CN114236413A - 电动汽车动力电池健康状态评估方法 - Google Patents
电动汽车动力电池健康状态评估方法 Download PDFInfo
- Publication number
- CN114236413A CN114236413A CN202111533466.4A CN202111533466A CN114236413A CN 114236413 A CN114236413 A CN 114236413A CN 202111533466 A CN202111533466 A CN 202111533466A CN 114236413 A CN114236413 A CN 114236413A
- Authority
- CN
- China
- Prior art keywords
- battery
- health
- state
- power battery
- electric vehicle
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000007599 discharging Methods 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 230000003862 health status Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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]
- G01R31/392—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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage 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]
- G01R31/396—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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了电动汽车动力电池健康状态评估方法，S1、电池健康状态预测：通过车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况；本发明涉及电池健康状态评估技术领域。该电动汽车动力电池健康状态评估方法，通过在车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，可以初步预测电池健康状态，然后利用车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估，可以对电池健康状态进行基础检测，配合车辆执行定制充放电流程，在线深度检测电池包性能,实现了电池健康状态的多级评估，不仅能够提前对电池健康状态作出应对措施，而且能够系统化的进行评估，提升评估效果。
Description
技术领域
本发明涉及电池健康状态评估技术领域，具体为电动汽车动力电池健康状态评估方法。
背景技术
项目拟开发一套新能源汽车用快速充检装置，以实现国标快充功能的同时，具备车载动力电池健康状态快速在线评估，即为新一代全检测功能充电桩。将专业检测融入和普及到充电应用领域，方便快捷的使用一个基础设备解决充电和检测问题，使用简洁、占地小，使得用户设备投入低。尤其适用于典型如公交系统、电动卡车行业充电桩用量大(平均两车一桩)，又缺乏专业检测维护团队的应用场景和供电公司、充电站运营公司新基建的需求。
现有的电动汽车动力电池进行健康状态评估时，大都是在电池健康状态出现问题后进行，无法提前对电池健康状态作出应对措施，并且电池健康状态评估只是采用单一的检测方法，容易造成评估的误差较大，为此，本发明提出了电动汽车动力电池健康状态评估方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了电动汽车动力电池健康状态评估方法，解决了现有的电动汽车动力电池进行健康状态评估时，无法提前对电池健康状态作出应对措施，电池健康状态评估只是采用单一的检测方法，误差较大的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：电动汽车动力电池健康状态评估方法，具体包括以下步骤：
S1、电池健康状态预测：通过车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，通过公式Tpred＝(Vbol-Veol)/(Vreal-Veol)*Ttotal预测电动汽车动力电池的运行剩余时间Tpred；
S2、电池健康状态基础检测：车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估，电池性能在线评估包括实时数据模块、模型构建模块、动态分析模块和综合评估模块；
S3、电池健康状态深度检测：车辆执行定制充放电流程，在线深度检测电池包性能，充放电流程具体包括：
Step1：按国标流程将电池包充满，或直接闭合继电器充满电池包；
Step2：静置T时间后，闭合放电继电器，将电池包放空,同步在放电期间多种SOC状态下进行DCR测量；
Step3：静置T时间后，按国标流程将电池包充满，或直接闭合继电器充满电池包，同步在充电期间多种SOC状态下进行DCR测量。
优选的，所述S1中电池健康状态预测时，Vbol为预存的电动汽车动力电池在标准状态下的初始输出电压，Veol为预存的电动汽车动力电池在标准状态下的终止输出电压。
优选的，所述S1中电池健康状态预测时，Ttotal为截至到当前时刻时所述电动汽车动力电池的运行时间，Vreal为当前时刻的电动汽车动力电池的电压真实值。
优选的，所述S2中电池健康状态基础检测时，实时数据模块采用数据读取芯片，实时读取车辆正常执行国标快充流程时动力电池的快充数据。
优选的，所述S2中电池健康状态基础检测时，模型构建模块采用参数识别法进行线性化模型构建，将实时数据模块读取的动力电池的快充数据转换为模型数据。
优选的，所述S2中电池健康状态基础检测时，动态分析模块采用动态数据分析算法，将动力电池的快充数据与标准数据的偏差值进行计算，进而对电池性能在线评估。
优选的，所述S3中电池健康状态深度检测时，充电DCR:
优选的，所述S3中电池健康状态深度检测时，放电DCR:
(三)有益效果
本发明提供了电动汽车动力电池健康状态评估方法。与现有技术相比，具备以下有益效果：该电动汽车动力电池健康状态评估方法，通过在车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，可以初步预测电池健康状态，然后利用车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估，可以对电池健康状态进行基础检测，配合车辆执行定制充放电流程，在线深度检测电池包性能,实现了电池健康状态的多级评估，不仅能够提前对电池健康状态作出应对措施，而且能够系统化的进行评估，提升评估效果。
附图说明
图1为本发明电动汽车动力电池健康状态评估方法的工艺流程图；
图2为本发明充放电流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
请参阅图1-2，本发明实施例提供一种技术方案：电动汽车动力电池健康状态评估方法，具体包括以下实施例：
实施例1
具体包括以下步骤：
S1、电池健康状态预测：通过车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，通过公式Tpred＝(Vbol-Veol)/(Vreal-Veol)*Ttotal预测电动汽车动力电池的运行剩余时间Tpred；
S2、电池健康状态基础检测：车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估，电池性能在线评估包括实时数据模块、模型构建模块、动态分析模块和综合评估模块；
S3、电池健康状态深度检测：车辆执行定制充放电流程，在线深度检测电池包性能，充放电流程具体包括：
Step1：按国标流程将电池包充满，或直接闭合继电器充满电池包；
Step2：静置T时间后，闭合放电继电器，将电池包放空,同步在放电期间多种SOC状态下进行DCR测量；
Step3：静置T时间后，按国标流程将电池包充满，或直接闭合继电器充满电池包，同步在充电期间多种SOC状态下进行DCR测量。
本发明实施例中，S1中电池健康状态预测时，Vbol为预存的电动汽车动力电池在标准状态下的初始输出电压，Veol为预存的电动汽车动力电池在标准状态下的终止输出电压。
本发明实施例中，S1中电池健康状态预测时，Ttotal为截至到当前时刻时电动汽车动力电池的运行时间，Vreal为当前时刻的电动汽车动力电池的电压真实值。
本发明实施例中，S2中电池健康状态基础检测时，实时数据模块采用数据读取芯片，实时读取车辆正常执行国标快充流程时动力电池的快充数据。
本发明实施例中，S2中电池健康状态基础检测时，模型构建模块采用参数识别法进行线性化模型构建，将实时数据模块读取的动力电池的快充数据转换为模型数据。
本发明实施例中，S2中电池健康状态基础检测时，动态分析模块采用动态数据分析算法，将动力电池的快充数据与标准数据的偏差值进行计算，进而对电池性能在线评估。
本发明实施例中，S3中电池健康状态深度检测时，充电DCR:
本发明实施例中，S3中电池健康状态深度检测时，放电DCR:
实施例2
具体包括以下步骤：
S1、电池健康状态预测：通过车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，通过公式Tpred＝(Vbol-Veol)/(Vreal-Veol)*Ttotal预测电动汽车动力电池的运行剩余时间Tpred；
S2、电池健康状态基础检测：车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估；
S3、电池健康状态深度检测：车辆执行定制充放电流程，在线深度检测电池包性能，充放电流程具体包括：
Step1：按国标流程将电池包充满，或直接闭合继电器充满电池包；
Step2：静置T时间后，闭合放电继电器，将电池包放空,同步在放电期间多种SOC状态下进行DCR测量；
Step3：静置T时间后，按国标流程将电池包充满，或直接闭合继电器充满电池包，同步在充电期间多种SOC状态下进行DCR测量。
本发明实施例中，S1中电池健康状态预测时，Vbol为预存的电动汽车动力电池在标准状态下的初始输出电压，Veol为预存的电动汽车动力电池在标准状态下的终止输出电压。
本发明实施例中，S1中电池健康状态预测时，Ttotal为截至到当前时刻时电动汽车动力电池的运行时间，Vreal为当前时刻的电动汽车动力电池的电压真实值。
本发明实施例中，S3中电池健康状态深度检测时，充电DCR:
本发明实施例中，S3中电池健康状态深度检测时，放电DCR:
综上所述，通过在车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，可以初步预测电池健康状态，然后利用车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估，可以对电池健康状态进行基础检测，配合车辆执行定制充放电流程，在线深度检测电池包性能,实现了电池健康状态的多级评估，不仅能够提前对电池健康状态作出应对措施，而且能够系统化的进行评估，提升评估效果。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.电动汽车动力电池健康状态评估方法，其特征在于：具体包括以下步骤：
S1、电池健康状态预测：通过车辆管理平台获取车辆BMS历史数据，分析电池包健康状态以及寿命情况，通过公式Tpred＝(Vbol-Veol)/(Vreal-Veol)*Ttotal预测电动汽车动力电池的运行剩余时间Tpred；
S2、电池健康状态基础检测：车辆正常执行国标快充流程，系统根据其实时数据进行部分电池性能在线评估，电池性能在线评估包括实时数据模块、模型构建模块、动态分析模块和综合评估模块；
S3、电池健康状态深度检测：车辆执行定制充放电流程，在线深度检测电池包性能，充放电流程具体包括：
Step1：按国标流程将电池包充满，或直接闭合继电器充满电池包；
Step2：静置T时间后，闭合放电继电器，将电池包放空,同步在放电期间多种SOC状态下进行DCR测量；
Step3：静置T时间后，按国标流程将电池包充满，或直接闭合继电器充满电池包，同步在充电期间多种SOC状态下进行DCR测量。
2.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S1中电池健康状态预测时，Vbol为预存的电动汽车动力电池在标准状态下的初始输出电压，Veol为预存的电动汽车动力电池在标准状态下的终止输出电压。
3.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S1中电池健康状态预测时，Ttotal为截至到当前时刻时所述电动汽车动力电池的运行时间，Vreal为当前时刻的电动汽车动力电池的电压真实值。
4.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S2中电池健康状态基础检测时，实时数据模块采用数据读取芯片，实时读取车辆正常执行国标快充流程时动力电池的快充数据。
5.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S2中电池健康状态基础检测时，模型构建模块采用参数识别法进行线性化模型构建，将实时数据模块读取的动力电池的快充数据转换为模型数据。
6.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S2中电池健康状态基础检测时，动态分析模块采用动态数据分析算法，将动力电池的快充数据与标准数据的偏差值进行计算，进而对电池性能在线评估。
7.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S3中电池健康状态深度检测时，充电DCR:
8.根据权利要求1所述的电动汽车动力电池健康状态评估方法，其特征在于：所述S3中电池健康状态深度检测时，放电DCR:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111533466.4A CN114236413A (zh) | 2021-12-15 | 2021-12-15 | 电动汽车动力电池健康状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111533466.4A CN114236413A (zh) | 2021-12-15 | 2021-12-15 | 电动汽车动力电池健康状态评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114236413A true CN114236413A (zh) | 2022-03-25 |
Family
ID=80756217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111533466.4A Pending CN114236413A (zh) | 2021-12-15 | 2021-12-15 | 电动汽车动力电池健康状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114236413A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117698506A (zh) * | 2023-12-12 | 2024-03-15 | 苏州华骞时代新能源科技有限公司 | 一种锂电池充放电管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109367433A (zh) * | 2018-12-18 | 2019-02-22 | 安徽工程大学 | 一种具有动力电池健康状态检测和续航里程预测的智能充电桩及方法 |
| CN109444762A (zh) * | 2018-10-28 | 2019-03-08 | 北京工业大学 | 一种基于数据融合的锂离子电池健康状态估计方法 |
| CN111007417A (zh) * | 2019-12-06 | 2020-04-14 | 重庆大学 | 基于不一致性评估的电池组soh和rul预测方法及系统 |
| CN111308374A (zh) * | 2019-10-15 | 2020-06-19 | 江西恒动新能源有限公司 | 一种电池组健康状态soh值的估算方法 |
| CN111856289A (zh) * | 2020-09-02 | 2020-10-30 | 东风汽车集团有限公司 | 一种电池包健康状态估算方法 |
| CN111856309A (zh) * | 2020-07-23 | 2020-10-30 | 珠海东帆科技有限公司 | 一种电池健康状态的定量判断方法 |
| CN112858918A (zh) * | 2021-01-15 | 2021-05-28 | 长沙理工大学 | 基于优化多因子的动力锂离子电池健康状态在线估计策略 |
| CN112986845A (zh) * | 2019-12-16 | 2021-06-18 | 湖北德普电气股份有限公司 | 一种锂离子电池电性能一致性的检测方法 |
-
2021
- 2021-12-15 CN CN202111533466.4A patent/CN114236413A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109444762A (zh) * | 2018-10-28 | 2019-03-08 | 北京工业大学 | 一种基于数据融合的锂离子电池健康状态估计方法 |
| CN109367433A (zh) * | 2018-12-18 | 2019-02-22 | 安徽工程大学 | 一种具有动力电池健康状态检测和续航里程预测的智能充电桩及方法 |
| CN111308374A (zh) * | 2019-10-15 | 2020-06-19 | 江西恒动新能源有限公司 | 一种电池组健康状态soh值的估算方法 |
| CN111007417A (zh) * | 2019-12-06 | 2020-04-14 | 重庆大学 | 基于不一致性评估的电池组soh和rul预测方法及系统 |
| CN112986845A (zh) * | 2019-12-16 | 2021-06-18 | 湖北德普电气股份有限公司 | 一种锂离子电池电性能一致性的检测方法 |
| CN111856309A (zh) * | 2020-07-23 | 2020-10-30 | 珠海东帆科技有限公司 | 一种电池健康状态的定量判断方法 |
| CN111856289A (zh) * | 2020-09-02 | 2020-10-30 | 东风汽车集团有限公司 | 一种电池包健康状态估算方法 |
| CN112858918A (zh) * | 2021-01-15 | 2021-05-28 | 长沙理工大学 | 基于优化多因子的动力锂离子电池健康状态在线估计策略 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117698506A (zh) * | 2023-12-12 | 2024-03-15 | 苏州华骞时代新能源科技有限公司 | 一种锂电池充放电管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102998623B (zh) | 蓄电池荷电状态的在线估算方法及系统 | |
| CN110873841B (zh) | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 | |
| CN109604186B (zh) | 动力电池性能柔性评估分选方法 | |
| CN106842065B (zh) | 一种电池健康状态的获得方法及装置 | |
| EP4152021A1 (en) | Battery diagnosis device, battery diagnosis method, battery pack, and vehicle | |
| CN105021994B (zh) | 一种检测电池组内单体电池一致性的方法和装置 | |
| CN110780203B (zh) | 一种纯电动汽车电池组soc在线估值方法 | |
| KR102289155B1 (ko) | 사용 후 배터리 등급 분류 공정 및 이를 제공하는 시스템 | |
| Baumann et al. | Cloud-connected battery management for decision making on second-life of electric vehicle batteries | |
| CN106329021A (zh) | 估算动力电池的剩余可用能量的方法和装置 | |
| CN104635163A (zh) | 一种电动车电池组soh在线估算预警方法 | |
| Huang et al. | State of health estimation of lithium-ion batteries based on the regional frequency | |
| CN108318825A (zh) | 利旧蓄电池的残值评估方法 | |
| CN107878244A (zh) | 一种数据清洗和预测方法及电动汽车移动充电宝系统 | |
| CN116609676B (zh) | 一种基于大数据处理的混合储能电池状态监控方法及系统 | |
| CN106998086A (zh) | 兆瓦级储能电站电池管理方法及其系统 | |
| CN113189495A (zh) | 一种电池健康状态的预测方法、装置及电子设备 | |
| CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
| CN115951231A (zh) | 基于单体电池电压相关性的汽车动力电池故障预警方法 | |
| CN115480180A (zh) | 一种新能源电池健康诊断分析方法 | |
| CN114236413A (zh) | 电动汽车动力电池健康状态评估方法 | |
| CN115524622A (zh) | 电车电池容量监控方法、装置以及电车监控系统 | |
| CN117517993B (zh) | 基于电芯性能评估的车辆电池能量智能管理方法及系统 | |
| Moreira et al. | A comprehensive second-life review of electric vehicle batteries-a brazilian study case | |
| Dong et al. | Battery Doctor‐next generation battery health assessment: Definition, approaches, challenges and opportunities |
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 |