CN112765794A - 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法 - Google Patents

基于加速寿命试验的磷酸铁锂电池的可靠性分析方法 Download PDF

Info

Publication number
CN112765794A
CN112765794A CN202110008941.XA CN202110008941A CN112765794A CN 112765794 A CN112765794 A CN 112765794A CN 202110008941 A CN202110008941 A CN 202110008941A CN 112765794 A CN112765794 A CN 112765794A
Authority
CN
China
Prior art keywords
lithium ion
ion battery
soh
battery
soc
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
Application number
CN202110008941.XA
Other languages
English (en)
Inventor
高靖
王征
梅迪
姜涛
陈明丰
李剑锋
朱赫炎
张娜
宋坤
王义贺
候依昕
吉星
程孟增
徐熙林
满林坤
颜宁
张�浩
马少华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang University of Technology
Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
Shenyang University of Technology
Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang University of Technology, Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical Shenyang University of Technology
Priority to CN202110008941.XA priority Critical patent/CN112765794A/zh
Publication of CN112765794A publication Critical patent/CN112765794A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于加速寿命试验的磷酸铁锂电池的可靠性分析方法。为了有效的提高锂离子电池寿命评估的准确性，延长储能系统在配电网中运行年限，本发明提出了基于加速寿命试验的锂离子电池的可靠性分析方法。首先，综合考虑不同放电深度对锂离子电池寿命影响，建立锂离子电池的寿命衰退模型。其次，建立荷电状态（State of Charge,SOC）与健康度（State of health，SOH）的关联特性关系；最后，提出基于逆幂率方程的储能系统加速寿命试验方法，基于情景分析法对锂离子电池的可靠性分析。

Description

基于加速寿命试验的磷酸铁锂电池的可靠性分析方法
技术领域
本发明基于加速寿命试验的磷酸铁锂电池的可靠性分析方法，属于电池储 能领域。
背景技术
目前，伴随清洁能源渗透率的不断提高，网络安全面临巨大挑战，系统灵活 性调节需求不断增大。以蓄电池为代表的化学储能设备以其良好的充放电特性， 对于分布式电源波动性、随机性良好的平抑性能，必将成为新型能源系统的重 要基础支撑和关键技术装备。以锂离子为研究对象进行可靠性评估时，需充分 考虑电池寿命降低的因素，如充放电速度、充放电倍率等，因此如何降低可靠 性评估的复杂度、提高可靠性评估的准确性，降低评估过程的成本是本文亟待 解决的问题。
发明内容
为解决上述问题，本发明提出一种基于加速寿命试验的磷酸铁锂电池的可 靠性分析方法，不仅能快速得到锂离子电池的健康度，而且能够快速检测锂离 子电池的可靠性水平。同时可以预估锂离子电池的使用寿命，充分利用电池的 使用寿命时间，具有一定的经济性和工程应用价值。
根据锂离子电池的寿命特点，提出一种基于加速寿命试验的磷酸铁锂电池 的可靠性分析方法。开始，综合考虑不同放电深度对锂离子电池寿命影响，建 立锂离子电池的寿命衰退模型；其次，创建合理的SOC与SOH的关联特性， 及时的监测电池的寿命状况；最后，基于逆幂率方程对储能系统进行加速寿命 试验，对电池进行可靠性分析，采用合理的管控手段，有效的实现储能系统并 网运行的可靠性。
一种基于加速寿命试验的磷酸铁锂电池的可靠性分析方法所包含的步骤如 下：
1、基于加速寿命试验的磷酸铁锂电池的可靠性分析方法，其特征在于，它 的的步骤为：
步骤1、在初始建立锂离子等效模型时，假设电池内部电阻保持不变，不 会由于充放电产生极化反应，忽略电池的自放电及记忆特性，得出出口电压U1的表达式为
Figure BDA0002884290580000021
其中，U0为锂离子电池的开路电压，ia为锂离子电池的充电电流，Ra,Rb,Cb为锂离子电池内部阻抗，m为指数区域对应的幅值，n为指数区域对应的时间系 数，Ex为电池的容量。
步骤2、锂离子电池的SOC计算的初始值与电池出厂额定状态、锂离子当 前剩余容量存在直接关系，具体为
Figure BDA0002884290580000022
其中，EL为锂离子电池剩余容量值；E0为出厂额定容量。
锂离子电池工作一段时间后，随着充放电次数的不断增加，电池的额定容 量Ex不断减小，所以很难准确的估测出锂离子电池的SOC特性。因此，推算出 SOC随时间的变化规律SOCx(t)为
Figure BDA0002884290580000023
其中，SOC0(t0)为开始时候锂电池的荷电状况，α为锂离子电池的充放电效 率。
步骤3、推断锂离子电池的SOC特性与充放电效率有直接关系，计算锂离 子电池的寿命特性。在放电深度不同的情况下，锂离子的寿命计算与其充放电 过程中的损耗存在直接关系，在对锂离子电池寿命测试进行多次试验后，得到 锂离子电池的寿命循环次数为
Figure BDA0002884290580000031
其中，β1,β2,βi+1是常数，它们是由线性回归拟合获得；Rk为重复k次 所对应的放电深度。
若锂离子电池每年的充放电次数设置为x次，则电池的寿命周期为
Figure BDA0002884290580000032
步骤4、在SOC评估过程中，根据状态变量U0,Ra,Rb,Cb,Ex估测出EL,SOC0, SOCx(t)，接着根据SOC特性去评估SOH特性，反之亦然。SOH与SOC关联特 性，锂离子电池的SOC特性及寿命评估中，已有的研究忽略了储能电池在应用 过程中存在SOH下降，导致电池状态估计准确性降低的问题。
设锂离子电池的SOH的极限值为[20％,100％]，计算电池的动态安全健康度 裕度为
Figure BDA0002884290580000033
其中，SOH预估的时间间隔为Δt，Δt取值越小，SOC与SOH联合预估的 准确性越高。
步骤5、为了有效的改善锂离子电池在配电网中运行的调控的准确性，需要 对锂离子电池的寿命进行评估，本发明假定在正常和加速两种情况下电池的寿 命保持一致，通过加速寿命试验，提出逆幂率模型用以对锂离子电池进行可靠 性评估。
步骤5-1、正常运行的情况下，锂离子电池的健康度SOH0为
SOH0＝L0C0 -m (7)
其中，Ci为锂离子电池正常寿命评估过程中的放电倍率；SOH0为正常情况 下的健康度特征；L0为寿命的初始值；m为常数。
步骤5-2、给定加速寿命试验过程中的放电倍率，得出SOH变化特征，具 体表达式为
SOHi＝L0Ci -m (8)
其中，SOHi为试验过程中的健康度特征。
根据逆幂率方程将加速寿命试验的变量用正常寿命条件下变量进行换算， 得到公式为
Figure BDA0002884290580000041
其中，
Figure BDA0002884290580000042
为对应放电倍率下已知表达式。
步骤6、当给定放电倍率极限值Cmax情况下得到健康度特性的极小值 SOHmin；在给定加速放电倍率为C1时，对应的健康度特性为SOH1。
步骤6-1、根据测得的各点，得出各个参数求解公式
Figure BDA0002884290580000043
Figure BDA0002884290580000044
步骤6-2、将其转化成正常情况下对应的健康度特性为
Figure BDA0002884290580000051
步骤7、采用加速寿命试验与正常放电倍率下误差的限定为ψmax，则对锂离 子电池进行可靠性分析时应满足如下：
Figure BDA0002884290580000052
对锂离子电池的健康度SOH预测，预测结果误差[0,ψmax]，将其离散化处 理，得到各个场景下发生的概率。
优点及效果
本发明的优点与积极效果如下：
(1)锂离子电池进行可靠性评估时，需充分考虑电池寿命降低的因素，如 充放电速度、充放电倍率等问题。本发明采用逆幂率方程对锂离子电池进行加 速寿命试验，得到加速寿命试验能够快速的检测出锂离子电池的健康度，计算 误差相对较小。对电池进行可靠性分析，采用合理的管控手段，有效的实现储 能系统并网运行的可靠性，同时提高评估的准确率。
(2)本发明采用情景分析法对锂离子电池进行可靠性分析，通过设置限定 误差分析可靠性，发现采用情景分析法能够准确的得到锂离子电池的可靠性水 平。采用本发明所提的可靠性分析方法，不仅能快速得到锂离子电池的健康度， 而且能够快速检测锂离子电池的可靠性水平。
附图说明
图1是锂离子电池等效模型图。
图2SOC与SOH联合状态估计图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
本发明提出一种基于加速寿命试验的磷酸铁锂电池的可靠性分析方法。电 池作为分布式电源并网安全运行的关键，维持整个系统频率和电压稳定，因此 在对锂离子电池进行可靠性评估过程中需要分析锂离子电池的等效模型及SOC 特性。在SOC评估过程中，根据状态变量U0,Ra,Rb,Cb,Ex估测出EL,SOC0, SOCx(t)，接着根据SOC特性去评估SOH特性。再采用逆幂率方程对锂离子电 池进行加速寿命试验，得到加速寿命试验能够快速的检测出锂离子电池的健康 度，计算误差相对较小。最后，采用情景分析法对锂离子电池进行可靠性分析， 通过设置限定误差分析可靠性，发现采用情景分析法能够准确的得到锂离子电 池的可靠性水平。
一种基于加速寿命试验的磷酸铁锂电池的可靠性分析方法，计算步骤具体 为：
步骤1、在初始建立锂离子等效模型时，假设电池内部电阻保持不变，不 会由于充放电产生极化反应，忽略电池的自放电及记忆特性，得出出口电压U1的表达式为
Figure BDA0002884290580000061
其中，U0为锂离子电池的开路电压，ia为锂离子电池的充电电流，Ra,Rb,Cb为锂离子电池内部阻抗，m为指数区域对应的幅值，n为指数区域对应的时间系 数，Ex为电池的容量。
步骤2、锂离子电池的SOC计算的初始值与电池出厂额定状态、锂离子当 前剩余容量存在直接关系，具体为
Figure BDA0002884290580000071
其中，EL为锂离子电池剩余容量值；E0为出厂额定容量。
锂离子电池工作一段时间后，随着充放电次数的不断增加，电池的额定容 量Ex不断减小，所以很难准确的估测出锂离子电池的SOC特性。因此，推算出 SOC随时间的变化规律SOCx(t)为
Figure BDA0002884290580000072
其中，SOC0(t0)为开始时候锂电池的荷电状况，α为锂离子电池的充放电效 率。
步骤3、推断锂离子电池的SOC特性与充放电效率有直接关系，计算锂离 子电池的寿命特性。在放电深度不同的情况下，锂离子的寿命计算与其充放电 过程中的损耗存在直接关系，在对锂离子电池寿命测试进行多次试验后，得到 锂离子电池的寿命循环次数为
Figure BDA0002884290580000073
其中，β1,β2,βi+1是常数，它们是由线性回归拟合获得；Rk为重复k次 所对应的放电深度。
若锂离子电池每年的充放电次数设置为x次，则电池的寿命周期为
Figure BDA0002884290580000074
步骤4、在SOC评估过程中，根据状态变量U0,Ra,Rb,Cb,Ex估测出EL,SOC0, SOCx(t)，接着根据SOC特性去评估SOH特性，反之亦然。SOH与SOC关联特 性，锂离子电池的SOC特性及寿命评估中，已有的研究忽略了储能电池在应用 过程中存在SOH下降，导致电池状态估计准确性降低的问题。
设锂离子电池的SOH的极限值为[20％,100％]，计算电池的动态安全健康度 裕度为
Figure BDA0002884290580000081
其中，SOH预估的时间间隔为Δt，Δt取值越小，SOC与SOH联合预估的 准确性越高。
步骤5、为了有效的改善锂离子电池在配电网中运行的调控的准确性，需要 对锂离子电池的寿命进行评估，本发明假定在正常和加速两种情况下电池的寿 命保持一致，通过加速寿命试验，提出逆幂率模型用以对锂离子电池进行可靠 性评估。
步骤5-1、正常运行的情况下，锂离子电池的健康度SOH0为
SOH0＝L0C0 -m (7)
其中，Ci为锂离子电池正常寿命评估过程中的放电倍率；SOH0为正常情况 下的健康度特征；L0为寿命的初始值；m为常数。
步骤5-2、给定加速寿命试验过程中的放电倍率，得出SOH变化特征，具 体表达式为
SOHi＝L0Ci -m (8)
其中，SOHi为试验过程中的健康度特征。
步骤6、通过锂离子电池正常状态下的健康度评估换算成加速放电倍率下的 健康度特征，表达式为
Figure BDA0002884290580000082
步骤7、根据逆幂率方程将加速寿命试验的变量用正常寿命条件下变量进行 换算，得到公式为
Figure BDA0002884290580000091
其中，
Figure BDA0002884290580000092
为对应放电倍率下已知表达式。
步骤8、当给定放电倍率极限值Cmax情况下得到健康度特性的极小值 SOHmin；在给定加速放电倍率为C1时，对应的健康度特性为SOH1。
步骤8-1、根据测得的各点，得出各个参数求解公式
Figure BDA0002884290580000093
Figure BDA0002884290580000094
步骤8-2、将其转化成正常情况下对应的健康度特性为
Figure BDA0002884290580000095
步骤9、采用加速寿命试验与正常放电倍率下误差的限定为ψmax，则对锂离 子电池进行可靠性分析时应满足如下：
Figure BDA0002884290580000096
对锂离子电池的健康度SOH预测，预测结果误差[0,ψmax]，将其离散化处 理，得到各个场景下发生的概率。
步骤10、根据公式(14)可以看出，采用情景分析法对锂离子电池进行可靠性 分析时，选取的限定误差越大，可靠性发生的概率越大。

Claims (1)

1.基于加速寿命试验的磷酸铁锂电池的可靠性分析方法，其特征在于，它的步骤为：
步骤1、在初始建立锂离子等效模型时，假设电池内部电阻保持不变，不会由于充放电产生极化反应，忽略电池的自放电及记忆特性，得出出口电压U1的表达式为
Figure FDA0002884290570000011
其中，U0为锂离子电池的开路电压，ia为锂离子电池的充电电流，Ra,Rb,Cb为锂离子电池内部阻抗，m为指数区域对应的幅值，n为指数区域对应的时间系数，Ex为电池的容量。
步骤2、锂离子电池的SOC计算的初始值与电池出厂额定状态、锂离子当前剩余容量存在直接关系，具体为
Figure FDA0002884290570000012
其中，EL为锂离子电池剩余容量值；E0为出厂额定容量。
锂离子电池工作一段时间后，随着充放电次数的不断增加，电池的额定容量Ex不断减小，所以很难准确的估测出锂离子电池的SOC特性。因此，推算出SOC随时间的变化规律SOCx(t)为
Figure FDA0002884290570000013
其中，SOC0(t0)为开始时候锂电池的荷电状况，α为锂离子电池的充放电效率。
步骤3、推断锂离子电池的SOC特性与充放电效率有直接关系，计算锂离子电池的寿命特性。在放电深度不同的情况下，锂离子的寿命计算与其充放电过程中的损耗存在直接关系，在对锂离子电池寿命测试进行多次试验后，得到锂离子电池的寿命循环次数为
Figure FDA0002884290570000021
其中，β1,β2,βi+1是常数，它们是由线性回归拟合获得；Rk为重复k次所对应的放电深度。
若锂离子电池每年的充放电次数设置为x次，则电池的寿命周期为
Figure FDA0002884290570000022
步骤4、在SOC评估过程中，根据状态变量U0,Ra,Rb,Cb,Ex估测出EL,SOC0,SOCx(t)，接着根据SOC特性去评估SOH特性，反之亦然。SOH与SOC关联特性，锂离子电池的SOC特性及寿命评估中，已有的研究忽略了储能电池在应用过程中存在SOH下降，导致电池状态估计准确性降低的问题。
设锂离子电池的SOH的极限值为[20％,100％]，计算电池的动态安全健康度裕度为
Figure FDA0002884290570000023
其中，SOH预估的时间间隔为Δt，Δt取值越小，SOC与SOH联合预估的准确性越高。
步骤5、为了有效的改善锂离子电池在配电网中运行的调控的准确性，需要对锂离子电池的寿命进行评估，本发明假定在正常和加速两种情况下电池的寿命保持一致，通过加速寿命试验，提出逆幂率模型用以对锂离子电池进行可靠性评估。
步骤5-1、正常运行的情况下，锂离子电池的健康度SOH0为
SOH0＝L0C0 -m (7)
其中，Ci为锂离子电池正常寿命评估过程中的放电倍率；SOH0为正常情况下的健康度特征；L0为寿命的初始值；m为常数。
步骤5-2、给定加速寿命试验过程中的放电倍率，得出SOH变化特征，具体表达式为
SOHi＝L0Ci -m (8)
其中，SOHi为试验过程中的健康度特征。
根据逆幂率方程将加速寿命试验的变量用正常寿命条件下变量进行换算，得到公式为
Figure FDA0002884290570000031
其中，
Figure FDA0002884290570000032
为对应放电倍率下已知表达式。
步骤6、当给定放电倍率极限值Cmax情况下得到健康度特性的极小值SOHmin；在给定加速放电倍率为C1时，对应的健康度特性为SOH1。
步骤6-1、根据试验中测得的各点，得出各个参数求解公式
Figure FDA0002884290570000033
Figure FDA0002884290570000034
步骤6-2、将其转化成正常情况下对应的健康度特性为
Figure FDA0002884290570000041
步骤7、采用加速寿命试验与正常放电倍率下误差的限定为ψmax，则对锂离子电池进行可靠性分析时应满足如下：
Figure FDA0002884290570000042
对锂离子电池的健康度SOH预测，预测结果误差[0,ψmax]，将其离散化处理，得到各个场景下发生的概率。
CN202110008941.XA 2021-01-05 2021-01-05 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法 Pending CN112765794A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110008941.XA CN112765794A (zh) 2021-01-05 2021-01-05 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110008941.XA CN112765794A (zh) 2021-01-05 2021-01-05 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法

Publications (1)

Publication Number Publication Date
CN112765794A true CN112765794A (zh) 2021-05-07

Family

ID=75699476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110008941.XA Pending CN112765794A (zh) 2021-01-05 2021-01-05 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法

Country Status (1)

Country Link
CN (1) CN112765794A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113341331A (zh) * 2021-05-31 2021-09-03 湖北亿纬动力有限公司 一种复合电源工作寿命的预测方法以及装置
CN116203434A (zh) * 2023-04-28 2023-06-02 山东科技大学 一种燃料电池耐久性的预测方法及设备
CN117949852A (zh) * 2024-03-22 2024-04-30 肇庆理士电源技术有限公司 基于快速拆装的锂离子电池充放电寿命检测装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520367A (zh) * 2011-12-26 2012-06-27 中国电子科技集团公司第十八研究所 一种空间用氢镍蓄电池寿命评估方法
CN103529399A (zh) * 2013-10-28 2014-01-22 湖南大学 一种基于铅酸电池改进型pngv模型的模拟方法
CN105548900A (zh) * 2016-01-07 2016-05-04 北京北交新能科技有限公司 一种轨道交通用动力电池健康状态评估方法
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
CN106959420A (zh) * 2017-03-10 2017-07-18 南京航空航天大学 一种动力电池组soc和soh的自适应估计方法
CN109541473A (zh) * 2018-10-18 2019-03-29 东北电力大学 基于放电量加权累加的铅炭电池健康状态估算方法
CN109616710A (zh) * 2018-12-12 2019-04-12 云南电网有限责任公司带电作业分公司 基于全生命周期模型的多旋翼无人机电池充放电管控方法
CN109975713A (zh) * 2019-04-12 2019-07-05 苏州正力蔚来新能源科技有限公司 一种考虑多因素影响的动力电池soh估算方法
CN111175666A (zh) * 2020-01-16 2020-05-19 郑州宇通客车股份有限公司 一种soh检测方法及装置
CN111581904A (zh) * 2020-04-17 2020-08-25 西安理工大学 考虑循环次数影响的锂电池soc及soh协同估算方法
KR20200107411A (ko) * 2019-03-07 2020-09-16 주식회사 엘지화학 배터리 soh 추정 방법 및 이를 적용한 배터리 팩

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520367A (zh) * 2011-12-26 2012-06-27 中国电子科技集团公司第十八研究所 一种空间用氢镍蓄电池寿命评估方法
CN103529399A (zh) * 2013-10-28 2014-01-22 湖南大学 一种基于铅酸电池改进型pngv模型的模拟方法
CN105548900A (zh) * 2016-01-07 2016-05-04 北京北交新能科技有限公司 一种轨道交通用动力电池健康状态评估方法
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
CN106959420A (zh) * 2017-03-10 2017-07-18 南京航空航天大学 一种动力电池组soc和soh的自适应估计方法
CN109541473A (zh) * 2018-10-18 2019-03-29 东北电力大学 基于放电量加权累加的铅炭电池健康状态估算方法
CN109616710A (zh) * 2018-12-12 2019-04-12 云南电网有限责任公司带电作业分公司 基于全生命周期模型的多旋翼无人机电池充放电管控方法
KR20200107411A (ko) * 2019-03-07 2020-09-16 주식회사 엘지화학 배터리 soh 추정 방법 및 이를 적용한 배터리 팩
CN109975713A (zh) * 2019-04-12 2019-07-05 苏州正力蔚来新能源科技有限公司 一种考虑多因素影响的动力电池soh估算方法
CN111175666A (zh) * 2020-01-16 2020-05-19 郑州宇通客车股份有限公司 一种soh检测方法及装置
CN111581904A (zh) * 2020-04-17 2020-08-25 西安理工大学 考虑循环次数影响的锂电池soc及soh协同估算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯真得著: "《变电站用VRLA蓄电池SOC及SOH估计算法研究》", 《工程科技Ⅱ辑》, no. 2017 *
马少华等著: "《铅酸蓄电池加速寿命试验方法的研究》", 《蓄电池》, vol. 50, no. 6, pages 268 - 271 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113341331A (zh) * 2021-05-31 2021-09-03 湖北亿纬动力有限公司 一种复合电源工作寿命的预测方法以及装置
CN116203434A (zh) * 2023-04-28 2023-06-02 山东科技大学 一种燃料电池耐久性的预测方法及设备
CN116203434B (zh) * 2023-04-28 2023-07-04 山东科技大学 一种燃料电池耐久性的预测方法及设备
CN117949852A (zh) * 2024-03-22 2024-04-30 肇庆理士电源技术有限公司 基于快速拆装的锂离子电池充放电寿命检测装置

Similar Documents

Publication Publication Date Title
CN112765794A (zh) 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法
CN103728563B (zh) 一种电池健康状态的测算方法
EP4083643B1 (en) Soh test method and apparatus
Stroe et al. Lithium‐ion battery power degradation modelling by electrochemical impedance spectroscopy
CN112986831A (zh) 一种基于相关系数粒子滤波的锂离子电池寿命预测方法
JP2014074682A (ja) バッテリのパラメータ等推定装置およびその推定方法
CN109100652B (zh) 一种用于预测梯次利用动力电池的离散度的方法及系统
CN104833917B (zh) 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定
Haiying et al. Study on correlation with SOH and EIS model of Li-ion battery
CN115267555A (zh) 基于电池多点温度测量的储能系统电池soh评估系统
Zheng et al. Real-time estimation of battery state of charge with metabolic grey model and LabVIEW platform
Hu et al. Study on SOC estimation of lithium battery based on improved BP neural network
CN114609523A (zh) 一种电池容量的在线检测方法、电子设备及存储介质
Sun et al. State-of-health estimation of retired lithium-ion battery module aged at 1C-rate
CN113917351B (zh) 基于容量变化的储能电站电池簇不一致性在线评估方法
Kamali et al. Novel SOH estimation of lithium-ion batteries for real-time embedded applications
CN113866646B (zh) 基于极化阻抗压升的电池簇不一致性在线监测方法
CN113655398B (zh) 预估锂电池循环跳水的方法
Zhang A new method for lithium-ion battery's SOH estimation and RUL prediction
CN105259511A (zh) 基于蓄电池运行状态归算的荷电状态估算方法
Yang et al. Lithium-ion battery life cycle prediction with deep learning regression model
Cai et al. D-ukf based state of health estimation for 18650 type lithium battery
CN113805061B (zh) 一种锂亚硫酰氯体系锂原电池的soc预测方法
CN115318683A (zh) 一种整包电池的筛选方法和装置
CN111308352A (zh) 一种锂离子的电池衰减估算方法

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