CN115980612B - 一种卫星电池组健康状态评估方法、系统及设备 - Google Patents
一种卫星电池组健康状态评估方法、系统及设备 Download PDFInfo
- Publication number
- CN115980612B CN115980612B CN202310273366.5A CN202310273366A CN115980612B CN 115980612 B CN115980612 B CN 115980612B CN 202310273366 A CN202310273366 A CN 202310273366A CN 115980612 B CN115980612 B CN 115980612B
- Authority
- CN
- China
- Prior art keywords
- battery pack
- evaluation
- satellite
- battery
- index
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 171
- 230000036541 health Effects 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 21
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims description 46
- 238000007600 charging Methods 0.000 claims description 20
- 230000003862 health status Effects 0.000 claims description 20
- 238000006731 degradation reaction Methods 0.000 claims description 18
- 230000015556 catabolic process Effects 0.000 claims description 17
- 238000007599 discharging Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 13
- 238000010277 constant-current charging Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010280 constant potential charging Methods 0.000 claims description 5
- 238000009411 base construction Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 abstract description 4
- 229910052744 lithium Inorganic materials 0.000 abstract description 4
- 230000004913 activation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 239000000178 monomer Substances 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003797 telogen phase Effects 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
本发明提供了一种卫星电池组健康状态评估方法、系统及设备，涉及锂电池组健康状态评估领域。该方法包括：建立多层次的卫星电池组健康状态评估指标体系；基于卫星电池组健康状态评估指标体系建立置信规则库BRB评估模型；采集卫星遥测中与蓄电池相关的遥测数据，并根据卫星电池组健康状态评估指标体系对遥测数据进行处理，生成评估要素；采用证据推理ER方法，融合单电池的温度不一致性、电压不一致性、SoC不一致性以及容量不一致性，生成单电池合成不一致性；将单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压输入至BRB评估模型，生成卫星电池组健康状态评估结果。本发明能够准确评估卫星电池组的健康状态。
Description
技术领域
本发明涉及锂电池组健康状态评估领域，特别是涉及一种卫星电池组健康状态评估方法、系统及设备。
背景技术
锂离子电池因为具有高比能量、寿命长等特点，被当作第三代空间蓄电池，近十年来，在各种轨道高度的卫星中得到了广泛应用。蓄电池是卫星电源分系统的一部分，是帆板见不到阳光时的唯一供电组件，它的健康状况决定着卫星能否正常运行。当电池健康状况发生变化时，若不及时调整充放电过程中的电流档位、电压阈值等电池使用策略，可能影响卫星寿命。因此，合理有效的评估卫星蓄电池的健康状况意义重大。
单个锂离子电池的容量和电压是有限的。在实际应用中，为满足电子设备的需求，通常将电池进行串联、并联、或串并联组合形成电池组。与单电池的老化机理不同，电池组由单电池构成，它的性能受两个方面的影响：一是单电池自身的老化，一是单电池间不一致性的影响。
当前，对电池组健康状况的评估主要有两类方法。一类方法对单电池状态估计的方法进行拓展，采用基于等效电路模型的滤波法、基于特征-容量的数据驱动法估计电池组的健康状态（state of health，SoH）。另一类方法分析讨论了单电池不一致性对电池组性能的影响，通过对单电池指标不一致性的评估，来间接描述电池组的健康状况。以上两类方法从不同的角度对电池组健康状态进行表征。然而在实际应用中，存在以下问题：1）设备对电池组供电能力的需求不止是容量，还有电压，若只以基于容量的SoH来表征电池组健康状况，可能会高估。2）单电池的不一致性只是影响电池组健康状况的一个方面，仅用它难以全面准确描述电池组健康状态。
发明内容
本发明的目的是提供一种卫星电池组健康状态评估方法、系统及设备，以解决现有技术对卫星电池组健康状态评估不准确的问题。
为实现上述目的，本发明提供了如下方案：
一种卫星电池组健康状态评估方法，包括：
基于卫星电池组性能下降处理典型策略，考虑单电池的均衡状态和旁路状态，根据电池组退化机理，将单电池的各种不一致性和电池组整体性能指标相结合，建立多层次的卫星电池组健康状态评估指标体系；所述单电池的各种不一致性包括温度不一致性、电压不一致性、SoC不一致性以及容量不一致性；所述电池组整体性能指标包括可用单电池数量、电池组容量以及电池组电压；
基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型；
采集卫星遥测中与蓄电池相关的遥测数据，并根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素；所述评估要素包括单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量以及电池组电压；
采用基于变异系数的方法计算单电池的各种不一致性，并采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性；
将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果；所述卫星电池组健康状态评估结果为不同评估等级的置信分布；所述评估等级包括健康、良好、堪用以及差。
可选的，基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型，具体包括：
根据所述卫星电池组健康状态评估指标体系以及在轨卫星管理实践中获得的专家知识构建规则库；所述规则库的前提属性包括单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压；
确定所述规则库中每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重；
基于所述规则库，根据每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重建立置信规则库BRB评估模型。
可选的，根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素，具体包括：
获取电池组的充放电循环时间段；
在所述充放电循环时间段内，每间隔半小时采集所述单电池的温度，并计算所有采样时刻的温度的平均值作为所述单电池平均温度；
当将充电开始时刻作为采样起点，恒流充电结束时刻作为采样终点时，间隔30秒对单电池的电压进行采样，并计算所有采样的电压的平均值作为所述单电池平均电压；
提取所述遥测数据中的电池使用特征，并采用基于近似置信规则库-隐含马尔可夫模型的方法，根据所述电池使用特征计算所述单电池容量；所述电池使用特征包括放电时长、放电电流、放电温度、恒流充电时长、恒压充电时长、充电开始电压、充电温度以及搁置时间；
采用基于剩余可充电量预测的方法估计除满充电池外其余单电池的剩余可充电量，结合所述单电池容量，确定所述单电池电量；
根据所述遥测数据中的旁路状态，确定所述可用单电池数量；
利用容量电量图法，根据所述单电池容量以及所述单电池电量确定所述电池组容量；
当将放电开始时刻作为采样起点，放电结束时刻作为采样终点时，间隔30秒对电池组的电压进行采样，并计算所有采样的电压的平均值作为所述电池组电压。
可选的，采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性，具体包括：
采用基于变异系数的方法计算所述单电池的各种不一致性的指标权重；
确定所述单电池的各种不一致性的取值范围；
确定评估等级个数以及所述评估等级的参考值；
基于所述取值范围，根据所述评估等级个数以及所述评估等级的参考值，将所述单电池的各种不一致性转化为置信分布；
根据所述单电池的各种不一致性的指标权重，融合转化后的置信分布，生成融合后的置信分布；
根据所述融合后的置信分布生成单电池合成不一致性。
可选的，将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果，之后还包括：
采用基于效用的方法转化所述卫星电池组健康状态评估结果，生成所述卫星电池组健康状态评估结果的评估分数。
一种卫星电池组健康状态评估系统，包括：
卫星电池组健康状态评估指标体系建立模块，用于基于卫星电池组性能下降处理典型策略，考虑单电池的均衡状态和旁路状态，根据电池组退化机理，将单电池的各种不一致性和电池组整体性能指标相结合，建立多层次的卫星电池组健康状态评估指标体系；所述单电池的各种不一致性包括温度不一致性、电压不一致性、SoC不一致性以及容量不一致性；所述电池组整体性能指标包括可用单电池数量、电池组容量以及电池组电压；
BRB评估模型建立模块，用于基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型；
评估要素生成模块，用于采集卫星遥测中与蓄电池相关的遥测数据，并根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素；所述评估要素包括单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量以及电池组电压；
融合模块，用于采用基于变异系数的方法计算单电池的各种不一致性，并采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性；
卫星电池组健康状态评估结果生成模块，用于将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果；所述卫星电池组健康状态评估结果为不同评估等级的置信分布；所述评估等级包括健康、良好、堪用以及差。
可选的，BRB评估模型建立模块，具体包括：
规则库构建单元，用于根据所述卫星电池组健康状态评估指标体系以及在轨卫星管理实践中获得的专家知识构建规则库；所述规则库的前提属性包括单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压；
置信分布及权重确定单元，用于确定所述规则库中每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重；
BRB评估模型建立单元，用于基于所述规则库，根据每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重建立置信规则库BRB评估模型。
可选的，评估要素生成模块，具体包括：
充放电循环时间段获取单元，用于获取电池组的充放电循环时间段；
单电池平均温度确定单元，用于在所述充放电循环时间段内，每间隔半小时采集所述单电池的温度，并计算所有采样时刻的温度的平均值作为所述单电池平均温度；
单电池平均电压确定单元，用于当将充电开始时刻作为采样起点，恒流充电结束时刻作为采样终点时，间隔30秒对单电池的电压进行采样，并计算所有采样的电压的平均值作为所述单电池平均电压；
单电池容量计算单元，用于提取所述遥测数据中的电池使用特征，并采用基于近似置信规则库-隐含马尔可夫模型的方法，根据所述电池使用特征计算所述单电池容量；所述电池使用特征包括放电时长、放电电流、放电温度、恒流充电时长、恒压充电时长、充电开始电压、充电温度以及搁置时间；
单电池电量确定单元，用于采用基于剩余可充电量预测的方法估计除满充电池外其余单电池的剩余可充电量，结合所述单电池容量，确定所述单电池电量；
可用单电池数量确定单元，用于根据所述遥测数据中的旁路状态，确定所述可用单电池数量；
电池组容量确定单元，用于利用容量电量图法，根据所述单电池容量以及所述单电池电量确定所述电池组容量；
电池组电压确定单元，用于当将放电开始时刻作为采样起点，放电结束时刻作为采样终点时，间隔30秒对电池组的电压进行采样，并计算所有采样的电压的平均值作为所述电池组电压。
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的卫星电池组健康状态评估方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的卫星电池组健康状态评估方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种卫星电池组健康状态评估方法、系统及设备，考虑单电池的均衡和旁路，构建结合单电池不一致性和电池组整体性能指标的多层次的卫星电池组健康状态评估指标体系，基于多层次的卫星电池组健康状态评估指标体系，采用基于证据推理（evidential reasoning，ER）和置信规则库（belief rule base，BRB）的方法构建BRB评估模型实现卫星电池组健康状态评估，本发明基于多个评估要素，全面且准确评估卫星电池组的健康状态，为电池组的在轨管理提供了信息支撑。
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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的单体电压随时间变化的遥测图；
图2为本发明所提供的电池组电压随时间变化的遥测图；
图3为本发明所提供的单体温度随时间变化的遥测图；
图4为本发明所提供的充放电过程中电流随时间变化的遥测图；
图5为本发明所提供的单体均衡状态遥测图；
图6为本发明所提供的单体旁路状态遥测图；
图7为本发明所提供的卫星电池组健康状态评估方法流程图；
图8为卫星电池组性能下降处理典型策略流程图；
图9为本发明所提供的卫星电池组健康状况评估指标体系示意图；
图10为本发明所提供的置信分布与时间点的关系图；
图11为本发明所提供的得分与时间点的关系图；
图12为本发明所提供的卫星电池组健康状态评估流程框架图。
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。
本发明的目的是提供一种卫星电池组健康状态评估方法、系统及设备，全面且准确评估卫星电池组的健康状态。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
利用某地球同步轨道卫星的遥测数据对该卫星锂电池组的健康状态进行评估。该卫星发射至今在轨运行5年，共经历12个地影期，卫星锂电池组共进行了552次充放电循环。一个循环分为放电阶段、充电阶段和搁置阶段。该卫星包含南北两个电池组，每个电池组由27个单电池组成，成组形式为3并9串。单电池标称容量为25Ah，工作电压为3~4.1V。电池组容量为75Ah，工作电压为27~36.9V。卫星自主对电池实施均衡和旁路控制。均衡以单电池间最大压差
为判断依据：当/>
时启动均衡，当/>
时停止均衡。当单电池电压不在2.9~4.3V范围内时将其旁路，电池组满足设计指标的最大允许旁路并联块数量为1。表1为与卫星蓄电池相关的部分遥测数据表，如表1所示。
表1
电池组的健康状况评估采用一次充放电循环内的遥测数据，如附图1-图6所示。评估节点为充电结束后。在正常情况下，电池组的性能下降是缓慢的，相邻充放电循环的健康状况差异较难察觉。由于每个地影期卫星电池的充放电次数基本为46次，每隔46个循环对卫星电池组的健康状况进行一次评估，即共对12个节点的状态进行评估。
如图7所示，本发明提供了一种卫星电池组健康状态评估方法，包括：
步骤701：基于卫星电池组性能下降处理典型策略，考虑单电池的均衡状态和旁路状态，根据电池组退化机理，将单电池的各种不一致性和电池组整体性能指标相结合，建立多层次的卫星电池组健康状态评估指标体系；所述单电池的各种不一致性包括温度不一致性、电压不一致性、SoC不一致性以及容量不一致性；所述电池组整体性能指标包括可用单电池数量、电池组容量以及电池组电压。
在实际应用中，图8为卫星电池组性能下降处理典型策略流程图，如图8所示，对单电池的控制包括均衡和旁路两种手段，其中，均衡是在单电池两端并联分流电阻，将多余的能量以热能的形式消耗掉。均衡后，在充电结束时，各单电池都能实现满充，此时电池组的容量会有所恢复，等于容量最小的单电池的容量。旁路是将异常并联块物理隔离，避免其对电池组性能的进一步影响。旁路后电池组容量不变，但会使输出电压下降，放电深度增加，对电池组的寿命产生较大影响。因此，为全面准确描述卫星电池组健康状态，应当将是否发生均衡和旁路作为评估要素。
通过对电池组性能下降机理分析可知，不一致性只是引发电池组老化的一个方面，它反映的是单体差异对整体性能的影响。在实际的监测评估中，还常常利用电池组整体性能指标判断其健康状况。根据电池性能指标要素，结合电池组性能下降处理典型策略，构建如图9所示的卫星电池组健康状况评估指标体系。在本发明中，单体表示由并联的单电池组成的并联块。因为并联块中的单电池性能相似，所以可以看做一个整体。
步骤702：基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型。
在实际应用中，步骤702具体包括：根据所述卫星电池组健康状态评估指标体系以及在轨卫星管理实践中获得的专家知识构建规则库；所述规则库的前提属性包括单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压；确定所述规则库中每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重；基于所述规则库，根据每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重建立置信规则库BRB评估模型。
由卫星电池组健康状况评估指标体系、专家和运维人员经验构建规则库。规则的前提属性包括合成不一致性、可用单电池数量、电池组容量、电池组电压。评估结果分为健康、良好、堪用、差四个等级。表2为规则库部分规则表，部分规则如表2所示。其中，第1条规则的意义是当合成不一致性为小、没有单体旁路、电池组容量为大、电池组电压为高时，电池组健康状况中优、良、堪用、差的置信度分别为1，0，0，0。
表2
规则库确定后，还需要确定属性权重。评估是人根据客观数据的主观判断，为获得稳定公允的评估结果，采用调查问卷的方式，收集研制专家和运维专家提供的权重值，取其平均值作为模型参数。表3为前提属性权重表，最终得到的前提权重如表3所示。
表3
步骤703：采集卫星遥测中与蓄电池相关的遥测数据，并根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素；所述评估要素包括单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量以及电池组电压。所述蓄电池包括卫星电池组。
根据卫星电池组健康状态评估指标体系，对可以获得的电池相关遥测量进行处理，得到单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量、电池组电压共7个评估要素。具体计算方法如下：
单电池平均温度：设一个充放电循环于每天0时0分开始，24时0分结束。间隔半小时对温度采样，共得到48个温度值，计算平均值作为单电池温度。单电池温度的计算公式如下：
其中，Ti为第i个单电池的温度，Ti,j为第i个单电池在第j个采样时刻的温度，i为单电池序号，j为采样时刻序号。
单电池平均电压：取充电开始时刻为采样起点，恒流充电结束时刻为采样终点，间隔30秒对单电池的电压采样，计算平均值作为单电池平均电压。单电池电压的计算公式如下：
其中，Vi为第i个单电池的电压，Vi,j为第i个单电池在第j个采样点的温度，J为采样点数。
单电池容量：从遥测数据中提取放电时长、放电电流、放电温度、恒流充电时长、恒压充电时长、充电开始电压、充电温度、搁置时间等电池使用特征，采用基于近似置信规则库-隐含马尔可夫模型的方法估计各单电池容量。
单电池电量：采用基于剩余可充电量预测的方法估计除满充电池外其余单电池的剩余可充电量，结合单电池容量，得到各单电池电量。单电池电荷状态（state of charge，SoC）=单电池电量/单电池容量
100%。
可用单电池数量：根据遥测数据中的旁路状态，判断是否有单电池发生旁路，从而确定健康单电池的数量。若未发生旁路，则可用单电池数量为9，若一节单电池旁路，则可用单电池数量为8。
电池组容量：利用容量电量图法，根据各单电池的容量和电量求得当前电池组的容量。
电池组电压：取放电开始时刻为采样起点，放电结束时刻为采样终点，间隔30秒对电压采样，计算平均电压作为电池组电压。电池组电压的计算公式如下：
其中，Vp为电池组电压，Vp,j为电池组在第j个采样点的电压，J为采样点数。
步骤704：采用基于变异系数的方法计算单电池的各种不一致性，并采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性。
在实际应用中，步骤704具体包括：采用基于变异系数的方法计算所述单电池的各种不一致性的指标权重；确定所述单电池的各种不一致性的取值范围；确定评估等级个数以及所述评估等级的参考值；基于所述取值范围，根据所述评估等级个数以及所述评估等级的参考值，将所述单电池的各种不一致性转化为置信分布；根据所述单电池的各种不一致性的指标权重，融合转化后的置信分布，生成融合后的置信分布；根据所述融合后的置信分布生成单电池合成不一致性。
实际应用中的执行步骤如下：
1）单电池不一致性指的是电池组中单体参数存在差异。通常使用电压、温度、容量、SoC、内阻、自放电率等参数。由于各参数间存在复杂的耦合关系，单参数的不一致性难以准确揭示电池组性能下降的机理。因此，通常使用多个参数综合评价。由于ER在信息融合领域得到了广泛应用，本发明采用ER方法对单电池各指标的不一致性进行融合，步骤如下：
2）确定指标权重。权重反映了各指标的相对重要程度。由于不一致性是基于数据统计计算得到的，考虑到变异系数计算简单，且能反映单位均值上的离散程度，采用基于变异系数的方法计算各不一致性的权重。
其中，L表示指标个数，Q表示指标在时间上的采样组数，
代表第l个指标在第q个时刻的变异系数，/>
表示第l个指标变异系数的均值，/>
表示第l个指标的权重。
3）指标值形式转换。遥测数据处理得到的不一致性是一个确定的数，而ER融合的输入是置信分布的形式，所以需要进行格式转换。首先确定指标值取值范围，再确定评估等级个数，设置各评估等级的参考值，再进行置信度的转化。
其中，N表示评估等级个数，
是第l个指标的值，/>
是第l个指标第a个评估等级的参考值，/>
是l个指标第n个评估等级的置信度。转换后的不一致性的形式为：
；DN为....，N为1，2...。
4）融合各指标的置信分布。
其中，
为归一化的指标权重，/>
为融合后各等级的置信度，K为归一化系数。
步骤705：将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果；所述卫星电池组健康状态评估结果为不同评估等级的置信分布；所述评估等级包括健康、良好、堪用以及差。
将合成不一致性、可用单电池数量、电池组容量、电池组电压这4个指标输入建立的BRB评估模型进行卫星电池组健康状态评估，具体步骤如下：
1）计算规则的激活权重。规则的激活权重反映了数据和规则之间的内在联系。将输入数据与属性参考值相比较，根据公式（9）~（11）求取各规则的激活权重。
其中，
，/>
分别代表第m个属性的初始权重和归一化权重，/>
表示输入向量对应第m个属性的值，/>
表示第m个属性第b个参考值，/>
表示第m个属性第f个参考等级的激活权重，M为属性个数，/>
表示第m个属性的参考值个数，R为规则个数，/>
表示第r条规则的激活权重，/>
为第r条规则的规则权重。
2）融合规则并输出结果。BRB采用ER对激活规则的后件融合，利用公式（6）~（8），得到最终的评估结果。
步骤705之后还包括：采用基于效用的方法转化所述卫星电池组健康状态评估结果，生成所述卫星电池组健康状态评估结果的评估分数。
评估结果是一种置信分布，具有不确定表达能力，此时，若需得到定量的评估分数，可以采用基于效用的方法进行转化，公式如下：
其中，U为评估分数，
表示合成不一致性的第n个评估等级的效用。
图10-图11为12个时间节点的评估结果，包含置信分布和得分两种形式。可以看出，1)随着时间的推移，电池组健康状况为优的置信度总体呈下降趋势，良的置信度总体呈增加趋势。2)在第8个节点，即卫星电池工作的第4年，开始出现堪用的置信度。3)在第6和11个节点，优的置信度有所增加。这是因为卫星电池在第6和第11个节点启用了均衡，电池组整体性能得到了改善。
图12为本发明所提供的卫星电池组健康状态评估流程框架图，本发明考虑单电池的均衡状态和旁路状态，将单电池的不一致性和电池组整体性能指标相结合，建立多层次的健康状态评估指标体系；建立基于规则的评估模型；将遥测数据处理成各评估要素；采用ER的方法融合不一致性；将合成不一致性和电池组整体性能指标输入BRB评估模型，实现健康状态评估。结果表明，本发明所提供的评估方法适应卫星电池的实际使用过程，评估结果更加全面可靠，可为在轨卫星锂离子电池组的使用维护提供决策支撑。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种卫星电池组健康状态评估系统。
一种卫星电池组健康状态评估系统，包括：
卫星电池组健康状态评估指标体系建立模块，用于基于卫星电池组性能下降处理典型策略，考虑单电池的均衡状态和旁路状态，根据电池组退化机理，将单电池的各种不一致性和电池组整体性能指标相结合，建立多层次的卫星电池组健康状态评估指标体系；所述单电池的各种不一致性包括温度不一致性、电压不一致性、SoC不一致性以及容量不一致性；所述电池组整体性能指标包括可用单电池数量、电池组容量以及电池组电压。
BRB评估模型建立模块，用于基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型。
在实际应用中，BRB评估模型建立模块，具体包括：
规则库构建单元，用于根据所述卫星电池组健康状态评估指标体系以及在轨卫星管理实践中获得的专家知识构建规则库；所述规则库的前提属性包括单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压；
置信度及权重确定单元，用于确定所述规则库中每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重；
BRB评估模型建立单元，用于基于所述规则库，根据每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重建立置信规则库BRB评估模型。
评估要素生成模块，用于采集卫星遥测中与蓄电池相关的遥测数据，并根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素；所述评估要素包括单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量以及电池组电压。
在实际应用中，评估要素生成模块，具体包括：
充放电循环时间段获取单元，用于获取电池组的充放电循环时间段；
单电池平均温度确定单元，用于在所述充放电循环时间段内，每间隔半小时采集所述单电池的温度，并计算所有采样时刻的温度的平均值作为所述单电池平均温度；
单电池平均电压确定单元，用于当将充电开始时刻作为采样起点，恒流充电结束时刻作为采样终点时，间隔30秒对单电池的电压进行采样，并计算所有采样的电压的平均值作为所述单电池平均电压；
单电池容量计算单元，用于提取所述遥测数据中的电池使用特征，并采用基于近似置信规则库-隐含马尔可夫模型的方法，根据所述电池使用特征计算所述单电池容量；所述电池使用特征包括放电时长、放电电流、放电温度、恒流充电时长、恒压充电时长、充电开始电压、充电温度以及搁置时间；
单电池电量确定单元，用于采用基于剩余可充电量预测的方法估计除满充电池外其余单电池的剩余可充电量，结合所述单电池容量，确定所述单电池电量；
可用单电池数量确定单元，用于根据所述遥测数据中的旁路状态，确定所述可用单电池数量；
电池组容量确定单元，用于利用容量电量图法，根据所述单电池容量以及所述单电池电量确定所述电池组容量；
电池组电压确定单元，用于当将放电开始时刻作为采样起点，放电结束时刻作为采样终点时，间隔30秒对电池组的电压进行采样，并计算所有采样的电压的平均值作为所述电池组电压。
融合模块，用于采用基于变异系数的方法计算单电池的各种不一致性，并采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性。
卫星电池组健康状态评估结果生成模块，用于将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果；所述卫星电池组健康状态评估结果为不同评估等级的置信分布；所述评估等级包括健康、良好、堪用以及差。
实施例三
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的卫星电池组健康状态评估方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的卫星电池组健康状态评估方法。
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。对于实施例公开的系统而言，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。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种卫星电池组健康状态评估方法，其特征在于，包括：
基于卫星电池组性能下降处理典型策略，考虑单电池的均衡状态和旁路状态，根据电池组退化机理，将单电池的各种不一致性和电池组整体性能指标相结合，建立多层次的卫星电池组健康状态评估指标体系；所述单电池的各种不一致性包括温度不一致性、电压不一致性、SoC不一致性以及容量不一致性；所述电池组整体性能指标包括可用单电池数量、电池组容量以及电池组电压；
基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型；
采集卫星遥测中与蓄电池相关的遥测数据，并根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素；所述评估要素包括单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量以及电池组电压；
采用基于变异系数的方法计算单电池的各种不一致性，并采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性，具体包括：采用基于变异系数的方法计算所述单电池的各种不一致性的指标权重；确定所述单电池的各种不一致性的取值范围；确定评估等级个数以及所述评估等级的参考值；基于所述取值范围，根据所述评估等级个数以及所述评估等级的参考值，将所述单电池的各种不一致性转化为置信分布；根据所述单电池的各种不一致性的指标权重，融合转化后的置信分布，生成融合后的置信分布；根据所述融合后的置信分布生成单电池合成不一致性；
实际应用中的执行步骤如下：
1）单电池不一致性指的是电池组中单体参数存在差异；通常使用电压、温度、容量、SoC、内阻、自放电率等参数；由于各参数间存在复杂的耦合关系，单参数的不一致性难以准确揭示电池组性能下降的机理；因此，通常使用多个参数综合评价；由于ER在信息融合领域得到了广泛应用，本发明采用ER方法对单电池各指标的不一致性进行融合，步骤如下：
2）确定指标权重；权重反映了各指标的相对重要程度；由于不一致性是基于数据统计计算得到的，考虑到变异系数计算简单，且能反映单位均值上的离散程度，采用基于变异系数的方法计算各不一致性的权重；
其中，L表示指标个数，Q表示指标在时间上的采样组数，
代表第l个指标在第q个时刻的变异系数，/>
表示第l个指标变异系数的均值，/>
表示第l个指标的权重；
3）指标值形式转换；遥测数据处理得到的不一致性是一个确定的数，而ER融合的输入是置信分布的形式，所以需要进行格式转换；首先确定指标值取值范围，再确定评估等级个数，设置各评估等级的参考值，再进行置信度的转化；
其中，N表示评估等级个数，
是第l个指标的值，/>
是第l个指标第a个评估等级的参考值，/>
是l个指标第n个评估等级的置信度；
4）融合各指标的置信分布；
其中，
为归一化的指标权重，/>
为融合后各等级的置信度，K为归一化系数；
将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果；所述卫星电池组健康状态评估结果为不同评估等级的置信分布；所述评估等级包括健康、良好、堪用以及差。
2.根据权利要求1所述的卫星电池组健康状态评估方法，其特征在于，基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型，具体包括：
根据所述卫星电池组健康状态评估指标体系以及在轨卫星管理实践中获得的专家知识构建规则库；所述规则库的前提属性包括单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压；
确定所述规则库中每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重；
基于所述规则库，根据每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重建立置信规则库BRB评估模型。
3.根据权利要求1所述的卫星电池组健康状态评估方法，其特征在于，根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素，具体包括：
获取电池组的充放电循环时间段；
在所述充放电循环时间段内，每间隔半小时采集所述单电池的温度，并计算所有采样时刻的温度的平均值作为所述单电池平均温度；
当将充电开始时刻作为采样起点，恒流充电结束时刻作为采样终点时，间隔30秒对单电池的电压进行采样，并计算所有采样的电压的平均值作为所述单电池平均电压；
提取所述遥测数据中的电池使用特征，并采用基于近似置信规则库-隐含马尔可夫模型的方法，根据所述电池使用特征计算所述单电池容量；所述电池使用特征包括放电时长、放电电流、放电温度、恒流充电时长、恒压充电时长、充电开始电压、充电温度以及搁置时间；
采用基于剩余可充电量预测的方法估计除满充电池外其余单电池的剩余可充电量，结合所述单电池容量，确定所述单电池电量；
根据所述遥测数据中的旁路状态，确定所述可用单电池数量；
利用容量电量图法，根据所述单电池容量以及所述单电池电量确定所述电池组容量；
当将放电开始时刻作为采样起点，放电结束时刻作为采样终点时，间隔30秒对电池组的电压进行采样，并计算所有采样的电压的平均值作为所述电池组电压。
4.根据权利要求1所述的卫星电池组健康状态评估方法，其特征在于，采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性，具体包括：
采用基于变异系数的方法计算所述单电池的各种不一致性的指标权重；
确定所述单电池的各种不一致性的取值范围；
确定评估等级个数以及所述评估等级的参考值；
基于所述取值范围，根据所述评估等级个数以及所述评估等级的参考值，将所述单电池的各种不一致性转化为置信分布；
根据所述单电池的各种不一致性的指标权重，融合转化后的置信分布，生成融合后的置信分布；
根据所述融合后的置信分布生成单电池合成不一致性。
5.根据权利要求2所述的卫星电池组健康状态评估方法，其特征在于，将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果，之后还包括：
采用基于效用的方法转化所述卫星电池组健康状态评估结果，生成所述卫星电池组健康状态评估结果的评估分数。
6.一种卫星电池组健康状态评估系统，其特征在于，包括：
卫星电池组健康状态评估指标体系建立模块，用于基于卫星电池组性能下降处理典型策略，考虑单电池的均衡状态和旁路状态，根据电池组退化机理，将单电池的各种不一致性和电池组整体性能指标相结合，建立多层次的卫星电池组健康状态评估指标体系；所述单电池的各种不一致性包括温度不一致性、电压不一致性、SoC不一致性以及容量不一致性；所述电池组整体性能指标包括可用单电池数量、电池组容量以及电池组电压；
BRB评估模型建立模块，用于基于所述卫星电池组健康状态评估指标体系，根据电池组性能需求以及在轨卫星管理实践中获得的专家知识，建立置信规则库BRB评估模型；
评估要素生成模块，用于采集卫星遥测中与蓄电池相关的遥测数据，并根据所述卫星电池组健康状态评估指标体系对所述遥测数据进行处理，生成评估要素；所述评估要素包括单电池平均温度、单电池平均电压、单电池容量、单电池电量、可用单电池数量、电池组容量以及电池组电压；
融合模块，用于采用基于变异系数的方法计算单电池的各种不一致性，并采用证据推理ER方法，融合所述单电池的各种不一致性，生成单电池合成不一致性，具体包括：采用基于变异系数的方法计算所述单电池的各种不一致性的指标权重；确定所述单电池的各种不一致性的取值范围；确定评估等级个数以及所述评估等级的参考值；基于所述取值范围，根据所述评估等级个数以及所述评估等级的参考值，将所述单电池的各种不一致性转化为置信分布；根据所述单电池的各种不一致性的指标权重，融合转化后的置信分布，生成融合后的置信分布；根据所述融合后的置信分布生成单电池合成不一致性；
实际应用中的执行步骤如下：
1）单电池不一致性指的是电池组中单体参数存在差异；通常使用电压、温度、容量、SoC、内阻、自放电率等参数；由于各参数间存在复杂的耦合关系，单参数的不一致性难以准确揭示电池组性能下降的机理；因此，通常使用多个参数综合评价；由于ER在信息融合领域得到了广泛应用，本发明采用ER方法对单电池各指标的不一致性进行融合，步骤如下：
2）确定指标权重；权重反映了各指标的相对重要程度；由于不一致性是基于数据统计计算得到的，考虑到变异系数计算简单，且能反映单位均值上的离散程度，采用基于变异系数的方法计算各不一致性的权重；
其中，L表示指标个数，Q表示指标在时间上的采样组数，
代表第l个指标在第q个时刻的变异系数，/>
表示第l个指标变异系数的均值，/>
表示第l个指标的权重；
3）指标值形式转换；遥测数据处理得到的不一致性是一个确定的数，而ER融合的输入是置信分布的形式，所以需要进行格式转换；首先确定指标值取值范围，再确定评估等级个数，设置各评估等级的参考值，再进行置信度的转化；
其中，N表示评估等级个数，
是第l个指标的值，/>
是第l个指标第a个评估等级的参考值，/>
是l个指标第n个评估等级的置信度；
4）融合各指标的置信分布；
其中，
为归一化的指标权重，/>
为融合后各等级的置信度，K为归一化系数；
卫星电池组健康状态评估结果生成模块，用于将所述单电池合成不一致性、所述可用单电池数量、所述电池组容量以及所述电池组电压输入至所述BRB评估模型，生成卫星电池组健康状态评估结果；所述卫星电池组健康状态评估结果为不同评估等级的置信分布；所述评估等级包括健康、良好、堪用以及差。
7.根据权利要求6所述的卫星电池组健康状态评估系统，其特征在于，BRB评估模型建立模块，具体包括：
规则库构建单元，用于根据所述卫星电池组健康状态评估指标体系以及在轨卫星管理实践中获得的专家知识构建规则库；所述规则库的前提属性包括单电池合成不一致性、可用单电池数量、电池组容量以及电池组电压；
置信分布及权重确定单元，用于确定所述规则库中每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重；
BRB评估模型建立单元，用于基于所述规则库，根据每条规则的规则权重、每条规则对应的所述评估等级的置信分布以及前提属性的属性权重建立置信规则库BRB评估模型。
8.根据权利要求6所述的卫星电池组健康状态评估系统，其特征在于，评估要素生成模块，具体包括：
充放电循环时间段获取单元，用于获取电池组的充放电循环时间段；
单电池平均温度确定单元，用于在所述充放电循环时间段内，每间隔半小时采集所述单电池的温度，并计算所有采样时刻的温度的平均值作为所述单电池平均温度；
单电池平均电压确定单元，用于当将充电开始时刻作为采样起点，恒流充电结束时刻作为采样终点时，间隔30秒对单电池的电压进行采样，并计算所有采样的电压的平均值作为所述单电池平均电压；
单电池容量计算单元，用于提取所述遥测数据中的电池使用特征，并采用基于近似置信规则库-隐含马尔可夫模型的方法，根据所述电池使用特征计算所述单电池容量；所述电池使用特征包括放电时长、放电电流、放电温度、恒流充电时长、恒压充电时长、充电开始电压、充电温度以及搁置时间；
单电池电量确定单元，用于采用基于剩余可充电量预测的方法估计除满充电池外其余单电池的剩余可充电量，结合所述单电池容量，确定所述单电池电量；
可用单电池数量确定单元，用于根据所述遥测数据中的旁路状态，确定所述可用单电池数量；
电池组容量确定单元，用于利用容量电量图法，根据所述单电池容量以及所述单电池电量确定所述电池组容量；
电池组电压确定单元，用于当将放电开始时刻作为采样起点，放电结束时刻作为采样终点时，间隔30秒对电池组的电压进行采样，并计算所有采样的电压的平均值作为所述电池组电压。
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1-5中任一项所述的卫星电池组健康状态评估方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的卫星电池组健康状态评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310273366.5A CN115980612B (zh) | 2023-03-21 | 2023-03-21 | 一种卫星电池组健康状态评估方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310273366.5A CN115980612B (zh) | 2023-03-21 | 2023-03-21 | 一种卫星电池组健康状态评估方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115980612A CN115980612A (zh) | 2023-04-18 |
| CN115980612B true CN115980612B (zh) | 2023-07-07 |
Family
ID=85959968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310273366.5A Active CN115980612B (zh) | 2023-03-21 | 2023-03-21 | 一种卫星电池组健康状态评估方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115980612B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116609676B (zh) * | 2023-07-14 | 2023-09-15 | 深圳先进储能材料国家工程研究中心有限公司 | 一种基于大数据处理的混合储能电池状态监控方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082692A (zh) * | 2019-05-07 | 2019-08-02 | 哈尔滨工业大学 | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6329792B1 (en) * | 1997-07-04 | 2001-12-11 | Estco Energy Inc. | Device and system for management of battery back up power source |
| CN110239394A (zh) * | 2019-06-25 | 2019-09-17 | 章礼道 | 基于5G-IoT高精度温度传感器的电动乘用车智能电池管理系统 |
| CN111123130A (zh) * | 2019-12-25 | 2020-05-08 | 北京空间飞行器总体设计部 | 一种卫星锂离子蓄电池电压遥测健康性在轨自主诊断的方法 |
| CN114966442A (zh) * | 2022-04-29 | 2022-08-30 | 中国空间技术研究院 | 一种卫星锂离子蓄电池组容量衰降的评估方法及系统 |
| CN115356650A (zh) * | 2022-07-27 | 2022-11-18 | 北京航空航天大学 | 一种卫星s4r电源系统状态量化评价方法 |
-
2023
- 2023-03-21 CN CN202310273366.5A patent/CN115980612B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082692A (zh) * | 2019-05-07 | 2019-08-02 | 哈尔滨工业大学 | 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115980612A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109725266B (zh) | 一种电池健康状态soh的计算方法及装置 | |
| CN112946499B (zh) | 基于机器学习的锂电池健康状态及荷电状态联合估算方法 | |
| US20170115355A1 (en) | Maximum capacity estimator for battery state of health and state of charge determinations | |
| EP1877812B1 (en) | Lithium sulfur rechargeable battery fuel gauge systems and methods | |
| CN102590751B (zh) | 动力电池包一致性评估方法和装置 | |
| CN108254696A (zh) | 电池的健康状态评估方法及系统 | |
| CN110658459B (zh) | 基于双向循环神经网络的锂离子电池荷电状态估计方法 | |
| CN106093778A (zh) | 电池状态预测方法及系统 | |
| CN113052464B (zh) | 电池储能系统可靠性评估方法及系统 | |
| CN112986830A (zh) | 一种基于卷积时间记忆神经网络的锂电池容量估计方法 | |
| CN115980612B (zh) | 一种卫星电池组健康状态评估方法、系统及设备 | |
| CN110061531A (zh) | 储能电池的均衡方法 | |
| CN110888076B (zh) | 星载氢镍蓄电池在轨电压降提取及退化建模方法 | |
| Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
| CN103682508A (zh) | 一种航天器锂离子蓄电池组荷电状态确定方法 | |
| CN116401585B (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
| Liu et al. | A new dynamic SOH estimation of lead‐acid battery for substation application | |
| CN105717455A (zh) | 电池组的电池单体soc和容量估计算法的选择方法 | |
| CN114636948A (zh) | 一种储能系统寿命评估方法、装置、电子设备及存储介质 | |
| CN103413033A (zh) | 一种预测蓄电池故障的方法 | |
| CN112763916B (zh) | 一种空间用锂离子电池组未来工况预测方法 | |
| Feder et al. | Field and laboratory studies to assess the state of health of valve-regulated lead acid batteries. I Conductance/capacity correlation studies | |
| CN113325327B (zh) | 基于内阻测试的动力电池瞬态产热率的测算方法 | |
| CN117054892B (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 | |
| CN111474485A (zh) | 一种航天器蓄电池组在轨实时容量的评估方法及评估系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |