CN111948546A - 一种锂电池健康度评估方法及系统 - Google Patents
一种锂电池健康度评估方法及系统 Download PDFInfo
- Publication number
- CN111948546A CN111948546A CN202010790412.5A CN202010790412A CN111948546A CN 111948546 A CN111948546 A CN 111948546A CN 202010790412 A CN202010790412 A CN 202010790412A CN 111948546 A CN111948546 A CN 111948546A
- Authority
- CN
- China
- Prior art keywords
- battery
- capacity
- value
- max
- curve
- 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
- 230000036541 health Effects 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 title claims abstract description 24
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 16
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000007600 charging Methods 0.000 claims abstract description 51
- 238000007599 discharging Methods 0.000 claims abstract description 49
- 230000009467 reduction Effects 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000009499 grossing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000012880 independent component analysis Methods 0.000 description 38
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000004146 energy storage Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010280 constant potential charging Methods 0.000 description 2
- 238000010277 constant-current charging Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种锂电池健康度评估方法，将电池的健康度与充或放电过程中ICA曲线最大峰高降幅程度ΔHmax进行对比，分析不同电池健康度与对应的容量增量曲线最大峰高降幅程度ΔHmax之间的相关性，对样本电池进行容量标定，计算样本电池的健康度值，根据样本电池在健康度值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax‑SOH拟合曲线，采集待检测电池模组充或放电过程中电压平台段的工作电压曲线计算待检测电池模组容量增量曲线中最大峰高降幅程度ΔHmax值，根据ΔHmax‑SOH拟合曲线可得到与待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值对应的健康度值，实现待检测电池模组健康度的快速评估，提高储能电站或者动力电池系统的安全运维水平，本发明方法简单，检测速度快，准确度高。
Description
技术领域
本发明涉及电池运维技术，特别涉及一种锂电池健康度评估方法及系统。
背景技术
日益严重的能源危机和环境恶化成为了全球性问题，储能电站和电动汽车在降低污染物排放以及缓解化石能源危机方面具有显著潜力，因此全球许多国家通过财政激励以及政策扶持大力推动电池技术的发展。无论是大规模电池储能电站还是电动汽车电池系统，在运行一段时间以后，电池之间的不一致性逐渐凸显。低成本、快速地在线检测电池的健康度是储能电站和动力电池系统运维人员非常关注的核心技术。
国内外对估算电池健康度(SOH，State of Health，)的方法做了大量研究。Lai等人研究了大规模退役电池串联充电曲线的特点，建立了神经网络模型，通过所建模型可以批量估算电池单元的容量。Zheng等人从基于SOC的IC/DV曲线中提取可能由电池管理系统容易识别的三个特征点，然后量化特征点与SOC/容量之间的关系并应用于车载电池容量估算，研究结果对于电池容量估计可以实现2.0％的相对误差。一般电池模组都为多芯串并联模组电池，因为时间使用久了，会出现电池的容量下降的现象，而且电池之间容量下降的程度是不一样的，从而凸显了电池之间的不一致性。而对电池的健康度在线快速评估是一件亟待解决的难题。
发明内容
本发明的目的在于提供一种锂电池健康度评估方法及系统，以克服现有技术的不足。
为达到上述目的，本发明采用如下技术方案：
一种锂电池健康度评估方法，包括以下步骤：
步骤1)、根据样本电池的充放电电压数据获取样本电池的ICA曲线中的最大峰高降幅程度ΔHmax值；
步骤2)、对样本电池进行容量标定，得到样本电池的可用容量，进而计算样本电池的SOH值；
步骤3)、根据样本电池在SOH值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线；
步骤4)、采集待检测电池模组充或放电过程中电压平台段的工作电压曲线计算待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值，根据ΔHmax-SOH拟合曲线可得到与待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值对应的SOH值，即可实现待检测电池模组健康度的快速评估。
进一步的，在充或放电过程中通过电池管理系统采集样本电池的充放电电压数据。
进一步的，采用样本电池每次循环结束容量标定时获得的电池电压数据计算电池容量增量曲线。
进一步的，1)、提取循环结束时样本电池容量标定电压及容量数据；
2)、将获取的容量标定电压等间隔分割，计算每个间隔段的容量数据；
3)、根据每个间隔段的容量数据，利用微分函数计算得到容量初步值，然后通过五点平滑法将容量初步值进行滤波去除噪音可得差分容量，根据电池初始容量以及得到的差分容量即可获取容量增量曲线；
4)、在容量增量曲线中对ICA曲线中充电过程中的最大峰或者放电过程中的最大峰高降幅程度ΔHmax值进行计算：
ΔHmax＝Hinitial-H' (2)。
进一步的，将容量标定电压数据分割为5mV的间隔段,同时获得每个间隔段对应容量数据，使用微分函数处理容量数据，可得容量初步值
使用五点平滑法将容量初步值
进行滤波去除噪音可得差分容量
将差分容量
带入公式(1)可得微分容量值
使用Origin函数绘制
图即可获得容量增量曲线：
Q-电池容量(Ah)；V-电池电压(V)；dQ/dV-微分容量(Ah·V-1)；QBOL-电池初始容量；ΔQ/ΔV-差分容量(Ah·V-1)；Qt-第t时刻的电池容量(Ah)；Vt-第t时刻的电池电压(V)；Qt-1-第t-1时刻的电池容量(Ah)；Vt-1-第t-1时刻的电池电压(V)。
进一步的，样本电池的SOH值为：
进一步的，样本电池由n个电池单元串联而成的不同可用容量的电池模组。
一种锂电池健康度评估系统，包括电池电压数据采集模块、容量增量曲线拟合模块、电池健康度标定模块和控制模块；
电池电压数据采集模块用于采集样本电池的充放电电压数据，并将采集的样本电池的充放电电压数据反馈至容量增量曲线拟合模块；
容量增量曲线拟合模块根据获取的样本电池的充放电电压数据绘制ICA曲线并得到最大峰高降幅程度ΔHmax值；
电池健康度标定模块用于对样本电池进行容量标定，得到样本电池的可用容量，进而得到样本电池的SOH值；
控制模块用于根据样本电池在SOH值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线，将待检测电池模组充或放电过程ICA曲线中最大峰高降幅程度ΔHmax值输入到控制模块，即可得到与待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值对应的SOH值，实现待检测电池模组健康度的快速评估。
与现有技术相比，本发明具有以下有益的技术效果：
本发明一种锂电池健康度评估方法，将电池的健康度与充或放电过程中ICA曲线最大峰高降幅程度ΔHmax进行对比，分析不同电池健康度与对应的容量增量曲线最大峰高降幅程度ΔHmax之间的相关性，对样本电池进行容量标定，得到样本电池的可用容量，进而计算样本电池的健康度值，根据样本电池在健康度值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线，采集待检测电池模组充或放电过程中电压平台段的工作电压曲线计算待检测电池模组容量增量曲线中最大峰高降幅程度ΔHmax值，根据ΔHmax-SOH拟合曲线可得到与待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值对应的健康度值，实现待检测电池模组健康度的快速评估，提高储能电站或者动力电池系统的安全运维水平，本发明方法简单，检测速度快，准确度高。
进一步的，根据电池管理系统实时采集电池充放电过程中的工作电压，不需要额外采集，不增加工作量，方法简单可靠。
本发明一种锂电池健康度评估系统，结构简单，通过本发明能够快速实现电池SOH的快速评估，提高大型储能电站或动力电池系统的安全运维水平。
附图说明
图1本发明实施例中电池模组内各电池单元连接结构示意图。
图2为本发明实施例中不同可用容量的电池模组充放电曲线。
图3本发明实施例中不同可用容量的电池模组充放电过程中的平台电压数据转化成的ICA曲线图。
图4本发明实施例中充电过程中ICA曲线最大峰②峰高降幅程度ΔHmax值-SOH拟合曲线关系。
图5本发明放电过程中ICA曲线最大峰②'峰高降幅程度ΔHmax值-SOH拟合曲线关系。
具体实施方式
下面结合附图对本发明做进一步详细描述：
一种锂电池健康度评估方法，包括以下步骤：
步骤1)、获取样本电池充放电电压数据；
样本电池由n个电池单元串联构成，如图1所示；这里电池单元可以是一个电芯，也可以是一组并联电芯。在充(放)电过程中通过电池管理系统采集样本电池的充放电电压数据(即样本电池的工作电压)；本申请直接利用充放电过程中的平台电压数据。
步骤2)、根据样本电池的充放电电压数据获取样本电池的ICA曲线中的最大峰高降幅程度ΔHmax值；
样本电池的ICA曲线中的最大峰高降幅程度ΔHmax值的计算过程如下：
采用样本电池每次循环结束容量标定时获得的电池电压数据计算电池容量增量曲线，计算公式如(1)所示，其中QBOL表示电池初始容量。在锂离子电池中由于在较短的取样时间内电压变化可能为0，造成容量增量曲线出现断点，所以在分析电池容量增量曲线时，相邻取样点的电池电压差统一设置为5mV。具体数据处理如下：
1)、提取循环结束时样本电池容量标定电压及容量数据；
2)、将获取的容量标定电压等间隔分割，计算每个间隔段的容量数据；
3)、根据每个间隔段的容量数据，利用微分函数计算得到容量初步值，然后通过五点平滑法(Matlab中Smooth函数)将容量初步值进行滤波去除噪音可得差分容量，根据电池初始容量以及得到的差分容量即可获取容量增量曲线；
具体的，以充电电压数据为例，将提取的充电电压数据导入Origin软件，使用Origin中数学→分析→插值函数将容量标定电压数据分割为5mV的间隔段,同时获得每个间隔段对应容量数据，使用Origin中微分函数处理第二步获得的容量数据，可得容量初步值
使用五点平滑法(Matlab中Smooth函数)将初步值
进行滤波去除噪音可得差分容量
将差分容量
带入公式(1)可得微分容量值
使用Origin函数绘制
图即可获得容量增量曲线。
Q-电池容量(Ah)；V-电池电压(V)；dQ/dV-微分容量(Ah·V-1)；QBOL-电池初始容量；ΔQ/ΔV-差分容量(Ah·V-1)；Qt-第t时刻的电池容量(Ah)；Vt-第t时刻的电池电压(V)；Qt-1-第t-1时刻的电池容量(Ah)；Vt-1-第t-1时刻的电池电压(V)。
4)、在容量增量(ICA)曲线中，横坐标为工作电压，纵坐标为容量增量，对ICA曲线中充电过程中的最大峰或者放电过程中的最大峰高降幅程度ΔHmax值进行计算：
ΔHmax＝Hinitial-H' (2)。
步骤3)、对样本电池进行容量标定，得到样本电池的可用容量，进而计算样本电池的SOH值，
样本电池由n个电池单元串联而成的不同可用容量的电池模组；
步骤4)、重复步骤1)至步骤2)，得到样本电池在SOH值下对应的最大峰高降幅程度ΔHmax值，根据样本电池在SOH值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线；
步骤5)、采集待检测电池模组充(放)电过程中电压平台段的工作电压曲线，进行待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值的计算，再根据步骤4)中得到的ΔHmax-SOH拟合曲线获取待检测电池模组中ICA曲线中最大峰高降幅程度ΔHmax值所对应的SOH值，即可实现待检测电池模组健康度的快速评估。
一种锂电池健康度评估系统，包括电池电压数据采集模块、容量增量曲线拟合模块、电池健康度标定模块和控制模块；
电池电压数据采集模块用于采集样本电池的充放电电压数据，并将采集的样本电池的充放电电压数据反馈至容量增量曲线拟合模块；
容量增量曲线拟合模块根据获取的样本电池的充放电电压数据绘制ICA曲线并得到最大峰高降幅程度ΔHmax值；
电池健康度标定模块用于对样本电池进行容量标定，得到样本电池的可用容量，进而得到样本电池的SOH值；
控制模块用于根据样本电池在SOH值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线，将待检测电池模组充或放电过程ICA曲线中最大峰高降幅程度ΔHmax值输入到控制模块，即可得到与待检测电池模组ICA曲线中最大峰高降幅程度ΔHmax值对应的SOH值，实现待检测电池模组健康度的快速评估。
本发明基于ICA曲线中最大峰高降幅程度ΔHmax值的电池健康度快速评估方法，由于电池充放电过程中的工作电压可根据电池管理系统实时采集，不需要额外采集，不增加工作量；只需要采集充放电平台的工作电压数据，即荷电状态(SOC)在30％-80％范围以内的工作电压，这是储能电池无论是深充放还是浅充放都可以得到的工作电压数据，而不需要在高SOC范围(80％-100％)或低SOC范围(0-30％)的工作电压数据。并且电池在30％-80％SOC范围以内进行充放电(即浅充浅放)对电池老化的影响比深充深放要小得多，对于电池寿命的延长是大有好处的。通过本发明实现电池SOH的快速评估，提高大型储能电站或动力电池系统的安全运维水平。
本次试验采用奇瑞S18B电动汽车的磷酸铁锂电池模组(15P4S，15并4串)，标称容量为40Ah，由4个15P1S电池单元串联组成。15P1S电池单元的额定电压为3.2V，15P4S电池模组的额定电压为12.8V。
下面结合附图和实际实验数据进行进一步说明。首先对电池模组的可用容量进行标定，并计算其SOH，
可用容量测量步骤：(1)以C/5恒流恒压充电到企业规定上限截至条件；(2)静止30min；(3)以C/5恒流放电到企业规定下限截至条件；(4)静止30min。以放电容量为可用容量。
然后通过电池管理系统采集充放电过程中电池模组内不同充放电时刻下15P4S电池模组的工作电压数据，充放电曲线如图2所示，记录不同SOH值的电池模组ICA曲线中充电过程中的最大峰或者放电过程中的最大峰出现的位置及峰值，并进行峰高降幅程度ΔHmax值计算，发现其峰高降幅程度ΔHmax值与该15P4S电池模组的SOH之间具有很好的线性关系，如图3所示。因此可以用充(放)电过程中该15P4S电池模组的ICA曲线最大峰峰高降幅程度ΔHmax值作为该电池SOH的快速评估指标，通过它们的线性关系可快速检测待测电池的SOH值，从而提高大型储能电站或动力电池系统的安全运维水平。
一、可用容量标定及SOH值计算：
利用美国Bitrode FTV1-300-100型模块电池测试系统对电池模组进行可用容量检测，测试温度在25℃±2℃条件下，先用1×I5(I5为1/5C倍率电流，8A)恒流放电至截止电压为10.8V(2.7V×4)，静置0.5小时，然后在以1×I5恒流充电到截止电压14.6V(3.65V×4)后进行恒压充电，当电流减小降低到I20(I20为1/20C倍率电流，2A)时电池停止充电，静置0.5小时，再用1×I5进行放电，直到放电终止电压达到10.8V，静置0.5h结束，最后根据1×I5(A)的电流值和放电时间数据计算电池可用容量(以Ah计)以及其SOH值。
二、ICA曲线中最大峰峰高降幅程度ΔHmax值的计算过程如下：
通过电池管理系统采集充放电过程中电池模组的工作电压数据，将电池模组充放电过程中的工作电压数据转化成ICA曲线。对ICA曲线中充电过程中的最大峰或者放电过程中的最大峰为此容量状态下的峰值，电池模组初始容量下的最大峰值Hinitial与不同可用容量的最大峰值H'的差为峰高降幅程度ΔHmax值。
三、ICA曲线最大峰峰高降幅程度ΔHmax-SOH拟合曲线
充电过程中IC曲线最大峰峰高降幅程度ΔHmax-SOH拟合曲线关系见图4。从图4可以看出，充电过程中ICA曲线最大峰峰高降幅程度ΔHmax值与SOH呈正相关：
SOH＝0.1375ΔHmax-12.48，R2＝0.9551
放电过程中ICA曲线最大峰峰高降幅程度ΔHmax-SOH拟合曲线关系见图5。从图5可以看出，放电过程中ICA曲线最大峰峰高降幅程度ΔHmax值与SOH呈正相关：
SOH＝0.04496ΔHmax-4.104，R2＝0.9635
充(放)电过程中ICA曲线最大峰峰高降幅程度ΔHmax-SOH拟合曲线确定了以后，待测电池模组不需要再进行可用容量标定(因为费时)以确定其SOH值，只需要根据电池管理系统采集到充放电过程中的工作电压数据，进行ICA转化，求取充(放)电过程中ICA曲线最大峰峰高降幅程度ΔHmax，再根据拟合曲线查找出此待测电池模组的SOH值就可以了，从而可以实现电池模组健康度的快速评估。
本发明利用锂电池充放电过程中电池管理系统采集到的电压数据，建立基于充放电电压的容量增量分析(Incremental Capacity Analysis,ICA)曲线中的最大峰高降幅程度Hmax与磷酸铁锂电池健康状态SOH的数学模型，将电池的健康度SOH与充(放)电过程中ICA曲线最大峰高降幅程度Hmax进行对比，分析不同SOH与对应的ICA曲线最大峰高降幅程度Hmax之间的相关性，以达到电池健康度的快速评估的目的，实现电池健康度快速评估，提高储能电站或者动力电池系统的安全运维水平。
Claims (8)
1.一种锂电池健康度评估方法，其特征在于，包括以下步骤：
步骤1)、根据样本电池的充放电电压数据获取样本电池的容量增量曲线中的最大峰高降幅程度ΔHmax值；
步骤2)、对样本电池进行容量标定，得到样本电池的可用容量，进而计算样本电池的健康度值；
步骤3)、根据样本电池在健康度值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线；
步骤4)、采集待检测电池模组充或放电过程中电压平台段的工作电压曲线计算待检测电池模组容量增量曲线中最大峰高降幅程度ΔHmax值，根据ΔHmax-SOH拟合曲线可得到与待检测电池模组容量增量曲线中最大峰高降幅程度ΔHmax值对应的健康度值，实现待检测电池模组健康度的快速评估。
2.根据权利要求1所述的一种锂电池健康度评估方法，其特征在于，在充或放电过程中通过电池管理系统采集样本电池的充放电电压数据。
3.根据权利要求1所述的一种锂电池健康度评估方法，其特征在于，采用样本电池每次循环结束容量标定时获得的电池电压数据计算电池容量增量曲线。
4.根据权利要求1或3所述的一种锂电池健康度评估方法，其特征在于，
1)、提取循环结束时样本电池容量标定电压及容量数据；
2)、将获取的容量标定电压等间隔分割，计算每个间隔段的容量数据；
3)、根据每个间隔段的容量数据，利用微分函数计算得到容量初步值，然后通过五点平滑法将容量初步值进行滤波去除噪音可得差分容量，根据电池初始容量以及得到的差分容量即可获取容量增量曲线；
4)、在容量增量曲线中对ICA曲线中充电过程中的最大峰或者放电过程中的最大峰高降幅程度ΔHmax值进行计算：
ΔHmax＝Hinitial-H' (2)。
5.根据权利要求4所述的一种锂电池健康度评估方法，其特征在于，将容量标定电压数据分割为5mV的间隔段,同时获得每个间隔段对应容量数据，使用微分函数处理容量数据，可得容量初步值
使用五点平滑法将容量初步值
进行滤波去除噪音可得差分容量
将差分容量
带入公式(1)可得微分容量值
使用Origin函数绘制
图即可获得容量增量曲线：
Q-电池容量(Ah)；V-电池电压(V)；dQ/dV-微分容量(Ah·V-1)；QBOL-电池初始容量；ΔQ/ΔV-差分容量(Ah·V-1)；Qt-第t时刻的电池容量(Ah)；Vt-第t时刻的电池电压(V)；Qt-1-第t-1时刻的电池容量(Ah)；Vt-1-第t-1时刻的电池电压(V)。
6.根据权利要求1所述的一种锂电池健康度评估方法，其特征在于，样本电池的SOH值为：
7.根据权利要求1所述的一种锂电池健康度评估方法，其特征在于，样本电池由n个电池单元串联而成的不同可用容量的电池模组。
8.一种锂电池健康度评估系统，其特征在于，包括电池电压数据采集模块、容量增量曲线拟合模块、电池健康度标定模块和控制模块；
电池电压数据采集模块用于采集样本电池的充放电电压数据，并将采集的样本电池的充放电电压数据反馈至容量增量曲线拟合模块；
容量增量曲线拟合模块根据获取的样本电池的充放电电压数据绘制容量增量曲线并得到最大峰高降幅程度ΔHmax值；
电池健康度标定模块用于对样本电池进行容量标定，得到样本电池的可用容量，进而得到样本电池的SOH值；
控制模块用于根据样本电池在SOH值下对应的最大峰高降幅程度ΔHmax值绘制ΔHmax-SOH拟合曲线，将待检测电池模组充或放电过程容量增量曲线中最大峰高降幅程度ΔHmax值输入到控制模块，即可得到与待检测电池模组容量增量曲线中最大峰高降幅程度ΔHmax值对应的SOH值，实现待检测电池模组健康度的快速评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010790412.5A CN111948546A (zh) | 2020-08-07 | 2020-08-07 | 一种锂电池健康度评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010790412.5A CN111948546A (zh) | 2020-08-07 | 2020-08-07 | 一种锂电池健康度评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111948546A true CN111948546A (zh) | 2020-11-17 |
Family
ID=73332904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010790412.5A Pending CN111948546A (zh) | 2020-08-07 | 2020-08-07 | 一种锂电池健康度评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111948546A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112485693A (zh) * | 2020-11-19 | 2021-03-12 | 上海电力大学 | 一种基于温度概率密度函数的电池健康状态快速评估方法 |
| CN112881931A (zh) * | 2021-01-20 | 2021-06-01 | 同济大学 | 一种基于容量增量曲线的电池安全性诊断方法 |
| CN113406520A (zh) * | 2021-05-21 | 2021-09-17 | 北京理工大学 | 针对现实新能源汽车的电池健康状态估计方法 |
| CN113433458A (zh) * | 2021-07-16 | 2021-09-24 | 北京现代汽车有限公司 | 电池健康状态的确定方法和装置 |
| CN113815490A (zh) * | 2021-08-26 | 2021-12-21 | 上海赢科信息技术有限公司 | 电池健康度的确定方法及系统、电子设备及存储介质 |
| CN114152892A (zh) * | 2021-12-01 | 2022-03-08 | 国网山西省电力公司电力科学研究院 | 用于故障指示器电池健康度的监测方法 |
| CN114184972A (zh) * | 2021-11-02 | 2022-03-15 | 江苏博强新能源科技股份有限公司 | 数据驱动与电化学机理结合的电池soh自动估计方法及设备 |
| CN114325445A (zh) * | 2021-11-22 | 2022-04-12 | 上海电力大学 | 一种基于区域频率的锂离子电池健康状态快速评估方法 |
| CN115219913A (zh) * | 2022-09-19 | 2022-10-21 | 合肥原力众合能源科技有限公司 | 一种基于容量增量法的动力电池全生命周期管理系统 |
| EP4191263A1 (en) * | 2021-12-01 | 2023-06-07 | Yokogawa Electric Corporation | Estimation method, estimation system, estimation computer program, and non-transitory computer-readable recording medium |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108490366A (zh) * | 2018-05-09 | 2018-09-04 | 上海电力学院 | 电动汽车退役电池模块健康状态的快速评估方法 |
| CN108646189A (zh) * | 2018-05-08 | 2018-10-12 | 国网陕西省电力公司电力科学研究院 | 一种面向铅酸蓄电池剩余容量预测的libsvm建模方法 |
| CN109061514A (zh) * | 2018-09-30 | 2018-12-21 | 北京理工大学 | 一种基于大数据的动力电池衰退情况分析方法及系统 |
| CN110927609A (zh) * | 2019-12-06 | 2020-03-27 | 华北电力科学研究院有限责任公司 | 梯次利用电池储能系统的衰退评估方法及装置 |
| CN111142036A (zh) * | 2019-12-18 | 2020-05-12 | 同济大学 | 基于容量增量分析的锂离子电池在线快速容量估计方法 |
| CN111443293A (zh) * | 2020-03-30 | 2020-07-24 | 青岛大学 | 一种基于数据驱动的锂电池健康状态soh估算方法 |
-
2020
- 2020-08-07 CN CN202010790412.5A patent/CN111948546A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108646189A (zh) * | 2018-05-08 | 2018-10-12 | 国网陕西省电力公司电力科学研究院 | 一种面向铅酸蓄电池剩余容量预测的libsvm建模方法 |
| CN108490366A (zh) * | 2018-05-09 | 2018-09-04 | 上海电力学院 | 电动汽车退役电池模块健康状态的快速评估方法 |
| CN109061514A (zh) * | 2018-09-30 | 2018-12-21 | 北京理工大学 | 一种基于大数据的动力电池衰退情况分析方法及系统 |
| CN110927609A (zh) * | 2019-12-06 | 2020-03-27 | 华北电力科学研究院有限责任公司 | 梯次利用电池储能系统的衰退评估方法及装置 |
| CN111142036A (zh) * | 2019-12-18 | 2020-05-12 | 同济大学 | 基于容量增量分析的锂离子电池在线快速容量估计方法 |
| CN111443293A (zh) * | 2020-03-30 | 2020-07-24 | 青岛大学 | 一种基于数据驱动的锂电池健康状态soh估算方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112485693A (zh) * | 2020-11-19 | 2021-03-12 | 上海电力大学 | 一种基于温度概率密度函数的电池健康状态快速评估方法 |
| CN112881931A (zh) * | 2021-01-20 | 2021-06-01 | 同济大学 | 一种基于容量增量曲线的电池安全性诊断方法 |
| CN113406520A (zh) * | 2021-05-21 | 2021-09-17 | 北京理工大学 | 针对现实新能源汽车的电池健康状态估计方法 |
| CN113433458A (zh) * | 2021-07-16 | 2021-09-24 | 北京现代汽车有限公司 | 电池健康状态的确定方法和装置 |
| CN113815490A (zh) * | 2021-08-26 | 2021-12-21 | 上海赢科信息技术有限公司 | 电池健康度的确定方法及系统、电子设备及存储介质 |
| CN114184972A (zh) * | 2021-11-02 | 2022-03-15 | 江苏博强新能源科技股份有限公司 | 数据驱动与电化学机理结合的电池soh自动估计方法及设备 |
| CN114184972B (zh) * | 2021-11-02 | 2023-12-22 | 江苏博强新能源科技股份有限公司 | 数据驱动与电化学机理结合的电池soh自动估计方法及设备 |
| CN114325445A (zh) * | 2021-11-22 | 2022-04-12 | 上海电力大学 | 一种基于区域频率的锂离子电池健康状态快速评估方法 |
| CN114325445B (zh) * | 2021-11-22 | 2023-12-22 | 天津赛德美新能源科技有限公司 | 一种基于区域频率的锂离子电池健康状态快速评估方法 |
| CN114152892A (zh) * | 2021-12-01 | 2022-03-08 | 国网山西省电力公司电力科学研究院 | 用于故障指示器电池健康度的监测方法 |
| EP4191263A1 (en) * | 2021-12-01 | 2023-06-07 | Yokogawa Electric Corporation | Estimation method, estimation system, estimation computer program, and non-transitory computer-readable recording medium |
| CN114152892B (zh) * | 2021-12-01 | 2023-09-22 | 国网山西省电力公司电力科学研究院 | 用于故障指示器电池健康度的监测方法 |
| CN115219913A (zh) * | 2022-09-19 | 2022-10-21 | 合肥原力众合能源科技有限公司 | 一种基于容量增量法的动力电池全生命周期管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111948546A (zh) | 一种锂电池健康度评估方法及系统 | |
| CN111398833B (zh) | 一种电池健康状态评估方法 | |
| CN112433169B (zh) | 一种云端动力电池健康度评估系统及方法 | |
| CN111458649A (zh) | 一种电池模组健康度快速检测方法 | |
| CN111323719A (zh) | 一种电动汽车动力电池组健康状态在线确定方法和系统 | |
| CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
| CN103163464B (zh) | 电池包中电芯的检测方法 | |
| CN111064253A (zh) | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 | |
| CN109870659A (zh) | 应用滑窗寻优策略的锂离子电池健康状态估算方法 | |
| CN108363017B (zh) | 一种长时间存放的退役锂电池稳定容量值标定方法 | |
| CN108490366B (zh) | 电动汽车退役电池模块健康状态的快速评估方法 | |
| CN111352032A (zh) | 一种锂电池动态峰值功率预测方法 | |
| CN102937704A (zh) | 一种动力电池rc等效模型的辨识方法 | |
| CN106772104B (zh) | 一种动力电池soc值估算方法 | |
| CN108535661B (zh) | 一种基于模型误差谱的动力电池健康状态在线估计方法 | |
| CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
| CN104485474A (zh) | 一种基于一致性指标的纯电动汽车电池组匹配方法 | |
| CN109946616B (zh) | 一种磷酸铁锂电池系统容量不均衡程度的估算方法 | |
| CN111308356A (zh) | 一种带加权的安时积分的soc估算方法 | |
| CN111123136A (zh) | 一种锂离子电池健康状态在线测量装置及在线测量方法 | |
| CN111965546B (zh) | 基于ocv曲线重构的锂电池容量和初始soc估计方法 | |
| CN104950263A (zh) | 汽车动力电池soc的估算方法 | |
| 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 | |
| CN112485693B (zh) | 一种基于温度概率密度函数的电池健康状态快速评估方法 | |
| CN113627671A (zh) | 一种储能场景单体电池soh预测计算方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |
|
| RJ01 | Rejection of invention patent application after publication |