CN114002605A - 电池健康状态估算方法及系统 - Google Patents
电池健康状态估算方法及系统 Download PDFInfo
- Publication number
- CN114002605A CN114002605A CN202111240455.7A CN202111240455A CN114002605A CN 114002605 A CN114002605 A CN 114002605A CN 202111240455 A CN202111240455 A CN 202111240455A CN 114002605 A CN114002605 A CN 114002605A
- Authority
- CN
- China
- Prior art keywords
- battery
- sampling
- voltage
- sampling time
- 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
- 230000036541 health Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 208
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 230000032683 aging Effects 0.000 description 5
- 230000005284 excitation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007600 charging Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000034964 establishment of cell polarity Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010278 pulse charging Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池健康状态估算方法及系统,涉及电池管理系统领域,方法包括以下步骤:采集电池的电压电流数据;获取本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据;根据预设的判断条件,判断电压电流数据是否符合电池内阻的计算条件;将符合计算条件的电压电流数据计算得到所述电池的内阻值;根据预设的电池健康状态估算公式和电池的内阻值,确定电池当前的健康状态。系统包括:采集模块;数据获取模块;判断模块;计算模块以及估算模块。本发明通过连续且局部重叠的多次采集电池的电压电流数据,可捕获到有效的脉冲放电时机并获取电压电流数据,实现在实车工况下估算出电池的健康状态。
Description
技术领域
本发明涉及电池管理系统领域,具体是涉及一种电池健康状态估算方法及系统。
背景技术
近年来迫于环保压力,新能源汽车在国家政策的引导下得到迅猛发展,作为电动汽车最重要的零部件之一,电池管理系统的重要性是显而易见的。而电池健康状态的估计在电池管理系统中发挥着重要的作用。动力电池随着用户使用时间的增长而不断老化,电池健康状态(state of health,SOH)是锂离子电池状态估计和评价这种性能衰退程度的重要指标。对SOH进行精准地监测和预测,能够提高荷电状态(state of charge,SOC)估计精度,以防止过充/过放、预测状态的演变以及估计其他性能状态。此外,对于电动汽车能量管理系统任务决策、减少安全隐患、防止灾难事故的发生也具有重要意义。
由于SOH受众多内外部因素的影响,且与电池的老化机制有关,难以直接测量获取。但可以通过电池中的可测变量如容量、内阻计算得到。从容量的维度来度量电池健康状态的方法虽然测量精度高但是不适合实际应用,此种方法需要特定环境的一个满充满放过程,只适用于固定的环境如实验室。
电池老化对外表现出可释放总能量变少并伴随输出功率的减小,对内则表现出电池内阻的明显增大,因此通常还可利用正常状态下电池测得的内阻值作为SOH的表征量。电池内阻值的获取可通过给电池突加给定值的激励电流,记录电池端电压瞬间产生的电压差,从而根据欧姆定理计算得到电池的内阻值。实车在急加速或者急减速时都可获得一个激励电流从而产生脉冲放电和脉冲充电的工况。但由于实车使用工况的不确定性,必然导致脉冲放电时机的不确定性,使实车工况下难以捕获到有效的能满足计算电池内阻值条件的脉冲放电。因此,如何才能捕获到有效的脉冲放电时机并记录电压电流数据以便于在实车工况下估算出电池的健康状态是目前需要解决的问题。
发明内容
本发明的目的是为了克服上述背景技术的不足,提供一种电池健康状态估算方法及系统。
第一方面,提供一种电池健康状态估算方法,包括以下步骤:
步骤S1,根据预设的单次采样时长范围和相邻次采样间隔时长,采集电池的电压电流数据;
步骤S2,根据所述电池的电压电流数据获取本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据;
步骤S3,根据预设的判断条件,判断所述起始采样时刻和结束采样时刻的电压电流数据是否符合电池内阻的计算条件;
步骤S4,根据欧姆定理将符合所述计算条件的起始采样时刻和结束采样时刻的电压电流数据计算得到所述电池的内阻值;
步骤S5,根据预设的电池健康状态估算公式和所述电池的内阻值,确定所述电池当前的健康状态。
根据第一方面,在第一方面的第一种可能的实现方式中,所述相邻次采样间隔时长为相邻两次采样时长范围的起始采样时刻的间隔时长,且所述相邻次采样间隔时长小于所述单次采样时长范围。
根据第一方面,在第一方面的第二种可能的实现方式中,所述单次采样时长范围内包含有至少两次采样时长范围的所述起始采样时刻。
根据第一方面,在第一方面的第三种可能的实现方式中,所述预设的判断条件包括:
所述起始采样时刻与所述结束采样时刻的电流差大于第一预设值;
所述起始采样时刻与所述结束采样时刻的电压差大于第二预设值;以及
所述预设的单次采样时长范围内的SOC不变。
根据第一方面的第三种可能的实现方式,在第一方面的第四种可能的实现方式中,
所述第一预设值为临界电流;
所述第二预设值为2x mV,其中,x为电压采样的最大误差,mV为电压单位毫伏。
所述预设的单次采样时长范围内的SOC不变的判断条件为单次采样时长范围内累计消耗的电量小于电池总容量与SOC的最小分辨率之积。
根据第一方面,在第一方面的第五种可能的实现方式中,所述步骤S3包括:
步骤S31,根据预设的判断条件,判断所述起始采样时刻和结束采样时刻的电压电流数据是否符合电池内阻的计算条件,若是,则进入步骤S32,若否,则进入步骤S33;
步骤S32,存储本次采样时长范围内的所述起始采样时刻和结束采样时刻对应的电压电流数据,进入步骤S4;
步骤S33,丢弃本次采样时长范围内的所述起始采样时刻和结束采样时刻对应的电压电流数据,返回至步骤S1,进行下一次采样。
第二方面,提供一种电池健康状态估算系统,包括:
采集模块,用于根据预设的单次采样时长范围和相邻次采样间隔时长,采集电池的电压电流数据;
数据获取模块,用于获取所述采集模块在本次采样时长范围内的起始采样时刻和结束采样时刻采集的电压电流数据;
判断模块,用于根据预设的判断条件,判断所述数据获取模块获取的电压电流数据是否符合电池内阻的计算条件;
计算模块,用于根据欧姆定理将符合所述计算条件的电压电流数据计算得到所述电池的内阻值;以及
估算模块,用于根据预设的电池健康状态估算公式和所述电池的内阻值,确定所述电池当前的健康状态。
根据第二方面,在第二方面的第一种可能的实现方式中,所述相邻次采样间隔时长为相邻两次采样时长范围的起始采样时刻的间隔时长,且所述相邻次采样间隔时长小于所述单次采样时长。
与现有技术相比,本发明的优点如下:
1、此方法从内阻的维度来度量电池的健康状态,很好的解决了实车无满充满放场景无法获取或者很难获取电池总容量的现状。
2、通过预设的单次采样时长范围和相邻次采样间隔时长,周期性的采集电池的电压电流数据,可捕获到有效的脉冲放电时机并获取电压电流数据,实现在实车工况下估算出电池的健康状态。且本方法的实施不需要大量的实验数据的训练,节约了实验成本并缩短了开发周期。
3、通过预设的判断条件可有效剔除用于计算电池内阻值的无效数据,提高了数据处理效率和电池内阻值的准确性。
4、规避了神经网络,卡尔曼滤波等复杂的高端算法,降低了处理器成本和高端算法应用不成熟带来的风险。
附图说明
图1是本发明实施例的电池健康状态估算系统的结构框架示意图;
图2是本发明实施例的电池健康状态估算系统的单次采样时长范围和相邻次采样间隔时长在时间轴上的位置关系示意图;
图3是本发明实施例的电池健康状态估算系统建立的用于模拟电池内部特性的电路结构图;
图4是本发明实施例的电池健康状态估算方法的步骤示意图。
图中,10-采集模块;20-数据获取模块;30-判断模块;40-计算模块;50-估算模块。
具体实施方式
现在将详细参照本发明的具体实施例,在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明,但将理解,不是想要将本发明限于所述的实施例。相反,想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意,这里描述的方法步骤都可以由任何功能块或功能布置来实现,且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明,下面结合附图和具体实施方式对本发明作进一步详细说明。
注意:接下来要介绍的示例仅是一个具体的例子,而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
由于SOH(电池健康状态)受众多内外部因素的影响,且与电池的老化机制有关,难以直接测量获取。但可以通过电池中的可测变量如容量、内阻计算得到。
从容量维度定义SOH:
式中,Cnow是电池当前状态下的实际总容量;Crated是电池额定容量。电池容量反映了一个充满电的电池可以储存多少能量,是被用作SOH估计指标之一。准确测量电池的当前容量是估计SOH最简单和最精确的方法。在一定条件下,电池从满电的状态以一定的倍率放电到截止电压所放出的容量与电池额定容量的百分比即为电池的SOH;此种方法需要特定环境的一个满充满放过程,只适用于固定的环境如实验室。而实车基本不存在这样的使用场景,所以该方法虽然测量精度高但是不适合实际应用。
从内阻维度定义SOH:
式中,Reol是电池寿命结束时的内阻;Rnew是新电池内阻;Rnow是电池当前状态下的内阻。电池老化对外表现出可释放总能量变少并伴随输出功率的减小,对内则表现出电池内阻的明显增大,因此通常还可利用正常状态下电池测得的内阻值作为SOH的表征量。电池内阻值的获取可通过给电池突加给定值的激励电流,记录电池端电压瞬间产生的电压差,从而根据欧姆定理计算得到电池的内阻值。
电池老化是一个缓慢的过程,因此SOH计算的实时性要求并不高。而实车在急加速或者急减速时都可获得一个激励电流从而产生脉冲放电和脉冲充电的工况,若能捕捉这个脉冲放电,并且在满足一定条件的情况下可以根据欧姆定律计算得到电池的内阻值。
但由于实车使用工况的不确定性,且脉冲充电放电工况无其他硬线信号或者通信信号预警,必然导致脉冲放电时机的不确定性。如何才能捕获到有效的脉冲放电时机并记录电压电流数据显得尤为重要。因此,如何才能捕捉到有效的能满足计算电池内阻条件的脉冲放电是本发明需要重点解决的技术问题。
参见图1所示,本发明实施例提供一种电池健康状态估算系统,包括:采集模块10、数据获取模块20、判断模块30、计算模块40以及估算模块50。
采集模块10用于根据预设的单次采样时长范围和相邻次采样间隔时长,采集电池的电压电流数据。
参见图2所示,假设单次采样时长范围也称单次采样周期为ΔT,相邻次采样间隔时长为t。t的值由采样模块10的采样芯片的采样频率决定,比如采样频率是1KHZ,则相邻次采样间隔时长t为1ms。以图2为例,若t为1ms,ΔT为400ms。则采集模块10在第一次采样时长400ms范围内进行了401次采样,采集到电池在该时长范围内的401个电压电流数据并暂时存储。
以图2为例,假设第一次采样时长范围内的起始采样时刻为0时刻,则第一次采样时长范围内的结束采样时刻为400时刻,从0时刻开始,每间隔1ms采样一次。
假设第二次采样时长范围内的起始采样时刻为1时刻,则第二次采样时长范围内的结束采样时刻为401时刻。
假设第三次采样时长范围内的起始采样时刻为2时刻,则第三次采样时长范围内的结束采样时刻为402时刻。以此类推。
由于第一次采样时长范围内已经进行了0时刻至400时刻的401次采样,因此第二次采样时长范围内、第三次采样时长范围内直至第399次采样时长范围内的起始采样时刻采集的电压电流数据已经存在。从第400时刻开始,每隔1ms都会计算一次电压梯度值和电流梯度值并判断获取的电压电流数据是否符合电池内阻的计算条件。
比如,从第400时刻开始,计算400时刻的电池端电压/电流与0时刻的电池端电压/电流的差值,1ms后,采集401时刻的电压电流数据,并计算401时刻的电池端电压/电流与1时刻的电池端电压/电流的差值。再1ms后,采集402时刻的电压电流数据,并计算402时刻的电池端电压/电流与2时刻的电池端电压/电流的差值。依次以1ms为步长滚动采样,每隔1ms计算一次电压梯度值和电流梯度值。
数据获取模块20用于获取采集模块10在本次采样时长范围内的起始采样时刻和结束采样时刻采集的电压电流数据。
判断模块30用于根据预设的判断条件,判断数据获取模块20获取的电压电流数据是否符合电池内阻的计算条件。
计算模块40用于根据欧姆定理将符合计算条件的电压电流数据计算得到电池的内阻值。
需要说明的是,估算系统在运行前,还需要建立电池模型。
电池模型是尽量应用数学原理全面地去描述实际电池的特性,即响应特性、内部特性,其中,响应特性是电池电流和电压之问的关系,内部特性是电池内部各变量如温度、SOC、电池内阻之间的关系。为达到估算电池健康状态的目标,本发明的重点是识别电池的内部特性;从电池的工作原理出发,用电压、电阻、电容等组成的电路来模拟电池的特性,其电路结构如图3所示。
图3中Uocv表示电池的开路电压,C1表示电池极化电容,R0表示电池的欧姆内阻,R1表示电池极化内阻,Ul表示电池端电压,I表示电池负载电流。
电池内阻由欧姆内阻R0和极化内阻R1组成,在整包级别,则整个电池PACK的内阻为:Ri=R0+R1
当电池放电时,根据欧姆定律有:
Ul=Uocv-I*Ri
当突然的电流激励产生时,假设在单次采样时长ΔT的时间范围内电流发生突变,SOC未发生变化,根据欧姆定律则有:
在起始采样时刻T1:
Ul1=Uocv1-I1*Ri
在结束采样时刻T2:
Ul2=Uocv2-I2*Ri
因在单次采样时长ΔT的时间范围内SOC没有发生变化,所以Uocv1与Uocv2相等,将上面两个公式相减,则有:
Ul1-Ul2=I2*Ri-I1*Ri
因电池内阻没有方向,为同时适应充电和放电场景,上式可改写为:
式中,Ul1为起始采样时刻的电池端电压,Ul2为结束采样时刻的电池端电压,I1为起始采样时刻的电池负载电流,I2为结束采样时刻的电池负载电流;|Ul1-Ul2|为电压梯度值,|I1-I2|为电流梯度值。
基于以上公式考虑实际应用的场景,要符合公式推导时的假设条件,则必须确保起始采样时刻的电池端电压Ul1与结束采样时刻的电池端电压Ul2具备足够的梯度,起始采样时刻的电池负载电流I1与结束采样时刻的电池负载电流I2具备足够的梯度。同时还应考虑系统实际的电压电流采样精度及假设的单次采样时长范围ΔT内SOC没有变化的条件;否则在实际应用中按上述计算很大几率会得出一个极其离谱的内阻值。
因此为确保能捕获到有效的脉冲放电,判断模块30需要根据预设的判断条件,判断数据获取模块20获取的电压电流数据是否符合电池内阻的计算条件。
本实施例中预设的判断条件包括:
起始采样时刻与结束采样时刻的电流差大于第一预设值即临界电流。
起始采样时刻与结束采样时刻的电压差大于第二预设值即2xmV。其中,x为电压采样的最大误差,mV为电压单位毫伏。
具体为,若限定|I1-I2|>Icritical
则当Ri>2mΩ时,|Ul1-Ul2|>2mΩ*Icritical
则当Ri<1mΩ时,|Ul1-Ul2|<1mΩ*Icritical
式中,Icritical为临界电流。
所以当Ri<1mΩ时需要考虑电压采样误差,从而必须限制电压梯度值|Ul1-Ul2|和电流梯度值|I1-I2|符合以上要求。
考虑电压采样误差,如电压采样抖动(本实施例中可理解为电压采样的最大误差)为x mV,则考虑最坏的情况下Ul1与Ul2的电压差必须至少高于2x mV。比如,电压采样的最大误差x为5mV,考虑最坏的情况,即采样电压上偏5mV和下偏5mV,则|Ul1-Ul2|应至少大于10mV。需要说明的是:电压采样抖动的值取决于所用的芯片采样精度,且与软件算法和硬件电路,电子器件精度有关。
预设的单次采样时长范围内的SOC不变。即单次采样时长范围内累计消耗的电量小于电池总容量与SOC的最小分辨率之积。
比如,假设电池总容量为60Ah,预设的单次采样时长范围ΔT为400ms,则有如下分析过程:
按SOC分辨率0.1%,为确保ΔT时间内SOC不会变化,需限定平均电流不得超过540A,或者ΔT时间内累积消耗的电量不得超过216000Ams。
具体为:假设电池总容量为60Ah,则0.1%对应的容量为0.06Ah即216000Ams,在单次采样时长范围ΔT内(假设ΔT为400ms),需限定平均电流不得超过216000Ams/400ms=540A。
具体数据如下表所示:
SOC(%) | Capacity(Ams) | ΔT(ms) | Current(A) |
0.10% | 216000 | 400ms | 540 |
综上所述,为捕获到有效脉冲进而得到一个可靠的电池内阻值,上述判断条件必须同时满足。
判断模块30存储符合上述电池内阻计算条件的起始采样时刻和结束采样时刻对应的电压电流数据。
计算模块40根据上述公式:
可得到电池的内阻值Ri。
估算模块50根据预设的电池健康状态估算公式和电池的内阻值,确定电池当前的健康状态。需要说明的是,本实施例中的电池健康状态估算公式为:
式中,Reol是电池寿命结束时的内阻值;Rnew是新电池内阻值;Rnow是计算模块40计算得到电池当前的内阻值即Ri。
参见图4所示,本发明实施例提供一种电池健康状态估算方法,包括以下步骤:
步骤S1,根据预设的单次采样时长范围和相邻次采样间隔时长,采集电池的电压电流数据。
步骤S2,根据电池的电压电流数据获取本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据。
步骤S3,根据预设的判断条件,判断起始采样时刻和结束采样时刻的电压电流数据是否符合电池内阻的计算条件。
步骤S4,根据欧姆定理将符合计算条件的起始采样时刻和结束采样时刻的电压电流数据计算得到电池的内阻值。
步骤S5,根据预设的电池健康状态估算公式和电池的内阻值,确定电池当前的健康状态。
具体的,在一个实施例中,相邻次采样间隔时长为相邻两次采样时长范围的起始采样时刻的间隔时长,且相邻次采样间隔时长小于单次采样时长范围。
在一个实施例中,单次采样时长范围内包含有至少两次采样时长范围内的起始采样时刻。即单次采样时长范围内采集的多个电压电流数据中,至少有两个电压电流数据分别作为后续两个采样时长范围内的起始采样时刻的电压电流数据。
在一个实施例中,步骤S3中的预设的判断条件包括:
起始采样时刻与结束采样时刻的电流差大于第一预设值;
起始采样时刻与结束采样时刻的电压差大于第二预设值;以及
预设的单次采样时长范围内的SOC不变。
当上述条件全部满足时,判断本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据符合电池内阻的计算条件。并且存储该符合计算条件的电池内阻。
当上述条件不全部满足时,判断本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据不符合电池内阻的计算条件,丢弃本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据。
在一个实施例中,第一预设值为临界电流。
第二预设值为2x mV,其中,x为电压采样的最大误差,mV为电压单位毫伏。
预设的单次采样时长范围内的SOC不变的判断条件为单次采样时长范围内累计消耗的电量小于电池总容量与SOC的最小分辨率之积。
具体的,在一个实施例中,步骤S3包括:
步骤S31,根据预设的判断条件,判断起始采样时刻和结束采样时刻的电压电流数据是否符合电池内阻的计算条件,若是,则进入步骤S32,若否,则进入步骤S33。
步骤S32,存储本次采样时长范围内的起始采样时刻和结束采样时刻对应的电压电流数据,进入步骤S4。
步骤S33,丢弃本次采样时长范围内的起始采样时刻和结束采样时刻对应的电压电流数据,返回至步骤S1,进行下一次采样。
本发明的电池健康状态估算方法,通过滚动计算,得到实时且有效的电池内阻值,从而可准确的确定实车工况下电池当前的健康状态。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种电池健康状态估算方法,其特征在于,包括以下步骤:
步骤S1,根据预设的单次采样时长范围和相邻次采样间隔时长,采集电池的电压电流数据;
步骤S2,根据所述电池的电压电流数据获取本次采样时长范围内的起始采样时刻和结束采样时刻的电压电流数据;
步骤S3,根据预设的判断条件,判断所述起始采样时刻和结束采样时刻的电压电流数据是否符合电池内阻的计算条件;
步骤S4,根据欧姆定理将符合所述计算条件的起始采样时刻和结束采样时刻的电压电流数据计算得到所述电池的内阻值;
步骤S5,根据预设的电池健康状态估算公式和所述电池的内阻值,确定所述电池当前的健康状态。
2.如权利要求1所述的电池健康状态估算方法,其特征在于,所述相邻次采样间隔时长为相邻两次采样时长范围的起始采样时刻的间隔时长,且所述相邻次采样间隔时长小于所述单次采样时长范围。
3.如权利要求1所述的电池健康状态估算方法,其特征在于,所述单次采样时长范围内包含有至少两次采样时长范围的所述起始采样时刻。
4.如权利要求1所述的电池健康状态估算方法,其特征在于,所述预设的判断条件包括:
所述起始采样时刻与所述结束采样时刻的电流差大于第一预设值;
所述起始采样时刻与所述结束采样时刻的电压差大于第二预设值;以及
所述预设的单次采样时长范围内的SOC不变。
5.如权利要求4所述的电池健康状态估算方法,其特征在于,
所述第一预设值为临界电流;
所述第二预设值为2x mV,其中,x为电压采样的最大误差,mV为电压单位毫伏;
所述预设的单次采样时长范围内的SOC不变的判断条件为单次采样时长范围内累计消耗的电量小于电池总容量与SOC的最小分辨率之积。
6.如权利要求1所述的电池健康状态估算方法,其特征在于,所述步骤S3包括:
步骤S31,根据预设的判断条件,判断所述起始采样时刻和结束采样时刻的电压电流数据是否符合电池内阻的计算条件,若是,则进入步骤S32,若否,则进入步骤S33;
步骤S32,存储本次采样时长范围内的所述起始采样时刻和结束采样时刻对应的电压电流数据,进入步骤S4;
步骤S33,丢弃本次采样时长范围内的所述起始采样时刻和结束采样时刻对应的电压电流数据,返回至步骤S1,进行下一次采样。
7.一种电池健康状态估算系统,其特征在于,包括:
采集模块,用于根据预设的单次采样时长范围和相邻次采样间隔时长,采集电池的电压电流数据;
数据获取模块,用于获取所述采集模块在本次采样时长范围内的起始采样时刻和结束采样时刻采集的电压电流数据;
判断模块,用于根据预设的判断条件,判断所述数据获取模块获取的电压电流数据是否符合电池内阻的计算条件;
计算模块,用于根据欧姆定理将符合所述计算条件的电压电流数据计算得到所述电池的内阻值;以及
估算模块,用于根据预设的电池健康状态估算公式和所述电池的内阻值,确定所述电池当前的健康状态。
8.如权利要求7所述的电池健康状态估算系统,其特征在于,所述相邻次采样间隔时长为相邻两次采样时长范围的起始采样时刻的间隔时长,且所述相邻次采样间隔时长小于所述单次采样时长范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240455.7A CN114002605B (zh) | 2021-10-25 | 2021-10-25 | 电池健康状态估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240455.7A CN114002605B (zh) | 2021-10-25 | 2021-10-25 | 电池健康状态估算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114002605A true CN114002605A (zh) | 2022-02-01 |
CN114002605B CN114002605B (zh) | 2024-10-01 |
Family
ID=79923768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111240455.7A Active CN114002605B (zh) | 2021-10-25 | 2021-10-25 | 电池健康状态估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114002605B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114790920A (zh) * | 2022-05-25 | 2022-07-26 | 西安热工研究院有限公司 | 一种实时计算高温再热蒸汽管道超压状态的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2410346A1 (fr) * | 2010-07-23 | 2012-01-25 | Saft | Procédé de détermination d'un paramètre d'au moins un accumulateur d'une batterie |
KR20130126128A (ko) * | 2012-05-10 | 2013-11-20 | 주식회사 엘지화학 | 배터리의 저항측정방법 및 장치, 이를 이용한 배터리 관리 시스템 |
FR2999721A1 (fr) * | 2012-12-18 | 2014-06-20 | Batscap Sa | Procede et dispositif de caracterisation d'un module de stockage d'energie par effet capacitif. |
WO2014179313A1 (en) * | 2013-04-29 | 2014-11-06 | Enerdel, Inc. | System and method for monitoring a state of health of a battery system |
CN106324507A (zh) * | 2015-06-26 | 2017-01-11 | 北汽福田汽车股份有限公司 | 动力电池的性能检测方法及系统 |
CN106501736A (zh) * | 2017-01-04 | 2017-03-15 | 山东谦恒电子科技有限公司 | 电池内阻估算方法及装置 |
CN108427073A (zh) * | 2017-02-14 | 2018-08-21 | 华为技术有限公司 | 检测电池内阻的方法、装置和电池组件 |
US20180252776A1 (en) * | 2015-09-18 | 2018-09-06 | Sumitomo Electric Industries, Ltd. | Internal resistance calculation device, recording medium, and internal resistance calculation method |
CN111060831A (zh) * | 2019-11-29 | 2020-04-24 | 深圳猛犸电动科技有限公司 | 电动车电池异常的检测方法、装置、智能设备及存储介质 |
CN111208352A (zh) * | 2020-01-19 | 2020-05-29 | 广东科学技术职业学院 | 一种蓄电池内阻测量方法及系统 |
KR20200102923A (ko) * | 2019-02-22 | 2020-09-01 | 주식회사 엘지화학 | 배터리 상태 추정 장치 및 방법 |
CN112557933A (zh) * | 2020-12-04 | 2021-03-26 | 湖北亿纬动力有限公司 | 一种计算电池健康状态的方法和装置 |
-
2021
- 2021-10-25 CN CN202111240455.7A patent/CN114002605B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2410346A1 (fr) * | 2010-07-23 | 2012-01-25 | Saft | Procédé de détermination d'un paramètre d'au moins un accumulateur d'une batterie |
KR20130126128A (ko) * | 2012-05-10 | 2013-11-20 | 주식회사 엘지화학 | 배터리의 저항측정방법 및 장치, 이를 이용한 배터리 관리 시스템 |
FR2999721A1 (fr) * | 2012-12-18 | 2014-06-20 | Batscap Sa | Procede et dispositif de caracterisation d'un module de stockage d'energie par effet capacitif. |
WO2014179313A1 (en) * | 2013-04-29 | 2014-11-06 | Enerdel, Inc. | System and method for monitoring a state of health of a battery system |
CN106324507A (zh) * | 2015-06-26 | 2017-01-11 | 北汽福田汽车股份有限公司 | 动力电池的性能检测方法及系统 |
US20180252776A1 (en) * | 2015-09-18 | 2018-09-06 | Sumitomo Electric Industries, Ltd. | Internal resistance calculation device, recording medium, and internal resistance calculation method |
CN106501736A (zh) * | 2017-01-04 | 2017-03-15 | 山东谦恒电子科技有限公司 | 电池内阻估算方法及装置 |
CN108427073A (zh) * | 2017-02-14 | 2018-08-21 | 华为技术有限公司 | 检测电池内阻的方法、装置和电池组件 |
KR20200102923A (ko) * | 2019-02-22 | 2020-09-01 | 주식회사 엘지화학 | 배터리 상태 추정 장치 및 방법 |
CN111060831A (zh) * | 2019-11-29 | 2020-04-24 | 深圳猛犸电动科技有限公司 | 电动车电池异常的检测方法、装置、智能设备及存储介质 |
CN111208352A (zh) * | 2020-01-19 | 2020-05-29 | 广东科学技术职业学院 | 一种蓄电池内阻测量方法及系统 |
CN112557933A (zh) * | 2020-12-04 | 2021-03-26 | 湖北亿纬动力有限公司 | 一种计算电池健康状态的方法和装置 |
Non-Patent Citations (3)
Title |
---|
XIAOJUN TAN, ETC.: "Real-Times State-of-Health Estimation of Lithium-Ion Batteries Based on the Equivalent Internal Resistance.", IEEE ACCESS., 31 March 2020 (2020-03-31) * |
易明亮: "基于内阻法的电池健康状态估计技术研究", 中国优秀硕士学位论文全文数据库, 15 December 2013 (2013-12-15) * |
许自强: "基于内阻观测的锂离子电池SOH估计研究", 中国优秀硕士学位论文全文数据库, 15 June 2021 (2021-06-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114790920A (zh) * | 2022-05-25 | 2022-07-26 | 西安热工研究院有限公司 | 一种实时计算高温再热蒸汽管道超压状态的方法 |
CN114790920B (zh) * | 2022-05-25 | 2023-09-19 | 西安热工研究院有限公司 | 一种实时计算高温再热蒸汽管道超压状态的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114002605B (zh) | 2024-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107870301B (zh) | 一种电池微短路的检测方法及装置 | |
KR102452548B1 (ko) | 배터리 열화 상태 추정장치, 그를 포함한 시스템 및 그 방법 | |
EP2700964B1 (en) | Battery state estimation system, battery control system, battery system, and battery state estimation method | |
EP3410137B1 (en) | Cell state estimation device, cell control device, cell system, and cell state estimation method | |
US6967466B2 (en) | Method for determining the amount of charge which can be drawn on a storage battery, and monitoring device for a storage battery | |
JP4767558B2 (ja) | 電源装置用状態検知装置,電源装置及び電源装置に用いられる初期特性抽出装置 | |
CN102565710B (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN102468521B (zh) | 用于估计蓄电池健康状态的方法和装置 | |
US9366732B2 (en) | Estimation of state-of-health in batteries | |
US8159189B2 (en) | Battery state of health monitoring system and method | |
US9774197B1 (en) | Battery internal short-circuit detection method based on cell charge balancing | |
CN111679201B (zh) | 一种动力电池包内短路的检测方法 | |
US20120310571A1 (en) | Deterioration estimating apparatus and deterioration estimating method for electric storage element | |
CN103197257A (zh) | 电池健康状态检测方法及装置 | |
JP7463008B2 (ja) | 電池セル診断装置および方法 | |
KR102572652B1 (ko) | 배터리의 충전상태를 추정하는 방법 | |
CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
CN113093027B (zh) | 电池soc校准方法、装置、系统、介质及程序产品 | |
CN112557928B (zh) | 一种计算电池荷电状态的方法、装置和动力电池 | |
CN114026443A (zh) | 用于检测内部短路电池单体的方法 | |
KR101277733B1 (ko) | 배터리의 soc를 추정하는 장치 및 방법 | |
CN115469239B (zh) | 电池系统的电荷状态一致性评价方法、装置及电子设备 | |
CN115248379A (zh) | 一种基于多场景融合的动力电池微短路诊断方法及系统 | |
US10317473B2 (en) | Electrochemical device power estimator and methods of making and using the same | |
CN114002605B (zh) | 电池健康状态估算方法及系统 |
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 |