CN115877248A - 一种基于单粒子模型的soh估算方法和电池健康状态估算系统 - Google Patents
一种基于单粒子模型的soh估算方法和电池健康状态估算系统 Download PDFInfo
- Publication number
- CN115877248A CN115877248A CN202211677189.9A CN202211677189A CN115877248A CN 115877248 A CN115877248 A CN 115877248A CN 202211677189 A CN202211677189 A CN 202211677189A CN 115877248 A CN115877248 A CN 115877248A
- Authority
- CN
- China
- Prior art keywords
- positive
- lithium ion
- battery
- ion concentration
- negative
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 78
- 229910001416 lithium ion Inorganic materials 0.000 claims abstract description 78
- 239000002245 particle Substances 0.000 claims abstract description 63
- 238000007600 charging Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 239000007790 solid phase Substances 0.000 claims description 22
- 150000002500 ions Chemical class 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000000945 filler Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 description 8
- 238000000576 coating method Methods 0.000 description 8
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 238000001453 impedance spectrum Methods 0.000 description 3
- 239000011230 binding agent Substances 0.000 description 2
- 239000006258 conductive agent Substances 0.000 description 2
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 239000013543 active substance Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开了一种基于单粒子模型的SOH估算方法和电池健康状态估算系统,所述电池健康状态包括:获取模块,用于获取电池充电的工作参数;锂离子浓度确定模块,用于根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度;电芯容量确定模块,用于根据当前时刻t的正负极活性粒子内部的平均锂离子浓度计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;分析模块,用于根据Q1和Q2分析确定电池健康状态SOH;电池健康状态SOH输出模块,用于输出电池健康状态。本发明的方法简单,无需做大量的数据采集和分析就可以准确估算电芯SOH的方法。
Description
技术领域
本发明涉及电池技术领域,涉及一种基于单粒子模型的SOH估算方法和电池健康状态估算系统。
背景技术
SOH(State Of Health)是电池的一个重要参数,其表示蓄电池容量、健康度、性能状态,目前锂电池的健康状态SOH计算方法有几种:一、利用容量衰减来计算SOH;二、利用直流内阻谱计算SOH;三、采用电芯出厂之后的总的充放电量计数计算SOH。
CN110058179A公开了一种基于容量衰减的SOH估算方法,该方法包括启动发动机点火信号,开始第k+1次驾驶;接着获取ΔSOH时间衰减、ΔSOH循衰减和存储的SOH存;然后判断能否获得第k次驾驶关闭发动机点火信号后的开路电压OCVk和第k-1次驾驶关闭发动机点火信号后的开路电压OCVk-1,如果不能,则以存储的SOH存计算SOHk+1;如果能够,则以修正后的SOH计算SOHk+1;最后将所述SOHk+1存储为新的SOH存。
但是,采用容量衰减的计算方法,在车辆应用环境下电芯的容量的测量十分困难,而且,由于采用理论计算方法,误差比较大。
CN109143108A公开了一种基于电化学阻抗谱的锂离子电池SOH的估计方法,包括以下步骤:测量锂离子电池的电化学阻抗谱;建立等效电路模型;测量在不同SOC以及不同循环次数下的电化学阻抗谱;利用阻抗谱进行参数辨识;训练神经网络用于SOH的评估。该专利运用电化学阻抗谱进行参数辨识,通过这种方法可以在不用破坏电池内部结构的情况下完成对电池SOH的估计。
但是,由于电池内阻很小,一般是毫欧级别,无法保证精确测量内阻数据,从而导致SOH误差较大。
CNl12946499A公开了一种基于机器学习的锂电池健康状态估算方法,确定电池型号,根据充放电过程的明细数据,拟合V-SOC曲线;建立锂电池等效电路模型;对一个充放电周期内的电压回弹特性曲线的曲线进行参数辨识,得到机器学习模型;开机时进行一次初始化测试操作;对该周期内的电压回弹曲线进行拟合,得到当前电池欧姆电阻和极化电阻,同时测量环境温度、在存储芯片中读取电池充放电循环数据,计算其电池健康状态SOH;以辨识得到的欧姆电阻、极化电阻、极化电容和最大可用容量更新模型参数,运用UKF或EKF算法估算电池荷电状态SOC,在储存芯片中记录SOC值。但是该方法操作复杂。
另外,现有技术中计算SOH的方法一般都需要大量数据分析支撑,需要更高端的BMS芯片支持,不仅导致估算SOH的成本高,而且,在复杂工况下误差过大有可能导致安全问题。
发明内容
针对现有技术中存在的上述问题,本发明的目的在于提供一种基于单粒子模型的SOH估算方法和电池健康状态估算系统。本发明的方法简单,无需做大量的数据采集和分析就可以准确估算电芯SOH的方法,估算出的SOH精度高,解决了现有技术无法高效低成本地测算电池健康状态的问题。并且,本发明的方法为计算SOC,SOP等关键参数提供参考依据,且便于电池模组梯次利用,适用于复杂工况下的电池寿命校验。
为达上述目的,本发明采用以下技术方案:
第一方面,本发明提供一种电池健康状态估算系统,
所述电池健康状态包括:
获取模块,用于获取电池充电的工作参数;
锂离子浓度确定模块,用于根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度;
电芯容量确定模块,用于根据当前时刻t的正负极活性粒子内部的平均锂离子浓度计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;
分析模块,用于根据Q1和Q2分析确定电池健康状态SOH;
电池健康状态SOH输出模块,用于输出电池健康状态。
所述工作参数包括工作电流。
优选地,所述电池充电的方式为恒流充电。
优选地,所述正负极活性粒子内部的平均锂离子浓度记为cs,avg,i(t),其中,i为p或n,p代表正极,n代表负极,t为电池充电时间;所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)包括:正极活性粒子内部的平均锂离子浓度cs,avg,p(t)和负极活性粒子内部的平均锂离子浓度cs,avg,n(t);
cs,avg,i(t)通过下述方法确定:
电池以充电电流I进行恒流充电,按照下述公式计算正负极活性粒子内部的平均锂离子浓度cs,avg,i(t):
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间,I取负值;
cs,0,i为正负极固相初始锂离子浓度,所述正负极固相初始锂离子浓度cs,0,i包括:正极固相初始锂离子浓度cs,0,p和负极固相初始锂离子浓度cs,0,n;
Ri为正负极活性粒子颗粒半径,所述正负极活性粒子颗粒半径Ri包括:正极活性粒子颗粒半径Rp和负极活性粒子颗粒半径Rn;
ji为正负极集流体边界处的反应离子流密度,所述正负极集流体边界处的反应离子流密度ji包括:正极集流体边界处的反应离子流密度jp和负极集流体边界处的反应离子流密度jn;
A为电极板有效面积,F为法拉第常数;
εi为正负极孔隙率,所述正负极孔隙率εi包括:正极孔隙率εp和负极孔隙率εn;
εf,i为正负极填充物质体积分数,所述正负极填充物质体积分数εf,i包括:正极填充物质体积分数εf,p和负极填充物质体积分数εf,n;
li为正负极板厚度,所述正负极板厚度li包括:正极板厚度lp和负极板厚度ln。
本发明中,i为p时,ji=jp,代表正极集流体边界处的反应离子流密度;i为n时,ji=jn,代表负极集流体边界处的反应离子流密度。
本发明中,i为p时,cs,avg,i(t)=cs,avg,p(t),代表正极活性粒子内部的平均锂离子浓度;i为n时,cs,avg,i(t)=cs,avg,n(t),代表负极活性粒子内部的平均锂离子浓度。
需要说明的是,电极板包括集流体和设置于所述集流体表面的活性涂层,活性涂层中包含相应的活性粒子。
示例性说明,正极板包括正极集流体和设置于所述正极集流体表面的正极活性涂层,所述正极活性涂层中包括正极活性粒子、粘结剂和可选的导电剂。又例如,负极板包括负极集流体和设置于所述负极集流体表面的负极活性涂层,所述负极活性涂层中包括负极活性粒子、粘结剂和可选的导电剂。
本发明中,正极孔隙率εp指的是正极活性涂层的孔隙率,负极孔隙率εn指的是负极活性涂层的孔隙率。
单粒子模型是利用单个粒子来代替活性物质中的所有粒子,忽略了电解液浓度、液相扩散过电势和电极化学反应复杂等问题,简化了微分方程,模型简化,简单了计算过程。建立基于单粒子的SOH估算方法,无需做大量的数据采集和分析就可以有效评估电芯的健康状态。
本发明的电池健康状态估算系统中,电池的工作参数可直观测量得到,例如工作参数可以是充电电流I,通过建立单粒子模型就可根据工作参数(例如工作电流)求解出当前活性粒子内平均浓度Cs,avg,i,从而可以求解出当前活性粒子平均浓度系数,并根据此系数可以求解出当前的电池容量,再将此容量到满充之后的容量与电池标称容量得出关系方程,实现对锂电池的SOH估算。
优选地,所述当前时刻t的电芯容量Q1的计算公式为:
Q1=δiQmax
其中,δi为时刻t的正负极锂离子浓度系数,所述正负极锂离子浓度系数δi包括正极锂离子浓度系数δp和负极锂离子浓度系数δn;
Qmax为新电芯时的标称容量;
Cs,max,1为正负极固相最大锂离子浓度,所述正负极固相最大锂离子浓度Cs,max,i包括:正极固相最大锂离子浓度Cs,max,p和负极固相最大锂离子浓度Cs,max,n
所述从当前时刻t到充满期间的充电容量Q2的计算公式为:
优选地,电池健康状态按照下述方法确定:
优选地,所述电池健康状态估算系统还包括数据处理系统,所述数据处理系统用于采集电池健康状态SOH输出模块输出的SOH信息,并计算电池SOC或SOP。
第二方面,本发明提供一种基于单粒子模型的SOH估算方法,所述SOH估算方法采用第一方面所述的估算系统,所述SOH估算方法包括以下步骤:
获取电池充电的工作参数;
根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度cs,avg,i(t);
根据cs,avg,i(t)计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;
根据Q1和Q2分析确定电池健康状态SOH;
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间;
所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)包括:正极活性粒子内部的平均锂离子浓度cs,avg,p(t)和负极活性粒子内部的平均锂离子浓度cs,avg,n(t)。采用如权利要求1-5任一项所述的电芯容量估算方法进行电芯SOC或SOP估算的方法。
现有技术中,通过充电过程中的安时积分来判断电芯总容量与标称容量的区别来反应当前的SOH,这样误差会比较大。
本发明根据固相锂离子浓度来计算充电过程中当前电芯的容量与安时积分的容量,这样可以减小误差。
与已有技术相比,本发明具有如下有益效果:
本发明提供了一种基于单粒子模型的SOH估算方法和电池健康状态估算系统,该方法简单,无需做大量的数据采集和分析就可以准确估算电芯SOH的方法,估算出的SOH精度高,解决了现有技术无法高效低成本地测算电池健康状态的问题。并且,本发明的方法为计算SOC,SOP等关键参数提供参考依据,且便于电池模组梯次利用,适用于复杂工况下的电池寿命校验。
具体实施方式
下面通过具体实施方式来进一步说明本发明的技术方案。
本发明一个实施例方式提供一种电池健康状态估算系统,其特征在于,所述电池健康状态包括:
获取模块,用于获取电池充电的工作参数;
锂离子浓度确定模块,用于根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度cs,avg,i(t);
电芯容量确定模块,用于根据cs,avg,i(t)计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;
分析模块,用于根据Q1和Q2分析确定电池健康状态SOH;
电池健康状态SOH输出模块,用于输出电池健康状态;
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间;
所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)包括:正极活性粒子内部的平均锂离子浓度cs,avg,p(t)和负极活性粒子内部的平均锂离子浓度cs,avg,n(t)。
在一个实施方式中,所述工作参数包括工作电流。
在一个实施方式中,所述电池充电的方式为恒流充电。
在一个实施方式中,所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)通过下述方法确定:
电池以充电电流I进行恒流充电,按照下述公式计算正负极活性粒子内部的平均锂离子浓度cs,avg,i(t):
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间,I取负值;
cs,0,i为正负极固相初始锂离子浓度,所述正负极固相初始锂离子浓度cs,0,i包括:正极固相初始锂离子浓度cs,0,p和负极固相初始锂离子浓度cs,0,n;
Ri为正负极活性粒子颗粒半径,所述正负极活性粒子颗粒半径Ri包括:正极活性粒子颗粒半径Rp和负极活性粒子颗粒半径Rn;
ji为正负极集流体边界处的反应离子流密度,所述正负极集流体边界处的反应离子流密度ji包括:正极集流体边界处的反应离子流密度jp和负极集流体边界处的反应离子流密度jn;
A为电极板有效面积,F为法拉第常数;
εi为正负极孔隙率,所述正负极孔隙率εi包括:正极孔隙率εp和负极孔隙率εn;
εf,i为正负极填充物质体积分数,所述正负极填充物质体积分数εf,i包括:正极填充物质体积分数εf,p和负极填充物质体积分数εf,n;
li为正负极板厚度,所述正负极板厚度li包括:正极板厚度lp和负极板厚度ln。
在一个实施方式中,所述当前时刻t的电芯容量Q1的计算公式为:
Q1=δiQmax
其中,δi为时刻t的正负极锂离子浓度系数,所述正负极锂离子浓度系数δi包括正极锂离子浓度系数δp和负极锂离子浓度系数δn;
Qmax为新电芯时的标称容量;
Cs,max,i为正负极固相最大锂离子浓度,所述正负极固相最大锂离子浓度Cs,max,i包括:正极固相最大锂离子浓度Cs,max,p和负极固相最大锂离子浓度Cs,max,n。
在一个实施方式中,所述从当前时刻t到充满期间的充电容量Q2的计算公式为:
在一个实施方式中,电池健康状态按照下述方法确定:
在一个实施方式中,所述电池健康状态估算系统还包括数据处理系统,所述数据处理系统用于采集电池健康状态SOH输出模块输出的SOH信息,并计算电池SOC或SOP。
本发明另一个实施方式提供一种基于单粒子模型的SOH估算方法,所述SOH估算方法采用上述的估算系统,所述SOH估算方法包括以下步骤:
获取电池充电的工作参数;
根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度cs,avg,i(t);
根据cs,avg,i(t)计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;
根据Q1和Q2分析确定电池健康状态SOH;
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间;
所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)包括:正极活性粒子内部的平均锂离子浓度cs,avg,p(t)和负极活性粒子内部的平均锂离子浓度cs,avg,n(t)。
实施例1
本发明实施例提供了基于单粒子模型的电芯容量估算方法,包括以下步骤:
获取已知参数:
电极板有效面积A为0.14m3;
法拉第常数F为96485C/mol;
正极活性粒子颗粒半径Rp为8e-6m,正极孔隙率εp为0.297,填充物质体积分数εf,p为0.259,正极板厚度lp为183e-6;
当i=p时,cs,0,i为3900mol/m3;
当i=p时,Cs,max,i为22860mol/m3;
负极极活性粒子颗粒半径Rn为12.5e-6m,负极孔隙率εn为0.471,填充物质体积分数εf,n为0.029,负极板厚度ln为100e-6;
当i=n时,cs,0,i为14870mol/m3;
当i=n时,Cs,max,i为26390mol/m3;
(1)电池恒流充电,
根据上述的工作参数I、t以及上述的已知参数,计算正极集流体边界处的反应离子流密度jp和负极集流体边界处的反应离子流密度jn,
(2)根据ji,计算正负极活性粒子内部的平均锂离子浓度cs,avg,i(t);
经计算,当i=p时,cs,avg,i(t);当i=n时,cs,avg,i(t);
(3)根据cs,avg,i(t),计算当前时刻t的锂离子浓度系数δ;
当前时刻t的电芯容量值为Q1,Q1=δQmax,其中,Qmax为新电芯时的标称容量;
(4)计算电芯从时刻t到SOC充满期间的充电容量值Q2;
由上可知,本发明基于单粒子模型估算SOH,方法简单,无需做大量的数据采集和分析就可以准确估算电芯SOH的方法,估算出的SOH精度高,解决了现有技术无法高效低成本地测算电池健康状态的问题。并且,本发明的方法为计算SOC,SOP等关键参数提供参考依据,且便于电池模组梯次利用,适用于复杂工况下的电池寿命校验。
申请人声明,本发明通过上述实施例来说明本发明的详细方法,但本发明并不局限于上述详细方法,即不意味着本发明必须依赖上述详细方法才能实施。所属技术领域的技术人员应该明了,对本发明的任何改进,对本发明产品各原料的等效替换及辅助成分的添加、具体方式的选择等,均落在本发明的保护范围和公开范围之内。
Claims (9)
1.一种电池健康状态估算系统,其特征在于,所述电池健康状态包括:
获取模块,用于获取电池充电的工作参数;
锂离子浓度确定模块,用于根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度;
电芯容量确定模块,用于根据当前时刻t的正负极活性粒子内部的平均锂离子浓度计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;
分析模块,用于根据Q1和Q2分析确定电池健康状态SOH;
电池健康状态SOH输出模块,用于输出电池健康状态。
2.根据权利要求1所述的电池健康状态估算系统,其特征在于,所述工作参数包括工作电流。
3.根据权利要求1或2所述的电池健康状态估算系统,其特征在于,所述电池充电的方式为恒流充电。
4.根据权利要求1-3任一项所述的电池健康状态估算系统,其特征在于,所述正负极活性粒子内部的平均锂离子浓度记为cs,avg,i(t),其中,i为p或n,p代表正极,n代表负极,t为电池充电时间;所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)包括:正极活性粒子内部的平均锂离子浓度cs,avg,p(t)和负极活性粒子内部的平均锂离子浓度cs,avg,n(t);
cs,avg,i(t)通过下述方法确定:
电池以充电电流I进行恒流充电,按照下述公式计算正负极活性粒子内部的平均锂离子浓度cs,avg,i(t):
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间,I取负值;
cs,0,i为正负极固相初始锂离子浓度,所述正负极固相初始锂离子浓度cs,0,i包括:正极固相初始锂离子浓度cs,0,p和负极固相初始锂离子浓度cs,0,n;
Ri为正负极活性粒子颗粒半径,所述正负极活性粒子颗粒半径ci包括:正极活性粒子颗粒半径Rp和负极活性粒子颗粒半径Rn;
ji为正负极集流体边界处的反应离子流密度,所述正负极集流体边界处的反应离子流密度ji包括:正极集流体边界处的反应离子流密度jp和负极集流体边界处的反应离子流密度jn;
A为电极板有效面积,F为法拉第常数;
εi为正负极孔隙率,所述正负极孔隙率εi包括:正极孔隙率εp和负极孔隙率εn;
εf,i为正负极填充物质体积分数,所述正负极填充物质体积分数εf,i包括:正极填充物质体积分数εf,p和负极填充物质体积分数εf,n;
li为正负极板厚度,所述正负极板厚度li包括:正极板厚度lp和负极板厚度ln。
8.根据权利要求1-7任一项所述的电池健康状态估算系统,其特征在于,所述电池健康状态估算系统还包括数据处理系统,所述数据处理系统用于采集电池健康状态SOH输出模块输出的SOH信息,并计算电池SOC或SOP。
9.一种基于单粒子模型的SOH估算方法,其特征在于,所述SOH估算方法采用权利要求1-8任一项所述的估算系统,所述SOH估算方法包括以下步骤:
获取电池充电的工作参数;
根据所述的工作参数计算当前时刻t的正负极活性粒子内部的平均锂离子浓度cs,avg,i(t);
根据cs,avg,i(t)计算当前时刻t的电芯容量Q1以及从当前时刻t到充满期间的充电容量Q2;
根据Q1和Q2分析确定电池健康状态SOH;
其中,i为p或n,p代表正极,n代表负极,t为电池充电时间;
所述正负极活性粒子内部的平均锂离子浓度cs,avg,i(t)包括:正极活性粒子内部的平均锂离子浓度cs,avg,p(t)和负极活性粒子内部的平均锂离子浓度cs,avg,n(t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211677189.9A CN115877248A (zh) | 2022-12-26 | 2022-12-26 | 一种基于单粒子模型的soh估算方法和电池健康状态估算系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211677189.9A CN115877248A (zh) | 2022-12-26 | 2022-12-26 | 一种基于单粒子模型的soh估算方法和电池健康状态估算系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115877248A true CN115877248A (zh) | 2023-03-31 |
Family
ID=85754659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211677189.9A Pending CN115877248A (zh) | 2022-12-26 | 2022-12-26 | 一种基于单粒子模型的soh估算方法和电池健康状态估算系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115877248A (zh) |
-
2022
- 2022-12-26 CN CN202211677189.9A patent/CN115877248A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109143083B (zh) | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 | |
KR101238478B1 (ko) | 배터리 잔존 용량 측정 방법 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN109239602B (zh) | 一种动力电池的欧姆内阻的估算方法 | |
CN105759213A (zh) | 一种测量蓄电池剩余容量soc的方法 | |
CN104950263B (zh) | 汽车动力电池soc的估算方法 | |
Shi et al. | State-of-health estimation for lithium battery in electric vehicles based on improved unscented particle filter | |
CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
CN102203628B (zh) | 确定充电或放电阶段中电池的荷电状态的方法 | |
CN114089191B (zh) | 一种复合锂离子电池健康状况估计方法 | |
CN109975715B (zh) | 一种电动汽车锂离子电池模组剩余电量的获得方法 | |
CN112526352B (zh) | 一种退役锂离子电池的soh估计方法 | |
CN108169687A (zh) | 一种基于云平台的蓄电池soc估算方法 | |
Howey et al. | Impedance measurement for advanced battery management systems | |
Fang et al. | Estimation of lithium-ion battery state of charge for electric vehicles based on dual extended Kalman filter | |
CN105785271A (zh) | 基于放电功率曲线比对法的蓄电池电量检测方法 | |
CN114865117B (zh) | 锂离子电池电极嵌锂量检测方法、装置及电池管理系统 | |
CN112986848A (zh) | 一种估算动力电池soh的方法 | |
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 | |
CN116203428A (zh) | 基于恒压充电解算锂电池等效模型参数的自放电检测方法 | |
CN112526353B (zh) | 一种退役锂离子动力电池soc快速检测方法及装置 | |
CN113176516A (zh) | 容量预测方法、装置、电子设备及存储介质 | |
CN106004481A (zh) | 一种混合动力汽车电池组soh值估算方法 | |
CN112415396A (zh) | 一种检测铅酸蓄电池析气量的方法 | |
CN115877248A (zh) | 一种基于单粒子模型的soh估算方法和电池健康状态估算系统 |
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 |