CN111381180A - 一种电池容量的确定方法和装置 - Google Patents
一种电池容量的确定方法和装置 Download PDFInfo
- Publication number
- CN111381180A CN111381180A CN202010227542.8A CN202010227542A CN111381180A CN 111381180 A CN111381180 A CN 111381180A CN 202010227542 A CN202010227542 A CN 202010227542A CN 111381180 A CN111381180 A CN 111381180A
- Authority
- CN
- China
- Prior art keywords
- electromotive force
- battery
- voltage
- soc
- determining
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving 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]
- G01R31/367—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]
- G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
Abstract
本发明实施例公开了一种电池容量的确定方法和装置,该方法包括:基于与充放电桩之间的通信关系,获取充放电桩上传的电动汽车电池的开路电压;确定开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制充放电桩对电池进行充电或放电;在充电或放电过程结束后的设定时间段内,通过充放电桩获取电池的电压变化过程,并采集电压变化过程中电池的端电压;基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定端电压对应的初始电动势;确定初始电动势所在的电动势范围,并基于预估模型,从电动势范围中确定目标电动势;根据目标电动势对应的第二SOC确定电池的容量。通过采用上述技术方案,提升了对电池容量预估的快速性和准确性。
Description
技术领域
本发明涉及电动汽车技术领域,具体涉及一种电池容量的确定方法和装置。
背景技术
近年来,随着全球能源危机的不断加深,石油资源的日趋枯竭,以及大气污染、全球气温上升的危害加剧,各国政府及汽车企业普遍认识到节能和减排是未来汽车发展的主攻方向。电动汽车作为新一代的交通工具,在节能减排、减少人类对化石能源的依赖方面具备传统汽车不可比拟的优势。锂离子动力电池由于其能量密度高,循环寿命长且安全性高,污染小,自放电率低,以及不存在记忆效应等优点而被广泛应用于电动汽车上。
一般来说,当电池容量缩减至低于80%时便不能作为车载动力源。目前,电动汽车越来越多,大量的退役电池面临无处可去的境地,这些退役电池的容量虽然衰减至低于80%,但这些电池在其他方面还有很好的供能。为了使它们能够参与到其它工作中,以提供动力,这就必须要求我们要对废弃电池进行残值分析,评估这些电池状态,来确定它的供能能力。为了确定电池中存储的可用能量,需要了解电池的当前SOC(State of charge,荷电状态)和容量。在进行电池残值分析时,容量估计也是一个关键性的步骤。如何快速且准确的估计出电池的容量,一直以来都是一大难题。为预估电池的容量,一般需要进行SOC标定,对SOC标定,需要准确快速的方法。
目前已有的方法有电流积分法、神经网络法、卡尔曼滤波法和开路电压法等。其中,电流误差法易产生累积误差,神经网络法的预估结果受样点的影响较大,卡尔曼滤波法是目前应用最广泛的方法,该方法减弱了白噪声和出误差的影响,但不能消除电池模型本身存在的误差。至于开路电压法,一直因为需要花费较长时间而没有得到广泛应用。
发明内容
本发明实施例公开一种电池容量的确定方法和装置,提升了对电池容量预估的快速性和准确性。
第一方面,本发明实施例公开了一种电池容量的确定方法,该方法包括:
当待预估的电动汽车与充放电桩处于连接状态时,基于与所述充放电桩之间的通信关系,获取所述充放电桩上传的所述电动汽车电池的开路电压;
确定所述开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制所述充放电桩对所述电池进行充电或放电;
在充电或放电过程结束后的设定时间段内,通过所述充放电桩获取电池的电压变化过程,并采集所述电压变化过程中电池的端电压;
基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势;
确定所述初始电动势所在的电动势范围,并基于预估模型,从所述电动势范围中确定目标电动势;其中,所述预估模型包括两个带有权重的一阶环节,所述预估模型建立了时间与电动势之间的函数关系;
根据所述目标电动势对应的第二SOC确定所述电池的容量。
可选的,所述预估模型为:
OCVmodel(t)=EMF-[(EMF-V(1))*(λ*exp(-t/τ1)+(1-λ)*exp(-t/τ2)];
其中,λ为权重系数,τ1,τ2为时间常数,τ1<τ2;t为时间,EMF为初始电动势所在的电动势范围;OCVmodel(t)表示t时刻的预估电压;V(1)为充电或放电过程结束后的设定时间段内的一系列电压值;
所述预估模型的损失函数为:
其中,Wn与(tn-tn-1)成正比,表示权重;OCVmeas(tn)表示tn时刻的电压的测量值;OCVmodel(tn)表示tn时刻的预估电压。
可选的,基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势,包括:
按照如下公式,确定所述端电压对应的初始电动势:
VEMF=VBatt+β*CR*Znom;
其中,CR代表充放电倍率,β是一个常数;VBatt是电池的端电压;Znom是电池极化内阻归一化的值。
可选的,所述极化内阻通过hppc混合动力脉冲能力特性实验得到。
可选的,所述根据所述目标电动势对应的第二SOC确定所述电池的容量,包括:
确定所述目标电动势对应的第二SOC;
计算第二SOC与第一SOC之间的差值;
基于安时积分法,计算所述差值对应的电池容量。
第二方面,本发明实施例还提供了一种电池容量的确定装置,该装置包括:
开路电压获取模块,被配置为当待预估的电动汽车与充放电桩处于连接状态时,基于与所述充放电桩之间的通信关系,获取所述充放电桩上传的所述电动汽车电池的开路电压;
充放电模块,被配置为确定所述开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制所述充放电桩对所述电池进行充电或放电;
端电压采集模块,被配置为在充电或放电过程结束后的设定时间段内,通过所述充放电桩获取电池的电压变化过程,并采集所述电压变化过程中电池的端电压;
初始电动势确定模块,被配置为基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势;
目标电动势确定模块,被配置为确定所述初始电动势所在的电动势范围,并基于预估模型,从所述电动势范围中确定目标电动势;其中,所述预估模型包括两个带有权重的一阶环节,所述预估模型建立了时间与电动势之间的函数关系;
电池容量确定模块,被配置为根据所述目标电动势对应的第二SOC确定所述电池的容量。
可选的,所述预估模型为:
OCVmodel(t)=EMF-[(EMF-V(1))*(λ*exp(-t/τ1)+(1-λ)*exp(-t/τ2)];
其中,λ为权重系数,τ1,τ2为时间常数,τ1<τ2;t为时间,EMF为初始电动势所在的电动势范围;OCVmodel(t)表示t时刻的预估电压;V(1)为充电或放电过程结束后的设定时间段内的一系列电压值;
所述预估模型的损失函数为:
其中,Wn与(tn-tn-1)成正比,表示权重;OCVmeas(tn)表示tn时刻的电压的测量值;OCVmodel(tn)表示tn时刻的预估电压。
可选的,所述初始电动势确定模块,具体被配置为:
按照如下公式,确定所述端电压对应的初始电动势:
VEMF=VBatt+β*CR*Znom;
其中,CR代表充放电倍率,β是一个常数;VBatt是电池的端电压;Znom是电池极化内阻归一化的值。
可选的,所述极化内阻通过hppc混合动力脉冲能力特性实验得到。
可选的,所述电池容量确定模块,具体被配置为:
确定所述目标电动势对应的第二SOC;
计算第二SOC与第一SOC之间的差值;
基于安时积分法,计算所述差值对应的电池容量。
第三方面,本发明实施例还提供了一种云端服务器,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明任意实施例所提供的电池容量的确定方法的部分或全部步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其存储计算机程序,所述计算机程序包括用于执行本发明任意实施例所提供的电池容量的确定方法的部分或全部步骤的指令。
第五方面,本发明实施例还提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明任意实施例所提供的电池容量的确定方法的部分或全部步骤。
本发明实施例提供的技术方案,当待预估的电动汽车与充放电桩处于连接状态时,基于与充放电桩之间的通信关系,可获取充放电桩上传的电动汽车电池的开路电压。通过确定开路电压对应的第一荷电状态SOC,可根据第一SOC的大小控制充放电桩对电池进行充电或放电。在充电或放电过程结束后的设定时间段内,通过充放电桩可获取电池的电压变化过程,并采集电压变化过程中电池的当前端电压。基于电池的端电压、极化内阻与电动势之间的第一函数关系,可确定当前端电压对应的初始电动势,通过确定该初始电动势所在的电动势范围,并基于预估模型,可从电动势范围中确定目标电动势。根据目标电动势对应的第二SOC,可确定出电池的容量。通过采用上述技术方案,在较短的时间内,能够快速且准确的预估电池的容量,相对于现有技术,提升了电池容量估计的快速性和准确性。
本发明的发明点包括:
1、本发明实施例提供的充放电桩不仅能够全程记录电动汽车电压的变化,还可与云端服务器建立通讯连接。在电流中断以后也能够利用通讯使电池车充电系统处于唤醒状态,从而获取电池静置时的电压电流,以供后续电池容量的估计,是本发明的发明点之一。
2、云端服务器上有一套基于电池开路电压容量预估的程序算法,该算法在执行时采用了一套基于开路电压的由两个一阶环节构成且带有权重的预估模型,通过该预估模型,提升了电池容量估计的快速性和准确性,是本发明的发明点之一。
3、在得到极化内阻值之后,还可对其进行归一化处理,其目的是在于建立通用的模型,实现阻抗的变化,而不是阻抗值的变化,这在一定程度上也有助于对抗老化和温度对电池阻抗的影响,是本发明的发明点之一。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的电池容量的预估流程图;
图2a为本发明实施例提供的一种电池容量的确定方法的流程示意图;
图2b为本发明实施例提供的一种云端服务器对电动汽车电量进行预估的通讯示意图;
图2c为本发明实施例提供的一种充放电桩示意图;
图3为本发明实施例提供的一种电池的充放电曲线示意图;
图4为本发明实施例提供的80%起始SOC下的电动势预估曲线与实测曲线的对比图;
图5为本发明实施例提供的一种电池SOC-OCV曲线示意图;
图6为本发明实施例提供的20%起始SOC下的电动势预估曲线与实测曲线的对比图;
图7为本发明实施例提供的70%起始SOC下的电动势预估曲线与实测曲线的对比图;
图8为本发明实施例提供的一种电池容量的确定装置的结构示意图;
图9为本发明实施例提供的一种云端服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更加清楚、明白地解释各实施例的内容,下面先对本发明实施例提供的技术方案的工作原理进行简单介绍:
请参阅图1,图1为本发明实施例提供的电池容量的预估流程图。如图1所示,该预估过程包括:
(1)将待进行寿命估计的电动汽车通过接线连接到充放电桩上;
(2)在与充放电桩相连的上位机上检测此时电池的开路电压,得到稳定开路电压OCV1,即当前电动势,并根据电池出厂前的OCV-SOC表查找OCV1对应的SOC1;
(3)根据此时SOC1的大小决定是对电池进行充电还是放电;
(4)在充电或放电过程结束后的设定时间段(10分钟)内,记录电压弛豫过程;
(5)在电动势的预估阶段,即利用设定时间段内的电压弛豫过程来估计两三小时后,甚至更长时间后的电动势,该预估阶段包括粗预估和精预估两个过程。本实施例中,为粗预估过程设计了两种方式,通过粗预估,可得到电池的初步电动势。精预估过程是用两个一阶环节进行拟合,得到精确的电动势。
(6)根据电动势EMF和SOC的对应关系,可得到精确电动势对应的SOC2;
(7)根据公式C=ΔAh/ΔSOC求得电池容量。
下面,分别对上述各个步骤的具体执行过程进行详细介绍。
实施例一
请参阅图2a,图2a为本发明实施例提供的一种电池容量的确定方法的流程示意图。该方法可应用于电池残值评价及二手车的评估等场景下,主要实现对电池电动势的预估。该方法可由电池容量的确定装置来执行,该装置可通过软件和/或硬件的方式实现,一般可集成在云端服务器中,该云端服务器与充放电桩之间存在通信连接。如图2a所示,本实施例提供的方法具体包括:
110、当待预估的电动汽车与充放电桩处于连接状态时,基于与充放电桩之间的通信关系,获取充放电桩上传的电动汽车电池的开路电压。
其中,充放电桩与电动汽车之间通过充电线连接,保证充放电和静置时通讯信号不能中断。在进行电池容量估计的时候只需将待估计的电动汽车通过接线接到充放电机上即可。
本实施例中的充放电桩与普通充放电桩不同的是不仅能够对电池进行充电,还可以对电池进行放电。此外,还能够全程记录电压变化,并可通过无线模块将电压数据上传到云端服务器,使得充放电桩在电流中断以后也能够利用通讯使电池车充电系统处于唤醒状态,从而获取电池静置时的电压电流。
具体的,图2b为本发明实施例提供的一种云端服务器对电动汽车电量进行预估的通讯示意图。如图2b所示,1为待进行寿命预估的电动汽车、2为充放电桩、3为远端上位机。图2c为本发明实施例提供的一种充放电桩示意图,如图2c所示,4为充放电桩机体、5为运行指示灯、6为故障指示灯、7为充电指示灯、8为放电指示灯、9为人机交互界面、10为急停按钮、11为维修检测门、12为停止按钮、13为启动按钮、14为无线模块。通过无线模块,该充放电桩可与云端服务器之间建立通讯连接,云端服务器可根据充放电桩上传的电压数据进行电池电量的估计。
120、确定开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制充放电桩对电池进行充电或放电。
本实施例中,可根据电池出厂时的OCV-SOC表,找到刚开始电动汽车连接到充放电桩上时的开路电压所对应的第一荷电状态SOC。电池的SOC与电池电动势存在一定对应关系,且随着电池的老化变化较小。
示例性的,根据第一SOC的大小控制充放电桩对电池进行充电或放电,可包括:
如果第一SOC小于50%,则对电池进行充电,如果大于或等于50%,则对电池进行放电。其中,充放电倍率可为设为1C(倍率)或最高限制电流,充放电截止为电流积分的电量变化达到电池标称容量的1/4。
130、在充电或放电过程结束后的设定时间段内,通过充放电桩获取电池的电压变化过程,并采集电压变化过程中电池的端电压。
示例性的,充电或放电时间可设置为15分钟,充电或放电过程结束后的设定时间段可设置为10分钟,这10分钟为对电池的搁置阶段。在该搁置阶段内,充放电桩可全面记录电压的变化过程,即电压弛豫过程,并可将记录的电压弛豫过程上传到云端服务器。此外,可采集电压变化过程中的第一秒电压作为电池的端电压。
具体的,本实施例中,可利用型号为18650的电池进行容量预估实验。具体可以为:分别对电池处于高SOC(80%SOC),中间SOC(70%SOC)和低SOC(20%SOC)状态进行预估。请参阅图3,图3为本发明实施例提供的一种电池的充放电曲线示意图,如图3所示,1表示电流曲线,2表示电压曲线。图3分为a、b、c、d、e和f五个区域。其中,a表示高SOC起始的情况下放电到中SOC,b表示高SOC放电到中SOC的弛豫过程,c表示从低SOC起始的情况下充电到中SOC,d表示其弛豫过程,e表示从中SOC起始的情况下放电到低SOC,f表示其弛豫过程。
140、基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定端电压对应的初始电动势。
示例性的,可按照如下公式,确定端电压对应的初始电动势:
VEMF=VBatt+β*CR*Znom;
其中,CR代表充放电倍率,β是一个常数,其值在之前可经过优化算法得到;VBatt是电池的端电压;Znom是电池极化内阻归一化的值。
示例性的,极化内阻可通过如下方式来测得:
在电池充电或放电过程结束之后的搁置过程结束后,分别加载一个放电脉冲和充电脉冲来测试。其中,脉冲电压不超过5毫伏,
在得到极化内阻值之后,还可对其进行归一化处理,其目的是在于建立通用的模型,实现阻抗的变化,而不是阻抗值的变化,这在一定程度上也有助于对抗老化和温度对电池阻抗的影响。具体的,把电池内阻值归一化的方法是,将测得的极化内阻值除以电池在满电状态时的极化内阻值。
本实施例中,将当前端电压和归一化后的极化内阻带入上述公式中可得到初始电动势。
作为另外一种实现方式,初始电动势的确定方法还可以为:在充放电过程结束时,确定电池的第三荷电状态,并根据OCV-SOC表,将第三荷电状态对应的开路电压作为初始电动势。具体的,当电池以1C的倍率充电或放电15mins后,此时电池的荷电状态将会增加或减少约25%SOC,可通过此时的荷电状态,例如25%SOC,找到其对应的开路电压作为初始电动势。
150、确定初始电动势所在的电动势范围。
具体的,可将上述初始电动势加减0.1伏来确定其范围,以下精预估的过程即为从这些给定的参数范围内找到最优的参数值。
160、基于预估模型,从电动势范围中确定目标电动势。
其中,预估模型为:
OCVmodel(t)=EMF-[(EMF-V(1))*(λ*exp(-t/τ1)+(1-λ)*exp(-t/τ2)];
其中,λ为权重系数,τ1,τ2为时间常数,τ1<τ2;t为时间,EMF为初始电动势所在的电动势范围;OCVmodel(t)表示t时刻的预估电压;V(1)为充电或放电结束后的时间内的一系列电压值;
该预估模型的损失函数为:
其中,Wn与(tn-tn-1)成正比,表示权重;W1<minWn,即,越靠后的点配以越高的权重,因为越到后面的电压与真实电动势越接近,对于预估的影响越大。OCVmeas(tn)表示tn时刻的电压的测量值;OCVmodel(tn)表示tn时刻的预估电压。
本实施例中,在得到初始电动势之后,可将该初始电动势所在的电动势范围,以及λ、τ1和τ2等参数的阈值输入到该预估模型,该预估模型会输出一系列的预估电压。对于每次输出的预估电压,可利用上述该预估模型的损失函数,确定该预估电压的损失函数值的大小,并将使得损失函数值最小的预估电压所对应的电动势作为预估模型的最优参数解,即本实施例在精预估环节中所要确定的目标电动势。
进一步的,在确定目标电动势之后,为了验证目标电动势的精度,可将其再次带入上述预估模型中,模型将输出一组电压值预估曲线,如果该预估曲线与在设定时间内实际测量的电压曲线的拟合效果达到预设要求,则可进一步说明该目标电动势即为最精确的电动势预估值。
具体的,以电池SOC为80%为例,即SOC1为80%。对电池进行放电,放电电流倍率为1C,放电时间为15mins。放电结束后搁置10mins,在搁置结束后先后加载一个放电脉冲和充电脉冲,电流倍率为2C,时间为30s。两个脉冲之间搁置30mins,可以算出此时的极化内阻,Zdiff=44.85mΩ,并除以满电状态时的极化内阻,得到此时极化内阻归一化的值Znom=0.843。根据第一种粗预估方式,将初始电压,Znom的值带入粗预估模型中,得到Ve=3.7425v。根据第二种方式得到的电压为3.7475v。可见此时两种粗预估方式得到的电动势与真实的电动势,即稳定电压还有一定的差值,所以接下来进行精预估。首先设置精预估模型的四个参数的范围。根据经验设置τ1和τ2的范围,因为τ1数值较小,所以给定一个较小的范围,即介于0到100之间,τ2的数值较大,设置一个较大的范围,取介于0到2000之间。λ的数值介于0到1之间,EMF的取值区间为[3.6425,3.8475]。待参数范围设置好后,对参数进行寻优,通过全局优化算法,找到最优的电动势进行预估模型和真实值之间的拟合。最终得到的精确预估电动势为3.7546。其预估结果请参阅图4。
图4为本发明实施例提供的80%起始SOC下的电动势预估曲线与实测曲线的对比图。如图4所示,1表示10分钟之前(600s before)的电压示意图,2表示10分钟之后(600safter)的电压示意图,3表示实际测量得到的电压示意图,4表示两小时(2h)之后的电压示意图。从图4中可以看出,10分钟之后,预测的2h后的电动势曲线无限逼近于实际测量得到的2h后的电动势曲线,即说明通过采用本实施例提供的预估模型,利用10分钟内的电压变化过程所预测出的2h后的电动势精度满足设定要求。
170、根据目标电动势对应的第二SOC确定电池的容量。
在确定目标电动势之后,通过电池出厂时的OCV-SOC表,可确定出该目标电动势对应的第二SOC。通过计算第二SOC与第一SOC之间的差值ΔSOC,并基于安时积分法C=ΔAh/ΔSOC,可计算出该差值对应的电池容量。
具体的,请参阅图5,图5为本发明实施例提供的一种电池SOC-OCV曲线示意图。通过插值法,可找到该目标电动势对应的第二SOC。在本实施例中,3.7546对应SOC为55.4438%。
在得到第二SOC之后,可计算第二SOC与第一SOC之间的差值。
具体的,ΔSOC=SOC2-SOC1=55.4438%-80%=-24.5562%,通过安时积分法,可得到ΔAh=0.75Ah。将ΔSOC,ΔAh带入到容量预估公式中:
c=ΔAh/0-ΔSOC=0.75/0.245562=3.05Ah,得到此时电池的容量,结果为3.05Ah。电池测试容量是3.1Ah,误差为1.6%。
用相同的方法对20%SOC和70%SOC起始SOC进行预估电动势。请参阅图6和图7,图6为本发明实施例提供的20%起始SOC下的电动势预估曲线与实测曲线的对比图;图7为本发明实施例提供的70%起始SOC下的电动势预估曲线与实测曲线的对比图。如图6和图7所示,1表示10分钟之前(600s before)的电压示意图,2表示10分钟之后(600s after)的电压示意图,3表示实际测量得到的电压示意图,4表示两小时(2h)之后的电压示意图。从图6和图7中可以看出,10分钟之后,预测的2h后的电动势曲线无限逼近于实际测量得到的2h后的电动势曲线,即说明通过采用本实施例提供的预估模型,利用10分钟内的电压变化过程所预测出的2h后的电动势精度满足设定要求。
请参阅下表1。表1给出了分别对电池处于高(80%),中(70%),低(20%)三种SOC下进行了容量预估的结果,从表1中可以看到本实施例提供的电池容量的估计方法的预估精度较高,在实际应用中也可以对处于各种SOC下的电池进行预估。
表1高,中,低三种SOC下进行容量预估的结果
本发明实施例提供的技术方案,当待预估的电动汽车与充放电桩处于连接状态时,基于与充放电桩之间的通信关系,可获取充放电桩上传的电动汽车电池的开路电压。通过确定开路电压对应的第一荷电状态SOC,可根据第一SOC的大小控制充放电桩对电池进行充电或放电。在充电或放电过程结束后的设定时间段内,通过充放电桩可获取电池的电压变化过程,并采集电压变化过程中电池的当前端电压。基于电池的端电压、极化内阻与电动势之间的第一函数关系,可确定当前端电压对应的初始电动势,通过确定该初始电动势所在的电动势范围,并基于预估模型,可从电动势范围中确定目标电动势。根据目标电动势对应的第二SOC,可确定出电池的容量。通过采用上述技术方案,在较短的时间内,能够快速且准确的预估电池的容量,相对于现有技术,提升了电池容量估计的快速性和准确性。
实施例二
请参阅图8,图8为本发明实施例提供的一种电池容量的确定装置的结构示意图。如图8所示,该装置包括:开路电压获取模块210、充放电模块220、端电压采集模块230、初始电动势确定模块240、目标电动势确定模块250和电池容量确定模块260,其中,
开路电压获取模块210,被配置为当待预估的电动汽车与充放电桩处于连接状态时,基于与所述充放电桩之间的通信关系,获取所述充放电桩上传的所述电动汽车电池的开路电压;
充放电模块220,被配置为确定所述开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制所述充放电桩对所述电池进行充电或放电;
端电压采集模块230,被配置为在充电或放电过程结束后的设定时间段内,通过所述充放电桩获取电池的电压变化过程,并采集所述电压变化过程中电池的端电压;
初始电动势确定模块240,被配置为基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势;
目标电动势确定模块250,被配置为确定所述初始电动势所在的电动势范围,并基于预估模型,从所述电动势范围中确定目标电动势;其中,所述预估模型包括两个带有权重的一阶环节,所述预估模型建立了时间与电动势之间的函数关系;
电池容量确定模块260,被配置为根据所述目标电动势对应的第二SOC确定所述电池的容量。
可选的,所述预估模型为:
OCVmodel(t)=EMF-[(EMF-V(1))*(λ*exp(-t/τ1)+(1-λ)*exp(-t/τ2)];
其中,λ为权重系数,τ1,τ2为时间常数,τ1<τ2;t为时间,EMF为初始电动势所在的电动势范围;OCVmodel(t)表示t时刻的预估电压;V(1)为充电或放电过程结束后的设定时间段内的一系列电压值;
所述预估模型的损失函数为:
其中,Wn与(tn-tn-1)成正比,表示权重;OCVmeas(tn)表示tn时刻的电压的测量值;OCVmodel(tn)表示tn时刻的预估电压。
可选的,所述初始电动势确定模块,具体被配置为:
按照如下公式,确定所述端电压对应的初始电动势:
VEMF=VBatt+β*CR*Znom;
其中,CR代表充放电倍率,β是一个常数;VBatt是电池的端电压;Znom是电池极化内阻归一化的值。
可选的,所述极化内阻通过hppc混合动力脉冲能力特性实验得到。
可选的,所述电池容量确定模块,具体被配置为:
确定所述目标电动势对应的第二SOC;
计算第二SOC与第一SOC之间的差值;
基于安时积分法,计算所述差值对应的电池容量。
本发明实施例所提供的电池容量的确定装置可执行本发明任意实施例所提供的电池容量的确定方法,具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车电池容量的确定方法。
实施例三
请参阅图9,图9为本发明实施例提供的一种云端服务器的结构示意图。如图9所示,该云端服务器可以包括:
存储有可执行程序代码的存储器701;
与存储器701耦合的处理器702;
其中,处理器702调用存储器701中存储的可执行程序代码,执行本发明任意实施例所提供的电池容量的确定方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行本发明任意实施例所提供的电池容量的确定方法。
本发明实施例公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行本发明任意实施例所提供的电池容量的确定方法的部分或全部步骤。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,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。
在本发明所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种电池容量的确定方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种电池容量的确定方法,其特征在于,包括:
当待预估的电动汽车与充放电桩处于连接状态时,基于与所述充放电桩之间的通信关系,获取所述充放电桩上传的所述电动汽车电池的开路电压;
确定所述开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制所述充放电桩对所述电池进行充电或放电;
在充电或放电过程结束后的设定时间段内,通过所述充放电桩获取电池的电压变化过程,并采集所述电压变化过程中电池的端电压;
基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势;
确定所述初始电动势所在的电动势范围,并基于预估模型,从所述电动势范围中确定目标电动势;其中,所述预估模型包括两个带有权重的一阶环节,所述预估模型建立了时间与电动势之间的函数关系;
根据所述目标电动势对应的第二SOC确定所述电池的容量。
3.根据权利要求1所述的方法,其特征在于,基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势,包括:
按照如下公式,确定所述端电压对应的初始电动势:
VEMF=VBatt+β*CR*Znom;
其中,CR代表充放电倍率,β是一个常数;VBatt是电池的端电压;Znom是电池极化内阻归一化的值。
4.根据权利要求3所述的方法,其特征在于,所述极化内阻通过hppc混合动力脉冲能力特性实验得到。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标电动势对应的第二SOC确定所述电池的容量,包括:
确定所述目标电动势对应的第二SOC;
计算第二SOC与第一SOC之间的差值;
基于安时积分法,计算所述差值对应的电池容量。
6.一种电池容量的确定装置,其特征在于,包括:
开路电压获取模块,被配置为当待预估的电动汽车与充放电桩处于连接状态时,基于与所述充放电桩之间的通信关系,获取所述充放电桩上传的所述电动汽车电池的开路电压;
充放电模块,被配置为确定所述开路电压对应的第一荷电状态SOC,并根据第一SOC的大小控制所述充放电桩对所述电池进行充电或放电;
端电压采集模块,被配置为在充电或放电过程结束后的设定时间段内,通过所述充放电桩获取电池的电压变化过程,并采集所述电压变化过程中电池的端电压;
初始电动势确定模块,被配置为基于电池的端电压、极化内阻与电动势之间的第一函数关系,确定所述端电压对应的初始电动势;
目标电动势确定模块,被配置为确定所述初始电动势所在的电动势范围,并基于预估模型,从所述电动势范围中确定目标电动势;其中,所述预估模型包括两个带有权重的一阶环节,所述预估模型建立了时间与电动势之间的函数关系;
电池容量确定模块,被配置为根据所述目标电动势对应的第二SOC确定所述电池的容量。
8.根据权利要求6所述的装置,其特征在于,所述初始电动势确定模块,具体被配置为:
按照如下公式,确定所述端电压对应的初始电动势:
VEMF=VBatt+β*CR*Znom;
其中,CR代表充放电倍率,β是一个常数;VBatt是电池的端电压;Znom是电池极化内阻归一化的值。
9.根据权利要求8所述的装置,其特征在于,所述极化内阻通过hppc混合动力脉冲能力特性实验得到。
10.根据权利要求6所述的装置,其特征在于,所述电池容量确定模块,具体被配置为:
确定所述目标电动势对应的第二SOC;
计算第二SOC与第一SOC之间的差值;
基于安时积分法,计算所述差值对应的电池容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227542.8A CN111381180B (zh) | 2020-03-26 | 2020-03-26 | 一种电池容量的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227542.8A CN111381180B (zh) | 2020-03-26 | 2020-03-26 | 一种电池容量的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111381180A true CN111381180A (zh) | 2020-07-07 |
CN111381180B CN111381180B (zh) | 2022-05-24 |
Family
ID=71218859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227542.8A Active CN111381180B (zh) | 2020-03-26 | 2020-03-26 | 一种电池容量的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111381180B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112114269A (zh) * | 2020-08-11 | 2020-12-22 | 北交新源(北京)科技有限公司 | 一种电动汽车充检一体化平台及方法 |
CN112130078A (zh) * | 2020-09-22 | 2020-12-25 | 清华四川能源互联网研究院 | 充放电数据处理方法、充放电数据处理装置和终端设备 |
CN113075550A (zh) * | 2021-03-31 | 2021-07-06 | 蜂巢能源科技(无锡)有限公司 | 获取电动势曲线的方法、装置、介质及电子设备 |
WO2023221589A1 (zh) * | 2022-05-19 | 2023-11-23 | 深圳市道通合创数字能源有限公司 | 一种电池健康状态的检测方法、装置及系统 |
WO2024067388A1 (zh) * | 2022-09-26 | 2024-04-04 | 深蓝汽车科技有限公司 | 一种电池健康状态估算方法、系统、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080162059A1 (en) * | 2005-01-27 | 2008-07-03 | Panasonic Ev Energy Co., Ltd. | Secondary Battery Charge/Discharge Electricity Amount Estimation Method and Device, Secondary Battery Polarization Voltage Estimation Method and Device and Secondary Battery Remaining Capacity Estimation Method and Device |
CN103675683A (zh) * | 2012-09-02 | 2014-03-26 | 东莞市振华新能源科技有限公司 | 一种锂电池荷电状态(soc)估算方法 |
CN104535932A (zh) * | 2014-12-20 | 2015-04-22 | 吉林大学 | 一种锂离子电池荷电状态估计方法 |
CN106443459A (zh) * | 2016-09-06 | 2017-02-22 | 中国第汽车股份有限公司 | 一种车用锂离子动力电池荷电状态估算方法 |
CN106483468A (zh) * | 2016-09-29 | 2017-03-08 | 中国科学院广州能源研究所 | 锂电池初始荷电状态的多因素估算方法 |
CN106918789A (zh) * | 2017-05-10 | 2017-07-04 | 成都理工大学 | 一种soc‑soh联合在线实时估计和在线修正方法 |
CN107091992A (zh) * | 2017-05-15 | 2017-08-25 | 安徽锐能科技有限公司 | 电池组荷电状态soc估计方法及估计系统 |
CN108363009A (zh) * | 2017-12-26 | 2018-08-03 | 浙江大学 | 一种实现锂离子电池最大允许功率在线预估的方法 |
-
2020
- 2020-03-26 CN CN202010227542.8A patent/CN111381180B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080162059A1 (en) * | 2005-01-27 | 2008-07-03 | Panasonic Ev Energy Co., Ltd. | Secondary Battery Charge/Discharge Electricity Amount Estimation Method and Device, Secondary Battery Polarization Voltage Estimation Method and Device and Secondary Battery Remaining Capacity Estimation Method and Device |
CN103675683A (zh) * | 2012-09-02 | 2014-03-26 | 东莞市振华新能源科技有限公司 | 一种锂电池荷电状态(soc)估算方法 |
CN104535932A (zh) * | 2014-12-20 | 2015-04-22 | 吉林大学 | 一种锂离子电池荷电状态估计方法 |
CN106443459A (zh) * | 2016-09-06 | 2017-02-22 | 中国第汽车股份有限公司 | 一种车用锂离子动力电池荷电状态估算方法 |
CN106483468A (zh) * | 2016-09-29 | 2017-03-08 | 中国科学院广州能源研究所 | 锂电池初始荷电状态的多因素估算方法 |
CN106918789A (zh) * | 2017-05-10 | 2017-07-04 | 成都理工大学 | 一种soc‑soh联合在线实时估计和在线修正方法 |
CN107091992A (zh) * | 2017-05-15 | 2017-08-25 | 安徽锐能科技有限公司 | 电池组荷电状态soc估计方法及估计系统 |
CN108363009A (zh) * | 2017-12-26 | 2018-08-03 | 浙江大学 | 一种实现锂离子电池最大允许功率在线预估的方法 |
Non-Patent Citations (4)
Title |
---|
XIN LAI: ""A Comparative Study of Charging Voltage Curve Analysis and State of Health Estimation of Lithium-ion Batteries in Electric Vehicle"", 《ELECTROCHIMICA ACTA》 * |
XUEBING HAN: ""A comparative study of global optimization methods for parameter identification of different equivalent circuit models for Li-ion batteries "", 《AUTOMOTIVE INNOVATION》 * |
柳应全: ""储能用蓄电池模型参数的动态辨识"", 《国防科技大学学报》 * |
隋欣: ""基于等效电路模型的串联电池组不一致分布特征仿真分析"", 《电工电能新技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112114269A (zh) * | 2020-08-11 | 2020-12-22 | 北交新源(北京)科技有限公司 | 一种电动汽车充检一体化平台及方法 |
CN112130078A (zh) * | 2020-09-22 | 2020-12-25 | 清华四川能源互联网研究院 | 充放电数据处理方法、充放电数据处理装置和终端设备 |
CN113075550A (zh) * | 2021-03-31 | 2021-07-06 | 蜂巢能源科技(无锡)有限公司 | 获取电动势曲线的方法、装置、介质及电子设备 |
CN113075550B (zh) * | 2021-03-31 | 2022-08-02 | 蜂巢能源科技(无锡)有限公司 | 获取电动势曲线的方法、装置、介质及电子设备 |
WO2023221589A1 (zh) * | 2022-05-19 | 2023-11-23 | 深圳市道通合创数字能源有限公司 | 一种电池健康状态的检测方法、装置及系统 |
WO2024067388A1 (zh) * | 2022-09-26 | 2024-04-04 | 深蓝汽车科技有限公司 | 一种电池健康状态估算方法、系统、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111381180B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111381180B (zh) | 一种电池容量的确定方法和装置 | |
CN108717164B (zh) | 电池的荷电状态soc标定方法及系统 | |
EP2089731B1 (en) | Apparatus and method for determination of the state-of-charge of a battery when the battery is not in equilibrium | |
CN109342950B (zh) | 一种用于锂电池荷电状态的评估方法、装置及其设备 | |
CN111722118B (zh) | 一种基于soc-ocv优化曲线的锂离子电池soc估计方法 | |
CN109143102B (zh) | 一种安时积分估算锂电池soc方法 | |
WO2014119328A1 (ja) | 電池状態推定装置 | |
CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
US11575271B2 (en) | SOC and SOH estimation methods of battery pack | |
KR102572652B1 (ko) | 배터리의 충전상태를 추정하는 방법 | |
US20140184233A1 (en) | Method for checking deterioration of battery | |
CN113341330B (zh) | 基于ocv修正和卡尔曼滤波算法的锂硫动力电池soc估算方法 | |
US20210190879A1 (en) | Soh estimation method of battery pack | |
CN104335057A (zh) | 用于确定电池的实际容量的方法和设备 | |
CN109061511B (zh) | 一种电池管理系统中实时计算电池单体soh的方法 | |
JP7231657B2 (ja) | 電池制御装置 | |
Sarrafan et al. | Real-time estimation of model parameters and state-of-charge of lithiumion batteries in electric vehicles using recursive least-square with forgetting factor | |
CN110376527B (zh) | 一种动力电池健康状态soh的估算方法及电动汽车 | |
CN113125967A (zh) | 一种基于温升预测的锂电池soe计算方法 | |
CN117148187A (zh) | 一种基于ocv校准的soh估算方法、系统及电子设备 | |
CN112051509A (zh) | 锂离子二次电池的电池状态判定方法 | |
JP3976645B2 (ja) | バッテリ充電状態測定方法及び装置 | |
CN116381498A (zh) | 学习老化模型的参数化并依据开路电压特性曲线来提供设备电池组的健康状态的方法和装置 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
CN113687237B (zh) | 一种保障电气安全的锂电池剩余充电时间预测方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Haidong Inventor after: Zhou Zheng Inventor after: Zheng Yuejiu Inventor before: Liu Haidong Inventor before: Zhou Zheng Inventor before: Zheng Yuejiu Inventor before: Guo Dongxu Inventor before: Chu Zhengyu |
|
GR01 | Patent grant | ||
GR01 | Patent grant |