一种锂电池SOC和SOH联合估计方法

文档序号:36326316发布日期:2023-12-09 15:26阅读:来源:国知局

技术特征:

1.一种锂电池soc和soh联合估计方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,所述的不同老化阶段的充电数据是指公开数据集提供的相应数据。

3.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤1中,所述前后充电容量比值与容量损失率的线性关系:

4.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤2具体为:

5.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤3中,所述的二阶rc等效电路模型,包括一个电压源uocv,欧姆内阻r0,极化内阻rs与电容cs并联组成rc网络,端电压为us,极化内阻rp与电容cp并联组成rc网络,端电压为up,整个电路的实测端电压用ut表示。

6.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤3中,所述离线辨识不同老化阶段下的二阶rc等效电路模型的模型参数,包括r0、rs、rp、cs、cp,采用脉冲实验,通过先恒流放电后断电的瞬时电压变化识别欧姆内阻r0;通过瞬时电压变化后的电压弛豫过程识别极化内阻rs、rp以及极化电容ss、cp。

7.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤3所述的开路电压为二阶rc等效电路模型中的电压源uocv,通过低电流开路电压实验获得ocv-soc。

8.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤3中,所述的总体模型参数表包含当前最大可用容量cn及其对应的r0、rs、rp、ss、cp、ocv-soc。

9.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤5中,所述的更新当前最大可用容量,指的是根据soh估计结果更新状态空间方程中的当前最大可用容量cn,其中的当前最大可用容量cn与soh的映射关系为:

10.根据权利要求1所述的锂电池soc和soh联合估计方法,其特征在于,步骤5中,所述的更新等效电路模型参数,是指根据计算的cn查询步骤3中所述的总体模型参数表,更新r0、rs、rp、cs、cp、ocv-soc,并以更新后的等效电路模型参数继续下一次soc估计。


技术总结
本发明公开了一种锂电池SOC和SOH联合估计方法,属于锂离子电池状态估计领域,包括以下步骤:根据锂电池不同端电压位置的前后充电容量比值与容量损失率的关系,建立SOC与SOH的非线性关联式;基于锂电池的二阶RC等效电路模型,离线辨识并创建总体模型参数表;采用扩展卡尔曼滤波算法识别SOC并代入非线性关联式得到SOH;根据SOH计算结果更新总体模型参数表,实现估计循环。本发明建立的适用于宽端电压范围的SOC与SOH的非线性关联式,充分考虑两者的紧密耦合关系,在一个时间步长内,实现不同端电压位置SOC与SOH的准确映射,建立了更贴合实际应用场景的联合估计框架,提升了锂电池状态联合估计的可靠性和准确度。

技术研发人员:黄钰期,吴焱,王通,张鹏飞,陈海鹏,杨康博
受保护的技术使用者:浙江大学
技术研发日:
技术公布日:2024/1/15
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1