CN116381540B - 一种计算机运行状态下电池健康监控系统 - Google Patents
一种计算机运行状态下电池健康监控系统 Download PDFInfo
- Publication number
- CN116381540B CN116381540B CN202310650654.8A CN202310650654A CN116381540B CN 116381540 B CN116381540 B CN 116381540B CN 202310650654 A CN202310650654 A CN 202310650654A CN 116381540 B CN116381540 B CN 116381540B
- Authority
- CN
- China
- Prior art keywords
- battery
- detection
- health
- state
- charging 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 88
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 141
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 15
- 230000001052 transient effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及电池供电技术领域,具体涉及一种计算机运行状态下电池健康监控系统,要解决的技术问题包括如何在计算机运行状态下给出足够精确的计算机的电池健康状态的监控结果,同时降低计算难度和对算力的要求;该系统包括电池的充电电压检测单元、充电电流检测单元、环境温度检测单元和电池健康状态估算单元;充电电压检测单元用于检测计算机运行状态下的电池的充电电压U;充电电流检测单元用于检测计算机运行状态下的电池的充电电流I;环境温度检测单元用于检测计算机运行状态下的环境温度T;电池健康状态估算单元用于根据检测得到的所述充电电压U、充电电流I和环境温度T按照电池健康状态估计公式估算得到电池健康状态S。
Description
技术领域
本发明涉及电池供电技术领域,具体涉及一种计算机运行状态下电池健康监控系统。
背景技术
电池健康状态通常采用电池容量或电池内阻两个参数来评价,其表征的一般是电池的寿命特性而不是其安全特性。由于电池容量的衰减能够明确表征电池的性能,因此可以用使用条件下电池当前的放电可用容量与初始容量的比值来定义电池的健康状态。但是在电池正常工作中,对电池当前的放电可用容量进行测量和估算都有很大的难度。而采用电池内阻来评价电池健康状态的话,需要确定电池寿命结束时的内阻、新电池的内阻和当前状态下的内阻,同样存在测量和估算难度大的问题,而且实践表明估计精度不高。
现有技术中开发出了滤波法、数据驱动法等估计方法。滤波法通过辨识模型中能够表征电池健康状态的参数进行估计,根据滤波增益不断调整模型参数,从而达到提高估计精度的目的。这种估计方法缺乏对电池物理意义的分析,需要用到卡尔曼滤波、粒子滤波和最小二乘法线性回归分析,模型结构复杂,计算难度也比较大。
数据驱动法主要包括人工神经网络、支持向量机和智能优化算法,不需要建立反映电池动态特性的电池模型,但是对数据的依赖程度很高,对算力的要求也更加苛刻。
计算机的电池健康监控存在特殊性,用户经常需要在计算机运行状态下了解计算机的电池健康状态,现有技术中的实验测量方法和滤波法、数据驱动法等估计方法都没有办法在计算机运行状态下给出足够精确的计算机的电池健康状态的监控结果,无法满足客户的正常需求。
发明内容
本发明旨在提供一种计算机运行状态下电池健康监控系统,所要解决的技术问题至少包括如何在计算机运行状态下给出足够精确的计算机的电池健康状态的监控结果,同时降低计算难度和对算力的要求。
为了实现上述目的,本发明提供一种计算机运行状态下电池健康监控系统,包括电池的充电电压检测单元、充电电流检测单元、环境温度检测单元和电池健康状态估算单元;
所述的充电电压检测单元用于检测计算机运行状态下的电池的充电电压U,单位为伏特;
所述的充电电流检测单元用于检测计算机运行状态下的电池的充电电流I,单位为安培;
所述的环境温度检测单元用于检测计算机运行状态下的环境温度T,单位为℃;
所述的电池健康状态估算单元用于根据检测得到的所述充电电压U、充电电流I和环境温度T按照电池健康状态估计公式估算得到电池健康状态S;
所述的电池健康状态估计公式为:
;
其中φ为充电电压U和充电电流I之间的相位差。
优选地,所述的充电电流检测单元包括充电电流检测模块和充电电流积分计算模块,所述的充电电流检测模块用于以预定的频率检测以交流正弦信号形式输入到电池的充电电流瞬时值i(t),所述的充电电流积分计算模块用于对充电电流瞬时值i(t)在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的充电电流I。
优选地,所述的充电电压检测单元包括充电电压检测模块和充电电压积分计算模块,所述的充电电压检测模块用于以预定的频率检测与所述的充电电流瞬时值i(t)对应的充电电压瞬时值u(t),所述的充电电压积分计算模块用于对充电电压瞬时值u(t)在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的充电电压U。
优选地,所述的充电电流瞬时值i(t)与所述的充电电压瞬时值u(t)的对应是指同一时间点上的对应,而不是相位的对应。
优选地,所述的环境温度检测单元包括环境温度检测模块和环境温度积分计算模块,所述的环境温度检测模块用于以预定的频率检测电池所处的环境中的空气的温度瞬时值T(t),所述的环境温度积分计算模块用于对温度瞬时值T(t)在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的环境温度T。
优选地,所述的温度瞬时值T(t)与所述的充电电流瞬时值i(t)和所述的充电电压瞬时值u(t)在同一时间点上对应。
优选地,所述的环境温度检测模块、充电电压检测模块和充电电流检测模块的检测频率相同。
优选地,所述的充电电压检测模块和充电电流检测模块的检测频率相同,所述的环境温度检测模块的检测频率是所述的充电电压检测模块和充电电流检测模块的检测频率的五分之一至三分之一。
进一步优选地,所述的充电电压检测模块和充电电流检测模块的检测频率相同,所述的环境温度检测模块的检测频率是所述的充电电压检测模块和充电电流检测模块的检测频率的四分之一。
优选地,所述的计算机运行状态下电池健康监控系统还包括电池温度检测单元,所述的电池温度检测单元用于检测计算机运行状态下的电池的温度TD,所述的电池健康状态估算单元用于计算所述的计算机运行状态下的电池的温度TD与计算机运行状态下的环境温度T之间的加权平均值TP,其中,
;
所述的电池健康状态估算单元还用于根据检测得到的所述充电电压U、充电电流I和加权平均值TP按照电池健康状态修正估计公式估算得到电池健康修正状态SX;
所述的电池健康状态修正估计公式为:
。
与现有技术相比,本发明的有益效果是:
本发明所述的计算机运行状态下电池健康监控系统通过检测计算机运行状态下电池的充电电压、充电电流和环境温度,通过实验数据拟合得到的电池健康状态估计公式即可得到计算机运行状态下的电池健康状态,估计精度与人工神经网络得到的估计精度相当,不需要依赖大量的训练数据,对算力的要求大大降低,不需要大型的计算工具,参与运算的物理量采用现有技术中常见的测量工具即可实现检测,大大降低了测量和估算难度。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的具体实施方式一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明所述的计算机运行状态下电池健康监控系统的结构示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
如图1所示,本发明所述的计算机运行状态下电池健康监控系统包括电池的充电电压检测单元、充电电流检测单元、环境温度检测单元和电池健康状态估算单元;
所述的充电电压检测单元用于检测计算机运行状态下的电池的充电电压U,单位为伏特;
所述的充电电流检测单元用于检测计算机运行状态下的电池的充电电流I,单位为安培;
所述的环境温度检测单元用于检测计算机运行状态下的环境温度T,单位为℃;
所述的电池健康状态估算单元用于根据检测得到的所述充电电压U、充电电流I和环境温度T按照电池健康状态估计公式估算得到电池健康状态S;
所述的电池健康状态估计公式为:
;
其中φ为充电电压U和充电电流I之间的相位差。
所述的电池健康状态估计公式是通过实验数据拟合得到的经验公式。考虑到电池健康状态通常采用电池容量或电池内阻两个参数来评价,现有技术可以通过实验室现场实验的方式确定电池健康状态。申请人选取同一批次的电池并在实验室通过现场实验的方式确定各个电池的健康状态,这样就得到一批电池(623块)健康状态已知的电池。将这一批电池健康状态已知的电池编号后分别装入计算机,并在计算机运行状态下检测电池的充电电压、充电电流和环境温度,从而得到每个编号的电池的健康状态(已知值,通过实验室现场实验的方式确定)与同一编号的电池在计算机运行状态下的充电电压、充电电流和环境温度(同样为已知值,通过充电电压检测单元、充电电流检测单元、环境温度检测单元检测并记录)一一对应的关系。将这些具有对应关系的数据去重后(去重后剩余598块电池的数据)导入SCILAB软件进行数据拟合,得到所述的电池健康状态估计公式。
需要指出的是,所述的电池健康状态估计公式中,虽然充电电压U、充电电流I和环境温度T均有物理单位(伏特,安培,℃),但是这里的物理单位仅仅表征数据大小,并不参与实际运算。例如充电电流I为10安培,这里的物理单位仅仅用于表征10这个数字,如果采用毫安作为单位,则10安培等于10000毫安,在所述的电池健康状态估计公式中采用10这个数字参与计算还是采用10000这个数字参与计算得到的结果完全不同。因此申请人需要特别说明的是,所述的电池健康状态估计公式中的物理单位仅仅表征数据大小,并不参与实际运算。也就是说,通过所述的电池健康状态估计公式计算得到的电池健康状态S是一个无量纲数。
为了验证电池健康状态估计公式的估计精度,申请人再次选取不同批次的576块电池,分别用实验室现场实验的方式(方式一)、电池健康状态估计公式估算的方式(方式二)以及人工神经网络估算的方式(方式三)确定同一编号的电池的健康状态。部分数据的结果如表1所示。
表1 三种不同方式得到的同一编号电池的健康状态S
编号 | 方式一 | 方式二 | 方式三 |
1 | 0.967 | 0.968 | 0.965 |
2 | 0.946 | 0.948 | 0.951 |
3 | 0.952 | 0.949 | 0.95 |
4 | 0.937 | 0.938 | 0.93 |
5 | 0.922 | 0.924 | 0.925 |
6 | 0.945 | 0.947 | 0.951 |
7 | 0.915 | 0.918 | 0.911 |
8 | 0.907 | 0.912 | 0.91 |
9 | 0.924 | 0.927 | 0.918 |
10 | 0.956 | 0.963 | 0.959 |
11 | 0.978 | 0.973 | 0.969 |
12 | 0.907 | 0.909 | 0.912 |
13 | 0.903 | 0.906 | 0.908 |
14 | 0.907 | 0.908 | 0.91 |
15 | 0.911 | 0.909 | 0.906 |
16 | 0.925 | 0.921 | 0.923 |
17 | 0.934 | 0.93 | 0.931 |
18 | 0.946 | 0.943 | 0.947 |
19 | 0.967 | 0.963 | 0.969 |
20 | 0.956 | 0.962 | 0.957 |
21 | 0.916 | 0.913 | 0.919 |
22 | 0.959 | 0.962 | 0.956 |
23 | 0.956 | 0.963 | 0.959 |
24 | 0.968 | 0.965 | 0.967 |
25 | 0.964 | 0.962 | 0.965 |
26 | 0.963 | 0.965 | 0.962 |
27 | 0.937 | 0.933 | 0.942 |
28 | 0.865 | 0.863 | 0.862 |
29 | 0.924 | 0.923 | 0.926 |
30 | 0.923 | 0.923 | 0.927 |
31 | 0.932 | 0.936 | 0.939 |
32 | 0.927 | 0.923 | 0.926 |
33 | 0.962 | 0.963 | 0.967 |
34 | 0.915 | 0.913 | 0.912 |
35 | 0.907 | 0.906 | 0.909 |
36 | 0.916 | 0.914 | 0.916 |
37 | 0.965 | 0.964 | 0.967 |
38 | 0.967 | 0.965 | 0.968 |
39 | 0.917 | 0.913 | 0.915 |
40 | 0.925 | 0.923 | 0.928 |
41 | 0.941 | 0.943 | 0.945 |
42 | 0.96 | 0.963 | 0.967 |
43 | 0.966 | 0.962 | 0.967 |
44 | 0.956 | 0.953 | 0.954 |
45 | 0.979 | 0.972 | 0.975 |
46 | 0.952 | 0.962 | 0.951 |
47 | 0.964 | 0.963 | 0.966 |
48 | 0.965 | 0.965 | 0.967 |
49 | 0.964 | 0.965 | 0.963 |
50 | 0.938 | 0.938 | 0.947 |
51 | 0.862 | 0.863 | 0.867 |
52 | 0.923 | 0.925 | 0.926 |
53 | 0.925 | 0.923 | 0.929 |
54 | 0.935 | 0.936 | 0.937 |
55 | 0.927 | 0.923 | 0.926 |
56 | 0.964 | 0.963 | 0.965 |
57 | 0.915 | 0.917 | 0.914 |
58 | 0.937 | 0.936 | 0.939 |
59 | 0.923 | 0.924 | 0.926 |
60 | 0.964 | 0.967 | 0.967 |
61 | 0.96 | 0.962 | 0.968 |
62 | 0.957 | 0.953 | 0.957 |
63 | 0.945 | 0.942 | 0.946 |
64 | 0.921 | 0.923 | 0.923 |
65 | 0.964 | 0.963 | 0.965 |
66 | 0.965 | 0.962 | 0.964 |
67 | 0.954 | 0.953 | 0.952 |
68 | 0.974 | 0.976 | 0.975 |
69 | 0.951 | 0.962 | 0.951 |
70 | 0.963 | 0.962 | 0.964 |
71 | 0.963 | 0.965 | 0.962 |
72 | 0.964 | 0.962 | 0.963 |
73 | 0.968 | 0.968 | 0.967 |
74 | 0.864 | 0.867 | 0.865 |
75 | 0.925 | 0.925 | 0.927 |
76 | 0.926 | 0.923 | 0.927 |
77 | 0.945 | 0.946 | 0.947 |
78 | 0.937 | 0.933 | 0.936 |
79 | 0.968 | 0.962 | 0.966 |
80 | 0.905 | 0.907 | 0.905 |
81 | 0.947 | 0.946 | 0.946 |
82 | 0.926 | 0.924 | 0.923 |
83 | 0.966 | 0.967 | 0.963 |
84 | 0.961 | 0.962 | 0.965 |
85 | 0.954 | 0.953 | 0.952 |
86 | 0.945 | 0.946 | 0.945 |
87 | 0.952 | 0.953 | 0.951 |
88 | 0.978 | 0.976 | 0.976 |
89 | 0.95 | 0.962 | 0.954 |
90 | 0.963 | 0.963 | 0.963 |
91 | 0.962 | 0.965 | 0.966 |
92 | 0.961 | 0.962 | 0.962 |
93 | 0.967 | 0.968 | 0.965 |
94 | 0.834 | 0.837 | 0.835 |
95 | 0.925 | 0.925 | 0.926 |
96 | 0.926 | 0.925 | 0.928 |
97 | 0.944 | 0.946 | 0.948 |
98 | 0.932 | 0.933 | 0.933 |
99 | 0.969 | 0.968 | 0.966 |
100 | 0.916 | 0.917 | 0.915 |
101 | 0.917 | 0.916 | 0.913 |
102 | 0.925 | 0.924 | 0.928 |
103 | 0.965 | 0.967 | 0.964 |
104 | 0.964 | 0.962 | 0.966 |
105 | 0.954 | 0.952 | 0.955 |
106 | 0.946 | 0.946 | 0.947 |
107 | 0.926 | 0.923 | 0.923 |
108 | 0.962 | 0.967 | 0.964 |
109 | 0.96 | 0.962 | 0.963 |
110 | 0.952 | 0.953 | 0.952 |
111 | 0.943 | 0.946 | 0.944 |
112 | 0.925 | 0.924 | 0.924 |
113 | 0.965 | 0.968 | 0.962 |
114 | 0.961 | 0.964 | 0.962 |
115 | 0.954 | 0.953 | 0.953 |
116 | 0.946 | 0.946 | 0.945 |
117 | 0.906 | 0.904 | 0.902 |
118 | 0.964 | 0.967 | 0.964 |
119 | 0.964 | 0.962 | 0.963 |
120 | 0.958 | 0.953 | 0.955 |
121 | 0.946 | 0.946 | 0.947 |
122 | 0.927 | 0.924 | 0.922 |
123 | 0.967 | 0.967 | 0.969 |
124 | 0.961 | 0.962 | 0.96 |
125 | 0.953 | 0.953 | 0.952 |
126 | 0.942 | 0.946 | 0.947 |
127 | 0.927 | 0.925 | 0.927 |
128 | 0.956 | 0.957 | 0.953 |
129 | 0.954 | 0.952 | 0.955 |
130 | 0.924 | 0.923 | 0.921 |
131 | 0.937 | 0.936 | 0.935 |
132 | 0.925 | 0.924 | 0.929 |
133 | 0.956 | 0.958 | 0.957 |
134 | 0.962 | 0.962 | 0.964 |
135 | 0.954 | 0.955 | 0.953 |
136 | 0.946 | 0.946 | 0.945 |
137 | 0.926 | 0.927 | 0.925 |
138 | 0.956 | 0.957 | 0.954 |
139 | 0.957 | 0.955 | 0.953 |
140 | 0.925 | 0.924 | 0.922 |
141 | 0.938 | 0.936 | 0.935 |
142 | 0.921 | 0.924 | 0.921 |
143 | 0.906 | 0.906 | 0.907 |
144 | 0.962 | 0.963 | 0.964 |
145 | 0.953 | 0.953 | 0.954 |
146 | 0.947 | 0.945 | 0.948 |
147 | 0.927 | 0.925 | 0.927 |
148 | 0.956 | 0.957 | 0.952 |
149 | 0.951 | 0.952 | 0.953 |
150 | 0.923 | 0.924 | 0.926 |
151 | 0.939 | 0.935 | 0.935 |
152 | 0.926 | 0.924 | 0.922 |
153 | 0.906 | 0.907 | 0.908 |
154 | 0.964 | 0.962 | 0.965 |
155 | 0.953 | 0.953 | 0.955 |
156 | 0.945 | 0.945 | 0.949 |
157 | 0.927 | 0.925 | 0.924 |
158 | 0.956 | 0.955 | 0.952 |
159 | 0.957 | 0.954 | 0.953 |
160 | 0.922 | 0.926 | 0.926 |
161 | 0.93 | 0.935 | 0.936 |
162 | 0.922 | 0.924 | 0.925 |
163 | 0.806 | 0.806 | 0.807 |
164 | 0.862 | 0.863 | 0.862 |
165 | 0.852 | 0.853 | 0.855 |
166 | 0.827 | 0.825 | 0.828 |
167 | 0.925 | 0.925 | 0.926 |
168 | 0.856 | 0.857 | 0.852 |
169 | 0.751 | 0.752 | 0.754 |
170 | 0.723 | 0.725 | 0.726 |
171 | 0.734 | 0.735 | 0.735 |
172 | 0.826 | 0.824 | 0.825 |
173 | 0.903 | 0.907 | 0.905 |
174 | 0.764 | 0.763 | 0.765 |
175 | 0.753 | 0.756 | 0.755 |
176 | 0.825 | 0.825 | 0.827 |
177 | 0.825 | 0.824 | 0.825 |
178 | 0.832 | 0.837 | 0.835 |
179 | 0.745 | 0.742 | 0.743 |
180 | 0.776 | 0.775 | 0.776 |
181 | 0.717 | 0.715 | 0.716 |
182 | 0.824 | 0.825 | 0.825 |
183 | 0.904 | 0.907 | 0.905 |
184 | 0.765 | 0.763 | 0.765 |
185 | 0.756 | 0.754 | 0.757 |
186 | 0.827 | 0.826 | 0.828 |
187 | 0.925 | 0.927 | 0.927 |
188 | 0.856 | 0.858 | 0.854 |
189 | 0.752 | 0.752 | 0.755 |
190 | 0.726 | 0.725 | 0.726 |
191 | 0.734 | 0.737 | 0.735 |
192 | 0.826 | 0.827 | 0.825 |
193 | 0.903 | 0.908 | 0.905 |
194 | 0.764 | 0.763 | 0.766 |
195 | 0.754 | 0.756 | 0.755 |
196 | 0.825 | 0.825 | 0.822 |
197 | 0.825 | 0.826 | 0.825 |
198 | 0.856 | 0.858 | 0.854 |
199 | 0.752 | 0.752 | 0.755 |
200 | 0.726 | 0.725 | 0.726 |
201 | 0.734 | 0.737 | 0.735 |
202 | 0.826 | 0.827 | 0.825 |
203 | 0.903 | 0.908 | 0.905 |
204 | 0.764 | 0.763 | 0.766 |
205 | 0.754 | 0.756 | 0.755 |
206 | 0.825 | 0.825 | 0.822 |
207 | 0.825 | 0.826 | 0.825 |
208 | 0.854 | 0.858 | 0.854 |
209 | 0.754 | 0.752 | 0.755 |
210 | 0.726 | 0.724 | 0.726 |
211 | 0.734 | 0.734 | 0.735 |
212 | 0.826 | 0.825 | 0.825 |
213 | 0.903 | 0.906 | 0.905 |
214 | 0.764 | 0.766 | 0.766 |
215 | 0.754 | 0.754 | 0.755 |
216 | 0.825 | 0.825 | 0.826 |
217 | 0.825 | 0.826 | 0.826 |
218 | 0.856 | 0.858 | 0.856 |
219 | 0.752 | 0.752 | 0.758 |
220 | 0.726 | 0.725 | 0.728 |
221 | 0.734 | 0.737 | 0.734 |
222 | 0.826 | 0.827 | 0.826 |
223 | 0.903 | 0.908 | 0.906 |
224 | 0.764 | 0.763 | 0.769 |
225 | 0.754 | 0.756 | 0.757 |
226 | 0.825 | 0.825 | 0.824 |
227 | 0.825 | 0.826 | 0.827 |
228 | 0.856 | 0.858 | 0.856 |
229 | 0.752 | 0.752 | 0.758 |
230 | 0.726 | 0.725 | 0.729 |
231 | 0.734 | 0.737 | 0.736 |
232 | 0.826 | 0.827 | 0.824 |
233 | 0.903 | 0.908 | 0.902 |
234 | 0.764 | 0.763 | 0.767 |
235 | 0.754 | 0.756 | 0.754 |
236 | 0.825 | 0.825 | 0.825 |
237 | 0.825 | 0.823 | 0.824 |
238 | 0.854 | 0.854 | 0.856 |
239 | 0.754 | 0.752 | 0.758 |
240 | 0.725 | 0.725 | 0.729 |
241 | 0.736 | 0.737 | 0.736 |
242 | 0.822 | 0.827 | 0.824 |
243 | 0.902 | 0.908 | 0.902 |
244 | 0.764 | 0.765 | 0.767 |
245 | 0.754 | 0.754 | 0.754 |
246 | 0.825 | 0.824 | 0.825 |
247 | 0.825 | 0.823 | 0.824 |
248 | 0.856 | 0.857 | 0.856 |
249 | 0.752 | 0.756 | 0.758 |
250 | 0.726 | 0.727 | 0.729 |
251 | 0.734 | 0.737 | 0.735 |
252 | 0.826 | 0.827 | 0.826 |
253 | 0.903 | 0.908 | 0.906 |
254 | 0.764 | 0.763 | 0.768 |
255 | 0.754 | 0.756 | 0.755 |
256 | 0.825 | 0.825 | 0.827 |
257 | 0.825 | 0.823 | 0.827 |
258 | 0.856 | 0.858 | 0.854 |
259 | 0.752 | 0.752 | 0.754 |
260 | 0.726 | 0.725 | 0.724 |
261 | 0.734 | 0.737 | 0.733 |
262 | 0.826 | 0.827 | 0.823 |
263 | 0.903 | 0.908 | 0.906 |
264 | 0.764 | 0.763 | 0.766 |
265 | 0.754 | 0.756 | 0.758 |
266 | 0.825 | 0.825 | 0.824 |
267 | 0.825 | 0.823 | 0.823 |
268 | 0.856 | 0.858 | 0.852 |
269 | 0.752 | 0.752 | 0.754 |
270 | 0.726 | 0.725 | 0.726 |
271 | 0.734 | 0.735 | 0.736 |
272 | 0.826 | 0.826 | 0.824 |
273 | 0.903 | 0.907 | 0.902 |
274 | 0.764 | 0.767 | 0.767 |
275 | 0.754 | 0.754 | 0.754 |
276 | 0.825 | 0.824 | 0.825 |
277 | 0.825 | 0.822 | 0.824 |
278 | 0.856 | 0.854 | 0.856 |
279 | 0.752 | 0.753 | 0.755 |
280 | 0.726 | 0.725 | 0.726 |
281 | 0.734 | 0.737 | 0.737 |
282 | 0.826 | 0.827 | 0.826 |
283 | 0.903 | 0.908 | 0.905 |
284 | 0.764 | 0.763 | 0.765 |
285 | 0.754 | 0.756 | 0.752 |
286 | 0.825 | 0.825 | 0.824 |
287 | 0.825 | 0.823 | 0.826 |
288 | 0.856 | 0.858 | 0.857 |
289 | 0.752 | 0.752 | 0.757 |
290 | 0.726 | 0.725 | 0.728 |
291 | 0.734 | 0.737 | 0.734 |
292 | 0.826 | 0.827 | 0.822 |
293 | 0.903 | 0.908 | 0.905 |
294 | 0.764 | 0.765 | 0.767 |
295 | 0.754 | 0.755 | 0.754 |
296 | 0.825 | 0.827 | 0.825 |
297 | 0.825 | 0.827 | 0.824 |
298 | 0.856 | 0.859 | 0.856 |
299 | 0.752 | 0.754 | 0.758 |
300 | 0.726 | 0.724 | 0.729 |
301 | 0.734 | 0.736 | 0.736 |
302 | 0.826 | 0.827 | 0.822 |
303 | 0.903 | 0.908 | 0.905 |
304 | 0.764 | 0.763 | 0.765 |
305 | 0.754 | 0.756 | 0.757 |
306 | 0.825 | 0.825 | 0.829 |
307 | 0.825 | 0.823 | 0.825 |
308 | 0.856 | 0.858 | 0.854 |
309 | 0.752 | 0.752 | 0.755 |
310 | 0.726 | 0.725 | 0.724 |
311 | 0.734 | 0.737 | 0.735 |
312 | 0.826 | 0.827 | 0.822 |
313 | 0.903 | 0.908 | 0.903 |
314 | 0.764 | 0.763 | 0.765 |
315 | 0.754 | 0.756 | 0.756 |
316 | 0.825 | 0.825 | 0.824 |
317 | 0.822 | 0.823 | 0.824 |
318 | 0.854 | 0.858 | 0.854 |
319 | 0.752 | 0.754 | 0.755 |
320 | 0.726 | 0.726 | 0.724 |
321 | 0.736 | 0.735 | 0.734 |
322 | 0.736 | 0.736 | 0.734 |
323 | 0.755 | 0.756 | 0.757 |
324 | 0.724 | 0.725 | 0.724 |
325 | 0.727 | 0.727 | 0.724 |
326 | 0.722 | 0.726 | 0.723 |
327 | 0.824 | 0.826 | 0.827 |
328 | 0.856 | 0.855 | 0.856 |
329 | 0.752 | 0.756 | 0.758 |
330 | 0.726 | 0.726 | 0.728 |
331 | 0.943 | 0.947 | 0.944 |
332 | 0.925 | 0.926 | 0.924 |
333 | 0.965 | 0.965 | 0.962 |
334 | 0.961 | 0.966 | 0.962 |
335 | 0.954 | 0.955 | 0.953 |
336 | 0.946 | 0.946 | 0.946 |
337 | 0.906 | 0.904 | 0.906 |
338 | 0.964 | 0.967 | 0.968 |
339 | 0.964 | 0.962 | 0.968 |
340 | 0.956 | 0.953 | 0.955 |
341 | 0.946 | 0.946 | 0.946 |
342 | 0.927 | 0.924 | 0.925 |
343 | 0.967 | 0.967 | 0.966 |
344 | 0.961 | 0.962 | 0.966 |
345 | 0.953 | 0.953 | 0.955 |
346 | 0.942 | 0.946 | 0.945 |
347 | 0.927 | 0.925 | 0.925 |
348 | 0.956 | 0.957 | 0.957 |
349 | 0.954 | 0.954 | 0.955 |
350 | 0.924 | 0.925 | 0.925 |
351 | 0.937 | 0.933 | 0.937 |
352 | 0.925 | 0.925 | 0.926 |
353 | 0.903 | 0.905 | 0.906 |
354 | 0.764 | 0.763 | 0.765 |
355 | 0.754 | 0.755 | 0.755 |
356 | 0.825 | 0.825 | 0.826 |
357 | 0.825 | 0.826 | 0.827 |
358 | 0.856 | 0.858 | 0.855 |
359 | 0.752 | 0.755 | 0.754 |
360 | 0.726 | 0.725 | 0.725 |
361 | 0.734 | 0.734 | 0.733 |
362 | 0.826 | 0.827 | 0.825 |
363 | 0.905 | 0.908 | 0.906 |
364 | 0.764 | 0.765 | 0.766 |
365 | 0.754 | 0.756 | 0.755 |
366 | 0.825 | 0.825 | 0.826 |
367 | 0.825 | 0.826 | 0.823 |
368 | 0.856 | 0.856 | 0.852 |
369 | 0.752 | 0.752 | 0.756 |
370 | 0.726 | 0.726 | 0.726 |
371 | 0.735 | 0.735 | 0.736 |
372 | 0.826 | 0.825 | 0.824 |
373 | 0.903 | 0.907 | 0.905 |
374 | 0.764 | 0.765 | 0.767 |
375 | 0.755 | 0.754 | 0.754 |
376 | 0.825 | 0.826 | 0.825 |
377 | 0.825 | 0.822 | 0.826 |
378 | 0.856 | 0.856 | 0.856 |
379 | 0.756 | 0.753 | 0.755 |
380 | 0.726 | 0.724 | 0.726 |
381 | 0.734 | 0.737 | 0.734 |
382 | 0.826 | 0.824 | 0.826 |
383 | 0.904 | 0.908 | 0.905 |
384 | 0.764 | 0.767 | 0.765 |
385 | 0.754 | 0.756 | 0.756 |
386 | 0.822 | 0.825 | 0.824 |
387 | 0.825 | 0.822 | 0.826 |
388 | 0.856 | 0.858 | 0.852 |
389 | 0.752 | 0.753 | 0.757 |
390 | 0.723 | 0.725 | 0.728 |
391 | 0.734 | 0.733 | 0.734 |
392 | 0.826 | 0.827 | 0.823 |
393 | 0.903 | 0.903 | 0.905 |
394 | 0.763 | 0.765 | 0.767 |
395 | 0.754 | 0.752 | 0.754 |
396 | 0.825 | 0.827 | 0.822 |
397 | 0.825 | 0.822 | 0.824 |
398 | 0.852 | 0.859 | 0.856 |
399 | 0.752 | 0.751 | 0.758 |
400 | 0.726 | 0.724 | 0.721 |
401 | 0.734 | 0.731 | 0.736 |
402 | 0.821 | 0.827 | 0.822 |
403 | 0.903 | 0.902 | 0.905 |
404 | 0.764 | 0.763 | 0.762 |
405 | 0.754 | 0.756 | 0.757 |
406 | 0.825 | 0.822 | 0.829 |
407 | 0.822 | 0.823 | 0.825 |
408 | 0.856 | 0.853 | 0.855 |
409 | 0.755 | 0.752 | 0.755 |
410 | 0.726 | 0.726 | 0.724 |
411 | 0.734 | 0.737 | 0.736 |
412 | 0.826 | 0.826 | 0.822 |
413 | 0.906 | 0.908 | 0.903 |
414 | 0.764 | 0.765 | 0.765 |
415 | 0.754 | 0.756 | 0.755 |
416 | 0.825 | 0.824 | 0.824 |
417 | 0.824 | 0.823 | 0.824 |
418 | 0.854 | 0.858 | 0.855 |
419 | 0.752 | 0.756 | 0.755 |
420 | 0.725 | 0.726 | 0.723 |
421 | 0.915 | 0.916 | 0.913 |
422 | 0.925 | 0.925 | 0.928 |
423 | 0.965 | 0.967 | 0.965 |
424 | 0.964 | 0.965 | 0.966 |
425 | 0.955 | 0.952 | 0.955 |
426 | 0.946 | 0.944 | 0.947 |
427 | 0.926 | 0.923 | 0.924 |
428 | 0.962 | 0.964 | 0.964 |
429 | 0.964 | 0.962 | 0.963 |
430 | 0.952 | 0.954 | 0.952 |
431 | 0.943 | 0.946 | 0.947 |
432 | 0.922 | 0.924 | 0.924 |
433 | 0.965 | 0.963 | 0.962 |
434 | 0.961 | 0.964 | 0.964 |
435 | 0.954 | 0.954 | 0.953 |
436 | 0.945 | 0.946 | 0.945 |
437 | 0.906 | 0.906 | 0.902 |
438 | 0.964 | 0.967 | 0.966 |
439 | 0.964 | 0.966 | 0.963 |
440 | 0.955 | 0.953 | 0.955 |
441 | 0.946 | 0.945 | 0.947 |
442 | 0.927 | 0.924 | 0.925 |
443 | 0.967 | 0.964 | 0.969 |
444 | 0.964 | 0.962 | 0.96 |
445 | 0.953 | 0.955 | 0.952 |
446 | 0.942 | 0.946 | 0.945 |
447 | 0.927 | 0.923 | 0.927 |
448 | 0.953 | 0.957 | 0.953 |
449 | 0.954 | 0.955 | 0.955 |
450 | 0.924 | 0.923 | 0.925 |
451 | 0.937 | 0.933 | 0.935 |
452 | 0.923 | 0.924 | 0.929 |
453 | 0.956 | 0.952 | 0.957 |
454 | 0.962 | 0.962 | 0.961 |
455 | 0.953 | 0.955 | 0.953 |
456 | 0.946 | 0.942 | 0.945 |
457 | 0.926 | 0.927 | 0.923 |
458 | 0.956 | 0.954 | 0.954 |
459 | 0.955 | 0.955 | 0.953 |
460 | 0.925 | 0.925 | 0.922 |
461 | 0.938 | 0.936 | 0.936 |
462 | 0.921 | 0.922 | 0.921 |
463 | 0.901 | 0.906 | 0.907 |
464 | 0.962 | 0.962 | 0.964 |
465 | 0.953 | 0.953 | 0.953 |
466 | 0.947 | 0.946 | 0.948 |
467 | 0.926 | 0.925 | 0.927 |
468 | 0.956 | 0.955 | 0.952 |
469 | 0.951 | 0.952 | 0.954 |
470 | 0.923 | 0.925 | 0.926 |
471 | 0.737 | 0.735 | 0.736 |
472 | 0.826 | 0.826 | 0.824 |
473 | 0.903 | 0.907 | 0.907 |
474 | 0.764 | 0.767 | 0.767 |
475 | 0.756 | 0.754 | 0.754 |
476 | 0.825 | 0.827 | 0.825 |
477 | 0.825 | 0.822 | 0.827 |
478 | 0.854 | 0.856 | 0.856 |
479 | 0.756 | 0.755 | 0.755 |
480 | 0.726 | 0.724 | 0.723 |
481 | 0.734 | 0.733 | 0.734 |
482 | 0.822 | 0.824 | 0.826 |
483 | 0.904 | 0.902 | 0.905 |
484 | 0.764 | 0.767 | 0.762 |
485 | 0.754 | 0.753 | 0.756 |
486 | 0.823 | 0.825 | 0.824 |
487 | 0.825 | 0.825 | 0.826 |
488 | 0.856 | 0.858 | 0.855 |
489 | 0.752 | 0.754 | 0.757 |
490 | 0.724 | 0.725 | 0.728 |
491 | 0.734 | 0.735 | 0.734 |
492 | 0.826 | 0.827 | 0.825 |
493 | 0.903 | 0.904 | 0.905 |
494 | 0.764 | 0.765 | 0.767 |
495 | 0.754 | 0.756 | 0.754 |
496 | 0.825 | 0.827 | 0.826 |
497 | 0.825 | 0.826 | 0.824 |
498 | 0.856 | 0.859 | 0.856 |
499 | 0.752 | 0.757 | 0.758 |
500 | 0.726 | 0.724 | 0.729 |
501 | 0.732 | 0.731 | 0.736 |
502 | 0.821 | 0.823 | 0.822 |
503 | 0.903 | 0.904 | 0.905 |
504 | 0.764 | 0.763 | 0.764 |
505 | 0.754 | 0.754 | 0.757 |
506 | 0.824 | 0.822 | 0.829 |
507 | 0.822 | 0.824 | 0.825 |
508 | 0.856 | 0.853 | 0.856 |
509 | 0.755 | 0.756 | 0.755 |
510 | 0.724 | 0.726 | 0.724 |
511 | 0.734 | 0.734 | 0.736 |
512 | 0.826 | 0.826 | 0.824 |
513 | 0.906 | 0.905 | 0.903 |
514 | 0.765 | 0.765 | 0.765 |
515 | 0.754 | 0.755 | 0.755 |
516 | 0.825 | 0.824 | 0.825 |
517 | 0.824 | 0.827 | 0.824 |
518 | 0.857 | 0.858 | 0.855 |
519 | 0.752 | 0.757 | 0.755 |
520 | 0.725 | 0.726 | 0.727 |
521 | 0.734 | 0.735 | 0.734 |
522 | 0.736 | 0.734 | 0.734 |
523 | 0.755 | 0.756 | 0.755 |
524 | 0.726 | 0.725 | 0.724 |
525 | 0.727 | 0.726 | 0.724 |
526 | 0.722 | 0.726 | 0.726 |
527 | 0.824 | 0.824 | 0.827 |
528 | 0.854 | 0.855 | 0.856 |
529 | 0.752 | 0.754 | 0.758 |
530 | 0.726 | 0.726 | 0.724 |
531 | 0.943 | 0.946 | 0.944 |
532 | 0.926 | 0.926 | 0.924 |
533 | 0.965 | 0.966 | 0.962 |
534 | 0.961 | 0.966 | 0.963 |
535 | 0.954 | 0.953 | 0.953 |
536 | 0.943 | 0.946 | 0.946 |
537 | 0.906 | 0.902 | 0.906 |
538 | 0.964 | 0.967 | 0.962 |
539 | 0.964 | 0.963 | 0.968 |
540 | 0.953 | 0.953 | 0.955 |
541 | 0.946 | 0.944 | 0.946 |
542 | 0.927 | 0.924 | 0.924 |
543 | 0.967 | 0.965 | 0.966 |
544 | 0.965 | 0.962 | 0.966 |
545 | 0.953 | 0.956 | 0.955 |
546 | 0.942 | 0.946 | 0.946 |
547 | 0.923 | 0.925 | 0.925 |
548 | 0.956 | 0.953 | 0.957 |
549 | 0.954 | 0.954 | 0.953 |
550 | 0.924 | 0.922 | 0.925 |
551 | 0.932 | 0.933 | 0.937 |
552 | 0.925 | 0.922 | 0.926 |
553 | 0.903 | 0.905 | 0.902 |
554 | 0.764 | 0.761 | 0.765 |
555 | 0.751 | 0.755 | 0.755 |
556 | 0.825 | 0.821 | 0.826 |
557 | 0.825 | 0.826 | 0.821 |
558 | 0.856 | 0.851 | 0.855 |
559 | 0.754 | 0.755 | 0.754 |
560 | 0.726 | 0.724 | 0.725 |
561 | 0.734 | 0.734 | 0.731 |
562 | 0.826 | 0.822 | 0.825 |
563 | 0.901 | 0.908 | 0.906 |
564 | 0.764 | 0.762 | 0.766 |
565 | 0.754 | 0.756 | 0.751 |
566 | 0.825 | 0.822 | 0.826 |
567 | 0.821 | 0.826 | 0.823 |
568 | 0.856 | 0.852 | 0.852 |
569 | 0.752 | 0.752 | 0.755 |
570 | 0.723 | 0.726 | 0.726 |
571 | 0.735 | 0.734 | 0.736 |
572 | 0.826 | 0.825 | 0.825 |
573 | 0.903 | 0.906 | 0.905 |
574 | 0.767 | 0.765 | 0.767 |
575 | 0.755 | 0.756 | 0.754 |
576 | 0.825 | 0.826 | 0.826 |
由表1可以看出,三种方式得到的同一编号电池的健康状态在数值上基本相当,也就是说,本申请提出的电池健康状态估计公式的估计精度与人工神经网络得到的估计精度相当,与实验室现场实验的方式的精度相差也不大,但是本申请不需要依赖大量的训练数据,对算力的要求大大降低(与人工神经网络的方式相比算力至少降低了29倍),不需要大型的计算工具,本申请中参与运算的物理量采用现有技术中常见的测量工具即可实现检测,大大降低了测量和估算难度。
关于算力的量化,本领域并没有标准的公认方法,本申请是采用电功率表测量本申请所述的电池健康状态估计公式估算的方式在估算过程中消耗的电能P1,同时采用电功率表测量人工神经网络的方式在估算过程中消耗的电能P2,通过比较P1和P2的大小估算算力。
优选地,所述的充电电流检测单元包括充电电流检测模块和充电电流积分计算模块,所述的充电电流检测模块用于以预定的频率检测以交流正弦信号形式输入到电池的充电电流瞬时值i(t),所述的充电电流积分计算模块用于对充电电流瞬时值i(t)在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的充电电流I。
优选地,所述的充电电压检测单元包括充电电压检测模块和充电电压积分计算模块,所述的充电电压检测模块用于以预定的频率检测与所述的充电电流瞬时值i(t)对应的充电电压瞬时值u(t),所述的充电电压积分计算模块用于对充电电压瞬时值u(t) 在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的充电电压U。
优选地,所述的充电电流瞬时值i(t)与所述的充电电压瞬时值u(t)的对应是指同一时间点上的对应,而不是相位的对应。
也就是说,充电电流瞬时值i(t)和充电电压瞬时值u(t)都是在t这同一时间点上的检测值,二者在t这同一时间点上对应,而不是相位的对应。
优选地,所述的环境温度检测单元包括环境温度检测模块和环境温度积分计算模块,所述的环境温度检测模块用于以预定的频率检测电池所处的环境中的空气的温度瞬时值T(t),所述的环境温度积分计算模块用于对温度瞬时值T(t) 在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的环境温度T。
优选地,所述的温度瞬时值T(t)与所述的充电电流瞬时值i(t)和所述的充电电压瞬时值u(t)在同一时间点上对应。也就是说,温度瞬时值T(t)与充电电流瞬时值i(t)和充电电压瞬时值u(t)都是在t这同一时间点上的检测值,三者在t这同一时间点上对应,而不是相位的对应。
优选地,所述的环境温度检测模块、充电电压检测模块和充电电流检测模块的检测频率相同。
这里的检测频率指的是前述的“预定的频率”,例如充电电流检测模块以间隔10秒的频率检测充电电流瞬时值i(t),充电电压检测模块同样也以间隔10秒的频率检测充电电压瞬时值u(t);环境温度检测模块同样也以间隔10秒的频率检测温度瞬时值T(t)。
优选地,所述的充电电压检测模块和充电电流检测模块的检测频率相同,所述的环境温度检测模块的检测频率是所述的充电电压检测模块和充电电流检测模块的检测频率的五分之一至三分之一。
由于温度的变化速度远低于电压和电流的变化速度,并不需要频繁检测温度瞬时值T(t),实验结果表明环境温度检测模块的检测频率维持在充电电压检测模块和充电电流检测模块的检测频率的五分之一至三分之一,对最终的估算结果没有明显影响。
进一步优选地,所述的充电电压检测模块和充电电流检测模块的检测频率相同,所述的环境温度检测模块的检测频率是所述的充电电压检测模块和充电电流检测模块的检测频率的四分之一。
实验结果表明环境温度检测模块的检测频率维持在充电电压检测模块和充电电流检测模块的检测频率的四分之一,对最终的估算结果几乎没有影响,可以作为检测频率的最优选值。
优选地,所述的计算机运行状态下电池健康监控系统还包括电池温度检测单元,所述的电池温度检测单元用于检测计算机运行状态下的电池的温度TD,所述的电池健康状态估算单元用于计算所述的计算机运行状态下的电池的温度TD与计算机运行状态下的环境温度T之间的加权平均值TP,其中,
;
所述的电池健康状态估算单元还用于根据检测得到的所述充电电压U、充电电流I和加权平均值TP按照电池健康状态修正估计公式估算得到电池健康修正状态SX;
所述的电池健康状态修正估计公式为:
。
实验结果表明,与所述的电池健康状态估计公式相比,采用所述的电池健康状态修正估计公式得到的估算结果的精度至少提高了63.7%。
计算精度需要确定基准值,本申请实验过程中确定以方式一即用实验室现场实验的方式得到的同一编号电池的健康状态的数值作为基准,记为F1,以方式二即采用本申请的电池健康状态估计公式估算的方式得到的同一编号电池的健康状态的数值记为F2,采用本申请所述的电池健康状态修正估计公式得到的估算结果记为FX,方式二的精度M1的计算公式为(F2-F1)/ F1×100%,由于(F2-F1)这个差值可能为负,所以方式二的精度M1实际上是对上述计算公式取绝对值作为方式二的精度M1。
修正结果的精度M2的计算公式为(FX-F1)/ F1×100%,同样取绝对值作为修正结果的精度M2。
计算得出方式二的精度M1和修正结果的精度M2以后,为了比较二者的相对大小,按照公式(M2- M1)/ M1×100%取绝对值,剔除试验过程中发现的数据异常点以后,发现采用所述的电池健康状态修正估计公式得到的估算结果的精度至少提高了63.7%。
试验过程中,申请人尝试了多种加权平均值TP的计算方法,TD和T前面的系数以及分母的数值变换了多种组合方式,只有TD前面的系数取3、T前面的系数取4、分母的数值取7时,估算精度出现了2个数量级以上的提升,其他数值组合对估算精度的改善都在10%以内,由此申请人认为,“TD前面的系数取3、T前面的系数取4、分母的数值取7”这个技术方案取得了预料不到的技术效果。
本发明还提供一种计算机运行状态下电池健康监控方法,包括以下步骤:
S1、检测计算机运行状态下的电池的充电电压U,单位为伏特;
S2、检测计算机运行状态下的电池的充电电流I,单位为安培;
S3、检测计算机运行状态下的环境温度T,单位为℃;
S4、根据检测得到的所述充电电压U、充电电流I和环境温度T按照电池健康状态估计公式估算得到电池健康状态S;
所述的电池健康状态估计公式为:
;
其中φ为充电电压U和充电电流I之间的相位差。
以上描述了本发明优选实施方式,然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (7)
1.一种计算机运行状态下自适应电池健康监控系统,其特征在于,所述的计算机运行状态下自适应电池健康监控系统包括电池的充电电压检测单元、充电电流检测单元、环境温度检测单元和电池健康状态估算单元;
所述的充电电压检测单元用于检测计算机运行状态下的电池的充电电压U,单位为伏特;
所述的充电电流检测单元用于检测计算机运行状态下的电池的充电电流I,单位为安培;
所述的环境温度检测单元用于检测计算机运行状态下的环境温度T,单位为℃;
所述的环境温度检测单元包括环境温度检测模块和环境温度积分计算模块,所述的环境温度检测模块用于以预定的频率检测电池所处的环境中的空气的温度瞬时值T(t),所述的环境温度积分计算模块用于对温度瞬时值T(t) 在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的环境温度T;
所述的电池健康状态估算单元用于根据检测得到的所述充电电压U、充电电流I和环境温度T按照电池健康状态估计公式估算得到电池健康状态S;
所述的电池健康状态估计公式为:
;
其中为充电电压U和充电电流I之间的相位差;
所述的充电电流检测单元包括充电电流检测模块和充电电流积分计算模块,所述的充电电流检测模块用于以预定的频率检测以交流正弦信号形式输入到电池的充电电流瞬时值i(t),所述的充电电流积分计算模块用于对充电电流瞬时值i(t)在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的充电电流I;
所述的计算机运行状态下自适应电池健康监控系统还包括电池温度检测单元,所述的电池温度检测单元用于检测计算机运行状态下的电池的温度TD,所述的电池健康状态估算单元用于计算所述的计算机运行状态下的电池的温度TD与计算机运行状态下的环境温度T之间的加权平均值TP,其中,;
所述的电池健康状态估算单元还用于根据检测得到的所述充电电压U、充电电流I和加权平均值TP按照电池健康状态修正估计公式估算得到电池健康修正状态SX;
所述的电池健康状态修正估计公式为:
。
2. 根据权利要求1所述的计算机运行状态下自适应电池健康监控系统,其特征在于,所述的充电电压检测单元包括充电电压检测模块和充电电压积分计算模块,所述的充电电压检测模块用于以预定的频率检测与所述的充电电流瞬时值i(t)对应的充电电压瞬时值u(t),所述的充电电压积分计算模块用于对充电电压瞬时值u(t) 在检测起始时间t0至检测结束时间t1之间的时间段内进行积分运算,并将积分运算的结果作为所述的充电电压U。
3.根据权利要求2所述的计算机运行状态下自适应电池健康监控系统,其特征在于,所述的充电电流瞬时值i(t)与所述的充电电压瞬时值u(t)的对应是指同一时间点上的对应,而不是相位的对应。
4.根据权利要求2所述的计算机运行状态下自适应电池健康监控系统,其特征在于,所述的温度瞬时值T(t)与所述的充电电流瞬时值i(t)和所述的充电电压瞬时值u(t)在同一时间点上对应。
5.根据权利要求2所述的计算机运行状态下自适应电池健康监控系统,其特征在于,所述的环境温度检测模块、充电电压检测模块和充电电流检测模块的检测频率相同。
6.根据权利要求2所述的计算机运行状态下自适应电池健康监控系统,其特征在于,所述的充电电压检测模块和充电电流检测模块的检测频率相同,所述的环境温度检测模块的检测频率是所述的充电电压检测模块和充电电流检测模块的检测频率的五分之一至三分之一。
7.根据权利要求2所述的计算机运行状态下自适应电池健康监控系统,其特征在于,所述的充电电压检测模块和充电电流检测模块的检测频率相同,所述的环境温度检测模块的检测频率是所述的充电电压检测模块和充电电流检测模块的检测频率的四分之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310650654.8A CN116381540B (zh) | 2023-06-05 | 2023-06-05 | 一种计算机运行状态下电池健康监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310650654.8A CN116381540B (zh) | 2023-06-05 | 2023-06-05 | 一种计算机运行状态下电池健康监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116381540A CN116381540A (zh) | 2023-07-04 |
CN116381540B true CN116381540B (zh) | 2023-08-22 |
Family
ID=86971468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310650654.8A Active CN116381540B (zh) | 2023-06-05 | 2023-06-05 | 一种计算机运行状态下电池健康监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116381540B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813754A (zh) * | 2010-04-19 | 2010-08-25 | 清华大学 | 一种用于汽车起动照明型铅酸蓄电池的状态估算方法 |
CN106597289A (zh) * | 2015-10-20 | 2017-04-26 | 郑州宇通客车股份有限公司 | 电池健康状态测算方法 |
CN108169680A (zh) * | 2017-12-08 | 2018-06-15 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态评估方法、系统及电动车辆 |
WO2018112818A1 (zh) * | 2016-12-22 | 2018-06-28 | 深圳中兴力维技术有限公司 | 一种电池循环寿命的快速预测方法及其快速预测装置 |
CN110658476A (zh) * | 2019-10-16 | 2020-01-07 | 北京航空航天大学 | 一种随机充放电条件下锂电池容量加速衰减的判定方法 |
CN110850318A (zh) * | 2019-11-06 | 2020-02-28 | 上海理工大学 | 带滤波法权重分配的锂电池健康状态估计方法 |
CN111308381A (zh) * | 2020-04-07 | 2020-06-19 | 国网江苏省电力有限公司苏州供电分公司 | 一种纯电动公交车动力电池健康状态评估方法 |
CN112540317A (zh) * | 2020-12-16 | 2021-03-23 | 武汉理工大学 | 基于实车数据的电池健康状态估计与剩余寿命预测方法 |
DE102020214389A1 (de) * | 2020-11-17 | 2022-05-19 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands einer Gerätebatterie unbekannten Typs für ein batteriebetriebenes elektrisches Gerät |
CN114755582A (zh) * | 2022-03-23 | 2022-07-15 | 河北工业大学 | 一种环境温度不同时锂离子电池健康状态预估方法 |
CN114839536A (zh) * | 2022-04-05 | 2022-08-02 | 北京工业大学 | 一种基于多健康因子的锂离子电池健康状态估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230003802A1 (en) * | 2021-07-01 | 2023-01-05 | University Of South Carolina | Lebesgue sampling-based lithium-ion battery state-of-charge diagnosis and prognosis |
-
2023
- 2023-06-05 CN CN202310650654.8A patent/CN116381540B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813754A (zh) * | 2010-04-19 | 2010-08-25 | 清华大学 | 一种用于汽车起动照明型铅酸蓄电池的状态估算方法 |
CN106597289A (zh) * | 2015-10-20 | 2017-04-26 | 郑州宇通客车股份有限公司 | 电池健康状态测算方法 |
WO2018112818A1 (zh) * | 2016-12-22 | 2018-06-28 | 深圳中兴力维技术有限公司 | 一种电池循环寿命的快速预测方法及其快速预测装置 |
CN108169680A (zh) * | 2017-12-08 | 2018-06-15 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态评估方法、系统及电动车辆 |
CN110658476A (zh) * | 2019-10-16 | 2020-01-07 | 北京航空航天大学 | 一种随机充放电条件下锂电池容量加速衰减的判定方法 |
CN110850318A (zh) * | 2019-11-06 | 2020-02-28 | 上海理工大学 | 带滤波法权重分配的锂电池健康状态估计方法 |
CN111308381A (zh) * | 2020-04-07 | 2020-06-19 | 国网江苏省电力有限公司苏州供电分公司 | 一种纯电动公交车动力电池健康状态评估方法 |
DE102020214389A1 (de) * | 2020-11-17 | 2022-05-19 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands einer Gerätebatterie unbekannten Typs für ein batteriebetriebenes elektrisches Gerät |
CN112540317A (zh) * | 2020-12-16 | 2021-03-23 | 武汉理工大学 | 基于实车数据的电池健康状态估计与剩余寿命预测方法 |
CN114755582A (zh) * | 2022-03-23 | 2022-07-15 | 河北工业大学 | 一种环境温度不同时锂离子电池健康状态预估方法 |
CN114839536A (zh) * | 2022-04-05 | 2022-08-02 | 北京工业大学 | 一种基于多健康因子的锂离子电池健康状态估计方法 |
Non-Patent Citations (1)
Title |
---|
《基于免疫SVM的机械产品寿命预测》;林立忠等;《现代制造工程》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116381540A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108089133B (zh) | 储能系统电池组一致性检测方法及检测装置 | |
CN106707180B (zh) | 一种并联电池组故障检测方法 | |
US10677848B2 (en) | Apparatus, circuit model, and method for battery modelling | |
EP2963433A1 (en) | Method and apparatus for estimating state of battery | |
CN109444762B (zh) | 一种基于数据融合的锂离子电池健康状态估计方法 | |
CN108287312B (zh) | 一种退役电池的分选方法、系统及装置 | |
CN103995232B (zh) | 一种磷酸铁锂动力电池组峰值充放电性能的检测方法 | |
CN111751741A (zh) | 一种锂离子电池析锂阈值电压的无损检测方法 | |
CN106646252B (zh) | 铅酸电池应用寿命预测方法 | |
CN109407008A (zh) | 一种电动汽车soh的修正方法 | |
CN112104046B (zh) | 一种并联电池组均衡充放电控制方法及其系统 | |
CN107167737A (zh) | 一种电池系统安全监控方法 | |
CN106772099A (zh) | 一种动力锂电池劣化程度估算方法 | |
CN112578298A (zh) | 电池温度估算方法、装置、电子设备及存储介质 | |
WO2024031261A1 (zh) | 电池的检测方法、装置、设备、存储介质和程序产品 | |
CN108780927B (zh) | 电池包均衡方法、电池管理系统及电池系统 | |
CN115219905A (zh) | 一种电池内短路在线检测方法、装置及存储介质 | |
CN114137415B (zh) | 电池组的发热量检测方法、装置、车辆及存储介质 | |
CN116381540B (zh) | 一种计算机运行状态下电池健康监控系统 | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、系统及存储介质 | |
CN103135063A (zh) | 一种铅酸蓄电池的检测及监控方法 | |
CN106645953B (zh) | 锂电池内阻值估算方法 | |
CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
CN109557480B (zh) | 一种化学电源循环使用寿命的估算方法及系统 | |
CN113740754B (zh) | 一种检测电池组不一致性的方法与系统 |
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 |