CN109655754A - 一种基于充电过程多维分阶的电池性能评估方法 - Google Patents
一种基于充电过程多维分阶的电池性能评估方法 Download PDFInfo
- Publication number
- CN109655754A CN109655754A CN201811530050.5A CN201811530050A CN109655754A CN 109655754 A CN109655754 A CN 109655754A CN 201811530050 A CN201811530050 A CN 201811530050A CN 109655754 A CN109655754 A CN 109655754A
- Authority
- CN
- China
- Prior art keywords
- battery
- cell
- data
- performance
- sublevel
- 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
Abstract
本发明公开了一种基于充电过程多维分阶的电池性能评估方法,包括采集车用动力电池系统基本信息,并录入数据库,以及电池性能评估等步骤;本发明的优点在于:通过分析电池固有特性与后期使用情况,利用实时与历史数据相结合,兼容不同的数据来源与数据类型,实现电池性能快速、准确、多维、分阶评估。
Description
技术领域
本发明涉及一种电池性能评估方法,具体地说是一种基于充电过程多维分阶的电池性能评估方法,属于电池性能评估方法领域。
背景技术
随着近几年新能源产业增长迅速,未来动力电池报废量也将随之增加,2015-2017年是我国新能源汽车销量持续增加,按照运行里程约10-20万公里,使用3-5年的周期,预计2019年有30万辆车进入二手车市场。按8年报废期,预计2019年报废量将达到32.2万吨,市场规模庞大,动力电池的回收与利用问题迫在眉睫。
而对于如此规模的退役电池量,根据动力电池回收利用相关国标,电池性能的检测存在很多难点: 退役电池系统检测的相关标准缺失;标准余能检测方案测试时间长,设备成本高;退役电池状态复杂,一致性差,简单的容量评估无法全面体现退役电池的应用价值,保证应用安全。寻找一种能够快速准确对动力电池性能进行评估的方法具有重要意义。
目前大多数的电池SOH预测模型及算法普遍存在概念不明、考虑因素不全等问题,只是简单的内阻/阻抗法、功率法、安时积分法等方法进行粗略的估算,没有完整的建模理论及方法,无法准确的估算电池实际性能状态。另一方面,车用动力电池退役后其安全状态、电性能状态、衰减一致性均较为复杂,各串电池之间相互作用影响着电池系统整体状态,且梯次利用场景并不固定,应用形式也多种多样。单纯对电池整体进行评估测试是不科学的,更无法满足梯次利用的要求。因此以各串电池分别评估为切入点,利用测试数据和历史运行数据相结合的方法,全面深入的对电池性能进行评估,是更为科学有效的方法。同时也对废旧电池的安全使用、延长寿命及性能的充分发挥都有着巨大作用。
发明内容
为了解决上述问题,本发明设计了一种基于充电过程多维分阶的电池性能评估方法,通过分析电池固有特性与后期使用情况,利用实时与历史数据相结合,兼容不同的数据来源与数据类型,实现电池性能快速、准确、多维、分阶评估。
本发明的技术方案为:
一种基于充电过程多维分阶的电池性能评估方法,包括以下步骤:
步骤1、采集车用动力电池系统基本信息并录入数据库;
车用动力电池系统基本信息主要包括但不限于以下内容:车辆生产厂商、车型、电池生产厂商、电芯生产厂商、电池类型、电池系统标称电压容量、电芯标称电压容量、公告号等。
步骤2、利用车辆正常运行数据,使用大数据的方法将行驶里程、电压、温度、电流等参量与电池SOH建立联系,形成电池健康状态分级算法;
步骤3、根据电芯种类采集其不同倍率、不同温度、全生命周期测试数据,分析电芯性能及曲线在不同倍率、不同SOH下的演化规律;以电流值和SOH为变量,对基准模型的建立进行分档;以不同种类电芯为样本,结合分档结果建立标准状态下基准模型;针对温度对电池性能的影响建立温度修正算法,用于电池性能评估的修正工作;
步骤4、根据车辆信息在数据库中检索待评估电池的电芯种类,确定评估模型的基本方向;采集待评估电池的行驶里程、实时充放电数据、历史充放电数据,提取各串电池电压等评估所需的特征参量,根据步骤2的电池健康状态分级算法确定电池健康级别;通过多因素评估算法找出影响电池整体性能发挥的电池分支编号,并截取部分充电数据;再根据数据中充电电流值,确定电池评估使用的基准模型;
步骤5、将截取的部分充电数据带入电池评估所选用的基准模型,评估出各串电池的性能状态,再通过温度修正算法将结果调整为标准状态下各串电池的性能指标;
步骤6、结合步骤4中找出影响电池整体性能发挥的电池分支编号,此串电池的性能指标即代表电池整体性能指标;亦可通过对各串电池性能指标的对比,分析电池梯次利用、维修保养的价值。
要评估的所述电池包括:车用动力蓄电池、退役动力蓄电池和梯次利用电池产品;
所述车用动力蓄电池包括电池系统、电池包、电池模组、电池模块;
所述退役动力蓄电池包括电池系统、电池包、电池模组、电池模块;
所述梯次利用电池产品包括电池系统、电池包、电池模组、电池模块。
所述步骤3建立电池健康状态分级算法所利用车辆正常运行数据和电池评估所用到的数据均包括:电池性能检测设备的测试数据包括充放电设备、电阻仪、快速检测设备等、充电桩采集数据、车辆监控平台数据、车载数据;
电池性能评估的结果包括电池余能、电池健康状态、电池一致性、电池绝缘性、电池安全性、电池的历史滥用程度、电池剩余寿命预测等。
本发明以各串电池分别评估为切入点,利用测试数据和历史运行数据相结合的方法,全面深入的对电池性能进行评估,是更为科学有效的方法。同时也对废旧电池的安全使用、延长寿命及性能的充分发挥都有着巨大作用。
本发明的优点在于:
(1)基于电池固有特性与使用情况相结合,充分考虑了不同倍率、温度对电池性能的影响,评估结果相对更准确、更科学;
(2)由面及点、由全景到局部,充分考虑了电池“木桶效应”对整体性能的影响,避免了各串电池相关参量叠加与电池整体性能之间的不对称性,评估结果准确性更高;
(3)多应用性的评估方法,算法可兼容多渠道、多类型的数据,同时评估结果和过程参量又可作为电池维护、梯次利用的重要依据,对动力电池后市场应用有着巨大的推动作用。
下面结合附图和实施例对本发明作进一步说明。
附图说明
图1为本发明实施例的评估示意图。
具体实施方式
以下对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,一种基于充电过程多维分阶的电池性能评估方法,包括以下几个步骤:
(1)建立电池评估算法、基准模型及数据库
收集归纳电动汽车相关信息,以北汽新能源EU260为例,并录入数据库中,用于电池评估时检索基准模型;
车辆生产厂商 | 北汽新能源 |
车型 | EU260 |
电池生产厂商 | 北京普莱德电池有限公司 |
电芯生产厂商 | 宁德时代新能源有限公司 |
电池类型 | 三元材料 |
电池系统电压 | 328.5V |
电池系统容量 | 120Ah |
电芯标称容量 | 40 |
连接方式 | 3P90S |
根据数据库中涉及到的电芯种类,如宁德时代40Ah三元电芯,在环境仓中分别以1C、0.75C、0.5C、0.25C、40℃、25℃、10℃对100%SOH、85%SOH、70%SOH、55%SOH的电芯进行充放电测试,每种电芯收集测试数据,建立电池充电过程ICA曲线,作为评估基准模型;
将不同SOH状态下的电芯,分别在40℃~0℃的环境下以0.1C~1C电流值,以5℃和0.1C为变化进行充放电测试,分析测试数据,建立温度单溜对电池性能的修正算法;
采集20辆北汽新能源EU260历史运行数据(30万公里以内),提取影响电池性能的相关字段,包括:电池使用温度、电池总电压、电流、时间、SOC、ODO里程、最大单体电压、最小单体电压,建立电池健康状态分级算法;
将以上信息、算法和模型存入数据库中,待电池评估时调取使用。
(2)电池性能评估
采集待评估车辆的基本信息:北汽新能源EU260;采集部分充放电数据并提取特征参量:充电电流1C、里程10万公里、压差50mV,代入数据库中通过电池健康状态分级算法,分析得出需使用1C30℃90%SOH模型对各串电池进行评估;
将测试数据通过多因素分析法得出第56串电池为影响电池整体性能的支路,各项指标分别是:
充电升压速度 | 1st | 放电降压速度 | 1st |
起始电压 | 62th | 极化电压 | 1st |
计算测试数据中各串电池充电过程的ICA曲线,以1C30℃90%SOH基准模型作为算法中的训练数据、运用SVM算法,通过RBF函数对各串电池的ICA曲线进行拟合预测,将部分充电过程的曲线补充完整,对预测后的曲线积分计算,得到各串电池的剩余容量,选取第56串电池容量代表电池整体容量,结果为100Ah。再将电流=1C、温度=30℃代入温度电流修正算法,得出修正后容量=105Ah。
Claims (3)
1.一种基于充电过程多维分阶的电池性能评估方法,其特征在于,包括以下步骤:
步骤1、采集车用动力电池系统基本信息,并录入数据库;
步骤2、利用车辆正常运行数据,使用大数据的方法将行驶里程、电压、温度、电流参量与电池SOH建立联系,形成电池健康状态分级算法;
步骤3、根据电芯种类采集其不同倍率、不同温度、全生命周期测试数据,分析电芯性能及曲线在不同倍率、不同SOH下的演化规律;以电流值和SOH为变量,对基准模型的建立进行分档;以不同种类电芯为样本,结合分档结果建立标准状态下基准模型;针对温度对电池性能的影响建立温度修正算法,用于电池性能评估的修正工作;
步骤4、根据车辆信息在数据库中检索待评估电池的电芯种类,确定评估模型的基本方向;采集待评估电池的行驶里程、实时充放电数据、历史充放电数据,提取各串电池电压评估所需的特征参量,根据步骤2的电池健康状态分级算法确定电池健康级别;通过多因素评估算法找出影响电池整体性能发挥的电池分支编号,并截取部分充电数据;再根据数据中充电电流值,确定电池评估使用的基准模型;
步骤5、将截取的部分充电数据带入电池评估所选用的基准模型,评估出各串电池的性能状态,再通过温度修正算法将结果调整为标准状态下各串电池的性能指标;
步骤6、结合步骤4中找出影响电池整体性能发挥的电池分支编号,此串电池的性能指标即代表电池整体性能指标;亦可通过对各串电池性能指标的对比,分析电池梯次利用、维修保养的价值。
2.根据权利要求1所述的一种基于充电过程多维分阶的电池性能评估方法,其特征在于:要评估的所述电池包括:车用动力蓄电池、退役动力蓄电池和梯次利用电池产品;
所述车用动力蓄电池包括电池系统、电池包、电池模组、电池模块;
所述退役动力蓄电池包括电池系统、电池包、电池模组、电池模块;
所述梯次利用电池产品包括电池系统、电池包、电池模组、电池模块。
3.根据权利要求1所述的一种基于充电过程多维分阶的电池性能评估方法,其特征在于:所述步骤3建立电池健康状态分级算法所利用车辆正常运行数据和电池评估所用到的数据均包括:电池性能检测设备的测试数据、充电桩采集数据、车辆监控平台数据、车载数据;
电池性能评估的结果包括电池余能、电池健康状态、电池一致性、电池绝缘性、电池安全性、电池的历史滥用程度、电池剩余寿命预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530050.5A CN109655754B (zh) | 2018-12-14 | 2018-12-14 | 一种基于充电过程多维分阶的电池性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530050.5A CN109655754B (zh) | 2018-12-14 | 2018-12-14 | 一种基于充电过程多维分阶的电池性能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109655754A true CN109655754A (zh) | 2019-04-19 |
CN109655754B CN109655754B (zh) | 2022-01-07 |
Family
ID=66113186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811530050.5A Active CN109655754B (zh) | 2018-12-14 | 2018-12-14 | 一种基于充电过程多维分阶的电池性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109655754B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110750526A (zh) * | 2019-10-17 | 2020-02-04 | 北京五维星宇科技有限公司 | 单装使用计划生成方法、装置及存储介质 |
CN110766319A (zh) * | 2019-10-22 | 2020-02-07 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包滥用风险的评估方法和装置 |
CN110873841A (zh) * | 2019-11-05 | 2020-03-10 | 北京匠芯电池科技有限公司 | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 |
CN111308350A (zh) * | 2019-09-25 | 2020-06-19 | 广东毓秀科技有限公司 | 一种通过大数据进行轨交锂电池性能评估的整体模型框架 |
CN111353704A (zh) * | 2020-02-28 | 2020-06-30 | 广州极飞科技有限公司 | 电池模块的评估方法、装置、存储介质及电子设备 |
CN111707957A (zh) * | 2020-04-23 | 2020-09-25 | 北京邮电大学 | 电动汽车电池残值估算方法及装置 |
CN112505510A (zh) * | 2020-12-15 | 2021-03-16 | 国网四川省电力公司电力科学研究院 | 基于电介质累积效应的电力设备绝缘状态评估预警方法 |
CN113064093A (zh) * | 2021-03-22 | 2021-07-02 | 山东建筑大学 | 储能电池荷电状态与健康状态联合估算方法及系统 |
CN114707908A (zh) * | 2022-05-18 | 2022-07-05 | 北京钛镁新技术有限公司 | 一种动力电池评级确定方法、装置及电子设备 |
CN116298892A (zh) * | 2023-03-22 | 2023-06-23 | 江陵县铭焱盛世机电设备有限公司 | 一种基于多维度分析的电池寿命综合评估方法 |
JP7449008B1 (ja) | 2023-03-08 | 2024-03-13 | 東洋システム株式会社 | 車載二次電池診断装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101349015B1 (ko) * | 2012-05-31 | 2014-01-09 | 현대자동차주식회사 | 차량용 배터리 노후화 판정 방법 |
CN104459552A (zh) * | 2014-11-28 | 2015-03-25 | 上海交通大学 | 评估充电行为对电动汽车电池健康状况的影响的方法 |
CN106526486A (zh) * | 2016-08-30 | 2017-03-22 | 郑州轻工业学院 | 一种锂电池健康寿命模型构建方法 |
CN107765188A (zh) * | 2017-11-28 | 2018-03-06 | 惠州市蓝微新源技术有限公司 | 电池健康状态获取方法 |
US20180149708A1 (en) * | 2016-11-30 | 2018-05-31 | Cadex Electronics Inc. | Battery state-of-health determination using multi-factor normalization |
CN108896912A (zh) * | 2017-05-15 | 2018-11-27 | 半导体组件工业公司 | 用于确定电池的健康状态的方法和装置 |
-
2018
- 2018-12-14 CN CN201811530050.5A patent/CN109655754B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101349015B1 (ko) * | 2012-05-31 | 2014-01-09 | 현대자동차주식회사 | 차량용 배터리 노후화 판정 방법 |
CN104459552A (zh) * | 2014-11-28 | 2015-03-25 | 上海交通大学 | 评估充电行为对电动汽车电池健康状况的影响的方法 |
CN106526486A (zh) * | 2016-08-30 | 2017-03-22 | 郑州轻工业学院 | 一种锂电池健康寿命模型构建方法 |
US20180149708A1 (en) * | 2016-11-30 | 2018-05-31 | Cadex Electronics Inc. | Battery state-of-health determination using multi-factor normalization |
CN108896912A (zh) * | 2017-05-15 | 2018-11-27 | 半导体组件工业公司 | 用于确定电池的健康状态的方法和装置 |
CN107765188A (zh) * | 2017-11-28 | 2018-03-06 | 惠州市蓝微新源技术有限公司 | 电池健康状态获取方法 |
Non-Patent Citations (1)
Title |
---|
高栋等: "基于充电电流数据的锂电池容量估计", 《电源技术研究与设计》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111308350A (zh) * | 2019-09-25 | 2020-06-19 | 广东毓秀科技有限公司 | 一种通过大数据进行轨交锂电池性能评估的整体模型框架 |
CN110750526A (zh) * | 2019-10-17 | 2020-02-04 | 北京五维星宇科技有限公司 | 单装使用计划生成方法、装置及存储介质 |
CN110766319B (zh) * | 2019-10-22 | 2022-08-02 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包滥用风险的评估方法和装置 |
CN110766319A (zh) * | 2019-10-22 | 2020-02-07 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包滥用风险的评估方法和装置 |
CN110873841A (zh) * | 2019-11-05 | 2020-03-10 | 北京匠芯电池科技有限公司 | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 |
CN110873841B (zh) * | 2019-11-05 | 2021-12-07 | 蓝谷智慧(北京)能源科技有限公司 | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 |
CN111353704A (zh) * | 2020-02-28 | 2020-06-30 | 广州极飞科技有限公司 | 电池模块的评估方法、装置、存储介质及电子设备 |
CN111707957A (zh) * | 2020-04-23 | 2020-09-25 | 北京邮电大学 | 电动汽车电池残值估算方法及装置 |
CN111707957B (zh) * | 2020-04-23 | 2021-04-13 | 北京邮电大学 | 电动汽车电池残值估算方法及装置 |
CN112505510A (zh) * | 2020-12-15 | 2021-03-16 | 国网四川省电力公司电力科学研究院 | 基于电介质累积效应的电力设备绝缘状态评估预警方法 |
CN112505510B (zh) * | 2020-12-15 | 2023-09-26 | 国网四川省电力公司电力科学研究院 | 基于电介质累积效应的电力设备绝缘状态评估预警方法 |
CN113064093A (zh) * | 2021-03-22 | 2021-07-02 | 山东建筑大学 | 储能电池荷电状态与健康状态联合估算方法及系统 |
CN113064093B (zh) * | 2021-03-22 | 2024-03-08 | 百思科新能源技术(青岛)有限公司 | 储能电池荷电状态与健康状态联合估算方法及系统 |
CN114707908B (zh) * | 2022-05-18 | 2022-08-23 | 北京钛镁新技术有限公司 | 一种动力电池评级确定方法、装置及电子设备 |
CN114707908A (zh) * | 2022-05-18 | 2022-07-05 | 北京钛镁新技术有限公司 | 一种动力电池评级确定方法、装置及电子设备 |
JP7449008B1 (ja) | 2023-03-08 | 2024-03-13 | 東洋システム株式会社 | 車載二次電池診断装置 |
CN116298892A (zh) * | 2023-03-22 | 2023-06-23 | 江陵县铭焱盛世机电设备有限公司 | 一种基于多维度分析的电池寿命综合评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109655754B (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109655754A (zh) | 一种基于充电过程多维分阶的电池性能评估方法 | |
Song et al. | Intelligent state of health estimation for lithium-ion battery pack based on big data analysis | |
Yang et al. | A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application | |
Wang et al. | A data-driven method for battery charging capacity abnormality diagnosis in electric vehicle applications | |
Xiong et al. | Towards a smarter battery management system: A critical review on battery state of health monitoring methods | |
CN112433169B (zh) | 一种云端动力电池健康度评估系统及方法 | |
CN102937704B (zh) | 一种动力电池rc等效模型的辨识方法 | |
CN105021994B (zh) | 一种检测电池组内单体电池一致性的方法和装置 | |
CN109604186A (zh) | 动力电池性能柔性评估分选方法 | |
Yu et al. | Challenges and outlook for lithium-ion battery fault diagnosis methods from the laboratory to real world applications | |
CN112818602B (zh) | 基于大数据分析的电池数字孪生控制方法及装置 | |
CN106371027A (zh) | 一种退役电池的梯次回收利用的测试方法 | |
Wang et al. | A battery capacity estimation framework combining hybrid deep neural network and regional capacity calculation based on real-world operating data | |
CN108490366A (zh) | 电动汽车退役电池模块健康状态的快速评估方法 | |
CN107356879B (zh) | 一种基于多物理场的电池健康状态检测与评估方法及装备系统 | |
CN106998086A (zh) | 兆瓦级储能电站电池管理方法及其系统 | |
CN109615273B (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
Huang et al. | State of health estimation of lithium-ion batteries based on the regional frequency | |
CN110045291A (zh) | 一种锂电池容量估计方法 | |
WO2023124220A1 (zh) | 车辆检测方法及装置 | |
CN106546924A (zh) | 一种汽车锂电池性能的动态预测方法 | |
Rui-hao et al. | Battery state of charge estimation for electric vehicle based on neural network | |
Hu et al. | Performance evaluation strategy for battery pack of electric vehicles: Online estimation and offline evaluation | |
CN113687251A (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
Lai et al. | Voltage profile reconstruction and state of health estimation for lithium-ion batteries under dynamic working conditions |
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 | ||
CB02 | Change of applicant information |
Address after: Room 3E06M, Building 12, No. 5 Donghuan Middle Road, Daxing District, Beijing Applicant after: Blue Valley smart (Beijing) Energy Technology Co., Ltd Address before: Room 3E06M, Building 12, No. 5 Donghuan Middle Road, Daxing District, Beijing Applicant before: BEIJING ARTICORE BATTERY TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |