CN112462286A - 一种基于能量对锂电池健康状态的估计方法 - Google Patents
一种基于能量对锂电池健康状态的估计方法 Download PDFInfo
- Publication number
- CN112462286A CN112462286A CN202011089051.8A CN202011089051A CN112462286A CN 112462286 A CN112462286 A CN 112462286A CN 202011089051 A CN202011089051 A CN 202011089051A CN 112462286 A CN112462286 A CN 112462286A
- Authority
- CN
- China
- Prior art keywords
- energy
- curve
- soh
- battery
- value
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于能量对锂电池健康状态估计的方法。包括:S1:基于能量对SOH进行定义;S2:对电池样本进行全区间SOC充放电循环测试;S3:根据单次释放的能量,得到可用能量随循环次数的关系曲线,计算累计剩余能量,由定义算得SOH作为基准值;S4:线性曲线中的ENK’用原真实曲线实际值ENK进行替代,结合相似三角形原理找到能量与SOH的关系式;S5:在原线性曲线的基础上对其进行改进,找到可使(E‑E’)的误差达到局部极小值的新曲线,在已知部分数据的情况下,通过插值法确定不同可用能量的N值,由N值对应原能量ENK,线性曲线向上平移获得新曲线;S6:调整后的曲线带入能量与SOH关系式求得SOH。
Description
技术领域
本发明属于锂离子电池技术领域,具体涉及一种基于能量对锂电池健康状态的估计方法。
背景技术
随着经济的高速发展,引起了社会巨大的能源消耗,为了解决能源短缺、环境污染的社会危机,发展新能源已显得刻不容缓,新能源汽车的研究也随之日渐发展。大力发展新能源汽车,建设安全、高效、清洁、经济、稳定的能源消费结构是实现社会可持续发展的重要举措。锂离子电池因其具有自放电率低、能量密度高、循环寿命长、无记忆效应等显著优势,被广泛运用于电池储能领域方面,成为新能源汽车系统的关键技术之一。随着电动汽车使用数量的日益增加,能够准确预测电池的健康状态(SOH)成为人们密切关注的焦点,迄今为止,SOH的衰退轨迹预测仍是现阶段研究的难点。
对电池SOH常用的估计方法有定义法、电化学阻抗谱分析法、智能算法等,其中电化学阻抗谱分析法需采集电池内部参数需要专用设备对不同频率下的电池交流阻抗谱进行分析,参数分析过程复杂。智能算法主要有卡尔曼滤波法、粒子滤波法、支持向量机和人工神经网络法等,这些方法对于模型的精度要求都比较高,需要大量的数据进行算法分析。故而在研究中以电池不同的特征参数来定义SOH的方法值得进行深入研究。迄今为止,对于SOH的定义还没有严格的规定,目前存在多种角度来对电池SOH进行研究的方法,运用其不同的特征参数来表征电池的健康状态,比如:容量角度、内阻角度以及功率角度等等,但这些参数都不能直接反映出电动汽车的续驶里程,故而本发明提出了一种新型的估计电池健康状态的方法,主要基于能量参数表征电池健康状态进而对SOH进行估计,具有较高的可行性和优越性。
发明内容
为了解决上述问题,本发明提出了一种基于能量对锂电池健康状态的估计方法,其技术方案如下:
一种基于能量对锂电池健康状态的估计方法,包含以下步骤:
步骤1:基于能量对SOH进行定义,以累计剩余能量∑ER与全生命周期累计能量∑ETotal的比值来表征电池SOH;
步骤2:对电池样本进行全区间SOC充放电循环测试,记录单次释放的容量、能量,容量衰退到初始值的70%,实验截止;
步骤3:根据单次释放的能量,得到可用能量随循环次数的关系曲线E=f(N)作为真实曲线,计算累计剩余能量,使用步骤1中对SOH的定义进行计算,得到SOH作为基准值,与SOH的估计值进行对比分析;
步骤4:运用以直代曲思想线性化真实曲线,得到线性曲线,线性曲线中的ENK’用真实曲线中的实际值ENK进行替代,结合数学相似三角形原理找到能量与SOH的关系式;
步骤5:在步骤4所述的线性曲线的基础上进行改进,找到使(E-E’)的误差△E达到局部极小值的新曲线,在已知部分循环次数所对应的能量数据的情况下,通过插值法确定不同可用能量的N值,由N值对应原能量ENK,线性曲线上平移(ENK-ENK’)/2获得新曲线;
步骤6:将新曲线再次带入能量与SOH的关系式,求得SOH。
在上述方案的基础上,步骤1具体包括如下步骤:
步骤101:计算电池累计剩余能量;
步骤102:计算电池总的累计可用能量;
在上述方案的基础上,步骤2具体包括如下步骤:
步骤201:容量、能量标定,得到初始容量和初始能量;
步骤202:标准工况下,恒流恒压充满电至截止电压,充分静置,恒流放电至截止电压,充分静置,记录单次释放的容量、能量;
步骤203:重复步骤202步骤,每100次对电池做一次性能测试,容量衰减至初始容量的70%时,测试截止。
在上述方案的基础上,步骤4具体包括如下步骤:
步骤401:获得电池可用能量与循环次数关系曲线E=f(N);
步骤402:连接曲线E=f(N)的起始值与终止值,得到线性曲线代替原真实曲线;
步骤403:作辅助线,利用数学相似三角形原理,得到能量与SOH的关系式。
在上述方案的基础上,步骤5具体包括如下步骤:
步骤501:获得部分整百数据,所述整百数据为循环次数在整百下对应的能量数据,通过插值法确定任意不同可用能量所对应的循环次数N值;
步骤502:由N值得到其对应的原能量值ENK,将之前所得线性曲线向上平移(ENK-ENK’)/2,获得新曲线。
在步骤1-5的基础上,对电池SOH进行了以能量为表征参数的定义,依次记录了电池单次释放的可用能量,由单次可用能量累加计算得到电池累计可用能量,获得累计剩余能量与循环次数的关系曲线。采用以直代曲思想近似线性化真实曲线,利用数学相似三角形原理得到能量与SOH的关系式,最终可用K次循环下的可用能量与初始、截止能量参数来估计电池的健康状态。因为真实曲线为近似线性的凸函数,故而为了减小估计误差,在已知部分整百数据下,对原近似曲线添加补偿函数,即对其进行平移获得(E-E’)的误差△E达到局部极小值的新曲线。
所述步骤1中对电池的健康状态进行定义,基于能量的角度,采用累计剩余能量∑ER与全生命周期累计可用能量∑ETotal比值定义SOH。
所述步骤2中对电池进行充放电实验,做全区间循环测试,记录电池每次释放的可用能量以及累计可用能量。
所述步骤3中计算电池SOH的基准值,通过测试得到单次可用能量,获得E=f(N)曲线,累加获得累计可用能量,由定义确定SOH基准值。
所述步骤4中计算电池在不同循环次数下的健康状态。根据E=f(N)关系曲线,所围成面积为累计可用能量,通过面积比值估计SOH,通过线性化曲线,得到相似三角形,根据不同的循环次数下的ENK,由相似三角形中面积比为相似比的平方,得到能量与SOH的关系式。
所述步骤5中在线性曲线的基础上对其进行改进,找到使(E-E’)的误差△E达到局部极小值的新曲线,在已知部分数据的情况下,通过插值法确定不同可用能量的N值,由N值对应原能量ENK,再由线性曲线向上平移(ENK-ENK’)/2获得新曲线。
所述步骤6中获得调整后的新曲线,仍然可以运用数学相似三角形原理,带入能量与SOH关系式,得到SOH。
本发明的有益效果如下:
本发明提供了一种基于能量对锂电池健康状态的估计方法,主要基于能量角度对电池健康状态提出新型定义方法,并且设计了一种估计SOH的方法,操作比较简单,有一定的准确性。通过对电池进行大量的充放电循环测试实验,记录单次释放的可用能量,得到可用能量与循环次数E=f(N)的关系曲线,根据单次可用能量获得累计可用能量,计算可得SOH基准值,根据提出的相似三角形方法得到能量与SOH之间的关系式,由初始、截止能量以及当下经过K次循环的可用能量可以估计出电池的健康状态,随着使用循环次数的增加,可用能量ENK发生实时变化,实时估计电池的健康状态,从而对电池进行合理的充放电操作以及更新,减少使用事故的发生;同时对电池SOH衰退轨迹的预测,可以预测其老化趋势,对电池使用的合理方案制定具有重要意义。
此外,本发明提出以能量为表征参数来对电池的健康状态进行估计,可直接反映出电动汽车的续驶里程,使得预测方法具有更强的使用价值。
附图说明
本发明有如下附图:
图1本发明方法的流程框图;
图2本发明方法电池可用能量与循环次数关系曲线图;
图3本发明方法电池累计可用能量随循环次数变化曲线图;
图4本发明方法计算锂离子电池SOH随循环次数关系曲线图;
图5本发明方法近似化线性可用能量随循环次数关系曲线图;
图6本发明方法电池近似曲线相似三角形关系图;
图7本发明方法电池相似三角形估计SOH与真实值对比曲线图;
图8本发明方法电池改进相似三角形估计SOH与真实值对比曲线图;
具体实施方式
下面结合附图1~8对本发明作进一步说明:
一种基于能量对锂电池健康状态的估计方法,包含以下步骤:
步骤1:基于能量对SOH进行定义,以累计剩余能量∑ER与全生命周期累计能量∑ETotal的比值来表征电池SOH。
步骤101:计算电池累计剩余能量;
步骤102:计算电池总的累计可用能量;
步骤2:对电池样本进行全区间SOC充放电循环测试。
所述全区间电池充放电循环测试,具体过程如下:
步骤201:容量、能量标定,得到初始容量和初始能量;
步骤202:标准工况下,恒流恒压充满电至截止电压,充分静置,恒流放电至截止电压,充分静置,记录每次释放的容量、能量;
步骤203:重复步骤202步骤,每100次对电池做一次性能测试,容量衰减至初始容量的70%时,测试截止。
步骤3:根据单次释放的能量,图2示例中得到可用能量随循环次数的关系曲线E=f(N),计算得到累计剩余能量,图3示例获得累计剩余能量随循环次数关系曲线,由定义算得SOH作为基准值,图4示例SOH基准值的真实关系曲线。
步骤4:运用以直代曲思想线性化真实曲线,曲线中的ENK’用原真实曲线实际值ENK替代,结合数学相似三角形原理找到能量与SOH的关系式。实际应用过程中,想要直接获得E=f(N)的函数关系式比较困难,故而图5示例中将能量变化曲线用直线进行近似代替变换,将图中的ENK’用原实际值ENK替代,图6示例中将该能量曲线近似图像转化为数学意义的相似三角形图像,运用数学相似三角形的定理,即相似三角形的面积之比等于其对应边长比的平方,运用解三角形方法找到SOH与能量之间的对应关系。作辅助三角形X1,图中X1、X2、X3分别代表其对应的面积,表示不同循环次数对应的累计可用能量。
图7示例中,用该相似三角形方法估计电池SOH与真实值进行对比。
优势1:通过线性转换,体现可用能量的衰减趋势,更容易找到函数关系;
优势2:根据不同循环次数下的可用能量可实时更新估计电池的健康状态。
步骤5:在线性曲线的基础上对其进行改进,找到可使(E-E’)的误差△E达到局部极小值的新曲线,在已知部分数据的情况下,通过插值法确定不同可用能量的N值,由N值对应原能量ENK,线性曲线再向上平移(ENK-ENK’)/2获得新曲线。
优势1:无需全部数据进行拟合,减小计算量;
优势2:可根据不同的可用能量进行实时更新,确定调整后曲线,从而提高误差精度。
步骤6:调整后的曲线仍可运用数学相似三角形原理,带入能量与SOH关系式,求得SOH。
图8示例中,改进之后的相似三角形估计电池SOH与真实值对比。
显然,本发明的举例(包括测试结果展示,全区间循环性能测试,静置时间,数据采样间隔等)仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术和名词。
Claims (5)
1.一种基于能量对锂电池健康状态的估计方法,其特征在于,包含以下步骤:
步骤1:基于能量对SOH进行定义,以累计剩余能量∑ER与全生命周期累计能量∑ETotal的比值来表征电池SOH;
步骤2:对电池样本进行全区间SOC充放电循环测试,记录单次释放的容量、能量,容量衰退到初始值的70%,实验截止;
步骤3:根据单次释放的能量,得到可用能量随循环次数的关系曲线E=f(N)作为真实曲线,计算累计剩余能量,使用步骤1中对SOH的定义进行计算,得到SOH作为基准值,与SOH的估计值进行对比分析;
步骤4:运用以直代曲思想线性化真实曲线,得到线性曲线,线性曲线中的ENK’用真实曲线中的实际值ENK进行替代,结合数学相似三角形原理找到能量与SOH的关系式;
步骤5:在步骤4所述的线性曲线的基础上进行改进,找到使(E-E’)的误差△E达到局部极小值的新曲线,在已知部分循环次数所对应的能量数据的情况下,通过插值法确定不同可用能量的N值,由N值对应原能量ENK,线性曲线上平移(ENK-ENK’)/2获得新曲线;
步骤6:将新曲线再次带入能量与SOH的关系式,求得SOH。
3.如权利要求2所述的基于能量对锂电池健康状态的估计方法,其特征在于,步骤2具体包括如下步骤:
步骤201:容量、能量标定,得到初始容量和初始能量;
步骤202:标准工况下,恒流恒压充满电至截止电压,充分静置,恒流放电至截止电压,充分静置,记录单次释放的容量、能量;
步骤203:重复步骤202步骤,每100次对电池做一次性能测试,容量衰减至初始容量的70%时,测试截止。
4.如权利要求3所述的基于能量对锂电池健康状态的估计方法,其特征在于,步骤4具体包括如下步骤:
步骤401:获得电池可用能量与循环次数关系曲线E=f(N);
步骤402:连接曲线E=f(N)的起始值与终止值,得到线性曲线代替原真实曲线;
步骤403:作辅助线,利用数学相似三角形原理,得到能量与SOH的关系式。
5.如权利要求4所述的基于能量对锂电池健康状态的估计方法,其特征在于,步骤5具体包括如下步骤:
步骤501:获得部分整百数据,所述整百数据为循环次数在整百下对应的能量数据,通过插值法确定任意不同可用能量所对应的循环次数N值;
步骤502:由N值得到其对应的原能量值ENK,将之前所得线性曲线向上平移(ENK-ENK’)/2,获得新曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089051.8A CN112462286A (zh) | 2020-10-13 | 2020-10-13 | 一种基于能量对锂电池健康状态的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089051.8A CN112462286A (zh) | 2020-10-13 | 2020-10-13 | 一种基于能量对锂电池健康状态的估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112462286A true CN112462286A (zh) | 2021-03-09 |
Family
ID=74833022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011089051.8A Pending CN112462286A (zh) | 2020-10-13 | 2020-10-13 | 一种基于能量对锂电池健康状态的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462286A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502859A (zh) * | 2014-12-31 | 2015-04-08 | 清华大学深圳研究生院 | 电池荷电量及电池健康状态的检测、诊断方法 |
CN107024664A (zh) * | 2017-04-01 | 2017-08-08 | 湖南银杏数据科技有限公司 | 基于恒流充电片段的锂电池剩余寿命快速预测法 |
CN107045105A (zh) * | 2016-11-29 | 2017-08-15 | 北京交通大学 | 一种锂离子电池组可用能量计算方法 |
CN107064800A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 锂离子电池剩余使用寿命的实时预测方法 |
CN107271913A (zh) * | 2017-06-28 | 2017-10-20 | 北京工业大学 | 一种应用于动力电池剩余容量预测的方法 |
CN109444762A (zh) * | 2018-10-28 | 2019-03-08 | 北京工业大学 | 一种基于数据融合的锂离子电池健康状态估计方法 |
-
2020
- 2020-10-13 CN CN202011089051.8A patent/CN112462286A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502859A (zh) * | 2014-12-31 | 2015-04-08 | 清华大学深圳研究生院 | 电池荷电量及电池健康状态的检测、诊断方法 |
CN107045105A (zh) * | 2016-11-29 | 2017-08-15 | 北京交通大学 | 一种锂离子电池组可用能量计算方法 |
CN107064800A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 锂离子电池剩余使用寿命的实时预测方法 |
CN107024664A (zh) * | 2017-04-01 | 2017-08-08 | 湖南银杏数据科技有限公司 | 基于恒流充电片段的锂电池剩余寿命快速预测法 |
CN107271913A (zh) * | 2017-06-28 | 2017-10-20 | 北京工业大学 | 一种应用于动力电池剩余容量预测的方法 |
CN109444762A (zh) * | 2018-10-28 | 2019-03-08 | 北京工业大学 | 一种基于数据融合的锂离子电池健康状态估计方法 |
Non-Patent Citations (6)
Title |
---|
冯能莲;陈龙科;汤杰;: "锂离子电池健康状态估计方法", 北京工业大学学报, no. 11 * |
孙豪豪;潘庭龙;吴定会;: "基于互信息选择特征向量的锂离池SOH估计", 控制工程, no. 04 * |
宾洋;于静美;朱英凯;徐鸿飞;罗文广;朱书善;: "实时雨流计数法及其在钴酸锂电池健康状态建模中的应用", 中国电机工程学报, no. 12 * |
罗勇;祁朋伟;黄欢;王佳男;王毅;李沛然;: "基于容量修正的安时积分SOC估算方法研究", 汽车工程, no. 05 * |
贠海涛;董心;曹爱霞;谢建新;王成振;赵玉兰;王新刚;: "铅酸蓄电池剩余电量和健康状况估计方法", 济南大学学报(自然科学版), no. 04, pages 352 - 357 * |
郭琦沛;张彩萍;高洋;姜久春;姜研;: "基于容量增量曲线的三元锂离子电池健康状态估计方法", 全球能源互联网, no. 02 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vasebi et al. | A novel combined battery model for state-of-charge estimation in lead-acid batteries based on extended Kalman filter for hybrid electric vehicle applications | |
CN110286332B (zh) | 一种基于多新息理论的电动汽车动力电池soc估计方法 | |
Sun et al. | Overview of the types of battery models | |
CN111398833B (zh) | 一种电池健康状态评估方法 | |
CN102937704B (zh) | 一种动力电池rc等效模型的辨识方法 | |
CN109557477B (zh) | 一种电池系统健康状态估算方法 | |
CN110488204B (zh) | 一种储能元件soh-soc联合在线估计方法 | |
CN111856178B (zh) | 一种基于锂离子电容器电化学特征的soc分区估计方法 | |
CN106772104B (zh) | 一种动力电池soc值估算方法 | |
CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
CN111352032A (zh) | 一种锂电池动态峰值功率预测方法 | |
CN112557907A (zh) | 一种基于gru-rnn的电动汽车锂离子电池的soc估计方法 | |
Li et al. | A novel state estimation approach based on adaptive unscented Kalman filter for electric vehicles | |
CN111308356A (zh) | 一种带加权的安时积分的soc估算方法 | |
Cai et al. | Research state of charge estimation tactics of nickel-hydrogen battery | |
CN105572596A (zh) | 锂电池soc估算方法及系统 | |
CN105223512A (zh) | 基于电池特性的动态矫正剩余电量的方法 | |
CN113640674B (zh) | 基于优化高斯过程回归的锂离子电池可用容量估计方法 | |
CN112098874A (zh) | 一种考虑老化情况下的锂离子电池电量预测方法 | |
CN110850322B (zh) | 一种基于小波信号分解的电池相对健康状态估计方法 | |
Wang et al. | Lithium-ion battery security guaranteeing method study based on the state of charge estimation | |
CN116609676A (zh) | 一种基于大数据处理的混合储能电池状态监控方法及系统 | |
CN114779087A (zh) | 一种基于相关性分析与vmd-lstm的锂离子电池剩余使用寿命预测方法 | |
Huang et al. | Estimation of maximum available capacity of lithium-ion battery based on multi-view features extracted from reconstructed charging curve | |
CN113296010B (zh) | 一种基于差分电压分析的电池健康状态在线评估方法 |
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 |