CN115902652A - 评估电化学电池状态的方法及装置、车辆和存储介质 - Google Patents
评估电化学电池状态的方法及装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN115902652A CN115902652A CN202110926436.3A CN202110926436A CN115902652A CN 115902652 A CN115902652 A CN 115902652A CN 202110926436 A CN202110926436 A CN 202110926436A CN 115902652 A CN115902652 A CN 115902652A
- Authority
- CN
- China
- Prior art keywords
- electrochemical cell
- time constant
- state
- preset
- distribution 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 131
- 238000001453 impedance spectrum Methods 0.000 claims abstract description 92
- 238000013499 data model Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000036541 health Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 33
- 230000008859 change Effects 0.000 description 13
- 208000028659 discharge Diseases 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000007599 discharging Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 229910001416 lithium ion Inorganic materials 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000032953 Device battery issue Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001566 impedance spectroscopy Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Secondary Cells (AREA)
Abstract
本发明提出一种评估电化学电池状态的方法及装置、车辆和存储介质，包括：获取电化学电池在预设充电频率下的第一阻抗谱数据；根据径向基函数对第一阻抗谱数据进行去卷积处理，确定第一时间常数阻抗分布数据；比较第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果；根据比较结果对电化学电池的状态进行评估。本发明通过对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，将其与预设的标准时间常数阻抗分布数据模型进行比较，根据比较结果对电化学电池的总体状态进行动态精准评估，实现对电化学电池状态的实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
Description
技术领域
本发明涉及车辆技术领域，尤其是涉及一种评估电化学电池状态的方法及装置、车辆和存储介质。
背景技术
锂离子电池目前新能源汽车领域应用最为广泛的储能装置，SOC(State ofCharge，荷电状态)是电动汽车电池管理系统中需要动态检测的一个重要参数，因此，准确且快速的监测SOC对于精确预测续航里程具有重要意义。其中，一种估算SOC最简单的算法是安时积分法，其通过积分充入或放出的总电荷量来估计当前电池的状态。另一种估算SOC算法通过建立基于模型的算法，例如通过收集大量实验数据后通过各种神经网络算法来在电压电流数据与SOC之间建立联系来估测电池所处状态。
然而，不管是上述提到的安时积分法还是通过建立基于模型的算法都存在一个严重的问题，就是其严重依赖于从单体电池或者电池包上的传感器收集到的电压与电流信号，以及先前通过统计学方法获得的先置实验模型，从而导致电压信号与电流信号并不总能实时表现出电池内部所发生的变化。例如三元材料和磷酸铁锂材料为正极的锂电池在衰减过程中，其各SOC状态下电压响应信号差异较小，目前系统仅可在电池单体或者电池包的电压发生严重电压信号变化的情况下如内短路时，例如单体电池电压变为0-2V，探测到电池已经失效。且，通过安时积分法或类似仅探测静态电压电流曲线的方法受限于这种机制，难以在电池失效前发出预警，仅能在电池即将失效或者已经失效时才能发出预警保护电池包，而这时电池往往已经彻底失效并大量放热，造成电池包的严重安全隐患。同时由于其依赖于预先设置的衰减模型，其难以预测意外的电池失效例如由于产线生产电池时粉尘造成的循环过程中微短路现象，或严重的电极液损失现象。而这些现象在初期并不会影响全电池电压，仅在后期造成全电池显著的容量衰减和电压变化，且这些严重危害电动车安全的现象在现有评估体系中难以被算法精确判断。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此，本发明的一个目的在于提出一种评估电化学电池状态的方法，该方法通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行动态精准评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
为此，本发明的第二个目的在于提出一种评估电化学电池状态的装置。
为此，本发明的第三个目的在于提出一种车辆。
为此，本发明的第四个目的在于提出一种计算机可读存储介质。
为了达到上述目的，本发明的第一方面的实施例提出了一种评估电化学电池状态的方法，该方法包括：获取电化学电池在预设充电频率下的第一阻抗谱数据；根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据；比较所述第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果；根据所述比较结果对所述电化学电池的总体状态进行评估。
根据本发明实施例的评估电化学电池状态的方法，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行动态精准评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
在一些实施例中，获取电化学电池在预设充电频率下的第一阻抗谱数据之前，还包括：预先获取大量所述电化学电池在充电或放电周期中的充放电数据，得到第二阻抗谱数据；根据所述径向基函数对所述第二阻抗谱数据进行去卷积处理，以确定所述预设的标准时间常数阻抗谱分布数据模型，其中，所述预设的标准时间常数阻抗谱分布数据模型至少包括：标准特征频率、标准特征峰面积及标准特征峰斜率。
在一些实施例中，所述第一时间常数阻抗分布数据包括第一特征频率和第一特征峰面积，所述比较所述时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果，包括：确定所述第一特征频率和所述标准特征频率的比值，得到第一比较结果，和/或，确定所述第一特征峰面积和所述标准特征峰面积的比值，得到第二比较结果，和/或，根据所述第一时间常数阻抗分布数据的波峰高度与预设的时间常数阻抗分布数据的波峰高度及与所述第一时间常数阻抗分布数据对应的循环圈数的比值，得到第三比较结果。
在一些实施例中，所述根据所述比较结果对所述电化学电池的总体状态进行评估，包括：将所述第一比较结果、所述第二比较结果及所述第三比较结果中的至少一个输入到预设的电池状态查询模型中，得到所述电化学电池的SOC值和SOH(State of Health，健康状态)值，其中，所述电池状态查询模型为预先训练得到；根据所述SOC值和SOH值对所述电化学电池的总体状态进行评估。
在一些实施例中，评估电化学电池状态的方法还包括：根据所述SOC值和SOH值的评估结果，对所述电化学电池的充放电电流和/或充放电电芯数量进行控制和/或对所述电化学电池的总体状态进行重新评估。
在一些实施例中，评估电化学电池状态的方法还包括：当所述第一比较结果小于或等于第一预设频率阈值，或者所述第一比较结果大于第二预设频率阈值，或者，所述第二比较结果大于或者等于预设的特征峰面积阈值，或者，所述第三比较结果大于所述标准特征峰斜率的预设倍数，或者，当所述SOC值低于设定电量阈值和/或SOH值低于设定健康值时，发出预警提示。
在一些实施例中，所述根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据，包括：确定与预测函数的输入频率对应的第一实部电阻值和第一虚部电阻值；将所述第一阻抗谱数据中的输入频率输入至所述预测函数，以得到第二实部电阻值和第二虚部电阻值；计算所述第一实部电阻值和所述第二实部电阻值的第一差值，以及所述第一虚部电阻值和所述第二虚部电阻值的第二差值；在所述第一差值小于或等于第一预设阈值，且所述第二差值小于或等于第二预设阈值时，输出所述第一时间常数阻抗分布数据。
在一些实施例中，评估电化学电池状态的方法还包括：在所述第一差值大于所述第一预设阈值和/或所述第二差值大于所述第二预设阈值时，调整径向基函数的初始参数组，直至所述第一差值小于或等于第一预设阈值，且所述第二差值小于或等于第二预设阈值。
为实现上述目的，本发明第二方面的实施例提出了一种评估电化学电池状态的装置，该装置包括：获取模块，用于获取电化学电池在预设充电频率下的第一阻抗谱数据；确定模块，用于根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据；比较模块，用于比较所述第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果，其中，所述比较结果包括第一比较结果、第二比较结果和第三比较结果；控制模块，用于根据所述比较结果对所述电化学电池的总体状态进行评估。
根据本发明实施例的评估电化学电池状态的装置，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行动态精准评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
为实现上述目的，本发明第三方面的实施例提出了一种车辆，该车辆包括：如上述实施例所述的评估电化学电池状态的装置；或者处理器、存储器和存储在所述存储器上并可在所述处理器上运行的评估电化学电池状态的程序，所述评估电化学电池状态的程序被所述处理器执行时实现如上述实施例所述的评估电化学电池状态的方法。
根据本发明实施例的车辆，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行动态精准评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
为实现上述目的，本发明第四方面的实施例提出了一种非临时性计算机可读存储介质，所述计算机可读存储介质上存储有评估电化学电池状态的程序，所述评估电化学电池状态的程序被处理器执行时实现如上述实施例所述的评估电化学电池状态的方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明一个实施例的评估电化学电池状态的方法在具体应用场景中所涉及的硬件结构示意图；
图2是根据本发明一个实施例的评估电化学电池状态的方法的流程图；
图3是根据本发明一个实施例的确定预设的标准时间常数阻抗谱分布数据模型方法的流程图；
图4是根据本发明一个实施例的预设的标准时间常数阻抗谱分布数据模型的示意图；
图5是根据本发明一个实施例的第一时间常数阻抗分布数据的示意图；
图6是根据本发明一个实施例的界面调试的示意图；
图7是根据本发明一个实施例的对第一阻抗谱数据去卷积的方法的流程图；
图8是根据本发明一个实施例的评估电化学电池状态的装置的框图。
具体实施方式
下面详细描述本发明的实施例，参考附图描述的实施例是示例性的，下面详细描述本发明的实施例。
在实施例中，如图1所示，为本发明一个实施例的评估电化学电池状态的方法在具体应用场景中所涉及的硬件结构示意图。由图1可知，在具体应用场景中，该评估电化学电池状态的方法所涉及的硬件可包括：多个电芯、频域传感器、BMS(BATTERY MANAGEMENTSYSTEM，电池管理系统)、CPU(central processing unit，中央处理器)和/或MPU(Microprocessor Unit，微处理器)及IGBT(Insulated Gate Bipolar Transistor，绝缘栅双极型晶体管)，在进行电化学电池状态评估时，频域传感器会可采集不同频率下电芯的电压或者电流信号，CPU或者MPU等具有频率分析的器件会传输该信号，或者，将该信号直接存储至中间存储器内，对于测得的频率信号，车载分析系统会对该信号进行去卷积处理，实现信号从频率域到时间域的转换，并将该信号与预先内置的时间常数分布范围进行比较，并输出相应的结果，从而，实现对电化学电池，例如锂离子电池的状态的评估。由此，定量预测电化学电池所处的寿命周期和荷电状态，从而实现对电化学电池的精准监测，利于在电化学电池出现偶发的电池衰减之前，进行早期预警，避免电化学电池的失效和电池包的热失控，从而提高使用安全性。
以下对本发明实施例的评估电化学电池状态的方法进行说明。
下面结合图2-图7描述根据本发明实施例的评估电化学电池状态的方法，如图2所示，本发明实施例的评估电化学电池状态的方法至少包括步骤S1-步骤S4。
步骤S1，获取电化学电池在预设充电频率下的第一阻抗谱数据。
在实施例中，电化学电池例如锂离子电池，在锂离子电池的电池包或者电芯或者BMS系统内具有施加频率扰动信号的元件，通过将金属导体连接到电芯或电池包上的正负极引出位置，对电芯或者电池包或者由电芯组成的模组，施加具有一定频率的电压或者电流信号，即对电化学电池施加一定预设充电频率，并等待一段时间，在一定时间周期后，收集与一定频率下相应的电压或者电流信号。其中，第一阻抗谱数据即为一定频率下相应的电压或者电流信号。获取第一阻抗谱数据后，将该数据传输至内部进行存储，以为评估电化学电池状态提供数据支持。
步骤S2，根据径向基函数对第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据。
在实施例中，CPU或者MCU从存储器中读取第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行时间常数空间上的去卷积处理，以将数据从频率域转换到时间域上，从而，确定第一时间常数阻抗分布数据。通过对第一阻抗谱进行去卷积处理，得到时域上的时间常数分布阻抗，便于对电化学电池的阻抗进行分析。其中，径向基函数具有收敛精度高，收敛速度快，算力要求小等特点，径向基函数在实数空间上都具有定义，无需对原有状态函数进行离散，其积分在整个实数域上均成立。
步骤S3，比较第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果。
在实施例中，预设的标准时间常数阻抗分布数据模型为预先建立的电化学电池的模型体系。确定第一时间常数分布阻抗数据后，会根据标准时间常数阻抗分布数据模型将该阻抗谱数据分解为正极响应和负极响应，并比较该正极响应与负极响应是否在预设范围内，并输出相应的比较结果，该比较结果可以包括第一比较结果、第二比较结果和第三比较结果中的一个或者多个，以便根据上述比较结果对电池的状态进行评估。
步骤S4，根据比较结果对电化学电池的状态进行评估。
在实施例中，电化学电池的状态，即电化学电池的性能可以通过其SOC和SOH进行表示，根据比较结果对电化学电池的SOC和SOH进行评估，可以实现对电化学电池动态监测，并且对于偶发的电池衰减，可以在偶发衰减发生的早期就提出预警，避免电池的失效和电池包的热失控。具体地，当CPU或MCU判断电化学电池的正极、负极电解液阻抗或者变化率超出阈值时，输出相应的指令控制BMS切断问题电芯与电池包的连接，或者，放电至零电态。
根据本发明实施例的评估电化学电池状态的方法，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行动态精准评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
在一些实施例中，获取电化学电池在预设充电频率下的第一阻抗谱数据之前，还包括：预先获取大量电化学电池在充电或放电周期中的充放电数据，得到第二阻抗谱数据；根据径向基函数对第二阻抗谱数据进行去卷积处理，以确定预设的标准时间常数阻抗谱分布数据模型，其中，预设的标准时间常数阻抗谱分布数据模型至少包括：标准特征频率、标准特征峰面积及标准特征峰斜率。
在实施例中，如图3所示，为本发明一个实施例的确定预设的标准时间常数阻抗谱分布数据模型的流程图。结合图3对本发明实施例的预设的标准时间常数阻抗谱分布数据模型的建立进行详细说明。在确定预设的标准时间常数阻抗谱分布数据模型时，需要预先选定需要建立电池的模型体系，具体通过对电芯组装三电极电池，并确定需要的循环圈数和SOC参数。并根据三电极测试给定的循环圈数，测试其充放电的周期EIS(Electrochemical Impedance Spectroscopy，电化学阻抗谱)，并获取电化学阻抗谱与SOC和SOH的分布关系，即，获取大量电化学电池在充电或放电周期中的充放电数据，得到第二阻抗谱数据。并根据径向基函数对第二阻抗谱数据进行去卷积处理，获取电化学电池包括正极、负极在内的不同电化学过程的分布和时间特征，通过获取时间常数，用于标定不同SOC循环寿命对应的标准阻抗大小，以确定预设的标准时间常数阻抗谱分布数据模型。
具体而言，如图4所示，为本发明一个实施例的预设的标准时间常数阻抗谱分布数据模型的示意图。具体地，该模型至少包括标准特征频率、标准特征峰面积及标准特征峰斜率等特征数据，其中，标准特征频率例如记为f0，标准特征峰面积例如记为A0及标准特征峰斜率例如记为k0，在标准特征峰频率f0、标准特征峰面积A0及标准特征峰斜率k0确定之后，预设的标准时间常数阻抗谱分布数据模型中的正负极贡献比例、正负极和界面反应的特征峰对应关系也随之确定。标准时间常数阻抗谱分布数据模型可以准确表征电化学电池的整个生命周期。通过建立预设的标准时间常数阻抗谱分布数据模型，可以为电化学电池的评估提供标准，以实现对电化学电池的监测。
在一些实施例中，第一时间常数阻抗分布数据包括第一特征频率和第一特征峰面积，比较时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果，包括：确定第一特征频率和标准特征频率的比值，得到第一比较结果，和/或，确定第一特征峰面积和标准特征峰面积的比值，得到第二比较结果，和/或，根据第一时间常数阻抗分布数据的波峰高度与预设的时间常数阻抗分布数据的波峰高度及与第一时间常数阻抗分布数据对应的循环圈数的比值，得到第三比较结果。其中，预设的时间常数阻抗可以是第一时间常数阻抗分布数据的前一次检测得到的时间常数阻抗分布数据，也可以是其他次测试得到的时间常数阻抗分布数据。
在实施例中，第一特征频率例如记为fmid，第一特征峰面积例如记为A,第一时间常数阻抗分布数据的波峰高度例如记为A(x),预设的时间常数阻抗分布数据以第一时间常数阻抗分布数据的前一次检测得到的时间常数阻抗分布数据为例，其波峰高度例如记为A(x-1)，比较时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型时，可通过比较第一特征频率fmid和标准特征频率f0的比值，例如f_mid/f_0，并输出第一比较结果，例如记为P1；第一特征峰面积A和标准特征峰面积A0的比值，例如A/A_0，并输出第二比较结果，例如记为P2；第一时间常数阻抗分布数据的波峰高度A(x)与预设的时间常数阻抗分布数据的波峰高度A(x-1)及与第一时间常数阻抗分布数据对应的循环圈数的比值，例如A(x)-A(x-1)/Cycles，并输出第三比较结果，例如记为P3。其中，第一比较结果大于P1第一预设频率阈值且小于第二预设频率阈值，例如0.01<P1<100；第二比较结果P2小于预设的特征峰面积阈值，例如P2<10；第三比较结果P3小于或等于标准特征峰斜率k0的预设倍数，例如P3≤5*average(k0)。通过确定第一特征频率和标准特征频率的比值、第一特征峰面积和标准特征峰面积的比值及第一时间常数阻抗分布数据的波峰高度与预设的时间常数阻抗分布数据的波峰高度及与第一时间常数阻抗分布数据对应的循环圈数的比值中的至少一个，并输出一个或者多个比较结果，以对第一时间常数阻抗分布数据中的具体过程进行确定，确定和量化各个过程的正负极比例。可以理解的是，通过将第一时间常数阻抗数据中的一个或者多个特征数据与预设的标准时间常数阻抗分布数据模型中的特征数据进行比较，以输出相应的比较结果。
举例而言，如图5所示，为本发明一个实施例的第一时间常数阻抗分布数据的示意图。由图5可知，不同的曲线表示电池包或者电芯的在不同循环圈数下的时间常数阻抗分布数据。通过获取正负极独立的阻抗谱和全电池的阻抗谱并且进行其对应的阻抗谱分析，可以分别获得各个特征峰与正负极上离子嵌入，SEI膜与CEI膜等过程的对应关系。因此根据上述正负极分析的对应结果对比电池包的总阻抗，可以确定大部分峰所对应的具体过程，同时确定和量化各个过程的正负极比例，以及各个子过程自身的SOH状态等信息。
在另一些实施例中，如图6所示，为本发明一个实施例的界面调试的示意图。由图6可知，通过对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，再将得到的第一时间常数阻抗分布数据进行卷积处理，使得误差较小，利于提高比较结果的精确度，进而提高电化学电池状态评估的准确性。
在一些实施例中，根据比较结果对电化学电池的状态进行评估，包括：将第一比较结果、第二比较结果及第三比较结果中的至少一个输入到预设的电池状态查询模型中，得到电化学电池的SOC值和SOH值，其中，电池状态查询模型为预先训练得到；根据SOC值和SOH值对电化学电池的总体状态进行评估。具体地，预设的标准时间常数阻抗谱分布数据模型包括标准特征峰频率和标准特征峰面积，根据标准特征峰频率和标准特征峰面积可以定量确定正极总体状态，负极总体状态，正极表面传荷状态，负极SEI膜状态，负极表面传荷状态等电化学电池各个子组件的细节信息。由此，通过动态采集的电池单体或者电池包的阻抗信号来分析电池正极，电池负极和电极液的衰减程度，可以定量的预测电池所处于的寿命周期和荷电状态。并且对于偶发的电池衰减，可以在偶发衰减发生的早期就提出预警，避免电池的失效和电池包的热失控。
在实施例中，预设的电池状态查询模型与预设的标准时间常数阻抗谱分布数据模型是对应的，通过确定第一比较结果P1、第二比较结果P2和第三比较结果P3中的至少一个，并将上述三个比较结果中的一个或者多个输入预设的电池状态查询模型中，得到电化学电池的一组SOC值和SOH值，以根据SOC值和SOH值对电化学电池的状态进行评估。可以理解的是，通过将上述比较结果中的至少一个输入预设的电池状态查询模型中，以实现对电化学电池状态的评估。
在一些实施例中，评估电化学电池状态的方法还包括：根据SOC值和SOH值的评估结果，对电化学电池的充放电电流和/或充放电电芯数量进行控制和/或对电化学电池的状态进行重新评估。
在实施例中，根据SOC值和SOH值的评估结果，输出不同的控制策略，例如，根据SOC值和SOH值并结合实时温度，使BMS控制电化学电池的充放电电流；或者使BMS重新发起频率探测，以对电化学电池的状态进行重新评估；或者使BMS切断一个电芯或多个电芯的连接，并进行局部放电处理。
在一些实施例中，评估电化学电池状态的方法还包括：当第一比较结果小于或等于第一预设频率阈值，或者第一比较结果大于或等于第二预设频率阈值，或者，第二比较结果大于或者等于预设的特征峰面积阈值，或者，第三比较结果大于标准特征峰斜率的预设倍数，或者，当SOC值低于设定电量阈值和/或SOH值低于设定健康值时，发出预警提示。具体而言，当第一比较结果大于第一预设频率阈值且小于第二预设频率阈值，并且第二比较结果小于预设的特征峰面积阈值，并且，第三比较结果小于或等于标准特征峰斜率的预设倍数时，认为电池是健康的，即此时SOC和SOH均处于各自对应的正常范围内。而若上述第一比较结果、第二比较结果和第三比较结果中任意之一不满足其对应的阈值条件，则认为电池不健康，此时的SOC和/或SOH可能不满足对应的正常范围，因而，需要进行预警提示。换言之，当第一比较结果P1小于或等于第一预设频率阈值；例如P1≤0.01，或者第一比较结果P1≥100，或者，第二比较结果P2大于或等于预设的特征峰面积阈值，例如P2≥10；第三比较结果P3大于标准特征峰斜率k0的预设倍数，例如P3＞5*average(k0)，则认为电池的SOC值及SOH值出现异常。或者，将上述比较结果输入预设的电池状态查询模型中，确定电化学电池的SOC值和SOH值，在SOC值和SOH中的任意一个低于其对应的设定阈值时，认为电化学电池的状态不佳，如继续使用会出现热失控等异常状况，因此发出预警提示，例如，显示故障预警报错误码，以及时告知用户电化学电池出现即将异常。
举例而言，如表1所示，为本发明一个实施例的电池状态查询模型表。
表1
在一些实施例中，根据径向基函数对第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据，包括：确定与预测函数的输入频率对应的第一实部电阻值和第一虚部电阻值；将第一阻抗谱数据中的输入频率输入至所述预测函数，以得到第二实部电阻值和第二虚部电阻值；计算第一实部电阻值和第二实部电阻值的第一差值，以及第一虚部电阻值和第二虚部电阻值的第二差值；在第一差值小于或等于第一预设阈值，且第二差值小于或等于第二预设阈值时，输出第一时间常数阻抗分布数据。
在实施例中，预测函数可以表示输入频率、第一实部电阻值和第一虚部电阻值之间的对应关系，是预先写入的一个算法，在导入第一阻抗谱数据后，将第一阻抗谱数据中的输入频率输入预测函数，得到与输入频率对应的第二实部电阻值和第二虚部电阻值，并计算第一实部电阻值和第二实部电阻值的第一差值，以及第一虚部电阻值和第二虚部电阻值的第二差值，在第一差值小于或等于第一预设阈值，且第二差值小于或等于第二预设阈值时，输出第一时间常数阻抗分布数据，以实现第一阻抗谱数据从频域到时域的转化。
在一些实施例中，评估电化学电池状态的方法还包括：在第一差值大于第一预设阈值和/或第二差值大于第二预设阈值时，调整径向基函数的初始参数组，直至第一差值小于或等于第一预设阈值，且第二差值小于或等于第二预设阈值。
在实施例中，在第一差值大于第一预设阈值和/或第二差值大于第二预设阈值时，通过岭回归求解器调整第一实部电阻值和第一虚部电阻值，以使第一实部电阻值与第二实部电阻值的第一差值小于或等于第一预设阈值及第一虚部电阻值与第二虚部电阻值的第二差值小于或等于第二预设阈值，以输出第一时间常数阻抗分布数据。
可以理解的是，阻抗谱在本发明实施例中的分析是将实验获得的电化学阻抗谱去卷积后得到的分析结果。因此时间分布谱计算所需要的输入即为阻抗谱，时间分布谱的计算即建立阻抗谱和弛豫时间分布之间的数值关系。在所测试体系符合线性，因果性以及时间独立性的情况下，对于任意一个典型的系统这种关系都可以简单的写为如下公式。
其中，Z(ω)是复阻抗对于信号角速度ω的函数，R0通常在电化学体系中可视为不依赖于频率的电阻，也即外电路等的电子电阻。Zpol(ω)是对于一个电化学体系，其物理意义为所有极化过程造成的信号相角或振幅改变，也即所有极化过程的总复阻抗。正如上述所示，极化过程的总复阻抗实际上是所有不同时间常数过程在时间上的卷积，因此本发明实施例计算实际上是对一个电化学体系所有极化过程的去卷积。
下面结合图7对本发明实施例的对第一阻抗谱数据去卷积的过程进行说明，如图7所示，为本发明实施例的对第一阻抗谱数据去卷积的方法的流程图。
步骤S21，导入第一阻抗谱数据。
步骤S22，随机变量预测数据之间的关系。
步骤S23，输入预测数据。
步骤S24，构建预测函数。
步骤S25，输入实验数据。
步骤S26，确定与预测函数的输入频率对应的第一实部电阻值和第一虚部电阻值。
步骤S27，计算第一实部电阻值和第二实部电阻值的第一差值，以及第一虚部电阻值和第二虚部电阻值的第二差值。
步骤S28，判断第一差值是否小于或等于第一预设阈值，且第二差值是否小于或等于第二预设阈值，若是，执行步骤S29；若否，执行步骤S30。
步骤S29，输出第一时间常数阻抗分布数据。
步骤S30，调整径向基函数的初始参数组，直至第一差值小于或等于第一预设阈值，且第二差值小于或等于第二预设阈值。
根据本发明实施例的评估电化学电池状态的方法，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行评估，实现对电化学电池各个电化学过程的精确测量和实时监测，通过对电化学电池的阻抗分布数据进行分析，可以对电化学电池内部的变化进行准确判断，并在电化学电池偶发衰减的早期进行预警，避免电化学电池失效及热失控的问题，从而提高使用安全性。
下面描述本发明实施例的评估电化学电池状态的装置。
如图8所示，为本发明实施例的评估电化学电池状态的装置2包括：获取模块20、确定模块21、比较模块22和控制模块23，其中，获取模块20用于获取电化学电池在预设充电频率下的第一阻抗谱数据；确定模块21用于根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据；比较模块22用于比较第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果；控制模块23用于根据比较结果对电化学电池的总体状态进行评估。
需要说明的是，本发明实施例的评估电化学电池状态的装置2在评估电化学电池状态时，其具体实现方式与本发明上述实施例的评估电化学电池状态的方法的具体实现方式类似，具体请参见关于评估电化学电池状态的方法部分的描述，为了减少冗余，此处不再赘述。
根据本发明实施例的评估电化学电池状态的装置2，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
在一些实施例中，获取模块20还用于，预先获取大量所述电化学电池在充电或放电周期中的充放电数据，得到第二阻抗谱数据；根据径向基函数对所述第二阻抗谱数据进行去卷积处理，以确定预设的标准时间常数阻抗谱分布数据模型，其中，预设的标准时间常数阻抗谱分布数据模型至少包括：标准特征频率、标准特征峰面积及标准特征峰斜率。
在一些实施例中，比较模块22，具体用于，确定第一特征频率和标准特征频率的比值，得到第一比较结果，和/或，确定第一特征峰面积和标准特征峰面积的比值，得到第二比较结果，和/或，根据第一时间常数阻抗分布数据的波峰高度与预设的时间常数阻抗分布数据的波峰高度及与第一时间常数阻抗分布数据对应的循环圈数的比值，得到第三比较结果。
在一些实施例中，控制模块23，具体用于，将第一比较结果、第二比较结果及第三比较结果中的至少一个输入到预设的电池状态查询模型中，得到电化学电池的SOC值和SOH值，其中，电池状态查询模型为预先训练得到；根据SOC值和SOH值对电化学电池的状态进行评估
在一些实施例中，控制模块23，还用于，根据SOC值和SOH值的评估结果，对电化学电池的充放电电流和/或充放电电芯数量进行控制和/或对电化学电池的状态进行重新评估。
在一些实施例中，控制模块23，还用于，当第一比较结果小于或等于第一预设频率阈值，或者，第一比较结果大于或等于第二预设频率阈值，或者，第二比较结果大于或者等于预设的特征峰面积阈值，或者，第三比较结果大于标准特征峰斜率的预设倍数，或者，当SOC值低于设定电量阈值和/或SOH值低于设定健康值时，发出预警提示。举例而言，第一预设频率阈值、第二预设频率阈值、预设的特征峰面积阈值及标准特征峰斜率的预设倍数的设置与电化学电池包括正极、负极在内的不同电化学过程的分布和时间特征有关，具体地，第一预设频率阈值例如为0.01，第二预设频率阈值例如为100，预设的特征峰面积阈值例如为10，标准特征峰斜率的预设倍数例如为5*average(k0)，通过将第一比较结果P1、第二比较结果P2及第三比较结果P3中的至少一个分别与第一预设频率阈值、第二预设频率阈值及标准特征峰斜率的预设倍数进行比较，从而，判断上述比较结果是否超出预设频率阈值或者超出标准特征峰斜率的预设倍数，并在上述比较结果超出预设频率阈值或者超出标准特征峰斜率的预设倍数时，认为电化学电池的状态不佳，如继续使用会出现热失控等异常状况，因此发出预警提示，例如，显示故障预警报错误码，以及时告知用户电化学电池出现即将异常。
在一些实施例中，确定模块21，具体用于，确定与预测函数的输入频率对应的第一实部电阻值和第一虚部电阻值；将第一阻抗谱数据中的输入频率输入至所述预测函数，以得到第二实部电阻值和第二虚部电阻值；计算第一实部电阻值和所述第二实部电阻值的第一差值，以及第一虚部电阻值和所述第二虚部电阻值的第二差值；在第一差值小于或等于第一预设阈值，且第二差值小于或等于第二预设阈值时，输出第一时间常数阻抗分布数据。
在一些实施例中，确定模块21，还用于，在第一差值大于第一预设阈值和/或第二差值大于第二预设阈值时，调整径向基函数的初始参数组，直至第一差值小于或等于第一预设阈值，且第二差值小于或等于第二预设阈值。
根据本发明实施例的评估电化学电池状态的装置2，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
下面描述本发明实施例的车辆。
在一些实施例中，本发明实施例的车辆包括上述实施例的评估电化学电池状态的装置2。
或者，在另一些实施例中，本发明实施例的车辆包括：处理器、存储器和存储在存储器上并可在处理器上运行的评估电化学电池状态的程序，评估电化学电池状态的程序被处理器执行时实现如上述实施例的评估电化学电池状态的方法。
根据本发明实施例的车辆，通过获取电化学电池在预设充电频率下的第一阻抗谱数据，并根据径向基函数对第一阻抗谱数据进行去卷积处理，得到第一时间常数阻抗分布数据，从而得到电化学电池在各个过程的变化，并将第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型进行比较，以获取比较结果，根据比较结果对电化学电池的状态进行评估，实现对电化学电池各个电化学过程的精确测量和实时监测，从而利于在电化学电池偶发衰减的早期进行预警，提高电化学电池使用的安全性。
下面描述本发明的计算机可读存储介质，计算机可读存储介质上存储有评估电化学电池状态的程序，评估电化学电池状态的程序被处理器执行时实现如上述实施例的评估电化学电池状态的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (11)
1.一种评估电化学电池状态的方法，其特征在于，包括：
获取电化学电池在预设充电频率下的第一阻抗谱数据；
根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据；
比较所述第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果；
根据所述比较结果对所述电化学电池的总体状态进行评估。
2.根据权利要求1所述的评估电化学电池状态的方法，其特征在于，获取电化学电池在预设充电频率下的第一阻抗谱数据之前，还包括：
预先获取大量所述电化学电池在充电或放电周期中的充放电数据，得到第二阻抗谱数据；
根据所述径向基函数对所述第二阻抗谱数据进行去卷积处理，以确定所述预设的标准时间常数阻抗谱分布数据模型，其中，所述预设的标准时间常数阻抗谱分布数据模型至少包括：标准特征频率、标准特征峰面积及标准特征峰斜率。
3.根据权利要求2所述的评估电化学电池状态的方法，其特征在于，所述第一时间常数阻抗分布数据包括第一特征频率和第一特征峰面积，所述比较所述时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果，包括：
确定所述第一特征频率和所述标准特征频率的比值，得到第一比较结果，和/或，确定所述第一特征峰面积和所述标准特征峰面积的比值，得到第二比较结果，和/或，根据所述第一时间常数阻抗分布数据的波峰高度与预设的时间常数阻抗分布数据的波峰高度及与所述第一时间常数阻抗分布数据对应的循环圈数的比值，得到第三比较结果。
4.根据权利要求3所述的评估电化学电池状态的方法，其特征在于，所述根据所述比较结果对所述电化学电池的总体状态进行评估，包括：
将所述第一比较结果、所述第二比较结果及所述第三比较结果中的至少一个输入到预设的电池状态查询模型中，得到所述电化学电池的SOC值和SOH值，其中，所述电池状态查询模型为预先训练得到；
根据所述SOC值和SOH值对所述电化学电池的总体状态进行评估。
5.根据权利要求4所述的评估电化学电池状态的方法，其特征在于，还包括：
根据所述SOC值和SOH值的评估结果，对所述电化学电池的充放电电流和/或充放电电芯数量进行控制和/或对所述电化学电池的总体状态进行重新评估。
6.根据权利要求3或4所述的评估电化学电池状态的方法，其特征在于，还包括：
当所述第一比较结果小于或等于第一预设频率阈值，或者所述第一比较结果大于或等于第二预设频率阈值，或者，所述第二比较结果大于或者等于预设的特征峰面积阈值，或者，所述第三比较结果大于所述标准特征峰斜率的预设倍数，或者，当所述SOC值低于设定电量阈值和/或SOH值低于设定健康值时，发出预警提示。
7.根据权利要求1所述的评估电化学电池状态的方法，其特征在于，所述根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据，包括：
确定与预测函数的输入频率对应的第一实部电阻值和第一虚部电阻值；
将所述第一阻抗谱数据中的输入频率输入至所述预测函数，以得到第二实部电阻值和第二虚部电阻值；
计算所述第一实部电阻值和所述第二实部电阻值的第一差值，以及所述第一虚部电阻值和所述第二虚部电阻值的第二差值；
在所述第一差值小于或等于第一预设阈值，且所述第二差值小于或等于第二预设阈值时，输出所述第一时间常数阻抗分布数据。
8.根据权利要求7所述的评估电化学电池状态的方法，其特征在于，还包括：
在所述第一差值大于所述第一预设阈值和/或所述第二差值大于所述第二预设阈值时，调整所述径向基函数的初始参数组，直至所述第一差值小于或等于第一预设阈值，且所述第二差值小于或等于第二预设阈值。
9.一种评估电化学电池状态的装置，其特征在于，包括；
获取模块，用于获取电化学电池在预设充电频率下的第一阻抗谱数据；
确定模块，用于根据径向基函数对所述第一阻抗谱数据进行去卷积处理，以确定第一时间常数阻抗分布数据；
比较模块，用于比较所述第一时间常数阻抗分布数据与预设的标准时间常数阻抗分布数据模型，并输出相应的比较结果；
控制模块，用于根据所述比较结果对所述电化学电池的总体状态进行评估。
10.一种车辆，其特征在于，包括：
如权利要求9所述的评估电化学电池状态的装置；或者
处理器、存储器和存储在所述存储器上并可在所述处理器上运行的评估电化学电池状态的程序，所述评估电化学电池状态的程序被所述处理器执行时实现如权利要求1-8任一项所述的评估电化学电池状态的方法。
11.一种非临时性计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有评估电化学电池状态的程序，所述评估电化学电池状态的程序被处理器执行时实现如权利要求1-8任一项所述的评估电化学电池状态的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110926436.3A CN115902652A (zh) | 2021-08-12 | 2021-08-12 | 评估电化学电池状态的方法及装置、车辆和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110926436.3A CN115902652A (zh) | 2021-08-12 | 2021-08-12 | 评估电化学电池状态的方法及装置、车辆和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115902652A true CN115902652A (zh) | 2023-04-04 |
Family
ID=86492018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110926436.3A Pending CN115902652A (zh) | 2021-08-12 | 2021-08-12 | 评估电化学电池状态的方法及装置、车辆和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115902652A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1705890A (zh) * | 2002-05-17 | 2005-12-07 | 绿光电力技术公司 | 用于指示燃料电池和燃料电池部件中的一种故障状态的方法和装置 |
| US20120019253A1 (en) * | 2009-01-21 | 2012-01-26 | Joerg Ziegler | Method for determining an aging condition of a battery cell by means of impedance spectroscopy |
| US20130135110A1 (en) * | 2011-01-20 | 2013-05-30 | Indiana University Research And Technology Corporation | Advanced battery early warning and monitoring system |
| DE102013218081A1 (de) * | 2013-09-10 | 2015-03-12 | Robert Bosch Gmbh | Batteriemoduleinrichtung und Verfahren zur Bestimmung einer komplexen Impedanz eines in einer Batteriemoduleinrichtung angeordneten Batteriemoduls |
| DE102018216518A1 (de) * | 2018-09-26 | 2020-03-26 | Rheinisch-Westfälische Technische Hochschule (Rwth) Aachen | Verfahren und Vorrichtung zur Diagnose von Batteriezellen |
| CN111736085A (zh) * | 2020-07-07 | 2020-10-02 | 中国检验检疫科学研究院 | 一种基于电化学阻抗谱的锂离子电池健康状态估计方法 |
| CN112816895A (zh) * | 2020-12-31 | 2021-05-18 | 中国科学院上海高等研究院 | 电化学阻抗谱的分析方法、系统、设备及计算机存储介质 |
| CN113196072A (zh) * | 2018-09-26 | 2021-07-30 | 亚琛工业大学 | 用于电池诊断的方法和设备 |
-
2021
- 2021-08-12 CN CN202110926436.3A patent/CN115902652A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1705890A (zh) * | 2002-05-17 | 2005-12-07 | 绿光电力技术公司 | 用于指示燃料电池和燃料电池部件中的一种故障状态的方法和装置 |
| US20120019253A1 (en) * | 2009-01-21 | 2012-01-26 | Joerg Ziegler | Method for determining an aging condition of a battery cell by means of impedance spectroscopy |
| US20130135110A1 (en) * | 2011-01-20 | 2013-05-30 | Indiana University Research And Technology Corporation | Advanced battery early warning and monitoring system |
| DE102013218081A1 (de) * | 2013-09-10 | 2015-03-12 | Robert Bosch Gmbh | Batteriemoduleinrichtung und Verfahren zur Bestimmung einer komplexen Impedanz eines in einer Batteriemoduleinrichtung angeordneten Batteriemoduls |
| DE102018216518A1 (de) * | 2018-09-26 | 2020-03-26 | Rheinisch-Westfälische Technische Hochschule (Rwth) Aachen | Verfahren und Vorrichtung zur Diagnose von Batteriezellen |
| CN113196072A (zh) * | 2018-09-26 | 2021-07-30 | 亚琛工业大学 | 用于电池诊断的方法和设备 |
| CN111736085A (zh) * | 2020-07-07 | 2020-10-02 | 中国检验检疫科学研究院 | 一种基于电化学阻抗谱的锂离子电池健康状态估计方法 |
| CN112816895A (zh) * | 2020-12-31 | 2021-05-18 | 中国科学院上海高等研究院 | 电化学阻抗谱的分析方法、系统、设备及计算机存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| H.SCHICHLEIN ET AL.: "Deconvolution of electrochemical impedance spectra for the identification of electrode reaction mechanisms in solid oxide fuel cells", JOURNAL OF APPLIED ELECTROCHEMISTRY, vol. 32, 31 December 2002 (2002-12-31), pages 875 - 882 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794305B (zh) | 一种动力电池故障诊断方法和系统 | |
| CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
| US11422194B2 (en) | Battery diagnosis apparatus and battery diagnosis method based on current pulse method | |
| Rezvanizaniani et al. | Review and recent advances in battery health monitoring and prognostics technologies for electric vehicle (EV) safety and mobility | |
| KR101846690B1 (ko) | Ｗｌｓ 기반 ｓｏｈ 추정 시스템 및 방법 | |
| CN107167743B (zh) | 基于电动车辆的荷电状态估算方法和装置 | |
| JP2013519893A (ja) | 電気化学インピーダンス分光法によるその場での電池の診断方法 | |
| CN106526488A (zh) | 串联式动力电池包内传感器故障诊断方法 | |
| US12044747B2 (en) | Apparatus and method for diagnosing battery | |
| CN116027199B (zh) | 基于电化学模型参数辨识检测电芯全寿命内短路的方法 | |
| US20220341997A1 (en) | Apparatus and Method for Diagnosing a Battery | |
| WO2022060533A1 (en) | A system and method for anomaly detection and total capacity estimation of a battery | |
| US20230059529A1 (en) | Characterization of Rechargeable Batteries Using Machine-Learned Algorithms | |
| JP7515956B2 (ja) | 電池診断装置および方法 | |
| US11959969B2 (en) | Apparatus and method for diagnosing battery | |
| CN114329760A (zh) | 一种基于数字孪生的车载锂离子电池建模及故障诊断方法 | |
| CN115656861A (zh) | 基于均衡电路的动力电池诊断装置及方法 | |
| CN113687251B (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
| CN117284151A (zh) | 一种自适应新能源车辆电池电量监测方法及系统 | |
| CN117406108A (zh) | 一种电池电化学阻抗谱在线测量系统和方法 | |
| US20230168305A1 (en) | Anomaly identification in an electrochemical system | |
| CN115902652A (zh) | 评估电化学电池状态的方法及装置、车辆和存储介质 | |
| CN114814604A (zh) | 一种电池soc估算方法及装置 | |
| JP2023524846A (ja) | バッテリー異常診断装置及び方法 | |
| JP2023526935A (ja) | バッテリーを診断するための装置及びその方法 |
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 |