CN113253128A - 一种电池系统soc一致性评估方法和内阻一致性评估方法 - Google Patents
一种电池系统soc一致性评估方法和内阻一致性评估方法 Download PDFInfo
- Publication number
- CN113253128A CN113253128A CN202110517148.2A CN202110517148A CN113253128A CN 113253128 A CN113253128 A CN 113253128A CN 202110517148 A CN202110517148 A CN 202110517148A CN 113253128 A CN113253128 A CN 113253128A
- Authority
- CN
- China
- Prior art keywords
- stage
- slice
- consistency
- battery system
- deviation degree
- 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
- 238000011156 evaluation Methods 0.000 title claims description 25
- 238000000034 method Methods 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000007599 discharging Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000004140 cleaning Methods 0.000 claims abstract description 15
- 239000000178 monomer Substances 0.000 claims description 23
- 230000005856 abnormality Effects 0.000 claims description 13
- 208000028659 discharge Diseases 0.000 claims description 5
- 230000000284 resting effect Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 8
- 229910052744 lithium Inorganic materials 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related 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]
- G01R31/392—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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明提供了一种电池系统SOC一致性评估方法，包括步骤A：获取电池运行过程监控数据，对过程监控数据进行清洗，对清洗后的数据中的充电状态进行切片；步骤B：计算电压的绝对偏差度和相对偏差度；步骤C：利用sigmoid函数将相对偏差度转化成SOC一致性的异常率。本发明还提供了通过放电数据进行内阻一致性评估的方法。本发明的优点在于：极大的简化了计算方式，通过前期的数据清洗获得干净的样本数据，提高后期计算的精确度，通过切片准确的划分电池的充放电过程，获取对应的数据进行SOC的一致性评估，为电池的故障预警提供了参考，能够更好的了解电池系统的健康状态和随时间变化的情况。
Description
技术领域
本发明涉及锂电池一致性分析技术领域，尤其涉及一种电池系统SOC一致性评估方法和内阻一致性评估方法。
背景技术
新能源汽车的大力发展，带动了锂电池行业的深度发展，锂电池的优势如能量密度高、循环使用寿命长等使得在电池比例中不断升高。但是电池组内电池一致性的控制却成为了行业内亟需解决的技术难题。
行业普遍采用锂电池管理系统来控制电池组内电池的一致性，避免由于电池不一致在使用过程中可能造成的过充过放，从而保护锂电池组，延长产品使用寿命。此外，带有均衡功能的电池管理系统在一定程度上环节了电池组的不一致问题，使锂电池组容量和能量利用率得以最大化。但是在长期的使用中，锂电池组内的电池在温度场等方面的催化下，不一致现象必然逐渐加剧，如何快速识别电池系统的一致性，特别是磷酸铁锂系统，也成为锂电行业内的瓶颈。
公开号为CN111257754A的发明专利申请公开了一种基于PLSTM序列映射的电池SOC鲁棒评估方法，在基础LSTM单元的基础上，在输入和门控中引入了过程信息，提出PLSTM，并基于PLSTM单元在基于自编码器预训练的基础上构建并训练序列映射模型，完成SOC的鲁棒评估。通过学习充放电历经过程对SOC的影响，使之能够在变采样频率、位置载荷剖面等不利条件下完成高准确度的SOC评估，然而其训练方法相对复杂，而且过于依赖历史数据，无法应对电池差异性较大的情况。
发明内容
本发明所要解决的技术问题在于提供一种能够对磷酸铁锂电池的SOC一致性和内阻一致性进行评估的方法。
本发明是通过以下技术方案解决上述技术问题的：一种电池系统SOC一致性评估方法，包括
步骤A：获取电池运行过程监控数据，对过程监控数据进行清洗，对清洗后的数据中的充电状态进行切片；
步骤B：计算电压的绝对偏差度和相对偏差度；
步骤C：利用sigmoid函数将相对偏差度转化成SOC一致性的异常率。
本发明采用的评估方法极大的简化了计算方式，通过前期的数据清洗获得干净的样本数据，提高后期计算的精确度，通过切片准确的划分电池的充放电过程，获取对应的数据进行SOC的一致性评估，为电池的故障预警提供了参考，能够更好的了解电池系统的健康状态和随时间变化的情况。
优选的，步骤B中所述的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt,n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
优选的，步骤C所述的sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c＝3.2表示偏差基数，Pn的数值越高，说明SOC一致性异常情况越严重。
优选的，所述过程监控数据包括时间、电流、总电压、总电量、单体电压；采集间隔不大于30秒。
优选的，充电阶段在SOC≥40％范围内进行切片。
本发明还提供了一种电池系统内阻一致性评估方法，包括
步骤a：获取电池运行过程监控数据，对过程监控数据进行清洗，对清洗后的数据中的放电状态进行切片；
步骤b：计算电压的绝对偏差度和相对偏差度；
步骤c：利用sigmoid函数将相对偏差度转化成内阻一致性的异常率。
优选的，步骤b中所述的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt,n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
优选的，步骤c所述的sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c＝2.5表示偏差基数。
优选的，所述过程监控数据包括时间、电流、总电压、总电量、单体电压；采集间隔不大于30秒。
优选的，放电阶段在SOC≥20％范围内进行切片。
本发明还提供了一种电池系统一致性评估方法，包括
S1：获取电池运行过程监控数据；
S2：对过程监控数据进行清洗；
S3：对清洗后的监控数据按照充电、放电、搁置状态进行切片，将连续时间段的同一状态记做一次阶段切片；
S4：选择充电阶段切片和放电阶段切片分别计算每个单体在该阶段切片内的绝对偏差度和相对偏差度；
S5：使用sigmoid函数将充电阶段切片的相对偏差度转化成SOC一致性的异常率；将放电阶段切片的相对偏差度转化为内阻一致性的差异率。
优选的，S4中述的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt,n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
优选的，S5中sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c表示偏差基数，对于充电阶段切片，c＝3.2，对于放电状态切片，c＝2.5，Pn的数值越高，说明一致性异常情况越严重。
优选的，所述过程监控数据包括时间、电流、总电压、总电量、单体电压；采集间隔不大于30秒。
优选的，所述充电阶段在SOC≥40％范围内进行切片，放电阶段在SOC≥20％范围内进行切片。
本发明提供的电池系统SOC一致性评估方法和内阻一致性评估方法的优点在于：极大的简化了计算方式，通过前期的数据清洗获得干净的样本数据，提高后期计算的精确度，通过切片准确的划分电池的充放电过程，获取对应的数据进行SOC的一致性评估，为电池的故障预警提供了参考，能够更好的了解电池系统的健康状态和随时间变化的情况。以绝对偏差度的90％和10％的数值的差值作为基准，排除异常值对结果的影响，提高SOC和内阻一致性评估的准确度。
附图说明
图1为本发明的实施例1提供的电池系统SOC一致性评估方法的流程图；
图2为本发明的实施例1提供的充电倍率为0.5C时不同偏移SOC情况下的充电曲线；
图3为本发明的实施例1提供的充电倍率为0.5C时偏移面积随偏移SOC和起始SOC的变化图；
图4为本发明的实施例1提供的电动车A的某次充电过程电压数据；
图5为本发明的实施例1提供的电动车A的某次充电过程各电芯单体电压的相对偏差度曲线；
图6为本发明的实施例1提供的电动车A的异常电芯单体的相对偏差度随时间的变化趋势；
图7为本发明的实施例2提供的电池系统内阻一致性评估方法的流程图；
图8为本发明的实施例2提供的电动车B某次放电过程的电压数据；
图9为本发明的实施例2提供的电动车B某次放电过程各电芯单体电压的相对偏差度曲线；
图10为本发明的实施例3提供的电池系统一致性评估方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本实施例提供了一种电池系统SOC一致性评估方法，包括
步骤A：获取电池运行过程监控数据，对过程监控数据进行清洗，对清洗后的数据中的充电状态进行切片；
所述监控数据包括时间、总电压、总电量、电流、电芯单体电压、单体温度、行驶里程，采集间隔不超过30秒；
所述的清洗数据为剔除错误数据，包括含有采集误差、缺失值的数据，从而为模型提供有效的数据集；
对清洗后得到的干净数据进行切片处理，选择充电状态的数据进行SOC一致性评估，本实施例中选择SOC≥40％的范围下的充电数据进行SOC一致性评估。
步骤B：计算电压的绝对偏差度和相对偏差度；
的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt,n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
本实施选取绝对偏差度的90％和10％的数值的差值作为基准，排除异常值对结果的影响，提高SOC一致性评估的准确度。
步骤C：利用sigmoid函数将相对偏差度转化成SOC一致性的异常率。
sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c＝3.2表示偏差基数，Pn的数值越高，说明SOC一致性异常情况越严重。
本实施例中，一致性异常情况的划分标准如下：Pn位于[0，33.3％]时，一致性正常；Pn位于[33.3％，66.6％]时，一致性轻微异常；Pn位于[66.6％，100％]时，一致性严重异常。
电池系统的一致性差异为全部单体SOC或内阻的极值，本实施例通过估算电芯单体相对均值的差异来评估整个电池系统的一致性差异，其中偏差基数c为经验值。
图2示出了某电池系统在起始SOC到90％SOC范围内不同偏移SOC下的0.5C充电曲线，其中Dn表示偏移n％SOC下的充电曲线，图3为0.5C充电倍率下偏移面积随偏移SOC和起始SOC的变化趋势，从中能够得到，在起始SOC为30％～50％下，充电曲线的偏移面积与偏移SOC呈强正相关，此外，在0.1C～1C充电倍率内，该特性均成立。
根据上述SOC一致性评估方法，随机选择处于使用状态的电动车A进行SOC一致性评估，电动车A呈现欠压故障，即SOC一致性故障，对监控数据进行清洗后获得干净的数据样本，然后对清洗后的数据样本按照车辆运行状态切片，能够获得充电、放电、搁置三种状态下的数据，且每个阶段数据记作一次阶段切片。
以图4所示的电动车A某次充电阶段切片的电压数据为例进行分析；计算电动车A在该次充电阶段的绝对偏差度和相对偏差度，相对偏差度的数值如图5所示，从图5可以直观的确定54号电芯单体的异常度最为严重。然后对54号电芯单体计算不同时间下的相对偏差度，结果如图6所示，能够得出，随着时间的推移，54号电芯单体的SOC一致性异常率逐渐升高，因此可以通过对本实施例提供的方法确定异常单体以及该单体发生异常的时间，方便进行故障预警和排查。
实施例2
参考图7，本实施例提供了一种电池系统内阻一致性评估方法，本实施例与实施例1的区别在于步骤A中适用放电状态的数据切片进行计算，另外，sigmoid函数中的偏差基数的数值为2.5，在SOC≥20％的范围内进行切片获得计算所需的数据。
以正常使用的电动车B为例进行内阻一致性的评估，经过清洗、切片得到电动车B某次放电过程的电压数据如图8所示，经过对绝对偏差度和相对偏差度的计算，获得该次放电过程中，电动车B的各电芯单体电压的相对偏差度，从中可以得出，其53号电芯单体的异常度明显异常，可以进一步对53号电芯单体相对偏差度随时间变化的情况进行计算，从而得到出现异常的时间，方便了解电池的状态和异常情况，进行故障预警和故障排查。
实施例3
参考图10，本实施例提供了一种电池系统一致性评估方法，包括
S1：获取电池运行过程监控数据；
S2：对过程监控数据进行清洗；
S3：对清洗后的监控数据按照充电、放电、搁置状态进行切片，将连续时间段的同一状态记做一次阶段切片；
S4：选择充电阶段切片和放电阶段切片分别计算每个单体在该阶段切片内的绝对偏差度和相对偏差度；
S5：使用sigmoid函数将充电阶段切片的相对偏差度转化成SOC一致性的异常率；将放电阶段切片的相对偏差度转化为内阻一致性的差异率。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (15)
1.一种电池系统SOC一致性评估方法，其特征在于：包括
步骤A：获取电池运行过程监控数据，对过程监控数据进行清洗，对清洗后的数据中的充电状态进行切片；
步骤B：随机选择一次充电阶段切片的数据，计算电压的绝对偏差度和相对偏差度；
步骤C：利用sigmoid函数将相对偏差度转化成SOC一致性的异常率。
2.根据权利要求1所述的一种电池系统SOC一致性评估方法，其特征在于：步骤B中所述的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt，n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
3.根据权利要求2所述的一种电池系统SOC一致性评估方法，其特征在于：步骤C所述的sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c＝3.2表示偏差基数，Pn的数值越高，说明SOC一致性异常情况越严重。
4.根据权利要求1所述的一种电池系统SOC一致性评估方法，其特征在于：所述过程监控数据包括时间、电流、总电压、总电量、单体电压；采集间隔不大于30秒。
5.根据权利要求1所述的一种电池系统SOC一致性评估方法，其特征在于：充电阶段在SOC≥40％范围内进行切片。
6.一种电池系统内阻一致性评估方法，其特征在于：包括
步骤a：获取电池运行过程监控数据，对过程监控数据进行清洗，对清洗后的数据中的放电状态进行切片；
步骤b：随机选择一次放电阶段切片的数据，计算电压的绝对偏差度和相对偏差度；
步骤c：利用sigmoid函数将相对偏差度转化成内阻一致性的异常率。
7.根据权利要求6所述的一种电池系统内阻一致性评估方法，其特征在于：步骤b中所述的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt，n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
8.根据权利要求7所述的一种电池系统内阻一致性评估方法，其特征在于：步骤c所述的sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c＝2.5表示偏差基数。
9.根据权利要求6所述的一种电池系统内阻一致性评估方法，其特征在于：所述过程监控数据包括时间、电流、总电压、总电量、单体电压；采集间隔不大于30秒。
10.根据权利要求6所述的一种电池系统内阻一致性评估方法，其特征在于：放电阶段在SOC≥20％范围内进行切片。
11.一种电池系统一致性评估方法，其特征在于：包括
S1：获取电池运行过程监控数据；
S2：对过程监控数据进行清洗；
S3：对清洗后的监控数据按照充电、放电、搁置状态进行切片，将连续时间段的同一状态记做一次阶段切片；
S4：选择充电阶段切片和放电阶段切片分别计算每个单体在该阶段切片内的绝对偏差度和相对偏差度；
S5：使用sigmoid函数将充电阶段切片的相对偏差度转化成SOC一致性的异常率；将放电阶段切片的相对偏差度转化为内阻一致性的差异率。
12.根据权利要求11所述的一种电池系统一致性评估方法，其特征在于：S4中述的绝对偏差度和相对偏差度的计算公式为：
Dn＝(Bn-B0.5)/(B0.9-B0.1)
其中，Bn表示第n个单体在该阶段切片内的绝对偏差度，电池单体总共有N个，Vt，n表示该阶段切片内t时刻第n个单体的电压值，
表示该阶段切片内t时刻所有单体电压的均值，Dn表示第n个单体在该阶段切片内的相对偏差度，Bm表示与该阶段切片内绝对偏差度Bn的比值为m；即B0.1、B0.5、B0.9分别表示绝对偏差度Bn数值的10％、50％、90％。
13.根据权利要求12所述的一种电池系统一致性评估方法，其特征在于：S5中sigmoid函数为：
其中，Pn表示第n个单体在该阶段切片内的一致性异常率，c表示偏差基数，对于充电阶段切片，c＝3.2，对于放电状态切片，c＝2.5，Pn的数值越高，说明一致性异常情况越严重。
14.根据权利要求11所述的一种电池系统一致性评估方法，其特征在于：所述过程监控数据包括时间、电流、总电压、总电量、单体电压；采集间隔不大于30秒。
15.根据权利要求11所述的一种电池系统一致性评估方法，其特征在于：所述充电阶段在SOC≥40％范围内进行切片，放电阶段在SOC≥20％范围内进行切片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110517148.2A CN113253128B (zh) | 2021-05-12 | 2021-05-12 | 一种电池系统soc一致性评估方法和内阻一致性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110517148.2A CN113253128B (zh) | 2021-05-12 | 2021-05-12 | 一种电池系统soc一致性评估方法和内阻一致性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113253128A true CN113253128A (zh) | 2021-08-13 |
| CN113253128B CN113253128B (zh) | 2022-04-12 |
Family
ID=77222996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110517148.2A Active CN113253128B (zh) | 2021-05-12 | 2021-05-12 | 一种电池系统soc一致性评估方法和内阻一致性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113253128B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114236406A (zh) * | 2021-12-15 | 2022-03-25 | 湖北德普电气股份有限公司 | 一种回馈式动力电池充放电检测系统 |
| CN114252770A (zh) * | 2021-11-19 | 2022-03-29 | 东软睿驰汽车技术（沈阳）有限公司 | 一种电池包的功率的检测方法、装置、系统及电子设备 |
| CN115469226A (zh) * | 2022-08-01 | 2022-12-13 | 哈尔滨工业大学（威海） | 一种基于运行大数据的电动汽车动力电池实时安全预警方法 |
| CN116338474A (zh) * | 2023-05-29 | 2023-06-27 | 力高(山东)新能源技术股份有限公司 | 一种钠离子电池一致性的判断方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011041094A1 (en) * | 2009-09-30 | 2011-04-07 | Battelle Energy Alliance, Llc | Systems, methods and computer readable media for estimating capacity loss in rechargeable electrochemical cells |
| JP2012185143A (ja) * | 2011-03-04 | 2012-09-27 | Reiko Tateno | 画像解析による管腔形成試験の評価方法および評価装置 |
| CN104656023A (zh) * | 2013-11-22 | 2015-05-27 | 广州汽车集团股份有限公司 | 一种评价电池单体一致性的方法和系统 |
| CN109581234A (zh) * | 2018-11-07 | 2019-04-05 | 上海恩捷新材料科技有限公司 | 一种锂离子电池一致性筛选方法 |
| CN110429693A (zh) * | 2019-09-02 | 2019-11-08 | 东北电力大学 | 一种基于电池组一致性的储能电池组功率控制方法 |
| CN110456283A (zh) * | 2019-09-09 | 2019-11-15 | 东软睿驰汽车技术（沈阳）有限公司 | 获取电芯内阻参数的方法及装置 |
| CN111257775A (zh) * | 2020-02-24 | 2020-06-09 | 上海蔚来汽车有限公司 | 基于充电过程监控电池阻抗异常的方法、系统以及装置 |
| CN111707951A (zh) * | 2020-06-22 | 2020-09-25 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
| CN112433169A (zh) * | 2020-11-25 | 2021-03-02 | 北京理工新源信息科技有限公司 | 一种云端动力电池健康度评估系统及方法 |
| CN112540317A (zh) * | 2020-12-16 | 2021-03-23 | 武汉理工大学 | 基于实车数据的电池健康状态估计与剩余寿命预测方法 |
| CN112557908A (zh) * | 2020-12-17 | 2021-03-26 | 温州大学 | 一种锂离子动力电池soc和soh联合估计方法 |
| CN112763929A (zh) * | 2020-12-31 | 2021-05-07 | 华东理工大学 | 一种储能电站系统电池单体健康预测方法及装置 |
-
2021
- 2021-05-12 CN CN202110517148.2A patent/CN113253128B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011041094A1 (en) * | 2009-09-30 | 2011-04-07 | Battelle Energy Alliance, Llc | Systems, methods and computer readable media for estimating capacity loss in rechargeable electrochemical cells |
| JP2012185143A (ja) * | 2011-03-04 | 2012-09-27 | Reiko Tateno | 画像解析による管腔形成試験の評価方法および評価装置 |
| CN104656023A (zh) * | 2013-11-22 | 2015-05-27 | 广州汽车集团股份有限公司 | 一种评价电池单体一致性的方法和系统 |
| CN109581234A (zh) * | 2018-11-07 | 2019-04-05 | 上海恩捷新材料科技有限公司 | 一种锂离子电池一致性筛选方法 |
| CN110429693A (zh) * | 2019-09-02 | 2019-11-08 | 东北电力大学 | 一种基于电池组一致性的储能电池组功率控制方法 |
| CN110456283A (zh) * | 2019-09-09 | 2019-11-15 | 东软睿驰汽车技术（沈阳）有限公司 | 获取电芯内阻参数的方法及装置 |
| CN111257775A (zh) * | 2020-02-24 | 2020-06-09 | 上海蔚来汽车有限公司 | 基于充电过程监控电池阻抗异常的方法、系统以及装置 |
| CN111707951A (zh) * | 2020-06-22 | 2020-09-25 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
| CN112433169A (zh) * | 2020-11-25 | 2021-03-02 | 北京理工新源信息科技有限公司 | 一种云端动力电池健康度评估系统及方法 |
| CN112540317A (zh) * | 2020-12-16 | 2021-03-23 | 武汉理工大学 | 基于实车数据的电池健康状态估计与剩余寿命预测方法 |
| CN112557908A (zh) * | 2020-12-17 | 2021-03-26 | 温州大学 | 一种锂离子动力电池soc和soh联合估计方法 |
| CN112763929A (zh) * | 2020-12-31 | 2021-05-07 | 华东理工大学 | 一种储能电站系统电池单体健康预测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| CAIPING ZHANG: "Study on battery pack consistency evolutions and equilibrium diagnosis for serial- connected lithium-ion batteries", 《APPLIED ENERGY》 * |
| 靳尉仁: "锂离子动力电池一致性评价方法的研究进展", 《电池》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114252770A (zh) * | 2021-11-19 | 2022-03-29 | 东软睿驰汽车技术（沈阳）有限公司 | 一种电池包的功率的检测方法、装置、系统及电子设备 |
| CN114252770B (zh) * | 2021-11-19 | 2023-12-22 | 东软睿驰汽车技术（沈阳）有限公司 | 一种电池包的功率的检测方法、装置、系统及电子设备 |
| CN114236406A (zh) * | 2021-12-15 | 2022-03-25 | 湖北德普电气股份有限公司 | 一种回馈式动力电池充放电检测系统 |
| CN115469226A (zh) * | 2022-08-01 | 2022-12-13 | 哈尔滨工业大学（威海） | 一种基于运行大数据的电动汽车动力电池实时安全预警方法 |
| CN116338474A (zh) * | 2023-05-29 | 2023-06-27 | 力高(山东)新能源技术股份有限公司 | 一种钠离子电池一致性的判断方法 |
| CN116338474B (zh) * | 2023-05-29 | 2023-08-04 | 力高(山东)新能源技术股份有限公司 | 一种钠离子电池一致性的判断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113253128B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113253128B (zh) | 一种电池系统soc一致性评估方法和内阻一致性评估方法 | |
| CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
| JP6918433B1 (ja) | 劣化度診断装置 | |
| CN109116242B (zh) | 一种动力电池的数据处理方法和装置 | |
| US20160195589A1 (en) | Degradation diagnosis system and degradation diagnosis method for secondary battery | |
| CN110888064B (zh) | 一种评估电池系统电芯容量分布区间的算法 | |
| CN109031133B (zh) | 一种动力电池的soc修正方法 | |
| CN116136571A (zh) | 新能源车辆及其电池系统soc异常监控诊断方法、装置 | |
| CN114430080A (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
| CN113030761B (zh) | 一种超大规模储能电站电池健康状态的评估方法及系统 | |
| CN113075554A (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
| CN108205114B (zh) | 电池寿命的预测方法及系统 | |
| CN110712528B (zh) | 一种动力电池组实时监控方法及设备 | |
| CN110045291B (zh) | 一种锂电池容量估计方法 | |
| CN114636930B (zh) | 一种电池自放电故障预警方法 | |
| US20220187376A1 (en) | Method and Device for Predicting a State of Health of an Energy Storage System | |
| US11513164B2 (en) | Method and system for estimating battery pack balance state of new energy vehicle | |
| US20230213587A1 (en) | Method and System for Efficiently Monitoring Battery Cells of a Device Battery in an External Central Processing Unit Using a Digital Twin | |
| CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
| CN112485695A (zh) | 动力电池的检测方法及装置 | |
| CN117805649A (zh) | 基于soh量化电池容量衰减对异常电芯进行识别的方法 | |
| CN114462259A (zh) | 基于soc的电池剩余寿命预测方法、系统、汽车及介质 | |
| CN116973782A (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
| CN114167301A (zh) | 一种基于电动汽车实车数据的动力电池评估方法 | |
| CN117214757A (zh) | 锂离子电池及电池组健康度预测方法 |
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 |