CN110954832A - 一种识别老化模式的锂离子电池健康状态在线诊断方法 - Google Patents
一种识别老化模式的锂离子电池健康状态在线诊断方法 Download PDFInfo
- Publication number
- CN110954832A CN110954832A CN201911314788.2A CN201911314788A CN110954832A CN 110954832 A CN110954832 A CN 110954832A CN 201911314788 A CN201911314788 A CN 201911314788A CN 110954832 A CN110954832 A CN 110954832A
- Authority
- CN
- China
- Prior art keywords
- battery
- circuit voltage
- state
- curve
- open
- 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.)
- Pending
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]
- G01R31/367—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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only 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
本发明属于电池诊断技术领域,尤其涉及一种识别老化模式的锂离子电池健康状态在线诊断方法,包括:步骤1,依据电池结构组分对电池老化模式进行分类;步骤2,基于正负电极的开路电压‑荷电状态关系与老化模式对半电池模型的影响,在全新电池尺度上构建电池的开路电压‑荷电状态曲线,获取各种老化模式的损失量;步骤3,采用扩展卡尔曼滤波算法,从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线,用于动态工况下电池健康状态在线诊断。本发明能够反映电池内部衰退机理与老化模式,对影响电池健康状态的内在原因进行定量化分析,且对于不同工况的适应性强,便于在实车运行过程中进行在线应用。
Description
技术领域
本发明属于电池诊断技术领域,尤其涉及一种识别老化模式的锂离子电池健康状态在线诊断方法。
背景技术
近年来,随着能源危机的加剧及环境问题的日益突出,为保障国家能源安全、实现节能减排,发展新能源汽车成为一种趋势。然而,随着电动汽车的飞速发展,其续航能力与安全状况越来越受到业界的关注,迫切需要电池管理系统对电池健康状态进行准确诊断。
学术界和工业界已经认识到了电池健康状态对于确保动力电池系统安全高效运行的重要性,开展了全寿命周期内电池的可用容量估计方法研究,包括模型驱动方法和数据驱动方法,构建循环次数随电池可用容量的关系。但除了基于电化学模型的容量估计方法外,均弱化了电池的衰退机理与老化模式,单纯的估计电池容量,未能对影响电池健康状态的内在原因进行定量化分析,无法从根本上解决电池健康状态的诊断问题。而基于电化学模型的方法,计算复杂,难以在实车运行过程中进行在线应用,因此,迫切的需要一种在锂离子电池老化过程中能够反映电池内部衰退机理与老化模式的健康状态在线诊断方法。
发明内容
为了在诊断分析电池健康状态时能够反映出电池内部衰退机理与老化模式,本发明提出了一种识别老化模式的锂离子电池健康状态在线诊断方法,包括:
步骤1,依据电池结构组分对电池老化模式进行分类;
步骤2,基于正负电极的开路电压-荷电状态关系与老化模式对半电池模型的影响,在全新电池尺度上构建电池的开路电压-荷电状态曲线,获取各种老化模式的损失量;
步骤3,采用扩展卡尔曼滤波算法,从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线,用于动态工况下电池健康状态在线诊断。
所述电池结构组分包括正极集流体、正极活性材料、隔膜、电解质、负极活性材料,负极集流体。
所述电池老化模式分为正极活性材料损失、负极活性材料损失和锂离子损失。
所述步骤2考虑各种老化模式作用下正负电极开路电压-荷电状态曲线在全新电池荷电状态尺度上的平移和收缩特性,建立模型描述老化模式对正负电极匹配关系的影响机制。
所述步骤2通过粒子群寻优算法,以重构的全新电池与老化电池开路电压曲线和实测曲线之间的均方根误差最小为优化目标,计算正极配置容量与全电池容量的比值、负极配置容量与全电池容量的比值、正负电池的开路电压-荷电状态曲线在全电池荷电状态尺度上相对于全电池实测开路电压-荷电状态曲线的偏移量、正极活性材料损失、负极活性材料损失、锂离子损失、尺度转换后老化电池的开路电压曲线相比于全新电池的偏移量,计算得到正极容量、负极容量和可用锂离子数量。
所述步骤3包括:采用扩展卡尔曼滤波算法从电池在各种动态放电工况下的电压电流测试数据中辨识出每个时刻的开路电压,获取开路电压随累计放电容量的变化曲线,并将其转换为开路电压-荷电状态曲线,实现锂离子电池老化模式无损定量诊断。
本发明的有益效果是通过扩展卡尔曼滤波算法在线获取开路电压-荷电状态曲线,基于新电池正负电极和全电池匹配关系与各种老化模式作用下老化电池在新电池荷电状态尺度下重构的开路电压-荷电状态曲线模型,采用优化算法实现电池正极活性材料损失、负极活性材料损失和锂离子损失的无损定量诊断;本发明能够反映电池内部衰退机理与老化模式,对影响电池健康状态的内在原因进行定量化分析,且对于不同工况的适应性强,便于在实车运行过程中进行在线应用。
附图说明
图1为锂离子电池健康状态在线诊断方法的流程图。
图2为DST-1C动态电流工况。
图3为动态工况下辨识的电池开路电压-荷电状态曲线。
图4为四种工况下辨识得到的开路电压-荷电状态曲线拟合结果(a)DST-1C, (b)DST-2C,(c)FUDS-1C,(d)FUDS-2C。
图5为四种工况下电池老化模式演变曲线(a)正极活性材料损失,(b)负极活性材料损失,(c)锂离子损失。
具体实施方式
下面结合附图,对优选实施例作详细说明。
本发明提出一种识别老化模式的锂离子电池健康状态在线诊断方法,依据电池结构组分,对电池老化模式进行分类,考虑各种老化模式作用下正负电极开路电压-荷电状态曲线在全新电池荷电状态尺度上的平移和收缩特性,分析各种老化模式对半电池模型的影响,对于新电池描述其正负极和全电池的匹配关系并在全新电池尺度上构建其开路电压-荷电状态曲线,经过一段时间的老化后在全新电池尺度上重构老化电池的开路电压-荷电状态曲线,提出锂离子电池老化模式无损定量诊断方法,采用扩展卡尔曼滤波算法,从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线,用于动态工况下电池健康状态在线诊断。为使本发明的目的、优点和特征更加显而易见,下面结合附图和具体实施方式对本发明进行进一步的详细说明。
如图1所示为锂离子电池健康状态在线诊断方法的流程图。
电池结构组分主要包括正极集流体、正极活性材料、隔膜、电解质、负极活性材料,负极集流体。电池充放电过程实质为锂离子在电池正、负极活性材料之间进行脱嵌。因此,电池容量的衰减主要取决于正、负极活性材料与锂离子量,可以将电池老化模式划分为正极活性材料损失、负极活性材料损失和锂离子损失。且全电池开路电压等于正极开路电压与负极开路电压之差,从能斯特方程出发,建立正负电极的开路电压随荷电状态变化模型,如式(1)和式(2)所示:
式中,Δxi、Eo,i和ai是待辨识的模型参数,通过拟合实验测得的正负半电池的开路电压-荷电状态曲线可以获得。在此基础上,需要将正负电极的开路电压- 荷电状态曲线从其自身的荷电状态尺度上转换到全电池的荷电状态尺度上,以获得全电池开路电压-荷电状态曲线,变换过程如式(3)-(5)所示:
SOCPE=KP*(1-fPE(OCVPE))+SP=fPE,cell(OCVPE) (3)
SOCNE=KN*fNE(OCVNE)+SN=fNE,cell(OCVNE) (4)
式中,KP是正极配置容量与全电池容量Q的比值,KN是负极配置容量与全电池容量Q的比值。SP和SN分别为正负电池的开路电压-荷电状态曲线在全电池荷电状态尺度上相对于全电池实测开路电压-荷电状态曲线的偏移量。
考虑各种老化模式作用下正负电极开路电压-荷电状态曲线在全新电池荷电状态尺度上的平移和收缩特性,分别建立模型描述正极活性材料损失(LAMPE)、负极活性材料损失(LAMNE)和锂离子损失(LLI)对正负电极匹配关系的影响机制如式(6)-(10)所示:
式中,Qd是老化电池的容量,Q是全新电池的容量,Sh是尺度转换后老化电池的开路电压曲线相比于全新电池的偏移量。
通过粒子群寻优算法,以重构的全新电池与老化电池开路电压曲线和实测曲线之间的均方根误差最小为优化目标,可以辨识未知参数(KP、KN、SP、SN、LAMPE、 LAMNE、LLI和Sh),进而可计算正极容量、负极容量和可用锂离子数量,如式(11)-(13) 所示:
QP=KP*Q (11)
QN=KN*Q (12)
QLi=KP*Q-(SP-SN)*Q (13)
为使得该方法便于在线应用,需要在实车动态工况条件下分析电池的老化模式。四种动态电流工况条件下的放电测试,如图2所示,包括DST-1C、DST-2C、 FUDS-1C和FUDS-2C。采用扩展卡尔曼滤波算法从电池在各种动态放电工况下的电压电流测试数据中辨识出每个时刻的开路电压,如图3所示。应用上述提出的锂离子电池老化模式无损定量诊断方法对这些开路电压-荷电状态曲线进行拟合,拟合结果如图4所示,获得的电池老化模式演变曲线如图5所示,其中编号1、2、3和4分别对应新电池与不同的老化状态。
实例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种识别老化模式的锂离子电池健康状态在线诊断方法,其特征在于,包括:
步骤1,依据电池结构组分对电池老化模式进行分类;
步骤2,基于正负电极的开路电压-荷电状态关系与老化模式对半电池模型的影响,在全新电池尺度上构建电池的开路电压-荷电状态曲线,获取各种老化模式的损失量;
步骤3,采用扩展卡尔曼滤波算法,从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线,用于动态工况下电池健康状态在线诊断。
2.根据权利要求1所述锂离子电池健康状态在线诊断方法,其特征在于,所述电池结构组分包括正极集流体、正极活性材料、隔膜、电解质、负极活性材料,负极集流体。
3.根据权利要求1所述锂离子电池健康状态在线诊断方法,其特征在于,所述电池老化模式分为正极活性材料损失、负极活性材料损失和锂离子损失。
4.根据权利要求1所述锂离子电池健康状态在线诊断方法,其特征在于,所述步骤2考虑各种老化模式作用下正负电极开路电压-荷电状态曲线在全新电池荷电状态尺度上的平移和收缩特性,建立模型描述老化模式对正负电极匹配关系的影响机制。
5.根据权利要求1所述锂离子电池健康状态在线诊断方法,其特征在于,所述步骤2通过粒子群寻优算法,以重构的全新电池与老化电池开路电压曲线和实测曲线之间的均方根误差最小为优化目标,计算正极配置容量与全电池容量的比值、负极配置容量与全电池容量的比值、正负电池的开路电压-荷电状态曲线在全电池荷电状态尺度上相对于全电池实测开路电压-荷电状态曲线的偏移量、正极活性材料损失、负极活性材料损失、锂离子损失、尺度转换后老化电池的开路电压曲线相比于全新电池的偏移量,计算得到正极容量、负极容量和可用锂离子数量。
6.根据权利要求1所述锂离子电池健康状态在线诊断方法,其特征在于,所述步骤3包括:采用扩展卡尔曼滤波算法从电池在各种动态放电工况下的电压电流测试数据中辨识出每个时刻的开路电压,获取开路电压随累计放电容量的变化曲线,并将其转换为开路电压-荷电状态曲线,实现锂离子电池老化模式无损定量诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911314788.2A CN110954832A (zh) | 2019-12-19 | 2019-12-19 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911314788.2A CN110954832A (zh) | 2019-12-19 | 2019-12-19 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110954832A true CN110954832A (zh) | 2020-04-03 |
Family
ID=69982874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911314788.2A Pending CN110954832A (zh) | 2019-12-19 | 2019-12-19 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110954832A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707955A (zh) * | 2020-08-11 | 2020-09-25 | 江苏时代新能源科技有限公司 | 电池剩余寿命的估算方法、装置和介质 |
CN111781504A (zh) * | 2020-08-03 | 2020-10-16 | 北京理工大学 | 一种锂离子动力电池老化状态识别与开路电压重构方法 |
CN112083345A (zh) * | 2020-08-27 | 2020-12-15 | 欣旺达电动汽车电池有限公司 | 电池状态检测方法、装置及存储介质 |
CN112327176A (zh) * | 2020-10-16 | 2021-02-05 | 欣旺达电子股份有限公司 | 电池性能检测方法、系统及存储介质 |
CN112782604A (zh) * | 2020-12-29 | 2021-05-11 | 珠海中力新能源科技有限公司 | 一种电池诊断方法、装置及终端设备 |
CN113567875A (zh) * | 2021-06-11 | 2021-10-29 | 国电南瑞科技股份有限公司 | 一种基于k近邻回归的三元锂离子电池健康状态估计方法 |
CN114879071A (zh) * | 2022-05-17 | 2022-08-09 | 北京交通大学 | 一种基于平均电压的锂离子电池老化模式在线诊断方法 |
CN116699415A (zh) * | 2023-05-26 | 2023-09-05 | 云储新能源科技有限公司 | 一种动态可重构电池系统电量估计方法、系统及电子设备 |
WO2023171119A1 (ja) * | 2022-03-09 | 2023-09-14 | 株式会社日立製作所 | 状態診断装置および状態診断システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150355615A1 (en) * | 2014-06-05 | 2015-12-10 | Ford Global Technologies, Llc | Method and System for Battery State of Charge Estimation |
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 |
CN107121641A (zh) * | 2017-05-16 | 2017-09-01 | 电子科技大学 | 一种基于粒子群优化的电池状态估计方法 |
CN109164391A (zh) * | 2018-07-12 | 2019-01-08 | 杭州神驹科技有限公司 | 一种动力电池荷电状态在线估算方法及系统 |
CN109932656A (zh) * | 2019-04-17 | 2019-06-25 | 合肥工业大学 | 一种基于imm-upf的锂电池寿命估计方法 |
-
2019
- 2019-12-19 CN CN201911314788.2A patent/CN110954832A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150355615A1 (en) * | 2014-06-05 | 2015-12-10 | Ford Global Technologies, Llc | Method and System for Battery State of Charge Estimation |
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 |
CN107121641A (zh) * | 2017-05-16 | 2017-09-01 | 电子科技大学 | 一种基于粒子群优化的电池状态估计方法 |
CN109164391A (zh) * | 2018-07-12 | 2019-01-08 | 杭州神驹科技有限公司 | 一种动力电池荷电状态在线估算方法及系统 |
CN109932656A (zh) * | 2019-04-17 | 2019-06-25 | 合肥工业大学 | 一种基于imm-upf的锂电池寿命估计方法 |
Non-Patent Citations (1)
Title |
---|
姜久春 等: ""电动汽车锂离子动力电池健康状态在线诊断方法"", 《机械工程学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781504A (zh) * | 2020-08-03 | 2020-10-16 | 北京理工大学 | 一种锂离子动力电池老化状态识别与开路电压重构方法 |
CN111781504B (zh) * | 2020-08-03 | 2023-09-01 | 北京理工大学 | 一种锂离子动力电池老化状态识别与开路电压重构方法 |
WO2022032963A1 (zh) * | 2020-08-11 | 2022-02-17 | 江苏时代新能源科技有限公司 | 电池剩余寿命的估算方法、装置和介质 |
CN111707955A (zh) * | 2020-08-11 | 2020-09-25 | 江苏时代新能源科技有限公司 | 电池剩余寿命的估算方法、装置和介质 |
US11619679B2 (en) | 2020-08-11 | 2023-04-04 | Jiangsu Contemporary Amperex Technology Limited | Method, apparatus and medium for estimating battery remaining life |
CN112083345B (zh) * | 2020-08-27 | 2023-10-31 | 欣旺达动力科技股份有限公司 | 电池状态检测方法、装置及存储介质 |
CN112083345A (zh) * | 2020-08-27 | 2020-12-15 | 欣旺达电动汽车电池有限公司 | 电池状态检测方法、装置及存储介质 |
CN112327176A (zh) * | 2020-10-16 | 2021-02-05 | 欣旺达电子股份有限公司 | 电池性能检测方法、系统及存储介质 |
CN112327176B (zh) * | 2020-10-16 | 2024-03-19 | 欣旺达动力科技股份有限公司 | 电池性能检测方法、系统及存储介质 |
CN112782604A (zh) * | 2020-12-29 | 2021-05-11 | 珠海中力新能源科技有限公司 | 一种电池诊断方法、装置及终端设备 |
CN113567875A (zh) * | 2021-06-11 | 2021-10-29 | 国电南瑞科技股份有限公司 | 一种基于k近邻回归的三元锂离子电池健康状态估计方法 |
WO2023171119A1 (ja) * | 2022-03-09 | 2023-09-14 | 株式会社日立製作所 | 状態診断装置および状態診断システム |
CN114879071A (zh) * | 2022-05-17 | 2022-08-09 | 北京交通大学 | 一种基于平均电压的锂离子电池老化模式在线诊断方法 |
CN114879071B (zh) * | 2022-05-17 | 2024-07-02 | 北京交通大学 | 一种基于平均电压的锂离子电池老化模式在线诊断方法 |
CN116699415A (zh) * | 2023-05-26 | 2023-09-05 | 云储新能源科技有限公司 | 一种动态可重构电池系统电量估计方法、系统及电子设备 |
CN116699415B (zh) * | 2023-05-26 | 2024-06-11 | 云储新能源科技有限公司 | 一种动态可重构电池系统电量估计方法、系统及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110954832A (zh) | 一种识别老化模式的锂离子电池健康状态在线诊断方法 | |
CN111398833B (zh) | 一种电池健康状态评估方法 | |
Farmann et al. | Critical review of on-board capacity estimation techniques for lithium-ion batteries in electric and hybrid electric vehicles | |
Eddahech et al. | Behavior and state-of-health monitoring of Li-ion batteries using impedance spectroscopy and recurrent neural networks | |
CN111781504B (zh) | 一种锂离子动力电池老化状态识别与开路电压重构方法 | |
US20160023566A1 (en) | Reduced order electrochemical battery model for vehicle control | |
Stroe et al. | Accelerated aging of Lithium-ion batteries based on electric vehicle mission profile | |
CN109239602B (zh) | 一种动力电池的欧姆内阻的估算方法 | |
US20160023567A1 (en) | Temperature dependent electrochemical battery model for vehicle control | |
CN103314303B (zh) | 用于测定蓄电池的开路电压的方法、具有用于测定开路电压的模块的蓄电池以及具有相应的蓄电池的机动车 | |
CN104749533A (zh) | 一种锂离子电池健康状态在线估算方法 | |
CN111352032A (zh) | 一种锂电池动态峰值功率预测方法 | |
CN103698713A (zh) | 一种锂离子电池健康状态评估方法 | |
US9834112B2 (en) | Battery state of charge estimation based on reduced order electrochemical models | |
CN114089191B (zh) | 一种复合锂离子电池健康状况估计方法 | |
US20160023568A1 (en) | Interpolation of metal-ion concentrations in a battery model for vehicle control | |
WO2010132303A1 (en) | Method for determining extent and type of capacity fade | |
CN105425154A (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
CN105304965A (zh) | 基于降阶电化学模型的电池功率容量估计 | |
Pastor-Fernández et al. | A SoH diagnosis and prognosis method to identify and quantify degradation modes in Li-ion batteries using the IC/DV technique | |
CN114865117B (zh) | 锂离子电池电极嵌锂量检测方法、装置及电池管理系统 | |
Galeotti et al. | Diagnostic methods for the evaluation of the state of health (SOH) of NiMH batteries through electrochemical impedance spectroscopy | |
Cui et al. | Prediction model and principle of end-of-life threshold for lithium ion batteries based on open circuit voltage drifts | |
CN113419188B (zh) | 一种电池内部关键电化学老化参数的在线辨识方法及系统 | |
US20230305067A1 (en) | A method for estimating state of charge and state of health of a battery and a system thereof |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |