CN114200313A - 铅酸蓄电池健康分析方法、系统及存储介质 - Google Patents
铅酸蓄电池健康分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114200313A CN114200313A CN202111432611.XA CN202111432611A CN114200313A CN 114200313 A CN114200313 A CN 114200313A CN 202111432611 A CN202111432611 A CN 202111432611A CN 114200313 A CN114200313 A CN 114200313A
- Authority
- CN
- China
- Prior art keywords
- storage battery
- charging
- battery
- time
- activity
- 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 31
- 239000002253 acid Substances 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000007600 charging Methods 0.000 claims abstract description 106
- 238000006243 chemical reaction Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000000694 effects Effects 0.000 claims description 33
- 238000009792 diffusion process Methods 0.000 claims description 15
- 238000003411 electrode reaction Methods 0.000 claims description 14
- 239000003792 electrolyte Substances 0.000 claims description 12
- 230000000977 initiatory effect Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000005868 electrolysis reaction Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 9
- 230000027756 respiratory electron transport chain Effects 0.000 claims description 5
- 238000010280 constant potential charging Methods 0.000 claims description 4
- OMOVVBIIQSXZSZ-UHFFFAOYSA-N [6-(4-acetyloxy-5,9a-dimethyl-2,7-dioxo-4,5a,6,9-tetrahydro-3h-pyrano[3,4-b]oxepin-5-yl)-5-formyloxy-3-(furan-3-yl)-3a-methyl-7-methylidene-1a,2,3,4,5,6-hexahydroindeno[1,7a-b]oxiren-4-yl] 2-hydroxy-3-methylpentanoate Chemical compound CC12C(OC(=O)C(O)C(C)CC)C(OC=O)C(C3(C)C(CC(=O)OC4(C)COC(=O)CC43)OC(C)=O)C(=C)C32OC3CC1C=1C=COC=1 OMOVVBIIQSXZSZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 abstract 1
- 239000013078 crystal Substances 0.000 description 5
- YADSGOSSYOOKMP-UHFFFAOYSA-N dioxolead Chemical compound O=[Pb]=O YADSGOSSYOOKMP-UHFFFAOYSA-N 0.000 description 5
- 239000011149 active material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- PIJPYDMVFNTHIP-UHFFFAOYSA-L lead sulfate Chemical compound [PbH4+2].[O-]S([O-])(=O)=O PIJPYDMVFNTHIP-UHFFFAOYSA-L 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000013543 active substance Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- XLYOFNOQVPJJNP-ZSJDYOACSA-N heavy water Substances [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 238000004073 vulcanization 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]
- G01R31/378—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
- G01R31/379—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 for lead-acid batteries
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本发明公开的一种铅酸蓄电池健康分析方法、系统及存储介质，包括以下步骤：确定模型参数；启动车辆采集数据；建立化学反应速率方程；建立充电电流与充电时间等参数的动力学模型；采用最小二乘法来辨识求解模型参数；模型参数值反馈并建立充电电流预测模型；建立蓄电池电容C、SOC的预测模型；确定充满电状态的时间tc，确定蓄电池实际容量，确定蓄电池的SOH。本发明充分考虑了各个车辆和电池状态差异性以及环境差异性，每个车辆电池健康状态能够单独预测和实时监控，且方法简单，时效性高。
Description
技术领域
本发明涉及车辆电源系统技术领域，具体涉及一种铅酸蓄电池健康分析方法、系统及存储介质。
背景技术
蓄电池是汽车的重要组成部分，用于车辆的启动、照明和点火等。蓄电池在正常使用的情况下，极板上的活性物质在放电后，大部分都变成松软细小的硫酸铅结晶，这些小结晶均匀的分布在多孔性的活性物质中，在充电时很容易与电解液接触起作用，并恢复成原来的活性物质二氧化铅和海绵状的铅。
随着智能网联汽车不断发展，自动驾驶技术日趋成熟，汽车常电控制器不断增加，OFF后的功能不断丰富，例如：手机远程操控车辆、查看车况数据、新风系统等功能，大大提升了用户的体验感，同时增大了整车暗电流和OFF后的对汽车蓄电池的耗电。如果没有及时进行充电，蓄电池长期处于放电状态，会加速蓄电池硫化，极板上松软细小的硫酸铅晶体变成坚硬粗大的硫酸铅晶体，这些晶体体积大且导电性差，因而会堵塞极板活性物质的微孔，使得电解液的渗透与扩散作用受阻，并使电池的内阻增加。在充电时，这种粗而硬的硫酸铅不易转变成二氧化铅和海绵状铅，结果是极板上的活性物质减少，容量降低，严重时，使极板失去可逆作用而损坏，使电池寿命缩短，导致车辆无法启动。
目前大部分汽车都配置有蓄电池传感器，以及智能车联网的应用，用户都可以及时查看剩余电池电量信息。
如专利文献CN106515480A公开的一种基于车联网大数据技术的汽车蓄电池智能监控方法，通过获取的数据流代入到蓄电池寿命计算模型，评估电池健康状态，智能提醒终端用户。但其采用的能量吞吐法假设条件没有考虑温度的影响，且目前公开的文献均未明确给出汽车蓄电池寿命损耗权重、容量衰减调节系数与蓄电池荷电状态SOC的关系。随着电池的老化，预测结果误差变大。
如专利文献CN112540318A公开的一种起动内燃机的铅酸蓄电池健康状态估算方法，建用于起动内燃机的铅酸蓄电池的“OCV-温度-SOC”二维插值表；选取起动电压降、累计起动能量、等电压降放电时间作为电池寿命的健康因子；建立电池寿命的健康因子与电池实际容量的支持向量回归机模型；将待测铅酸蓄电池对应的电池寿命的健康因子输入至训练好的支持向量回归机模型，得到电池实际容量的预测值，根据电池实际容量的预测值得到待测铅酸蓄电池的健康状态。但其中电池寿命的健康因子，是建立在不同冷却水温度下发动机起动时来获取的，由于车辆状态差异如线阻、机油、起动机的差异，会引起较大的误差。
因此，有必要开发一种铅酸蓄电池健康分析方法、系统及存储介质。
发明内容
本发明的目的是提供一种铅酸蓄电池健康分析方法、系统及存储介质，能估算出蓄电池能够充入的最大容量，以提高电池健康状态的计算精度。
本发明所述的一种铅酸蓄电池健康分析方法，包括以下步骤：
步骤1:选取蓄电池电解液中H2O、H2SO4在t＝0时刻的活度作为初始活度，并将H2O、H2SO4的初始活度和充电过程中的化学反应速率常数设定为待辨识的模型参数；
步骤2:启动车辆，通过蓄电池传感器采集蓄电池的初始荷电状态SOC(0)、充电电压U(t)、充电电流I(t)以及蓄电池温度T(t)，并记录充电时间t；
步骤3:根据铅酸蓄电池化学反应机理，建立充电时的化学反应速率方程；
步骤4:根据化学反应速率方程和法拉第电解定律，建立出充电电流I(t)与H2O初始活度、H2SO4初始活度、充电时间、充电电压、温度、反应速率常数的动力学模型，即充电电流动力学模型；
步骤5:以采集的蓄电池温度、充电电流以及充电时间作为输入，采用最小二乘法来辨识求解模型参数：反应速率常数、蓄电池电解液中H2O和H2SO4的在t＝0时刻的初始活度；
步骤6:将已辨识出的化学反应速率常数、H2O初始活度、H2SO4初始活度作为输入，反馈至充电电流动力学模型，建立充电电流随着充电时间变化的充电电流预测模型；
步骤7:对充电电流预测模型按照时间进行积分，建立蓄电池容量C(t)与充电时间的预测模型，以及蓄电池SOC(t)与充电时间的预测模型；
式中，Ce为电池额定容量，Ah；
步骤8:按照当前整车充电电压保持恒压充电，以充电电流小于1A作为蓄电池达到充满电状态的判定依据，根据充电电流动力学模型，求解得到蓄电池充满电时所需时间tc；
步骤9:将蓄电池充满电时所需时间tc，反馈蓄电池容量模型，求解蓄电池实际容量的预测值C(tc)；
步骤10:根据电池实际容量的预测值C(tc)，计算待测铅酸蓄电池的健康状态SOH，具体为:
式中：
SOH为电池的健康状态，％。
可选地，所述步骤3中设定t时刻，H2O活度为x(t),H2SO4活度y(t)，H+活度z(t)，充电电流为I(t),根据蓄电池充电过程反应机理，建立化学反应速率方程；
所述化学反应速率方程为：
式中：
n表示物质的量，mol；
[B]表示物质B的活度；
V表示参与电极反应的电解液体积，L；
k1表示电池温度为T0时，H2O扩散速率常数；
k2表示电池温度为T0时，H+扩散速率常数。
可选地，所述步骤4具体为：
根据法拉第电解定律，电解时电极上发生化学反应的量与通过电解池的电量成正比，即Q＝ZFξ，在dt时间内通过电极的电量为Idt,则有：
Idt＝ZFdξ ②
式中：
Q为通过电极的电量,Ah；
Z为电极反应的的电荷数，即电子转移数；
ξ为电极反应进度，ξ＝n(PbSO4)/2；
F为法拉第常数，F＝96485.309C/mol；
由式①和式②可得：
H2O的活度：
H+的活度：
HSO4 -活度:
充电过程产物HSO4 -的生成速率：
充电电流：
式中：
x0为t＝0时刻H2O的活度；
z0为t＝0时刻H2SO4的活度；
k1为温度为T0时，H2O扩散速率常数；
k2为温度为T0时，H+扩散速率常数。
可选地，所述步骤6中，充电电流I(t)随着充电时间变化的充电电流预测模型为：
第二方面，本发明所述的一种铅酸蓄电池健康分析系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本发明所述的铅酸蓄电池健康分析方法的步骤。
第三方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时，能执行如本发明所述的铅酸蓄电池健康分析方法的步骤。
本发明具有以下优点：本发明是依据蓄电池传感器采集的充电电流和电压、荷电状态和蓄电池温度，根据化学反应机理建立动力学模型，将采集的数据作为输入，估算出蓄电池模型参数，再将模型参数反馈至机理模型中，建立“充电电流-充电时间t”，“蓄电池容量-充电时间t”的模型。将恒压充电时，充电电流小于1A时作为充满电的判定条件，计算出充满电标志时间tc。再将充满电反馈到“蓄电池容量-充电时间t”的模型中，计算出蓄电池实际容量的预测值，从而估算出蓄电池的健康状态。本发明充分考虑了各个车辆和电池状态差异性以及环境差异性，每个车辆电池健康状态能够单独预测和实时监控，该方法简单，时效性高。
附图说明
图1为本实施例的流程图；
图2为本实施例中实际采样电流曲线以及拟合电流曲线、蓄电池容量曲线示意图；
图3为本实施例中根据动力学模型建立的充电电流、蓄电池SOC随着充电时间t的变化预测模型。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本实施例中，一种铅酸蓄电池健康分析方法，包括以下步骤：
步骤1:选取蓄电池电解液中H2O、H2SO4在t＝0时刻的活度作为初始活度，并将初始活度和充电过程中的化学反应速率常数作为待辨识的模型参数。
所述t＝0时刻，指车辆启动成功，蓄电池传开始接收充电电流，蓄电池传感器采集到的第一个充电电流数据的时间。
步骤2:启动车辆，通过蓄电池传感器采集蓄电池的初始荷电状态SOC(0)、充电电压U(t)、充电电流I(t)以及蓄电池温度T，并记录充电时间t。
具体的，通过汽车上配置的蓄电池传感器可以较高精度实时采集电池荷电状态SOC(t)、充电电压U(t)、充电电流I(t)以及蓄电池温度。
步骤3:根据铅酸蓄电池化学反应机理，建立充电时的化学反应速率方程。
具体的，设定t时刻，H2O活度为x(t),H2SO4活度y(t)，H+活度z(t)，充电电流为I(t),根据蓄电池充电过程反应机理，建立化学反应速率方程：
充电过程反应机理：
总反应：2PbSO4(S)+2H2O→PbO2(S)+Pb(S)+2H2SO4
正极反应：
负极反应：
建立化学反应速率方程：
式中：
n表示物质的量，mol；
[B]表示物质B的活度；
V表示参与电极反应的电解液体积，L；
k1表示电池温度为T0时，H2O扩散速率常数；
k2表示电池温度为T0时，H+扩散速率常数。
步骤4:根据化学反应速率方程和法拉第电解定律，建立出充电电流I(t)与H2O初始活度、H2SO4初始活度、充电时间、温度、反应速率常数的动力学模型，即充电电流动力学模型。
具体的，根据法拉第电解定律：电解时电极上发生化学反应的量与通过电解池的电量成正比，即Q＝ZFξ，在dt时间内通过电极的电量为Idt,则有：
Idt＝ZFdξ ②
式中，
Q为通过电极的电量,Ah；
Z为电极反应的的电荷数(即电子转移数2)；
ξ为电极反应进度，ξ＝n(PbSO4)/2；
F为法拉第常数，F＝96485.309C/mol；
由式①②可得：
H2O的活度：
H+的活度：
HSO4 -活度:
充电过程产物HSO4 -的生成速率：
充电电流：
式中：
x0为t＝0时刻H2O的活度；
z0为t＝0时刻H2SO4的活度；
k1为温度为T0时，H2O扩散速率常数；
k2为温度为T0时，H+扩散速率常数；
Z为电极反应的的电荷数(即电子转移数)；
ξ为电极反应进度，ξ＝dn(PbSO4)/2；
F为法拉第常数，F＝96485.309C/mol；
V表示参与电极反应的电解液体积，L。
具体的，当充电过程中，电池温度T发生变化时，k1和k2用阿伦尼乌斯方程
进行修正。
式中，A为指前因子，Ea为阿伦尼乌斯活化能；R为气体常数，8.314J/(K·mol)；
T为蓄电池的开尔文绝对温度，K。
步骤5:以采集的蓄电池温度、充电电流和充电时间作为输入，采用非线性最小二乘法来辨识求解模型参数：化学反应速率常数k1、k2以及t＝0时刻H2O的初始活度x0和H2SO4的初始活度z0；
步骤6:将已辨识出的化学反应速率常数k1、k2、H2O初始活度x0、H2SO4初始活度z0、电池温度T作为输入，反馈至充电电流动力学模型⑦，建立充电电流I(t)随着充电时间变化的充电电流预测模型。
步骤7:对充电电流预测模型按时间进行积分，建立蓄电池容量C(t)与充电时间的预测模型，以及蓄电池SOC(t)与充电时间的预测模型。
蓄电池容量：
蓄电池SOC：
式中，Ce为电池额定容量，Ah。
具体的，对充电电流动力学模型⑦，按时间t积分，得到
式中：
SOC(0)为t＝0时刻蓄电池荷电状态,％；
Ce为蓄电池额定容量,Ah；
x0为t＝0时刻H2O的活度；
z0为t＝0时刻H2SO4的活度；
k1为温度为T时，H2O扩散速率常数；
k2为温度为T时，H+扩散速率常数；
Z为电极反应的的电荷数(即电子转移数)；
F为法拉第常数，F＝96485.309C/mol；
V表示参与电极反应的电解液体积，L。
步骤8:以当前整车充电电压为恒压充电方式，以充电电流小于1A作为蓄电池达到充满电状态的判定依据，根据充电电流动力学模型，求解得到充满电状态时所需时间tc；
具体的，对充电电流预测模型⑦，求解得到蓄电池充满电所需时间tc,即当t＝tc时，使得I(tc)<1A即：
步骤9:将所述蓄电池充满电时间tc，反馈蓄电池容量预测模型⑧，求解蓄电池实际容量的预测值C(tc)，即：
步骤S10:根据所述电池实际容量的预测值C(tc)，按照如下公式得到待测铅酸蓄电池的健康状态SOH:
式中，SOH为电池的健康状态，C(tc)为电池实际容量的预测值，Ce为蓄电池额定容量。
如图2所示，展示了一已硫化的铅酸蓄电池在充电过程中的实测采样电流，并根据本发明进行的拟合电流、蓄电池容量变化曲线图。
如图3所示，展示了从t＝0到tc时刻，一个已硫化的铅酸蓄电池建立的充电电流预测模型和蓄电池SOC预测模型的曲线图。
Claims (6)
1.一种铅酸蓄电池健康分析方法，其特征在于，包括以下步骤：
步骤1:选取蓄电池电解液中H2O、H2SO4在t＝0时刻的活度作为初始活度，并将H2O、H2SO4的初始活度和充电过程中的化学反应速率常数设定为待辨识的模型参数；
步骤2:启动车辆，通过蓄电池传感器采集蓄电池的初始荷电状态SOC(0)、充电电压U(t)、充电电流I(t)以及蓄电池温度T(t)，并记录充电时间t；
步骤3:根据铅酸蓄电池化学反应机理，建立充电时的化学反应速率方程；
步骤4:根据化学反应速率方程和法拉第电解定律，建立出充电电流I(t)与H2O初始活度、H2SO4初始活度、充电时间、蓄电池温度、反应速率常数的动力学模型，即充电电流动力学模型；
步骤5:以采集的蓄电池温度、充电电流以及充电时间作为输入，采用最小二乘法来辨识求解模型参数：反应速率常数、蓄电池电解液中H2O和H2SO4的在t＝0时刻的初始活度；
步骤6:将已辨识出的化学反应速率常数、H2O初始活度、H2SO4初始活度，反馈至充电电流动力学模型，建立充电电流随着充电时间变化的充电电流预测模型；
步骤7:对充电电流预测模型按照时间进行积分，建立蓄电池容量C(t)与充电时间的预测模型，以及蓄电池SOC(t)与充电时间的预测模型；
式中，Ce为电池额定容量,Ah；
步骤8:按照当前整车充电电压保持恒压充电，以充电电流小于1A作为蓄电池达到充满电状态的判定依据，根据充电电流动力学模型，求解得到蓄电池充满电时所需时间tc；
步骤9:将蓄电池充满电时所需时间tc，反馈蓄电池容量模型，求解蓄电池实际容量的预测值C(tc)；
步骤10:根据电池实际容量的预测值C(tc)，计算待测铅酸蓄电池的健康状态SOH，具体为:
式中：SOH为电池的健康状态，％。
2.根据权利要求1所述的铅酸蓄电池健康分析方法，其特征在于：所述步骤3中设定t时刻，H2O活度为x(t),H2SO4活度y(t)，H+活度z(t)，充电电流为I(t),根据蓄电池充电过程反应机理，建立化学反应速率方程；
所述化学反应速率方程为：
式中：
n表示物质的量；
[B]表示物质B的活度；
V表示参与电极反应的电解液体积；
k1表示电池温度为T0时，H2O扩散速率常数；
k2表示电池温度为T0时，H+扩散速率常数。
3.根据权利要求2所述的铅酸蓄电池健康分析方法，其特征在于：所述步骤4具体为：
根据法拉第电解定律，电解时电极上发生化学反应的量与通过电解池的电量成正比，即Q＝ZFξ，在dt时间内通过电极的电量为Idt,则有：
Idt＝ZFdξ ②
式中：
Q为通过电极的电量；
Z为电极反应的的电荷数，即电子转移数；
ξ为电极反应进度，ξ＝n(PbSO4)/2；
F为法拉第常数，F＝96485.309C/mol；
由式①和式②可得：
H2O的活度：
H+的活度：
HSO4 -活度:
充电过程产物HSO4 -的生成速率：
充电电流：
式中：
x0为t＝0时刻H2O的活度；
z0为t＝0时刻H2SO4的活度；
k1为温度为T0时，H2O扩散速率常数；
k2为温度为T0时，H+扩散速率常数。
4.根据权利要求3所述的铅酸蓄电池健康分析方法，其特征在于：所述步骤6中，充电电流I(t)随着充电时间变化的充电电流预测模型为：
5.一种铅酸蓄电池健康分析系统，其特征在于：包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如权利要求1至4任一所述的铅酸蓄电池健康分析方法的步骤。
6.一种存储介质，其特征在于：其内存储有计算机可读程序，所述计算机可读程序被调用时，能执行如权利要求1至4任一所述的铅酸蓄电池健康分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111432611.XA CN114200313B (zh) | 2021-11-29 | 2021-11-29 | 铅酸蓄电池健康分析方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111432611.XA CN114200313B (zh) | 2021-11-29 | 2021-11-29 | 铅酸蓄电池健康分析方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114200313A true CN114200313A (zh) | 2022-03-18 |
| CN114200313B CN114200313B (zh) | 2024-03-08 |
Family
ID=80649438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111432611.XA Active CN114200313B (zh) | 2021-11-29 | 2021-11-29 | 铅酸蓄电池健康分析方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114200313B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115201698A (zh) * | 2022-09-13 | 2022-10-18 | 达芬骑动力科技(北京)有限公司 | 一种用于电池健康状态评估的方法和系统 |
| CN115389965A (zh) * | 2022-10-27 | 2022-11-25 | 中安芯界控股集团有限公司 | 一种基于大数据的电池安全性能测试系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018019101A1 (zh) * | 2016-07-28 | 2018-02-01 | 中兴通讯股份有限公司 | 一种蓄电池实时荷电状态的测算方法及测算装置、存储介质 |
| CN109633477A (zh) * | 2019-01-04 | 2019-04-16 | 深圳市计量质量检测研究院 | 基于ekf-gpr和日常片段数据的电池组健康状态的实时监控方法 |
| CN112540318A (zh) * | 2020-12-22 | 2021-03-23 | 武汉理工大学 | 一种起动内燃机的铅酸蓄电池健康状态估算方法 |
| CN113176505A (zh) * | 2021-04-30 | 2021-07-27 | 重庆长安新能源汽车科技有限公司 | 车载动力电池荷电状态与健康状态在线估算方法、装置及存储介质 |
-
2021
- 2021-11-29 CN CN202111432611.XA patent/CN114200313B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018019101A1 (zh) * | 2016-07-28 | 2018-02-01 | 中兴通讯股份有限公司 | 一种蓄电池实时荷电状态的测算方法及测算装置、存储介质 |
| CN109633477A (zh) * | 2019-01-04 | 2019-04-16 | 深圳市计量质量检测研究院 | 基于ekf-gpr和日常片段数据的电池组健康状态的实时监控方法 |
| CN112540318A (zh) * | 2020-12-22 | 2021-03-23 | 武汉理工大学 | 一种起动内燃机的铅酸蓄电池健康状态估算方法 |
| CN113176505A (zh) * | 2021-04-30 | 2021-07-27 | 重庆长安新能源汽车科技有限公司 | 车载动力电池荷电状态与健康状态在线估算方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 索梦磊等: "锂离子电池寿命预测研究进展", 电池工业, vol. 24, no. 5, pages 255 - 263 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115201698A (zh) * | 2022-09-13 | 2022-10-18 | 达芬骑动力科技(北京)有限公司 | 一种用于电池健康状态评估的方法和系统 |
| CN115201698B (zh) * | 2022-09-13 | 2022-11-29 | 达芬骑动力科技(北京)有限公司 | 一种用于电池健康状态评估的方法和系统 |
| CN115389965A (zh) * | 2022-10-27 | 2022-11-25 | 中安芯界控股集团有限公司 | 一种基于大数据的电池安全性能测试系统及方法 |
| CN115389965B (zh) * | 2022-10-27 | 2023-03-24 | 中安芯界控股集团有限公司 | 一种基于大数据的电池安全性能测试系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114200313B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Caumont et al. | Energy gauge for lead-acid batteries in electric vehicles | |
| Zou et al. | A framework for simplification of PDE-based lithium-ion battery models | |
| CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
| Baghdadi et al. | State of health assessment for lithium batteries based on voltage–time relaxation measure | |
| Pang et al. | Battery state-of-charge estimation | |
| EP2629109B1 (en) | Electrical storage device | |
| JP5511951B2 (ja) | 充電状態推定装置 | |
| CN112464571B (zh) | 基于多约束条件粒子群优化算法的锂电池组参数辨识方法 | |
| CN114200313B (zh) | 铅酸蓄电池健康分析方法、系统及存储介质 | |
| CN109342950B (zh) | 一种用于锂电池荷电状态的评估方法、装置及其设备 | |
| US20050052158A1 (en) | Method for prediction of electrical characteristics of an electrochemical storage battery | |
| KR101282687B1 (ko) | 차량용 배터리 상태 예측 방법 | |
| KR20190056743A (ko) | 배터리 저항 추정 장치 및 방법 | |
| CN113567873B (zh) | 一种基于电池组内单体充电曲线差异的电池容量和soc估计方法 | |
| CN110542866B (zh) | 一种预估电池剩余电量参数的方法 | |
| CN113779794B (zh) | 计及微观约束的锂离子电池sop估计方法及系统 | |
| CN111108403A (zh) | 可充电电池短路预测装置和可充电电池短路预测方法 | |
| CN112526350B (zh) | 考虑热效应影响的锂离子电池峰值功率预测方法 | |
| Scarfogliero et al. | Lithium-ion batteries for electric vehicles: A review on aging models for vehicle-to-grid services | |
| US20230145602A1 (en) | Battery apparatus and method for predicting battery output | |
| EP4044322A1 (en) | Estimation device, estimation method, and computer program | |
| Yang et al. | Improved estimation of residual capacity of batteries for electric vehicles | |
| Hammad | Vehicle valve regulated lead acid battery modeling and fault diagnosis | |
| JP4331473B2 (ja) | 鉛蓄電池の充放電制御装置及び充放電制御方法 | |
| CN117454670B (zh) | 一种基于电化学模型的锂电池老化状态预测方法和装置 |
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 |