CN117590243A - 一种锂离子电池直流内阻分解方法及装置 - Google Patents
一种锂离子电池直流内阻分解方法及装置 Download PDFInfo
- Publication number
- CN117590243A CN117590243A CN202410079226.9A CN202410079226A CN117590243A CN 117590243 A CN117590243 A CN 117590243A CN 202410079226 A CN202410079226 A CN 202410079226A CN 117590243 A CN117590243 A CN 117590243A
- Authority
- CN
- China
- Prior art keywords
- internal resistance
- direct current
- current internal
- ion battery
- decomposition
- 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
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 77
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 64
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 64
- 230000008569 process Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000009792 diffusion process Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 241000544061 Cuculus canorus Species 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 abstract description 9
- 235000005770 birds nest Nutrition 0.000 description 10
- 235000005765 wild carrot Nutrition 0.000 description 10
- 238000005457 optimization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000000840 electrochemical analysis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000001453 impedance spectrum Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008261 resistance mechanism Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test 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]
- G01R31/378—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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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)
- Measurement Of Resistance Or Impedance (AREA)
Abstract
本发明涉及锂离子电池测试技术领域,尤其是提供一种锂离子电池直流内阻分解方法及装置,包括如下步骤:基于预设实验条件测量目标锂离子电池的第一直流内阻;构建分解方程并计算目标锂离子电池的第二直流内阻;基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;根据分解方程最优系数计算直流内阻组分。其目的在于,实现直流内阻分解,解决现有锂离子电池直流内阻分解方法精度低、操作复杂的问题。
Description
技术领域
本发明涉及锂离子电池测试技术领域,具体而言,涉及一种锂离子电池直流内阻分解方法及装置。
背景技术
锂离子电池的直流内阻是锂离子电池在恒定电流下的表现内阻,是电池倍率性能和功率性能的重要影响因素,也是衡量锂离子电池状态老化的重要指标;相较于电化学阻抗谱测量得到的交流内阻,直流内阻更直观地反映了锂离子电池工作状态下的性能,因此对直流内阻的准确分解对于锂离子电池工作机理、性能评估和设计优化具有重要意义。
目前,针对锂离子电池直流内阻的分解方法通常是将其分解为由电荷迁移引起的欧姆电阻、由界面电化学反应引起的反应电阻以及由物质引起的扩散电阻;现有分解方法具体是基于上述三种内阻组分对电流变化响应时间的差异进行的,当电流发生变化时,欧姆电阻响应最快,反应电阻次之,扩散电阻响应时间最长;然而,现有直流内阻分解方法存在一些局限性,由于现有分解方法通常是以0.1s为界,0.1s内的直流内阻定为欧姆电阻和反应电阻之和,0.1s之后的直流内阻定为扩散电阻,该方法一方面导致了无法准确分解欧姆电阻和反应电阻,另一方面0.1s的分解界限选择过于武断,并不是理论或实验上明确的分解界限,存在一定误差;其次,现有技术中部分改进方法通过引入高频欧姆电阻替代直流内阻中的欧姆电阻,以解决欧姆电阻与反应电阻的分解问题,但仍未解决分解界限选择的局限性,同时还带来了直流欧姆内阻和交流欧姆内阻统一性的问题。
发明内容
本发明的目的在于提供一种锂离子电池直流内阻分解方法及装置,用以实现直流内阻分解,解决现有锂离子电池直流内阻分解方法精度低、操作复杂的问题。
本发明第一方面的技术方案提供了一种锂离子电池直流内阻分解方法,包括如下步骤:
基于预设实验条件测量目标锂离子电池的第一直流内阻;
构建分解方程并计算目标锂离子电池的第二直流内阻;
基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;
根据分解方程最优系数计算直流内阻组分。
进一步地,基于预设实验条件测量目标锂离子电池的第一直流内阻,包括:
根据预设温度、预设SOC数值,在不同测量电流和测量时间下分别对目标锂离子电池进行从0阶跃至测量电流的电流阶跃,并基于电压变化计算第一直流内阻。
进一步地,分解方程的表达式为:
式中,表示测量电流为/>、测量时间为/>时的第二直流内阻;/>表示第一待定系数;/>表示第二待定系数;/>表示第三待定系数;/>表示第四待定系数。
进一步地,基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数,包括:
计算第一直流内阻与第二直流内阻之间的均方根误差。
进一步地,均方根误差的表达式为:
式中,表示均方根误差;/>表示测量电流为/>、测量时间为/>时的第一直流内阻;/>表示测量电流为/>、测量时间为/>时的第二直流内阻;/>表示不同的测量电流;/>表示测量次数。
进一步地,基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数,还包括:
采用布谷鸟算法,以第一直流内阻与第二直流内阻之间的最小均方根误差为目标,以分解方程的待定系数为寻优对象进行寻优,得到分解方程最优系数。
进一步地,根据分解方程最优系数计算直流内阻组分,包括:
计算欧姆电阻,其表达式为:
式中,表示欧姆电阻;/>表示最优第一待定系数。
进一步地,根据分解方程最优系数计算直流内阻组分,还包括:
计算反应电阻,其表达式为:
式中,表示反应电阻;/>表示最优第二待定系数;/>表示最优第三待定系数;/>表示测量电流。
进一步地,根据分解方程最优系数计算直流内阻组分,还包括:
计算扩散电阻,其表达式为:
式中,表示扩散电阻;/>表示第四最优待定系数;/>表示测量时间。
本发明第二方面的技术方案提供了一种锂离子电池直流内阻分解装置,包括本发明第一方面技术方案中任一项所述的锂离子电池直流内阻分解方法,该直流内阻分解装置包括:
实验装置,用于基于预设实验条件测量目标锂离子电池的第一直流内阻;
直流内阻计算模块,用于构建分解方程并计算目标锂离子电池的第二直流内阻;
寻优模块,用于基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;
直流内阻组分计算模块,用于根据分解方程最优系数计算直流内阻组分。
本发明实施例的技术方案至少具有如下优点和有益效果:
本发明提供的锂离子电池直流内阻分解方法,通过实验测量第一直流电阻、通过分解方程计算第二直流电阻,进而基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数并根据分解方程最优系数计算直流内阻组分;该方法通过常规的直流内阻测试数据实现了对直流内阻进行分解,无需进行额外的电化学测试或采用复杂的物理、数据模型,该方法操作简单易行;另一方面,直流内阻分解过程中无需采用例如0.1s等经验性的时间界限或引入其他测试方法的数据,避免了分解界限过于武断的问题,同时分解方程符合锂离子电池的内部物理机制,实现了理论性强、精确度高的直流内阻分解。
附图说明
图1为本发明实施例提供的锂离子电池直流内阻分解方法的流程示意图;
图2本发明实施例提供的锂离子电池直流内阻的测试示意图;
图3为本发明实施例提供优化寻优结果示意图;
图4为本发明实施例提供的不同实验条件下直流内阻的分解示意图;
图5为本发明实施例提供的锂离子电池直流内阻分解装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
目前,现有技术中还存在通过线性变化电流的方式替代传统的电流阶跃来实现分解直流内阻,但该方式对测量仪器的精度要求较高;再例如利用仿真模型或及其学习等方式所实现的直流内阻分解方法,对数据需求量较大、处理时间长且条件迁移能力较差;现有技术缺乏一种精度高且便于锂离子电池直流内阻分解的方法;为此,请参见图1所示,本发明第一方面的技术方案提供一种锂离子电池直流内阻分解方法,包括如下步骤:
步骤S100:基于预设实验条件测量目标锂离子电池的第一直流内阻;
步骤S100具体包括:
步骤S110:根据预设温度、预设SOC数值,在不同测量电流和测量时间下分别对目标锂离子电池进行从0阶跃至测量电流的电流阶跃,并基于电压变化计算第一直流内阻。本实施例中,锂离子电池直流内阻测试采用经典的电流阶跃法,即在确定的温度和SOC数值下从0电流阶跃至测量电流并维持一定测量时间,进而利用不同测量电流、不同测量时间的实验条件下测得的直流内阻数据对直流内阻进行分解,通常选择至少5组不同测量电流和测量时间的组合,以确保分解结果的准确性;需要说明的是,为了获得准确的分解结果,测量电流不宜太小,测量时间不宜太长;通过在相同温度和SOC下进行不同测量电流和测量时间组合的直流内阻测试,可以获得更准确的第一直流内阻数据;如图2所示的锂离子电池直流内阻测试示意图,从图2中可知,在电流发生阶跃的瞬间欧姆内阻立即响应,产生由欧姆内阻引发的电压变化;随后反应电阻/>引发电压变化且大小不变;最终响应最慢的扩散电阻/>引发电压变化且扩散电阻会随时间发生变化;
步骤S200:构建分解方程并计算目标锂离子电池的第二直流内阻;
其中,分解方程的表达式为:
式中,表示测量电流为/>、测量时间为/>时的第二直流内阻;/>表示第一待定系数;/>表示第二待定系数;/>表示第三待定系数;/>表示第四待定系数,在寻优时通常会随机初始化这四个待定系数,然后通过后续拟合第一直流内阻数据进行寻优确定四个待定系数的最优取值;
步骤S300:基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;
步骤S300具体包括:
步骤S310:计算第一直流内阻与第二直流内阻之间的均方根误差。
其中,均方根误差的表达式为:
式中,表示均方根误差;/>表示测量电流为/>、测量时间为/>时的第一直流内阻;/>表示测量电流为/>、测量时间为/>时的第二直流内阻;/>表示不同的测量电流;/>表示测量次数。
步骤S320:采用布谷鸟算法,以第一直流内阻与第二直流内阻之间的最小均方根误差为目标,以分解方程的待定系数为寻优对象进行寻优,得到分解方程最优系数;布谷鸟算法作为一种启发式算法,能够有效地搜索参数空间,找到均方根误差最小化的最优解;
步骤S320具体包括:
步骤S321:鸟巢初始化:
预设鸟巢规模、鸟巢维度、外来蛋被发现概率、迭代次数,例如鸟巢规模为50、鸟巢维度为4(代表4个待优化的待定系数)、外来蛋被发现概率为0.25、迭代次数为1000;
步骤S322:随机初始化鸟巢适应度:
在预设范围内随机初始化鸟巢位置(即可能的待定参数),计算鸟巢的最优位置和最优适应度(即RMSE值);
步骤S323:迭代优化:
判断是否达到最大迭代次数,若未达到最大迭代次数则通过莱维飞行更新一次鸟巢位置,并计算更新鸟巢的历史最优位置与最优适应值;若到达最大迭代次数则输出最优解,输出结果即为4个待定参数的最优值;
例如图3所示,图3为通过一种寻优算法获取寻优结果的示意图,图3中首先以实验数据(即预设实验条件下目标锂离子电池的第一直流内阻)为横坐标与纵坐标,得到一条斜率为1的直线;然后将以实验数据为横坐标、拟合数据(即通过分解方程计算的目标锂离子电池的第二直流内阻)为纵坐标的点散布在斜率为1的直线附近,与该直线接触越紧密则表明该点的拟合效果越好,其中实验数据和拟合数据的误差分布应为正态分布,且分布均值应非常接近0,分布标准差尽可能小。
本实施例通过计算均方根误差并采用布谷鸟算法进行优化,可以量化第一直流内阻和第二直流内阻之间的差异,从而确定优化目标并指导待定参数优化的方向;利用布谷鸟算法进行优化可寻找到均方根误差最小化的待定参数,提高第一直流内阻和第二直流内阻的拟合精度,从而获得更准确的直流内阻组分;需要说明的是,本实施例提供了布谷鸟算法进行待定系数优化的方法,还可采用遗传算法、粒子群算法等优化算法或其他机器学习算法来实现待定系数的优化。
步骤S400:根据分解方程最优系数计算直流内阻组分。
步骤S400具体包括计算欧姆电阻、反应电阻以及扩散电阻:
计算欧姆电阻的表达式为:
式中,表示欧姆电阻;/>表示最优第一待定系数,即优化后的第一待定系数;
计算反应电阻的表达式为:
式中,表示反应电阻;/>表示最优第二待定系数,即优化后的第二待定系数/>;/>表示最优第三待定系数,即优化后的第三待定系数/>;/>表示测量电流;
计算扩散电阻的表达式为:
式中,表示扩散电阻;/>表示第四最优待定系数,即优化后的第四待定系数;/>表示测量时间。
通过上述方法,可以精确计算出目标锂离子电池的欧姆电阻、反应电阻和扩散电阻,从而更全面地了解电池内部的电阻机制和限制因素;如图4所示,图4中记录了同一目标锂离子电池基于相同温度、相同SOC数值,在4种不同实验条件下(不同测量电流、不同测量时间)直流内阻的分解示意图,从图4中可看出,同一目标锂离子电池在不同实验条件下测得的直流内阻所分解出的欧姆电阻是相同的,因为欧姆电阻不随测量电流和测量时间而变化;分解出的反应电阻与测量电流相关,扩散电阻与测量时间相关,因此在不同的测量电流、测量时间组合下反应电阻与扩散电阻彼此均不相同,由此可见,本申请所提供的锂离子电池直流内阻分解方法是符合锂离子电池内部的物理机制的,因此本申请计算所得到的直流内阻组分的精确度是较高的。
综上,本申请提供的锂离子电池直流内阻分解方法通过实验测量第一直流电阻、通过分解方程计算第二直流电阻,进而基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数并根据分解方程最优系数计算直流内阻组分;通过常规的直流内阻测试数据实现了对直流内阻进行分解,无需进行额外的电化学测试或采用复杂的物理、数据模型,该方法操作简单易行;另一方面,直流内阻分解过程中无需采用例如0.1s等经验性的时间界限或引入其他测试方法的数据,避免了分解界限过于武断的问题,同时分解方程符合锂离子电池的内部物理机制;同时相较于现有技术中存在的通过线性变化电流的方式替代传统的电流阶跃来实现分解直流内阻,无需使用精确度要求高的测量仪器;相较于利用仿真模型或及其学习等方式所实现的直流内阻分解方法,解决了对数据需求量较大、处理时间长且条件迁移能力较差的问题,最终实现了理论性强、精确度高的直流内阻分解,且分解方案简单易行。
请参见图5所示,本发明第二方面的技术方案提供了一种锂离子电池直流内阻分解装置,包括本发明第一方面技术方案中任一项所述的锂离子电池直流内阻分解方法,该直流内阻分解装置包括:
实验装置,用于基于预设实验条件测量目标锂离子电池的第一直流内阻;
直流内阻计算模块,用于构建分解方程并计算目标锂离子电池的第二直流内阻;
寻优模块,用于基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;
直流内阻组分计算模块,用于根据分解方程最优系数计算直流内阻组分。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.锂离子电池直流内阻分解方法,其特征在于,包括如下步骤:
基于预设实验条件测量目标锂离子电池的第一直流内阻;
构建分解方程并计算目标锂离子电池的第二直流内阻;
基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;
根据分解方程最优系数计算直流内阻组分。
2.根据权利要求1所述的锂离子电池直流内阻分解方法,其特征在于,基于预设实验条件测量目标锂离子电池的第一直流内阻,包括:
根据预设温度、预设SOC数值,在不同测量电流和测量时间下分别对目标锂离子电池进行从0阶跃至测量电流的电流阶跃,并基于电压变化计算第一直流内阻。
3.根据权利要求1所述的锂离子电池直流内阻分解方法,其特征在于,分解方程的表达式为:
式中,表示测量电流为/>、测量时间为/>时的第二直流内阻;/>表示第一待定系数;/>表示第二待定系数;/>表示第三待定系数;/>表示第四待定系数。
4.根据权利要求3所述的锂离子电池直流内阻分解方法,其特征在于,基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数,包括:
计算第一直流内阻与第二直流内阻之间的均方根误差。
5.根据权利要求4所述的锂离子电池直流内阻分解方法,其特征在于,均方根误差的表达式为:
式中,表示均方根误差;/>表示测量电流为/>、测量时间为/>时的第一直流内阻;/>表示测量电流为/>、测量时间为/>时的第二直流内阻;/>表示不同的测量电流;表示测量次数。
6.根据权利要求1至5任一项所述的锂离子电池直流内阻分解方法,其特征在于,基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数,还包括:
采用布谷鸟算法,以第一直流内阻与第二直流内阻之间的最小均方根误差为目标,以分解方程的待定系数为寻优对象进行寻优,得到分解方程最优系数。
7.根据权利要求6所述的锂离子电池直流内阻分解方法,其特征在于,根据分解方程最优系数计算直流内阻组分,包括:
计算欧姆电阻,其表达式为:
式中,表示欧姆电阻;/>表示最优第一待定系数。
8.根据权利要求6所述的锂离子电池直流内阻分解方法,其特征在于,根据分解方程最优系数计算直流内阻组分,还包括:
计算反应电阻,其表达式为:
式中,表示反应电阻;/>表示最优第二待定系数;/>表示最优第三待定系数;/>表示测量电流。
9.根据权利要求6所述的锂离子电池直流内阻分解方法,其特征在于,根据分解方程最优系数计算直流内阻组分,还包括:
计算扩散电阻,其表达式为:
式中,表示扩散电阻;/>表示第四最优待定系数;/>表示测量时间。
10.锂离子电池直流内阻分解装置,其特征在于,包括权利要求1至9任一项所述的锂离子电池直流内阻分解方法,该直流内阻分解装置包括:
实验装置,用于基于预设实验条件测量目标锂离子电池的第一直流内阻;
直流内阻计算模块,用于构建分解方程并计算目标锂离子电池的第二直流内阻;
寻优模块,用于基于第一直流内阻与第二直流内阻对分解方程进行寻优,得到分解方程最优系数;
直流内阻组分计算模块,用于根据分解方程最优系数计算直流内阻组分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410079226.9A CN117590243B (zh) | 2024-01-19 | 2024-01-19 | 一种锂离子电池直流内阻分解方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410079226.9A CN117590243B (zh) | 2024-01-19 | 2024-01-19 | 一种锂离子电池直流内阻分解方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117590243A true CN117590243A (zh) | 2024-02-23 |
CN117590243B CN117590243B (zh) | 2024-03-29 |
Family
ID=89920621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410079226.9A Active CN117590243B (zh) | 2024-01-19 | 2024-01-19 | 一种锂离子电池直流内阻分解方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117590243B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003096353A1 (en) * | 2002-05-08 | 2003-11-20 | Semtech Corporation | Method and apparatus for improving the reliability of the reading of integrated circuit fuses |
JP2016080693A (ja) * | 2014-10-09 | 2016-05-16 | 株式会社デンソー | 電池状態推定装置 |
CN107246967A (zh) * | 2017-07-07 | 2017-10-13 | 武汉钢铁有限公司 | 用于齿轮箱设备故障诊断的信号处理方法和装置 |
JP2018077170A (ja) * | 2016-11-10 | 2018-05-17 | 株式会社デンソー | バッテリ評価方法およびバッテリ評価装置 |
CN110806541A (zh) * | 2019-11-12 | 2020-02-18 | 湖南大学 | 一种基于ad-bas的锂电池模型参数辨识方法 |
CN111474483A (zh) * | 2020-06-01 | 2020-07-31 | 青岛锐捷智能仪器有限公司 | 一种电池内阻成分组成的测试方法 |
CN112474438A (zh) * | 2020-11-20 | 2021-03-12 | 珠海冠宇电池股份有限公司 | 一种电池配组方法 |
CN112748348A (zh) * | 2020-12-04 | 2021-05-04 | 欣旺达电动汽车电池有限公司 | 电池低温性能分布水平检测方法、系统及存储介质 |
CN114280480A (zh) * | 2021-12-27 | 2022-04-05 | 中南大学 | 一种基于数值模型分解锂离子电池直流内阻的方法 |
CN114976387A (zh) * | 2022-06-17 | 2022-08-30 | 中国计量大学 | 一种铝空气电池输出性能寻优方法 |
CN115421044A (zh) * | 2022-08-31 | 2022-12-02 | 中国长江三峡集团有限公司 | 锂离子电池状态确定方法、装置、电子设备及存储介质 |
CN117310515A (zh) * | 2023-11-16 | 2023-12-29 | 安徽得壹能源科技有限公司 | 一种锂离子电池直流内阻测试方法及系统 |
-
2024
- 2024-01-19 CN CN202410079226.9A patent/CN117590243B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003096353A1 (en) * | 2002-05-08 | 2003-11-20 | Semtech Corporation | Method and apparatus for improving the reliability of the reading of integrated circuit fuses |
JP2016080693A (ja) * | 2014-10-09 | 2016-05-16 | 株式会社デンソー | 電池状態推定装置 |
JP2018077170A (ja) * | 2016-11-10 | 2018-05-17 | 株式会社デンソー | バッテリ評価方法およびバッテリ評価装置 |
CN107246967A (zh) * | 2017-07-07 | 2017-10-13 | 武汉钢铁有限公司 | 用于齿轮箱设备故障诊断的信号处理方法和装置 |
CN110806541A (zh) * | 2019-11-12 | 2020-02-18 | 湖南大学 | 一种基于ad-bas的锂电池模型参数辨识方法 |
CN111474483A (zh) * | 2020-06-01 | 2020-07-31 | 青岛锐捷智能仪器有限公司 | 一种电池内阻成分组成的测试方法 |
CN112474438A (zh) * | 2020-11-20 | 2021-03-12 | 珠海冠宇电池股份有限公司 | 一种电池配组方法 |
CN112748348A (zh) * | 2020-12-04 | 2021-05-04 | 欣旺达电动汽车电池有限公司 | 电池低温性能分布水平检测方法、系统及存储介质 |
CN114280480A (zh) * | 2021-12-27 | 2022-04-05 | 中南大学 | 一种基于数值模型分解锂离子电池直流内阻的方法 |
CN114976387A (zh) * | 2022-06-17 | 2022-08-30 | 中国计量大学 | 一种铝空气电池输出性能寻优方法 |
CN115421044A (zh) * | 2022-08-31 | 2022-12-02 | 中国长江三峡集团有限公司 | 锂离子电池状态确定方法、装置、电子设备及存储介质 |
CN117310515A (zh) * | 2023-11-16 | 2023-12-29 | 安徽得壹能源科技有限公司 | 一种锂离子电池直流内阻测试方法及系统 |
Non-Patent Citations (3)
Title |
---|
刘文辉 等: "基于信号分解的电池交流阻抗测量方法", 《电测与仪表》, 25 March 2011 (2011-03-25), pages 25 - 28 * |
林俊 等: "基于TMS320LF2407A的动力锂电池组充电系统设计", 《工业控制计算机》, 25 November 2009 (2009-11-25), pages 110 - 111 * |
殷娟娟 等: "退役锂电池快速评价及分选方法研究", 《重庆理工大学学报》, 15 February 2020 (2020-02-15), pages 15 - 23 * |
Also Published As
Publication number | Publication date |
---|---|
CN117590243B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | A comparative study of different features extracted from electrochemical impedance spectroscopy in state of health estimation for lithium-ion batteries | |
EP3748380B1 (en) | Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method | |
Lai et al. | A novel method for state of energy estimation of lithium-ion batteries using particle filter and extended Kalman filter | |
Shen et al. | Accurate state of charge estimation with model mismatch for li-ion batteries: A joint moving horizon estimation approach | |
CN107632272B (zh) | 一种基于电芯温度预测的电池放电荷电状态精确估计方法 | |
CN111090047A (zh) | 一种基于多模型融合的锂电池健康状态估计方法 | |
Takyi‐Aninakwa et al. | A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries | |
CN112147512A (zh) | 一种锂离子电池短路与滥用故障的诊断及分离方法 | |
CN111965547A (zh) | 一种基于参数辨识法的电池系统传感器故障诊断方法 | |
Anton et al. | A new predictive model for the state-of-charge of a high-power lithium-ion cell based on a PSO-optimized multivariate adaptive regression spline approach | |
CN115221798B (zh) | 一种电池热过程时空建模预测方法、系统、设备及介质 | |
CN112989690A (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 | |
CN111025041A (zh) | 电动汽车充电桩监测方法及其系统、计算机设备、介质 | |
CN112180258A (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN115359846A (zh) | 一种组学数据的批次矫正方法、装置、存储介质及电子设备 | |
Ren et al. | Fusion estimation strategy based on dual adaptive Kalman filtering algorithm for the state of charge and state of health of hybrid electric vehicle Li‐ion batteries | |
CN114280490B (zh) | 一种锂离子电池荷电状态估计方法及系统 | |
Ran et al. | Fast Remaining Capacity Estimation for Lithium‐ion Batteries Based on Short‐time Pulse Test and Gaussian Process Regression | |
Shen et al. | Accurate state of health estimation for lithium-ion batteries under random charging scenarios | |
CN117590243B (zh) | 一种锂离子电池直流内阻分解方法及装置 | |
Guo et al. | Health prognostics of lithium-ion batteries based on universal voltage range features mining and adaptive multi-Gaussian process regression with Harris Hawks optimization algorithm | |
CN111967168A (zh) | 一种加速退化试验方案优化设计方法 | |
CN116400246A (zh) | 基于aco-gmr的储能电站电池健康状态估计方法 | |
CN113722926B (zh) | 一种方形锂电池电热耦合建模误差源分析方法 |
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 |