CN116381541A - 一种储能锂电池系统的健康评估方法及系统 - Google Patents
一种储能锂电池系统的健康评估方法及系统 Download PDFInfo
- Publication number
- CN116381541A CN116381541A CN202310652232.4A CN202310652232A CN116381541A CN 116381541 A CN116381541 A CN 116381541A CN 202310652232 A CN202310652232 A CN 202310652232A CN 116381541 A CN116381541 A CN 116381541A
- Authority
- CN
- China
- Prior art keywords
- battery
- energy storage
- aging
- storage lithium
- lithium battery
- 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.)
- Granted
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 174
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 174
- 238000004146 energy storage Methods 0.000 title claims abstract description 151
- 230000036541 health Effects 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000032683 aging Effects 0.000 claims abstract description 181
- 238000004088 simulation Methods 0.000 claims abstract description 89
- 238000011156 evaluation Methods 0.000 claims abstract description 69
- 238000013210 evaluation model Methods 0.000 claims abstract description 43
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000004064 recycling Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 27
- 238000012795 verification Methods 0.000 claims description 20
- 238000012423 maintenance Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 13
- 238000002360 preparation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000015556 catabolic process Effects 0.000 claims description 10
- 238000006731 degradation reaction Methods 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 5
- 230000000996 additive effect Effects 0.000 claims description 5
- 238000003487 electrochemical reaction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 8
- 238000007599 discharging Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 4
- 229910001416 lithium ion Inorganic materials 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000013543 active substance Substances 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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]
- G01R31/392—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)
- Secondary Cells (AREA)
Abstract
本公开提供了一种储能锂电池系统的健康评估方法及系统,涉及锂电池技术领域,该方法包括:采集目标储能锂电池的指标参数信息;获取储能锂电池使用日志;建立电池健康评估模型;基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;使用Simulink,构建老化仿真模型;进行老化程度模拟,获取电池老化模拟评估结果;判断是否跳入充放电循环;若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;进行电池健康评估,获取电池健康评估结果,解决了现有技术中存在的由于对储能锂电池的老化程度预测效果不佳,进而导致对储能锂电池系统的健康评估准确性不足的技术问题。
Description
技术领域
本公开涉及锂电池技术领域,具体涉及一种储能锂电池系统的健康评估方法及系统。
背景技术
储能锂电池由于具有绿色环保、寿命长等优点,被广泛运用到家庭、工厂、交通工具等场合中,但是,电池就跟人一样,随着年龄的增长,健康情况都会有不同程度的衰减,如何快速、高效的在线检测锂电池的健康程度具有重要现实意义。锂电池的老化是一个长期渐变的过程,电池的健康状态受温度、电流倍率、截止电压等多种因素影响。
目前,现有技术中存在由于对储能锂电池的老化程度预测效果不佳,进而导致对储能锂电池系统的健康评估准确性不足的技术问题。
发明内容
本公开提供了一种储能锂电池系统的健康评估方法及系统,用以解决现有技术中存在的由于对储能锂电池的老化程度预测效果不佳,进而导致对储能锂电池系统的健康评估准确性不足的技术问题。
根据本公开的第一方面,提供了一种储能锂电池系统的健康评估方法,包括:采集目标储能锂电池的指标参数信息;通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;基于所述储能锂电池使用日志,建立电池健康评估模型;基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;通过所述老化仿真模型,判断是否跳入充放电循环;若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。
根据本公开的第二方面,提供了一种储能锂电池系统的健康评估系统,包括:指标参数信息采集模块,所述指标参数信息采集模块用于采集目标储能锂电池的指标参数信息;使用日志获取模块,所述使用日志获取模块用于通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;电池健康评估模型构建模块,所述电池健康评估模型构建模块用于基于所述储能锂电池使用日志,建立电池健康评估模型;循环使用老化指标设置模块,所述循环使用老化指标设置模块用于基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;老化仿真模型构建模块,所述老化仿真模型构建模块用于基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;老化程度模拟模块,所述老化程度模拟模块用于将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;充放电循环判断模块,所述充放电循环判断模块用于通过所述老化仿真模型,判断是否跳入充放电循环;约束信息导入模块,所述约束信息导入模块用于若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;电池健康评估模块,所述电池健康评估模块用于在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。
根据本公开采用的一种储能锂电池系统的健康评估方法,采集目标储能锂电池的指标参数信息;通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;基于所述储能锂电池使用日志,建立电池健康评估模型;基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;通过所述老化仿真模型,判断是否跳入充放电循环;若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。本公开首先通过分析储能锂电池的老化机理得到不同老化类型下的老化指标集,然后基于老化指标集构建老化仿真模型,接着目标储能锂电池的指标参数信息,根据指标参数信息利用老化仿真模型进行老化程度预测,并进行系统健康评估,达到提升储能锂电池的老化程度预测准确性,同时提升储能锂电池系统的健康评估结果准确性的技术效果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述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示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种储能锂电池系统的健康评估方法的流程示意图;
图2为本发明实施例中建立电池健康评估模型的流程示意图;
图3为本发明实施例中获得老化仿真模型的流程示意图;
图4为本发明实施例提供的一种储能锂电池系统的健康评估系统的结构示意图。
附图标记说明:指标参数信息采集模块11,使用日志获取模块12,电池健康评估模型构建模块13,循环使用老化指标设置模块14,老化仿真模型构建模块15,老化程度模拟模块16,充放电循环判断模块17,约束信息导入模块18,电池健康评估模块19。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例1
图1为本申请实施例提供的一种储能锂电池系统的健康评估方法图,所述方法应用于锂电池健康评估系统,所述锂电池健康评估系统与调整健康管理装置、储能锂电池系统通信连接,如图1所示,所述方法包括:
步骤S100:采集目标储能锂电池的指标参数信息;
具体而言,目标储能锂电池是指储能锂电池系统中包含的任一储能锂电池,指标参数信息是目标储能锂电池工作时的基本参数,具体包括充电温度、充放电电流倍率、放电深度、循环区间、充放电截止电压等参数。
步骤S200:通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;
具体而言,储能锂电池系统是指将电能形式的能量,通过多个储能锂电池存储起来,在有需要的时候再将其释放的一种系统,通常由数个型号一致的储能锂电池组成,换句话说,储能锂电池系统中布设多个型号相同的储能锂电池,目标储能锂电池是多个型号相同的储能锂电池中的任一储能锂电池。通过连接储能锂电池系统,调取储能锂电池使用日志,储能锂电池使用日志中记录了过去的时间内储能锂电池的使用情况,具体包括电池容量记录、充放电记录、功率记录等数据。
步骤S300:基于所述储能锂电池使用日志,建立电池健康评估模型;
其中,如图2所示,本申请实施例步骤S300还包括:
步骤S310:提取所述储能锂电池使用日志中的容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录;
步骤S320:对所述容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录进行数据清洗,获取容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据;
步骤S330:从电化学反应机理出发,分析容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据,建立所述电池健康评估模型。
其中,本申请实施例步骤S330还包括:
步骤S331:对所述容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据进行一次切分,获取一次训练集和一次测试集;
步骤S332:对所述一次训练集进行二次切分,获取二次训练集和二次验证集;
步骤S333:使用所述一次训练集、二次验证集与所述一次测试集,建立所述电池健康评估模型。
具体而言,从储能锂电池使用日志中提取出有用数据,对提取出的数据进行分析,基于此建立电池健康评估模型,电池健康评估模型是机器学习中的BP神经网络模型,电池健康评估模型的输入是电池的容量、电量、内阻、循环次数和峰值功率,输出是电池的健康分数。
具体地,提取储能锂电池使用日志中的容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录,容量记录是指储能锂电池每次使用时的容量,电池容量的衰减是电池老化的表现;电量记录是指储能锂电池每次使用时的放电量,随着电池老化,放电量也会衰减;内阻记录是指锂电池每次使用时的内阻,内阻增大也是电池老化的表现;循环次数记录是指电池剩余的循环次数,一般来说,储能锂电池的总循环次数是可以预测的,总循环次数减去已经循环过的次数即为剩余循环次数;峰值功率是指锂电池进行使用时的最大输出功率。容量和电量定义可操作性强,但容量为电池的外在表现,由于内阻与电池温度有关,不易测量,剩余循环次数和总循环次数无法准确预测,需要综合分析容量记录、电量记录、内阻记录、循环次数记录和峰值功率建立电池健康评估模型,保证电池健康评估模型的准确性,对容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录进行数据清洗,数据清洗过程包括填充缺失值、处理异常值、删除冗余数据,也就是说,电池使用记录中可能缺失某个指标的数据,需要对缺失的数据进行补充;异常值是容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录中错误的数据,需要对错误数据进行修正;冗余数据是指多余的、无用的数据,将多余数据删除,基于此获取经过数据清洗处理后的容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据。
从储能锂电池的电化学反应机理出发分析电池运行过程中的健康状态变化,电化学反应机理如下:锂电池的正极材料通常有锂的活性化合物组成,负极则是特殊分子结构的碳,充电时,加在电池两极的电势迫使正极的化合物释出锂离子,嵌入负极分子排列呈片层结构的碳中;放电时,锂离子则从片层结构的碳中析出,重新和正极的化合物结合,锂离子的移动产生了电流。基于此,考虑电池的老化因素对电池内外部状态变量(温度、电流倍率、截止电压等)的影响,老化因素包括容量、电量、内阻、循环次数和峰值功率,换句话说,分析容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据对池内外部状态变量(温度、电流倍率、截止电压等)的影响,为每一组容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据配置一个电池健康分数,基于此建立电池健康评估模型,达到为后续的电池健康评估提供基础的效果。
具体地,对容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据按照预设分割比例进行一次切分,获取一次训练集和一次测试集,预设分割比例可以自行设定,一般情况下,一次训练集所包含的数据量大于一次测试集包含的数据量,进一步再次对一次训练集进行二次切分,获取二次训练集和二次验证集,举例如,按照5:1的分割比例对容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据进行一次切分,获得的一次训练集和一次测试集中的数据量之比就为5:1,接着按照4:1的分割比例对一次训练集中的数据进行分割,获得的二次训练集和二次验证集中的数据量之比为4:1,那么二次训练集、二次验证集与一次测试集的数据量之比为8:2:2,然后利用一次训练集中的数据对电池健康评估模型进行训练,将一次训练集中的每一组容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据输入到电池健康评估模型中,输出电池健康分数,接着通过二次验证集对电池健康评估模型进行第一次验证,如果第一次验证未通过,需要重新利用一次训练集对电池健康评估模型进行训练,如果第一次验证通过,采用一次测试集,对电池健康评估模型进行第二次次验证,如果第二次验证结果符合预期准确率要求,电池健康评估模型建立完成,也就是说,一次训练集中包括了二次验证集,所以二次验证集的验证效果不够精准,需要使用一次测试集中的数据进行再次验证,两次验证必须都满足各自的准确率要求,电池健康评估模型才能建立完成,达到保证健康评估准确率的效果。
步骤S400:基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;
具体而言,锂电池的老化是一个长期渐变的过程,电池的老化受温度、电流倍率、截止电压等多种因素影响,高温会加快电池内部的化学反应速度,提升电池的效率和性能,同时高温也会加速一些不可逆的化学反应发生,造成电池的活性物质减少,引起电池的老化和容量衰减;充放电倍率会影响电池的寿命,高倍率放电会在电池内部产生更多的热量,导致内阻增大,加速电池老化;电池充放电深度对电池健康和老化也有影响;电池充放电循环区间也会影响电池老化过程,循环区间不同对应的充放电电池内阻不一样,因此循环过程中电池发热和反应略有不同,长期将影响电池的健康和老化;电池的过充和过放都会对电池健康产生影响,不恰当的电压上限和电压下限对电池都有影响,放电截止电压越低,电池内阻越大,造成电池内部发热,会导致电池活性物质减少和负极石墨片层出现塌陷,电池加速老化和容量衰减,过高的充电截止电压引起电池内阻增大,电池内部发热增加,影响电池的容量和老化。由此可以得出,电池运行的温度、充放电倍率、放电深度、循环区间和充放电截止电压等都会对电池的老化产生影响,因此循环使用老化指标集包括充电温度、充放电电流倍率、放电深度、循环区间、充放电截止电压指标。
步骤S500:基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;
其中,如图3所示,本申请实施例步骤S500还包括:
步骤S510:利用Simulink的UKF模块,设置初始状态;
步骤S520:基于UKF模块,将过程噪声W设置为Additive;
步骤S530:进行UKF无迹变换参数设置,完成UKF编写,获取电池SOC估算模型;
步骤S540:基于所述电池SOC估算模型,通过降低电池容量来模拟电池退化,获取所述老化仿真模型。
具体而言,Simulink是基于matlab的框图设计环境,可以用来对各种动态系统进行建模、分析和仿真,它的应用领域十分广泛,任何能用数学模型来描述的系统都可以在simulink中进行仿真分析,当然锂电池的老化仿真也是可以基于Simulink进行的。基于Simulink,根据循环使用老化指标集,构建老化仿真模型。
具体地,直接利用Simulink的UKF模块,搭建老化仿真模型,首先基于UKF模块,设置初始状态,状态方程设置为:batteryStateFcn,初始状态设置为:[1; 0];初始协方差设置为:diag([0.01, 1]),过程噪声W设置为:Additive,具体表示为:diag([2e-8, 3e-7])。进一步进行UKF无迹变换参数设置,UKF无迹变换参数设置为:Alpha:1,Beta:2,Kappa:0,测量方程设置为:batteryMeasurementFcn,测量噪声设置为:Additive,具有时不变协方差1e-3,基于此UKF编写完成,电池SOC估算模型也构建完成,电池SOC是指荷电状态,是用来反映电池的剩余容量的,其数值上定义为剩余容量占电池容量的比值,常用百分数表示;其取值范围为0~1,当“SOC=0”时表示电池放电完全,当“SOC=1”时表示电池完全充满。基于电池SOC估算模型,通过降低电池容量来模拟电池退化,获取老化仿真模型。
其中,本申请实施例步骤S540还包括:
步骤S541:通过所述储能锂电池使用日志,获取电池容量衰减信息;
步骤S542:基于所述电池容量衰减信息,以降低电池容量来模拟电池退化,获取电池老化状态方程;
步骤S543:基于所述电池SOC估算模型,采用Simulink自带的卡尔曼滤波模块对电池老化状态方程进行编译,获取所述老化仿真模型。
具体地,通过储能锂电池使用日志,获取电池容量衰减信息,电池容量衰减信息包括锂电池不同使用阶段的电池容量衰减情况,一般来说,电池使用次数越多,使用时间越久,电池容量会衰退,基于电池容量衰减信息,以降低电池容量来模拟电池退化,获取电池老化状态方程:,其中,/>是指电池额定容量,/>是指某时某刻的电池容量,A是指电流,/>是指过程噪声,基于前述的电池SOC估算模型,采用Simulink自带的卡尔曼滤波模块对电池老化状态方程进行编译,可以得到用来反映电池SOC变化曲线,SOC数值一般用百分数表示,根据SOC变化曲线,评估锂电池的老化程度,由此获得了老化仿真模型。
步骤S600:将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;
具体而言,指标参数信息是指目标储能锂电池的充电温度、充放电电流倍率、放电深度、循环区间、充放电截止电压等参数,将指标参数信息输入老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果,电池老化模拟评估结果是指目标储能锂电池当前的老化程度。
步骤S700:通过所述老化仿真模型,判断是否跳入充放电循环;
其中,本申请实施例步骤S700还包括:
步骤S710:将所述电池老化模拟评估结果发送至所述调整健康管理装置,判断是否跳入充放电循环;
步骤S720:若未跳入充放电循环,获取电池老化更换提醒;
步骤S730:将所述电池老化更换提醒发送至电池管理人员,进行电池老化更换。
具体而言,锂电池如长时间存放时应保持电量在30%至50%区间内,且每隔一个月进行一次完整的充放电循环,以免长期存放影响电池性能安全和寿命,通过老化仿真模型,判断是否跳入充放电循环。
具体地,调整健康管理装置是用于判断是否跳入充放电循环的装置,将电池老化模拟评估结果发送至调整健康管理装置,判断是否跳入充放电循环,如果电池的健康分高于60%,则跳入充放电循环,否则,不跳入。如果未跳入充放电循环,说明电池的健康分低于60%,说明电池的老化程度较高,电池的使用效果较差,需要更换新的储能锂电池,基于此获取电池老化更换提醒,然后将电池老化更换提醒发送至电池管理人员,辅助电池管理人员进行电池老化更换,达到保证储能锂电池系统的正常运行。
步骤S800:若跳入充放电循环,将电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;
具体而言,若跳入充放电循环,将电池老化模拟评估结果作为约束信息,导入电池健康评估模型,也就是说,锂电池的老化是一个长期渐变的过程,当老化程度过高的时候,锂电池就不能使用了,此时就没必要在进行电池健康评估了,因此,以电池老化模拟评估结果作为约束信息,判断是否需要进行电池健康评估。
步骤S900:在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。
具体而言,如果电池老化模拟评估结果显示锂电池的老化程度较低,还可以继续使用,就将目标储能锂电池当前的电池容量、电量、内阻、循环次数和峰值功率输入到电池健康评估模型,根据电池健康评估模型对电池健康程度进行评分,评分越高,电池越健康。
其中,判断是否跳入充放电循环之前,本申请实施例步骤S1000还包括:
步骤S1010:获取所述目标储能锂电池的应用场所断电维检记录;
步骤S1020:通过所述应用场所断电维检记录,判断是否发送充放电循环准备信号;
步骤S1030:若不发送充放电循环准备信号,在断电维检后,使用所述目标储能锂电池进行紧急供电;
步骤S1040:若发送充放电循环准备信号,判断是否跳入充放电循环。
具体而言,储能锂电池可以用于家庭、交通工具、各种工厂、电网系统等多种场景下,目标储能锂电池的应用场所可能存在断电维检的情况,断电维修时就需要目标储能锂电池放电,为目标储能锂电池的应用场所进行紧急供电,因此获取应用场所断电维检记录,根据应用场所断电维检记录,判断当前是否处于断电维检的情况,进而判断是否发送充放电循环准备信号,如果当前处于断电维检的情况,不发送充放电循环准备信号,在断电维检后,使用目标储能锂电池进行紧急供电;如果当前不处于断电维检的情况,发送充放电循环准备信号,进一步去判断是否跳入充放电循环。
基于上述分析可知,本公开提供了一种储能锂电池系统的健康评估方法,在本实施例中,首先通过分析储能锂电池的老化机理得到不同老化类型下的老化指标集,然后基于老化指标集构建老化仿真模型,接着目标储能锂电池的指标参数信息,根据指标参数信息利用老化仿真模型进行老化程度预测,并进行系统健康评估,达到提升储能锂电池的老化程度预测准确性,同时提升储能锂电池系统的健康评估结果准确性的技术效果。
实施例2
基于与前述实施例中一种储能锂电池系统的健康评估方法同样的发明构思,如图4所示,本申请还提供了一种储能锂电池系统的健康评估系统,所述系统与调整健康管理装置、储能锂电池系统通信连接,所述系统包括:
指标参数信息采集模块11,所述指标参数信息采集模块11用于采集目标储能锂电池的指标参数信息;
使用日志获取模块12,所述使用日志获取模块12用于通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;
电池健康评估模型构建模块13,所述电池健康评估模型构建模块13用于基于所述储能锂电池使用日志,建立电池健康评估模型;
循环使用老化指标设置模块14,所述循环使用老化指标设置模块14用于基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;
老化仿真模型构建模块15,所述老化仿真模型构建模块15用于基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;
老化程度模拟模块16,所述老化程度模拟模块16用于将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;
充放电循环判断模块17,所述充放电循环判断模块17用于通过所述老化仿真模型,判断是否跳入充放电循环;
约束信息导入模块18,所述约束信息导入模块18用于若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;
电池健康评估模块19,所述电池健康评估模块19用于在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。
进一步而言,所述系统还包括:
日志记录提取模块,所述日志记录提取模块用于提取所述储能锂电池使用日志中的容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录;
数据清洗模块,所述数据清洗模块用于对所述容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录进行数据清洗,获取容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据;
预处理数据分析模块,所述预处理数据分析模块用于从电化学反应机理出发,分析容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据,建立所述电池健康评估模型。
进一步而言,所述系统还包括:
一次切分模块,所述一次切分模块用于对所述容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据进行一次切分,获取一次训练集和一次测试集;
二次切分模块,所述二次切分模块用于对所述一次训练集进行二次切分,获取二次训练集和二次验证集;
训练测试模块,所述训练测试模块用于使用所述一次训练集、二次验证集与所述一次测试集,建立所述电池健康评估模型。
进一步而言,所述系统还包括:
初始状态设置模块,所述初始状态设置模块用于利用Simulink的UKF模块,设置初始状态;
过程噪声设置模块,所述过程噪声设置模块用于基于UKF模块,将过程噪声W设置为Additive;
UKF编写模块,所述UKF编写模块用于进行UKF无迹变换参数设置,完成UKF编写,获取电池SOC估算模型;
电池退化模拟模块,所述电池退化模拟模块用于基于所述电池SOC估算模型,通过降低电池容量来模拟电池退化,获取所述老化仿真模型。
进一步而言,所述系统还包括:
电池容量衰减信息获取模块,所述电池容量衰减信息获取模块用于通过所述储能锂电池使用日志,获取电池容量衰减信息;
电池老化状态方程获取模块,所述电池老化状态方程获取模块用于基于所述电池容量衰减信息,以降低电池容量来模拟电池退化,获取电池老化状态方程;
电池老化状态编译模块,所述电池老化状态编译模块用于基于所述电池SOC估算模型,采用Simulink自带的卡尔曼滤波模块对电池老化状态方程进行编译,获取所述老化仿真模型。
进一步而言,所述系统还包括:
断电维检记录获取模块,所述断电维检记录获取模块用于获取所述目标储能锂电池的应用场所断电维检记录;
信号发送判断模块,所述信号发送判断模块用于通过所述应用场所断电维检记录,判断是否发送充放电循环准备信号;
紧急供电模块,所述紧急供电模块用于若不发送充放电循环准备信号,在断电维检后,使用所述目标储能锂电池进行紧急供电;
充放电循环跳入判断模块,所述充放电循环跳入判断模块用于若发送充放电循环准备信号,判断是否跳入充放电循环。
进一步而言,所述系统还包括:
老化模拟评估结果发送模块,所述老化模拟评估结果发送模块用于将所述电池老化模拟评估结果发送至所述调整健康管理装置,判断是否跳入充放电循环;
电池老化更换提醒获取模块,所述电池老化更换提醒获取模块用于若未跳入充放电循环,获取电池老化更换提醒;
电池老化更换模块,所述电池老化更换模块用于将所述电池老化更换提醒发送至电池管理人员,进行电池老化更换。
前述实施例一中的一种储能锂电池系统的健康评估方法具体实例同样适用于本实施例的一种储能锂电池系统的健康评估系统,通过前述对一种储能锂电池系统的健康评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种储能锂电池系统的健康评估系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,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。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行,也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (8)
1.一种储能锂电池系统的健康评估方法,其特征在于,所述方法应用于锂电池健康评估系统,所述锂电池健康评估系统与调整健康管理装置、储能锂电池系统通信连接,所述方法包括:
采集目标储能锂电池的指标参数信息;
通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;
基于所述储能锂电池使用日志,建立电池健康评估模型;
基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;
基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;
将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;
通过所述老化仿真模型,判断是否跳入充放电循环;
若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;
在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。
2.如权利要求1所述的方法,其特征在于,所述基于所述储能锂电池使用日志,建立电池健康评估模型,所述方法包括:
提取所述储能锂电池使用日志中的容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录;
对所述容量记录、电量记录、内阻记录、循环次数记录和峰值功率记录进行数据清洗,获取容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据;
从电化学反应机理出发,分析容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据,建立所述电池健康评估模型。
3.如权利要求2所述的方法,其特征在于,所述建立所述电池健康评估模型,所述方法包括:
对所述容量记录预处理数据、电量记录预处理数据、内阻记录预处理数据、循环次数记录预处理数据和峰值功率记录预处理数据进行一次切分,获取一次训练集和一次测试集;
对所述一次训练集进行二次切分,获取二次训练集和二次验证集;
使用所述一次训练集、二次验证集与所述一次测试集,建立所述电池健康评估模型。
4.如权利要求1所述的方法,其特征在于,所述基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型,所述方法包括:
利用Simulink的UKF模块,设置初始状态;
基于UKF模块,将过程噪声W设置为Additive;
进行UKF无迹变换参数设置,完成UKF编写,获取电池SOC估算模型;
基于所述电池SOC估算模型,通过降低电池容量来模拟电池退化,获取所述老化仿真模型。
5.如权利要求4所述的方法,其特征在于,基于所述电池SOC估算模型,通过降低电池容量来模拟电池退化,获取所述老化仿真模型,方法包括:
通过所述储能锂电池使用日志,获取电池容量衰减信息;
基于所述电池容量衰减信息,以降低电池容量来模拟电池退化,获取电池老化状态方程;
基于所述电池SOC估算模型,采用Simulink自带的卡尔曼滤波模块对电池老化状态方程进行编译,获取所述老化仿真模型。
6.如权利要求1所述的方法,其特征在于,所述判断是否跳入充放电循环之前,所述方法还包括:
获取所述目标储能锂电池的应用场所断电维检记录;
通过所述应用场所断电维检记录,判断是否发送充放电循环准备信号;
若不发送充放电循环准备信号,在断电维检后,使用所述目标储能锂电池进行紧急供电;
若发送充放电循环准备信号,判断是否跳入充放电循环。
7.如权利要求1所述的方法,其特征在于,所述通过所述老化仿真模型,判断是否跳入充放电循环,所述方法还包括:
将所述电池老化模拟评估结果发送至所述调整健康管理装置,判断是否跳入充放电循环;
若未跳入充放电循环,获取电池老化更换提醒;
将所述电池老化更换提醒发送至电池管理人员,进行电池老化更换。
8.一种储能锂电池系统的健康评估系统,其特征在于,所述系统与调整健康管理装置、储能锂电池系统通信连接,所述系统包括:
指标参数信息采集模块,所述指标参数信息采集模块用于采集目标储能锂电池的指标参数信息;
使用日志获取模块,所述使用日志获取模块用于通过所述储能锂电池系统,获取储能锂电池使用日志,其中,所述储能锂电池系统中布设多个与所述目标储能锂电池的型号一致的储能锂电池;
电池健康评估模型构建模块,所述电池健康评估模型构建模块用于基于所述储能锂电池使用日志,建立电池健康评估模型;
循环使用老化指标设置模块,所述循环使用老化指标设置模块用于基于所述储能锂电池使用日志与储能锂电池老化机理,设置循环使用老化指标集;
老化仿真模型构建模块,所述老化仿真模型构建模块用于基于所述循环使用老化指标集,使用Simulink,构建老化仿真模型;
老化程度模拟模块,所述老化程度模拟模块用于将所述指标参数信息输入所述老化仿真模型,进行老化程度模拟,获取电池老化模拟评估结果;
充放电循环判断模块,所述充放电循环判断模块用于通过所述老化仿真模型,判断是否跳入充放电循环;
约束信息导入模块,所述约束信息导入模块用于若跳入充放电循环,将所述电池老化模拟评估结果作为约束信息,导入所述电池健康评估模型;
电池健康评估模块,所述电池健康评估模块用于在导入所述电池健康评估模型后,进行电池健康评估,获取电池健康评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310652232.4A CN116381541B (zh) | 2023-06-05 | 2023-06-05 | 一种储能锂电池系统的健康评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310652232.4A CN116381541B (zh) | 2023-06-05 | 2023-06-05 | 一种储能锂电池系统的健康评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116381541A true CN116381541A (zh) | 2023-07-04 |
CN116381541B CN116381541B (zh) | 2023-10-20 |
Family
ID=86971567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310652232.4A Active CN116381541B (zh) | 2023-06-05 | 2023-06-05 | 一种储能锂电池系统的健康评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116381541B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092541A (zh) * | 2023-08-23 | 2023-11-21 | 苏州吉智能源科技有限公司 | 一种直流充电大数据计算电池健康的分析方法 |
CN117148169A (zh) * | 2023-10-30 | 2023-12-01 | 东方旭能(山东)科技发展有限公司 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
CN118091468A (zh) * | 2024-04-19 | 2024-05-28 | 深圳市智安新能源科技有限公司 | 电池的老化测试方法、电池管理系统以及存储介质 |
CN118362921A (zh) * | 2024-06-20 | 2024-07-19 | 国网安徽省电力有限公司经济技术研究院 | 储能系统运行及响应特性分析方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108365986A (zh) * | 2018-02-07 | 2018-08-03 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
CN111090047A (zh) * | 2019-12-09 | 2020-05-01 | 泉州装备制造研究所 | 一种基于多模型融合的锂电池健康状态估计方法 |
CN112034349A (zh) * | 2020-08-13 | 2020-12-04 | 南京邮电大学 | 锂电池健康状态在线预估方法 |
CN112881916A (zh) * | 2021-01-21 | 2021-06-01 | 湘潭大学 | 一种锂电池健康状态和剩余可用寿命的预测方法及系统 |
US20210190880A1 (en) * | 2019-12-18 | 2021-06-24 | Electricite De France | Determination of the aging of an electric storage system |
CN113743008A (zh) * | 2021-08-31 | 2021-12-03 | 安徽理安极科技有限公司 | 一种燃料电池健康预测方法及系统 |
US20220099745A1 (en) * | 2020-09-29 | 2022-03-31 | Robert Bosch Gmbh | Method and Apparatus for Device-Specific Determination of an Internal-Resistance Based State of Health of a Battery |
CN114355221A (zh) * | 2021-12-06 | 2022-04-15 | 大连理工大学 | 一种基于数据模型融合的锂离子电池健康状态估算方法 |
US20220146590A1 (en) * | 2019-08-01 | 2022-05-12 | Denso Corporation | Device for assessing degree of degradation of secondary battery and assembled battery |
CN114611597A (zh) * | 2022-03-07 | 2022-06-10 | 山东大学 | 基于rgan的锂离子电池健康状态估计方法及系统 |
CN115099008A (zh) * | 2022-05-31 | 2022-09-23 | 中国长江三峡集团有限公司 | 一种电池老化状态评估方法、装置、存储介质及电子设备 |
US20220334191A1 (en) * | 2021-04-19 | 2022-10-20 | Robert Bosch Gmbh | Method and Apparatus for Operating a System for Providing an Electrochemical Battery Module for a Device Battery for a Device |
WO2022253038A1 (zh) * | 2021-06-02 | 2022-12-08 | 上海玫克生储能科技有限公司 | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 |
-
2023
- 2023-06-05 CN CN202310652232.4A patent/CN116381541B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108365986A (zh) * | 2018-02-07 | 2018-08-03 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
US20220146590A1 (en) * | 2019-08-01 | 2022-05-12 | Denso Corporation | Device for assessing degree of degradation of secondary battery and assembled battery |
CN111090047A (zh) * | 2019-12-09 | 2020-05-01 | 泉州装备制造研究所 | 一种基于多模型融合的锂电池健康状态估计方法 |
US20210190880A1 (en) * | 2019-12-18 | 2021-06-24 | Electricite De France | Determination of the aging of an electric storage system |
CN112034349A (zh) * | 2020-08-13 | 2020-12-04 | 南京邮电大学 | 锂电池健康状态在线预估方法 |
US20220099745A1 (en) * | 2020-09-29 | 2022-03-31 | Robert Bosch Gmbh | Method and Apparatus for Device-Specific Determination of an Internal-Resistance Based State of Health of a Battery |
CN112881916A (zh) * | 2021-01-21 | 2021-06-01 | 湘潭大学 | 一种锂电池健康状态和剩余可用寿命的预测方法及系统 |
US20220334191A1 (en) * | 2021-04-19 | 2022-10-20 | Robert Bosch Gmbh | Method and Apparatus for Operating a System for Providing an Electrochemical Battery Module for a Device Battery for a Device |
WO2022253038A1 (zh) * | 2021-06-02 | 2022-12-08 | 上海玫克生储能科技有限公司 | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 |
CN113743008A (zh) * | 2021-08-31 | 2021-12-03 | 安徽理安极科技有限公司 | 一种燃料电池健康预测方法及系统 |
CN114355221A (zh) * | 2021-12-06 | 2022-04-15 | 大连理工大学 | 一种基于数据模型融合的锂离子电池健康状态估算方法 |
CN114611597A (zh) * | 2022-03-07 | 2022-06-10 | 山东大学 | 基于rgan的锂离子电池健康状态估计方法及系统 |
CN115099008A (zh) * | 2022-05-31 | 2022-09-23 | 中国长江三峡集团有限公司 | 一种电池老化状态评估方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
吴盛军;袁晓冬;徐青山;陈兵;李强;: "锂电池健康状态评估综述", 电源技术, vol. 41, no. 12, pages 1788 - 1791 * |
李菁;: "电池管理系统里的电池健康评估和寿命预测", 电子世界, no. 13, pages 37 - 38 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092541A (zh) * | 2023-08-23 | 2023-11-21 | 苏州吉智能源科技有限公司 | 一种直流充电大数据计算电池健康的分析方法 |
CN117092541B (zh) * | 2023-08-23 | 2024-04-30 | 苏州吉智能源科技有限公司 | 一种直流充电大数据计算电池健康的分析方法 |
CN117148169A (zh) * | 2023-10-30 | 2023-12-01 | 东方旭能(山东)科技发展有限公司 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
CN117148169B (zh) * | 2023-10-30 | 2024-01-30 | 东方旭能(山东)科技发展有限公司 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
CN118091468A (zh) * | 2024-04-19 | 2024-05-28 | 深圳市智安新能源科技有限公司 | 电池的老化测试方法、电池管理系统以及存储介质 |
CN118362921A (zh) * | 2024-06-20 | 2024-07-19 | 国网安徽省电力有限公司经济技术研究院 | 储能系统运行及响应特性分析方法 |
CN118362921B (zh) * | 2024-06-20 | 2024-08-30 | 国网安徽省电力有限公司经济技术研究院 | 储能系统运行及响应特性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116381541B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116381541B (zh) | 一种储能锂电池系统的健康评估方法及系统 | |
Yang et al. | A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application | |
CN107785624B (zh) | 一种评估锂电池性能的方法 | |
Wenzl et al. | Life prediction of batteries for selecting the technically most suitable and cost effective battery | |
CN109655754B (zh) | 一种基于充电过程多维分阶的电池性能评估方法 | |
EP4083643B1 (en) | Soh test method and apparatus | |
CN108919129A (zh) | 一种时变工况下动力电池的寿命预测方法 | |
CN114675188A (zh) | 一种电池健康状态信息确定方法、装置及电池系统 | |
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
CN110988723B (zh) | 一种基于lstm的电池内阻预测及故障预警方法 | |
CN116401585B (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
CN113657360A (zh) | 锂电池健康状态估计方法、装置、设备及可读存储介质 | |
CN113687251B (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
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 | |
CN116540108B (zh) | 一种电芯容量衰减预警方法、装置、存储介质及设备 | |
CN114290960A (zh) | 获取动力电池的电池健康度的方法、装置和车辆 | |
CN117249918A (zh) | 温度传感器故障预警方法、装置、介质及设备 | |
Zhao et al. | Data-driven lithium-ion battery degradation evaluation under overcharge cycling conditions | |
CN114675187A (zh) | 一种物理机理和机器学习融合的锂离子电池寿命预测方法 | |
CN115586452A (zh) | 基于新型健康特征的锂离子电池健康状态估计方法 | |
CN116449244A (zh) | 基于单次放电曲线的锂电池老化轨迹早期预测方法及系统 | |
CN117007975A (zh) | 一种通过采集储能电池电芯多点温度对电池容量衰减评估进行强化学习的方法 | |
CN116540096A (zh) | 一种电池鼓胀和寿命预测方法、电化学装置及用电设备 | |
CN105759217A (zh) | 一种基于可测数据的铅酸蓄电池组在线故障诊断方法 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |