CN111856286A - 基于dp-rc模型的电池功率估计方法及装置 - Google Patents
基于dp-rc模型的电池功率估计方法及装置 Download PDFInfo
- Publication number
- CN111856286A CN111856286A CN202010676050.7A CN202010676050A CN111856286A CN 111856286 A CN111856286 A CN 111856286A CN 202010676050 A CN202010676050 A CN 202010676050A CN 111856286 A CN111856286 A CN 111856286A
- Authority
- CN
- China
- Prior art keywords
- charge
- lithium battery
- model
- tested
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 123
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 123
- 238000012360 testing method Methods 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000007600 charging Methods 0.000 claims description 65
- 230000010287 polarization Effects 0.000 claims description 56
- 238000007599 discharging Methods 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000012546 transfer Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 25
- 239000003990 capacitor Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 4
- 229910001416 lithium ion Inorganic materials 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010277 constant-current charging Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010278 pulse charging Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
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]
- G01R31/385—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种基于DP‑RC模型的电池功率估计方法及装置，所述方法包括以下步骤：对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；根据预先建立的DP‑RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP‑RC等效电路模型的模型参数；将不同荷电状态下DP‑RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率。本发明提供的基于DP‑RC模型的电池功率估计方法及装置，准确估计待测锂电池的功率。
Description
技术领域
本发明涉及电池领域，特别涉及一种基于DP-RC模型的电池功率估计方法及装置。
背景技术
近年来，随着电动汽车行业的蓬勃发展，作为电动汽车动力来源的锂离子电池的能量密度越来越高，功率越来越大，这使得锂离子电池组需要串联的电池单体数量也越来越多。在电池组的长期使用过程中，组成电池组的多个锂离子电池可能存在一致性较差而导致个别电池出现过充或过放的现象，进而引起电池组整体性能的下降，甚至会引起不可逆的严重失效或安全问题，威胁驾驶员与乘客的人身安全。因此对于电池组来说，电池管理系统必不可少。电池组的功率状态是表征其工作状态的重要参数之一，因此电池管理系统需要对电池组的功率状态进行准确估计。由于电池组的功率是有限的，如果负载功率超过了电池所能释放的极限，电池将会被过放，会对电池寿命造成严重损害甚至酿成安全事故。电池组在充电时也会面临着同样的问题。这就需要BMS(Battery Management System，电池管理系统)对电池组的最大充放电功率进行估算，进而对电池组的充放电功率进行限制。
电池的功率状态无法通过直接测量得到，只能通过测量电池的电压与电流等参考量，再结合相关电池模型与算法进行在线估计，目前，多采用等效电路模型进行在线估计，等效电路模型由于具有计算量小，结构简单、易于实现等优点，更适用于BMS开发的研究。通常情况下，等效电路模型通过增加RC回路来提高估计精度，然而随着RC回路的增加，参数估计难度与计算量会大幅提升，目前能够兼顾估计精度与计算量的等效电路模型为二阶RC模型。但传统的二阶RC模型未考虑电池在充放电状态下的滞回效应，导致无法准确模拟电池充电、放电过程，使得模型参数估计不准确，从而造成电池功率估计不准确。
发明内容
本发明的主要目的为提供一种基于DP-RC模型的电池功率估计方法及装置，能更加准确的估计待测锂电池的功率。
本发明提出一种基于DP-RC模型的电池功率估计方法，包括以下步骤：
对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；
根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，所述DP-RC等效电路模型包括充电回路和放电回路；所述模型参数包括所述充电回路和放电回路中的电阻和电容；
将不同荷电状态下DP-RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率。
进一步地，所述放电回路包括放电第一极化回路和放电第二极化回路；所述充电回路包括充电第一极化回路和充电第二极化回路；所述电压电流关系式包括：
放电过程：
UO＝UOC-UD1-UD2-IDRD0；
其中，UOC为开路电压，ID为放电过程总电流，RD0为放电欧姆内阻，UD1为放电第一极化回路电压，RD1为放电第一极化回路内阻，CD1为放电第一极化回路电容，UD2为放电第二极化回路电压，RD2为放电第二极化回路内阻，CD2为放电第二极化回路电容；
充电过程：
UO＝UOC-UC1-UC2-ICRC0；
其中，IC为充电过程总电流，RC0为充电欧姆内阻，UC1为充电第一极化回路电压，RC1为充电第一极化回路内阻，CC1为充电第一极化回路电容，UC2为充电第二极化回路电压，RC2为充电第二极化回路内阻，CC2为充电第二极化回路电容。
进一步地，所述对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系的步骤，包括：
将所述待测锂电池放置第一预设时间后，以第一预设倍率恒流放电，当放电第一预设容量后，放置第二预设时间，测量所述待测锂电池的开路电压与当前荷电状态；重复此步骤至所述待测锂电池电量全部放完，得到多组放电状态下的开路电压与荷电状态；
对放电完成的所述待测锂电池以第二预设倍率恒流充电，当充入第二预设容量后，放置第三预设时间，测量所述待测锂电池的开路电压与当前荷电状态，重复此步骤至所述待测锂电池电量充满，得到多组充电状态下的开路电压与荷电状态；
根据所述多组放电状态下的开路电压与荷电状态和多组充电状态下的开路电压与荷电状态，采用预设关系式拟合得到荷电状态与开路电压的关系。
进一步地，所述预设关系式，包括：
其中，所述UOC为开路电压，Z为当前荷电状态，α、β、γ为荷电状态与开路电压关系的待定系数，所述U0为所述待测锂电池输出电压。
进一步地，根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数的步骤，包括：
采集所述待测锂电池的端电压、输入电流或输出电流；
将所述输入电流或输出电流输入至MOESP算法中，所述端电压作为所述MOESP算法的输出；
采用MOESP算法辨识所述不同荷电状态下DP-RC等效电路模型的模型参数。
进一步地，所述采用MOESP算法辨识所述不同荷电状态下DP-RC等效电路模型的模型参数的步骤，包括：
计算DP-RC等效电路模型所对应系统传递函数在z域的表达式；
使用MOESP算法辨识系统传递函数；
通过系统传递函数与DP-RC等效电路模型之间的关系求解所述不同荷电状态下DP-RC等效电路模型的模型参数。
进一步地，所述计算DP-RC等效电路模型所对应系统传递函数在z域的表达式的步骤，包括：
采用双线性变换计算DP-RC等效电路模型所对应系统传递函数在z域的表达式。
进一步地，所述系统传递函数包括：
进一步地，所述将不同荷电状态下DP-RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率的步骤，包括：
获取所述待测锂电池的荷电状态区间；
采用恒功率响应法获取所述待测锂电池在荷电状态区间与特定时间内的最大充放电功率；
在特定荷电状态下使用二分查找法查找该荷电状态下的最大使用功率。
本发明还提供一种基于DP-RC模型的电池功率估计装置，包括：
第一测试单元，用于对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；
第二测试单元，用于根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，所述DP-RC等效电路模型包括充电回路和放电回路；所述模型参数包括所述充电回路和放电回路中的电阻和电容；
最大使用功率单元，用于将不同荷电状态下DP-RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率。
本发明提供的基于DP-RC模型的电池功率估计方法及装置，预先建立的DP-RC等效电路模型在充、放电过程使用不同的二阶RC回路进行模拟，考虑了电池在充放电时存在的滞回效应，对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系，根据DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；将不同荷电状态下DP-RC等效电路模型的模型参数代入电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率，本发明中的预先建立的DP-RC等效电路模型考虑了不同荷电状态下待测锂电池的模型参数之间存在的差异，可以较为准确地模拟电池充放电的动态行为，准确估计待测锂电池的功率。
附图说明
图1为本发明一实施例的基于DP-RC模型的电池功率估计方法的流程示意图；
图2为本发明一实施例的DP-RC等效电路模型的电路结构示意图；
图3为本发明一实施例的HPPC测试的测试曲线；
图4为本发明一实施例的10s放电功率的估计结果与实测结果的比较图；
图5为本发明一实施例的恒电流放电实测值与不同模型估计值的比较图；
图6为本发明一实施例的基于DP-RC模型的电池功率估计装置的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
DP(Double-Polarization，双极化)-RC模型是普通一阶RC模型的改良版，一阶RC模型包括Thevenin模型和PNGV模型等，一阶RC模型可以在一定程度上模拟极化现象，但由于浓差极化和电化学极化的差异导致模型在充电或放电结束瞬间的模拟并不精确，在一阶RC模型的基础上再增加一个并联的RC模型，分别用两个RC回路来模拟浓差极化和电化学极化，因此它被称为DP-RC模型或二阶RC模型。参照图1，本发明一实施例提供一种基于DP-RC模型的电池功率估计方法，包括以下步骤：
步骤S1，对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；
步骤S2，根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及荷电状态与开路电压的关系，对待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，DP-RC等效电路模型包括充电回路和放电回路；模型参数包括充电回路和放电回路中的电阻和电容；
步骤S3，将不同荷电状态下DP-RC等效电路模型的模型参数代入电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算待测锂电池在该荷电状态下的最大使用功率。
本实施例中，如上述步骤S1，对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系，具体的，该步骤S1包括：
步骤S11，将待测锂电池放置第一预设时间后，以第一预设倍率恒流放电，当放电第一预设容量后，放置第二预设时间，测量待测锂电池的开路电压与当前荷电状态；重复此步骤至待测锂电池电量全部放完，得到多组放电状态下的开路电压与荷电状态；
步骤S12，对放电完成的待测锂电池以第二预设倍率恒流充电，当充入第二预设容量后，放置第三预设时间，测量待测锂电池的开路电压与当前荷电状态，重复此步骤至待测锂电池电量充满，得到多组充电状态下的开路电压与荷电状态；
步骤S13，根据所述多组放电状态下的开路电压与荷电状态和多组充电状态下的开路电压与荷电状态，采用预设关系式拟合得到荷电状态与开路电压的关系。
本实施例中，对待测锂离子电池进行间断脉冲充放电法测试：给待测锂电池充满电，搁置第一预设时间，第一预设时间可为一小时，以第一预设倍率，即C/20倍率恒流放电，放出第一预设容量的电后停止放电，再搁置第二预设时间后，测量待测锂电池的开路电压以及当前荷电状态，重复上述过程，直到待测锂电池电量全部放完，得到多组放电状态下的开路电压和荷电状态；随后以第二预设倍率恒流充电，充入第二预设容量后停止充电，再搁置第三预设时间，测量待测锂电池的开路电压以及当前荷电状态，重复上述过程，直到待测锂电池电量充满，得到多组充电状态下的开路电压和荷电状态。记录每个脉冲充放电周期静置一段时间后的待测锂电池荷电状态与开路电压Uoc，取充放电测试结果的平均值作为当前荷电状态下的开路电压，随后将充电状态下和放电状态下的多组开路电压与荷电状态使用预设关系式拟合得到荷电状态与开路电压Uoc之间的关系UOC(Z)；预设关系式，包括：
采用公式(8)计算荷电状态；
其中，UOC为开路电压，Z为当前荷电状态，α、β、γ为荷电状态与开路电压关系的待定系数，U0为待测锂电池输出电压。采用多元线性回归得到α、β、γ的估计值，进而可得出荷电状态与开路电压之间的关系UOC(Z)。
如上述步骤S2，根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及荷电状态与开路电压的关系，对待测锂电池进行混合脉冲功率特性测试，如图3所示，图3为混合脉冲功率特性测试得到的电流电压关系曲线，得到不同荷电状态下DP-RC等效电路模型的模型参数。本实施例中，DP-RC等效电路模型是在一阶RC模型中增加一组RC回路，本申请中预先建立的DP-RC等效电路模型如图2所示，通过在充、放电过程使用不同的二阶RC回路进行模拟，考虑了电池在充放电时存在的滞回效应。回路1代表放电回路，只存在放电电流时导通，只存在充电电流时截止。回路1中，RD1/CD1与RD2/CD2为两个RC并联支路用于模拟电池的浓差极化与电化学极化特性，RD0用于模拟电池的欧姆极化特性。回路2代表充电回路，其参数意义与放电回路类似，同时根据DP-RC等效电路模型建立电压电流关系式，其中，放电回路包括放电第一极化回路和放电第二极化回路；充电回路包括充电第一极化回路和充电第二极化回路；：
放电过程：
UO＝UOC-UD1-UD2-IDRD0；(3)
其中，UOC为开路电压，ID为放电过程总电流RD0为放电欧姆内阻，UD1为放电第一极化回路电压，RD1为放电第一极化回路内阻，CD1为放电第一极化回路电容，UD2为放电第二极化回路电压，RD2为放电第二极化回路内阻，CD2为放电第二极化回路电容；
充电过程：
UO＝UOC-UC1-UC2-ICRC0；(6)
其中，IC为充电过程总电流，RC0为充电欧姆内阻，UC1为充电第一极化回路电压，RC1为充电第一极化回路内阻，CC1为充电第一极化回路电容，UC2为充电第二极化回路电压，RC2为充电第二极化回路内阻，CC2为充电第二极化回路电容。
本实施例中，通过将充、放电过程使用不同的二阶RC回路进行模拟，考虑了电池在充放电时存在的滞回效应，也考虑了不同荷电状态下待测锂电池的模型参数之间存在的差异，可以较为准确地模拟电池充放电的动态行为，准确估计待测锂电池的功率。具体的，该步骤S2，包括：
步骤S21，采集待测锂电池的端电压、输入电流或输出电流；
步骤S22，将输入电流或输出电流输入至MOESP(Multi-variable Output ErrorStates Pace，多变量输出误差状态空间算法)算法中，端电压作为MOESP算法的输出；
步骤S23，采用MOESP算法辨识不同荷电状态下DP-RC等效电路模型的模型参数。
本实施例中，采集被测锂电池的端电压与输入或输出电流，把输入或输出电流作为MOESP算法的输入，端电压作为MOESP算法的输出，然后使用MOESP算法辨识得到不同荷电状态下DP-RC等效电路模型的模型参数；采用基于子空间理论的MOESP算法进行模型的参数辨识，通过输入与输出变量一次性计算出系统矩阵的估计值，无需进行递推求解，计算效率高，通过历史数据修正离线辨识的参数，从而实现对电池的功率状态更加准确的估计。进一步的该模型算法还可用于BMS对待测锂电池状态进行在线估计。
如上述步骤S23，采用MOESP算法辨识不同荷电状态下DP-RC等效电路模型的模型参数，具体的，该步骤S23，包括：
步骤S231，计算DP-RC等效电路模型所对应系统传递函数在z域的表达式；
步骤S232，使用MOESP算法辨识系统传递函数；
步骤S233，通过系统传递函数与DP-RC等效电路模型之间的关系求解不同荷电状态下DP-RC等效电路模型的模型参数。
本实施例中，对公式(1)、(2)、(3)进行拉普拉斯变换，得到系统传递函数在s域的表达式G(s)：
其中，τD1＝RD1CD1与τD2＝RD2CD2为两个回路的时间常数，该系统的输入为电流，输出为当前荷电状态下的开路电压UOC与测量电压Ut的差值。
将系统传递函数从s域变换到z域，为了保证变换前后系统稳定性方面的一致性，在此采用双线性变换的方法进行转换，转换后的系统传递函数在z域的表达式应为：
双线性变换中取
代回公式(10)中，其中，T为混合脉冲功率特性测试的采样周期，可得到G(s)的表达式如下：
将公式(11)与公式(9)进行对比，可得到如下的系统传递函数的系数对应关系：
如上述步骤S232，使用MOESP算法辨识系统传递函数；具体的，MOESP算法计算得到系统矩阵与传递函数之间的关系，系统矩阵为：
系统传递函数G(z)与系统矩阵A、B、C、D之间的关系为：G(z)＝D+C(zI-A)-1B(14)，使用MOESP算法辨识出系统矩阵A、B、C、D，再通过公式(14)得到系统传递函数在z域的表达式G(z)，转换为G(z-1)，并求解出方程组(12)，即可得到当前荷电状态下DP-RC等效电路模型中的模型参数。将此方法多次应用，即可得出待测锂电池在不同荷电状态下的DP-RC等效电路模型中的模型参数。
如上述步骤S3，将不同荷电状态下DP-RC等效电路模型的模型参数代入电压电流关系式中，得到带有具体值的电压电流关系式再通过模拟锂电池的恒功率充放电响应，计算该荷电状态下的输出电压，从而计算待测锂电池在该荷电状态下的最大使用功率，具体的，该步骤S3，包括：
步骤S31，获取待测锂电池的荷电状态区间；
步骤S32，采用恒功率响应法获取待测锂电池在荷电状态区间与特定时间内的最大充放电功率；
步骤S33，在特定荷电状态下使用二分查找法查找该荷电状态下的最大使用功率。
本实施例中，首先定义待测锂电池的荷电状态区间为[Zmin,Zmax]，该荷电状态区间可为[0，100],使用恒功率响应法得到电池在Zmin与Zmax下与特定时间t内的最大充放电功率
与
随后在特定的荷电状态下，使用二分查找法在
与
之间查找能够满足下述目标条件的功率值，即可得到待测锂电池的最大充放电功率。
上述恒功率响应法的计算过程如下：
给定输入电流I，输出电压的计算如下：
公式(15)中，A，B，C，D均可通过之前辨识DP-RC等效电路模型的模型参数得到，具体如下，下标z代表电池在当前荷电状态下的电池参数值：
C＝[1 1 0]，D＝RD0,Z (16)
待测锂电池该荷电状态下的最大充放电功率为在该功率的恒功率响应下待测锂电池在特定时间t内端电压Uk满足Uk≤Umax或Uk≥Umin的功率值。如图4所示，图4为10s放电功率下，电压实测值、普通RC模型的电压估计值和本申请提供的DP-RC等效电路模型的电压估计值的比较图，如图5所示，图5提供了在某荷电状态下，对待测锂电池使用功率的实际测量值和根据本申请提供的基于DP-RC等效电路模型所估计的功率值的比较图，结合两个图可以清楚的看到本申请的DP-RC等效电路模型相较于普通RC模型具有更好的拟合效果。
请参阅图6，本发明一实施例还提供一种基于DP-RC模型的电池功率估计装置，包括第一测试单元10、第二测试单元20及最大使用功率单元30。
第一测试单元10用于对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系。
在一实施例中，第一测试单元10，包括：
恒流放电子单元，用于将待测锂电池放置第一预设时间后，以第一预设倍率恒流放电，当放电第一预设容量后，放置第二预设时间，测量待测锂电池的开路电压与当前荷电状态；重复此步骤至待测锂电池电量全部放完，得到多组放电状态下的开路电压与荷电状态；
恒流充电子单元，用于对放电完成的待测锂电池以第二预设倍率恒流充电，当充入第二预设容量后，放置第三预设时间，测量待测锂电池开路电压与当前荷电状态，重复此步骤至待测锂电池电量全部放完，得到多组充电状态下的开路电压与荷电状态；
拟合子单元，用于根据多组放电状态下的开路电压与荷电状态和多组充电状态下的开路电压与荷电状态采用预设关系式拟合得到荷电状态与开路电压的关系。
第二测试单元20用于根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及荷电状态与开路电压的关系，对待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，DP-RC等效电路模型包括充电回路和放电回路；模型参数包括充电回路和放电回路中的电阻和电容。
在一实施例中，第二测试单元20，包括：
采集子单元，用于采集待测锂电池的端电压、输入电流或输出电流；
输入子单元，用于将输入电流或输出电流输入至MOESP算法中，端电压作为MOESP算法的输出；
辨识子单元，用于采用MOESP算法辨识不同荷电状态下DP-RC等效电路模型的模型参数。
在一实施例中，辨识子单元，包括：
计算模块，用于计算DP-RC等效电路模型所对应系统传递函数在z域的表达式；
辨识模块，用于使用MOESP算法辨识系统传递函数；
求解模块，用于通过系统传递函数与DP-RC等效电路模型之间的关系求解不同荷电状态下DP-RC等效电路模型的模型参数。
在一实施例中，计算模块，包括：
计算子模块，用于采用双线性变换计算DP-RC等效电路模型所对应系统传递函数在z域的表达式。
最大使用功率单元30用于将不同荷电状态下DP-RC等效电路模型的模型参数代入电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算待测锂电池在该荷电状态下的最大使用功率。
在一实施例中，最大使用功率单元30，包括：
第一获取子单元，用于获取待测锂电池的荷电状态区间；
第二获取子单元，用于采用恒功率响应法获取待测锂电池在荷电状态区间与特定时间内的最大充放电功率；
查找子单元，用于在特定荷电状态下使用二分查找法查找该荷电状态下的最大使用功率。
在本实施例中，上述各个单元、子单元、模块、子模块的具体实现请参照上述方法实施例中，在此不再进行赘述。
综上，本发明提供的基于DP-RC模型的电池功率估计方法及装置，对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及荷电状态与开路电压的关系，对待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，DP-RC等效电路模型包括充电回路和放电回路；模型参数包括充电回路和放电回路中的电阻和电容；将不同荷电状态下DP-RC等效电路模型的模型参数代入电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算待测锂电池在该荷电状态下的最大使用功率。通过预先建立的DP-RC等效电路模型在充、放电过程使用不同的二阶RC回路进行模拟，考虑了电池在充放电时存在的滞回效应，也考虑了不同荷电状态下待测锂电池的模型参数之间存在的差异，可以较为准确地模拟电池充放电的动态行为，准确估计待测锂电池的功率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于DP-RC模型的电池功率估计方法，其特征在于，包括以下步骤：
对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；
根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，所述DP-RC等效电路模型包括充电回路和放电回路；所述模型参数包括所述充电回路和放电回路中的电阻和电容；
将不同荷电状态下DP-RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率。
2.根据权利要求1所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述放电回路包括放电第一极化回路和放电第二极化回路；所述充电回路包括充电第一极化回路和充电第二极化回路；所述电压电流关系式包括：
放电过程：
UO＝UOC-UD1-UD2-IDRD0；
其中，UOC为开路电压，ID为放电过程总电流，RD0为放电欧姆内阻，UD1为放电第一极化回路电压，RD1为放电第一极化回路内阻，CD1为放电第一极化回路电容，UD2为放电第二极化回路电压，RD2为放电第二极化回路内阻，CD2为放电第二极化回路电容；
充电过程：
UO＝UOC-UC1-UC2-ICRC0；
其中，IC为充电过程总电流，RC0为充电欧姆内阻，UC1为充电第一极化回路电压，RC1为充电第一极化回路内阻，CC1为充电第一极化回路电容，UC2为充电第二极化回路电压，RC2为充电第二极化回路内阻，CC2为充电第二极化回路电容。
3.根据权利要求1所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系的步骤，包括：
将所述待测锂电池放置第一预设时间后，以第一预设倍率恒流放电，当放电第一预设容量后，放置第二预设时间，测量所述待测锂电池的开路电压与当前荷电状态；重复此步骤至所述待测锂电池电量全部放完，得到多组放电状态下的开路电压与荷电状态；
对放电完成的所述待测锂电池以第二预设倍率恒流充电，当充入第二预设容量后，放置第三预设时间，测量所述待测锂电池的开路电压与当前荷电状态，重复此步骤至所述待测锂电池电量充满，得到多组充电状态下的开路电压与荷电状态；
根据所述多组放电状态下的开路电压与荷电状态和多组充电状态下的开路电压与荷电状态，采用预设关系式拟合得到荷电状态与开路电压的关系。
4.根据权利要求3所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述预设关系式，包括：
其中，所述UOC为开路电压，Z为当前荷电状态，α、β、γ为荷电状态与开路电压关系的待定系数，所述U0为所述待测锂电池输出电压。
5.根据权利要求1所述的基于DP-RC模型的电池功率估计方法，其特征在于，根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数的步骤，包括：
采集所述待测锂电池的端电压、输入电流或输出电流；
将所述输入电流或输出电流输入至MOESP算法中，所述端电压作为所述MOESP算法的输出；
采用MOESP算法辨识所述不同荷电状态下DP-RC等效电路模型的模型参数。
6.根据权利要求5所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述采用MOESP算法辨识所述不同荷电状态下DP-RC等效电路模型的模型参数的步骤，包括：
计算DP-RC等效电路模型所对应系统传递函数在z域的表达式；
使用MOESP算法辨识系统传递函数；
通过系统传递函数与DP-RC等效电路模型之间的关系求解所述不同荷电状态下DP-RC等效电路模型的模型参数。
7.根据权利要求6所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述计算DP-RC等效电路模型所对应系统传递函数在z域的表达式的步骤，包括：
采用双线性变换计算DP-RC等效电路模型所对应系统传递函数在z域的表达式。
8.根据权利要求6所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述系统传递函数包括：
9.根据权利要求1所述的基于DP-RC模型的电池功率估计方法，其特征在于，所述将不同荷电状态下DP-RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率的步骤，包括：
获取所述待测锂电池的荷电状态区间；
采用恒功率响应法获取所述待测锂电池在荷电状态区间与特定时间内的最大充放电功率；
在特定荷电状态下使用二分查找法查找该荷电状态下的最大使用功率。
10.一种基于DP-RC模型的电池功率估计装置，其特征在于，包括：
第一测试单元，用于对待测锂电池进行间断脉冲充放电测试，得到荷电状态与开路电压的关系；
第二测试单元，用于根据预先建立的DP-RC等效电路模型所对应的电压电流关系式以及所述荷电状态与开路电压的关系，对所述待测锂电池进行混合脉冲功率特性测试，通过预设规则得到不同荷电状态下DP-RC等效电路模型的模型参数；其中，所述DP-RC等效电路模型包括充电回路和放电回路；所述模型参数包括所述充电回路和放电回路中的电阻和电容；
最大使用功率单元，用于将不同荷电状态下DP-RC等效电路模型的所述模型参数代入所述电压电流关系式中，通过模拟锂电池的恒功率充放电响应，计算所述待测锂电池在该荷电状态下的最大使用功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010676050.7A CN111856286A (zh) | 2020-07-14 | 2020-07-14 | 基于dp-rc模型的电池功率估计方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010676050.7A CN111856286A (zh) | 2020-07-14 | 2020-07-14 | 基于dp-rc模型的电池功率估计方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111856286A true CN111856286A (zh) | 2020-10-30 |
Family
ID=72983872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010676050.7A Pending CN111856286A (zh) | 2020-07-14 | 2020-07-14 | 基于dp-rc模型的电池功率估计方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111856286A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115113046A (zh) * | 2022-07-14 | 2022-09-27 | 河南新太行电源股份有限公司 | 一种快速评估电池最大放电倍率的测试方法 |
| CN115542180A (zh) * | 2022-09-27 | 2022-12-30 | 清安储能技术(重庆)有限公司 | 电池系统功率估计方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
| CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
| CN108072847A (zh) * | 2018-01-29 | 2018-05-25 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
| CN110133525A (zh) * | 2019-05-13 | 2019-08-16 | 哈尔滨工业大学 | 一种应用于电池管理系统的锂离子电池健康状态估计方法 |
| CN110261779A (zh) * | 2019-06-25 | 2019-09-20 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
-
2020
- 2020-07-14 CN CN202010676050.7A patent/CN111856286A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
| CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
| CN108072847A (zh) * | 2018-01-29 | 2018-05-25 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
| CN110133525A (zh) * | 2019-05-13 | 2019-08-16 | 哈尔滨工业大学 | 一种应用于电池管理系统的锂离子电池健康状态估计方法 |
| CN110261779A (zh) * | 2019-06-25 | 2019-09-20 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李泉: "锂离子动力电池管理系统关键技术研究", 《中国博士学位论文全文数据库·工程科技II辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115113046A (zh) * | 2022-07-14 | 2022-09-27 | 河南新太行电源股份有限公司 | 一种快速评估电池最大放电倍率的测试方法 |
| CN115113046B (zh) * | 2022-07-14 | 2022-12-16 | 河南新太行电源股份有限公司 | 一种快速评估电池最大放电倍率的测试方法 |
| CN115542180A (zh) * | 2022-09-27 | 2022-12-30 | 清安储能技术(重庆)有限公司 | 电池系统功率估计方法、装置、设备及存储介质 |
| CN115542180B (zh) * | 2022-09-27 | 2023-09-01 | 清安储能技术(重庆)有限公司 | 电池系统功率估计方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112946499B (zh) | 基于机器学习的锂电池健康状态及荷电状态联合估算方法 | |
| Wu et al. | State of charge estimation of lithium-ion batteries over wide temperature range using unscented Kalman filter | |
| Lai et al. | A comparative study of different equivalent circuit models for estimating state-of-charge of lithium-ion batteries | |
| Pan et al. | State of charge estimation of lithium-ion batteries using a grey extended Kalman filter and a novel open-circuit voltage model | |
| Wei et al. | System state estimation and optimal energy control framework for multicell lithium-ion battery system | |
| He et al. | Online model-based estimation of state-of-charge and open-circuit voltage of lithium-ion batteries in electric vehicles | |
| Nemes et al. | Modeling and simulation of first-order Li-Ion battery cell with experimental validation | |
| US10620275B2 (en) | State estimation of an energy system | |
| Stroe et al. | Lithium-ion battery dynamic model for wide range of operating conditions | |
| Wehbe et al. | Battery equivalent circuits and brief summary of components value determination of lithium ion: A review | |
| CN105425154B (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
| Taborelli et al. | State of charge estimation using extended Kalman filters for battery management system | |
| Li et al. | A new parameter estimation algorithm for an electrical analogue battery model | |
| Hossain et al. | A parameter extraction method for the Thevenin equivalent circuit model of Li-ion batteries | |
| CN113433464A (zh) | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 | |
| CN107783057B (zh) | 一种动力电池soc估算方法及估算系统 | |
| Dai et al. | State and parameter estimation of a hev li-ion battery pack using adaptive kalman filter with a new soc-ocv concept | |
| CN111562498A (zh) | 动力电池可用容量估计方法及系统 | |
| Lavety et al. | A dynamic battery model and parameter extraction for discharge behavior of a valve regulated lead-acid battery | |
| CN111856286A (zh) | 基于dp-rc模型的电池功率估计方法及装置 | |
| Castano-Solis et al. | Hybrid characterization procedure of Li-ion battery packs for wide frequency range dynamics applications | |
| Zhou et al. | Battery state of health estimation using the generalized regression neural network | |
| Livint et al. | Algorithm for estimating soc of lithium-ion batteries used for electric vehicles | |
| Lin et al. | A novel approach to state of charge estimation using extended Kalman filtering for lithium-ion batteries in electric vehicles | |
| CN111722119B (zh) | 一种动力电池分数阶等效电路多特性融合模型的辨识方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 518000 1-2 Floor, Building A, Xinwangda Industrial Park, No. 18 Tangjianan Road, Gongming Street, Guangming New District, Shenzhen City, Guangdong Province Applicant after: Xinwangda Power Technology Co.,Ltd. Address before: 518000 1-2 Floor, Building A, Xinwangda Industrial Park, No. 18 Tangjianan Road, Gongming Street, Guangming New District, Shenzhen City, Guangdong Province Applicant before: SUNWODA ELECTRIC VEHICLE BATTERY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |