CN113011007B - 一种锂离子动力电池热模型参数快速辨识方法及系统 - Google Patents
一种锂离子动力电池热模型参数快速辨识方法及系统 Download PDFInfo
- Publication number
- CN113011007B CN113011007B CN202110217011.5A CN202110217011A CN113011007B CN 113011007 B CN113011007 B CN 113011007B CN 202110217011 A CN202110217011 A CN 202110217011A CN 113011007 B CN113011007 B CN 113011007B
- Authority
- CN
- China
- Prior art keywords
- battery
- thermal
- discharge
- model
- temperature
- 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
-
- 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
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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
-
- 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
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于锂离子电池技术领域,提出了一种锂离子动力电池热模型参数快速辨识方法及系统。该方法包括:S101:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;S102:对电池进行不同放电倍率放电‑静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;S103:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种。
Description
技术领域
本发明属于锂离子电池技术领域,尤其涉及一种锂离子动力电池热模型参数快速辨识方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
锂离子动力电池因其具有高电压、高能量密度、低自放电率且无记忆效应的优势被广泛应用于电动汽车领域。在实际应用中,电池温度是电池性能、老化与安全性的重要影响因素。因此,构建电池热模型,准确描述电池动态热特性,并以此为依据设计电池管理系统,是电池长寿命高安全运行的核心与关键。
现有技术中,对于锂离子电池热模型参数如比热容和换热系数,主要依赖于标准量热设备或自制量热设备进行测量计算。标准量热设备测量方法是指利用等温量热仪、绝热量热仪等标准测试设备测量电池吸收或释放的热量,进而获得热模型参数。自制量热设备则是为测试电池创造一个绝热环境并对电池进行加热或冷却,根据加热功率和电池的温度响应计算得到热特性参数。以上两种方法或者需要购置昂贵的测试设备,或者需要人为创造一个绝热环境,实验实现较为困难。
电池生热速率和熵热系数的准确计算对热模型至关重要。熵热系数的传统测量方法为量压法,即在不同SOC下测量不同温度的开路电压,进而进行计算。由于开路电压的获取需要充分静置,因此传统量压方法实验周期较长,并且仅在单独SOC点进行测量,分辨率低。
简而言之,传统的热模型参数辨识方法需要专用实验设备或者人为创造绝热环境,实验成本高,不易实现;熵热系数的测量采用量压法,所需实验时间长,且测得的熵热系数为离散点,分辨率低。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种锂离子动力电池热模型参数快速辨识方法及系统,仅使用温控箱和充放电设备,快速辨识电池热模型参数,并在全SOC区间高分辨率精确辨识电池熵热系数。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种锂离子动力电池热模型参数快速辨识方法。
一种锂离子动力电池热模型参数快速辨识方法,包括:
S101:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;
S102:对电池进行不同放电倍率放电-静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;
S103:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种。
本发明的第二个方面提供一种锂离子动力电池热模型参数快速辨识系统。
一种锂离子动力电池热模型参数快速辨识系统,包括:
方程建立模块:其被配置为:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;
数据采集模块,其被配置为:对电池进行不同放电倍率放电-静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;
参数辨识模块,其被配置为:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的锂离子动力电池热模型参数快速辨识方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一个方面所述的锂离子动力电池热模型参数快速辨识方法中的步骤。
与现有技术相比,本发明的有益效果是:
采用两组不同放电倍率恒流放电的温度响应特性求解电池熵热系数的技术手段,可实现SOC全范围求解,并大大降低了测试时间,提高了电池参数的辨识效率。
可在不增加昂贵量热实验设备的前提下,仅使用充放电设备与温控箱即可实现热模型参数(热容、热阻)辨识。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例一的锂离子动力电池热模型参数快速辨识方法流程图;
图2是本发明实施例一的锂离子电池热模型结构图;
图3是本发明实施例一的电池温升与放电电流之间的动态变化曲线图;
图4是本发明实施例一的不同放电倍率电池温升曲线图;
图5是本发明实施例一中解析法与量压法计算的电池熵热系数辨识结果对比图;
图6(a)是本发明实施例一的UDDS工况-10℃温度预测结果图;
图6(b)是本发明实施例一的UDDS工况25℃温度预测结果图;
图6(c)是本发明实施例一的UDDS工况40℃温度预测结果图;
图6(d)是本发明实施例一的UDDS工况温度预测误差对比图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供了一种锂离子动力电池热模型参数快速辨识方法。
图1是本发明实施例一的锂离子动力电池热模型参数快速辨识方法流程图,如图1所示:一种锂离子动力电池热模型参数快速辨识方法,包括:
S101:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;
本实施例选用单状态集总参数热模型描述电池温度特性。假设任意时刻电池的温度和生热速率均匀分布,锂离子电池热模型结构图,如图2所示:T表示电池温度(K);Ta表示电池所处的环境温度(K);Rth为热阻(K/W),Cth为电池的热容(J/K),τth为热时间常数(s),τth=RthCth,q表示电池的生热速率(W)。
根据能量守恒定律有
其中,Cth=mbCb,mb为电池质量,Cb为电池平均比热容;Rth=1/hAb,h为热交换系数,Ab为电池的热交换面积。
利用前向差分离散化,则k+1时刻电池的温度可表示为
电池的生热速率可表示为
其中Ut表示电池端电压,Uocv表示电池开路电压,I为电池工作电流(将充电方向定义为正,放电方向定义为负),为熵热系数。(Ut-Uocv)·I表示电池不可逆生热速率,主要是由电池的欧姆内阻和极化内阻引起的发热功率,表示可逆生热速率,主要由电池电化学反应产生。
S102:对电池进行不同放电倍率放电-静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;
其中,锂离子电池的热模型参数由电池热特性测试的温度响应来辨识,热特性测试是将满电电池恒流放电至截止电压,进而静置至电池温度恢复至环境温度,记录放电-静置过程中温度以及电流、电压的动态变化,构建电池温升与放电电流之间的动态变化曲线。电池温升与放电电流之间的动态变化曲线图,如图3所示:t0~t1为恒流放电阶段,t1~t2为静置阶段。
S103:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种。
S102a:基于电池热模型,并利用静置阶段的电池温升与放电电流之间的动态变化曲线,求解所述电池的热时间常数。
电池的热时间常数τth利用静置阶段电池温度的特性曲线求取。在静置阶段,电池生热量为零即q=0,则电池温度响应可看作系统的零输入响应,根据公式(1),在静置阶段电池的温度响应可表示为:
由于静置初始时刻电池温度为T(t1),则在t1~t2阶段中任意时刻t可表示为:
τth=RthCth (6)
采用最小二乘法拟合求得热时间常数
S102b:基于所述电热时间常数,并根据不同倍率放电过程的温度响应,求解电池熵热系数,根据恒流放电阶段的电池温升与放电电流之间的动态变化曲线获取所述温度响应特性。
本实施例采用两组不同放电倍率恒流放电的温度响应特性求解电池熵热系数。由于熵热系数是一个关于SOC的函数,则根据公式(1)可得:
其中,z表示电池SOC,在恒流放电工况下有dz/dt=I/CN,I为电池放电电流,CN为电池最大可用容量,因此,公式(7)可表示为:
当电池放电倍率不同时,锂电池表现出不同的温度响应特性。当电池放电电流分别为I1和I2时,由式(3)可得电池在不同放电电流下的生热速率可表示为:
根据公式(8)和公式(9)可得
由于热时间常数τth已由S102a辨识得到,电池温度T1、T2可由实验测量,将公式(10)等式右边可分别表示为A1、A2,并将公式(9)带入公式(10)可得:
两等式相除可消去热容Cth,熵热系数可直接求解表示为:
S102c:基于所述电池熵热系数,并利用不同环境温度下的电池放电过程中的温度响应,采用最小二乘法求解电池热容热阻。
恒流放电阶段的电池温升曲线用来辨识电池热容Cth和热阻Rth。电池在恒流放电过程中的温度特性离散化后可由公式(2)表示,在得到热时间常数和电池熵热系数的基础上,电池的生热量q由公式(3)计算,将电池生热量q作为输入,电池温度Tk+1作为输出,利用最小二乘法拟合曲线得到电池热容Cth:
进而根据公式(6)得到电池热容Rth。
示例的,电池充电在25℃环境温度下,以1/3C恒流充电至充电截止电压,恒压充电至电流小于0.05A。分别在25℃、40℃和-10℃环境温度下,采用1C电流放电,放电至截止电压后静置1h,使电池温度降至环境温度。利用放电-静置过程中的温度动态变化辨识锂离子电池的热模型的热容Cth和热阻Rth。熵热系数辨识则在25℃环境温度下,增加一组1.5C恒流放电实验,进而利用1.5C和1C两放电电流下的温度响应特性辨识电池熵热系数。
传统在25℃环境温度下,采用1/3C恒流恒压充电至满电,静置2小时以1/3放电至95%SOC,将电池由25℃经5个温度梯度(40℃、30℃、20℃、10℃、0℃)最终降温至-10℃,每个温度梯度静置2小时,记录不同温度梯度下电池开路电压,电池每10%量压法测量得到的熵热系数将作为参考值。SOC进行1次以上温度扫描,每次调整SOC状态后电池静置2小时。
本实施例采用1C和1.5C恒流放电过程中的温升曲线计算电池熵热系数,不同放电倍率电池温升曲线图,如图4所示。将辨识的熵热系数与传统量压法的计算结果比较,解析法与量压法计算的电池熵热系数辨识结果对比图,如图5所示。提出的解析法与量压法得到的熵热系数随SOC的变化趋势基本一致,变化范围相同,能够较好的表现电池的熵热系数,相比传统量压法的测量结果,解析法分辨率更高,并且可以大幅降低测试时间。图5中量压法测试结果所需实验时长为147小时,解析法所需实验时长仅为10小时,仅为传统方法的6.8%。
根据40℃、25℃、-10℃环境温度下的电池放电-静置过程温度响应,辨识得到锂离子电池的热模型参数。辨识所得热模型参数如表1所示。
表1热模型参数辨识结果
运用Arbin电池测试设备将锂离子电池以恒流恒压方式充电至满电,执行工况循环直至电池端电压下降至放电截止电压,记录实验过程中电流、电压以及温度数据。将辨识得到的热容热阻以及熵热系数带入热模型,分别在40℃、25℃、-10℃环境温度下进行验证。将工况电流作为模型输入,预测温度作为模型输出,并与实际测量温度对比。UDDS工况下不同温度对比预测结果图,图6(a)、图6(b)以及图6(c)所示,UDDS工况温度预测误差对比图,如图6(d)所示。
实施例二
本实施例提供了一种锂离子动力电池热模型参数快速辨识系统。
一种锂离子动力电池热模型参数快速辨识系统,包括:
方程建立模块:其被配置为:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;
数据采集模块,其被配置为:对电池进行不同放电倍率放电-静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;
参数辨识模块,其被配置为:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种。
此处需要说明的是,上述获取模块和辨识模块对应于实施例一中的步骤S101至S103,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所述的锂离子动力电池热模型参数快速辨识方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例一所述的锂离子动力电池热模型参数快速辨识方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种锂离子动力电池热模型参数快速辨识方法,其特征在于,包括:
S101:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;
S102:对电池进行不同放电倍率放电-静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;
S103:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种;
所述电池温升与放电电流之间的动态变化曲线包括恒流放电阶段和静置阶段;基于电池热模型,利用静置阶段的电池温升与放电电流之间的动态变化曲线,求解所述电池的热时间常数;基于电池的热时间常数,并根据不同倍率放电过程的温度响应,求解电池熵热系数,根据恒流放电阶段的电池温升与放电电流之间的动态变化曲线获取所述温度响应特性;基于所述电池熵热系数,利用不同环境温度下的电池放电过程中的温度响应,采用最小二乘法求解电池热容热阻。
2.根据权利要求1所述的锂离子动力电池热模型参数快速辨识方法,其特征在于,采用两组不同放电倍率恒流放电的温度响应特性,求解电池熵热系数。
3.一种锂离子动力电池热模型参数快速辨识系统,其特征在于,包括:
方程建立模块:其被配置为:确立电池集总参数热模型,将环境温度与工作电流作为模型输入,将电池温度作为模型输出,构建电池热模型;
数据采集模块,其被配置为:对电池进行不同放电倍率放电-静置测试,获得电池电流、电压以及温度数据,通过脉冲放电测试,确定电池的开路电压与剩余电量的关系;
参数辨识模块,其被配置为:利用电池温升与放电电流之间的动态变化曲线,求解电池热模型的参数,其中锂离子电池热模型的参数至少包括电池的热时间常数、电池熵热系数、电池热容以及电池热阻中的一种;
所述电池温升与放电电流之间的动态变化曲线包括恒流放电阶段和静置阶段;基于电池热模型,利用静置阶段的电池温升与放电电流之间的动态变化曲线,求解所述电池的热时间常数;基于电池的热时间常数,并根据不同倍率放电过程的温度响应,求解电池熵热系数,根据恒流放电阶段的电池温升与放电电流之间的动态变化曲线获取所述温度响应特性;基于所述电池熵热系数,利用不同环境温度下的电池放电过程中的温度响应,采用最小二乘法求解电池热容热阻。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-2中任一项所述的锂离子动力电池热模型参数快速辨识方法中的步骤。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-2中任一项所述的锂离子动力电池热模型参数快速辨识方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110217011.5A CN113011007B (zh) | 2021-02-26 | 2021-02-26 | 一种锂离子动力电池热模型参数快速辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110217011.5A CN113011007B (zh) | 2021-02-26 | 2021-02-26 | 一种锂离子动力电池热模型参数快速辨识方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011007A CN113011007A (zh) | 2021-06-22 |
CN113011007B true CN113011007B (zh) | 2023-02-03 |
Family
ID=76386344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110217011.5A Active CN113011007B (zh) | 2021-02-26 | 2021-02-26 | 一种锂离子动力电池热模型参数快速辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011007B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408146B (zh) * | 2021-07-15 | 2022-11-25 | 华南理工大学 | 一种基于gra-熵权法的动力电池安全模糊定级方法 |
CN113884884B (zh) * | 2021-10-21 | 2022-07-26 | 山东大学 | 一种基于相关性的动力电池组故障诊断方法及系统 |
CN114374010B (zh) * | 2022-01-10 | 2023-08-01 | 浙江大学嘉兴研究院 | 一种圆柱形锂离子电池产热量测量方法 |
CN116449223B (zh) * | 2023-06-20 | 2023-08-29 | 苏州精控能源科技有限公司 | 一种基于压缩感知的储能电池容量预测方法、装置 |
CN117112971B (zh) * | 2023-10-25 | 2024-03-29 | 宁德时代新能源科技股份有限公司 | 一种温度曲线生成方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107069131A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 一种锂离子电池集总热学参数的辨识方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333528B (zh) * | 2018-02-07 | 2019-08-20 | 重庆大学 | 基于动力电池电-热耦合模型的soc和sot联合状态估计方法 |
CN109344429B (zh) * | 2018-08-24 | 2023-07-07 | 安徽巡鹰新能源集团有限公司 | 提高电化学-热耦合模型温度适用性和准确性建模方法 |
CN109460570A (zh) * | 2018-09-27 | 2019-03-12 | 北京长城华冠汽车科技股份有限公司 | 一种确定模拟充电过程中电芯实时温度的方法和装置 |
CN109814037A (zh) * | 2018-12-29 | 2019-05-28 | 深圳市比克动力电池有限公司 | 锂离子电池熵热系数的获取方法、终端设备及介质 |
CN110208704B (zh) * | 2019-04-29 | 2021-08-06 | 北京航空航天大学 | 一种基于电压滞后效应的锂电池建模方法和系统 |
CN110456274A (zh) * | 2019-08-29 | 2019-11-15 | 清华大学 | 电池脉冲加热温升速率估计方法 |
CN112378951B (zh) * | 2020-10-23 | 2023-08-15 | 欣旺达电动汽车电池有限公司 | 电池比热容的测试方法、电子设备和计算机可读存储介质 |
-
2021
- 2021-02-26 CN CN202110217011.5A patent/CN113011007B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107069131A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 一种锂离子电池集总热学参数的辨识方法 |
Non-Patent Citations (1)
Title |
---|
《机械工程学报》2019年度1~24期总目次;《机械工程学报》;20191220(第24期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113011007A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011007B (zh) | 一种锂离子动力电池热模型参数快速辨识方法及系统 | |
Zheng et al. | A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model | |
CN109557477B (zh) | 一种电池系统健康状态估算方法 | |
Lin et al. | Online parameterization of lumped thermal dynamics in cylindrical lithium ion batteries for core temperature estimation and health monitoring | |
Ye et al. | Thermal management system of lithium‐ion battery module based on micro heat pipe array | |
CN111216593B (zh) | 一种新能源车辆、供电控制方法及存储介质 | |
Lu et al. | A method of cell-to-cell variation evaluation for battery packs in electric vehicles with charging cloud data | |
Li et al. | A new parameter estimation algorithm for an electrical analogue battery model | |
CN115032542A (zh) | 一种基于混合模型的储能系统电池热失控预判方法 | |
Chang et al. | Effects of reciprocating liquid flow battery thermal management system on thermal characteristics and uniformity of large lithium‐ion battery pack | |
CN109613445A (zh) | 一种估计动力电池的健康状态的方法和装置 | |
CN111898241B (zh) | 一种锂电池系统冬季加热工况及寿命阶段推演方法 | |
Lin et al. | Temperature estimation in a battery string under frugal sensor allocation | |
Liu et al. | Experimental study on lithium-ion cell characteristics at different discharge rates | |
CN112214862A (zh) | 基于遗传算法的电池参数标定方法、系统及设备 | |
Jia et al. | Temperature enhanced early detection of internal short circuits in lithium-ion batteries using an extended Kalman filter | |
CN116653645B (zh) | 重载货运列车自组网电池状态监测下的自适应充电方法、系统及介质 | |
Wang et al. | High-power charging strategy within key SOC ranges based on heat generation of lithium-ion traction battery | |
Torregrosa et al. | A generalized equivalent circuit model for lithium-iron phosphate batteries | |
CN113109726B (zh) | 一种基于误差补偿的多因素动态内阻模型估算锂离子电池内阻方法 | |
CN114883680A (zh) | 一种锂离子电池温熵系数测量方法 | |
Cheng et al. | Power prediction method of lithium-ion battery for unmanned vehicles based on combined constraint intelligence algorithm | |
Chen et al. | State of Charge Estimation of Lithium-Ion Battery Using Energy Consumption Analysis | |
Kumar et al. | Non-linear kalman filter based soc estimation of a lithium-ion battery pack considering cell balancing | |
CN115128465A (zh) | 电池热仿真系统、方法及电子设备 |
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 |