CN113805061A - 一种锂亚硫酰氯体系锂原电池的soc预测方法 - Google Patents

一种锂亚硫酰氯体系锂原电池的soc预测方法 Download PDF

Info

Publication number
CN113805061A
CN113805061A CN202110999354.1A CN202110999354A CN113805061A CN 113805061 A CN113805061 A CN 113805061A CN 202110999354 A CN202110999354 A CN 202110999354A CN 113805061 A CN113805061 A CN 113805061A
Authority
CN
China
Prior art keywords
lithium
soc
thionyl chloride
primary battery
chloride system
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
Application number
CN202110999354.1A
Other languages
English (en)
Other versions
CN113805061B (zh
Inventor
毛昭勇
陈佩雨
田文龙
卢丞一
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202110999354.1A priority Critical patent/CN113805061B/zh
Publication of CN113805061A publication Critical patent/CN113805061A/zh
Application granted granted Critical
Publication of CN113805061B publication Critical patent/CN113805061B/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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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
    • 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

Abstract

为了解决目前无法方便、准确的预测锂原电池SOC的技术问题，本发明提供了一种基于锂亚硫酰氯体系的锂原电池SOC预测方法，包括步骤1：对锂亚硫酰氯体系锂原电池以恒流I开展放电实验，测得各个时刻的端电压和实际放电电流；步骤2：基于所述实际放电电流，计算各个时刻下锂亚硫酰氯体系锂原电池的SOC；步骤3：以步骤1获得的端电压为自变量，步骤2获得的SOC为因变量，建立锂亚硫酰氯体系锂原电池SOC的玻尔兹曼函数模型；步骤4：将待测锂亚硫酰氯体系锂原电池的端电压作为预测特征参数，输入所述玻尔兹曼函数中，实现待测锂亚硫酰氯体系锂原电池的SOC预测。本发明方法简单，易于实现，且预测精度较高。

Description

一种锂亚硫酰氯体系锂原电池的SOC预测方法
技术领域
本发明涉及一种锂亚硫酰氯体系锂原电池SOC预测方法。
背景技术
在水下航行器中，传统的热动力系统由于噪音大，隐蔽性较差，且受背压影响而航深受限，因此电动力系统成为新的研究热点。由于水下航行器的某些特定功能要求，无需重复充放电的锂原电池更加适合该应用场景。
SOC(State of Charge，电池剩余容量，又称电池荷电状态)的精确判定是电池管理系统中关键技术之一。虽然锂离子电池具有高能量密度和高功率密度特性，但是同时也存在着安全风险。因此，实时准确预测电池剩余容量，不仅能够均衡电池差异，防止过充过放，提高电池本身的使用寿命，而且还能给使用者提供可靠的使用体验。
由于锂原电池的应用范围较窄，因此对其研究很少，目前针对锂原电池还没有行之有效的SOC预测方法，只有针对锂蓄电池的SOC预测方法；但由于锂原电池与锂蓄电池从反应机理上完全不同，致使锂蓄电池的SOC预测方法无法应用于锂原电池，因此如何方便、准确的预测锂原电池的SOC成为了一个亟待解决的问题。
发明内容
为了解决目前无法方便、准确的预测锂原电池SOC的技术问题，本发明提供了一种基于锂亚硫酰氯体系的锂原电池SOC预测方法。
为了解决上述技术问题，本发明采用的技术方案如下：
一种锂亚硫酰氯体系锂原电池的SOC预测方法，其特殊之处在于，包括：
步骤1：对锂亚硫酰氯体系锂原电池以恒流I开展放电实验，测得各个时刻的端电压和实际放电电流；
步骤2：基于所述实际放电电流，计算各个时刻下锂亚硫酰氯体系锂原电池的SOC；
步骤3：以步骤1获得的端电压为自变量，步骤2获得的SOC为因变量，建立锂亚硫酰氯体系锂原电池SOC的玻尔兹曼函数模型；
步骤4：将待测锂亚硫酰氯体系锂原电池的端电压作为预测特征参数，输入所述玻尔兹曼函数中，实现待测锂亚硫酰氯体系锂原电池的SOC预测。
进一步地，步骤2是利用安时积分法计算各个时刻下锂亚硫酰氯体系锂原电池的SOC。
本发明的有益效果如下：
1、本发明以锂亚硫酰氯体系锂原电池进行恒流放电过程中端电压为自变量，以SOC为因变量，建立了SOC的玻尔兹曼函数模型，经实际仿真，利用该模型能较准确地对待测锂亚硫酰氯体系锂原电池的SOC进行初步估计。
2、本发明基于端电压建立了SOC预测模型，由于端电压能够进行实时监测，因而本发明能够实时预测锂亚硫酰氯体系锂原电池的SOC，对于锂亚硫酰氯体系的锂原电池剩余电量的估计有很好的工程借鉴意义。
3、本发明方法简单，易于实现，且预测精度较高，精度能够达到85.47％。
4、本发明利用安时积分法计算各时刻下电池的SOC，计算简单，且计算结果较为精确，为后续建模的准确性奠定了基础。
附图说明
图1为本发明的方法流程示意图。
图2为本发明基于不同外部状态参数的锂原电池SOC预测模型结构图。
图3为本发明最终得到的预测模型结果示意图。
具体实施方式
下面结合附图对本发明进行说明。
本发明的发明构思如下：
由于SOC为锂原电池内部的特征，无法直接测量其结果，因而本发明通过外部可直接测量的状态参数对其进行预测。
首先，我们对锂亚硫酰氯体系锂原电池进行恒流放电实验，测得各个时刻电池的外部状态参数，包括开路电压、端电压和欧姆内阻，以及实际放电电流；
然后，分析上述外部状态参数与SOC之间的关系，具体方法是分别以上述三种外部状态参数为自变量，SOC为因变量，分别建立了多种模型，如图2所示，包括：
①以开路电压为自变量，SOC为因变量的一次函数模型；
②以开路电压为自变量，SOC为因变量的多项式函数模型；
③以开路电压为自变量，SOC为因变量的玻尔兹曼函数模型；
④以端电压为自变量，SOC为因变量的一次函数模型；
⑤以端电压为自变量，SOC为因变量的多项式函数模型；
⑥以端电压为自变量，SOC为因变量的玻尔兹曼函数模型；
⑦以欧姆内阻为自变量，SOC为因变量的一次函数模型；
⑧以欧姆内阻为自变量，SOC为因变量的多项式函数模型；
⑨以欧姆内阻为自变量，SOC为因变量的玻尔兹曼函数模型；
建立好上述函数模型之后，我们对它们进行相关性分析(精度对比)，发现以欧姆内阻为自变量，SOC为因变量的玻尔兹曼函数模型精度最高，能够达到85.47％，该模型的仿真图如图3所示，因此，本发明最终采用端电压和SOC建立的玻尔兹曼函数模型，作为预测模型。
我们对于上面建立的各函数模型的精度，采用R2进行评价，R2的值越靠近1，表示预测模型精度越高；R2计算方法如下：
Figure BDA0003235127790000031
式中，
i表示第i个取样点；在恒流放电实验期间，以一定间隔采集外部状态参数，第i个取样点即为第i次采集外部状态参数的时刻；
y(i)表示的是第i个取样点的SOC值；
Figure BDA0003235127790000041
表示的是第i个取样点上由模型得到的预测SOC值；
Figure BDA0003235127790000042
表示的所有取样点上SOC的平均值。
基于上述发明构思，参照图1，本发明所提供的锂亚硫酰氯体系锂原电池的SOC预测方法，具体步骤如下：
步骤1：对锂亚硫酰氯体系锂原电池以恒流I进行放电实验，测得各个时刻的端电压和实际放电电流。
步骤2：基于标称容量C0和所述实际放电电流，利用安时积分法计算各个时刻下锂亚硫酰氯体系锂原电池的SOC，各时刻下的计算公式如下：
Figure BDA0003235127790000043
其中，C0是标称容量，I是恒流放电电流，t为初始放电时刻到当前时刻为止的放电时间。
步骤3：以步骤1获得的端电压为自变量，步骤2获得的SOC为因变量，建立锂亚硫酰氯体系锂原电池SOC的玻尔兹曼函数模型。
步骤4：将待测锂亚硫酰氯体系锂原电池的端电压作为预测特征参数，输入所述玻尔兹曼函数中，实现待测锂亚硫酰氯体系锂原电池的SOC预测。

Claims (2)

1.一种锂亚硫酰氯体系锂原电池的SOC预测方法，其特征在于，包括：
步骤1：对锂亚硫酰氯体系锂原电池以恒流I开展放电实验，测得各个时刻的端电压和实际放电电流；
步骤2：基于所述实际放电电流，计算各个时刻下锂亚硫酰氯体系锂原电池的SOC；
步骤3：以步骤1获得的端电压为自变量，步骤2获得的SOC为因变量，建立锂亚硫酰氯体系锂原电池SOC的玻尔兹曼函数模型；
步骤4：将待测锂亚硫酰氯体系锂原电池的端电压作为预测特征参数，输入所述玻尔兹曼函数中，实现待测锂亚硫酰氯体系锂原电池的SOC预测。
2.根据权利要求1所述的锂亚硫酰氯体系锂原电池的SOC预测方法，其特征在于：步骤2是利用安时积分法计算各个时刻下锂亚硫酰氯体系锂原电池的SOC。
CN202110999354.1A 2021-08-28 2021-08-28 一种锂亚硫酰氯体系锂原电池的soc预测方法 Active CN113805061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110999354.1A CN113805061B (zh) 2021-08-28 2021-08-28 一种锂亚硫酰氯体系锂原电池的soc预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110999354.1A CN113805061B (zh) 2021-08-28 2021-08-28 一种锂亚硫酰氯体系锂原电池的soc预测方法

Publications (2)

Publication Number Publication Date
CN113805061A true CN113805061A (zh) 2021-12-17
CN113805061B CN113805061B (zh) 2023-09-01

Family

ID=78894269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110999354.1A Active CN113805061B (zh) 2021-08-28 2021-08-28 一种锂亚硫酰氯体系锂原电池的soc预测方法

Country Status (1)

Country Link
CN (1) CN113805061B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022112238A1 (de) 2022-05-16 2023-11-16 Diehl Metering Gmbh Verfahren zur Ermittlung eines Ladungszustandes eines Energiespeichers und/oder einer voraussichtlichen Restbetriebszeit einer Messeinrichtung und Messeinrichtung

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070014652A (ko) * 2005-07-29 2007-02-01 삼성에스디아이 주식회사 이차 전지 모듈의 전지 잔존용량 산출방법
US20130138370A1 (en) * 2011-11-30 2013-05-30 Silicon Works Co., Ltd. Battery state-of-charge estimation method and battery management system
CN105807226A (zh) * 2014-12-31 2016-07-27 北京航天测控技术有限公司 基于等效电路模型的锂离子电池soc预测方法及装置
CN108594135A (zh) * 2018-06-28 2018-09-28 南京理工大学 一种用于锂电池均衡充放电控制的soc估算方法
CN110275113A (zh) * 2019-06-25 2019-09-24 内蒙古工业大学 一种锂电池荷电状态估计方法
JP6589080B1 (ja) * 2019-01-15 2019-10-09 ゴイク電池株式会社 蓄電素子の劣化度及び蓄電残量検出装置
CN111624495A (zh) * 2020-04-28 2020-09-04 合肥工业大学 基于深度置信网络优化ekf的锂电池soc区间估计方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070014652A (ko) * 2005-07-29 2007-02-01 삼성에스디아이 주식회사 이차 전지 모듈의 전지 잔존용량 산출방법
JP2007040991A (ja) * 2005-07-29 2007-02-15 Samsung Sdi Co Ltd 電池管理システム及びその駆動方法
US20130138370A1 (en) * 2011-11-30 2013-05-30 Silicon Works Co., Ltd. Battery state-of-charge estimation method and battery management system
CN105807226A (zh) * 2014-12-31 2016-07-27 北京航天测控技术有限公司 基于等效电路模型的锂离子电池soc预测方法及装置
CN108594135A (zh) * 2018-06-28 2018-09-28 南京理工大学 一种用于锂电池均衡充放电控制的soc估算方法
JP6589080B1 (ja) * 2019-01-15 2019-10-09 ゴイク電池株式会社 蓄電素子の劣化度及び蓄電残量検出装置
CN110275113A (zh) * 2019-06-25 2019-09-24 内蒙古工业大学 一种锂电池荷电状态估计方法
CN111624495A (zh) * 2020-04-28 2020-09-04 合肥工业大学 基于深度置信网络优化ekf的锂电池soc区间估计方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DATONG LIUA等: "Hybrid state of charge estimation for lithium-ion battery under dynamic operating conditions", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 *
이승호等: "배터리의노화상태를고려한배터리SOC 추정", 《J.INST.KOREAN.ELECTR.ELECTRON.ENG》 *
李蓓等: "端电压模糊估算动力电池SOC的新方法", 《湖南大学学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022112238A1 (de) 2022-05-16 2023-11-16 Diehl Metering Gmbh Verfahren zur Ermittlung eines Ladungszustandes eines Energiespeichers und/oder einer voraussichtlichen Restbetriebszeit einer Messeinrichtung und Messeinrichtung
EP4279935A1 (de) * 2022-05-16 2023-11-22 Diehl Metering GmbH Verfahren zur ermittlung eines ladungszustandes eines energiespeichers und/oder einer voraussichtlichen restbetriebszeit einer messeinrichtung und messeinrichtung

Also Published As

Publication number Publication date
CN113805061B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN108574317B (zh) 充放电控制装置以及蓄电系统
US10938075B2 (en) Battery safety evaluation apparatus, battery control apparatus, battery safety evaluation method, non-transitory computer readable medium, control circuit, and power storage
CN107819339B (zh) 充电模式制作装置、充电控制装置、充电模式制作方法及蓄电系统
Yang et al. State of charge estimation for pulse discharge of a LiFePO4 battery by a revised Ah counting
JP6668905B2 (ja) 電池劣化推定装置
CN112615075B (zh) 电池快速充电方法及计算机设备
KR102572652B1 (ko) 배터리의 충전상태를 추정하는 방법
CN109143097A (zh) 一种计及温度和循环次数的锂离子电池soc估计方法
CN108572324A (zh) 基于免疫算法优化bp神经网络的电池soc估计装置
Qiu et al. Battery hysteresis modeling for state of charge estimation based on Extended Kalman Filter
CN111950205A (zh) 一种基于fwa优化极限学习机的锂电池soh预测方法
JP2022547751A (ja) バッテリの充放電特性を用いてバッテリに電気エネルギーを蓄えるためのエネルギー貯蔵システム（ｅｓｓ）
CN111257770B (zh) 一种电池包功率估算方法
JP6798051B2 (ja) 充電パターン作成装置、充電制御装置、充電パターン作成方法、プログラム、及び蓄電システム
CN115754724A (zh) 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法
CN113805061B (zh) 一种锂亚硫酰氯体系锂原电池的soc预测方法
KR20070074621A (ko) 배터리 상태 및 파라미터 추정 시스템 및 방법
CN113109716B (zh) 一种基于电化学模型的锂电池sop估算方法
KR20210000206A (ko) 이상 배터리 셀 검출 방법
CN105259511A (zh) 基于蓄电池运行状态归算的荷电状态估算方法
CN112765794A (zh) 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法
CN116774045A (zh) 一种基于hho-svr的锂电池健康状态预测方法
CN111308352A (zh) 一种锂离子的电池衰减估算方法
Miftahullatif et al. Novel state-of-health prediction method for lithium-ion batteries in battery storage system by using voltage variation at rest period after discharge
CN115879370A (zh) 一种预测和监控锂离子电池组内部温度场的方法

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