CN111090963A - 一种基于用户需求的自适应多段恒流恒压充电方法 - Google Patents
一种基于用户需求的自适应多段恒流恒压充电方法 Download PDFInfo
- Publication number
- CN111090963A CN111090963A CN201911235801.5A CN201911235801A CN111090963A CN 111090963 A CN111090963 A CN 111090963A CN 201911235801 A CN201911235801 A CN 201911235801A CN 111090963 A CN111090963 A CN 111090963A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- constant
- soc
- temperature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010281 constant-current constant-voltage charging Methods 0.000 title claims abstract description 19
- 238000007600 charging Methods 0.000 claims abstract description 49
- 230000032683 aging Effects 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000002474 experimental method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000010287 polarization Effects 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 24
- 239000002245 particle Substances 0.000 claims description 22
- 230000020169 heat generation Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 10
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 8
- 229910001416 lithium ion Inorganic materials 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000010280 constant potential charging Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000010277 constant-current charging Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 101150036841 minJ gene Proteins 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003878 thermal aging Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
- H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于用户需求的自适应多段恒流恒压充电方法，属于电池管理技术领域。该方法包括：S1：选定待测动力电池，收集整理该动力电池的技术参数，建立该动力电池的电、热、老化模型；S2：通过实验确定该动力电池所需电、热、老化模型的参数；S3：根据用户需求确定需要更加关注充电时间还是电池寿命，建立优化模型；S4：通过PSO优化方法对模型进行优化计算。根据用户的使用需求例如在夜晚家庭充电时采用较长的充电时间来延长寿命，而在外出如高速公路途中需考虑以时间最短为主的充电策略，来调整优化模型。
Description
技术领域
本发明属于电池管理技术领域，涉及一种基于用户需求的自适应多段恒流恒压充电方法。
背景技术
近年来随着电动汽车行业的蓬勃发展，对动力电池的需求也不断提高。其中锂离子电池以其优越的性能和较高的循环寿命，被广泛应用。但相较于传统的内燃机汽车可以简单快速的补充燃料，电动汽车因为锂离子电池的自身特性，其充电策略已成为其应用的最大阻碍。尽管电池的技术不断进步，在未来将会实现电池机理上的快速充电，但如何实现电池管理系统层面上的快速充电依然是研究热点。
充电策略会对充电时间和电池寿命造成影响。一方面，过长的充电时间会降低电动汽车的实用性，严重影响到用户的体验，降低用户信心。另一方面，过高的充电电流导致电池温度快速上升，从而导致容量衰减，大幅缩短使用寿命。这两个因素是互相涉及，互相关联，并可能竞争。因此选择一种合理的充电策略来权衡充电时间和电池寿命之间的矛盾显得尤为重要。
发明内容
有鉴于此，本发明的目的在于提供一种基于用户需求的自适应多段恒流恒压充电方法，以解决现有技术中没有考虑用户需求，没有权衡充电时间和电池老化等技术问题，达到在保证电池寿命和安全性的前提下加快充电速度的目的。
为达到上述目的，本发明提供如下技术方案：
一种基于用户需求的自适应多段恒流恒压充电方法，该方法包括以下步骤：
S1：选定待测动力电池，收集整理该动力电池的技术参数，建立该动力电池的电、热、老化模型；
S2：在不同温度下对被测动力电池进行OCV测试和混合脉冲功率特性HPPC实验确定该动力电池所需电、热、老化模型的参数；
S3：根据用户需求确定需要更加关注充电时间还是电池寿命，建立优化模型；
S4：通过PSO优化方法对模型进行优化计算。
可选的，所述步骤S1包括以下步骤：
S11：建立一阶RC等效电路模型，得到电模型的状态表达式，其中Uocv为电池开路电压，用于描述OCV与SOC之间的非线性关系；Uk为端电压，Up为极化电压，R0为欧姆内阻，用于描述充放电时的瞬时伏安，U0为欧姆电压，用于描述欧姆内阻上的压降，R1、C1分别为极化电阻、极化电容，用于描述极化和扩散效应引起的瞬态反应，Cbat为电池标称容量；
Uk(t)＝Uocv(SOC)+U0(t)+Up(t) (1)
U0(t)＝I(t)*R0(T,SOC) (2)
S12：建立电池的热模型，推导电池的产热方程和传热方程；产热量Q0由下式表达；
上式中，右边第一项为欧姆电阻产热，第二项为极化内阻产热，第三项为可逆热；dU/dT为温升系数，根据不同SOC下，温升与开路电压变化的测试数据进行计算；对于电池与周围流体的对流换热，基于式(6)进行计算；
Qc＝hA(Tc-Tf) (6)
式(6)中，A为电池表面的换热面积，Tf为外界流体温度，h为对流换热热阻，
由能量守恒知，电池内部由于温度变化热量Qbat与电池内部产热与对外散热的关系如式7所示；
将式(5)(6)带入式(7)，得到电池温度与电池电特性的关系，结果如式(8)所示；
步骤S13：建立电池的老化模型，采用基于半经验公式的容量损失模型；在使用过程中重点是循环寿命而不是日历寿命；采用基于循环试验amatrix的老化模型；该老化模型是通过大量的正交实验，研究温度范围在-30～60℃、放电深度在10～90％、放电倍率在0.5C～10C之间，电池的循环寿命，根据实验结果给出了电池老化的半经验公式：
B为受放电倍率影响的常系数，进行多项式拟合，得到B随放电倍率C的表达公式，Ah为对应时间内电流的吞吐量，C为放电倍率；
B(C)＝-47.836C3+1215C2-9418.9C+36042 (10)
当Qloss为20％，其SOH为0；当电池为新时，Qloss等于0，其对应的SOH0为1；SOH表达式为：
SOH＝1-Qloss/20％ (11)
步骤S14：将电热老化模型耦合成一个联合模型，建立完整的电池模型。
可选的，所述步骤S2包括以下步骤：
S21：将NCR18650B锂离子电池放入恒温恒湿测试箱中，开启恒温箱，设定温度为20℃，静置60min，使得电池温度与恒温箱温度相同，开启电池测试系统，以0.5C CCCV充电方式对电池进行充电，先以0.5C恒定电流充电，直到电池电压达到截止电压4.2V，然后保持4.2V恒压充电，直到电流小于截止电流0.1C，记录电流电压响应；
S22：设置恒温箱温度为17℃，静置90min，使得电池温度达到稳定，记录此时100％SOC的开路电压，然后在电池测试系统中加载10s的1C脉冲放电电流，记录电流电压响应，计算100％SOC的欧姆内阻及极化电压；
S23：静置一段时间，待电压稳定之后，在电池测试系统中加载1C放电电流，调整电池的SOC到80％，静置60min，记录此时80％SOC的开路电压及电流电压响应，辨识电池在80％SOC时的欧姆内阻、极化电压；
S24：重复第三步，调整电池SOC为60％、40％、20％、0％，依次计算各SOC下的开路电压、欧姆内阻、极化内阻、极化电容；
S25：调整第二步中恒温箱的温度为0℃、27℃、37℃，重复S22到S24，测定各温度下电池开路电压、欧姆内阻、极化内阻、极化电容随SOC变化曲线；
在计算电池内部产热时，需考虑电池反应热IT(dUocv/dT)soc，其中电动势温升系数dUocv/dT常常被认为是一个定值；
S26：设置恒温箱温度为17℃，静置90min，使得电池温度达到稳定，记录此时电池的开路电压；
S27：在电池测试系统中加载1C放电电流，调整电池的SOC到80％，静置60min，记录电池的开路电压；
S28：重复步骤c，依次调整SOC为60％、40％、20％、0，记录相应开路电压；
S29：将步骤b中恒温箱温度改为27℃，重复步骤S26-S28，计算两个温度下电池电动势差值与温差的比值随SOC变化曲线。
可选的，所述步骤S3包括以下步骤：
S31：采取归一化之后加权的方法将两者统一到一个目标函数中，多目标优化问题表示为
minJ＝{tdim,SOHdim} (14)
在这里，tf是充电结束时间，tmax是最大充电时间，t0是充电开始时间(一般为0)，
是初始电池健康程度，
是充电结束电池健康程度。
可选的，所述步骤S4包括以下步骤：
S41：初始化粒子，使其均匀地分布在整个空间；应用20个粒子来寻找最优的充电模式；
S42：将初始化电流代入模型计算，得到电压、温度、SOC和SOH，判断电压是否达到阈值电压，切换成下一段恒流充电；判断条件是否同时满足SOC＝90％,Vch＝4.2V，切换成恒压充电；
S43：根据用户需求设定的权重系数，计算目标函数值
S44：比较20个粒子的目标函数值，得到个体及全局最优值Pi、Pg；
S45：比较当前粒子群与以前粒子群的pg，如果其差值小于设定阈值；则程序终止，否则进行下一步；
S46：利用更新公式，对所有粒子的位置
及速度
进行更新，使得所有粒子向最优解附近靠拢。
本发明的有益效果在于：根据用户的使用需求例如在夜晚家庭充电时采用较长的充电时间来延长寿命，而在外出如高速公路途中需考虑以时间最短为主的充电策略，来调整优化模型。另外提出了多段恒流恒压充电策略，根据环境条件来组合电流，进而达到在保证电池寿命和安全性的前提下加快充电速度的目的。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明整体的方法流程图；
图2为本发明实施例步骤S1的细节流程图；
图3为本发明实施例中动力电池的等效电路模型图；
图4为本发明实施例中动力电池的热模型简图；
图5为本发明实施例步骤S2中实验数据获取流程图；
图6为本发明实施例中步骤S3的细节流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
请参阅图1，基于用户需求的自适应多段恒流恒压充电策略分为以下步骤：
S1：选定待测动力电池，收集整理该动力电池的技术参数，建立该动力电池的电、热、老化模型；
S2：在不同温度下对被测动力电池进行OCV测试和混合脉冲功率特性(HybridPulse Power Characteristic,HPPC)实验确定该动力电池所需电、热、老化模型的参数；
S3：根据用户需求确定需要更加关注充电时间还是电池寿命，建立优化模型；S4：通过PSO优化方法对模型进行优化计算；
请参阅图2，步骤S1具体包括步骤S11～S13。
S11：建立一阶RC等效电路模型，得到电模型的状态表达式，参阅图3，其中Uocv为电池开路电压，用于描述OCV与SOC之间的非线性关系。Uk为端电压，Up为极化电压，R0为欧姆内阻，用于描述充放电时的瞬时伏安，U0为欧姆电压，用于描述欧姆内阻上的压降，R1、C1分别为极化电阻、极化电容，用于描述极化和扩散效应引起的瞬态反应，Cbat为电池标称容量。它们间关系可由式1至式4进行计算。
Uk(t)＝Uocv(SOC)+U0(t)+Up(t) (1)
U0(t)＝I(t)*R0(T,SOC) (2)
S12：建立电池的热模型，推导电池的产热方程和传热方程。电池内部的产热主要包括由于电池电阻(欧姆内阻以及极化内阻)而产生的不可逆热和由锂离子在正负极脱嵌、嵌入所发生的化学反应导致的熵变而产生的可逆热。产热量Q0可由下式表达。
上式中，右边第一项为欧姆电阻产热，第二项为极化内阻产热，第三项为可逆热。dU/dT为温升系数，其值可根据不同SOC下，温升与开路电压变化的测试数据进行计算。对于电池与周围流体的对流换热，可基于式(6)进行计算。
Qc＝hA(Tc-Tf) (6)
式(6)中，A为电池表面的换热面积，Tf为外界流体温度，h为对流换热热阻，
由能量守恒可知，电池内部由于温度变化热量Qbat与电池内部产热与对外散热的关系如式7所示。
将式(5)(6)带入式(7)，可得到电池温度与电池电特性的关系，其结果如式(8)所示。
步骤S13：建立电池的老化模型，采用基于半经验公式的容量损失模型。在使用过程中重点是循环寿命而不是日历寿命。在本专利中，采用基于循环试验amatrix的老化模型。该老化模型是通过进行了大量的正交实验，研究了温度范围在-30～60℃、放电深度在10～90％、放电倍率在(0.5C～10C)之间，电池的循环寿命,根据实验结果给出了电池老化的半经验公式：
式(9)中，B为受放电倍率影响的常系数，表1给出不同放电倍率下系数B的值，对其进行多项式拟合，得到了B随放电倍率C的表达公式(式10)，Ah为对应时间内电流的吞吐量，C为放电倍率。
B(C)＝-47.836C3+1215C2-9418.9C+36042 (10)
一般认为锂离子电池的EOL为当电池容量损失达到20％时，电池寿命用尽，即：当Qloss为20％，其SOH为0。当电池为新时，Qloss等于0，其对应的SOH0为1。基于该表述SOH表达式为：
SOH＝1-Qloss/20％ (11)
步骤S14：将电热老化模型耦合成一个联合模型，建立完整的电池模型，参考图4。
请参阅图5，步骤S2具体包括步骤S21～S26。
脉冲放电实验是在不同温度下对电池施加脉冲电流，记录电池电压响应曲线及脉冲结束后电压恢复曲线，在不同SOC下重复实验，计算电池欧姆内阻、极化内阻、极化电容、开路电压等参数随温度、SOC的变化曲线，以NCR18650锂离子电池为例。
S21：将NCR18650B锂离子电池放入恒温恒湿测试箱中，开启恒温箱，设定温度为20℃，静置60min，使得电池温度与恒温箱温度相同，开启电池测试系统，以0.5C CCCV充电方式对电池进行充电，先以0.5C恒定电流充电，直到电池电压达到截止电压(不同电池截止电压不同)4.2V，然后保持4.2V恒压充电，直到电流小于截止电流0.1C，记录电流电压响应。
S22：设置恒温箱温度为17℃，静置90min，使得电池温度达到稳定，记录此时100％SOC的开路电压，然后在电池测试系统中加载10s的1C脉冲放电电流，记录电流电压响应，计算100％SOC的欧姆内阻及极化电压。
S23：静置一段时间，待电压稳定之后，在电池测试系统中加载1C放电电流，调整电池的SOC到80％，静置60min，记录此时80％SOC的开路电压及电流电压响应，辨识电池在80％SOC时的欧姆内阻、极化电压。
S24：重复S23，调整电池SOC为60％、40％、20％、0％，依次计算各SOC下的开路电压、欧姆内阻、极化内阻、极化电容。
S25：调整第二步中恒温箱的温度为0℃、27℃、37℃，重复S22到S24，测定各温度下电池开路电压、欧姆内阻、极化内阻、极化电容随SOC变化曲线。
在计算电池内部产热时，需考虑电池反应热IT(dUocv/dT)soc，其中电动势温升系数dUocv/dT常常被认为是一个定值。实验证明电动势温升系数对温度依赖性较小，而电池的SOC对电动势温升系数的影响作用更加明显。通过设计电动势温升系数实验，测定两个温度下电动势温升系数随SOC变化曲线。
S26：设置恒温箱温度为17℃，静置90min，使得电池温度达到稳定，记录此时电池的开路电压。
S27：在电池测试系统中加载1C放电电流，调整电池的SOC到80％，静置60min，记录电池的开路电压。
S28：重复S27，依次调整SOC为60％、40％、20％、0，记录相应开路电压。
S29：将S26中恒温箱温度改为27℃，重复步骤S26-S28，计算两个温度下电池电动势差值与温差的比值随SOC变化曲线。
步骤S3具体包括步骤S31。
S31：采取归一化之后加权的方法将两者统一到一个目标函数中，多目标优化问题可以表示为
minJ＝{tdim,SOHdim} (14)
在这里，tf是充电结束时间，tmax是最大充电时间，t0是充电开始时间(一般为0)，
是初始电池健康程度，
是充电结束电池健康程度。
请参阅图6，步骤S4具体包括步骤S41～S46。
S41：初始化粒子(初始化电流组)，使其尽可能均匀地分布在整个空间。应用20个粒子来寻找最优的充电模式。
S42：将初始化电流代入模型计算，得到电压，温度，SOC,SOH等参数，判断电压是否达到阈值电压，切换成下一段恒流充电。判断条件是否同时满足SOC＝90％,Vch＝4.2V，切换成恒压充电。
S43：根据用户需求设定的权重系数，计算目标函数值
S44：比较20个粒子的目标函数值，得到个体及全局最优值Pi、Pg。
S45：比较当前粒子群与以前粒子群的pg，如果其差值小于设定阈值。则程序终止，否则进行下一步。
S46：利用更新公式，对所有粒子的位置
及速度
进行更新，使得所有粒子向最优解附近靠拢。
实施例的作用与效果
根据本发明所涉及的一种基于用户需求的自适应多段恒流恒压充电策略，使其易于集成到商用充电电路中。该充电策略建立在高保真电池热-电-老化耦合模型上。针对用户更倾向于减少充电时间还是防止电池老化的不同充电需求，采用粒子群优化算法解决这个多目标非线性的优化问题。
采用基于基于用户需求的自适应多段恒流恒压充电策略的发明的优点有：
1)针对车用动力电池建立了高保真电-热老化耦合模型，能够准确估计动力电池的物理特性；
2)将用于需求考虑其中，对用户满意度产生积极影响；
3)建立了自适应多段恒流恒压的充电策略，易于集成到商业充电电路中。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于用户需求的自适应多段恒流恒压充电方法，其特征在于：该方法包括以下步骤：
S1：选定待测动力电池，收集整理该动力电池的技术参数，建立该动力电池的电、热、老化模型；
S2：在不同温度下对被测动力电池进行OCV测试和混合脉冲功率特性HPPC实验确定该动力电池所需电、热、老化模型的参数；
S3：根据用户需求确定需要更加关注充电时间还是电池寿命，建立优化模型；
S4：通过PSO优化方法对模型进行优化计算。
2.根据权利要求1所述的一种基于用户需求的自适应多段恒流恒压充电方法，其特征在于：所述步骤S1包括以下步骤：
S11：建立一阶RC等效电路模型，得到电模型的状态表达式，其中Uocv为电池开路电压，用于描述OCV与SOC之间的非线性关系；Uk为端电压，Up为极化电压，R0为欧姆内阻，用于描述充放电时的瞬时伏安，U0为欧姆电压，用于描述欧姆内阻上的压降，R1、C1分别为极化电阻、极化电容，用于描述极化和扩散效应引起的瞬态反应，Cbat为电池标称容量；
Uk(t)＝Uocv(SOC)+U0(t)+Up(t) (1)
U0(t)＝I(t)*R0(T,SOC) (2)
S12：建立电池的热模型，推导电池的产热方程和传热方程；产热量Q0由下式表达；
上式中，右边第一项为欧姆电阻产热，第二项为极化内阻产热，第三项为可逆热；dU/dT为温升系数，根据不同SOC下，温升与开路电压变化的测试数据进行计算；对于电池与周围流体的对流换热，基于式(6)进行计算；
Qc＝hA(Tc-Tf) (6)
式(6)中，A为电池表面的换热面积，Tf为外界流体温度，h为对流换热热阻，
由能量守恒知，电池内部由于温度变化热量Qbat与电池内部产热与对外散热的关系如式7所示；
将式(5)(6)带入式(7)，得到电池温度与电池电特性的关系，结果如式(8)所示；
步骤S13：建立电池的老化模型，采用基于半经验公式的容量损失模型；在使用过程中重点是循环寿命而不是日历寿命；采用基于循环试验amatrix的老化模型；该老化模型是通过大量的正交实验，研究温度范围在-30～60℃、放电深度在10～90％、放电倍率在0.5C～10C之间，电池的循环寿命，根据实验结果给出了电池老化的半经验公式：
B为受放电倍率影响的常系数，进行多项式拟合，得到B随放电倍率C的表达公式，Ah为对应时间内电流的吞吐量，C为放电倍率；
B(C)＝-47.836C3+1215C2-9418.9C+36042 (10)
当Qloss为20％，其SOH为0；当电池为新时，Qloss等于0，其对应的SOH0为1；SOH表达式为：
SOH＝1-Qloss/20％ (11)
步骤S14：将电热老化模型耦合成一个联合模型，建立完整的电池模型。
3.根据权利要求1所述的一种基于用户需求的自适应多段恒流恒压充电方法，其特征在于：所述步骤S2包括以下步骤：
S21：将NCR18650B锂离子电池放入恒温恒湿测试箱中，开启恒温箱，设定温度为20℃，静置60min，使得电池温度与恒温箱温度相同，开启电池测试系统，以0.5C CCCV充电方式对电池进行充电，先以0.5C恒定电流充电，直到电池电压达到截止电压4.2V，然后保持4.2V恒压充电，直到电流小于截止电流0.1C，记录电流电压响应；
S22：设置恒温箱温度为17℃，静置90min，使得电池温度达到稳定，记录此时100％SOC的开路电压，然后在电池测试系统中加载10s的1C脉冲放电电流，记录电流电压响应，计算100％SOC的欧姆内阻及极化电压；
S23：静置一段时间，待电压稳定之后，在电池测试系统中加载1C放电电流，调整电池的SOC到80％，静置60min，记录此时80％SOC的开路电压及电流电压响应，辨识电池在80％SOC时的欧姆内阻、极化电压；
S24：重复第三步，调整电池SOC为60％、40％、20％、0％，依次计算各SOC下的开路电压、欧姆内阻、极化内阻、极化电容；
S25：调整第二步中恒温箱的温度为0℃、27℃、37℃，重复S22到S24，测定各温度下电池开路电压、欧姆内阻、极化内阻、极化电容随SOC变化曲线；
在计算电池内部产热时，需考虑电池反应热IT(dUocv/dT)soc，其中电动势温升系数dUocv/dT常常被认为是一个定值；
S26：设置恒温箱温度为17℃，静置90min，使得电池温度达到稳定，记录此时电池的开路电压；
S27：在电池测试系统中加载1C放电电流，调整电池的SOC到80％，静置60min，记录电池的开路电压；
S28：重复步骤c，依次调整SOC为60％、40％、20％、0，记录相应开路电压；
S29：将步骤b中恒温箱温度改为27℃，重复步骤S26-S28，计算两个温度下电池电动势差值与温差的比值随SOC变化曲线。
4.根据权利要求1所述的一种基于用户需求的自适应多段恒流恒压充电方法，其特征在于：所述步骤S3包括以下步骤：
S31：采取归一化之后加权的方法将两者统一到一个目标函数中，多目标优化问题表示为
minJ＝{tdim,SOHdim} (14)
在这里，tf是充电结束时间，tmax是最大充电时间，t0是充电开始时间(一般为0)，
是初始电池健康程度，
是充电结束电池健康程度。
5.根据权利要求1所述的一种基于用户需求的自适应多段恒流恒压充电方法，其特征在于：所述步骤S4包括以下步骤：
S41：初始化粒子，使其均匀地分布在整个空间；应用20个粒子来寻找最优的充电模式；
S42：将初始化电流代入模型计算，得到电压、温度、SOC和SOH，判断电压是否达到阈值电压，切换成下一段恒流充电；判断条件是否同时满足SOC＝90％,Vch＝4.2V，切换成恒压充电；
S43：根据用户需求设定的权重系数，计算目标函数值
S44：比较20个粒子的目标函数值，得到个体及全局最优值Pi、Pg；
S45：比较当前粒子群与以前粒子群的pg，如果其差值小于设定阈值；则程序终止，否则进行下一步；
S46：利用更新公式，对所有粒子的位置
及速度
进行更新，使得所有粒子向最优解附近靠拢。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911235801.5A CN111090963A (zh) | 2019-12-05 | 2019-12-05 | 一种基于用户需求的自适应多段恒流恒压充电方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911235801.5A CN111090963A (zh) | 2019-12-05 | 2019-12-05 | 一种基于用户需求的自适应多段恒流恒压充电方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111090963A true CN111090963A (zh) | 2020-05-01 |
Family
ID=70394980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911235801.5A Pending CN111090963A (zh) | 2019-12-05 | 2019-12-05 | 一种基于用户需求的自适应多段恒流恒压充电方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111090963A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111710929A (zh) * | 2020-06-30 | 2020-09-25 | 中航锂电技术研究院有限公司 | 锂电池充电方法 |
| CN112736952A (zh) * | 2020-12-28 | 2021-04-30 | 南昌大学 | 考虑日历寿命的海上风电配置储能系统容量优化方法 |
| CN113022370A (zh) * | 2021-03-03 | 2021-06-25 | 重庆长安新能源汽车科技有限公司 | 电动汽车换电控制方法 |
| WO2022188760A1 (zh) * | 2021-03-09 | 2022-09-15 | 华为技术有限公司 | 动力电池包热量估计方法和装置 |
| CN117141262A (zh) * | 2023-11-01 | 2023-12-01 | 成都赛力斯科技有限公司 | 一种电池充电方法、装置及车辆 |
| CN117790995A (zh) * | 2024-02-28 | 2024-03-29 | 无锡市星之电智慧科技有限公司 | 一种自动电池充电机及充电优化方案 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070189790A1 (en) * | 2006-02-15 | 2007-08-16 | Fuji Xerox Co., Ltd. | Charging device and image forming apparatus |
| US20100121591A1 (en) * | 2008-11-13 | 2010-05-13 | Lockheed Martin Corporation | Method and apparatus that detects state of charge (soc) of a battery |
| CN101814640A (zh) * | 2010-05-06 | 2010-08-25 | 惠州市亿能电子有限公司 | 改进型动力锂离子电池cc-cv充电方法 |
| WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| CN106849294A (zh) * | 2016-12-12 | 2017-06-13 | 华北科技学院 | 一种矿用铅酸蓄电池高频智能快充充电方法 |
| CN110068772A (zh) * | 2019-05-06 | 2019-07-30 | 重庆大学 | 基于改进分数阶模型的锂离子电池荷电状态估计方法 |
| CN110161423A (zh) * | 2019-06-26 | 2019-08-23 | 重庆大学 | 一种基于多维度耦合模型的动力锂电池状态联合估计方法 |
| US20190265530A1 (en) * | 2018-02-27 | 2019-08-29 | Board Of Trustees Of Michigan State University | Electrically tunable ionic liquid optics |
-
2019
- 2019-12-05 CN CN201911235801.5A patent/CN111090963A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070189790A1 (en) * | 2006-02-15 | 2007-08-16 | Fuji Xerox Co., Ltd. | Charging device and image forming apparatus |
| US20100121591A1 (en) * | 2008-11-13 | 2010-05-13 | Lockheed Martin Corporation | Method and apparatus that detects state of charge (soc) of a battery |
| CN101814640A (zh) * | 2010-05-06 | 2010-08-25 | 惠州市亿能电子有限公司 | 改进型动力锂离子电池cc-cv充电方法 |
| WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| CN106849294A (zh) * | 2016-12-12 | 2017-06-13 | 华北科技学院 | 一种矿用铅酸蓄电池高频智能快充充电方法 |
| US20190265530A1 (en) * | 2018-02-27 | 2019-08-29 | Board Of Trustees Of Michigan State University | Electrically tunable ionic liquid optics |
| CN110068772A (zh) * | 2019-05-06 | 2019-07-30 | 重庆大学 | 基于改进分数阶模型的锂离子电池荷电状态估计方法 |
| CN110161423A (zh) * | 2019-06-26 | 2019-08-23 | 重庆大学 | 一种基于多维度耦合模型的动力锂电池状态联合估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李夔宁: "基于电-热-老化耦合模型的自适应多段恒流充电研究", 东北大学学报(自然科学版), vol. 40, no. 9, pages 1323 - 1329 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111710929A (zh) * | 2020-06-30 | 2020-09-25 | 中航锂电技术研究院有限公司 | 锂电池充电方法 |
| CN112736952A (zh) * | 2020-12-28 | 2021-04-30 | 南昌大学 | 考虑日历寿命的海上风电配置储能系统容量优化方法 |
| CN113022370A (zh) * | 2021-03-03 | 2021-06-25 | 重庆长安新能源汽车科技有限公司 | 电动汽车换电控制方法 |
| WO2022188760A1 (zh) * | 2021-03-09 | 2022-09-15 | 华为技术有限公司 | 动力电池包热量估计方法和装置 |
| CN117141262A (zh) * | 2023-11-01 | 2023-12-01 | 成都赛力斯科技有限公司 | 一种电池充电方法、装置及车辆 |
| CN117141262B (zh) * | 2023-11-01 | 2024-01-23 | 成都赛力斯科技有限公司 | 一种电池充电方法、装置及车辆 |
| CN117790995A (zh) * | 2024-02-28 | 2024-03-29 | 无锡市星之电智慧科技有限公司 | 一种自动电池充电机及充电优化方案 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Optimized charging of lithium-ion battery for electric vehicles: Adaptive multistage constant current–constant voltage charging strategy | |
| CN111090963A (zh) | 一种基于用户需求的自适应多段恒流恒压充电方法 | |
| CN105552465B (zh) | 一种基于时间和温度的锂离子电池优化充电方法 | |
| CN112615075B (zh) | 电池快速充电方法及计算机设备 | |
| CN106291378B (zh) | 一种电动汽车动力电池soh的测算方法 | |
| Kang et al. | Comparison of comprehensive properties of Ni-MH (nickel-metal hydride) and Li-ion (lithium-ion) batteries in terms of energy efficiency | |
| CN103969587B (zh) | 一种混合动力车用动力电池soc估算方法 | |
| CN110795851B (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
| CN110635187B (zh) | 一种考虑老化的锂电池充电方法 | |
| CN109586373A (zh) | 一种电池充电方法和装置 | |
| CN109950661B (zh) | 一种动力电池组的内外部同时加热的装置及方法 | |
| CN107834620B (zh) | 一种多目标优化控制的锂电池组充电方法 | |
| CN109633456B (zh) | 一种基于分段电压识别法的动力锂电池组soc估算方法 | |
| Soto et al. | Analysis of the main battery characterization techniques and experimental comparison of commercial 18650 Li-ion cells | |
| CN108508370A (zh) | 一种基于温度校正的开路电压-安时积分soc估计方法 | |
| CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
| CN115166528A (zh) | 一种动力电池的实时soc估算方法、系统及电动汽车 | |
| CN108336435A (zh) | 一种考虑充电能量效率的锂离子电池充电方法 | |
| CN111537887A (zh) | 考虑迟滞特性的混合动力系统电池开路电压模型优化方法 | |
| KR101867225B1 (ko) | 리튬 이온 배터리 급속 충전 방법 | |
| CN111762059B (zh) | 一种考虑电池充放电工况的多变量融合电池组的均衡方法 | |
| CN116914886A (zh) | 一种基于用户侧储能系统的充放电控制优化策略 | |
| Madani et al. | Thermal Modelling of a Lithium Titanate Oxide Battery | |
| Liu et al. | Research on safe charging strategy of lithium-ion battery based on three-electrode equivalent circuit model | |
| CN113253137B (zh) | 确定电池包荷电状态的装置和方法 |
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 |