CN114994540A - 基于充电末端降流数据的电池容量估计方法和装置 - Google Patents
基于充电末端降流数据的电池容量估计方法和装置 Download PDFInfo
- Publication number
- CN114994540A CN114994540A CN202210613058.8A CN202210613058A CN114994540A CN 114994540 A CN114994540 A CN 114994540A CN 202210613058 A CN202210613058 A CN 202210613058A CN 114994540 A CN114994540 A CN 114994540A
- Authority
- CN
- China
- Prior art keywords
- battery pack
- data
- battery
- charging
- experimental data
- 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
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]
- G01R31/367—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
-
- 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
Abstract
本发明提供一种基于充电末端降流数据的电池容量估计方法和装置,对每种类型电池包进行循环衰减得到多组电池包实验数据;对各组电池包实验数据进行处理得到多个充电数据集;根据所有充电数据集进行得到各个充电数据集的平均斜率;根据各个充电数据集的平均斜率和对应中间容量得到二者之间的关系;获取待测电池包在设定次数循环衰减后的该设定次数对应的电池包数据,对所述设定次数对应的电池包数据进行处理得到对应的充电数据集的平均斜率,根据设定次数循环衰减对应的充电数据集的平均斜率和所述充电数据集的平均斜率与对应中间容量之间的关系实现对待测电池包容量的估计。本发明能够自动、高效对电池容量进行估计。
Description
技术领域
本发明涉及电池技术领域,特别是涉及一种基于充电末端降流数据的电池容量估计方法和装置。
背景技术
锂电池由于其能量密度高、使用周期长等优异的特性,已经成为电动汽车、手机等多个领域的主要动力能源。在电池的状态估计过程中,电池的容量估计具有至关重要的作用。
电池容量的估计方法主要包括两大类,模型法和据驱动法。
模型法分为经验模型和机理模型,经验模型在使用过程中容易发生参数失配,机理模型的主要挑战在于缺少锂电池独特的理论电路模型,并且电路虚拟元件的数值估计需要庞大和昂贵的设备例如EIS设备。
数据驱动法的优点在于不需要了解电池内部的电化学特性,可以通过提取电池衰退过程中的某些特性实现电池容量的在线估计,具有一定的实用性。因此,数据驱动法逐渐成为了电池状态估计的主流方法,但是大多数的数据驱动法具有特征提取过程复杂和特征变量较多的情况,并且一定情况下需要与机器学习算法相结合,具有一定的复杂性。
一般电池包中单体容量最小决定了电池包的使用寿命和效率,线下标定电池包的容量,需要对电池包进行拆解,并进行满充满放,费时费力。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于充电末端降流数据的电池容量估计方法和装置,用于解决现有技术中效率低的问题。
为实现上述目的及其他相关目的,本发明提供一种基于充电末端降流数据的电池容量估计方法,所述方法至少包括以下步骤:
对每种类型电池包进行循环衰减得到多组电池包实验数据;
对各组电池包实验数据进行理处得到多个充电数据集;
根据所有充电数据集得到各个充电数据集的平均斜率;
根据各个充电数据集的平均斜率和对应循环衰减的中间容量得到充电数据集的平均斜率与对应中间容量之间的关系;
获取待测电池包在设定次数循环衰减后的该设定次数对应的电池包数据,对所述设定次数对应的电池包数据进行处理得到对应的充电数据集的平均斜率,根据设定次数循环衰减对应的充电数据集的平均斜率和所述充电数据集的平均斜率与对应中间容量之间的关系实现对待测电池包容量的估计。
优选地,对电池包进行循环衰减得到多组电池包实验数据的过程至少包括:
基于电池包的初始容量进行依次满放电和满充电处理使电池包容量衰减至中间容量;
根据一次满充电处理得到一组电池包实验数据;所述电池包实验数据为满充电处理过程时各单体电池在各时刻的电压、电流、温度和电池包容量;
循环多次满放电和满充电处理直至电池包容量衰减至电池包放电截止容量;
经过循环衰减得到多组电池包实验数据;每组电池包实验数据包括各单体电池在各时刻的单体电池实验数据集。
优选地,每次满充电处理包括:
第一充电阶段,以第一设定电流进行恒流充电;
第二充电阶段,当以第一设定电流进行恒流充电至电池包中单体电池最大电压达到第一设定电压时以第二设定电流进行恒流充电;
第三充电阶段,当以第二设定电流进行恒流充电至电池包中单体电池最大电压达到第二设定电压时以第三设定电流进行恒流充电,当电池包中单体电池最大电压达到第三设定电压后停止充电;
其中,第一设定电流>第二设定电流>第三设定电流;第一设定电压<第二设定电压<第三设定电压。
优选地,对各组电池包实验数据进行理得到多个充电数据集包括:
对所有组电池包实验数据进行预处理得到多组电池包数据;
对所述多组电池包数据进行筛选处理得到多个充电数据集。
优选地,对所有组电池包实验数据进行预处理得到多组电池包数据为:
根据异常判断条件对每组电池包实验数据中的各单体电池实验数据集进行判断得到异常判断结果,并根据所述异常判断结果得到多组电池包数据;所述异常判断结果包括正常电池包实验数据和异常电池包实验数据。
优选地,异常判断条件为:某组电池包实验数据中存在某一时刻的单体电池的电流值与对应充电阶段的恒流电流值的差值大于设定电流阈值。
优选地,根据异常判断结果得到多组电池数据包括:
当异常判断结果为某组电池包实验数据为正常电池包实验数据时,则维持所述正常电池包实验数据;
当异常判断结果为某组电池包实验数据异常电池包实验数据时,则对所述异常电池包实验数据进行处理得到更新电池包实验数据;
将所述正常电池包实验数据和所述更新电池包实验数据按照时序关系形成多组电池包数据。
优选地,当异常判断结果为某电池包实验数据为异常电池包数据时,则对所述异常电池包实验数据进行处理得到更新电池包实验数据包括:
对所述异常电池包实验数据中各单体电池实验数据集中异常数据进行统计得到对应单体电池实验数据集中的异常数量;
根据所述异常电池包实验数据中各单体电池实验数据集中的异常数量确定所述异常电池包实验数据的异常处理方式;
根据所述异常电池包实验数据的异常处理方式对所述异常电池包实验数据进行处理得到更新电池包实验数据。
优选地,根据所有充电数据集得到各个充电数据集的平均斜率包括:
确定每个充电数据集的充电末端降流阶段;
计算每个充电数据集中在充电末端降流阶段各单体电池的单体斜率;
根据所有充电末端降流阶段的所有单体电池的单体斜率确定离群单体电池,并基于所述离群单体电池得到各个充电末端降流数据集;
根据充电末端降流数据集中所有单体电池的单体斜率得到对应充电数据集的平均斜率。
为实现上述目的及其他相关目的,本发明还提供一种基于充电末端降流数据的电池容量估计装置,所述装置包括处理器和存储器,所述存储器上存储有可在处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述的基于充电末端降流数据的电池容量估计方法的步骤。
如上所述,本发明基于充电末端降流数据的电池容量估计方法和装置,具有以下有益效果:
本发明基于充电末端降流数据的电池容量估计方法和装置,通过计算充电末端降流阶段的每个充电数据集的所有单体电池的平均斜率,建立电池包内所有单体电池的平均斜率与容量的关系,从而估计同一类型电池包在不同阶段的容量,节省了大量的人力物力,并具有较高的精度。
附图说明
图1显示为本发明基于充电末端降流数据的电池容量估计方法的流程示意图。
图2显示为本发明实施例中每个满充电过程及其充电末端降流阶段的示意图。
图3显示为本发明实施例中所有充电末端的所有单体电池的单体斜率分布示意图。
图4显示为本发明基于充电末端降流数据的电池容量估计装置的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1-4。需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
方法实施例:
基于充电末端降流数据的电池容量估计方法的流程示意图如图1所示,以下结合图1对本发明基于充电末端降流数据的电池容量估计方法的步骤过程进行详细描述。估计方法包括:
S1,对每种类型电池包进行循环衰减得到多组电池包实验数据;
在本发明中,电池包可以为不同类型,每种类型的电池包可以有一个,也可以有多个;在本发明实施例中,以每种类型的电池包有一个为例进行描述。
对电池包进行循环衰减得到多组电池包实验数据的过程至少包括:
基于电池包的初始容量进行依次满放电和满充电处理使电池包容量衰减至中间容量;其中,中间容量为每次电池包在循环衰减过程中当前循环中能够先进行满放电再进行满充电后的最大容量;
根据一次满充电处理得到一组电池包实验数据;
循环多次满放电和满充电处理直至电池包容量衰减至电池包放电截止容量;
经过循环衰减得到多组电池包实验数据。每组电池包实验数据包括各单体电池在各时刻的单体电池实验数据集。
其中,所述电池包放电截止容量为初始容量的设定比例,设定比例的取值依据电池使用寿命的终止点。
每次满充电处理包括:
第一充电阶段,以第一设定电流进行恒流充电;
第二充电阶段,当以第一设定电流进行恒流充电至电池包中单体电池最大电压达到第一设定电压时以第二设定电流进行恒流充电;
第三充电阶段,当以第二设定电流进行恒流充电至电池包中单体电池最大电压达到第二设定电压时以第三设定电流进行恒流充电,当电池包中单体电池最大电压达到第三设定电压后停止充电;
其中,第一设定电流>第二设定电流>第三设定电流;第一设定电压<第二设定电压<第三设定电压。
获取每次满充电处理过程时各单体电池在各时刻的电压、电流、温度和电池包容量,因此,本发明电池包实验数据为满充电处理过程对应的电池相关数据,那么,电池包实验数据为满充电处理过程时各单体电池在各时刻的电压、电流、温度和电池包容量。在本发明实施例中,获得M组电池包实验数据;其中,每组电池包实验数据为电池包中各单体电池在各时刻的单体电池实验数据集。
在本发明实施例中,将280Ah的磷酸铁电池包进行循环老化试验,电池包有36个串联的单体电池,在25℃的标准环境温度下,循环衰减至初始容量的80%。
具体的,磷酸铁电池包的初始容量C0为280Ah,经过第一次充分放电处理后电池包的容量衰减至第一中间容量C1,然后对具有第一中间容量C1的电池包进行第一次满充电后,经过第二次充分放电处理后电池包的容量衰减至第二中间容量C2,依次类推,经过1001次循环衰减使电池包容量衰减至电池包放电截止容量,并对第1001次充分放电出路的电池包充满电,使其具有第1001次满充电处理,以便获取1001组电池包实验数据。
磷酸铁电池包在每次循环下的满充电处理过程具体为:
第一充电阶段充电是以280A的电流进行恒流充电;
第二充电阶段是当第一阶段的充电电流进行恒流充电至电池包中单体电池最大电压达到3.51V时以92.4A的电流进行恒流充电;
第三充电阶段是当第二阶段的充电电流进行恒流充电至电池包中单体电池最大电压达到3.6V时以28A的电流进行恒流充电至单体最大电压达到3.65V后停止充电。
S2,对各组电池包实验数据进行处理得到多个充电数据集;
本发明对电池包进行实验后获取的各组电池包实验数据进行处理,以获取对电池包进行容量估计的有效充电数据集。
S21,对所有组电池包实验数据进行预处理得到多组电池包数据;
本步骤旨在剔除和修正满充电处理中三个阶段由于停电、设备维护、数据采集等造成的异常数据。
根据异常判断条件对每组电池包实验数据中的各单体电池实验数据集进行判断得到异常判断结果,并根据所述异常判断结果得到多组电池包数据;所述异常判断结果包括正常电池包实验数据和异常电池包实验数据。
异常判断条件为:某组电池包实验数据中存在某一时刻的单体电池的电流值与对应充电阶段的恒流电流值的差值大于设定电流阈值。
根据异常判断条件对每组电池包实验数据中的各单体电池实验数据集进行判断得到异常判断结果具体包括:
某组电池包实验数据中某一单体电池实验数据集中存在某一时刻的单体电池的电流值与对应充电阶段的恒流电流值的差值均大于设定电流阈值,则判断为该组电池包实验数据为异常电池包实验数据;
否则,判断该组电池包实验数据为正常电池包实验数据,即某组电池包实验数据中所有单体电池实验数据集中在所有时刻的所有单体电池的电流值与对应充电阶段的恒流电流值的差值均小于设定电流阈值,则判断该组电池包实验数据为正常电池包实验数据。
在本发明实施例中,如果某组电池包实验数据中某单体电池在某时刻的电流值与对应充电阶段的恒流电流值的差值大于5A,就表示该单体电池在该时刻的单体电池实验数据异常,也就是说,该组电池包实验数据中至少一个单体电池实验数据集有异常数据,判断该单体电池在该时刻对应的一组电池包实验数据为异常电池包实验数据。
根据异常判断结果得到多组电池数据包括:
当异常判断结果为某组电池包实验数据为正常电池包实验数据时,则维持所述正常电池包实验数据;
当异常判断结果为某组电池包实验数据异常电池包实验数据时,则对所述异常电池包实验数据进行处理得到更新电池包实验数据;
将所述正常电池包实验数据和所述更新电池包实验数据按照时序关系形成多组电池包数据。
本发明根据异常判断结果对多组电池包实验数据进行不同的处理,并按照时序关系形成新的多组电池包数据,这样能够有效避免异常数据对电池包实验数据造成的干扰,从而提高后续电池容量估计的准确性。
在本发明中,当异常判断结果为某电池包实验数据为异常电池包数据时,则对所述异常电池包实验数据进行处理得到更新电池包实验数据包括:
对所述异常电池包实验数据中各单体电池实验数据集中异常数据进行统计得到对应单体电池实验数据集中的异常数量;
在本发明实施例中,假如在第i组电池包实验数据为异常电池包实验数据,且异常电池包实验数据中第j个单体电池有15个时刻的单体电池实验数据判为数据异常,那么该异常电池包实验数据中的异常数量为15。
假如在第i+1组电池包实验数据为异常电池包实验数据,且异常电池包实验数据中第j+1个单体电池有8个时刻的单体电池实验数据判为数据异常,那么该异常电池包实验数据中的异常数量为8。
根据所述异常电池包实验数据中各单体电池实验数据集中的异常数量确定所述异常电池包实验数据的异常处理方式;
本发明异常处理方式包括采用插值方式对异常电池包实验数据中的异常数据进行更替和舍弃异常电池包实验数据,因此,得到的电池包数据的数量小于等于电池包实验数据的数量。
当异常电池包实验数据中存在某单体电池实验数据集中的异常数量大于设定值时,则该异常电池包实验数据的异常处理方式为舍弃所述异常电池包实验数据;
当异常电池包实验数据中任意单体电池实验数据集中的异常数量均小于设定值时,则该异常电池包实验数据的异常处理方式为采用插值方式对所述异常电池包实验数据中的异常数据进行更替。
根据所述异常电池包实验数据的异常处理方式对所述异常电池包实验数据进行处理得到更新电池包实验数据。
具体的,针对异常电池包实验数据中的每个异常数据,通过异常数据所在单体电池数据集中异常数据两边一定数量的单体电池实验数据进行拟合,根据拟合结果得到异常数据点对应时刻的拟合值,将拟合值替代异常值,从而实现对异常电池实验数据中异常数据的更替。
由于,每组电池包实验室数据为电池包中各单体电池在各时刻的单体电池实验数据集,因此,对电池包每组电池包实验数据进行预处理得到的电池包数据为正常电池包实验数据和异常电池包实验数据,也即各单体电池在各个时刻的单体电池数据集。
在本发明实施例中,对于280Ah的磷酸铁电池包进行循环老化试验,电池包有36个串联的单体电池,在25℃的标准环境温度下,循环衰减至初始容量的80%的过程中获得1001组电池包实验数据来讲,一共有5组异常电池包实验数据,其中,4组异常电池包实验数据采用插值方式对异常电池包实验数据中的异常数据进行更替、1组异常电池包实验数据被舍弃,即5组异常电池包实验数据中应舍弃一个循环对应的一组电池包实验数据,因此,本实施例对1001组电池包实验数据进行预处理得到1000组电池包数据。
S22,对所述多组电池包数据进行筛选处理得到多个充电数据集。
为了提高电池包数据的处理效率,从多组电池包数据中筛选出一部分作为充电数据集,被选定的一组电池包数据为一个充电数据集;但是如果选取不当的话,也会造成循环和电池容量估算的错误,因此,需要保证充电数据集的数量满足构建后续电池包循环次数对应的平均斜率与循环次数对应的中间容量之间的关系。
本发明筛选原则是每过设定循环选定一组电池包数据,从而得到多个充电数据集;每个充电数据集中包括各单体电池在各个时刻的单体电池数据集。
在本发明实施例中,设定循环可以为50,也可以为100;具体可以将设定循环中相同次序对应的电池包数据作为充电数据集,例如,当每过50个循环选定一组电池包数据时,得到20个充电数据集,具体将第1组电池包数据、第51组电池包数据、……、第951组电池包数据分别作为一个充电数据集;当每过100个循环选定一组电池包数据时,得到10个充电数据集,具体将第100组电池包数据、第200组电池包数据、……、第1000组电池包数据分别作为一个充电数据集。
S3,根据所有充电数据集进行处理得到各个充电数据集的平均斜率;
本步骤旨在对所有充电数据集进行处理得到每个充电数据集的平均斜率,即每个充电数据集中所有单体电池的平均斜率。
S31,确定每个充电数据集的充电末端降流阶段;
本发明根据充电数据集中的单体电池电压确定充电数据集的充电末端降流阶段。
充电末端降流阶段为从起始时刻至终止时刻;其中,以第一设定电流进行恒流充电至电池包中单体电池最大电压达到第一设定电压时对应的时刻为起始时刻;第三充电阶段中相邻时刻的任意单体电池电压差值最小时,相邻时刻中的任意一时刻为终止时刻。
在此需要说明的是,对于同一充电数据集来说,所有单体电池的充电末端降流阶段相同。
在本发明实施例中,如图2所示,点1代表起始时刻,点2代表终止时刻。
S32,计算每个充电数据集中在充电末端降流阶段各单体电池的单体斜率;
其中,Kij为第i个充电数据集中第j个单体电池的单体斜率;V2为第i个充电数据集中第j个单体电池在终止时刻的电压;V1为第i个充电数据集中第j个单体电池在起始时刻的电压;T2为终止时刻,T1为起始时刻。
在本发明实施例中,每个充电数据集中有36个单体电池,因此,在有20个充电数据集中的每个充电数据集中有36个单体斜率。
S33,根据所有充电末端降流阶段的所有单体电池的单体斜率确定离群单体电池,并基于所述离群单体电池得到各个充电末端降流数据集;
根据所有充电末端降流阶段的所有单体电池的单体斜率得到所有充电末端中各个相同单体电池的单体斜率的整体分布图;理论上讲,整体分布图上,所有单体电池的单体斜率变化趋势应该相同,但当从整体分布图中发现某个或少数某些单体电池的单体斜率变化趋势与整体的单体斜率变化不同时,将这某个或少数某些单体电池定义为离散单体电池,并将离散单体电池删除后的单体电池及其单体斜率作为各个充电末端降流数据集,充电末端降流数据集的个数与充电数据集的个数相同,但充电末端降流数据集中单体电池的个数小于等于充电数据集中单体电池的个数。
在本发明实施例中,如图3所示,离群单体有3个,得到的每个充电末端降流数据集中的单体电池剩余33个,那么,每个充电末端降流数据集中有33个单体电池对应的单体斜率。
S34,根据每个充电末端降流数据集中所有单体电池的单体斜率得到对应充电数据集的平均斜率。
每个充电数据集的平均斜率;
在本发明实施例中,有20个充电数据集,那么本步骤得到20个平均斜率。
S4,根据各个充电数据集的平均斜率和对应循环衰减的中间容量得到充电数据集的平均斜率与对应中间容量之间的数学模型;
具体的,根据各个充电数据集的平均斜率和对应循环衰减的中间容量得到电池包循环次数对应的充电数据集的平均斜率与循环次数对应的中间容量之间的关系;
在本发明实施例中,假如第一充电数据集为第一次衰减至第1中间容量后产生的,第二充电数据集为第51次衰减至第51中间容量后产生的,……,那么就根据第一充电数据集的平均斜率与第1中间容量、第二充电数据集的平均斜率与第51中间容量、……建立电池数据集的平均斜率与对应中间容量之间的关系,然后根据所有电池数据集与对应中间容量进行拟合处理与插值处理得到电池数据集的平均斜率与对应中间容量之间的关系。在本发明中,电池数据集的平均斜率与对应中间容量之间的关系具体为线性关系。
通过本发明的上述步骤,能够建立各种类型电池包的电池数据集的平均斜率与对应中间容量之间的关系。
S5,获取待测电池包在设定次数循环衰减后的该设定次数对应的电池包数据,对所述设定次数对应的电池包数据进行处理得到对应的充电数据集的平均斜率,根据设定次数循环衰减对应的充电数据集的平均斜率和所述充电数据集的平均斜率与对应中间容量之间的关系实现对待测电池包容量的估计。
具体的,获取待测电池包在设定次数循环衰减后的多组电池包数据,对待测电池包数据采用步骤S1至S3的分析得到设定次数循环衰减对应的充电数据集的平均斜率,根据所述设定次数循环衰减对应的充电数据集的平均斜率和所述充电数据集的平均斜率与对应中间容量之间的关系实现对待测电池包的容量估计。这样采用S1至S3的方式对待测电池的电池包括数据,有效提高电池数据的准确性和电池容量估计的准确性。
更具体的,当某次循环衰减后对应的一组充电数据集的平均斜率Kr,根据电池数据集的平均斜率与对应中间容量之间的关系得到对应的中间容量为Cr,而此次循环衰减对应的中间容量为电池包初始容量的设定比例为S%,那么可以得到待测电池包的初始容量为Cr/S%。因此,本发明不仅可以对待测电池的初始容量进行估计,还可以对每次循环充分放电后的中间进行估计,即当前充分放电后的电池容量。
装置实施例:
本发明还提供一种基于充电末端降流数据的电池容量估计装置如图4所示,所述装置包括处理器和存储器,所述存储器上存储有可在处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述的电池系统中支路电流均衡的预测方法的步骤。
由于电池系统中支路电流均衡的预测方法的原理和步骤都已在方法实施例中详细介绍,本实施例中不再赘述。
综上所述,本发明通过计算充电末端降流阶段的每个充电数据集的所有单体电池的平均斜率,建立电池包内所有单体电池的平均斜率与容量的关系,从而估计同一类型电池包在不同阶段的容量,节省了大量的人力物力,并具有较高的精度。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于充电末端降流数据的电池容量估计方法,其特征在于,所述方法至少包括以下步骤:
对每种类型电池包进行循环衰减得到多组电池包实验数据;
对各组电池包实验数据进行处理得到多个充电数据集;
根据所有充电数据集进行处理得到各个充电数据集的平均斜率;
根据各个充电数据集的平均斜率和对应循环衰减的中间容量得到充电数据集的平均斜率与对应中间容量之间的关系;
获取待测电池包在设定次数循环衰减后的该设定次数对应的电池包数据,对所述设定次数对应的电池包数据进行处理得到对应的充电数据集的平均斜率,根据设定次数循环衰减对应的充电数据集的平均斜率和所述充电数据集的平均斜率与对应中间容量之间的关系实现对待测电池包容量的估计。
2.根据权利要求1所述的基于充电末端降流数据的电池容量估计方法,其特征在于,对电池包进行循环衰减得到多组电池包实验数据的过程至少包括:
基于电池包的初始容量进行依次满放电和满充电处理使电池包容量衰减至中间容量;
根据一次满充电处理得到一组电池包实验数据;所述电池包实验数据为满充电处理过程时各单体电池在各时刻的电压、电流、温度和电池包容量;
循环多次满放电和满充电处理直至电池包容量衰减至电池包放电截止容量;
经过循环衰减得到多组电池包实验数据;每组电池包实验数据包括各单体电池在各时刻的单体电池实验数据集。
3.根据权利要求2所述的基于充电末端降流数据的电池容量估计方法,其特征在于,每次满充电处理包括:
第一充电阶段,以第一设定电流进行恒流充电;
第二充电阶段,当以第一设定电流进行恒流充电至电池包中单体电池最大电压达到第一设定电压时以第二设定电流进行恒流充电;
第三充电阶段,当以第二设定电流进行恒流充电至电池包中单体电池最大电压达到第二设定电压时以第三设定电流进行恒流充电,当电池包中单体电池最大电压达到第三设定电压后停止充电;
其中,第一设定电流>第二设定电流>第三设定电流;第一设定电压<第二设定电压<第三设定电压。
4.根据权利要求1所述的基于充电末端降流数据的电池容量估计方法,其特征在于,对各组电池包实验数据进行理得到多个充电数据集包括:
对所有组电池包实验数据进行预处理得到多组电池包数据;
对所述多组电池包数据进行筛选处理得到多个充电数据集。
5.根据权利要求4所述的基于充电末端降流数据的电池容量估计方法,其特征在于,对所有组电池包实验数据进行预处理得到多组电池包数据为:
根据异常判断条件对每组电池包实验数据中的各单体电池实验数据集进行判断得到异常判断结果,并根据所述异常判断结果得到多组电池包数据;所述异常判断结果包括正常电池包实验数据和异常电池包实验数据。
6.根据权利要求5所述的基于充电末端降流数据的电池容量估计方法,其特征在于,异常判断条件为:某组电池包实验数据中存在某一时刻的单体电池的电流值与对应充电阶段的恒流电流值的差值大于设定电流阈值。
7.根据权利要求5所述的基于充电末端降流数据的电池容量估计方法,其特征在于,根据异常判断结果得到多组电池数据包括:
当异常判断结果为某组电池包实验数据为正常电池包实验数据时,则维持所述正常电池包实验数据;
当异常判断结果为某组电池包实验数据异常电池包实验数据时,则对所述异常电池包实验数据进行处理得到更新电池包实验数据;
将所述正常电池包实验数据和所述更新电池包实验数据按照时序关系形成多组电池包数据。
8.根据权利要求7所述的基于充电末端降流数据的电池容量估计方法,其特征在于,当异常判断结果为某电池包实验数据为异常电池包数据时,则对所述异常电池包实验数据进行处理得到更新电池包实验数据包括:
对所述异常电池包实验数据中各单体电池实验数据集中异常数据进行统计得到对应单体电池实验数据集中的异常数量;
根据所述异常电池包实验数据中各单体电池实验数据集中的异常数量确定所述异常电池包实验数据的异常处理方式;
根据所述异常电池包实验数据的异常处理方式对所述异常电池包实验数据进行处理得到更新电池包实验数据。
9.根据权利要求8所述的基于充电末端降流数据的电池容量估计方法,其特征在于,根据所有充电数据集得到各个充电数据集的平均斜率包括:
确定每个充电数据集的充电末端降流阶段;
计算每个充电数据集中在充电末端降流阶段各单体电池的单体斜率;
根据所有充电末端降流阶段的所有单体电池的单体斜率确定离群单体电池,并基于所述离群单体电池得到各个充电末端降流数据集;
根据每个充电末端降流数据集中所有单体电池的单体斜率得到对应充电数据集的平均斜率。
10.一种基于充电末端降流数据的电池容量估计装置,其特征在于,所述装置包括处理器和存储器,所述存储器上存储有可在处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现权利要求1-9任一项所述的基于充电末端降流数据的电池容量估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613058.8A CN114994540A (zh) | 2022-05-31 | 2022-05-31 | 基于充电末端降流数据的电池容量估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613058.8A CN114994540A (zh) | 2022-05-31 | 2022-05-31 | 基于充电末端降流数据的电池容量估计方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114994540A true CN114994540A (zh) | 2022-09-02 |
Family
ID=83030902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210613058.8A Pending CN114994540A (zh) | 2022-05-31 | 2022-05-31 | 基于充电末端降流数据的电池容量估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114994540A (zh) |
-
2022
- 2022-05-31 CN CN202210613058.8A patent/CN114994540A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110011374B (zh) | 一种电池充放电电流的控制方法、系统及终端设备 | |
CN111289910B (zh) | 一种梯次电池的分级方法、装置、计算机设备及介质 | |
CN108132441B (zh) | 储能电池模组荷电状态的运行范围确定方法及装置 | |
CN109818396B (zh) | 一种锂离子电池包的充电方法、装置及终端设备 | |
CN116613865B (zh) | 一种电池快充方法、电池储能系统及储能电站 | |
CN115097316A (zh) | 电池参数辨识方法、电池参数辨识装置、介质及电子设备 | |
CN112098875A (zh) | 锂离子电池析锂的检测方法 | |
CN115421050A (zh) | 一种电池健康状态的估计方法、系统、设备及存储介质 | |
CN113743661A (zh) | 锂离子电池在线容量预测的方法、系统、设备及存储介质 | |
CN112272908B (zh) | 充电方法、电子装置以及存储介质 | |
CN114325446A (zh) | 电池组循环寿命的测试方法、装置、电子设备和存储介质 | |
CN113484783A (zh) | 电池soh检测方法、装置、系统、介质及程序产品 | |
CN114994540A (zh) | 基于充电末端降流数据的电池容量估计方法和装置 | |
CN115639480A (zh) | 一种电池健康状态的检测方法及装置 | |
CN115395622A (zh) | 一种电池充电方法、系统、电子设备及存储介质 | |
CN115902653A (zh) | 确定电池老化程度的方法、装置、存储介质与电子设备 | |
CN115343633A (zh) | 一种电芯测试方法、装置及设备 | |
CN115267556A (zh) | 电池寿命衰降分析方法、存储介质及电子设备 | |
CN113466696A (zh) | 一种基于电压曲线变换的电池组单体状态估计方法 | |
CN112740500A (zh) | 充电方法、电子装置以及存储介质 | |
CN116908720B (zh) | 一种电池组一致性状态诊断方法、装置及存储介质 | |
CN115663320B (zh) | 一种串联化成分容检测设备的阶梯式充放电方法及装置 | |
EP4246763A1 (en) | Method and device for combining cell cores, electronic apparatus and storage medium | |
CN115548382B (zh) | 燃料电池堆活化控制方法、装置、燃料电池测试台及介质 | |
CN113884887A (zh) | 电池配组方法、装置、电子设备及计算机可读存储介质 |
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 |