CN110927591A - 一种电池容量估计方法、计算机可读介质及车辆 - Google Patents

一种电池容量估计方法、计算机可读介质及车辆 Download PDF

Info

Publication number
CN110927591A
CN110927591A CN201911267620.0A CN201911267620A CN110927591A CN 110927591 A CN110927591 A CN 110927591A CN 201911267620 A CN201911267620 A CN 201911267620A CN 110927591 A CN110927591 A CN 110927591A
Authority
CN
China
Prior art keywords
capacity
battery
current
peak
health
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
CN201911267620.0A
Other languages
English (en)
Other versions
CN110927591B (zh
Inventor
熊瑞
段砚州
刘晓炜
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201911267620.0A priority Critical patent/CN110927591B/zh
Publication of CN110927591A publication Critical patent/CN110927591A/zh
Application granted granted Critical
Publication of CN110927591B publication Critical patent/CN110927591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种电池容量估计方法，实时采集电池充电容量和电压，通过所述充电容量对所述电压求导以得到实时的充电容量变化率；确定充电过程中IC值最高的目标IC峰值点；计算目标IC峰值点对应的半峰面积，所述半峰面积为目标IC峰值点对应的电压至预定电压增量的区间内的容量增量；将所述半峰面积作为健康因子；根据健康因子与容量的基准映射关系，基于温度和倍率对健康因子进行修正，估计电池容量。本发明利用半峰面积作为健康因子，减少了存储和计算成本，尤其是利用递推更新法实现了健康因子的在线获取，减少了系统的存储和计算成本。此外本发明可应用于多体系动力电池，特别是OCV曲线随老化不明显的电池。

Description

一种电池容量估计方法、计算机可读介质及车辆
技术领域：
本发明涉及电池的管理技术，尤其涉及电池电池容量估计方法。
背景技术：
电池容量是电池健康状态的重要评价指标之一，现有电池容量估计方法主要分为三类：
第一种是定义法。该方法利用电池荷电状态(SOC)定义式(SOC＝剩余电量/容量*100％)的逆公式进行计算，即容量＝充入(放出)电量/SOC变化量。该方法虽然简单易行，可实现容量在线估计，但是当SOC估计误差增大时，容量估计误差也会相应增大。
第二种是模型法。该方法基于电池模型对SOC和容量进行联合估计，例如一种联合估计电池系统荷电状态与健康状态的方法(CN201610675853.4)，基于容量、荷电状态和开路电压的三维响应面，对电池SOC和容量在线联合估计。该类方法相较于定义法，鲁棒性和工况适用性更好，可进行实时的在线修正，针对开路电压(OCV)曲线随老化变化较为明显的电池估计精度较高，但是对于OCV曲线随老化变化不大的电池难以适用。
第三种是几何法。该类方法基于电池的容量增量曲线(IC曲线)或者差分电压曲线(DV曲线)进行容量估计，通过提取曲线中的健康因子(如曲线的峰值高度、峰的面积、峰的位置、不同峰的间隔等)，构建健康因子和电池容量的映射关系进行容量估计。然而，现有的几何法受限于以下原因难以实现容量的在线估计：1)曲线形状受温度、电流倍率影响较大，现有该类方法通常要求固定温度、固定小电流充放电条件下获取IC或DV曲线，而车用环境工况复杂，温度和充电电流倍率不定；2)健康因子难以在线获取，峰值高度通常波动较大、可靠性差，而为获取峰面积、峰位置和不同峰的间隔等要求存储大量曲线历史数据，对嵌入式系统而言难以实现。如现有技术WO2019018974A1，需要存储生成的IC曲线再进行健康因子的计算，所需的存储和计算成本高且工况适用性较差，对于电池系统而言难以在线应用。
发明内容：
基于此，本发明定义了半峰面积作为健康因子，以离线单一倍率、固定温度获取的不同容量下恒流充电IC曲线作为基准，构建了健康因子和容量的基准映射关系。同时，本发明针对IC曲线受温度、电流倍率影响较大的问题，通过温度、倍率修正量，实现了不同倍率和温度的恒流充电工况下容量的在线估计。
主要创新点如下：
1、利用半峰面积作为健康因子，减少了存储和计算成本，尤其是利用递推更新法实现了健康因子的在线获取，减少了系统的存储和计算成本。
2、相较于模型法，本发明可应用于多体系动力电池，特别是OCV曲线随老化不明显的电池。
3、通过温度和倍率修正，解决了传统几何法在不同温度、不同恒流倍率条件下不适用的问题。
附图说明：
图1电池容量在线估计方法流程图
图2电池充电IC曲线示例图
图3半峰面积示意图
图4健康因子与容量的基准映射关系图
图5电流倍率与健康因子拟合关系示例图
具体实施方式：
如本领域公知的，本发明使用OCV代表电池开路电压，SOC代表荷电状态,电流倍率为电流大小除以电池额定容量，本发明温度是电池温度，更具体地离线实验中提及的温度是电池环境温度，容量在线估计中提及的温度是电池表面温度。
如本领域公知的，IC曲线是容量增量曲线；生成所述容量增量曲线包括：根据所述充电数据来获取充电容量和电压，通过所述充电容量对所述电压求导以得到充电容量变化率；以所述电压作为水平轴而以所述充电容量变化率作为纵轴来生成所述容量增量曲线。
本发明电池离线实验步骤中，各电流倍率和环境温度的选取都满足电池手册的范围要求。
应理解，本发明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。
本发明所述的一种适用于多体系电池的容量在线估计方法流程图如附图1所示。其包括电池离线实验、参数提取和容量在线估计三部分，各部分具体内容如下：
1.获取电池离线实验数据
步骤1.1：获取恒流充电基准实验数据。
以基准电流倍率I0C，在基准温度T0℃下，进行电池恒流充电，获取基准实验数据。所述基准电流倍率为I0C和所述基准环境温度为T0℃由本领域技术人员根据不同的电池特性确定，优选地，基准电流倍率I0C在0.02C～0.5C之间，优选为0.025C。
开展电池恒流充电基准实验为下文参数提取步骤中的构建健康因子与容量的基准映射关系提供实验数据支撑。
步骤1.2：获取不同温度、不同倍率的恒流充电修正实验数据。
其中，不同倍率恒流充电修正实验各组实验环境温度均为Tx℃，电流倍率分别为I1，I2……ImC；
其中，不同温度恒流充电修正实验各组实验电流倍率均为IxC，环境温度分别为T1，T2……Tn℃。
步骤1.2为下文步骤2中参数提取中的标定健康因子温度和倍率修正量，构建拟合函数提供实验数据支撑。
步骤1.3：获取不同老化情况下恒流充电基准实验数据。
以基准电流倍率I0C，在基准环境温度T0℃下，对电池进行一定次数的循环充放电，模拟电池容量衰减过程，获取不同老化情况下恒流充电基准实验数据。
2.参数提取
本发明中以半峰面积作为健康因子。提取半峰面积的具体步骤包括：
首先，本领域公知的，利用如下公式获取电池完整充电IC曲线：
IC值＝dQ/dV (1)
其中，dV表示设定的电压步长，dQ表示电池恒流充电时电压变化dV的过程中充入的电量。附图2所示为某电池充电IC曲线示例，附图2中IC曲线示例共3个峰值点，而实际因电池材料体系、工艺等差异，峰值点的形状、位置、个数会有所不同。
其次，IC值最高的点作为IC曲线峰值点，后续说明以附图2中从左至右第三个峰作为目标IC峰值点为例，记录所述目标IC峰值点对应的电池电压值Upeak和目标IC峰值点对应的温度Tpeak。
最后，如附图3所示，计算图中电压为Upeak至Upeak+δU范围内IC曲线与横坐标所围成的阴影部分面积，其中δU为设定的半峰宽度。该阴影部分面积即为本发明中定义的半峰面积，所述半峰面积体现的是电压为Upeak至Upeak+δU区间内的容量增量。
所述半峰宽度为本领域技术人员根据不同的电池特性取合适值，峰值点对应的电压到电池的上截止电压之间的差是所述半峰宽度的理论最大值，优选地半峰宽度为2-500mV，优选地半峰宽度为6mV。
参数提取具体包括如下步骤：
步骤2.1：基于上述电池离线实验数据，提取上述步骤1.1获得的所述基准实验的半峰面积，提取上述步骤1.2中不同温度、不同倍率的恒流充电修正实验的半峰面积，提取上述步骤1.3中不同老化情况下恒流充电基准实验的半峰面积。
步骤2.2：构建健康因子与容量的基准映射关系。
以不同老化情况下电池的恒流充电基准实验数据得到的半峰面积作为自变量，不同老化情况下电池相应的实际容量作为因变量，构建健康因子与容量的基准映射关系，如附图4所示。
优选地所述基准映射关系通过拟合函数确定，可选拟合方法包括但不限于多项式函数拟合、指数函数拟合、机器学习。
步骤2.3：对不同的电流倍率，进行健康因子修正。
基于在相同老化和温度下进行不同电流倍率的恒流充电的离线数据，确定任意电流倍率下的健康因子相对于基准电流倍率下的健康因子的电流倍率修正量；将不同倍率恒流充电获取的健康因子修正为相同老化点、相同温度下以基准电流倍率I0C进行充电所得到的健康因子理论值，从而进一步基于步骤2.2构建的所述健康因子与容量的基准映射关系完成容量估计。
优选地，电流倍率和所述健康因子电流倍率修正量的关系通过拟合函数表达，可选拟合方法包括但不限于多项式函数拟合、指数函数拟合、机器学习等。
在本发明的一个实施例中，选用某磷酸铁锂电池为对象，以1/40C电流在25℃环境下开展不同老化情况下恒流充电基准实验，并计算半峰面积。如附图4所示，基准实验中健康因子与电池容量近似成线性关系，因此可选用简单的一次线性多项式作为健康因子与容量的基准拟合函数。为构建任意电流倍率下的健康因子相对于基准电流倍率下的健康因子的电流倍率修正量的拟合函数，在同一老化情况下，在25℃分别以0.025C、0.25C、0.5C、0.6C、0.75C、0.8C、0.9C、1C的电流倍率开展了恒流充电实验，倍率与健康因子拟合关系示例如附图5所示。其中标记五角星的点为基准电流倍率0.025C的健康因子，即为该老化点下的基准实验得到的健康因子。可以看到，不同倍率实验得到的半峰面积可近似用二次多项式进行拟合，因此可以选用二次多项式拟合函数作为健康因子与倍率的修正量拟合函数，将该老化点下不同充电倍率对应的健康因子修正为基准实验对应的健康因子。
步骤2.4：对不同的温度，进行健康因子修正。
基于相同老化和电流倍率下进行恒流充电的离线数据，确定任意温度下的健康因子相对于基准温度下的健康因子的温度修正量；将不同温度恒流充电获取的健康因子修正为相同老化点、相同电流倍率下以基准实验环境温度T0℃进行充电所得到的健康因子，从而进一步基于步骤2.2构建的所述健康因子与容量的基准映射关系完成容量估计。
优选地，温度和所述健康因子的温度修正量的关系通过拟合函数表达，可选拟合方法包括但不限于多项式函数拟合、指数函数拟合、机器学习等。
3.容量在线估计
如附图1所示，容量在线估计装置包括信号采集单元、容量增量计算单元、IC峰值判断单元和半峰面积计算单元。
基于恒流充电工况的电池容量的在线估计，包括如下步骤：
步骤3.1：信号采集单元实时采集电池数据，包括电压、温度、电流。
步骤3.2：在线计算容量增量。
首先利用安时积分法实时计算充入的电量dQ。然后，当电池电压增量大于或等于设定的电压步长dV时，利用公式(1)进行容量增量计算并进入步骤3.3。相反，若电压增量小于设定的电压步长dV，则继续进行安时积分，不开启容量增量计算且不进行下述任一步骤。
步骤3.3：进行IC峰值判断，
首先判断步骤2.2中计算得到的当前IC值是否大于前一次计算得到的IC值，若否则进入步骤3.4；若是则表明前一次计算得到的IC值不为目标IC峰值点，将当前峰值点电压Upeak更新为当前时刻电池电压值；将峰值点温度Tpeak更新为当前时刻电池温度值；将当前系统计算得到的半峰面积值置零。
步骤3.4：判断当前电池电压是否在半峰电压区间(Upeak至Upeak+δU)内，若是则将当前的半峰面积计算值累加上当前的dQ以更新目标半峰面积；若否则表明已完成当前目标IC峰值点Upeak对应的目标半峰面积的计算，
步骤3.3和步骤3.4实际是利用递推更新的方法不断更新得到的目标IC峰值点的Upeak、Tpeak和半峰面积，通过逻辑判断清除错误值，最终获得正确的目标IC峰值点和目标半峰面积。
步骤3.5：基于步骤3.4得到的目标半峰面积，利用步骤2.3对不同的电流倍率进行健康因子修正。和/或利用步骤2.4对不同的温度进行健康因子修正。最后将修正后的所述健康因子代入步骤2.2构建的所述健康因子与容量的基准映射关系，获得容量估计值。
步骤3.6：判断当前充电区间是否已经包含目标IC峰值点的完整半峰区间，避免出现递推更新法将其他IC峰判断成目标IC峰值点，造成容量估计异常。若否则将dQ清零重新，并返回步骤3.1；若是则输出容量估计值。
以上所述的具体实施方式，显示和描述了本发明的基本原理和主要特征。本领域的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和原则的情况下，本发明还会有各种变化和修改，这些变化和修改都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求及其等效物界定。

Claims (10)

1.一种电池容量估计方法，其特征在于包括如下步骤
实时采集电池充电容量和电压，通过所述充电容量对所述电压求导以得到实时的充电容量变化率；
所述充电容量变化率为IC值，确定充电过程中IC值最高的目标IC峰值点；
计算目标IC峰值点对应的半峰面积，所述半峰面积为目标IC峰值点对应的电压至预定电压增量的区间内的容量增量；
将所述半峰面积作为健康因子；
根据健康因子与容量的基准映射关系，估计电池容量。
2.根据权利要求1所述的方法，其特征在于：所述健康因子与容量的基准映射关系由离线确定。
3.根据权利要求1所述的方法，其特征在于：确定所述基准映射关系的方法具体为：
基于在基准电流倍率和基准温度下，对不同老化情况下的电池进行恒流充电的离线数据，以不同老化情况下的健康因子作为自变量，不同老化情况下的实际容量作为因变量，构建健康因子与容量的基准映射关系。
4.根据权利要求3所述的方法，其特征在于：基于在相同老化情况下和相同温度下，进行的不同电流倍率的恒流充电的离线数据，确定不同电流倍率下的健康因子相对于基准电流倍率下的健康因子的电流倍率修正关系；
所述电池容量估计方法还包括：针对不同的电流倍率，利用所述电流倍率修正关系对健康因子进行修正；将修正后的健康因子代入所述健康因子与容量的基准映射关系，估计电池容量。
5.根据权利要求4所述的方法，其特征在于：所述电流倍率修正关系通过拟合函数表达。
6.根据权利要求3所述的方法，其特征在于：基于相同老化情况下和相同电流倍率下，进行的不同温度的恒流充电的离线数据，确定不同温度下的健康因子相对于基准温度下的健康因子的温度修正关系；
所述电池容量估计方法还包括：获取目标IC峰值点对应的温度，针对不同的温度，利用所述温度修正关系对健康因子进行修正；将修正后的健康因子代入所述健康因子与容量的基准映射关系，估计电池容量。
7.根据权利要求6所述的方法，其特征在于：所述温度修正关系通过拟合函数表达。
8.根据权利要求1所述的方法，其特征在于：所述目标IC峰值点的确定通过如下步骤：
判断当前IC值是否大于前一次计算得到的IC值，若是则表明前一次计算得到的IC值不为目标IC峰值点；若否则判断当前电池电压是否在目标IC峰值点对应的电压至预定电压增量的区间内，若在所述区间内则将当前的半峰面积计算值累加上当前的容量增量以更新半峰面积；若不在所述区间内则表明已完成当前目标IC峰值点对应的半峰面积的计算。
9.一种计算机可读介质，其特征在于执行程序，所述程序用于实现如权利要求1至8任一项所述的方法。
10.一种车辆，包括动力电池，其特征在于所述动力电池使用如权利要求1-8任一项所述的电池容量估计方法。
CN201911267620.0A 2019-12-11 2019-12-11 一种电池容量估计方法、计算机可读介质及车辆 Active CN110927591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911267620.0A CN110927591B (zh) 2019-12-11 2019-12-11 一种电池容量估计方法、计算机可读介质及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911267620.0A CN110927591B (zh) 2019-12-11 2019-12-11 一种电池容量估计方法、计算机可读介质及车辆

Publications (2)

Publication Number Publication Date
CN110927591A true CN110927591A (zh) 2020-03-27
CN110927591B CN110927591B (zh) 2020-10-02

Family

ID=69860038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911267620.0A Active CN110927591B (zh) 2019-12-11 2019-12-11 一种电池容量估计方法、计算机可读介质及车辆

Country Status (1)

Country Link
CN (1) CN110927591B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111693881A (zh) * 2020-05-28 2020-09-22 江苏大学 基于“标准化温度”的宽温度范围下电池健康状态在线估测方法
CN111707958A (zh) * 2020-05-26 2020-09-25 同济大学 一种基于容量增量曲线特征的电池内短路检测方法
CN111896873A (zh) * 2020-06-28 2020-11-06 中国电力科学研究院有限公司 一种用于评估储能电站健康状态的方法及系统
CN111965546A (zh) * 2020-09-03 2020-11-20 南京理工大学 基于ocv曲线重构的锂电池容量和初始soc估计方法
CN112462288A (zh) * 2020-10-22 2021-03-09 江苏大学 一种基于电池表面温度变化值的锂离子电池健康状态估算方法
CN112462283A (zh) * 2020-10-19 2021-03-09 江苏大学 基于差分温度曲线的锂离子电池内阻及容量估算方法
CN112630672A (zh) * 2020-12-31 2021-04-09 湖北亿纬动力有限公司 一种锂电池容量校正的方法及其应用
CN112698217A (zh) * 2020-12-25 2021-04-23 江苏省特种设备安全监督检验研究院 基于粒子群优化算法的电池单体容量估计方法
CN112798960A (zh) * 2021-01-14 2021-05-14 重庆大学 一种基于迁移深度学习的电池组剩余寿命预测方法
CN112834946A (zh) * 2020-12-31 2021-05-25 东软睿驰汽车技术（沈阳）有限公司 一种评估电池电芯衰减程度的方法及装置
CN112881931A (zh) * 2021-01-20 2021-06-01 同济大学 一种基于容量增量曲线的电池安全性诊断方法
CN112904211A (zh) * 2021-01-04 2021-06-04 北京空间飞行器总体设计部 一种深空探测用锂离子电池组剩余容量估计方法
CN113640674A (zh) * 2021-06-30 2021-11-12 昆明理工大学 基于优化高斯过程回归的锂离子电池可用容量估计方法
CN113702854A (zh) * 2021-08-23 2021-11-26 欣旺达电子股份有限公司 容量老化计算方法、系统、电池储能设备及存储介质
CN113866655A (zh) * 2021-09-27 2021-12-31 北京理工新源信息科技有限公司 融合车联网运行数据与测试数据的动力电池容量评估方法
CN115972978A (zh) * 2023-03-20 2023-04-18 杭州科工电子科技有限公司 基于电池容量一致性分析的电池均衡方法
CN114355223B (zh) * 2021-12-30 2024-06-07 东软集团股份有限公司 一种电池健康状态检测方法、装置及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150066406A1 (en) * 2013-08-27 2015-03-05 The Regents Of The University Of Michigan On-board state of health monitoring of batteries using incremental capacity analysis
CN105789716A (zh) * 2016-03-03 2016-07-20 北京交通大学 一种广义电池管理系统
CN106054085A (zh) * 2016-07-11 2016-10-26 四川普力科技有限公司 一种基于温度用于估计电池soc的方法
CN106443467A (zh) * 2016-09-18 2017-02-22 北京交通大学 基于充电过程的锂离子电池充入电量建模方法与应用
CN108445406A (zh) * 2018-03-13 2018-08-24 桂林电子科技大学 一种动力电池健康状态估计方法
WO2019018974A1 (zh) * 2017-07-24 2019-01-31 罗伯特·博世有限公司 用于对电池容量进行建模和估计的方法及系统
CN110068774A (zh) * 2019-05-06 2019-07-30 清华四川能源互联网研究院 锂电池健康状态的估计方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150066406A1 (en) * 2013-08-27 2015-03-05 The Regents Of The University Of Michigan On-board state of health monitoring of batteries using incremental capacity analysis
CN105789716A (zh) * 2016-03-03 2016-07-20 北京交通大学 一种广义电池管理系统
CN106054085A (zh) * 2016-07-11 2016-10-26 四川普力科技有限公司 一种基于温度用于估计电池soc的方法
CN106443467A (zh) * 2016-09-18 2017-02-22 北京交通大学 基于充电过程的锂离子电池充入电量建模方法与应用
WO2019018974A1 (zh) * 2017-07-24 2019-01-31 罗伯特·博世有限公司 用于对电池容量进行建模和估计的方法及系统
CN108445406A (zh) * 2018-03-13 2018-08-24 桂林电子科技大学 一种动力电池健康状态估计方法
CN110068774A (zh) * 2019-05-06 2019-07-30 清华四川能源互联网研究院 锂电池健康状态的估计方法、装置及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JINPENG TIAN,ET AL: "Fractional-Order Model-Based Incremental Capacity Analysis for Degradation State Recognition of Lithium-Ion Batteries", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *
孙培坤: "电动汽车动力电池健康状态估计方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
郭琦沛: "锂离子动力电池健康特征提取与诊断研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707958B (zh) * 2020-05-26 2021-09-03 同济大学 一种基于容量增量曲线特征的电池内短路检测方法
CN111707958A (zh) * 2020-05-26 2020-09-25 同济大学 一种基于容量增量曲线特征的电池内短路检测方法
CN111693881A (zh) * 2020-05-28 2020-09-22 江苏大学 基于“标准化温度”的宽温度范围下电池健康状态在线估测方法
CN111896873A (zh) * 2020-06-28 2020-11-06 中国电力科学研究院有限公司 一种用于评估储能电站健康状态的方法及系统
CN111896873B (zh) * 2020-06-28 2023-03-14 中国电力科学研究院有限公司 一种用于评估储能电站健康状态的方法及系统
CN111965546A (zh) * 2020-09-03 2020-11-20 南京理工大学 基于ocv曲线重构的锂电池容量和初始soc估计方法
CN111965546B (zh) * 2020-09-03 2023-06-30 南京理工大学 基于ocv曲线重构的锂电池容量和初始soc估计方法
CN112462283A (zh) * 2020-10-19 2021-03-09 江苏大学 基于差分温度曲线的锂离子电池内阻及容量估算方法
CN112462283B (zh) * 2020-10-19 2024-05-14 江苏大学 基于差分温度曲线的锂离子电池内阻及容量估算方法
CN112462288A (zh) * 2020-10-22 2021-03-09 江苏大学 一种基于电池表面温度变化值的锂离子电池健康状态估算方法
CN112462288B (zh) * 2020-10-22 2024-05-10 江苏大学 一种基于电池表面温度变化值的锂离子电池健康状态估算方法
CN112698217A (zh) * 2020-12-25 2021-04-23 江苏省特种设备安全监督检验研究院 基于粒子群优化算法的电池单体容量估计方法
CN112698217B (zh) * 2020-12-25 2023-11-03 江苏省特种设备安全监督检验研究院 基于粒子群优化算法的电池单体容量估计方法
CN112630672A (zh) * 2020-12-31 2021-04-09 湖北亿纬动力有限公司 一种锂电池容量校正的方法及其应用
CN112834946A (zh) * 2020-12-31 2021-05-25 东软睿驰汽车技术（沈阳）有限公司 一种评估电池电芯衰减程度的方法及装置
CN112630672B (zh) * 2020-12-31 2023-10-03 湖北亿纬动力有限公司 一种锂电池容量校正的方法及其应用
CN112904211B (zh) * 2021-01-04 2022-10-28 北京空间飞行器总体设计部 一种深空探测用锂离子电池组剩余容量估计方法
CN112904211A (zh) * 2021-01-04 2021-06-04 北京空间飞行器总体设计部 一种深空探测用锂离子电池组剩余容量估计方法
CN112798960A (zh) * 2021-01-14 2021-05-14 重庆大学 一种基于迁移深度学习的电池组剩余寿命预测方法
CN112798960B (zh) * 2021-01-14 2022-06-24 重庆大学 一种基于迁移深度学习的电池组剩余寿命预测方法
CN112881931A (zh) * 2021-01-20 2021-06-01 同济大学 一种基于容量增量曲线的电池安全性诊断方法
CN113640674A (zh) * 2021-06-30 2021-11-12 昆明理工大学 基于优化高斯过程回归的锂离子电池可用容量估计方法
CN113640674B (zh) * 2021-06-30 2022-09-06 昆明理工大学 基于优化高斯过程回归的锂离子电池可用容量估计方法
CN113702854B (zh) * 2021-08-23 2024-01-02 欣旺达电子股份有限公司 容量老化计算方法、系统、电池储能设备及存储介质
CN113702854A (zh) * 2021-08-23 2021-11-26 欣旺达电子股份有限公司 容量老化计算方法、系统、电池储能设备及存储介质
CN113866655A (zh) * 2021-09-27 2021-12-31 北京理工新源信息科技有限公司 融合车联网运行数据与测试数据的动力电池容量评估方法
CN114355223B (zh) * 2021-12-30 2024-06-07 东软集团股份有限公司 一种电池健康状态检测方法、装置及设备
CN115972978A (zh) * 2023-03-20 2023-04-18 杭州科工电子科技有限公司 基于电池容量一致性分析的电池均衡方法

Also Published As

Publication number Publication date
CN110927591B (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN110927591B (zh) 一种电池容量估计方法、计算机可读介质及车辆
CN113466723B (zh) 确定电池荷电状态的方法及装置，电池管理系统
CN110068774B (zh) 锂电池健康状态的估计方法、装置及存储介质
CN104535932B (zh) 一种锂离子电池荷电状态估计方法
Huang et al. A model-based state-of-charge estimation method for series-connected lithium-ion battery pack considering fast-varying cell temperature
CN103003709B (zh) 电池状态估计装置以及电池状态估计方法
He et al. State-of-charge estimation of lithium ion batteries based on adaptive iterative extended Kalman filter
CN108732503A (zh) 一种电池健康状态与电池容量检测方法及装置
CN103529398A (zh) 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN107843852A (zh) 一种获取离线数据来估算蓄电池联合状态的方法
CN106154168B (zh) 数据驱动的动力电池荷电状态估计方法
CN111443290B (zh) 一种带有闭环控制的电动汽车动力电池sop估计方法
CN105203963A (zh) 一种基于开路电压滞回特性的荷电状态的估计方法
CN112269133B (zh) 一种基于预充电路模型参数识别的soc估计方法
CN113466725B (zh) 确定电池荷电状态的方法及装置，存储介质及电子设备
CN112379272B (zh) 一种基于人工智能的锂离子电池系统soc估计方法
CN112649747A (zh) 一种分数阶扩展卡尔曼的锂电池soc估算方法
CN111044924B (zh) 一种全工况电池剩余容量确定方法及系统
CN114779107A (zh) 一种考虑温度影响的锂离子电池soc估计方法
CN115656848A (zh) 一种基于容量修正的锂电池soc估算方法
CN109387784B (zh) 多维度状态估算效准soc的方法以及动态修正soc的方法
CN112816873B (zh) 一种基于改进电池模型的iekf锂电池soc估算方法
CN112114254A (zh) 一种动力电池开路电压模型融合方法
CN110927597A (zh) 一种确定电池放电曲线的方法

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