CN111929602B - 一种基于容量估计的单体电池漏电或微短路定量诊断方法 - Google Patents
一种基于容量估计的单体电池漏电或微短路定量诊断方法 Download PDFInfo
- Publication number
- CN111929602B CN111929602B CN202010580826.5A CN202010580826A CN111929602B CN 111929602 B CN111929602 B CN 111929602B CN 202010580826 A CN202010580826 A CN 202010580826A CN 111929602 B CN111929602 B CN 111929602B
- Authority
- CN
- China
- Prior art keywords
- capacity
- battery
- discharge
- leakage
- charge
- 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
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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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
-
- 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
-
- 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
Abstract
本发明公开了一种基于容量估计的单体电池漏电或微短路定量诊断方法,该方法包括如下步骤:S1获取电池单体的充放电数据;S2采用传统的容量估计方法分别估计电池充电容量CC和放电容量CD;S3计算放电容量与充电容量的比值,当其小于阈值时,判断发生漏电故障;S4根据放电容量与充电容量的比值计算漏电流估计值。根据本发明,可实现单体电池漏电流的定量诊断,进而提高其使用的安全性和可靠性。
Description
技术领域
本发明涉及电池管理系统的技术领域,特别涉及一种基于容量估计的单体电池漏电或微短路定量诊断方法。
背景技术
锂离子电池具有比能量密度高、比功率大、循环寿命长、无记忆效应、自放电小以及使用方便等优点,被广泛应用于消费电子产品,新能源汽车、航空、航天以及船舶等领域。然而锂离子电池仍然存在一些安全问题,锂离子电池引发的火灾爆炸事故屡见报道,尤其近几年电动汽车动力电池出现的热自燃、起火爆炸现象使得锂离子电池的安全性成为人们关注的焦点。即使是在成熟的消费电子产品领域,仍存在因制造缺陷等问题产生的短路,最终引起手机等产品自燃爆炸等严重安全问题
在电池的正常使用过程中,电池的内短路是导致电池热失控最主要的因素,电池的内短路分三个阶段,内短路初期,内短路中期和内短路末期。内短路初期的电池特征不明显,难以辨别。如果不能够及时发现,继续使用下去,内短路阻值会越来越小,很有可能引发电池热失控,进而造成重大的危险事故。从热失控发生前期到完全热失控的时间在毫秒级,这就意味着发生热失控时是没有时间进行控制管理。所以,如果能够在内短路初期就及时发现并采取措施,就可以大大提高动力电池使用的安全性和可靠性。与此同时,外部电路未经过电流传感器导致的漏电问题会额外消耗电池的能量,对电池续航不利,而且微短路电池的漏电流在充放电容量估计中无法测量,因而无法被考虑,从而在理论上造成放电容量CD估计值比实际容量偏小,而充电容量CC估计值比实际容量偏大。因此在实际充放电过程中,通过估算充电容量CC和放电容量CD的大小,即可定量漏电或微短路电池的漏电量,进而可判断其漏电程度。
现有的漏电或微短路故障诊断算法常采用串联电池组内健康电芯作为参照的方法,通过横向比较,利用统计学特征进行定性或定量的微短路检测。这些方法在有大量串联电芯时通过健康电芯作为参照对漏电或微短路的识别具有很好的效果。但是对于单个电芯的应用场景,现有方法因缺少健康电芯作为参照,而无法进行漏电或微短路的诊断。
发明内容
针对现有技术中存在的不足之处,本发明的目的是提供一种基于容量估计的单体电池漏电或微短路定量诊断方法,可实现单体电池漏电流的定量诊断,进而提高其使用的安全性和可靠性。为了实现根据本发明的上述目的和其他优点,提供了一种基于容量估计的单体电池漏电或微短路定量诊断方法,包括以下步骤:
S1、获取电池单体的充放电数据;
S2、采用传统的容量估计方法,分别估计电池容量CC和放电容量CD;
S3、计算放电容量与充电容量的比值,通过所述比值与阈值进行对比,判断电池是否发生漏电故障;
S4、根据放电容量与充电容量的比值计算漏电流估计值。
优选的,所述步骤S2中还包括如下的步骤:
S21、建立电池的一阶RC等效电路模型,采用带遗忘因子的递推最小二乘法在线辨识电池的参数OCV;
S22、根据OCV-SOC的关系,查表获得SOC;
S23、根据两点间的累计电量法分别在线估算电池的容量CD和CC。
优选的,所述步骤S23中,应用两点间的累计电量法进行充放电容量估计时,应选取ΔSOC较大而Δt较小的两个不同时刻来进行计算,即选取一个高SOC点和一个低的SOC点来进行容量估计。
优选的,所述步骤S3中,通过放电容量CD与充电容量CC的比值为κ,当κ小于阈值κ0时,判断电池单体发生漏电故障,κ大于或等于阈值κ0时,则视为该单体电池正常。
优选的,所述κ0为故障诊断阈值,所述κ0通过容量估计存在误差ec来确定,其公式为κ0=1-ec。
优选的,所述步骤S4还包括以下步骤:
S42、按设定的漏电流确定理论上电池的估计容量CD和CC;
S43、求设定的漏电流下理论上估计放电容量CD与充电容量CC的比值κT;
本发明与现有技术相比,其有益效果是:通过本发明中的诊断方法,即可确定电池单体的当前状态,判断电池单体是出现了漏电或微短路故障还是正常状态,并且可定量诊断出电池的漏电程度。本发明只需根据电池的充放电数据分别估算出电池的容量,再根据估算的电池容量的大小即可定量诊断出电池的漏电量。与现有的一般依靠串联电池组内健康电芯作为参照的方法相比,该诊断方法可以针对这些大量采用单个电芯的应用场景,如手机等消费类电子产品,进行漏电或微短路定量诊断。
附图说明
图1为根据本发明的基于容量估计的单体电池漏电或微短路定量诊断方法的流程框图;
图2为根据本发明的基于容量估计的单体电池漏电或微短路定量诊断方法的单体电池容量估计值理论关系图;
图3为根据本发明的基于容量估计的单体电池漏电或微短路定量诊断方法的SOC估计结果曲线图。
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。
参照图1-3,一种基于容量估计的单体电池漏电或微短路定量诊断方法,包括以下步骤:
S1、获取电池单体的充放电数据,其中所述的电池单体的充放电数据包括电池单体至少一次充放电过程中的电压和电流,其充放电的深度为70%以上;
S2、采用传统的容量估计方法,分别估计电池容量CC和放电容量CD;
S3、计算放电容量与充电容量的比值,通过所述比值与阈值进行对比,判断电池是否发生漏电故障;
S4、根据放电容量与充电容量的比值计算漏电流估计值。
所述步骤S2中,充放电的容量估计有多种形式,其方法包括但不限于以下两大类方法。第一类方法是基于电池的某种特征,通过测量电池的特征并结合容量与特征的标定模型,得到电池容量的估计结果。常用特征包括电池差分电压、充放电曲线以及增量容量曲线等。第二类方法是基于充放电电量变化/对应SOC变化,电池的荷电状态(SOC,State OfCharge)一个介于0%-100%之间的值,反映电池的剩余电量,是BMS中一个重要内部状态。如下式所示,SOC与电池容量可以由方程联系起来:
式中,Cnorm为电池总容量,ΔQ为电量变化量,ΔSOC为SOC变化量,SOC(t1)为t1时刻电池荷电状态,SOC(t2)为t2时刻电池荷电状态,I(t)为t时刻电池电流,η为库伦效率(一般η≈1),3600是将秒换算成小时的因数。
进一步的,所述步骤S2中还包括如下的步骤:
S21、建立电池的一阶RC等效电路模型,采用带遗忘因子的递推最小二乘法在线辨识电池的参数OCV,其中,建立的一阶RC等效电路模型结构简单、易于参数辨识,计算量相对较低。采用带遗忘因子的递推最小二乘法(FFRLS)在线辨识电池的模型参数OCV,通过引入遗忘因子对不同时刻的数据赋予不同的加权系数,在减少历史数据的同时新增实时数据,加强了新数据对当前辨识结果的影响,从而可实现系统参数的可靠辨识;
S22、根据OCV-SOC的关系,查表获得SOC;
S23、根据两点间的累计电量法分别在线估算电池的容量CD和CC。
进一步的,所述步骤S23中,应用两点间的累计电量法进行充放电容量估计时,应选取ΔSOC较大而Δt较小的两个不同时刻来进行计算,即选取一个高SOC点和一个低的SOC点来进行容量估计。
进一步的,所述步骤S3中,通过放电容量CD与充电容量CC的比值为κ,当κ小于阈值κ0时,判断电池单体发生漏电故障,κ大于或等于阈值κ0时,则视为该单体电池正常。
进一步的,所述κ0为故障诊断阈值,所述κ0通过容量估计存在误差ec来确定,其公式为κ0=1-ec。
进一步的,所述步骤S4还包括以下步骤:
S42、按设定的漏电流确定理论上电池的估计容量CD和CC;
如图1,一种实施例,具体的,电池单体的充放电数据包括电池单体至少一次充放电过程中的电压和电流,其充放电的深度为70%以上。在本实施例中,选取容量为3.0442Ah的三元锂电池进行诊断,电池单体外接100Ω电阻来模拟其短路,获取其一次充放电过程中的电流、电压数据。
步骤S2采用传统的容量估计方法分别估计电池充电容量CC和放电容量CD;
在本实施例中,采用基于充放电电量变化/对应SOC变化的方法进行充放电容量估计,具体步骤如下:
步骤S21建立如图2所示的电池一阶RC等效电路模型,采用带遗忘因子的递推最小二乘法在线辨识电池的参数OCV;
系统的输出方程为:Uk=θ1Uk-1+θ2Ik+θ3Ik-1+θ4
带遗忘因子的递推最小二乘法的递推公式如下:
步骤S22根据OCV-SOC的关系,查表获得SOC,其估计结果如图3所示,OCV-SOC标定曲线图由HPPC实验获取得到。
步骤S23根据两点间的累计电量法分别在线估算电池的容量CD和CC,其公式如下:
式中,Cnorm为电池总容量,ΔQ为电量变化量,ΔSOC为SOC变化量,SOC(t1)为t1时刻电池荷电状态,SOC(t2)为t2时刻电池荷电状态,I(t)为t时刻电池电流,η为库伦效率(一般η≈1),3600是将秒换算成小时的因数。本实施例中选取SOC=20%和SOC=90%这两个点来进行容量估计,得出其CC=3.1820Ah。
步骤S3计算放电容量与充电容量的比值κ,当其小于阈值κ0时,判断发生漏电故障,κ大于或等于阈值κ0时,则视为该单体电池正常。特别地,阈值κ0的确定的方法为在容量估计存在误差为ec的情况下,κ0=1-ec。在实施时,容量估计误差ec应小于等于电池单体额定容量的5%。
步骤S4根据放电容量与充电容量的比值给出漏电流估计值。
再根据放电容量CD与充电容量CC的比值κ给出漏电流估计值,其方法如下:
步骤S41根据电池应用的充放电习惯设置平均充放电电流;
根据上述的的实施例中容量估计误差确定其阈值κ0=1-0.03=0.97,充放电容量的比值显然可判断其发生漏电故障。将实施例中所得结果代入步骤S44中可估算出其平均漏电流为IL=33.8mA,而实际平均漏电流为38mA,其估计误差在10mA以内。因此可以看出本发明采用的一种基于容量估计的单体电池漏电或微短路定量诊断方法能快速诊断出电池是否发生漏电或微短路故障诊断,并且可定量判断其漏电程度。
这里说明的设备数量和处理规模是用来简化本发明的说明的,对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (3)
1.一种基于容量估计的单体电池漏电或微短路定量诊断方法,其特征在于,包括以下步骤:
S1、获取单体电池的充放电数据;
S2、采用传统的容量估计方法,分别估计充电容量CC和放电容量CD;
S3、计算放电容量CD与充电容量CC的比值,通过所述比值与阈值进行对比,判断电池是否发生漏电故障;放电容量CD与充电容量CC的比值为κ,当κ小于阈值κ0时,判断电池单体发生漏电故障,κ大于或等于阈值κ0时,则视为该单体电池正常,κ0为故障诊断阈值,所述κ0通过容量估计存在的误差ec来确定,其公式为κ0=1-ec;
S4、根据放电容量CD与充电容量CC的比值计算漏电流估计值;
步骤S4还包括以下步骤:
2.如权利要求1所述的一种基于容量估计的单体电池漏电或微短路定量诊断方法,其特征在于,所述步骤S2中还包括如下的步骤:
S21、建立电池的一阶RC等效电路模型,采用带遗忘因子的递推最小二乘法在线辨识电池的参数OCV;
S22、根据OCV-SOC的关系,查表获得SOC;
S23、根据两点间的累计电量法分别在线估算电池的放电容量CD与充电容量CC。
3.如权利要求2所述的一种基于容量估计的单体电池漏电或微短路定量诊断方法,其特征在于,所述步骤S23中,应用两点间的累计电量法进行充放电容量估计时,应选取ΔSOC较大而Δt较小的两个不同时刻来进行计算,即选取一个高SOC点和一个低的SOC点来进行容量估计。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580826.5A CN111929602B (zh) | 2020-06-23 | 2020-06-23 | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 |
PCT/CN2020/103384 WO2021258472A1 (zh) | 2020-06-23 | 2020-07-22 | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 |
US17/311,364 US20220334195A1 (en) | 2020-06-23 | 2020-07-22 | Method for Quantitative Diagnosis of Electricity Leakage or Micro-short-circuit in Single Cells Based on Capacity Estimation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580826.5A CN111929602B (zh) | 2020-06-23 | 2020-06-23 | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111929602A CN111929602A (zh) | 2020-11-13 |
CN111929602B true CN111929602B (zh) | 2023-06-16 |
Family
ID=73317639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010580826.5A Active CN111929602B (zh) | 2020-06-23 | 2020-06-23 | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220334195A1 (zh) |
CN (1) | CN111929602B (zh) |
WO (1) | WO2021258472A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466720B (zh) * | 2021-07-06 | 2022-11-22 | 上汽大众动力电池有限公司 | 一种实车锂电池漏电流检测方法 |
CN113655390B (zh) * | 2021-08-09 | 2023-10-03 | 湖北亿纬动力有限公司 | 一种用于电池系统压差故障的分析方法 |
CN113967609B (zh) * | 2021-10-09 | 2023-11-17 | 上海空间电源研究所 | 一种运载火箭用高功率锂离子电池的筛选配组方法 |
CN113848495B (zh) * | 2021-10-11 | 2023-11-21 | 江苏省特种设备安全监督检验研究院 | 基于充电曲线的内部微短路故障诊断方法 |
CN116482551B (zh) * | 2023-04-26 | 2024-03-29 | 上海玫克生储能科技有限公司 | 模组内短路的标定方法、测量方法、系统、设备及介质 |
CN117741454B (zh) * | 2024-02-21 | 2024-05-07 | 北京创智信科科技股份有限公司 | 一种通用类型锂电池充放电故障筛查判别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134395A (ja) * | 2013-01-08 | 2014-07-24 | Toyota Motor Corp | 二次電池の短絡検査方法 |
CN107870301A (zh) * | 2016-09-27 | 2018-04-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
CN108318775A (zh) * | 2018-05-11 | 2018-07-24 | 北京市亿微科技有限公司 | 在线诊断电池短路故障的方法及装置 |
CN110824372A (zh) * | 2019-11-25 | 2020-02-21 | Oppo广东移动通信有限公司 | 一种判断电池内短路的方法、设备和电子设备 |
CN111198327A (zh) * | 2020-02-24 | 2020-05-26 | 北京理工大学 | 一种单体电池内短路故障自检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8866444B2 (en) * | 2010-06-08 | 2014-10-21 | Tesla Motors, Inc. | Methodology for charging batteries safely |
CN108241102A (zh) * | 2016-12-23 | 2018-07-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
CN107192914B (zh) * | 2017-04-18 | 2019-11-22 | 宁德时代新能源科技股份有限公司 | 锂离子动力电池内短路检测方法 |
CN110376530B (zh) * | 2019-08-08 | 2020-06-30 | 清华大学 | 电池内短路检测装置及方法 |
CN110888072A (zh) * | 2019-11-28 | 2020-03-17 | Oppo广东移动通信有限公司 | 电池微短路的检测方法及装置、电子设备 |
-
2020
- 2020-06-23 CN CN202010580826.5A patent/CN111929602B/zh active Active
- 2020-07-22 US US17/311,364 patent/US20220334195A1/en not_active Abandoned
- 2020-07-22 WO PCT/CN2020/103384 patent/WO2021258472A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134395A (ja) * | 2013-01-08 | 2014-07-24 | Toyota Motor Corp | 二次電池の短絡検査方法 |
CN107870301A (zh) * | 2016-09-27 | 2018-04-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
CN108318775A (zh) * | 2018-05-11 | 2018-07-24 | 北京市亿微科技有限公司 | 在线诊断电池短路故障的方法及装置 |
CN110824372A (zh) * | 2019-11-25 | 2020-02-21 | Oppo广东移动通信有限公司 | 一种判断电池内短路的方法、设备和电子设备 |
CN111198327A (zh) * | 2020-02-24 | 2020-05-26 | 北京理工大学 | 一种单体电池内短路故障自检测方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021258472A1 (zh) | 2021-12-30 |
US20220334195A1 (en) | 2022-10-20 |
CN111929602A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
CN111736085B (zh) | 一种基于电化学阻抗谱的锂离子电池健康状态估计方法 | |
CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
JP5683175B2 (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
CN111146514B (zh) | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 | |
Seo et al. | Online detection of soft internal short circuit in lithium-ion batteries at various standard charging ranges | |
JP2011521402A (ja) | 電気化学電池のスマート管理システム | |
US11846683B2 (en) | Method for detecting internal short-circuited cell | |
CN111257753B (zh) | 一种电池系统故障诊断方法 | |
JP2023541417A (ja) | バッテリの充電状態を推定する方法 | |
CN112014746A (zh) | 一种区分串联电池包内外微短路的故障诊断方法 | |
Liao et al. | Quantitative diagnosis of micro-short circuit for lithium-ion batteries considering aging based on incremental capacity curve | |
Zhou et al. | An online state of health estimation method for lithium-ion batteries based on integrated voltage | |
CN107255786B (zh) | 一种磷酸铁锂电池loc模型 | |
CN116184248B (zh) | 一种串联电池组的微小短路故障检测方法 | |
CN114514433A (zh) | 用于诊断电池的设备和方法 | |
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 | |
CN116125284A (zh) | 一种锂离子电池内部短路诊断方法及系统 | |
CN114035074B (zh) | 一种诊断磷酸铁锂串联电池组中微短路单体的方法 | |
CN114740359A (zh) | 基于电量估计的电池内短路诊断方法、装置及存储介质 | |
Zhou et al. | A review of state-of-health estimation of lithiumion batteries: Experiments and data | |
CN111033930B (zh) | 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理系统 | |
Yang et al. | Neural network based SOC estimation during cycle aging using voltage and internal resistance | |
Li et al. | Battery state of health estimation with incremental capacity analysis technique |
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 |