CN110045291B - 一种锂电池容量估计方法 - Google Patents

Abstract

根据本发明的一种锂电池容量估计方法，包括以下步骤：步骤1，采集锂电池在充放电过程中的多个相关数据；步骤2，分别筛选用于计算锂电池初始容量Capinit的数据和锂电池当前容量Cap的数据；步骤3，获取第ii段(ii≥1)符合要求的锂电池充电数据段，用于分别对锂电池初始容量Capinit(ii)和锂电池当前容量Cap(ii)进行计算；步骤4，在第ii个符合要求的锂电池充电数据段分别计算第ii个锂电池初始容量Capinitk(ii)和第ii个锂电池当前容量Capk(ii)；步骤5，得到锂电池初始容量Capinit(ii)和锂电池当前容量Cap(ii)；步骤6，计算第ii个SOH(电池健康状态)；步骤7，根据温度修正SOH,得到温度修正后的NewSOH；步骤8，根据温度修正后的所述NewSOH，计算所述锂电池的估计容量。

Description

一种锂电池容量估计方法

技术领域

本发明属于电池技术领域，具体涉及一种基于多段充电曲线的锂电池容量估计方法。

背景技术

电池的容量是衡量电池性能的一项重要指标，一般用安时来表示，放电区间(小时)与放电电流(安培)的总称，即容量＝放电时间×放电电流。电池的实际容量，取决于电池中活性物质的多少和活性物质的利用率，活性物质数量越多，活性物质利用率就越高，电池的容量也就越大，反之容量越小。

SOC，全称是State of Charge，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。SOC的含义是剩余电量为0％-100％，当SOC＝0时表示电池放电完全，当SOC＝100％时表示电池完全充满。

SOH全称是State of Health，电池容量、健康度、性能状态，是电池使用一段时间后性能参数与标称参数的比值，新出厂电池为100％，完全报废为0％。是电池从满充状态下以一定的倍率放电到截止电压所放出的容量与其所对应的标称容量的比值。

锂离子电池虽然是一种能量存储和转换的设备，但它并不是可以无限使用的，即它的循环使用寿命是有限的，这是因为电池的性能会随着电池的使用而逐渐下降。因此，在实际生活和工作中，对锂电池容量估计也变得越来越重要。

目前，对锂电池容量的预估有两种方法，一是由OEM或者电池包企业直接通过BMS的充放电记录，给出电池PACK、模组或者电芯的状态，对电池的电压、电流、SOC等数据进行分析而得到，二是从大量历史数据中利用长时间尺度数据分析而得到，前者的缺点在于无法对PACK进行长时间尺度的评估，难以进行寿命预测，一般无法估计电芯级状态，后者的缺点在于缺少电池建模，数据动态性较长，只能进行稳态分析，精度相对差，且对数据质量敏感。

发明内容

在节能环保的时代背景下，电动汽车成为汽车行业发展的必然趋势，电池容量是电动汽车的一个重要参数，其估算方法是电池管理系统中的关键技术。

本发明将两者的优点进行结合，在利用以往大量历史数据的平台中，在线对车载电池进行预测评估。

针对于目前新能源汽车市场的迅速发展，之前的车载电池会面临一批批退役，这对电池的梯次利用的效率和能力，对整理新能源产业的经济型是一个很大的检验。为了更好地在梯次利用环节中对电池的状态的判定或者说快速的经济性的检测和分组，在不同数据源的条件下，对动力电池进行电芯级的容量监测，给予动力电池预防性维护以及梯次利用时快速分选数据支持。通过算法，对动力电池寿命进行预测。该发明将具有极大的市场需求，我们预想它可以在出行平台数据计算服务、电池保险技术服务、电池报告、退役电池分选四个方面提供极大的支持。

本发明提出了一种基于多段充电曲线的锂电池容量估计及其温度修正方法，通过多段锂电池的充电曲线来估计该锂电池容量。

本发明提供了一种锂电池容量估计方法，具有这样的特征，包括以下步骤：

步骤1，采集锂电池在充放电过程中的多个相关数据；

步骤2，分别筛选用于计算锂电池初始容量Capinit的数据和锂电池当前容量Cap的数据；

步骤3，获取第ii段(ii≥1)符合要求的锂电池充电数据段，用于分别对锂电池初始容量Capinit(ii)和锂电池当前容量Cap(ii)进行计算；

步骤4，在第ii个符合要求的锂电池充电数据段分别计算第ii个锂电池初始容量Capinitk(ii)和第ii个锂电池当前容量Capk(ii),

其中，

Capinitk(ii)＝AHsum/(min{maxSOC,60％}-minSOC)

Capk(ii)＝Ahsum/(maxSOC-minSOC)

t₁表示该充电段的充电起始时间，t₂表示该充电段的充电结束时间，t₃表示SOC＝60％的所对应的时间，I_(t)表示该充电段中t时刻的电流值，SOC为荷点状态；

步骤5，得到锂电池初始容量Capinit(ii)和锂电池当前容量Cap(ii)，

锂电池初始容量Capinit(ii)的表达式为：

其中，m为滤波系数，

锂电池当前容量Cap(ii)的表达式为：

其中，n为滤波系数；

步骤6，计算第ii个SOH(电池健康状态),表达式为：

SOH(ii)＝Cap(ii)/Capinit(ii)(ii≥1)

步骤7，根据温度修正SOH,得到温度修正后的NewSOH；

步骤8，根据温度修正后的NewSOH，计算锂电池的估计容量Cap_now。

在本发明提供的锂电池容量估计方法中，还可以具有这样的特征：其中，数据包括充电电流、荷点状态(SOC)以及充电时间的数据。

另外，在本发明提供的锂电池容量估计方法中，还可以具有这样的特征：其中，步骤2中，筛选用于计算锂电池初始容量的数据的条件为：该锂电池充电段的最小SOC<30％,且(maxSOC-minSOC)>20％，若某段锂电池充电段数据不符合该筛选条件，则舍弃该段充电段数据。

另外，在本发明提供的锂电池容量估计方法中，还可以具有这样的特征：其中，步骤2中，筛选用于计算当前容量的数据的条件为：该充电段的minSOC<25％,且maxSOC≥99％，若某段充电段数据不符合该筛选条件，则舍弃该段充电段数据。

另外，在本发明提供的锂电池容量估计方法中，还可以具有这样的特征：其中，NewSOH表达式为：

NewSOH＝SOH×(1-0.02×(T-25)÷10)

另外，在本发明提供的锂电池容量估计方法中，还可以具有这样的特征：其中，Cap_estimate表达式为：

发明的作用与效果

根据本发明所涉及的锂电池容量估计方法，因为基于锂电池在多次充放电过程中的充电电流、荷点状态(SOC)和时间的数据，用滤波的方法计算电池的当前容量(Cap)和初始容量(Capinit)，并根据当前容量和初始容量的比值还可以得到电池的健康状态(SOH)，即电池容量的衰减程度，进一步地，还对SOH进行修正，减小误差。进一步，根据SOH还可以得到电池的容量。所以，本发明具有可以在线估计锂电池的容量，又可以在线估计电池容量的衰减程度的优点。

附图说明

图1是本发明的实施例中锂电池的多段充电曲线图；

图2是本发明的实施例中基于多段充电曲线的锂电池容量估计方法的流程图；

图3是本发明的实施例中样车锂电池SOH与行驶里程关系的示意图；

图4是本发明的实施例中温度变化示意图；

图5是本发明的实施例中锂电池放电深度DOD与温度的示意图；以及

图6是本发明的实施例中样车锂电池SOH与行驶里程关系的示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明的锂电池容量估计方法作具体阐述。

实施例

实施例中，通过汽车上的电池管理系统(BMS)采集并获取锂电池在多次充放电过程中的充电电流、荷点状态(SOC)和时间的数据。

图1是本发明的实施例中锂电池的多段充电曲线图。

如图1所示，根据筛选条件筛选出来的锂电池充电段数据，获得某个充电段的充电起始时间t1和充电结束时间t2，t1时刻对应的SOC是minSOC,t2时刻对应的SOC是maxSOC。

maxSOC表示该段充电数据中最大的SOC值，minSOC表示该段充电数据中最小的SOC值。

通过安时积分的方法得出t1至t2时刻的充电容量AHsum，进一步，带入估算公式，推算出标准容量(Capinit)、当前容量(Cap)和容量衰减程度(SOH)。

当前容量(Cap)表示电池在满充状态下以一定的倍率放电到截止电压所放出的容量。在线估计锂电池容量：就是上述的可以计算出来的当前容量(Cap)。因为是在线估计，所以这个当前容量也是随时间在改变的。

初始容量(Capinit)：电池出厂时在满充状态下以一定的倍率放电到截止电压所放出的容量。SOH＝当前容量/初始容量,从SOH就能看出电池的容量衰减程度，刚出厂的时候，电池的SOH为100％，用了一段时间，SOH小于100％，一般来说，电池的SOH小于80％(也就是电池容量衰减了20％)，电池就该回收了。通过在线估计，可以得到当前时刻的“当前容量”和“初始容量”，那么也就可以得到当前时刻的SOH。在线估计电池容量的衰减程度：就是上述的计算出来的SOH。

对于锂电池的容量估计，估计方法的流程见图2所示，具体包括如下步骤：

S1.通过汽车上的电池管理系统(BMS)采集获取如图1所示的电池在多次充放电过程中的充电电流、荷点状态(SOC)和时间的数据。

S2.筛选用于计算初始容量的数据，初始容量记为Capinit。

S3.筛选用于计算初始容量的数据的条件为：该充电段的最小SOC<30％,且(maxSOC-minSOC)>20％，若某段充电段数据不符合该筛选条件，则舍弃该段充电段数据。maxSOC表示该段充电数据中最大的SOC值，minSOC表示该段充电数据中最小的SOC值。

S4.获取第ii段(ii≥1)符合要求的充电数据段，用于对锂电池初始容量Capinit(ii)进行计算。

S5.在第ii个符合要求的充电数据段计算第ii个初始容量，记为：Capinitk(ii)。

S6.把从minSOC到min{maxSOC，60％}对应的电流和时间进行积分得到这部分的容量，记为：AHsum。计算AHsum的公式如下：

上式中t₁表示该充电段的充电起始时间，t₂表示该充电段的充电结束时间。I_(t)表示该充电段中t时刻的电流值。

S7.计算第ii个初始容量Capinitk(ii)，公式如下：

Capinitk(ii)＝AHsum/(min{maxSOC，60％}-minSOC)

S8.计算初始容量Capinit(ii)，公式如下：

实质上这个表达式的原理是滤波的一个过程，m是滤波系数，是预设值，只要满足0＜m＜1。

S9.在进行S2的同时，筛选用于计算当前容量的数据，当前容量记为Cap。

S10.筛选用于计算当前容量的数据的条件为：该充电段的minSOC＜25％，且maxSOC≥99％，若某段充电段数据不符合该筛选条件，则舍弃该段充电段数据。

S11.获取第ii段(ii≥1)符合要求的充电数据段，用于对锂电池当前容量Cap(ii)进行计算。

S12.在第ii个符合要求的充电数据段计算第ii个当前容量，记为：Capk(ii)。

S13.把从minSOC到maxSOC对应的电流和时间进行积分得到这部分的容量，记为：Ahsum。计算Ahsum的公式如下：

上式中t₁表示该充电段的充电起始时间，t₂表示该充电段的充电结束时间。I_(t)表示该充电段中t时刻的电流值。

S14.计算第ii个当前容量Capk(ii)，公式如下：

Capk(ii)＝Ahsum/(maxSOC-minSOC)

S15.计算当前容量Cap(ii)，公式如下：

实质上这个表达式的原理是滤波的一个过程，n是滤波系数，是预设值，只要满足0＜n＜1。

S16.计算第ii个SOH，公式如下：

SOH(ii)＝Cap(ii)/Capinit(ii)(ii≥1)

如图3所示，图中的点为基于历史数据计算出来的SOH，就是基于S16中的公式计算得到的SOH值。进一步，对这些点进行拟合，拟合出的曲线k1就是SOH随行驶里程变化的关系。实施例中，采用在matlab(MATLAB是美国MathWorks公司出品的商业数学软件)对这些点进行拟合得到曲线k1。

MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂(矩阵实验室)。

从图3中的曲线k1可以看出，在得到0-7.8896万公里的历史SOH的基础上，还可以预测7.8896-12万公里的SOH变化情况。初始SOH为93.88，12万公里时的SOH预测结果为85.26％，SOH衰减了8.62％。

图4显示了在电池管理系统(BMS)中的29个温度传感器在电池充电时段的温度平均值随时间的变化情况，从图4中可以看出，随着时间的增加，温度先下降后上升，有的温度高达45℃，有的温度低至10℃。根据国标，电池的标准容量指的是在25℃下测试的容量，所以要对SOH进行温度修正，统一修正到25摄氏度的SOH。

S17.根据温度修正SOH，得到新的SOH，记为NewSOH，公式如下：

NewSOH＝SOH×(1-0.02×(T-25)÷10) (1)

其中，SOH＝Cap/Capinit。

图5是电池放电深度(DOD)随温度的变化，根据此关系对温度进行插值修正，公式如S17中的式1。

S18.根据温度修正后的NewSOH，进一步，计算锂电池的估计容量Cap_estimate。公式如下：

上式中的ii_max是所有符合筛选条件的充电数据段的个数。

根据以上估算方法，可以通过多次充放电过程中的充电电流、荷点状态(SOC)和时间的数据估计电池容量和容量衰减程度。

具体为：根据电池管理系统BMS可以获得t1和t2时刻对应的SOC值分别为：minSOC＝7％，maxSOC＝99％，SOC＝60％的充电时刻为t3，电流从t1至t3时刻积分得出充电容量AHsum，电流从t1至t2时刻积分得出充电容量Ahsum，带入估算公式，随着时间的推移，将多段充电数据重复上述过程，可推算出初始容量、当前容量和容量衰减程度随时间的变化。

如表1所示，在2019年4月11日某辆车的行驶里程表上是95331km，此时用BDU(电池分配(切断)单元(Battery Distribution Units))在线电池PACK测试仪测试其电池容量，测试结果的实测容量为108Ah。

表1

实际行驶里程(km)	实测容量(Ah)	估计容量(Ah)	误差
				95331	108	110.374	2.20％

如图6所示，图中的点为基于历史数据计算出来的SOH，就是基于S16中的公式计算得到的SOH值。在图6的预测曲线上根据横坐标95331km找到对应的SOH值为83.67％(这里已经是经过温度修正后的NewSOH)，进一步，根据S18计算其估计容量Cap_estimate为110.374Ah。实测容量108Ah与估计容量110.374Ah的误差仅仅为2.20％，表明本发明的基于多段充电曲线的锂电池容量估计方法真实可靠。

实施例的作用与效果

根据本实施例所涉及的锂电池容量估计方法，因为基于锂电池在多次充放电过程中的充电电流、荷点状态(SOC)和时间的数据，用滤波的方法计算电池的当前容量(Cap)和初始容量(Capinit)，并根据当前容量和初始容量的比值还可以得到电池的健康状态(SOH)，即电池容量的衰减程度，进一步地，还对SOH进行修正，减小误差。进一步，根据SOH还可以得到电池的容量。所以，本实施例具有可以在线估计锂电池的容量，又可以在线估计电池容量的衰减程度的优点。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (4)

1.一种锂电池容量估计方法，其特征在于，包括以下步骤：

步骤1，采集锂电池在充放电过程中的多个相关数据；

步骤2，基于预先设定的条件分别筛选用于计算锂电池初始容量Capinit的数据和锂电池当前容量Cap的数据；

步骤3，基于所述条件获取第ii段符合要求的锂电池充电数据段，其中ii≥1，用于分别对锂电池初始容量Capinit(ii)和锂电池当前容量Cap(ii)进行计算；

步骤4，在第ii个符合要求的锂电池充电数据段分别计算第ii个锂电池初始容量Capinitk(ii)和第ii个锂电池当前容量Capk(ii),

其中，

Capinitk(ii)＝AHsum/(min{maxSOC,60％}-minSOC)

Capk(ii)＝Ahsum/(maxSOC-minSOC)

t₁表示该充电数据段的充电起始时间，t₂表示该充电数据段的充电结束时间，t₃表示SOC＝60％的所对应的时间，I_(t)表示该充电数据段中t时刻的电流值，SOC为荷电状态，minSOC为t1时刻对应的SOC，maxSOC为t2时刻对应的SOC；

步骤5，得到锂电池初始容量Capinit(ii)和锂电池当前容量Cap(ii)，

锂电池初始容量Capinit(ii)的表达式为：

m为滤波系数，

锂电池当前容量Cap(ii)的表达式为：

n为滤波系数；

步骤6，计算第ii个SOH(电池健康状态),表达式为：

SOH(ii)＝Cap(ii)/Capinit(ii)(ii≥1)；

步骤7，根据温度修正SOH,得到温度修正后的NewSOH；

步骤8，根据温度修正后的所述NewSOH，计算所述锂电池的估计容量Cap_estimate，

其中，在所述步骤2中，所述预定的条件包括筛选用于计算锂电池初始容量的数据的条件以及筛选用于计算当前容量的数据的条件，

所述筛选用于计算锂电池初始容量的数据的条件为：该锂电池充电数据段的最小SOC<30％,且(maxSOC-minSOC)>20％，若某段锂电池充电数据段数据不符合该筛选条件，则舍弃该段充电数据段数据，

所述筛选用于计算当前容量的数据的条件为：该充电数据段的minSOC<25％,且maxSOC≥99％，若某段充电数据段数据不符合该筛选条件，则舍弃该段充电数据段数据。

2.根据权利要求1所述的锂电池容量估计方法，其特征在于：

其中，所述数据包括充电电流、荷电状态(SOC)以及充电时间的数据。

3.根据权利要求1所述的锂电池容量估计方法，其特征在于：其中，NewSOH表达式为：

NewSOH＝SOH×(1-0.02×(T-25)÷10)。

4.根据权利要求1所述的锂电池容量估计方法，其特征在于：

其中，Cap_estimate表达式为：

ii_max是所有符合筛选条件的充电数据段的个数。

Images