CN115542180A - 电池系统功率估计方法、装置、设备及存储介质 - Google Patents
电池系统功率估计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115542180A CN115542180A CN202211178964.6A CN202211178964A CN115542180A CN 115542180 A CN115542180 A CN 115542180A CN 202211178964 A CN202211178964 A CN 202211178964A CN 115542180 A CN115542180 A CN 115542180A
- Authority
- CN
- China
- Prior art keywords
- target
- power
- voltage
- battery system
- equivalent
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池系统功率估计方法、装置、设备及存储介质,该方法包括:构建目标电池系统的目标电芯的等效电路模型;对等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟脉冲电压;基于虚拟脉冲电流和虚拟脉冲电压,获取目标电芯的等效内阻。根据等效内阻确定目标电池系统的功率。本发明通过构建目标电芯的等效电路模型,然后通过等效电路模型获取目标电芯的等效内阻,再根据等效内阻确定目标电池系统的功率,本发明上述方式通过等效电路模型对目标电芯端电压进行仿真计算,可以实现对目标电芯在任意状态下经过脉冲电流激励后的等效充放电内阻的估计,进而实现对目标电池系统全生命周期内的最大可用功率估计。
Description
技术领域
本发明涉及电池技术领域,尤其涉及一种电池系统功率估计方法、装置、设备及存储介质。
背景技术
锂电池作为一种新型绿色二次电池,近十几年来发展迅猛并受到广泛关注,而在电池的使用过程中,电池功率过大,可能造成电池的损坏或提前老化,功率过小,就使得整个电池系统的效率降低,因而需要对电池系统的最大可用功率进行实时估计。
HPPC(HybridPulse Power Characterization)测试是一种常用的测试方法,其本质是通过一个给定时间内(如10s)的电流脉冲测试电池的电压响应,以获得电池的充电和放电内阻,进而计算电池的充放电脉冲功率。但锂电池在使用过程中会逐步出现老化的情况,电池的容量会逐步减小,内阻也会逐渐增大,直接通过HPPC测试的方法难以对全生命周期的测试点进行穷举,无法准确估计电池全生命周期内的功率,容易造成锂电池的使用不当。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种电池系统功率估计方法、装置、设备及存储介质,旨在解决现有电池系统功率估计方法无法准确估计电池全生命周期内的最大可用功率的技术问题。
为实现上述目的,本发明提供了一种电池系统功率估计方法。所述方法包括以下步骤:
构建目标电池系统的目标电芯的等效电路模型;
对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压;
基于所述虚拟脉冲电流和所述虚拟脉冲电压,获取所述目标电芯的等效内阻;根据所述等效内阻确定所述目标电池系统的功率。
可选地,所述构建目标电池系统的目标电芯的等效电路模型的步骤,包括:
对所述目标电芯进行离线测试,并采集测试过程中的所述目标电芯的目标参数数据;
基于所述目标参数数据,确定等效电路模型,所述等效电路模型包括:预设状态模块和预设元器件;
相应地,所述对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压之前,还包括:
实时采集所述目标电芯的目标参数数据;
基于所述实时目标参数数据,确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据;
基于所述第一状态数据、所述第二状态数据和所述参数数据,对所述等效电路模型进行实时更新。
可选地,所述目标参数包括:电压、电流和/或温度,所述基于所述实时目标参数数据,确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据的步骤,包括:
基于所述实时目标电芯的电压、电流和/或温度数据,通过滤波算法和/或拟合算法确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据。
可选地,所述根据所述等效内阻确定所述目标电池系统的功率的步骤,包括:
获取所述目标电芯的限制参数;
基于所述等效内阻和所述限制参数,确定所述目标电芯功率;
根据所述目标电芯功率确定所述目标电池系统功率。
可选地,所述基于所述等效内阻和所述限制参数,确定所述目标电芯功率的步骤,包括:基于所述等效内阻和所述限制参数,确定与所述限制参数对应的限制功率;
将所述限制功率中的最小功率作为所述目标电芯功率。
可选地,所述等效内阻包括:等效充电内阻和等效放电内阻,所述限制参数包括:上限截止电压和下限截止电压,所述限制功率包括:电压上限功率和电压下限功率,所述基于所述等效内阻和所述限制参数,确定与所述限制参数对应的限制功率的步骤,包括:
当所述限制参数为上限截止电压时,基于所述等效充电内阻和所述上限截止电压确定与所述上限截止电压对应的电压上限功率;
其中,所述电压上限功率计算公式为:
Pchg=Vmax*(Vmax-OCV)/Rchg;
式中,Pchg为电压上限功率,Vmax为上限截止电压,OCV为电压源电压,Rchg为等效充电内阻;
当所述限制参数为下限截止电压时,基于所述等效放电内阻和所述下限截止电压确定与所述下限截止电压对应的电压下限功率;
其中,所述电压下限功率计算公式为:
Pdis=Vmin*(OCV-Vmin)/Rdis;
式中,Pdis为电压下限功率,Vmin为下限截止电压,OCV为电压源电压,Rdis为等效放电内阻。
可选地,所述根据所述目标电芯功率确定所述目标电池系统功率的步骤,包括:
获取所述目标电池系统功率的目标电芯个数;
基于所述目标电芯个数和目标电芯功率,确定所述目标电池系统功率的功率。
此外,为实现上述目的,本发明还提出一种电池系统功率估计装置,所述电池系统功率估计装置包括:
模型构建模块,用于构建目标电池系统的目标电芯的等效电路模型;
脉冲施加模块,用于对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压;
内阻获取模块,用于基于所述虚拟脉冲电流和所述虚拟脉冲电压,获取所述目标电芯的等效内阻;
功率模块,用于根据所述等效内阻确定所述目标电池系统的功率。
此外,为实现上述目的,本发明还提出一种电池系统功率估计设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池系统功率估计程序,所述电池系统功率估计程序配置为实现如上文所述的电池系统功率估计方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有电池系统功率估计程序,所述电池系统功率估计程序被处理器执行时实现如上文所述的电池系统功率估计方法的步骤。
本发明公开了一种电池系统功率估计方法、装置、设备及存储介质,该方法包括:通过构建目标电池系统的目标电芯的等效电路模型;对等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟电压;基于虚拟脉冲电流和虚拟电压,获取目标电芯的等效内阻;根据等效内阻确定目标电池系统的功率。本发明基于构建的目标电芯的等效电路模型对实际的目标电芯的工作过程进行模拟仿真,通过给等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟电压从而确定目标电芯的等效内阻,进而确定电池系统的功率,因此,本发明上述方式通过等效电路模型的方法对目标电芯端电压进行仿真计算,可以实现对目标电芯在任意状态下经过脉冲电流激励后的等效充放电内阻的估计,进而实现对目标电池系统全生命周期内的最大可用功率估计,以保证目标电池系统能以合适的功率运行,提升目标电池系统的使用可靠性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电池系统功率估计设备的结构示意图;
图2为本发明电池系统功率估计方法第一实施例的流程示意图;
图3为本发明电池系统功率估计方法第一实施例中的虚拟充电脉冲电流示意图;
图4为本发明电池系统功率估计方法第一实施例中的虚拟放电脉冲电流示意图;
图5为本发明电池系统功率估计方法第二实施例的流程示意图;
图6为本发明电池系统功率估计方法第二实施例中的目标电芯的等效电路模型示意图;
图7为本发明电池系统功率估计方法第三实施例的流程示意图;
图8为本发明电池系统功率估计装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的电池系统功率估计设备结构示意图。
如图1所示,该电池系统功率估计设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对电池系统功率估计设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电池系统功率估计程序。
在图1所示的电池系统功率估计设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明电池系统功率估计设备中的处理器1001、存储器1005可以设置在电池系统功率估计设备中,所述电池系统功率估计设备通过处理器1001调用存储器1005中存储的电池系统功率估计程序,并执行本发明实施例提供的电池系统功率估计方法。
本发明实施例提供了一种电池系统功率估计方法,参照图2,图2为本发明电池系统功率估计方法第一实施例的流程示意图。
本实施例中,所述电池系统功率估计方法包括以下步骤:
步骤S10:构建目标电池系统的目标电芯的等效电路模型;
需要说明的是,本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算服务设备,例如平板电脑、个人电脑等,还可以是能够实现相同或相似功能的其他电子设备。此处以上述电池系统功率估计设备(简称功率估计设备)对本实施例和下述各实施例提供的电池系统功率估计方法进行具体说明。
可理解的是,目标电池系统即为需要进行功率估计的电池系统,而一个电池系统中含有多个目标电芯,该目标电芯即为需要进行功率估计的目标电芯,通常同一个电池系统中的目标电芯的类型一致,因此本实施例以目标电池系统的目标电芯为参照物,构建目标电芯的等效电路模型来进行功率估计。
需要说明的是,构建的等效电路模型可以有多种类型,其中可包含多种预设状态模块,预设状态模块表征的是电池在工作过程中的特殊状态,本实施例可根据预设状态模块的数据分析目标电芯的工作过程。只要能实现与本实施例类似的电池状态估计和参数估计功能,具体的等效电路结构,本实施例对此不加限制。构建等效电路模型的目的在于能够通过该等效电路模型精确模拟目标电芯在电流激励下其电压的响应。
步骤S20:对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压;
步骤S30:基于所述虚拟脉冲电流和所述虚拟脉冲电压,获取所述目标电芯的等效内阻;
步骤S40:根据所述等效内阻确定所述目标电池系统的功率。
可以理解的是,构建好等效电路模型后,可通过等效电路模型仿真计算目标电芯在脉冲电流工况激励下的电压变化,从而得到等效电阻,进而得到等效功率。上述虚拟脉冲电流包括虚拟充电脉冲电流和虚拟放电脉冲电流。
需要说明的是,上述施加的虚拟脉冲电流可以是一个给定时间和脉冲倍率的电流脉冲,例如给等效电路模型施加一个持续10s的10C充放电脉冲电流,具体的给定持续时间和脉冲倍率,本实施例对此不加以限制,其中,其中,C代表电池的容量,比如2000毫安-小时(mAh)的电池,若以0.5C的电流充电和放电,0.5C对应的限制电流就是1安培,而对于4000mAh的电池,0.5C对应的限制电流就是2安培。为了便于理解,参照图3和图4进行说明,但并不对本方案进行限定。图3为本发明电池系统功率估计方法第一实施例中的虚拟充电脉冲电流示意图,图4为本发明电池系统功率估计方法第一实施例中的虚拟放电脉冲电流示意图。图3中,若给等效电路模型施加一个持续10s的10C充电脉冲电流,假设目标电芯的容量为10安-小时(Ah),则10C电流对应100A,充电为负值,同理,图4中,若给等效电路模型施加一个持续10s的10C放电脉冲电流,假设目标电芯的容量为10安-小时(Ah),则10C电流对应100A,放电为正值。基于施加的虚拟脉冲电流和等效电路模型输出的虚拟脉冲电压的比值,即可得出等效电路模型的等效内阻。
本实施例通过构建目标电池系统的目标电芯的等效电路模型;对等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟电压;基于虚拟脉冲电流和虚拟电压,获取目标电芯的等效内阻;根据等效内阻确定目标电池系统的功率。本实施例基于构建的目标电芯的等效电路模型对实际的目标电芯的工作过程进行模拟仿真,通过给等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟电压从而确定目标电芯的等效内阻,进而确定电池系统的功率,因此,本实施例通过等效电路模型的方法对目标电芯端电压进行仿真计算,可以实现对目标电芯在任意状态下经过脉冲电流激励后的等效充放电内阻的估计,进而实现对目标电池系统全生命周期内的最大可用功率估计,以保证目标电池系统能以合适的功率运行,提升目标电池系统的使用可靠性。
参照图5,图5为本发明电池系统功率估计方法第二实施例的流程示意图,基于上述图2所示的实施例,提出本发明电池系统功率估计方法的第二实施例。
可理解的是,在通过目标电芯的等效电路模型进行仿真前,需要先构建等效电路模型,因此本实施例中,步骤S10包括:
步骤S101:对所述目标电芯进行离线测试,并采集测试过程中的所述目标电芯的目标参数数据;
步骤S102:基于所述目标参数数据,确定等效电路模型,所述等效电路模型包括:预设状态模块和预设元器件;
需要说明的是,上述离线测试是指将目标电芯脱离工作环境进行测试,然后在离线测试过程中采集目标参数数据,所述目标参数可包括:电压、电流和/或温度。采集目标参数数据的过程可以是将目标电芯连接上对应的参数数据的采集仪器进行数据采集,例如,在实际应用中,若需要采集目标电芯的电流数据,可以先断开目标电芯的正负极,然后将目标电芯和电流测试仪相连接,再将电流测试仪开机并校准,然后使目标电芯放电和充电,最后电流测试仪采集放电和充电过程中的数据,即可获得目标电芯的电流数据。
可理解的是,在通过离线测试采集了目标电芯的工作过程中的电压、电流和/或温度数据后,因为目标参数数据与目标电芯内部的预设状态模块和预设元器件的数据通常存在关联性,因此本实施例可以根据采集的目标参数数据来构建等效电路模型的初始模型。
需要说明的是,预设状态模块和预设元器件会根据目标电芯的等效电路模型改变,因此,等效电路模型中包含的具体状态模块和元器件,本实施例对此不加限制。为了便于理解,参照图6进行说明,但并不对本方案进行限定。图6为本发明电池系统功率估计方法第二实施例中的目标电芯的等效电路模型示意图,图中,等效电路模型由电压源模块、RC电路模块、滞回电压状态模块和欧姆内阻R0构成,即本实施例中的预设状态模块包括电压源模块、RC电路模块和滞回电压状态模块,预设元器件包括:欧姆内阻R0和RC电路模块中的电阻R1和电容C,其中,电压源模块的电压对应的是目标电芯的开路电压(Open CircuitVoltage,OCV),该开路电压是指目标电芯在非工作状态下即电路无电流流过时,电池正负极之间的电势差。通过目标电芯的开路电压,可以通过OCV-SOC查表估计此时目标电芯的荷电状态(State of Charge,SOC);欧姆内阻R0可用于表征电池的瞬态响应,该欧姆内阻R0的阻值会随着电池的使用或老化而不断增加;RC电路模块可用于表征目标电芯电压对电流的时间响应,除瞬态响应外,目标电芯的电压在对电流进行响应时还存在非瞬态响应,对应锂离子在电池内部的缓慢扩散过程;滞回电压状态模块所表征的滞回电压状态可以是锂电池的一种特殊电压状态,一般锂电池的充放电OCV曲线并不重合,而是会形成一组首尾相连且中间存在间隙的带状滞回式结构,在充电过程中所获得的OCV-SOC曲线会略高于在放电过程中所获得的OCV-SOC曲线,其中的电压差即为滞回电压。电池OCV的迟滞特性形成主要是由于锂离子电池作为一个多粒子系统,并不能将其视为对电极材料中单一粒子特性的放大,而是电极中众多组成粒子相互制约、相互作用的整体性呈现。所以,在电池的充放电过程中,即便是具有相同嵌锂率的同一电极材料,如果其相位变化路径不同,也会使其在多粒子系统的作用下最终呈现出不同的电极电势与曲线形式。上述状态均为锂电池工作时相对比较重要的状态,因此本实施例可以通过电压源模块、RC电路模块、滞回电压状态模块和欧姆电阻R0组成等效电路模型。
可理解的是,在实际仿真过程中,等效电路模型中的预设状态模块和预设元器件的状态数据和参数数据可以根据实时采集的目标参数数据进行实时更新,以保证等效电路模型能体现出目标电芯在电池老化后或目标电芯的电压、电流和/或温度发生变化时等效内阻的变化。
相应地,步骤S20之前还包括:
步骤S1031:实时采集所述目标电芯的目标参数数据;
步骤S1032:基于所述实时目标参数数据,确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据;
步骤S1033:基于所述第一状态数据、所述第二状态数据和所述参数数据,对所述等效电路模型进行实时更新。
需要说明的是,在构建了等效电路模型的初始模型后,在实际使用过程中,本实施例会实时采集目标参数数据,并通过算法来确定等效电路模型中的预设状态模块的第一状态数据和预设元器件的第二状态数据和参数数据,然后基于实时数据对等效电路模型进行更新。
进一步地,所述基于所述实时目标参数数据,确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据的步骤,包括:
基于所述目标电芯的电压、电流和/或温度数据,通过滤波算法和/或拟合算法确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据。
需要说明的是,由上述内容可知,预设状态模块和预设元器件会根据目标电芯的等效电路模型的不同而改变,根据所采用的等效电路模型的不同,本实施例也可以对等效电路模型中的其他状态和/或元器件进行估计,从而分析目标电芯内部的预设状态模块和预设元器件的数据。
为了便于理解,以图6为例,但不对本方案进行限定。图6中电压源模块的状态数据、滞回电压模块的状态数据、欧姆内阻R0和RC电路模块中电阻R1的阻值以及电容C的容值会随着目标电池系统的温度、电压等目标参数的变化或电池的老化程度而改变,其中,RC电路模块中电阻R1的阻值以及电容C的容值可以随着目标电池系统的温度变化而改变,电芯的容量和欧姆内阻R0的阻值则可以根据电池的老化程度而改变,当电芯的老化程度增加时,电芯的容量会减少,欧姆内阻R0的阻值会变大。因而可以基于采集的实时目标参数数据,通过滤波器类算法(如卡尔曼滤波,均值滤波等)和/或拟合类算法(如递归最小二乘)来拟合实时目标参数数据和图6中各状态模块和元器件的变化,从而获取图6的等效电路模型中电压源模块的状态数据、滞回电压模块的状态数据、欧姆内阻R0和电阻R1的阻值以及电容C的容值的实时数据。本实施例通过对目标电芯进行离线测试,并采集测试过程中的目标电芯的目标参数数据;基于目标参数数据,确定等效电路模型,等效电路模型包括:预设状态模块和预设元器件;相应地,在对等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟脉冲电压之前,实时采集目标电芯的目标参数数据;基于实时目标参数数据,确定预设状态模块的第一状态数据和预设元器件的第二状态数据和参数数据;基于第一状态数据、第二状态数据和参数数据,对等效电路模型进行实时更新。因此,本实施例先基于离线训练时采集的目标参数数据构建一个等效电路模型的初始模型,再基于目标电芯的电压、电流和/或温度等目标参数数据的实时数据,然后在仿真时通过算法对等效电路模型中的预设状态模块和预设元器件的状态和参数进行估计和更新,因而不同于现有的功率估计方法,本实施例不仅避免了实际测量电芯老化程度过程中所需的大量测试,并且能精准确定实际使用的电芯所对应的测试过程中的具体老化阶段,本实施例得出的等效充放电内阻不再是现有测试时所形成的基于温度和SOC的固定值,而是会随着电池老化程度改变和目标电芯的实时目标参数数据变化而不断更新的实时变化值,从而实现了对电池全生命周期内的最大可用功率估计,提升电池系统的使用可靠性。
参照图7,图7为本发明电池系统功率估计方法第三实施例的流程示意图,基于上述图2或6所示的实施例,提出本发明电池系统功率估计方法的第三实施例,图7以基于图2所示的实施例提出的实施例为例。
本实施例中,步骤S40具体包括:
步骤S401:获取所述目标电芯的限制参数;
需要说明的是,上述限制参数可以是用于保护电池正常工作或使电池运行在最佳工作状态的相关参数,可以根据目标电芯在实际应用中的使用标准或使用环境来具体设置。例如,限制参数可以是目标电芯的最大电压限制(即目标电芯的上限截止电压Vmax及下限截止电压Vmin)和/或目标电芯的最大电流限制;限制参数也可以是目标电池系统在不同温度下的限制电流,例如在某温度下不能超0.5C;限制参数还可以是SOC的最大使用区间限制,例如只允许目标电池系统在使用SOC为10%~90%时工作,限制参数的具体内容和数量,本实施例对此不加限制。
步骤S402:基于所述等效内阻和所述限制参数,确定所述目标电芯功率;
需要说明的是,本实施例需要确定的目标电芯功率包括最大充电功率和最大放电功率,并且如上所示,限制参数包含多种情况,因此本实施例可以根据实际情况选定需要考虑的限制参数,然后根据选定的限制参数与等效内阻确定与其对应的限制功率,最后将获得的所有的限制功率中的最小功率作为目标电芯功率,此时的最小功率是指对应的绝对值最小的功率,因为由图3可知,充电脉冲电流为负值,其对应的充电功率也会为负值,因此必须以功率的绝对值来判断大小。其中,等效内阻包括:等效充电内阻和等效放电内阻。
例如,当上述限制参数为上限截止电压时,其对应的限制功率可以是电压上限功率,该电压上限功率计算公式为:
Pchg=Vmax*(Vmax-OCV)/Rchg;
式中,Pchg为电压上限功率,Vmax为上限截止电压,OCV为开路电压,Rchg为等效充电内阻;
当上述限制参数为下限截止电压时,其对应的限制功率可以是电压下限功率,该电压下限功率计算公式为:
Pdis=Vmin*(OCV-Vmin)/Rdis;
式中,Pdis为电压下限功率,Vmin为下限截止电压,OCV为开路电压,Rdis为等效放电内阻。
步骤S403:根据所述目标电芯功率确定所述目标电池系统功率。
需要说明的是,因为目标电池系统中包含多个目标电芯,且目标电芯的类型基本一致,因此在确定所述目标电芯的功率后,再获取目标电池系统功率的目标电芯个数,即可根据目标电芯个数和目标电芯功率确定目标电池系统功率,目标电池系统功率包括:最大可用充电功率和最大可用放电功率。
在具体实现中,若目标电池系统Pack由多个目标电芯串联组成(假设串联数为Ns),且由限制参数最后确定的最小限制功率为电压上限功率和电压下限功率,则目标电池系统功率包括的最大可用充电功率为:
P=Ns*Pchg;
以及最大可用放电功率为:
P=Ns*Pdis。
此外,若存在多个目标电芯先并联再串联的情况,等效认为并联的目标电芯为一个大目标电芯。
本实施例通过获取目标电芯的限制参数;基于等效内阻和限制参数,确定与限制参数对应的限制功率,将所述限制功率中的最小功率作为所述目标电芯功率;获取目标电池系统功率的目标电芯个数,基于目标电芯个数和目标电芯功率,确定目标电池系统功率的功率。本实施例在通过目标电芯的等效电路模型获取目标电芯的状态数据和参数数据对所述目标电池系统最大可用功率进行初步估计后,再根据与实际应用情况相对应的限制参数计算出所有的限制功率,然后从中取绝对值最小的功率作为目标电芯功率,使目标电池系统运行在进一步限制后的功率区间范围内,提高了目标电池系统的安全性和可靠性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有电池系统功率估计程序,所述电池系统功率估计程序被处理器执行时实现如上文所述的电池系统功率估计方法的步骤。
参考图8,图8为本发明电池系统功率估计装置第一实施例的结构框图。
如图8所示,本发明实施例提出的电池系统功率估计装置包括:
模型构建模块801,用于构建目标电池系统的目标电芯的等效电路模型;
脉冲施加模块802,用于对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压;
内阻获取模块803,用于基于所述虚拟脉冲电流和所述虚拟脉冲电压,获取所述目标电芯的等效内阻;
功率模块804,用于根据所述等效内阻确定所述目标电池系统的功率。
本实施例通过构建目标电池系统的目标电芯的等效电路模型;对等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟电压;基于虚拟脉冲电流和虚拟电压,获取目标电芯的等效内阻;根据等效内阻确定目标电池系统的功率。本实施例基于构建的目标电芯的等效电路模型对实际的目标电芯的工作过程进行模拟仿真,通过给等效电路模型施加虚拟脉冲电流,获取等效电路模型对应输出的虚拟电压从而确定目标电芯的等效内阻,进而确定电池系统的功率,因此,本实施例通过等效电路模型的方法对电池端电压进行仿真计算,可以实现对电池在任意状态下经过脉冲电流激励后的等效充放电内阻的估计,进而实现对电池全生命周期内的最大可用功率估计,以保证电池系统能以合适的功率运行,提升电池系统的使用可靠性。
本发明电池系统功率估计装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电池系统功率估计方法,其特征在于,所述方法包括以下步骤:
构建目标电池系统的目标电芯的等效电路模型;
对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压;
基于所述虚拟脉冲电流和所述虚拟脉冲电压,获取所述目标电芯的等效内阻;
根据所述等效内阻确定所述目标电池系统的功率。
2.如权利要求1所述的方法,其特征在于,所述构建目标电池系统的目标电芯的等效电路模型的步骤,包括:
对所述目标电芯进行离线测试,并采集测试过程中的所述目标电芯的目标参数数据;
基于所述目标参数数据,确定等效电路模型,所述等效电路模型包括:预设状态模块和预设元器件;
相应地,所述对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压之前,还包括:
实时采集所述目标电芯的目标参数数据;
基于所述实时目标参数数据,确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据;
基于所述第一状态数据、所述第二状态数据和所述参数数据,对所述等效电路模型进行实时更新。
3.如权利要2所述的方法,其特征在于,所述目标参数包括:电压、电流和温度,所述基于所述实时目标参数数据,确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据的步骤,包括:
基于所述实时目标电芯的电压、电流和/或温度数据,通过滤波算法和/或拟合算法确定所述预设状态模块的第一状态数据和所述预设元器件的第二状态数据和参数数据。
4.如权利要求1所述的方法,其特征在于,所述根据所述等效内阻确定所述目标电池系统的功率的步骤,包括:
获取所述目标电芯的限制参数;
基于所述等效内阻和所述限制参数,确定所述目标电芯功率;
根据所述目标电芯功率确定所述目标电池系统功率。
5.如权利要求4所述的方法,其特征在于,所述基于所述等效内阻和所述限制参数,确定所述目标电芯功率的步骤,包括:
基于所述等效内阻和所述限制参数,确定与所述限制参数对应的限制功率;
将所述限制功率中的最小功率作为所述目标电芯功率。
6.如权利要求5所述的方法,其特征在于,所述等效内阻包括:等效充电内阻和等效放电内阻,所述限制参数包括:上限截止电压和下限截止电压,所述限制功率包括:电压上限功率和电压下限功率,所述基于所述等效内阻和所述限制参数,确定与所述限制参数对应的限制功率的步骤,包括:
当所述限制参数为上限截止电压时,基于所述等效充电内阻和所述上限截止电压确定与所述上限截止电压对应的电压上限功率;
其中,所述电压上限功率计算公式为:
Pchg=Vmax*(Vmax-OCV)/Rchg;
式中,Pchg为电压上限功率,Vmax为上限截止电压,OCV为开路电压,Rchg为等效充电内阻;
当所述限制参数为下限截止电压时,基于所述等效放电内阻和所述下限截止电压确定与所述下限截止电压对应的电压下限功率;
其中,所述电压下限功率计算公式为:
Pdis=Vmin*(OCV-Vmin)/Rdis;
式中,Pdis为电压下限功率,Vmin为下限截止电压,OCV为开路电压,Rdis为等效放电内阻。
7.如权利要求4所述的方法,其特征在于,所述根据所述目标电芯功率确定所述目标电池系统功率的步骤,包括:
获取所述目标电池系统功率的目标电芯个数;
基于所述目标电芯个数和目标电芯功率,确定所述目标电池系统功率的功率。
8.一种电池系统功率估计装置,其特征在于,所述电池系统功率估计装置包括:
模型构建模块,用于构建目标电池系统的目标电芯的等效电路模型;
脉冲施加模块,用于对所述等效电路模型施加虚拟脉冲电流,获取所述等效电路模型对应输出的虚拟脉冲电压;
内阻获取模块,用于基于所述虚拟脉冲电流和所述虚拟脉冲电压,获取所述目标电芯的等效内阻;
功率模块,用于根据所述等效内阻确定所述目标电池系统的功率。
9.一种电池系统功率估计设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池系统功率估计程序,所述电池系统功率估计程序配置为实现如权利要求1至7中任一项所述的电池系统功率估计方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有电池系统功率估计程序,所述电池系统功率估计程序被处理器执行时实现如权利要求1至7任一项所述的电池系统功率估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211178964.6A CN115542180B (zh) | 2022-09-27 | 2022-09-27 | 电池系统功率估计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211178964.6A CN115542180B (zh) | 2022-09-27 | 2022-09-27 | 电池系统功率估计方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115542180A true CN115542180A (zh) | 2022-12-30 |
CN115542180B CN115542180B (zh) | 2023-09-01 |
Family
ID=84730163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211178964.6A Active CN115542180B (zh) | 2022-09-27 | 2022-09-27 | 电池系统功率估计方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115542180B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
CN111856286A (zh) * | 2020-07-14 | 2020-10-30 | 欣旺达电动汽车电池有限公司 | 基于dp-rc模型的电池功率估计方法及装置 |
CN112147515A (zh) * | 2020-09-29 | 2020-12-29 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池系统功率及内阻在线估算方法 |
CN112305426A (zh) * | 2020-10-27 | 2021-02-02 | 上海交通大学 | 一种多约束条件下的锂离子电池功率状态估计系统 |
KR20220081568A (ko) * | 2020-12-09 | 2022-06-16 | 에스케이온 주식회사 | 배터리의 최대 파워 추정 장치 및 방법 |
CN114895205A (zh) * | 2022-04-06 | 2022-08-12 | 一汽解放汽车有限公司 | 电池模型参数的获取方法、装置、计算机设备、存储介质 |
-
2022
- 2022-09-27 CN CN202211178964.6A patent/CN115542180B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
CN111856286A (zh) * | 2020-07-14 | 2020-10-30 | 欣旺达电动汽车电池有限公司 | 基于dp-rc模型的电池功率估计方法及装置 |
CN112147515A (zh) * | 2020-09-29 | 2020-12-29 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池系统功率及内阻在线估算方法 |
CN112305426A (zh) * | 2020-10-27 | 2021-02-02 | 上海交通大学 | 一种多约束条件下的锂离子电池功率状态估计系统 |
KR20220081568A (ko) * | 2020-12-09 | 2022-06-16 | 에스케이온 주식회사 | 배터리의 최대 파워 추정 장치 및 방법 |
CN114895205A (zh) * | 2022-04-06 | 2022-08-12 | 一汽解放汽车有限公司 | 电池模型参数的获取方法、装置、计算机设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
程泽;孙幸勉;程思璐;: "一种锂离子电池荷电状态估计与功率预测方法", 电工技术学报, no. 15, pages 180 - 188 * |
Also Published As
Publication number | Publication date |
---|---|
CN115542180B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109586373B (zh) | 一种电池充电方法和装置 | |
CN110221222B (zh) | 电池安全截止电压预测方法、装置及电池管理系统 | |
US9020798B2 (en) | Real-time capable battery cell simulation | |
EP2762908B1 (en) | Battery cell performance estimation method and battery cell performance estimation apparatus | |
Hua et al. | Finding a better fit for lithium ion batteries: A simple, novel, load dependent, modified equivalent circuit model and parameterization method | |
Huria et al. | Simplified extended kalman filter observer for soc estimation of commercial power-oriented lfp lithium battery cells | |
KR102650965B1 (ko) | 배터리 상태 추정 방법 | |
CN110795851B (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
CN113138340B (zh) | 电池等效电路模型的建立方法、健康状态估算方法及装置 | |
CN104577242B (zh) | 一种电池组管理系统和方法 | |
CN108761341A (zh) | 一种锂离子电池电化学模型参数获取方法 | |
CN107894570B (zh) | 基于Thevenin模型的电池组SOC的估算方法和装置 | |
CN112083336B (zh) | 一种锂离子电池组电化学模型参数获取方法 | |
JP2004264126A (ja) | 二次電池の入出力可能電力推定装置 | |
CN104076293A (zh) | 基于观测器的锂电池soc估算误差的定量分析方法 | |
Knap et al. | Electrical circuit models for performance modeling of lithium-sulfur batteries | |
Santos et al. | Estimation of lithium-ion battery model parameters using experimental data | |
CN115494400B (zh) | 一种基于集成学习的锂电池析锂状态在线监控方法 | |
CN110137584B (zh) | 充电电压阈值确定方法和充电策略确定方法 | |
CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
Skoog | Parameterization of equivalent circuit models for high power lithium-ion batteries in HEV applications | |
CN112733427A (zh) | 锂离子电池的负极电位估算模型建立方法及计算机设备 | |
Pebriyanti | A lithium-ion battery modeling for a HIL-battery simulator | |
Gao et al. | State-of-Charge Estimation of Lithium-ion Battery Based on Capacity Degradation Model Considering the Dynamic Currents and Temperatures | |
CN113484762A (zh) | 电池健康状态估算方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |