CN112462288B - 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 - Google Patents
一种基于电池表面温度变化值的锂离子电池健康状态估算方法 Download PDFInfo
- Publication number
- CN112462288B CN112462288B CN202011136211.XA CN202011136211A CN112462288B CN 112462288 B CN112462288 B CN 112462288B CN 202011136211 A CN202011136211 A CN 202011136211A CN 112462288 B CN112462288 B CN 112462288B
- Authority
- CN
- China
- Prior art keywords
- battery
- surface temperature
- value
- voltage interval
- voltage
- 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
- 230000036541 health Effects 0.000 title claims abstract description 50
- 230000008859 change Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 25
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 13
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 13
- 238000010277 constant-current charging Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000032683 aging Effects 0.000 claims description 13
- 210000004027 cell Anatomy 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 13
- 230000007423 decrease Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000011149 active material Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于电池表面温度变化值的锂离子电池健康状态估算方法,包括:离线获取电池差分温度曲线;确定电压区间;建立电压区间内电池表面温度变化值与电池健康状态的相关性关系;实时测量监控电池的表面温度和端电压值;计算对应于电压区间上、下限值的电池表面温度平均值;计算电压区间内电池表面温度变化值;根据电池表面温度变化值估算电池的健康状态。本发明提出的估算方法具有以下3点优势:(1)仅需要在恒流充电过程中存储有限长度的电池表面温度值,变量易于获取,且对控制器存储空间的要求较低;(2)不需要复杂的滤波处理算法,执行简单;(3)采用的电池表面温度变化值可以准确有效表征宽范围的电池健康状态。
Description
技术领域
本发明涉及电池技术领域,尤其涉及一种基于电池表面温度变化值的锂离子电池健康状态估算方法。
背景技术
动力电池作为新能源汽车动力驱动的关键储能部件,其性能对整车的动力性、经济性和安全性至关重要,是制约电动汽车规模发展的瓶颈。为了最大限度地发挥电池系统的性能并保障电池使用的安全可靠,对电池进行有效管理至关重要,而准确获得电池的健康状态(state-of-health,SoH)是电池管理的核心技术之一。
研究表明,随着充放电循环的增加,电池中电极和电解质中活性物质的分解损失,导致电池的容量逐渐衰减。然而,由于锂离子电池内部的很多电化学反应较为复杂,且耦合同时进行,具有很强的时变非线性,使得对电池的健康状态,特别是容量衰减状态进行准确、高效地估算具有一定的挑战性。
发明内容
本发明为了解决上述问题,提供了一种基于电池表面温度变化值的锂离子电池健康状态估算方法,该估算方法在电池恒流充电过程中,根据一定电压区间内电池表面温度的变化值对电池的容量衰减状态进行准确地在线估算,从而实现了电池系统的高效安全运行。
本发明通过如下技术方案实现。
本发明提供了一种基于电池表面温度变化值的锂离子电池健康状态估算方法,所述方法包括以下步骤:
S1,根据老化测试数据,获取电池在不同健康状态下的恒流充电阶段差分温度曲线;
S2,根据电池的恒流充电阶段差分温度曲线,确定电压区间;
S3,建立步骤S2中所确定的电压区间内电池表面温度变化值与电池健康状态的相关性关系;
S4,在电池进行恒流充电时,实时测量监控电池的表面温度和端电压值;
S5,当电池端电压到达步骤S2中所确定的电压区间下限值时,计算并存储对应的电池表面温度平均值;
S6,当电池端电压到达步骤S2中所确定的电压区间上限值时,计算并存储对应的电池表面温度平均值;
S7,计算对应步骤S2中所确定的电压区间内电池表面温度变化值;
S8,将步骤S7中获取的电池表面温度变化值代入步骤S3中所建立的电池表面温度变化值与电池健康状态的相关性关系,估算电池的健康状态。
所述的步骤S1中,电池健康状态的表达式为:
其中,SoH为电池的健康状态,Ccap,0为电池的标称容量,Ccap,num为在经历不同老化循环后测量所得的电池实际容量,num为电池所经历的老化循环的次数。
所述的步骤S1中,根据电池老化测试中采集得到的恒流充电阶段时间、电池表面温度以及端电压数据,通过设定时间间隔以及采用Savitzky-Golay滤波算法,以电池端电压为横坐标,通过Savitzky-Golay滤波后得到的差分温度为纵坐标,获得电池在不同健康状态下的恒流充电阶段差分温度曲线。
所述的步骤S1中,电池差分温度的离散化表达式为:
其中,为第k个采样点的电池差分温度;Tk和Tk-1分别为第k和k-1个采样点的电池表面温度;Vk和Vk-1分别为第k和k-1个采样点的电池端电压;tk和tk-1分别为第k和k-1个采样点的时间值;tk-tk-1为设定的时间间隔值。
所述的步骤S3中,电池表面温度变化值与电池健康状态的相关性关系表达式为:
其中,ΔT为对应电压区间的电池表面温度变化值,aj,i为相关性关系的系数,n为相关性关系的阶数,j为分段函数段数,ΔT1,j和ΔT2,j分别为第j段函数定义区间的下限值和上限值。
所述的步骤S4中,电池表面温度以先进先出的方式更新存储至大小为1×m的一维数组中。
所述的步骤S5和S6中,对应于电压区间下限值和上限值的电池表面温度平均值计算表达式为:
其中,和/>分别为对应于电压区间下限值和上限值的电池表面温度平均值,Vlim,1和Vlim,2分别为步骤S2中确定的电压区间下限值和上限值;/>和/>l=0,1,...,m分别为当电池端电压达到电压区间下限值和上限值时数组中存储的m组电池表面温度值。
所述的步骤S7中,电压区间内电池表面温度变化值的计算表达式为:
与现有技术相比,本发明具有如下优点和有益效果:
1.本发明提供的估算方法仅需要在恒流充电过程中存储有限长度的电池表面温度值,变量易于获取,且对控制器存储空间的要求较低;
2.本发明在线估算时不需要复杂的滤波处理算法,执行简单;
3.本发明所采用的电池表面温度变化值可以准确有效表征更宽范围的电池健康状态。
附图说明
图1为本发明估计算法的流程图。
图2为电池在不同健康状态下的恒流充电阶段差分温度曲线图。
图3为一定电压区间内电池表面温度变化值与电池健康状态之间的相关性关系图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种基于电池表面温度变化值的锂离子电池健康状态估算方法,用于在线估算电池的容量值,从而实现对电池系统的高效安全管理。
一种基于电池表面温度变化值的锂离子电池健康状态估算方法流程如图1所示,该方法主要分为2个部分;第1个部分为离线分析部分,第2个部分为在线估算部分;下面将对2个部分分别作进一步说明。
所述的离线分析部分包括如下步骤:
1)根据老化测试数据,获取电池在不同健康状态下的恒流充电阶段差分温度曲线;
本发明实施例中所使用的电池为标称容量为2Ah的三元锂离子电池,恒流充放电电流分别为1.5A和2A,实际应用中并不限于此,老化测试在室温下进行;
离线分析部分步骤1)中,电池健康状态的表达式为:
其中,SoH为电池的健康状态,Ccap,0为电池的标称容量,Ccap,num为在经历不同老化循环后测量所得的电池实际容量,num为电池所经历的老化循环的次数;
离线分析部分步骤1)中,电池在恒流充电阶段的差分温度定义为极小的电池端电压变化间隔内电池表面温度的变化量,通常可以表达为如下形式:
其中,为第k个采样点的电池差分温度;Tk和Tk-1分别为第k和k-1个采样点的电池表面温度;Vk和Vk-1分别为第k和k-1个采样点的电池端电压;Vk-Vk-1为电池端电压的变化间隔;tk和tk-1分别为第k和k-1个采样点的时间值;tk-tk-1为设定的时间间隔值;
通常情况下,测量所得温度和电压数据中包含有噪声量。若电池端电压间隔量过小,则会由于微分运算放大噪声的影响。相反,若电池端电压间隔量过大,所得差分温度曲线中则会丢失有用信息。在恒流充电阶段,电池端电压的变化间隔与时间间隔值正比例相关,因此,可以通过设定合适的时间间隔值对差分温度曲线进行初步滤波,本发明实施例中将时间间隔设定为120秒;
离线分析部分步骤1)中,为了进一步降低噪声的影响并保持曲线中的有效信息,采用Savitzky-Golay滤波算法,该算法过程可参考发明专利(CN 109782728 A)中方法进行求解,以电池端电压为横坐标,通过Savitzky-Golay滤波后得到的差分温度为纵坐标,获得电池在不同健康状态下的恒流充电阶段差分温度曲线;
基于本发明实施例中所采用的电池得到的不同健康状态下的恒流充电阶段电池差分温度曲线如图2所示。由图2可以看出,曲线光滑无过多噪声,且曲线中存在2个波谷和1个波峰,分别为第一波谷、第二波谷和两个波谷之间的波峰。
2)根据电池的恒流充电阶段差分温度曲线,确定电压区间;
由图2可以看出,随着电池健康状态的降低(即容量的衰减),第一波谷和波峰的位置整体向右移动,波峰的高度逐渐降低,波峰的面积逐渐减少,且第二波谷的高度逐渐升高。但是,当电池的SoH低于75%时,波峰与第二波谷逐渐融合在一起,导致波峰的高度和位置,以及第二波谷的高度难以从电池差分温度曲线中提取出来。而波峰的面积由于综合表征了波峰的位置和高度,在电池的老化过程中保持逐渐减少。在电池差分温度曲线中,波峰的面积可以等效为对应电压区间内电池的表面温度变化值,如下式所示:
其中,A为波峰的面积,Vlim,1和Vlim,2分别为电压区间下限值和上限值,和/>分别为对应于电压区间下限值和上限值的电池表面温度值;
因此,选择对应于电压区间[Vlim,1,Vlim,2]的电池表面温度变化值作为表征电池健康状态的特征变量;离线分析部分步骤2)中,本发明实施例中根据离线分析部分步骤1)中所得的电池在不同健康状态下的恒流充电阶段差分温度曲线,确定电压区间为[3.925V,4.065V]。
3)建立离线分析部分步骤2)中所确定的电压区间内电池表面温度变化值与电池健康状态的相关性关系;
离线分析部分步骤3)中,本发明实施例中选用的电压区间内电池表面温度变化值与电池健康状态的相关性关系表达式为:
其中,aj,i(i=0和1,j=1和2)为相关性关系的系数,图3给出了本发明实施例中电压区间内电池表面温度变化值与电池健康状态之间的相关性关系,表1给出了拟合所得的相关性关系的系数以及拟合结果的确定系数R2,可以发现,除了3组离群值,所选的电压区间内电池表面温度变化值总体上可以较为准确地表征电池的健康状态。
表1
分段区间 | [aj,0,aj,1](j=1和2) | R2 |
ΔT≥1.13℃ | [59.22,16.18] | 0.9668 |
ΔT<1.13℃ | [-15.29,80.63] | 0.8990 |
所述的在线估算部分包括如下步骤:
1)在电池进行恒流充电时,实时测量监控电池的表面温度和端电压值;
在线估算部分步骤1)中,电池表面温度以先进先出的方式更新存储至大小为1×m的一维数组中。
2)当电池端电压到达离线分析部分步骤2)中所确定的电压区间下限值时,计算并存储对应的电池表面温度平均值;
在线估算部分步骤2)中,计算对应于电压区间下限值的电池表面温度平均值表达式为:
其中,为对应于电压区间下限值的电池表面温度平均值;/>l=0,1,...,m为当电池端电压达到电压区间下限值时数组中存储的m组电池表面温度值。
3)当电池端电压到达离线分析部分步骤2)中所确定的电压区间上限值时,计算并存储对应的电池表面温度平均值;
在线估算部分步骤3)中,计算对应于电压区间上限值的电池表面温度平均值表达式为:
其中,为对应于电压区间上限值的电池表面温度平均值;/>l=0,1,...,m为当电池端电压达到电压区间上限值时数组中存储的m组电池表面温度值。
4)计算对应离线分析部分步骤2)中所确定的电压区间内电池表面温度变化值;
在线估算部分步骤4)中,电压区间内电池表面温度变化值的计算表达式为:
5)将在线估算部分步骤4)中获取的电池表面温度变化值代入离线分析部分步骤3)中所建立的电池表面温度变化值与电池健康状态的相关性关系,估算电池的健康状态。
本发明的技术优势有:(1)仅需要在恒流充电过程中存储有限长度的电池表面温度值,变量易于获取,且对控制器存储空间的要求较低;(2)不需要复杂的滤波处理算法,执行简单;(3)采用的电池表面温度变化值可以准确有效表征宽范围的电池健康状态。
综上,本发明的一种基于电池表面温度变化值的锂离子电池健康状态估算方法,包括:离线获取电池差分温度曲线;确定电压区间;建立电压区间内电池表面温度变化值与电池健康状态的相关性关系;实时测量监控电池的表面温度和端电压值;计算对应于电压区间上、下限值的电池表面温度平均值;计算电压区间内电池表面温度变化值;根据电池表面温度变化值估算电池的健康状态。本发明提出的估算方法具有以下3点优势:(1)仅需要在恒流充电过程中存储有限长度的电池表面温度值,变量易于获取,且对控制器存储空间的要求较低;(2)不需要复杂的滤波处理算法,执行简单;(3)采用的电池表面温度变化值可以准确有效表征宽范围的电池健康状态。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (2)
1.一种基于电池表面温度变化值的锂离子电池健康状态估算方法,其特征在于,所述方法包括以下步骤:
S1,根据电池老化测试数据,获取电池在不同健康状态下的恒流充电阶段电池差分温度曲线;
S2,根据电池的恒流充电阶段差分温度曲线,确定电压区间;
S3,建立步骤S2中所确定的电压区间内电池表面温度变化值与电池健康状态的相关性关系;
S4,在电池进行恒流充电时,实时测量监控电池的表面温度和端电压值;
S5,当电池端电压到达步骤S2中所确定的电压区间下限值时,计算并存储对应的电池表面温度平均值;
S6,当电池端电压到达步骤S2中所确定的电压区间上限值时,计算并存储对应的电池表面温度平均值;
S7,计算对应步骤S2中所确定的电压区间内电池表面温度变化值;
S8,将步骤S7中获取的电池表面温度变化值代入步骤S3中所建立的电池表面温度变化值与电池健康状态的相关性关系,估算电池的健康状态;
所述的步骤S1中,电池健康状态的表达式为:
其中,SoH为电池的健康状态,Ccap,0为电池的标称容量,Ccap,num为在经历不同老化循环后测量所得的电池实际容量,num为电池所经历的老化循环的次数;
所述的步骤S1中,根据电池老化测试中采集得到的恒流充电阶段时间、电池表面温度以及端电压数据,通过设定时间间隔以及采用Savitzky-Golay滤波算法,以电池端电压为横坐标,通过Savitzky-Golay滤波后得到的差分温度为纵坐标,获得电池在不同健康状态下的恒流充电阶段差分温度曲线;
所述的步骤S4中,电池的表面温度以先进先出的方式更新存储至大小为1×m的一维数组中;
所述的步骤S1中,电池差分温度离散化表达式为:
其中,为第k个采样点的电池差分温度;Tk和Tk-1分别为第k和k-1个采样点的电池表面温度;Vk和Vk-1分别为第k和k-1个采样点的电池端电压;tk和tk-1分别为第k和k-1个采样点的时间值;tk-tk-1为设定的时间间隔值;
所述步骤S3中,电池表面温度变化值与电池健康状态的相关性关系表达式为:
其中,ΔT为对应电压区间的电池表面温度变化值,aj,i为相关性关系的系数,n为相关性关系的阶数,j为分段函数段数,ΔT1,j和ΔT2,j分别为第j段函数定义区间的下限值和上限值;
所述的步骤S5中,计算对应于电压区间下限值的电池表面温度平均值表达式为:
其中,为对应于电压区间下限值的电池表面温度平均值,Vlim,1为步骤S2中确定的电压区间下限值,/>为当电池端电压达到电压区间下限值时数组中存储的m组电池表面温度值;
所述的步骤S6中,计算对应于电压区间上限值的电池表面温度平均值表达式为:
其中,为对应于电压区间上限值的电池表面温度平均值,Vlim,2为步骤S2中确定的电压区间上限值,/>为当电池端电压达到电压区间上限值时数组中存储的m组电池表面温度值;
所述的步骤S7中,电压区间内电池表面温度变化值的计算表达式为:
2.根据权利要求1所述的一种基于电池表面温度变化值的锂离子电池健康状态估算方法,其特征在于,Vlim,1<Vlim,2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011136211.XA CN112462288B (zh) | 2020-10-22 | 2020-10-22 | 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011136211.XA CN112462288B (zh) | 2020-10-22 | 2020-10-22 | 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462288A CN112462288A (zh) | 2021-03-09 |
CN112462288B true CN112462288B (zh) | 2024-05-10 |
Family
ID=74833912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011136211.XA Active CN112462288B (zh) | 2020-10-22 | 2020-10-22 | 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462288B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640674B (zh) * | 2021-06-30 | 2022-09-06 | 昆明理工大学 | 基于优化高斯过程回归的锂离子电池可用容量估计方法 |
CN116256648A (zh) * | 2023-05-16 | 2023-06-13 | 合肥力高动力科技有限公司 | 一种基于充电数据的锂电池soh估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197256A (zh) * | 2013-04-07 | 2013-07-10 | 吉林大学 | 锂离子电池soc估计方法 |
CN107290679A (zh) * | 2017-07-03 | 2017-10-24 | 南京能瑞电力科技有限公司 | 用于电动汽车共享充电桩的智能化电池健康状态检测方法 |
CN110554325A (zh) * | 2019-09-10 | 2019-12-10 | 北京理工大学 | 一种基于表面温度的车用锂离子电池容量估计方法 |
CN110927591A (zh) * | 2019-12-11 | 2020-03-27 | 北京理工大学 | 一种电池容量估计方法、计算机可读介质及车辆 |
CN111308377A (zh) * | 2020-03-10 | 2020-06-19 | 北京理工大学 | 基于温度电压微分的电池健康状态检测方法及系统 |
CN111693881A (zh) * | 2020-05-28 | 2020-09-22 | 江苏大学 | 基于“标准化温度”的宽温度范围下电池健康状态在线估测方法 |
-
2020
- 2020-10-22 CN CN202011136211.XA patent/CN112462288B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197256A (zh) * | 2013-04-07 | 2013-07-10 | 吉林大学 | 锂离子电池soc估计方法 |
CN107290679A (zh) * | 2017-07-03 | 2017-10-24 | 南京能瑞电力科技有限公司 | 用于电动汽车共享充电桩的智能化电池健康状态检测方法 |
CN110554325A (zh) * | 2019-09-10 | 2019-12-10 | 北京理工大学 | 一种基于表面温度的车用锂离子电池容量估计方法 |
CN110927591A (zh) * | 2019-12-11 | 2020-03-27 | 北京理工大学 | 一种电池容量估计方法、计算机可读介质及车辆 |
CN111308377A (zh) * | 2020-03-10 | 2020-06-19 | 北京理工大学 | 基于温度电压微分的电池健康状态检测方法及系统 |
CN111693881A (zh) * | 2020-05-28 | 2020-09-22 | 江苏大学 | 基于“标准化温度”的宽温度范围下电池健康状态在线估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112462288A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111142036B (zh) | 基于容量增量分析的锂离子电池在线快速容量估计方法 | |
CN107533105B (zh) | 锂离子电池荷电状态估算方法和装置 | |
CN113075554B (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
CN109143097B (zh) | 一种计及温度和循环次数的锂离子电池soc估计方法 | |
CN112462288B (zh) | 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 | |
CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
CN109950659B (zh) | 一种适用于动力电池组的内部加热方法 | |
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 | |
CN111965544B (zh) | 基于电压及电流双约束的车用并联动力电池的最小包络线soc估计方法 | |
CN114609523A (zh) | 一种电池容量的在线检测方法、电子设备及存储介质 | |
CN113567861A (zh) | 一种动力电池健康状态的估算方法 | |
CN115327415A (zh) | 基于限定记忆递推最小二乘算法的锂电池soc估算方法 | |
CN112305426A (zh) | 一种多约束条件下的锂离子电池功率状态估计系统 | |
CN115877232A (zh) | 一种基于卡尔曼滤波的锂离子电池内部温度估计方法 | |
CN116381539A (zh) | 一种考虑用户不完整充电过程下的电池健康状态评估方法 | |
CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
CN107402356B (zh) | 一种基于动态参数辨识的ekf估算铅酸电池soc方法 | |
CN116400239B (zh) | 一种铁铬液流电池的储能智能监测方法 | |
Avadhanula et al. | Comparative study of mathematical models and data driven models for battery performance parameter estimation | |
CN110031772B (zh) | 一种锂离子电池等效内阻的实时估算方法 | |
CN112462283B (zh) | 基于差分温度曲线的锂离子电池内阻及容量估算方法 | |
CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
CN116953547A (zh) | 一种储能电池健康度评估方法、系统、设备及存储介质 | |
CN115267556A (zh) | 电池寿命衰降分析方法、存储介质及电子设备 | |
CN115166566A (zh) | 一种在线识别电池自放电率异常的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |