CN111342515B - 串联蓄电池组监测诊断、均衡电路和策略 - Google Patents
串联蓄电池组监测诊断、均衡电路和策略 Download PDFInfo
- Publication number
- CN111342515B CN111342515B CN202010169000.XA CN202010169000A CN111342515B CN 111342515 B CN111342515 B CN 111342515B CN 202010169000 A CN202010169000 A CN 202010169000A CN 111342515 B CN111342515 B CN 111342515B
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery
- internal resistance
- charge
- storage battery
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000007599 discharging Methods 0.000 claims abstract description 26
- 230000001105 regulatory effect Effects 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 12
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000005070 sampling Methods 0.000 description 9
- 239000003990 capacitor Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 239000002253 acid Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000012086 standard solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0014—Circuits for equalisation of charge between batteries
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0014—Circuits for equalisation of charge between batteries
- H02J7/0016—Circuits for equalisation of charge between batteries using shunting, discharge or bypass circuits
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种串联蓄电池组监测诊断、均衡电路和策略。蓄电池组监测诊断、均衡电路包括充电器、电压源、压控恒流源、电压测量模块、温度测量模块、负载电阻、开关K01、K02、K03、K04、K11~K1N和K21~K2N。蓄电池组均衡策略中采用压控恒流源实现连续的充放电,通过各单体电池端电压和电压偏离值两个变量作为输入量,用模糊逻辑算法估算出电池均衡电压调节量及对应的压控恒流源电压控制模块的控制电压,用于调节电池均衡时充放电电流。蓄电池组监测诊断通过脉冲放电获得的内阻相对变化量和均衡过程中的荷电相对变化量作为输入量,用模糊逻辑算法估算出电池状态。
Description
技术领域
本发明涉及电池检测、电池管理系统领域,具体为一种串联蓄电池组监测诊断、均衡电路和策略。
背景技术
串联铅酸蓄电池组作为后备电源一直是通信基站、电力站点等应急和后备电源的标准解决方案。铅酸蓄电池组在整组充电时,受蓄电池组内阻、差分电压、自放电等因素影响,无法保证每节电池单体均分到充电电压,从而造成电池单体电压出现差异,导致不均衡,影响使用效果和寿命。长期处于浮充状态下的电池端电压始终显示正常状态,即使出现问题,也无法判断电池是否损坏。
多种实时监测电池状态、电池均衡的方法相继提出。监测电池状态主要有电压检测、内阻诊断、剩余容量估算、以及神经网络、滤波技术等(史海涛,钱念书,张丽娣.VRLA蓄电池在线监测技术综述[J].通信电源技术,2011,28 (6):25-27.)。一方面,单纯的电压、内阻、剩余容量等监测方法波动大,预测偏离明显;另一方面,基于神经网络、滤波技术的监测方法若选择的输入参数不当,也会导致误差大;此外,多数监测诊断方法往往和电池均衡单独使用,没有有效整合,导致设备占用空间、布线密集。蓄电池容量均衡的方法主要有电阻消耗均衡法、开关电容法、双向DC-DC变流器法、多绕组变压器法、多模块开关均衡法、开关电感法等(董博,李永东.蓄电池容量均衡方法概述[J].电源学报,2011(5):32-36.)。现有的各种均衡方法在对蓄电池进行充放电时,均通过MOSFET管M1或者大功率三极管对蓄电池进行方波斩波实现充放电电流大小的调节。对蓄电池进行方波斩波,本质上是对蓄电池进行密集、断续的充放电,长期对蓄电池进行方波斩波实现均衡将影响蓄电池寿命。
发明内容
本发明的目的在于克服上述现有方法的不足,结合现有技术,提供一种串联蓄电池组监测诊断、均衡电路和策略。本发明的技术方案如下:
一种串联蓄电池组监测诊断、均衡电路包括充电器、电压源、压控恒流源、电压测量模块、温度测量模块、负载电阻RL、开关K01、K02、K03、K04、K11~ K1N和K21~K2N,N为蓄电池节数。
待测串联蓄电池组B1~BN两端和充电器并联。串联蓄电池组B1~BN中每节电池的负极分别和开关K21~K2N对应的一端连接,开关K21~K2N的另一端全部接地。串联蓄电池组B1~BN中每节电池的正极分别和开关K11~K1N对应的一端连接,开关K11~K1N的另一端同时和开关K02、K03、电压测量模块、温度测量模块的一端连接。电压测量模块、温度测量模块的另一端接地。开关K02的另一端和压控恒流源的一端连接,压控恒流源的另一端和开关K03的另一端连接,并通过开关K04和负载电阻RL连接,负载电阻RL另一端接地。电压源的一端通过开关K01和压控恒流源的一端连接,电压源的另一端接地。
对串联蓄电池组B1~BN中某一特定电池BN进行放电、充电、电压测量、温度测量时,在开关K21~K2N、K11~K1N中,将对应的开关K1N和K2N闭合,其它断开。
进一步地,对串联蓄电池组B1~BN中某一特定电池BN进行放电时,将开关 K02、K04闭合,开关K01、K03断开。
进一步地,对串联蓄电池组B1~BN中某一特定电池BN进行充电时,将开关 K01、K03闭合,开关K02、K04断开。
所述压控恒流源包括电压控制模块、电压采集模块、差分放大电路、运放IC1、第一到第三电阻、采样电阻Rs、第一、第二电容、MOSFET管M1。所述压控恒流源的电流大小通过电压控制模块进行调节,电压控制模块和运放IC1的负输入端连接,运放IC1输出端通过第三电阻和MOSFET管M1的栅极连接,其漏极为电流输入端,源极和采样电阻Rs连接。放电状态下,采样电阻Rs通过负载电阻RL接地;充电状态下,采样电阻Rs和开关K03连接,以对应需要充电的电池作为负载。采样电阻Rs两端电压通过差分放大电路进行放大,差分放大输出电压由电压采集模块采集,并通过第一电阻和第一电容组成的低通滤波电路后反馈至运放IC1的正输入端。运放IC1的正输入端和输出端有第二电阻和第二电容组成的串联电路连接。
一种基于串联蓄电池组监测诊断、均衡电路的串联蓄电池组监测诊断、均衡策略,包括如下步骤:
步骤S1:判断是否有电池均衡进程正在进行中,有电池均衡进行,执行步骤S4;没有电池均衡进行,执行步骤S2;
步骤S2:对N节串联蓄电池逐一进行脉冲放电,判断单体电池是否损坏失效,若失效,执行步骤S3;若没失效,继续测量蓄电池内阻ri(j)和内阻相对变化量Δri(j),并执行步骤S4;i为自然数,范围为1~N,表示当前电池节数;j为自然数,表示执行监测诊断、均衡策略步骤的次数;
步骤S3:对蓄电池损坏标记加1,并执行步骤S7;
步骤S4:完成蓄电池内阻和内阻相对变化量测量后,测量各单体电池端电压Ufi(j)、电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j),其中Uefi(j)=Ufi(j)-Uh,ΔUefi(j)=Uefi(j)-Uefi(j-1),Uh表示健康电池平均标准电压;
步骤S5:电池均衡电压调节量ΔUgi(j)估算;
步骤S6:执行电池均衡;
步骤S7:电池状态评估。
进一步地,所述步骤S2中,包括如下子步骤:
步骤S201:对N节串联蓄电池作循环,当前电池标记为第i节电池;
步骤S202:对第i节电池进行脉冲放电,放电时间Tp,放电电流Ip(k),实时测量单体电池端电压Up(k),测量时间间隔tp,tp<Tp,k为放电时间Tp内的测量次数;
步骤S206:对当前测试的内阻值ri(j)和上一次测试的所有电池内阻值中最小的值rmin(j-1)作比较,若ri(j)>rmin(j-1),执行步骤S208;否则,执行步骤S207;
步骤S207:当前测试的蓄电池内阻ri(j)赋于当前测试的所有电池内阻值中最小的值rmin(j),即rmin(j)=ri(j);内阻相对变化量取值为零,即Δri(j)=0;
步骤S209:前一次内阻相对变化量的值赋于当前内阻相对变化量,即Δri(j)=Δri(j-1);
步骤S210:判断N节串联蓄电池是否测试完成,未完成回到步骤S201;完成跳出循环,执行步骤S4。
进一步地,所述步骤S5中,电池均衡电压调节量估算采用Mamdani模糊逻辑推理算法。输入变量为电压偏离值Uefi(j)和电压偏离值变化量ΔUefi(j);输出变量为电池均衡电压调节量ΔUgi(j);
所述电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)所定义的模糊子集均为{NB,NM,NS,Z,PS,PM,PB},其模糊子集的论域均为{-1,1};其中,NB,NM,NS,Z,PS,PM,PB分别表示为大负、中负、小负、零、小正、中正、大正。
所述电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)的隶属度函数均为三角形隶属度函数。
所述电池均衡电压调节量估算模糊逻辑推理算法规则表如下表所示。反模糊化采用重心法实现。
电池均衡电压调节量估算模糊逻辑推理规则表
进一步地,所述步骤S6电池均衡时,对ΔUgi(j)从大到小进行排序,若最小值ΔUgi(j)为负时,对相应的电池进行充电;若最小值ΔUgi(j)为正时,则对ΔUgi(j) 为最大值的相应电池进行放电;充放电时间为ktΔUgi(j),kt为充放电时间系数;压控恒流源电压控制模块的控制电压为Ugi(j)=kuΔUgi(j)+Ugi(j-1),ku为电压控制系数,Ugi(j-1)为上一次执行串联蓄电池组均衡策略时的压控恒流源电压控制模块的控制电压。
进一步地,所述步骤S7中,包括如下子步骤:
步骤S701:判断电池坏标记是否大于2,若大于2,执行步骤S709,否则执行步骤S702;
步骤S702:判断电压偏离值Uefi(j)是否小于Uth,小于Uth执行步骤S703,否则执行步骤S707;Uth为电压阀值,用于是否进行电荷计算判断;
步骤S704:当次充放电过程的电荷量Qi(j)和上一次所有电池充放电过程中最大电荷量Qmax(j-1)作比较,当Qi(j)<Qmax(j-1)时,执行步骤S706;否则执行步骤S705;
步骤S705:记Qmax(j)=Qi(j),Ci(j)=0,Qmax(j)为当次所有电池充放电过程中最大电荷量,Ci(j)表示荷电相对变化量;执行步骤S708;
步骤S707:记Ci(j)=1,执行步骤S708;
步骤S708:电池状态模糊推理,得出当前电池状态Hi;
步骤S709:电池状态输出量Hi置为VW,并清零电池坏标记;VW为电池状态量,表示很差。
进一步地,所述步骤S708中,电池状态模糊推理采用Mamdani模糊逻辑推理算法。输入变量为荷电相对变化量Ci(j)和内阻相对变化量Δri(j);输出变量为电池状态Hi;
所述荷电相对变化量Ci(j)和内阻相对变化量Δri(j)所定义的模糊子集均为 {W,M,G},其模糊子集的论域均为{0,1},其中,W,M,G分别表示为差、中、好;电池状态Hi所定义的模糊子集均为{VW,W,M,G,VG},其模糊子集的论域均为{0,1},其中,VW,W,M,G,VG分别表示为很差、差、中、好、很好;
所述电荷电相对变化量Ci(j)和内阻相对变化量Δri(j)和电池状态Hi的隶属度函数均为三角形隶属度函数。
所述电池状态模糊逻辑推理算法规则表如下表所示。反模糊化采用重心法实现。
电池状态模糊逻辑推理规则表
本发明的有益效果是:
1.通过瞬间放电后测得的各电压参数作为均衡判据,可避免仅用荷电法 (SOC)或者电压法作为均衡的判据存在的缺陷,即估计不准。单纯的SOC估计误差较大,电压法因长期处于浮充状态,电压不能准确反映实际状态。通过瞬间放电后的内阻相对变化和充放电电荷相对变化作为电池状态判据,可提高状态监测诊断正确率。
2.电池状态监测和均衡整合在一起,避免两者功能分开所导致的占用空间、接线数量多的缺点。
3.均衡过程中所使用的压控恒流源,采样电阻避免了与地线直接连接,有效提高了坑干扰能力,提高了测试精度。
4.均衡过程中对蓄电池进行连续的充放电,可避免常规方波斩波方法存在的缺点,即对蓄电池长期密集、断续充放电影响蓄电池寿命。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
附图1为串联蓄电池组监测诊断、均衡电路原理框图;
附图2为压控恒流源原理框图;
附图3为串联蓄电池组监测诊断、均衡策略流程图;
附图4为模糊逻辑推理原理框图;
附图5为电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)隶属度函数示意图;
附图6为电池状态评估流程图;
附图7为电荷电相对变化量Ci(j)、内阻相对变化量Δri(j)和电池状态Hi隶属度函数示意图。
具体实施方式
下面结合附图对本发明进行详细阐述,一种串联蓄电池组监测诊断、均衡电路,包括以下技术方案:
如图1所示,串联蓄电池组监测诊断、均衡电路包括充电器1、电压源2、压控恒流源3、电压测量模块4、温度测量模块5、负载电阻RL、开关K01、K02、 K03、K04、K11~K1N和K21~K2N,N为蓄电池节数。
待测串联蓄电池组B1~BN两端和充电器1并联。串联蓄电池组B1~BN中每节电池的负极分别和开关K21~K2N对应的一端连接,开关K21~K2N的另一端全部接地。串联蓄电池组B1~BN中每节电池的正极分别和开关K11~K1N对应的一端连接,开关K11~K1N的另一端同时和开关K02、K03、电压测量模块4、温度测量5模块的一端连接。电压测量模块4、温度测量模块5的另一端接地。开关K02 的另一端和压控恒流源3的一端连接,压控恒流源3的另一端和开关K03的另一端连接,并通过开关K04和负载电阻RL连接,负载电阻RL另一端接地。电压源2的一端通过开关K01和压控恒流源3的一端连接,电压源2的另一端接地。
对串联蓄电池组B1~BN中某一特定电池BN进行放电、充电、电压测量、温度测量时,在开关K21~K2N、K11~K1N中,将对应的开关K1N和K2N闭合,其它断开。
进一步地,对串联蓄电池组B1~BN中某一特定电池BN进行放电时,将开关 K02、K04闭合,开关K01、K03断开。
进一步地,对串联蓄电池组B1~BN中某一特定电池BN进行充电时,将开关 K01、K03闭合,开关K02、K04断开。
如图2所示,所述压控恒流源3包括电压控制模块311、电压采集模块312、差分放大电路313、运放IC1、第一到第三电阻(R1~R3)、采样电阻Rs、第一、第二电容(C1、C2)、MOSFET管M1。所述压控恒流源3的电流大小通过电压控制模块311进行调节,电压控制模块311和运放IC1的负输入端连接,运放IC1输出端通过第三电阻R3和MOSFET管M1的栅极连接,其漏极为电流输入端,源极和采样电阻Rs连接。放电状态下,采样电阻Rs通过负载电阻RL接地;充电状态下,采样电阻Rs和开关K03连接,以对应需要充电的电池作为负载。采样电阻Rs两端电压通过差分放大电路313进行放大,差分放大输出电压由电压采集模块312采集,并通过第一电阻R1和第一电容C1组成的低通滤波电路后反馈至运放IC1的正输入端。运放IC1的正输入端和输出端有第二电阻R2和第二电容C2组成的串联电路连接。
如图3所示,一种基于串联蓄电池组监测诊断、均衡电路的串联蓄电池组监测诊断、均衡策略,包括如下步骤:
步骤S1:判断是否有电池均衡进程正在进行中,有电池均衡进行,执行步骤S4;没有电池均衡进行,执行步骤S2;
步骤S2:对N节串联蓄电池逐一进行脉冲放电,判断单体电池是否损坏失效,若失效,执行步骤S3;若没失效,继续测量蓄电池内阻ri(j)和内阻相对变化量Δri(j),并执行步骤S4;i为自然数,范围为1~N,表示当前电池节数;j为自然数,表示执行监测诊断、均衡策略步骤的次数;
步骤S3:对蓄电池损坏标记加1,并执行步骤S7;
步骤S4:完成蓄电池内阻和内阻相对变化量测量后,测量各单体电池端电压Ufi(j)、电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j),其中Uefi(j)=Ufi(j)-Uh,ΔUefi(j)=Uefi(j)-Uefi(j-1),Uh表示健康电池平均标准电压;
步骤S5:电池均衡电压调节量ΔUgi(j)估算;
步骤S6:执行电池均衡;
步骤S7:电池状态评估。
进一步地,所述步骤S2中,包括如下子步骤:
步骤S201:对N节串联蓄电池作循环,当前电池标记为第i节电池;
步骤S202:对第i节电池进行脉冲放电,放电时间Tp,放电电流Ip(k),实时测量单体电池端电压Up(k),测量时间间隔tp,tp<Tp,k为放电时间Tp内的测量次数;
步骤S206:对当前测试的内阻值ri(j)和上一次测试的所有电池内阻值中最小的值rmin(j-1)作比较,若ri(j)>rmin(j-1),执行步骤S208;否则,执行步骤S207;
步骤S207:当前测试的蓄电池内阻ri(j)赋于当前测试的所有电池内阻值中最小的值rmin(j),即rmin(j)=ri(j);内阻相对变化量取值为零,即Δri(j)=0;
步骤S209:前一次内阻相对变化量的值赋于当前内阻相对变化量,即Δri(j)=Δri(j-1);
步骤S210:判断N节串联蓄电池是否测试完成,未完成回到步骤S201;完成跳出循环,执行步骤S4。
进一步地,所述步骤S5中,电池均衡电压调节量估算采用Mamdani模糊逻辑推理算法[陈子文,李南,李涛等.基于里程信息融合的株间锄草刀定位数据优化方法[J].农业工程学报,2015,31(21):198-204.]。如图4所示,模糊逻辑推理包括变量输入、模糊化、推理机、规则库、反模糊化、输出变量。输入变量为电压偏离值Uefi(j)和电压偏离值变化量ΔUefi(j);输出变量为电池均衡电压调节量ΔUgi(j);
所述电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)所定义的模糊子集均为{NB,NM,NS,Z,PS,PM,PB},其模糊子集的论域均为{-1,1};其中,NB,NM,NS,Z,PS,PM,PB分别表示为大负、中负、小负、零、小正、中正、大正。
如图5所示,进一步地,所述电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)的隶属度函数均为三角形隶属度函数。
进一步地,所述电池均衡电压调节量估算模糊逻辑推理算法规则表如下表所示。反模糊化采用重心法实现。
电池均衡电压调节量估算模糊逻辑推理规则表
进一步地,所述步骤S6电池均衡时,对ΔUgi(j)从大到小进行排序,若最小值ΔUgi(j)为负时,对相应的电池进行充电;若最小值ΔUgi(j)为正时,则对ΔUgi(j) 为最大值的相应电池进行放电;充放电时间为ktΔUgi(j),kt为充放电时间系数;压控恒流源电压控制模块311的控制电压为Ugi(j)=kuΔUgi(j)+Ugi(j-1),ku为电压控制系数,Ugi(j-1)为上一次执行串联蓄电池组均衡策略时的压控恒流源电压控制模块311的控制电压。
进一步地,如图6所示,所述步骤S7中,包括如下子步骤:
步骤S701:判断电池坏标记是否大于2,若大于2,执行步骤S709,否则执行步骤S702;
步骤S702:判断电压偏离值Uefi(j)是否小于Uth,小于Uth执行步骤S703,否则执行步骤S707;Uth为电压阀值,用于是否进行电荷计算判断;
步骤S704:当次充放电过程的电荷量Qi(j)和上一次所有电池充放电过程中最大电荷量Qmax(j-1)作比较,当Qi(j)<Qmax(j-1)时,执行步骤S706;否则执行步骤S705;
步骤S705:记Qmax(j)=Qi(j),Ci(j)=0,Qmax(j)为当次所有电池充放电过程中最大电荷量,Ci(j)表示荷电相对变化量;执行步骤S708;
步骤S707:记Ci(j)=1,执行步骤S708;
步骤S708:电池状态模糊推理,得出当前电池状态Hi;
步骤S709:电池状态输出量Hi置为VW,并清零电池坏标记;VW为电池状态量,表示很差。
进一步地,所述步骤S708中,电池状态模糊推理采用Mamdani模糊逻辑推理算法。输入变量为荷电相对变化量Ci(j)和内阻相对变化量Δri(j);输出变量为电池状态Hi;
所述荷电相对变化量Ci(j)和内阻相对变化量Δri(j)所定义的模糊子集均为 {W,M,G},其模糊子集的论域均为{0,1},其中,W,M,G分别表示为差、中、好;电池状态Hi所定义的模糊子集均为{VW,W,M,G,VG},其模糊子集的论域均为{0,1},其中,VW,W,M,G,VG分别表示为很差、差、中、好、很好;
如图7所示,所述电荷电相对变化量Ci(j)和内阻相对变化量Δri(j)和电池状态Hi的隶属度函数均为三角形隶属度函数。
所述电池状态模糊逻辑推理算法规则表如下表所示。反模糊化采用重心法实现。
电池状态模糊逻辑推理规则表
以上仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,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书所限定的保护范围为准。
Claims (6)
1.一种串联蓄电池组监测诊断、均衡策略,其特征在于,包括如下步骤:
步骤S1:判断是否有电池均衡进程正在进行中,有电池均衡进行,执行步骤S4;没有电池均衡进行,执行步骤S2;
步骤S2:对N节串联蓄电池逐一进行脉冲放电,判断单体电池是否损坏失效,若失效,执行步骤S3;若没失效,继续测量蓄电池内阻ri(j)和内阻相对变化量Δri(j),并执行步骤S4;i为自然数,范围为1~N,表示当前电池节数;j为自然数,表示执行监测诊断、均衡策略步骤的次数;
步骤S3:对蓄电池损坏标记加1,并执行步骤S7;
步骤S4:完成蓄电池内阻和内阻相对变化量测量后,测量各单体电池端电压Ufi(j)、电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j),其中Uefi(j)=Ufi(j)-Uh,ΔUefi(j)=Uefi(j)-Uefi(j-1),Uh表示健康电池平均标准电压;
步骤S5:用电压偏离值Uefi(j)和电压偏离值变化量ΔUefi(j)作为输入变量,并采用Mamdani模糊逻辑推理算法估算电池均衡电压调节量ΔUgi(j);
步骤S6:利用电池均衡电压调节量ΔUgi(j)实现电池均衡;
步骤S7:利用电压偏离值Uefi(j)、荷电相对变化量Ci(j)和内阻相对变化量Δri(j)评估电池状态Hi;
所述串联蓄电池组监测诊断、均衡策略是通过串联蓄电池组监测诊断、均衡电路实现的;所述串联蓄电池组监测诊断、均衡电路,包括充电器、电压源、压控恒流源、电压测量模块、温度测量模块、负载电阻RL、开关K01、K02、K03、K04、K11~K1N和K21~K2N,N为蓄电池节数;待测串联蓄电池组B1~BN两端和充电器并联;串联蓄电池组B1~BN中每节电池的负极分别和开关K21~K2N对应的一端连接,开关K21~K2N的另一端全部接地;串联蓄电池组B1~BN中每节电池的正极分别和开关K11~K1N对应的一端连接,开关K11~K1N的另一端同时和开关K02、K03、电压测量模块、温度测量模块的一端连接;电压测量模块、温度测量模块的另一端接地;开关K02的另一端和压控恒流源的一端连接,压控恒流源的另一端和开关K03的另一端连接,并通过开关K04和负载电阻RL连接,负载电阻RL另一端接地;电压源的一端通过开关K01和压控恒流源的一端连接,电压源的另一端接地。
2.根据权利要求1所述的一种串联蓄电池组监测诊断、均衡策略,其特征在于,所述步骤S2包括如下子步骤:
步骤S201:对N节串联蓄电池作循环,当前电池标记为第i节电池;
步骤S202:对第i节电池进行脉冲放电,放电时间Tp,放电电流Ip(k),实时测量单体电池端电压Up(k),测量时间间隔tp,tp<Tp,k为放电时间Tp内的测量次数;
步骤S206:对当前测试的内阻值ri(j)和上一次测试的所有电池内阻值中最小的值rmin(j-1)作比较,若ri(j)>rmin(j-1),执行步骤S208;否则,执行步骤S207;
步骤S207:当前测试的蓄电池内阻ri(j)赋于当前测试的所有电池内阻值中最小的值rmin(j),即rmin(j)=ri(j);内阻相对变化量取值为零,即Δri(j)=0;
步骤S209:前一次内阻相对变化量的值赋于当前内阻相对变化量,即Δri(j)=Δri(j-1);
步骤S210:判断N节串联蓄电池是否测试完成,未完成回到步骤S201;完成跳出循环,执行步骤S4。
3.根据权利要求1所述的一种串联蓄电池组监测诊断、均衡策略,其特征在于,所述步骤S5中,电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)所定义的模糊子集均为{NB,NM,NS,Z,PS,PM,PB},其模糊子集的论域均为{-1,1};其中,NB,NM,NS,Z,PS,PM,PB分别表示为大负、中负、小负、零、小正、中正、大正;
所述电压偏离值Uefi(j)、电压偏离值变化量ΔUefi(j)和电池均衡电压调节量ΔUgi(j)的隶属度函数均为三角形隶属度函数;通过模糊逻辑推理算法规则表估算电池均衡电压调节量ΔUgi(j)。
4.根据权利要求1所述的一种串联蓄电池组监测诊断、均衡策略,其特征在于,所述步骤S6电池均衡时,对ΔUgi(j)从大到小进行排序,若最小值ΔUgi(j)为负时,对相应的电池进行充电;若最小值ΔUgi(j)为正时,则对ΔUgi(j)为最大值的相应电池进行放电;充放电时间为ktΔUgi(j),kt为充放电时间系数;压控恒流源电压控制模块的控制电压为Ugi(j)=kuΔUgi(j)+Ugi(j-1),ku为电压控制系数,Ugi(j-1)为上一次执行串联蓄电池组均衡策略时的压控恒流源电压控制模块的控制电压。
5.根据权利要求1所述的一种串联蓄电池组监测诊断、均衡策略,其特征在于,所述步骤S7中,包括如下子步骤:
步骤S701:判断电池坏标记是否大于2,若大于2,执行步骤S709,否则执行步骤S702;
步骤S702:判断电压偏离值Uefi(j)是否小于Uth,小于Uth执行步骤S703,否则执行步骤S707;Uth为电压阀值,用于是否进行电荷计算判断;
步骤S704:当次充放电过程的电荷量Qi(j)和上一次所有电池充放电过程中最大电荷量Qmax(j-1)作比较,当Qi(j)<Qmax(j-1)时,执行步骤S706;否则执行步骤S705;
步骤S705:记Qmax(j)=Qi(j),Ci(j)=0,Qmax(j)为当次所有电池充放电过程中最大电荷量,Ci(j)表示荷电相对变化量;执行步骤S708;
步骤S707:记Ci(j)=1,执行步骤S708;
步骤S708:电池状态模糊推理,得出当前电池状态Hi;
步骤S709:电池状态输出量Hi置为VW,并清零电池坏标记;VW为电池状态量,表示很差。
6.根据权利要求5所述的一种串联蓄电池组监测诊断、均衡策略,其特征在于,所述步骤S708中,电池状态模糊推理采用Mamdani模糊逻辑推理算法;输入变量为荷电相对变化量Ci(j)和内阻相对变化量Δri(j);输出变量为电池状态Hi;
所述荷电相对变化量Ci(j)和内阻相对变化量Δri(j)所定义的模糊子集均为{W,M,G},其模糊子集的论域均为{0,1},其中,W,M,G分别表示为差、中、好;电池状态Hi所定义的模糊子集均为{VW,W,M,G,VG},其模糊子集的论域均为{0,1},其中,VW,W,M,G,VG分别表示为很差、差、中、好、很好;
所述电荷电相对变化量Ci(j)和内阻相对变化量Δri(j)和电池状态Hi的隶属度函数均为三角形隶属度函数;通过电池状态模糊逻辑推理算法规则表,推算电池状态Hi。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169000.XA CN111342515B (zh) | 2020-03-12 | 2020-03-12 | 串联蓄电池组监测诊断、均衡电路和策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169000.XA CN111342515B (zh) | 2020-03-12 | 2020-03-12 | 串联蓄电池组监测诊断、均衡电路和策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111342515A CN111342515A (zh) | 2020-06-26 |
CN111342515B true CN111342515B (zh) | 2022-07-12 |
Family
ID=71187991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010169000.XA Active CN111342515B (zh) | 2020-03-12 | 2020-03-12 | 串联蓄电池组监测诊断、均衡电路和策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111342515B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117445740A (zh) * | 2023-10-31 | 2024-01-26 | 上汽通用五菱汽车股份有限公司 | 充电方法、装置、系统、控制器以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231546A (zh) * | 2011-06-30 | 2011-11-02 | 武汉市菱电汽车电子有限责任公司 | 具有均衡充放电功能的电池管理系统及其控制方法 |
CN103066650A (zh) * | 2012-12-18 | 2013-04-24 | 上海电机学院 | 变浆系统后备电池在线监测及电压均衡系统以及方法 |
JP2013255320A (ja) * | 2012-06-06 | 2013-12-19 | Toyota Industries Corp | 電池均等化装置および方法 |
CN106208177A (zh) * | 2014-12-18 | 2016-12-07 | 神华集团有限责任公司 | 一种电池电子管理方法及系统 |
-
2020
- 2020-03-12 CN CN202010169000.XA patent/CN111342515B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231546A (zh) * | 2011-06-30 | 2011-11-02 | 武汉市菱电汽车电子有限责任公司 | 具有均衡充放电功能的电池管理系统及其控制方法 |
JP2013255320A (ja) * | 2012-06-06 | 2013-12-19 | Toyota Industries Corp | 電池均等化装置および方法 |
CN103066650A (zh) * | 2012-12-18 | 2013-04-24 | 上海电机学院 | 变浆系统后备电池在线监测及电压均衡系统以及方法 |
CN106208177A (zh) * | 2014-12-18 | 2016-12-07 | 神华集团有限责任公司 | 一种电池电子管理方法及系统 |
Non-Patent Citations (3)
Title |
---|
Li-ion_Battery_Health_Estimation_Based_on_Multi-layer_Characteristic_Fusion_and_Deep_Learning;Yu Ding;《2017 IEEE Vehicle Power and Propulsion Conference(VPPC)》;20180405;全文 * |
PNGV_Equivalent_Circuit_Model_and_SOC_Estimation_Algorithm_for_Lithium_Battery_Pack_Adopted_in_AGV_Vehicle;Xiangyong Liu;《IEEE Access》;20180308;全文 * |
锂离子电池健康评估和寿命预测综述;刘大同;《仪器仪表学报》;20150131;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111342515A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shahriari et al. | Online state-of-health estimation of VRLA batteries using state of charge | |
Goud et al. | An online method of estimating state of health of a Li-ion battery | |
CN111537899A (zh) | 一种梯次利用动力电池安全性评估方法 | |
CN113848479B (zh) | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 | |
CN112014746B (zh) | 一种区分串联电池包内外微短路的故障诊断方法 | |
CN111965559A (zh) | 一种锂离子电池soh在线估计方法 | |
JP2022532545A (ja) | 電池セル診断装置および方法 | |
Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
CN111208438A (zh) | 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法 | |
GB2600129A (en) | Pro-active battery management system (BMS) with lossless active buck balancing and method thereof | |
CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统 | |
CN115327415A (zh) | 基于限定记忆递推最小二乘算法的锂电池soc估算方法 | |
CN111342515B (zh) | 串联蓄电池组监测诊断、均衡电路和策略 | |
Geng et al. | SOC Prediction of power lithium battery using BP neural network theory based on keras | |
Shahriari et al. | State of health estimation of VRLA batteries using fuzzy logic | |
Ananto et al. | The state of health of Li-Po batteries based on the battery's parameters and a fuzzy logic system | |
KR20220161981A (ko) | 인공지능 모듈을 이용한 스마트 배터리관리시스템 | |
Chaoui et al. | State of charge estimation of LiFePO 4 batteries with temperature variations using neural networks | |
CN117169731A (zh) | 基于储能电池剩余电量智能估测的充放电流给定方法 | |
CN112462274B (zh) | 一种基于电池自放电效应的成组电池内短路故障诊断方法 | |
KR20230162253A (ko) | 배터리 진단 방법, 그 방법을 제공하는 배터리 진단 장치 및 배터리 시스템 | |
Kustiman et al. | Battery state of charge estimation based on coulomb counting combined with recursive least square and pi controller | |
CN115128461A (zh) | 基于渐消因子ekf与ffrls的soc估算方法 | |
CN112379271A (zh) | 一种考虑钝化的碳包式锂亚硫酰氯电池容量检测方法 | |
CN113447839A (zh) | 电池内阻在线监测装置及方法、bcm、电池和车辆 |
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 |