CN113960484A - 一种基于单体压差的大数据电池健康诊断方法 - Google Patents
一种基于单体压差的大数据电池健康诊断方法 Download PDFInfo
- Publication number
- CN113960484A CN113960484A CN202111325129.6A CN202111325129A CN113960484A CN 113960484 A CN113960484 A CN 113960484A CN 202111325129 A CN202111325129 A CN 202111325129A CN 113960484 A CN113960484 A CN 113960484A
- Authority
- CN
- China
- Prior art keywords
- charging
- monomer
- matrix
- vector
- data
- 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
- 239000000178 monomer Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000003745 diagnosis Methods 0.000 title claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 238000007599 discharging Methods 0.000 abstract 1
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation 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]
- G01R31/392—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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明提供一种基于单体压差的大数据电池健康诊断方法,其中具体步骤包括:数据处理得到充电电流矩阵J,单体端电压阵列G、计算获得平均端电压列向量、计算获得第n次充电的端电压压差矩列ΔVn、计算获得第n次充电各单体的平均压差向量Mn、通过Mn获得该电池Pack历次充电的单体压差矩阵M、排出干扰且采用M矩阵除以历次充电平均电流矩阵得到新的矩阵M’、按列进行拆分获得各个单体的历次充电压差电压向量ΔV’m、对向量ΔV’m采用最小二乘法进行一次拟合,得到各单体拟合直线的斜率km和截距bm。本发明采用单体电池的电压差结合电池组进行健康检测、基于电池充电次数的状态大数据进行多吃循环检测测定健康状态、检测标准合理、多次充电大数据检测精确效率高。
Description
技术领域
本发明涉及电池健康技术领域,尤其涉及一种基于单体压差的大数据电池健康诊断方法。
背景技术
新能源汽车动力电池健康状态(SOH)是评估动力电池续航能力最为重要的性能指标。准确的评估结果对消除车主的里程焦虑具有十分重要的意义。目前新能源汽车动力电池健康状态的判断方法多为车主凭借驾驶经验判断其续航里程明显下降后,将车辆开往4S店进行专业的检测,由4S店给出诊断结果。
凭车主经验判断电池健康,会因为季节、驾驶习惯、行驶路况等因素,造成判断结果不准确,增加4S店检测负担,同时无法有效消除车主的里程焦虑。一般对于电池健康的检测均是通过某次充电时,检测电池的充电状态以及所接受的电流,但是一次检测存在误差,同时对于电池健康的检测也是通过一次充电时,电池内部的电阻率的变化来判断电池的健康,一般电池都是电池组的形式组成,同时也是一次诊断并不能满足健康检测的确定状态。
发明内容
本发明提供了一种采用单体电池的电压差结合电池组进行健康检测、基于电池充电次数的状态大数据进行多吃循环检测测定健康状态、检测标准合理、多次充电大数据检测精确,效率高的基于单体压差的大数据电池健康诊断的方法。
本发明为了解决其技术问题所采用的技术方案是:
一种基于单体压差的大数据电池健康诊断方法,包括如下步骤:
(1)获得指定车辆历次充电时的采样数据:采样数据包括充电电流和各单体端电压,经数据处理后得到充电电流矩阵J和单体端电压阵列G,则:
Unk=[un1k…un2k…unmk]
其中,unmk为第n次充电的第k帧m#单体端压;
(2)计算获得平均端电压列向量:首先对Unk向量按照正态分布的3σ定律排除异常数据,再用余下的有效数据的算术平均值获得平均电压Vnk,求出第n次充电平均电压列向量,则:
(3)计算获得第n次充电各单体的平均压差向量Mn:
Mn=[mn1…mn2…mnm]
(4)通过Mn获得该电池Pack历次充电的单体压差矩阵M:
(5)排除因每次充电电流不一致造成的干扰,采用M矩阵除以历次充电平均电流矩阵的方法予以解决,得到新的矩阵M’:
M’=M/J
(6)在得到矩阵后,将按列进行拆分,获得各个单体的历次充电压差电压向量ΔV’m,m为单体编号;
(7)对向量ΔV’m采用最小二乘法进行一次拟合,得到各单体拟合直线的斜率km和截距bm。
本发明与现有技术相比,具有有益效果:
对电池采用单体电压差并结合数学矩阵进行数据的分析,使得对单体电压差的电池内部状态分析更加准确且具有理论性,能够很好的得到电池的内部状态;对电池进行多次循环充电,在大数据的基础上对电池的单体电压差进行分析,使得数据样本增多,减小了单次检测时带来的误差,使得对于电池健康状态的检测更加准确,且基于大数据的充电时的电压差,覆盖到每个电池,可以对电池组成的电池组进行综合分析,提高了对电池健康状态分析的效率;基于大数据的检测,标准具有合理性,照顾到电池每次充电时的状态,更利于综合判断;在大数据与矩阵的基础上,采用最小二乘法进行数据分析,使得电池健康状态的分析具有一定的理论基础。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施例和附图,进一步阐述本发明,但下述实施例仅仅为本发明的优选实施例,并非全部。基于实施方式中的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例,都属于本发明的具体实施例。
具体实施例:
一种基于单体压差的大数据电池健康诊断方法,包括如下步骤:
步骤一:获得指定车辆历次充电时的采样数据,采样数据包括充电电流和各单体端电压,经数据处理后得到充电电流矩阵J,单体端电压阵列G,则:
其中,Unk=[un1k…un2k…unmk],unmk为第n次充电的第k帧m#单体端压;
步骤二:计算获得平均端电压列向量。首先对Unk向量按照正态分布的3σ定律排除异常数据,再用余下的有效数据的算术平均值获得平均电压Vnk,求出第n次充电平均电压列向量:
步骤四:计算获得第n次充电各单体的平均压差向量Mn:
Mn=[mn1…mn2…mnm],mnm为第n次充电第m串电芯的平均压差,
步骤五:通过Mn获得该电池Pack历次充电的单体压差矩阵M:
步骤六:排除因每次充电电流不一致造成的干扰,采用M矩阵除以历次充电平均电流矩阵的方法予以解决,得到新的矩阵M,:
M’=M/J
步骤七:在得到矩阵后,将按列进行拆分,获得各个单体的历次充电压差电压向量ΔV’m,m为单体编号。
步骤八:对向量ΔV’m采用最小二乘法进行一次拟合,得到各单体拟合直线的斜率km和截距bm。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (1)
1.一种基于单体压差的大数据电池健康诊断方法,其特征在于:包括如下步骤:
(1)获得指定车辆历次充电时的采样数据:采样数据包括充电电流和各单体端电压,经数据处理后得到充电电流矩阵J和单体端电压阵列G,则:
Unk=[un1k…un2k…unmk]
其中,unmk为第n次充电的第k帧m#单体端压;
(2)计算获得平均端电压列向量:首先对Unk向量按照正态分布的3σ定律排除异常数据,再用余下的有效数据的算术平均值获得平均电压Vnk,求出第n次充电平均电压列向量,则:
(3)计算获得第n次充电各单体的平均压差向量Mn:
Mn=[mn1…mn2…mnm]
(4)通过Mn获得该电池Pack历次充电的单体压差矩阵M:
(5)排除因每次充电电流不一致造成的干扰,采用M矩阵除以历次充电平均电流矩阵的方法予以解决,得到新的矩阵M’:
M’=M/J
(6)在得到矩阵后,将按列进行拆分,获得各个单体的历次充电压差电压向量ΔV’m,m为单体编号;
(7)对向量ΔV’m采用最小二乘法进行一次拟合,得到各单体拟合直线的斜率km和截距bm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111325129.6A CN113960484B (zh) | 2021-11-10 | 2021-11-10 | 一种基于单体压差的大数据电池健康诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111325129.6A CN113960484B (zh) | 2021-11-10 | 2021-11-10 | 一种基于单体压差的大数据电池健康诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113960484A true CN113960484A (zh) | 2022-01-21 |
CN113960484B CN113960484B (zh) | 2023-06-27 |
Family
ID=79469791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111325129.6A Active CN113960484B (zh) | 2021-11-10 | 2021-11-10 | 一种基于单体压差的大数据电池健康诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960484B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509678A (zh) * | 2022-02-10 | 2022-05-17 | 北京理工大学重庆创新中心 | 一种基于大数据的动力电池热失控预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014122832A1 (ja) * | 2013-02-06 | 2014-08-14 | 日本電気株式会社 | 蓄電装置及び劣化判定方法 |
WO2016166555A1 (en) * | 2015-04-16 | 2016-10-20 | Oxis Energy Limited | Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries |
WO2020033343A1 (en) * | 2018-08-06 | 2020-02-13 | The Regents Of The University Of Michigan | Electrode diagnostics for lithium ion battery |
CN112379291A (zh) * | 2020-09-29 | 2021-02-19 | 浙江南都电源动力股份有限公司 | 一种锂电池系统的soc估计方法及其系统 |
CN112505572A (zh) * | 2020-11-20 | 2021-03-16 | 山东氢探新能源科技有限公司 | 一种基于单体电压差异性的燃料电池故障诊断装置及方法 |
-
2021
- 2021-11-10 CN CN202111325129.6A patent/CN113960484B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014122832A1 (ja) * | 2013-02-06 | 2014-08-14 | 日本電気株式会社 | 蓄電装置及び劣化判定方法 |
WO2016166555A1 (en) * | 2015-04-16 | 2016-10-20 | Oxis Energy Limited | Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries |
WO2020033343A1 (en) * | 2018-08-06 | 2020-02-13 | The Regents Of The University Of Michigan | Electrode diagnostics for lithium ion battery |
CN112379291A (zh) * | 2020-09-29 | 2021-02-19 | 浙江南都电源动力股份有限公司 | 一种锂电池系统的soc估计方法及其系统 |
CN112505572A (zh) * | 2020-11-20 | 2021-03-16 | 山东氢探新能源科技有限公司 | 一种基于单体电压差异性的燃料电池故障诊断装置及方法 |
Non-Patent Citations (1)
Title |
---|
杨亚飞;刘新天;何耀;郑昕昕;曾国建;: "电力系统备用电池健康状态估计", 电源技术 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509678A (zh) * | 2022-02-10 | 2022-05-17 | 北京理工大学重庆创新中心 | 一种基于大数据的动力电池热失控预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113960484B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
Tian et al. | Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles | |
CN111090047B (zh) | 一种基于多模型融合的锂电池健康状态估计方法 | |
CN110146822B (zh) | 一种基于恒流充电过程的车用动力电池容量在线估计方法 | |
CN112363075B (zh) | 一种锂离子电池老化的评估方法 | |
CN103675702A (zh) | 一种实时评估电池健康状态的方法 | |
CN109061514A (zh) | 一种基于大数据的动力电池衰退情况分析方法及系统 | |
CN113406520B (zh) | 针对现实新能源汽车的电池健康状态估计方法 | |
CN113109729B (zh) | 基于加速老化试验与实车工况的车用动力电池soh评估方法 | |
CN113765179B (zh) | 基于层次聚类及类中心距的云端电池组一致性分析方法 | |
CN113554200B (zh) | 动力电池电压不一致性预测方法、系统及设备 | |
CN112327170B (zh) | 基于神经网络的动力电池全周期剩余寿命估算方法 | |
US6674287B2 (en) | Method for grouping unit cells using pattern matching technology of impedance spectrum | |
CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
CN111983459A (zh) | 一种基于车用锂离子电池的健康状态测试评估方法 | |
US20220320604A1 (en) | Method for Sorting Lithium Cells | |
CN113960484B (zh) | 一种基于单体压差的大数据电池健康诊断方法 | |
CN116150572A (zh) | 一种基于聚类分析的汽车电池单体一致性缺陷评估方法 | |
CN112782594A (zh) | 考虑内阻的数据驱动算法估算锂电池soc的方法 | |
CN110082692B (zh) | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 | |
CN113447840B (zh) | 锂离子电池分选方法和装置 | |
CN112595986A (zh) | 一种基于差热伏安曲线特征的电池寿命诊断方法 | |
CN117102082A (zh) | 一种液态金属电池的分选方法及系统 | |
CN113218536B (zh) | 一种电动汽车电池包温度测点的选取方法 | |
CN116520172A (zh) | 电池组剩余容量估算方法、装置、电子设备和存储介质 |
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 |