CN111856309B - 一种电池健康状态的定量判断方法 - Google Patents
一种电池健康状态的定量判断方法 Download PDFInfo
- Publication number
- CN111856309B CN111856309B CN202010715077.2A CN202010715077A CN111856309B CN 111856309 B CN111856309 B CN 111856309B CN 202010715077 A CN202010715077 A CN 202010715077A CN 111856309 B CN111856309 B CN 111856309B
- Authority
- CN
- China
- Prior art keywords
- battery
- threshold
- value
- state
- score
- 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
- 230000036541 health Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 14
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 230000003862 health status Effects 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000178 monomer Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Abstract
本发明公开了一种电池健康状态的定量判断方法，包括电池健康状态判断模型、蓄电池在线监控系统和分数量化评价系统，具体通过构建电池健康状态判断模型，采集电池内阻、电压、温度和电池SOH值，将电池健康状态分为健康状态、亚健康状态和不健康状态三种，上转至电池的在线监控系统，针对不同的电池数据进行阈值级别的设定，分数量化评价系统根据设置的阈值级别进行电池数据权重分配、分数量化评价和电池健康状态判断，并将电池健康状态进行显示。本发明通过对电池状态的多维度监控，判断电池健康状态，提高了判断结果的精确度，也方便技术人员掌握电池的状态信息，为用户提供了一种良好的判断方法。
Description
技术领域
本发明涉及蓄电池监控管理领域，具体是一种电池健康状态的定量判断方法。
背景技术
随着社会电力系统的逐渐发簪，蓄电池的用途也越来越广泛，在使用范围越来越大的时代背景下以及全国追求安全生产同时减少生产成本的大环境下，各级生产安全部门以及各公司纷纷从确保运行质量、生产安全和财产安全的角度考虑生产工作，比如建立各种类型的数据中心、基站选择蓄电池供电、发展纯电动汽车等。现阶段，我国已经开发了很多种电池，并运用于不同的生活实践中，但是电池在使用过程中，必然会发生劣化的情况，比如极柱腐蚀、电池鼓包、温度过高等，使电池呈现一种不正常的状态，电池的健康状态发生变化。
电池的劣化是一个长期渐变的过程，电池的健康状态受温度、电压、内阻等多种因素影响，目前对电池健康状态的研究和建模分析等已有一定成果，相关的研究包括电池退化机理与老化因素分析、电池的健康管理、电池状态监测与估计、电池寿命预测等，但这些通常使用SOH值来预测电池的寿命，只是检测到电池的SOH值降低到某一值时就认为该电池劣化了，需要更换，单纯的SOH判断电池的健康状态，只能反映电池的寿命终止，不能判断电池寿命终止之前的状态，并未考虑电池的SOH值降低到该值之前就可能已经出现劣化的迹象，容易造成安全隐患，比如鼓包引起炸裂、温度过高导致火灾等，因此需要通过对SOH值的事实监控，以及时维护或更换电池，而关于如何界定一个电池是否健康并没有统一的方法，因此，本发明结合电池的温度、内阻、电压以及SOH值给出了一种判断电池健康状态的定量方法。
发明内容
本发明的目的在于提供一种电池健康状态的定量判断方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种电池健康状态的定量判断方法，包括电池健康状态判断模型、蓄电池在线监控系统和分数量化评价系统，所述电池健康状态的定量判断方法运行步骤如下：
步骤S1，构建电池健康状态判断模型，并采集电池内阻、电压、温度和电池SOH值，将电池健康状态分为健康状态、亚健康状态和不健康状态三种；
步骤S2，将所述步骤S1采集的电池内阻、电压、温度和电池SOH值数据，上转至电池的在线监控系统，针对不同的电池数据进行阈值级别的设定；
步骤S3，所述分数量化评价系统根据步骤S2中设置的阈值级别进行电池数据权重分配、分数量化评价和电池健康状态判断，并将电池健康状态进行显示。
进一步地，所述步骤S1中，所述电池健康状态判断模型包括电池、单体数据采集器、组体数据采集器和蓄电池在线监控系统；
其中，每个电池上安装有单体数据采集器，每组电池上安装有组体数据采集器，单体数据采集器采集电池内阻、电压、温度和SOH值数据，并将采集到的数据通过组体数据采集器上传至蓄电池在线监控系统。
优选地，电池、单体数据采集器、组体数据采集器和蓄电池在线监控系统各硬件设备之间采用RS485通讯模式进行通信连接。
进一步地，对所述电池健康状态判断模型中的单体数据采集器采集到的电池内阻、电压、温度和SOH值，所述步骤S2中阈值级别设定为各参数设置阈值假设模型，包括以下步骤：
步骤S21，对电池的放电过程进行周期性划分，在时间周期内，对电池的SOH值、内阻、电压和温度进行收集采样；
步骤S22，设置SOH值阈值，所述SOH值阈值为下限阈值为K1S0，其中，S0为电池初始SOH值，即S0的值为100％；
步骤S23，设置内阻阈值，所述内阻阈值的设置为分别设置内阻上限一级阈值K2R0和内阻二级阈值K3R0，其中，R0为电池内阻的额定值；
步骤S24，设置电压阈值，所述电压阈值的设置为分别设置电压上限阈值K4U0和电压下限阈值K5U0，其中，U0为电池的额定电压；
步骤S25，设置温度阈值，所述温度阈值为上限阈值T0。
优选地，所述阈值假设模型中，分别为电池内阻、电压、温度和SOH值进行阈值级别设定，所述阈值级别设定中的内阻阈值、电压阈值、SOH值阈值是收集到的电池的内阻、电压、SOH值分别乘以不同系数值得到的，所述温度阈值为电池实时温度的上限阈值。
优选地，所述步骤S21中，在时间周期内，对电池的SOH值、内阻、电压和温度进行收集采样，在一个放电周期内，放电周期内的时间序列T＝{t1，t2，t3，…，tn}，其中，t为放电周期中的时间间隔，将阈值级别设定中的内阻阈值、电压阈值、SOH阈值和温度阈值存储至参考序列，对时间序列中的电池参数进行总和评价计算，根据公式：
其中，Z为电池参数综合评价，f(i)为在第i个时间序列序列内电池的SOH值、内阻、电压和温度评价总和，为在整个放电周期内的电池各参数综合评价。
根据电池各参数综合评价可以对电池的当前状态进行初步判断，根据综合评价判断电池的问题方向，再对电池各参数进一步进行计算和测评，得到分布时精确的电池健康状态；
进一步地，所述步骤S3包括以下步骤：
步骤S31，对所述步骤S1中采集的各项数据归类，并对电池的各参数进行权重分配；
步骤S32，根据所述步骤S31的权重分配，对电池进行分数量化评价，并记录电池的量化得分；
步骤S33，将电池的量化得分与电池健康状态进行比较，判断电池的健康状态；
步骤S34，将所述S32得到的电池量化得分和所述步骤S33得到的电池健康状态进行显示，显示方式可以选择分数和健康状态组合的形式进行显示。
优选地，所述步骤S31包括以下步骤：
步骤S311，设置SOH值占所述电池健康状态模型的50％权重，分值为50分，所述SOH值为硬性指标，SOH值越限代表电池健康状态受损严重，需要及时更换；
步骤S312，设置内阻占所述电池健康状态模型的25％权重，分值为20分；
步骤S313，设置电压占所述电池健康状态模型的15％权重，分值为15分；
步骤S314，设置温度占所述电池健康状态模型的15％权重，分值为15分。
优选地，所述步骤S32包括以下步骤：
步骤S321，将采集到的SOH值与设置的SOH值阈值进行比较，所述SOH值越下限阈值扣50分，未越下限阈值不扣分，得分记为W1；
步骤S322，将采集到的电池内阻值与内阻阈值进行比较，所述电池内阻值越一级阈值扣5分，所述电池内阻越二级阈值扣20分，未越一级阈值或二级阈值不扣分，得分记为W2；
步骤S323，将采集到的电池电压值与所述电压阈值进行比较，所述电压值越上限阈值扣10分，越下限阈值扣5分，未越上限阈值或下限阈值不扣分，得分记为W3；
步骤S324，将采集到的电池温度值与温度阈值进行比较，所述温度值越上限阈值扣15分，未越限不扣分，得分记为W4。
优选地，所述步骤S33包括：计算所述步骤S32中得到的W1、W2、W3和W4得分总和，将得分总和记为W，当W的值小于60时电池处于不健康状态，当W的值大于60小于80时电池处于亚健康状态，当W的值大于80时电池处于健康状态，将W作为输出的电池健康评分进行电池健康的预测评分，判断电池健康状态的预测结果是否正常或者存在误差，对电池健康状态预测进行评分，根据公式：
其中，G为电池健康状态在n+1个时间序列中的预测评分，W为电池状态得分，dW，Z为在固定的时间序列内，电池状态的误差得分情况，所述电池状态每次评价得分存储于集合ag中，根据集合ag中的评价得分和agg预测函数进行下一个时间序列内的电池状态预测，所述agg预测函数，根据当前电池状态W和当前时间序列下电池参数综合评价Z进行预测，agg预测函数对下一个时间序列内电池状态进行预测，根据公式：
W′＝δ(W+Z)；
其中，W′为得到的下一次电池状态预测结果，δ为电池在一个时间序列下的损耗程度。
与现有技术相比，本发明的有益效果是：本发明提供了一种直观判断电池实时状态的电池健康状态的定量判断方法，具体具有以下优点：
1.直接以分数和健康状态的形式呈现电池的实时健康状态，清晰明了，可以更好地辅助技术人员把握电池的健康状态；
2.不只单纯的通过SOH值判断电池的健康状态，通过对电池多维度的判断，可以监控电池开始使用到电池寿命终止的全过程，判断结果更加精确，避免电池劣化或温度过高引发火灾等安全问题。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
图1为本发明一种电池健康状态的定量判断方法的判断方法示意图；
图2为本发明一种电池健康状态的定量判断方法的硬件结构框图。
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。
请参阅图1～2，本发明实施例中，一种电池健康状态的定量判断方法，包括电池健康状态判断模型、蓄电池在线监控系统和分数量化评价系统，所述电池健康状态的定量判断方法运行步骤如下：
步骤S1，构建电池健康状态判断模型，并采集电池内阻、电压、温度和电池SOH值，将电池健康状态分为健康状态、亚健康状态和不健康状态三种；
步骤S2，将步骤S1采集的电池内阻、电压、温度和电池SOH值数据，上转至电池的在线监控系统，针对不同的电池数据进行阈值级别的设定；
步骤S3，分数量化评价系统根据步骤S2中设置的阈值级别进行电池数据权重分配、分数量化评价和电池健康状态判断，并将电池健康状态进行显示。
步骤S1中，电池健康状态判断模型包括电池、单体数据采集器、组体数据采集器和蓄电池在线监控系统；
其中，每个电池上安装有单体数据采集器，每组电池上安装有组体数据采集器，单体数据采集器采集电池内阻、电压、温度和SOH值数据，并将采集到的数据通过组体数据采集器上传至蓄电池在线监控系统。
电池、单体数据采集器、组体数据采集器和蓄电池在线监控系统各硬件设备之间采用RS485通讯模式进行通信连接。
对电池健康状态判断模型中的单体数据采集器采集到的电池内阻、电压、温度和SOH值，步骤S2中阈值级别设定为各参数设置阈值假设模型，包括以下步骤：
步骤S21，对电池的放电过程进行周期性划分，在时间周期内，对电池的SOH值、内阻、电压和温度进行收集采样；
步骤S22，设置SOH值阈值，所述SOH值阈值为下限阈值为K1S0，其中，S0为电池初始SOH值，即S0的值为100％；
步骤S23，设置内阻阈值，所述内阻阈值的设置为分别设置内阻上限一级阈值K2R0和内阻二级阈值K3R0，其中，R0为电池内阻的额定值；
步骤S24，设置电压阈值，所述电压阈值的设置为分别设置电压上限阈值K4U0和电压下限阈值K5U0，其中，U0为电池的额定电压；
步骤S25，设置温度阈值，所述温度阈值为上限阈值T0。
阈值假设模型中，分别为电池内阻、电压、温度和SOH值进行阈值级别设定，阈值级别设定中的内阻阈值、电压阈值、SOH值阈值是收集到的电池的内阻、电压、SOH值分别乘以不同系数值得到的，温度阈值为电池实时温度的上限阈值。
步骤S21中，在时间周期内，对电池的SOH值、内阻、电压和温度进行收集采样，在一个放电周期内，放电周期内的时间序列T＝{t1，t2，t3，…，tn}，其中，t为放电周期中的时间间隔，将阈值级别设定中的内阻阈值、电压阈值、SOH阈值和温度阈值存储至参考序列，对时间序列中的电池参数进行总和评价计算，根据公式：
其中，Z为电池参数综合评价，f(i)为在第i个时间序列序列内电池的SOH值、内阻、电压和温度评价总和，为在整个放电周期内的电池各参数评价综合。
步骤S3包括以下步骤：
步骤S31，对步骤S1中采集的各项数据归类，并对电池的各参数进行权重分配；
步骤S32，根据步骤S31的权重分配，对电池进行分数量化评价，并记录电池的量化得分；
步骤S33，将电池的量化得分与电池健康状态进行比较，判断电池的健康状态；
步骤S34，将步骤S32得到的电池量化得分和步骤S33得到的电池健康状态进行显示。
步骤S31包括以下步骤：
步骤S311，设置SOH值占电池健康状态模型的50％权重，分值为50分；
步骤S312，设置内阻占电池健康状态模型的25％权重，分值为20分；
步骤S313，设置电压占电池健康状态模型的15％权重，分值为15分；
步骤S314，设置温度占电池健康状态模型的15％权重，分值为15分。
步骤S32包括以下步骤：
步骤S321，将采集到的SOH值与设置的SOH值阈值进行比较，所述SOH值越下限阈值扣50分，未越下限阈值不扣分，得分记为W1；
步骤S322，将采集到的电池内阻值与内阻阈值进行比较，电池内阻值越一级阈值扣5分，电池内阻越二级阈值扣20分，未越一级阈值或二级阈值不扣分，得分记为W2；
步骤S323，将采集到的电池电压值与电压阈值进行比较，电压值越上限阈值扣10分，越下限阈值扣5分，未越上限阈值或下限阈值不扣分，得分记为W3；
步骤S324，将采集到的电池温度值与温度阈值进行比较，温度值越上限阈值扣15分，未越限不扣分，得分记为W4。步骤S33包括：计算步骤S32中得到的W1、W2、W3和W4得分总和，将得分总和记为W，当W的值小于60时电池处于不健康状态，当W的值大于60小于80时电池处于亚健康状态，当W的值大于80时电池处于健康状态，将W作为输出的电池健康评分进行电池健康的预测评分，判断电池健康状态的预测结果是否正常或者存在误差，对电池健康状态预测进行评分，根据公式：
其中，G为电池健康状态在n+1个时间序列中的预测评分，W为电池状态得分，dW，Z为在固定的时间序列内，电池状态的误差得分情况，所述电池状态每次评价得分存储于集合ag中，根据集合ag中的评价得分和agg预测函数进行下一个时间序列内的电池状态预测，所述agg预测函数，根据当前电池状态W和当前时间序列下电池参数综合评价Z进行预测，agg预测函数对下一个时间序列内电池状态进行预测，根据公式：
W′＝δ(W+Z)；
其中，W′为得到的下一次电池状态预测结果，δ为电池在一个时间序列下的损耗程度。
本发明实施例中，电池健康状态的判定规则如表1所示：
表1
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (6)
1.一种电池健康状态的定量判断方法，其特征在于，包括电池健康状态判断模型、蓄电池在线监控系统和分数量化评价系统，所述电池健康状态的定量判断方法运行步骤如下：
步骤S1,构建电池健康状态判断模型，并采集电池内阻、电压、温度和电池SOH值，将电池健康状态分为健康状态、亚健康状态和不健康状态三种；
步骤S2，将所述步骤S1采集的电池内阻、电压、温度和电池SOH值数据，上转至电池的在线监控系统，针对不同的电池数据进行阈值级别的设定；
步骤S3，所述分数量化评价系统根据步骤S2中设置的阈值级别进行电池数据权重分配、分数量化评价和电池健康状态判断，并将电池健康状态进行显示；
所述步骤S3包括以下步骤：
步骤S31，对所述步骤S1中采集的各项数据归类，并对电池的各参数进行权重分配；
步骤S32，根据所述步骤S31的权重分配，对电池进行分数量化评价，并记录电池的量化得分；
步骤S33，将电池的量化得分与电池健康状态进行比较，判断电池的健康状态；
步骤S34，将所述步骤S32得到的电池量化得分和所述步骤S33得到的电池健康状态进行显示；
所述步骤S31包括以下步骤：
步骤S311，设置SOH值占所述电池健康状态的50％权重，分值为50分；
步骤S312，设置内阻占所述电池健康状态的25％权重，分值为20分；
步骤S313，设置电压占所述电池健康状态的15％权重，分值为15分；
步骤S314，设置温度占所述电池健康状态的15％权重，分值为15分；
所述步骤S32包括以下步骤：
步骤S321，将采集到的SOH值与设置的SOH值阈值进行比较，所述SOH值越下限阈值扣50分，未越下限阈值不扣分，得分记为W1；
步骤S322，将采集到的电池内阻值与内阻阈值进行比较，所述电池内阻值越一级阈值扣5分，所述电池内阻越二级阈值扣20分，未越一级阈值或二级阈值不扣分，得分记为W2；
步骤S323，将采集到的电池电压值与电压阈值进行比较，所述电压值越上限阈值扣10分，越下限阈值扣5分，未越上限阈值或下限阈值不扣分，得分记为W3；
步骤S324，将采集到的电池温度值与温度阈值进行比较，所述温度值越上限阈值扣15分，未越限不扣分，得分记为W4；
所述步骤S33包括：计算所述步骤S32中得到的W1、W2、W3和W4得分总和，将得分总和记为W，当W的值小于60时电池处于不健康状态，当W的值大于60小于80时电池处于亚健康状态，当W的值大于80时电池处于健康状态，将W作为输出的电池健康评分进行电池健康的预测评分，判断电池健康状态的预测结果是否正常或者存在误差，对电池健康状态预测进行评分，根据公式：
其中，G为电池健康状态在n+1个时间序列中的预测评分，W为电池状态得分，dW,Z为在固定的时间序列内，电池状态的误差得分情况，所述电池状态每次评价得分存储于集合ag中，根据集合ag中的评价得分和agg预测函数进行下一个时间序列内的电池状态预测，所述agg预测函数，根据当前电池状态W和当前时间序列下电池参数综合评价Z进行预测，agg预测函数对下一个时间序列内电池状态进行预测，根据公式：
W′＝δ(W+Z)；
其中，W'为得到的下一次电池状态预测结果，δ为电池在一个时间序列下的损耗程度。
2.根据权利要求1所述的一种电池健康状态的定量判断方法，其特征在于，所述步骤S1中，所述电池健康状态判断模型包括电池、单体数据采集器、组体数据采集器和蓄电池在线监控系统；
其中，每个电池上安装有单体数据采集器，每组电池上安装有组体数据采集器，单体数据采集器采集电池内阻、电压、温度和SOH值数据，并将采集到的数据通过组体数据采集器上传至蓄电池在线监控系统。
3.根据权利要求2所述的一种电池健康状态的定量判断方法，其特征在于：
电池、单体数据采集器、组体数据采集器和蓄电池在线监控系统各硬件设备之间采用RS485通讯模式进行通信连接。
4.根据权利要求3所述的一种电池健康状态的定量判断方法，其特征在于，对所述电池健康状态判断模型中的单体数据采集器采集到的电池内阻、电压、温度和SOH值，所述步骤S2中阈值级别设定为各参数设置阈值假设模型，包括以下步骤：
步骤S21，对电池的放电过程进行周期性划分，在时间周期内，对电池的SOH值、内阻、电压和温度进行收集采样；
步骤S22，设置SOH值阈值，所述SOH值阈值为下限阈值为K1S0，其中，S0为电池初始SOH值，即S0的值为100％；
步骤S23，设置内阻阈值，所述内阻阈值的设置为分别设置内阻上限一级阈值K2R0和内阻二级阈值K3R0,其中，R0为电池内阻的额定值；
步骤S24，设置电压阈值，所述电压阈值的设置为分别设置电压上限阈值K4U0和电压下限阈值K5U0，其中，U0为电池的额定电压；
步骤S25，设置温度阈值，所述温度阈值为上限阈值T0。
5.根据权利要求4所述的一种电池健康状态的定量判断方法，其特征在于，所述阈值假设模型中，分别为电池内阻、电压、温度和SOH值进行阈值级别设定，所述阈值级别设定中的内阻阈值、电压阈值、SOH值阈值是收集到的电池的内阻、电压、SOH值分别乘以不同系数值得到的，所述温度阈值为电池实时温度的上限阈值。
6.根据权利要求5所述的一种电池健康状态的定量判断方法，其特征在于，所述步骤S21中，在时间周期内，对电池的SOH值、内阻、电压和温度进行收集采样，在一个放电周期内，放电周期内的时间序列T＝{t1,t2,t3,…,tn},其中，t为放电周期中的时间间隔，将阈值级别设定中的内阻阈值、电压阈值、SOH阈值和温度阈值存储至参考序列，对时间序列中的电池参数进行综合评价计算，根据公式：
其中，Z为电池参数综合评价，f(i)为在第i个时间序列内电池的SOH值、内阻、电压和温度评价综合，为在整个放电周期内的电池各参数评价综合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010715077.2A CN111856309B (zh) | 2020-07-23 | 2020-07-23 | 一种电池健康状态的定量判断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010715077.2A CN111856309B (zh) | 2020-07-23 | 2020-07-23 | 一种电池健康状态的定量判断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111856309A CN111856309A (zh) | 2020-10-30 |
| CN111856309B true CN111856309B (zh) | 2023-12-01 |
Family
ID=72949763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010715077.2A Active CN111856309B (zh) | 2020-07-23 | 2020-07-23 | 一种电池健康状态的定量判断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111856309B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019400A (zh) * | 2021-11-03 | 2022-02-08 | 广东产品质量监督检验研究院 | 锂电池生命周期监控管理方法、系统及存储介质 |
| CN116011993B (zh) * | 2023-01-10 | 2024-01-30 | 九源云(广州)智能科技有限公司 | 一种基于cps架构的蓄电池健康管理系统 |
| CN116901906A (zh) * | 2023-06-15 | 2023-10-20 | 北京玖行智研交通科技有限公司 | 一种换电站控制方法及系统 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103198206A (zh) * | 2013-02-25 | 2013-07-10 | 同济大学 | 一种基于综合性能得分模型的燃料电池系统性能评价方法 |
| WO2013115585A1 (ko) * | 2012-02-02 | 2013-08-08 | 주식회사 엘지화학 | 배터리의 수명 예측 방법 및 장치, 이를 이용한 배터리 관리 시스템 |
| CN104635166A (zh) * | 2015-02-06 | 2015-05-20 | 芜湖大学科技园发展有限公司 | 一种基于电池管理系统的锂电池健康状态评估方法 |
| WO2015086753A1 (fr) * | 2013-12-12 | 2015-06-18 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede d'estimation de l'etat de sante d'une batterie |
| CN105158699A (zh) * | 2015-09-14 | 2015-12-16 | 北京新能源汽车股份有限公司 | 电池健康状态的检测方法和装置 |
| CN107122594A (zh) * | 2017-04-10 | 2017-09-01 | 湖南中车时代电动汽车股份有限公司 | 一种新能源车辆电池的健康预测方法和系统 |
| CN107121643A (zh) * | 2017-07-11 | 2017-09-01 | 山东大学 | 锂离子电池健康状态联合估计方法 |
| WO2018112880A1 (zh) * | 2016-12-23 | 2018-06-28 | 深圳中兴力维技术有限公司 | 一种蓄电池的健康状态评价方法及其系统 |
| CN108710084A (zh) * | 2018-06-01 | 2018-10-26 | 王泽霖 | 一种电动汽车电源监控及能源管理系统 |
| CN108983106A (zh) * | 2018-07-27 | 2018-12-11 | 国网重庆市电力公司电力科学研究院 | 新型动力电池健康状态评估方法 |
| CN109061516A (zh) * | 2018-10-10 | 2018-12-21 | 哈尔滨理工大学 | 一种基于模糊概率综合评判的电池健康状态评估方法 |
| CN109444762A (zh) * | 2018-10-28 | 2019-03-08 | 北京工业大学 | 一种基于数据融合的锂离子电池健康状态估计方法 |
| CN109633476A (zh) * | 2018-12-25 | 2019-04-16 | 上海电气分布式能源科技有限公司 | 电池储能系统的健康度的评估方法及系统 |
| CN110008235A (zh) * | 2019-04-15 | 2019-07-12 | 优必爱信息技术（北京）有限公司 | 动力电池健康度评价方法、装置及系统 |
| CN110133533A (zh) * | 2019-06-10 | 2019-08-16 | 珠海东帆科技有限公司 | 估算电池健康状态的方法和电池管理装置 |
| CN111090047A (zh) * | 2019-12-09 | 2020-05-01 | 泉州装备制造研究所 | 一种基于多模型融合的锂电池健康状态估计方法 |
| CN111353704A (zh) * | 2020-02-28 | 2020-06-30 | 广州极飞科技有限公司 | 电池模块的评估方法、装置、存储介质及电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11537847B2 (en) * | 2016-06-17 | 2022-12-27 | International Business Machines Corporation | Time series forecasting to determine relative causal impact |
| US20180136708A1 (en) * | 2016-11-16 | 2018-05-17 | Microsoft Technology Licensing, Llc | Dynamic Energy Storage Device Charging |
-
2020
- 2020-07-23 CN CN202010715077.2A patent/CN111856309B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013115585A1 (ko) * | 2012-02-02 | 2013-08-08 | 주식회사 엘지화학 | 배터리의 수명 예측 방법 및 장치, 이를 이용한 배터리 관리 시스템 |
| CN103198206A (zh) * | 2013-02-25 | 2013-07-10 | 同济大学 | 一种基于综合性能得分模型的燃料电池系统性能评价方法 |
| WO2015086753A1 (fr) * | 2013-12-12 | 2015-06-18 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede d'estimation de l'etat de sante d'une batterie |
| CN104635166A (zh) * | 2015-02-06 | 2015-05-20 | 芜湖大学科技园发展有限公司 | 一种基于电池管理系统的锂电池健康状态评估方法 |
| CN105158699A (zh) * | 2015-09-14 | 2015-12-16 | 北京新能源汽车股份有限公司 | 电池健康状态的检测方法和装置 |
| WO2018112880A1 (zh) * | 2016-12-23 | 2018-06-28 | 深圳中兴力维技术有限公司 | 一种蓄电池的健康状态评价方法及其系统 |
| CN107122594A (zh) * | 2017-04-10 | 2017-09-01 | 湖南中车时代电动汽车股份有限公司 | 一种新能源车辆电池的健康预测方法和系统 |
| CN107121643A (zh) * | 2017-07-11 | 2017-09-01 | 山东大学 | 锂离子电池健康状态联合估计方法 |
| CN108710084A (zh) * | 2018-06-01 | 2018-10-26 | 王泽霖 | 一种电动汽车电源监控及能源管理系统 |
| CN108983106A (zh) * | 2018-07-27 | 2018-12-11 | 国网重庆市电力公司电力科学研究院 | 新型动力电池健康状态评估方法 |
| CN109061516A (zh) * | 2018-10-10 | 2018-12-21 | 哈尔滨理工大学 | 一种基于模糊概率综合评判的电池健康状态评估方法 |
| CN109444762A (zh) * | 2018-10-28 | 2019-03-08 | 北京工业大学 | 一种基于数据融合的锂离子电池健康状态估计方法 |
| CN109633476A (zh) * | 2018-12-25 | 2019-04-16 | 上海电气分布式能源科技有限公司 | 电池储能系统的健康度的评估方法及系统 |
| CN110008235A (zh) * | 2019-04-15 | 2019-07-12 | 优必爱信息技术（北京）有限公司 | 动力电池健康度评价方法、装置及系统 |
| CN110133533A (zh) * | 2019-06-10 | 2019-08-16 | 珠海东帆科技有限公司 | 估算电池健康状态的方法和电池管理装置 |
| CN111090047A (zh) * | 2019-12-09 | 2020-05-01 | 泉州装备制造研究所 | 一种基于多模型融合的锂电池健康状态估计方法 |
| CN111353704A (zh) * | 2020-02-28 | 2020-06-30 | 广州极飞科技有限公司 | 电池模块的评估方法、装置、存储介质及电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| Battery Aging Detection Based on Sequential Clustering and Similarity Analysis;Battery Aging Detection Based on Sequential Clustering and Similarity Analysis;2012 6th IEEE International Conference Intelligent Systems;1-6 * |
| 动力电池组健康状态评价方法的研究;颜湘武;湖南大学学报(自然科学版);93-99 * |
| 基于长短期记忆神经网络的健康状态估算;肖仁鑫;农业装备与车辆工程;77-81 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111856309A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111856309B (zh) | 一种电池健康状态的定量判断方法 | |
| CN109725266B (zh) | 一种电池健康状态soh的计算方法及装置 | |
| CN108254696A (zh) | 电池的健康状态评估方法及系统 | |
| CN113219351B (zh) | 动力电池的监控方法及装置 | |
| EP4083643B1 (en) | Soh test method and apparatus | |
| CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
| CN112946483B (zh) | 电动汽车电池健康的综合评估方法及存储介质 | |
| CN113052464B (zh) | 电池储能系统可靠性评估方法及系统 | |
| CN110930052A (zh) | 一种变电设备故障率预测方法，系统，设备及可读存储介质 | |
| CN116401585B (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
| CN104316879A (zh) | 一种铅酸蓄电池组寿命的预测方法 | |
| TW201823757A (zh) | 電池生命週期預測系統及其方法 | |
| CN116136571A (zh) | 新能源车辆及其电池系统soc异常监控诊断方法、装置 | |
| CN114444370A (zh) | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 | |
| JP3239547U (ja) | リチウムイオン電池の健全度と残存耐用年数の測定システム | |
| JP2001250590A (ja) | 蓄電池の劣化判定方法 | |
| CN110794319A (zh) | 预测锂电池阻抗模型的参数的方法、装置及可读存储介质 | |
| CN111308352A (zh) | 一种锂离子的电池衰减估算方法 | |
| CN111025169A (zh) | 铅酸电池健康度评估方法 | |
| CN114280485B (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
| CN113167835A (zh) | 用于确定电池最大使用持续时间的方法和装置 | |
| CN116298947A (zh) | 一种蓄电池核容监测装置 | |
| CN114879054A (zh) | 一种电池安全监测方法、装置、电子设备及存储介质 | |
| CN115980608A (zh) | 蓄电池组核容放电集控系统 | |
| CN114460484A (zh) | 一种基于累计耗损量的充电电池寿命预测方法和装置 |
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 |