CN115616434A - 一种基于退化模型校准的锂电池soc和soh实时估算方法 - Google Patents
一种基于退化模型校准的锂电池soc和soh实时估算方法 Download PDFInfo
- Publication number
- CN115616434A CN115616434A CN202211160208.0A CN202211160208A CN115616434A CN 115616434 A CN115616434 A CN 115616434A CN 202211160208 A CN202211160208 A CN 202211160208A CN 115616434 A CN115616434 A CN 115616434A
- Authority
- CN
- China
- Prior art keywords
- soc
- battery
- value
- calibration
- time
- 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
- 230000015556 catabolic process Effects 0.000 title claims abstract description 79
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 69
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 27
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 27
- 238000013461 design Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000012937 correction Methods 0.000 claims abstract description 29
- 230000009471 action Effects 0.000 claims abstract description 7
- 238000009499 grossing Methods 0.000 claims description 22
- 238000007599 discharging Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 239000000178 monomer Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 abstract description 4
- 230000032683 aging Effects 0.000 description 10
- 238000001914 filtration Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000010354 integration Effects 0.000 description 5
- 230000009977 dual effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 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]
- G01R31/385—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于退化模型校准的锂电池SOC和SOH实时估算方法，具体步骤为：步骤一：基于电池设计容量对在线使用的电池的当前SOC值进行计算；步骤二：根据电池管理系统的执行动作对步骤一计算得到的所述SOC值进行校准；包括当所述电池管理系统执行过压保护时，采用容量退化模型对所述电池设计容量进行标定，将标定后的电池设计容量更新替换为步骤一中的电池设计容量并执行下一轮的SOC值计算；步骤三：利用所述容量退化模型和衰退系数对SOH值进行计算。本发明依据退化模型和放电电流、环境温度的修正系数校准的SOC值，结合电池容量退化模型，进行SOC的估算；避免了复杂的微分积分运算以及矩阵运算，提高了算法的实时性和适用性且保证了SOC估算的精度。
Description
技术领域
本发明涉及电池管理系统技术领域，更具体的说是涉及一种基于退化校准的锂电池SOC和SOH的实时估算方法。
背景技术
随着清洁能源的发展，锂电池在风、光储能、电动汽车等领域中获得了越来越多的应用。为了保证电池安全有效地运行，需要建立一套电池管理系统，实时监测电池的电压、电流、温度等参数，准确估算电池的荷电状态、健康状态等状态信息。电池SOC无法通过传感器直接测量，一般根据电池的外特性，建立模型进行估值计算。因此，SOC的高精度估值算法一直是电池管理系统(BMS)的重点和难点。传统的SOC估值方法包括放电实验法、安时积分法以及开路电压法等方法。放电试验法由于放电时间较长、试验无法中断，而且不能对在线的电池进行实时估算，因此很难应用于处于工作状态的电池组。开路电压法同样需要将电池静置一段时间后测量，通常为其他SOC估算方法提供初始SOC值，而不是作为单独的应用方法。此外，这种估算方法不具有普遍的适用性，不适用某些种类的锂离子电池。安时积分法因其计算过程较为简单而被广泛应用于SOC估计中，但是该算法为开环运算，而且不能准确估计电池初始状态的SOC值，当电流测量不准时会导致累积误差；
近年来出现了新型的SOC算法，主要包括神经网络法、卡尔曼滤波算法和模糊逻辑理论方法等。神经网络法存在大量的系统输入并模拟人脑对样本数据进行训练并输出，但需要大量的数据样本进行训练，且受训练样本以及训练方法的影响较大，而且神经网络模型对于SOC变化的机理解释性差，在应用于SOC估计方面，卡尔曼算法尤其扩展卡尔曼滤波算法(EKF)表现出很强的优越性，该算法对SOC初始值所造成的误差有良好的修正作用，对系统中的噪声干扰信号有很强的抑制作用，对系统中变化频率较高的电流有很强的适应能力，且能够实现系统状态量的实时动态估算。然而，卡尔曼滤波算法在使用过程中需要以模型作为依托，因此在应用于SOC估算的过程中，选择合理的电池模型非常重要，电池模型精度低、动态响应能力差会导致卡尔曼滤波失去最优性甚至会引起滤波发散，而性能较好的复杂电池模型又会增加系统运算量。同时该算法要求系统的模型准确，且状态噪声和量测噪声为不相关的白噪声。为了保证滤波的稳定性，必须选取合适的噪声方差矩阵初值，否则可能会极大的影响滤波精度，甚至导致滤波发散。也就是说卡尔曼滤波算法在建模过程中不具有应对噪声统计变化的自适应能力。模糊逻辑理论法用于估算SOC时，与神经网络法类似，该算法不依赖于电池模型，主要依靠专家制定的规则性推理条件，但存在人工干预较多、精度较低等缺点。
目前国内外汽车厂商、电池厂商及科研机构提出的SOH估计方法大致可以分为几大类。第一类直接测量能够指示电池老化程度的量化指标，比如电池容量和电池内阻。测试电池容量一般将充满电的电池进行恒流放电并测量电流，用安时积分法计算电池容量，测量电阻的方法一般采用混合脉冲功率特性测试方法。这些测试方法简单，但测试需离线，便利性差。第二类将表征电池老化程度的量化指标作为模型参数，对闭环参数通过参数估计的方式，获取其老化状态。常用的方法主要包括基于电池等效电路模型或电化学模型设计对偶观测器，具体的典型方法包括电压曲线拟合法，对偶扩展卡尔曼滤波，对偶无迹卡尔曼滤波以及对偶滑模滤波器等方法。电压曲线拟合法具有运算量小、成本低、易实现等特点，但存在通用性较差的不足。模糊推理方法是首先建立一个动力电池的模糊逻辑模型，在电池的工作过程中采用闭环模糊推理的方法估算电池的SOH，但动力电池的模糊逻辑模型建立需要大量的实验数据，并深入寻找数学规律、训练逻辑，方法复杂，工程很难实现。第三类基于“经验/半经验公式老化模型”的开环测量方法，根据记录的时间以及温度，开环累积计算电池的容量衰减。为了寻找电池老化与环境温度的关系，还需要基于这种模型关系，设计不同温度下的加速老化实验。但这类方法存在的不足就是通用性较差，所建立的估算SOH的模型仅适用于这一型号的锂离子动力电池，换句话说就是，如果车上换了一批新的型号的电池，就要重新建立估算模型。第四类基于循环次数映射模型的方法，首先构建循环次数与老化量化指标之间的函数关系，然后利用参数估计的方法估计得到电池健康程度并预测剩余可用寿命的概率密度分布。该方法需要针对电池的老化过程开展大量试验收集数据；而且针对不同种类的电池需要建立不同的模型。第五类利用数据驱动模型提取老化特征与量化指标之间的映射关系，进而根据数据驱动模型的预测，推理电池的老化程度与剩余寿命，该类方法是模型无关的且无参的，缺点是需要大量的参考数据进行训练，估计误差受训练数据和训练方法的影响很大，而且对于机理的解释性不足。
因此，提供一种基于退化模型校准的锂电池SOC和SOH实时估算方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于退化模型校准的锂电池SOC和SOH实时估算方法，能够依据退化模型和放电电流、环境温度的修正系数校准的SOC值，结合电池容量退化模型，进行SOC的估算，在实时SOC估算值的基础上，结合电池容量退化模型，能够对SOH进行实时估算。解决了现有技术中的放电时间长、不能在线实时估算、人工干预多和精度较低等问题。
为了实现上述目的，本发明采用如下技术方案：
一种基于退化模型校准的锂电池SOC和SOH实时估算方法，具体包括如下步骤：
步骤一：基于电池设计容量对在线使用的电池的当前SOC值进行计算；
步骤二：根据电池管理系统的执行动作对步骤一计算得到的所述SOC值进行校准；包括当所述电池管理系统执行过压保护时，采用容量退化模型对所述电池设计容量进行标定，将标定后的电池设计容量更新替换为步骤一中的电池设计容量并执行下一轮的SOC值计算；
步骤三：利用所述容量退化模型和衰退系数对SOH值进行计算。
优选的，步骤一中对SOC进行计算具体分为：计算电池放电的当前SOC值和计算电池充电的当前SOC值；其中，
所述电池放电的当前SOC值计算如式1所示：
SOC_D(t)＝SOC_D(t-Δt)-βIΔt/(αCapD) 式1
所述电池充电的当前SOC值计算如式2所示：
SOC_C(t)＝SOC_C(t-Δt)+βIΔt/(αCapD) 式2
其中，SOC_D(t)是放电t时刻的SOC值，SOC_D(t-Δt)是放电(t-Δt)时刻的SOC值，SOC_C(t)是充电t时刻的SOC值，SOC_C(t-Δt)是充电(t-Δt)时刻的SOC值，Δt是时间变化量，I是(t-Δt)时刻到t时刻的平均电流，α是修正系数，β是平滑系数，CapD是电池设计容量；所述修正系数α根据放电电流和环境温度进行计算。
优选的，计算所述修正系数α的计算依据为预置的环境和放电速率修正系数表。
优选的，步骤二中所述校准是对安时积分法得到的SOC值进行校准。
优选的，步骤二中所述校准根据当前SOC值以及电池管理系统不同的动作情况，分别对应执行不同的校准方式，包括零位校准，具体为：
所述电池管理系统执行欠压保护时，进行所述零位校准，将当前SOC值校准为0％；未执行欠压保护时，并且当前SOC值低于给定阈值，将当前SOC值校准为所述给定阈值。
优选的，进行所述零位校准时，所述给定阈值为0.1％。
优选的，步骤二中所述校准还包括充满校准，具体为：
电池管理系统执行所述过压保护时，进行所述充满校准，将当前SOC值校准为100％；未执行过压保护时，并且当前SOC值超出预设数值范围，将当前SOC值校准为所述预设数值范围；
优选的，所述预设数值范围为99％。
优选的，完成所述充满校准，并且电池出现过压保护，采用容量退化模型对设计容量进行标定，如式3所示：
CapD＝knCapR 式3
其中，CapD是当前的电池设计容量，kn是与循环次数相关的衰退系数，CapR是电池设计容量初值，所述电池设计容量初值等于新电池的额定容量值；每完成一次循环，当前的电池设计容量都将进行标定；所述循环次数是指电池的充放电次数。
优选的，所述循环次数是指示锂电池寿命的指标，随着循环次数的增加，锂电池的容量发生衰减，CapD降低。
优选的，所述循环次数的计算方法为：电池处于充电状态且单体电压高于充电保护限值，放电起始点计为单次循环开始时间点，放电量累计超过容量阈值后，电池再进行充电，直到单体电压高于充电保护限值，计为单次循环结束时间点；电池最初处于放电状态时，放电量累计未超过容量阈值就需要充电，则该次放电不计为一次循环，后续使用时再按照前述方式计算循环。
优选的，步骤二中所述容量退化模型的建立基于电池的退化机理分析、退化试验开展和试验数据分析工作，所述容量退化模型包括线性退化模型和幂率退化模型。
优选的，根据电池类型、应用的具体情况的不同，所述容量退化模型不同，其形式包括但不限于所述线性退化模型、幂率退化模型等。
优选的，步骤四中利用所述容量退化模型和所述衰退系数对SOH进行计算，如式4所示：
SOH＝CapD/CapR 式4
其中，CapD是电池设计容量；CapR是电池额定容量。
优选的，所述静置校准的标准为预置的SOC-OCV曲线。
优选的，在所述SOC-OCV曲线中根据当前电压和当前环境温度确定SOC参考值，估算的SOC值与参考值偏差超过标准数值范围时，进行所述静置校准；根据当前SOC值和参考值的差值，设置所述平滑系数β进行计算，将所述差值校准到当前SOC值当中；SOC变化的单个步长时间为ts，一个步长时间后的静置校准值如式5所示：
SOC(t+ts)＝SOC(t)-βIts/(αCapD) 式5
其中，α是修正系数，β是平滑系数，I是t时刻到t+ts时刻的平均电流，CapD是电池设计容量；SOC(t+ts)是t+ts时刻的SOC计算值，SOC(t)是SOC在t时刻的计算值；经过n个步长，即nts时间后，校准到当前SOC计算值和所述SOC参考值的差值达到预设范围时，静置校准结束。
优选的，所述静置校准，当电流小于等于5A且持续30分钟以上，在所述SOC-OCV曲线中根据当前电压和温度确定SOC参考值，估算的SOC与参考值偏差超过10％时，进行静置校准；当前的SOC值不会立刻跳变到参考值，而是根据当前SOC和参考值的差值，设置所述平滑系数β进行计算，将差值校准到SOC值当中；所述平滑系数初值为1并且为正数，静置校准时间为1-2分钟；经过n个步长，即nts时间后，将SOC校准到和t时刻的参考值相差到校准精度以内，静置校准结束，如式6所示：
SOC(t+nts)-SOC(t)R≤λ 式6
其中，SOC(t+nts)为(t+nts)时刻的SOC值，SOC(t)R为t时刻的SOC参考值，λ为校准误差阈值。
优选的，所述修正系数目前考虑的因素为放电电流和温度，随着国内外对锂电池机理研究的进展，可能扩展到包含其他因素。
优选的，所述静置校准时间分为放电的静置校准时间和充电的静置校准时间。
优选的，所述放电的静置校准时间如式7所示：
所述充电的静置校准时间，如式8所示：
其中，α是修正系数，β是平滑系数，γ为校准误差预设阈值，CapD是电池设计容量；SOC_D(t)是放电t时刻的SOC值，SOC_D(t)R是放电t时刻的参考值；SOC_C(t)是充电t时刻的SOC值，SOC_C(t)R是充电t时刻的参考值
通过静置校准，将误差超过误差阈值的SOC估算值进行修正，提高放电过程中的估算精度。
经由上述的技术方案可知，本发明公开提供的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，与现有技术中的锂电池SOC和SOH估算方法相比，本发明依据退化模型和放电电流、环境温度的修正系数校准的SOC值，结合电池容量退化模型，进行SOC的估算；SOC的计算避免了复杂的微分积分运算以及矩阵运算等，因此计算速度快，对硬件需求低。它计算快速简单，有效降低对于BMS硬件的需求，提高算法的实时性和适用性，而且通过多种校准和修正方法，保证了SOC估算的精度。在实时SOC估算值的基础上，结合电池容量退化模型，能够对SOH进行实时估算。SOH估算基于电池容量退化模型，反映了循环次数与电池容量间的映射关系，同时，对于退化机理具有解释性。
附图说明
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的SOC计算方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
一种基于退化模型校准的锂电池SOC和SOH实时估算方法，具体包括如下步骤：
步骤一：基于电池设计容量对在线使用的电池的当前SOC值进行计算；
步骤二：根据电池管理系统的执行动作对步骤一计算得到的SOC值进行校准；包括当电池管理系统执行过压保护时，采用容量退化模型对电池设计容量进行标定，将标定后的电池设计容量更新替换为步骤一中的电池设计容量并执行下一轮的SOC值计算；
步骤三：利用容量退化模型和衰退系数对SOH值进行计算。
在一个实施例中，步骤一中对SOC值进行计算具体分为：计算电池放电的当前SOC值和计算电池充电的当前SOC值；其中，
电池放电的当前SOC值计算如式1所示：
SOC_D(t)＝SOC_D(t-Δt)-βIΔt/(αCapD) 式1
电池充电的当前SOC值计算如式2所示：
SOC_C(t)＝SOC_C(t-Δt)+βIΔt/(αCapD) 式2
其中，SOC_D(t)是放电t时刻的SOC值，SOC_D(t-Δt)是放电(t-Δt)时刻的SOC值，SOC_C(t)是充电t时刻的SOC值，SOC_C(t-Δt)是充电(t-Δt)时刻的SOC值，Δt是时间变化量，I是(t-Δt)时刻到t时刻的平均电流，α是修正系数，β是平滑系数，CapD是设计容量；首次计算时，设计容量与新电池的额定容量CapR相等；修正系数α根据放电电流和环境温度进行计算。
在一个实施例中，修正系数目前考虑的因素为放电电流和温度，随着国内外对锂电池机理研究的进展，可能扩展到包含其他因素。
在一个实施例中，步骤二中校准是对安时积分法得到的SOC值进行校准。
在一个实施例中，计算修正系数的计算依据为预置的环境和放电速率修正系数表。
在一个实施例中，校准根据当前SOC值以及电池管理系统不同的动作情况，分别对应执行不同的校准方式，包括零位校准，具体为：
在一个实施例中，电池管理系统执行欠压保护时，进行零位校准，将当前SOC值校准为0％；未执行欠压保护时，并且当前SOC值低于给定阈值，将当前SOC值校准为给定阈值。
在一个实施例中，进行零位校准时，给定阈值为0.1％。
在一个实施例中，步骤二中校准还包括充满校准，具体为：
电池管理系统执行过压保护时，进行充满校准，将当前SOC值校准为100％；未执行过压保护时，并且当前SOC值超出预设数值范围，将当前SOC值校准为预设数值范围；
在一个实施例中，预设数值范围为99％。
在一个实施例中，完成充满校准，并且电池出现过压保护，采用容量退化模型对设计容量进行标定，如式3所示：
CapD＝knCapR 式3
其中，CapD是当前的电池设计容量，kn是与循环次数相关的衰退系数，CapR是电池设计容量初值，电池设计容量初值等于新电池的额定容量值；每完成一次循环，当前的电池设计容量都将进行标定；所述循环次数是指电池的充放电次数。
在一个实施例中，对电池进行充电并放电计为一次循环。
在一个实施例中，循环次数是指示锂电池寿命的指标，随着循环次数的增加，锂电池的容量发生衰减，CapD降低；
在一个实施例中，循环次数的计算方法为：电池处于充电状态且单体电压高于充电保护限值，放电起始点计为单次循环开始时间点，放电量累计超过容量阈值后，电池再进行充电，直到单体电压高于充电保护限值，计为单次循环结束时间点；电池最初处于放电状态时，放电量累计未超过容量阈值就需要充电，则该次放电不计为一次循环，后续使用时再按照前述方式计算循环。
在一个实施例中，容量退化模型的建立基于电池的退化机理分析、退化试验开展和试验数据分析工作，退化模型包括线性退化模型和幂率退化模型。
在一个实施例中，根据电池类型、应用的具体情况的不同，容量退化模型不同，其形式包括但不限于线性退化、幂率退化模型等。
在一个实施例中，利用容量退化模型和衰退系数对SOH进行计算，如式4所示：
SOH＝CapD/CapR 式4
其中，CapD是电池设计容量；CapR是电池额定容量。
在一个实施例中，静置校准的标准为预置的SOC-OCV曲线。
在一个实施例中，在所述SOC-OCV曲线中根据当前电压和当前环境温度确定SOC参考值，估算的SOC值与参考值偏差超过标准数值范围时，进行静置校准；根据当前SOC值和参考值的差值，设置平滑系数β进行计算，将差值校准到当前SOC值当中；SOC变化的单个步长时间为ts，一个步长时间后的静置校准值如式5所示：
SOC(t+ts)＝SOC(t)-βIts/(αCapD) 式5
其中，α是修正系数，β是平滑系数，I是t时刻到t+ts时刻的平均电流，CapD是电池设计容量；SOC(t+ts)是t+ts时刻的SOC计算值，SOC(t)是SOC在t时刻的计算值；经过n个步长，即nts时间后，校准到当前SOC计算值和SOC参考值的差值达到预设范围时，静置校准结束。
在一个实施例中，静置校准，当电流小于等于5A且持续30分钟以上，在SOC-OCV曲线中根据当前电压和温度确定SOC参考值，估算的SOC与参考值偏差超过10％时，进行静置校准；当前的SOC值不会立刻跳变到参考值，而是根据当前SOC和参考值的差值，设置平滑系数β进行计算，将差值校准到SOC值当中；平滑系数初值为1并且为正数，取值设置得越大，校准时间越短，平滑系数按照工程经验取值，校准时间控制在1-2分钟之内，平滑系数一般取值范围为150-500；经过n个步长，即nts时间后，将SOC校准到和t时刻的参考值的差值位于校准误差阈值以内，静置校准结束，如式6所示：
SOC(t+nts)-SOC(t)R≤λ 式6
其中，SOC(t+nts)为(t+nts)时刻的SOC值，SOC(t)R为t时刻的SOC参考值，λ为校准误差阈值。
在一个实施例中，静置校准时间分为放电的静置校准时间和充电的静置校准时间。
在一个实施例中，放电的静置校准时间如式7所示：
充电的静置校准时间，如式8所示：
其中，α是修正系数，β是平滑系数，γ为校准误差预设阈值,CapD是电池设计容量；SOC_D(t)是放电t时刻的SOC值，SOC_D(t)R是放电t时刻的参考值；SOC_C(t)是充电t时刻的SOC值，SOC_C(t)R是充电t时刻的参考值。
通过静置校准，将误差超过误差阈值的SOC估算值进行修正，提高放电过程中的估算精度。
实施例二：
示例电池额定容量为60Ah，电池进行充电，由于电压高于设定阈值，触发充电保护，并进行充满校准，SOC校准为100％，新电池的设计容量进行标定为60Ah。随后采用0.5C放电，即30A放电，环境温度为25℃。
放电15分钟(即0.25h)后，SOC计算如式9所示：
其中，I是0时刻到0.25h时刻的平均电流，修正系数α计算来自环境和放电速率修正系数表1，β是平滑系数，CapD_0是新电池的设计容量。
SOC_D(0.25)是放电0.25h时刻的SOC值，SOC_D(0)是放电0时刻的SOC值。
表1环境和放电速率修正系数
| 温度(℃) | 0.5C放电速率对应修正系数 |
| -20 | 70.6％ |
| -10 | 81.6％ |
| 0 | 90.3％ |
| 10 | 97.2％ |
| 25 | 98.6％ |
| 55 | 106.4％ |
当电池使用过500次循环，并且重新充满电时，由于电压高于设定阈值，触发充电保护，并进行充满校准，SOC校准为100％。设计容量标定计算如式10所示：
CapD_500＝k500CapR＝90％×60＝54 式10
其中，CapD_500是当前使用过500次循环后的电池设计容量，CapR是设计容量初值，k500＝90％是循环500次的衰退系数，采用容量退化模型计算得到；为方便说明，采用模型锂电池容量退化模型的特例，模型为线性退化模型，衰退系数kn与循环次数n的关系如式11所示：
kn＝1-0.0002n 式11
随后采用0.5C放电，即30A放电，环境温度为25℃。
放电15分钟(即0.25h)后，SOC计算如式12所示：
其中，SOC_D(0.25)是放电0.25h的SOC值，SOC_D(0)是放电0时刻的参考值。
采用容量退化模型对SOH进行估计，SOH的计算值如式13所示：
SOH＝CapD_500/CapR＝90％ 式13
其中，CapD_500是当前使用过500次循环后的电池设计容量，CapR是设计容量初值。相比于新电池，放电相同时间后，SOC降低了，符合容量退化的规律。而且SOC和SOH的计算都避免了复杂的微分积分运算以及矩阵运算等，因此计算速度快，对硬件需求低。
电池继续使用一段时间后进行静置，静置电流为1A，温度为25℃，根据温度和电压，利用SOC-OCV曲线得到SOC参考值为55％，但SOC实时估算值为65％，偏差超过10％。因此触发静置校准。设置平滑系数为500，计算校准所需时间nts_d如式14所示：
其中，α是修正系数，β是平滑系数，γ为校准误差阈值，CapD是电池设计容量；SOC_D(t)是放电t时刻的SOC值，SOC_D(t)R是放电t时刻的参考值。
因此校准所需时间为0.01h，即36s。由于步长为1s，因此步数n为36。在校准过程当中，以校准时间过了6s(0.0017h)为例，设校准的开始时间为0，按照式15计算SOC值。
由计算结果可见，过了6s后SOC估算值校准到了63.4％，校准过程内其他时间的SOC值计算都可以按照式15计算。在经过36s后，估算值将校准到55.6％，与SOC参考值相差低于1％。
完成校准后，将平滑系数重置为1，继续使用式1或者式2，进行SOC估算。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于退化模型校准的锂电池SOC和SOH实时估算方法，具体包括如下步骤：
步骤一：基于电池设计容量对在线使用的电池的当前SOC值进行计算；
步骤二：根据电池管理系统的执行动作对步骤一计算得到的所述SOC值进行校准；包括当所述电池管理系统执行过压保护时，采用容量退化模型对所述电池设计容量进行标定，将标定后的电池设计容量更新替换为步骤一中的电池设计容量并执行下一轮的SOC值计算；
步骤三：利用所述容量退化模型和衰退系数对SOH值进行计算。
2.根据权利要求1所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，步骤一中对所述SOC值进行计算具体分为：计算电池放电的当前SOC值和计算电池充电的当前SOC值；其中，
所述电池放电的当前SOC值计算如式1所示：
SOC_D(t)＝SOC_D(t-Δt)-βIΔt/(αCapD) 式1
所述电池充电的当前SOC值计算如式2所示：
SOC_C(t)＝SOC_C(t-Δt)+βIΔt/(αCapD) 式2
其中，SOC_D(t)是放电t时刻的SOC值，SOC_D(t-Δt)是放电(t-Δt)时刻的SOC值，SOC_C(t)是充电t时刻的SOC值，SOC_C(t-Δt)是充电(t-Δt)时刻的SOC值，Δt是时间变化量，I是(t-Δt)时刻到t时刻的平均电流，α是修正系数，β是平滑系数，CapD是电池设计容量；所述修正系数α根据放电电流和环境温度进行计算。
3.根据权利要求1所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，步骤二中所述校准根据当前SOC值以及所述电池管理系统不同的动作情况，分别执行不同的校准方式，包括零位校准，具体为：
所述电池管理系统执行欠压保护时，进行所述零位校准，将当前SOC值校准为0％；未执行欠压保护时，并且当前SOC值低于给定阈值，将当前SOC值校准为所述给定阈值。
4.根据权利要求1所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，步骤二中所述校准还包括充满校准，具体为：
电池管理系统执行所述过压保护时，进行所述充满校准，将当前SOC值校准为100％；未执行过压保护时，并且当前SOC值超出预设数值范围，将当前SOC值校准为所述预设数值范围；
完成所述充满校准，并且电池出现所述过压保护，采用所述容量退化模型对电池设计容量进行标定，如式3所示：
CapD＝knCapR 式3
其中，CapD是当前的电池设计容量，kn是与循环次数相关的衰退系数，CapR是电池设计容量初值，所述电池设计容量初值等于新电池的额定容量值；每完成一次循环操作，当前的电池设计容量都将进行标定；所述循环次数是指电池的充放电次数。
5.根据权利要求1所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，步骤二中所述校准还包括静置校准，具体为：
所述静置校准的标准为预置的SOC-OCV曲线；在所述SOC-OCV曲线中根据当前电压和当前环境温度确定SOC参考值，估算的SOC值与参考值偏差超过标准数值范围时，进行所述静置校准；根据当前SOC值和参考值的差值，设置所述平滑系数β进行计算，将所述差值校准到当前SOC值当中；SOC变化的单个步长时间为ts，一个步长时间后的静置校准值如式5所示：
SOC(t+ts)＝SOC(t)-βIts/(αCapD) 式5
其中，α是修正系数，β是平滑系数，I是t时刻到t+ts时刻的平均电流，CapD是电池设计容量；SOC(t+ts)是t+ts时刻的SOC计算值，SOC(t)是SOC在t时刻的计算值；经过n个步长，即nts时间后，校准到当前SOC计算值和所述SOC参考值的差值达到预设范围时，静置校准结束。
6.根据权利要求4所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，所述循环次数的计算方法为：电池处于充电状态且单体电压高于充电保护限值，放电起始点计为单次循环开始时间点，放电量累计超过容量阈值后，电池再进行充电，直到单体电压高于充电保护限值，计为单次循环结束时间点；电池最初处于放电状态时，放电量累计未超过容量阈值就需要充电，则该次放电不计为一次循环，后续使用时再按照前述方式计算循环。
7.根据权利要求1所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，步骤二中所述容量退化模型的建立基于电池的退化机理分析、退化试验开展和试验数据分析工作，所述容量退化模型包括线性退化模型和幂率退化模型。
8.根据权利要求1所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，步骤三中利用所述容量退化模型和所述衰退系数对SOH进行计算，如式4所示：
SOH＝CapD/CapR 式4
其中，SOH是电池健康状态，CapD是电池设计容量；CapR是电池额定容量。
9.根据权利要求5所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，静置校准时间分为放电的静置校准时间和充电的静置校准时间。
10.根据权利要求9所述的一种基于退化模型校准的锂电池SOC和SOH实时估算方法，其特征在于，
所述放电的静置校准时间如式7所示：
所述充电的静置校准时间，如式8所示：
其中，α是修正系数，β是平滑系数，γ是校准误差预设阈值，CapD是电池设计容量，I是t时刻的电流；SOC(t)是t时刻的SOC值，SOC(t)R是t时刻的参考值；
通过静置校准，将误差超过误差阈值的SOC估算值进行修正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211160208.0A CN115616434A (zh) | 2022-09-22 | 2022-09-22 | 一种基于退化模型校准的锂电池soc和soh实时估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211160208.0A CN115616434A (zh) | 2022-09-22 | 2022-09-22 | 一种基于退化模型校准的锂电池soc和soh实时估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115616434A true CN115616434A (zh) | 2023-01-17 |
Family
ID=84859171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211160208.0A Pending CN115616434A (zh) | 2022-09-22 | 2022-09-22 | 一种基于退化模型校准的锂电池soc和soh实时估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115616434A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699448A (zh) * | 2023-08-09 | 2023-09-05 | 合肥工业大学 | 一种磷酸锂电池平台期soc修正方法、装置和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106443492A (zh) * | 2016-11-30 | 2017-02-22 | 深圳职业技术学院 | 一种低速电动车锂电池soc的估算方法 |
| CN108680867A (zh) * | 2018-05-21 | 2018-10-19 | 合肥工业大学 | 一种基于容量修正的全钒液流电池soc在线校准方法 |
| CN108802625A (zh) * | 2018-06-20 | 2018-11-13 | 国网江苏省电力有限公司电力科学研究院 | 一种二次利用电池的soc自适应修正方法 |
| CN110045291A (zh) * | 2019-04-26 | 2019-07-23 | 上海什弋维新能源科技有限公司 | 一种锂电池容量估计方法 |
| CN111220922A (zh) * | 2020-01-21 | 2020-06-02 | 海马汽车有限公司 | 电池soc估算方法和装置 |
| CN112345942A (zh) * | 2020-11-09 | 2021-02-09 | 阳光三星(合肥)储能电源有限公司 | 一种电池系统及其bms和满充满放soc校准方法 |
-
2022
- 2022-09-22 CN CN202211160208.0A patent/CN115616434A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106443492A (zh) * | 2016-11-30 | 2017-02-22 | 深圳职业技术学院 | 一种低速电动车锂电池soc的估算方法 |
| CN108680867A (zh) * | 2018-05-21 | 2018-10-19 | 合肥工业大学 | 一种基于容量修正的全钒液流电池soc在线校准方法 |
| CN108802625A (zh) * | 2018-06-20 | 2018-11-13 | 国网江苏省电力有限公司电力科学研究院 | 一种二次利用电池的soc自适应修正方法 |
| CN110045291A (zh) * | 2019-04-26 | 2019-07-23 | 上海什弋维新能源科技有限公司 | 一种锂电池容量估计方法 |
| CN111220922A (zh) * | 2020-01-21 | 2020-06-02 | 海马汽车有限公司 | 电池soc估算方法和装置 |
| CN112345942A (zh) * | 2020-11-09 | 2021-02-09 | 阳光三星(合肥)储能电源有限公司 | 一种电池系统及其bms和满充满放soc校准方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699448A (zh) * | 2023-08-09 | 2023-09-05 | 合肥工业大学 | 一种磷酸锂电池平台期soc修正方法、装置和系统 |
| CN116699448B (zh) * | 2023-08-09 | 2023-12-26 | 合肥工业大学 | 一种磷酸锂电池平台期soc修正方法、装置和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108107372B (zh) | 基于soc分区估算的蓄电池健康状况量化方法及系统 | |
| CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
| CN109188293B (zh) | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 | |
| CN108037462B (zh) | 蓄电池健康状况量化方法及系统 | |
| CN111007400A (zh) | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 | |
| CN111722118B (zh) | 一种基于soc-ocv优化曲线的锂离子电池soc估计方法 | |
| CN109725266A (zh) | 一种电池健康状态soh的计算方法及装置 | |
| CN106716158A (zh) | 电池荷电状态估算方法和装置 | |
| CN113156321B (zh) | 一种锂离子电池荷电状态soc的估算方法 | |
| CN103797374A (zh) | 用于电池监控的系统和方法 | |
| CN111220920B (zh) | 基于h∞无迹卡尔曼滤波算法的退役锂离子电池荷电状态计算方法 | |
| CN112989690B (zh) | 一种混合动力汽车锂电池多时间尺度荷电状态估计方法 | |
| CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及系统 | |
| CN111929602A (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
| CN110687462B (zh) | 一种动力电池soc与容量全生命周期联合估计方法 | |
| CN111610447A (zh) | 一种基于开路电压的电池容量估计方法 | |
| CN111216595B (zh) | 基于锂电池等效电路模型的重度混合动力汽车soc校准方法 | |
| CN114114038A (zh) | 一种全寿命全温度下锂电池soc及可用容量联合估计方法 | |
| CN115616434A (zh) | 一种基于退化模型校准的锂电池soc和soh实时估算方法 | |
| CN113296010B (zh) | 一种基于差分电压分析的电池健康状态在线评估方法 | |
| CN114397578A (zh) | 一种锂离子电池剩余电量估计方法 | |
| CN117949851A (zh) | 一种电池状态联合估计方法及系统 | |
| CN113759258A (zh) | 一种动力电池soc估计方法、装置及纯电动汽车 | |
| CN113420444A (zh) | 一种基于参数在线辨识的锂离子电池soc估计方法 | |
| CN117148187A (zh) | 一种基于ocv校准的soh估算方法、系统及电子设备 |
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 |