[發明專利]一種基于自循環校正的鋰電池SOH估算系統及方法

在審

• 申請號: 201911410907.4
• 申請日: 2019-12-31
• 公開（公告）號: CN110927585A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 孟令鋒;周迅;黃勇;廖紅
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G01R31/378
• 分類號: G01R31/378;G01R31/387
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

本發明涉及電池管理技術領域，其公開了一種基于自循環校正的鋰電池SOH估算系統及方法，通過對SOH估算值的自循環校正，在確保預測結果收斂的前提下，提高鋰電池SOH估算的精確度，提升電池管理系統的可靠性。該系統包括：數據采集模塊，用于采集鋰電池系統的運行數據；SOH估算模塊，用于利用鋰電池系統的運行數據進行SOH估算；自循環校正模塊，用于通過自循環充放電數據分析，對比SOH估算值與預先獲取的同批次電池循環充放電實驗數據之間的誤差，對電池SOH進行校正。

技術領域

本發明涉及電池管理技術領域，具體涉及一種基于自循環校正的鋰電池SOH估算系統及方法。

背景技術

近年來，隨著能源問題與環境污染問題日益嚴峻，節能減排、尋找替代燃料成為各國越來越關注的問題。新能源技術因其節能、環保、循環利用的特點，正在能源工業、汽車工業當中發揮越來越重要的作用。

鋰離子電池作為重要的儲能設備，自20世紀70年代出現以來，以其能量密度大、自放電率低、穩定性強的特點，一直是新能源技術研究的重點內容。電池健康狀態(SOH)是電池當前荷電容量和標稱容量的比值，表征電池活性電化學物質，是衡量電池性能的一個重要標準。現有的SOH測量主要以完全充放電法為主，其特點是雖然測量結果較為準確，但完全充放電一方面需要較長的等待時間，不適用于實際的應用場景，另一方面是完全充放電對電池本身也有一定的損傷。現有技術中也有針對電池進行建模，再針對模型進行SOH預測的方案，如CN201510532492.3所提出的《基于大數據自學習機制的動力電池的SOC/SOH預測方法》就采用建模的方式，再進行SOH預測，但電池建模一方面時間成本較高，實用性不強，同時其采用的預測算法不能保證數據的收斂性，可能會導致預測結果發散。

發明內容

本發明所要解決的技術問題是：提出一種基于自循環校正的鋰電池SOH估算系統及方法，通過對SOH估算值的自循環校正，在確保預測結果收斂的前提下，提高鋰電池SOH估算的精確度，提升電池管理系統的可靠性。

本發明解決上述技術問題采用的技術方案是：

一種基于自循環校正的鋰電池SOH估算系統，包括：

數據采集模塊，用于采集鋰電池系統的運行數據；

SOH估算模塊，用于利用鋰電池系統的運行數據進行SOH估算；

自循環校正模塊，用于通過自循環充放電數據分析，對比SOH估算值與預先獲取的同批次電池循環充放電實驗數據之間的誤差，對電池SOH進行校正。

此外，基于上述系統，本發明還提出了對應的基于自循環校正的鋰電池SOH估算方法，其包括以下步驟：

a.采集鋰電池系統的運行數據；

b.利用鋰電池系統的運行數據進行SOH估算；

c.通過自循環充放電數據分析，對比SOH估算值與預先獲得的同批次電池循環充放電實驗數據之間的誤差，對電池SOH進行校正。

作為進一步優化，步驟a中，所述運行數據包括電池的電流、電壓、溫度、運行時間和循環充放電次數數據。

作為進一步優化，步驟b中，基于鋰電池系統的運行數據，通過卡爾曼濾波法、內阻法或電化學阻抗法估算得到電池SOH值。

作為進一步優化，步驟c中，所述預先獲得同批次電池循環充放電實驗數據的方法包括：

首先，選取多個同樣材料、同樣規格、同樣批次的鋰電池進行循環充放電試驗，記錄循環次數和滿充容量；

然后，對記錄的多個鋰電池的數據按照循環次數取平均值，通過對應循環次數的滿充容量的平均值除以標稱容量，獲得對應循環次數的SOH值，從而建立循環次數與SOH的對應關系表。