CN114545265A - 基于电化学模型的电池荷电状态的估算方法及装置 - Google Patents

基于电化学模型的电池荷电状态的估算方法及装置 Download PDF

Info

Publication number
CN114545265A
CN114545265A CN202210196315.2A CN202210196315A CN114545265A CN 114545265 A CN114545265 A CN 114545265A CN 202210196315 A CN202210196315 A CN 202210196315A CN 114545265 A CN114545265 A CN 114545265A
Authority
CN
China
Prior art keywords
lithium ion
ion concentration
solid
phase
battery
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
CN202210196315.2A
Other languages
English (en)
Other versions
CN114545265B (zh
Inventor
郝平超
顾单飞
严晓
赵恩海
宋佩
丁鹏
吴炜坤
陈晓华
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.)
Shanghai MS Energy Storage Technology Co Ltd
Original Assignee
Shanghai MS Energy Storage Technology Co Ltd
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 Shanghai MS Energy Storage Technology Co Ltd filed Critical Shanghai MS Energy Storage Technology Co Ltd
Priority to CN202210196315.2A priority Critical patent/CN114545265B/zh
Publication of CN114545265A publication Critical patent/CN114545265A/zh
Application granted granted Critical
Publication of CN114545265B publication Critical patent/CN114545265B/zh
Priority to US18/115,130 priority patent/US20230280404A1/en
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]
    • G01R31/385—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]
    • G01R31/367—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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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)

Abstract

本发明提供了基于电化学模型的电池荷电状态的估算方法及装置，包括：对电池建立电化学模型；设置电池的当前荷电状态SOC的初始值，根据SOC的初始值确定电化学模型中固相锂离子浓度的初始分布；对电池进行充/放电测试，采集电池的实测电压和实测电流；根据实测电流和固相锂离子浓度的初始分布，计算电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布；若输出电压与实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布估算电池的当前SOC值。本发明提供的SOC估算方法不依赖SOC初始值的准确度，可在线使用，准确度高。

Description

基于电化学模型的电池荷电状态的估算方法及装置
技术领域
本发明涉及电池管理技术领域，尤指一种基于电化学模型的电池荷电状态的估算方法及装置。
背景技术
储能电站中使用了大量的锂电池，其荷电状态(SOC，State of Charge)的估算不仅是电池管理系统(BMS)的重要功能，而且SOC值是储能电站性能的一个重要参数，对SOC的准确估算可以显著提高电池的使用性能，更大限度发挥电站在调频储能和“削峰填谷”的调节作用和经济价值。
目前主流的SOC估算方法都是以宏观的电流、电压等物理量进行估算，比较常用的有开路电压法、安时积分法等。其中安时积分法需要将一段时间内电池充电或放电的电流进行积分计算，并与初始电量进行加和，准确性依赖于初始SOC的准确度，但在实际工况下很难知道电池的初始SOC，使得其准确性降低。开路电压法是测得各个SOC值对应的电池开路电压(OCV)，建立电池的 OCV与SOC之间的映射关系，但由于测量开路电压时，需要将电池与外电路断开，并间隔一段时间之后测得，因此不适用在线预估。
发明内容
本发明的目的是提供一种基于电化学模型的电池荷电状态的估算方法及装置，用于解决现有电池的SOC估算依赖初始SOC准确度的问题。
本发明提供的技术方案如下：
一种基于电化学模型的电池荷电状态的估算方法，包括：对电池建立电化学模型；设置所述电池的当前荷电状态SOC的初始值，根据所述SOC的初始值确定所述电化学模型中固相锂离子浓度的初始分布；对所述电池进行充/放电测试，经第一时间间隔后采集所述电池的实测电压和实测电流；根据所述实测电流和所述固相锂离子浓度的初始分布，计算所述电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布；若所述输出电压与所述实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC 值。
在一些实施例中，还包括：若所述输出电压与所述实测电压之间的电压差超过预设范围，则根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布；获取下一采集时刻的所述电池的实测电压和实测电流；根据下一采集时刻的实测电流和调整后的固相锂离子浓度分布，计算所述电化学模型在下一采集时刻的输出电压和固相锂离子浓度分布；若所述下一采集时刻的输出电压与所述下一采集时刻的实测电压之间的电压差在预设范围内，则根据所述下一采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC值。
在一些实施例中，所述的根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布，包括：
根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，得到最大的表面锂离子浓度差；
根据所述最大的表面锂离子浓度差调整当前采集时刻的固相锂离子浓度分布。
在一些实施例中，所述的根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，得到最大的表面锂离子浓度差，包括：
选择正极或负极为第一极；获取所述电化学模型在当前采集时刻的第一极的表面锂离子浓度，记为第一表面锂离子浓度；根据所述第一极的开路电位与固相表面锂离子浓度的关系，得到当前采集时刻的第一极的开路电位；根据所述输出电压与所述实测电压之间的电压差、以及所述当前采集时刻的第一极的开路电位，得到调整后的第一极的开路电位；根据所述第一极的开路电位与固相表面锂离子浓度的关系，获取与所述调整后的第一极的开路电位对应的表面锂离子浓度，记为第二表面锂离子浓度；根据所述第一表面锂离子浓度与所述第二表面锂离子浓度之间的浓度差，得到最大的表面锂离子浓度差。
在一些实施例中，所述的根据所述最大的表面锂离子浓度差调整当前采集时刻的固相锂离子浓度分布，包括：
沿径向对第一极粒子的锂离子浓度分布进行线性修正，其中第一极粒子的在径向距离r的锂离子浓度修正量符合以下公式：
Figure BDA0003525920800000031
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，kΔU为最大的表面锂离子浓度差，α为修正系数；
根据正、负极粒子内部的锂离子总量守恒原则和第一极粒子的锂离子浓度修正量，确定另一极性粒子的锂离子浓度修正量。
在一些实施例中，根据以下公式计算所述电池的当前SOC值：
Figure BDA0003525920800000032
其中，cmean为固相锂离子的平均浓度，cSOC＝0％为SOC等于0时的固相锂离子浓度，cSOC＝100％为SOC等于1时的固相锂离子浓度。
在一些实施例中，若所述电化学模型为单粒子模型类，根据以下公式计算所述固相锂离子的平均浓度cmean：
Figure BDA0003525920800000041
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，cr为粒子在径向距离r上的固相锂离子浓度。
在一些实施例中，若所述电化学模型为准二维模型类，根据以下公式计算所述固相锂离子的平均浓度cmean：
Figure BDA0003525920800000042
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，N为沿电极厚度方向设置的离散区域数，cx,r为沿电极厚度方向第x个离散区域的粒子在径向距离r上的固相锂离子浓度。
在一些实施例中，所述电化学模型为单粒子模型、基于单粒子模型的扩展模型、准二维模型和基于准二维模型的扩展模型中的一种。
本发明还提供一种基于电化学模型的电池荷电状态的估算装置，包括：模型建立模块，用于对电池建立电化学模型；
初始设置模块，用于设置所述电池的当前荷电状态SOC的初始值，根据所述SOC的初始值确定所述电化学模型中固相锂离子浓度的初始分布；
采集模块，用于对所述电池进行充/放电测试，经第一时间间隔后采集所述电池的实测电压和实测电流；
模型计算模块，用于根据所述实测电流和所述固相锂离子浓度的初始分布，计算所述电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布；
荷电状态计算模块，用于若所述输出电压与所述实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC值。
在一些实施例中，还包括：
浓度分布修正模块，用于若所述输出电压与所述实测电压之间的电压差超过预设范围，则根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布；
所述采集模块，还用于获取下一采集时刻的所述电池的实测电压和实测电流；
所述模型计算模块，还用于根据下一采集时刻的实测电流和调整后的固相锂离子浓度分布，计算所述电化学模型在下一采集时刻的输出电压和固相锂离子浓度分布；
所述荷电状态计算模块，还用于若所述下一采集时刻的输出电压与所述下一采集时刻的实测电压之间的电压差在预设范围内，则根据所述下一采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC值。
与现有技术相比，本发明所提供的基于电化学模型的电池荷电状态的估算方法及装置，能够带来以下有益效果：
1、本发明通过对电池建立电化学模型，根据电化学模型的输出电压与电池的实测电压之间的差别对电化学模型的锂离子浓度分布不断进行修正，直至电压误差控制在预设范围内，然后根据修正后的锂离子浓度分布重新计算电池的SOC；本发明对SOC初始值存在的误差不敏感，能通过一段时间的运行自动收敛到真实值，具有很好的真值收敛性；本发明可在线使用，准确度高。
2、本发明通过采用SPM模型可在低倍率稳定工况下对电池SOC值做快速修正。
3、本发明通过采用P2D模型在动态工况、大电流下也能准确估计SOC值，适应性更广。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对基于电化学模型的电池荷电状态的估算方法及装置的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明的基于电化学模型的电池荷电状态的估算方法的一个实施例的流程图；
图2是本发明的基于电化学模型的电池荷电状态的估算装置的一个实施例的结构示意图；
图3是本发明实施例中SPM模型输出的端电压随时间变化曲线的示意图；
图4是本发明实施例中电池正极固相锂离子浓度的初始分布的示意图；
图5是本发明实施例中第一个采集时刻修正前后电化学模型输出的锂离子浓度分布的示意图；
图6是本发明实施例中修正过程中输出电压与实测电压的变化曲线示意图；
图7是本发明实施例中P2D模型输出的端电压随时间变化曲线的示意图；
图8是本发明实施例中第一个采集点在各个正极离散区域修正前后粒子表面浓度分布的示意图；
图9是本发明实施例中第一次采集点在第一个离散区域修正前后粒子径向方向浓度分布的示意图；
图10是本发明实施例中P2D模型静态工况下修正过程中输出电压与实测电压的变化曲线的示意图；
图11是本发明实施例中动态工况下的电流变化示意图；
图12是本发明实施例中动态工况下修正过程中输出电压与实测电压的变化曲线示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
在本发明的一个实施例中，如图1所示，一种基于电化学模型的电池荷电状态的估算方法，包括：
步骤S100对电池建立电化学模型。
电池为锂电池，电化学模型包括但不限于准二维(P2D)模型、P2D热耦合模型、单粒子(SPM)模型、带电解液的单粒子模型(SPMe)、各种扩展单粒子模型(SP+模型)等。可采用现有技术为电池构建前述的一种电化学模型。对电池进行电化学建模后，通过电化学模型可以计算出电池在不同运行工况下的电池的端电压和固相锂离子浓度分布等。
步骤S200设置电池的当前荷电状态SOC的初始值，根据SOC的初始值确定电化学模型中固相锂离子浓度的初始分布。
SOC，即荷电状态，其数值上定义为当前的容量占电池标称容量的比值，常用百分数表示，取值范围为0～1，SOC＝0时表示电池放电完全，SOC＝1时表示电池完全充满。
电池的当前SOC值不确定，可任意设置初始值SOC0；也可以由BMS(电池管理系统)利用现有技术初略估计电池的当前SOC值，将其作为SOC0。
根据电化学模型中SOC与固相锂离子浓度的关系，得到与初始值SOC0对应的固相锂离子浓度分布，将其作为固相锂离子浓度的初始分布。
在估算固相锂离子浓度的初始分布时，可假设固相锂离子的初始分布均匀，利用SOC与固相锂离子浓度的关系式：
Figure BDA0003525920800000081
根据SOC0得到对应的cmean，将该cmean作为固相锂离子浓度的初始分布。
步骤S300对电池进行充/放电测试，经第一时间间隔后采集电池的实测电压和实测电流。
可按预设电流倍率进行充电或放电测试，经第一时间间隔后采集电池的实测电压和实测电流。该实测电压和实测电流为当前采集时刻的实测电压和实测电流。
步骤S400根据实测电流和固相锂离子浓度的初始分布，计算电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布。
如前所述，电化学模型可以计算出电池在不同工况下的电池的端电压(即电化学模型预测的输出电压)和固相锂离子浓度分布。此处利用电化学模型的上述功能，比如在预设电流的恒流充/放电下，获得第一时间间隔点(即当前采集时刻)的模型预测的输出电压和固相锂离子浓度分布。
步骤S500判断输出电压与实测电压之间的电压差是否在预设范围内；
步骤S600若输出电压与实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布计算固相锂离子的平均浓度，根据该平均浓度计算电池的当前SOC值。
在一个优选实施例中，在步骤S300中，在充/放电测试前对电池静置(即无充放电)预设时间，以确保电池内部无浓差极化(即固相锂离子分布均匀)，之后再进行充电或放电测试。
在一个实施例中，步骤S600包括：
步骤S610根据当前采集时刻的固相锂离子浓度分布计算所有固相粒子内的锂离子总量；
步骤S620将所有固相粒子内的锂离子总量除以所有固相粒子的体积，得到电化学模型的固相锂离子的平均浓度。
在一个实施例中，若电化学模型为单粒子模型类，比如SPM或基于SPM的扩展模型，由于这类模型假设电极材料是由一个球状粒子组成，所以可根据以下公式计算固相锂离子的平均浓度cmean：
Figure BDA0003525920800000091
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，cr为粒子在径向距离r上的固相锂离子浓度。
在一个实施例中，若电化学模型为准二维模型类，比如P2D或基于P2D的扩展模型：
这类模型考虑了电极厚度，假设电极材料是由多个球状粒子组成，沿正极 /负极的电极厚度方向分成N个离散区域，每个离散区域有若干半径R的粒子，这些粒子的锂离子浓度分布是一样的，则可根据以下公式计算固相锂离子的平均浓度cmean：
Figure BDA0003525920800000092
其中，cx,r为第x个离散区域的粒子在径向距离r上的固相锂离子浓度。
根据以下公式计算电池的当前SOC值：
Figure BDA0003525920800000101
其中，cmean为固相锂离子的平均浓度，cSOC＝0％为SOC等于0时的固相锂离子浓度，cSOC＝100％为SOC等于1时的固相锂离子浓度。
在一个实施例中，电池荷电状态的估算方法还包括：
步骤S700若当前采集时刻的输出电压与实测电压之间的电压差超过预设范围，则根据输出电压与实测电压的之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布；
步骤S800获取下一采集时刻的电池的实测电压和实测电流；
步骤S900根据下一采集时刻的实测电流和调整后的固相锂离子浓度分布，计算电化学模型在下一采集时刻的输出电压和固相锂离子浓度分布；
步骤S1000判断下一采集时刻的输出电压与实测电压之间的电压差是否在预设范围内；
步骤S1100若下一采集时刻的输出电压与下一采集时刻的实测电压之间的电压差在预设范围内，则根据下一采集时刻的固相锂离子浓度分布计算电化学模型的固相锂离子的平均浓度，根据平均浓度计算电池的当前SOC值。
步骤S1200若下一采集时刻的输出电压与下一采集时刻的实测电压之间的电压差超过预设范围，则将下一采集时刻更新为当前采集时刻，下一采集时刻的相关参数转换为当前采集时刻的对应参数，跳转到步骤S700。
通过上述过程对电化学模型的固相锂离子浓度分布不断修正，直至电化学模型的输出电压和实测电压之间的电压差控制在预设范围内。当电化学模型的输出电压和实测电压之间的电压差在预设范围内时，电化学模型完成了锂离子浓度分布的修正，此时可根据锂离子浓度分布重新计算SOC值，从而获得准确的SOC。
在一个实施例中，步骤S700具体包括：
步骤S710根据输出电压与实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，得到最大的表面锂离子浓度差；
步骤S720根据最大的表面锂离子浓度差调整当前采集时刻的固相锂离子浓度分布。
步骤S710包括：
步骤S711选择正极或负极为第一极；
步骤S712获取电化学模型在当前采集时刻的第一极的表面锂离子浓度，记为第一表面锂离子浓度；
步骤S713根据第一极的开路电位与固相表面锂离子浓度的关系，得到当前采集时刻的第一极的开路电位；
步骤S714根据输出电压与实测电压之间的电压差、以及当前采集时刻的第一极的开路电位，得到调整后的第一极的开路电位；
步骤S715根据第一极的开路电位与固相表面锂离子浓度的关系，获取与调整后的第一极的开路电位对应的表面锂离子浓度，记为第二表面锂离子浓度；
步骤S716根据第一表面锂离子浓度与第二表面锂离子浓度之间的浓度差，得到最大的表面锂离子浓度差。
在一个实施例中，步骤S720包括：
步骤S721沿径向对第一极粒子的锂离子浓度分布进行线性修正，其中第一极粒子在径向距离r的锂离子浓度修正量Δcr符合以下公式：
Figure BDA0003525920800000111
其中，R为粒子半径，kΔU为最大的表面锂离子浓度差，α为修正系数；
步骤S722根据正、负极粒子内部的锂离子总量守恒原则和第一极粒子的锂离子浓度修正量，确定另一极性粒子的锂离子浓度修正量。
本实施例，通过对电池建立电化学模型，根据电化学模型的输出电压与电池的实测电压之间的电压差对电化学模型的锂离子浓度分布不断进行修正，直至电压差控制在预设范围内，然后根据修正后的锂离子浓度分布重新计算电池的SOC；本实施例对SOC初始值的精确度和固相锂离子浓度的初始分布没有要求，可以在线实时修正，对SOC的估计精确度高。
在本发明的一个实施例中，如图2所示，一种基于电化学模型的电池荷电状态的估算装置，包括：
模型建立模块100，用于对电池建立电化学模型；
初始设置模块200，用于设置电池的当前荷电状态SOC的初始值，根据SOC 的初始值确定电化学模型中固相锂离子浓度的初始分布；
采集模块300，用于对电池进行充/放电测试，经第一时间间隔后采集电池的实测电压和实测电流；
模型计算模块400，用于根据当前采集时刻的实测电流和固相锂离子浓度的初始分布，计算电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布；
荷电状态计算模块600，用于若输出电压与实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布计算电化学模型的固相锂离子的平均浓度，根据平均浓度计算电池的当前SOC值。
在一个实施例中，采集模块300，还用于在充/放电测试前对电池静置预设时间，以确保电池内部无浓差极化。
在一个实施例中，荷电状态计算模块600，还用于根据当前采集时刻的固相锂离子浓度分布计算所有固相粒子内的锂离子总量；将所有固相粒子内的锂离子总量除以所有固相粒子的体积，得到电化学模型的固相锂离子的平均浓度。
在一个实施例中，荷电状态计算模块600，还用于若电化学模型为单粒子模型类，则根据以下公式计算电化学模型的固相锂离子的平均浓度cmean：
Figure BDA0003525920800000131
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，cr为在粒子在径向距离r上的固相锂离子浓度。
在一个实施例中，荷电状态计算模块600，还用于若电化学模型为准二维模型类，则可根据以下公式计算固相锂离子的平均浓度cmean：
Figure BDA0003525920800000132
其中，cx,r为第x个离散区域的粒子在径向距离r上的固相锂离子浓度。
在一个实施例中，荷电状态计算模块600，还用于根据以下公式计算电池的当前SOC值：
Figure BDA0003525920800000133
其中，cmean为固相锂离子的平均浓度，cSOC＝0％为SOC等于0时的固相锂离子浓度，cSOC＝100％为SOC等于1时的固相锂离子浓度。
在一个实施例中，该估算装置还包括：
浓度分布修正模块500，用于若当前采集时刻的输出电压与实测电压之间的电压差超过预设范围，则根据当前采集时刻的输出电压与实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布；
采集模块300，还用于获取下一采集时刻的电池的实测电压和实测电流；
模型计算模块400，还用于根据下一采集时刻的实测电流和调整后的固相锂离子浓度分布，计算电化学模型在下一采集时刻的输出电压和固相锂离子浓度分布；
荷电状态计算模块600，还用于若下一采集时刻的输出电压与下一采集时刻的实测电压之间的电压差在预设范围内，则根据下一采集时刻的固相锂离子浓度分布计算电化学模型的固相锂离子的平均浓度，根据平均浓度计算电池的当前SOC值。
浓度分布修正模块500，还用于若下一采集时刻的输出电压与下一采集时刻的实测电压之间的电压差超过预设范围，则将下一采集时刻更新为当前采集时刻，根据当前采集时刻的输出电压与实测电压之间的电压差、以及预知的正 /负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布。
通过上述过程对电化学模型的固相锂离子浓度分布不断修正，直至电化学模型的输出电压和实测电压之间的差别控制在阈值内。当电化学模型的输出电压和实测电压之间的差别在阈值内时，电化学模型完成了锂离子浓度分布的修正，此时可根据锂离子浓度分布重新计算SOC值，从而获得准确的SOC。
在一个实施例中，浓度分布修正模块500，包括：
最大浓度差计算单元，用于根据输出电压与实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，得到最大的表面锂离子浓度差；
修正单元，还用于根据最大的表面锂离子浓度差调整当前采集时刻的固相锂离子浓度分布。
在一个实施例中，最大浓度差计算单元，还用于选择正极或负极为第一极；获取电化学模型在当前采集时刻的第一极的表面锂离子浓度，记为第一表面锂离子浓度；根据第一极的开路电位与固相表面锂离子浓度的关系，得到当前采集时刻的第一极的开路电位；根据输出电压与实测电压之间的电压差、以及当前采集时刻的第一极的开路电位，得到调整后的第一极的开路电位；根据第一极的开路电位与固相表面锂离子浓度的关系，获取与调整后的第一极的开路电位对应的表面锂离子浓度，记为第二表面锂离子浓度；根据第一表面锂离子浓度与第二表面锂离子浓度之间的浓度差，得到最大的表面锂离子浓度差。
在一个实施例中，修正单元，还用于沿径向对第一极粒子的锂离子浓度分布进行线性修正，其中第一极粒子在径向距离r的锂离子浓度修正量符合以下公式：
Figure BDA0003525920800000151
其中，R为粒子半径，kΔU为最大的表面锂离子浓度差，α为修正系数；
根据正、负极粒子内部锂离子总量守恒原则和第一极粒子的锂离子浓度修正量，确定另一极性粒子的锂离子浓度修正量。
需要说明的是，本发明提供的基于电化学模型的电池荷电状态的估算装置的实施例与前述提供的基于电化学模型的电池荷电状态的估算方法的实施例均基于同一发明构思，能够取得相同的技术效果。因而，基于电化学模型的电池荷电状态的估算装置的实施例的其它具体内容可以参照前述基于电化学模型的电池荷电状态的估算方法的实施例内容的记载。
本发明还提供了两个具体应用场景实施例，将前述的基于电化学模型的电池荷电状态的估算方法与装置应用于钴酸锂电池的SOC估算。选择0.68Ah的钴酸锂电池，需要说明的是，本实施例提供的方法也适用其他锂电池。
实施例1，电化学模型使用SPM模型，包括：
步骤1.1：选择SPM模型对钴酸锂电池进行建模。
以运行工况0.1C放电2h(小时)，静置0.5h为例，模型输出的端电压随时间的变化曲线如图3所示。
步骤1.2：设置SOC的初始值SOC0，根据SOC0确定电化学模型中固相锂离子浓度的初始分布。
假设粒子径向分布上的固相锂离子浓度的初始值ci,0都相等，即ci,0＝cmean， i＝0,1,...,n，cmean为固相锂离子的平均浓度，n为正/负极粒子的径向节点数。
在单粒子模型中，SOC与正/负极粒子的锂离子浓度的关系可由以下公式确定：
Figure BDA0003525920800000161
其中cSOC＝0％是SOC为0时的固相锂离子浓度，cSOC＝100％是SOC为1时的固相锂离子浓度。
利用上述公式，根据初始值SOC0得到对应的cmean值，再根据ci,0＝cmean，得到ci,0，从而得到固相粒子内锂离子浓度的初始分布。
优选地，在进行下一步之前对电池静置(即无充放电)足够的时间T0，比如>1h，以使固相粒子内锂离子浓度分布均匀，这样可以使上述方法估计的固相锂离子浓度的初始分布更准确。如图4所示(正极固相锂离子浓度的初始分布曲线，横轴为归一化后的径向距离，纵轴为固相锂离子浓度)，在粒子的径向分布上，固相锂离子浓度基本相等。其中，归一化后的径向距离＝r/R，r为球状粒子的径向距离，R为球状粒子的半径。
步骤1.3：选择稳定的工况，比如放电电流I＝0.1C进行修正，假设BMS采集电压的时间间隔为1s。
计算模型放电1s时的输出电压Umodel和此时的固相锂离子浓度分布。
将模型预测的输出电压Umodel与BMS实测的电池电压Ureal进行比较，计算电压误差ΔU＝Ureal-Umodel。若|ΔU|>阈值，则需要对固相粒子内锂离子浓度分布进行修正，此时根据正/负极开路电位OCP(Open Circuit Potential)与固相表面锂离子浓度的关系对固相粒子内锂离子浓度分布进行修正。
对锂离子浓度分布的修正，可以选择线性修正，也可以选择其它形式的修正；可以先修正正极粒子的锂离子浓度分布，再修正负极粒子的，也可以反过来，或按一定规则选取某个极性的粒子的锂离子浓度分布先进行修正，对此不做限定。
本实施例选择沿径向对正极粒子的锂离子浓度分布进行线性修正，即球心处浓度修正值为0，表面处浓度修正值最大，沿径向浓度修正符合公式：
Figure BDA0003525920800000171
其中，Δcr+为正极粒子在径向距离r处的锂离子浓度修正量； kΔU为最大的表面锂离子浓度差；α为修正系数，在0～1范围内取值，本案例选择α＝0.5。可以看出，当r＝0时，Δcr+＝0，说明球心处浓度修正值为0；当r＝1 时，Δcr+最大，说明表面浓度修正值最大。
kΔU为当前采集时刻的正极开路电位Uocp-model对应的表面锂离子浓度与(Uocp-model+ΔU)对应的表面锂离子浓度之间的浓度差，根据正/负极开路电位 OCP与固相表面锂离子浓度的关系得到kΔU。
正极钴酸锂活性材料OCP与表面锂离子浓度关系如表1所示：
表1正极钴酸锂活性材料OCP与表面锂离子浓度关系
Figure BDA0003525920800000172
假设当前采集时刻的固相正极的表面锂离子浓度为34000，查询上表可知对应的正极OCP(Uocp-model)为3.961v，考虑到当前模型输出的电压Umodel与实测电压Ureal之间的电压误差的绝对值大于阈值，为了减小电压误差，需要将目前的Uocp-model调整为(Uocp-model+ΔU)，假设需要调整当前的正极OCP为3.948v，3.948v 对应的表面锂离子浓度为35000，由此得到表面锂离子浓度差为1000 (＝35000-34000)，将该浓度差设为kΔU，即当前采集时刻的kΔU＝1000。
按照上述方法对固相锂离子浓度分布进行修正，如图5所示。
考虑到对浓度的修正应保证正、负极粒子内部锂离子总量守恒，故负极粒子的锂离子浓度分布的修正值需符合公式：
Figure BDA0003525920800000181
其中，为L+、L-分别为正、负电极厚度，ε+、ε-分别为正、负极活性材料的体积分数，R+、R-分别为正、负极的粒子半径。正极活性材料的体积分数＝正极活性材料的体积/正极体积，负极活性材料的体积分数的定义类似。
步骤1.4：以上一采集时刻的浓度分布为基准，计算出电化学模型在下一采集时刻的端电压Umodel，根据该端电压Umodel与BMS实测的电池电压Ureal的差值，对该采集时刻的浓度分布进行再次修正。
步骤1.5：多次进行步骤1.4，直至由电化学模型计算出的电压Umodel与实测电压Ureal的误差控制在阈值内。修正过程中的U_model(即Umodel)与U_real(即 Ureal)的曲线如图6所示，可以看出，约在76s时误差控制在阈值(＝5mv)内，完成了电化学模型浓度分布的修正。
计算此时固相锂离子的平均浓度cmean，再根据cmean计算电池的当前SOC值。
SPM模型是一种降阶电化学模型，计算较简单，可根据模型快速计算出电池的端电压，实现快速修正SOC的目的。采用SPM模型适合在低倍率稳定工况下对电池SOC值做快速修正。
实施例2，电化学模型使用P2D模型，提供的SOC估算方法与前一实施例基本相同，包括：
步骤2.1：选择P2D模型对钴酸锂电池进行建模。
以运行工况为1C放电1h，静置0.5h为例，模型输出的端电压随时间的变化曲线如图7所示。
步骤2.2：设置SOC的初始值SOC0，根据SOC0确定电化学模型中固相锂离子浓度的初始分布。
P2D模型中，固相锂离子浓度分布的数值解是二维数组的形式，一个维度为沿电极厚度方向，另一个维度为沿粒子径向方向。
假设沿正极/负极的电极厚度方向分成N个离散区域，每个离散区域有若干活性粒子，每个活性粒子沿径向分布有n个径向节点，用cx,i表示第x个离散区域的活性粒子在第i个径向节点上的固相锂离子浓度，x＝1,2,...,N， i＝0,1,...,n。
假设每个离散区域的每个粒子在径向分布上的固相锂离子浓度的初始值 cx,i,0都相等，即cx,i,0＝cmean，cmean为固相锂离子的平均浓度。
利用公式
Figure BDA0003525920800000191
根据初始值SOC0得到对应的cmean值；再根据cx,i,0＝cmean，得到cx,i,0，从而得到P2D模型中固相锂离子浓度的初始分布。
步骤2.3：选择稳定的工况，比如放电电流I＝1C进行修正，假设BMS采集电压的时间间隔为1s。计算模型放电1s时的输出电压Umodel和此时的固相锂离子浓度分布。计算电压误差ΔU，若|ΔU|>阈值，则需要对固相粒子内锂离子浓度分布进行修正。
对锂离子浓度分布的修正，可以选择线性修正，也可以选择其它形式的修正；可以按一定规则选取某个极性的粒子的锂离子浓度分布先进行修正，对此不做限定。
本案例选择首先沿电极厚度方向对正极粒子表面锂离子浓度分布进行等浓度修正，修正符合以下公式：第x个离散区域的正极粒子表面锂离子浓度修正量Δcx+＝αkΔU，x＝1,2,...,N。
再沿径向对正极粒子浓度分布进行线性修正，沿径向浓度修正符合公式：第x个离散区域的正极粒子在径向距离r处的锂离子浓度修正量
Figure BDA0003525920800000201
kΔU的含义及计算方式与前述实施例相同。
按照上述方法对固相锂离子浓度分布进行修正。
考虑到对浓度的修正应保证正、负极粒子内部锂离子总量守恒，故负极粒子的锂离子浓度分布的修正值需符合公式：
Figure BDA0003525920800000202
其中，为L+、L-分别为正、负电极厚度，ε+、ε-分别为正、负极活性材料体积分数，N+、N-分别为正、负极的离散区域数，R+、R-分别为正、负极的粒子半径，Δcx,r-为第x个离散区域的负极粒子在径向距离r处的锂离子浓度修正量。
第一个采集点修正前后正极区域活性粒子表面浓度分布如图8所示，第一个采集点在正极x＝1区域修正前后活性粒子径向方向浓度分布如图9所示，其余离散区域，对活性粒子径向方向浓度分布的修正，与x＝1区域方式相同。
步骤2.4：以上一采集时刻的浓度分布为基准，计算出电化学模型在下一采集时刻的端电压Umodel，根据该端电压Umodel与BMS实测的电池电压Ureal的差值，对该采集时刻的浓度分布进行再次修正。
步骤2.5：多次进行步骤2.4，直至由电化学模型计算出的电压Umodel与实测电压Ureal的误差控制在阈值内。修正过程中U_model与U_real的曲线如图10所示，可以看出，约在105s时误差控制在阈值(＝5mv)内，完成了电化学模型浓度分布的修正。
计算此时固相锂离子的平均浓度cmean，再根据cmean计算电池的当前SOC值。
采用P2D模型，对上述电池在动态工况下估算SOC，动态工况下的电流如图11所示，获取SOC过程中的端电压如图12所示。
可以看出，由于P2D模型能够更准确地对锂电池进行仿真，采用P2D模型和本方法在动态工况、大电流下也能准确估计SOC值，适应性更广。
本实施例，通过对电池建立电化学模型，根据一定工况下电化学模型的输出电压值和电压真实值之间的差别，对锂离子浓度分布进行修正，直至电压误差控制在阈值内，完成电化学模型的修正，然后根据修正后的锂离子浓度分布重新计算电池的SOC；本实施对SOC初始值的精确度没有要求，可在一小段工况下完成对电池SOC值的修正，可以在线实时修正，利用电池在线的充/放电进行SOC修正；也可以定期进行一小段充放电实验后完成SOC值的修正。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于电化学模型的电池荷电状态的估算方法，其特征在于，包括：
对电池建立电化学模型；
设置所述电池的当前荷电状态SOC的初始值，根据所述SOC的初始值确定所述电化学模型中固相锂离子浓度的初始分布；
对所述电池进行充/放电测试，经第一时间间隔后采集所述电池的实测电压和实测电流；
根据所述实测电流和所述固相锂离子浓度的初始分布，计算所述电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布；
若所述输出电压与所述实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC值。
2.根据权利要求1所述的电池荷电状态的估算方法，其特征在于，还包括：
若所述输出电压与所述实测电压之间的电压差超过预设范围，则根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布；
获取下一采集时刻的所述电池的实测电压和实测电流；
根据下一采集时刻的实测电流和调整后的固相锂离子浓度分布，计算所述电化学模型在下一采集时刻的输出电压和固相锂离子浓度分布；
若所述下一采集时刻的输出电压与所述下一采集时刻的实测电压之间的电压差在预设范围内，则根据所述下一采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC值。
3.根据权利要求2所述的电池荷电状态的估算方法，其特征在于，所述的根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，调整当前采集时刻的固相锂离子浓度分布，包括：
根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，得到最大的表面锂离子浓度差；
根据所述最大的表面锂离子浓度差调整当前采集时刻的固相锂离子浓度分布。
4.根据权利要求3所述的电池荷电状态的估算方法，其特征在于，所述的根据所述输出电压与所述实测电压之间的电压差、以及预知的正/负极开路电位OCP与固相表面锂离子浓度的关系，得到最大的表面锂离子浓度差，包括：
选择正极或负极为第一极；
获取所述电化学模型在当前采集时刻的第一极的表面锂离子浓度，记为第一表面锂离子浓度；
根据所述第一极的开路电位与固相表面锂离子浓度的关系，得到当前采集时刻的第一极的开路电位；
根据所述输出电压与所述实测电压之间的电压差、以及所述当前采集时刻的第一极的开路电位，得到调整后的第一极的开路电位；
根据所述第一极的开路电位与固相表面锂离子浓度的关系，获取与所述调整后的第一极的开路电位对应的表面锂离子浓度，记为第二表面锂离子浓度；
根据所述第一表面锂离子浓度与所述第二表面锂离子浓度之间的浓度差，得到最大的表面锂离子浓度差。
5.根据权利要求4所述的电池荷电状态的估算方法，其特征在于，所述的根据所述最大的表面锂离子浓度差调整当前采集时刻的固相锂离子浓度分布，包括：
沿径向对第一极粒子的锂离子浓度分布进行线性修正，其中第一极粒子在径向距离r的锂离子浓度修正量符合以下公式：
Figure FDA0003525920790000031
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，kΔU为最大的表面锂离子浓度差，α为修正系数；
根据正、负极粒子内部的锂离子总量守恒原则和第一极粒子的锂离子浓度修正量，确定另一极性粒子的锂离子浓度修正量。
6.根据权利要求1所述的电池荷电状态的估算方法，其特征在于，
根据以下公式计算所述电池的当前SOC值：
Figure FDA0003525920790000032
其中，cmean为固相锂离子的平均浓度，cSOC＝0％为SOC等于0时的固相锂离子浓度，cSOC＝100％为SOC等于1时的固相锂离子浓度。
7.根据权利要求1所述的电池荷电状态的估算方法，其特征在于，
若所述电化学模型为单粒子模型类，根据以下公式计算所述固相锂离子的平均浓度cmean：
Figure FDA0003525920790000041
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，cr为粒子在径向距离r上的固相锂离子浓度。
8.根据权利要求1所述的电池荷电状态的估算方法，其特征在于，
若所述电化学模型为准二维模型类，根据以下公式计算所述固相锂离子的平均浓度cmean：
Figure FDA0003525920790000042
其中，R为电极内粒子的半径，r为电极内粒子的径向距离，N为沿电极厚度方向设置的离散区域数，cx,r为沿电极厚度方向第x个离散区域的粒子在径向距离r上的固相锂离子浓度。
9.根据权利要求1所述的电池荷电状态的估算方法，其特征在于，
所述电化学模型为单粒子模型、基于单粒子模型的扩展模型、准二维模型和基于准二维模型的扩展模型中的一种。
10.一种基于电化学模型的电池荷电状态的估算装置，其特征在于，包括：
模型建立模块，用于对电池建立电化学模型；
初始设置模块，用于设置所述电池的当前荷电状态SOC的初始值，根据所述SOC的初始值确定所述电化学模型中固相锂离子浓度的初始分布；
采集模块，用于对所述电池进行充/放电测试，经第一时间间隔后采集所述电池的实测电压和实测电流；
模型计算模块，用于根据所述实测电流和所述固相锂离子浓度的初始分布，计算所述电化学模型在当前采集时刻的输出电压和固相锂离子浓度分布；
荷电状态计算模块，用于若所述输出电压与所述实测电压之间的电压差在预设范围内，则根据当前采集时刻的固相锂离子浓度分布计算所述电化学模型的固相锂离子的平均浓度，根据所述平均浓度计算所述电池的当前SOC值。
CN202210196315.2A 2022-03-01 2022-03-01 基于电化学模型的电池荷电状态的估算方法及装置 Active CN114545265B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210196315.2A CN114545265B (zh) 2022-03-01 2022-03-01 基于电化学模型的电池荷电状态的估算方法及装置
US18/115,130 US20230280404A1 (en) 2022-03-01 2023-02-28 Method and device for estimating battery state of charge based on electrochemical model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210196315.2A CN114545265B (zh) 2022-03-01 2022-03-01 基于电化学模型的电池荷电状态的估算方法及装置

Publications (2)

Publication Number Publication Date
CN114545265A true CN114545265A (zh) 2022-05-27
CN114545265B CN114545265B (zh) 2022-11-11

Family

ID=81661257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210196315.2A Active CN114545265B (zh) 2022-03-01 2022-03-01 基于电化学模型的电池荷电状态的估算方法及装置

Country Status (2)

Country Link
US (1) US20230280404A1 (zh)
CN (1) CN114545265B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115084693A (zh) * 2022-06-28 2022-09-20 上海玫克生储能科技有限公司 一种锂电池固相浓度修正方法、系统及存储介质
CN115236516A (zh) * 2022-06-17 2022-10-25 上海玫克生储能科技有限公司 基于电化学模型的锂电池的预警方法
CN115951236A (zh) * 2023-02-27 2023-04-11 上海玫克生储能科技有限公司 锂电池状态监测方法及系统、装置、存储介质
WO2024000756A1 (zh) * 2022-06-30 2024-01-04 上海玫克生储能科技有限公司 基于深度学习和启发式算法的电化学模型参数辨识方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101629992A (zh) * 2009-05-27 2010-01-20 重庆大学 磷酸铁锂动力电池剩余容量的估算方法
CN104899439A (zh) * 2015-06-02 2015-09-09 吉林大学 一种锂离子电池机理建模方法
CN104991980A (zh) * 2014-10-31 2015-10-21 吉林大学 锂离子电池的电化学机理建模方法
CN105388127A (zh) * 2015-10-30 2016-03-09 清华大学深圳研究生院 一种全钒液流电池各离子浓度的在线检测方法和系统
CN105891724A (zh) * 2016-05-05 2016-08-24 南京航空航天大学 基于扩展单粒子模型的锂离子电池荷电状态在线估计方法
US20170168119A1 (en) * 2015-12-11 2017-06-15 Samsung Electronics Co., Ltd. Method for real time correction of ion concentration and coulomb counting state-of-charge (soc) in battery
CN107066722A (zh) * 2017-04-06 2017-08-18 北京理工大学 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法
CN109143083A (zh) * 2018-11-07 2019-01-04 重庆大学 一种数据驱动的电动车辆锂离子电池析锂诊断方法
CN110888056A (zh) * 2019-11-20 2020-03-17 上海交通大学 适用于车载动力锂离子电池的在线soc观测器搭建方法及系统
US20210116510A1 (en) * 2019-10-22 2021-04-22 Samsung Electronics Co., Ltd. Method and apparatus with battery state estimation
CN113109716A (zh) * 2021-04-06 2021-07-13 江苏大学 一种基于电化学模型的锂电池sop估算方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101629992A (zh) * 2009-05-27 2010-01-20 重庆大学 磷酸铁锂动力电池剩余容量的估算方法
CN104991980A (zh) * 2014-10-31 2015-10-21 吉林大学 锂离子电池的电化学机理建模方法
CN104899439A (zh) * 2015-06-02 2015-09-09 吉林大学 一种锂离子电池机理建模方法
CN105388127A (zh) * 2015-10-30 2016-03-09 清华大学深圳研究生院 一种全钒液流电池各离子浓度的在线检测方法和系统
US20170168119A1 (en) * 2015-12-11 2017-06-15 Samsung Electronics Co., Ltd. Method for real time correction of ion concentration and coulomb counting state-of-charge (soc) in battery
CN105891724A (zh) * 2016-05-05 2016-08-24 南京航空航天大学 基于扩展单粒子模型的锂离子电池荷电状态在线估计方法
CN107066722A (zh) * 2017-04-06 2017-08-18 北京理工大学 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法
CN109143083A (zh) * 2018-11-07 2019-01-04 重庆大学 一种数据驱动的电动车辆锂离子电池析锂诊断方法
US20210116510A1 (en) * 2019-10-22 2021-04-22 Samsung Electronics Co., Ltd. Method and apparatus with battery state estimation
CN110888056A (zh) * 2019-11-20 2020-03-17 上海交通大学 适用于车载动力锂离子电池的在线soc观测器搭建方法及系统
CN113109716A (zh) * 2021-04-06 2021-07-13 江苏大学 一种基于电化学模型的锂电池sop估算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KHAIRUL S. M. SAHARI ET AL.: "State-of-Charge Estimation of Li-Ion Battery in Electric Vehicles: A Deep Neural Network Approach", 《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》 *
崔鹰飞: "基于电化学模型的锂离子电池荷电状态估计方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115236516A (zh) * 2022-06-17 2022-10-25 上海玫克生储能科技有限公司 基于电化学模型的锂电池的预警方法
CN115084693A (zh) * 2022-06-28 2022-09-20 上海玫克生储能科技有限公司 一种锂电池固相浓度修正方法、系统及存储介质
WO2024000756A1 (zh) * 2022-06-30 2024-01-04 上海玫克生储能科技有限公司 基于深度学习和启发式算法的电化学模型参数辨识方法
CN115951236A (zh) * 2023-02-27 2023-04-11 上海玫克生储能科技有限公司 锂电池状态监测方法及系统、装置、存储介质
CN115951236B (zh) * 2023-02-27 2024-03-22 上海玫克生储能科技有限公司 锂电池状态监测方法及系统、装置、存储介质

Also Published As

Publication number Publication date
US20230280404A1 (en) 2023-09-07
CN114545265B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN114545265B (zh) 基于电化学模型的电池荷电状态的估算方法及装置
Zheng et al. A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model
CN107064805B (zh) 蓄电池容量测量系统和蓄电池容量测量方法
CN112615075B (zh) 电池快速充电方法及计算机设备
CN102918411B (zh) 充电状态推定装置
CN109342950B (zh) 一种用于锂电池荷电状态的评估方法、装置及其设备
CN111060820A (zh) 一种基于二阶rc模型的锂电池soc、sop估计方法
CN115084693B (zh) 一种锂电池固相浓度修正方法、系统及存储介质
CN109884540B (zh) 一种铅酸电池电量测量方法
CN109839599B (zh) 基于二阶ekf算法的锂离子电池soc估计方法
CN112104046B (zh) 一种并联电池组均衡充放电控制方法及其系统
EP4099039A1 (en) Aging determination method of battery, aging determination apparatus of battery, management system of battery, battery-mounted device, and aging determination program of battery
CN110442901A (zh) 一种锂离子电池电化学简化模型及其参数的获取方法
CN111428433A (zh) 基于混合滤波的锂离子电池状态计算方法
CN113777501A (zh) 一种电池模组的soh的估算方法
CN112946481A (zh) 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统
KR101160541B1 (ko) 전지 잔여용량 예측방법
CN108583326A (zh) 一种电动汽车电池组均衡控制方法
CN113420444A (zh) 一种基于参数在线辨识的锂离子电池soc估计方法
CN114217234A (zh) 一种基于ide-asrckf的锂离子电池参数辨识与soc估计方法
CN112114254B (zh) 一种动力电池开路电压模型融合方法
Chaoui et al. State of charge estimation of LiFePO 4 batteries with temperature variations using neural networks
CN113125969B (zh) 基于aukf的电池数据处理方法、设备和介质
CN116819340A (zh) 一种储能锂电池在线参数辨识与状态估计方法及系统
CN115331743A (zh) 基于实验类比法的高倍率工况电化学模型建模方法

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