CN116027215A - 一种水下大规模储能锂电池组soc估算和评价方法 - Google Patents
一种水下大规模储能锂电池组soc估算和评价方法 Download PDFInfo
- Publication number
- CN116027215A CN116027215A CN202111240149.3A CN202111240149A CN116027215A CN 116027215 A CN116027215 A CN 116027215A CN 202111240149 A CN202111240149 A CN 202111240149A CN 116027215 A CN116027215 A CN 116027215A
- Authority
- CN
- China
- Prior art keywords
- battery pack
- soc
- battery
- capacity
- residual capacity
- 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
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
本发明涉及一种水下大规模储能锂电池组SOC估算和评价方法,可用于对大型水下机器人用大规模高储能量电池组容量的准确估算,为水下机器人任务规划提供精准的能源状态信息。本方法建立了基于安时积分的动态数据修正模型,通过电池历史数据,建立初始容量与充放电循环次数模型,放电倍率、温度与容量关系模型,利用上述模型建立单支路电池组SOC估算修正模型,得出任务SOC和储能SOC,再通过加权评价机制综合评价和估算大量电池支路组成的储能锂电池组容量。本发明能够准确估算大规模电池组的容量,同时为机器人任务规划提供精准的能源状态评价。
Description
技术领域
本发明属于水下装备领域,具体说是一种水下机器人用大规模储能锂电池组SOC估算和评价方法。
背景技术
水下机器人在海洋探查、观测及资源开发利用等方面有着广泛的应用,锂电池组作为动力能源是水下机器人的重要组成部分,随着深海探测任务的复杂程度增加,对于水下机器人的续航时间,功率等要求越来越高,所以对水下机器人动力能源的储能量要求较高,锂电池组的成组规模越来越大,因此对大规模锂电池组能源状态的准确监控,对保障水下机器人的安全和任务执行十分重要。
目前,大规模储能锂电池组的SOC估算和评价存在精度低,方法单一,受使用条件影响较大,无法实时为水下机器人任务执行评估和规划提供精准的能源信息等问题,随着水下机器人的动力能源规模增大和任务的复杂性,对于水下大规模储能电池组的SOC的精准估算和评价越来越重要。
发明内容
本发明提供一种适合水下机器人用大规模储能锂电池组多数据融合的精准SOC估算和评价方法。
本发明为实现上述目的所采用的方法是:一种水下大规模储能锂电池组SOC估算和评价方法,包括以下步骤:
A)根据充放电循环次数参数修正方法修正电池组满电容量;
B)通过放电倍率参数修正方法修正电池组剩余容量,以修正电池组SOC;
C)通过实时电压参数修正方法修正电池组剩余容量,以修正电池组SOC;
D)根据步骤A)得到的电池组满电容量、步骤C)得到的修正后的电池组剩余容量,对电池组整体的储能SOC进行估算;
根据步骤A)得到的电池组满电容量、步骤B)得到的修正后的电池组剩余容量、步骤C)得到的修正后的电池组剩余容量,对电池组整体的任务SOC进行评价。
所述充放电循环次数参数修正方法,通过电池全寿命周期的充放电循环数据,建立充放电循环次数参数修正模型,来动态修正安时积分算法中的满电容量,包括以下步骤:
其中,I为电流,t为时间;
充放电循环次数参数修正模型为Ce=C0-loga x-k x,其中,C0为电池组初始容量,Ce为当前电池组满电容量,x为充放电循环次数,k为衰减系数,a为通过历史数据得到的曲线参数。
所述充放电循环次数计算方法如下:
(1)当电池组剩余容量在额定容量30%~100%区间时,额定容量每降低10%,记0.1次循环;
(2)当电池组额定容量低于30%,记1次循环。
所述放电倍率参数修正方法,包括以下步骤:
通过对电池全寿命周期内不同放电倍率测试得到的剩余容量和倍率的数据分析,进而得到剩余容量和倍率的关系表,根据水下机器人单次或多次任务能源需求,得到电池组实时放电倍率,根据关系表,放电倍率参数修正以每0.3C为一个修正区间,动态修正电池组剩余容量,进而实现任务SOC的修正。
所述实时电压参数修正方法,通过对历史数据的分析,确定电池组SOC的修正区间,一旦偏差超过修正区间,即进行修正,包括以下步骤:
(1)通过历史数据确定电池组SOC为96%时对应的电池组电压值V0和96%SOC对应的剩余容量C96%;
(2)若充电过程中,当电池组电压V实时>V0,SOC小于96%,将电池组剩余容量修正为C96%;
(3)若充电过程中,当电池组电压V实时>V0,SOC大于等于96%,电池组剩余容量不进行修正;
(4)若充电过程中,当电池组电压V实时≤V0,SOC大于等于96%,电池组剩余容量不进行修正;
(5)修正完成后,更新安时积分算法中的剩余容量,用于以该剩余容量继续进行估算。
所述对电池组整体的储能SOC进行估算,包括以下步骤:
对于每个电池组支路,将通过充放电循环次数参数修正方法修正的电池组满电容量Ce,通过实时电压参数修正方法修正的电池组剩余容量,得到每个电池组支路的SOC,分别为SOC1~SOCN,满电容量分别为Ce1~CeN,进行加权处理
所述对电池组整体的任务SOC进行评价,包括以下步骤:
对于每个电池组支路,将通过充放电循环次数参数修正方法修正的电池组满电容量Ce,在放电过程中通过放电倍率参数修正方法修正电池组剩余容量,在充电过程中通过实时电压参数修正方法修正的电池组剩余容量,得到每个电池组支路的SOC,分别为SOC1~SOCN,满电容量分别为Ce1~CeN,进行加权处理
当储能SOC大于阈值,则水下机器人正常执行任务;否则终止任务执行,上浮;
当任务SOC大于阈值,则水下机器人按预设任务正常运行;否则根据当前电池组SOC状态,重新规划任务。
当任一电池组支路由于故障或保护退出电池成组后,加权处理时,将该电池组支路剔除,重新进行加权计算,得出电池组整体的储能SOC和任务SOC。
一种水下大规模储能锂电池组SOC估算和评价系统,包括:
电池组满电容量修正模块,用于根据充放电循环次数参数修正方法修正电池组满电容量;
电池组剩余容量修正模块,用于通过放电倍率参数修正方法修正电池组剩余容量,以修正电池组SOC;通过实时电压参数修正方法修正电池组剩余容量,以修正电池组SOC;
估算和评价模块,用于根据电池组满电容量修正模块得到的电池组满电容量、电池组剩余容量修正模块得到的修正后的电池组剩余容量,对电池组整体的储能SOC进行估算;根据电池组满电容量修正模块得到的电池组满电容量、电池组剩余容量修正模块通过放电倍率参数修正方法得到的修正后的电池组剩余容量、通过实时电压参数修正方法得到的修正后的电池组剩余容量,对电池组整体的任务SOC进行评价。
一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现一种水下大规模储能锂电池组SOC估算和评价方法。
本发明具有以下有益效果及优点:
1.本发明为一种水下大规模储能锂电池组SOC估算和评价方法,SOC估算设计了基于多数据融合的估算方法,以安时积分为基础,利用电池历史数据建立充放电循环次数、放电倍率和实时电压参数的SOC实时动态修正模型,实现大规模电池组SOC的精准估算,为水下机器人提供准确的能源状态信息。
2.本发明设计了切合水下机器人应用的大规模锂电池组SOC评价机制,将SOC分为储能SOC和任务SOC,设计了储能SOC和任务SOC的计算方法,以及通过加权计算来动态评价大规模锂电池组SOC,能够为水下机器人任务执行评估和任务重规划提供重要数据支撑。
3.本发明设计了电池组充放电次数计算方法,采用分段逐级累加方式,准确评估电池组运行过程中的充放电循环测试,能够提高对电池组使用寿命的预测。
附图说明
图1为一种水下大规模储能锂电池组SOC估算和评价方法框图;
图2为充放电循环次数参数修正方法示意图;
图3为放电倍率参数修正方法示意图;
图4为实时电压参数修正方法示意图;
图5为储能SOC评价方法示意图;
图6为任务SOC评价方法示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1所示为一种水下大规模储能锂电池组SOC估算和评价方法框图,一种水下大规模储能锂电池组SOC估算和评价方法包括基于多数据融合的SOC估算方法和大规模电池组SOC评价方法。基于多数据融合的SOC估算方法,以SOC安时积分算法为基础,利用电池历史数据建立充放电循环次数、放电倍率和实时电压参数的SOC估算修正模型;大规模电池组SOC评价方法,利用基于多数据融合的SOC估算方法的不同修正模型,将电池组SOC分为任务SOC和储能SOC两种,并通过加权评价机制综合评价N个电池支路组成的储能锂电池组的能量状态。
如图2所示,充放电循环次数参数修正方法是通过电池全寿命周期的充放电循环数据,建立充放电循环次数与初始容量的修正模型,来动态修正安时积分算法中的满电容量,首先建立充放电循环次数计算方法,即(1)当大规模锂电池组剩余容量在额定容量30%~100%区间时,额定容量每降低10%,记0.1次循环;(2)当电池组额定容量低于30%,记1次循环。
根据充放电循环次数的计算结果,建立SOC修正模型,充放电循环次数参数修正模型为Ce=C0-loga x-k x,其中C0为电池组初始容量,Ce为当前电池组满电容量,x为充放电循环次数,k为衰减系数,a和k为利用历史数据参数辨识得到。当0<x<100时,Ce=C0-loga x,当x≥100时,Ce=C0-kx,得到修正后的电池组满电容量,将电池组满电容量参数Ce输入安时积分算法中,即:I为电流,t为时间。最终等到充放电循环次数修正后的SOC和电池组剩余容量
如图3所示,放电倍率参数修正方法是通过电池全寿命周期内不同放电倍率测试得到的剩余容量和倍率的数据,利用查表法修正任务SOC,由于大规模电池组容量较高,考虑散热,放电倍率在1C以内,通过对真实电池组进行以0.1C为步长的放电倍率与容量的测试,得到容量和倍率的关系数据集,并整理为数据表,数据表横坐标为容量,单位1Ah,纵坐标为倍率,单位为0.1C。
首先通过充放电循环次数参数修正模型得到当前电池组的剩余容量Csy,然后根据当前的电流参数,进行数据集查表,放电倍率参数修正以每0.3C为一个修正区间,得出修正后的剩余容量Csy,然后再更新安时积分算法中的剩余容量Csy,进而间接修正了电池组SOC。
如图4所示,实时电压参数修正方法,主要用于大规模锂电池组在充电末期的SOC修正,由于电池组长时间使用,检测数据存在一定误差,造成SOC估算误差的累计,会导致电池组SOC估算误差偏大,本方法通过对历史数据的分析,确定电池组SOC的修正区间,一旦偏差超过修正区间,即进行修正,具体修正方法如下:
(1)通过历史数据确定电池组SOC为96%时对应的电池组电压值V0和96%
SOC对应的剩余容量C96%;
(2)若充电过程中,当电池组电压V实时>V0,SOC小于96%,将电池组剩余容量修正为C96%;
(3)若充电过程中,当电池组电压V实时>V0,SOC大于等于96%,电池组剩余容量不进行修正;
(4)若充电过程中,当电池组电压V实时≤V0,SOC大于等于96%,电池组剩余容量不进行修正。
(5)修正完成后,更新安时积分算法中的剩余容量,然后以该剩余容量继续进行估算。
如图5所示,储能SOC主要评价大规模储能锂电池组当前的能量状态,以便于水下机器人根据能量状态优化执行任务。每个电池组支路储能SOC估算以安时积分法为基础,充放电循环次数参数修正电池组满电容量Ce,实时电压参数动态修正整体剩余容量,得到每个电池组支路的SOC,分别为SOC1~SOCN,满电容量分别为Ce1~CeN,进行加权处理当任一电池组支路由于故障或保护退出成组后,加权处理时,将该电池组支路剔除,重新进行加权计算,得出大规模电池组整体的储能SOC。
当储能SOC大于阈值,则水下机器人正常执行任务;否则终止任务执行,上浮。
如图6所示,任务SOC主要评价大规模储能锂电池组执行机器人当前任务的能力,以便于机器人根据能量状态决定是否继续执行该任务。每个电池组支路任务SOC估算,是在储能SOC估算基础上,增加放电倍率参数修正方法,根据电池组实时放电倍率进行动态修正。然后按照储能SOC加权评价方法进行大规模电池整体的任务SOC。
当任务SOC大于阈值,则水下机器人按预设任务正常运行;否则根据当前电池组SOC状态,重新规划任务。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种水下大规模储能锂电池组SOC估算和评价方法,其特征在于,包括以下步骤:
A)根据充放电循环次数参数修正方法修正电池组满电容量;
B)通过放电倍率参数修正方法修正电池组剩余容量,以修正电池组SOC;
C)通过实时电压参数修正方法修正电池组剩余容量,以修正电池组SOC;
D)根据步骤A)得到的电池组满电容量、步骤C)得到的修正后的电池组剩余容量,对电池组整体的储能SOC进行估算;
根据步骤A)得到的电池组满电容量、步骤B)得到的修正后的电池组剩余容量、步骤C)得到的修正后的电池组剩余容量,对电池组整体的任务SOC进行评价。
3.根据权利要求2所述的一种水下大规模储能锂电池组SOC估算和评价方法,其特征在于:所述充放电循环次数计算方法如下:
(1)当电池组剩余容量在额定容量30%~100%区间时,额定容量每降低10%,记0.1次循环;
(2)当电池组额定容量低于30%,记1次循环。
4.根据权利要求1所述的一种水下大规模储能锂电池组SOC估算和评价方法,其特征在于,所述放电倍率参数修正方法,包括以下步骤:
通过对电池全寿命周期内不同放电倍率测试得到的剩余容量和倍率的数据分析,进而得到剩余容量和倍率的关系表,根据水下机器人单次或多次任务能源需求,得到电池组实时放电倍率,根据关系表,放电倍率参数修正以每0.3C为一个修正区间,动态修正电池组剩余容量,进而实现任务SOC的修正。
5.根据权利要求1所述的一种水下大规模储能锂电池组SOC估算和评价方法,其特征在于,所述实时电压参数修正方法,通过对历史数据的分析,确定电池组SOC的修正区间,一旦偏差超过修正区间,即进行修正,包括以下步骤:
(1)通过历史数据确定电池组SOC为96%时对应的电池组电压值V0和96%SOC对应的剩余容量C96%;
(2)若充电过程中,当电池组电压V实时>V0,SOC小于96%,将电池组剩余容量修正为C96%;
(3)若充电过程中,当电池组电压V实时>V0,SOC大于等于96%,电池组剩余容量不进行修正;
(4)若充电过程中,当电池组电压V实时≤V0,SOC大于等于96%,电池组剩余容量不进行修正;
(5)修正完成后,更新安时积分算法中的剩余容量,用于以该剩余容量继续进行估算。
7.根据权利要求1所述的一种水下大规模储能锂电池组SOC估算和评价方法,其特征在于,所述对电池组整体的任务SOC进行评价,包括以下步骤:
对于每个电池组支路,将通过充放电循环次数参数修正方法修正的电池组满电容量Ce,在放电过程中通过放电倍率参数修正方法修正电池组剩余容量,在充电过程中通过实时电压参数修正方法修正的电池组剩余容量,得到每个电池组支路的SOC,分别为SOC1~SOCN,满电容量分别为Ce1~CeN,进行加权处理
当储能SOC大于阈值,则水下机器人正常执行任务;否则终止任务执行,上浮;
当任务SOC大于阈值,则水下机器人按预设任务正常运行;否则根据当前电池组SOC状态,重新规划任务。
8.根据权利要求6或7所述的一种水下大规模储能锂电池组SOC估算和评价方法,其特征在于:当任一电池组支路由于故障或保护退出电池成组后,加权处理时,将该电池组支路剔除,重新进行加权计算,得出电池组整体的储能SOC和任务SOC。
9.一种水下大规模储能锂电池组SOC估算和评价系统,其特征在于,包括:
电池组满电容量修正模块,用于根据充放电循环次数参数修正方法修正电池组满电容量;
电池组剩余容量修正模块,用于通过放电倍率参数修正方法修正电池组剩余容量,以修正电池组SOC;通过实时电压参数修正方法修正电池组剩余容量,以修正电池组SOC;
估算和评价模块,用于根据电池组满电容量修正模块得到的电池组满电容量、电池组剩余容量修正模块得到的修正后的电池组剩余容量,对电池组整体的储能SOC进行估算;根据电池组满电容量修正模块得到的电池组满电容量、电池组剩余容量修正模块通过放电倍率参数修正方法得到的修正后的电池组剩余容量、通过实时电压参数修正方法得到的修正后的电池组剩余容量,对电池组整体的任务SOC进行评价。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-8任一项所述的一种水下大规模储能锂电池组SOC估算和评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240149.3A CN116027215A (zh) | 2021-10-25 | 2021-10-25 | 一种水下大规模储能锂电池组soc估算和评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240149.3A CN116027215A (zh) | 2021-10-25 | 2021-10-25 | 一种水下大规模储能锂电池组soc估算和评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116027215A true CN116027215A (zh) | 2023-04-28 |
Family
ID=86089906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111240149.3A Pending CN116027215A (zh) | 2021-10-25 | 2021-10-25 | 一种水下大规模储能锂电池组soc估算和评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116027215A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908706A (zh) * | 2023-09-13 | 2023-10-20 | 绿进新能源科技(常熟)有限公司 | 与放电路径解耦合的soc估算方法、设备及存储介质 |
CN117310509A (zh) * | 2023-11-30 | 2023-12-29 | 西北工业大学 | 一种水下装备电池组全服役周期内状态参量的获取方法 |
-
2021
- 2021-10-25 CN CN202111240149.3A patent/CN116027215A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908706A (zh) * | 2023-09-13 | 2023-10-20 | 绿进新能源科技(常熟)有限公司 | 与放电路径解耦合的soc估算方法、设备及存储介质 |
CN116908706B (zh) * | 2023-09-13 | 2023-12-12 | 绿进新能源科技(常熟)有限公司 | 与放电路径解耦合的soc估算方法、设备及存储介质 |
CN117310509A (zh) * | 2023-11-30 | 2023-12-29 | 西北工业大学 | 一种水下装备电池组全服役周期内状态参量的获取方法 |
CN117310509B (zh) * | 2023-11-30 | 2024-02-09 | 西北工业大学 | 一种水下装备电池组全服役周期内状态参量的获取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107576918B (zh) | 锂电池的剩余电量的估算方法及系统 | |
CN108089133B (zh) | 储能系统电池组一致性检测方法及检测装置 | |
CN103163480B (zh) | 锂电池健康状态的评估方法 | |
CN102540096B (zh) | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 | |
CN116027215A (zh) | 一种水下大规模储能锂电池组soc估算和评价方法 | |
CN107632272A (zh) | 一种基于电芯内部温度预测的动力电池放电荷电状态精确估计方法 | |
CN105203968B (zh) | 一种铅酸蓄电池剩余电量的在线测量系统 | |
CN104698388A (zh) | 一种移动终端的电池老化检测方法及其装置 | |
CN108205114B (zh) | 电池寿命的预测方法及系统 | |
CN112230146B (zh) | 电池充电剩余时间的预测方法、系统及设备 | |
CN114705990B (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
CN111914485B (zh) | 一种基于分数阶技术的自适应动力电池soc估计方法及系统 | |
CN103760494A (zh) | 电池容量在线估计方法及系统 | |
CN113030761A (zh) | 一种超大规模储能电站电池健康状态的评估方法及系统 | |
CN113777510A (zh) | 一种锂电池荷电状态估计方法及装置 | |
CN114035087B (zh) | 储能电池剩余寿命评估方法、装置、设备及介质 | |
CN112649747A (zh) | 一种分数阶扩展卡尔曼的锂电池soc估算方法 | |
CN108732499A (zh) | 一种检测锂离子电池循环寿命的方法和系统 | |
CN110208717B (zh) | 基于大数据的动力电池寿命预测方法 | |
CN111257770A (zh) | 一种电池包功率估算方法 | |
CN113075557B (zh) | 一种车主自适应的动力电池剩余寿命预测方法 | |
CN112108400B (zh) | 一种预测软包电池循环性能的测试方法 | |
CN116577686B (zh) | 一种基于局部阶段充电数据的多工况soh估计方法和系统 | |
CN117471320A (zh) | 基于充电片段的电池健康状态估计方法及系统 | |
CN113495214A (zh) | 一种基于温度变化模型的超级电容荷电状态估计方法 |
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 |