CN110133534A - 蓄电池老化趋势的评估方法 - Google Patents

蓄电池老化趋势的评估方法 Download PDF

Info

Publication number
CN110133534A
CN110133534A CN201910501810.8A CN201910501810A CN110133534A CN 110133534 A CN110133534 A CN 110133534A CN 201910501810 A CN201910501810 A CN 201910501810A CN 110133534 A CN110133534 A CN 110133534A
Authority
CN
China
Prior art keywords
battery
capacity
discharge
moment
formula
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
Application number
CN201910501810.8A
Other languages
English (en)
Other versions
CN110133534B (zh
Inventor
贾强
王伟
赵劭康
臧志成
庞振江
于浩
马凯
赵赤巍
黄影
刘国营
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Beijing Smartchip Microelectronics Technology Co Ltd
Information and Telecommunication Branch of State Grid Anhui Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Hebei Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Shaanxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Beijing Smartchip Microelectronics Technology Co Ltd
Information and Telecommunication Branch of State Grid Anhui Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Hebei Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Shaanxi Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, Beijing Smartchip Microelectronics Technology Co Ltd, Information and Telecommunication Branch of State Grid Anhui Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Hebei Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Shaanxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910501810.8A priority Critical patent/CN110133534B/zh
Publication of CN110133534A publication Critical patent/CN110133534A/zh
Application granted granted Critical
Publication of CN110133534B publication Critical patent/CN110133534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种蓄电池老化趋势的评估方法，包括：对待评估的蓄电池进行一个周期的放电；获取所述蓄电池的当前的放电时间t；根据所述当前的放电时间t对蓄电池的容量进行预测；根据所述当前的放电时间t、所述预测的蓄电池的容量以及公式一计算所述蓄电池的周期系数a，以及影响温度的系数将计算的所述周期系数a，所述影响温度的系数代入所述第一公式，以获得所述下一周期的蓄电池老化趋势函数，所述蓄电池老化趋势函数为蓄电池容量根据周期的变化曲线，从而实现对蓄电池的老化趋势进行评估。本实施例提供的蓄电池老化趋势的评估方法，能实时评估蓄电池在使用过程中老化的程度，提高设备运行的安全性和可靠性。

Description

蓄电池老化趋势的评估方法
技术领域
本发明是关于蓄电池的评估方法，特别是关于一种蓄电池老化趋势的评估方法。
背景技术
阀控式铅酸蓄电池(Value Regulated Lend Acid，简称VRLA)，由于价格便宜，性能稳定，技术和制造工艺成熟，在我国电力、通信、汽车、电动车以及风光储能等工业领域中被广泛使用。然而，蓄电池在实际使用过程中提前失效的现象常有发生，有的只能使用2年，远远低于设计寿命，严重影响备用供电设备的安全运行。
蓄电池是一个复杂的电化学反应系统，蓄电池的老化受温度、供电电流、供电频率、充电系统和日常维护等因素影响，由于蓄电池的老化是指实际使用的蓄电池在一个运行周期内实际容量衰减的幅度。当前的容量预测方法主要有：(1)蓄电池电压测量法(2)核对放电法(3)电导(内阻)测量法(4)最小二乘法(5)等效电路模型容量预测法(Peukert方程、开路电压、安时模型、Shepard模型和Martin模型组合)等。因为蓄电池的外部参数与容量之间的关系呈现复杂的非线性，在实际应用中也不足，总体来看效果并不理想。这样一系列的不足导致了当前国内外铅酸蓄电池容量测试智能化程度低。
而对蓄电池在实际条件下的使用特性(使用价值)目前还没有有效的评估方法，本发明能实时评估蓄电池在使用过程中能否满足真是负载使用要求和在特定环境下使用老化的程度，提高设备运行的安全性和可靠性。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种蓄电池老化趋势的评估方法，其能够实时评估蓄电池的老化程度。
为实现上述目的，本发明提供了一种蓄电池老化趋势的评估方法，包括：对待评估的蓄电池进行一个周期的放电；获取所述蓄电池的当前的放电时间t；根据所述当前的放电时间t对蓄电池的容量进行预测；根据所述当前的放电时间t、所述预测的蓄电池的容量以及公式一计算所述蓄电池的周期系数a，以及影响温度的系数将计算的所述周期系数a，所述影响温度的系数代入所述第一公式，以获得所述下一周期的蓄电池老化趋势函数，所述蓄电池老化趋势函数为蓄电池容量根据周期的变化曲线，所述公式一为：
其中，为活性物及介质之间反应的温度系数，为化学反应提供的能量转换系数，影响温度的系数为与的乘积，b为所述蓄电池的放电常数。
在一优选的实施方式中，所述根据所述当前的放电时间t对蓄电池的容量进行预测包括：获取所述放电时间t时刻蓄电池两端的实际电压Vt；获取所述放电时间t的上一个时间点i的完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi；获取所述放电时间t的下一个时间点i+1的完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1；根据所述放电时间t时蓄电池两端的实际电压Vt，i时刻完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi，i+1时刻完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1，对蓄电池的容量进行预测。
在一优选的实施方式中，所述获取所述放电时间t的上一个时间点i完全放电下的蓄电池容量P(i)，包括：根据公式二，计算i时刻完全放电下的蓄电池的容量P(i)
其中，C25为25℃时蓄电池的容量；K为蓄电池的温度系数；Ii为i时刻的实际负载电流；I10为十小时放电率电流值，T25为标准温度，Ti为i时刻下蓄电池完全放电时的环境温度。
在一优选的实施方式中，所述获取所述放电时间t的下一个时间点i+1的完全放电下的蓄电池容量P(i+1)包括：根据公式三，计算i+1时刻完全放电下的蓄电池的容量P(i+1)，公式三为：
其中，C25为25℃时蓄电池的容量，K为蓄电池的温度系数，Ii为i时刻的实际负载电流，T25为标准温度，I10为十小时放电率电流值，Ti+1为i+1时刻下蓄电池完全放电时的环境温度。
在一优选的实施方式中，所述根据所述放电时间t时蓄电池两端电压Vt，i时刻完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi，i+1时刻完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1，对蓄电池的容量进行预测，包括：根据公式四，对所述蓄电池的剩余容量进行预测，所述公式四包括：
其中，C(t)为放电时间t时刻的蓄电池的剩余容量，It是蓄电池的实际放电电流，Tt是蓄电池的周围环境温度，I0是指蓄电池十分之一额定容量的电流，Vt为蓄电池两端的实际电压。
在一优选的实施方式中，所述放电时间t与上一个时间点i和/或下一个时间点i+1的间隔为预设间隔。
与现有技术相比，根据本发明的蓄电池老化趋势的评估方法，能直实时评估蓄电池在使用过程中能否满足真是负载使用要求和在特定环境下使用老化的程度，提高设备运行的安全性和可靠性，采用循环渐进的评估老化趋势，使蓄电池在实际使用过程中，利用大数据分析充分考虑客观因素对老化程度的影响，提高评估的老化趋势的准确性并有效的降低了误差。
附图说明
图1是根据本发明一实施方式的蓄电池老化趋势的评估方法的流程图。
图2是根据本发明一实施方式的蓄电池的老化变化趋势曲线图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
蓄电池老化趋势是在正常使用条件下，依据蓄电池已运行的周期内容量衰减变化的规律，建立数学模型，用来评估蓄电池在下一个相同的周期内老化的程度。如图1所示，其为根据本发明优选实施方式的蓄电池老化趋势的评估方法的流程图，包括步骤S1-S5。
步骤S1，对待评估的蓄电池进行一个周期的放电。
步骤S2，获取待评估的蓄电池的当前的放电时间t。
具体的，放电时间t为待评估的蓄电池进行放电的时间，本实施例中放电时间与周期相同。本实施例提供的方法是根据已知的蓄电池的放电时间和容量的预测值，获得容量与放电时间的变化曲线，从而实现老化趋势的评估。
步骤S3，根据所述当前的放电时间t对蓄电池的容量进行预测。
其中，步骤S3具体包括S31-S33。
步骤S31，获取所述放电时间t时刻蓄电池两端的实际电压Vt；
步骤S32，获取所述放电时间t的上一个时间点i的完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi；获取所述放电时间t的下一个时间点i+1的完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1。
其中，放电时间t与上一个时间点i和/或下一个时间点i+1的间隔为预设间隔。
具体的，步骤S32可以通过建立蓄电池的放电曲线，根据放电曲线直接获取P(i)以及P(i+1)。当蓄电池完全放电，也就是以10小时放电时，记录蓄电池的放电曲线，将容量放电曲线分割20段形成标准放电曲线。之后，当蓄电池放电至时间t时，放电曲线中时间t对应的容量为P(t)，上一个时间点i在放电曲线上对应的容量为P(i)和上一个时间点i+1在放电曲线上对应的容量为P(i+1)，根据时间横坐标i以及i+1获取纵坐标P(i)以及P(i+1)的值。
步骤S32可以包括：根据公式二，计算i时刻完全放电下的蓄电池的容量P(i)，公式二为：
其中，C25为25℃时蓄电池的容量；K为蓄电池的温度系数；Ii为i时刻的实际负载电流；I10为十小时放电率电流值，Ti为i时刻下蓄电池完全放电时的环境温度。
铅酸蓄电池容量指标工作容量变化的参数采集可分为供电频率和负载电流值，工作温度，值由负载电流大小和温度决定的。综合以上因素分析，影响铅酸蓄电池工作电压(定义容量截止标准电压值)，工作周期，按照类别和逻辑关系可周期性采集存储关联数据。
可以通过在线评估装置的数据采集模块采集i时刻蓄电池两端电压Vi。
根据公式三，计算i+1时刻完全放电下的蓄电池的容量P(i+1)，公式三为：
其中，C25为25℃时蓄电池的容量；K为蓄电池的温度系数；Ii+1为i+1时刻的实际负载电流；I10为十小时放电率电流值，T25为标准温度，即25摄氏度，Ti+1为i+1时刻下蓄电池完全放电时的环境温度。
可以通过在线评估装置的数据采集模块采集i+1时刻蓄电池两端电压Vi+1。
步骤S33，根据所述放电时间t时蓄电池两端的实际电压Vt，i时刻完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi，i+1时刻完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1，对蓄电池的容量进行预测。
具体包括：根据公式四，对所述蓄电池的剩余容量进行预测，所述公式四为：
其中，C(t)为放电时间t时刻的蓄电池的剩余容量，It是蓄电池实际放电电流，Tt是蓄电池的周围环境温度，I0是指蓄电池十分之一额定容量的电流，Vt为蓄电池两端的实际电压。式中K为温度矫正系数，依据负载电流大小进行选值(0.003～0.012)，受供电和不完全放电频率影响的(温度可补偿修正)。
通过分析循环周期内铅酸蓄电池容量失效变化，可得出蓄电池的老化变化趋势曲线图，请参阅图2。
蓄电池容量由额定容量100％逐渐降到80％以下时，蓄电池就报废了。上述步骤得出的蓄电池老化变化趋势类似曲线图可近似由二次函数表达，二次函数系数a代表曲线点的加速度。铅酸蓄电池的反应原理为电化学反应可知，受铅和氧化铅及硫酸活性物影响，同时受温度和循环次数影响。因此蓄电池每运行一段时间后，容量及相关性能参数都会变化。
步骤S4，根据所述放电时间t、所述预测的蓄电池的容量以及公式一计算所述蓄电池的周期系数a，以及影响温度的系数
具体的，b可以根据经验值进行预先设定，将所述预测的蓄电池的容量C(t)作为F(t)的值，与放电时间t一起代入公式一中，根据最小二乘法将多次的放电时间以及预测的蓄电池的容量代入，进行a和的计算。
将a和代入公式一，获得下一放电周期的关于蓄电池容量与放电周期的变化曲线。
步骤S5，将计算的所述周期系数a，所述影响温度的系数代入所述第一公式，以获得所述蓄电池老化趋势函数，所述公式一为：
其中，为活性物及介质之间反应的温度系数，为化学反应提供能量转换的因素，影响温度的系数为与的乘积，b为所述蓄电池的放电常数。
根据所述蓄电池老化趋势函数，对蓄电池老化趋势进行评估。
需要说明的是，本实施例中蓄电池的容量的预测可以是蓄电池的剩余容量的预测。或者，可以根据预测电池已放电容量来计算剩余容量。
具体的，步骤S33中还可以包括对蓄电池的已放电容量进行预测，具体的，通过公式五预测电池已放电容量，公式五为：
根据预测的已放电容量计算剩余容量C(left)；
C(left)＝C(total)-C(t) (6)
其中，C(total)为自学习放电曲线中，电压达到保护下电电压Vend时，第20个点的容量，即放电总容量。自学习放电曲线为步骤S32中建立的放电曲线。
由此，通过本实施例提供的蓄电池老化趋势的评估方法，能直实时评估蓄电池在使用过程中能否满足真是负载使用要求和在特定环境下使用老化的程度，提高设备运行的安全性和可靠性。采用循环渐进的评估老化趋势，使蓄电池在实际使用过程中，利用大数据分析充分考虑客观因素对老化程度的影响，提高评估的老化趋势的准确性并有效的降低了误差。
需要说明的是，蓄电池在投入运行时，在预设的运行周期内，系统统计周期内供电充电频率、供电深度和使用环境等参数，形成已经运行周期内的老化趋势模型，依据已经运行周期内的老化趋势评估蓄电池在相同使用条件下下一周期内老化的程度。当蓄电池完成运行下一周期后，系统统计蓄电池自起始投入运行至此时供电充电频率、每次供电深度和使用环境等参数，利用大数据分析自动形成老化趋势模型(因为不同周期内蓄电池老化趋势模型的系数是不同的)，依据此时的老化模型系统可评估出蓄电池在下一个运行周期内老化的程度，评估系统采用周期循环渐进的方式进行评估，便于管理者做出对应的决策，保障设备供电安全。
以下采用具体实验数据进行详细说明。铅酸蓄电池的主要失效模式是容量衰减，试验条件按照实际使用中进行，实际使用环境为每月供电1次，每次提供实际容量的80％以上，截止电压为1.800V的深度供电。即每月进行放电测试并记录数据，试验电流为26-30A。采集频率为每月记录1次数据.依据蓄电池放电性能参数采集，计算蓄电池实际容量(SOH)，并用百分比表示。样本测试数据如表1所示：
表1
评估误差应该反应出评估方法的精度，误差值与准确性的高低成反比关系。当然对评估误差的计算有很多不同的指标，可以通过公式七对实施例提供的预测的蓄电池容量的误差进行评价，公式七为：
其中，yi是实测容量，yˊi是根据公式四预测的容量值。根据以上计算结果可知，模型的评估结果和实测结果的误差均不超过10％，而且适应度的计算结果为0.0608，也表明在线评估蓄电池老化趋势的方法在实际应用中能得出非常准确的结果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (6)

1.一种蓄电池老化趋势的评估方法，其特征在于，包括：
对待评估的蓄电池进行一个周期的放电；
获取所述蓄电池的当前的放电时间t；
根据所述当前的放电时间t对蓄电池的容量进行预测；
根据所述当前的放电时间t、所述预测的蓄电池的容量以及公式一计算所述蓄电池的周期系数a，以及影响温度的系数
将计算的所述周期系数a，所述影响温度的系数代入所述第一公式，以获得所述下一周期的蓄电池老化趋势函数，所述蓄电池老化趋势函数为蓄电池容量根据周期的变化曲线，所述公式一为：
其中，为活性物及介质之间反应的温度系数，为化学反应提供的能量转换系数，影响温度的系数为与的乘积，b为所述蓄电池的放电常数。
2.如权利要求1所述的评估方法，其特征在于，所述根据所述当前的放电时间t对蓄电池的容量进行预测包括：
获取所述放电时间t时刻蓄电池两端的实际电压Vt；
获取所述放电时间t的上一个时间点i的完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi；获取所述放电时间t的下一个时间点i+1的完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1；
根据所述放电时间t时蓄电池两端的实际电压Vt，i时刻完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi，i+1时刻完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1，对蓄电池的容量进行预测。
3.如权利要求2所述的评估方法，其特征在于，所述获取所述放电时间t的上一个时间点i完全放电下的蓄电池容量P(i)，包括：
根据公式二，计算i时刻完全放电下的蓄电池的容量P(i)
其中，C25为25℃时蓄电池的容量；K为蓄电池的温度系数；Ii为i时刻的实际负载电流；I10为十小时放电率电流值，T25为标准温度，Ti为i时刻下蓄电池完全放电时的环境温度。
4.如权利要求3所述的评估方法，其特征在于，所述获取所述放电时间t的下一个时间点i+1的完全放电下的蓄电池容量P(i+1)包括：
根据公式三，计算i+1时刻完全放电下的蓄电池的容量P(i+1)，公式三为：
其中，C25为25℃时蓄电池的容量，K为蓄电池的温度系数，Ii为i时刻的实际负载电流，T25为标准温度，I10为十小时放电率电流值，Ti+1为i+1时刻下蓄电池完全放电时的环境温度。
5.如权利要求4所述的评估方法，其特征在于，所述根据所述放电时间t时蓄电池两端电压Vt，i时刻完全放电下的蓄电池容量P(i)以及蓄电池两端电压Vi，i+1时刻完全放电下的蓄电池容量P(i+1)以及蓄电池两端电压Vi+1，对蓄电池的容量进行预测，包括：
根据公式四，对所述蓄电池的剩余容量进行预测，所述公式四包括：
其中，C(t)为放电时间t时刻的蓄电池的剩余容量，It是蓄电池的实际放电电流，Tt是蓄电池的周围环境温度，I0是指蓄电池十分之一额定容量的电流，Vt为蓄电池两端的实际电压。
6.如权利要求1所述的评估方法，其特征在于，所述放电时间t与上一个时间点i和/或下一个时间点i+1的间隔为预设间隔。
CN201910501810.8A 2019-06-11 2019-06-11 蓄电池老化趋势的评估方法 Active CN110133534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910501810.8A CN110133534B (zh) 2019-06-11 2019-06-11 蓄电池老化趋势的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910501810.8A CN110133534B (zh) 2019-06-11 2019-06-11 蓄电池老化趋势的评估方法

Publications (2)

Publication Number Publication Date
CN110133534A true CN110133534A (zh) 2019-08-16
CN110133534B CN110133534B (zh) 2021-06-04

Family

ID=67580838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910501810.8A Active CN110133534B (zh) 2019-06-11 2019-06-11 蓄电池老化趋势的评估方法

Country Status (1)

Country Link
CN (1) CN110133534B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507622A (zh) * 2020-04-17 2020-08-07 中国能源建设集团江苏省电力设计院有限公司 一种蓄电池容量计算方法及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104793144A (zh) * 2015-03-31 2015-07-22 中国人民解放军92537部队 一种电池寿命快速检测方法
JP2017150950A (ja) * 2016-02-24 2017-08-31 株式会社Ｇｓユアサ 蓄電素子状態推定装置及び蓄電素子状態推定方法
CN107271905A (zh) * 2017-05-25 2017-10-20 上海思致汽车工程技术有限公司 一种用于纯电动汽车的电池容量主动估计方法
US20180131200A1 (en) * 2016-11-04 2018-05-10 Battelle Memorial Institute Battery system management through non-linear estimation of battery state of charge
CN108693476A (zh) * 2018-04-02 2018-10-23 浙江南都电源动力股份有限公司 预测电池在任一倍率上剩余可放电时间方法、装置和系统
JP2019508682A (ja) * 2016-01-13 2019-03-28 フレックストロニックス エーピー エルエルシー 高率電池放電中の放電持続時間の推定の方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104793144A (zh) * 2015-03-31 2015-07-22 中国人民解放军92537部队 一种电池寿命快速检测方法
JP2019508682A (ja) * 2016-01-13 2019-03-28 フレックストロニックス エーピー エルエルシー 高率電池放電中の放電持続時間の推定の方法
JP2017150950A (ja) * 2016-02-24 2017-08-31 株式会社Ｇｓユアサ 蓄電素子状態推定装置及び蓄電素子状態推定方法
US20180131200A1 (en) * 2016-11-04 2018-05-10 Battelle Memorial Institute Battery system management through non-linear estimation of battery state of charge
CN107271905A (zh) * 2017-05-25 2017-10-20 上海思致汽车工程技术有限公司 一种用于纯电动汽车的电池容量主动估计方法
CN108693476A (zh) * 2018-04-02 2018-10-23 浙江南都电源动力股份有限公司 预测电池在任一倍率上剩余可放电时间方法、装置和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐进等: "不同放电倍率磷酸铁锂电池循环性能研究", 《有色金属科学与工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507622A (zh) * 2020-04-17 2020-08-07 中国能源建设集团江苏省电力设计院有限公司 一种蓄电池容量计算方法及设备
CN111507622B (zh) * 2020-04-17 2022-06-07 中国能源建设集团江苏省电力设计院有限公司 一种蓄电池容量计算方法及设备

Also Published As

Publication number Publication date
CN110133534B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
US10371757B2 (en) Post-deterioration performance estimating apparatus and post-deterioration performance estimating method for energy storage device, and energy storage system
CN108254696B (zh) 电池的健康状态评估方法及系统
US10557892B2 (en) Energy storage device state estimation device and energy storage device state estimation method
KR101927538B1 (ko) 배터리의 수명 평가 장치 및 그 방법
JP5818878B2 (ja) リチウムイオン電池充電状態の算出方法
WO2015041091A1 (ja) 二次電池の劣化診断システム及び劣化診断方法
JP6918433B1 (ja) 劣化度診断装置
CN103797374A (zh) 用于电池监控的系统和方法
CN105589040A (zh) 基于老化调适电池运作区间的电池调控方法
CN107861074B (zh) 一种锂电池soc估算方法
CN107064806A (zh) 一种锂电池容量衰减率计算方法
CN107942261B (zh) 电池荷电状态的估计方法及系统
CN114035096B (zh) 电化学装置soh评估方法、电子设备及电池系统
CN112415400B (zh) 电池容量估计方法及系统
EP4044322A1 (en) Estimation device, estimation method, and computer program
Zhang et al. An application‐oriented multistate estimation framework of lithium‐ion battery used in electric vehicles
CN111044924A (zh) 一种全工况电池剩余容量确定方法及系统
CN110133534A (zh) 蓄电池老化趋势的评估方法
CN115792642B (zh) 一种动力电池寿命的估算方法及装置
CN113176516A (zh) 容量预测方法、装置、电子设备及存储介质
CN110376527B (zh) 一种动力电池健康状态soh的估算方法及电动汽车
Andersson Lifetime estimation of lithium-ion batteries for stationary energy storage system
CN113761716B (zh) 一种锂离子电池循环寿命预测方法及其应用
Zhou et al. A review of state-of-health estimation of lithiumion batteries: Experiments and data
CN115032551A (zh) 一种soc值的校准方法、装置和车辆

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