CN111983467A - 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 - Google Patents
基于二阶rc等效电路模型的电池安全度估算方法及估算装置 Download PDFInfo
- Publication number
- CN111983467A CN111983467A CN202010857292.6A CN202010857292A CN111983467A CN 111983467 A CN111983467 A CN 111983467A CN 202010857292 A CN202010857292 A CN 202010857292A CN 111983467 A CN111983467 A CN 111983467A
- Authority
- CN
- China
- Prior art keywords
- battery
- safety
- internal resistance
- equivalent circuit
- safety degree
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000010287 polarization Effects 0.000 claims abstract description 72
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 abstract description 8
- 229910001416 lithium ion Inorganic materials 0.000 abstract description 8
- 238000003062 neural network model Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036647 reaction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Abstract
本发明公开了基于二阶RC等效电路模型的锂离子动力电池安全度估算方法及估算装置，属于电池安全度估算技术领域。本发明为了解决现有技术无法对动力电池的安全性进行量化表示和评估的问题。本发明构建二阶RC等效电路模型；利用最小二乘法辨识步骤S1中所述的参数；根据辨识的参数得到电池SOH；构建BP神经网络，将所述欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH作为神经网络输入，将电池安全度作为输出进行训练，将待测数据输入训练好的模型中，得到实时准确的安全度数值。本发明通过历史数据，结合二阶RC等效电路模型和BP神经网络模型，估算出动力电池的安全度数值，并且不断修正。
Description
技术领域
本发明涉及电池安全度估算领域，特别是涉及基于二阶RC等效电路模型的电池安全度估算方法及估算装置。
背景技术
电动汽车正处于中国快速发展的新阶段，电动汽车的发展推动了动力电池产业的发展。然而，近年来诸如电池的自燃和爆炸等事故频繁发生，人们越来越关注新能源汽车电池系统的安全性。电池的安全性指电池在使用过程中不燃烧、不爆炸、不产生有毒有害气体、不会对使用者造成伤害，定量地描述其在使用过程中的安全程度称为电池安全度。如何做到实时准确的安全估算，一直是锂离子动力电池组设计过程中存在的一个瓶颈性难题。
目前，中国还没有提出电池安全度的概念。大多数研究重点是测量不同倍率的放电特性、不同的温度放电特性、不同的温度自放电特性、过放电特性、容量分布测试、电阻分布测试和静电放电测试来分析其可靠性，但这些参数在电池运行期间很难获得。而当前研究中与电池安全度相关的研究通常采用故障诊断的方法，但该方法仅在电池发生故障后判断故障问题，并且不会阻止电池故障的发生。因此，动力电池行业迫切需要一种估算和实时指示动力电池安全性的方法，使电池用户始终能够了解动力电池工作的安全性，确保用户的安全，并减少发生事故。
发明内容
为了解决上述问题，本发明提供了基于二阶RC等效电路模型的电池安全度估算方法及估算装置，能够直观估算并实时显示电池的安全程度，解决了锂动力电池安全性难以判断的难题。
本发明第一方面提供了一种基于二阶RC等效电路模型的电池安全度估算方法，包括如下步骤：
S1、构建二阶RC等效电路模型，所述二阶RC等效电路模型的参数包括欧姆内阻、电化学极化内阻和浓差极化内阻；
S2、利用最小二乘法辨识步骤S1中所述的参数；
S3、根据辨识的参数得到电池SOH；
S4、根据欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH计算电池的安全度SOS；
S5、构建BP神经网络，将所述欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH作为神经网络输入，将安全度数值作为输出，训练所述BP神经网络；
S6，将实际测得的欧姆内阻、电化学极化内阻和浓差极化内阻和电池SOH作为输入，通过训练好的BP神经网络得到电池安全度SOS数值。
进一步的，所述二阶RC等效电路模型为：
其中，V(k)为端电压。
进一步的，步骤S2具体包括：
S21、当前测量结果的I(k)和V(k)根据R＝V(k)/I(k)得到当前状态下的电池总极化内阻；
S22、令β1＝a1+a2，β2＝-a1a2，β3＝R0，β4＝b1-b2-R0(a1+a2)，β5＝a1a2R0-b2a1-b1a2，β6＝1-(a1+a2)+a1a2；
S23、根据步骤S22中所述的β1、β2、β3、β4、β5和β6得到欧姆内阻、电化学极化内阻、浓差极化内阻。
进一步的，所述电池SOH为：
其中，R为电池当前状态下的内阻，Rnew为电池出厂时的内阻值，REOL为电池寿命终结时的电池内阻。
进一步的，步骤S4所述安全度SOS为：
式中，SOSR1为欧姆内阻的安全度，SOSR2为电化学极化内阻安全度，SOSR3为浓差极化内阻安全度，SOSSOH为电池SOH安全度。
进一步的，所述BP神经网络包括输入层、隐含层和输出层，所述输入层输入变量为欧姆内阻X1、电化学极化内阻X2、浓差极化内阻X3和电池SOH X4；
隐含层的第i个节点的输入为Neti：
隐含层的第i个节点的输出为Oi：
输出层的第k个节点的输入为Netk：
输出层的第k个节点的输出Ok：
进一步的，安全度估算方法包括建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全状态；将步骤S6得到的安全度SOS数值与所述安全区间匹配，得到当前时刻的电池安全情况。
本发明另一方面提供了一种基于二阶RC等效电路模型的电池安全度估算装置，包括：
估算模块，用以根据本发明第一方面所述的电池安全度估算方法估算电池当前状态的安全度；
显示模块，用以显示电池当前状态下的安全度信息。
进一步的，所述基于二阶RC等效电路模型的电池安全度估算装置包括区间匹配模块，用以建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全状态；将步骤S6得到的安全度SOS数值与所述安全区间匹配，得到当前时刻的电池安全情况。
如上所述，本发明具有的有益效果为：
1、本发明通过二阶RC等效电路模型和神经网络结合得到电池当前状态的安全性数据，实现电池使用过程中的安全程度进行了量化描述及实时显示。
2、本发明专利所使用的等效电路模型可以简化实际情况，方便计算，所得结果相对精确。
3、本发明专利基于二阶RC等效电路模型和BP神经网络模型来计算电池安全度，通过不断训练模型，使模型与电池实际情况更加接近，所得的结果也更加精确。
4、本方法适用于各种电池的安全度估算，适用性广且硬件电路易实现，应用场合较多。
综上可见，本发明中提出的一种基于二阶RC等效电路模型的锂离子动力电池安全度评估方法非常适用于各种电池的安全度估算，具有实用性。
附图说明
图1为本发明具体实施例的二阶RC等效电路模型图；
图2为本发明具体实施例的锂离子动力电池安全度估算方法流程图；
图3为本发明具体实施例的数据辨识流程图；
图4为本发明具体实施例的BP神经网络结构图；
图5为本发明具体实施例的估算装置结构原理图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
如图2所示，本发明第一方面提供了一种基于二阶RC等效电路模型的电池安全度估算方法，包括如下步骤：
S1、构建二阶RC等效电路模型，所述二阶RC等效电路模型的参数包括欧姆内阻、电化学极化内阻和浓差极化内阻；
为了描述电池反应的复杂现象，可以通过泰勒分离，欧姆极化，电化学极化，浓度极化和其他复杂因素的思想，使用复杂模型来表达复杂问题。目前用于模拟电池的等效电路主要包括内阻模型，Thevenin模型和二阶RC模型。内阻模型通过理想电压源和内部电阻连接。它简单易行，但不考虑电池内部的极化，精度低。内阻模型增加了RC环节和电容，有许多改进，但仍有一些缺点。Thevenin模型包括开路电压，欧姆内阻和一个RC环节。根据以往的实践经验，二阶以上的高阶因子对结果精度影响不大，由于考虑到高阶等效电路模型的计算量较大，且对结果精度影响不大，因此，本实施例选择图1中所示的二阶RC模型作为本专利所用的等效电路模型，既可以有效地评估电池安全度，又可以减少复杂度，是安全度评估的较有效的技术路线。
如图1所示，阻抗R0表示欧姆极化过程，阻容R1C1表示电化学极化现象，阻容R2C2表示浓差极化现象，端电压V表示电极两端电压，开路电压Voc表示电池内部平衡状态电压，本实施例定义V1为R1C1环节的电压，V2为R2C2环节的电压，定义放电电流值为正，充电电流值为负，I为电流，则电池电化学反应模型电动势为式(1)：
V＝V1+V2+IR0+VOC (1)
锂离子电池的离散时间为式(2)：
所述锂离子电池的离散时间联合和电化学反应模型电动势式，能够得到出未知参数。
式中：V(k)为端电压，可以通过信号采集获得；α为当前未知参数的集合，在本实施例的二阶RC阻容模型中，当前未知参数包括C1，C2，R0，R1，R2，Voc；
为已知参数的向量，包括之前时刻的V(k-2)，I(k-2)，V(k-1)，I(k-1)和当前时刻的I(k)。
则锂离子电池的离散时间(2)可以进一步表示为：
V(K)＝α1V(K-1)+α2V(K-2)+α3I(K-1)+α4I(K)+α5I(K-2)+α6 (3)
其中：α＝[α1,α2,α3,α4,α5,α6.]T；φ(K)＝[V(K-1),V(K-2),I(K),I(K-1),I(K-2)]T。
结合零状态响应方程，获得V1和V2，则二阶RC等效电路模型可以进一步表述为：
其中：
b1＝R1(1-a1)，b2＝R2(1-a2)。
联合方程
通过Z变换和Z反变换，可以获得求解方程：
S2、利用最小二乘法辨识步骤S1中所述的参数，得到所述参数关于β的表达式。
进一步的，步骤S2具体包括：
S21、当前测量结果的I(k)和V(k)根据R＝V(k)/I(k)得到当前状态下的电池总极化内阻；
S22、令β1＝a1+a2，β2＝-a1a2，β3＝R0，β4＝b1-b2-R0(a1+a2)，β5＝a1a2R0-b2a1-b1a2，β6＝1-(a1+a2)+a1a2；
S23、根据现有电池数统计发现，电池的内阻对电池的安全性影响非常大，因此本申请选取欧姆内阻、电化学极化内阻和浓差极化内阻三个参数作为变量，根据步骤S22中所述的β1、β2、β3、β4、β5和β6得到
R0＝β3，
进而得到欧姆内阻、电化学极化内阻、浓差极化内阻。
S3、根据辨识的参数得到电池SOH和电池SOC；
电池当前健康度SOH有三种定义，分别是从SOC、电池内阻、电池循环次数角度来定义，本申请利用电池内阻来估计电池SOH，电池的最大充放电电流定义为：
充电时：
放电时：
在充放电关系式中，Imax是电池允许充放电的最大电流，Vocv是电池开路电压，通常与SOC相关联的。Vmin和Vmax为允许的极限电压，R是电池的内阻。根据专家经验可知，影响最大电流的直接因素是电池的内阻R。因此可以把电池的寿命终止定义为当电池的内阻上升到初始内阻的160％。
根据EOL的定义，定义电池SOH为：
式中，R为电池现在状态的内阻，Rnew为电池出厂时的内阻值，REOL为电池寿命终结时的电池内阻，由参数辨识有，
REOL和Rnew则由电池具体型号确定。一般SOH的变化范围从0～100％，100％意味着那电池整体健康，如上所述，内阻可以显示电池的健康状态。
所述电池SOC由下式得到：
V＝UOC-K0/SOC-K1SOC+K2ln(SOC)+K3ln(1-SOC)； (7)
其中，其中，V是电池负载电压，由电池当前工作状态确定，UOC是电池的空载电压，K0、K1、K2、K3是修正系数。
由参数辨识结果有，
代入经验公式即可得出用β表示的电池SOC。
S4、根据上述步骤得到的欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH计算安全度SOS数值如下：
式中，SOSR1为欧姆内阻的安全度，SOSR2为电化学极化内阻安全度，SOSR3为浓差极化内阻安全度，SOSSOH为电池SOH安全度。
根据《GB/T 31485-2015电动汽车用动力蓄电池安全要求及实验方法》，电池时刻的欧姆内阻的增长率小于等于规定的欧姆内阻的20％，当前时刻的电化学极化内阻的增长率小于等于规定的电化学极化内阻的20％，当前时刻的浓差极化内阻的阻值的增长率小于等于规定的浓差极化内阻的20％，当前时刻的电池的SOH降低率小于等于电池规定的SOH的20％，因此，将欧姆内阻的20％增长率定义为限定增长率SQ1，所述欧姆内阻安全度SOSR1为：
式中，SR1为当前时刻的欧姆内阻的增长率，R1为当前时刻的欧姆内阻，RS1为规定的欧姆内阻，当欧姆内阻R1的增长率大于规定的欧姆内阻RS1的20％时，SOSR1＝0；当欧姆内阻R1等于规定的欧姆内阻RS1时，SOSR1＝1；
将电化学极化内阻的20％增长率定义为限定增长率SQ2，所述电化学极化内阻安全度SOSR2为：
式中，SR2为当前时刻的电化学极化内阻的增长率，R2为当前时刻的电化学极化内阻，RS2为规定的电化学极化内阻，当电化学极化内阻R2的增长率大于规定的电化学极化内阻RS2的20％时，SOSR2＝0；当电化学极化内阻R2等于规定的电化学极化内阻RS2时，SOSR2＝1；
将浓差极化内阻的20％增长率定义为限定增长率SQ3，所述浓差极化内阻安全度SOSR3为：
式中，SR3为当前时刻的浓差极化内阻的增长率，R3为当前时刻浓差极化内阻，RS3为规定的浓差极化内阻，当浓差极化内阻R3的增长率大于规定的浓差极化内阻RS3的20％时，SOSR3＝0；当浓差极化内阻R3等于规定的浓差极化内RS3阻时，SOSR3＝1；
将浓电池SOH的20％降低率定义为限定降低率SQ4，所述电池SOH安全度SOSSOH为：
式中，SSOH为当前时刻的电池SOH的降低率，SOHS为规定的电池SOH数值，SOHr为当前时刻的电池SOH数值，当电池SOH数值降低率大于规定的电池SOH的20％时，SOSSOH＝0；当电池SOH数值等于规定的电池SOH数值时，SOSSOH＝1；
本实施例根据所述的限定增长率和限定降低率在实际使用中可以根据具体的电池型号、使用环境、工作要求等进行调整。
来自电池的欧姆内阻、电化学极化内阻、浓差极化内阻的产热及其热量累积，是诱发电池安全性事故的根本原因；而电池SOH代表着电池容量及相应工作能力性能的衰减。根据大量实验数据以及专家经验分析，这些参数对工作过程中电池的安全性影响至关重要，且权重基本相同。因此，本申请的电池安全度估算采用等分加权计算方式，得到最终的电池安全度SOS数值。
S5、构建BP神经网络，将所述欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH作为神经网络输入，电池安全度数值作为输出，通过实验或已有的电池数据库获取输入样本和输出样本对所述BP神经网络进行训练。
在电池实时使用过程中，电池的内阻以及电池SOH会实时发生变化，因此，本实施例采用神经网络对安全度数值进行训练，以确保安全度数值的精确性和实时性。如图4所示，本实施例所述BP神经网络包括输入层、隐含层和输出层，所述输入层输入变量为X1-欧姆内阻、X2-电化学极化内阻、X3-浓差极化内阻、X4-电池SOH；本实施例的中间隐含层神经元个数为3个，输出的层的输出变量Y为电池安全度数值，所述隐含层神经元的个数根据数据的多少而决定，当数据逐渐增加时，可以通过不断地训练来增加或减少神经元个数。
隐含层的第i个节点的输入为Neti：
隐含层的第i个节点的输出为Oi：
输出层的第k个节点的输入为Netk：
输出层的第k个节点的输出Ok：
其中Wi是输入层到隐含层的权重，该权重初始时在0～1之间随机生成，后通过不断的反馈，来调整权重；θ是输入层到隐含层的偏置项，用于辅助修正；
是隐含层到输出层的权重；α是隐含层到输出层的偏置项；ψ是输出层输出的权重。
S6，将实际测得的欧姆内阻、电化学极化内阻和浓差极化内阻和电池SOH作为输入，通过训练好的BP神经网络得到电池安全度SOS数值；
S7、建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将步骤S6得到的安全度SOS数值与所述安全区间匹配，得到当前时刻的电池安全情况。
本实施例中的电池安全度以0～1为计算范围，安全度越接近于1表示该动力电池越安全。本实施例根据现有电池数据库建立表1，以提示用户所用电池当前的安全状态，避免产生危险。如表1所示，当电池的安全度数值位于[0.8,1]范围内时，表明此时电池的状体良好，可以继续使用，当电池的安全度数值位于[0.6,0.8)范围内时，表明此时电池状态一般，需要使用者稍加留意，当电池的安全度数值位于[0.4，0.6)范围内时，表明此时电池存在潜在危险，在使用过程中需要使用者多加注意，当电池的安全度数值位于[0.2，0.4)范围内时，此时电池已经达到危险程度，此时应停止使用并将更换电池，当电池的安全度数值位于[0,0.2)范围内时，表面电池达到严重危险程度，表明已经出现燃烧爆炸情况或极易引起燃烧和爆炸，此时应根据实际需要采取紧急处理方式将电池拆卸并妥善转移。
表1、电池安全度对应表
| 安全阶段 | 安全度数值范围 | 显示单元预警信息 |
| 1 | 0-0.2 | 电池达到严重危险程度 |
| 2 | 0.2-0.4 | 电池达到危险程度 |
| 3 | 0.4-0.6 | 电池存在潜在危险 |
| 4 | 0.6-0.8 | 电池状态一般 |
| 5 | 0.8-1 | 电池状态良好 |
本实施例提供了一种基于二阶RC等效电路模型的电池安全度估算装置，包括：
估算模块，用以根据本实施例所述的电池安全度估算方法估算电池当前状态的安全度；
显示模块，用以显示电池当前状态下的安全度信息，可以是台式机、笔记本电脑、LED液晶显示屏及UM12864液晶显示屏等，用于显示电池的当前安全度数值，所述显示模块与单片机可以选择使用RS232、RS485、RS422串行通讯接口或以太网传输或者CAN总线传输。
区间匹配模块，建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将估算模块估算得到的安全度SOS数值与所述安全区间匹配，得到当前时刻的电池安全情况。
所述估算模块和区间匹配模块可以集成在一种电子设备中，具体包括处理器和存储器，存储器中存储实施例中的电池安全度估算方法和区间匹配指令，处理器用以调用所述指令用以执行本发明实施例所述的电池安全度估算方法和区间匹配指令；所述估算模块和区间匹配模块可以分别为两种电子设备，两种电子设备分别包括处理器和存储器，估算模块的电子设备中的存储器中存储实施例中的电池安全度估算方法指令，处理器用以调用所述指令用以执行本发明实施例所述的电池安全度估算方法指令，区间匹配模块的电子设备中的存储器中存储实施例中的安全度区间匹配指令，处理器用以调用所述指令用以执行本发明实施例所述的安全度区间匹配指令。
上述的存储器中的指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中，即本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
在实际应用中，所述处理器可以是MSP430单片机、51单片机、DSP、TMS单片机、STM32单片机、PIC单片机、AVR单片机、STC单片机、Freescale系列单片机等控制电池充放电源的充放电，所述单片机可以通过串口或总线的方式与充放电源连接。
本实施例的待测电池可以是单体电池或电池串并联组成的电池模块，电池种类可以是铅酸电池、镉镍电池、镍氢电池、锂离子电池、燃料电池、太阳能电池以及工作原理基于化学电源技术的其他电池。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (9)
1.基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，包括如下步骤：
S1、构建二阶RC等效电路模型，所述二阶RC等效电路模型的参数包括欧姆内阻、电化学极化内阻和浓差极化内阻；
S2、利用最小二乘法辨识步骤S1中所述的参数；
S3、根据辨识的参数得到电池SOH；
S4、根据欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH计算电池的安全度SOS；
S5、构建BP神经网络，将所述欧姆内阻、电化学极化内阻、浓差极化内阻和电池SOH作为神经网络输入，将安全度数值作为输出，训练所述BP神经网络；
S6，将实际测得的欧姆内阻、电化学极化内阻和浓差极化内阻和电池SOH作为输入，通过训练好的BP神经网络得到电池安全度SOS数值。
2.根据权利要求1所述基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，所述二阶RC等效电路模型为：
其中，V(k)为端电压。
3.根据权利要求2所述基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，步骤S2具体包括：
S21、当前测量结果的I(k)和V(k)根据R＝V(k)/I(k)得到当前状态下的电池总极化内阻；
S22、令β1＝a1+a2，β2＝-a1a2，β3＝R0，β4＝b1-b2-R0(a1+a2)，β5＝a1a2R0-b2a1-b1a2，β6＝1-(a1+a2)+a1a2；
S23、根据步骤S22中所述的β1、β2、β3、β4、β5和β6得到欧姆内阻、电化学极化内阻、浓差极化内阻。
4.根据权利要求1所述基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，所述电池SOH为：
其中，R为电池当前状态下的内阻，Rnew为电池出厂时的内阻值，REOL为电池寿命终结时的电池内阻。
5.根据权利要求1所述基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，步骤S4所述安全度SOS为：
式中，SOSR1为欧姆内阻的安全度，SOSR2为电化学极化内阻安全度，SOSR3为浓差极化内阻安全度，SOSSOH为电池SOH安全度。
6.根据权利要求1所述基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，所述BP神经网络包括输入层、隐含层和输出层，所述输入层输入变量为欧姆内阻X1、电化学极化内阻X2、浓差极化内阻X3、电池SOH X4；
隐含层的第i个节点的输入为Neti：
隐含层的第i个节点的输出为Oi：
输出层的第k个节点的输入为Netk：
输出层的第k个节点的输出Ok：
7.根据权利要求1所述基于二阶RC等效电路模型的电池安全度估算方法，其特征在于，电池安全度估算方法包括建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全状态；将步骤S6得到的安全度SOS数值与所述安全区间匹配，得到当前时刻的电池安全情况。
8.基于二阶RC等效电路模型的电池安全度估算装置，其特征在于，包括：
估算模块，用以根据权利要求1-7任意权利要求所述的电池安全度估算方法估算电池当前状态的安全度；
显示模块，用以显示电池当前状态下的安全度信息。
9.根据权利要求8所述基于二阶RC等效电路模型的电池安全度估算装置，其特征在于，所述基于二阶RC等效电路模型的电池安全度估算装置包括区间匹配模块，用以建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全状态；将步骤S6得到的安全度SOS数值与所述安全区间匹配，得到当前时刻的电池安全情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010857292.6A CN111983467B (zh) | 2020-08-24 | 2020-08-24 | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010857292.6A CN111983467B (zh) | 2020-08-24 | 2020-08-24 | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111983467A true CN111983467A (zh) | 2020-11-24 |
| CN111983467B CN111983467B (zh) | 2023-02-03 |
Family
ID=73443801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010857292.6A Active CN111983467B (zh) | 2020-08-24 | 2020-08-24 | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111983467B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113075560A (zh) * | 2021-04-19 | 2021-07-06 | 南京邮电大学 | 一种动力锂离子电池健康状态在线预估方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520366A (zh) * | 2011-12-23 | 2012-06-27 | 上海交通大学 | 电动车电池安全与健康评估系统及其方法 |
| CN106909716A (zh) * | 2017-01-19 | 2017-06-30 | 东北电力大学 | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 |
| CN107390127A (zh) * | 2017-07-11 | 2017-11-24 | 欣旺达电动汽车电池有限公司 | 一种soc估算方法 |
| US20180143257A1 (en) * | 2016-11-21 | 2018-05-24 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
| CN110133508A (zh) * | 2019-04-24 | 2019-08-16 | 上海博强微电子有限公司 | 电动汽车动力电池的安全预警方法 |
| CN110346734A (zh) * | 2019-06-19 | 2019-10-18 | 江苏大学 | 一种基于机器学习的锂离子动力电池健康状态估算方法 |
| CN111142027A (zh) * | 2019-12-31 | 2020-05-12 | 国电南瑞南京控制系统有限公司 | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 |
| CN111208433A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 电池二阶rc等效电路模型参数辨识的方法及装置 |
| CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
-
2020
- 2020-08-24 CN CN202010857292.6A patent/CN111983467B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520366A (zh) * | 2011-12-23 | 2012-06-27 | 上海交通大学 | 电动车电池安全与健康评估系统及其方法 |
| US20180143257A1 (en) * | 2016-11-21 | 2018-05-24 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
| CN106909716A (zh) * | 2017-01-19 | 2017-06-30 | 东北电力大学 | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 |
| CN107390127A (zh) * | 2017-07-11 | 2017-11-24 | 欣旺达电动汽车电池有限公司 | 一种soc估算方法 |
| CN110133508A (zh) * | 2019-04-24 | 2019-08-16 | 上海博强微电子有限公司 | 电动汽车动力电池的安全预警方法 |
| CN110346734A (zh) * | 2019-06-19 | 2019-10-18 | 江苏大学 | 一种基于机器学习的锂离子动力电池健康状态估算方法 |
| CN111142027A (zh) * | 2019-12-31 | 2020-05-12 | 国电南瑞南京控制系统有限公司 | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 |
| CN111208433A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 电池二阶rc等效电路模型参数辨识的方法及装置 |
| CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| YIDAN XU 等: "State of Charge Estimation for Lithium-Ion Batteries Based on Temperature-Dependent Second-Order RC Model", 《ELECTRONICS》 * |
| 王丽梅: "磷酸铁锂电池组安全保护技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113075560A (zh) * | 2021-04-19 | 2021-07-06 | 南京邮电大学 | 一种动力锂离子电池健康状态在线预估方法 |
| CN113075560B (zh) * | 2021-04-19 | 2022-11-18 | 南京邮电大学 | 一种动力锂离子电池健康状态在线预估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111983467B (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109725266B (zh) | 一种电池健康状态soh的计算方法及装置 | |
| Salkind et al. | Determination of state-of-charge and state-of-health of batteries by fuzzy logic methodology | |
| Goud et al. | An online method of estimating state of health of a Li-ion battery | |
| Lu et al. | A method of cell-to-cell variation evaluation for battery packs in electric vehicles with charging cloud data | |
| CN102540081B (zh) | 用于确定车载蓄电池荷电状态的方法 | |
| Hossain et al. | A parameter extraction method for the Thevenin equivalent circuit model of Li-ion batteries | |
| Wang et al. | A novel endurance prediction method of series connected lithium-ion batteries based on the voltage change rate and iterative calculation | |
| CN115494400B (zh) | 一种基于集成学习的锂电池析锂状态在线监控方法 | |
| Zheng et al. | Quantitative short circuit identification for single lithium-ion cell applications based on charge and discharge capacity estimation | |
| Elsergany et al. | An adaptive autotuned polynomial-based extended Kalman filter for sensorless surface temperature estimation of Li-ion battery cells | |
| Kamali et al. | Novel SOH estimation of lithium-ion batteries for real-time embedded applications | |
| CN111983467B (zh) | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 | |
| Wang et al. | Battery pack topology structure on state-of-charge estimation accuracy in electric vehicles | |
| Wang et al. | Battery state estimator based on a finite impulse response filter | |
| Olaru et al. | Challenges and opportunities for the control of Energy Storage Systems. A focus on the Zinc-Air batteries | |
| Cai et al. | D-ukf based state of health estimation for 18650 type lithium battery | |
| CN111983466A (zh) | 一种基于电压和温度特性的锂电池安全度估算方法及装置 | |
| Enache et al. | Modelling the Discharge of a Lithium Iron Phosphate Battery at Low Temperatures | |
| Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
| CN116125284A (zh) | 一种锂离子电池内部短路诊断方法及系统 | |
| CN112363058B (zh) | 一种基于阻抗谱和马尔科夫特性的锂离子电池安全度估算方法及装置 | |
| CN111983470B (zh) | 一种基于关联维数的锂离子动力电池安全度评估方法及装置 | |
| Naik et al. | State of Charge Estimation of Lithium-ion Batteries for Electric Vehicle. | |
| Çarkıt et al. | Investigation of electrical equivalent circuit model simulation data for li-ion battery by comparing with experimental discharge test results | |
| Yang et al. | Neural network based SOC estimation during cycle aging using voltage and internal resistance |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230414 Address after: Wind and Rain Playground Building on the West Campus of Harbin Normal University Hulan Campus, Xinhua Street, Hulan District, Harbin City, Heilongjiang Province, 150599 Patentee after: Harbin North Intelligent Control Technology Co.,Ltd. Address before: 150080 No. 52, Xuefu Road, Nangang District, Heilongjiang, Harbin Patentee before: HARBIN University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240223 Address after: 071700 Residences 543, No. 63 Aowei Road, Rongcheng Town, Rongcheng County, Xiong'an New District, Baoding City, Hebei Province (self declared) Patentee after: Beijing Langsheng New Energy Technology Co.,Ltd. Country or region after: China Address before: Wind and Rain Playground Building on the West Campus of Harbin Normal University Hulan Campus, Xinhua Street, Hulan District, Harbin City, Heilongjiang Province, 150599 Patentee before: Harbin North Intelligent Control Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |