CN111537906A - 一种评估磷酸铁锂电池系统多项健康参数的方法 - Google Patents

一种评估磷酸铁锂电池系统多项健康参数的方法 Download PDF

Info

Publication number
CN111537906A
CN111537906A CN202010475636.7A CN202010475636A CN111537906A CN 111537906 A CN111537906 A CN 111537906A CN 202010475636 A CN202010475636 A CN 202010475636A CN 111537906 A CN111537906 A CN 111537906A
Authority
CN
China
Prior art keywords
mov
battery system
soh
battery
voltage
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
CN202010475636.7A
Other languages
English (en)
Other versions
CN111537906B (zh
Inventor
任永欢
郑斌斌
黄艺兴
林炳辉
李鸿海
孙玮佳
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.)
Xiamen King Long United Automotive Industry Co Ltd
Original Assignee
Xiamen King Long United Automotive Industry Co Ltd
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 Xiamen King Long United Automotive Industry Co Ltd filed Critical Xiamen King Long United Automotive Industry Co Ltd
Priority to CN202010475636.7A priority Critical patent/CN111537906B/zh
Publication of CN111537906A publication Critical patent/CN111537906A/zh
Application granted granted Critical
Publication of CN111537906B publication Critical patent/CN111537906B/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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

一种评估磷酸铁锂电池系统多项健康参数的方法，涉及新能源汽车电池系统技术领域，包括如下步骤：S1、搜索电池系统使用当天的最小荷电状态值SOCmin，当前时刻记为t1，从t1时刻开始往前搜索电池系统最近的满电时刻，并记为t2；S2、收集t2至t1时间段内的电流I和电压V，运用参数辨识算法计算每个时刻各电压V对应的开路电压uoc(k)，并运用安时积分传递函数求得每个时刻对应的电池容量值Q(k)；S3、设置Mov_Q、Comp和Mov_V三个待辨识参数，并设定其各自的初始值，结合相关计算公式，并采用一定的优化求解方法，对三个待辨识参数进行迭代优化，从而求得可使目标函数J达到最小值时对应的Mov_Q、Comp和Mov_V的参数值；S4、提取步骤S3求得的Mov_Q值，并计算电池可用容量保持率SOH。

Description

一种评估磷酸铁锂电池系统多项健康参数的方法
技术领域
本发明涉及新能源汽车电池系统技术领域，特别涉及一种评估磷酸铁锂电池系统多项健康参数的方法。
背景技术
动力电池系统装车使用后，随着使用年限的增加，电池系统的可用容量会发生衰减，由于使用环境和工况不同，各车辆电池系统的衰减速率也不尽相同。在车辆电池系统安全风险评价中，电池系统可用容量保持率（SOH）是需要监控的第一关键健康指标。磷酸铁锂电池由于具有寿命长，使用安全，可大电流快速充放电，耐高温，大容量和无记忆效应等优点，被广泛应用于新能源汽车中。然而，磷酸铁锂电池相比三元或锰酸锂电池而言，其充放电曲线平台异常平坦，这给磷酸铁锂电池的SOH估算带来了巨大的困难。
现有技术在磷酸铁锂电池的SOH估算虽有一定的成果，但是所需条件较多，通用性不强，无法适用于所有磷酸铁锂电池系统的车辆，并且估算的结果单一，无法多方面描述电池系统的健康情况，存在一定弊端。
本方案旨在解决上述技术问题，提供一种评估磷酸铁锂电池系统多项健康参数的方法。
发明内容
本发明提供一种评估磷酸铁锂电池系统多项健康参数的方法，其主要目的在于解决上述问题。
本发明采用如下技术方案：
一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：包括如下步骤：
S1、搜索电池系统使用当天的最小荷电状态值SOCmin，当前时刻记为t1，从t1时刻开始往前搜索电池系统最近的满电时刻，并记为t2；
S2、收集t2至t1时间段内的电流I和电压V，运用参数辨识算法计算每个时刻各电压V对应的开路电压uoc(k)，并运用安时积分传递函数求得每个时刻对应的电池容量值Q(k)；
S3、设置Mov_Q、Comp和Mov_V三个待辨识参数，并设定其各自的初始值，结合公式（1）、（2）和（3），并采用一定的优化求解方法，对三个待辨识参数进行迭代优化，从而求得可使公式（1）中的目标函数J达到最小值时对应的Mov_Q、Comp和Mov_V的参数值；
J= min(Σ[(uoc(k)-y(k)-Mov_V)2/N]) （1）
y(k)=f(x(k)) （2）
x(k)=(Q(k)-Mov_Q)*Comp/Q0 （3）
其中，Q0为电池系统的额定容量；x(k)和y(k)为自定义的状态参数；设定x(k)=SOC，y(k)=OCV，根据电池系统固有的SOC-OCV数据拟合得到OCV=f(SOC)的关系式，即得公式（2）；
S4、提取步骤S3求得的Mov_Q值，利用公式（4）计算电池可用容量保持率SOH；
SOH=(Q0-Mov_Q)/Q0 （4）。
进一步，还包括如下步骤：
S5、采用步骤S2收集到的不同的电压V，重复步骤S2-S4，得到相应的最佳电芯可用容量保持率SOHmax、电池系统可用容量保持率SOHsys和各电芯可用容量保持率SOHi；并由此计算电芯容量分布区间、电芯容量不一致程度和电池系统的不均衡程度。
进一步，在步骤S5中，当步骤S2收集的电压V为最高单体电压Vmax时，最终求得的SOH为最佳电芯可用容量保持率SOHmax；当步骤S2收集的电压V为最低单体电压Vmin时，最终求得的SOH为电池系统可用容量保持率SOHsys；当步骤S2收集的电压V为某个单体电芯的电压Vi时，最终求得的SOH为该电芯可用容量保持率SOHi。
进一步，在步骤S2中，上述参数辨识算法可基于电池等效电路模型或电化学模型，并搭配最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种算法。
进一步，在步骤S2中，上述安时积分传递函数的公式为：
Q(k)=Q(k-1)-I(k)*[t(k)-t(k-1)]/3600
其中：t为时间；I为电流值，规定电池系统充电时I为负值，放电时I为正值。
进一步，在步骤S3中，上述OCV=f(SOC)的关系式的拟合方式可以采用公式拟合方式、平滑处理方式、线性插值方式或者两列数组方式。
进一步，在步骤S3中，上述优化算法为最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种算法。
进一步，在步骤S3中，Mov_Q、Comp和Mov_V三个待辨识参数的初始值分别为0、1和0。
进一步，在步骤S1中，上述满电时刻是指电池系统的荷电状态值SOC≥99%。
和现有技术相比，本发明产生的有益效果在于：
1、本发明创新地采用平移/压缩参数辨识法来提取电池特性信息，求解电池的可用容量保持率SOH，极大地简化了计算方法，有效提高了估算结果的准确性，并加强了算法通用性，使所有车辆都能实现可用容量保持率SOH的估算。
2、本发明算法灵活，控制简单，通过变换不同的电压数据源便可以估算出电芯容量分布区间、电芯容量不一致程度和电池系统的不均衡程度等多项电池系统健康参数，从而多方位地反应出电池系统健康情况，克服了现有磷酸铁锂电池的SOH估算方法存在得估算结果单一的问题。
3、本发明可以采用任何一天的车辆运行工况数据来计算得到电池系统的健康状况，对电池放电的荷电状态值SOC区间无严格要求，无需等待静置或者充电数据，不依赖于放电深度，仅需提前获取电池固有SOC-OCV数据即可，对于无每个单体电压数据的车辆也可以用于健康监控，尤其适用于充放电电压平台较平坦的电池体系，如正或负极含有磷酸铁锂、钛酸锂等材料的电池体系，并且本发明的算法计算过程耗时少，适用于在线估算。
附图说明
图1为本发明的控制流程图。
具体实施方式
下面参照附图说明本发明的具体实施方式。为了全面理解本发明，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本发明。
参照图1，一种评估磷酸铁锂电池系统多项健康参数的方法，包括如下步骤：
S1、搜索电池系统使用当天的最小荷电状态值SOCmin，当前时刻记为t1，从t1时刻开始往前搜索电池系统最近的满电时刻，并记为t2；
S2、收集t2至t1时间段内的电流I和电压V，运用参数辨识算法计算每个时刻各电压V对应的开路电压uoc(k)，并运用安时积分传递函数求得每个时刻对应的电池容量值Q(k)；
S3、设置Mov_Q、Comp和Mov_V三个待辨识参数，并设定其各自的初始值，结合公式（1）、（2）和（3），并采用一定的优化求解方法，对三个待辨识参数进行迭代优化，从而求得可使公式（1）中的目标函数J达到最小值时对应的Mov_Q、Comp和Mov_V的参数值；
J= min(Σ[(uoc(k)-y(k)-Mov_V)2/N]) （1）
y(k)=f(x(k)) （2）
x(k)=(Q(k)-Mov_Q)*Comp/Q0 （3）
其中，Q0为电池系统的额定容量，单位为Ah；x(k)和y(k)为自定义的状态参数；设定x(k)=SOC，y(k)=OCV，根据电池系统固有的SOC-OCV数据拟合得到OCV=f(SOC)的关系式，即得公式（2）；
S4、提取步骤S3求得的Mov_Q值，利用公式（4）计算电池可用容量保持率SOH；
SOH=(Q0-Mov_Q)/Q0 （4）。
S5、采用步骤S2收集到的不同的电压V，重复步骤S2-S4，得到相应的最佳电芯可用容量保持率SOHmax、电池系统可用容量保持率SOHsys和各电芯可用容量保持率SOHi；
S6、提取步骤S5求得的各电芯可用容量保持率SOHi的最大值SOHimax和最小值SOHimin，得到电芯容量分布区间，并通过求SOHimax和SOHimin差值，得到电芯容量不一致程度的估算值；
S7、提取步骤S5求得的最佳电芯可用容量保持率SOHmax和电池系统可用容量保持率SOHsys，通过计算两者的差值，并结合步骤S6求得的电芯容量不一致程度的估算值，从而计算电池系统的不均衡程度。
具体地，在步骤S2中，收集的电压V可以为最高单体电压Vmax、最低单体电压Vmin或者某个单体电芯的电压Vi；当电压V为最高单体电压Vmax时，最终求得的SOH基本等价于最佳电芯可用容量保持率SOHmax；当电压V为最低单体电压Vmin时，最终求得的SOH基本等价为电池系统可用容量保持率SOHsys；当电压V为某个单体电芯的电压Vi时，最终求得的SOH为该电芯可用容量保持率SOHi。因此，重复步骤S1至步骤S4，采用不同的电压数据源，即可求得最佳电芯的可用容量保持率SOHmax、电池系统的可用容量保持率SOHsys和某个电芯的可用容量保持率SOHi，通过比较这三个数值可以得到电池系统一致性差异、电池系统容量分布区间等电池系统健康程度相关评价信息。由此可知，本发明利用不同的电压数据源可以得到电池系统的多项健康程度参数，从而多方位反应出电池系统健康情况。
具体地，在步骤S2中，参数辨识算法可基于电池等效电路模型或电化学模型，并搭配最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种能够辨识得到开路电压（OCV）的算法。
具体地，在步骤S2中，安时积分传递函数的公式为：
Q(k)=Q(k-1)-I(k)*[t(k)-t(k-1)]/3600 （5）
其中：t为时间，单位为S；I为电流值，单位为A，规定电池系统充电时I为负值，放电时I为正值。在实际应用中，也可以将电流值规定为电池系统充电时为正值，放电为负值，并对公式（5）做相应的改变。
具体地，在步骤S3中，OCV=f(SOC)的关系式的拟合方式可以采用公式拟合方式、平滑处理方式、线性插值方式或者两列数组方式。当采用两列数组时，公式（3）得到的x(k)可通过圆整、四舍五入、插值等方式实现与SOC数组的对应。作为优选方案，本实施例采用如公式（6）所示的5阶高斯函数拟合OCV=f(SOC)的关系式。
y(k)=a1*exp[-((x(k)-b1)/c1)2]+a2*exp[-((x(k)-b2)/c2)2]+a3*exp[-((x(k)-b3)/c3)2]
+a4*exp[-((x(k)-b4)/c4)2]+a5*exp[-((x(k)-b5)/c5)2] （6）
具体地，在步骤S3中，优化算法为最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种算法。
具体地，在步骤S3中，Mov_Q、Comp和Mov_V三个待辨识参数的初始值分别为0、1和0。
具体地，在步骤S1中，满电时刻是指电池系统的荷电状态值SOC≥99%。
需要说明的是，在步骤S3中，公式（1）中的Mov_V，可以为待辨识求解的参数，也可以为[uoc(k)-y(k)]数组的平均值；当Mov_V为[uoc(k)-y(k)]数组的平均值时，待辨识求解的参数只剩2项，即Mov_Q与Comp。此外，在实际应用过程中，步骤S3中的公式（3）还可替换为公式（7），当采用公式（7）时，步骤S4中的公式（4）必须更改为公式（8）。本领域技术人员可根据上述描述并结合现有技术来理解并实施，故在此不加赘述。
x(k)=(Q(k) *Comp -Mov_Q) /Q0 （7）
SOH=(Q0-Mov_Q/Comp)/Q0； （8）
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (9)

1.一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：包括如下步骤：
S1、搜索电池系统使用当天的最小荷电状态值SOCmin，当前时刻记为t1，从t1时刻开始往前搜索电池系统最近的满电时刻，并记为t2；
S2、收集t2至t1时间段内的电流I和电压V，运用参数辨识算法计算每个时刻各电压V对应的开路电压uoc(k)，并运用安时积分传递函数求得每个时刻对应的电池容量值Q(k)；
S3、设置Mov_Q、Comp和Mov_V三个待辨识参数，并设定其各自的初始值，结合公式（1）、（2）和（3），并采用一定的优化求解方法，对三个待辨识参数进行迭代优化，从而求得可使公式（1）中的目标函数J达到最小值时对应的Mov_Q、Comp和Mov_V的参数值；
J= min(Σ[(uoc(k)-y(k)-Mov_V)2/N]) （1）
y(k)=f(x(k)) （2）
x(k)=(Q(k)-Mov_Q)*Comp/Q0 （3）
其中，Q0为电池系统的额定容量；x(k)和y(k)为自定义的状态参数；设定x(k)=SOC，y(k)=OCV，根据电池系统固有的SOC-OCV数据拟合得到OCV=f(SOC)的关系式，即得公式（2）；
S4、提取步骤S3求得的Mov_Q值，利用公式（4）计算电池可用容量保持率SOH；
SOH=(Q0-Mov_Q)/Q0 （4）。
2.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：还包括如下步骤：
S5、采用步骤S2收集到的不同的电压V，重复步骤S2-S4，得到相应的最佳电芯可用容量保持率SOHmax、电池系统可用容量保持率SOHsys和各电芯可用容量保持率SOHi；并由此计算电芯容量分布区间、电芯容量不一致程度和电池系统的不均衡程度。
3.如权利要求2所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S5中，当步骤S2收集的电压V为最高单体电压Vmax时，最终求得的SOH为最佳电芯可用容量保持率SOHmax；当步骤S2收集的电压V为最低单体电压Vmin时，最终求得的SOH为电池系统可用容量保持率SOHsys；当步骤S2收集的电压V为某个单体电芯的电压Vi时，最终求得的SOH为该电芯可用容量保持率SOHi。
4.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S2中，所述参数辨识算法可基于电池等效电路模型或电化学模型，并搭配最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种算法。
5.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S2中，所述安时积分传递函数的公式为：
Q(k)=Q(k-1)-I(k)*[t(k)-t(k-1)]/3600
其中：t为时间；I为电流值，规定电池系统充电时I为负值，放电时I为正值。
6.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S3中，所述OCV=f(SOC)的关系式的拟合方式可以采用公式拟合方式、平滑处理方式、线性插值方式或者两列数组方式。
7.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S3中，所述优化算法为最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法、智能机器学习优化算法中的任意一种算法。
8.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S3中，Mov_Q、Comp和Mov_V三个待辨识参数的初始值分别为0、1和0。
9.如权利要求1所述的一种评估磷酸铁锂电池系统多项健康参数的方法，其特征在于：在步骤S1中，所述满电时刻是指电池系统的荷电状态值SOC≥99%。
CN202010475636.7A 2020-05-29 2020-05-29 一种评估磷酸铁锂电池系统多项健康参数的方法 Active CN111537906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010475636.7A CN111537906B (zh) 2020-05-29 2020-05-29 一种评估磷酸铁锂电池系统多项健康参数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010475636.7A CN111537906B (zh) 2020-05-29 2020-05-29 一种评估磷酸铁锂电池系统多项健康参数的方法

Publications (2)

Publication Number Publication Date
CN111537906A true CN111537906A (zh) 2020-08-14
CN111537906B CN111537906B (zh) 2022-06-03

Family

ID=71974119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010475636.7A Active CN111537906B (zh) 2020-05-29 2020-05-29 一种评估磷酸铁锂电池系统多项健康参数的方法

Country Status (1)

Country Link
CN (1) CN111537906B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035082A (zh) * 2021-12-10 2022-02-11 厦门金龙联合汽车工业有限公司 一种新能源车辆电池系统异常电芯快速诊断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105093114A (zh) * 2015-03-02 2015-11-25 北京交通大学 一种电池在线建模与荷电状态的联合估计方法及系统
EP3064952A1 (en) * 2015-03-05 2016-09-07 GS Yuasa International Ltd. Energy storage device management apparatus, energy storage device management method, energy storage device module, energy storage device management program, and movable body
CN108508371A (zh) * 2018-04-09 2018-09-07 重庆大学 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法
CN109946616A (zh) * 2019-04-26 2019-06-28 厦门金龙联合汽车工业有限公司 一种磷酸铁锂电池系统容量不均衡程度的估算方法
CN110888064A (zh) * 2019-12-20 2020-03-17 厦门金龙联合汽车工业有限公司 一种评估电池系统电芯容量分布区间的算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105093114A (zh) * 2015-03-02 2015-11-25 北京交通大学 一种电池在线建模与荷电状态的联合估计方法及系统
EP3064952A1 (en) * 2015-03-05 2016-09-07 GS Yuasa International Ltd. Energy storage device management apparatus, energy storage device management method, energy storage device module, energy storage device management program, and movable body
CN108508371A (zh) * 2018-04-09 2018-09-07 重庆大学 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法
CN109946616A (zh) * 2019-04-26 2019-06-28 厦门金龙联合汽车工业有限公司 一种磷酸铁锂电池系统容量不均衡程度的估算方法
CN110888064A (zh) * 2019-12-20 2020-03-17 厦门金龙联合汽车工业有限公司 一种评估电池系统电芯容量分布区间的算法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035082A (zh) * 2021-12-10 2022-02-11 厦门金龙联合汽车工业有限公司 一种新能源车辆电池系统异常电芯快速诊断方法

Also Published As

Publication number Publication date
CN111537906B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
CN107748336B (zh) 锂离子电池的荷电状态在线估计方法及系统
CN111610456A (zh) 一种区分电池微短路和小容量故障的诊断方法
CN107741568B (zh) 一种基于状态转移优化rbf神经网络的锂电池soc估算方法
CN107329094A (zh) 动力电池健康状态估算方法及装置
CN109444762B (zh) 一种基于数据融合的锂离子电池健康状态估计方法
CN103138026A (zh) 电池组的控制装置
CN112510774B (zh) 一种电池组的均衡方法
CN113109729B (zh) 基于加速老化试验与实车工况的车用动力电池soh评估方法
CN112098893B (zh) 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法
CN110854959B (zh) 电池系统被动均衡方法
CN113009351A (zh) 电池容量的确定方法及装置
CN113396503B (zh) 电池控制装置
CN114156552A (zh) 一种考虑老化的串联电池组的均衡控制策略
Alsabari et al. Modeling and validation of lithium-ion battery with initial state of charge estimation
CN111537906B (zh) 一种评估磷酸铁锂电池系统多项健康参数的方法
CN112698217B (zh) 基于粒子群优化算法的电池单体容量估计方法
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
CN112147515A (zh) 一种新能源车辆电池系统功率及内阻在线估算方法
Kujundžić et al. Estimation of VRLA battery states and parameters using Sigma-point Kalman filter
CN114035074B (zh) 一种诊断磷酸铁锂串联电池组中微短路单体的方法
CN110554319A (zh) 基于改进型锂离子电池数学模型的电池参数检测方法
CN113097582B (zh) 一种电池单体soh值的估算方法及装置
CN115166566A (zh) 一种在线识别电池自放电率异常的方法
CN112162198B (zh) 一种适用于混动车辆的电池健康诊断系统及方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Ren Yonghuan

Inventor after: Zheng Binbin

Inventor after: Huang Yixing

Inventor after: Lin Binghui

Inventor after: Li Honghai

Inventor after: Sun Weijia

Inventor before: Ren Yonghuan

Inventor before: Zheng Binbin

Inventor before: Huang Yixing

Inventor before: Lin Binghui

Inventor before: Li Honghai

Inventor before: Sun Weijia