CN116148670A - 一种电化学储能电站电池寿命估算方法及装置 - Google Patents

一种电化学储能电站电池寿命估算方法及装置 Download PDF

Info

Publication number
CN116148670A
CN116148670A CN202310000842.6A CN202310000842A CN116148670A CN 116148670 A CN116148670 A CN 116148670A CN 202310000842 A CN202310000842 A CN 202310000842A CN 116148670 A CN116148670 A CN 116148670A
Authority
CN
China
Prior art keywords
battery
soh
cycle
rated
current
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
CN202310000842.6A
Other languages
English (en)
Inventor
苏磊
柯海山
何华伟
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.)
Nanjing SAC Automation Co Ltd
Original Assignee
Nanjing SAC Automation Co Ltd
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 Nanjing SAC Automation Co Ltd filed Critical Nanjing SAC Automation Co Ltd
Priority to CN202310000842.6A priority Critical patent/CN116148670A/zh
Publication of CN116148670A publication Critical patent/CN116148670A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种电化学储能电站电池寿命估算方法，所述方法包括：对电池定期进行一次满充满放的电池养护，该过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1；基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数获得第二电池寿命估算值SOH2；基于电池运行电压、电流、温度和循环次数的历史数据，通过神经网络模型算法获得第三电池寿命估算值SOH3；通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH。提高了电池寿命的估算精度，为电池运行的各项策略控制提供依据，提高了电池寿命和运行安全性。

Description

一种电化学储能电站电池寿命估算方法及装置
技术领域
本发明涉及一种电化学储能电站电池寿命估算方法及装置，属于电池寿命估算校准技术领域。
背景技术
随着“双碳战略”的实施和构建以新能源为主体的新型电力系统政策的落地，电化学储能系统得到了快速发展和规模化应用，电化学储能系统也从前期的设计和示范进入了规模化建设和运维的新阶段。
目前在对电化学储能系统的功率控制时仅考虑了电网的控制需求，导致其在进行快速、反复的充放电过程中寿命折损严重。准确地估算储能电池寿命SOH，可以为储能系统运行维护提供重要的依据，为混合储能系统能量协调控制提供支撑。
电池寿命衰退因素包括由电池活性变化引起的内因和过充/过放对电池正负极造成的损害，外界诱导发生的自放电现象以及温度引起电解质的分解等外部因素。通常，容量和内阻是反映电池剩余寿命的直接健康指标，但是由于精确测量过程复杂，难以实现在线测量。现有实际工况中，估算电池寿命的方法，一般采用标准充/放电工况条件下循环充/放电的容量实测数据，或基于部分实测数据利用经验公式推算容量变化趋势，计算精度差。
因此，亟需一种简单有效的可在线估算电池寿命的方法。
发明内容
本发明的目的：为了克服现有技术中存在的不足，提供一种简单有效、可在线实现的电化学储能电站电池寿命估算方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
第一方面，提供一种电化学储能电站电池寿命估算方法，包括以下步骤：
步骤S1，对电池定期进行一次满充满放的电池养护，养护过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1；
步骤S2，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数，获得第二电池寿命估算值SOH2；
步骤S3，基于电池运行电压、电流、温度和循环次数的历史数据和实时数据，通过神经网络模型算法获得第三电池寿命估算值SOH3；
步骤S4，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH。
一种电化学储能电站电池寿命估算方法，其特征在于，包括：
步骤S1，对电池定期进行一次满充满放的电池养护，养护过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1；
步骤S2，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数，获得第二电池寿命估算值SOH2；
步骤S3，基于电池运行电压、电流、温度和循环次数的历史数据和实时数据，通过神经网络模型算法获得第三电池寿命估算值SOH3；
步骤S4，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH。
在一些实施例中，步骤S1中，养护过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1，包括：
养护过程中，先将电池通过恒流转恒压模式充电至充电电流降低到接近0，此时电池处于满充状态，再将电池以恒定小电流进行放电，直至电压降到截止电压下限，放电过程中通过安时积分法计算得到满放电量Q，则SOH1＝Q/Q额定，Q额定为电池额定容量。
在一些实施例中，步骤S2中，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数，获得第二电池寿命估算值SOH2，包括：
S21，根据当前循环次数i下电池充电后的电量状态SOC1、放电后达到的电量状态SOC2，获取该次循环的电池等效放电深度DODi；
S22，计算电池在不同循环次数i，基于该次循环的电池等效放电深度DODi、平均工作温度Ti工况下的实际等效可循环次数Li；
S23，根据循环次数i、每次循环工况下的实际等效可循环次数Li获取第二电池寿命估算值SOH2。
在一些实施例中，步骤S21中，该次循环的电池等效放电深度DODi计算方式为：
DODi＝a×(SOC1-SOC2)
a为等效系数，当SOC2≤10％时，a＝2；当10％＜SOC2≤20％时，a＝1.5；当SOC2等于其它值时，a＝1。
在一些实施例中，步骤S22中，实际等效可循环次数Li计算方式为：
Figure BDA0004034389760000031
其中，L0为电池额定循环次数；DODi为第i次循环时的电池等效放电深度；Ti为第i次循环时的平均工作温度；k和b为补偿系数；
在一些实施例中，步骤S23中，获取第二电池寿命估算值SOH2的计算方式为：
Figure BDA0004034389760000032
其中，ni为当前统计的循环次数。
在一些实施例中，步骤S3中，神经网络模型算法的输入历史数据和实时数据来源于储能电站能量管理系统。
在一些实施例中，步骤S4中，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH的方法为：
SOH＝c1×SOH1+c2×SOH2+c3×SOH3
其中，c1、c2、c3为加权系数，取c1＝0.2、c2＝0.3、c3＝0.5。
第二方面，本发明提供了一种电化学储能电站电池寿命估算装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
第三方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：本发明提供的一种储能电站电池寿命估算方法，从储能电池的衰减特性出发，充分考虑电池老化的退化特征或相关健康因子，一方面根据不同充放电深度、放电截止区间、工作温度、额定循环次数等指标建立与电池寿命的关系，另一方面结合电池运行历史数据和实时数据，利用数据分析和神经网络模型算法建立电池寿命的预测模型，同时结合储能电站电池特有的定期养护进行容量标定，弥补了现有技术多基于单一模型定性方法估算电池寿命或未全面考虑电池老化健康因子指标(如放电截止区间、工作温度)的影响，提高了电池寿命的估算精度，为电池运行的各项策略控制提供依据，提高了电池寿命和运行安全性。
附图说明
图1是本发明实施例的电化学储能电站电池寿命估算方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，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。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
实施例1
如图1所示，一种电化学储能电站电池SOC估算校准方法，包括如下步骤：
步骤S1，对电池定期进行一次满充满放的电池养护，养护过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1；
步骤S2，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数，获得第二电池寿命估算值SOH2；
步骤S3，基于电池运行电压、电流、温度和循环次数的历史数据和实时数据，通过神经网络模型算法获得第三电池寿命估算值SOH3；
步骤S4，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH。
在本实施例中，所述步骤S1中，对电池定期进行一次满充满放的电池养护通过策略控制养护周期，一般设置为10-15天，先将电池通过恒流转恒压模式充电至充电电流降低到接近0(如10mA)，此时电池处于满充状态，再将电池以恒定小电流进行放电，直至电压降到截止电压下限，放电过程中通过安时积分法计算满放电量Q，则SOH1＝Q/Q额定，Q额定为电池额定容量。
在本实施例中，所述步骤S2中，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数获得第二电池寿命估算值SOH2，包括如下步骤：
S21，根据当前循环次数i下电池充电后的电量状态SOC1、放电后达到的电量状态SOC2获取该次循环的电池等效放电深度DODi，计算方式为：
DODi＝a×(SOC1-SOC2)
a为等效系数，当SOC2≤10％时，a＝2；当10％＜SOC2≤20％时，a＝1.5；当SOC2等于其它值时，a＝1。该计算方式考虑了放电后的电量状态SOC2在不同区间对电池寿命影响的区别，如电池从70％放电至40％，和从35放电至5％，同样是放电30％，放电至5％的放电循环对电池寿命的影响更大。
S22，计算电池在不同循环次数i，基于该次循环的等效放电深度DODi、平均工作温度Ti工况下的实际等效可循环次数Li，计算方式为：
Figure BDA0004034389760000061
其中，L0为电池额定循环次数；DODi为第i次循环时的等效放电深度；Ti为第i次循环时的平均工作温度；k和b为补偿系数，仅与电池类型有关；该步骤中，加入电池工作温度对寿命衰退的影响，符合实际工况。
S23，根据循环次数i、每次循环工况下的实际等效可循环次数Li获取第二电池寿命估算值SOH2，计算方式为：
Figure BDA0004034389760000062
其中，ni为当前统计的循环次数。
在本实施例中，所述步骤S3中，基于电池运行电压、电流、温度和循环次数的历史数据和实时数据，通过神经网络模型算法获得第三电池寿命估算值SOH3。
该步骤中，历史数据和实时数据通过储能电站能量管理系统获得，采用的神经网络模型算法可根据需要选择，这里以GRU-RNN门控循环单元循环神经网络模型为例，使用能量管理系统存储的电池运行电压、电流、温度、循环次数历史数据序列对模型进行训练，并基于电池t0时间段内的电压、电流、温度和循环次数[Vt-t0，It-t0，Tt-t0,…，Vt-1，It-1，Tt-1,Vt，It，Tt，Cycles]代码模型，输出当前电池寿命估算值SOH3。
在本实施例中，所述步骤S4中，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH的方法为：
SOH＝c1×SOH1+c2×SOH2+c3×SOH3
其中，c1、c2、c3为加权系数，一般取c1＝0.2、c2＝0.3、c3＝0.5
实施例2
第二方面，本实施例提供了一种电化学储能电站电池寿命估算装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1所述方法的步骤。
实施例3
第三方面，本实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
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，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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和/或方框图一个方框或多个方框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和/或方框图一个方框或多个方框中指定的功能。
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和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种电化学储能电站电池寿命估算方法，其特征在于，包括：
步骤S1，对电池定期进行一次满充满放的电池养护，养护过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1；
步骤S2，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数，获得第二电池寿命估算值SOH2；
步骤S3，基于电池运行电压、电流、温度和循环次数的历史数据和实时数据，通过神经网络模型算法获得第三电池寿命估算值SOH3；
步骤S4，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH。
2.根据权利要求1所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S1中，养护过程中基于满放电量Q和电池额定容量Q额定的比值获得第一电池寿命估算值SOH1，包括：
养护过程中，先将电池通过恒流转恒压模式充电至充电电流降低到接近0，此时电池处于满充状态，再将电池以恒定小电流进行放电，直至电压降到截止电压下限，放电过程中通过安时积分法计算得到满放电量Q，则SOH1＝Q/Q额定，Q额定为电池额定容量。
3.根据权利要求1所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S2中，基于电池循环使用工况下统计的当前循环次数、电池放电深度、工作温度、额定循环次数，获得第二电池寿命估算值SOH2，包括：
S21，根据当前循环次数i下电池充电后的电量状态SOC1、放电后达到的电量状态SOC2，获取该次循环的电池等效放电深度DODi；
S22，计算电池在不同循环次数i，基于该次循环的电池等效放电深度DODi、平均工作温度Ti工况下的实际等效可循环次数Li；
S23，根据循环次数i、每次循环工况下的实际等效可循环次数Li获取第二电池寿命估算值SOH2。
4.根据权利要求3所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S21中，该次循环的电池等效放电深度DODi计算方式为：
DODi＝a×(SOC1-SOC2)
a为等效系数，当SOC2≤10％时，a＝2；当10％＜SOC2≤20％时，a＝1.5；当SOC2等于其它值时，a＝1。
5.根据权利要求3所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S22中，实际等效可循环次数Li计算方式为：
Figure QLYQS_1
其中，L0为电池额定循环次数；DODi为第i次循环时的电池等效放电深度；Ti为第i次循环时的平均工作温度；k和b为补偿系数。
6.根据权利要求3所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S23中，获取第二电池寿命估算值SOH2的计算方式为：
Figure QLYQS_2
其中，ni为当前统计的循环次数。
7.根据权利要求1所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S3中，神经网络模型算法的输入历史数据和实时数据来源于储能电站能量管理系统。
8.根据权利要求1所述的电化学储能电站电池寿命估算方法，其特征在于，步骤S4中，通过SOH1、SOH2、SOH3加权计算获得电池当前寿命SOH的方法为：
SOH＝c1×SOH1+c2×SOH2+c3×SOH3
其中，c1、c2、c3为加权系数，取c1＝0.2、c2＝0.3、c3＝0.5。
9.一种电化学储能电站电池寿命估算装置，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1至8任一项所述方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
CN202310000842.6A 2023-01-03 2023-01-03 一种电化学储能电站电池寿命估算方法及装置 Pending CN116148670A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310000842.6A CN116148670A (zh) 2023-01-03 2023-01-03 一种电化学储能电站电池寿命估算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310000842.6A CN116148670A (zh) 2023-01-03 2023-01-03 一种电化学储能电站电池寿命估算方法及装置

Publications (1)

Publication Number Publication Date
CN116148670A true CN116148670A (zh) 2023-05-23

Family

ID=86372981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310000842.6A Pending CN116148670A (zh) 2023-01-03 2023-01-03 一种电化学储能电站电池寿命估算方法及装置

Country Status (1)

Country Link
CN (1) CN116148670A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116540005A (zh) * 2023-07-06 2023-08-04 南通江海储能技术有限公司 一种超级电容器的储能测试方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116540005A (zh) * 2023-07-06 2023-08-04 南通江海储能技术有限公司 一种超级电容器的储能测试方法及系统
CN116540005B (zh) * 2023-07-06 2023-11-14 南通江海储能技术有限公司 一种超级电容器的储能测试方法及系统

Similar Documents

Publication Publication Date Title
Zheng et al. A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model
CN110568361B (zh) 一种动力电池健康状态的预测方法
CN107991623B (zh) 一种考虑温度和老化程度的电池安时积分soc估计方法
CN106532187B (zh) 一种基于电池健康状态的电池加热方法
CN107576918B (zh) 锂电池的剩余电量的估算方法及系统
CN108107372A (zh) 基于soc分区估算的蓄电池健康状况量化方法及系统
CN107632272B (zh) 一种基于电芯温度预测的电池放电荷电状态精确估计方法
CN107728072A (zh) 一种锂离子电池循环寿命的快速预测方法
CN107329094A (zh) 动力电池健康状态估算方法及装置
CN106585422B (zh) 一种动力电池soh估算方法
CN108802625B (zh) 一种二次利用电池的soc自适应修正方法
CN105634063B (zh) 一种基于电池历史数据的主动均衡方法
CN113406523B (zh) 一种储能电池状态评价方法、装置、电子设备及存储系统
CN115902647B (zh) 一种电池状态智能监测方法
Lu et al. Modeling discharge characteristics for predicting battery remaining life
CN113075557B (zh) 一种车主自适应的动力电池剩余寿命预测方法
CN108732499A (zh) 一种检测锂离子电池循环寿命的方法和系统
CN114035087B (zh) 储能电池剩余寿命评估方法、装置、设备及介质
CN116148670A (zh) 一种电化学储能电站电池寿命估算方法及装置
CN114609523A (zh) 一种电池容量的在线检测方法、电子设备及存储介质
CN112415400A (zh) 电池容量估计方法及系统
CN110208717B (zh) 基于大数据的动力电池寿命预测方法
CN116953547A (zh) 一种储能电池健康度评估方法、系统、设备及存储介质
US11835589B2 (en) Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine
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

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