CN110888064A - 一种评估电池系统电芯容量分布区间的算法 - Google Patents
一种评估电池系统电芯容量分布区间的算法 Download PDFInfo
- Publication number
- CN110888064A CN110888064A CN201911327125.4A CN201911327125A CN110888064A CN 110888064 A CN110888064 A CN 110888064A CN 201911327125 A CN201911327125 A CN 201911327125A CN 110888064 A CN110888064 A CN 110888064A
- Authority
- CN
- China
- Prior art keywords
- value
- battery
- ocv
- cell
- sohmin
- 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
Images
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本专利公开一种电池系统电芯容量分布区间的在线估算方法,通过监测所得电芯最高/最低单体电压、电流数据,利用辨识算法得到运行工况时间段内首尾开路电压(OCV),并根据SOC‑OCV关系将其转化为相应荷电量,根据压差变化趋势对荷电量做一定的修正,并通过一定条件限制使不同老化电芯采用不同迭代次数的计算公式,以解决电池老化不同带来的OCV变化不同导致的计算误差过大的问题,实现仅利用最高/最低单体电压即可达到在线准确估算电芯可用容量SOH值分布区间的目的;该发明可为电池系统修复价值、梯次利用价值提供参考,也可为电池系统健康状况做在线诊断,为高风险车辆发出预警,减少车辆事故的发生。
Description
技术领域
本发明涉及电池技术领域,更为具体地说是指一种评估电池系统电芯容量分布区间的算法。
背景技术
电池系统装车应用后,电芯容量会随着应用时间的推移而逐渐衰减。然而电芯因制造环节工艺控制水平差异以及使用环境的差异等,常常表现出电芯的容量衰减速率不一致,即使用一段时间后电芯之间的可用容量参差不齐。电芯最低SOH决定了电池系统可用容量、车辆的行驶里程以及使用的安全性,而电芯的最高SOH决定了电池系统的可修复水平以及梯次利用的可利用价值。
目前,现有电池系统健康评估技术,例如:公开号为CN109856548A的中国发明专利公开了一种动力电池容量估算方法,又如公开号为CN109164398A的中国发明专利公开了一种锂离子电池组中单体电池容量估算方法。这些都只涉及电池系统整体健康状况的计算,其主要存在评估参数不全面、测试时间长、通用性低或者估算误差过大等缺点。
申请公布号为CN 107797070A的中国发明专利公开了一种动力电池健康状态的评估方法,动力电池包括电芯,包括:对所述电芯进行充电,达到预定截止电压范围;静置所述电芯,达到预定时间范围;同步采集记录电芯充电电流、对应电压和时间;计算所述电芯的电压降;根据所述电压降估算所述电芯的剩余容量值;以及根据所述剩余容量值判断所述电芯的健康状态。该专利需要对电芯充电至预定截止电压范围,还要静置电芯,使其达到预定时间范围,测试时间较长;而且未设置压差变化的误差补偿,影响计算精度。
发明内容
本发明提供一种评估电池系统电芯容量分布区间的算法,其主要目的在于克服现有电池系统容量评估存在测试时间长、估算精度不高,难以全面描述电芯健康状况等缺点。
本发明采用如下技术方案:
一种评价电池系统电芯容量分布区间的算法,包括如下步骤:
步骤一、搜索电池系统使用当天SOC最小值,当前时刻记为t1。
步骤二、从t1时刻往前搜索最近的满电时刻,记作时刻t2;其中,满电的判断必要条件为SOC≥99%。
步骤三、对t2-t1时刻内的最高单体电压Vmax、最低单体电压Vmin、电流数据进行收集,将电流通过安时积分计算得到t2-t1时间段内的总放电容量Qi。
步骤四、将步骤三获取的数据,通过辨识算法获得t2-t1时间段内每个电压数据对应的开路电压OCV数据,其中最高单体电压对应的OCV记作Uocmax,最小单体电压对应的OCV记作Uocmin;将Uocmax在t2-t1时间段内的初值记作Uocmax1,末值记作Uocmax2;将Uocmin在t2-t1时间段内的初值记作Uocmin1,末值记作Uocmin2。
步骤五、根据该电池系统对应的OCV-SOC曲线,将Uocmax1、Uocmax2、Uocmin1、Uocmin2依次插值或通过模型函数得到SOCmax1、SOCmax2、SOCmin1、SOCmin2。
步骤六、判断t2-t1时间段内压差的变化趋势,其中压差指Vmax与Vmin的差值;当压差出现先减小后增大类似倒置抛物线的曲线变化趋势时,则On_detaV等于1,否则On_detaV等于0。
步骤七、根据On_detaV取值将其代入公式:SOCi_max=SOCmax2+(SOCmax1-SOCmin1)*on_detaV—(1)、SOCi_min=SOCmin2+(SOCmax1-SOCmin1)*(1-on_detaV)—(2)。
步骤八、结合步骤三中的Qi和步骤七中的SOCi_max、SOCi_min值代入公式(3)和(4)计算:SOHmax(k)= Qi/Qn+SOCi_max*SOHmax(k-1)—(3)、SOHmin(k)= Qi/Qn+SOCi_min*SOHmin(k-1)—(4);其中Qn为电池的初始容量或额定容量;k为代表迭代次数的自然数,取值为1到N;SOHmax(k)代表第k次迭代计算的最大SOH值,SOHmin(k)代表第k次迭代计算的最小SOH值,其中k=1时SOHmax(0)、SOHmin(0)皆赋值为1。
步骤九、判断SOHmin(1)是否大于a,和/或者判断SOCmin2是否大于b,其中,a为0%到100%之间的一个百分数,b为30%到60%之间的一个百分数,a、b取值皆由新、旧电芯各自的SOC-OCV曲线之间的关系得到;如果“是”,则按公式(5)、(6)计算最大SOH值SOHmax和最小SOH值SOHmin:SOHmax=SOHmax(1)—(5)、SOHmin=SOHmin(1)—(6);如果“否”,则按照公式(7)、(8)计算:SOHmax=SOHmax(k)—(7)、SOHmin=SOHmin(k)—(8);其中,SOHmax(k)、SOHmin(k)代表迭代最后一次k=N时的相应值。
具体地,上述电池系统为新能源车动力电池系统或者电池储能系统。
优选地,上述辨识算法为应用电池等效电路模型或电化学模型采用最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种。
进一步地,上述步骤六中判断压差先减小后增大的控制逻辑,为以下方式中的任意一种:先将压差曲线平滑处理,之后判断压差曲线是否可拟合为抛物线曲线;或者判断平滑处理后曲线的递增、递减、单调性;或者通过判断最小值所在SOC值大小,以及最小值与初始值的差值来判断。
进一步地,上述步骤九中a、b取值的具体方法如下:取不同衰减程度的电芯测试其SOH值,对其做OCV测试,测试结果作为纵坐标, SOC×SOH为横坐标,根据衰减程度从小到大依次与新电芯的SOC-OCV曲线进行对比,当曲线横坐标在1%~99%的区间与新电池的SOC-OCV从重叠开始变化为分离时,重叠曲线所属电芯中最小的SOH值即为该环节的判断值a,重叠区间横坐标最大值为该环节的判断值b。
由上述对本发明的描述可知,和现有技术相比,本发明具有如下优点:
1、本发明通过监测所得电芯最高/最低单体电压、电流等数据,利用辨识算法得到运行工况时间段内首尾开路电压(OCV),并根据SOC-OCV关系将其转化为相应荷电量,根据压差变化趋势对荷电量做一定的修正,并通过一定条件限制使不同老化电芯采用不同迭代次数的计算公式,以解决电池老化不同带来的OCV变化不同导致的计算误差过大的问题,实现仅利用最高/最低单体电压即可达到在线准确估算电芯可用容量SOH值分布区间的目的;该发明可为电池系统修复价值、梯次利用价值提供参考,也可为电池系统健康状况做在线诊断,为高风险车辆发出预警,减少车辆事故的发生。
2、本发明利用辨识算法得到OCV的技术特点,可以采用任何一天的运行数据来计算得到电池系统电芯容量分布区间,不受工况限制,无需等待电池满充满放、亦或是满足一定静置条件的要求。
3、本发明通过压差变化趋势识别来实现误差补偿开启/关闭功能,根据电池老化后OCV变化规律实现不同算法,实现电池系统中电芯最大、最小SOH的准确在线计算,全面描述电芯健康状况,可用于电池系统健康状况预警以及为电池系统可修复价值提供参考。
附图说明
图1为本发明算法的流程图。
图2为本发明新、旧电池的SOC*SOH与OCV曲线坐标图。
具体实施方式
下面说明本发明的具体实施方式。为了全面理解本发明,下面描述到许多细节,但对于本领域技术人员来说,无需这些细节也可实现本发明。对于公知的组件、方法及过程,以下不再详细描述。
一种评价电池系统电芯容量分布区间的算法,参照图1,包括如下步骤:
步骤一、搜索电池系统使用当天SOC最小值,当前时刻记为t1。
步骤二、从t1时刻往前搜索最近的满电时刻,记作时刻t2;其中,满电的判断必要条件为SOC≥99%。
步骤三、对t2-t1时刻内的最高单体电压Vmax、最低单体电压Vmin、电流数据进行收集,将电流通过安时积分计算得到t2-t1时间段内的总放电容量Qi。
步骤四、将步骤三获取的数据,通过辨识算法获得t2-t1时间段内每个电压数据对应的开路电压OCV数据,其中最高单体电压对应的OCV记作Uocmax,最小单体电压对应的OCV记作Uocmin;将Uocmax在t2-t1时间段内的初值记作Uocmax1,末值记作Uocmax2;将Uocmin在t2-t1时间段内的初值记作Uocmin1,末值记作Uocmin2。
上述辨识算法,可为应用电池等效电路模型或电化学模型采用最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中等所有能辨识得到OCV算法中的任意一种。
步骤五、根据该电池系统对应的OCV-SOC曲线,将Uocmax1、Uocmax2、Uocmin1、Uocmin2依次插值或通过模型函数得到SOCmax1、SOCmax2、SOCmin1、SOCmin2。
步骤六、判断t2-t1时间段内压差的变化趋势,其中压差指Vmax与Vmin的差值;当压差出现先减小后增大类似倒置抛物线的曲线变化趋势时,则On_detaV等于1,否则On_detaV等于0。
该步骤六中判断压差先减小后增大的控制逻辑,为以下方式中的任意一种:先将压差曲线平滑处理,之后判断压差曲线是否可拟合为抛物线曲线;或者判断平滑处理后曲线的递增、递减、单调性;或者通过判断最小值所在SOC值大小,以及最小值与初始值的差值来判断。
步骤七、根据On_detaV取值将其代入公式:SOCi_max=SOCmax2+(SOCmax1-SOCmin1)*on_detaV—(1)、SOCi_min=SOCmin2+(SOCmax1-SOCmin1)*(1-on_detaV)—(2)。
步骤八、结合步骤三中的Qi和步骤七中的SOCi_max、SOCi_min值代入公式(3)和(4)计算:SOHmax(k)= Qi/Qn+SOCi_max*SOHmax(k-1)—(3)、SOHmin(k)= Qi/Qn+SOCi_min*SOHmin(k-1)—(4);其中Qn为电池的初始容量或额定容量;k为代表迭代次数的自然数,取值为1到N,N为大于1的正整数;SOHmax(k)代表第k次迭代计算的最大SOH值,SOHmin(k)代表第k次迭代计算的最小SOH值,其中k=1时SOHmax(0)、SOHmin(0)皆赋值为1。
步骤九、判断SOHmin(1)是否大于a,和/或者判断SOCmin2是否大于b,其中,a为0%到100%之间的一个百分数,b为30%到60%之间的一个百分数,a、b取值皆由新、旧电芯各自的SOC-OCV曲线之间的关系得到;如果“是”,则按公式(5)、(6)计算最大SOH值SOHmax和最小SOH值SOHmin:SOHmax=SOHmax(1)—(5)、SOHmin=SOHmin(1)—(6);如果“否”,则按照公式(7)、(8)计算:SOHmax=SOHmax(k)—(7)、SOHmin=SOHmin(k)—(8);其中,SOHmax(k)、SOHmin(k)代表迭代最后一次k=N时的相应值。
上述步骤九中a、b取值由新、旧电芯各自的SOC-OCV曲线之间的关系得到,具体方法如下:取不同衰减程度的电芯测试其SOH值,对其做OCV测试,测试结果作为纵坐标, SOC×SOH为横坐标,根据衰减程度从小到大依次与新电芯的SOC-OCV曲线进行对比,当曲线横坐标在1%~99%(优选范围是在50%以下)的区间与新电池的SOC-OCV从重叠开始变化为分离时,重叠曲线所属电芯中最小的SOH值即为该环节的判断值a。如图2所示,当电芯容量部分衰减SOH为90%时,其相应曲线与新电芯在横坐标0~50%区间内基本重叠,然而当电芯容量继续衰减至SOH为80%时,其相应曲线与新电芯在横坐标1~99%区间内发生完全分离,因此取a=90%。
上述步骤九中SOH为90%时重叠横坐标区间为0~40%,即最大值为40%,因此b取值40%。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (5)
1.一种评价电池系统电芯容量分布区间的算法,其特征在于,包括如下步骤:
步骤一、搜索电池系统使用当天SOC最小值,当前时刻记为t1;
步骤二、从t1时刻往前搜索最近的满电时刻,记作时刻t2;其中,满电的判断必要条件为SOC≥99%;
步骤三、对t2-t1时刻内的最高单体电压Vmax、最低单体电压Vmin、电流数据进行收集,将电流通过安时积分计算得到t2-t1时间段内的总放电容量Qi;
步骤四、将步骤三获取的数据,通过辨识算法获得t2-t1时间段内每个电压数据对应的开路电压OCV数据,其中最高单体电压对应的OCV记作Uocmax,最小单体电压对应的OCV记作Uocmin;将Uocmax在t2-t1时间段内的有效初值记作Uocmax1,末值记作Uocmax2;将Uocmin在t2-t1时间段内的有效初值记作Uocmin1,末值记作Uocmin2;
步骤五、根据该电池系统对应的OCV-SOC曲线,将Uocmax1、Uocmax2、Uocmin1、Uocmin2依次插值或通过模型函数得到SOCmax1、SOCmax2、SOCmin1、SOCmin2;
步骤六、判断t2-t1时间段内压差的变化趋势,其中压差指Vmax与Vmin的差值;当压差出现先减小后增大类似倒置抛物线的曲线变化趋势时,则On_detaV等于1,否则On_detaV等于0;
步骤七、根据On_detaV取值将其代入公式:SOCi_max=SOCmax2+(SOCmax1-SOCmin1)*on_detaV—(1)、SOCi_min=SOCmin2+(SOCmax1-SOCmin1)*(1-on_detaV)—(2);
步骤八、结合步骤三中的Qi和步骤七中的SOCi_max、SOCi_min值代入公式(3)和(4)计算:SOHmax(k)= Qi/Qn+SOCi_max*SOHmax(k-1)—(3)、SOHmin(k)= Qi/Qn+SOCi_min*SOHmin(k-1)—(4);其中Qn为电池的初始容量或额定容量;k为代表迭代次数的自然数,取值为1到N;SOHmax(k)代表第k次迭代计算的最大SOH值,SOHmin(k)代表第k次迭代计算的最小SOH值,其中k=1时SOHmax(0)、SOHmin(0)皆赋值为1;
步骤九、判断SOHmin(1)是否大于a和/或者判断SOCmin2是否大于b,其中,a为0%到100%之间的一个百分数,b为30%到60%之间的一个百分数,a、b取值皆由新、旧电芯各自的SOC-OCV曲线之间的关系得到;如果“是”,则按公式(5)、(6)计算最大SOH值SOHmax和最小SOH值SOHmin:SOHmax=SOHmax(1)—(5)、SOHmin=SOHmin(1)—(6);如果“否”,则按照公式(7)、(8)计算:SOHmax=SOHmax(k)—(7)、SOHmin=SOHmin(k)—(8);其中,SOHmax(k)、SOHmin(k)代表迭代最后一次k=N时的相应值。
2.如权利要求1所述的一种评价电池系统电芯容量分布区间的算法,其特征在于:所述电池系统为新能源车动力电池系统或者电池储能系统。
3.如权利要求1所述的一种评价电池系统电芯容量分布区间的算法,其特征在于:所述辨识算法为应用电池等效电路模型或电化学模型采用最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种。
4.如权利要求1所述的一种评价电池系统电芯容量分布区间的算法,其特征在于:所述步骤六中判断压差先减小后增大的控制逻辑,为以下方式中的任意一种:先将压差曲线平滑处理,之后判断压差曲线是否可拟合为抛物线曲线;或者判断平滑处理后曲线的递增、递减、单调性;或者通过判断最小值所在SOC值大小,以及最小值与初始值的差值来判断。
5.如权利要求1所述的一种评价电池系统电芯容量分布区间的算法,其特征在于:所述步骤九中a、b取值的具体方法如下:取不同衰减程度的电芯测试其SOH值,对其做OCV测试,测试结果作为纵坐标, SOC×SOH为横坐标,根据衰减程度从小到大依次与新电芯的SOC-OCV曲线进行对比,当曲线横坐标在1%~99%的区间与新电池的SOC-OCV从重叠开始变化为分离时,重叠曲线所属电芯中最小的SOH值即为该环节的判断值a,重叠区间横坐标最大值为该环节的判断值b。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327125.4A CN110888064B (zh) | 2019-12-20 | 2019-12-20 | 一种评估电池系统电芯容量分布区间的算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327125.4A CN110888064B (zh) | 2019-12-20 | 2019-12-20 | 一种评估电池系统电芯容量分布区间的算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888064A true CN110888064A (zh) | 2020-03-17 |
CN110888064B CN110888064B (zh) | 2021-10-08 |
Family
ID=69752674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911327125.4A Active CN110888064B (zh) | 2019-12-20 | 2019-12-20 | 一种评估电池系统电芯容量分布区间的算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888064B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111537906A (zh) * | 2020-05-29 | 2020-08-14 | 厦门金龙联合汽车工业有限公司 | 一种评估磷酸铁锂电池系统多项健康参数的方法 |
CN111665451A (zh) * | 2020-04-17 | 2020-09-15 | 北京航空航天大学 | 一种时变循环工况下的锂离子电池老化测试方法 |
CN112130087A (zh) * | 2020-09-24 | 2020-12-25 | 上海空间电源研究所 | 一种估计锂离子蓄电池健康状态的方法 |
CN113162174A (zh) * | 2021-04-23 | 2021-07-23 | 四川航电微能源有限公司 | 一种铅碳电池的电池管理方法 |
CN113178630A (zh) * | 2021-04-28 | 2021-07-27 | 合达信科技集团有限公司 | 多种电芯的电池管理系统hbms |
CN113359051A (zh) * | 2021-06-08 | 2021-09-07 | 北京车和家信息技术有限公司 | 电池模组健康状态的评估方法、装置、设备、介质和车辆 |
CN113589174A (zh) * | 2021-07-26 | 2021-11-02 | 蜂巢能源科技有限公司 | 一种锂离子动力电池系统电芯一致性预测方法及装置 |
CN114035082A (zh) * | 2021-12-10 | 2022-02-11 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池系统异常电芯快速诊断方法 |
CN114035049A (zh) * | 2021-11-08 | 2022-02-11 | 东软睿驰汽车技术(沈阳)有限公司 | Soh精度的计算方法、装置和电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080036424A1 (en) * | 2006-08-11 | 2008-02-14 | Yazaki Corporation | State-of-charge adjusting apparatus |
CN103033762A (zh) * | 2012-12-18 | 2013-04-10 | 上海樟村电子有限公司 | 基于差值微分的动力磷酸铁锂电池荷电量动态预测方法 |
CN103558555A (zh) * | 2013-10-28 | 2014-02-05 | 国家电网公司 | 一种用于评价车用动力电池性能参数的仿真模型 |
CN104965176A (zh) * | 2014-03-17 | 2015-10-07 | 原子能与替代能源委员会 | 电池电芯健康状态估计方法 |
CN105116819A (zh) * | 2015-07-29 | 2015-12-02 | 中国汽车技术研究中心 | 一种适用于新能源汽车的电池管理主系统及其控制方法 |
WO2017127676A1 (en) * | 2016-01-22 | 2017-07-27 | Ovonic Battery Company, Inc. | Method of calibrating state-of charge in a rechargeable battery |
CN108732503A (zh) * | 2017-04-21 | 2018-11-02 | 郑州宇通客车股份有限公司 | 一种电池健康状态与电池容量检测方法及装置 |
CN110261779A (zh) * | 2019-06-25 | 2019-09-20 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
-
2019
- 2019-12-20 CN CN201911327125.4A patent/CN110888064B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080036424A1 (en) * | 2006-08-11 | 2008-02-14 | Yazaki Corporation | State-of-charge adjusting apparatus |
CN103033762A (zh) * | 2012-12-18 | 2013-04-10 | 上海樟村电子有限公司 | 基于差值微分的动力磷酸铁锂电池荷电量动态预测方法 |
CN103558555A (zh) * | 2013-10-28 | 2014-02-05 | 国家电网公司 | 一种用于评价车用动力电池性能参数的仿真模型 |
CN104965176A (zh) * | 2014-03-17 | 2015-10-07 | 原子能与替代能源委员会 | 电池电芯健康状态估计方法 |
CN105116819A (zh) * | 2015-07-29 | 2015-12-02 | 中国汽车技术研究中心 | 一种适用于新能源汽车的电池管理主系统及其控制方法 |
WO2017127676A1 (en) * | 2016-01-22 | 2017-07-27 | Ovonic Battery Company, Inc. | Method of calibrating state-of charge in a rechargeable battery |
CN108732503A (zh) * | 2017-04-21 | 2018-11-02 | 郑州宇通客车股份有限公司 | 一种电池健康状态与电池容量检测方法及装置 |
CN110261779A (zh) * | 2019-06-25 | 2019-09-20 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
Non-Patent Citations (1)
Title |
---|
李鸿海 等: "新能源客车磷酸铁锂电池系统容量不均衡程度大数据分析及应用", 《厦门科技》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665451A (zh) * | 2020-04-17 | 2020-09-15 | 北京航空航天大学 | 一种时变循环工况下的锂离子电池老化测试方法 |
CN111665451B (zh) * | 2020-04-17 | 2021-08-06 | 北京航空航天大学 | 一种时变循环工况下的锂离子电池老化测试方法 |
CN111537906B (zh) * | 2020-05-29 | 2022-06-03 | 厦门金龙联合汽车工业有限公司 | 一种评估磷酸铁锂电池系统多项健康参数的方法 |
CN111537906A (zh) * | 2020-05-29 | 2020-08-14 | 厦门金龙联合汽车工业有限公司 | 一种评估磷酸铁锂电池系统多项健康参数的方法 |
CN112130087A (zh) * | 2020-09-24 | 2020-12-25 | 上海空间电源研究所 | 一种估计锂离子蓄电池健康状态的方法 |
CN112130087B (zh) * | 2020-09-24 | 2024-01-09 | 上海空间电源研究所 | 一种估计锂离子蓄电池健康状态的方法 |
CN113162174A (zh) * | 2021-04-23 | 2021-07-23 | 四川航电微能源有限公司 | 一种铅碳电池的电池管理方法 |
CN113162174B (zh) * | 2021-04-23 | 2022-12-30 | 四川航电微能源有限公司 | 一种铅碳电池的电池管理方法 |
CN113178630A (zh) * | 2021-04-28 | 2021-07-27 | 合达信科技集团有限公司 | 多种电芯的电池管理系统hbms |
CN113359051A (zh) * | 2021-06-08 | 2021-09-07 | 北京车和家信息技术有限公司 | 电池模组健康状态的评估方法、装置、设备、介质和车辆 |
CN113589174B (zh) * | 2021-07-26 | 2023-06-02 | 蜂巢能源科技有限公司 | 一种锂离子动力电池系统电芯一致性预测方法及装置 |
CN113589174A (zh) * | 2021-07-26 | 2021-11-02 | 蜂巢能源科技有限公司 | 一种锂离子动力电池系统电芯一致性预测方法及装置 |
CN114035049A (zh) * | 2021-11-08 | 2022-02-11 | 东软睿驰汽车技术(沈阳)有限公司 | Soh精度的计算方法、装置和电子设备 |
CN114035082A (zh) * | 2021-12-10 | 2022-02-11 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池系统异常电芯快速诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110888064B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888064B (zh) | 一种评估电池系统电芯容量分布区间的算法 | |
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
CN102540096B (zh) | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 | |
CN109507611B (zh) | 一种电动汽车的soh修正方法及系统 | |
CN110346734A (zh) | 一种基于机器学习的锂离子动力电池健康状态估算方法 | |
CN102749588B (zh) | 基于蓄电池soc和soh的故障诊断方法 | |
CN105277898A (zh) | 一种电池荷电状态的检测方法 | |
CN107390127A (zh) | 一种soc估算方法 | |
CN104360286B (zh) | 一种锂离子电池荷电状态估算修正方法 | |
CN111965559B (zh) | 一种锂离子电池soh在线估计方法 | |
CN108802625B (zh) | 一种二次利用电池的soc自适应修正方法 | |
CN111352032A (zh) | 一种锂电池动态峰值功率预测方法 | |
CN110795851A (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN113075554A (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
CN109596993A (zh) | 锂离子电池荷电状态检测的方法 | |
CN110988709A (zh) | 一种用于电池管理系统的soe和sop联合估计方法 | |
CN104916875A (zh) | 一种动力电池组故障诊断及维修方法 | |
CN113253128A (zh) | 一种电池系统soc一致性评估方法和内阻一致性评估方法 | |
CN116008811A (zh) | 电池剩余容量、soc及自放电量在线联合估计方法及系统 | |
CN115219918A (zh) | 一种基于容量衰退组合模型的锂离子电池寿命预测方法 | |
CN105717458B (zh) | 一种电池内阻的在线实时检测方法 | |
CN110133510A (zh) | 一种锂离子电池荷电状态soc混合估计方法 |
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 |