CN112147530B - 一种电池状态评价方法及装置 - Google Patents
一种电池状态评价方法及装置 Download PDFInfo
- Publication number
- CN112147530B CN112147530B CN202011342032.1A CN202011342032A CN112147530B CN 112147530 B CN112147530 B CN 112147530B CN 202011342032 A CN202011342032 A CN 202011342032A CN 112147530 B CN112147530 B CN 112147530B
- Authority
- CN
- China
- Prior art keywords
- battery
- parameters
- under
- soc
- alternating current
- 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]
- G01R31/392—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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开一种电池状态评价方法及装置,包括:测量待评价电池工作状态下的SOC和对应的特征参数;输入对应SOC下的预先建立的定量关系模型,获得待评价电池的电池健康状态SOH;其中,所述特征参数在预选参数中筛选获得;具体筛选步骤包括:计算预选参数与电池健康状态SOH的关联度,大于或等于设定阈值的预选参数作为特征参数。本发明结合电化学交流阻抗技术和机器学习算法,提高电池状态评价准确度,对电池组均衡策略的调整提供技术支撑。
Description
技术领域
本发明属于锂离子电池检测技术领域,特别涉及一种电池状态评价方法及装置。
背景技术
截止到2019年年底,在各类电化学储能技术中,锂离子电池的累计装机量最大,为1378.3MW,且未来几年仍将保持一个高速增长的态势,电化学储能系统中电池数量多、规模大、使用工况复杂,对储能电池的安全和寿命特性都有很高的要求。
锂电池的老化是一个长期渐变的过程,电池的健康状态受温度、电流倍率、截止电压等多种因素影响。健康状态(State of Health,SOH)是锂离子电池安全性和稳定性的重要指标,其准确预测是电池管理系统运行的前提和关键技术之一,对电网安全和延长电池使用寿命至关重要,一直以来是研究的热点和难点问题。公开号为CN109444762A的中国专利申请,公开一种基于数据融合的锂离子电池健康状态估计方法,利用电池在稳定电流充电过程中的数据,采用数据融合的方法估计电池的健康状态,过程较为复杂,需要较长静置时间,不适合工程实际应用。
现有技术大多利用定义法进行电池健康状态(SOH)计算。SOH的定义一般为电池当前最大可用容量除以电池标称容量。在电池标称容量已知的条件下,只需得到电池当前时刻的最大可用容量,就可以计算得到电池的SOH,因此可以将电池从满电状态放电到截止电压,这个过程放出的容量就是电池当前时刻的最大可用容量。
现有技术具有以下缺点:
实用性差,定义法必须对电池进行完整的充放电后才能得到此时电池的最大可用电量,储能系统中电池数量多,不仅时间成本高,测试成本也高;同时,利用定义法进行电池健康状态计算,需将储能系统停机,影响整个系统的运行。
发明内容
本发明的目的在于提供一种电池状态评价方法及装置,以解决上述技术问题。
为了实现上述目的,本发明采用如下技术方案:
一种电池状态评价方法,包括:
测量待评价电池的SOC和对应的特征参数;输入对应SOC下的预先建立的定量关系模型,获得待评价电池的电池健康状态SOH。
本发明进一步的改进在于:所述特征参数在预选参数中筛选获得;具体筛选步骤包括:计算预选参数与电池健康状态SOH的关联度,大于或等于设定阈值的预选参数作为特征参数。
本发明进一步的改进在于:采用灰色关联度法计算预选参数与电池健康状态SOH的关联度。
本发明进一步的改进在于:所述设定阈值为95%。
本发明进一步的改进在于:通过测试电池的开路电压判断电池当前的SOC状态。
本发明进一步的改进在于:所述预选参数包括对应SOC下测试获得的电池交流阻抗谱中各频率下的实部、虚部、模值、相位角、等效电路拟合得到的各个等效元件的参数。
本发明进一步的改进在于:通过施加激励信号测得电池不同SOC下的交流阻抗谱。
本发明进一步的改进在于:激励信号为电流信号,激励电流大于0A,测试频率范围为10kHz-0.001Hz。
本发明进一步的改进在于:采用多频点叠加方法施加激励信号;所述多频点叠加方法具体包括:利用反傅里叶变换将多个频率的信号叠加为一个信号,经过电池以后,接收到一个叠加的信号,对这个信号进行傅里叶变换,得到多个频率下的数据,获得一个完整的交流阻抗谱。
本发明进一步的改进在于:通过以下步骤获得等效电路拟合得到的各个等效元件的参数:
建立等效电路,选取对应SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得对应SOC下等效电路的各个等效元件的参数;
所述数据组中的数据包括频率及其对应的实部和虚部。
本发明进一步的改进在于:等效线路由若干等效元件串并联构成;所述等效元件为电阻、电感、电容、常相位角元件、韦伯阻抗中一种或多种。
本发明进一步的改进在于:所述定量关系模型为反映特征参数与电池健康状态SOH之间关系的模型;所述定量关系模型通过多项式函数、指数函数或神经网络模型建模方法建立。
本发明进一步的改进在于:所述电池为锂电池。
本发明进一步的改进在于:所述电池处于工作状态或非工作状态。
一种电池状态评价装置,包括:
交流阻抗谱测试模块,用于对待评价电池施加激励信号,测得锂离子电池不同SOH下不同SOC下的交流阻抗谱;
等效电路拟合模块,用于选定等效电路结构并根据交流阻抗谱测试模块测试获得的交流阻抗谱数据进行拟合,获得等效电路在不同SOC下对应的各等效元件的参数;
状态评价模型模块,用于测量待评价电池的SOC和对应的特征参数;输入对应SOC下的预先建立的定量关系模型,获得待评价电池的电池健康状态SOH。
本发明进一步的改进在于:所述定量关系模型为反映特征参数与电池健康状态SOH之间关系的模型;所述特征参数在预选参数中筛选获得;具体筛选步骤包括:计算预选参数与电池健康状态SOH的关联度,大于或等于设定阈值的预选参数作为特征参数;所述预选参数来自交流阻抗谱和各等效元件的参数。
本发明进一步的改进在于:还包括:
显示模块,用于显示交流阻抗谱测试模块、等效电路拟合模块、状态评价模型模块中输入输出的数据。
本发明进一步的改进在于:所述定量关系模型通过多项式函数、指数函数或神经网络模型建模方法建立。
本发明进一步的改进在于:采用灰色关联度法计算预选参数与电池健康状态SOH的关联度。
本发明进一步的改进在于:所述预选参数包括对应SOC下测试获得的电池交流阻抗谱中各频率下的实部、虚部、模值、相位角、等效电路拟合得到的各个等效元件的参数。
本发明进一步的改进在于:交流阻抗谱测试模块采用多频点叠加方法施加激励信号;所述多频点叠加方法具体包括:利用反傅里叶变换将多个频率的信号叠加为一个信号,经过电池以后,接收到一个叠加的信号,对这个信号进行傅里叶变换,得到多个频率下的数据,获得一个完整的交流阻抗谱。
相对于现有技术,本发明具有以下有益效果:
本发明结合电化学交流阻抗技术和机器学习算法,提高电池状态评价准确度,对电池组均衡策略的调整提供技术支撑,同时,也能提高储能电站海量电池管理水平,准确把握电池在线响应特性,为储能系统长期安全运行提供技术保障,推迟电池退役时间,减少更换电池次数,降低公司运营成本;与现有技术相比,准确性更高,测试时间更短,普适性更高,可以推广到多种体系的电池。
本发明可以在运行状态对电池进行评估,不会造成储能系统停机停机,节省测试时间和成本。
本发明解决了常规电池状态评价方法准确性低、耗时长、成本高的难题,为在老化过程中电池状态发生变化后,均衡策略变差或失效提供解决方案。
截止到2019年年底,在各类电化学储能技术中,锂离子电池的累计装机量最大,为1378.3MW,且未来几年仍将保持一个高速增长的态势,潜在用户多,本发明应用前景广阔。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明提供一种电池状态评价方法的流程示意图;
图2为BP神经网络模型的结构示意图;
图3为本发明提供一种电池状态评价装置的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1
请参阅图1所示,本发明提供一种电池状态评价方法,用于评价电池工作状态的健康状态(SOH),包括以下步骤:
S1、测得工作状态锂离子电池同一SOH下不同荷电状态(State of Charge,SOC)下的交流阻抗谱;重复S1获得不同SOH下不同荷电状态(State of Charge,SOC)下的交流阻抗谱;
S2、建立等效电路,选取某一SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得该SOC下等效电路的各个等效元件的参数;重复该步骤,获得所有SOC下等效电路的各个等效元件的参数;所述数据组中的数据包括频率及其对应的实部和虚部;等效线路结构为电阻、电感、电容、常相位角元件、韦伯阻抗(等效元件)构成的串并联结构;
S3、选取同一SOC下,步骤S2拟合获得的各个等效元件的参数与步骤S1测量的交流阻抗谱中各频率下的实部、虚部、模值及相位角一起,共同构成状态评估的预选参数;利用灰色关联度法计算预选参数与电池健康状态SOH的关联度,选取关联度大于或等于95%的预选参数为特征参数;利用多项式函数、指数函数或神经网络模型建模方法,建立特征参数与电池健康状态SOH之间的定量关系模型;重复该步骤获得所有SOC下的定量关系模型;
S4、测量待评价电池工作状态下的SOC和对应的特征参数;输入对应SOC下的定量关系模型,输出待评价电池的电池健康状态SOH。
步骤S3中选用一种建模方法,或者多种建模方法建模后采用交叉验证的方法评估不同模型的准确性。
优选的,步骤S1中通过施加激励信号测得工作状态锂离子电池不同荷电状态(State ofcharge,SOC)下的交流阻抗谱;激励信号是电流信号,激励电流大于0A,测试频率范围为10kHz-0.001Hz。
传统方法测得锂离子电池交流阻抗谱需要不同频率依次测试,耗费时间较长;这对于工作状态下的锂离子电池测量带来极大不便;本发明为了解决该技术问题,利用多频点叠加技术:利用反傅里叶变换将多个频率的信号叠加为一个信号,经过电池以后,接收到一个叠加的信号,对这个信号进行傅里叶变换,得到多个频率下的数据,即一个完整的交流阻抗谱。测试时间由最低频率的时间决定,所以缩短了测试的时间。另外,根据计算的关联度,关联度高的参数对应的频率定为特征频率,在测试过程中可以只选择测试特征频率,可以有效减少测试时间,降低计算难度。
实施例2
请参阅图1所示,本发明提供一种电池状态评价方法,用于评价电池非工作状态的健康状态(SOH),包括以下步骤:
S1、测得非工作状态锂离子电池同一SOH下不同荷电状态(State of Charge,SOC)下的交流阻抗谱;重复S1获得不同SOH下不同荷电状态(State of Charge,SOC)下的交流阻抗谱;
S2、建立等效电路,选取某一SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得该SOC下等效电路的各个等效元件的参数;重复该步骤,获得所有SOC下等效电路的各个等效元件的参数;所述数据组中的数据包括频率及其对应的实部和虚部;
S3、选取同一SOC下,步骤S2拟合获得的各个等效元件的参数与步骤S1测量的交流阻抗谱中各频率下的实部、虚部、模值及相位角一起,共同构成状态评估的预选参数;利用灰色关联度法计算预选参数与电池健康状态SOH的关联度,选取关联度大于或等于95%的预选参数为特征参数;利用多项式函数、指数函数或神经网络模型建模方法,建立特征参数与电池健康状态SOH之间的定量关系模型;重复该步骤获得所有SOC下的定量关系模型;
S4、测量待评价电池非工作状态下的SOC和对应的特征参数;输入对应SOC下的定量关系模型,输出待评价电池的电池健康状态SOH。
实施例3
请参阅图1所示,本发明提供一种电池状态评价方法,用于评价电池非工作状态的健康状态(SOH),包括以下步骤:
S1、施加激励信号(激励电流大小为1A,频率为10kHz-0.001Hz)测得非工作状态锂离子电池不同SOH下不同荷电状态(State of Charge,SOC)下的交流阻抗谱;
S2、建立等效电路,选取某一SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得该SOC下等效电路的各个等效元件的参数;重复该步骤,获得所有SOC下等效电路的各个等效元件的参数;所述数据组中的数据包括频率及其对应的实部和虚部;
S3、选取同一SOC下,步骤S2拟合获得的各个等效元件的参数与步骤S1测量的交流阻抗谱中各频率下的实部、虚部、模值及相位角一起,共同构成状态评估的预选参数;利用灰色关联度法计算预选参数与电池健康状态SOH的关联度,选取关联度大于95%的预选参数为特征参数(交流阻抗的虚部、相位角和各个等效元件的参数);利用BP神经网络模型建模方法(请参阅图2所示,该BP神经网络包括1个输入层,1个隐含层,1个输出层),建立特征参数与电池健康状态SOH之间的定量关系模型,将特征参量作为BP神经网络的输入参数,与特征参量对应的SOH作为BP神经网络的输出参数,对BP神经网络进行训练,获得最终的定量关系模型;重复该步骤获得所有SOC下的定量关系模型;
S4、测量待评价电池工作状态下的SOC和对应的特征参数;输入对应SOC下的定量关系模型,输出待评价电池的电池健康状态SOH为95.2%;将电池进行恒流充放电,得到其放电容量,与初始容量相除,得到真实的SOH,用此数值进行模型验证;结果验证,电池的实际SOH为95.6%,误差为0.4%,SOH预测结果准确可靠。
实施例4
请参阅图3所示,本发明还提供一种电池状态评价装置,包括:交流阻抗谱测试模块、等效电路拟合模块、状态评价模型模块及显示模块。
交流阻抗谱测试模块,用于对待评价锂离子电池施加激励信号,测得锂离子电池不同SOH下不同荷电状态(State of Charge,SOC)下的交流阻抗谱。交流阻抗谱测试模块可对锂离子电池进行施加激励信号,可设置电流的大小,激励信号是电流信号,激励电流大于0A,测试频率范围为10kHz-0.001Hz。测试模式分为两种,一种为在测试频率范围内逐个扫描,另一种是多个频率点叠加为一个频率点进行测试,频率和频率数量可选择。交流阻抗谱测试模块可以选用电化学工作站或者其他测试装置。
等效电路拟合模块,用于选定等效电路结构并根据交流阻抗谱测试模块测试获得的交流阻抗谱数据进行拟合,获得等效电路中各等效元件的参数。等效电路拟合模块所选定的等效线路结构包括电阻、电感、电容、常相位角元件、韦伯阻抗(等效元件)的串并联结构,选定等效电路后可针对测得的交流阻抗谱数据进行拟合,并给出各个等效元件的参数。
状态评价模型模块,用于将实际测试的电池的特征参数输入预先建立的对应SOC下的定量关系模型,输出电池的当前的健康状态SOH;
显示模块,用于将上述模块中输入输出的部分显示,包括但不限于显示屏、远程显示等。
本发明采用以下方法预先建立定量关系模型:选取同一SOC下,将拟合获得的各个等效元件的参数与测量的交流阻抗谱中各频率下的实部、虚部、模值及相位角一起,共同构成状态评估的预选参数;利用灰色关联度法计算预选参数与电池健康状态SOH的关联度,选取关联度大于或等于95%的预选参数为特征参数;利用多项式函数、指数函数或神经网络模型建模方法,建立特征参数与电池健康状态SOH之间的定量关系模型;重复该步骤获得所有SOC下的定量关系模型。
本发明还一种电池状态评价装置的使用方法:
利用电池状态评价装置测得锂离子电池的交流阻抗谱,根据模型输入参数的类型,选择是否进行等效电路拟合。如果输入参数有等效元件参数,则进行等效电路拟合,并选择特征参数输入到模型中,经过计算,完成电池状态评价;如果输入参数只有某个或某几个频率下的实部、虚部、模值及相位角,则不需进行等效元件拟合,选取特征参数输入到模型中,经过计算完成电池状态评价。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (13)
1.一种电池状态评价方法,其特征在于,包括:
测量待评价电池的SOC和对应的特征参数;输入对应SOC下的预先建立的定量关系模型,获得待评价电池的电池健康状态SOH;
所述定量关系模型通过以下步骤获得:
测得待评价电池同一SOH下不同荷电状态下的交流阻抗谱;重复该步骤获得不同SOH下不同荷电状态下的交流阻抗谱;
建立等效电路,选取某一SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得该SOC下等效电路的各个等效元件的参数;重复该步骤,获得所有SOC下等效电路的各个等效元件的参数;
选取同一SOC下,拟合获得的各个等效元件的参数与测量的交流阻抗谱中各频率下的实部、虚部、模值及相位角一起,共同构成状态评估的预选参数;建立特征参数与电池健康状态SOH之间的定量关系模型;重复该步骤获得所有SOC下的定量关系模型;
所述特征参数在所述预选参数中筛选获得;具体筛选步骤包括:计算预选参数与电池健康状态SOH的关联度,大于或等于设定阈值的预选参数作为特征参数;
其中,采用多频点叠加方法施加激励信号测得电池不同SOC下的交流阻抗谱;所述多频点叠加方法具体包括:利用反傅里叶变换将多个频率的信号叠加为一个信号,经过电池以后,接收到一个叠加的信号,对这个信号进行傅里叶变换,得到多个频率下的数据,获得一个完整的交流阻抗谱。
2.根据权利要求1所述的一种电池状态评价方法,其特征在于,采用灰色关联度法计算预选参数与电池健康状态SOH的关联度。
3.根据权利要求1所述的一种电池状态评价方法,其特征在于,所述设定阈值为95%。
4.根据权利要求1所述的一种电池状态评价方法,其特征在于,激励信号为电流信号,激励电流大于0A,测试频率范围为10kHz-0.001Hz。
5.根据权利要求1所述的一种电池状态评价方法,其特征在于,通过以下步骤获得等效电路拟合得到的各个等效元件的参数:
建立等效电路,选取对应SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得对应SOC下等效电路的各个等效元件的参数;
所述数据组中的数据包括频率及其对应的实部和虚部。
6.根据权利要求1所述的一种电池状态评价方法,其特征在于,等效电路由若干等效元件串并联构成;所述等效元件为电阻、电感、电容、常相位角元件、韦伯阻抗中一种或多种。
7.根据权利要求1所述的一种电池状态评价方法,其特征在于,所述定量关系模型为反映特征参数与电池健康状态SOH之间关系的模型;所述定量关系模型通过多项式函数、指数函数或神经网络模型建模方法建立。
8.根据权利要求1所述的一种电池状态评价方法,其特征在于,所述电池为锂电池。
9.根据权利要求1所述的一种电池状态评价方法,其特征在于,所述电池处于工作状态或非工作状态。
10.一种电池状态评价装置,其特征在于,包括:
交流阻抗谱测试模块,用于对待评价电池施加激励信号,测得锂离子电池不同SOH下不同SOC下的交流阻抗谱;
等效电路拟合模块,用于选定等效电路结构并根据交流阻抗谱测试模块测试获得的交流阻抗谱数据进行拟合,获得等效电路在不同SOC下对应的各等效元件的参数;
状态评价模型模块,用于测量待评价电池的SOC和对应的特征参数;输入对应SOC下的预先建立的定量关系模型,获得待评价电池的电池健康状态SOH;
所述定量关系模型通过以下步骤获得:
测得待评价电池同一SOH下不同荷电状态下的交流阻抗谱;重复该步骤获得不同SOH下不同荷电状态下的交流阻抗谱;
建立等效电路,选取某一SOC下交流阻抗谱中的数据组输入等效电路进行拟合,获得该SOC下等效电路的各个等效元件的参数;重复该步骤,获得所有SOC下等效电路的各个等效元件的参数;
选取同一SOC下,拟合获得的各个等效元件的参数与测量的交流阻抗谱中各频率下的实部、虚部、模值及相位角一起,共同构成状态评估的预选参数;建立特征参数与电池健康状态SOH之间的定量关系模型;重复该步骤获得所有SOC下的定量关系模型;
所述特征参数在预选参数中筛选获得;具体筛选步骤包括:计算预选参数与电池健康状态SOH的关联度,大于或等于设定阈值的预选参数作为特征参数;
交流阻抗谱测试模块采用多频点叠加方法施加激励信号;所述多频点叠加方法具体包括:利用反傅里叶变换将多个频率的信号叠加为一个信号,经过电池以后,接收到一个叠加的信号,对这个信号进行傅里叶变换,得到多个频率下的数据,获得一个完整的交流阻抗谱。
11.根据权利要求10所述的一种电池状态评价装置,其特征在于,还包括:
显示模块,用于显示交流阻抗谱测试模块、等效电路拟合模块、状态评价模型模块中输入输出的数据。
12.根据权利要求10所述的一种电池状态评价装置,其特征在于,所述定量关系模型通过多项式函数、指数函数或神经网络模型建模方法建立。
13.根据权利要求10所述的一种电池状态评价装置,其特征在于,采用灰色关联度法计算预选参数与电池健康状态SOH的关联度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011342032.1A CN112147530B (zh) | 2020-11-26 | 2020-11-26 | 一种电池状态评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011342032.1A CN112147530B (zh) | 2020-11-26 | 2020-11-26 | 一种电池状态评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112147530A CN112147530A (zh) | 2020-12-29 |
CN112147530B true CN112147530B (zh) | 2021-03-02 |
Family
ID=73887341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011342032.1A Active CN112147530B (zh) | 2020-11-26 | 2020-11-26 | 一种电池状态评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112147530B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220100469A (ko) * | 2021-01-08 | 2022-07-15 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
DE102021116339A1 (de) | 2021-06-24 | 2022-12-29 | TWAICE Technologies GmbH | Alterungsmodellparametrierunq für Akkus |
CN113484784B (zh) * | 2021-06-24 | 2022-07-08 | 浙江大学 | 一种基于两点阻抗老化特征的锂电池在线老化诊断方法 |
CN114664392B (zh) * | 2022-05-26 | 2022-09-09 | 季华实验室 | 电化学参数预测方法、装置、电子设备及可读存储介质 |
CN115542186B (zh) * | 2022-11-30 | 2023-03-14 | 中国电力科学研究院有限公司 | 一种储能电池状态及一致性评价方法、装置、设备及介质 |
CN116953529B (zh) * | 2023-09-20 | 2023-11-21 | 佛山科学技术学院 | 一种基于数据融合的锂离子动力电池健康评估方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013519893A (ja) * | 2010-02-17 | 2013-05-30 | イエフペ エネルジ ヌヴェル | 電気化学インピーダンス分光法によるその場での電池の診断方法 |
CN107037363A (zh) * | 2016-10-28 | 2017-08-11 | 四川普力科技有限公司 | 一种基于状态滤波的电池交流阻抗谱测量方法 |
CN109143108A (zh) * | 2018-07-25 | 2019-01-04 | 合肥工业大学 | 一种基于电化学阻抗谱的锂离子电池soh的估计方法 |
CN109596993A (zh) * | 2018-12-29 | 2019-04-09 | 中国电力科学研究院有限公司 | 锂离子电池荷电状态检测的方法 |
CN109633452A (zh) * | 2018-12-24 | 2019-04-16 | 广东省智能制造研究所 | 一种电池健康度检测方法及检测装置 |
CN110398697A (zh) * | 2019-07-23 | 2019-11-01 | 北京工业大学 | 一种基于充电过程的锂离子健康状态估计方法 |
CN110703121A (zh) * | 2019-11-08 | 2020-01-17 | 北京化工大学 | 一种锂离子电池健康状态预测方法 |
-
2020
- 2020-11-26 CN CN202011342032.1A patent/CN112147530B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013519893A (ja) * | 2010-02-17 | 2013-05-30 | イエフペ エネルジ ヌヴェル | 電気化学インピーダンス分光法によるその場での電池の診断方法 |
CN107037363A (zh) * | 2016-10-28 | 2017-08-11 | 四川普力科技有限公司 | 一种基于状态滤波的电池交流阻抗谱测量方法 |
CN109143108A (zh) * | 2018-07-25 | 2019-01-04 | 合肥工业大学 | 一种基于电化学阻抗谱的锂离子电池soh的估计方法 |
CN109633452A (zh) * | 2018-12-24 | 2019-04-16 | 广东省智能制造研究所 | 一种电池健康度检测方法及检测装置 |
CN109596993A (zh) * | 2018-12-29 | 2019-04-09 | 中国电力科学研究院有限公司 | 锂离子电池荷电状态检测的方法 |
CN110398697A (zh) * | 2019-07-23 | 2019-11-01 | 北京工业大学 | 一种基于充电过程的锂离子健康状态估计方法 |
CN110703121A (zh) * | 2019-11-08 | 2020-01-17 | 北京化工大学 | 一种锂离子电池健康状态预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112147530A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112147530B (zh) | 一种电池状态评价方法及装置 | |
Zhu et al. | A state of charge estimation method for lithium-ion batteries based on fractional order adaptive extended kalman filter | |
CN102590751B (zh) | 动力电池包一致性评估方法和装置 | |
CN102540084B (zh) | 实时确定可充电蓄电池设备状态的方法 | |
CN105807226B (zh) | 基于等效电路模型的锂离子电池soc预测方法及装置 | |
CN111142027A (zh) | 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 | |
JP2013519893A (ja) | 電気化学インピーダンス分光法によるその場での電池の診断方法 | |
CN110221222A (zh) | 电池安全截止电压预测方法、装置及电池管理系统 | |
KR20180014562A (ko) | Wls 기반 soh 추정 시스템 및 방법 | |
CN111812536A (zh) | 一种退役动力电池残值快速评估方法 | |
CN104965179A (zh) | 一种锂离子蓄电池的温度组合电路模型及其参数识别方法 | |
Li et al. | The lithium-ion battery state-of-charge estimation using random forest regression | |
Zhu et al. | The SOH estimation of LiFePO4 battery based on internal resistance with Grey Markov Chain | |
CN115542186B (zh) | 一种储能电池状态及一致性评价方法、装置、设备及介质 | |
CN111679215A (zh) | 锂电池实时分选方法、装置、设备及存储介质 | |
CN114264964B (zh) | 一种电池容量评估的方法、装置、设备及介质 | |
CN104931893B (zh) | 适于参数不一致性明显的大规模电池组建模方法 | |
KR20150045600A (ko) | 배터리 시험기 및 그 제어방법 | |
CN109490790A (zh) | 采用补偿脉冲法的锂动力电池功率特性测试方法及装置 | |
CN114675187A (zh) | 一种物理机理和机器学习融合的锂离子电池寿命预测方法 | |
CN111487535B (zh) | 一种液态金属电池双等效电路模型的参数获取及切换方法 | |
CN108845267A (zh) | 一种动力电池的数据处理方法和装置 | |
Lyu et al. | Research on the performance evaluation of lithiumion battery cascade utilization based on impedance spectrum | |
CN115318683A (zh) | 一种整包电池的筛选方法和装置 | |
KR102471890B1 (ko) | 배터리 팩의 시뮬레이션 방법 |
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 |