锂离子电池及电池组健康度预测方法技术

本发明专利技术提出了锂离子电池及电池组健康度预测方法，其方法为：将电芯的健康度和电池组的健康度分别处理；在电池组正常工作状态下，建立

【技术实现步骤摘要】
锂离子电池及电池组健康度预测方法


[0001]本专利技术涉及锂离子动力电池和储能电池监测
、
预测领域，尤其是涉及锂离子电池及电池组健康度预测方法
。

技术介绍

[0002]锂离子由于高能量密度
、
可重复充放电
、
循环寿命长
、
无自放电等优点，被广泛应用于新能源汽车
、
储能等行业
。
通常在这些装置中，电池组是有成百上千甚至数万之电芯通过串并联组合而成，在电池组的应用过程中，经过多次循环充放电的过程中，电池性能会老化衰减
。
并且各电芯的老化程度会不一致，随着应用时间的增加，电芯之间的一致性差别也会越来越大，会导致充放电过程中电芯的过充或过放，降低电池组的使用寿命
。
因此，对电芯及电池组的健康状态
(State of Health
，
SOH)
的精准预测以及对电芯衰减趋势的判断对于保证电池的安全性以及提高电池使用寿命都有重要的作用；
[0003]方法能通过预测结果筛选出
SOH
值较低的单体电池，但是无法判断串联电池中衰减趋势较大的单体电池从而达到提前预警，另外这些模型的缺点是当单体电池存在异常衰减时，各个不同的健康特征与真实的健康状况之间的相关性发生了改变，导致模型预测不准确
。
还有，电池维护
、
更换后，系统的
SOH
也相应发生了变化，如何处理维护后系统的/>SOH
，也没有明确的方法提及
。

技术实现思路

[0004]本专利技术提供一种锂离子动力电池和储能电池的健康度
(SOH)
预测方法，可以对电芯及电池组的异常及其衰减趋势进行准确分析，从而较早预测电池组的故障，降低由于电芯异常和一致性下降带来的风险，并估计电池组的健康度，为电池组的使用
、
维护
、
更换提供建议
。
[0005]本专利技术的技术方案是这样实现的：
[0006]锂离子电池及电池组健康度预测方法，其特征在于：所述预测方法包含：电池内的电芯，根据测量的电芯及电池组的多种特征参数，建立数学模型；
[0007]根据电池组运行过程中的放电容量
/
能量以及基准容量
/
能量，计算电池组及电芯的循环次数，用循环次数计算电芯和电池组的基准
SOH
；
[0008]所述电芯和电池组的基准
SOH
，根据其正常运行范围工作区间内的特征参数对
SOH
的影响系数及工作区间异常判断，对
SOH
进行修正
。
[0009]优选的，超出电芯或电池组特征参数的安全运行范围工作区间，此时对该电芯及电池组的
SOH
赋予0值，对电池组及电芯提出维护要求
。
[0010]优选的，所述多种特征参数包括以下任意一项或多项，以及这些参数衍生出的参数：电芯的电压
、
温度，电池组的电流
、
温度
、
容量
、
能量
、
充电
/
放电累计时间
、
累计充电容量
/
能量
、
累计放电容量
/
能量，电芯的电压差
、
温度差等
。
[0011]优选的，所述电芯的
SOH
，其计算方法为：从电池组放电开始，计算电池组的累计放
电容量
/
能量，直至累计放电容量
/
能量达到基准容量，计为阶段1，循环次数增加1次，当前循环次数为
n
；重新开始计算累计放电容量，达到规定的基准容量时，循环次数计为
n+1
，从电池组充电开始，计算电池组的累计充电容量，直至累计充电容量达到基准容量，计为阶段2；
[0012]基准容量随次数增加而逐渐减小：
C
n+1
＝
C
n
·
η
，其中
C
n+1
为第
n+1
次的基准容量，
C
n
为第
n
次的基准容量，
η
为电池衰减率，以经验值或实验值确定；
[0013]C0根据试验或电芯的额定容量预先设定，电芯的基准
SOH
为：
SOH
电芯基准
＝
(N
‑
n)/N
·
100
％；
[0014]用电池组阶段1内的放电电流
、
阶段2内的充电电流
、
充电温度对电芯
SOH
进行修正：
SOH
电芯
＝
SOH
电芯基准
·
η
i
·
η
I
·
η
T
·
100
％，其中
η
i
为充电电流修正系数；
η
I
为放电电流修正系数；
η
T
为充电温度修正系数
。
[0015]优选的，所述
η
i
、
η
I
根据电芯循环寿命与充电放电电流之间的关系测试预先确定，用表格形式赋予一定值确定，所述的
η
T
根据电芯循环寿命与充电温度之间的关系测试确定，用表格形式赋予一定值确定，当电池组不能检测到每只电芯的温度时，以距离该电芯最近的温度测试点的温度作为该电芯的温度
。
温度以该电芯在累计充电容量期间的平均温度作为计算值，每一个修正系数值根据对电芯的试验测试数据进行赋值
。
[0016]充电电流对
SOH
影响的修正系数表格：
[0017]充电电流
i≤i1>i1修正系数
η
i1η
i1
[0018]放电电流对
SOH
影响的修正系数表格：
[0019]放电电流
I≤I1I2≥I>I1>I2修正系数
η
I1η
I1
η
I2
[0020]当该循环阶段内放电电流或充电电流跨越2个或2个以上电流区间时，从较大电流区间的累计容量开始计算其放电容量或充电容量占据该阶段基准容量的比值，当计算的放电容量大于该阶段基准容量的
50
％时，以占比较大的放电电流或放电电流对应的修正系数进行计算，电流越大，修正系数越小
。
[0021]充电温度对
SOH
...

【技术保护点】

【技术特征摘要】
1.
锂离子电池及电池组健康度预测方法，其特征在于：所述预测方法包含：电池内的电芯，根据测量的电芯及电池组的多种特征参数，建立数学模型；根据电池组运行过程中的放电容量
/
能量以及基准容量
/
能量，计算电池组及电芯的循环次数，用循环次数计算电芯和电池组的基准
SOH
；所述电芯和电池组的基准
SOH
，根据其正常运行范围工作区间内的特征参数对
SOH
的影响系数及工作区间异常判断，对
SOH
进行修正
。2.
根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：超出电芯或电池组特征参数的安全运行范围工作区间，此时对该电芯及电池组的
SOH
赋予0值，对电池组及电芯提出维护要求
。3.
根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：所述多种特征参数包括以下任意一项或多项，以及这些参数衍生出的参数：电芯的电压
、
温度，电池组的电流
、
温度
、
容量
、
能量
、
充电
/
放电累计时间
、
累计充电容量
/
能量
、
累计放电容量
/
能量，电芯的电压差
、
温度差等
。4.
根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：所述电芯的
SOH
，其计算方法为：从电池组放电开始，计算电池组的累计放电容量
/
能量，直至累计放电容量
/
能量达到基准容量，计为阶段1，循环次数增加1次，当前循环次数为
n
；重新开始计算累计放电容量，达到规定的基准容量时，循环次数计为
n+1
，从电池组充电开始，计算电池组的累计充电容量，直至累计充电容量达到基准容量，计为阶段2；基准容量随次数增加而逐渐减小：
C
n+1
＝
C
n
·
η
，其中
C
n+1
为第
n+1
次的基准容量，
C
n
为第
n
次的基准容量，
η
为电池衰减率，以经验值或实验值确定；
C0根据试验或电芯的额定容量预先设定，电芯的基准
SOH
为：
SOH
电芯基准
＝
(N
‑
n)/N
·
100
％；用电池组阶段1内的放电电流
、
阶段2内的充电电流
、
充电温度对电芯
SOH
进行修正：
SOH
电芯
＝
SOH
电芯基准
·
η
i
·
η
i
·
η
T
·
100
％，其中
η
i
为充电电流修正系数；
η
i
为放电电流修正系数；
η
T
为充电温度修正系数<...

【专利技术属性】
技术研发人员：李相哲，胡黎斌，潘利星，曹阳，王志强，
申请(专利权)人：杭州华弗能源科技有限公司，
类型：发明
国别省市：