CN116130840A - 一种多模式切换的电池低温快速加热方法 - Google Patents

一种多模式切换的电池低温快速加热方法 Download PDF

Info

Publication number
CN116130840A
CN116130840A CN202310251541.0A CN202310251541A CN116130840A CN 116130840 A CN116130840 A CN 116130840A CN 202310251541 A CN202310251541 A CN 202310251541A CN 116130840 A CN116130840 A CN 116130840A
Authority
CN
China
Prior art keywords
battery
heating
model
parameters
temperature
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
Application number
CN202310251541.0A
Other languages
English (en)
Inventor
魏中宝
徐昕
何洪文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202310251541.0A priority Critical patent/CN116130840A/zh
Publication of CN116130840A publication Critical patent/CN116130840A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/61—Types of temperature control
    • H01M10/615—Heating or keeping warm
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/62—Heating or cooling; Temperature control specially adapted for specific applications
    • H01M10/625—Vehicles
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • 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

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供了一种多模式切换的电池低温快速加热方法，包括以下步骤：S1.建立电池的电‑热耦合模型，开展电池测试，辨识模型参数；S2.设置可优化的加热模式和电流参数为控制变量，确定模型中的关键状态变量，定义变量空间的可行域；S3.基于S1中搭建的电池模型，确定目标函数，搭建优化算法框架；S4.采集BMS反馈的电池状态参数，阶段划分以温度为依据，初始化算法；S5.依据预期控制目标，赋值权重因子，优选低温动力电池在当前状态的最佳加热方法。本发明能够根据低温环境下电池状态自适应决策最优加热控制方案，优选加热模式和可控电流参数，有效改善了电池加热性能。

Description

一种多模式切换的电池低温快速加热方法
技术领域
本发明涉及低温电池加热技术领域，特别是涉及一种多模式切换的电池低温快速加热方法。
背景技术
锂离子电池具有高能量密度、长循环寿命等优良特性，已被广泛用作电动汽车的动力源。然而，在低温环境下，由于电荷转移和离子扩散减缓、电解质扩散率和电导率降低，以及电阻增大等问题，锂离子电池的能量和功率损失严重，活性显著降低，限制了其在寒冷环境中的应用。因此，电池加热对于改善低温电池性能，提高锂离子电池的耐久性与安全性极其重要。
目前，电池的外部加热方法应用较为广泛，代表性的如液体加热、加热膜加热等，但加热过程中沿热传递路径的热损失显著，电池的温升一致性较差。而相比之下，内部加热方法具有加热效率高和电池温度分布均匀等优势。但值得注意的是，不同内部加热方法的适用条件存在差异。例如，一般认为，直流放电加热更适于SoC较高的电池，而交流加热则在高SoC区域的参数选择可能受限，进而影响电池的加热效率。然而，现阶段考虑在加热过程中自适应切换最优加热模式，以提升加热性能的研究较少。同时，对于不同方法适用的SoC范围也缺少准确的界定，多依赖于经验阈值进行加热方法的单一选择。
综上所述，当前缺少一种能够根据电池当前状态，自适应选择最优加热模式的锂离子电池多目标低温加热控制方法。
发明内容
本发明的目的在于克服现有技术的不足，提出一种多模式切换的电池低温快速加热方法，通过搭建电池的电-热耦合模型，将加热模式和可调节的电流参数共同作为控制变量，基于优化算法进行求解，进而实现兼顾多物理约束、多矛盾目标的最优加热方案决策。本发明提出的方法能够根据电池状态，自适应选择最佳的加热模式和电流参数，从而有效改善电池的低温加热性能。
本发明的目的是通过以下技术方案来实现的：一种多模式切换的电池低温快速加热方法，包括以下步骤：
S1.建立电池的电-热耦合模型，开展电池测试，辨识模型参数；
所述步骤S1包括以下子步骤：
S101.考虑模型精度和复杂度，建立能够反映电、热耦合作用的电池模型；
步骤S101中所述的电池模型，由电学模型和热学模型两部分组成。其中，电学模型包括等效电路模型、阻抗模型或电化学模型中的一种；热学模型包括分布式热模型或集总参数热模型中的一种；
S102.在不同温度下，开展电池性能测试，基于试验数据辨识模型参数，确定SoC-温度-参数的关系。
步骤S102中所述的电池性能测试，包括电池的充放电测试、容量标定测试、直流工况测试、交流工况测试、比热容测试，以及EIS测试；
所述的模型参数辨识算法，包括批量最小二乘法、粒子群算法或遗传算法；
所述的SoC-温度-参数关系的表征方法，包括三维映射查表或函数关系拟合。
S2.设置可优化的加热模式和电流参数为控制变量，确定模型中的关键状态变量，定义变量空间的可行域；
所述步骤S2包括以下子步骤：
S201.设置电池加热过程中的可优化变量，即加热模式和电流参数，作为控制向量空间U的组成变量；
步骤S201中所述的加热模式，至少有两种可供选择，包括直流放电加热的第一模式和正弦交流加热的第二模式；
具体地，所述的第一直流放电加热模式，即电池以满足约束的电流值进行放电，利用电池内阻产热使得电池升温，此时电池的产热率为：
qdc＝Idc·|Vt-VOC|
所述的第二正弦交流加热模式，即利用外部电源对电池施加满足约束的正弦交流激励，利用电池内阻产热使得电池升温，此时电池的产热率为：
Figure BDA0004127995570000021
步骤S201中所述的电流参数，包括电流值、电流频率等可控电流参数。
S202.以S1中建立的电池模型为基础，确定加热过程中的关键状态变量，作为状态向量空间X的组成变量；
步骤S202中所述的关键状态变量，包括电池SoC等关键参数。
S203.确定状态变量和控制变量的可行域，为模型求解提供控制约束，生成满足约束条件的可达状态集和容许控制集；
步骤S203中所述的控制约束包括电池的理化极限要求：
Figure BDA0004127995570000031
S3.基于S1中搭建的电池模型，确定目标函数，搭建优化算法框架；
所述步骤S3包括以下子步骤：
S301.利用S1中辨识的模型参数，以及S2中确定的关键变量，描述优化目标；
步骤S301中所述的优化目标，包括加热时间、能量损耗、电池老化等加热过程可优化的矛盾目标。
S302.针对多目标优化问题，构造成本函数和目标函数，建立基于优化算法的加热控制方法模型。
步骤S302中所述的优化算法，包括动态规划算法或遗传算法中的一种。
S4.采集BMS反馈的电池状态参数，阶段划分以温度为依据，初始化算法；
所述步骤S4包括以下子步骤：
S401.采集BMS反馈的电池SoC、温度等状态参数；
S402.考虑优化求解的精度和复杂度，定义温度步长ΔT，根据电池的初始温度T0、目标温度Ttar，将加热过程划分为N个加热阶段：
Figure BDA0004127995570000032
S403.基于所述电池当前状态反馈和阶段划分，完成算法初始化。
S5.依据预期控制目标，赋值权重因子，优选低温动力电池在当前状态的最佳加热方法。
本发明的有益效果是：本发明能够为低温环境中任意初始电量的电池提供最优的加热解决方案，基于电池当前状态，自适应选择最佳的加热模式和电流参数，遵从理化极限约束，实现兼顾加热速度、能量损耗等若干矛盾目标的优化控制，有效改善电池的低温加热性能。
附图说明
图1为本发明的方法流程图。
图2为实施例中锂离子电池的电热耦合模型。
图3为实施例中基于动态规划算法优化求解的原理示意图。
图4(a)为实施例中最优快速加热方法与直流放电加热方法两种方法下电流与时间的关系对比；
图4(b)为实施例中最优快速加热方法与直流放电加热方法两种方法下电池温度与时间的关系对比；
图4(c)为实施例中最优快速加热方法与直流放电加热方法两种方法下电池SoC与时间的关系对比。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种多模式切换的电池低温快速加热方法，包括以下步骤：
S1.建立电池的电-热耦合模型，开展电池测试，辨识模型参数。所述步骤S1中包括以下子步骤：
S101.建立电池模型，具体地，该实施例中，考虑建模精度和复杂度，采用等效电路模型和热模型相互耦合，如图2所示。其中，二阶RC等效电路模型的状态空间方程为：
Figure BDA0004127995570000041
Figure BDA0004127995570000042
Figure BDA0004127995570000043
Vt＝VOC-V1-V2-iR0
式中，S是电池SoC；t是时间；i是电流，以放电方向为正；C0是电池的最大可用容量；V1和V2是极化电压，R1和R2是极化内阻，C1和C2是极化电容；Vt是端电压；VOC是开路电压(Open Circuit Voltage，OCV)；R0是欧姆内阻。
热模型包含两个等效热阻和一个等效热容，可描述为：
Figure BDA0004127995570000044
Figure BDA0004127995570000045
式中，Ti是电池内部温度，T是电池表面温度，Tf是环境温度；Rin是电池内部等效热阻，Rout是电池外部等效热阻；Ce是等效热容；q是电池产热率。
S102.在不同温度下，对锂离子电池进行容量标定测试，计算三次测试数据的平均值，确定电池在不同温度下的最大放电容量C0，具体地，该实施例中，依次选取25℃、10℃、5℃、0℃、-10℃、-20℃作为测试的环境温度；
S103.在不同温度下，对充满电的电池进行间歇性放电-静置测试，获取不同状态下电池的开路电压，建立SoC-温度-OCV的三维映射关系，具体地，该实施例中，依次选取25℃、10℃、5℃、0℃、-10℃、-20℃作为测试的环境温度；
S104.在不同温度下，对锂离子电池进行直流工况测试或电化学阻抗谱(Electrochemical Impedance Spectroscopy，EIS)测试，具体地，该实施例中，依次选取25℃、10℃、5℃、0℃、-10℃、-20℃作为测试的环境温度，对电池进行了混合脉冲功率特性(Hybrid Pulse Power Characterization，HPPC)测试；
根据测试所得数据离线辨识电池模型的欧姆内阻R0、极化内阻R1和R2、极化电容C1和C2，分别建立各参数与SoC、温度的三维映射关系，具体地，该实施例中，采用批量最小二乘法离线辨识所述电池模型参数；
S105.对电池进行热特性测试，根据电池比热容测试数据和电池质量m确定电池热容Ce；
S106.对电池进行周期性充放电循环测试，根据测试数据离线辨识电池模型的等效热阻，具体地，该实施例中，基于恒温段测试数据，计算电池模型的外部等效热阻Rout；基于温升段测试数据，采用最小二乘法离线辨识电池模型的内部等效热阻Rin。
S2.设置可优化的加热模式和电流参数为控制变量，确定模型中的关键状态变量，定义变量空间的可行域。所述步骤S2中包括以下子步骤：
S201.设置电池加热过程中的可优化变量，即加热模式和可控电流参数，作为控制向量空间U的组成变量。该实施例中，定义通过电池的电流为控制变量u1，定义电池的加热模式为控制变量u2。其中，所述加热模式包括直流放电加热的第一模式和正弦交流加热的第二模式。
具体地，当电池的加热模式为第一直流放电加热模式时，电池以满足约束的电流值进行放电，利用电池内阻产热使得电池升温。此时，所述控制变量u1表示直流电流值，所述控制变量u2取值为1，电池的产热率可表示为：
qdc＝Idc·|Vt-VOC|
当电池的加热模式为第二正弦交流加热模式时，利用外部电源对电池施加满足约束的正弦交流激励，利用电池内阻产热使得电池升温。此时，所述控制变量u1表示交流电流幅值，所述控制变量u2取值为2，电池的产热率可表示为：
Figure BDA0004127995570000051
Figure BDA0004127995570000052
式中，ω是交流电流的角频率。
S202.以S1中建立的电池模型为基础，确定加热过程中的关键状态变量，作为状态向量空间X的组成变量。具体地，该实施例中，定义电池SoC为状态变量x，则状态转移方程如下：
Figure BDA0004127995570000061
式中，Δt表示递推计算状态变量的相邻阶段间隔时长。
S203.确定状态变量和控制变量的可行域，为模型求解提供控制约束，生成满足约束条件的可达状态集和容许控制集。具体地，该实施例中，为保证电池的安全稳定运行，设置变量的约束条件如下：
Figure BDA0004127995570000062
其中，电池阻抗模组|Z|的计算方法如下：
Figure BDA0004127995570000063
Figure BDA0004127995570000064
S3.基于S1中搭建的电池模型，确定目标函数，搭建优化算法框架。所述步骤S3中包括以下子步骤：
S301.利用S1中辨识的模型参数，以及S2中确定的关键变量，描述优化目标。具体地，该实施例中，以加热时间和能量损耗为优化目标，可描述为：
H＝α·Dtime+(1-α)·M·Eloss
式中，Dtime表示加热时间；Eloss表示加热过程中的能量损耗；α表示目标权重因子，取值范围为[0,1]；M为平衡系数，以确保优化子目标在同一数量级。
具体地，加热时间Dtime的计算方法如下：
Figure BDA0004127995570000065
式中，Tint表示初始电池温度，ΔT表示该加热过程的温升。
能量损耗Eloss的计算方法如下：
Eloss＝Idc·VOC-qdc
S302.针对多目标优化问题，构造成本函数和目标函数，建立基于优化算法的加热控制方法模型。具体地，该实施例中，采用动态规划(Dynamic Programming，DP)算法，在状态变量和控制变量可行域约束下求解满足优化目标的最优控制。
DP算法是基于最优性原理提出的一种数学优化方法，常用于求解多阶段决策优化问题。该算法的主要思想是将待求解的复杂多阶段决策过程分解为若干单阶段问题，在每一阶段遍历所有可能决策量，进而寻求使得成本最小的全局最优解。因此，本实施例的目标函数f可描述为：
Figure BDA0004127995570000071
其中，σk表示k阶段的成本函数，可描述为：
σk＝α·Dtime,k+(1-α)·M·Eloss,k
应用DP算法的求解原理如图3所示。首先，考虑计算精度和复杂度，将变量空间划分为有限的计算网格；然后，由末阶段开始逆向递推计算，逐步求解各阶段的最优决策轨迹、最优状态轨迹和最优成本值，直至初始时刻求解结束；最后，基于逆向计算保存的结果，从初始阶段正向计算至最终阶段，即可获得面向全局的最优控制序列。
S4.采集BMS反馈的电池状态参数，阶段划分以温度为依据，初始化算法。所述步骤S4中包括以下子步骤：
S401.采集BMS反馈的电池SoC、温度等状态参数；
S402.考虑优化求解的精度和复杂度，定义温度步长ΔT，根据电池的初始温度T0、目标温度Ttar，将加热过程划分为N个加热阶段：
Figure BDA0004127995570000072
具体地，该实施例中，ΔT＝1℃，T0＝-15℃，Ttar＝10℃，N＝25。
S403.基于所述电池当前状态反馈和阶段划分，完成算法初始化。
S5.依据预期控制目标，赋值权重因子，优选低温动力电池在当前状态的最佳加热方法。具体地，该实施例中，根据对于低温环境动力电池加热时间和加热过程中能量损耗的优化需求，调整目标权重因子α赋值，确定当前电池状态的最优加热方案。
按照上述步骤，采用DP算法，基于多物理约束智能优化多个矛盾目标，自适应生成低温电池的最佳加热方法，实现兼具安全意识和能耗意识的快速加热最优控制。
在本专利的实施例中，测试的SAMSUNG 18650锂离子电池初始SoC为90％，标称容量为2.5Ah，上、下限截止电压分别为4.2V和2.75V，测试的环境温度为-15℃。具体地，仅以快速加热电池至10℃为目标，将本发明所述方法与直流放电加热方法对比，结果如图4(a)为不同方法下电流与时间的关系，图4(b)为不同方法下电池温度与时间的关系，图4(c)为不同方法下电池SoC与时间的关系。结果表明所述方法能够根据电池状态，自适应确定最佳的加热模式和电流值，在SoC较高区域采用直流放电加热，在SoC较低区域采用交流加热。相比于单一放电加热方法，应用本发明所述方法的加热时间缩短了12.6％，加热结束时电池的剩余电量提升了15.3％，表现出更好的低温加热性能。
综上所述，本发明基于电池的电-热耦合模型，遵从锂离子电池的理化极限，采用DP算法求解电池加热的多目标优化问题，实现兼具安全意识和能耗意识的快速加热。相较于现有电池加热方法，本发明能够通过兼顾多物理约束和多矛盾目标的综合最优化，根据电池状态，自适应确定最优的加热模式和电流参数，不依赖于SoC的经验阈值进行加热方法的单一选择，有效改善了电池的低温加热性能。
以上所述是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应该看作是对其他实施例的排除，而可用于其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动，而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种多模式切换的电池低温快速加热方法，其特征在于，包括以下步骤：
S1.建立电池的电-热耦合模型，开展电池测试，辨识模型参数；
S2.设置可优化的加热模式和电流参数为控制变量，确定模型中的关键状态变量，定义变量空间的可行域；
S3.基于S1中搭建的电池模型，确定目标函数，搭建优化算法框架；
S4.采集BMS反馈的电池状态参数，阶段划分以温度为依据，初始化算法；
S5.依据预期控制目标，赋值权重因子，优选低温动力电池在当前状态的最佳加热方法。
2.根据权利要求1所述的一种多模式切换的电池低温快速加热方法，其特征在于，所述步骤S1包括以下子步骤：
S101.考虑模型精度和复杂度，建立能够反映电、热耦合作用的电池模型；
S102.在不同温度下，开展电池性能测试，基于试验数据辨识模型参数，建立SoC-温度-参数的关系。
3.根据权利要求2所述的一种多模式切换的电池低温快速加热方法，其特征在于，步骤S101中所述的电池模型，包括电学模型和热学模型；所述的电学模型包括等效电路模型、阻抗模型或电化学模型；热学模型包括分布式热模型或集总参数热模型。
4.根据权利要求2所述的一种多模式切换的电池低温快速加热方法，其特征在于，步骤S102中所述的电池性能测试，包括电池的充放电测试、容量标定测试、直流工况测试、交流工况测试、比热容测试，以及EIS测试；
所述的模型参数辨识算法，包括批量最小二乘法、粒子群算法或遗传算法；
所述的SoC-温度-参数关系的表征方法，包括三维映射查表或函数关系拟合。
5.根据权利要求1所述的一种多模式切换的电池低温快速加热方法，其特征在于，所述步骤S2包括以下子步骤：
S201.设置电池加热过程中的可优化变量，即加热模式和电流参数，作为控制向量空间U的组成变量；
S202.以S1中建立的电池模型为基础，确定加热过程中的关键状态变量，作为状态向量空间X的组成变量；
S203.确定状态变量和控制变量的可行域，为模型求解提供控制约束，生成满足约束条件的可达状态集和容许控制集。
6.根据权利要求5所述的一种多模式切换的电池低温快速加热方法，其特征在于，步骤S201中所述的加热模式，包括直流放电加热的第一模式和正弦交流加热的第二模式；
所述的第一直流放电加热模式，即电池以满足约束的电流值进行放电，利用电池内阻产热使得电池升温，此时电池的产热率为：
qdc＝Idc·|Vt-VOC|
式中，Idc是直流电流值；Vt是电池端电压；VOC是电池开路电压OCV；
所述的第二正弦交流加热模式，即利用外部电源对电池施加满足约束的正弦交流激励，利用电池内阻产热使得电池升温，此时电池的产热率为：
Figure FDA0004127995540000021
式中，Im是交流电流的幅值；Zre是电池的阻抗实部。
7.根据权利要求5所述的一种多模式切换的电池低温快速加热方法，其特征在于，步骤S201中所述的电流参数，包括电流值、电流频率等可控电流参数；
步骤S202中所述的关键状态变量，包括电池SoC参数；
步骤S203中所述的控制约束，包括电池的理化极限要求：
Figure FDA0004127995540000022
式中，Imax表示电池允许通过的最大电流；Vt,max和Vt,min表示电池的上、下限截止电压；|Z|表示电池阻抗模组。
8.根据权利要求1所述的一种多模式切换的电池低温快速加热方法，其特征在于，所述步骤S3包括以下子步骤：
S301.利用S1中辨识的模型参数，以及S2中确定的关键变量，描述优化目标；
S302.针对多目标优化问题，构造成本函数和目标函数，建立基于优化算法的加热控制方法模型。
9.根据权利要求8所述的一种多模式切换的电池低温快速加热方法，其特征在于，步骤S301中所述的优化目标，包括加热时间、能量损耗、电池老化加热过程可优化的矛盾目标；
步骤S302中所述的优化算法，包括动态规划算法或遗传算法中的一种。
10.根据权利要求1所述的一种多模式切换的电池低温快速加热方法，其特征在于，所述步骤S4包括以下子步骤：
S401.采集BMS反馈的电池SoC、温度状态参数；
S402.考虑优化求解的精度和复杂度，定义温度步长ΔT，根据电池的初始温度T0、目标温度Ttar，将加热过程划分为N个加热阶段：
Figure FDA0004127995540000031
S403.基于所述电池当前状态反馈和阶段划分，完成算法初始化。
CN202310251541.0A 2023-03-16 2023-03-16 一种多模式切换的电池低温快速加热方法 Pending CN116130840A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310251541.0A CN116130840A (zh) 2023-03-16 2023-03-16 一种多模式切换的电池低温快速加热方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310251541.0A CN116130840A (zh) 2023-03-16 2023-03-16 一种多模式切换的电池低温快速加热方法

Publications (1)

Publication Number Publication Date
CN116130840A true CN116130840A (zh) 2023-05-16

Family

ID=86304739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310251541.0A Pending CN116130840A (zh) 2023-03-16 2023-03-16 一种多模式切换的电池低温快速加热方法

Country Status (1)

Country Link
CN (1) CN116130840A (zh)

Similar Documents

Publication Publication Date Title
Li et al. Optimized charging of lithium-ion battery for electric vehicles: Adaptive multistage constant current–constant voltage charging strategy
Lin et al. Towards a smarter battery management system: A critical review on optimal charging methods of lithium ion batteries
Ashwin et al. Capacity fade modelling of lithium-ion battery under cyclic loading conditions
CN109449541B (zh) 锂离子电池变频变幅交流低温自加热方法
Li et al. Energy efficiency of lithium-ion battery used as energy storage devices in micro-grid
CN106909716B (zh) 计及容量损耗的磷酸铁锂电池建模及soc估计方法
Kang et al. Comparison of comprehensive properties of Ni-MH (nickel-metal hydride) and Li-ion (lithium-ion) batteries in terms of energy efficiency
CN109586373A (zh) 一种电池充电方法和装置
Huang et al. Effect of pulsed current on charging performance of lithium-ion batteries
Drees et al. Fast charging lithium-ion battery formation based on simulations with an electrode equivalent circuit model
CN112820963B (zh) 锂离子电池低温充电方法
CN111090963A (zh) 一种基于用户需求的自适应多段恒流恒压充电方法
CN112151915B (zh) 动力电池变频加热方法、装置和电动交通工具
Villuri et al. Experimental analysis of electric vehicle's Li‐ion battery with constant pulse and constant voltage charging method
CN108583326A (zh) 一种电动汽车电池组均衡控制方法
Liu et al. Experimental study on lithium-ion cell characteristics at different discharge rates
CN116368707A (zh) 智能电池管理系统和方法
CN116130840A (zh) 一种多模式切换的电池低温快速加热方法
CN115598542A (zh) 一种锂离子电池产热功率预测方法
CN115331743A (zh) 基于实验类比法的高倍率工况电化学模型建模方法
Lu et al. Optimal Charging of Lithium-ion Batteries Based on Model Predictive Control Considering Lithium Plating and Cell Temperature
Li et al. An equivalent circuit model for Li-ion batteries used in energy storage systems in building environment
Tan et al. Lithium Plating as Limiting Phenomena for Estimating Safety during Lithium-Ion Battery Charging
CN113884901A (zh) 一种电池表面温度分布估计方法及系统
Yin et al. Study on the Effect of High Temperature and High-Current Rate on Fast Charging of Lithium-ion Batteries

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