CN111983463B - 一种电动汽车用锂离子电池剩余电量预警诊断测试方法 - Google Patents

一种电动汽车用锂离子电池剩余电量预警诊断测试方法 Download PDF

Info

Publication number
CN111983463B
CN111983463B CN202010702088.7A CN202010702088A CN111983463B CN 111983463 B CN111983463 B CN 111983463B CN 202010702088 A CN202010702088 A CN 202010702088A CN 111983463 B CN111983463 B CN 111983463B
Authority
CN
China
Prior art keywords
lithium ion
ion battery
early warning
residual capacity
road surface
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
Application number
CN202010702088.7A
Other languages
English (en)
Other versions
CN111983463A (zh
Inventor
甘林灵
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.)
Wuhan Institute Of Numerical Simulation Technology Co ltd
Original Assignee
Wuhan Institute Of Numerical Simulation Technology 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 Wuhan Institute Of Numerical Simulation Technology Co ltd filed Critical Wuhan Institute Of Numerical Simulation Technology Co ltd
Priority to CN202010702088.7A priority Critical patent/CN111983463B/zh
Publication of CN111983463A publication Critical patent/CN111983463A/zh
Application granted granted Critical
Publication of CN111983463B publication Critical patent/CN111983463B/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]
    • G01R31/367—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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开一种电动汽车用锂离子电池剩余电量预警诊断测试方法，该方法包括以下步骤：S1、采集电动汽车用锂离子电池运行过程中锂离子电池的电压U和用电量Q，同时采集环境温度TE和锂离子电池温度TLi，根据行驶路面确定路面影响系数ψ；S2、获得锂离子电池电压性能指数ξU和锂离子电池的电压相对变化率E；S3、根据S2的数据得到锂离子电池剩余电量预警概率P，对锂离子电池剩余电量进行预警提示。本发明通过全面采集锂离子电池的测试数据并根据上述测试数据获得锂离子电池电压性能指数和锂离子电池的电压相对变化率，建立基于模糊控制模型的剩余电量预警诊断测试模型，能够对电动汽车用锂离子电池剩余电量进行预警提示。

Description

一种电动汽车用锂离子电池剩余电量预警诊断测试方法
技术领域
本发明涉及锂离子电池剩余电量预警诊断测试方法，具体涉及一种电动汽车用锂离子电池剩余电量预警诊断测试方法。
背景技术
车用锂电池是混合动力汽车及电动汽车的动力电池，由于镍氢电池的一些技术性能如能量密度、充放电速度等已经接近到理论极限值，锂电池由于能量密度高、容量大、无记忆性等优点得到汽车厂商与电池生产厂商的一致认可，各国研发的重点是锂离子电池。锂电池如果将电用尽，会减短电池的使用寿命。锂电池在充电及使用过程中需要对充电过流、过压以及放电短路、过热等情况进行控制及保护，同时需要实时监测电池的电池电压、剩余电量、估计供电时间、温度等诸多信号，根据监测结果进行判决处理。
常用的锂电池电量检测方法包括电压测试法、电池建模法和库仑计，但由于电动汽车在运行的过程中，由于路面环境、行驶环境等导致的电流剧烈变化等因素会测试结果产生一定的影响，同时在现有技术中，专利号为201410808891.3，公布日为2015年05月16日的专利公开了一种电动汽车用锂离子电池电量检测方法，该方法公开了通过OCV-SOC曲线，能够计算出锂电池的实际剩余容量，但现有技术更多的时对电池电量进行计算，对测试过程中对锂离子电池剩余电量进行预警却鲜有提及，因此也就不能及时提前做出预警提示，因而无法对驾驶员或者测试人员提供合理的使用预案。
发明内容
有鉴于此，本发明的目的是提供一种电动汽车用锂离子电池剩余电量预警诊断测试方法，通过全面采集锂离子电池的测试数据并根据上述测试数据获得锂离子电池电压性能指数和锂离子电池的电压相对变化率建立基于模糊控制模型的剩余电量预警诊断测试模型，能够对电动汽车用锂离子电池剩余电量进行预警提示。
本发明所采用的技术方案是一种电动汽车用锂离子电池剩余电量预警诊断测试方法，包括以下步骤：
S1、采集电动汽车用锂离子电池运行过程中锂离子电池的电压U和用电量Q，同时采集环境温度TE和锂离子电池温度TLi，根据行驶路面确定路面影响系数ψ；
S2、获得锂离子电池电压性能指数ξU和锂离子电池的电压相对变化率E；
S3、根据所述锂离子电池电压性能指数ξU和所述锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率P达到阈值，对锂离子电池剩余电量进行预警提示。
优选地，在所述S2中，所述锂离子电池电压性能指数ξU为
Figure BDA0002593172280000021
式中，T0为校正温度，TLimin为锂离子电池的最小测试温度，TLimax为锂离子电池的最大测试温度，Umin为最小测试电压，Umax为最大测试电压，ΔU为测试的单位时间内电压变化值，ΔQ为测试的单位时间内用电量变化值，κ为路面影响经验校正常数。
优选地，T0取值范围为22℃～28℃，优选取值为25℃。
优选地，κ取值范围为0.98～1.03，优选取值为1.01。
优选地，在所述S3中，根据所述锂离子电池电压性能指数ξU和所述锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率P达到阈值，对锂离子电池剩余电量进行预警提示，具体为：
采用模糊控制模型输出锂离子电池剩余电量预警概率P对锂离子电池剩余电量进行预警提示，该过程包括如下步骤：
分别将锂离子电池电压性能指数ξU、锂离子电池的电压相对变化率绝对值E和锂离子电池剩余电量预警概率P转换为模糊论域中的量化等级；
将锂离子电池电压性能指数ξU以及锂离子电池的电压相对变化率绝对值E输入模糊控制模型，均分为5个等级；
模糊控制模型输出为锂离子电池剩余电量预警概率P，分为5个等级；
其中，锂离子电池电压性能指数ξU的论域为[0，1]，锂离子电池的电压相对变化率绝对值E的论域为[0，1]，锂离子电池剩余电量预警概率P的论域为[0，1]，设量化因子都为1，设定锂离子电池剩余电量预警概率P的阈值为0.53～0.59中的一个值。
优选地，所述S3中的阈值为0.57。
优选地，所述锂离子电池电压性能指数ξU的模糊集为{ZO，PS，PM，PB，PVB}，所述锂离子电池的电压相对变化率绝对值E的模糊集为{ZO，PS，PM，PB，PVB}，所述锂离子电池剩余电量预警概率P的模糊集为{S，SM，M，MB，B}；隶属函数均选用三角函数；以及
所述模糊控制模型的控制方法为：
如果锂离子电池电压性能指数ξU为PVB，锂离子电池的电压相对变化率绝对值E为PB或者PVB，则锂离子电池剩余电量预警概率P输出为B，即对锂离子电池剩余电量进行预警提示；
如果锂离子电池电压性能指数ξU输入为ZO，锂离子电池的电压相对变化率绝对值E输入为ZO或者PS，则锂离子电池剩余电量预警概率P输出为S，即无需对锂离子电池剩余电量进行预警提示；
如果锂离子电池剩余电量预警概率P输出为S或SM，则无需对锂离子电池剩余电量进行预警提示；如果锂离子电池剩余电量预警概率P输出为B或MB，则对锂离子电池剩余电量进行预警提示；如果锂离子电池剩余电量预警概率P输出为M，则锂离子电池剩余电量预警概率P为阈值。
优选地，在所述S1中，根据行驶路面确定路面影响系数ψ，具体为：
当行驶路面为乡村路面时，路面影响系数ψ取值范围为0.75≤ψ≤0.95；
当行驶路面为城市路面时，路面影响系数ψ取值范围为0.48≤ψ＜0.75；
当行驶路面为高速路面时，路面影响系数ψ取值范围为0.25≤ψ＜0.48。
优选地，在所述S3中，当行驶路面为乡村路面时，且所述路面影响系数ψ的取值为0.83≤ψ≤0.95，对锂离子电池剩余电量预警概率P进行经验校正调节得到乡村路面校正预警概率P′，当乡村路面校正预警概率P′达到阈值时，对锂离子电池剩余电量进行预警提示：
其中，P′＝f′(ψ)·P；
式中，
Figure BDA0002593172280000041
当P′≥1时，使乡村路面校正预警概率P′＝1；
κ为路面影响经验校正常数，κ取值范围为0.98～1.03，优选取值为1.01。
优选地，当行驶路面为高速路面时，且所述路面影响系数ψ的取值为0.25≤ψ≤0.37，对锂离子电池剩余电量预警概率P进行经验校正调节得到高速路面校正预警概率P″，当高速路面校正预警概率P″达到阈值时，对锂离子电池剩余电量进行预警提示；
其中，P″＝f″(ψ)·P
式中，
Figure BDA0002593172280000051
κ为路面影响经验校正常数，κ取值范围为0.98～1.03，优选取值为1.01。
与现有技术相比，本发明的有益效果是：
本发明通过全面采集锂离子电池的测试数据并根据上述测试数据获得锂离子电池电压性能指数和锂离子电池的电压相对变化率建立基于模糊控制模型的剩余电量预警诊断测试模型，通过该模糊控制模型对电动汽车用锂离子电池剩余电量进行预警提示，使驾驶员或者测试人员能够对电动汽车用锂离子电池剩余电量的进行合理预判，同时也能对电动汽车用锂离子电池进行保护进而更加合理的使用，延长使用寿命。
附图说明
图1为本发明提供的一种电动汽车用锂离子电池剩余电量预警诊断测试方法的流程图；
图2为本发明提供的一种电动汽车用锂离子电池剩余电量预警诊断测试方法中锂离子电池电压性能指数ξU的隶属函数；
图3为本发明提供的一种电动汽车用锂离子电池剩余电量预警诊断测试方法中锂离子电池的电压相对变化率绝对值E的隶属函数；
图4为本发明提供的一种电动汽车用锂离子电池剩余电量预警诊断测试方法中锂离子电池剩余电量预警概率P的隶属函数。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。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。
本发明提供一种混动汽车用锂离子电池故障工作健康状态检测方法，如图1所示，包括如下步骤：
S1、采集电动汽车用锂离子电池运行过程中锂离子电池的电压U和用电量Q，同时采集环境温度TE和锂离子电池温度TLi，根据行驶路面确定路面影响系数ψ；
S2、获得锂离子电池电压性能指数ξU和锂离子电池的电压相对变化率E；
S3、根据所述锂离子电池电压性能指数ξU和所述锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率达到阈值，对锂离子电池剩余电量进行预警提示；
其中，锂离子电池电压性能指数ξU为
Figure BDA0002593172280000061
式中，T0为校正温度，T0取值范围为22℃～28℃，TLimin为锂离子电池的最小测试温度，TLimax为锂离子电池的最大测试温度，Umin为最小测试电压，Umax为最大测试电压，ΔU为测试的单位时间内电压变化值，ΔQ为测试的单位时间内用电量变化值，κ为路面影响经验校正常数，κ取值范围为0.98～1.03；
在本实施例中，作为一种优选，T0优选取值为25℃，κ优选取值为1.01；锂离子电池的电压相对变化率E为
Figure BDA0002593172280000071
式中，ΔU为测试的单位时间内电压变化值，UF为测试的单位时间内连续的两次测试中前一次测试的锂离子电池的电压值。
具体实施中，在S1中，路面影响系数ψ包括：
当行驶路面为乡村路面时，路面影响系数ψ取值范围为0.75≤ψ≤0.95；
当行驶路面为城市路面时，路面影响系数ψ取值范围为0.48≤ψ＜0.75；
当行驶路面为高速路面时，路面影响系数ψ取值范围为0.25≤ψ＜0.48。
具体实施中，在所述S3中，根据所述锂离子电池电压性能指数ξU和所述锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率P达到阈值，对锂离子电池剩余电量进行预警提示，具体为：
采用模糊控制模型输出锂离子电池剩余电量预警概率P进而判断是否对锂离子电池剩余电量进行预警提示，包括如下步骤：分别将锂离子电池电压性能指数ξU、锂离子电池的电压相对变化率绝对值E以及锂离子电池剩余电量预警概率P转换为模糊论域中的量化等级；
将锂离子电池电压性能指数ξU以及锂离子电池的电压相对变化率绝对值E输入模糊控制模型，模糊控制模型输出为锂离子电池剩余电量预警概率P，进而进行数据是否输出的预测，锂离子电池剩余电量预警概率P的阈值为0.53～0.59中的一个值，如果锂离子电池剩余电量预警概率P达到设定阈值，则表明锂离子电池剩余电量预警概率数据可输出，对锂离子电池剩余电量进行预警提示，如果锂离子电池剩余电量预警概率P未达到设定阈值，则表明锂离子电池剩余电量预警概率数据不可输出，不需要对锂离子电池剩余电量进行预警提示；
在本实施例中，为了保证控制的精度，使其在不同的环境下都能够很好地进行控制，根据反复试验，将阈值确定为0.57。
锂离子电池电压性能指数ξU的变化范围为[0，1]，锂离子电池的电压相对变化率绝对值E的变化范围为[0，1]，设定量化因子都为1，因此，锂离子电池电压性能指数ξU以及锂离子电池的电压相对变化率绝对值E的论域分别为[0，1]和[0，1]，锂离子电池剩余电量预警概率P的论域为[0，1]；
为了保证控制的精度，使其在不同的环境下都能够很好地进行控制，根据反复试验，最终将锂离子电池电压性能指数ξU的变化范围分为5个等级，模糊集为{ZO，PS，PM，PB，PVB}，ZO表示零，PS表示小，PM表示中等，PB表示大，PVB表示极大；锂离子电池的电压相对变化率绝对值E的变化范围分为5个等级，模糊集为{ZO，PS，PM，PB，PVB}，ZO表示零，PS表示小，PM表示中等，PB表示大，PVB表示极大；输出的锂离子电池剩余电量预警概率P率分为5个等级，模糊集为{S，SM，M，MB，B}，S表示小，SM表示较小，M表示中等，MB表示较大，B表示大；隶属函数均选用三角形隶属函数，如图2、3、4所示。
模糊控制模型的控制规则选取经验为：
如果锂离子电池电压性能指数ξU为极大，锂离子电池的电压相对变化率绝对值E为极大或者大，则锂离子电池剩余电量预警概率P为大，即数据可输出，此时，对锂离子电池剩余电量进行预警提示；
如果锂离子电池电压性能指数ξU为零，锂离子电池的电压相对变化率绝对值E为零或者小，则锂离子电池剩余电量预警概率P为小，即数据不可输出，无需对锂离子电池剩余电量进行预警提示；
也就是说，如果锂离子电池剩余电量预警概率P为“小或较小”，则数据不可输出，此时，无需对锂离子电池剩余电量进行预警提示；如果锂离子电池剩余电量预警概率P为“大或较大”，则数据可输出，此时，对锂离子电池剩余电量进行预警提示；如果锂离子电池剩余电量预警概率P为“中等”，则锂离子电池剩余电量预警概率P为阈值，此种情况，如果锂离子电池电压性能指数ξU或者锂离子电池的电压相对变化率E稍有变化，则必然会形成锂离子电池剩余电量进行预警提示或无需提示这两种情况的切换，能够驾驶员或者测试人员能够对电动汽车用锂离子电池剩余电量的进行合理预判；具体的模糊控制规则如表1所示。
表1模糊控制规则
Figure BDA0002593172280000091
在所述S3中，当行驶路面为乡村路面时，且所述路面影响系数ψ的取值为0.83≤ψ≤0.95，对锂离子电池剩余电量预警概率P进行经验校正调节得到乡村路面校正预警概率P′，当乡村路面校正预警概率P′达到阈值时，对锂离子电池剩余电量进行预警提示：
其中，P′＝f′(ψ)·P；式中，
Figure BDA0002593172280000101
当P′≥1时，使乡村路面校正预警概率P′＝1；κ为路面影响经验校正常数，κ取值范围为0.98～1.03，优选取值为1.01。
在所述S3中，当行驶路面为高速路面时，且所述路面影响系数ψ的取值为0.25≤ψ≤0.37，对锂离子电池剩余电量预警概率P进行经验校正调节得到高速路面校正预警概率P″，当高速路面校正预警概率P″达到阈值时，对锂离子电池剩余电量进行预警提示；
其中，P″＝f″(ψ)·P；式中，
Figure BDA0002593172280000102
κ为路面影响经验校正常数，κ取值范围为0.98～1.03，优选取值为1.01。
本发明公开了一种电动汽车用锂离子电池剩余电量预警诊断测试方法，对待测试评估的电动汽车用锂离子电池进行测试，并通过采集实时监测数据后获得锂离子电池电压性能指数ξU和锂离子电池的电压相对变化率E；根据锂离子电池电压性能指数ξU和锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率达到阈值，对锂离子电池剩余电量进行预警提示，使驾驶员或者测试人员能够对电动车用锂离子电池的剩余电量进行合理预判。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，它完全可以被适用于各种适合本发明的领域；同时任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准，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具体的实施例。

Claims (9)

1.一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，包括以下步骤：
S1、采集电动汽车用锂离子电池运行过程中锂离子电池的电压U和用电量Q，同时采集环境温度TE和锂离子电池温度TLi，根据行驶路面确定路面影响系数ψ；
S2、获得锂离子电池电压性能指数ξU和锂离子电池的电压相对变化率E；
在所述S2中，所述锂离子电池电压性能指数ξU为
Figure FDA0003945341510000011
式中，T0为校正温度，TLimin为锂离子电池的最小测试温度，TLimax为锂离子电池的最大测试温度，Umin为最小测试电压，Umax为最大测试电压，ΔU为测试的单位时间内电压变化值，ΔQ为测试的单位时间内用电量变化值，κ为路面影响经验校正常数；
S3、根据所述锂离子电池电压性能指数ξU和所述锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率P达到阈值，对锂离子电池剩余电量进行预警提示。
2.根据权利要求1所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，T0取值范围为22℃～28℃。
3.根据权利要求1所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，κ取值范围为0.98～1.03。
4.根据权利要求1所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，在所述S3中，根据所述锂离子电池电压性能指数ξU和所述锂离子电池的电压相对变化率E得到锂离子电池剩余电量预警概率P，当锂离子电池剩余电量预警概率P达到阈值，对锂离子电池剩余电量进行预警提示，具体为：
采用模糊控制模型输出锂离子电池剩余电量预警概率P对锂离子电池剩余电量进行预警提示，该过程包括如下步骤：
分别将锂离子电池电压性能指数ξU、锂离子电池的电压相对变化率绝对值|E|和锂离子电池剩余电量预警概率P转换为模糊论域中的量化等级；
将锂离子电池电压性能指数ξU以及锂离子电池的电压相对变化率绝对值|E|输入模糊控制模型，均分为5个等级；
模糊控制模型输出为锂离子电池剩余电量预警概率P，分为5个等级；
其中，锂离子电池电压性能指数ξU的论域为[0，1]，锂离子电池的电压相对变化率绝对值|E|的论域为[0，1]，锂离子电池剩余电量预警概率P的论域为[0，1]，设量化因子都为1，设定锂离子电池剩余电量预警概率P的阈值为0.53～0.59中的一个值。
5.根据权利要求1或4所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，所述S3中的阈值为0.57。
6.根据权利要求4所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，所述锂离子电池电压性能指数ξU的模糊集为{ZO，PS，PM，PB，PVB}，所述锂离子电池的电压相对变化率绝对值|E|的模糊集为{ZO，PS，PM，PB，PVB}，所述锂离子电池剩余电量预警概率P的模糊集为{S，SM，M，MB，B}；隶属函数均选用三角函数；以及
所述模糊控制模型的控制方法为：
如果锂离子电池电压性能指数ξU为PVB，锂离子电池的电压相对变化率绝对值|E|为PB或者PVB，则锂离子电池剩余电量预警概率P输出为B，即对锂离子电池剩余电量进行预警提示；
如果锂离子电池电压性能指数ξU输入为ZO，锂离子电池的电压相对变化率绝对值|E|输入为ZO或者PS，则锂离子电池剩余电量预警概率P输出为S，即无需对锂离子电池剩余电量进行预警提示；
如果锂离子电池剩余电量预警概率P输出为S或SM，则无需对锂离子电池剩余电量进行预警提示；如果锂离子电池剩余电量预警概率P输出为B或MB，则对锂离子电池剩余电量进行预警提示；如果锂离子电池剩余电量预警概率P输出为M，则锂离子电池剩余电量预警概率P为阈值。
7.根据权利要求1所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，在所述S1中，根据行驶路面确定路面影响系数ψ，具体为：
当行驶路面为乡村路面时，路面影响系数ψ取值范围为0.75≤ψ≤0.95；
当行驶路面为城市路面时，路面影响系数ψ取值范围为0.48≤ψ＜0.75；
当行驶路面为高速路面时，路面影响系数ψ取值范围为0.25≤ψ＜0.48。
8.根据权利要求7所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，在所述S3中，当行驶路面为乡村路面时，且所述路面影响系数ψ的取值为0.83≤ψ≤0.95，对锂离子电池剩余电量预警概率P进行经验校正调节得到乡村路面校正预警概率P′，当乡村路面校正预警概率P′达到阈值时，对锂离子电池剩余电量进行预警提示：
其中，P′＝f′(ψ)·P；
式中，
Figure FDA0003945341510000041
当P′≥1时，使乡村路面校正预警概率P′＝1；
κ为路面影响经验校正常数，κ取值范围为0.98～1.03，优选取值为1.01。
9.根据权利要求7所述的一种电动汽车用锂离子电池剩余电量预警诊断测试方法，其特征在于，当行驶路面为高速路面时，且所述路面影响系数ψ的取值为0.25≤ψ≤0.37，对锂离子电池剩余电量预警概率P进行经验校正调节得到高速路面校正预警概率P″，当高速路面校正预警概率P″达到阈值时，对锂离子电池剩余电量进行预警提示；
其中，P″＝f″(ψ)·P
式中，
Figure FDA0003945341510000042
κ为路面影响经验校正常数，κ取值范围为0.98～1.03。
CN202010702088.7A 2020-07-20 2020-07-20 一种电动汽车用锂离子电池剩余电量预警诊断测试方法 Active CN111983463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010702088.7A CN111983463B (zh) 2020-07-20 2020-07-20 一种电动汽车用锂离子电池剩余电量预警诊断测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010702088.7A CN111983463B (zh) 2020-07-20 2020-07-20 一种电动汽车用锂离子电池剩余电量预警诊断测试方法

Publications (2)

Publication Number Publication Date
CN111983463A CN111983463A (zh) 2020-11-24
CN111983463B true CN111983463B (zh) 2023-02-10

Family

ID=73437951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010702088.7A Active CN111983463B (zh) 2020-07-20 2020-07-20 一种电动汽车用锂离子电池剩余电量预警诊断测试方法

Country Status (1)

Country Link
CN (1) CN111983463B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700627B (zh) * 2020-12-31 2022-11-04 新奥数能科技有限公司 一种冷却塔补水异常告警方法、装置及终端设备
CN117075018B (zh) * 2023-07-20 2024-04-16 深圳运存科技有限公司 一种bms控制板性能测试智能分析管理系统
CN117491899B (zh) * 2024-01-03 2024-04-12 强钧能源技术(深圳)有限公司 一种移动式储能电源的可靠性诊断系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5539318A (en) * 1992-07-16 1996-07-23 Toyota Jidosha Kabushiki Kaisha Residual capacity meter for electric car battery
CN101303397A (zh) * 2008-06-25 2008-11-12 河北工业大学 锂离子电池组剩余电能计算方法及装置
CN102156265A (zh) * 2011-03-16 2011-08-17 深圳市派司德科技有限公司 一种电池健康状态测试装置及其方法
CN103809125A (zh) * 2014-02-13 2014-05-21 清华大学 锂离子电池的剩余放电容量估计方法及系统
CN105083026A (zh) * 2015-08-21 2015-11-25 奇瑞汽车股份有限公司 充电电流的控制方法和装置
CN106274888A (zh) * 2015-05-28 2017-01-04 上海通用汽车有限公司 混合动力汽车的soc控制系统及其控制方法
CN108521155A (zh) * 2018-05-09 2018-09-11 清华大学 一种电动汽车充电预警方法及系统
CN109061497A (zh) * 2018-08-10 2018-12-21 深圳芯智汇科技有限公司 一种电池剩余电量计量系统及方法
CN109586348A (zh) * 2017-09-28 2019-04-05 上海汽车集团股份有限公司 一种蓄电池管理方法、装置及系统
CN113721156A (zh) * 2021-08-30 2021-11-30 哈尔滨理工大学 一种用于磷酸铁锂电池的多时间尺度综合预警方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5287844B2 (ja) * 2010-12-27 2013-09-11 株式会社デンソー 二次電池の残存容量演算装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5539318A (en) * 1992-07-16 1996-07-23 Toyota Jidosha Kabushiki Kaisha Residual capacity meter for electric car battery
CN101303397A (zh) * 2008-06-25 2008-11-12 河北工业大学 锂离子电池组剩余电能计算方法及装置
CN102156265A (zh) * 2011-03-16 2011-08-17 深圳市派司德科技有限公司 一种电池健康状态测试装置及其方法
CN103809125A (zh) * 2014-02-13 2014-05-21 清华大学 锂离子电池的剩余放电容量估计方法及系统
CN106274888A (zh) * 2015-05-28 2017-01-04 上海通用汽车有限公司 混合动力汽车的soc控制系统及其控制方法
CN105083026A (zh) * 2015-08-21 2015-11-25 奇瑞汽车股份有限公司 充电电流的控制方法和装置
CN109586348A (zh) * 2017-09-28 2019-04-05 上海汽车集团股份有限公司 一种蓄电池管理方法、装置及系统
CN108521155A (zh) * 2018-05-09 2018-09-11 清华大学 一种电动汽车充电预警方法及系统
CN109061497A (zh) * 2018-08-10 2018-12-21 深圳芯智汇科技有限公司 一种电池剩余电量计量系统及方法
CN113721156A (zh) * 2021-08-30 2021-11-30 哈尔滨理工大学 一种用于磷酸铁锂电池的多时间尺度综合预警方法

Also Published As

Publication number Publication date
CN111983463A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111983463B (zh) 一种电动汽车用锂离子电池剩余电量预警诊断测试方法
Gan et al. Data-driven fault diagnosis of lithium-ion battery overdischarge in electric vehicles
Panchal et al. Cycling degradation testing and analysis of a LiFePO4 battery at actual conditions
Lu et al. Online estimation of state of power for lithium-ion batteries in electric vehicles using genetic algorithm
US9454888B2 (en) Advanced battery early warning and monitoring system
CN110549876B (zh) 一种能量输出控制方法、装置和氢燃料混合动力汽车
CN110873841B (zh) 一种基于数据驱动与电池特性相结合的电池寿命预测方法
CN110780203B (zh) 一种纯电动汽车电池组soc在线估值方法
Mishra et al. A Review on Battery Management system and its Application in Electric vehicle
CN116973782B (zh) 基于机器学习的新能源汽车保养维护与故障监测诊断方法
CN111257770B (zh) 一种电池包功率估算方法
CN112363061A (zh) 一种基于大数据的热失控风险评估方法
CN115639481B (zh) 基于大数据预测soc的电池数据预处理系统及方法
US20230264596A1 (en) Apparatus and method for controlling power of parallel multi pack module
CN115958957B (zh) 一种电动汽车动力电池充电过热故障预测方法及系统
CN111812535A (zh) 一种基于数据驱动的动力电池故障诊断方法及系统
KR102472040B1 (ko) 학습된 추론모델 기반 배터리특성 도출시스템 및 그 방법
US11573271B1 (en) Battery fault detection
Devi et al. Lithium-ion battery management system: a review
Nikhil A Review on Battery Management System for Electric Vehicles
Xu et al. The Effect of Charge Behavior on Lithium Battery SOH
US11870292B2 (en) Apparatus and method for controlling power of parallel multi pack system
Kandidayeni et al. Health-wise energy management strategies in fuel cell hybrid electric vehicles: Tools to optimize performance and reduce operational costs
CN110687459B (zh) 一种soc预估方法
Li et al. A framework based on big data for intelligent monitoring of battery packs

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