CN109416392A - 用于估计电池健康状态的方法 - Google Patents
用于估计电池健康状态的方法 Download PDFInfo
- Publication number
- CN109416392A CN109416392A CN201780038723.2A CN201780038723A CN109416392A CN 109416392 A CN109416392 A CN 109416392A CN 201780038723 A CN201780038723 A CN 201780038723A CN 109416392 A CN109416392 A CN 109416392A
- Authority
- CN
- China
- Prior art keywords
- sohe
- battery
- moment
- algorithm
- model
- 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
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
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种用于在时刻k对安装在设备中并旨在为该设备供电的蓄电池的健康状态(SOHE(k))进行估计的方法。根据本发明,针对任何时刻k由以下关系式来确定值SOHE(k):SOHE(k)=SOHE模型(k)‑αic(T)·(SOHE模型(T)‑SOHE算法(T)),其中,SOHE模型(k)描述了从初始健康状态SOHE初始(O)开始的电池健康状态的演化模型,并且其中,SOHE算法(k)表示可用于基于与该电池的操作相关并在时刻k获得的电气量的测量结果来确定该电池在该时刻的健康状态的直接计算估计器。SOHE模型(T)和SOHE算法(T)表示对于具体的给定时刻k=T函数SOHE模型(k)和SOHE算法(k)的值。系数αic(T)是取决于T的系数,其表示在所考虑的时刻T分配给由SOHE算法(k)估计器提供的值的可靠性指数。
Description
技术领域
本发明涉及由蓄电池供电的电气系统的总体领域。
本发明更具体地涉及为电动车辆供电的电池,并且提出了在给定时刻知道这种电池的健康状态的手段。
背景技术
在使用电池作为用于为机动车辆供电的能量源的背景下,重要的是在任何时刻都能够确定这些电池的在可用能量和功率方面进行考虑的健康状态。
电池的能量健康状态(SOHE)应理解为意指报告在所考虑的时刻估计的、尤其是由于电池的使用年限及其使用条件而导致的电池退化水平的指标。
因此,SOHE构成使得能够量化电池一旦充电到其最大可能时可用的能量水平的参数,其考虑了电池在其寿命周期期间性能水平的退化。
通过用户非常希望被尽可能准确地告知的较低的可用功率和较短的里程来为用户反映这种退化。
可以通过使得能够评估所考虑的电池的性能水平随时间变化的趋势的各种方法来计算SOHE值。
因此,区分了两种类型的估计:
-所谓的预测性估计,基于使用电池健康状态退化的理论模型,涉及表示电池在不同温度条件和不同荷电状态下所耗费的时间的聚合时间测量结果以及对于同样这些不同条件从电池放电(即由电池提供的)的能量的测量结果;
-所谓的直接计算估计,基于与电池的电气特性有关的一个或多个动态量的测量结果。这些估计可以例如包括:在连续的充电和放电循环期间测量电池中循环的电流,以便在所考虑的时刻确定电池的容量,或甚至根据电压和电流测量结果来计算电池的内阻。
对在给定时刻k电池的健康状态SOHE(k)的这两种类型的估计各自在所做出的估计的准确性方面提供了特定的优点。然而,通过使用来自这两种类型中的一种或另一种的方法所获得的估计准确性在电池的整个寿命期间不是恒定的。
一般来讲,第一类型的估计方法在电池的寿命开始时尤其证明更准确,而第二类型的估计方法在给定的电池使用期之后更准确。
因此,为了获得在电池的整个寿命期间表现出令人满意的准确性的对电池的健康状态的估计,一种已知的途径包括尽可能精明地组合由两种不同的估计提供的结果,每种估计属于一种估计类型。此组合采用了对通过实施这两种方法获得的SOHE值取加权和的形式。对于给定时刻k,电池的SOHE估计值于是具有以下一般表达式:
SOHE(k)=α1·SOHE1+α2,SOHE2 [1]
其中,SOHE1和SOHE2分别对应于所使用的这两种估计方法,每种估计具有互不相同的类型,并且其中,α1和α2是加权系数。
然而,由于每种方法提供的估计准确度随时间、特别是根据电池的使用年限和使用电池的方式的变化而变化,分配给所实施的每种方法的加权系数必须随着时间的推移而变化,以便为通过每种方法所获得的结果分配可反映在所考虑时刻该方法的预期准确度的权重。
目前存在几种方法来确定用于产生这两种估计的这种加权和的加权系数α1和α2的值。
众所周知,分配给所做出的估计的加权系数的值一般随着时间的推移而演变,其方式为使得通过第一类型的方法获得的估计(与第二类型的方法相比最初被分配以更高权重并且在总体估计中占主导地位)逐渐减小,而通过第二类型的方法获得的估计(最初分配以低权重)随着电池的使用年限而逐渐增大,以在整体估计中变得占主导地位。
法国专利申请FR 3009093描述了一种用于估计电池的老化状态的方法,该方法实现了将根据电池的健康状态趋势模型作出的估计与由直接计算估计器考虑了与电池的操作有关的测量结果而作出的估计进行组合的重心组合(即加权和)。
然而,所实施的加权在此是经验加权,其随着时间的推移而简单地进化,由模型作出的估计在电池寿命的给定时间段期间继续具有恒定的主导权重,然后在此之后有规律地减小,而给予直接计算估计器的权重按比例变得越来越大。因此,尽管在此专利申请的上下文中对所应用的系数的计算确实考虑了时间因素,但是一般不考虑特别是通过直接计算估计(第二类型)作出的估计的公平性。
发明内容
本发明的一个目的是提出一种对电动车辆或混合动力车辆所配备的电池的老化状态的估计,这种估计在电池的整个寿命期间是准确的并且考虑到了驾驶员的驾驶习惯。
本发明的另一个目的是提出一种对电动车辆或混合动力车辆所配备的电池的老化状态的估计,这种估计使得能够考虑到用于产生这种估计、特别是产生直接计算估计的测量结果的准确度。
为此,本发明的主题是一种用于在时刻k对安装在设备项中并且旨在给所述设备项提供电能的蓄电池的健康状态SOHE(k)进行估计的方法。根据该方法,SOHE(k)的值由以下关系式确定:
SOHE(k)=SOHE模型(k)-αic(T)·(SOHE模型(T)-SOHE算法(T))
其中:
-SOHE模型是该电池的健康状态从初始时刻的健康状态随时间变化趋势的模型;
-SOHE算法是估计器,该估计器使得能够在任何时刻根据与该电池在所述时刻进行的操作有关的电量的测量结果来确定该电池的健康状态,时刻T是在时刻k之前的重新校准时刻;
-系数αic(T)是在该重新校准时刻T为由该估计器SOHE算法提供的值分配的置信指数。
根据可以单独或组合地考虑的各种规定,根据本发明的方法可以具有不同特征。
因而:
-根据一个特征,针对任何时刻k由以下关系式来定义SOHE模型:
SOHE模型(k)=SOHE初始(0)-退化(k)
其中,项SOHE初始(0)对应于该电池在该初始时刻的健康状态,并且项退化(k)对应于该电池在该时刻k的健康状态相对于在该初始时刻的健康状态的变化。
-根据另一个特征,项退化(k)由以下关系式定义:
其中,指数i和j分别与该电池的P个状态下的P个温度值和Q个状态下的Q个荷电状态值相关联,对(i,j)构成P.Q个状态(温度,荷电状态);
其中,ti,j是在状态(i,j)下该电池在初始时刻与所考虑的时刻k之间所耗费的时间段,并且
其中,ei,j是在这同一状态(i,j)下该电池在这同一初始时刻与时刻k之间放电的能量;
在该电池正在放电的时段期间,从该初始时刻起周期性地重新更新这些值ti,j和ei,j。
-根据另一个特征,SOHE算法(k)由以下关系式定义:
其中,I表示通过该电池的电流,t1和t2分别表示I的开始测量时刻和结束测量时刻,SOC1和SOC2分别表示该电池在相应时刻t1和t2的荷电状态;QBOL表示在新状态下该电池的容量。
-根据另一个特征,该电池在相应时刻t1和t2的荷电状态SOC1和SOC2是根据在相应时刻t1和t2该电池的端子处的空载电压的测量结果OCV1和OCV2来计算出的、或者是通过估计器对该荷电状态进行估计来计算出的,所述测量结果是在该电池的不活动时段之后作出的。
-根据另一个特征,在时刻k由以下关系式来定义系数αic:
其中,dSOHE算法对应于在考虑到所使用的测量传感器的准确度的情况下计算SOHE算法时所约定的理论误差。
-根据另一个特征,系数αic被选择成考虑到以下标准中的至少一个标准:
a)该理论误差越大,αic就变得越小,αic是该误差的递减函数;
b)对于大于给定极限的误差,αic被强制为零;
c)只要与直接计算估计中考虑的测量结果有关的某些给定条件不满足,αic就被强制为零,使得在计算SOHE时不考虑该估计器。
-根据另一个特征,这些重新校准时刻T是满足与αic(T)的值相关的条件从而指示由该估计器SOHE算法作出的理论估计误差低时的特定时刻。
-根据另一个特征,任何估计时刻都被视为重新校准时刻,SOHE(k)由以下关系式定义:
SOHE(k)=(1-αic(k))·SOHE模型(k)+αic(k)·SOHE算法(k)
-根据另一个特征,SOHE(k)由以下关系式定义:
SOHE(k)=SOHE模型(k)-SOHE模型(T)+SOHE算法(T);
这些时刻T是αic(T)大于给定的重新校准值lim重新校准时的时刻。
因此,根据本发明的方法针对加权计算提出了一种基于估计器的置信指数的理论方法。
有利地,根据本发明的方法使得能够持久地校正模型的误差计算,因为该模型在估计良好进行的时刻、即在符合期望条件时被系统地重新校准。
更有利地,根据本发明的方法表现为易于实施,而没有额外的成本(信息已经利用电流传感器获得,退化模型已知)。
具体实施方式
与其他已知方法一样,根据本发明的方法提出了:通过用两种不同方法分开地产生对电池的健康状态SOHE的两种估计、通过对这两种估计执行加权和来产生对该健康状态的估计。
同样地,与其他已知方法一样,这两种估计一方面由预测模型SOHE模型产生并且另一方面由直接计算估计器SOHE算法产生。
然而,与已知的估计不同,加权在此由同一指标αic产生,该指标表示在所考虑的时刻直接计算估计器SOHE算法的置信指数。
在下文中,详述了可以计算该置信指数的方式,以及如何使用此置信指数来修改电池的健康状态的估计器SOHE(k)的一般表达式,一般表达式由预测性估计器SOHE模型和直接计算估计器SOHE算法产生。
现有技术中已知的、根据本发明的方法所基于的电池的SOHE的退化预测模型一般可以根据初始健康状态SOHE初始来如下表达:
SOHE模型(k)=SOHE初始(0)·退化(k) [2]
其中,k表示给定的时刻,例如对应于电池充电或放电的给定操作循环开始。
项“退化(k)”就其本身而言对应于电池的效率损失。它可以用以下关系式表达:
其中,i和j分别表示在5个状态下、或更一般地在P个状态下量化的温度值,以及在5个状态下、或更一般地在Q个状态下量化的荷电状态值,对(i,j)构成基准状态(温度,荷电状态)。
ti,j在此表示在状态(i,j)下该电池在初始时刻与所考虑的时刻k之间所耗费的时间段,并且ei,j表示在这同一状态(i,j)下该电池在这同一初始时刻与时刻k之间放电的能量。
优选地,初始时刻对应于接近电池的首次调试时刻的时刻,或者甚至理想地就对应于这一时刻。
在该电池正在放电的时段期间,从该电池的初始调试时刻起周期性地重新更新这些值ti,j和ei,j。
这些值优选地存储在控制电池操作的系统(BMS或电池管理系统)中。
系数αi,j是通过试验按以下方式预先确定的实际加权系数:即使得项“退化(k)”表示电池随时间推移的退化趋势,尤其是随由车辆的使用者施加在电池上的操作模式的变化而变化的退化。
系数αi,j还存储在BMS中的表中。
指数n和m的值就其本身而言是也是通过实验确定的(典型地)位于0和1之间的(实际)值。
根据本发明的方法所基于的电池的SOHE的退化的直接计算估计器就其本身而言可以一般根据新状态QBOL下的电池的容量来如下表达:
其中,I表示电池电流,并且t1和t2分别表示I的开始测量时刻和结束测量时刻。
SOC1表示电池在时刻t1的荷电状态,并且SOC2表示时刻t2的荷电状态。
在此,QBOL表示新状态或BOL(寿命开始)状态的电池容量。
计算开始的时刻t1典型地对应于电池的操作模式改变时刻(充电到放电,反之亦然),而t2是另外定义的时刻,其可以对应于从在时刻t1开始的操作阶段的结束时刻。
SOHE算法的计算在此基于类似于所谓的电池检查程序的原理,根据该原理,可以根据电池在所考虑的时刻t1和t2的空载电压值(OCV1和OCV2)来计算表示在给定时刻剩余可用容量的百分比的SOC1和SOC2的值。此值可以在休息(电池不活动)时段之后直接测量,或者通过诸如卡尔曼滤波之类的方法估计SOC来得到。因此,基于是否可能具有使得能够执行空载电压测量OCV1和OCV2的休息状态,在实践中可以采用不同方式来定义SOHE算法:
然而,应指出的是,正如所表达的那样,SOHE算法的计算采取电池的健康状态SOHE的近似值,其通常由以下关系式定义:
其中,E是电池充满电时能量,单位为[Wh],并且E0是电池充满电并处于新状态(寿命开始)时的能量,单位为[Wh]。此定义是针对25℃的温度建立的。
在本案中,代替地,考虑以下关系式:
其中,Q是电池的容量,单位为[Ah],Q0是新状态或BOL(寿命开始)状态下的容量。此定义是在25℃的温度下建立的。
此近似值导致SOHE算法的约0%至5%的计算误差,此误差随电池的内阻增量和放电状态的变化而变化。
与已知方法不同,根据本发明的方法还同等地基于估计器SOHE算法的置信指数的使用,该置信指数是通过计算由测量误差(电流传感器、电压传感器、SOC估计)导致的理论误差而获得的,误差可以用如下公式表示:
并且误差的界限可以是由以下给出的最大误差:
因此,例如,如果可能具有使得能够执行空载电压测量OCV1和OCV2的休息状态,则最大误差EMax(SOHE算法)由以下关系式给出:
根据本发明,利用直接计算估计器的此置信指数来执行对由预测模型SOHE模型提供的估计值的重新校准,重新校准基于此误差的值。
为此,SOHE模型的表达式用如下公式表示:
SOHE模型(k)=SOHE模型(T)-(退化(k)-退化(T)) [14]
其中,项“退化(T)”等于k=T时函数“退化(k)”的值,T是称为重新校准时刻的特定时刻,并且其中,SOHE模型(T)等于k=T时的SOHE模型(k)。
然后,项SOHE模型(T)被替换为项SOHE重新校准(T),其表达式如下:
SOHE重新校准(T)=(1-αic(T))·SOHE模型(T)+αic(T)·SOHE算法(T) [15]
其中,αic表示转录估计器SOHE算法的置信指数的系数:
因此,电池的健康状态的估计器SOHE(k)在通过根据本发明的方法来确定时的一般表达式由以下最终表达式给出:
SOHE(k)=SOHE重新校准(T)-(退化(k)-退化(T)) [17]
或者,等效地,由以下表达式给出:
SOHE(k)=SOHE模型(k)-αic(T)·(SOHE模型(T)-SOHE算法(T)) [18]
因此,如果在给定时刻k分配给这种估计的置信指数是零,则SOHE重新校准(k)将等于SOHE模型(k),并且将不针对该时刻执行重新校准。
在另一方面,如果在给定时刻k分配给这种估计的置信指数是最大的,则此时刻k变为重新校准时刻T,针对该重新校准时刻,SOHE重新校准(T)基本上等于SOHE算法(T)。
根据本发明,系数αic(k)被选择成考虑到以下标准:
-理论误差越大,置信指数αic(k)就变得越小,(αic(k)是误差的递减函数);
-对于高于某一极限的误差,置信指数αic(k)被强制为零;
依据根据本发明的方法的实施方式,还可以将置信指数αic(k)强制为零,使得如果不满足某些条件(例如温度、曲线类型、电流值等条件)则不考虑估计器,在这些情况下,置信指数αic(k)被强制为零。
根据本发明,重新校准时刻T因此是算法已经产生了良好的估计时的特定时刻k。良好的估计应被理解为满足值αic(k)的条件并且因此理论估计误差很低时的估计。
依据根据本发明的方法的实施方式,还可以要求仅在估计SOHE(k)以低理论错误在一定时间段上某一次数地给出彼此相当接近的结果时才进行重新校准。例如,可以在一周内产生3次估计,仅在每次估计时记录到理论误差低于2%并且估计值之间的偏差低于2%时才进行重新校准。
此外,如果其他因素很重要,也可以将它们考虑在内。例如,可以仅选择在某些OCV-SOC值范围内进行的估计,或甚至可以选择所使用的SOC估计方法必须使用OCV。
应指出的是,替代性地,可以通过考虑与由关系式[17]描述的估计器相比简化的估计器来产生估计SOHE(k)。这种简化尤其可以采用下文描述的两种不同形式。
根据本发明方法的第一变体,SOHE(k)通过仅考虑由关系式[15]定义的SOHE重新校准来进行估计,SOHE重新校准是针对每个时刻k而不是针对特定时刻T进行计算的。因此,任何时刻k的估计SOHE(k)的表达式如下:
SOHE(k)SOHE模型=SOHE重新校准(k)
=(1-αic(k))·SOHE模型(k)+αic(k)·SOHE算法(k) [19]
在这种情况下,针对每个时刻k获得的估计的SOHE(k)值然后可以通过低通类型的滤波器或通过移动平均数来进行滤波,以便对估计算法可能添加的变化进行平滑。
尽管这种变体实施方式不能系统地最好利用由模型或计算(SOHE算法)产生的估计,但是这种变体实施方式确实呈现了有利的特征。实际上,在此,在每个时刻k对这种估计进行重新校准,SOHE(k)的估计的这种变体有利地使得能够限制由模型产生的估计随时间的发散(因为这种估计将随时间显著偏离),并且由此在对估计值SOHE(k)的显著波动进行重新校准之后限制发散的出现。
根据本发明方法的第二变体,SOHE重新校准采用简化形式,其仅考虑通过直接计算(SOHE算法)产生的SOHE估计并且针对特定时间T采用以下形式:
SOHE重新校准(T)=SOHE算法(T) 如果
αic(T)>lim重新校准 [20]
因此,SOHE(k)由以下关系式给出:
SOHE(k)=SOHE模型(k)-SOHE模型(T)+SOHE算法(T) [21]
在这种情况下,重新校准时刻T是算法已经产生良好估计的时刻,在此,良好估计由αic(T)>lim重新校准反映。
在此,阈值lim重新校准被选择得足够大,例如等于97%,以便只有在确定估计的确切性质时才发生重新校准。
实际上,在此仅根据估计SOHE算法来执行重新校准,SOHE(k)的估计的这种变体有利地使得能够简化对估计SOHE(k)的计算。在另一方面,它确实表现出可能使估计SOHE(k)在重新校准之后经受有时相当明显的跳跃的相关缺点。
Claims (10)
1.一种用于在时刻k对安装在设备项中并旨在为所述设备项提供电能的蓄电池的健康状态SOHE(k)进行估计的方法,其特征在于,SOHE(k)的值由以下关系式确定:
SOHE(k)=SOHE模型(k)-αic(T)·(SOHE模型(T)-SOHE算法(T))
其中:
-SOHE模型是该电池的健康状态从初始时刻的健康状态随时间变化趋势的模型;
-SOHE算法是估计器,该估计器使得能够在任何时刻根据与该电池在所述时刻进行的操作有关的电量的测量结果来确定该电池的健康状态,时刻T是在时刻k之前的重新校准时刻;
-系数αic(T)是在该重新校准时刻T为由该估计器SOHE算法提供的值分配的置信指数。
2.如权利要求1所述的方法,其特征在于,针对任何时刻k由以下关系式来定义SOHE模型:
SOHE模型(k)=SOHE初始(0)-退化(k)
其中,项SOHE初始(0)对应于该电池在该初始时刻的健康状态,并且项退化(k)对应于该电池在该时刻k的健康状态相对于在该初始时刻的健康状态的变化。
3.如权利要求2所述的方法,其特征在于,项退化(k)由以下关系式定义:
其中,指数i和j分别与该电池的P个状态下的P个温度值和Q个状态下的Q个荷电状态值相关联,对(i,j)构成P.Q个状态(温度,荷电状态);
其中,ti,j是在状态(i,j)下该电池在初始时刻与所考虑的时刻k之间所耗费的时间段,并且其中,ei,j是在这同一状态(i,j)下该电池在这同一初始时刻与时刻k之间放电的能量;
在该电池正在放电的时段期间,从该初始时刻起周期性地重新更新这些值ti,j和ei,j。
4.如权利要求1至3中任意一项所述的方法,其特征在于,SOHE算法(k)由以下关系式定义:
其中,I表示通过该电池的电流,t1和t2分别表示I的开始测量时刻和结束测量时刻,SOC1和SOC2分别表示该电池在相应时刻t1和t2的荷电状态;QBOL表示在新状态下该电池的容量。
5.如权利要求4所述的方法,其特征在于,该电池在相应时刻t1和t2的荷电状态SOC1和SOC2是根据在相应时刻t1和t2该电池的端子处的空载电压的测量结果OCV1和OCV2来计算出的、或者是通过估计器对该荷电状态进行估计来计算出的,所述测量结果是在该电池的不活动时段之后作出的。
6.如权利要求1至5中任意一项所述的方法,其特征在于,在时刻k由以下关系式来定义系数αic:
其中,dSOHE算法对应于在考虑到所使用的测量传感器的准确度的情况下计算SOHE算法时所约定的理论误差。
7.如以上权利要求中任一项所述的方法,其特征在于,系数αic被选择成考虑到以下标准中的至少一个标准:
a)该理论误差越大,αic就变得越小,αic是该误差的递减函数;
b)对于大于给定极限的误差,αic被强制为零;
c)只要与直接计算估计中考虑的测量结果有关的某些给定条件不满足,αic就被强制为零,使得在计算SOHE时不考虑该估计器。
8.如权利要求7所述的方法,其特征在于,这些重新校准时刻T是满足与αic(T)的值相关的条件从而指示由该估计器SOHE算法作出的理论估计误差低时的特定时刻。
9.如权利要求1至7中任意一项所述的方法,其特征在于,任何估计时刻都被视为重新校准时刻,SOHE(k)由以下关系式定义:
SOHE(k)=(1-αic(k))·SOHE模型(k)+αic(k)·SOHE算法(k)
10.如权利要求1至8中任意一项所述的方法,其特征在于,SOHE(k)由以下关系式定义:
SOHE(k)=SOHE模型(k)-SOHE模型(T)+SOHE算法(T);
这些时刻T是αic(T)大于给定的重新校准值lim重新校准时的时刻。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1654898A FR3051916B1 (fr) | 2016-05-31 | 2016-05-31 | Procede d'estimation de l'etat de sante d'une batterie |
FR1654898 | 2016-05-31 | ||
PCT/FR2017/051238 WO2017207891A1 (fr) | 2016-05-31 | 2017-05-19 | Procede d'estimation de l'etat de sante d'une batterie |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109416392A true CN109416392A (zh) | 2019-03-01 |
CN109416392B CN109416392B (zh) | 2021-07-20 |
Family
ID=57485569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780038723.2A Active CN109416392B (zh) | 2016-05-31 | 2017-05-19 | 用于估计电池健康状态的方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3465240B1 (zh) |
CN (1) | CN109416392B (zh) |
FR (1) | FR3051916B1 (zh) |
WO (1) | WO2017207891A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112782590A (zh) * | 2021-02-06 | 2021-05-11 | 郑州意昂新能源汽车科技有限公司 | 一种不依赖放电深度和放电速率的电池健康状态估计方法 |
CN113711067A (zh) * | 2019-04-03 | 2021-11-26 | 雷诺股份公司 | 用于对电池的荷电状态进行初始化的方法 |
JP2022548516A (ja) * | 2019-12-11 | 2022-11-21 | エルジー エナジー ソリューション リミテッド | バッテリー管理システム、バッテリー管理方法、バッテリーパック及び電気車両 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT521643B1 (de) * | 2018-08-31 | 2020-09-15 | Avl List Gmbh | Verfahren und Batteriemanagementsystem zum Ermitteln eines Gesundheitszustandes einer Sekundärbatterie |
KR102638936B1 (ko) | 2019-08-27 | 2024-02-27 | 삼성전자 주식회사 | 배터리의 상태 파라미터를 결정하는 방법 및 장치 |
CN115050460B (zh) * | 2022-08-17 | 2022-11-15 | 深圳市三维医疗设备有限公司 | 一种基于大数据的医疗设备全生命周期监管系统及方法 |
CN115343627B (zh) * | 2022-10-19 | 2023-02-10 | 力高(山东)新能源技术股份有限公司 | 一种动力电池的soh估算方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639522A (zh) * | 2008-08-01 | 2010-02-03 | 株式会社杰士汤浅 | 二次电池的劣化状态诊断装置 |
CN101644747A (zh) * | 2008-03-04 | 2010-02-10 | 伊顿公司 | 使用由回归模型初始化的状态推定技术的电池使用寿命推定方法、装置和计算机程序产品 |
CN103392133A (zh) * | 2011-03-07 | 2013-11-13 | 株式会社日立制作所 | 电池状态推定方法和电池管理系统 |
CN103718418A (zh) * | 2011-05-19 | 2014-04-09 | 雷诺股份公司 | 用于估计电池充电结束时间的系统和方法 |
US20150120225A1 (en) * | 2013-10-31 | 2015-04-30 | Hyundai Mobis Co., Ltd. | Apparatus and method for determining degradation of high-voltage vehicle battery |
CN105319515A (zh) * | 2015-11-18 | 2016-02-10 | 吉林大学 | 锂离子电池荷电状态和健康状态联合估算方法 |
JP2016070682A (ja) * | 2014-09-26 | 2016-05-09 | スズキ株式会社 | 二次電池の劣化状態推定装置 |
US20160131715A1 (en) * | 2014-11-06 | 2016-05-12 | Hyundai Motor Company | System and method for estimating state of health using battery model parameter |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5242997B2 (ja) * | 2007-11-14 | 2013-07-24 | 株式会社オートネットワーク技術研究所 | バッテリ状態管理方法及びバッテリ状態管理装置 |
FR2943794B1 (fr) * | 2009-03-24 | 2011-05-06 | Saft Groupe Sa | Procede de determination de l'etat de sante d'une batterie |
WO2012091077A1 (ja) * | 2010-12-28 | 2012-07-05 | 三洋電機株式会社 | 電池の劣化度の検出方法 |
US20120310561A1 (en) * | 2011-05-31 | 2012-12-06 | Caterpillar Inc. | Methods and systems for estimating battery health |
FR3009093B1 (fr) * | 2013-07-29 | 2017-01-13 | Renault Sa | Estimation de l'etat de vieillissement d'une batterie electrique |
JP6182025B2 (ja) * | 2013-09-05 | 2017-08-16 | カルソニックカンセイ株式会社 | バッテリの健全度推定装置および健全度推定方法 |
CN107003356B (zh) * | 2014-05-28 | 2019-06-14 | 沃尔沃卡车集团 | 用于确定健康状态参数值的可靠性的方法 |
-
2016
- 2016-05-31 FR FR1654898A patent/FR3051916B1/fr not_active Expired - Fee Related
-
2017
- 2017-05-19 WO PCT/FR2017/051238 patent/WO2017207891A1/fr unknown
- 2017-05-19 EP EP17730862.4A patent/EP3465240B1/fr active Active
- 2017-05-19 CN CN201780038723.2A patent/CN109416392B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644747A (zh) * | 2008-03-04 | 2010-02-10 | 伊顿公司 | 使用由回归模型初始化的状态推定技术的电池使用寿命推定方法、装置和计算机程序产品 |
CN101639522A (zh) * | 2008-08-01 | 2010-02-03 | 株式会社杰士汤浅 | 二次电池的劣化状态诊断装置 |
CN103392133A (zh) * | 2011-03-07 | 2013-11-13 | 株式会社日立制作所 | 电池状态推定方法和电池管理系统 |
CN103718418A (zh) * | 2011-05-19 | 2014-04-09 | 雷诺股份公司 | 用于估计电池充电结束时间的系统和方法 |
US20150120225A1 (en) * | 2013-10-31 | 2015-04-30 | Hyundai Mobis Co., Ltd. | Apparatus and method for determining degradation of high-voltage vehicle battery |
JP2016070682A (ja) * | 2014-09-26 | 2016-05-09 | スズキ株式会社 | 二次電池の劣化状態推定装置 |
US20160131715A1 (en) * | 2014-11-06 | 2016-05-12 | Hyundai Motor Company | System and method for estimating state of health using battery model parameter |
CN105319515A (zh) * | 2015-11-18 | 2016-02-10 | 吉林大学 | 锂离子电池荷电状态和健康状态联合估算方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113711067A (zh) * | 2019-04-03 | 2021-11-26 | 雷诺股份公司 | 用于对电池的荷电状态进行初始化的方法 |
JP2022548516A (ja) * | 2019-12-11 | 2022-11-21 | エルジー エナジー ソリューション リミテッド | バッテリー管理システム、バッテリー管理方法、バッテリーパック及び電気車両 |
JP7332098B2 (ja) | 2019-12-11 | 2023-08-23 | エルジー エナジー ソリューション リミテッド | バッテリー管理システム、バッテリー管理方法、バッテリーパック及び電気車両 |
CN112782590A (zh) * | 2021-02-06 | 2021-05-11 | 郑州意昂新能源汽车科技有限公司 | 一种不依赖放电深度和放电速率的电池健康状态估计方法 |
CN112782590B (zh) * | 2021-02-06 | 2024-04-26 | 郑州意昂新能源汽车科技有限公司 | 一种不依赖放电深度和放电速率的电池健康状态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
FR3051916A1 (fr) | 2017-12-01 |
CN109416392B (zh) | 2021-07-20 |
EP3465240B1 (fr) | 2020-04-15 |
EP3465240A1 (fr) | 2019-04-10 |
WO2017207891A1 (fr) | 2017-12-07 |
FR3051916B1 (fr) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416392A (zh) | 用于估计电池健康状态的方法 | |
CN103630843B (zh) | 电池状态推测装置及推测方法、电池控制装置、电池系统 | |
KR101866073B1 (ko) | 배터리 soh 추정 방법 | |
US9187007B2 (en) | Online battery capacity estimation | |
US9130248B2 (en) | Modeling changes in the state-of-charge open circuit voltage curve by using regressed parameters in a reduced order physics based model | |
JP4042475B2 (ja) | 電池の劣化度算出装置および劣化度算出方法 | |
KR100911317B1 (ko) | 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법 | |
KR102080632B1 (ko) | 배터리관리시스템 및 그 운용방법 | |
KR101394867B1 (ko) | 친환경 차량의 주행가능거리 산출 방법 | |
CN107438771B (zh) | 电池参数的估计 | |
CN107765188B (zh) | 电池健康状态获取方法 | |
CN113740753A (zh) | 根据电蓄能器的预测老化状态来运行电可驱动机动车的方法和设备 | |
WO2017104497A1 (ja) | 二次電池制御システム | |
CN107110916B (zh) | 电池组的电池单元的充电状态的自动估计方法 | |
KR20160039663A (ko) | 전기 배터리의 열화 상태 추정 | |
CN108885240A (zh) | 用于可再充电电池的方向容量估计的系统和方法 | |
KR102534688B1 (ko) | 배터리의 셀의 충전의 상태를 추정하는 자동적 방법 | |
CN107003360B (zh) | 电池组的充电状态的自动确定方法 | |
KR102441800B1 (ko) | 배터리 수명 예측 방법 및 장치 | |
KR20100019249A (ko) | 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법 | |
JP2013508674A (ja) | バッテリーパックのための正確な電力予測方法 | |
US20220365139A1 (en) | Method for estimating an operating parameter of a battery unit | |
KR101373150B1 (ko) | 차량용 배터리의 수명 예측 장치 및 그 방법 | |
WO2018003210A1 (ja) | 二次電池制御システム、二次電池制御方法 | |
KR102274383B1 (ko) | 자동차 차량 배터리의 에너지량 평가 |
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 |