CN109613446A - 一种基于时间序列分析的锂电池老化检测方法 - Google Patents
一种基于时间序列分析的锂电池老化检测方法 Download PDFInfo
- Publication number
- CN109613446A CN109613446A CN201910033180.6A CN201910033180A CN109613446A CN 109613446 A CN109613446 A CN 109613446A CN 201910033180 A CN201910033180 A CN 201910033180A CN 109613446 A CN109613446 A CN 109613446A
- Authority
- CN
- China
- Prior art keywords
- battery
- aging
- aged
- voltage
- brand new
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 56
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 22
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000012731 temporal analysis Methods 0.000 title claims abstract description 11
- 238000000700 time series analysis Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000007704 transition Effects 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于时间序列分析的锂电池老化检测方法。对全新电池进行测试得到基准时间序列数据，对老化电池进行测试得到老化时间序列数据；根据基准时间序列数据和老化时间序列数据比较计算老化电池和全新电池之间的相似度得到老化电池的老化程度。本发明方法绕过了锂电池内部老化的复杂原因，可以达到准确的描述锂电池的老化程度结果的效果。
Description
技术领域
本文涉及电池检测领域的一种电池检测方法，具体是一种基于时间序列分析的锂电池老化检测方法。
背景技术
锂离子电池由于工作电压较高，能量密度高，循环寿命长且安全性高，污染小，自放电率低，不存在记忆效应等优点，逐渐变得不可或缺，在锂离子电池使用过程当中，电池的寿命会因为各种复杂的原因逐渐减少，而电池的老化影响电池的容量和输出功率，因此对于电池老化特性的检测判断十分必要。
电池性能状态包括SOC和SOH。SOC表征当前充电周期内电池剩余电量的多少或剩余运行时间的长短。SOC常用方法包括电流积分法、开路电压法、
卡尔曼滤波及其组合的方法。
SOH表征电池相对于新电池存储电能和能量的能力，是定量描述电池性能状态的指标。对SOH一般通过检测内阻来估算电池老化程度，但是内阻很小，且受当前温度，电量的影响，所以很难准确测得内阻。
发明内容
为了解决背景技术中存在的问题，本发明目的在于提供一种基于时间序列分析的锂电池老化检测方法。
如图1所示，本发明采用的技术方案是：
S1：对全新电池进行测试得到基准时间序列数据，对老化电池进行测试得到老化时间序列数据；
S2：通过比较老化电池和全新电池之间的相似度得到老化电池的老化程度。
所述步骤S1具体为：
S1A、对全新电池进行以下测试过程得到基准时间序列数据：
对全新电池进行充放电测试，对电池以1C5A恒流充电至限制电压后恒压充电，直至充电电流小于0.05C5A；充电后在15～25℃环境下放置，放置时间不短于1h；再对电池以1C5A恒流放电至终止电压，放电时间不短于1h，记录测试过程中各个时刻及其对应的开路电压，得到基准时间序列数据U1＝u1(t)，其中U1为所述全新电池的开路电压，t为时间；
S1B、对老化电池进行以下测试过程得到基准时间序列数据：
对老化电池进行充放电测试，对电池以1C5A恒流充电至限制电压后恒压充电，直至充电电流小于0.05C5A；充电后在15～25℃环境下放置，放置时间不短于1h；再对电池以1C5A恒流放电至终止电压，放电时间不短于1h，记录测试过程中各个时刻及其对应的开路电压，得到老化时间序列数据U2＝u2(t)，其中U2为所述老化电池的开路电压，t为时间。
所述的限制电压和终止电压均为电池的出厂设定参数。
所述步骤S2具体为：
S21、根据基准时间序列数据U1＝u1(t)进行希尔伯特变换，得到所述全新电池在复数域的解析信号其中，i表示虚部，～u1(t)表示随时间的虚部第一电压函数；
根据老化时间序列数据U2＝u2(t)进行希尔伯特变换，得到所述老化电池在复数域的解析信号其中，i表示虚部，～u2(t)表示随时间的虚部第二电压函数；
S22、根据所述全新电池在复数域的解析信号通过映射转换到二维的实数空间中，结果生成一条轨线，其瞬时幅值为
根据所述老化电池在复数域的解析信号通过映射转换到二维的实数空间中，结果生成一条轨线，其瞬时幅值为
S23、通过使用均匀分割方法将所述全新电池的轨线的幅值域细分分割成多个区域，各个区域分别用不同的字母符号来表示，将轨线上不同时刻的点用幅值所在区域对应的字母符号表示，生成一个全新电池符号序列；
通过使用均匀分割方法将所述老化电池的轨线的幅值域细分分割成多个区域，各个区域分别用不同的字母符号来表示，将轨线上不同时刻的点用幅值所在区域对应的字母符号表示，生成一个老化电池符号序列；
S24、将所述全新电池符号序列输入到D-Markov模型中进行计算输出状态转移概率矩阵并作为基准状态概率矩阵，提取基准状态概率矩阵的左特征向量作为基准状态转移概率向量p1；
将所述老化电池符号序列输入到D-Markov模型中进行计算输出状态转移概率矩阵并作为老化状态概率矩阵，提取老化状态概率矩阵的左特征向量作为老化状态转移概率向量p2；
S25、采用以下公式计算所述基准状态转移概率向量p1和老化状态转移概率向量p2之间的相似度M：
其中，d(·,·)表示距离函数，j表示状态序数，J为总状态数，总状态数J即为基准状态概率矩阵的大小；
S26、根据相似度M判断老化电池的老化程度。
本发明比较所述基准状态转移概率向量p1和所述老化状态转移概率向量p2的相似度M，得出老化电池的老化程度。相似度M越大，说明老化程度越高。
所述步骤S26具体为：
预先通过已知SOC电池容量的电池通过方法获得各自的相似度M，建立SOC电池容量和相似度M之间的标准关系曲线，然后将老化电池的相似度M和标准关系曲线进行对比比较，获得老化电池对应的SOC电池容量，从而得到老化电池的老化程度结果。
所述的电池为14500锂电池。
本发明的有益效果是：
传统的电池老化程度一般需要完整进行充放电获取电池的实际容量并且和标准容量比较。在本方法实际检测过程当中，并不需要完整的进行整个充放电实验，在有预先基准数据的前提下，可以实时获取电池数据后和截取一致时间段的基准数据进行相似度比较，得出锂电池老化程度。因此该方法优势在于可以快速实时地检测锂电池的老化程度。
本发明方法绕过了锂电池内部老化的复杂原因，可以达到准确的描述锂电池的老化程度结果的效果。
附图说明
图1是本发明方法的流程图。
图2是标准时间序列数据U1＝u1(t)的结果示意图。
图3是老化时间序列数据U2＝u2(t)的结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例进行清楚完整的描述。
如图1所示，本发明具体实施如下：
针对14500锂电池，采用到设备有计算机和电池充放电实验仪等。
S1：对全新电池进行测试得到基准时间序列数据，对老化电池进行测试得到老化时间序列数据；
S1A、对全新电池进行以下测试过程得到基准时间序列数据：
对全新电池进行充放电测试，对电池以1C5A恒流充电至限制电压后恒压充电，直至充电电流小于0.05C5A；充电后在15～25℃环境下放置，放置时间不短于1h；再对电池以1C5A恒流放电至终止电压，放电时间不短于1h，记录测试过程中各个时刻及其对应的开路电压，得到基准时间序列数据U1＝u1(t)，如图2所示，其中U1为所述全新电池的开路电压，t为时间，u1(t)表示随时间的第一电压函数；
S1B、对老化电池进行以下测试过程得到基准时间序列数据：
对老化电池进行充放电测试，对电池以1C5A恒流充电至限制电压后恒压充电，直至充电电流小于0.05C5A；充电后在15～25℃环境下放置，放置时间不短于1h；再对电池以1C5A恒流放电至终止电压，放电时间不短于1h，记录测试过程中各个时刻及其对应的开路电压，得到老化时间序列数据U2＝u2(t)，如图3所示，其中U2为所述老化电池的开路电压，t为时间，u2(t)表示随时间的第二电压函数。
S2：通过比较老化电池和全新电池之间的相似性得到老化电池的老化程度。
S21、
根据基准时间序列数据U1＝u1(t)进行希尔伯特变换，得到所述全新电池在复数域的解析信号其中，i表示虚部，～u1(t)表示随时间的虚部第一电压函数；
根据老化时间序列数据U2＝u2(t)进行希尔伯特变换，得到所述老化电池在复数域的解析信号其中，i表示虚部，～u2(t)表示随时间的虚部第二电压函数；
S22、
根据所述全新电池在复数域的解析信号通过映射转换到二维的实数空间中，结果生成一条一维的轨线，其瞬时幅值为
根据所述老化电池在复数域的解析信号通过映射转换到二维的实数空间中，结果生成一条一维的轨线，其瞬时幅值为
具体实施中：将两条轨线进行归一化处理，其步骤如下：先确定整个区间的长度，再选中一个需要计算的数据点，得出它在区间里的相对位置，其相对位置与区间长度的比值就可以得到相对应的归一化之后的数据，这就好比一个概率值。
S23、
通过使用均匀分割方法将所述全新电池的轨线的幅值域细分分割成多个区域，各个区域分别用不同的字母符号来表示，将轨线上不同时刻的点用幅值所在区域对应的字母符号表示，生成一个全新电池符号序列；
通过使用均匀分割方法将所述老化电池的轨线的幅值域细分分割成多个区域，各个区域分别用不同的字母符号来表示，将轨线上不同时刻的点用幅值所在区域对应的字母符号表示，生成一个老化电池符号序列；
本实施例中，定义符号熵为
式中，i表示符号集中每个符号，Pi为该符号出现的概率，k表示符号集大小，则H(k)为该符号集的符号熵。
取阈值ε为0.25，通过计算当符号集大小为5时符号熵变化小于阈值，即划分的区域和符号的数量为5。
马尔科夫模型深度D取1，所以符号集为S＝{a,b,c,d,e},所以将经过归一化处理的解析信号的幅值等分成5组，将0～0.2之间的数据命名为a，0.2～0.4之间的数据命名为b，0.4～0.6之间的数据命名为c，0.6～0.8之间的数据命名为d，0.8～1之间的数据命名为e。由此得到全新电池的符号序列和老化电池的符号序列。
S24、
将所述全新电池符号序列输入到D-Markov模型中进行计算输出状态转移概率矩阵并作为基准状态概率矩阵，提取基准状态概率矩阵的左特征向量作为基准状态转移概率向量p1；
将所述老化电池符号序列输入到D-Markov模型中进行计算输出状态转移概率矩阵并作为老化状态概率矩阵，提取老化状态概率矩阵的左特征向量作为老化状态转移概率向量p2；
状态转移概率矩阵大小为[J*J]，其中J为5。本实施例中全新电池的状态转移概率矩阵如下表1。
表1
| 0.9851 | 0 | 0.0149 | 0 | 0 |
| 0.0017 | 0.9983 | 0 | 0 | 0 |
| 0 | 0.0008 | 0.9992 | 0 | 0 |
| 0 | 0 | 0.0006 | 0.9967 | 0.0028 |
| 0 | 0 | 0 | 0.003 | 0.997 |
老化电池的状态转移概率矩阵如下表2。
表2
基准状态转移概率向量p1如下表3。
表3
| 0.6829 | -0.04984 | -0.0900 | -0.0031 | 0.0411 |
| 0.0461 | -0.4419 | -0.6578 | -0.0163 | 0.3575 |
| -0.7290 | -0.8957 | 0.74782 | 0.08631 | 0.6054 |
| 0 | 0 | 0 | -0.7371 | -0.5024 |
| 0 | 0 | 0 | 0.6701 | -0.5016 |
老化状态转移概率向量p2如下表4。
表4
| 0.6669 | 0.0833 | 0.0688 | -0.0700 | 1.58E-08 |
| -0.7414 | 0.6618 | 0.6696 | -0.6257 | -4.95E-06 |
| 0.0746 | -0.7451 | 0.7396 | -0.0773 | 0.0018 |
| 0 | 0 | 0 | 0.7730 | -0.7080 |
| 0 | 0 | 0 | 0 | 0.7062 |
S25、
采用以下公式计算所述基准状态转移概率向量p1和老化状态转移概率向量p2之间的相似度M：
其中，d(·,·)表示距离函数，j表示状态序数，J为总状态数，总状态数J即为基准状态概率矩阵的大小，由步骤S23中所分区域对应的符号数量和D-Markov模型的深度决定；本实施例中计算M为0.9550。
S26、预先通过已知SOC电池容量的电池通过方法获得各自的相似度M，建立SOC电池容量和相似度M之间的标准关系曲线，然后将老化电池的相似度M和标准关系曲线进行对比比较，获得老化电池对应的SOC电池容量，从而得到老化电池的老化程度结果。本实施例中通过比较可得电池SOC值为94.5％。
经实验可得出，相似度M随着电池充放电的次数增加，而增大。
本发明实施例所提供的电池老化程度检测方法，通过电池充放电实验，绕过了电池老化内部复杂原因，实现对电池老化程度的检测。
在实际检测过程当中，并不需要完整的进行整个充放电实验，在有预先基准数据的前提下，可以实时获取电池数据后和截取一致时间段的基准数据进行相似度比较,得出锂电池老化程度。因此该方法优势在于可以快速实时地检测锂电池的老化程度。
Claims (6)
1.一种基于时间序列分析的锂电池老化检测方法，其特征在于，包括以下步骤：
S1：对全新电池进行测试得到基准时间序列数据，对老化电池进行测试得到老化时间序列数据；
S2：通过比较老化电池和全新电池之间的相似度得到老化电池的老化程度。
2.根据权利要求1所述的一种基于时间序列分析的锂电池老化检测方法，其特征在于：所述步骤S1具体为：
S1A、对全新电池进行以下测试过程得到基准时间序列数据：对全新电池进行充放电测试，对电池以1C5A恒流充电至限制电压后恒压充电，直至充电电流小于0.05C5A；充电后在15～25℃环境下放置，放置时间不短于1h；再对电池以1C5A恒流放电至终止电压，放电时间不短于1h，记录测试过程中各个时刻及其对应的开路电压，得到基准时间序列数据U1＝u1(t)，其中U1为所述全新电池的开路电压，t为时间；
S1B、对老化电池进行以下测试过程得到基准时间序列数据：对老化电池进行充放电测试，对电池以1C5A恒流充电至限制电压后恒压充电，直至充电电流小于0.05C5A；充电后在15～25℃环境下放置，放置时间不短于1h；再对电池以1C5A恒流放电至终止电压，放电时间不短于1h，记录测试过程中各个时刻及其对应的开路电压，得到老化时间序列数据U2＝u2(t)，其中U2为所述老化电池的开路电压，t为时间。
3.根据权利要求2所述的一种基于时间序列分析的锂电池老化检测方法，其特征在于：所述的限制电压和终止电压均为电池的出厂设定参数。
4.根据权利要求1所述的一种基于时间序列分析的锂电池老化检测方法，其特征在于：所述步骤S2具体为：
S21、根据基准时间序列数据U1＝u1(t)进行希尔伯特变换，得到所述全新电池在复数域的解析信号其中，i表示虚部，～u1(t)表示随时间的虚部第一电压函数；根据老化时间序列数据U2＝u2(t)进行希尔伯特变换，得到所述老化电池在复数域的解析信号其中，i表示虚部，～u2(t)表示随时间的虚部第二电压函数；
S22、根据所述全新电池在复数域的解析信号通过映射转换到二维的实数空间中，结果生成一条轨线，其瞬时幅值为根据所述老化电池在复数域的解析信号通过映射转换到二维的实数空间中，结果生成一条轨线，其瞬时幅值为
S23、通过使用均匀分割方法将所述全新电池的轨线的幅值域细分分割成多个区域，各个区域分别用不同的字母符号来表示，将轨线上不同时刻的点用幅值所在区域对应的字母符号表示，生成一个全新电池符号序列；
通过使用均匀分割方法将所述老化电池的轨线的幅值域细分分割成多个区域，各个区域分别用不同的字母符号来表示，将轨线上不同时刻的点用幅值所在区域对应的字母符号表示，生成一个老化电池符号序列；
S24、将所述全新电池符号序列输入到D-Markov模型中进行计算输出状态转移概率矩阵并作为基准状态概率矩阵，提取基准状态概率矩阵的左特征向量作为基准状态转移概率向量p1；
将所述老化电池符号序列输入到D-Markov模型中进行计算输出状态转移概率矩阵并作为老化状态概率矩阵，提取老化状态概率矩阵的左特征向量作为老化状态转移概率向量p2；
S25、采用以下公式计算所述基准状态转移概率向量p1和老化状态转移概率向量p2之间的相似度M：
其中，d(·,·)表示距离函数，j表示状态序数，J为总状态数，总状态数J即为基准状态概率矩阵的大小；
S26、根据相似度M判断老化电池的老化程度。
5.根据权利要求4所述的一种基于时间序列分析的锂电池老化检测方法，其特征在于：所述步骤S26具体为：预先通过已知SOC电池容量的电池通过方法获得各自的相似度M，建立SOC电池容量和相似度M之间的标准关系曲线，然后将老化电池的相似度M和标准关系曲线进行对比比较，获得老化电池对应的SOC电池容量，从而得到老化电池的老化程度结果。
6.根据权利要求1所述的一种基于时间序列分析的锂电池老化检测方法，其特征在于：所述的电池为14500锂电池。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910033180.6A CN109613446B (zh) | 2019-01-14 | 2019-01-14 | 一种基于时间序列分析的锂电池老化检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910033180.6A CN109613446B (zh) | 2019-01-14 | 2019-01-14 | 一种基于时间序列分析的锂电池老化检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109613446A true CN109613446A (zh) | 2019-04-12 |
| CN109613446B CN109613446B (zh) | 2020-12-08 |
Family
ID=66016803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910033180.6A Active CN109613446B (zh) | 2019-01-14 | 2019-01-14 | 一种基于时间序列分析的锂电池老化检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109613446B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110824376A (zh) * | 2019-11-12 | 2020-02-21 | 东软睿驰汽车技术（沈阳）有限公司 | 一种电池包异常的检测方法、装置、存储介质和电子设备 |
| CN112540309A (zh) * | 2020-12-10 | 2021-03-23 | 广州能源检测研究院 | 一种基于电池循环数据相似度分析的电池监控系统及方法 |
| CN113466719A (zh) * | 2021-07-15 | 2021-10-01 | 深圳市清新电源研究院 | 一种利用小容量电池测试大容量电池循环寿命的方法 |
| CN113466704A (zh) * | 2021-06-30 | 2021-10-01 | 国网北京市电力公司 | 电池故障判断方法 |
| CN115539326A (zh) * | 2022-09-30 | 2022-12-30 | 华电电力科学研究院有限公司 | 一种基于时间序列相似特征的风电机组振动异常判定方法和系统 |
| CN116256648A (zh) * | 2023-05-16 | 2023-06-13 | 合肥力高动力科技有限公司 | 一种基于充电数据的锂电池soh估计方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2025072882A1 (en) * | 2023-09-27 | 2025-04-03 | Iontra Inc | Electrodynamic parameters |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5412306A (en) * | 1993-09-14 | 1995-05-02 | Motorola, Inc. | Method and apparatus for charging a battery |
| CN1205083A (zh) * | 1995-11-29 | 1999-01-13 | 欧姆龙株式会社 | 电池寿命测定设备和电池寿命测定方法 |
| CN102886352A (zh) * | 2011-07-21 | 2013-01-23 | 湖北骆驼特种电源有限公司 | 一种磷酸铁锂电池配组分选方法 |
| CN103293483A (zh) * | 2013-05-24 | 2013-09-11 | 杭州电子科技大学 | 一种基于内阻测量的锂电池健康状况估计方法 |
| CN103336248A (zh) * | 2013-07-25 | 2013-10-02 | 哈尔滨工业大学 | 基于电池退化状态模型的锂离子电池循环寿命预测方法 |
| KR101330410B1 (ko) * | 2012-10-31 | 2013-11-15 | 주식회사 현대케피코 | 하이브리드, 전기차 배터리관리장치의 작동 성능 검증 방법 |
| CN105277891A (zh) * | 2014-07-18 | 2016-01-27 | 三星电子株式会社 | 用于估计电池的状态的方法和设备 |
| CN105445663A (zh) * | 2014-08-25 | 2016-03-30 | 国家电网公司 | 电池老化程度的检测方法和装置 |
| CN107015157A (zh) * | 2017-04-01 | 2017-08-04 | 湖南银杏数据科技有限公司 | 基于恒流等压升片段的锂电池剩余循环寿命在线快速测试法 |
| CN107561452A (zh) * | 2017-08-25 | 2018-01-09 | 国网辽宁省电力有限公司锦州供电公司 | 一种蓄电池组健康度的评估方法 |
| CN107576915A (zh) * | 2017-08-31 | 2018-01-12 | 北京新能源汽车股份有限公司 | 电池容量估算方法和装置 |
| CN108957323A (zh) * | 2017-05-18 | 2018-12-07 | 中信国安盟固利动力科技有限公司 | 一种电池健康状态的判断方法及装置 |
-
2019
- 2019-01-14 CN CN201910033180.6A patent/CN109613446B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5412306A (en) * | 1993-09-14 | 1995-05-02 | Motorola, Inc. | Method and apparatus for charging a battery |
| CN1205083A (zh) * | 1995-11-29 | 1999-01-13 | 欧姆龙株式会社 | 电池寿命测定设备和电池寿命测定方法 |
| CN102886352A (zh) * | 2011-07-21 | 2013-01-23 | 湖北骆驼特种电源有限公司 | 一种磷酸铁锂电池配组分选方法 |
| KR101330410B1 (ko) * | 2012-10-31 | 2013-11-15 | 주식회사 현대케피코 | 하이브리드, 전기차 배터리관리장치의 작동 성능 검증 방법 |
| CN103293483A (zh) * | 2013-05-24 | 2013-09-11 | 杭州电子科技大学 | 一种基于内阻测量的锂电池健康状况估计方法 |
| CN103336248A (zh) * | 2013-07-25 | 2013-10-02 | 哈尔滨工业大学 | 基于电池退化状态模型的锂离子电池循环寿命预测方法 |
| CN105277891A (zh) * | 2014-07-18 | 2016-01-27 | 三星电子株式会社 | 用于估计电池的状态的方法和设备 |
| CN105445663A (zh) * | 2014-08-25 | 2016-03-30 | 国家电网公司 | 电池老化程度的检测方法和装置 |
| CN107015157A (zh) * | 2017-04-01 | 2017-08-04 | 湖南银杏数据科技有限公司 | 基于恒流等压升片段的锂电池剩余循环寿命在线快速测试法 |
| CN108957323A (zh) * | 2017-05-18 | 2018-12-07 | 中信国安盟固利动力科技有限公司 | 一种电池健康状态的判断方法及装置 |
| CN107561452A (zh) * | 2017-08-25 | 2018-01-09 | 国网辽宁省电力有限公司锦州供电公司 | 一种蓄电池组健康度的评估方法 |
| CN107576915A (zh) * | 2017-08-31 | 2018-01-12 | 北京新能源汽车股份有限公司 | 电池容量估算方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 豆金昌: "锂离子电池健康评估及剩余使用寿命预测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110824376A (zh) * | 2019-11-12 | 2020-02-21 | 东软睿驰汽车技术（沈阳）有限公司 | 一种电池包异常的检测方法、装置、存储介质和电子设备 |
| CN112540309A (zh) * | 2020-12-10 | 2021-03-23 | 广州能源检测研究院 | 一种基于电池循环数据相似度分析的电池监控系统及方法 |
| CN112540309B (zh) * | 2020-12-10 | 2024-02-06 | 广州能源检测研究院 | 一种基于电池循环数据相似度分析的电池监控系统及方法 |
| CN113466704A (zh) * | 2021-06-30 | 2021-10-01 | 国网北京市电力公司 | 电池故障判断方法 |
| CN113466719A (zh) * | 2021-07-15 | 2021-10-01 | 深圳市清新电源研究院 | 一种利用小容量电池测试大容量电池循环寿命的方法 |
| CN113466719B (zh) * | 2021-07-15 | 2024-04-19 | 深圳市清新电源研究院 | 一种利用小容量电池测试大容量电池循环寿命的方法 |
| CN115539326A (zh) * | 2022-09-30 | 2022-12-30 | 华电电力科学研究院有限公司 | 一种基于时间序列相似特征的风电机组振动异常判定方法和系统 |
| CN116256648A (zh) * | 2023-05-16 | 2023-06-13 | 合肥力高动力科技有限公司 | 一种基于充电数据的锂电池soh估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109613446B (zh) | 2020-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
| CN109613446A (zh) | 一种基于时间序列分析的锂电池老化检测方法 | |
| Qiao et al. | Online quantitative diagnosis of internal short circuit for lithium-ion batteries using incremental capacity method | |
| Qiao et al. | Toward safe carbon–neutral transportation: Battery internal short circuit diagnosis based on cloud data for electric vehicles | |
| Xu et al. | A novel clustering algorithm for grouping and cascade utilization of retired Li-ion batteries | |
| Zheng et al. | A novel capacity estimation method based on charging curve sections for lithium-ion batteries in electric vehicles | |
| Takyi-Aninakwa et al. | An optimized long short-term memory-weighted fading extended Kalman filtering model with wide temperature adaptation for the state of charge estimation of lithium-ion batteries | |
| CN105807226B (zh) | 基于等效电路模型的锂离子电池soc预测方法及装置 | |
| CN113138340A (zh) | 电池等效电路模型的建立方法、健康状态估算方法及装置 | |
| Jiang et al. | Sorting and grouping optimization method for second-use batteries considering aging mechanism | |
| Elmahdi et al. | Fitting the OCV-SOC relationship of a battery lithium-ion using genetic algorithm method | |
| CN110333463B (zh) | 一种电芯一致性筛选方法及其系统 | |
| Huang et al. | State of health estimation of lithium-ion batteries based on the regional frequency | |
| CN103675702A (zh) | 一种实时评估电池健康状态的方法 | |
| CN116502112A (zh) | 一种新能源电源测试数据管理方法及系统 | |
| CN104849672A (zh) | 基于等效电路模型的锂电池动态阻抗参数识别方法 | |
| CN105203965B (zh) | 一种储能电池检测方法 | |
| CN103439666A (zh) | 一种锂离子电池容量衰退评估的几何方法 | |
| CN104166790A (zh) | 基于逼近理想解理论的锂离子动力电池性能评价方法 | |
| CN109358293A (zh) | 基于ipf的锂离子电池soc估计方法 | |
| Yang et al. | Fast screening of lithium-ion batteries for second use with pack-level testing and machine learning | |
| CN106597288A (zh) | 一种电源soc估算方法 | |
| CN116774051B (zh) | 考虑时频域多维数据特征的电池容量快速估计方法 | |
| CN103424712A (zh) | 基于粒子群优化的电池剩余容量在线测量方法 | |
| CN113311337A (zh) | 基于相关向量回归的锂离子电池剩余寿命检测方法 |
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 |