CN112904217A - 一种确定电池电芯的日历模型的方法 - Google Patents
一种确定电池电芯的日历模型的方法 Download PDFInfo
- Publication number
- CN112904217A CN112904217A CN202110078152.3A CN202110078152A CN112904217A CN 112904217 A CN112904217 A CN 112904217A CN 202110078152 A CN202110078152 A CN 202110078152A CN 112904217 A CN112904217 A CN 112904217A
- Authority
- CN
- China
- Prior art keywords
- battery cell
- determining
- temperature
- state
- charge
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 41
- 230000008859 change Effects 0.000 claims description 38
- 230000007423 decrease Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 239000007784 solid electrolyte Substances 0.000 claims 9
- 230000016507 interphase Effects 0.000 claims 8
- 230000014759 maintenance of location Effects 0.000 abstract description 16
- 239000003792 electrolyte Substances 0.000 abstract description 11
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 229910001416 lithium ion Inorganic materials 0.000 abstract description 7
- 239000002245 particle Substances 0.000 abstract description 7
- 230000015556 catabolic process Effects 0.000 abstract description 5
- 238000000354 decomposition reaction Methods 0.000 abstract description 5
- 238000006731 degradation reaction Methods 0.000 abstract description 5
- 230000003071 parasitic effect Effects 0.000 abstract description 5
- 230000036541 health Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000006722 reduction reaction Methods 0.000 description 5
- 239000002904 solvent Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000007086 side reaction Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- XGZVUEUWXADBQD-UHFFFAOYSA-L lithium carbonate Chemical compound [Li+].[Li+].[O-]C([O-])=O XGZVUEUWXADBQD-UHFFFAOYSA-L 0.000 description 3
- 229910052808 lithium carbonate Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 229910001290 LiPF6 Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
-
- 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
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
一种基于物理的日历寿命模型,用于确定锂离子电池电芯的健康状态。该模型考虑了阳极和阴极颗粒上的寄生反应,以准确确定电池的退化。通过将电解质分解纳入阴极,本日历模型可以预测高电荷状态(SOC)和高温下容量保持率以及电池电阻的大幅上升。本日历模型是一种简单的算法,仅利用三个参数,并根据温度、SOC和时间确定容量保持率和电阻上升。
Description
技术领域
本发明尤其涉及一种确定电池电芯的日历模型的方法。
背景技术
锂离子电池健康状态(SOH)估计是电动车辆的电池管理系统中最具挑战性和最重要的任务之一。电池寿命期间的电池容量和电阻的在线预测方法容易引起重大错误。因此,离线SOH估计是最流行的算法,其中在不同的存储和循环条件下离线测量到的电池容量和内阻被用于生成日历和循环寿命模型。一个用于可靠地估计电芯在不同荷电状态和温度下的容量衰减和电阻上升的精准的日历寿命模型是SOH算法的重要组成部分。
发明内容
本申请提供了一种基于物理的日历寿命模型,用于确定处于静止状态(即没有充电或放电)的锂离子电池电芯的健康状态。本模型考虑了阳极和阴极颗粒上的寄生反应,以准确确定电池的退化。通过将电解质分解纳入阴极,本日历模型可以预测高电荷状态(SOC)和高温下容量保持率以及电芯电阻的大幅上升。与本申请相反,先前的模型低估了电阻的增长。本日历模型是一种简单的算法,仅利用三个与温度相关的参数,并根据温度、电荷状态(SOC)和时间确定容量保持率和电阻上升。
在实施例中,公开了一种用于确定电池电芯的日历模型的方法。该方法包括通过电池管理系统与电池电芯的通信,通过电池管理系统获取电池电芯在第一时间的初始放电容量和电阻。电池管理系统可以确定在所述第一时间所述电池电芯的第一温度和第一荷电状态,并且还可以确定在第二时间所述电池电芯的第二温度和第二荷电状态。基于所述电池电芯的温度变化或荷电状态变化,所述电池管理系统根据所述电池电芯在所述第二时间的温度以及至少一种基于物理的性质,确定所述电池电芯的容量下降。根据所述电池电芯在第二时间的温度以及至少一种基于物理的性质,确定所述电池电芯的电阻上升。日历衰减时间是根据容量下降和电阻上升来确定的。
在实施例中,一种非暂时性计算机可读存储介质包括程序,该程序可由处理器执行以执行用于确定电池电芯的日历模型的方法。该方法可以包括通过电池电芯的电池管理系统获取在第一时间的初始放电容量和电阻。在第一时间电池电芯的第一温度和第一荷电状态被确定,在第二时间电池电芯的第二温度和第二荷电状态被确定。基于电池电芯的温度变化或荷电状态变化,电池电芯的容量下降根据在第二时间的温度和至少一个基于物理的性质被确定。电池电芯的电阻上升根据在第二时间的温度和至少一个基于物理的性质被确定。日历衰减时间根据所述容量下降及电阻上升被确定。
在实施例中,一种用于确定电池电芯的日历模型的系统包括一个或多个处理器,存储器以及存储在存储器中并且可由一个或多个处理器执行的电池管理系统。当执行时,电池管理系统可以获取电池电芯在第一时间的初始放电容量和电阻,确定第一时间电池电芯的第一温度和第一荷电状态,确定第二时间电池电芯的第二温度和第二荷电状态,基于电池电芯的温度变化或荷电状态变化,根据在第二时间的温度和至少一个基于物理的性质电池电芯的容量下降被确定。电池管理系统可以基于在第二时间的温度和至少一个基于物理的性质确定电阻上升,可根据容量下降和电阻上升确定日历衰减时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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是电动车辆的框图;
图2是电池管理系统的框图;
图3是确定日历衰减的示例性方法;
图4是用于计算容量下降的示例性方法;
图5是用于计算电阻上升的示例性方法;
图6是用于在日历衰减确定期间确定新时间的示例性方法;
图7-8是随时间推移的容量保持率图;
图9示出了与本技术一同使用的计算环境。
具体实施方式
本申请提供了基于物理的日历寿命模型,用于确定锂离子电池电芯的健康状态。本模型考虑了阳极和阴极颗粒上的寄生反应,以准确确定电池的退化。通过在阴极中合并电解质分解物,本日历模型可以预测高电荷状态(SOC)和高温下容量保持率以及电芯电阻的大幅上升。与本申请相反,先前的模型低估了电阻的增长。本日历模型是一种简单的算法,仅利用三个参数,并根据温度、电荷状态(SOC)和时间确定容量保持率和电阻上升。
日历寿命模型通常是通过拟合在多种电荷状态(SOC)和温度下存储的电池的容量和电阻来构建的。通过在一定的时间间隔(例如每两周)对电池进行完全充电和放电并分别以一定的SOC(例如50%)施加短脉冲来测量该容量和电阻数据。
以实验为依据的Arrhenius型日历模型通常用于预测存储条件下电芯容量衰减和电阻上升。由于它们的实验性质,这些模型在超出用于查找模型参数的数据范围内应用时并不可靠。因此,需要在长时间(例如一年)内获得的大量存储数据来开发这些模型。
以前的日历模型仅考虑了存储过程中阳极粒子上的SEI形成,因为锂离子电池中使用的大多数常见电解质(例如碳酸盐溶剂中的LiPF6)在几乎整个电池SOC范围内在阳极中都是电化学不稳定的(当电芯SOC高于10%时,阳极电势低于电解质电势窗口)。为了预测容量衰减以及电阻上升,通过在阴极粒子上包含另一个寄生反应,开发了一个基于物理的新日历寿命模型。假定在高SOC(例如>90%)下,阴极电压高于电解质电势窗口。因此,在高SOC和高温下存储的电池的电解质经历了分解。尽管此氧化反应通过产生Li+来增加电池容量,但由于气体的产生以及可能在阴极颗粒上形成SEI膜,它会显著影响电池电阻。通过将电解质分解纳入阴极,所述新的日历模型能够预测在高SOC(>90%)和温度(>35℃)下电池电阻的大幅上升,而以前的模型则低估了电阻的增长。
新的日历寿命模型需要更少的实验数据来进行训练,并且由于其基于物理的特性,因此可以在广泛的温度、SOC和时间范围内使用。另一方面,该模型仅包含简单的代数方程,而无需任何迭代过程。因此,新模型是离线SOH估算算法的理想选择,该算法可以轻松地在BMS中实施。
图1是电动车辆的框图。图1的车辆100包括车身105、电池管理系统(BMS)110、电池120、动力传动系统130和车轮140-146。电池管理系统110可以包括硬件和软件,用于监控和检索电池120的信息,控制电池120的充电,检测电池120的温度和其他参数,访问本地或远程数据存储中的信息,以及管理电动车辆100的电池系统。在某些情况下,电池管理系统110可以确定电池120的日历衰减。关于数据管理系统110的更多细节将参考图2进行讨论。
电池120可以用于向动力传动系统130提供电荷。电池120可以与电池管理系统110通信并被其访问,还可提供电荷及从动力传动系统130接收电荷。在某些情况下,电池120可以包括锂离子电池。
传动系统130可以包括逆变器、电动机、齿轮、传动装置和其他部件,用于将由电池122提供的电荷转换为施加到车轮140-146中的一个或多个的动力。
电动车辆100可以包括未在图1中示出的其他组件。例如,在2018年12月31日提交的申请号为16/237,559,标题为“基于车道偏离策略的自动车道变更”的美国专利以及于2019年5月15日提交的申请号为16/412,419,标题为“自主电动汽车的节能路径规划”的美国专利中公开的数据处理系统和感知模块之类的其他组件,两者的公开内容通过引用并入本文。
图2是BMS的框图。图2的BMS为图1的BMS 110提供了更多细节。BMS 200包括容量下降引擎210、电阻上升引擎220、日历逻辑引擎230、电池监控240、电芯容量配置文件250和电阻配置文件260。
容量下降引擎210可以计算电池120的容量下降。可以基于当前时间或其他时间的电池的平均温度和平均荷电状态(SCO)确定容量下降。
电阻上升引擎220可以计算电池的电阻上升。在一些情况下,可以基于各种参数来计算阴极和阳极的电阻上升,在一些情况下包括平均温度和平均荷电状态。
日历逻辑引擎230可以至少基于当前电芯的容量下降和电阻上升来确定日历衰减。电池监控240可以确定电池参数,例如温度、荷电状态和其他参数。电芯容量配置文件250可以包括当前电芯的多个电芯容量数据。电阻配置文件260可以包括当前电芯的多个电阻数据。
尽管对锂离子电池充电可以增加电极中的副反应速率,但是无论电池处于静止状态还是被充电或放电,这些反应总是可以发生。因此,提出的模型可以用作BMS中SOH算法的一部分,以估计静止以及循环操作期间的日历衰减:
静止:总衰减=日历衰减
循环:总衰减=日历衰减+循环衰减
图3是用于确定日历衰减的示例性方法。为了估计日历衰减到容量下降,在BMS中实施了图3的方法中概述的过程。
在步骤310中设置了初始时间、容量和电阻。初始容量和电阻可以从与特定电芯相关联的离线数据确定。初始时间可以是,例如当前时间。在步骤320,记录了在初始时间的时间K时的电芯温度和荷电状态(SOC)所述电芯温度可以由针对电池120的电池管理系统110确定。
步骤330中,记录了在诸如时间K+1的随后时间时新的温度和SOC。所述随后时间可以是一分钟后、五分钟后、10分钟后、一小时后、一天后、一周后、一月后或在初始时间K之后的一个其他时间段内。在某些情况下,图3的一个或多个步骤被循环执行,并且步骤330的随后时间被周期性地确定。在某些情况下,随后时间是根据某个事件或初始时间之后的某个时间段来确定的,该时间段可能是周期性的也可能不是周期性的。
在步骤340中,确定温度的变化是否大于温度变化阈值。温度的变化是由步骤320测得的时间K时的初始温度和步骤330测得的时间K+1时的温度之间的变化确定的。如果初始电芯温度和随后记录的温度之间的差大于阈值,则图3的方法继续到步骤360。在一些情况下,阈值可以是1°、1.5°、2°、2.5°、3°、初始温度的百分比例如0.5%或1.0%,或其他某个阈值。如果温度变化不大于阈值,则图3的方法继续到步骤350。
在步骤350,确定荷电状态的变化是否大于SOC变化阈值。SOC变化阈值可以是2%、5%、70%、10%或一些其他变化值。如果在步骤350,SOC的变化小于相应的阈值,则图3的方法返回步骤330。如果在步骤350,SOC的变化大于SOC的变化阈值,则图3的方法继续至步骤360。
在步骤360,容量下降被计算。可以在电芯的平均温度和平均SOC下计算容量下降。平均温度和平均SOC可以分别从时间K和K+1处的温度和SOC确定。容量下降可以根据电芯的物理性质来确定,例如SEI密度和分子量、厚度、阳极表面积。有关图4的方法讨论了用于确定电芯的容量下降的更多细节。
在步骤370,电阻上升被计算。电阻上升可以基于平均温度和平均SOC来确定。平均温度可以根据在步骤320和330处记录的温度来确定。还可以基于在步骤320和步骤330处记录的SOC来确定平均SOC。计算电阻上升主要包括基于物理特性,例如阳极的参数、直流电阻和阴极参数和阴极的直流电阻来确定阳极和阴极电阻上升。有关图5的方法讨论了用于计算电阻上升的更多细节。
在步骤380日历衰减时间被确定。日历衰减时间可以包括匹配新容量并确定与针对新容量的温度变化相关联的时间差。有关图6的方法讨论了用于确定新的日历衰减时间的更多细节。
在步骤390设置了新的时间、温度和SOC。然后图3的方法可以迭代地重复,并从步骤390继续到步骤330。然后可以在从步骤330开始的下一次迭代中确定新的日历衰减时间。
图4是用于计算容量下降的示例性方法。图4的方法为图3的方法中的步骤360提供了更多细节。首先,在步骤410SEI密度和SEI分子量被获取。在步骤420当前时间的SEI厚度被获取。SEI厚度可以根据以下确定:
其中A和B如下:
在上面的公式中,εSEI,ΔCsol分别是SEI孔隙率、主体溶剂浓度和电解质主体与粒子表面之间的溶剂浓度差。OCVanode和USEI分别是阳极开路电位和溶剂还原反应的平衡电位(即电解质稳定的最小电位)。参数kSEI和Dsol分别是SEI层中的反应常数和溶剂扩散率。这些温度相关的特性是所需的拟合参数,因为所有包括USEI和εSEI的其他特性都与kSEI和Dsol相关,并且其中MWSEI和ρSEI是SEI的分子量和密度,都是基于物理的特性。
在步骤430可以获取阳极表面积。然后在步骤440确定当前时间的电芯容量下降。当前时间的电芯容量下降可以确定为:
其中是阴极中碳酸锂残余的初始浓度。拟合参数kcathode是阴极副反应常数,它随温度呈指数增加。OCVcathode和分别是阳极开路电位和阴极副反应的平衡电位(即电解质稳定时的最大电位)。Acathode是阴极表面积。
图5是用于计算电阻上升的示例性方法。图5的方法为图3的方法的步骤370提供了更多细节。在步骤510,基于阳极参数确定阳极的直流电阻。直流电阻可以确定为:
ΔDCRanode=βanodeLSEI(t)
在步骤520基于温度可以确定阴极参数kcathde。然后在步骤530基于阴极参数确定阴极的直流电阻。可以将阴极的直流电阻确定为:
ΔDCRanode=βanodeLsEI(t)
βanode和βcathode是将SEI厚度和碳酸锂浓度分别转换为直流电阻的比例因子。在步骤540,将阳极电阻和阴极电阻的增加相加以确定总电阻增加。总电阻可以如下计算:
ΔDCR=ΔDCRanode+ΔDCRcathode
图6是用于确定日历衰减期间的新时间的示例性方法。在步骤610,在平均温度和荷电状态下获取新容量。在步骤620,将先前温度下的新容量与新温度下的容量进行匹配。在步骤630,确定与新容量有关的温度变化相关的时间差。
图7-8是示出随时间推移的容量保持率的图。图7的曲线图示出了容量保持率y1,y2和y3,其中,y1,y2和y3中的每一个都与不同的温度关联。在某些情况下,y1的温度小于与y2相关联的温度,并且y2的温度小于与y3相关联的温度。
容量保持率(Q)绘制在时间T0、T1、T2和T3上。在T0和T1之间,电芯的温度与曲线y1相关。因此,T0和T1之间的容量保持率为沿着y1的C1部分。在时间T1,电芯的温度被检测为与y3相关联的温度。这样,在时间T2处容量保持率将移至曲线y3的容量Q1处,容量保持率沿图段C2延伸。在时间T2,确定电芯的温度为与曲线y2相关的温度。这样,容量保持率将移向段C3。
图8的曲线图示出了与图7的容量段相关联的容量保持率。因此,段C1’与图7的段C1相关联,图8的C2’与图7的C2相关联,并且C3’与图7的段C3相关联。另外,C1’与容量保持率Q0相关,T1和T1,C2’之间的Q1在Q1和Q2之间,所述Q1和Q2在T1和T2之间,T2和T3之间的C3’在Q2和Q3之间。
图9是用于在本技术中实现的计算环境的框图。可以在实现电池管理系统110的机器的类似环境中实现图9的系统900。图9的计算系统900包括一个或多个处理器910和存储器920。主存储器920部分地存储指令和数据以供处理器910执行。主存储器920在操作时可以存储可执行代码。图9的系统900还包括大容量存储设备930、便携式存储介质驱动器940、输出设备950、用户输入设备960、图形显示器970和外围设备980。
图9所示的组件被描述为通过单个总线990连接。但是,这些组件可以通过一个或多个数据传输装置连接。例如,处理器单元910和主存储器920可通过本地微处理器总线连接,且大容量存储设备930、外围设备980、便携式存储设备940和显示系统970可通过一个或多个输入/输出(I/O)总线连接。
大容量存储设备930可以用磁盘驱动器、光盘驱动器、闪存驱动器或其他设备实现,用于存储供处理器单元910使用的数据和指令的非易失性存储设备。大容量存储设备930可以存储用于实现本发明的实施例的系统软件,以便将该软件加载到主存储器920中。
便携式存储设备940与便携式非易失性存储介质结合操作,例如软盘、光盘或数字视频盘、USB驱动器、存储卡或存储棒或其他便携式或可移动存储器,以输入和输出数据和代码到图9的计算机系统900及从计算机系统900接收数据和代码。用于实现本发明实施例的系统软件可以存储在这样的便携式介质上,并通过便携式存储设备940输入到计算机系统900。
输入设备960提供用户界面的一部分。输入设备960可以包括用于输入字母数字和其他信息的字母数字小键盘,例如键盘、定点设备诸如鼠标、轨迹球、触笔、光标方向键、麦克风、触摸屏、加速度计和其他的输入设备。另外,如图9所示的系统900包括输出设备950。合适的输出设备的示例包括扬声器、打印机、网络接口和监视器。
显示系统970可以包括液晶显示器(LCD)或其他合适的显示设备。显示系统970接收文本和图形信息并处理该信息以输出到显示设备。显示系统970也可以作为触摸屏接收输入。
外围设备980可以包括任何类型的计算机支持设备,以向计算机系统添加附加功能。例如,外围设备980可以包括调制解调器或路由器、打印机和其他设备。
在一些实施方式中,系统900还可以包括天线、无线电发射器和无线电接收器990。天线和无线电可以在诸如智能电话、平板电脑以及可以无线通信的其他装置的装置中实现。一个或多个天线可以在蜂窝网络、Wi-Fi网络、诸如蓝牙设备的商业设备网络和其他射频网络上发送和接收数据。这些设备可以包括一个或多个无线电发射机和接收机,用于处理使用天线发送和接收的信号。
图9的计算机系统900中包含的组件是在计算机系统常见的那些组件,它们可能适合与本发明的实施例一起使用,意在代表本领域中公知的这样的计算机部件的一大类。因此,图9的计算机系统900可以是个人计算机、手持计算设备、智能电话、移动计算设备、工作站、服务器、小型计算机、大型计算机或任何其他计算设备。该计算机还可以包括不同的总线配置、网络平台、多处理器平台等。可以使用各种操作系统,包括Unix,Linux,Windows,Macintosh OS,Android,以及可以使用包括Java、.NET、C、C++、Node.JS和其他合适的语言。
本申请中,该技术的前面的详细描述是出于说明和描述的目的,并不旨在穷举或将技术限制为所公开的精确形式。根据以上教导,诸多修改和变化是可能的。选择描述的实施例是为了最好地解释该技术的原理及其实际应用,从而使本领域的其他技术人员能够在各种实施例中以适合预期的特定用途的各种修改来最好地利用该技术。旨在通过所附权利要求来限定技术的范围。
Claims (20)
1.一种确定电池电芯的日历模型的方法,包括:
通过电池管理系统与电池电芯的通信,通过电池管理系统获取电池电芯在第一时间的初始放电容量和电阻;
通过所述电池管理系统,确定在所述第一时间所述电池电芯的第一温度和第一荷电状态;
通过所述电池管理系统,确定在第二时间所述电池电芯的第二温度和第二荷电状态;
基于所述电池电芯的温度变化或荷电状态变化,通过所述电池管理系统根据在所述第二时间的温度以及所述电池电芯的至少一种基于物理的性质,确定所述电池电芯的容量下降;
通过所述电池管理系统,根据在所述第二时间的温度以及所述电池电芯的至少一种基于物理的性质,确定所述电池电芯的电阻上升;
通过所述电池管理系统,根据所述容量下降及电阻上升确定日历衰减时间。
2.根据权利要求1所述的方法,其中用于确定所述容量下降的至少一种基于物理的性质包括分子量和固体电解质相间密度。
3.根据权利要求1所述的方法,其中用于确定电阻上升的至少一种基于物理的性质包括固体电解质相间厚度。
4.根据权利要求1所述的方法,其中所述第一温度和所述第二温度间的温度变化大于阈值温度变化。
5.根据权利要求1所述的方法,其中所述第一荷电状态和所述第二荷电状态之间的荷电状态变化大于阈值荷电状态变化。
6.根据权利要求1所述的方法,其中确定所述容量下降包括确定用于电池电芯的固体电解质相间层的厚度。
7.根据权利要求1所述的方法,其中确定所述电阻上升包括确定所述电池电芯的阳极的直流电阻和所述电池电芯的阴极的直流电阻。
8.一种非暂时性计算机可读存储介质,其上包含程序,该程序可由处理器执行以执行确定电池电芯日历模型的方法,该方法包括:
通过电池电芯的电池管理系统,获取电池电芯在第一时间的初始放电容量和电阻;
确定在所述第一时间所述电池电芯的第一温度和第一荷电状态;
确定在第二时间所述电池电芯的第二温度和第二荷电状态;
基于所述电池电芯的温度变化或荷电状态变化,根据在所述第二时间的温度以及所述电池电芯的至少一种基于物理的性质,确定所述电池电芯的容量下降;
根据在所述第二时间的温度以及所述电池电芯的至少一种基于物理的性质,确定所述电池电芯的电阻上升;
根据所述容量下降及所述电阻上升确定日历衰减时间。
9.根据权利要求8所述的非暂时性计算机可读存储介质,其中用于确定所述容量下降的至少一种基于物理的性质包括分子量和固体电解质相间密度。
10.根据权利要求8所述的非暂时性计算机可读存储介质,其中用于确定所述电阻上升的至少一种基于物理的性质包括固体电解质相间厚度。
11.根据权利要求8所述的非暂时性计算机可读存储介质,其中所述第一温度和所述第二温度间的温度变化大于阈值温度变化。
12.根据权利要求8所述的非暂时性计算机可读存储介质,其中所述第一荷电状态和所述第二荷电状态之间的荷电状态变化大于阈值荷电状态变化。
13.根据权利要求8所述的非暂时性计算机可读存储介质,其中确定所述容量下降包括确定用于电池电芯的固体电解质相间层的厚度。
14.根据权利要求8所述的非暂时性计算机可读存储介质,其中确定所述电阻上升包括确定电池电芯的阳极的直流电阻和电池电芯的阴极的直流电阻。
15.一种用于确定电池电芯的日历模型的系统,包括:
一个或多个处理器,
存储器,以及
电池管理系统,所述电池管理系统存储在存储器中并且可由所述一个或多个处理器执行以通过电池管理系统获取电池电芯在第一时间的初始放电容量和电阻,确定在第一时间所述电池电芯的第一温度和第一荷电状态,确定在第二时间所述电池电芯的第二温度和第二荷电状态,基于所述电池电芯的温度变化或所述电池电芯的荷电状态变化,根据在第二时间的温度和电池电芯至少一种基于物理的性质,确定所述电池电芯的容量下降,基于在第二时间的温度和电池电芯至少一种基于物理的性质,确定电池电芯的电阻上升,基于容量下降和电阻上升确定日历衰减时间。
16.根据权利要求15所述的系统,其中用于确定所述容量下降的至少一种基于物理的性质包括分子量和固体电解质相间密度。
17.根据权利要求15所述的系统,其中用于确定所述电阻上升的至少一种基于物理的性质包括固体电解质相间厚度。
18.根据权利要求15所述的系统,其中用于所述第一温度和所述第二温度间的温度变化大于阈值温度变化。
19.根据权利要求15所述的系统,其中所述第一荷电状态和所述第二荷电状态之间的荷电状态变化大于阈值荷电状态变化。
20.根据权利要求15所述的系统,其中确定所述容量下降包括确定所述电池电芯的固体电解质相间层的厚度,和确定电阻上升包括确定电池电芯的阳极的直流电阻和电池电芯的阴极的直流电阻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110078152.3A CN112904217B (zh) | 2021-01-20 | 2021-01-20 | 一种确定电池电芯的日历模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110078152.3A CN112904217B (zh) | 2021-01-20 | 2021-01-20 | 一种确定电池电芯的日历模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904217A true CN112904217A (zh) | 2021-06-04 |
CN112904217B CN112904217B (zh) | 2024-03-01 |
Family
ID=76118698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110078152.3A Active CN112904217B (zh) | 2021-01-20 | 2021-01-20 | 一种确定电池电芯的日历模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904217B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113900028A (zh) * | 2021-10-09 | 2022-01-07 | 山东大学 | 一种考虑充放电路径的电池健康状态估计方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007057385A (ja) * | 2005-08-24 | 2007-03-08 | Fuji Heavy Ind Ltd | 蓄電デバイスの劣化状態推定装置 |
DE102012208609A1 (de) * | 2011-06-08 | 2012-12-13 | Gm Global Technology Operations, Llc | Kalibrierung einer Batteriebegrenzung auf Grundlage einer Batterielebensdauer und Leistungsoptimierung |
CN103620911A (zh) * | 2011-07-27 | 2014-03-05 | 三菱电机株式会社 | 二次电池的充电控制装置以及充电控制方法 |
KR20140129844A (ko) * | 2013-04-30 | 2014-11-07 | 한국화학연구원 | 리튬이차전지의 상온에서의 수명예측방법 |
JP2015081823A (ja) * | 2013-10-22 | 2015-04-27 | 三菱重工業株式会社 | 劣化量算出装置、劣化量算出方法及びプログラム |
CN104723895A (zh) * | 2013-12-19 | 2015-06-24 | 福特全球技术公司 | 车辆和用于估计电池的衰减的方法 |
CN106093781A (zh) * | 2016-05-27 | 2016-11-09 | 合肥国轩高科动力能源有限公司 | 一种动力锂离子电池日历寿命测试方法 |
CN106483470A (zh) * | 2016-12-22 | 2017-03-08 | 清华大学 | 一种基于未来运行工况预测的电池剩余放电能量预测方法 |
CN107066722A (zh) * | 2017-04-06 | 2017-08-18 | 北京理工大学 | 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法 |
CN107179505A (zh) * | 2016-03-09 | 2017-09-19 | 华为技术有限公司 | 电池健康状态检测装置及方法 |
CN107533110A (zh) * | 2015-08-21 | 2018-01-02 | 株式会社Lg化学 | 用于评估二次电池的老化程度的设备和方法 |
DE202018004513U1 (de) * | 2017-10-02 | 2019-03-14 | Semiconductor Components Industries, Llc | Vorrichtung zum Batteriemanagement |
CN111208431A (zh) * | 2020-01-07 | 2020-05-29 | 天津市捷威动力工业有限公司 | 一种电动汽车用锂离子电池全气候日历寿命预测方法 |
CN111251940A (zh) * | 2019-01-23 | 2020-06-09 | 重庆金康新能源汽车有限公司 | 管理电池单元劣化的系统和方法 |
US20200217901A1 (en) * | 2019-01-04 | 2020-07-09 | Kabushiki Kaisha Toshiba | Internal state estimation apparatus and method, and battery control apparatus |
-
2021
- 2021-01-20 CN CN202110078152.3A patent/CN112904217B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007057385A (ja) * | 2005-08-24 | 2007-03-08 | Fuji Heavy Ind Ltd | 蓄電デバイスの劣化状態推定装置 |
DE102012208609A1 (de) * | 2011-06-08 | 2012-12-13 | Gm Global Technology Operations, Llc | Kalibrierung einer Batteriebegrenzung auf Grundlage einer Batterielebensdauer und Leistungsoptimierung |
US20120316810A1 (en) * | 2011-06-08 | 2012-12-13 | GM Global Technology Operations LLC | Battery limit calibration based on battery life and performance optimization |
CN103620911A (zh) * | 2011-07-27 | 2014-03-05 | 三菱电机株式会社 | 二次电池的充电控制装置以及充电控制方法 |
KR20140129844A (ko) * | 2013-04-30 | 2014-11-07 | 한국화학연구원 | 리튬이차전지의 상온에서의 수명예측방법 |
JP2015081823A (ja) * | 2013-10-22 | 2015-04-27 | 三菱重工業株式会社 | 劣化量算出装置、劣化量算出方法及びプログラム |
CN104723895A (zh) * | 2013-12-19 | 2015-06-24 | 福特全球技术公司 | 车辆和用于估计电池的衰减的方法 |
CN107533110A (zh) * | 2015-08-21 | 2018-01-02 | 株式会社Lg化学 | 用于评估二次电池的老化程度的设备和方法 |
CN107179505A (zh) * | 2016-03-09 | 2017-09-19 | 华为技术有限公司 | 电池健康状态检测装置及方法 |
CN106093781A (zh) * | 2016-05-27 | 2016-11-09 | 合肥国轩高科动力能源有限公司 | 一种动力锂离子电池日历寿命测试方法 |
CN106483470A (zh) * | 2016-12-22 | 2017-03-08 | 清华大学 | 一种基于未来运行工况预测的电池剩余放电能量预测方法 |
CN107066722A (zh) * | 2017-04-06 | 2017-08-18 | 北京理工大学 | 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法 |
DE202018004513U1 (de) * | 2017-10-02 | 2019-03-14 | Semiconductor Components Industries, Llc | Vorrichtung zum Batteriemanagement |
US20200217901A1 (en) * | 2019-01-04 | 2020-07-09 | Kabushiki Kaisha Toshiba | Internal state estimation apparatus and method, and battery control apparatus |
CN111251940A (zh) * | 2019-01-23 | 2020-06-09 | 重庆金康新能源汽车有限公司 | 管理电池单元劣化的系统和方法 |
CN111208431A (zh) * | 2020-01-07 | 2020-05-29 | 天津市捷威动力工业有限公司 | 一种电动汽车用锂离子电池全气候日历寿命预测方法 |
Non-Patent Citations (3)
Title |
---|
GHANIM ET AL.: "Analysis of Thermal Degradation of Batteries to Aid Temperature Control and Optimise Life", CONFERENCE PAPER, no. 2017, pages 1 - 5, XP033344140, DOI: 10.1109/VPPC.2017.8330860 * |
JULIUS SCHMITT ET AL.: "Impedance change and capacity fade of lithium nickel manganesecobalt oxide-based batteries during calendar aging", JOURNAL OF POWER SOURCES, no. 353, pages 183 - 194, XP029983132, DOI: 10.1016/j.jpowsour.2017.03.090 * |
KIM ET AL.: "Real-Time Battery Thermal Management for Electric Vehicles", 2014 ACM/IEEE INTERNATIONAL CONFERENCE ON CYBER-PHYSICAL SYSTEMS (ICCPS), no. 2014, pages 72 - 83, XP032610416, DOI: 10.1109/ICCPS.2014.6843712 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113900028A (zh) * | 2021-10-09 | 2022-01-07 | 山东大学 | 一种考虑充放电路径的电池健康状态估计方法 |
CN113900028B (zh) * | 2021-10-09 | 2022-07-08 | 山东大学 | 一种考虑初始荷电状态和充放电路径的电池健康状态估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112904217B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11287479B2 (en) | Control-oriented physics-based calendar life model for lithium ion cells | |
KR101903225B1 (ko) | 이차 전지의 퇴화도 추정 장치 및 방법 | |
KR102219397B1 (ko) | 원격 파라미터 추정을 구비한 2차 전지 관리 시스템 | |
US11415630B2 (en) | Methods and apparatus for updating a fuel gauge and estimating state of health of an energy storage cell | |
CN111868540A (zh) | 劣化估计装置、计算机程序以及劣化估计方法 | |
JP6784351B2 (ja) | バッテリーセルの性能をテストするための装置及び方法 | |
CN111952685B (zh) | 用于基于建模的电池单元调整充电电流的方法及系统、和非暂时性计算机可读存储介质 | |
CN111142030B (zh) | 用于内短路电流检测方法、装置、设备及可读存储介质 | |
US10511050B1 (en) | Battery state of health estimation by tracking electrode and cyclable lithium capacities | |
JP2020507067A (ja) | リチウムイオンバッテリーセルの退化情報を獲得する装置及び方法 | |
JP2018059910A (ja) | 電池の状態を推定するためのシステム及び方法、および、非一時的コンピュータ可読記憶媒体 | |
JP6881577B2 (ja) | 二次電池の容量維持率を推定する装置及び方法 | |
US11228193B2 (en) | Serial SOC testing for improved fast-charge algorithm | |
EP3611525B1 (en) | Apparatus for estimating a battery free capacity | |
JP2022172198A (ja) | バッテリ管理システム及びバッテリ管理方法 | |
CN111868539A (zh) | 劣化估计装置、计算机程序以及劣化估计方法 | |
KR102387780B1 (ko) | 신경망 기반의 배터리 용량 추정 방법 및 장치 | |
Narayanaswamy et al. | On battery recovery effect in wireless sensor nodes | |
EP3605126B1 (en) | Apparatus and method for estimating soc of battery | |
CN111344584A (zh) | 电池管理装置和方法 | |
JP2013081332A (ja) | 充電制御機能を備えた電池システム、および充電システム | |
CN112904217B (zh) | 一种确定电池电芯的日历模型的方法 | |
CN107436410A (zh) | 一种电量控制方法、装置、设备和存储介质 | |
CN110795855A (zh) | 检测锂镀覆电势的方法、存储介质以及系统 | |
KR101229940B1 (ko) | 에너지 저장장치의 모듈 관리 시스템 및 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 |