CN114879071A - 一种基于平均电压的锂离子电池老化模式在线诊断方法 - Google Patents
一种基于平均电压的锂离子电池老化模式在线诊断方法 Download PDFInfo
- Publication number
- CN114879071A CN114879071A CN202210536588.7A CN202210536588A CN114879071A CN 114879071 A CN114879071 A CN 114879071A CN 202210536588 A CN202210536588 A CN 202210536588A CN 114879071 A CN114879071 A CN 114879071A
- Authority
- CN
- China
- Prior art keywords
- aging
- lithium ion
- ion battery
- voltage
- 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.)
- Pending
Links
- 230000032683 aging Effects 0.000 title claims abstract description 66
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 36
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003745 diagnosis Methods 0.000 title claims abstract description 27
- 230000015556 catabolic process Effects 0.000 claims abstract description 18
- 238000006731 degradation reaction Methods 0.000 claims abstract description 18
- 238000007600 charging Methods 0.000 claims abstract description 11
- 239000007774 positive electrode material Substances 0.000 claims description 6
- 239000007773 negative electrode material Substances 0.000 claims description 5
- 230000008602 contraction Effects 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 238000007599 discharging Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000011066 ex-situ storage Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012360 testing method 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
-
- 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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种锂离子电池非线性衰退老化模式在线诊断方法。该方法仅采用电池充电过程中的电压和电流信息,通过获取电池平均电压和容量在老化过程中的演变轨迹准确评估电池非线性衰退的老化模式。该诊断方法不需要采用特定的充电电流,简单易行,可靠性高,可直接在电动汽车上使用,适用于电动汽车动力电池在线老化模式识别。
Description
技术领域
本发明涉及电池诊断技术领域,具体说是一种基于平均电压的锂离子电池老化模式在线诊断方法。
背景技术
锂离子电池在老化过程中表现为两阶段的非线性容量衰退,这会造成电池内短路严重时引发热失控危机电动汽车的安全与性能。因此明晰引起锂离子电池非线性衰退的老化机理对合理使用电池并延长使用寿命具有重大意义。目前现有的老化模式诊断方法研究包括电池异位解体诊断和无损老化诊断。异位解体方法在对电池拆解后用特定的设备观察对比电池内在结构和元素变化,使电池无法继续使用。无损老化模式诊断方法包括异位无损诊断方法和原位无损诊断方法。异位无损诊断方法需要将电池定期从实车上取出,并用特定的设备上开展实验从而识别电池老化模式。原位无损诊断方法对电池施加特定的充放电脉冲序列,通过在特定脉冲下的电池响应分析电池老化模式。目前的老化模式诊断技术均需要特定的设备或特定的脉冲序列,在实车使用过程中很难实现。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种锂离子电池非线性衰退老化模式在线诊断方法。该方法仅采用电池充电过程中的电压和电流信息,通过获取电池平均电压和容量在老化过程中的演变轨迹准确评估电池非线性衰退的老化模式。该诊断方法不需要采用特定的充电电流,简单易行,可靠性高,可直接在电动汽车上使用,适用于电动汽车动力电池在线老化模式识别。
为达到以上目的,本发明采取的技术方案是:
一种锂离子电池非线性衰退老化模式在线诊断方法,其特征在于,包括如下步骤:
步骤1,构建锂离子电池非线性衰退老化路径数据库;
步骤2,获取待测锂离子电池多次充放电循环的容量和平均电压;
步骤3,将步骤2得到的多次充放电循环的容量和平均电压数据演变轨迹与步骤1得到的非线性衰退老化路径数据库进行比对,确定待测锂离子电池非线性衰退的老化模式。
进一步,步骤3中所述老化模式包括正极活性材料损失、负极活性材料损失和锂离子损失。
进一步,步骤1具体包括:
步骤1-1,测定某一体系下正/负极半电池的电压-容量曲线;
步骤1-2,构建电压曲线仿真器。仿真器通过正/负电压-容量曲线的伸缩模拟正/负极活性材料损失,负极曲线相对正极曲线向右平移模拟锂离子损失,最终利用正极曲线与负极曲线匹配合成全电池电压-容量曲线。
步骤1-3,通过步骤1-2中构建的电压曲线仿真器仿真不同老化路径下的全电池电压-容量曲线。
步骤1-4,通过步骤1-3得到不同老化路径下的电压-容量曲线,分析不同老化路径下电池平均电压及容量的变化轨迹,构建锂离子电池老化特征参数演变数据库;
步骤1-5,从步骤1-4得到的锂离子电池老化特征参数演变数据库中提取电池容量发生非线性衰退老化路径的数据,构建锂离子电池非线性衰退老化路径数据库。
进一步,步骤1-3中所述老化路径获取方式为:将不同老化模式对线型损失、指数型损失和幂指数型损失进行组合得到。
进一步,步骤2具体包括:
步骤2-1,获取待测锂离子电池全寿命期间内每次充放电循环过程中的电流数据和电压数据;
步骤2-2,根据步骤2-1得到的电流数据和电压数据,计算待测锂离子电池在固定电压区间内每次充放电循环的平均电压及容量。
本发明所述的一种锂离子电池非线性衰退老化模式在线诊断方法,其有益效果为:
(1)计算过程简单易行,不需要复杂的软硬件资源,可实现在线故障诊断。
(2)对数据采集精度及采样频率要求不高,不需要特定的脉冲电流,仅通过部分充电段数据就可以实现较为准确的老化诊断。
附图说明
本发明有如下附图:
图1锂离子电池非线性衰退的老化模式快速诊断方法整体流程图
图2各老化模式损失量与充放电循环次数的关系图
图3老化路径#112下全寿命期间正/负极半电池和全电池电压-容量曲线图
图4不同老化路径下的电池容量及平均电压变化趋势图:(1)-(27)
图5不同工况下电池工况容量及平均电压变化趋势图:工况I(1);工况II(2)
具体实施方式
以下结合附图对本发明作进一步详细说明。
结合现有研究,本发明将电池锂离子损失(LLI)、正极活性材料损失(LAMpE)及负极活性材料损失(LAMNE)的损失形式分为线型损失、指数型损失及幂指数型损失(α<1,α表示幂指数系数)三种,损失形式及损失量如图2所示。LLI、LAMPE及LAMNE以3*3*3方式对线型损失、指数型损失及幂指数型损失进行组合,三种损失模拟了27种老化路径,并使用实测正负极曲线推演了27种老化路径下的平均电压及容量变化趋势。为方便描述,将称线型损失记为损失#1,指数型损失表示为损失#2,指数型损失表示为损失#3。在模拟电池老化路径时将LLI、LAMPE及LAMNE组合方式表示为#abc,其中a、b、c在1、2、3中取值。老化路径为#112下全寿命期间内正负极曲线及全电池的曲线如图3所示。
平均电压及容量的计算方法如式(1)与式(2)所示:
Q=Qend-Qini (2)
模拟的27种老化路径如附图4所示。其中非线性衰退的老化路径数据库如表1所示。
表1非线性衰退的老化路径数据库
通过上述非线性衰退的老化路径数据库可得,只要电池发生非线性衰退则LLI或LAMNE一定发生加速衰退。当电池非线性衰退滞后于监测到的平均电压拐点出现的时间,电池除了LLI或LAMNE发生非线性衰退外,正极材料也一定出现加速衰退。
上述结论可直接使用,实际过程中不再需要该步骤的推导,直接进行下一步。
以一款额定容量为36Ah的三元电池为例,实验工况如表2所示。电池充电制式为恒流恒压(CC-CV)即当电池达到充电截止电压转为恒压充电直到电流降到0.1C为止。放电时采用1C恒流放电直到电池达到放电截止电压。充电与放电过程中间电池静置10min。
表2三元电池实验工况
记录每次循环过程中的电流电压。
使用式(1)及式(3)计算每次循环下电池在固定区间(本例选择3V-4V)的平均电压及容量:
平均电压及容量随循环次数的演变轨迹如图5所示。
因此得出:工况I下电池发生非线性衰退的原因是由于LLI与LAMNE在后期加速损失引起;工况II下电池发生非线性衰退的原因是LLI、LAMNE及LAMPE均发生加速衰退。
由于计算过程中使用积分量,因此本发明对采样频率和采样精度没有要求,仅根据电压电流信息即可实现电池老化模式的快速评估。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (5)
1.一种锂离子电池非线性衰退老化模式在线诊断方法,其特征在于,包括如下步骤:
步骤1,构建锂离子电池非线性衰退老化路径数据库;
步骤2,获取待测锂离子电池在全寿命期间内充电过程中的容量和平均电压;
步骤3,将步骤2得到的全寿命周期内充电过程中的容量和平均电压随循环次数的演变轨迹与步骤1得到的非线性衰退老化路径数据库进行比对,确定待测锂离子电池非线性衰退的老化模式。
2.如权利要求1所述的一种锂离子电池非线性衰退老化模式在线诊断方法,其特征在于:步骤3中所述老化模式包括正极活性材料损失、负极活性材料损失和锂离子损失。
3.如权利要求2所述的一种锂离子电池非线性衰退老化模式在线诊断方法,其特征在于:步骤1具体包括:
步骤1-1,测定某一体系下正/负极半电池的电压-容量曲线;
步骤1-2,构建电压曲线仿真器,仿真器通过正/负电压-容量曲线的伸缩模拟正/负极活性材料损失,负极曲线相对正极曲线向右平移模拟锂离子损失,最终利用正极曲线与负极曲线匹配合成全电池电压-容量曲线。
步骤1-3,通过步骤1-2中构建的电压曲线仿真器仿真不同老化路径下的全电池电压-容量曲线。
步骤1-4,通过步骤1-3得到不同老化路径下的电压-容量曲线,分析不同老化路径下电池平均电压及容量的变化轨迹,构建锂离子电池老化特征参数演变数据库;
步骤1-5,从步骤1-4得到的锂离子电池老化特征参数演变数据库中提取电池容量发生非线性衰退老化路径的数据,构建锂离子电池非线性衰退老化路径数据库。
4.如权利要求3所述的一种锂离子电池非线性衰退老化模式在线诊断方法,其特征在于:步骤1-3中所述老化路径获取方式为:将不同老化模式对线型损失、指数型损失和幂指数型损失进行组合得到。
5.如权利要求2所述的一种锂离子电池非线性衰退老化模式在线诊断方法,其特征在于:步骤2具体包括:
步骤2-1,获取待测锂离子电池在全寿命期间内每次充放电循环过程中的电流数据和电压数据;
步骤2-2,根据步骤2-1得到的电流数据和电压数据,计算待测锂离子电池在固定电压区间内每次充放电循环的平均电压及容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210536588.7A CN114879071A (zh) | 2022-05-17 | 2022-05-17 | 一种基于平均电压的锂离子电池老化模式在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210536588.7A CN114879071A (zh) | 2022-05-17 | 2022-05-17 | 一种基于平均电压的锂离子电池老化模式在线诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114879071A true CN114879071A (zh) | 2022-08-09 |
Family
ID=82675997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210536588.7A Pending CN114879071A (zh) | 2022-05-17 | 2022-05-17 | 一种基于平均电压的锂离子电池老化模式在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114879071A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115575843A (zh) * | 2022-10-25 | 2023-01-06 | 楚能新能源股份有限公司 | 一种锂离子电池寿命预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030026837A (ko) * | 2001-09-28 | 2003-04-03 | 미쓰비시덴키 가부시키가이샤 | 평균전압 산출회로를 갖는 번인장치 |
CN110927607A (zh) * | 2019-11-22 | 2020-03-27 | 武汉理工大学 | 辨识和量化分析锂离子电池衰退机理的方法及系统 |
CN110954832A (zh) * | 2019-12-19 | 2020-04-03 | 北京交通大学 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
CN113504473A (zh) * | 2021-09-10 | 2021-10-15 | 四川大学 | 一种适用动力锂电池非线性衰退过程的rul预测方法 |
DE102020008050A1 (de) * | 2020-01-14 | 2021-10-21 | TWAICE Technologies GmbH | Charakterisierung von wiederaufladbaren Batterien mit Maschinen-gelernten Algorithmen |
-
2022
- 2022-05-17 CN CN202210536588.7A patent/CN114879071A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030026837A (ko) * | 2001-09-28 | 2003-04-03 | 미쓰비시덴키 가부시키가이샤 | 평균전압 산출회로를 갖는 번인장치 |
CN110927607A (zh) * | 2019-11-22 | 2020-03-27 | 武汉理工大学 | 辨识和量化分析锂离子电池衰退机理的方法及系统 |
CN110954832A (zh) * | 2019-12-19 | 2020-04-03 | 北京交通大学 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
DE102020008050A1 (de) * | 2020-01-14 | 2021-10-21 | TWAICE Technologies GmbH | Charakterisierung von wiederaufladbaren Batterien mit Maschinen-gelernten Algorithmen |
CN113504473A (zh) * | 2021-09-10 | 2021-10-15 | 四川大学 | 一种适用动力锂电池非线性衰退过程的rul预测方法 |
Non-Patent Citations (2)
Title |
---|
姜久春;马泽宇;李雪;张彩萍;张维戈;: "基于开路电压特性的动力电池健康状态诊断与估计", 北京交通大学学报, no. 04, 15 August 2016 (2016-08-15) * |
李旭玲;刘梦;姜久春;梁晖;高洋;何雪枫;: "计及循环寿命的锂离子电池优化使用研究", 重庆理工大学学报(自然科学), no. 02, 15 February 2020 (2020-02-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115575843A (zh) * | 2022-10-25 | 2023-01-06 | 楚能新能源股份有限公司 | 一种锂离子电池寿命预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11422194B2 (en) | Battery diagnosis apparatus and battery diagnosis method based on current pulse method | |
CN110045288B (zh) | 一种基于支持向量回归的锂离子电池容量在线估计方法 | |
CN102565710A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
Sarasketa-Zabala et al. | Validation of the methodology for lithium-ion batteries lifetime prognosis | |
CN112858941B (zh) | 一种磷酸铁锂动力电池加速试验与寿命评估方法 | |
CN111551868B (zh) | 一种磷酸铁锂电池系统的一致性分析方法 | |
CN113433464A (zh) | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 | |
CN111580003A (zh) | 一种基于阻抗谱的二次电池不一致性鉴别方法及装置 | |
Li et al. | The open-circuit voltage characteristic and state of charge estimation for lithium-ion batteries based on an improved estimation algorithm | |
CN103353575A (zh) | 测量ocv和soc对应关系的测试装置及测试方法 | |
CN111123136A (zh) | 一种锂离子电池健康状态在线测量装置及在线测量方法 | |
CN115267555A (zh) | 基于电池多点温度测量的储能系统电池soh评估系统 | |
Gailani et al. | Analysis of lithium-ion battery cells degradation based on different manufacturers | |
CN114879071A (zh) | 一种基于平均电压的锂离子电池老化模式在线诊断方法 | |
CN113484784B (zh) | 一种基于两点阻抗老化特征的锂电池在线老化诊断方法 | |
CN115754724A (zh) | 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法 | |
Stroe et al. | Evaluation of different methods for measuring the impedance of lithium-ion batteries during ageing | |
CN110095721A (zh) | 一种退运电动汽车电池日历寿命的测评方法及模型 | |
CN113009367A (zh) | 一种电池健康度的在线测试装置及方法 | |
CN112114260A (zh) | 一种锂离子电池单体过充电稳定性的测试及评价方法 | |
CN113466700B (zh) | 一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 | |
CN112130080B (zh) | 一种低温下动力锂离子电池soc-ocv曲线的精确测量方法 | |
Zhou et al. | A review of state-of-health estimation of lithiumion batteries: Experiments and data | |
CN114441980A (zh) | 一种量测锂离子电池的健康情况和剩余使用寿命的方法 | |
Kamrueng et al. | Fast Approach of Open Circuit Voltage Estimation for Li-ion Battery Based on OCV Error Compensation |
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 |