CN113156316A - 盐水电池soc估算算法 - Google Patents
盐水电池soc估算算法 Download PDFInfo
- Publication number
- CN113156316A CN113156316A CN202110452139.XA CN202110452139A CN113156316A CN 113156316 A CN113156316 A CN 113156316A CN 202110452139 A CN202110452139 A CN 202110452139A CN 113156316 A CN113156316 A CN 113156316A
- Authority
- CN
- China
- Prior art keywords
- soc
- value
- charge
- battery
- current
- 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
- 239000012267 brine Substances 0.000 title claims abstract description 22
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 title claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000009825 accumulation Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000009533 lab test Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 230000007774 longterm Effects 0.000 abstract description 6
- 238000004146 energy storage Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 5
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 239000011780 sodium chloride Substances 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910001415 sodium ion Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. 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]
- G01R31/367—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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供一种盐水电池SOC估算算法，包括步骤：计算电池荷电状态的初始值SOC0；采用安时累积法计算电池荷电状态的测量值SOCt；根据实验室实测数据建立专家数据库；确定隶属度K1，对实验室测量荷电状态SOCr进行模糊处理，获得真实电池荷电状态的标准估算值SOCk；依据盐水电池的电化学特性，与专家数据库进行比较，确定校正系数K2，根据校正系数K2的值以及测量值SOCt对真实电池荷电状态的标准估算值SOCk进行修正，得到电池荷电状态修正后的输出值SOC。本发明通过两次修正降低了SOC的估算值的误差；自动更新专家数据库，具有自学习功能，提高SOC估算的精准度，避免长期运行的累积误差。
Description
技术领域
本发明涉及电池技术领域，特别是涉及一种盐水电池SOC估算算法。
背景技术
规模储能技术是新能源推广和能源革新的基础，是国家能源战略需求布局的重要组成部分，对国家能源结构优化和电网安全稳定运行具有重要作用。电化学储能由于高转化效率、组装灵活、不受地理环境约束等优点，成为储能技术的研究热点，应用逐渐从示范开始商业化运营。
近几年，基于水性电解液（pH呈中性）的盐水储能电池引起了研究者的广泛关注，其中较为成熟的是水系盐水电池。正负极活性物质采用可以脱嵌钠离子的化学物质，配以中性盐的水溶液作为电解质，正负极通过离子嵌脱电化学反应或者混合反应储存电量，存在较少的不可逆反应，为电池的长寿命循环提供了坚实的理论依据，并且钠资源丰富且价格低廉，是大规模储能电池领域中最具有潜力的体系之一。
以盐水电池制备成的储能系统集成简单、结实耐用；无散热、过充等敏感要求；不存在爆炸、着火等安全隐患。不仅能够与分布式能源的储能协调应用，充分接入、消纳风能，太阳能等可再生能源，实现能源的优化管理和高效利用；同时可以配置“智能电网”，实现用电的合理使用。
储能系统BMS的主要任务是检测电池工作状态、估算电池荷电状态SOC、电池健康状态、以及通讯、均衡、故障诊断等。而SOC的估算是其中关键技术之一。电池的荷电状态SOC（State of Charge，简称SOC），指电池中剩余电荷的可用状态，是描述电池状态的一个重要参数，对其进行准确的估算是当今电池研究的一个难题和热点。主要的测试方法有以下几种：
1）放电测试法，将电池以一定的放电倍率进行恒流放电至电池的截止电压，用电流乘于所用的时间可以得到放出的电量及电池SOC值。该方法测试准确，但要求测试电流恒定，只能局限于实验室环境下测试。
2）开路电压法，根据电池的开路电压(OCV)与电池电量的变化关系，间接拟合出开路电压OCV与电池SOC之间的关系。该方法需要电池长时间的静置，不适用于运行中的储能系统，仅作为初始化的估算算法。
3）安时累积法，也叫电流积分法，是目前电池领域普遍应用的SOC估算方法，其本质是在电池进行充电或放电时，通过累积充进或放出的电量估算电池SOC。该方法相对简单可靠，但受制于数据采样精度及电池本身特性如自放电、老化等因素影响，随着电池的运行时间越长，误差越大，需要引入相关的修正方法对累积误差进行纠正。
4）人工神经网络法，模拟人脑及其神经元以处理非线性系统的新型算法，该算法需要大量的测试数据输入且计算量大、耗时、需要大存储等问题。目前盐水电池属于储能新技术，数据量不足难以实现，且占用较大的资源不利于大规模推广。
5）系统滤波法，常用的是卡尔曼滤波算法，具有闭环控制和实时性强的优点。但作为线性算法应用到非线性的储能系统中，存在一定的困难。
综上，采用现有技术的方法进行SOC估算，均存在一定的缺陷，因此，研发一种新型的SOC估算方法是非常有必要的。
发明内容
本发明所要解决的技术问题是：为了克服现有技术中的不足，本发明基于盐水电池的电化学特性，提出了以实验室实测数据库为根据，以安时累计法为基础，以修正算法为核心的“三位一体”的盐水电池SOC估算算法。
本发明解决其技术问题所要采用的技术方案是：一种盐水电池SOC估算算法，本算法核心算法为修正算法，基础算法采用安时累计法，具体包括以下步骤：
S1：计算电池荷电状态的初始值SOC0；
通过公式SOC0=f(OCV)计算得出电池系统荷电状态的初始值SOC0，其中，OCV表示开路电压，f()表示OCV-SOC的对应函数。
S2：计算电池荷电状态的基础值SOCt；
根据步骤S1获得的初始SOC0，通过安时累积法计算电池荷电状态的测量值SOCt，计算公式为：
其中，I表示运行电流，充电为正、放电为负，t表示运行时间。
S3：根据实验室实测数据建立专家数据库；
通过实验室，测试在不同运行电流下，电压和电池荷电状态的函数关系，依据电池容量C，建立专家数据库，函数关系为：
SOCr=f（I i U j）/C
其中，
式中，
SOCr为实验室测量荷电状态，单位 %；
C为电池容量，在25℃，10小时率电流充放电条件下，测量的容量，单位 Ah；
f（I i U j）为实验室测量当前容量，根据电流、电压的不同，计算对应的当前容量，单位Ah；
I i为测量当前容量的运行电流，单位 A；
U j为测量当前容量的电压，单位 V；
m为测量的不同电压值的数量，Um应小于最大充电电压；
n为测量的不同运行电流值的数量。
上述电流和电压的取值根据具体要求进行等量递增或递减。
在步骤S3中为了提高SOC估算的精准度，通过修正容量ΔC，更新专家数据库。
统计电池荷电状态的修正前测量值和修正值SOC之间的偏差ΔSOC,依据公式ΔC=ΔSOC×C，容量修正ΔC在固定时间周期内，计算平均值，实时更新专家数据库，实现算法的自学习功能，提高SOC估算的精准度，避免长期运行的累积误差。SOC是通过累计电流和总容量的比值计算的，这里更新的是专家数据库的初始容量值。
S4：修正算法，确定隶属度K1，得到标准估算值SOCk；
在实际工程应用中，因为专家数据库是离散的，并不连续，测量的运行电流值不可能和数据库完全一致，所以使用标准曲线去校正SOC的估算值则无法实现。
根据实验室测试经验，给出各个工况下运行电流的测试值和函数标准值的偏差确定隶属度K1的具体数值，隶属度K1在闭区间[0，1]内取值；其中，运行电流的标准值为建立专家数据库时对应的运行电流值。
首先判断运行电流I实际测试值在某一区间内，即满足I i<I≤I i+1，则偏差值ΔI为：
ΔI=I i+1-|I|
其中，I i表示专家数据库中测量的第i个运行电流值；I i+1表示专家数据库中测量的第i+1个运行电流值；|I|为运行电流的绝对值，充电为正，放电为负。
根据偏差值ΔI确定隶属度K1的值，则K1为实验室测量荷电状态SOCr经模糊处理后最终选择，计算电池荷电状态的标准估算值SOCk为：
SOCk= SOCij×K1+ SOC（i+1）j×(1-K1)）
式中：
SOCij为在运行电流为I i，电压为U j的工况下，专家数据库对应的荷电状态，单位%；
SOC（i+1）j为在运行电流为I i+1，电压为Uj的工况下，专家数据库对应的荷电状态，单位 %；
K1为隶属度，在[0，1]范围内取值。
S5：依据温度、内阻对盐水电池的电化学特性的影响，与专家数据库进行比较，根据电流在固定时间内的稳定性，确定校正系数K2，根据校正系数K2的值以及测量值SOCt对电池荷电状态的估算值SOCk进行修正，得到电池荷电状态修正后的输出值SOC。
工程实际测量的电流值也不是恒定的，有时会有较大波动，而电流的波动对电池荷电状态的标准函数有较大影响，修正估算值和真实值的关系不是0和1的关系，是模糊概念，设定校正系数K2，K2在闭区间[0，1]内取值。具体取值依赖电流变化的程度，在固定时间间隔内，最大值和最小值的偏差决定了K2的取值，越接近专家数据库测试数据，变化越小则K2值越接近1。具体的采用比较当前温度与专家数据测试时的温度区别，温度差越小，K2越接近1，此处比较的过程是采用现有的技术手段可以实现的，此处不再赘述。
根据校正系数K2的值，则电池荷电状态修正后的输出值SOC为：
SOC=SOCt+(SOCk-SOC1 )×K2
式中：
SOCt为安时累积法计算的电池荷电状态基础值，单位 %；
SOC1为当前数据库存储值，程序初始运行数值为SOCt，单位 %；
SOC为修正后电池荷电状态的输出值，单位 %；
K2为校正系数。
人工智能的模糊逻辑方法是基于模糊逻辑推理理论，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。不需要准确的数学模型和准确的数值，开发相对简单，准确性高，同时具有自学习能力，避免长期运行的累积误差。因此，本发明采用隶属度K1、校正系数K2以及修正容量ΔC对SOC的估算进行修正，以提高精度。
本发明的有益效果是：
（1）本算法核心为修正算法，以安时累计法为基础算法，采用人工智能SOC估算修正方法，提高系统SOC计算精度；
（2）通过隶属度K1和校正系数K2两次修正，大大降低了SOC的估算值的误差；
（3）本算法具有自学习功能，自动更新专家数据库，提高SOC估算的精准度，避免长期运行的累积误差。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明盐水电池的SOC-OCV曲线图。
图2是本发明实验室实测专家数据库示意图。
图3是本发明初始化程序流程图。
图4是本发明SOC修正算法流程图。
图5是电池在500W恒功率放电的电压/电流与时间的关系图。
具体实施方式
现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
图5为电池采用500W恒功率放电，1小时内电压/电流与时间的关系图，图中黑色竖直线条为取数据的位置。恒功率放电时，电流随着放电过程整体持续下降，实际电流和电压均不是稳定值，有一定的波动。下面按照此发明的计算方法来计算此电池运行20分钟时电池的SOC。
如图4所示，本发明的一种盐水电池SOC估算算法，本算法核心算法为修正算法，基础算法采用安时累计法，具体包括以下步骤：
S1：计算电池荷电状态的初始值SOC0；
通过公式SOC0=f(OCV)计算得出电池系统荷电状态的初始值SOC0，其中，OCV表示开路电压，f()表示OCV-SOC的对应函数。
如图1所示，在单体电池开路状态下，及单体电池处于既不充电也不放电的状态下，并保持2小时以上，测量电池正、负极两端开路电压OCV。根据图示的函数曲线，计算对应的电池荷电状态的初始值SOC0。
按照图3所示的初始化程序进行测定。初始化程序在停电后重启或搁置时间超过6小时的情况下运行。当电池系统首次运行，按照图1所示的函数，计算电池荷电状态的初始值SOC0。电池系统在运行过程中，当检测到电流的绝度值小于0.5A时，则判定单体电池没有在充电或放电运行，当保持6小时以上时，对电池荷电状态的显示值进行修正，调用图1所示函数计算。当显示值和图1函数计算值有较大偏差时（如：大于5%），则使用差值平均，平滑过渡。本实施例中根据图1可知，在运行初期，电流为0，符合初始化条件，56.4V对应的SOC0为100%。
S2：计算电池荷电状态的基础值SOCt；
根据步骤S1获得的初始SOC0，通过安时累积法计算电池荷电状态的测量值SOCt，选取运行时间为20分钟，根据计算公式计算SOCt的值：
=100%-15.54%
=84.46%
其中，I表示运行电流，充电为正、放电为负，t表示运行时间。
S3：根据实验室实测数据建立专家数据库，专家数据库如图2所示，根据电流、电压的不同，计算对应的当前容量，当电流为I i曲线时，通过测量的电压U j可以计算出对应的横坐标时间点，记作t，单位为小时（h）。
通过实验室，测试在不同运行电流下，电压和电池荷电状态的函数关系，依据电池容量C，建立专家数据库，函数关系为：
SOCr=f（I i U j）/C
其中，
式中，
SOCr为实验室测量荷电状态，单位 %；
C为电池容量，在25℃，10小时率电流充放电条件下，测量的容量，单位 Ah；
f（I i U j）为实验室测量当前容量，单位Ah；
I i为测量当前容量的运行电流，单位 A；
U j为测量当前容量的电压，单位 V；
m为测量的不同电压值的数量，Um应小于最大充电电压；
n为测量的不同运行电流值的数量。
上述电流和电压的取值根据具体要求进行等量递增或递减。
在步骤S3中为了提高SOC估算的精准度，通过修正容量ΔC，更新专家数据库。统计测量值和修正值之间的偏差ΔSOC，依据公式ΔC=ΔSOC×C，容量修正ΔC,在固定时间周期内，计算平均值，实时更新专家数据库，实现算法的自学习功能，提高SOC估算的精准度，避免长期运行的累积误差。
S4：修正算法，确定隶属度K1，得到标准估算值SOCk；
在运行20分钟的节点，实际运行电压为50.52V，电流为-9.89A，当前数据库存储值SOC1为84.6%。位于专家数据库9A和10A之间，实则偏差值ΔI为：
ΔI=10-|-9.89|=0.11
假设根据偏差值ΔI确定隶属度K1的值为0.11，则K1为电池荷电状态估的估算值经模糊处理后最终选择，通过专家数据库查询，得知SOC(9,50.52)为83.3%，SOC(10,50.52)为87.1%计算电池荷电状态的标准估算值SOCk为：
SOCk= SOCij×K1+ SOC（i+1）j×(1-K1)）
=SOC(9,50.52)*0.11+SOC(10,50.52)*(1-0.11)
=83.3%*0.11+87.1%*0.89
=86.6%
S5：依据盐水电池的电化学特性，与专家数据库进行比较，根据电流在固定时间内的稳定性，确定校正系数K2，得到电池荷电状态修正后的输出值SOC。
工程实际测量的电流值不是恒定的，有时会有较大波动，而电流的波动对SOC的标准函数有较大影响，标准估算值和真实值的关系不是0和1的关系，是模糊概念，设定校正系数K2，K2在闭区间[0，1]内取值。具体取值依赖电流变化的程度，在固定时间间隔内，最大值和最小值的偏差决定了K2的取值，越接近专家数据库测试数据，变化越小则K2值越接近1。
实际选取取样点前5分钟的数据，计算实际运行电流与此刻电流的差值（-9.89）具体如下表所示：
电流差值表
电流波动较小，平均变化0.012A，按照K2值和电流波动值反函数的关系，取值0.98。根据校正系数K2的值，则电池荷电状态修正后的输出值SOC为：
SOC=SOCt+(SOCk-SOC1)×K2
=84.46%+（86.6%-84.6%）*0.98
=86.4%
人工智能的模糊逻辑方法是基于模糊逻辑推理理论，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。不需要准确的数学模型和准确的数值，开发相对简单，准确性高，同时具有自学习能力，避免长期运行的累积误差。因此，本发明采用隶属度K1、校正系数K2以及修正容量ΔC对SOC的估算进行修正，以提高精度。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种盐水电池SOC估算算法，其特征在于：包括以下步骤：
S1：计算电池荷电状态的初始值SOC0；
S2：根据初始值SOC0，采用安时累积法计算电池荷电状态的测量值SOCt，以测量值SOCt作为修正的基础值；
S3：根据实验室实测数据建立专家数据库，获得实验室测量荷电状态SOCr与不同运行电流下的电压以及电池容量C的函数关系；
S4：根据各个工况下运行电流的测试值和函数标准值的偏差确定隶属度K1；然后，根据确定的隶属度K1的值对实验室测量荷电状态SOCr进行模糊处理，获得真实电池荷电状态的标准估算值SOCk；
S5：依据盐水电池的电化学特性，与步骤S3建立的专家数据库进行比较，根据电流在固定时间内的稳定性，确定校正系数K2，根据校正系数K2的值以及测量值SOCt对电池荷电状态的估算值SOCk进行修正，得到电池荷电状态修正后的输出值SOC。
2.如权利要求1所述的盐水电池SOC估算算法，其特征在于：步骤S1具体包括：通过公式SOC0=f(OCV)计算得出电池系统荷电状态的初始值SOC0，其中，OCV表示开路电压，f()表示OCV-SOC的对应函数。
3.如权利要求2所述的盐水电池SOC估算算法，其特征在于：步骤S2具体包括：根据步骤S1获得的初始SOC0，通过安时累积法计算电池荷电状态的基础值SOCt，计算公式为：
其中，I表示运行电流，充电为正、放电为负，t表示运行时间。
4.如权利要求3所述的盐水电池SOC估算算法，其特征在于：步骤S3具体包括：通过实验室，测试在不同运行电流下，电压和电池荷电状态的函数关系，依据电池容量C，建立专家数据库，函数关系为：
SOCr=f（I i U j）/C
其中，
式中，
SOCr为实验室测量荷电状态，单位 %；
C为电池容量，在25℃，10小时率电流充放电条件下，测量的容量，单位 Ah；
f（I i U j）为实验室测量当前容量，根据电流、电压的不同，计算对应的当前容量，单位Ah；
I i为测量当前容量的运行电流，单位 A；
U j为测量当前容量的电压，单位 V；
m为测量的不同电压值的数量，U m应小于最大充电电压；
n为测量的不同运行电流值的数量。
5.如权利要求4所述的盐水电池SOC估算算法，其特征在于：步骤S4具体包括：根据实验室测试经验，给出各个工况下运行电流I的测试值和标准值的偏差值，然后根据偏差值确定隶属度K1的具体数值，隶属度K1在闭区间[0，1]内取值；
首先判断运行电流I实际测试值在某一区间内，即满足I i<I≤I i+1，则偏差值ΔI为：
ΔI=I i+1-|I|
其中，I i表示专家数据库中测量的第i个运行电流值；I i+1表示专家数据库中测量的第i+1个运行电流值，|I|为运行电流的绝对值，充电为正，放电为负；
根据偏差值ΔI确定隶属度K1的值，则K1为电池荷电状态的估算值经模糊处理后最终选择，计算电池荷电状态的标准估算值SOCk为：
SOCk= SOCij×K1+ SOC（i+1）j×(1-K1)）
式中：
SOCij为在运行电流为I i，电压为U j的工况下，专家数据库对应的荷电状态，单位 %；
SOC（i+1）j为在运行电流为I i+1，电压为Uj的工况下，专家数据库对应的荷电状态，单位 %；
K1为隶属度，在[0，1]范围内取值。
6.如权利要求5所述的盐水电池SOC估算算法，其特征在于：步骤S5具体包括：依据温度和内阻对盐水电池的电化学特性的影响，与专家数据库进行比较，越接近专家数据库的测试条件，则K2越趋近与1，确定校正系数K2，K2在闭区间[0，1]内取值，根据校正系数K2的值，则电池荷电状态修正后的输出值SOC为：
SOC=SOCt+(SOCk-SOC1)×K2
式中：
SOCt为安时累积法计算的电池荷电状态基础值，单位 %；
SOC1为当前数据库存储值，程序初始运行数值为SOCt，单位 %；
SOC为修正后电池荷电状态的输出值，单位 %；
K2为校正系数。
7.如权利要求1-6任一项所述的盐水电池SOC估算算法，其特征在于：步骤S3中还包括通过修正容量ΔC，对专家数据库的更新，具体包括，
统计电池荷电状态的修正前数据库存储值，和修正值SOC之间的偏差ΔSOC，依据公式确定修正容量ΔC：
ΔC=ΔSOC×C
通过修正容量ΔC，周期性更新专家数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110452139.XA CN113156316B (zh) | 2021-04-26 | 2021-04-26 | 盐水电池soc估算算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110452139.XA CN113156316B (zh) | 2021-04-26 | 2021-04-26 | 盐水电池soc估算算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113156316A true CN113156316A (zh) | 2021-07-23 |
| CN113156316B CN113156316B (zh) | 2023-11-07 |
Family
ID=76870802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110452139.XA Active CN113156316B (zh) | 2021-04-26 | 2021-04-26 | 盐水电池soc估算算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113156316B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116184223A (zh) * | 2021-11-29 | 2023-05-30 | 比亚迪股份有限公司 | 评估电池荷电状态估算算法准确度的方法及电子设备 |
| CN116418085A (zh) * | 2023-04-06 | 2023-07-11 | 贲安能源科技(上海)有限公司 | 一种盐水电池均衡控制方法 |
| CN117175751A (zh) * | 2023-11-02 | 2023-12-05 | 广州巨湾技研有限公司 | 一种基于电池最高温度的充电电流控制方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102569922A (zh) * | 2012-03-05 | 2012-07-11 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
| US20130229154A1 (en) * | 2012-03-02 | 2013-09-05 | Saft | Method and system for estimating state of charge of a lithium electrochemical cell having a lithium phosphate type positive electrode |
| CN103576096A (zh) * | 2013-10-09 | 2014-02-12 | 广东电网公司电力科学研究院 | 电动汽车动力电池剩余电量的实时评估方法及装置 |
| WO2015106691A1 (zh) * | 2014-01-17 | 2015-07-23 | 宁波吉利罗佑发动机零部件有限公司 | 一种混合动力车用动力电池soc估算方法 |
| CN105974323A (zh) * | 2016-05-09 | 2016-09-28 | 深圳市鑫成泰科技有限公司 | 一种提高电动汽车soc估算精度的算法模型 |
| CN107991623A (zh) * | 2017-11-27 | 2018-05-04 | 山东大学 | 一种考虑温度和老化程度的电池安时积分soc估计方法 |
| CN108226809A (zh) * | 2018-04-13 | 2018-06-29 | 淮阴工学院 | 一种多模型并用的电池soc估算方法 |
| CN110187282A (zh) * | 2019-06-03 | 2019-08-30 | 珠海东帆科技有限公司 | 电池荷电状态估算方法和估算装置 |
-
2021
- 2021-04-26 CN CN202110452139.XA patent/CN113156316B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130229154A1 (en) * | 2012-03-02 | 2013-09-05 | Saft | Method and system for estimating state of charge of a lithium electrochemical cell having a lithium phosphate type positive electrode |
| CN102569922A (zh) * | 2012-03-05 | 2012-07-11 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
| CN103576096A (zh) * | 2013-10-09 | 2014-02-12 | 广东电网公司电力科学研究院 | 电动汽车动力电池剩余电量的实时评估方法及装置 |
| WO2015106691A1 (zh) * | 2014-01-17 | 2015-07-23 | 宁波吉利罗佑发动机零部件有限公司 | 一种混合动力车用动力电池soc估算方法 |
| CN105974323A (zh) * | 2016-05-09 | 2016-09-28 | 深圳市鑫成泰科技有限公司 | 一种提高电动汽车soc估算精度的算法模型 |
| CN107991623A (zh) * | 2017-11-27 | 2018-05-04 | 山东大学 | 一种考虑温度和老化程度的电池安时积分soc估计方法 |
| CN108226809A (zh) * | 2018-04-13 | 2018-06-29 | 淮阴工学院 | 一种多模型并用的电池soc估算方法 |
| CN110187282A (zh) * | 2019-06-03 | 2019-08-30 | 珠海东帆科技有限公司 | 电池荷电状态估算方法和估算装置 |
Non-Patent Citations (3)
| Title |
|---|
| GUAN-CHYUN HSIEH 等: "Fuzzy-Controlled Li–Ion Battery Charge System with Active State-of-Charge Controller", IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, vol. 48, no. 3, pages 585 - 593, XP011023826 * |
| 张建寰 等: "基于多参数融合的铅酸蓄电池SOC估算方法研究", 电源技术, no. 11, pages 118 - 120 * |
| 李凯 等: "储能系统的荷电状态管理策略及其影响评价", 电力系统自动化, vol. 39, no. 8, pages 27 - 32 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116184223A (zh) * | 2021-11-29 | 2023-05-30 | 比亚迪股份有限公司 | 评估电池荷电状态估算算法准确度的方法及电子设备 |
| CN116418085A (zh) * | 2023-04-06 | 2023-07-11 | 贲安能源科技(上海)有限公司 | 一种盐水电池均衡控制方法 |
| CN116418085B (zh) * | 2023-04-06 | 2024-04-05 | 贲安能源科技(上海)有限公司 | 一种盐水电池均衡控制方法 |
| CN117175751A (zh) * | 2023-11-02 | 2023-12-05 | 广州巨湾技研有限公司 | 一种基于电池最高温度的充电电流控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113156316B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022105104A1 (zh) | 一种基于多新息递推贝叶斯算法的电池模型参数辨识方法 | |
| CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
| CN113156316B (zh) | 盐水电池soc估算算法 | |
| CN106291372B (zh) | 一种新的锂离子动力电池剩余寿命预测方法 | |
| CN107064805A (zh) | 蓄电池容量测量系统和蓄电池容量测量方法 | |
| CN112098849B (zh) | 基于求积分卡尔曼滤波的锂电池剩余电量估计方法 | |
| US20230280404A1 (en) | Method and device for estimating battery state of charge based on electrochemical model | |
| CN110320472B (zh) | 一种用于矿用锂电池的自修正soc估计方法 | |
| CN113777501B (zh) | 一种电池模组的soh的估算方法 | |
| CN109752660B (zh) | 一种无电流传感器的电池荷电状态估计方法 | |
| CN111239629A (zh) | 一种退役锂电池的梯次利用状态区间划分方法 | |
| CN112305426B (zh) | 一种多约束条件下的锂离子电池功率状态估计系统 | |
| Cui et al. | Equivalent Circuit Model of Lead-acid Battery in Energy Storage Power Station and Its State-of-Charge Estimation Based on Extended Kalman Filtering Method. | |
| Li et al. | Multi-state joint estimation for a lithium-ion hybrid capacitor over a wide temperature range | |
| CN110596604A (zh) | 一种基于安时积分法的锂电池soc估计方法 | |
| CN115629314B (zh) | 基于改进Jaya的电池参数与状态联合估计方法及系统 | |
| CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统 | |
| CN111027203A (zh) | 一种超级电容soc计算方法 | |
| CN114035071A (zh) | 水系二次电池系统soc在线校正方法 | |
| CN118050643A (zh) | 一种基于曲线拟合的ocv估值方法、系统及电子设备 | |
| CN112379280A (zh) | 基于恒压恒流充电曲线的电池模型参数与ocv-soc关系确定方法 | |
| CN115656839A (zh) | 基于bp-dekf算法的电池状态参量协同估算方法 | |
| CN113138342B (zh) | 一种基于滚动时域估计的soc在线估算方法及系统 | |
| CN115951225A (zh) | 一种电池均衡优化容量估计方法和装置 | |
| CN205450222U (zh) | 一种直流内阻的测试电路 |
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 |