CN117031331A - 电池阻抗估计方法、装置及计算机设备 - Google Patents
电池阻抗估计方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN117031331A CN117031331A CN202310782589.4A CN202310782589A CN117031331A CN 117031331 A CN117031331 A CN 117031331A CN 202310782589 A CN202310782589 A CN 202310782589A CN 117031331 A CN117031331 A CN 117031331A
- Authority
- CN
- China
- Prior art keywords
- battery
- impedance
- information
- discharge
- actual
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 claims abstract description 66
- 238000012360 testing method Methods 0.000 claims description 73
- 238000004590 computer program Methods 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 208000028659 discharge Diseases 0.000 description 142
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 11
- 229910001416 lithium ion Inorganic materials 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000007790 solid phase Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003411 electrode reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 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]
- G01R31/389—Measuring internal impedance, internal conductance or related 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请涉及一种电池阻抗估计方法、装置及计算机设备，该方法包括：获取目标电池的实际放电信息；在实际放电信息不满足高倍率放电条件时，根据第一阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；在实际放电信息满足高倍率放电条件时，根据第二阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；其中，第二阻抗预估模型是根据目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。基于上述方案，终端在实际放电信息满足高倍率放电条件时，选取基于在高倍率放电条件下样本电池的训练数据信息训练得到的模型，对目标电池进行阻抗估计，有效提高对目标电池非线性特征估计的准确性。
Description
技术领域
本申请涉及电池管理技术领域，特别是涉及一种电池阻抗估计方法、装置及计算机设备。
背景技术
随着化石能源对环境的逐渐污染及能源转型的需要，锂离子电池等新型环保的能源系统被广泛应用。然而，锂离子电池在使用过程中可能会由于不合理放电而导致电池老化加速等现象，从而导致电池过快报废。因此，电池管理系统对电池可用功率的估计对电池的安全运行来说具有十分重要的意义。其中，电池内阻是电池可用功率估计的一个重要参数。
目前，有关电池内阻估计的研究仍然较少。对于可用功率估计而言，普遍采用算力要求较低的线性等效电路模型，而基于算力要求较低的线性等效电路模型所模拟得出的电池特性，在高倍率电流的情况下不能很好地符合电池的非线性特征，进而进行阻抗估计时，存在估计结果与实际结果误差较大的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确进行电池阻抗估计的电池阻抗估计方法、装置及计算机设备。
第一方面，本申请提供了一种电池阻抗估计方法。所述方法包括：
获取目标电池的实际放电信息；所述实际放电信息包括实时电池电流和放电时间；
检测所述实际放电信息是否满足高倍率放电条件；
在所述实际放电信息不满足所述高倍率放电条件时，根据第一阻抗预估模型和所述实际放电信息，确定所述目标电池的实际阻抗信息；在所述实际放电信息满足所述高倍率放电条件时，根据第二阻抗预估模型和所述实际放电信息，确定所述目标电池的所述实际阻抗信息；所述第二阻抗预估模型是根据所述目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
在其中一个实施例中，所述方法还包括：
在所述实时放电电流大于临界电流，且所述放电时间大于临界时间时，确定所述实际放电信息满足所述高倍率放电条件；
在所述实时放电电流小于等于所述临界电流，或所述放电时间小于等于所述临界时间时，确定所述实际放电信息不满足所述高倍率放电条件。
在其中一个实施例中，所述方法还包括：
利用所述样本电池进行预设放电，获得电池阻抗测试信息；所述电池阻抗测试信息包括测试放电时间和测试电流；所述样本电池和所述目标电池为同类型电池；
根据预设筛选条件，在所述电池阻抗测试信息中，确定目标测试信息；所述目标测试信息包括临界电流和临界时间；
将所述测试电流大于所述临界电流且所述测试放电时间大于所述临界时间对应的电池阻抗测试信息，作为所述训练数据信息；
根据所述训练数据信息对初始阻抗预估模型进行训练，得到所述第二阻抗预估模型。
在其中一个实施例中，所述根据所述训练数据信息对初始阻抗预估模型进行训练，得到所述第二阻抗预估模型，包括：
根据所述训练数据信息通过遗传算法对所述初始阻抗预估模型进行训练，得到训练后的模型参数；
基于训练后的模型参数，得到所述第二阻抗预估模型。
在其中一个实施例中，所述第二阻抗预估模型为：
Z＝z(t)+C(1-e(AI+B)(t-T))
其中，z(t)为所述第一阻抗预估模型，A、B、C训练后的所述模型参数。
在其中一个实施例中，所述利用样本电池进行预设放电，获得电池阻抗测试信息，包括：
将所述样本电池在不同电流倍率下进行持续恒流放电，获得所述样本电池在所述不同电流倍率下阻抗随时间变化的所述电池阻抗测试信息。
第二方面，本申请还提供了一种电池阻抗估计装置。所述装置包括：
获取模块，用于获取目标电池的实际放电信息；所述实际放电信息包括实时电池电流和放电时间；
检测模块，用于检测所述实际放电信息是否满足高倍率放电条件；
估计模块，用于在所述实际放电信息不满足所述高倍率放电条件时，根据第一阻抗预估模型和所述实际放电信息，确定所述目标电池的实际阻抗信息；在所述实际放电信息满足所述高倍率放电条件时，根据第二阻抗预估模型和所述实际放电信息，确定所述目标电池的所述实际阻抗信息；所述第二阻抗预估模型是根据所述目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
在其中一个实施例中，所述电池阻抗估计装置还包括：
第一确定模块，用于在所述实时放电电流大于临界电流，且所述放电时间大于临界时间时，确定所述实际放电信息满足所述高倍率放电条件；
第二确定模块，用于在所述实时放电电流小于等于所述临界电流，或所述放电时间小于等于所述临界时间时，确定所述实际放电信息不满足所述高倍率放电条件。
在其中一个实施例中，所述电池阻抗估计装置还包括：
样本数据获取模块，用于利用所述样本电池进行预设放电，获得电池阻抗测试信息；所述电池阻抗测试信息包括测试放电时间和测试电流；所述样本电池和所述目标电池为同类型电池；
目标信息确定模块，用于根据预设筛选条件，在所述电池阻抗测试信息中，确定目标测试信息；所述目标测试信息包括临界电流和临界时间；
训练数据确定模块，用于将所述测试电流大于所述临界电流且所述测试放电时间大于所述临界时间对应的电池阻抗测试信息，作为所述训练数据信息；
模型训练模块，用于根据所述训练数据信息对初始阻抗预估模型进行训练，得到所述第二阻抗预估模型。
在其中一个实施例中，所述模型训练模块具体用于：
根据所述训练数据信息通过遗传算法对所述初始阻抗预估模型进行训练，得到训练后的模型参数；
基于训练后的模型参数，得到所述第二阻抗预估模型。
在其中一个实施例中，所述第二阻抗预估模型为：
Z＝z(t)+C(1-e(AI+B)(t-T))
其中，z(t)为所述第一阻抗预估模型，A、B、C训练后的所述模型参数。
在其中一个实施例中，所述样本数据获取模块具体用于：
将所述样本电池在不同电流倍率下进行持续恒流放电，获得所述样本电池在所述不同电流倍率下阻抗随时间变化的所述电池阻抗测试信息。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，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上述第一方面所述的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面所述的步骤。
上述电池阻抗估计方法方法、装置及计算机设备，上述电池阻抗估计方法中，获取目标电池的实际放电信息；在实际放电信息不满足高倍率放电条件时，根据第一阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；在实际放电信息满足高倍率放电条件时，根据第二阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；其中，第二阻抗预估模型是根据目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。基于此，终端通过判断实际放电信息是否满足高倍率放电条件，选取与判断结果相匹配的阻抗预估模型对目标电池进行阻抗估计，在实际放电信息满足高倍率放电条件时，选取基于在高倍率放电条件下样本电池的训练数据信息训练得到的模型，对目标电池进行阻抗估计，有效提高对目标电池非线性特征估计的准确性。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统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本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中电池阻抗估计方法的流程示意图；
图2为另一个实施例中电池阻抗估计方法的流程示意图；
图3为锂离子电池传统一阶等效电路模型；
图4a为锂离子电池在小倍率电流条件下的持续放电电压特性示意图；
图4b为锂离子电池在大倍率电流条件下持续放电的电压特性示意图；
图5a为电池在不同电流倍率条件下持续放电5s时，电池阻抗特性变化示意图；
图5b为电池在不同倍率条件下，分别恒流放电10s、15s时，电池阻抗特性变化示意图；
图6为一个实施例中电池阻抗估计装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本申请的一个实施例中，如图1所示，提供了一种电池阻抗估计方法，本实施例以该方法应用于终端(可称为管理终端)进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机及笔记本电脑。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：
步骤101，获取目标电池的实际放电信息；实际放电信息包括实时电池电流和放电时间。
其中，目标电池只要为锂离子电池即可，本申请对目标电池的具体类型不作任何限定，可以为根据需求进行选择。进一步的，终端可以通过任意形式的放电实验获取目标电池的实际放电信息。
步骤102，检测实际放电信息是否满足高倍率放电条件。
其中，终端需根据目标电池的实际放电信息判断目标电池是否处于高倍率放电阶段即目标电池是否处于阻抗随电流增大呈增大趋势。
步骤103，在实际放电信息不满足高倍率放电条件时，根据第一阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；在实际放电信息满足高倍率放电条件时，根据第二阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；第二阻抗预估模型是根据目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
其中，终端在确定出实际放电信息不满足高倍率放电条件时，说明此时目标电池的阻抗随电流增大呈下降趋势，此时目标电池具有线性特征，可将锂离子电池传统一阶等效电路模型(如图3所示，其中E为开路电压、R为欧姆内阻、R1为极化内阻、C1为极化内阻)作为第一阻抗预估模型，进行电池阻抗估计。终端在确定出实际放电信息满足高倍率放电条件时，说明此时目标电池的阻抗随电流增大呈增大趋势，此时目标电池具有非线性特征。为了对非线性电池特征进行准确估计，终端需根据与目标电池同类型的样本电池在高倍率放电条件下的训练数据信息进行模型训练，以得到目标电池对应的第二阻抗预估模型，进而根据满足高倍率放电条件的实际放电信息对目标电池进行准确的阻抗估计。
上述电池阻抗估计方法中，终端通过判断实际放电信息是否满足高倍率放电条件，选取与判断结果相匹配的阻抗预估模型对目标电池进行准确的阻抗估计。具体的，在实际放电信息不满足高倍率放电条件时，终端选取一阶等效电路模型作为第一阻抗预估模型，对目标电池的线性特征进行估计；在放电信息满足高倍率放电条件时，终端选取基于在高倍率放电条件下样本电池的训练数据信息训练得到的模型，作为第二阻抗预估模型，对目标电池的非线性特征进行估计。基于此，本申请实施例提供的方法可有效对处于高倍率放电条件下电池的非线性特征进行估计，进而可以得到准确的电池阻抗估计值。
在本申请的一个实施例中，电池阻抗估计方法还包括：
在实时放电电流大于临界电流，且放电时间大于临界时间时，确定实际放电信息满足高倍率放电条件；
在实时放电电流小于等于临界电流，或放电时间小于等于临界时间时，确定实际放电信息不满足高倍率放电条件。
其中，临界电流和临界时间均在进行第二阻抗预估模型中确定。
具体的，在实时放电电流大于临界电流，且放电时间大于临界时间时，表明该目标电池的阻抗处于随着电流倍率增大而增大的阶段。电池固相扩散理论指出电池在大倍率电流下由于锂离子扩散速率大于锂离子在固相颗粒中的最大扩散速率，可导致锂离子在固相扩散中出现较高的浓度梯度，进而当阻抗出现随电流增大而增大趋势时，电池的电压会随时间呈现指数规律下降，即此时电池具有非线性特征。
上述电池阻抗估计方法中，通过目标电池实际放电信息中实际电池电量、放电时间与临界电流、临界时间的比较结果，可准确判断出目标电池是否处于高倍率放电状态，进而可以确保在目标电池满足高倍率放电条件时，采用第二抗预估模型对非线性特征进行准确估计。
在本申请的一个实施例中，如图2所示，电池阻抗估计方法还包括：
步骤201，利用样本电池进行预设放电，获得电池阻抗测试信息；电池阻抗测试信息包括测试放电时间和测试电流；样本电池和目标电池为同类型电池。
具体的，终端需选取与目标电池同类型且一致性良好的多个电池，作为样本电池，进而对样本电池进行大倍率持续放电，获取电池阻抗测试信息。需要说明的是，该电池阻抗测试信息可以为在不同电流倍率下电池阻抗随时间变化的数据信息。
步骤202，根据预设筛选条件，在电池阻抗测试信息中，确定目标测试信息；目标测试信息包括临界电流和临界时间。
具体的，终端可通过包括但不限于控制变量方法，在电池阻抗测试信息中确定出电池阻抗呈现随电流增大而增大的趋势对应的临界电流和临界时间，作为目标测试信息。基于此，终端可确定在目标电池实际电池电流大于临界电流且放电时间大于临界时间时，电池阻抗处于随电流增大而增大的状态，即此时目标电池的特征处于非线性变化状态。
步骤203，将测试电流大于临界电流且测试放电时间大于临界时间对应的电池阻抗测试信息，作为训练数据信息。
具体的，终端提取到的测试电流大于临界电流且测试放电时间大于临界时间对应的电池阻抗测试信息，均为样本电池的特征处于非线性变化时对应的电池阻抗测试信息。
步骤204，根据训练数据信息对初始阻抗预估模型进行训练，得到第二阻抗预估模型。
具体的，终端根据电池特征处于非线性变化时的电池阻抗测试信息，对初始阻抗预估模型进行训练，可以得到能够对非线性变化阻抗进行准确估计的第二阻抗预估模型。
上述电池阻抗估计方法中，终端基于与目标电池同类型的样本电池，在测试电流大于临界电流且测试放电时间大于临界时间对应的电池阻抗测试信息，对初始阻抗预估模型进行训练，得到第二阻抗预估模型。通过上述方法，可以提高第二阻抗预估模型对满足高倍率放电条件的目标电池的阻抗估计的准确性。
在本申请的一个实施例中，上述步骤204，根据训练数据信息对初始阻抗预估模型进行训练，得到第二阻抗预估模型，包括：
根据训练数据信息通过遗传算法对初始阻抗预估模型进行训练，得到训练后的模型参数；
基于训练后的模型参数，得到第二阻抗预估模型。
其中，终端存储有基于电池固相扩散理论，构建的初始阻抗预估模型。当电流倍率过高时，电池电压会随时间快速下降，导致电池阻抗也呈现指数规律增加，即初始阻抗预估模型是以指数规律增加的模型。具体的，终端根据遗传算法及训练数据信息，对初始阻抗预估模型进行训练，可以准确确定出初始阻抗预估模型的各个参数信息，进而得到第二阻抗预估模型。
上述电池阻抗估计方法中，通过遗传算法强行优化出初始阻抗预估模型的各个参数，可以提高第二阻抗预估模型的准确性。
在本申请的一个实施例中，第二阻抗预估模型为：
Z＝z(t)+C(1-e(AI+B)(t-T))
其中，z(t)为第一阻抗预估模型，A、B、C训练后的模型参数。
具体的，第一阻抗预估模型为：
其中，A是电极活性面积；ac和aa是阴极和阳极的电荷转移系数(ac+aa＝1)；n是参与电极反应的电子数；F是法拉第假设阳极和阴极的电荷转移系数相等(ac＝aa)(对锂离子电池来说是合理的)，并且用I0＝2·A·i0和两个替换。
在本申请的一个实施例中，上述步骤201，利用样本电池进行预设放电，获得电池阻抗测试信息，包括：
将样本电池在不同电流倍率下进行持续恒流放电，获得样本电池在不同电流倍率下阻抗随时间变化的电池阻抗测试信息。
其中，终端可获取样本电池在不同电流倍率下持续恒流放电时，各电流倍率对应的电压随时间变化的情况，进而可以确定在各电流倍率下阻抗随时间变化的电池阻抗测试信息。
上述电池阻抗估计方法中，通过设置不同电流倍率，将样本电池在不同电流倍率下进行恒流放电，可提高终端确定临界电流和临界时间的准确度。
在本申请的一个实施例中，目标电池为某厂商的42Ah三元锂离子电池。电池尺寸为14.83cm×2.8cm×9.28cm。电池单体标准电压为3.7V，循环寿命1500次以上，电芯内阻0.75mΩ，工作温度范围为-20℃-60℃。终端将与目标电池同类型的一致性良好的样本电池在不同电流倍率下进行持续恒流放电，获得样本电池在不同电流倍率下阻抗随时间变化的电池阻抗测试信息。进而终端在电池阻抗测试信息中确定电池阻抗随电流增大而增大的电流临界倍率点C及其对应的时间点T。
如图5a电池在不同电流倍率条件下持续放电5s时，电池阻抗特性变化示意图及图5b为电池在不同倍率条件下，分别恒流放电10s、15s时，电池阻抗特性变化示意图所示，在持续放电条件下，42Ah三元电池的阻抗在10s后，且电流倍率大于6C时，电池阻抗出现随着电流增加而增大的趋势，可确定出T＝10s，C＝6c。
当电流倍率低于C或放电时间低于T时，电池阻抗随电流增大仍然呈下降趋势，没有发生趋势变化。如图4a所示。因此，电池阻抗仍然可以采用传统阻抗公式，即：
当电流倍率高于C且放电时间高于T时，电池阻抗增长趋势出现变化。电池阻抗模型中，电池材料表面电池荷电状态与平均电池荷电状态之差会按照指数规律增加，指数速度与倍率线性相关。
如图4b所示，当电流倍率过高时，电池电压会随时间快速下降，导致电池阻抗也呈现指数规律增加，即：
Z＝z(t)+C(1-e(AI+B)(t-T))
其中，z(t)为第一阻抗预估模型，A、B、C训练后的模型参数。
基于此，终端已经建立好的电池阻抗模型，可根据获得的目标电池的实时电池电流和放电时间，进行实时阻抗估计。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电池阻抗估计方法的电池阻抗估计装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电池阻抗估计装置实施例中的具体限定可以参见上文中对于电池阻抗估计方法的限定，在此不再赘述。
如图6所示，本申请还提供了一种电池阻抗估计装置600，该装置包括：
获取模块610，用于获取目标电池的实际放电信息；实际放电信息包括实时电池电流和放电时间；
检测模块620，用于检测实际放电信息是否满足高倍率放电条件；
估计模块630，用于在实际放电信息不满足高倍率放电条件时，根据第一阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；在实际放电信息满足高倍率放电条件时，根据第二阻抗预估模型和实际放电信息，确定目标电池的实际阻抗信息；第二阻抗预估模型是根据目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
在本申请的一个实施例中，电池阻抗估计装置还包括：
第一确定模块，用于在实时放电电流大于临界电流，且放电时间大于临界时间时，确定实际放电信息满足高倍率放电条件；
第二确定模块，用于在实时放电电流小于等于临界电流，或放电时间小于等于临界时间时，确定实际放电信息不满足高倍率放电条件。
在本申请的一个实施例中，电池阻抗估计装置还包括：
样本数据获取模块，用于利用样本电池进行预设放电，获得电池阻抗测试信息；电池阻抗测试信息包括测试放电时间和测试电流；样本电池和目标电池为同类型电池；
目标信息确定模块，用于根据预设筛选条件，在电池阻抗测试信息中，确定目标测试信息；目标测试信息包括临界电流和临界时间；
训练数据确定模块，用于将测试电流大于临界电流且测试放电时间大于临界时间对应的电池阻抗测试信息，作为训练数据信息；
模型训练模块，用于根据训练数据信息对初始阻抗预估模型进行训练，得到第二阻抗预估模型。
在本申请的一个实施例中，模型训练模块具体用于：
根据训练数据信息通过遗传算法对初始阻抗预估模型进行训练，得到训练后的模型参数；
基于训练后的模型参数，得到第二阻抗预估模型。
在本申请的一个实施例中，第二阻抗预估模型为：
Z＝z(t)+C(1-e(AI+B)(t-T))
其中，z(t)为第一阻抗预估模型，A、B、C训练后的模型参数。
在本申请的一个实施例中，样本数据获取模块具体用于：
将样本电池在不同电流倍率下进行持续恒流放电，获得样本电池在不同电流倍率下阻抗随时间变化的电池阻抗测试信息。
在本申请的一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电池阻抗估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法中的步骤。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种电池阻抗估计方法，其特征在于，所述方法包括：
获取目标电池的实际放电信息；所述实际放电信息包括实时电池电流和放电时间；
检测所述实际放电信息是否满足高倍率放电条件；
在所述实际放电信息不满足所述高倍率放电条件时，根据第一阻抗预估模型和所述实际放电信息，确定所述目标电池的实际阻抗信息；在所述实际放电信息满足所述高倍率放电条件时，根据第二阻抗预估模型和所述实际放电信息，确定所述目标电池的所述实际阻抗信息；所述第二阻抗预估模型是根据所述目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
2.根据权利要求1所述的电池阻抗估计方法，其特征在于，所述方法还包括：
在所述实时放电电流大于临界电流，且所述放电时间大于临界时间时，确定所述实际放电信息满足所述高倍率放电条件；
在所述实时放电电流小于等于所述临界电流，或所述放电时间小于等于所述临界时间时，确定所述实际放电信息不满足所述高倍率放电条件。
3.根据权利要求1所述的电池阻抗估计方法，其特征在于，所述方法还包括：
利用所述样本电池进行预设放电，获得电池阻抗测试信息；所述电池阻抗测试信息包括测试放电时间和测试电流；所述样本电池和所述目标电池为同类型电池；
根据预设筛选条件，在所述电池阻抗测试信息中，确定目标测试信息；所述目标测试信息包括临界电流和临界时间；
将所述测试电流大于所述临界电流且所述测试放电时间大于所述临界时间对应的电池阻抗测试信息，作为所述训练数据信息；
根据所述训练数据信息对初始阻抗预估模型进行训练，得到所述第二阻抗预估模型。
4.根据权利要求3所述的电池阻抗估计方法，其特征在于，所述根据所述训练数据信息对初始阻抗预估模型进行训练，得到所述第二阻抗预估模型，包括：
根据所述训练数据信息通过遗传算法对所述初始阻抗预估模型进行训练，得到训练后的模型参数；
基于训练后的模型参数，得到所述第二阻抗预估模型。
5.根据权利要求4所述的电池阻抗估计方法，其特征在于，所述第二阻抗预估模型为：
Z＝z(t)+C(1-e(AI+B)(t-T))
其中，z(t)为所述第一阻抗预估模型，A、B、C训练后的所述模型参数。
6.根据权利要求3所述的电池阻抗估计方法，其特征在于，所述利用样本电池进行预设放电，获得电池阻抗测试信息，包括：
将所述样本电池在不同电流倍率下进行持续恒流放电，获得所述样本电池在所述不同电流倍率下阻抗随时间变化的所述电池阻抗测试信息。
7.一种电池阻抗估计装置，其特征在于，所述装置包括：
获取模块，用于获取目标电池的实际放电信息；所述实际放电信息包括实时电池电流和放电时间；
检测模块，用于检测所述实际放电信息是否满足高倍率放电条件；
估计模块，用于在所述实际放电信息不满足所述高倍率放电条件时，根据第一阻抗预估模型和所述实际放电信息，确定所述目标电池的实际阻抗信息；在所述实际放电信息满足所述高倍率放电条件时，根据第二阻抗预估模型和所述实际放电信息，确定所述目标电池的所述实际阻抗信息；所述第二阻抗预估模型是根据所述目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，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6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310782589.4A CN117031331A (zh) | 2023-06-29 | 2023-06-29 | 电池阻抗估计方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310782589.4A CN117031331A (zh) | 2023-06-29 | 2023-06-29 | 电池阻抗估计方法、装置及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117031331A true CN117031331A (zh) | 2023-11-10 |
Family
ID=88640196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310782589.4A Pending CN117031331A (zh) | 2023-06-29 | 2023-06-29 | 电池阻抗估计方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117031331A (zh) |
-
2023
- 2023-06-29 CN CN202310782589.4A patent/CN117031331A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ramadesigan et al. | Modeling and simulation of lithium-ion batteries from a systems engineering perspective | |
| CN115840144A (zh) | 电池仿真计算方法、装置、计算机设备和存储介质 | |
| CN112733427A (zh) | 锂离子电池的负极电位估算模型建立方法及计算机设备 | |
| Liu et al. | Experimental study on lithium-ion cell characteristics at different discharge rates | |
| Yi et al. | Detection of lithium plating based on the distribution of relaxation times | |
| CN116068408B (zh) | 电池老化数据确定方法、装置、计算机设备和存储介质 | |
| CN117031292A (zh) | 电池健康状态预测方法、装置、计算机设备和存储介质 | |
| CN116299006A (zh) | 电池包的健康状况预测方法、装置、设备和存储介质 | |
| Zhang | High-power energy storage: ultracapacitors | |
| CN117007980A (zh) | 电池的电量校准方法、装置、计算机设备及存储介质 | |
| CN117031331A (zh) | 电池阻抗估计方法、装置及计算机设备 | |
| CN114509695B (zh) | 电池析锂检测方法、装置、设备、存储介质和计算机程序 | |
| CN116184209A (zh) | 一种适用于动力电池热失控的预警方法及装置 | |
| CN116227127A (zh) | 变压器的性能确定方法、装置、计算机设备和存储介质 | |
| EP4231026A1 (en) | Battery management device and method | |
| Chang et al. | Electrochemical aging model of lithium-ion battery with impedance output and its parameter sensitivity analysis and identification | |
| CN114518543A (zh) | 电池参数测量方法、装置、设备、介质和程序产品 | |
| CN117110879A (zh) | 实车电池容量估计方法、装置及计算机设备 | |
| CN117744415B (zh) | 电池的容量衰减仿真方法、装置、计算机设备和存储介质 | |
| Teliz et al. | Degradation study for 18650 NMC batteries at low temperature | |
| CN117454670B (zh) | 一种基于电化学模型的锂电池老化状态预测方法和装置 | |
| US20240168094A1 (en) | Systems, methods, and media for predicting degradation in energy storage devices | |
| CN118114491A (zh) | 倍率性能优化方法、装置、设备、存储介质和程序产品 | |
| CN117723978A (zh) | 电芯功率状态确定方法、装置、计算机设备和存储介质 | |
| CN116435624A (zh) | 析锂窗口确定方法、装置、设备、存储介质和程序产品 |
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 |