CN110018419B - 锂离子电池的soc与soh联合估计方法、装置及终端设备 - Google Patents
锂离子电池的soc与soh联合估计方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110018419B CN110018419B CN201910253043.3A CN201910253043A CN110018419B CN 110018419 B CN110018419 B CN 110018419B CN 201910253043 A CN201910253043 A CN 201910253043A CN 110018419 B CN110018419 B CN 110018419B
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- soh
- open
- soc
- 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
Images
Abstract
本发明适用于锂离子电池技术领域,提供了一种锂离子电池的SOC与SOH联合估计方法、装置及终端设备,方法包括:获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式,根据第一预设算法实时获取锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压,根据第二预设算法对锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取锂离子电池的SOC,获取锂离子电池的SOC达到特定SOC时,锂离子电池的开路电压,以获取锂离子电池的SOH。本发明操作简单且计算量小,提高了对锂离子电池进行SOC与SOH联合估计的效率。
Description
技术领域
本发明属于锂离子电池技术领域,尤其涉及一种锂离子电池的SOC与SOH联合估计方法、装置及终端设备。
背景技术
目前,电池的可用用量估计模型,通常是通过离线的电池老化测试数据进行构建的,其与剩余电量的估计模块之间的融合较为松散,适用性较差,精度难以保证。
并且,现有的技术中,虽提出了一些SOC与SOH的联合估计方法,但是,其实践操作复杂,需要更新的参数较多,计算量较大,效率低下。
发明内容
有鉴于此,本发明实施例提供了一种锂离子电池的SOC与SOH联合估计方法、装置及终端设备,以解决现有技术中存在的问题。
本发明实施例的第一方面提供了一种锂离子电池的SOC与SOH联合估计方法,包括:
获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式;
根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;
根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;
获取所述锂离子电池的SOC达到所述特定SOC时,所述锂离子电池的开路电压;
根据所述锂离子电池的开路电压和SOH的多项式关系表达式,获取所述锂离子电池的SOH。
可选的,所述获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式,包括:
获取特定SOC下,所述锂离子电池的开路电压和SOH;
建立所述特定SOC下,所述锂离子电池的开路电压和SOH的多项式关系表达式。
可选的,所述根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压,包括:
读取所述锂离子电池的端电压;
建立锂离子电池的一阶等效电路模型;
基于所述锂离子电池的一阶等效电路模型根据第一预设算法对所述端电压进行计算,实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,第一预设算法为基于遗忘因子的最小二乘法的参数辨识算法。
可选的,所述根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC,包括:
基于所述锂离子电池的一阶等效电路模型根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;其中,第二预设算法为基于自适应扩展卡尔曼滤波算法。
可选的,其特征在于,获取所述锂离子电池的SOH之后,包括:
获取锂离子电池包的所有单体锂离子电池中,SOH最小的单体电池的SOH作为锂离子电池包的SOH。
本发明实施例的第二方面提供了一种锂离子电池的SOC与SOH联合估计装置,包括:
第一获取模块,用于获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式;
第一计算模块,用于根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;
第二计算模块,用于根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;
第二获取模块,用于获取所述锂离子电池的SOC达到所述特定SOC时,所述锂离子电池的开路电压;
第三获取模块,用于根据所述锂离子电池的开路电压和SOH的多项式关系表达式,获取所述锂离子电池的SOH。
本发明实施例的第三方面提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
本发明实施例通过实验获取电池在特定剩余电量值时不同容量下对应的开路电压值,并通过基于遗忘因子的最小二乘法实时获取、更新锂离子电池内部辨识参数(即开路电压、内阻、极化电阻、极化电容),然后通过更新的辨识参数采用自适应扩展卡尔曼滤波算法实时计算锂离子电池的剩余电量,获取锂离子电池的剩余电量达到特定剩余电量值时的开路电压值,以获取对应的SOH值,操作简单且计算量小,提高了对锂离子电池进行SOC与SOH联合估计的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的锂离子电池的SOC与SOH联合估计方法的流程示意图;
图2是本发明实施例一提供的锂离子电池的开路电压和SOH值之间的关系图;
图3是本发明实施例二提供的锂离子电池的SOC与SOH联合估计方法的流程示意图;
图4是本发明实施例二提供的提供的电池的一阶等效电路模型示意图;
图5是本发明实施例三提供的锂离子电池的SOC与SOH联合估计方法的流程示意图;
图6是本发明实施例四提供的锂离子电池的SOC与SOH联合估计装置的结构示意图;
图7是本发明实施例五提供的终端设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
如图1所示,本实施例提供一种锂离子电池的SOC与SOH联合估计方法,该方法可以应用于如电动摩托车充电装置、锂离子电池智能充电装置等终端设备。本实施例所提供的锂离子电池的SOC与SOH联合估计方法,包括:
S101、获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式。
在具体应用中,获取锂离子电池在特定剩余电量下的开路电压和SOH值,并建立两者之间的多项式关系表达式。其中,SOC,全称是State of Charge,为电池荷电状态,也叫剩余电量,代表的是电池使用一段时间或长期搁置不用后的剩余可放电电量与其完全充电状态的电量的比值,常用百分数表示。蓄电池容量、健康度或性能状态(SOH,State OfHealth),即蓄电池满充容量相对额定容量的百分比。特定SOC是指预先设定的剩余电量SOC值。例如,设定特定SOC为60%,即为预设锂离子电池的剩余电量达到60%。
S102、根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压。
在具体应用中,获取锂离子电池的实时温度和端电压,并通过第一预设算法对锂离子电池的实时温度和端电压进行计算,获取锂离子电池的欧姆电阻、极化电阻、极化电容和开路电压。其中,第一预设算法包括但不限于基于遗忘因子的最小二乘法的参数辨识算法。
S103、根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC。
在具体应用中,根据第二预设算法对锂离子电池的实际温度、欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取锂离子电池的SOC。其中,第二预设算法包括但不限于基于自适应扩展卡尔曼滤波算法
S104、获取所述锂离子电池的SOC达到所述特定SOC时,所述锂离子电池的开路电压。
在具体应用中,获取在锂离子电池的剩余电量SOC达到特定值时,锂离子电池的开路电压值。
S105、根据所述锂离子电池的开路电压和SOH的多项式关系表达式,获取所述锂离子电池的SOH。
在一个实施例中,所述S101,包括:
获取特定SOC下,所述锂离子电池的开路电压和SOH;
建立所述特定SOC下,所述锂离子电池的开路电压和SOH的多项式关系表达式。
在具体应用中,获取在锂离子电池的剩余电量达到特定SOC时,锂离子电池的开路电压和SOH值,并建立两者之间的多项式关系表达式。
如图2所示,示例性的示出了锂离子电池的开路电压和SOH值之间的关系图。
在一个实施例中,获取所述锂离子电池的SOH之后,包括:
获取锂离子电池包的所有单体锂离子电池中,SOH最小的单体电池的SOH作为锂离子电池包的SOH。
在具体应用中,若执行对象为锂离子电池包,则获取锂离子电池包中所有单体电池在特定SOC下的开路电压值并获取对应的SOH,获取锂离子电池包的所有单体锂离子电池中,SOH最小的单体电池的SOH作为锂离子电池包的SOH。
本实施例通过实验获取电池在特定剩余电量值时不同容量下对应的开路电压值,并通过基于遗忘因子的最小二乘法实时获取、更新锂离子电池内部辨识参数(即开路电压、内阻、极化电阻、极化电容),然后通过更新的辨识参数采用自适应扩展卡尔曼滤波算法实时计算锂离子电池的剩余电量,获取锂离子电池的剩余电量达到特定剩余电量值时的开路电压值,以获取对应的SOH值,操作简单且计算量小,提高了对锂离子电池进行SOC与SOH联合估计的效率。
实施例二
如图3所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S102,包括:
S1021、读取所述锂离子电池的端电压。
S1022、建立锂离子电池的一阶等效电路模型。
在具体应用中,锂离子电池包中任一单体电池的一阶等效电路模型如图4所示。其中,E为端电压,VOCV为开路电压,R0为欧姆内阻,R1C1用于描述电池充放电时的极化特性,极化电阻R1两端的电压为V1,I为充放电电流。R0、R1、C1为待辨识参数。根据电路原理,令τ=R1C1,则锂离子电池的电气特性可以描述为:
对上式进行离散化后,可得:
S1023、基于所述锂离子电池的一阶等效电路模型根据第一预设算法对所述端电压进行计算,实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,第一预设算法为基于遗忘因子的最小二乘法的参数辨识算法。
在具体应用中,基于最小二乘法的参数辨识算法的一阶RC模型的传递函数为:
令Vd(s)=E(s)-Vocv(s),则有:
式中Vd=V1,k+V2,k+IkR0,k==VOCV,k-Ek;
采用下式将系统从s平面转化到z平面的映射:
Δt为采样间隔,基于z平面的方程为:
ai为模型参数相关的系数,上式可转化为离散时域中,即:
Vd,k=a1Vd,k-1+a2Ik+a3Ik-1;
即:
Ek-Vocv,k=a1(Ek-1-Vocv,k-1)+a2Ik+a3Ik-1;
所以:
Ek=(1-a1)Vocv,k+a1Ek-1+a2Ik+a3Ik-1;
定义系统数据矩阵和参数矩阵分别为:
系统方程可以写为:
yk=φkθk;
yk为系统输出,带遗忘因子的递推最小二乘法计算流程如下:
其中,μ为遗忘因子,K为算法增益,θ为系统参数矩阵,φ为系统数据矩阵,P状态估计值的误差协方差矩阵,I为单位矩阵;
根据上式即可辨识获取锂离子电池的欧姆内阻、极化内阻、极化电容和开路电压。
本实施例通过基于锂离子电池的一阶等效电路模型根据第一预设算法对端电压进行计算,实时获取锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压,保证了数据的真实性和及时性,进一步提高了对锂离子电池进行SOC和SOH的联合估计的精度。
实施例三
如图5所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S103,包括:
S1031、基于所述锂离子电池的一阶等效电路模型根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;其中,第二预设算法为基于自适应扩展卡尔曼滤波算法。
在具体应用中,基于锂离子电池的一阶等效电路模型根据第二预设算法对锂离子电池的实际温度、欧姆内阻、极化内阻、极化电容、端电压及开路电压进行辨识,获取当前时刻锂离子电池的剩余电量;其中,第二预设算法包括但不限于基于自适应扩展的卡尔曼滤波算法。
基于自适应扩展的卡尔曼滤波算法的锂离子电池剩余电量SOC估计方法:
由电池线性离散化方程可得:
V1为极化电压,s为SOC,E为端电压,τ为时间常数τ=R1·C1,Cn为电池容量,VOCV为开路电压。
1)初始化,设置状态观测器的初始值,x0,P0,Q0,R0;
2)系统状态预估:
3)误差协方差预估:
4)新息矩阵更新:
5)卡尔曼增益矩阵更新:
6)自适应噪声协方差匹配:
7)系统状态修正:
8)误差协方差修正:
本实施例通过实时获取锂离子电池的SOC,将SOH的估计模块与SOC估计模块的融合更为紧密,提高了对锂离子电池进行SOC和SOH的联合估计的适用性和精度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例四
如图6所示,本实施例提供一种锂离子电池的SOC与SOH联合估计装置100,用于执行实施例一中的方法步骤。本实施例提供的锂离子电池的SOC与SOH联合估计装置装置100,包括:
第一获取模块101,用于获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式;
第一计算模块102,用于根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;
第二计算模块103,用于根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;
第二获取模块104,用于获取所述锂离子电池的SOC达到所述特定SOC时,所述锂离子电池的开路电压;
第三获取模块105,用于根据所述锂离子电池的开路电压和SOH的多项式关系表达式,获取所述锂离子电池的SOH。
在一个实施例中,所述第一获取模块101,包括:
第一获取单元,用于获取特定SOC下,所述锂离子电池的开路电压和SOH;
第一建立单元,用于建立所述特定SOC下,所述锂离子电池的开路电压和SOH的多项式关系表达式。
在一个实施例中,所述第一计算模块102,包括:
读取单元,用于读取所述锂离子电池的端电压;
第二建立单元,用于建立锂离子电池的一阶等效电路模型;
第一计算单元,用于基于所述锂离子电池的一阶等效电路模型根据第一预设算法对所述端电压进行计算,实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,第一预设算法为基于遗忘因子的最小二乘法的参数辨识算法。
在一个实施例中,所述第二计算模块103,包括:
第二计算单元,用于基于所述锂离子电池的一阶等效电路模型根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;其中,第二预设算法为基于自适应扩展卡尔曼滤波算法。
在一个实施例中,所述装置100,包括:
第六获取模块,用于获取锂离子电池包的所有单体锂离子电池中,SOH最小的单体电池的SOH作为锂离子电池包的SOH。
本实施例通过实验获取电池在特定剩余电量值时不同容量下对应的开路电压值,并通过基于遗忘因子的最小二乘法实时获取、更新锂离子电池内部辨识参数(即开路电压、内阻、极化电阻、极化电容),然后通过更新的辨识参数采用自适应扩展卡尔曼滤波算法实时计算锂离子电池的剩余电量,获取锂离子电池的剩余电量达到特定剩余电量值时的开路电压值,以获取对应的SOH值,操作简单且计算量小,提高了对锂离子电池进行SOC与SOH联合估计的效率。
实施例五
图7是本发明一实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如锂离子电池的SOC与SOH联合估计程序。所述处理器70执行所述计算机程序72时实现上述各个锂离子电池的SOC与SOH联合估计方法实施例中的步骤,例如图1所示的步骤S101至S105。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图6所示模块101至105的功能。
示例性的,所述计算机程序72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如,所述计算机程序72可以被分割成第一获取模块、第一计算模块、第二计算模块、第二获取模块和第三获取模块,各模块具体功能如实施例四所述,在此不再赘述。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字卡(Secure Digital,SD),闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (7)
1.一种锂离子电池的SOC与SOH联合估计方法,其特征在于,包括:
获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式,包括:获取特定SOC下,所述锂离子电池的开路电压和SOH;建立所述特定SOC下,所述锂离子电池的开路电压和SOH的多项式关系表达式;
根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,获取锂离子电池的实时温度和端电压,并通过第一预设算法对锂离子电池的实时温度和端电压进行计算,获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;
根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;
获取所述锂离子电池的SOC达到所述特定SOC时,所述锂离子电池的开路电压;
根据所述锂离子电池的开路电压和SOH的多项式关系表达式,获取所述锂离子电池的SOH;
获取锂离子电池包中所有单体电池在特定SOC下的开路电压值并获取对应的SOH,获取锂离子电池包的所有单体锂离子电池中,SOH最小的单体电池的SOH作为锂离子电池包的SOH。
2.如权利要求1所述的锂离子电池的SOC与SOH联合估计方法,其特征在于,所述根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压,包括:
读取所述锂离子电池的端电压;
建立锂离子电池的一阶等效电路模型;
基于所述锂离子电池的一阶等效电路模型根据第一预设算法对所述端电压进行计算,实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,第一预设算法为基于遗忘因子的最小二乘法的参数辨识算法。
3.如权利要求2所述的锂离子电池的SOC与SOH联合估计方法,其特征在于,所述根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC,包括:
基于所述锂离子电池的一阶等效电路模型根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;其中,第二预设算法为基于自适应扩展卡尔曼滤波算法。
4.一种锂离子电池的SOC与SOH联合估计装置,其特征在于,包括:
第一获取模块,用于获取特定SOC下,锂离子电池的开路电压和SOH的多项式关系表达式;
第一计算模块,用于根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,获取锂离子电池的实时温度和端电压,并通过第一预设算法对锂离子电池的实时温度和端电压进行计算,获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;
第二计算模块,用于根据第二预设算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、端电压及开路电压进行计算,实时获取所述锂离子电池的SOC;
第二获取模块,用于获取所述锂离子电池的SOC达到所述特定SOC时,所述锂离子电池的开路电压;
第三获取模块,用于根据所述锂离子电池的开路电压和SOH的多项式关系表达式,获取所述锂离子电池的SOH;
所述第一获取模块,包括:
第一获取单元,用于获取特定SOC下,所述锂离子电池的开路电压和SOH;
第一建立单元,用于建立所述特定SOC下,所述锂离子电池的开路电压和SOH的多项式关系表达式;
第六获取单元,用于获取锂离子电池包中所有单体电池在特定SOC下的开路电压值并获取对应的SOH,获取锂离子电池包的所有单体锂离子电池中,SOH最小的单体电池的SOH作为锂离子电池包的SOH。
5.如权利要求4所述的锂离子电池的SOC与SOH联合估计装置,其特征在于,所述第一计算模块,包括:
读取单元,用于读取所述锂离子电池的端电压;
第二建立单元,用于建立锂离子电池的一阶等效电路模型;
第一计算单元,用于基于所述锂离子电池的一阶等效电路模型根据第一预设算法对所述端电压进行计算,实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压;其中,第一预设算法为基于遗忘因子的最小二乘法的参数辨识算法。
6.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910253043.3A CN110018419B (zh) | 2019-03-29 | 2019-03-29 | 锂离子电池的soc与soh联合估计方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910253043.3A CN110018419B (zh) | 2019-03-29 | 2019-03-29 | 锂离子电池的soc与soh联合估计方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110018419A CN110018419A (zh) | 2019-07-16 |
CN110018419B true CN110018419B (zh) | 2021-09-10 |
Family
ID=67190247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910253043.3A Active CN110018419B (zh) | 2019-03-29 | 2019-03-29 | 锂离子电池的soc与soh联合估计方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110018419B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988722B (zh) * | 2019-12-27 | 2020-07-10 | 湖南中大新能源科技有限公司 | 一种快速检测锂离子电池残余能量的方法 |
CN111679199B (zh) * | 2020-05-21 | 2021-11-19 | 昆明理工大学 | 一种锂离子电池soc估计方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344921A (zh) * | 2013-07-08 | 2013-10-09 | 华南师范大学 | 锂离子动力电池健康状态评估系统及方法 |
CN104569835A (zh) * | 2014-12-16 | 2015-04-29 | 北京理工大学 | 一种估计电动汽车的动力电池的荷电状态的方法 |
CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
CN107037374A (zh) * | 2017-05-04 | 2017-08-11 | 广东电网有限责任公司电力科学研究院 | 一种锂离子电池的soc和soh联合估计方法 |
CN108508371A (zh) * | 2018-04-09 | 2018-09-07 | 重庆大学 | 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法 |
CN108983108A (zh) * | 2018-08-10 | 2018-12-11 | 山东大学 | 一种动力电池组峰值功率估计方法 |
CN109061520A (zh) * | 2018-10-25 | 2018-12-21 | 杭州神驹科技有限公司 | 一种动力电池健康与功率状态在线估算方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548900B (zh) * | 2016-01-07 | 2018-06-08 | 北京北交新能科技有限公司 | 一种轨道交通用动力电池健康状态评估方法 |
CN106004481B (zh) * | 2016-05-20 | 2018-03-20 | 安徽江淮汽车集团股份有限公司 | 一种混合动力汽车电池组soh值估算方法 |
CN106546927B (zh) * | 2016-10-28 | 2019-03-05 | 四川普力科技有限公司 | 一种基于温度的动力电池soh在线估算方法 |
CN106597295B (zh) * | 2016-11-18 | 2021-01-08 | 四川普力科技有限公司 | 一种锂电池soh的估算方法 |
CN109061483A (zh) * | 2018-06-28 | 2018-12-21 | 珠海格力电器股份有限公司 | 电池健康状态的检测方法、装置、存储介质和处理器 |
CN109066849A (zh) * | 2018-08-07 | 2018-12-21 | 宁波智果科技咨询服务有限公司 | 一种soh值电池更换的充电站系统 |
-
2019
- 2019-03-29 CN CN201910253043.3A patent/CN110018419B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344921A (zh) * | 2013-07-08 | 2013-10-09 | 华南师范大学 | 锂离子动力电池健康状态评估系统及方法 |
CN104569835A (zh) * | 2014-12-16 | 2015-04-29 | 北京理工大学 | 一种估计电动汽车的动力电池的荷电状态的方法 |
CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
CN107037374A (zh) * | 2017-05-04 | 2017-08-11 | 广东电网有限责任公司电力科学研究院 | 一种锂离子电池的soc和soh联合估计方法 |
CN108508371A (zh) * | 2018-04-09 | 2018-09-07 | 重庆大学 | 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法 |
CN108983108A (zh) * | 2018-08-10 | 2018-12-11 | 山东大学 | 一种动力电池组峰值功率估计方法 |
CN109061520A (zh) * | 2018-10-25 | 2018-12-21 | 杭州神驹科技有限公司 | 一种动力电池健康与功率状态在线估算方法及系统 |
Non-Patent Citations (1)
Title |
---|
"Online Estimation and Error Analysis of both SOC and SOH of Lithium-ion Battery based on DEKF Method";LinlinFang 等;《Energy Procedia》;20190228;第158卷;第3008-3013页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110018419A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110244236B (zh) | 一种锂离子电池包soc估计方法、装置及终端设备 | |
CN110011374B (zh) | 一种电池充放电电流的控制方法、系统及终端设备 | |
CN109991547B (zh) | 锂离子电池包最大允许充放电电流估计方法及装置 | |
CN111679199B (zh) | 一种锂离子电池soc估计方法及装置 | |
Hu et al. | Two time-scaled battery model identification with application to battery state estimation | |
CN109713762B (zh) | 一种充电控制方法、装置及终端设备 | |
CN109904542B (zh) | 锂离子电池包的容量更新方法、装置及终端设备 | |
CN109991554B (zh) | 一种电池电量检测方法、装置及终端设备 | |
CN109991545B (zh) | 一种电池包电量检测方法、装置及终端设备 | |
CN110018419B (zh) | 锂离子电池的soc与soh联合估计方法、装置及终端设备 | |
KR101996943B1 (ko) | 배터리 용량 상태 추정 장치 및 이의 방법 | |
JP2015215169A (ja) | パラメータ算出装置、パラメータ算出方法及びプログラム | |
CN113111508A (zh) | 电芯一致性的评估方法、装置及服务器 | |
CN112816877B (zh) | 电池的电流校准方法、设备和存储介质 | |
CN110120559A (zh) | 一种锂离子电池的充电方法、装置及终端设备 | |
CN113933710A (zh) | 电池功率状态的在线预测方法及终端设备 | |
CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
CN112327183B (zh) | 一种锂离子电池soc估算方法和装置 | |
CN109991543B (zh) | 一种电池包剩余电量的获取方法、装置及终端设备 | |
CN115421044A (zh) | 锂离子电池状态确定方法、装置、电子设备及存储介质 | |
Zhang et al. | Estimation of state‐of‐energy for lithium batteries based on dual adaptive particle filters considering variable current and noise effects | |
CN117129874A (zh) | 电池等效电路模型的参数辨识方法及装置 | |
CN115113061A (zh) | 修正电池soc的方法及相关装置 | |
CN111239615A (zh) | 电池模型的参数的确定方法和装置、存储介质、计算机设备 | |
CN111723454A (zh) | 一种二阶pngv模型参数的在线生成方法、装置和计算机设备 |
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 |