CN115184830B - 电池衰减估算方法 - Google Patents

电池衰减估算方法 Download PDF

Info

Publication number
CN115184830B
CN115184830B CN202211107641.8A CN202211107641A CN115184830B CN 115184830 B CN115184830 B CN 115184830B CN 202211107641 A CN202211107641 A CN 202211107641A CN 115184830 B CN115184830 B CN 115184830B
Authority
CN
China
Prior art keywords
battery
attenuation
calendar
capacity
temperature
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.)
Active
Application number
CN202211107641.8A
Other languages
English (en)
Other versions
CN115184830A (zh
Inventor
沈作桂
邓广攀
蒋远富
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.)
Chuneng New Energy Co Ltd
Original Assignee
Chuneng New Energy 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 Chuneng New Energy Co Ltd filed Critical Chuneng New Energy Co Ltd
Priority to CN202211107641.8A priority Critical patent/CN115184830B/zh
Publication of CN115184830A publication Critical patent/CN115184830A/zh
Application granted granted Critical
Publication of CN115184830B publication Critical patent/CN115184830B/zh
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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mechanical Engineering (AREA)
  • Operations Research (AREA)
  • Sustainable Development (AREA)
  • Transportation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Sustainable Energy (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)

Abstract

本发明属于电池寿命评估技术领域，并具体公开了一种电池衰减估算方法。在该方法中，包括：获取参数；计算电池所需循环次数以及日历时间；确认对应的循环次数n以及电芯循环容量衰减；电池系统循环容量衰减根据公式
Figure 100004_DEST_PATH_IMAGE001
计算获得；确认日历衰减值Q；根据以上计算所得
Figure 100004_DEST_PATH_IMAGE002
，得到电池系统总体容量衰减如下：
Figure 100004_DEST_PATH_IMAGE003
。本发明中，电芯的日历衰减考虑了温度及SOC修正系数，同时结合电芯实际测试数据，估算更准确；循环衰减考虑了温度，充放电倍率，放电深度的修正系数，估算更准确。

Description

电池衰减估算方法
技术领域
本发明涉及电池寿命评估技术领域，更具体地说，特别涉及一种电池衰减估算方法。
背景技术
商用电池产品（通常是指新能源汽车上使用的动力电池）在项目初期，往往需要根据客户要求，快速评估电池系统容量衰减是否满足客户使用要求。
在现有的电池系统寿命评估方法中，例如专利号为202110874882.4、发明名称为《电池寿命估算方法、装置及新能源汽车》的中国专利，如果要获取准确的寿命衰减参数，需要建立电芯及系统寿命仿真模型，仿真模型的建立需要较多的参数，同时仿真计算周期长，计算难度大，不利于项目前期高效快速评估。
发明内容
综上所述，如何解决现有技术中电池系统寿命评估方法所存在的评估相关参数多，计算周期长，计算难度大等问题，成为了本领域技术人员亟待解决的问题。
为了实现上述目的，本发明提供如下技术方案：
本发明提供了一种电池衰减估算方法，在该电池衰减估算方法中，包括：
获取估算参数，所述估算参数包括：电池的总带电量、车辆能耗、日均行驶里程、日均充电次数、质保年限、质保公里数、质保里程要求的运营时间以及充放电循环时间；
根据所述估算参数计算电池所需循环次数
Figure DEST_PATH_IMAGE001
以及日历时间t1；
设定查询温度以及电池SOH，根据电芯循环衰减曲线确认对应的循环次数n；
设定储存环境温度、充放电循环次数以及循环放电深度，依据电芯循环寿命衰减曲线，确认对应的电芯循环容量衰减m；
电池系统循环容量衰减根据公式
Figure DEST_PATH_IMAGE002
计算获得，其中
Figure DEST_PATH_IMAGE003
分别为储存环境温度、充放电倍率以及放电深度修正系数；
设定查询温度以及存储年限t，在70% SOC状态下根据电芯日历衰减曲线确认日历衰减值Q；
则电池系统在日历时间t1内的日历衰减为
Figure DEST_PATH_IMAGE004
，其中
Figure DEST_PATH_IMAGE005
分别为温度以及存储SOC的修正系数；
根据以上计算所得
Figure DEST_PATH_IMAGE006
，得到电池系统总体容量衰减如下：
Figure DEST_PATH_IMAGE007
。
优选地，在本发明所提供的电池衰减估算方法中，获取电芯最高容量为A1，电芯最低容量为A2，电芯标称容量为A；不一致性导致的容量衰减
Figure DEST_PATH_IMAGE008
为：
Figure DEST_PATH_IMAGE009
；最后根据以上计算所得
Figure DEST_PATH_IMAGE010
，得到电池系统总体容量衰减如下：
Figure DEST_PATH_IMAGE011
。
优选地，在本发明所提供的电池衰减估算方法中，总带电量/车辆能耗=单次平均行驶里程；质保公里数/单次平均行驶里程=电池所需循环次数
Figure 838772DEST_PATH_IMAGE001
。
优选地，在本发明所提供的电池衰减估算方法中，设定质保里程要求的运营时间为t3，质保里程要求的充放电循环时间为t2；则日历时间t1=t3-t2。
优选地，在本发明所提供的电池衰减估算方法中，通过改变单一变量，获取不同温度、不同放电倍率、不同放电深度下电芯的衰减数值，并与基准数值对比得到
Figure 653144DEST_PATH_IMAGE003
。
优选地，在本发明所提供的电池衰减估算方法中，通过改变单一变量，获取不同查询温度、不同存储SOC下电芯的衰减数值，并与基准数值对比得到
Figure 537924DEST_PATH_IMAGE005
。
优选地，在本发明所提供的电池衰减估算方法中，所述的查询温度为电池所处的实际储存环境温度估值。
与现有技术相比，本申请的有益效果如下：
1、电芯的日历衰减考虑了温度及SOC修正系数，同时结合电芯实际测试数据，估算更准确；
2、循环衰减考虑了温度，充放电倍率，放电深度的修正系数，估算更准确；
3、以实验数据为基础，结合客户实际使用工况，计算结果较高；
4、基于现有实验数据，通过简单计算可以得到电池系统衰减数据，估算效率高。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例中所使用的质保估算表格；
图2为电芯循环寿命衰减曲线；
图3为日历寿命预测曲线。
在图2中，纵坐标为电芯当前SOH，计算过程为：保持率=当前电池容量/初始标称容量，用百分比表示。在图2中，其测试条件是100% DOD，即循环测试为满充满放。
在图3所示的日历寿命预测曲线中，其测试条件是在25℃，70% SOC状态下测试的结果，是根据部分测试数据拟合后得到的曲线。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上，本领域的技术人员将清楚，在不脱离本发明的范围或精神的情况下，可在本发明中进行修改和变型。例如，示为或描述
为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。
在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间部件间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
为了更好地理解本发明技术方案，作出如下名词解释：
充放电倍率=充放电电流（A）/额定容量（Ah），具体是指电芯在规定的时间内放出其额定容量时所需要的电流值，它在数据值上等于电芯额定容量的倍数，通常以字母C表示。如电芯的标称额定容量为3500mAh，那么1750mA放电则为0.5C，35A放电则为10C。
充放电时率又称小时率，是指电芯以一定的电流放完其额定容量所需要的小时数。如电芯的额定容量为600mAh，以600mAh的电流放完其额定容量需1小时，故称600mAh的电流为1小时率。
电池SOC即荷电状态，是用来反映电池的剩余容量，其数值上定义为剩余容量占电池总容量的比值，常用百分数表示。
电池SOH表征当前电池相对于新电池存储电能的能力，以百分比的形式表示电池从寿命开始到寿命结束期间所处的状态，用来定量描述当前电池的性能状态。在本申请中，在相同条件下，最大可用容量/电芯初始容量的比值来表征电池SOH。
请参考图1至图3，其中，图1为本发明实施例中所使用的质保估算表格；图2为电芯循环寿命衰减曲线；图3为日历寿命预测曲线。
本发明的目的在于提供一种简易高效的电池系统寿命评估方法。
对于电池电芯而言，其寿命衰减主要分为循环寿命衰减和日历寿命衰减，影响循环寿命的因素包括如下几种：储存环境温度，充放电倍率，放电深度，电芯间温差等。影响日历寿命的因素包括如下几种：存储温度以及存储SOC。
本发明提供了一种电池衰减估算方法，在该电池衰减估算方法中，本发明包括如下步骤。
步骤一、获取估算参数，所述估算参数包括：电池的总带电量、车辆能耗、日均行驶里程、日均充电次数、质保年限、质保公里数、质保里程要求的运营时间以及充放电循环时间。
获取估算参数用于实现公式（下文有具体的计算公式）计算，从而获得电池系统循环容量衰减、电池系统日历衰减以及由于不一致性而导致的容量衰减，从而估算商用电池系统的总体容量衰减。
在上述的估算参数中，电池的总带电量为电池的出厂额定电池电量，其计量单位为kWh；车辆能耗为电池应用在特定型号车辆上时行驶单位长度的耗电量，其计量单位为kWh/km；日均行驶里程为车辆每日的平均行驶里程，其计量单位为km；日均充电次数为每天的充电次数；质保年限、质保公里数、质保里程要求的运营时间以及充放电循环时间，均为厂家或者客户的给定值。
其中，日均行驶里程是由整车企业根据当前市场上车辆运行数据进行统计获得的统计值，用于表征车辆的每天平均行驶里程（此数值为一个统计获得的平均数值）。
日均行驶里程（是一个统计获得的平均数值）与质保年限可以计算一个总里程数（日均行驶里程*365*质保年限），该总里程数与质保公里数比较，取较大值作为最终计算用的质保公里数。
步骤二、根据所述估算参数计算电池所需循环次数
Figure 804957DEST_PATH_IMAGE001
以及日历时间t1。
具体地，电池的总带电量/车辆能耗=单次平均行驶里程；
进一步地，质保公里数/单次平均行驶里程=电池所需循环次数
Figure 3857DEST_PATH_IMAGE001
。该电池所需循环次数
Figure 672736DEST_PATH_IMAGE001
为理论值。
步骤三、设定查询温度以及电池SOH，根据电芯循环衰减曲线确认对应的循环次数n。
查询温度一般设定为25℃，或者25℃以下，例如22℃或者20℃。
电池SOH一般设定为70%，也可以为65%或者60%。在本申请中，70% SOH指的客户要求的剩余可用容量，也就是从电芯循环寿命衰减曲线中的纵坐标要对应的值。
步骤四、设定储存环境温度、充放电循环次数以及循环放电深度，依据电芯循环寿命衰减曲线，确认电芯循环容量衰减m。
储存环境温度以25℃为最优温度，根据南北方差异，储存环境温度可以具有一定幅度，最高可以设定到30℃，最低可以设定到10℃。
循环放电深度一般设定为95%。
充放电循环次数为1C/1C循环n次。
步骤五、设定查询温度以及存储年限t，在100%SOC状态下根据电芯日历衰减曲线确认日历衰减值Q。
步骤六、获取电芯最高容量为A1，电芯最低容量为A2，电芯标称容量为A。
步骤七：通过公式计算。
电池系统循环容量衰减根据公式
Figure 728417DEST_PATH_IMAGE002
计算获得，其中
Figure 482746DEST_PATH_IMAGE003
分别为储存环境温度、充放电倍率以及放电深度修正系数；
电池系统在日历时间t1内的日历衰减为
Figure 219758DEST_PATH_IMAGE004
，其中
Figure 71039DEST_PATH_IMAGE005
分别为温度以及存储SOC的修正系数；
不一致性导致的容量衰减
Figure 500883DEST_PATH_IMAGE008
为：
Figure 742509DEST_PATH_IMAGE009
；
最后根据以上计算所得
Figure 17632DEST_PATH_IMAGE010
，得到电池系统总体容量衰减如下：
Figure 457841DEST_PATH_IMAGE011
。
具体地，设定质保里程要求的运营时间为t3，质保里程要求的充放电循环时间为t2；
则日历时间t1=t3-t2。
具体地，通过改变单一变量，获取不同温度、不同放电倍率、不同放电深度下电芯的衰减数值，并与基准数值对比得到
Figure 793007DEST_PATH_IMAGE003
。
具体地，通过改变单一变量，获取不同查询温度、不同存储SOC下电芯的衰减数值，并与基准数值对比得到
Figure 521929DEST_PATH_IMAGE005
。
需要说明的是：上述的查询温度为电池所处的实际储存环境温度估值。
在本发明所提供的电池衰减估算方法中，电池衰减（电池寿命=100%电池设计容量-总体容量衰减）估算核心步骤如下：
1、获取客户要求作为估算参数，其中至少包括电池的总带电量（kWh）、车辆能耗（kWh/km）、日均行驶里程（km）、日均充电次数、客户所要求的质保年限以及质保公里数；
2、根据总带电量以及车辆能耗计算出单次平均行驶里程；
3、根据单次平均行驶里程及质保公里数，计算得到电池所需循环次数
Figure DEST_PATH_IMAGE012
；
4、根据循环次数及单次循环倍率（如0.3C），计算循环工况时间t2（以年计），其中，t2=1/0.3 h=3.33 h（倍率的倒数即放电小时数）；
5、根据电芯循环衰减曲线（电芯循环衰减曲线是由测试获取的数据而绘制的。即：每次循环记录当前最大放电容量，与初始容量的比值作为纵坐标，循环次数为横坐标，从而绘制循环衰减曲线），查询25℃下，70% SOH对应循环次数n；
6、按照下列公式计算得到质保期内电池系统循环带来的容量衰减；
循环寿命衰减
Figure DEST_PATH_IMAGE013
：依据电芯循环寿命衰减曲线，查询电芯循环容量衰减m。
例如环境25℃（那么设定查询温度就位为25℃），1C/1C循环n次，循环放电深度95%，查询电芯循环容量衰减。则实际使用过程中的电池系统循环容量衰减
Figure 663060DEST_PATH_IMAGE002
。
其中环境温度、充放电倍率、放电深度分别使用修正系数
Figure 161038DEST_PATH_IMAGE003
进行表征，上述的修正系数通过电芯的实验测试数据获取。
Figure 263511DEST_PATH_IMAGE003
的取值范围在0-1之间。
对于上述三个修正系数的说明如下：以环境温度的修正系数为例，如图1所示，分别测试25℃，35℃，45℃温度下1C/1C 、100% DOD条件下的循环曲线。查询该曲线可得，当循环次数为1500次时，在25℃时电池的剩余容量大约为78%，35℃时电池的剩余容量大约为73%。如果在实际使用过程中，该地区全年平均气温为30℃，则
Figure DEST_PATH_IMAGE014
=1-[（78-73）*（30-25）/78*（35-25）]%=96.79%。
具体地，在测试时，通过改变单一变量，获取不同温度、不同放电倍率、不同放电深度下电芯的衰减数值，并与基准数值对比得到
Figure 214149DEST_PATH_IMAGE003
。
Figure DEST_PATH_IMAGE015
为电池系统在规定的使用年限（规定的使用年限与质保年限一样，是根据客户要求设定的。例如客户要求5年的质保年限，就查询曲线得到对应5年的衰减值）内的实际循环使用次数。衰减数值可通过试验计算获得。对于基准数值而言，取电芯最优的循环放电曲线可作为基准数值，例如25℃条件下，1C/1C ，100% DOD充放电，因此
Figure 893392DEST_PATH_IMAGE003
均为＜1的系数（其取值范围大于0且小于1）；
7、按照下列公式计算得到质保期内电池系统的日历寿命衰减；
日历时间t1通过质保里程要求的运营时间t3及充放电循环时间t2计算得到，即
Figure DEST_PATH_IMAGE016
。充放电实际使用时间t2根据车辆日均行驶里程及车辆总电量计算得到。
根据电芯日历衰减曲线，查询25℃，70% SOC状态下，存储若干年限（例如10年）时的日历衰减值；
电芯日历衰减曲线是由电芯生产企业对电芯进行日历衰减测试并绘制成电芯日历衰减曲线。其测试过程大致如下：电芯在特定SOC及温度下存储若干天，记录一次剩余容量后继续存储，每次剩余容量除以初始容量作为衰减曲线纵坐标，例如0.96，横坐标为时间轴，每次测试完剩余容量后，将电池SOC重置到测试条件的SOC状态，并继续存储。
日历寿命衰减
Figure DEST_PATH_IMAGE017
计算如下：
根据阿伦尼乌斯方程
Figure DEST_PATH_IMAGE018
，电池系统日历衰减与日历存储时间t1，存储温度T以及存储SOC密切相关，总体概括为存储时间t越长、存储温度T越高、存储SOC越高，日历衰减越快。
式中：
Figure DEST_PATH_IMAGE019
—日历容量损失，单位%；B—指前因子，也称为阿伦尼乌斯常数；Eacal—活化能，以J/mol表示；t—日历存储时间，单位h；z—无量纲数；R—摩尔气体常数，单位J/mol*K，R=8.314；T—绝对温度，单位K；exp—自然对数的底；SOC—日历存储SOC；α—SOC系数。
假设电芯在25℃，70% SOC状态下存储时间t年后，日历衰减为Q，则电池系统在日历时间t1内的日历衰减为
Figure DEST_PATH_IMAGE020
。其中
Figure 308193DEST_PATH_IMAGE005
分别为温度，存储SOC的修正系数。
本申请中使用到了阿伦尼乌斯方程，其主要作用是为了说明影响日历衰减的主要因素有存储温度以及存储时间（温度越高，SOC越高，日历衰减越快），而在实际计算的时候，还需要结合电芯在特定条件下的测试数据进行估算。
如图2 所示的日历寿命预测曲线（通过前期部分测试数据点，拟合曲线后得出），该曲线测试了同在70% SOC条件下，25℃与35℃的日历衰减数值，查询曲线可知存储3000天时，日历寿命分别为82%，79%。当实际使用过程中，该地区全年平均气温为30℃，则温度对日历寿命的修正系数
Figure DEST_PATH_IMAGE021
=1-[（82-79）*（30-25）/(82*(35-25))]%=98.17%，因此
Figure 313058DEST_PATH_IMAGE005
均为＜1的系数。
8、按照下列公式计算得到质保期内电池系统由于不一致性而导致的容量衰减；
不一致性导致的容量衰减
Figure 750993DEST_PATH_IMAGE008
计算如下：
假设电芯在出厂时，电芯最高容量为A1，电芯最低容量为A2，电芯标称容量为A，则
Figure 171610DEST_PATH_IMAGE009
。
最后根据以上计算所得
Figure 706496DEST_PATH_IMAGE010
，得到电池系统总体容量衰减如下：
Figure DEST_PATH_IMAGE022
。其中，
Figure DEST_PATH_IMAGE023
——循环寿命衰减；
Figure DEST_PATH_IMAGE024
——日历寿命衰减；
Figure DEST_PATH_IMAGE025
——不一致性衰减。
通过上述方案设计：
1、本发明所提供的电池衰减估算方法，关于电芯的日历寿命衰减，考虑了温度及SOC修正系数，同时结合了电芯实际测试数据，估算更准确；
2、本发明所提供的电池衰减估算方法，关于电芯的循环寿命衰减，考虑了温度，充放电倍率以及放电深度的修正系数，估算更准确；
3、以实验数据为基础，结合客户实际使用工况，计算结果可信度较高；
4、基于现有实验数据，通过简单计算既能够计算电池系统衰减数据，估算效率高。
在现有技术中，在对电芯电芯日历寿命进行测试时，通常是在特定条件下进行测试的，但是，电池在实际使用过程中，存储SOC及温度与测试条件存在差异，这样就会与测试存在一定的差异。在本发明中，由于引入了修正系数（温度及SOC修正系数），就是为了减小实际使用条件与测试条件不一致时产生的估算误差。
以上仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种电池衰减估算方法，其特征在于，包括：
获取估算参数，所述估算参数包括：电池的总带电量、车辆能耗、日均行驶里程、日均充电次数、质保年限、质保公里数、质保里程要求的运营时间以及充放电循环时间；
根据所述估算参数计算电池所需循环次数α以及日历时间t1，其中，质保公里数/单次平均行驶里程=电池所需循环次数，设定质保里程要求的运营时间为t3，质保里程要求的充放电循环时间为t2，则日历时间t1=t3-t2；
设定查询温度以及电池SOH，根据电芯循环衰减曲线确认对应的循环次数n；
设定储存环境温度、充放电循环次数以及循环放电深度，依据电芯循环寿命衰减曲线，确认对应的电芯循环容量衰减m；
电池系统循环容量衰减根据公式
Figure 563529DEST_PATH_IMAGE001
计算获得，其中λ1、λ2、λ3分别为储存环境温度、充放电倍率以及放电深度修正系数；
设定查询温度以及存储年限t，在70% SOC状态下根据电芯日历衰减曲线确认日历衰减值Q；
则电池系统在日历时间t1内的日历衰减为
Figure 88051DEST_PATH_IMAGE002
，其中γ1、γ2分别为温度以及存储SOC的修正系数；
根据以上计算所得
Figure 107960DEST_PATH_IMAGE003
，得到电池系统总体容量衰减如下：
Figure 110551DEST_PATH_IMAGE004
。
2.根据权利要求1所述的电池衰减估算方法，其特征在于，
获取电芯最高容量为A1，电芯最低容量为A2，电芯标称容量为A；
不一致性导致的容量衰减
Figure 414362DEST_PATH_IMAGE005
为：
Figure 109785DEST_PATH_IMAGE006
；
最后根据以上计算所得
Figure 616990DEST_PATH_IMAGE007
，得到电池系统总体容量衰减如下：
Figure 423272DEST_PATH_IMAGE008
。
3.根据权利要求1所述的电池衰减估算方法，其特征在于，
总带电量/车辆能耗=单次平均行驶里程。
4.根据权利要求1所述的电池衰减估算方法，其特征在于，
通过改变单一变量，获取不同温度、不同放电倍率、不同放电深度下电芯的衰减数值，并与基准数值对比得到λ1、λ2、λ3。
5.根据权利要求1所述的电池衰减估算方法，其特征在于，
通过改变单一变量，获取不同查询温度、不同存储SOC下电芯的衰减数值，并与基准数值对比得到γ1、γ2。
6.根据权利要求5所述的电池衰减估算方法，其特征在于，
所述的查询温度为电池所处的实际储存环境温度估值。
CN202211107641.8A 2022-09-13 2022-09-13 电池衰减估算方法 Active CN115184830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211107641.8A CN115184830B (zh) 2022-09-13 2022-09-13 电池衰减估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211107641.8A CN115184830B (zh) 2022-09-13 2022-09-13 电池衰减估算方法

Publications (2)

Publication Number Publication Date
CN115184830A CN115184830A (zh) 2022-10-14
CN115184830B true CN115184830B (zh) 2022-12-27

Family

ID=83524354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211107641.8A Active CN115184830B (zh) 2022-09-13 2022-09-13 电池衰减估算方法

Country Status (1)

Country Link
CN (1) CN115184830B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116430233B (zh) * 2023-03-02 2024-01-23 北京理工大学重庆创新中心 一种基于大数据方法的动力电池寿命评价方法及装置
CN116577680A (zh) * 2023-07-13 2023-08-11 无锡大派电子有限公司 一种锂电池析锂检测方法及其装置
CN116699445B (zh) * 2023-08-07 2023-10-20 江苏天合储能有限公司 一种电池储能系统的容量预测方法及其系统
CN116699419A (zh) * 2023-08-08 2023-09-05 西安奇点能源股份有限公司 一种储能设备的soc、soh及rul联合估计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106291372A (zh) * 2016-07-22 2017-01-04 南京工业大学 一种新的锂离子动力电池剩余寿命预测方法
CN110764009A (zh) * 2019-10-31 2020-02-07 重庆长安新能源汽车科技有限公司 一种电动汽车的电池组循环容量及健康状态的估算方法
CN110901470A (zh) * 2019-11-29 2020-03-24 安徽江淮汽车集团股份有限公司 电动汽车电池寿命预测方法、装置、设备及存储介质
WO2021044134A1 (en) * 2019-09-02 2021-03-11 Siemens Plc Method and system for predicting battery degradation
CN112731164A (zh) * 2020-12-21 2021-04-30 惠州亿纬锂能股份有限公司 一种电池寿命评估方法
CN112986828A (zh) * 2021-04-12 2021-06-18 上海电享信息科技有限公司 预估电池健康度的方法
CN113687235A (zh) * 2021-08-03 2021-11-23 天津市捷威动力工业有限公司 一种动力电池半经验日历寿命预测评估方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10931128B2 (en) * 2017-04-28 2021-02-23 Samsung Electronics Co., Ltd. Method and apparatus to predict capacity fade rate of battery
US11691518B2 (en) * 2017-07-21 2023-07-04 Quantumscape Battery, Inc. Predictive model for estimating battery states

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106291372A (zh) * 2016-07-22 2017-01-04 南京工业大学 一种新的锂离子动力电池剩余寿命预测方法
WO2021044134A1 (en) * 2019-09-02 2021-03-11 Siemens Plc Method and system for predicting battery degradation
CN110764009A (zh) * 2019-10-31 2020-02-07 重庆长安新能源汽车科技有限公司 一种电动汽车的电池组循环容量及健康状态的估算方法
CN110901470A (zh) * 2019-11-29 2020-03-24 安徽江淮汽车集团股份有限公司 电动汽车电池寿命预测方法、装置、设备及存储介质
CN112731164A (zh) * 2020-12-21 2021-04-30 惠州亿纬锂能股份有限公司 一种电池寿命评估方法
CN112986828A (zh) * 2021-04-12 2021-06-18 上海电享信息科技有限公司 预估电池健康度的方法
CN113687235A (zh) * 2021-08-03 2021-11-23 天津市捷威动力工业有限公司 一种动力电池半经验日历寿命预测评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Combined State of Charge and State of Health estimation over lithium-ion battery cell cycle lifespan for electric vehicles;Yuan Zou,et al;《Journal of Power Sources》;20151231;全文 *
基于Arrhenius方程下EV用磷酸铁锂电池寿命预测;卜少华等;《佳木斯大学学报（自然科学版）》;20210331;全文 *
锂离子电池的老化特性分析;丁黎等;《电源技术研究与设计》;20191231;全文 *

Also Published As

Publication number Publication date
CN115184830A (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN115184830B (zh) 电池衰减估算方法
CN107991623B (zh) 一种考虑温度和老化程度的电池安时积分soc估计方法
CN111929596B (zh) 获取电池容量的方法、装置、存储介质和电子设备
CN111216593B (zh) 一种新能源车辆、供电控制方法及存储介质
EP3734309B1 (en) Method and device for determining available capacity of battery, management system, and storage medium
CN103424710A (zh) 用于监测电池组中的老化单体的性能变化的方法和系统
CN108802625B (zh) 一种二次利用电池的soc自适应修正方法
CN113219351B (zh) 动力电池的监控方法及装置
WO2021258657A1 (zh) 一种电池健康状态获取方法及装置、存储介质
CN107942261B (zh) 电池荷电状态的估计方法及系统
CN113687235A (zh) 一种动力电池半经验日历寿命预测评估方法
CN111308163B (zh) 一种锂离子动力电池脉冲放电最大电流的确定方法
CN112485695A (zh) 动力电池的检测方法及装置
CN115079026A (zh) 一种适用于高压储能系统的soc自动标定方法及装置
CN113125978B (zh) 一种电动自行车用锂电池soc测量方法
CN115291131A (zh) 锂离子电池的循环寿命和使用温度预测方法及系统
CN112397798B (zh) 一种动力电池管理系统及匹配方法
KR20230149792A (ko) 충전소 제어서버 및 전기차 배터리의 노후도 추정 방법
CN113176516A (zh) 容量预测方法、装置、电子设备及存储介质
CN116413608A (zh) 锂离子电池荷电状态和健康状态联合估计方法
CN112924869A (zh) 一种确定电池包健康状态的方法和装置
CN117347892A (zh) 基于全生命老化模型的soc估算方法
CN115972978A (zh) 基于电池容量一致性分析的电池均衡方法
CN116908688A (zh) 一种储能磷酸铁锂电池soh估算方法
CN114954128A (zh) 在线调整充电策略的方法、装置、介质、bms系统及车辆

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