CN117347892A - 基于全生命老化模型的soc估算方法 - Google Patents
基于全生命老化模型的soc估算方法 Download PDFInfo
- Publication number
- CN117347892A CN117347892A CN202311230919.5A CN202311230919A CN117347892A CN 117347892 A CN117347892 A CN 117347892A CN 202311230919 A CN202311230919 A CN 202311230919A CN 117347892 A CN117347892 A CN 117347892A
- Authority
- CN
- China
- Prior art keywords
- soc
- aging
- impedance
- ocv
- soh
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 230000010287 polarization Effects 0.000 claims description 27
- 125000004122 cyclic group Chemical group 0.000 claims description 25
- 230000010354 integration Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 13
- 206010011906 Death Diseases 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation 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]
- G01R31/385—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于全生命老化模型的SOC估算方法,包括以下步骤:S1:获取未老化电芯状态参数;S2:将若干电芯进行不同程度老化,获取不同老化程度电芯的OCV‑SOCad曲线,形成SOH‑OCV‑SOC表;S3:计算相对容量和相对阻抗,建立SOH老化模型;S4:进行相对阻抗补偿和老化OCV‑SOC曲线补偿,建立SOC老化补偿模块;S5:计算全生命周期的SOC;本方案在生命末期OCV的变化,引入SOH老化模型,根据实际老化水平在线调整OCV曲线,从而提升SOC计算精度。
Description
技术领域
本发明涉及锂电池技术领域,具体涉及基于全生命老化模型的SOC估算方法。
背景技术
现如今,新能源电动车逐渐在现实生活中普及。为了更加准确的计算续航里程及控制电池能量的输出,需要对新能源电动车中所使用的电池组的SOC进行估算。在实际使用过程中,新能源电动车的电池组会随着使用而出现老化现象,电池组本身的性能也会随着老化现象而发生变化。然而目前存在的电池组全生命周期的SOC估算方法大都未考虑到电池组本身存在的老化,因此,随着使用次数的增加,其估算出的SOC与实际情况的偏差就越大,从而严重影响用户的使用感官。
如中国专利CN112130077A,公开日2020年12月25日,本发明提供了一种不同工况下动力电池组的SOC估算方法,包括步骤:在电动车停车上电工况下,根据不同时刻下老化程度、电池温度、电池内阻、开路电压与动力电池荷电状态SOC值的关系式,得到当前工况的SOC值;在电池组恒压充电工况下,采用安时积分法估算当前工况的SOC值;在电池组正常工作工况下,结合安时积分法和电池等效电路模型的滤波迭代算法来估算当前工况下的SOC值。该方法虽然考虑到了电池的老化情况,但在老化情况产生的偏差值计算时,未考虑完全各种因老化而产生变化的电池参数,最终获得的偏差值也与实际偏差值有较大偏差,从而致使最终计算得到的SOC与实际值仍有较大差距。
发明内容
本发明要解决的技术问题是:现有锂电池的全生命周期SOC估算方法不适用于所有状态下电池全生命周期SOC估算的技术问题。提出了一种基于全生命老化模型的SOC估算方法,根据实际老化水平在线调整OCV曲线,形成完整的基于全生命老化OCV曲线的SOC计算方法,有效提高SOC估算精度。
为解决上述技术问题,本发明所采取的技术方案为:一种基于全生命老化模型的SOC估算方法,包括以下步骤:
S1:获取未老化电芯状态参数;
S2:将若干电芯进行不同程度老化,获取不同老化程度电芯的OCV-SOCad曲线,形成SOH-OCV-SOC表;
S3:计算相对容量和相对阻抗,建立SOH老化模型;
S4:进行相对阻抗补偿和老化OCV-SOC曲线补偿,建立SOC老化补偿模块;
S5:计算全生命周期的SOC。
一种基于全生命老化模型的SOC估算方法,首先获取未老化电芯状态参数,包括三阶极化电阻、三级极化电容以及直流阻抗,接着,将若干电芯进行不同程度老化,获取不同老化程度下电芯的OCV-SOCad曲线,并形成SOH-OCV-SOC表,然后,建立SOH老化模型,根据实时状态参数,实时估算当前电芯的SOH,SOH的计算包含两部分,分别为相对容量SOHQ与相对阻抗SOHp,接着建立基于模型的SOC老化补偿模块,该模块可以分为相对阻抗补偿和老化OCV-SOC曲线补偿两部分,最后结合安时积分和计算得到的电压偏差计算得到SOC值。
作为优选,所述步骤S5中SOC的计算公式如下所示:
SOC(k)=SOC(k-1)+∫I dt/Q+Kp*dv
其中:I表示电流;Q表示电池当前实际容量;Kp为修正系数;dv表示电压偏差。采用安时积分法计算SOC值,并且考虑到电压偏差,提高最终计算精度。
作为优选,所述步骤S4中的相对阻抗补偿具体修正方式如下所示:
Rpj,ad=Rpj*SOHp (j=1,2,3)
R0ad=R0*SOHp
基于三阶RC电路,可以获得老化后的极化电压,计算公式如下所示:
直流阻抗对应压降VR0可由如下公式得到:
VR0=I*R0ad
其中,Rpj,ad表示老化补偿后的极化电阻;R0ad表示老化补偿后的直流阻抗,j代表极化电阻下标;dt为采样时间,τj=Rpj,ad*Cj;Cj表示极化电容;SOHp表示相对容量;Rpj表示三阶极化电阻阻抗;R0表示直流阻抗;I表示电流。相对阻抗补偿是由于电芯老化后,电芯内阻抗增加导致,若一直采用未老化的电芯测试数据,则会导致电芯的生命末期出现模型计算不准的弊端,因此需要利用相对阻抗修正电芯的三阶极化电阻与直流阻抗。
作为优选,所述步骤S4中老化OCV-SOC曲线补偿包括以下计算公式:
VEMF=Vt-VR0-Vp1-Vp2-Vp3-Vhys
其中:Vhys为迟滞电压;OCVchg,ad代表老化充电OCV,OCVdchg,ad代表老化放电OCV;τh为迟滞时间常数;Vt为实时测量电压;Vp1、Vp2和Vp3为极化电压;VR0为直流阻抗对应压降;I为电流。由于随着电芯的老化,电芯的OCV-SOC曲线会产生偏移,若一直采用未老化的OCV-SOC曲线进行SOC计算,会导致SOC出现较大偏差,利用相对容量SOHQ,通过建立的SOH-OCV-SOC表,实时查表更新当前老化状态下的OCV-SOCad曲线,进行基于模型的SOC计算可以有效提高最终的计算精度。
作为优选,所述步骤S4中计算得到平均电动势VEMF后,查找SOH-OCV-SOC表得到当前老化状态的标准电动势VEMF,lut,ad,将标准电动势VEMF,lut,ad与平均电动势VEMF相减得到电压偏差dv。在计算得到平均电动势VEMF后,需要在SOH-OCV-SOC表中查找得到老化充电OCV值OCVchg,ad和老化放电OCV值OCVdchg,ad,两者的平均值即为当前老化状态的标准电动势VEMF,lut,ad,然后平均电动势VEMF与标准电动势VEMF,lut,ad相减才能得到电压偏差。
作为优选,所述步骤S3中的相对容量计算包括日历容量衰减和循环容量衰减,日历容量衰减计算公式如下所示:
循环容量衰减计算公式如下所示:
其中:θ1~θ4为日历容量衰减模型辨识参数;T为某一日历时间内的平均温度;t为日历时间;SOC为某一日历时间内的平均SOC;C1~C3为循坏衰减模型辨识参数,E为能量循环吞吐量;为日历容量衰减量;/>为循环容量衰减量。相对容量由日历容量衰减和循环容量衰减这两个因素影响,通过寿命测试数据拟合获得电池寿命模型参数,然后可以分别计算获得日历容量衰减和循环容量衰减的具体数值,接着将计算得到的日历容量衰减和循环容量衰减相加即可知道电池的容量的总衰减量,总容量减去总衰减量即为当前时刻的相对容量。
作为优选,所述步骤S3中的相对阻抗包括日历阻抗增长和循环阻抗增长,日历阻抗增长计算公式如下所示:
循环阻抗增长公式如下所示:
其中:Kcale为日历阻抗增长辨识系数;Kcyc为循环阻抗增长辨识系数;为日历阻抗增长量;/>为循环阻抗增长量。相对阻抗包括日历阻抗增长和循环阻抗增长两部分,将寿命测试数据拟合获得电池寿命模型参数代入日历阻抗增长和循环阻抗增长的计算公式中,获取得到日历阻抗增长和循环阻抗增长的数值,然后将获得的日历阻抗增长和循环阻抗增长相加即为电池的总的阻抗增长,将电池总共增长的阻抗数值与电池原有的阻抗数值相加,即为当前时刻电池的相对阻抗。
作为优选,若标准电动势与平均电动势相差较小,安时积分作用大于电压修正作用;若标准电动势与平均电动势相差较大,电压修正作用大于安时积分作用。最终计算得到的SOC值由两部分因素的共同影响,其一为安时积分作用,其二为电压修正作用,当标准电动势与平均电动势相差越小,最终计算得到的电压偏差值就越小,其对最终的SOC计算结果的影响比重就越小,相应的,安时积分对最终结果的影响比重也越大。
本发明的实质性效果是:本发明设计了一种基于全生命老化模型的SOC估算方法,根据实际老化水平在线调整OCV曲线,形成完整的基于全生命老化OCV曲线的SOC计算方法,提供了一种适用所有状态下的全生命周期的SOC计算方法;在生命末期OCV的变化,引入SOH老化模型,根据实际老化水平在线调整OCV曲线,从而提升SOC计算精度,大幅提升锂电池系统的可靠性与耐久性。
附图说明
图1为实施例一的流程图;
图2为实施例一的老化OCV-SOC曲线图;
图3为实施例一的电芯电压变化图;
图4为实施例一的未采用老化OCV模型与采用基于老化OCV模型对比图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
实施例一:
一种基于全生命老化模型的SOC估算方法,如图1所示,包括以下步骤:
S1:获取未老化电芯状态参数;
S2:将若干电芯进行不同程度老化,获取不同老化程度电芯的OCV-SOCad曲线,形成SOH-OCV-SOC表;
S3:计算相对容量和相对阻抗,建立SOH老化模型;
S4:进行相对阻抗补偿和老化OCV-SOC曲线补偿,建立SOC老化补偿模块;
S5:计算全生命周期的SOC。
首先需要获取未老化电芯状态参数,参数包括包括三阶极化电阻(Rp1、Rp2、Rp3)、三级极化电容(C1、C2、C3)以及直流阻抗(R0)。
接着,将若干电芯进行不同程度老化,获取不同老化程度下电芯的OCV-SOCad曲线,并形成SOH-OCV-SOC表。
然后,建立SOH老化模型,根据实时状态参数,实时估算当前电芯的SOH,SOH的计算包含两部分,分别为相对容量SOHQ与相对阻抗SOHp。相对容量由日历容量衰减和循环容量衰减这两个因素影响,通过寿命测试数据拟合获得电池寿命模型参数,然后可以分别计算获得日历容量衰减和循环容量衰减的具体数值,接着将计算得到的日历容量衰减和循环容量衰减相加即可知道电池的容量的总衰减量,总容量减去总衰减量即为当前时刻的相对容量。相对阻抗补偿是由于电芯老化后,电芯内阻抗增加导致,若一直采用未老化的电芯测试数据,则会导致电芯的生命末期出现模型计算不准的弊端,因此需要利用相对阻抗修正电芯的三阶极化电阻与直流阻抗。相对阻抗包括日历阻抗增长和循环阻抗增长两部分,将寿命测试数据拟合获得电池寿命模型参数代入日历阻抗增长和循环阻抗增长的计算公式中,获取得到日历阻抗增长和循环阻抗增长的数值,然后将获得的日历阻抗增长和循环阻抗增长相加即为电池的总的阻抗增长,将电池总共增长的阻抗数值与电池原有的阻抗数值相加,即为当前时刻电池的相对阻抗。
接着建立基于模型的SOC老化补偿模块,该模块可以分为相对阻抗补偿和老化OCV-SOC曲线补偿两部分。由于随着电芯的老化,电芯的OCV-SOC曲线会产生偏移,若一直采用未老化的OCV-SOC曲线进行SOC计算,会导致SOC出现较大偏差,利用相对容量SOHQ,通过建立的SOH-OCV-SOC表,实时查表更新当前老化状态下的OCV-SOCad曲线,进行基于模型的SOC计算可以有效提高最终的计算精度。
最后结合安时积分和计算得到的电压偏差计算得到SOC值。采用安时积分法计算SOC值,并且考虑到电压偏差,可以提高最终计算精度。最终计算得到的SOC值由两部分因素的共同影响,其一为安时积分作用,其二为电压修正作用,当标准电动势与平均电动势相差越小,最终计算得到的电压偏差值就越小,其对最终的SOC计算结果的影响比重就越小,相应的,安时积分对最终结果的影响比重也越大。
各个步骤的具体内容如下所示:首先获取未老化电芯状态参数,包括三阶极化电阻(Rp1、Rp2、Rp3)、三级极化电容(C1、C2、C3)以及直流阻抗(R0)。接着,将若干电芯进行不同程度老化,获取不同老化程度下电芯的OCV-SOCad曲线(包含OCVchg,ad与OCVdchg,ad曲线),并形成SOH-OCV-SOC表。老化程度可按SOHQ=100%、95%、90%、85%、80%、75%、70%进行取值。然后,建立SOH老化模型,根据实时状态参数,实时估算当前电芯的SOH。SOH的计算包含两部分,分别为相对容量SOHQ与相对阻抗SOHp。在计算相对容量SOHQ时,通过寿命测试数据拟合获得电池寿命模型参数。接着建立基于模型的SOC老化补偿模块,该模块可以分为相对阻抗补偿和老化OCV-SOC曲线补偿两部分。最后结合安时积分和计算得到的电压偏差计算得到SOC值。
相对容量SOHQ的计算公式如下所示:
日历容量衰减计算公式如下所示:
循环容量衰减计算公式如下所示:
其中:θ1~θ4为日历容量衰减模型辨识参数;T为某一日历时间内的平均温度;t为日历时间;SOC为某一日历时间内的平均SOC;C1、C3为循坏衰减模型辨识参数,E为能量循环吞吐量;为日历容量衰减量;/>为循环容量衰减量。
相对阻抗SOHp的计算公式如下所示:
日历阻抗增长计算公式如下所示:
循环阻抗增长公式如下所示:
其中:Kcale为日历阻抗增长辨识系数;Kcyc为循环阻抗增长辨识系数;为日历阻抗增长量;/>为循环阻抗增长量。
根据计算得到的相对容量SOHQ和相对阻抗SOHp可以计算相抵阻抗补偿和老化OCV-SOC曲线补偿。其中,相对阻抗补偿是由于电芯老化后,电芯内阻抗增加,若一直采用未老化的电芯测试数据,则会导致电芯的生命末期出现模型计算不准的弊端。因此需要利用相对阻抗修正电芯的三阶极化电阻(Rp1,Rp2,Rp3)与直流阻抗(R0)。具体修正公式如下所示:
Rpj,ad=Rpj*SOHp (j=1,2,3)
R0ad=R0*SOHp
基于三阶RC电路,可以获得老化后的极化电压,计算公式如下所示:
直流阻抗对应压降VR0可由如下公式得到:
VR0=I*R0ad
其中,Rpj,ad表示老化补偿后的极化电阻;R0ad表示老化补偿后的直流阻抗,j代表极化电阻下标;dt为采样时间,τj=Rpj,ad*Cj;Cj表示极化电容;SOHp表示相对容量;Rpj表示三阶极化电阻阻抗;R0表示直流阻抗;I表示电流。
老化OCV-SOC曲线补偿是针对老化电芯OCV曲线变化而采取的措施。由于电芯的老化,电芯的OCV-SOC曲线会产生偏移,若一直采用未老化的OCV-SOC曲线进行SOC计算,会导致SOC出现较大偏差。
如图2所示,当前电芯开路电压为3.34V时,相对容量为93%电芯的最终计算得到的SOC与相对容量为55%电芯的最终计算得到的SOC会产生20%的误差。通过建立的SOH-OCV-SOC表,实时查表更新当前老化状态下的OCV-SOCad曲线,进行基于模型的SOC计算可以有效提高最终的计算精度。
基于老化OCV-SOCad曲线,可以获得迟滞电压Vhys,其计算公式如下所示:
其中:OCVchg,ad代表老化充电OCV,OCVdchg,ad代表老化放电OCV。τh为迟滞时间常数,计算方式为:
τh=Kt*dSOC
其中,Kt为可变系数,依据项目而定;dSOC表示单位时间内当前电流对电芯SOC产生的变化量;I为电流。
通过三阶RC电路模型,获得老化后的电芯平均电动势VEMF,计算公式如下所示:VEMF=Vt-VR0-Vp1-Vp2-Vp3-Vhys
其中:Vt为实时测量电压;Vp1、Vp2和Vp3为极化电压;VR0为直流阻抗对应压降。
计算得到平均电动势VEMF后,需要在SOH-OCV-SOC表中查找得到老化充电OCV值OCVchg,ad和老化放电OCV值OCVdchg,ad,两者的平均值即为当前老化状态的标准电动势VEMF,lut,ad,即:然后平均电动势VEMF与标准电动势VEMF,lut,ad相减才能得到电压偏差。
最终采用安时积分发计算得到SOC,具体计算公式如下所示:
SOC(k)=SOC(k-1)+∫I dt/Q+Kp*dv
其中:I表示电流;Q表示电池当前实际容量;Kp为修正系数;dv表示电压偏差。
最终计算得到的SOC值由两部分因素的共同影响,其一为安时积分作用,其二为电压修正作用。当标准电动势与平均电动势相差越小,最终计算得到的电压偏差值就越小,其对最终的SOC计算结果的影响比重就越小。相应的,安时积分对最终结果的影响比重也越大。
根基上述步骤建立磷酸铁锂电芯老化模型与SOC计算模型。采用的磷酸铁锂电芯容量为37AH。按照电池实际运行工况与磷酸铁锂电芯特性,设置模型参数。
如图3所示,选取特定老化程度SOHQ=70%的电芯进行仿真模拟测试。将电芯在如图所示的电流工况下进行测试,即在室温(25℃)下先对电芯进行恒流放电,后进行多组WLTP工况的循环测试。测试过程中电芯的电压变化出现如图的电压变化。实验分为两组进行,一组为本发明提出的基于老化OCV模型的SOC估算方法,另一组为并未采用老化OCV模型的SOC计算方法。
如图4所示,随着运行时间不断增加,未采用老化OCV模型的SOC与期望SOC出现约12%的偏差,而采用基于老化OCV模型的SOC则与真实SOC出现的偏差在2%以内。由此可见,采用老化OCV模型可以大幅提高电芯老化生命末期的SOC计算精度。
本发明公开了一种基于全生命老化模型的SOC估算方法。首先通过实际老化测试,获取不同老化程度(相对容量,SOHQ)的电芯若干,并通过OCV测试获取不同老化程度电芯的OCV-SOC曲线,并建立SOH-OCV-SOC三维表。在计算SOC过程中,基于老化寿命模型计算当前电芯相对容量SOHQ与相对阻抗SOHp,并基于计算结果实时修正电芯模型,提升SOC估算精度。
本发明提出了完整的基于老化OCV模型的SOC计算方式,整个计算过程考虑了实际的电芯使用场景中,电池在生命末期的OCV的变化。在整体计算中引入SOH老化模型,根据实际老化水平在线调整OCV曲线,从而有效提升SOC计算精度。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (8)
1.一种基于全生命老化模型的SOC估算方法,其特征在于,包括以下步骤:
S1:获取未老化电芯状态参数;
S2:将若干电芯进行不同程度老化,获取不同老化程度电芯的OCV-SOCad曲线,形成SOH-OCV-SOC表;
S3:计算相对容量和相对阻抗,建立SOH老化模型;
S4:进行相对阻抗补偿和老化OCV-SOC曲线补偿,建立SOC老化补偿模块;
S5:计算全生命周期的SOC。
2.根据权利要求1所述的基于全生命老化模型的SOC估算方法,其特征在于,所述步骤S5中SOC的计算公式如下所示:
SOC(k)=SOC(k-1)+∫Idt/Q+Kp*dv
其中:I表示电流;Q表示电池当前实际容量;Kp为修正系数;dv表示电压偏差。
3.根据权利要求1所述的基于全生命老化模型的SOC估算方法,其特征在于,所述步骤S4中的相对阻抗补偿具体修正方式如下所示:
Rpj,ad=Rpj*SOHp(j=1,2,3)
R0ad=R0*SOHp
基于三阶RC电路,可以获得老化后的极化电压,计算公式如下所示:
直流阻抗对应压降VR0可由如下公式得到:
VR0=I*R0ad
其中,Rpj,ad表示老化补偿后的极化电阻;R0ad表示老化补偿后的直流阻抗,j代表极化电阻下标;dt为采样时间,τj=Rpj,ad*Cj;Cj表示极化电容;SOHp表示相对容量;Rpj表示三阶极化电阻阻抗;R0表示直流阻抗;I表示电流。
4.根据权利要求3所述的基于全生命老化模型的SOC估算方法,其特征在于,所述步骤S4中老化OCV-SOC曲线补偿包括以下计算公式:
VEMF=Vt-VR0-Vp1-Vp2-Vp3-Vhys
其中:Vhys为迟滞电压;OCVchg,ad代表老化充电OCV,OCVdchg,ad代表老化放电OCV;τh为迟滞时间常数;Vt为实时测量电压;Vp1、Vp2和Vp3为极化电压;VR0为直流阻抗对应压降;I为电流。
5.根据权利要求3或4所述的基于全生命老化模型的SOC估算方法,其特征在于,所述步骤S4中计算得到平均电动势VEMF后,查找SOH-OCV-SOC表得到当前老化状态的标准电动势VEMF,lut,ad,将标准电动势VEMF,lut,ad与平均电动势VEMF相减得到电压偏差dv。
6.根据权利要求1所述的基于全生命老化模型的SOC估算方法,其特征在于,所述步骤S3中的相对容量计算包括日历容量衰减和循环容量衰减,日历容量衰减计算公式如下所示:
循环容量衰减计算公式如下所示:
其中:θ1~θ4为日历容量衰减模型辨识参数;T为某一日历时间内的平均温度;t为日历时间;SOC为某一日历时间内的平均SOC;C1~C3为循坏衰减模型辨识参数,E为能量循环吞吐量;为日历容量衰减量;/>为循环容量衰减量。
7.根据权利要求6所述的基于全生命老化模型的SOC估算方法,其特征在于,所述步骤S3中的相对阻抗包括日历阻抗增长和循环阻抗增长,日历阻抗增长计算公式如下所示:
循环阻抗增长公式如下所示:
其中:Kcale为日历阻抗增长辨识系数;Kcyc为循环阻抗增长辨识系数;为日历阻抗增长量;/>为循环阻抗增长量。
8.根据权利要求1所述的基于全生命老化模型的SOC估算方法,其特征在于,若标准电动势与平均电动势相差较小,安时积分作用大于电压修正作用;若标准电动势与平均电动势相差较大,电压修正作用大于安时积分作用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311230919.5A CN117347892A (zh) | 2023-09-22 | 2023-09-22 | 基于全生命老化模型的soc估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311230919.5A CN117347892A (zh) | 2023-09-22 | 2023-09-22 | 基于全生命老化模型的soc估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117347892A true CN117347892A (zh) | 2024-01-05 |
Family
ID=89362279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311230919.5A Pending CN117347892A (zh) | 2023-09-22 | 2023-09-22 | 基于全生命老化模型的soc估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117347892A (zh) |
-
2023
- 2023-09-22 CN CN202311230919.5A patent/CN117347892A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN108196200B (zh) | 一种锂电池健康和荷电状态的联合模拟评估方法 | |
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
CN107271905B (zh) | 一种用于纯电动汽车的电池容量主动估计方法 | |
Chen et al. | Battery state of charge estimation based on a combined model of Extended Kalman Filter and neural networks | |
CN110795851B (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
US20100036627A1 (en) | Apparatus and method for determination of the state-of-charge of a battery when the battery is not in equilibrium | |
CN109633479B (zh) | 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法 | |
CN109031133B (zh) | 一种动力电池的soc修正方法 | |
CN112989690B (zh) | 一种混合动力汽车锂电池多时间尺度荷电状态估计方法 | |
CN111537895B (zh) | 一种多参数联合估算soc的方法 | |
CN111216595B (zh) | 基于锂电池等效电路模型的重度混合动力汽车soc校准方法 | |
CN113777501A (zh) | 一种电池模组的soh的估算方法 | |
CN113484771A (zh) | 一种锂离子电池宽温度全寿命soc及容量估计的方法 | |
CN106772097B (zh) | 一种利用充电机矫正soc的方法 | |
CN111027203A (zh) | 一种超级电容soc计算方法 | |
CN112485680B (zh) | 一种电池soc估算方法 | |
CN112130077B (zh) | 一种不同工况下动力电池组的soc估算方法 | |
CN112986828A (zh) | 预估电池健康度的方法 | |
CN112881918A (zh) | 一种铅酸电池soc估计方法 | |
CN117347892A (zh) | 基于全生命老化模型的soc估算方法 | |
CN115616434A (zh) | 一种基于退化模型校准的锂电池soc和soh实时估算方法 | |
CN112485681B (zh) | 一种电池soc估算装置 | |
CN114814619A (zh) | 一种三元-铁锂混合电池组的soc估算方法 |
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 |