传统参数辨识方法详细分析的基础上，充分地利用获取SOC-OCV曲线时电压恢复的数据，并结合快速变化的工况，使用带有约束条件的递推最小二乘法辨识出全SOC范围内的模型参数。
基于复合式工况的参数辨识方法的具体步骤包括：
1)除第一个循环之外，其余的N-1个循环参数辨识方法一致，在N-1个任意循环的电池静置阶段，根据直接辨识方法辨识出的参数可知，τ1较小，第一个RC环节对于静置阶段的电压恢复影响小，默认5τ1后，电压恢复是由第二个RC环节决定的；根据电池电压与时间关系估算出τ2，τ1、τ2分别指Thevenin二阶模型中第一个RC环节、第二个RC环节的时间常数；在静置阶段，辨识出的τ2的值随着时间的推移逐渐增大，采样点设置在电池静置阶段的T秒，T秒是静置阶段中电压恢复迅速的部分，由电池电压恢复速度特性决定，否则会使得辨识出的τ2值过大，造成辨识出的Thevenin二阶模型在短时间内的动态性能较差；
2)在任意循环的恒流放电阶段，根据欧姆定律，计算出R0、R1、R2三个内阻的和，R0、R1、R2分别指电池内阻、第一RC环节极化电阻、第二RC环节极化电阻；
3)将三个内阻和以及τ2值作为约束条件带入快速变化的充放电阶段，利用递推最小二乘法即RLS算法进行在线参数辨识；结合约束条件，辨识出R0与第一个RC环节τ1、R1、C1，获得完整的电池模型参数；
4)以上参数辨识方法的约束条件需要电池在快速变化的充放电阶段前经过一定时间的放电与静置，具体的时间由电池本身特性决定，电池在SOC＝100％处没有该过程，也就无法求出τ2以及三个内阻之和；在SOC＝100％处仅能通过RLS算法准确辨识出R0、R1以及C1三个参数，此时第二个RC环节参数从最近的参数辨识处，即下一个循环工况中获取；
5)电池模型随着放电深度提高而改变，M组循环辨识出对应组数的电池模型数据，整理各SOC下参数辨识结果形成参数参考表，参考表中电池模型参数的记录间隔约为1/M的SOC，通过“查表+线性插值”的方法构造全SOC范围的电池模型。
对Thevenin模型以及传统参数辨识方法详细分析的基础上，充分地利用复合式工况中静置阶段的数据，并结合快速变化的工况，使用带有约束条件的递推最小二乘法辨识出全SOC范围内的模型参数。
有益效果，由于采用了上述方案，每一个循环中的快速变化的充放电阶段目的是用于参数辨识，其中充电电量与放电电量互补，可认为整个过程中电池SOC与电动势Uoc未改变，该阶段主要为了获取电池模型中的各个参数；快速变化的充放电阶段之后是一个恒流放电工况，每次放电量约为总容量的1/N，放电电流约为1/3C；恒流放电工况之后是电池静置过程，时间至少1h，使电池达到电化学以及热平衡状态，从而获取电池此时的开路电压。以上三个阶段组成一组工况循环，使电池循环测试，直至在恒流放电工况下电池达到放电截止电压。上述过程中的总容量是根据行业标准测试的，根据总容量求出每次恒流放电工况后电池对应的SOC，记录各SOC下的开路电压，拟合出完整的SOC-OCV曲线。
快速变化的充放电阶段是电流剧烈变化的过程，恒流放电阶段是电流在较长时间内保持不变的过程。这样一种复合式工况有较强的代表性，这样辨识出的电池模型会同时拥有较好的动态特性与静态特性。
解决了现有技术在辨识多阶模型参数时，使用单一工况无法获取全面、准确参数值的问题，达到了本发明的目的。
优点：
1、复合式的参数辨识工况辨识出的电池模型会同时拥有较好的动态特性与静态特性。
2、充分考虑不同工况下的参数辨识具有更强的鲁棒性。
3、全SOC范围的电池模型适用于放电的各个阶段，对于剩余电量(SOC)评估具有重要意义。
附图说明
图1、为本发明的完整放电过程电流与电压波形图。
图2、为本发明的复合式工况中一个循环的电压波形图。
图3、为本发明的Thevenin二阶模型图。
图4、为本发明的全SOC范围电池模型参数图。
图5、为本发明的FUDS工况中SOC估算验证图。
具体实施方式
本发明包括一种锂电池复合式工况，以及基于复合式工况的锂电池参数辨识方法。
本发明涉及的锂电池复合式工况：包括若干组循环阶段，每一组循环阶段包括一个快速变化的充放电阶段，一个恒流放电阶段，一个电压静置阶段；所述的快速变化充放电阶段保证充电电量与放电电量互补，整个过程中电池SOC与电动势Uoc未改变；所述的恒流放电阶段的每次放电量约为电池总容量的循环次数分之1，放电电流约为1/3C；所述的电压静置阶段时间至少为1h，使电池达到电化学以及热平衡状态；多个循环阶段组成复合式工况，整个工况从SOC＝100％开始，直至在恒流放电工况下电池达到放电截止电压停止。
所述的快速变化充放电阶段包括若干组充放电脉冲，充放电脉冲电流至少为电池总容量的1/3C，最大电流不超过使用电池的最大放电电流。
整个工况由N组循环组成，每组循环包括一个快速变化的充放电阶段，一个恒流放电阶段，还有电压恢复阶段；快速变化的充放电阶段是电流剧烈变化的过程，恒流放电阶段是电流在较长时间内保持不变的过程；这样一种复合式工况有较强的代表性，这样辨识出的电池模型会同时拥有较好的动态特性与静态特性。
每一个循环中的快速变化的充放电阶段目的是用于参数辨识，其中充电电量与放电电量互补，可认为整个过程中电池SOC与电动势Uoc未改变，该阶段主要为了获取电池模型中的各个参数；快速变化的充放电阶段之后是一个恒流放电工况，每次放电量约为总容量的1/N，放电电流约为1/3C；恒流放电工况之后是电池静置过程，时间至少1h，使电池达到电化学以及热平衡状态，从而获取电池此时的开路电压。以上三个阶段组成一组工况循环，使电池循环测试，直至在恒流放电工况下电池达到放电截止电压。上述过程中的总容量是根据行业标准测试的，根据总容量求出每次恒流放电工况后电池对应的SOC，记录各SOC下的开路电压，拟合出完整的SOC-OCV曲线。
复合式工况由N组循环组成，每组循环是根据行业标准测试的电池总容量C等间距划分的。每组循环包括一个快速变化的充放电阶段，一个恒流放电阶段，一个静置阶段；在任意循环的静置阶段，根据电池端电压与时间关系可以估算出τ2；在任意循环的恒流放电阶段，根据欧姆定律，可以计算出R0、R1、R2三个内阻的和；将三个内阻和以及τ2值作为约束条件带入快速变化的充放电阶段，利用递推最小二乘法(RLS)进行在线参数辨识，得到R0与第一个RC环节的τ1、R1、C1；对于SOC＝100％开始的第一个循环，无法求出第二个RC环节的参数，利用下一个循环参数R2，C2代替，而不会引入过多误差；N组循环辨识出对应组数的电池模型数据，通过“查表+线性插值”的方法构造全SOC范围的电池模型；根据总容量求出每次恒流放电工况后电池对应的SOC，记录各SOC下的开路电压，拟合出完整的SOC-OCV曲线。
本发明的基于复合式工况的参数辨识方法是：对Thevenin模型以及传统参数辨识方法详细分析的基础上，充分地利用获取SOC-OCV曲线时电压恢复的数据，并结合快速变化的工况，使用带有约束条件的递推最小二乘法辨识出全SOC范围内的模型参数。
基于复合式工况的参数辨识方法的具体步骤包括：
1)除第一个循环之外，其余的N-1个循环参数辨识方法一致，在N-1个任意循环的电池静置阶段，根据直接辨识方法辨识出的参数可知，τ1较小，第一个RC环节对于静置阶段的电压恢复影响小，默认5τ1后，电压恢复是由第二个RC环节决定的；根据电池电压与时间关系估算出τ2，τ1、τ2分别指Thevenin二阶模型中第一个RC环节、第二个RC环节的时间常数；在静置阶段，辨识出的τ2的值随着时间的推移逐渐增大，采样点设置在电池静置阶段的T秒，T是静置阶段中电压恢复迅速的部分，由电池电压恢复速度特性决定，不同电池，设置的采样点不同，否则会使得辨识出的τ2值过大，造成辨识出的Thevenin二阶模型在短时间内的动态性能较差；
2)在任意循环的恒流放电阶段，根据欧姆定律，计算出R0、R1、R2三个内阻的和，R0、R1、R2分别指电池内阻、第一RC环节极化电阻、第二RC环节极化电阻；
3)将三个内阻和以及τ2值作为约束条件带入快速变化的充放电阶段，利用递推最小二乘法即RLS算法进行在线参数辨识；结合约束条件，辨识出R0与第一个RC环节τ1、R1、C1，获得完整的电池模型参数；
4)以上参数辨识方法的约束条件需要电池在快速变化的充放电阶段前经过一定时间的放电与静置，锂电池种类也有很多，具体的时间由电池本身特性决定，不同的锂电池的放电与静置不同，电池在SOC＝100％处没有该过程，也就无法求出τ2以及三个内阻之和；在SOC＝100％处仅能通过RLS算法准确辨识出R0、R1以及C1三个参数，此时第二个RC环节参数从最近的参数辨识处，即下一个循环工况中获取；
5)电池模型随着放电深度提高而改变，M组循环辨识出对应组数的电池模型数据，整理各SOC下参数辨识结果形成参数参考表，参考表中电池模型参数的记录间隔约为1/M的SOC，通过“查表+线性插值”的方法构造全SOC范围的电池模型。
对Thevenin模型以及传统参数辨识方法详细分析的基础上，充分地利用复合式工况中静置阶段的数据，并结合快速变化的工况，使用带有约束条件的递推最小二乘法辨识出全SOC范围内的模型参数。
下面结合附图中的实施例对本发明作进一步说明：
实施例1：本实施例是以三元锂电池(型号为三洋NCR18650B)为主体的电池管理系统，首先根据行业标准测试电池容量，将这一容量作为依据进行工况测试。
参照图1，一种复合式工况由10组循环组成，每组循环包括一个快速变化的充放电阶段，一个恒流放电阶段，还有电压恢复阶段。快速变化的充放电阶段是电流剧烈变化的过程，恒流放电阶段是电流在较长时间内保持不变的过程。
本实例中，三元锂电池容量约为3.2AH，设定每次放电量为0.3AH，放电电流为1A，放电时间为1080s；恒流放电阶段后是电池静置阶段，时间为1h，电压恢复到稳态后可获取电池的开路电压。
以上三段工况组成一组工况循环，使电池循环测试，直至在恒流放电工况下电池达到放电截止电压2.7V。根据总容量求出每次恒流放电工况后电池对应的SOC，记录各SOC下的开路电压，拟合出完整的SOC-OCV曲线。
参照图2，一种结合参数辨识工况的熔合约束条件的RLS参数辨识方法包括以下步骤：
1.以电量为50％左右的一组工况循环为例进行分析，BK段为电池静置阶段，此时电池电压与时间的关系满足公式其中Uoc＝UK，U10、U20分别为两个RC环节的初始电压，τ1，τ2分别指图3中第一个RC环节时间常数、第二个RC环节的时间常数。令根据直接辨识方法辨识的结果，τ1<5，从B点起30秒之后，U1d可视为0，此时存在关系可通过选取采样点并结合UK计算τ2的值。取B点30s后两点，I与J，可求出IJ时段内时间常数τ2。在电压恢复的整个过程中，辨识出的τ2的值随着时间的推移逐渐增大，处理方法是在B点后200s内选取6个采样点对τ2值的进行辨识。采样点的时间间隔均为30s，则CD，DE，EF，FG，GH五组数据可以辨识出5个τ2值，求取它们的平均值作为τ2的辨识结果，得τ2＝360s。
2.参考图2中AB两点之间的恒流放电阶段，根据欧姆定律UK-UB＝IAB(R0+R1+R2)，公式中IAB＝1A，由此可获得R0、R1、R2三个内阻的和。
3.将三个内阻和以及τ2值作为约束条件带入KL段利用RLS算法进行在线参数辨识。结合约束条件，只需辨识出R0与第一个RC环节即可获得完整的模型参数。
4.以上参数辨识方法的约束条件需要电池在快速变化的充放电阶段前经过一定时间的放电与静置，电池在SOC＝100％处没有该过程，也就无法求出τ2以及三个内阻之和；因此在SOC＝100％处仅能通过RLS算法准确辨识出R0、R1以及C1三个参数，此时第二个RC环节参数可从最近的参数辨识处，即SOC约为90％处获取。
5.电池模型随着放电深度提高而改变，参考图4，图4中(a)-(g)分别表示10次循环辨识出R0、R1、R2、C0、C1、τ1、τ2的波动，整理各SOC下参数辨识结果形成参数参考表，参数参考表中模型参数的记录间隔约为10％的SOC，可以通过“查表+线性插值”的方法构造全SOC范围的电池模型。
图5所示为在电池精确建模后，在FUDS工况下使用EKF算法进行SOC估算。当SOC从100％放电至5％左右时，整个过程中EKF算法估算的SOC误差绝对值不超过2％，远小于国标中要求的SOC估算误差不超过10％的要求。虽然电池模型在SOC低于15％时误差逐渐增大，但是在一段时间内模型误差的平均值接近于0。
Claims (3)
1.一种基于复合式工况的锂电池参数辨识方法，其特征是：复合式工况包括若干组循环，每一组循环包括一个快速变化的充放电阶段，一个恒流放电阶段，一个电压静置阶段；所述的快速变化充放电阶段保证充电电量与放电电量互补，整个过程中电池SOC与电动势Uoc未改变；所述的恒流放电阶段的每次放电量约为电池总容量的循环次数分之1，放电电流约为1/3C；所述的静置阶段时间至少为1h，使电池达到电化学以及热平衡状态；多个循环组成复合式工况，整个工况从SOC=100%开始，直至在恒流放电工况下电池达到放电截止电压停止；
具体步骤包括：
1)除第一个循环之外，其余的N-1个循环参数辨识方法一致，在N-1个任意循环的电池静置阶段，根据直接辨识方法辨识出的参数可知，t1较小，第一个RC环节对于静置阶段的电压恢复影响小，默认5t1后，电压恢复是由第二个RC环节决定的；根据电池电压与时间关系估算出t2，t1、t2分别指Thevenin二阶模型中第一个RC环节、第二个RC环节的时间常数；在静置阶段，辨识出的t2的值随着时间的推移逐渐增大，采样点设置在电池静置阶段的T秒，T秒是静置阶段中电压恢复迅速的部分，由电池电压恢复速度特性决定，否则会使得辨识出的t2值过大，造成辨识出的Thevenin二阶模型在短时间内的动态性能较差；
2)在任意循环的恒流放电阶段，根据欧姆定律，计算出R0、R1、R2三个内阻的和，R0、R1、R2分别指电池内阻、第一RC环节极化电阻、第二RC环节极化电阻；
3)将三个内阻和以及t2值作为约束条件带入快速变化的充放电阶段，利用递推最小二乘法即RLS算法进行在线参数辨识；结合约束条件，辨识出R0与第一个RC环节t1、R1、C1，获得完整的电池模型参数；
4)以上参数辨识方法的约束条件需要电池在快速变化的充放电阶段前经过一定时间的放电与静置，具体的时间由电池本身特性决定，电池在SOC=100%处没有该过程，也就无法求出t2以及三个内阻之和；在SOC=100%处仅能通过RLS算法准确辨识出R0、R1以及C1三个参数，此时第二个RC环节参数从最近的参数辨识处，即下一个循环中获取；
5）电池模型随着放电深度提高而改变， M组循环辨识出对应组数的电池模型数据，整理各SOC下参数辨识结果形成参数参考表，参考表中电池模型参数的记录间隔约为1/M的SOC，通过“查表+线性插值”的方法构造全SOC范围的电池模型。
2.根据权利要求1所述的一种复合式工况的锂电池参数辨识方法，其特征是：所述的快速变化充放电阶段包括若干组充放电脉冲，充放电脉冲电流至少为电池总容量的1/3C，最大电流不超过使用电池的最大允许放电电流。
3.根据权利要求1所述的一种基于复合式工况的参数辨识方法，其特征是：对Thevenin模型以及传统参数辨识方法详细分析的基础上，充分地利用复合式工况中静置阶段的数据，并结合快速变化的工况，使用带有约束条件的递推最小二乘法辨识出全SOC范围内的模型参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810884610.0A CN109116251B (zh) | 2018-08-06 | 2018-08-06 | 一种基于复合式工况的锂电池参数辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810884610.0A CN109116251B (zh) | 2018-08-06 | 2018-08-06 | 一种基于复合式工况的锂电池参数辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109116251A CN109116251A (zh) | 2019-01-01 |
| CN109116251B true CN109116251B (zh) | 2019-10-18 |
Family
ID=64852741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810884610.0A Active CN109116251B (zh) | 2018-08-06 | 2018-08-06 | 一种基于复合式工况的锂电池参数辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109116251B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110196393B (zh) * | 2019-05-31 | 2024-03-12 | 中国矿业大学 | 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 |
| CN110596606B (zh) * | 2019-08-23 | 2021-07-20 | 中国科学院电工研究所 | 一种锂电池剩余电量估计方法、系统及装置 |
| CN111487535B (zh) * | 2020-04-29 | 2021-05-18 | 华中科技大学 | 一种液态金属电池双等效电路模型的参数获取及切换方法 |
| CN111983479B (zh) * | 2020-08-04 | 2021-05-04 | 珠海迈巨微电子有限责任公司 | 电池物理模型实时建立方法、更新方法及电池监控设备 |
| CN113030734B (zh) * | 2021-02-03 | 2023-10-20 | 智光研究院(广州)有限公司 | 电气模型参数的辨识方法及装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608535A (zh) * | 2012-02-27 | 2012-07-25 | 宁德新能源科技有限公司 | 一种锂离子电池容量的预测方法 |
| CN103344917B (zh) * | 2013-06-13 | 2015-08-12 | 北京交通大学 | 一种锂电池循环寿命快速测试方法 |
| CN104237792B (zh) * | 2013-06-21 | 2017-11-03 | 中国科学院深圳先进技术研究院 | 电池容量预测方法 |
| CN103439668B (zh) * | 2013-09-05 | 2015-08-26 | 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 |
| CN104698381B (zh) * | 2013-12-04 | 2017-08-22 | 广州汽车集团股份有限公司 | 一种测试电池功效特性与内阻的方法 |
| CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
| CN104267355B (zh) * | 2014-10-29 | 2017-07-28 | 哈尔滨工业大学 | 基于工况测试和简化阻抗谱等效电路模型的电池分选方法 |
| CN105203965B (zh) * | 2015-09-11 | 2017-12-05 | 国家电网公司 | 一种储能电池检测方法 |
| CN105866700B (zh) * | 2016-05-30 | 2019-06-04 | 广西大学 | 一种锂离子电池快速筛选的方法 |
-
2018
- 2018-08-06 CN CN201810884610.0A patent/CN109116251B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 基于改进Thevenin模型锂电池SOC估算方法;张廷 等;《电源技术》;20151130;第39卷(第11期);2400-2402,2496 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109116251A (zh) | 2019-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109116251B (zh) | 一种基于复合式工况的锂电池参数辨识方法 | |
| CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
| CN105699907B (zh) | 一种基于动态阻抗校正的电池soc估计方法及系统 | |
| CN104502859B (zh) | 电池荷电量及电池健康状态的检测、诊断方法 | |
| CN108206560B (zh) | 电池均衡方法 | |
| CN108172918B (zh) | 一种锂电池快速化成分容方法 | |
| CN108459278B (zh) | 一种锂离子电池内阻与荷电状态同步估算方法 | |
| CN104950263B (zh) | 汽车动力电池soc的估算方法 | |
| CN107677965B (zh) | 一种锂电池能量状态估算方法 | |
| CN104849672A (zh) | 基于等效电路模型的锂电池动态阻抗参数识别方法 | |
| CN106125001A (zh) | 电动汽车退役电池模块实际容量的快速评估方法 | |
| CN110749832B (zh) | 一种电动汽车退役锂离子电池实际容量的快速估算方法 | |
| CN115166563B (zh) | 一种动力电池老化状态评估与退役筛选方法及系统 | |
| CN110196393A (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 | |
| CN110548702A (zh) | 一种功率型锂电池一致性筛选方法 | |
| Putra et al. | Current estimation using Thevenin battery model | |
| CN108196194A (zh) | 一种可同时进行二次电池hppc和soc-ocv测试的方法 | |
| CN112305426B (zh) | 一种多约束条件下的锂离子电池功率状态估计系统 | |
| CN112186278B (zh) | 一种锂离子电池配组方法 | |
| CN103487758A (zh) | 一种锂离子电池配组方法 | |
| CN110865307B (zh) | 一种电池模组余能检测方法 | |
| CN114675196A (zh) | 一种电芯的状态检测方法、装置和电子设备 | |
| CN111451159A (zh) | 一种对电池模块内单体电池容量进行快速筛选的方法 | |
| CN112379271A (zh) | 一种考虑钝化的碳包式锂亚硫酰氯电池容量检测方法 | |
| CN117054912A (zh) | 一种基于电压弛豫特征的并联电池内阻一致性识别方法 |
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 |