CN113075557B - 一种车主自适应的动力电池剩余寿命预测方法 - Google Patents

一种车主自适应的动力电池剩余寿命预测方法 Download PDF

Info

Publication number
CN113075557B
CN113075557B CN202110549105.2A CN202110549105A CN113075557B CN 113075557 B CN113075557 B CN 113075557B CN 202110549105 A CN202110549105 A CN 202110549105A CN 113075557 B CN113075557 B CN 113075557B
Authority
CN
China
Prior art keywords
power battery
vehicle
capacity
attenuation
cycle
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
Application number
CN202110549105.2A
Other languages
English (en)
Other versions
CN113075557A (zh
Inventor
郑郧
苏尤宇
殷劲松
杨志祥
罗开玉
鲁金忠
涂蔷
黄立新
周赵亮
谢登印
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.)
Zhangjiagang Qingyan Detection Technology Co ltd
Original Assignee
Zhangjiagang Qingyan Detection Technology 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 Zhangjiagang Qingyan Detection Technology Co ltd filed Critical Zhangjiagang Qingyan Detection Technology Co ltd
Priority to CN202110549105.2A priority Critical patent/CN113075557B/zh
Publication of CN113075557A publication Critical patent/CN113075557A/zh
Application granted granted Critical
Publication of CN113075557B publication Critical patent/CN113075557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/367—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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种车主自适应的动力电池剩余寿命预测方法，可以依据车主自身的用车习惯准确预估动力电池剩余使用时间，步骤包括：1）根据车主提供的动力电池参数建立容量循环衰减模型，绘制电池健康状态与循环次数曲线；2）根据车主用车习惯计算车主动力电池容量循环衰减曲线；3）根据车主动力电池容量日历衰减模型得到车主用车天数下日历容量衰减系数；4）根据车主动力电池当前SOH值计算当前容量循环衰减系数、理论已循环次数、理论可再循环次数和日循环系数；5）计算该车主动力电池的可再使用天数。本发明结合动力电池循环寿命衰减和日历寿命衰减，并将之将与车主的用车习惯结合，可以最大程度的真实预测车主动力电池的剩余寿命。

Description

一种车主自适应的动力电池剩余寿命预测方法
技术领域
本发明涉及锂电池技术领域，特别是涉及一种车主自适应的动力电池剩余寿命预测方法。
背景技术
锂电池作为一种高效、环保的新型电源被广泛应用在新能源汽车中，作为新能源汽车的心脏，锂电池的寿命决定了新能源汽车的寿命。
新能源汽车锂电池寿命的衰减通常包括循环寿命衰减和日历寿命衰减，传统动力电池寿命预测方法通常以动力电池某一指标为基准建立循环寿命衰减模型，一方面没有考虑到日历寿命衰减，另一方面也忽略了不同车主之间大相径庭的用车习性，具有较大的误差。公布号为CN103698710A的中国专利申请公开了一种电池寿命周期预测方法，该方法只考虑了充放电次数对电池容量的影响而忽视了电池容量随使用天数的自衰减；公布号为CN107202960A的中国专利申请公开了一种动力电池寿命预测方法，该方法虽然考虑到了动力电池的循环寿命衰减和日历寿命衰减，但在处理这两者关系时只是简单的通过一定比例进行叠加，没有考虑到两者之间的协同作用，不符合实际情况；公布号为CN108490365B的中国专利申请公开一种估计电动汽车的动力电池的剩余寿命的方法，该方法考虑了不同充放电倍率对电池剩余寿命的影响，但其考虑因素单一且没有考虑不同车主不同的用车习惯。
基于以上问题，提出能够适应车主用车习性并同时考虑循环寿命衰减和日历寿命衰减的动力电池衰减模型对动力电池剩余寿命的预测具有很重要的意义。
发明内容
为了解决上述存在的技术问题，本发明提出一种车主自适应的动力电池剩余寿命的预测方法，以电池容量为主要指标，首先根据车主动力电池参数建立得到不同环境下的容量循环寿命衰减模型和容量日历衰减系数，再根据车主自身的用车习惯对容量循环衰减模型进行运算得到适用于该车主的动力电池寿命衰减模型，最后带入该车主此时的动力电池SOH和用车天数下的容量衰退系数即可得到该车主动力电池的剩余寿命。
提供一种车主自适应的动力电池剩余寿命预测方法，其包括以下步骤：
S1、获取车主动力电池参数，并根据车主动力电池参数建立车主动力电池在标准、快/慢速充电和高/常/低温放电状态下的容量循环衰减模型，获取电池健康状态SOH与循环次数N的曲线关系；
S2、根据车主用车习惯计算车主动力电池的容量循环衰减曲线；
S3、根据车主动力电池的容量日历衰减模型得到在车主用车天数
Figure 100002_DEST_PATH_IMAGE002
下的日历容量衰减系数
Figure 100002_DEST_PATH_IMAGE004
；
S4、根据车主动力电池当前SOH值
Figure 100002_DEST_PATH_IMAGE006
计算当前容量循环衰减系数
Figure 100002_DEST_PATH_IMAGE008
、理论已循环次数
Figure 100002_DEST_PATH_IMAGE010
、理论可再循环次数
Figure 100002_DEST_PATH_IMAGE012
和日循环系数
Figure 100002_DEST_PATH_IMAGE014
；
S5、计算得到该车主动力电池的可再使用天数
Figure 100002_DEST_PATH_IMAGE016
。
在本发明一个较佳实施例中，所述步骤S1和S3中该动力电池在不同状态下的容量循环衰减模型和容量日历衰减模型建立的实现方式为COMSOL软件仿真。
在本发明一个较佳实施例中，所述快/慢速充电状态的充电速率分别为1C和0.2C，所述高/常/低温放电状态放电的温度分别为40℃、20℃、10℃，其他未描述阶段均为标准状态。
在本发明一个较佳实施例中，所述步骤S2中，车主动力电池容量循环衰减曲线的建立公式为：
Figure 100002_DEST_PATH_IMAGE018
。
其中：
Figure 100002_DEST_PATH_IMAGE020
为车主自适应的电池容量循环衰退模型；
Figure 100002_DEST_PATH_IMAGE022
为标准状态下车主电池容量循环衰退模型；
Figure 100002_DEST_PATH_IMAGE024
为快速充电状态下车主电池容量循环衰退模型；
Figure 100002_DEST_PATH_IMAGE026
为慢速充电状态下车主电池容量循环衰退模型；
Figure 100002_DEST_PATH_IMAGE028
为高温放电状态下车主电池容量循环衰退模型；
Figure 100002_DEST_PATH_IMAGE030
为低温放电状态下车主电池容量循环衰退模型；
a为车主快速充电比例；b为车主高温环境行驶比例；c为车主低温环境充电比例。
在本发明一个较佳实施例中，所述步骤S4中当前容量循环衰减率
Figure 833198DEST_PATH_IMAGE008
和日循环系数
Figure 623037DEST_PATH_IMAGE014
的计算公式分别为：
Figure 100002_DEST_PATH_IMAGE032
Figure 100002_DEST_PATH_IMAGE034
其中，
Figure 765437DEST_PATH_IMAGE002
为该车主动力电池的已使用天数。
在本发明一个较佳实施例中，所述步骤S5中该动力电池剩余使用天数
Figure 698758DEST_PATH_IMAGE016
的计算公式为：
Figure 100002_DEST_PATH_IMAGE036
。
本发明的有益效果是：结合动力电池循环寿命衰减和日历寿命衰减，并将之将与车主的用车习惯结合，可以最大程度的真实预测车主动力电池的剩余寿命。
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它的附图，其中：
图1为本发明提供的一种车主自适应的动力电池剩余寿命预测方法的流程图；
图2为实施案例中动力电池在标准状态下的SOH值与循环次数N的关系曲线；
图3为实施案例中动力电池在快速充电下的SOH值与循环次数N的关系曲线，在本案例中快速充电即为标准状态下的1C充电；
图4为实施案例中动力电池在慢速充电下的SOH值与循环次数N的关系曲线，在本案例中慢速充电速率为0.2C，其余循环状态为标准条件；
图5为实施案例中动力电池在高温行驶下的SOH值与循环次数N的关系曲线，在本案例中高温行驶环境温度为40℃，其余循环状态为标准状态；
图6为实施案例中动力电池在常温行驶下的SOH值与循环次数N的关系曲线，在本案例中常温行驶环境温度为20℃，其余循环状态为标准状态；
图7为实施案例中动力电池在低温行驶下的SOH值与循环次数N的关系曲线，在本案例中低温行驶环境温度为10℃，其余循环状态为标准状态；
图8为实施案例中动力电池在标准状态下的容量随天数的衰减曲线；
图9为实施案例中适用于该车主的动力电池SOH与循环次数N的关系曲线。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-9，本发明实施例包括：
一种车主自适应的动力电池剩余寿命预测方法，其具体步骤包括：
（1）获取车主所用动力电池的型号与参数，并根据动力电池的型号和参数信息建立动力电池的容量日历衰减模型以及动力电池在标准充电、快速充电、慢速充电、高温放电、常温放电、低温放电状态下的容量循环衰减模型，绘制电池健康状态SOH与循环次数N的曲线图。
其中，利用COMSOL软件对动力电池进行仿真，以建立该动力电池的容量日历衰减模型和在不同状态下的容量循环衰减模型。
所述快/慢速充电状态下的充电速率分别为1C和0.2C，所述高/常/低温放电状态放电温度分别为40℃、20℃、10℃，其他未详细描述阶段均为标准状态。
（2）根据车主用车习惯计算车主动力电池的容量循环衰减曲线；
车主动力电池的容量循环衰减曲线的建立公式为：
Figure DEST_PATH_IMAGE037
其中，
Figure 475959DEST_PATH_IMAGE020
为车主自适应的电池容量循环衰退模型；
Figure 938164DEST_PATH_IMAGE022
为标准状态下车主电池容量循环衰退模型；
Figure 426914DEST_PATH_IMAGE024
为快速充电状态下车主电池容量循环衰退模型；
Figure 632767DEST_PATH_IMAGE026
为慢速充电状态下车主电池容量循环衰退模型；
Figure 890573DEST_PATH_IMAGE028
为高温放电状态下车主电池容量循环衰退模型；
Figure 789259DEST_PATH_IMAGE030
为低温放电状态下车主电池容量循环衰退模型；
a为车主快速充电比例；b为车主高温环境行驶比例；c为车主低温环境充电比例。
（3）根据车主动力电池的容量日历衰减模型，得到车主在用车天数
Figure 765306DEST_PATH_IMAGE002
下的容量日历衰减系数
Figure 509271DEST_PATH_IMAGE004
；
（4）根据车主动力电池的当前SOH值
Figure 887162DEST_PATH_IMAGE006
计算当前容量循环衰减系数
Figure 189705DEST_PATH_IMAGE008
、已知的理论已循环次数
Figure 653048DEST_PATH_IMAGE010
、已知的总循环次数、理论可再循环次数
Figure 200704DEST_PATH_IMAGE012
和日循环系数
Figure 167523DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE032A
Figure DEST_PATH_IMAGE034A
其中：
Figure 80115DEST_PATH_IMAGE002
为该车主动力电池的已使用天数。
（5）根据以上结果计算该车主动力电池的理论可再使用天数
Figure 499595DEST_PATH_IMAGE016
。
所述步骤S5中该动力电池剩余使用天数的计算公式为：
Figure DEST_PATH_IMAGE036A
。
具体实施例一
所选用的动力电池材料为六氟磷酸锂电池，标准电流1C为16.21A，最大电压4.1V，最小电压2.5V，理论初始容量58354C/m。
利用COMSOL软件对该型号动力电池进行仿真，获取其在标准充电、快速充电、慢速充电、高温放电、常温放电、低温放电下的容量循环衰减模型和容量日历衰减模型，绘制不同条件下该动力电池的SOH与循环次数N的关系曲线以及该动力电池SOH与天数的关系曲线，分别如图2、3、4、5、6、7、8所示。
带入该车主的用车习惯，该动力电池已使用天数
Figure 552740DEST_PATH_IMAGE002
为300天，带入图8可知，此时该动力电池当前容量日历衰减系数
Figure 639644DEST_PATH_IMAGE004
=97.9%；同时，该车主快速充电比例为75%，慢速充电比例为25%，高温行驶的比例为15%，常温行驶比例为70%，低温行驶比例为15%，即a=75%，b=15%，c=15%，结合以上数据绘制该车主动力电池的循环衰减曲线，如图9所示。
经测量该车主动力电池现在的SOH值约为93.5%，计算该动力电池当前容量循环衰减系数
Figure 51034DEST_PATH_IMAGE008
=95.5%，再已知该动力电池理论总计循环1000次的基础上，获得该车主动力电池的理论已循环次数
Figure 223389DEST_PATH_IMAGE010
=257和理论可再循环次数
Figure 112848DEST_PATH_IMAGE012
=743；
最后，还可根据日循环系数
Figure 54259DEST_PATH_IMAGE014
=0.857计算出预计可使用天数
Figure 902130DEST_PATH_IMAGE016
=866天，考虑到动力电池的日历寿命衰减，实际可再使用天数一般会低于该天数，因此最终可预计该动力电池可再循环700次左右，可供该车主再行驶800天左右。
预测精度受模型和车主提供信息影响，因此为提高本发明的精确度，一方面需要车主提供尽可能详细准确的信息，另一方面还可以通过添加额外的工况变量对该模型进一步优化，如车主充放电深度习惯。
本发明一种车主自适应的动力电池剩余寿命预测方法的有益效果是：结合动力电池循环寿命衰减和日历寿命衰减，并将之将与车主的用车习惯结合，可以最大程度的真实预测车主动力电池的剩余寿命。
以上附图和实施案例详述了本发明的内容、方法和效果，需要说明的是，该案例仅为本发明较好的实施例。本发明不可能考虑所有情况，本领域内技术人员可以在不脱离或不改变本发明的设计主体思想的前提下,合理地利用车主提供的信息改变或优化预测模型，因此依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。

Claims (4)

1.一种车主自适应的动力电池剩余寿命预测方法，其特征在于，包括以下步骤：
S1、获取车主动力电池参数，并根据车主动力电池参数建立车主动力电池在标准、快/慢速充电和高/常/低温放电状态下的容量循环衰减模型，获取电池健康状态SOH与循环次数N的曲线关系；
S2、根据车主用车习惯计算车主动力电池的容量循环衰减曲线：
Figure DEST_PATH_IMAGE002
其中：
Figure DEST_PATH_IMAGE004
为车主自适应的电池容量循环衰退模型；
Figure DEST_PATH_IMAGE006
为标准状态下车主电池容量循环衰退模型；
Figure DEST_PATH_IMAGE008
为快速充电状态下车主电池容量循环衰退模型；
Figure DEST_PATH_IMAGE010
为慢速充电状态下车主电池容量循环衰退模型；
Figure DEST_PATH_IMAGE012
为高温放电状态下车主电池容量循环衰退模型；
Figure DEST_PATH_IMAGE014
为低温放电状态下车主电池容量循环衰退模型；
a为车主快速充电比例，b为车主高温环境行驶比例，c为车主低温环境充电比例；
S3、根据车主动力电池的容量日历衰减模型得到在车主用车天数
Figure DEST_PATH_IMAGE016
下的日历容量衰减系数
Figure DEST_PATH_IMAGE018
；
S4、根据车主动力电池当前SOH值
Figure DEST_PATH_IMAGE020
计算当前容量循环衰减系数
Figure DEST_PATH_IMAGE022
、理论已循环次数
Figure DEST_PATH_IMAGE024
、理论可再循环次数
Figure DEST_PATH_IMAGE026
和日循环系数
Figure DEST_PATH_IMAGE028
；
S5、计算得到该车主动力电池的可再使用天数
Figure DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE032
。
2.根据权利要求1所述的一种车主自适应的动力电池剩余寿命预测方法，其特征在于，所述步骤S1和S3中该动力电池在不同状态下的容量循环衰减模型和容量日历衰减模型建立的实现方式为COMSOL软件仿真。
3.根据权利要求1所述的一种车主自适应的动力电池剩余寿命预测方法，其特征在于，所述快/慢速充电状态的充电速率分别为1C和0.2C，所述高/常/低温放电状态放电的温度分别为40℃、20℃、10℃，其他未描述阶段均为标准状态。
4.根据权利要求1所述的一种车主自适应的动力电池剩余寿命预测方法，其特征在于，所述步骤S4中当前容量循环衰减系数
Figure 255306DEST_PATH_IMAGE022
和日循环系数
Figure 139824DEST_PATH_IMAGE028
的计算公式分别为：
Figure DEST_PATH_IMAGE034
Figure DEST_PATH_IMAGE036
其中，
Figure 263768DEST_PATH_IMAGE016
为该车主动力电池的已使用天数。
CN202110549105.2A 2021-05-20 2021-05-20 一种车主自适应的动力电池剩余寿命预测方法 Active CN113075557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110549105.2A CN113075557B (zh) 2021-05-20 2021-05-20 一种车主自适应的动力电池剩余寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110549105.2A CN113075557B (zh) 2021-05-20 2021-05-20 一种车主自适应的动力电池剩余寿命预测方法

Publications (2)

Publication Number Publication Date
CN113075557A CN113075557A (zh) 2021-07-06
CN113075557B true CN113075557B (zh) 2022-12-13

Family

ID=76616795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110549105.2A Active CN113075557B (zh) 2021-05-20 2021-05-20 一种车主自适应的动力电池剩余寿命预测方法

Country Status (1)

Country Link
CN (1) CN113075557B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113655315B (zh) * 2021-08-12 2022-07-26 华南理工大学 超级电容剩余寿命综合评估方法、系统、装置及介质
CN114325446A (zh) * 2021-12-21 2022-04-12 南方电网调峰调频发电有限公司 电池组循环寿命的测试方法、装置、电子设备和存储介质
CN115015769B (zh) * 2022-08-10 2022-11-11 深圳市杰成镍钴新能源科技有限公司 动力电池残值估算方法、装置、设备及介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106597305B (zh) * 2016-12-09 2019-01-22 合肥国轩高科动力能源有限公司 一种锂离子电池的循环寿命预测方法
CN107202960A (zh) * 2017-05-25 2017-09-26 安徽江淮汽车集团股份有限公司 动力电池寿命预测方法
CN107271922A (zh) * 2017-08-02 2017-10-20 合肥国轩高科动力能源有限公司 一种新能源汽车整车电池系统寿命预测的方法
CN109407008A (zh) * 2018-10-12 2019-03-01 安徽江淮汽车集团股份有限公司 一种电动汽车soh的修正方法
CN109541490A (zh) * 2018-11-16 2019-03-29 北汽福田汽车股份有限公司 电池的寿命估算方法、系统及车辆
CN109747428A (zh) * 2019-02-27 2019-05-14 合肥国轩高科动力能源有限公司 一种电动汽车电池包剩余容量估算方法
CN110261790A (zh) * 2019-04-10 2019-09-20 北京海博思创科技有限公司 电池健康状态的预估方法、装置及系统
CN110901470A (zh) * 2019-11-29 2020-03-24 安徽江淮汽车集团股份有限公司 电动汽车电池寿命预测方法、装置、设备及存储介质
CN111098756A (zh) * 2019-12-05 2020-05-05 浙江合众新能源汽车有限公司 一种电动汽车寿命管理方法及系统
CN111239630A (zh) * 2020-03-09 2020-06-05 江苏中兴派能电池有限公司 一种储能电池寿命预测方法及管理系统
CN112595980B (zh) * 2020-12-17 2023-08-15 北京海博思创科技股份有限公司 电池储能系统寿命的预测方法、装置及设备
CN112731164B (zh) * 2020-12-21 2024-03-15 惠州亿纬锂能股份有限公司 一种电池寿命评估方法

Also Published As

Publication number Publication date
CN113075557A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN113075557B (zh) 一种车主自适应的动力电池剩余寿命预测方法
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
CN111929596B (zh) 获取电池容量的方法、装置、存储介质和电子设备
CN107576918B (zh) 锂电池的剩余电量的估算方法及系统
CN106585422B (zh) 一种动力电池soh估算方法
CN103163480A (zh) 锂电池健康状态的评估方法
CN107132490B (zh) 一种实现锂电池组荷电状态估计的方法
CN110764009B (zh) 一种电动汽车的电池组循环容量及健康状态的估算方法
CN111025155B (zh) 基于电池动态老化模型快速模拟动力电池老化过程的方法
CN111426952A (zh) 一种锂离子电池的寿命预测方法
US20220404420A1 (en) Estimation device, estimation method, and computer program
WO2014105806A1 (en) System and method for selective estimation of battery state with reference to persistence of excitation and current magnitude
CN110687460B (zh) 一种soc预估方法
CN114609523A (zh) 一种电池容量的在线检测方法、电子设备及存储介质
CN115291131A (zh) 锂离子电池的循环寿命和使用温度预测方法及系统
CN109164397B (zh) 考虑充电速率和环境温度的锂电池寿命损耗评估方法
CN115099008A (zh) 一种电池老化状态评估方法、装置、存储介质及电子设备
CN110208717B (zh) 基于大数据的动力电池寿命预测方法
CN115792642B (zh) 一种动力电池寿命的估算方法及装置
CN112034353A (zh) 一种电池寿命预测方法以及系统
CN116148670A (zh) 一种电化学储能电站电池寿命估算方法及装置
CN116893349A (zh) 一种基于高斯过程回归的电池健康状态预测方法和系统
CN115742865A (zh) 基于行驶里程预测的电动汽车热管理方法和系统
CN115389939A (zh) 基于最小二乘法的储能电池荷电和健康状态在线估计方法
CN110687459B (zh) 一种soc预估方法

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