CN116540104A - 一种考虑温度影响的锂离子电池健康度确定方法及系统 - Google Patents
一种考虑温度影响的锂离子电池健康度确定方法及系统 Download PDFInfo
- Publication number
- CN116540104A CN116540104A CN202310572274.7A CN202310572274A CN116540104A CN 116540104 A CN116540104 A CN 116540104A CN 202310572274 A CN202310572274 A CN 202310572274A CN 116540104 A CN116540104 A CN 116540104A
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- sampling time
- current sampling
- parameters
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 229
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 276
- 230000010287 polarization Effects 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 6
- 230000002277 temperature effect Effects 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003411 electrode reaction Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 238000012360 testing method 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]
- G01R31/367—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]
- G01R31/392—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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开一种考虑温度影响的锂离子电池健康度确定方法及系统，属于锂离子电池健康管理技术领域。该方法包括：构建锂离子电池的等效电路模型；对等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；基于包含温度参数的OCV‑SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，进一步的确定锂离子电池的健康度。本发明通过包含温度参数的OCV‑SOC关系式进行荷电状态估计，实现任意温度下的状态估计，以有效避免环境温度对锂离子电池容量及其健康度估算的影响。
Description
技术领域
本发明涉及锂离子电池健康管理技术领域，特别是涉及一种考虑温度影响的锂离子电池健康度确定方法及系统。
背景技术
随着新能源汽车与移动电子设备行业的发展，锂离子电池作为主要的能量存贮与转化装置也获得了广泛的应用。锂离子电池容量健康度（当前可用容量与出厂可用容量的比值）是整车与锂离子电池重要的性能与价值指标，直接关乎车辆财产所有方的利益。包括锂离子电池在内的锂离子电池在进行容量标定时，通常在特定温度条件下进行，如室温25°C。然而，锂离子电池的可用容量受温度的影响较为严重，车辆在日常使用时又很难保持处于稳定的温度环境。这就对锂离子电池健康度的评定带来了巨大挑战。目前，在多变的温度条件下对锂离子电池容量健康度进行可靠评估，是一个亟需解决的行业问题。
发明内容
本发明的目的是提供一种考虑温度影响的锂离子电池健康度确定方法及系统，以避免环境温度对锂离子电池容量及其健康度估算的影响。
为实现上述目的，本发明提供了如下方案：
本发明提供一种考虑温度影响的锂离子电池健康度确定方法，所述方法包括如下步骤：
构建锂离子电池的等效电路模型；
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；所述等效参数包括欧姆电阻、极化电阻和极化电容；所述观测参数包括温度、电流和端电压；
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。
可选的，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，之前还包括：
获取出厂标定温度下及不同预设温度下的OCV-SOC关系式为：
；
，/>为大于等于2的正整数，取值个数至少为1个；
其中，为出厂标定温度/>下锂离子电池的开路电压，/>为出厂标定温度/>下的OCV-SOC关系式中/>次幂项的系数，/>为锂离子电池的荷电状态；为预设温度/>下锂离子电池的开路电压，/>为预设温度/>下的OCV-SOC关系式中/>次幂项的系数，所述预设温度不同于所述出厂标定温度，/>为最高次幂；
基于出厂标定温度下及不同预设温度下的OCV-SOC关系式，确定包含温度参数的OCV-SOC关系式为：
；
其中，为任意温度/>下锂离子电池的开路电压，/>为预设温度的数量，/>的值为预设温度的数量加1。
可选的，所述等效电路模型为一阶RC等效电路模型或多阶RC等效电路模型。
可选的，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数，具体包括：
将等效电路模型的描述方程转化为最小二乘形式，并执行带有遗忘因子的递推最小二乘法过程，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；
带有遗忘因子的递推最小二乘法过程为：
；
其中，为采样时刻/>的增益矩阵，/>和/>分别为采样时刻/>和/>的协方差矩阵，/>为采样时刻/>的状态向量，/>表示遗忘因子，/>和/>分别为采样时刻和/>的参数估计向量，/>为4×4的单位矩阵，/>为采样时刻/>的输出向量，上标/>表示转置，/>，/>，，/>和表示采样时刻/>和/>的锂离子电池的端电压，/>和/>表示采样时刻/>和/>的锂离子电池的电流，/>为采样时间间隔，/>、/>、/>和/>为参数估计向量中的元素，/>为采样时刻/>的锂离子电池的开路电压，/>和/>分别为采样时刻/>的锂离子电池的欧姆电阻和极化电阻，/>为采样时刻/>的锂离子电池的时间常数，采样时刻/>为当前采样时刻及当前采样时刻之前的预设个数的采样时刻中的任意采样时刻；
辨识得到的采样时刻k的锂离子电池的等效参数为：
；
；
；
辨识得到的采样时刻k的锂离子电池的开路电压为：
；
其中，为采样时刻/>的锂离子电池的极化电容。
可选的，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数，具体包括：
采用递推最小二乘法对等效电路模型进行参数辨识，获得采样时刻k的锂离子电池的等效参数为：
；
其中，、/>和/>分别为采样时刻/>的锂离子电池的欧姆电阻、极化电阻和极化电容，/>、/>和/>为参数估计向量中的元素，/>为采样时间间隔。
可选的，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，具体包括：
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，采用拓展卡尔曼滤波方法，求解当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
所述拓展卡尔曼滤波方法中的前验状态估计为：
；
其中，为采样时刻/>的前验状态估计，/>为采样时间间隔，为采样时刻/>的后验状态估计，/>为锂离子电池的极化电阻，/>为锂离子电池的极化电容，/>为锂离子电池的时间常数，/>为采样时刻/>的锂离子电池的电流；
所述拓展卡尔曼滤波方法中的前验协方差估计为：
；
其中，为采样时刻/>的前验协方差估计，/>为采样时刻的后验协方差估计，/>为采样时刻/>的状态方程误差，上标/>表示转置；
所述拓展卡尔曼滤波方法中的卡尔曼增益为：
；
其中，为采样时刻/>的卡尔曼增益，/>为包含温度参数的OCV-SOC关系式的求导公式，/>为采样时刻/>的观测方程误差；
所述拓展卡尔曼滤波方法中的后验状态估计为：
；
其中，为采样时刻/>的后验状态估计，/>为采样时刻/>的锂离子电池的端电压，/>为锂离子电池的欧姆电阻；
所述拓展卡尔曼滤波方法中的后验协方差估计为：
；
其中，为采样时刻/>的后验协方差估计，/>为2×2单位矩阵。
可选的，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度为：
；
其中，为锂离子电池的健康度，/>为当前采样时刻之前的第/>个采样时刻的锂离子电池的荷电状态，/>为当前采样时刻之前的第/>个采样时刻的锂离子电池的荷电状态，/>为总采样点数，/>为锂离子电池的标称容量，/>为时刻锂离子电池的电流。
一种考虑温度影响的锂离子电池健康度确定系统，所述系统应用于上述的方法，所述系统包括：
等效电路模型构建模块，用于构建锂离子电池的等效电路模型；
参数辨识模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；所述等效参数包括欧姆电阻、极化电阻和极化电容；所述观测参数包括温度、电流和端电压；
荷电状态确定模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
健康度确定模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现上述的方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明实施例提供一种考虑温度影响的锂离子电池健康度确定方法及系统，所述方法包括：构建锂离子电池的等效电路模型；基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。本发明通过包含温度参数的OCV-SOC关系式进行荷电状态估计，实现任意温度下的状态估计，以有效避免环境温度对锂离子电池容量及其健康度估算的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种考虑温度影响的锂离子电池健康度确定方法的流程图；
图2为本发明实施例提供的一阶RC等效电路模型的电路示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种考虑温度影响的锂离子电池健康度确定方法及系统，以避免环境温度对锂离子电池容量及其健康度估算的影响。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
本发明实施例1提供一种考虑温度影响的锂离子电池健康度确定方法，如图1所示，所述方法包括如下步骤：
步骤101，构建锂离子电池的等效电路模型。
基于电动汽车、储能能站、移动电子设备等其他以锂离子电池为电源的装置的实时运行或历史监控数据环境或进行SOHC计算。等效电路模型选择一阶RC等效电路模型或多阶RC等效电路模型。
步骤102，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；所述等效参数包括欧姆电阻、极化电阻和极化电容；所述观测参数包括温度、电流和端电压。
作为一种实现方式，等效电路模型选择一阶RC等效电路模型时，如图2所示，一阶RC等效电路模型由三部分组成，包括锂离子电池的欧姆电阻、锂离子电池的极化电阻，锂离子电池的极化电容/>，以及与SOC和温度密切相关的理想电压源；其中，/>和/>用于描述锂离子电池极化行为。其动态描述方程为：
；
其中，为锂离子电池的开路电压，/>为锂离子电池的端电压，/>为极化电容两端的电压，/>为锂离子电池的电流。
等效电路模型的参数辨识使用递推最小二乘法，令时间常数，/>表示采样时刻，则等效电路模型的表述方程在离散时间域有：
；
令，/>，，则锂离子电池电路模型可转化为最小二乘法形式/>。执行带有遗忘因子的递推最小二乘法过程如下：
；
其中，为采样时刻/>的增益矩阵，/>和/>分别为采样时刻/>和/>的协方差矩阵，/>为采样时刻/>的状态向量，/>表示遗忘因子，/>和/>分别为采样时刻/>和/>的参数估计向量，/>为4×4的单位矩阵，/>为采样时刻/>的输出向量，上标/>表示转置，/>和/>表示采样时刻/>和/>的锂离子电池的端电压，/>和/>表示采样时刻/>和/>的锂离子电池的电流，/>为采样时间间隔，、/>、/>和/>为参数估计向量中的元素，/>为采样时刻/>的锂离子电池的开路电压，/>和/>分别为采样时刻/>的锂离子电池的欧姆电阻和极化电阻，/>为采样时刻/>的锂离子电池的时间常数；协方差矩阵一般初值取常数C×106。
参数辨识结果为：，/>，，/>。
作为另一种实现方式，本发明实施例还可采用如下方式进行参数的辨识，其离散状态空间方程为：
；
；
其中，和/>分别为采样时刻/>和/>的锂离子电池的荷电状态、/>和/>分别为采样时刻/>和/>的锂离子电池的极化电容两端的电压。
锂离子电池模型的参数辨识使用递推最小二乘法，则参数辨识结果为：
；
其中：、/>和/>分别为采样时刻/>的锂离子电池的欧姆电阻、极化电阻和极化电容，/>、/>和/>为参数估计向量中的元素，/>为采样时间间隔。
步骤103，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态。
其中，获得包含温度参数的OCV-SOC关系式的方式为：
（1）建立锂离子电池在出厂标定温度（如）和其他至少一个温度（即预设温度）条件下的OCV-SOC曲线（OCV：Open Circuit Voltage，开路电压；SOC：State ofCharge，荷电状态），建立曲线时，锂离子电池的SOC均采用/>条件下的对等SOC，而非当前温度下限定电压上下限后测得的SOC；
（2）使用高阶多项式对锂离子电池的OCV-SOC进行拟合，或锂离子电池厂商标定锂离子电池容量时用的其他温度（即预设温度/>，/>为大于等于2的正整数，取值个数至少为1个）条件下的OCV-SOC可分别表达为：
（1）；
（2）；
其中，为出厂标定温度/>下锂离子电池的开路电压，/>为出厂标定温度/>下的OCV-SOC关系式中/>次幂项的系数，/>为锂离子电池的荷电状态；为预设温度/>下锂离子电池的开路电压，/>为预设温度/>下的OCV-SOC关系式中/>次幂项的系数，所述预设温度不同于所述出厂标定温度，/>为最高次幂。
（3）计算锂离子电池的任意温度对应的OCV-SOC相关关系：
（3）；
其中，为任意温度/>下锂离子电池的开路电压，/>为出厂标定温度/>下锂离子电池的开路电压，/>为预设温度/>下锂离子电池的开路电压，/>为预设温度的数量。
其确定原理为：本发明实施例根据少数已知温度下的OCV-SOC关系，获得锂离子电池实际监控或测试时相应温度的OCV-SOC关系，进而解决目前各类等效电路模型与参数辨识方法无法处理温度因素的问题。具体推导如下：
目前的动力电池普遍采用锂离子电池，其反应关系可用以下方程表示。
正极反应： （4）；
负极反应： （5）；
其中，为金属氧化物，/>表示金属元素，/>表示氧元素。
根据热力学基本定律，可得出锂离子电池开路电压的电化学表达式为：
（6）；
式（6）中，为正极标准状态下的电压，为常数；/>为负极标准状态下的电压，为常数；/>为理想气体常数；/>为法拉第常数，/>表示浓度积，/>表示固态相。
将开路电压对任意温度/>求导可得：
（7）；
上式（7）中浓度积与锂离子电池的SOC有对应关系，可近似表述为：
；
式中，为浓度积与锂离子电池的SOC的关系式，/>和分别为SOC=0与SOC=100%时/>在负极中的平均浓度，/>和/>分别为SOC=0与SOC=100%时/>在正极中的浓度，这四个值为固定值。也就是说在给定SOC情况下，锂离子电池的开路电压/>与锂离子电池的任意温度/>之间呈线性关系，故公式（3）可用。
在步骤102的第一种实现方式的基础上，本发明步骤103具体为，依据参数辨识得到的锂离子电池的开路电压调用公式（3）计算锂离子电池的SOC。
在步骤102的第二种实现方式的基础上，本发明步骤103具体为：
锂离子电池SOC估计使用拓展卡尔曼滤波方法（Extended Kalman Filter，EFK），与SOC的关系引用公式（3）。进一步计算步骤如下：
a）初始化。
。
其中，为后验状态估计的初始值，/>为后验协方差估计的初始值，为初始采样时刻的状态/>的期望，/>，/>为初始采样时刻锂离子电池的荷电状态，/>为初始采样时刻极化电容两端的电压，该初始采样时刻的状态可通过直接读取电池管理系统中的数据获取。
b）锂离子电池SOC的预测更新的状态方程。
。
其中，为采样时刻/>的前验状态估计，/>为采样时间间隔，为采样时刻/>的后验状态估计，/>为锂离子电池的极化电阻，/>为锂离子电池的极化电容，/>为锂离子电池的时间常数，/>为采样时刻/>的锂离子电池的电流，此处的/>和/>为基于步骤102进行参数辨识获得的。
c）锂离子电池SOC的协方差预测计算。
。
其中，为采样时刻/>的前验协方差估计，/>为采样时刻的后验协方差估计，/>为k-1的状态方程误差。
d）锂离子电池SOC的卡尔曼增益计算。
。
其中，为采样时刻/>的卡尔曼增益，/>为包含温度参数的OCV-SOC关系式的求导公式，/>为采样时刻/>的观测方程误差。
e）锂离子电池SOC的状态更新计算。
。
其中，为采样时刻/>的后验状态估计，/>为采样时刻/>的锂离子电池的端电压，/>为锂离子电池的欧姆电阻。
f）锂离子电池SOC的误差协方差更新计算。
。
其中，为采样时刻k的后验协方差估计，/>为2×2单位矩阵。
步骤104，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。
在步骤102的第一种实施方式的基础上，步骤104具体为：
当发现监控时段内SOC变化量超过某一限定值，如15%，利用公式（8）即可获得锂离子电池的SOHC。
（8）
其中，为锂离子电池的健康度，/>为当前采样时刻之前的第/>个采样时刻/>的锂离子电池的荷电状态，/>为当前采样时刻之前的第/>个采样时刻/>的锂离子电池的荷电状态，/>为总采样点数，/>为锂离子电池的标称容量，/>为/>时刻锂离子电池的电流，/>时刻为/>到/>之间的任何时刻。
在步骤102的第二种实施方式的基础上，步骤104具体为：
当发现监控时段内SOC变化量超过某一限定值，如10%，调用公式（8）即可获得锂离子电池的SOHC。
实施例2
本发明实施例2提供一种考虑温度影响的锂离子电池健康度确定系统，所述系统应用于实施例1的方法，所述系统包括：
等效电路模型构建模块，用于构建锂离子电池的等效电路模型；
参数辨识模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；所述等效参数包括欧姆电阻、极化电阻和极化电容；所述观测参数包括温度、电流和端电压；
荷电状态确定模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
健康度确定模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。
实施例3
本发明实施例3提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
实施例4
本发明实施例4提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现上述的方法。
基于上述实施例本发明的技术方案的有益效果为：
（1）能够有效避免环境温度对锂离子电池容量及其健康度估算的影响。
（2）数据处理的计算量增加不大。
（3）锂离子电池基础参数采集成本增加不大。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，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。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种考虑温度影响的锂离子电池健康度确定方法，其特征在于，所述方法包括如下步骤：
构建锂离子电池的等效电路模型；
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；所述等效参数包括欧姆电阻、极化电阻和极化电容；所述观测参数包括温度、电流和端电压；
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。
2.根据权利要求1所述的考虑温度影响的锂离子电池健康度确定方法，其特征在于，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，之前还包括：
获取出厂标定温度下及不同预设温度下的OCV-SOC关系式为：
；
，/>为大于等于2的正整数，取值个数至少为1个；
其中，为出厂标定温度/>下锂离子电池的开路电压，/>为出厂标定温度/>下的OCV-SOC关系式中/>次幂项的系数，/>为锂离子电池的荷电状态；/>为预设温度/>下锂离子电池的开路电压，/>为预设温度/>下的OCV-SOC关系式中/>次幂项的系数，所述预设温度不同于所述出厂标定温度，/>为最高次幂；
基于出厂标定温度下及不同预设温度下的OCV-SOC关系式，确定包含温度参数的OCV-SOC关系式为：
；
其中，为任意温度/>下锂离子电池的开路电压，/>为预设温度的数量，/>的值为预设温度的数量加1。
3.根据权利要求1所述的考虑温度影响的锂离子电池健康度确定方法，其特征在于，所述等效电路模型为一阶RC等效电路模型或多阶RC等效电路模型。
4.根据权利要求1所述的考虑温度影响的锂离子电池健康度确定方法，其特征在于，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数，具体包括：
将等效电路模型的描述方程转化为最小二乘形式，并执行带有遗忘因子的递推最小二乘法过程，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；
带有遗忘因子的递推最小二乘法过程为：
；
其中，为采样时刻/>的增益矩阵，/>和/>分别为采样时刻/>和/>的协方差矩阵，/>为采样时刻/>的状态向量，/>表示遗忘因子，/>和/>分别为采样时刻/>和的参数估计向量，/>为4×4的单位矩阵，/>为采样时刻/>的输出向量，上标/>表示转置，/>，/>，，/>和/>表示采样时刻/>和/>的锂离子电池的端电压，/>和/>表示采样时刻/>和/>的锂离子电池的电流，/>为采样时间间隔，/>、/>、/>和/>为参数估计向量中的元素，为采样时刻/>的锂离子电池的开路电压，/>和/>分别为采样时刻/>的锂离子电池的欧姆电阻和极化电阻，/>为采样时刻/>的锂离子电池的时间常数，采样时刻/>为当前采样时刻及当前采样时刻之前的预设个数的采样时刻中的任意采样时刻；
辨识得到的采样时刻k的锂离子电池的等效参数为：
；
；
；
其中，为采样时刻/>的锂离子电池的极化电容；
辨识得到的采样时刻k的锂离子电池的开路电压为：
。
5.根据权利要求1所述的考虑温度影响的锂离子电池健康度确定方法，其特征在于，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数，具体包括：
采用递推最小二乘法对等效电路模型进行参数辨识，获得采样时刻k的锂离子电池的等效参数为：
；
其中，、/>和/>分别为采样时刻/>的锂离子电池的欧姆电阻、极化电阻和极化电容，/>、/>和/>为参数估计向量中的元素，/>为采样时间间隔。
6.根据权利要求5所述的考虑温度影响的锂离子电池健康度确定方法，其特征在于，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，具体包括：
基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，采用拓展卡尔曼滤波方法，求解当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
所述拓展卡尔曼滤波方法中的前验状态估计为：
；
其中，为采样时刻/>的前验状态估计，/>为采样时间间隔，/>为采样时刻/>的后验状态估计，/>为锂离子电池的极化电阻，/>为锂离子电池的极化电容，/>为锂离子电池的时间常数，/>为采样时刻/>的锂离子电池的电流；
所述拓展卡尔曼滤波方法中的前验协方差估计为：
；
其中，为采样时刻/>的前验协方差估计，/>为采样时刻/>的后验协方差估计，/>为采样时刻/>的状态方程误差，上标/>表示转置；
所述拓展卡尔曼滤波方法中的卡尔曼增益为：
；
其中，为采样时刻/>的卡尔曼增益，/>为包含温度参数的OCV-SOC关系式的求导公式，/>为采样时刻/>的观测方程误差；
所述拓展卡尔曼滤波方法中的后验状态估计为：
；
其中，为采样时刻/>的后验状态估计，/>为采样时刻/>的锂离子电池的端电压，/>为锂离子电池的欧姆电阻；
所述拓展卡尔曼滤波方法中的后验协方差估计为：
；
其中，为采样时刻/>的后验协方差估计，/>为2×2单位矩阵。
7.根据权利要求1所述的考虑温度影响的锂离子电池健康度确定方法，其特征在于，基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度为：
；
其中，为锂离子电池的健康度，/>为当前采样时刻之前的第/>个采样时刻的锂离子电池的荷电状态，/>为当前采样时刻之前的第/>个采样时刻的锂离子电池的荷电状态，/>为总采样点数，/>为锂离子电池的标称容量，/>为/>时刻锂离子电池的电流。
8.一种考虑温度影响的锂离子电池健康度确定系统，其特征在于，所述系统应用于权利要求1-7任一项所述的方法，所述系统包括：
等效电路模型构建模块，用于构建锂离子电池的等效电路模型；
参数辨识模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数，对所述等效电路模型进行参数辨识，获得当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的等效参数；所述等效参数包括欧姆电阻、极化电阻和极化电容；所述观测参数包括温度、电流和端电压；
荷电状态确定模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的观测参数、等效参数及包含温度参数的OCV-SOC关系式，确定当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态；
健康度确定模块，用于基于当前采样时刻及当前采样时刻之前的预设个数的采样时刻的锂离子电池的荷电状态，确定锂离子电池的健康度。
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310572274.7A CN116540104B (zh) | 2023-05-22 | 2023-05-22 | 一种考虑温度影响的锂离子电池健康度确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310572274.7A CN116540104B (zh) | 2023-05-22 | 2023-05-22 | 一种考虑温度影响的锂离子电池健康度确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116540104A true CN116540104A (zh) | 2023-08-04 |
| CN116540104B CN116540104B (zh) | 2024-03-22 |
Family
ID=87455902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310572274.7A Active CN116540104B (zh) | 2023-05-22 | 2023-05-22 | 一种考虑温度影响的锂离子电池健康度确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116540104B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
| US20180095141A1 (en) * | 2015-04-16 | 2018-04-05 | Oxis Energy Limited | Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries |
| CN110308405A (zh) * | 2019-07-26 | 2019-10-08 | 四川嘉垭汽车科技有限公司 | 不同环境温度下锂离子电池荷电状态及健康状态估计方法 |
| CN113093017A (zh) * | 2021-04-02 | 2021-07-09 | 中国矿业大学 | 一种锂离子电池等效电路模型在线构建方法 |
| CN115598540A (zh) * | 2022-10-25 | 2023-01-13 | 盐城工学院（Cn） | 一种考虑宽温度的锂电池参数辨识及状态联合估计方法 |
-
2023
- 2023-05-22 CN CN202310572274.7A patent/CN116540104B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180095141A1 (en) * | 2015-04-16 | 2018-04-05 | Oxis Energy Limited | Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries |
| CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
| CN110308405A (zh) * | 2019-07-26 | 2019-10-08 | 四川嘉垭汽车科技有限公司 | 不同环境温度下锂离子电池荷电状态及健康状态估计方法 |
| CN113093017A (zh) * | 2021-04-02 | 2021-07-09 | 中国矿业大学 | 一种锂离子电池等效电路模型在线构建方法 |
| CN115598540A (zh) * | 2022-10-25 | 2023-01-13 | 盐城工学院（Cn） | 一种考虑宽温度的锂电池参数辨识及状态联合估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116540104B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
| JP4511600B2 (ja) | 電気化学セルの現在状態及び現在パラメーターを推定する装置、方法及びシステム、並びに記録媒体 | |
| Allafi et al. | On-line scheme for parameter estimation of nonlinear lithium ion battery equivalent circuit models using the simplified refined instrumental variable method for a modified Wiener continuous-time model | |
| Couto et al. | State of health estimation for lithium ion batteries based on an equivalent-hydraulic model: An iron phosphate application | |
| JP2011521402A (ja) | 電気化学電池のスマート管理システム | |
| CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
| CN108445422B (zh) | 基于极化电压恢复特性的电池荷电状态估算方法 | |
| US20220146591A1 (en) | On-line estimation method of battery state of health in wide temperature range based on "standardized temperature" | |
| CN111707955B (zh) | 电池剩余寿命的估算方法、装置和介质 | |
| CN111308363B (zh) | 一种基于自适应模型的锂电池荷电状态估计装置及方法 | |
| CN114545262A (zh) | 一种针对损失数据的锂离子电池参数辨识及soc估计方法 | |
| CN114200321B (zh) | 一种锂离子电池变阶数等效电路模型建模方法 | |
| JP5259190B2 (ja) | ジョイントバッテリー状態とパラメーター推定システム及び方法 | |
| CN112989569B (zh) | 一种带温度约束条件的锂电池传感器故障滤波诊断方法 | |
| CN113125969B (zh) | 基于aukf的电池数据处理方法、设备和介质 | |
| CN117169724A (zh) | 一种锂电池soc和soh联合估计方法 | |
| CN116540104B (zh) | 一种考虑温度影响的锂离子电池健康度确定方法及系统 | |
| CN117007969A (zh) | 可重构电池系统中单个模组soc确定方法、系统及设备 | |
| CN116699415A (zh) | 一种动态可重构电池系统电量估计方法、系统及电子设备 | |
| CN113900027B (zh) | 电池soc估算方法、装置以及控制单元和计算机可读存储介质 | |
| CN114062950B (zh) | 混联电池soc确定方法、装置、电子设备及存储介质 | |
| CN112881918B (zh) | 一种铅酸电池soc估计方法 | |
| CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
| CN111033930B (zh) | 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理系统 | |
| CN117452233B (zh) | 一种汽车电池的荷电状态估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |