CN112615075B - 电池快速充电方法及计算机设备 - Google Patents
电池快速充电方法及计算机设备 Download PDFInfo
- Publication number
- CN112615075B CN112615075B CN202011487364.9A CN202011487364A CN112615075B CN 112615075 B CN112615075 B CN 112615075B CN 202011487364 A CN202011487364 A CN 202011487364A CN 112615075 B CN112615075 B CN 112615075B
- Authority
- CN
- China
- Prior art keywords
- battery
- charging
- negative electrode
- potential
- model
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本申请提供了一种电池快速充电方法及计算机设备。包括建立负极电位估算模型并设置负极电位安全阈值;以第一预设充电电流对电池恒流充电预设时间后,将第一预设充电电流调整至第二预设充电电流;以第二预设充电电流对电池恒流充电,在充电过程中,利用负极电位估算模型实时获取电池的负极电位估计值;当负极电位估计值下降至负极电位安全阈值时,实时调整第二预设充电电流,以确保负极电位估计值与负极电位安全阈值的差值在预设范围内,并以调整后的电流对电池充电,至充电截止电压。本方法利用负极电位安全阈值与负极电位估计值的大小关系,实时调整充电电流,使电池在无析锂副反应的安全范围内发挥最大的充电能力,实现了电池的安全快速充电。
Description
技术领域
本申请涉及电池管理技术领域,尤其涉及一种电池快速充电方法及计算机设备。
背景技术
近年来,随着全球变暖、石油资源紧缺、能源安全问题等的日益加剧,满足全球低碳化发展目标的车辆能源系统变革正在加速进行。随着车用动力电池技术的不断进步,以纯电动汽车为代表的新能源车成为车辆变革的主力军。锂离子电池因具有能量密度高、功率密度高、寿命长、环保等优点,近年来被广泛应用于电脑、手机等电子设备及新能源汽车的动力电池系统中。但是,电动汽车的安全快速充电问题一直未能得到有效解决:传统的燃油车只需要3~5分钟便可以把油箱加满,但现阶段的电池不可能以如此快的速度充电;并且一些新型电池材料如高镍三元正极等的发展提升电池能量密度的同时带来更高的充电安全隐患。
一般来说,快速充电需要提高电池充电速率,这往往会引发电池的副反应。以石墨负极体系的锂离子电池为例,电池在充电过程中电极发生极化,电极电位偏离平衡电位,极化电位与平衡电位差之为过电位。其中,负极过电位低于0V vs.Li/Li+时,负极表面会析出锂金属,损害电池性能,严重时还可能引发热失控等安全事故。另外,充电速率越大,电压极化越明显,电池更快达到充电截止电压,导致充入的电量不足。剩余的电量需通过恒压小倍率电流充入,反而延长了充电时间。
常用的一些电池充电方法包括:(1)恒流恒压充电,即先用恒定不变的电流对电池充电到截止电压,再用恒定不变的电压对电池充电到截止电流,这种方法操作简单但充电效率低,容易造成负极析锂或电池过充,损伤电池寿命;(2)多阶段恒流充电,预先设定每阶段的充电电流和充电截止电压后对电池充电,这种方法对充电参数的设置复杂繁琐,对不同电池的通用性较差;(3)脉冲充电,通过调节脉冲充电电流的时长、幅值等控制充电过程,提升充电速率,但脉冲对电池寿命的影响还存在争议。
对电池充电的研究中,电极电位是十分重要的参考量,与电池的正极和负极的副反应等直接相关。以石墨负极体系等锂离子电池为例,负极过电位低于0V vs.Li/Li+时,负极表面发生析锂,严重影响充电安全及电池寿命。负极是否析锂可通过负极过电位是否低于析锂的临界电位判断,充电过程中监测并控制负极过电势,可有效避免析锂等副反应的发生,实现电池的安全快速充电。
通过测量正极和负极电位之差,可以得到商用锂离子电池的端电压,但无法获得电池内部的负极电位;向电池中植入参比电极构成三电极体系,测量电极与参比电极之间的电位可直接获得内部电位,但现有的参比电极仅为实验室级别使用,尚未商用化于锂离子电池;常用的锂离子电池电化学模型可以预测内部电位,但模型复杂且计算量大,难以实用于电池管理系统(BMS,Battery Management System);常用的等效电路模型参数简单计算量小,但只能描述电池的外在特性,无法提供负极电位。目前为止,尚没有适用于锂离子电池安全快充的能够实时预测电池负极电位变化的锂离子电池等效模型。
申请内容
基于此,针对目前锂离子电池存在的充电速率低、易引发安全事故的问题,本申请提供一种电池快速充电方法及计算机设备。
本申请提供了一种电池快速充电方法,包括:
建立负极电位估算模型,并设置负极电位安全阈值;
以第一预设充电电流对电池恒流充电预设时间后,将所述第一预设充电电流调整至第二预设充电电流,所述第一预设充电电流小于所述第二预设充电电流;
以所述第二预设充电电流对所述电池恒流充电,在充电过程中,利用所述负极电位估算模型实时获取所述电池的负极电位估计值;
当所述负极电位估计值下降至所述负极电位安全阈值时,实时调整所述第二预设充电电流,以确保所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内,并以调整后的电流对所述电池充电至截止电压。
在其中一个实施例中,所述建立负极电位估算模型包括:
提供带参比电极的三电极电池;
对所述三电极电池进行性能测试,从而获得所述三电极电池的标称容量和电压特性参数,所述电压特性参数包括正极电位、端电压以及负极电位;
建立所述三电极电池的分极等效模型,所述分极等效模型包括正极参数和负极参数,以反映所述三电极电池的外部特性和内部特性;
利用所述标称容量和所述电压特性参数对所述正极参数和所述负极参数进行标定,以获得负极电位估算模型。
在其中一个实施例中,所述对所述三电极电池进行性能测试包括对所述三电极电池在给定电流条件下的容量测试、给定电流条件下的电池开路电压测试以及不同工况下的充放电测试。
在其中一个实施例中,所述分极等效电路模型为分极Rint模型,所述分极Rint模型是在电池Rint模型的基础上将全电池的理想电压源和总内阻基于正负极特性拆分为正极理想电压源、负极理想电压源、正极内阻和负极内阻得到的。
在其中一个实施例中,所述利用所述标称容量和所述电压特性参数对所述正极参数和所述负极参数进行标定包括:
获取模型计算的正极电位和参比电极实测正极电位的均方根误差,作为第一适应函数,通过优化算法拟合,以使得所述第一适应函数为最小为优化目标,得到标定后的正极参数;
获取模型计算的负极电位和参比电极实测负极电位的均方根误差,作为第二适应函数,通过优化算法拟合,以使得所述第二适应函数为最小为优化目标,得到标定后的负极参数。
在其中一个实施例中,所述利用所述负极电位估算模型实时获取所述电池的负极电位估计值包括:
根据所述负极电位估算模型以及充电过程中的电流和端电压,采用第一闭环算法对负极电位进行估计,以实时获取所述电池在充电过程中模型观测的负极电位估计值。
在其中一个实施例中,所述第一闭环算法包括卡尔曼滤波算法、PID算法或者龙贝格观测器中的至少一种。
在其中一个实施例中,采用第二闭环算法调整所述第二预设充电电流,以确保所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内。
在其中一个实施例中,所述第二闭环算法包括PID算法或者模型预测控制算法中的至少一种。
基于相同的申请构思,本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述实施例中任一项所述的电池快速充电方法的步骤。
综上,本申请提供了一种电池快速充电方法及计算机设备。所述电池快速充电方法包括首先建立负极电位估算模型并设置负极电位安全阈值;其次以第一预设充电电流对电池恒流充电预设时间后,将所述第一预设充电电流调整至第二预设充电电流,所述第一预设充电电流小于所述第二预设充电电流;再次以所述第二预设充电电流对所述电池恒流充电,在充电过程中,利用所述负极电位估算模型实时获取所述电池的负极电位估计值;最后当所述负极电位估计值下降至所述负极电位安全阈值时,实时调整所述第二预设充电电流,以确保所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内,并以调整后的电流对所述电池充电至截止电压。本申请通过建立负极电位估算模型能够将电池的正极和负极特性分离,准确地模拟电池在充电过程中的负极电位和全电池电压变化的规律。此负极电位估算模型相对于传统的等效电路模型可以提供电池内部的关键信号,避免析锂等副反应;相对于传统的电化学模型参数辨识简单,计算量很少,可以用于实车的电池管理系统,具有很强的实用性。并且本方法利用负极电位安全阈值与负极电位估计值的大小关系,实时调整充电电流,即融合了闭环的负极电位在线估计和闭环的充电电流在线调整,使电池在无析锂副反应的安全范围内发挥最大的充电能力,实现了电池的安全快速充电。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的一种电池快速充电方法的流程示意图;
图2为本申请一个实施例中提供的建立负极电位估算模型的步骤示意图;
图3为本申请一个实施例中提供的锂离子电池的分极Rint模型电路结构示意图;
图4为本申请一个实施例中提供的不同恒流充电倍率下的端电压随时间变化的实验结果和模型估计结果数据图;
图5为本申请一个实施例中提供的不同恒流充电倍率下的负极电位随时间变化的实验结果和模型估计结果数据图;
图6为本申请一个实施例中提供的分极模型在1C恒流充电下的负极电位估计结果数据图;
图7为本申请一个实施例中提供的快充算法电流及端电压随时间变化的结果数据图;
图8为本申请一个实施例中提供的快充算法下负极电位随时间变化的实验结果和模型估计结果数据图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施的限制。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1,本申请提供了一种电池快速充电方法,包括:
S100,建立负极电位估算模型,并设置负极电位安全阈值。可以根据充电速率需求、安全性需求和电池性能等设置所述负极电位安全阈值。可选地,所述负极电位安全阈值的设置范围为0mV~30mV,例如5mV、10mV、20mV、30mV等。
S200,以第一预设充电电流对电池恒流充电预设时间后,将所述第一预设充电电流调整至第二预设充电电流,所述第一预设充电电流小于所述第二预设充电电流。
S300,以所述第二预设充电电流对所述电池恒流充电,在充电过程中,利用所述负极电位估算模型实时获取所述电池的负极电位估计值。
S400,当所述负极电位估计值下降至所述负极电位安全阈值时,实时调整所述第二预设充电电流,以确保所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内,并以调整后的电流对所述电池充电至截止电压。所述充电截止电压可以设置为4.3V。
可以理解的是,上述方法可以适用于任意类型锂离子电池,仅需要对电池模型参数和估计算法参数重新标定即可。
步骤S100中,所述负极电位估算模型的建模过程及类型不做具体限定,只要可以将电池的正极和负极特性分离,准确地模拟电池在充电过程中的负极电位和正极电位变化的规律即可。在一个可以实施的方式中,步骤S100包括:
S10,提供带参比电极的三电极电池;
S20,对所述三电极电池进行性能测试,从而获得所述三电极电池的标称容量和电压特性参数,所述电压特性参数包括正极电位、端电压以及负极电位;
S30,建立所述三电极电池的分极等效模型,所述分极等效模型包括正极参数和负极参数,以反映所述三电极电池的外部特性和内部特性;
S40,利用所述标称容量和所述电压特性参数对所述正极参数和所述负极参数进行标定,以获得负极电位估算模型。
步骤S10中,所述三电极电池为在任意一种全电池的基础上制备第三电极得到的电池。所述第三电极包括但不限于锂金属参比电极、锂合金参比电极、铜丝原位镀锂参比电极等多种可以提供准确和稳定测量的第三电极。制备好所述三电极电池后,可以对所述三电极电池进行参比电极电位测量的准确性、稳定性评估。
步骤S20中,对所述三电极电池进行性能测试包括给定电流条件下的容量测试、给定电流条件下的电池开路电压测试、不同工况下的充放电测试(例如,HPPC测试)以及不同倍率下的恒流充电测试等。其中,恒流充电倍率可选范围为0.2~5C,包括0.2C、0.33C、0.5C、1C、1.5C、2C、2.5C、3C、3.5C、4C、4.5C、5C等。
步骤S20中,给定电流条件下的容量测试方法是指:根据厂家给定的锂离子动力电池参数,例如工作电压、电池容量等,选择1/3C倍率进行容量测试。给定电流条件下的电池开路电压测试是指:对三电极电池进行1/20C倍率充放电测得所述三电极电池的标准容量和电池正极开路电压、负极开路电压以及全电池的OCV-SOC曲线。不同工况下的充放电测试中的测试工况包括但不限于恒流充放电、HPPC测试等。分别获取各个工况下锂离子电池的正极电位、负极电位和全电池电压。
步骤S30中,可以根据步骤S20的测试结果和建模的目的搭建合适的分极等效模型。此处的分极等效模型包括但不限于分极等效电路模型、分极等效电化学模型等,要求能够分别反映电池的外部特性和内部特性,以便于准确预测正极电位和负极电位。分极等效电路模型包括分极Rint模型、分极一阶RC模型、分极二阶RC模型等。分极等效电化学模型包括P2D模型、SP2D模型、SP模型等。具体的,分极等效模型需要包含各种物理参数和电化学参数,以分极等效电路模型为例,需要包含正极理想电压源和负极理想电压源、正极内阻和负极内阻、正极电容和负极电容等电路元件。所述外部特性可以为端电压、电流等。所述内部特性为负极电位等。
步骤S40中,根据步骤S20中获得的电池正负极电位信息,采用优化算法标定步骤S30中的模型参数(正极参数和负极参数),这里的优化算法包括但不限于遗传算法、蚁群算法、模拟退火、禁忌搜索、以及粒子群算法等。根据测量的正极开路电位曲线、正极电位等,以模型计算的正极电位和参比电极实测正极电位之间的均方根误差作为适应函数,辨识得到模型正极参数。具体的,获取模型计算的正极电位和参比电极实测正极电位之间的均方根误差,作为第一适应函数,通过优化算法拟合,以使得所述第一适应函数为最小为优化目标,得到相应的正极参数。根据测量的负极开路电位曲线、负极电位等,以模型计算的负极电位和参比电极实测负极电位之间的均方根误差作为适应函数,辨识得到模型负极参数。具体的,获取模型计算的负极电位和参比电极实测负极电位之间的均方根误差,作为第二适应函数,通过优化算法拟合,以使得所述第二适应函数为最小为优化目标,得到相应的负极参数。标定好的模型针对同样类型但不具有参比电极的锂离子电池,能基于电池电流、端电压等信息,准确估计不同工况下的锂离子电池的外特性(如端电压)和内部特性(如负极电位)等。
步骤S100中首先提供带参比电极的三电极电池。其次对所述三电极电池进行性能测试,从而获得所述三电极电池的标称容量和电压特性参数,所述电压特性参数包括正极电位、端电压以及负极电位。建立分极等效模型。所述分极等效模型包括正极参数和负极参数,以反映所述三电极电池的外部特性和内部特性。最后利用所述标称容量和所述电压特性参数对所述正极参数和所述负极参数进行标定,以获得负极电位估算模型。该方法能够将电池的正极和负极特性分离,准确地模拟电池在充放电过程中的负极电位和全电池电压变化的规律。
本申请一个实施例提供一种基于参比电极的锂离子电池分极Rint模型建立方法。具体包括:
S1,首先选用铜丝原位镀锂的方法制作参比电极,即将去除绝缘包覆层的铜丝用隔膜包裹,置于电池内部正负极之间,根据电池的体系和容量等施以微小的电流,在铜丝表面均匀镀上一层锂,制成带参比电极的三电极电池。负极与参比电极之间的电位差即为负极参考电位。
S2,对上述三电极电池在离线状态下进行容量测试和开路电压测试,得到电池的标准容量和电池正极、负极及全电池的OCV-SOC曲线。
S3,对上述三电极电池施以不同倍率下的恒流充电测试,记录电池的端电压、负极电位和正极电位随时间的变化曲线:充电倍率分别为1C、2C、3C、4C等,设置相同的充电截止电压;不同充电倍率对应的恒流放电倍率为1/3C,设置相同的放电截止电压。充电和放电之间的设置一定静置时间。静置时间不做具体限制,只需要保证电池恢复到平衡状态即可。
S4,根据恒流充电测试结果,搭建更能反映电池正极和负极稳态特性的分极Rint模型。所述分极Rint模型是在电池Rint模型的基础上将全电池的理想电压源和总内阻基于参比电极拆分为正极理想电压源、负极理想电压源、正极内阻和负极内阻得到的,具体请参见图3。
从图中可看出,模型由以下几部分组成:
(1)正极理想电压源、负极理想电压源,分别代表正极开路电压OCVca和负极开路电压OCVan;
(2)正极总内阻Rca,负极总内阻Ran。
Ut为电池的端电压,Vca和Van分别为正极和负极相对于参比电极的参考电位,二者之差为端电压Ut。由基本的电路原理,模型的特征描述方程可以写成:
Vca=OCVca-IRca (1)
Van=OCVan-IRan (2)
OCV=OCVca-OCVan (3)
Ut=Vca-Van=OCV-I(Rca+Ran) (4)
根据上述步骤中获得的电池正负极电位信息,采用计算或其他优化算法标定S4中的模型参数,这里的优化算法包括但不限于遗传算法、粒子群优化算法等。本施例中利用公式(5)和(6)计算得到正负极内阻Rca和Ran在不同电流倍率和SOC下的MAP图,结合电池正负极的OCV-SOC曲线,即可完成模型的标定。
标定好的Rint模型可以对相同种类但不具有参比电极的锂离子电池进行准确的负极电位估计,根据图4和图5可知,端电压和负极电位的模型估计值和参比电极测量值均十分吻合,其中,负极电位估计结果在1C、2C、3C和4C倍率下的均方根分别为:1.43mV、2.02mV、3.43mV和4.83mV,可以认为分极Rint模型可以准确估计电池在不同充电倍率下的负极电位。
步骤S200中,第一预设充电电流倍率范围可以为0.2C~0.5C,例如0.2C、0.33C、0.5C等。以第一预设充电电流进行恒流充电的预设时间范围可以为30s~100s,例如30s、50s、80s、100s等。在充电刚开始时,以小的预设充电电流对电池进行较短时间的恒流充电可以避免充电开始时大的充电倍率导致的电压极化,进而降低充电效率的情况发生。
步骤S300中,第二预设充电电流为根据电池的性能、初始状态、充电机电流范围等获得不会导致电池发生副反应(如析锂)或不可逆损伤的安全充电电流的最大值。安全充电电流的最大值可选范围为4C~6C,例如4C、5C、6C等。之后,将第一充电电流提升至安全充电电流的最大值对电池进行充电。
步骤S400中,对安全充电电流的最大值进行实时调整,以使得述负极电位安全阈值稳定在所述负极电位估计值附近。所述负极电位安全阈值稳定在所述负极电位估计值附近是指所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内。所述预设范围可以为0mV~±5mV之内,例如±3mV、±5mV等。
本实施例中,通过建立负极电位估算模型能够将电池的正极和负极特性分离,准确地模拟电池在充电过程中的负极电位和全电池电压变化的规律。此负极电位估算模型相对于传统的等效电路模型可以提供电池内部的关键信号,避免析锂等副反应;相对于传统的电化学模型参数辨识简单,计算量很少,可以用于实车的电池管理系统,具有很强的实用性。并且本方法利用负极电位安全阈值与负极电位估计值的大小关系,实时调整充电电流,即融合了闭环的负极电位在线估计和闭环的充电电流在线调整,使电池在无析锂副反应的安全范围内发挥最大的充电能力,实现了电池的安全快速充电。
在其中一个实施例中,所述利用所述负极电位估算模型实时获取所述电池的负极电位估计值的步骤包括:
根据所述负极电位估算模型以及充电过程中的电流和端电压,采用第一闭环算法(在线闭环估计算法)对负极电位进行估计,以实时获取所述电池在充电过程中模型观测的负极电位估计值。在其中一个实施例中,所述第一闭环算法包括卡尔曼滤波算法(KalmanFilter,KF)、PID算法或者龙贝格观测器中的至少一种。
在一个可以实施的方式中,采用KF算法对电池内部负极电位进行估计。首先简单介绍KF算法:
KF由一组线性方程构成,包括状态方程式和系统输出方程式:
xk+1=Akxk+Bkuk+wk (7)
yk=Ckxk+Dkuk+vk (8)
其中x为待估计的状态量,u为可控制输入量,y为输出量,w为系统的过程激励噪声,v是输出测量噪声,下标k代表k时刻的变量。A、B、C、D为系数矩阵。以上式子为KF算法状态估计的基础,需要结合5个递归方程对时间和状态进行迭代更新。时间更新方程为当前时刻根据基本状态方程的先验估计,状态更新方程将先验估计和输出测量结果结合,构造优化后的后验估计。
时间更新方程:
状态更新方程:
然后介绍将KF算法用于电池负极电位的在线估计。首先,根据分极Rint模型建立系统的状态方程和输出方程。负极电位的准确估计依据SOC的准确估计,因此将SOC和负极电位作为状态量,电流I作为输入量,端电压Ut作为输出量。
根据安时积分法可以得到电池SOC估计的状态方程:
其中Qcell为电池容量,单位为Ah;SOCk为电池在k时刻的SOC;η为库伦效率;Ik为k时刻的电流,单位为A,规定放电为正。Δt为k+1时刻和k时刻的时间间隔,单位为s;w1,k为k时刻的电流测量噪声。
根据基本电路原理可以得到负极电位的估计方程:
其中w2,k为系统过程中的误差,优选地可以取为0;OCVan,k为k时刻的负极开路电压,方程(15)的先验计算需要参考方程(14)的先验结果。
基于分极Rint模型的的基本电路原理,可以建立端电压与电流和SOC的关系,建立系统的输出方程:
其中OCVk为k时刻的全电池开路电压;Rca,k和Ran,k分别为k时刻的正负极内阻;vk为输出的端电压测量误差。
综上,式(16)作为输出方程,式(14)和(15)作为状态方程,可以得到系统的状态量、输入量和输出量分别为:
xk=(SOCk,Van,k)T (17)
uk=Ik (18)
yk=Ut,k (19)
系数矩阵分别为:
Dk=-(Rca,k+Ran,k) (23)
式中任一时刻的Rca和Ran根据该时刻的SOC估计值和电流值I,通过步骤S4中标定的模型正极和负极参数在不同倍率和SOC下的MAP图查表插值得到。
同时,电位估计算法中还需要设定状态向量x的初始值,由于KF算法的鲁棒性,x的初始值设置仅对开始运行的一段时间有影响。优选地,SOC的初始值设置范围为[0,1],可以结合实车BMS系统中的SOC估计确定初值;优选地,Van的初始值可以根据步骤S2中的负极OCV-SOC曲线查表插值得到。
其中wk和vk分别表示表示电流和电压的测量误差,Q和R分别表示对状态预测值和测量值的置信度,二者通过影响卡尔曼增益大小影响权重。Q越大表示先验估计状态值的“可信度”越差,当初始SOC误差或电流测量误差较大时需要增大Q;R越大则表示测量值的“可信度”越差,当电压误差或模型误差较大时需要增大R。为了准确估计负极电位,可以适当调节Q和R值已达到状态的最有估计,实际应用中Q和R会随着迭代次数变化。优选地,在本实施例中,设定初始P值为diag(1,0),初始Q值为diag(1e-10,0),初始R值为1e-5。
图6为本申请实施例中标定的分极Rint模型在有和无初始误差时的1C恒流充电工况下的负极电位估计结果图;无初始状态误差时,模型可以准确估计负极电位,估计误差基本在5mV之内;有初始状态误差时,KF算法可以在100s内快速修正由初始状态误差导致的电位估计偏差,保证了后续负极过电位估计的准确性。
在其中一个实施例中,采用第二闭环算法(在线闭环控制算法)调整第二预设充电电流,以使得所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内。在其中一个实施例中,所述第二闭环算法包括PID算法或者模型预测控制算法中的至少一种。
在一个可以实施的方式中,采用PID控制算法对电池进行充电控制。PID控制方程的离散形式可以表示为式(27),其中kp、ki和kd分别为比例、积分和微分控制参数,e为系统期望输出值与实际输出值之间的误差,下标k记为k时刻。
之后,将电流增量ΔIapp设为充电控制系统的输入,电位差ΔVan设为充电控制系统的误差,将端电压测量值Ut设为控制系统的输出,对应式(27)可以得到电流增量表达式如下:
然后,计算出k+1时刻的充电电流值Iapp(k+1):
Iapp(k+1)=Iapp(k)+ΔIapp(k) (30)
通过设置合适的初始充电控制参数kp、ki和kd,根据当前的充电电流和预设的负极电位阈值,即可用PID控制算法调节电流:当观测的负极过电位高于设定的电位阈值时,适当提高充电电流;当观测的负极过电位低于设定的电位阈值时,适当降低充电电流;以保证电池在无析锂情况下的安全快速充电。优选地,在本实施例中,kd设置为30,ki设置为0,kd设置为50,三个控制参数在确定后保持不变。
当电池端电压低于充电截止电压时,不断重复步骤S400,使得负极过电位的预测值始终稳定在安全阈值负极±5mV之内。本实施例中,时刻k的递进值为1s。
图7为本实施例中的安全快充算法下的电流及端电压的曲线图的实验结果。图8为本实施例中的安全快充算法下负极电位估计结果图,负极电位估计的均方根误差为3.6mV。根据图7和图8可知,电池负极电位的在线闭环估计算法和电流的在线闭环控制算法,结合电池分极等效模型可以直接用于实车电池管理系统中的快速充电。与传统的技术相比,本申请提出的充电控制技术开发流程简单,模型参数辨识容易,计算量小,有很强的实车充电实用性前景。
基于相同的申请构思,本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述实施例中任一项所述的电池快速充电方法的步骤。
基于相同的申请构思,本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中任一项所述的电池快速充电方法的步骤。
存储器作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的电池快速充电方法对应的程序指令/模块。处理器通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述电池快速充电方法。
存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序。存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种电池快速充电方法,其特征在于,包括:
建立负极电位估算模型,并设置负极电位安全阈值;
以第一预设充电电流对电池恒流充电预设时间后,将所述第一预设充电电流调整至第二预设充电电流,所述第一预设充电电流小于所述第二预设充电电流;
以所述第二预设充电电流对所述电池恒流充电,在充电过程中,利用所述负极电位估算模型实时获取所述电池的负极电位估计值;
当所述负极电位估计值下降至所述负极电位安全阈值时,实时调整所述第二预设充电电流,以确保所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内,并以调整后的电流对所述电池充电至截止电压;
所述建立负极电位估算模型包括:
提供带参比电极的三电极电池;
对所述三电极电池进行性能测试,从而获得所述三电极电池的标称容量和电压特性参数,所述电压特性参数包括正极电位、端电压以及负极电位;
建立所述三电极电池的分极等效模型,所述分极等效模型包括正极参数和负极参数,以反映所述三电极电池的正极特性和负极特性;
利用所述标称容量和所述电压特性参数对所述正极参数和所述负极参数进行标定,以获得负极电位估算模型。
2.如权利要求1所述的电池快速充电方法,其特征在于,所述对所述三电极电池进行性能测试包括对所述三电极电池在给定电流条件下的容量测试、给定电流条件下的电池开路电压测试以及不同工况下的充放电测试。
3.如权利要求1所述的电池快速充电方法,其特征在于,所述分极等效模型为分极Rint模型,所述分极Rint模型是在电池Rint模型的基础上将全电池的理想电压源、总内阻基于正负极特性拆分为正极理想电压源、负极理想电压源、正极内阻和负极内阻得到的。
4.如权利要求1所述的电池快速充电方法,其特征在于,所述利用所述标称容量和所述电压特性参数对所述正极参数和所述负极参数进行标定包括:
获取模型计算的正极电位和参比电极实测正极电位的均方根误差,作为第一适应函数,通过优化算法拟合,以使得所述第一适应函数为最小为优化目标,得到标定后的正极参数;
获取模型计算的负极电位和参比电极实测负极电位的均方根误差,作为第二适应函数,通过优化算法拟合,以使得所述第二适应函数为最小为优化目标,得到标定后的负极参数。
5.如权利要求1所述的电池快速充电方法,其特征在于,所述利用所述负极电位估算模型实时获取所述电池的负极电位估计值包括:
根据所述负极电位估算模型以及充电过程中的电流和端电压,采用第一闭环算法对负极电位进行估计,以实时获取所述电池在充电过程中模型观测的负极电位估计值。
6.如权利要求5所述的电池快速充电方法,其特征在于,所述第一闭环算法包括卡尔曼滤波算法、PID算法或者龙贝格观测器中的至少一种。
7.如权利要求1所述的电池快速充电方法,其特征在于,采用第二闭环算法调整所述第二预设充电电流,以确保所述负极电位估计值与所述负极电位安全阈值的差值在预设范围内。
8.如权利要求7所述的电池快速充电方法,其特征在于,所述第二闭环算法包括PID算法或者模型预测控制算法中的至少一种。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的电池快速充电方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011487364.9A CN112615075B (zh) | 2020-12-16 | 2020-12-16 | 电池快速充电方法及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011487364.9A CN112615075B (zh) | 2020-12-16 | 2020-12-16 | 电池快速充电方法及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112615075A CN112615075A (zh) | 2021-04-06 |
CN112615075B true CN112615075B (zh) | 2021-11-09 |
Family
ID=75239824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011487364.9A Active CN112615075B (zh) | 2020-12-16 | 2020-12-16 | 电池快速充电方法及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112615075B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113036887A (zh) * | 2021-04-27 | 2021-06-25 | 广州小鹏汽车科技有限公司 | 电芯的极限快充电流确定方法、装置、电子设备及介质 |
CN115603396A (zh) * | 2021-07-09 | 2023-01-13 | Oppo广东移动通信有限公司(Cn) | 电池充电方法、装置、充电设备和计算机可读存储介质 |
CN115693809A (zh) * | 2021-07-21 | 2023-02-03 | Oppo广东移动通信有限公司 | 充电方法、装置、设备及存储介质 |
CN113851746A (zh) * | 2021-08-16 | 2021-12-28 | 北京航空航天大学 | 一种基于最小析锂过电势的电池模组充电方法 |
CN113815494A (zh) * | 2021-09-22 | 2021-12-21 | 北京链宇科技有限责任公司 | 一种锂离子电池的预热充电控制方法 |
KR20230117425A (ko) * | 2021-11-25 | 2023-08-08 | 컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드 | 파워 배터리의 충전 방법 및 배터리 관리 시스템 |
WO2023092413A1 (zh) * | 2021-11-25 | 2023-06-01 | 宁德时代新能源科技股份有限公司 | 动力电池充电的方法和电池管理系统 |
EP4246662A4 (en) * | 2021-11-25 | 2024-05-22 | Contemporary Amperex Technology Co., Limited | METHOD FOR CHARGING A TRACTION BATTERY AND BATTERY MANAGEMENT SYSTEM |
CN114184966A (zh) * | 2021-11-29 | 2022-03-15 | 维沃移动通信有限公司 | 电池检测方法、装置、电子设备和可读存储介质 |
CN114361624A (zh) * | 2021-12-09 | 2022-04-15 | 万向一二三股份公司 | 一种评估锂离子动力电池快速充电稳定性的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105870525A (zh) * | 2016-06-20 | 2016-08-17 | 宁德新能源科技有限公司 | 电池充电的方法及装置 |
CN106450536A (zh) * | 2016-11-09 | 2017-02-22 | 清华大学 | 一种锂离子电池快速充电方法 |
CN109991547A (zh) * | 2019-03-29 | 2019-07-09 | 深圳猛犸电动科技有限公司 | 锂离子电池包最大允许充放电电流估计方法及装置 |
CN110065401A (zh) * | 2019-04-22 | 2019-07-30 | 湖州师范学院 | 一种新能源汽车用快速充电串联供电系统及方法 |
CN110940920A (zh) * | 2019-11-22 | 2020-03-31 | 上海理工大学 | 锂电池在预定soc下的不析锂的最大充电电流的获取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016054082A (ja) * | 2014-09-04 | 2016-04-14 | 株式会社デンソー | リチウムイオン電池の充電制御方法、リチウムイオン電池の充電制御装置およびリチウムイオン電池システム |
-
2020
- 2020-12-16 CN CN202011487364.9A patent/CN112615075B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105870525A (zh) * | 2016-06-20 | 2016-08-17 | 宁德新能源科技有限公司 | 电池充电的方法及装置 |
CN106450536A (zh) * | 2016-11-09 | 2017-02-22 | 清华大学 | 一种锂离子电池快速充电方法 |
CN109991547A (zh) * | 2019-03-29 | 2019-07-09 | 深圳猛犸电动科技有限公司 | 锂离子电池包最大允许充放电电流估计方法及装置 |
CN110065401A (zh) * | 2019-04-22 | 2019-07-30 | 湖州师范学院 | 一种新能源汽车用快速充电串联供电系统及方法 |
CN110940920A (zh) * | 2019-11-22 | 2020-03-31 | 上海理工大学 | 锂电池在预定soc下的不析锂的最大充电电流的获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112615075A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112615075B (zh) | 电池快速充电方法及计算机设备 | |
Duong et al. | Online state of charge and model parameters estimation of the LiFePO4 battery in electric vehicles using multiple adaptive forgetting factors recursive least-squares | |
Hu et al. | Optimal multistage charging of NCA/graphite lithium-ion batteries based on electrothermal-aging dynamics | |
CN109586373B (zh) | 一种电池充电方法和装置 | |
CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
CN111060820B (zh) | 一种基于二阶rc模型的锂电池soc和sop估计方法 | |
CN109143097B (zh) | 一种计及温度和循环次数的锂离子电池soc估计方法 | |
CN110795851B (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
CN109342950B (zh) | 一种用于锂电池荷电状态的评估方法、装置及其设备 | |
CN112464571B (zh) | 基于多约束条件粒子群优化算法的锂电池组参数辨识方法 | |
CN111722118B (zh) | 一种基于soc-ocv优化曲线的锂离子电池soc估计方法 | |
KR100901252B1 (ko) | 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치 | |
CN111208438B (zh) | 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法 | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
CN110442901B (zh) | 一种锂离子电池电化学简化模型及其参数的获取方法 | |
CN116113837A (zh) | 用于估计电池的荷电状态的方法 | |
CN113557439A (zh) | 用于估计电池的健康状态的方法 | |
CN112733427A (zh) | 锂离子电池的负极电位估算模型建立方法及计算机设备 | |
CN112526350B (zh) | 考虑热效应影响的锂离子电池峰值功率预测方法 | |
CN113815494A (zh) | 一种锂离子电池的预热充电控制方法 | |
CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
CN115494400B (zh) | 一种基于集成学习的锂电池析锂状态在线监控方法 | |
Jiang et al. | A novel adaptive extended Kalman filtering and electrochemical-circuit combined modeling method for the online ternary battery state-of-charge estimation | |
CN114089193A (zh) | 电池的温度和负极电位在线估计方法、装置和计算机设备 | |
CN114740385A (zh) | 一种自适应的锂离子电池荷电状态估计方法 |
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 |