CN110082692B - 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 - Google Patents
一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 Download PDFInfo
- Publication number
- CN110082692B CN110082692B CN201910376004.2A CN201910376004A CN110082692B CN 110082692 B CN110082692 B CN 110082692B CN 201910376004 A CN201910376004 A CN 201910376004A CN 110082692 B CN110082692 B CN 110082692B
- Authority
- CN
- China
- Prior art keywords
- battery pack
- var
- voltage
- monomer
- cut
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
-
- 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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- 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
Abstract
一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法,涉及低轨卫星锂离子电池在轨性能评价领域,为了解决现有电池单体不一致性评估方法不适用于低轨卫星,无法评价电池组退化状态的问题。本发明在每个轨道周期结束后,提取电池组内各单体的单体充电截止电压数据;对同一轨道周期电池组内各单体充电截止电压进行K‑S检验;对同一轨道周期电池组内各单体充电截止电压进行W检验;若某一轨道周期的K‑S检验和W检验结果相同,且均为该轨道周期电池组内各单体充电截止电压满足正态分布,则计算该轨道周期的各单体充电截止电压方差,并用于表征单体间的不一致性。本发明适用于提取单体不一致性量化表征及电池组退化特征。
Description
技术领域
本发明涉及低轨卫星锂离子电池在轨性能评价领域。
背景技术
锂离子电池在实际空间应用中,通过串并联成组的形式组成电池组以满足系统对电压、功率、容量等的需求。由于电池组内单体存在不一致性,其在轨循环充放电过程中性能退化存在不一致。现有的电池单体不一致性评估方法,多采用容量、内阻等参数作为特征,通过绘制单体容量、内阻的统计柱状图定性描述电池单体不一致性,此类方法存在两个问题:(1)在低轨卫星应用中,受限于轨道周期和可靠性设计,电池的容量、内阻等参数不可测量;(2)电池不一致性的分布类型需要经过进一步验证以提升不一致性定量评估的精度。因此,需要使用可用的外测参数,如温度、电压、电流等构建表征锂离子电池单体不一致性的特征参数,并通过分布假设检验的方法确定分布类型,进而定量描述电池组内单体的不一致性,并表征电池组退化状态。
发明内容
本发明的目的是为了解决现有电池单体不一致性评估方法不适用于低轨卫星,无法评价电池组退化状态的问题,从而提供一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法。
本发明所述的一种低轨卫星电池组内单体不一致性量化表征提取方法,该方法包括:
步骤一、在每个轨道周期结束后,提取电池组内各单体的单体充电截止电压数据;
步骤二、对同一轨道周期电池组内各单体充电截止电压进行K-S检验;
步骤三、对同一轨道周期电池组内各单体充电截止电压进行W检验;
步骤四、若某一轨道周期的K-S检验和W检验结果相同,且均为该轨道周期电池组内各单体充电截止电压满足正态分布,则计算该轨道周期的各单体充电截止电压方差,并用于表征单体间的不一致性。
优选的是,步骤二中对同一轨道周期电池组内各单体充电截止电压进行K-S检验具体为:
同一轨道周期电池组内各单体充电截止电压为:
定义:
建立经验分布函数Fn(u):
计算经验分布函数和正态概率分布函数F(u)之差的最大值Dn:
优选的是,步骤三中对同一轨道周期电池组内各单体充电截止电压进行W检验具体为:
同一轨道周期电池组内各单体充电截止电压为:
定义:
计算检验统计量W:
优选的是,以第i个轨道周期为例进行说明,步骤四的第i个轨道周期的各单体充电截止电压方差Var(i)为:
本发明所述的一种低轨卫星电池组退化特征的提取方法,该方法包括:
基于一种低轨卫星电池组内单体不一致性量化表征提取方法获得多个轨道周期的各单体充电截止电压方差,形成电池方差序列X;提取与X对应的电池组放电截止电压数据Y;
对X和Y进行Pearson相关性分析;
对X和Y进行Kendall秩相关性分析;
对X和Y进行Spearman秩相关性分析;
当上述三种相关性分析中至少有一种分析结果为X和Y极强相关时,则采用各单体充电截止电压方差表征电池组退化特征,完成低轨卫星电池组退化特征的提取。
优选的是,对X和Y进行Pearson相关性分析具体为:
X={Var(1),Var(2),...,Var(i),...},Y={Ud(1),Ud(2),...,Ud(i),...}
Var(i)为第i个轨道周期的各单体充电截止电压方差,Ud(i)为第i个轨道周期的电池组放电截止电压;
相关系数ρX,Y为:
其中,M为向量X大小;当|ρX,Y|处于[0.8,1]区间时,X和Y极强相关。
优选的是,对X和Y进行Kendall秩相关性分析具体为:
X={Var(1),Var(2),...,Var(i),...},Y={Ud(1),Ud(2),...,Ud(i),...}
Var(i)为第i个轨道周期的各单体充电截止电压方差,Ud(i)为第i个轨道周期的电池组放电截止电压数据;
相关系数τ为:
其中,M为向量X大小;对于每个样本对(Var(i),Ud(i))和 (Var(j),Ud(j)),(i,j∈M,i≠j),当Var(i)>Var(j),Ud(i)>Ud(j)或当Var(i)<Var(j), Ud(i)<Ud(j)时,Var(i),Ud(i)保持一致;当Var(i)>Var(j),Ud(i)<Ud(j)或当 Var(i)<Var(j),Ud(i)>Ud(j)时,Var(i),Ud(i)为不一致;C为保持一致的 (Var(i),Ud(i))样本对的个数,参数D表示不一致的(Var(i),Ud(i))样本对的个数;
当|τ|处于[0.8,1]区间时,X和Y极强相关。
优选的是,对X和Y进行Spearman秩相关性分析具体为:
X={Var(1),Var(2),...,Var(i),...},Y={Ud(1),Ud(2),...,Ud(i),...}
Var(i)为第i个轨道周期的各单体充电截止电压方差,Ud(i)为第i个轨道周期的电池组放电截止电压数据;
秩相关系数τs为:
其中,M为向量X大小,i=1,2,...,M;当|τs|处于[0.8,1]区间时,X和Y极强相关。
本发明提出一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法。首先该方法提取电池组内各单体的单体充电截止电压,通过K-S检验与W检验方法提取服从正态分布的轨道周期,然后计算了提取出的轨道周期的电池组各单体充电截止电压的方差,并将方差与电池组放电截止电压数据即电池组退化特征进行了皮尔逊(Pearson)相关性分析、肯德尔(Kendall)秩相关性分析以及斯皮尔曼(Spearman)秩相关性分析,当两者之间存在极强相关关系时,各单体充电截止电压方差能够表征电池组退化程度。
附图说明
图1是具体实施方式中各单体充电截止电压方差与电池组放电截止电压的关系图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本实施方式采用低轨卫星电池组地面测试数据,电池组由3并9串锂离子电池组成。
本实施方式所述的一种低轨卫星电池组退化特征的提取方法,该方法包括:
(1)针对低轨卫星电池组,在每个轨道周期结束后,提取电池组内单体在光照期结束时的单体充电截止电压数据,记作其中,为第n 节电池充电截止电压且1≤n≤N,N为电池组内单体电池总数,N的取值为9,i 表示卫星的轨道周期数;
(2)提取电池组放电截止电压数据,记作Ud={Ud(1),Ud(2)...,Ud(i),...},其中,Ud(i) 为第i个轨道周期的电池组放电截止电压数据;
(4)建立经验分布函数Fn(u)如公式(1)所示:
(5)经验分布函数和正态概率分布函数F(u)之间的差的最大值Dn被用作拟合优度检验的统计量。计算方法如下:
(8)W检验的数据统计如公式(3)所示。
其中,m=(m1,m2,...,mN)是从一个标准的正态分布随机变量上采样的有序独立同分布的统计量的期望值,V为是这些有序统计量的协方差;
表1标准W检验法的系数表
(10)若K-S检验和W检验的结果均满足对应的零假设,则证明在第i个周期航天器锂电池单体的充电截止电压满足正态分布,各个单体的充电截止电压方差可表征单体间的不一致性。计算第i个轨道周期各个单体充电截止电压的方差Var(i),如公式 (6)所示:
(11)将电池方差序列记为X={Var(1),Var(2),...,Var(i),...},将与X对应的电池组放电截止电压数据记为Y={Ud(1),Ud(2),...,Ud(i),...},进行Pearson相关性分析,如下式所示:
其中,M为向量X大小,当|ρX,Y|处于[0,0.2)区间时,两变量极弱相关或无相关;当|ρX,Y|处于[0.2,0.4)区间时,两变量弱相关;当|ρX,Y|处于[0.4,0.6)区间时,两变量中等程度相关;当|ρX,Y|处于[0.6,0.8)区间时,两变量强相关;当|ρX,Y|处于[0.8,1]区间时,两变量极强相关;
(12)将X与Y进行Kendall秩相关性分析,如公式(9)所示:
其中,M为向量X大小。对于每个样本对(Var(i),Ud(i))和 (Var(j),Ud(j)),(i,j∈M,i≠j),当Var(i)>Var(j),Ud(i)>Ud(j)或当Var(i)<Var(j), Ud(i)<Ud(j)时,Var(i),Ud(i)保持一致;当Var(i)>Var(j),Ud(i)<Ud(j)或当Var(i)<Var(j),Ud(i)>Ud(j)时,Var(i),Ud(i)为不一致。公式中参数C为保持一致的(Var(i),Ud(i))样本对的个数,参数D表示不一致的(Var(i),Ud(i))样本对的个数。相关系数τ越大,表明X与Y越相似;相关程度的判断方法与ρX,Y的判断方法相同。
(13)将X与Y进行Spearman秩相关性分析,首先对X与Y中的数据均进行从小到大排序,得到X′与Y′;将X′与X、Y′与Y作差,获取差值序列,i=1,2,…,M;Spearman秩相关系数τs可由公式(10)计算得出:
当X与Y完全单调相关,|τs|=1;τs>0表示X与Y正相关;τs<0表示X与Y负相关,相关程度的判断方法与ρX,Y的判断方法相同。
当上述三种相关性分析中至少有一种分析结果为X和Y极强相关时,则采用各单体充电截止电压方差表征电池组退化特征,完成低轨卫星电池组退化特征的提取。
表2和表3分别为K-S检验和W检验的结果,P_value为检验的统计量;表4为相关性检验结果,两种方法的相关性检验结果为X和Y极强相关,则采用各单体充电截止电压方差表征电池组退化特征。图1为各单体充电截止电压方差与电池组放电截止电压的关系图,可见各单体充电截止电压方差与电池组放电截止电压呈线性变化,各单体充电截止电压方差能用于表征电池组退化特征。
表2 K-S检验结果
周期数 | P_value | 接受假设 |
1 | 0.102 | H<sub>0</sub> |
1601 | 0.094 | H<sub>0</sub> |
3201 | 0.200 | H<sub>0</sub> |
4801 | 0.141 | H<sub>0</sub> |
表3 W检验结果
周期数 | P_value | 接受假设 |
1 | 0.870 | H<sub>0</sub> |
1601 | 0.864 | H<sub>0</sub> |
3201 | 0.889 | H<sub>0</sub> |
4801 | 0.858 | H<sub>0</sub> |
表4相关性检验结果
ρ<sub>X,Y</sub> | τ | τ<sub>s</sub> |
-0.83 | -0.68 | -0.88 |
本实施方式将电池组内单体的充电截止电压作为表征单体不一致性的特征,通过K-S 检验和W检验方法确定电池组内单体不一致性的分布类型,实现锂离子电池组内单体的不一致性定量评估。进而以低轨卫星电池组放电截止电压作为参考序列,将各个周期电池组不一致性的分布参数作为比较序列,验证分布参数的退化表征能力,从而从组内单体不一致性角度实现电池组的性能退化表征。
Claims (6)
1.一种低轨卫星电池组内单体不一致性量化表征提取方法,其特征在于,该方法包括:
步骤一、在每个轨道周期结束后,提取电池组内各单体的单体充电截止电压数据;
步骤二、对同一轨道周期电池组内各单体充电截止电压进行K-S检验;
步骤三、对同一轨道周期电池组内各单体充电截止电压进行W检验;
步骤四、若某一轨道周期的K-S检验和W检验结果相同,且均为该轨道周期电池组内各单体充电截止电压满足正态分布,则计算该轨道周期的各单体充电截止电压方差,并用于表征单体间的不一致性;
步骤二中对同一轨道周期电池组内各单体充电截止电压进行K-S检验具体为:
同一轨道周期电池组内各单体充电截止电压为:
定义:
建立经验分布函数Fn(u):
计算经验分布函数和正态概率分布函数F(u)之差的最大值Dn:
步骤三中对同一轨道周期电池组内各单体充电截止电压进行W检验具体为:
同一轨道周期电池组内各单体充电截止电压为:
定义:
计算检验统计量W:
3.一种低轨卫星电池组退化特征的提取方法,其特征在于,该方法包括:
基于上述任意一项权利要求所述的一种低轨卫星电池组内单体不一致性量化表征提取方法获得多个轨道周期的各单体充电截止电压方差,形成电池方差序列X;提取与X对应的电池组放电截止电压数据Y;
对X和Y进行Pearson相关性分析;
对X和Y进行Kendall秩相关性分析;
对X和Y进行Spearman秩相关性分析;
当上述三种相关性分析中至少有一种分析结果为X和Y极强相关时,则采用各单体充电截止电压方差表征电池组退化特征,完成低轨卫星电池组退化特征的提取。
5.根据权利要求3所述的一种低轨卫星电池组退化特征的提取方法,其特征在于,对X和Y进行Kendall秩相关性分析具体为:
X={Var(1),Var(2),…,Var(i),…},Y={Ud(1),Ud(2),…,Ud(i),…}
Var(i)为第i个轨道周期的各单体充电截止电压方差,Ud(i)为第i个轨道周期的电池组放电截止电压数据;
相关系数τ为:
其中,M为向量X大小;对于每个样本对(Var(i),Ud(i))和(Var(j),Ud(j)),(i,j∈M,i≠j),当Var(i)>Var(j),Ud(i)>Ud(j)或当Var(i)<Var(j),Ud(i)<Ud(j)时,Var(i),Ud(i)保持一致;当Var(i)>Var(j),Ud(i)<Ud(j)或当Var(i)<Var(j),Ud(i)>Ud(j)时,Var(i),Ud(i)为不一致;C为保持一致的(Var(i),Ud(i))样本对的个数,参数D表示不一致的(Var(i),Ud(i))样本对的个数;
当|τ|处于[0.8,1]区间时,X和Y极强相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376004.2A CN110082692B (zh) | 2019-05-07 | 2019-05-07 | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376004.2A CN110082692B (zh) | 2019-05-07 | 2019-05-07 | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110082692A CN110082692A (zh) | 2019-08-02 |
CN110082692B true CN110082692B (zh) | 2021-07-06 |
Family
ID=67419100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910376004.2A Active CN110082692B (zh) | 2019-05-07 | 2019-05-07 | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110082692B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447834B (zh) * | 2020-03-25 | 2023-05-09 | 比亚迪股份有限公司 | 电池容量一致性分析方法及装置,存储介质,电子设备 |
CN113917351B (zh) * | 2021-10-09 | 2023-12-22 | 长沙理工大学 | 基于容量变化的储能电站电池簇不一致性在线评估方法 |
CN115980612B (zh) * | 2023-03-21 | 2023-07-07 | 中国人民解放军火箭军工程大学 | 一种卫星电池组健康状态评估方法、系统及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3340504B2 (ja) * | 1993-04-20 | 2002-11-05 | 日本電信電話株式会社 | 鉛蓄電池の劣化判定方法 |
JP2012068129A (ja) * | 2010-09-24 | 2012-04-05 | Toyota Motor Corp | 二次電池の診断装置および診断方法 |
CN102798823A (zh) * | 2012-06-15 | 2012-11-28 | 哈尔滨工业大学 | 基于高斯过程回归的锂电池健康状况预测方法 |
CN105576318A (zh) * | 2016-02-23 | 2016-05-11 | 上海电力学院 | 确定电动汽车退役锂电池一致性的多参数综合判定方法 |
CN106597311A (zh) * | 2016-12-21 | 2017-04-26 | 哈尔滨工业大学 | 基于主成分分析的融合hi等效性锂离子电池退化预测方法 |
CN106772080A (zh) * | 2016-12-21 | 2017-05-31 | 哈尔滨工业大学 | 空间锂离子电池加速退化试验时间等效性建模方法 |
CN108629079A (zh) * | 2018-03-28 | 2018-10-09 | 北京空间飞行器总体设计部 | 一种航天器锂离子蓄电池组全寿命周期健康状态评价方法 |
-
2019
- 2019-05-07 CN CN201910376004.2A patent/CN110082692B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3340504B2 (ja) * | 1993-04-20 | 2002-11-05 | 日本電信電話株式会社 | 鉛蓄電池の劣化判定方法 |
JP2012068129A (ja) * | 2010-09-24 | 2012-04-05 | Toyota Motor Corp | 二次電池の診断装置および診断方法 |
CN102798823A (zh) * | 2012-06-15 | 2012-11-28 | 哈尔滨工业大学 | 基于高斯过程回归的锂电池健康状况预测方法 |
CN105576318A (zh) * | 2016-02-23 | 2016-05-11 | 上海电力学院 | 确定电动汽车退役锂电池一致性的多参数综合判定方法 |
CN106597311A (zh) * | 2016-12-21 | 2017-04-26 | 哈尔滨工业大学 | 基于主成分分析的融合hi等效性锂离子电池退化预测方法 |
CN106772080A (zh) * | 2016-12-21 | 2017-05-31 | 哈尔滨工业大学 | 空间锂离子电池加速退化试验时间等效性建模方法 |
CN106772080B (zh) * | 2016-12-21 | 2020-04-14 | 哈尔滨工业大学 | 空间锂离子电池加速退化试验时间等效性建模方法 |
CN108629079A (zh) * | 2018-03-28 | 2018-10-09 | 北京空间飞行器总体设计部 | 一种航天器锂离子蓄电池组全寿命周期健康状态评价方法 |
Non-Patent Citations (2)
Title |
---|
李香龙等.梯次利用锂离子动力电池试验特性分析.《电源技术》.2013,第37卷(第11期), * |
焦东升等.一种动力电池容量一致性辨识方法.《电源技术》.2016,第40卷(第7期), * |
Also Published As
Publication number | Publication date |
---|---|
CN110082692A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110082692B (zh) | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 | |
Sun et al. | A systematic state-of-charge estimation framework for multi-cell battery pack in electric vehicles using bias correction technique | |
CN109946623B (zh) | 一种锂电池的soc在线估测方法 | |
Kim et al. | Complementary cooperation algorithm based on DEKF combined with pattern recognition for SOC/capacity estimation and SOH prediction | |
CN107066722B (zh) | 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法 | |
CN108732510B (zh) | 基于内部特征的锂离子电池一致性筛选分组方法 | |
CN104267355B (zh) | 基于工况测试和简化阻抗谱等效电路模型的电池分选方法 | |
CN111707951A (zh) | 一种电池组一致性评估方法及系统 | |
CN101641607B (zh) | 二次电池的状态估计装置 | |
CN110133525B (zh) | 一种应用于电池管理系统的锂离子电池健康状态估计方法 | |
US20180024200A1 (en) | Secondary battery state-of-charge estimating device and secondary battery state-of-charge estimating method | |
CN106443480A (zh) | 一种锂离子电池系统soc估算方法 | |
CN112051512B (zh) | 一种梯次利用分选方法及储能系统 | |
CN104833917B (zh) | 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定 | |
Kim et al. | Pattern recognition for temperature-dependent state-of-charge/capacity estimation of a Li-ion cell | |
Shin et al. | A statistical model of cell-to-cell variation in Li-ion batteries for system-level design | |
CN108780927B (zh) | 电池包均衡方法、电池管理系统及电池系统 | |
CN109100652A (zh) | 一种用于预测梯次利用动力电池的离散度的方法及系统 | |
CN114089191A (zh) | 一种复合锂离子电池健康状况估计方法 | |
CN114026443A (zh) | 用于检测内部短路电池单体的方法 | |
CN111896882A (zh) | 一种电池容量确定方法、装置及车辆 | |
Dragičević et al. | Battery state-of-charge and parameter estimation algorithm based on Kalman filter | |
CN113820615B (zh) | 一种电池健康度检测方法与装置 | |
CN1879251B (zh) | 电池浮充管理 | |
CN114509678A (zh) | 一种基于大数据的动力电池热失控预测方法 |
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 |