首页 > 资讯 > 一种电池模组健康度快速检测方法与流程

一种电池模组健康度快速检测方法与流程

泰然健康网
2025-06-10 18:47

本发明涉及一种电池运维技术，特别涉及一种电池模组健康度快速检测方法。

背景技术：

储能为清洁能源消纳、综合能源服务等在内的泛在电力物联网建设提供重要的技术支撑，而越来越多的锂电池储能电站正成为电网发输变配用等环节的重要组成部分。储能电站运行一段时间以后，原本一致性很好的锂电池性能逐渐变得参差不齐，为储能电站的安全高效运行带来潜在的风险。低成本、快速地在线检测电池的健康度是储能电站和动力电池系统运维人员非常关注的核心技术。

国内外对估算电池soh的方法做了大量研究。bian等人提出了一种基于增量容量分析的等效电路模型来表征充电/放电曲线的恒定电流部分，该模型能够对锂离子电池的soh进行有效和可靠的估计。lai等人研究了大规模退役电池串联充电曲线的特点，建立了神经网络模型，通过所建模型可以批量估算电池单元的容量。zheng等人从基于soc的ic/dv曲线中提取可能由电池管理系统容易识别的三个特征点，然后量化特征点与soc/容量之间的关系并应用于车载电池容量估算，研究结果对于电池容量估计可以实现2.0％的相对误差。shen等人提出了一种深度学习方法，该方法利用深度卷积神经网络(dcnn)进行基于部分充电周期内的电压，电流和电荷容量测量的单元级容量估计，该方法能够使用充电期间的测量值准确估算电池容量。wei等人根据等效电路模型中的参数自适应和基于lyapunov的自适应律，提出了混合荷电状态和健康状态估计技术，实验结果表明了所提出的模型具有较高的估算准确度。sobaba等人通过使用基于动态电阻映射的模型评估了电池系统的参数和性能。所提模型的开发有助于在自动化系统中实施soh估计。wang等人比较了cv和dva方法。然后引入局部数据对称方法来计算dv曲线，并提出了一种基于dv曲线中的两个拐点来估计电池模块的soh的新方法。研究结果表明对于具有不同容量的电池模块所提出方法具有较好的适用性。weng等人提出了一种基于ica原理的ic峰值跟踪框架，用于监控车载的电池模块和电池组soh。通过仿真和实验验证了框架的适用性。honkura等通过叠加电池日常寿命测试期间电池正负极放电曲线，评估电池衰退参数，建立起衰退参数与测试时间的函数。利用这些函数产生电池放电曲线并推导出电池容量，研究结果表明所建立的方法与常规测试手段相比有较高的准确性。zhou等人在多种放电倍率下对商用18650型锂电池进行循环寿命测试，并建立容量随循环次数衰退模型，研究结果表明商用锂电池剩余容量与电池循环次数为二次高斯关系。yan等采用六个经过挑选的退役磷酸铁锂电池才三种典型储能负荷曲线下对电池进行循环寿命测试，用最小二乘法评估电池寿命并将ic曲线特征输入回归模型，研究结果表明所用最小二乘法模型评估电池寿命的误差在3％以内，而上述现有针对电池寿命检测的方法检测效率低，需要对电池进行独立建模或独立检测，开发程序成本大，亟需一种新的电池寿命检测评估方法。

技术实现要素：

本发明的目的在于提供一种电池模组健康度快速检测方法，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种电池模组健康度快速检测方法，包括以下步骤：

步骤1)、对已知可用容量的电池模组样本进行充放电，获取已知可用容量的电池模组样本充放电过程中的平台电压数据，根据平台电压数据建立已知可用容量电池模组样本的概率密度函数pdf曲线，计算概率密度函数pdf曲线峰值点两侧设定电压区间的峰面积；

步骤2)、根据已知可用容量的电池模组样本的电池模组健康度soh值及该已知可用容量的概率密度函数pdf曲线，拟合建立电池模组健康度soh-概率密度函数pdf曲线；

步骤3)、重复步骤1)和步骤2)得到可用容量不同的电池模组的电池模组健康度soh-概率密度函数pdf曲线；

步骤4)、实时采集待检测电池模组充放电过程中的平台电压数据，将待检测电池模组充放电过程中的平台电压数据转化成概率密度函数pdf曲线；计算待检测电池模组的概率密度函数pdf曲线中的设定电压区间的检测峰面积，步骤3)中得到的电池模组的电池模组健康度soh-概率密度函数pdf曲线中的峰面积与检测峰面积一致所对应的电池模组样本的电池模组健康度soh值即为待检测电池模组的电池模组健康度soh值。

进一步的，步骤1)中，设定电压区间两端的电压数值与峰值点对应电压值之差绝对值相等。

进一步的，设定电压区间两端的电压数值与峰值点对应电压值之差绝对值小于等于峰值点对应电压值的0.5％。

进一步的，具体的，对概率密度函数pdf曲线中的峰值点进行峰面积积分，过峰值点顶点做横轴的垂线，垂线与横坐标的交点两边各取不大于0.5％的最大峰顶点电压的电压值为设定电压区间。

进一步的，已知可用容量的电池模组样本的电池模组健康度soh值为：

进一步的，步骤1)中计算已知可用容量电池模组样本的概率密度函数pdf曲线峰值点两侧设定电压区间与步骤4)中计算待检测电池模组的概率密度函数pdf曲线中的设定电压区间一致。

进一步的，使用matlab统计工具箱中ksdensity函数将已知可用容量的电池模组样本的平台电压数据转化成概率密度函数pdf曲线。

进一步的，电池模组样本由n个电池单元串联构成或者为一个电芯，或者是一组并联电芯。

进一步的，在电池模组充放电过程中，通过电池管理系统实时采集不同时刻电池模组的充放电电压数据。

与现有技术相比，本发明具有以下有益的技术效果：

本发明公开了一种电池模组健康度快速检测方法，通过获取已知可用容量的电池模组样本充放电过程中的平台电压数据，根据平台电压数据建立已知可用容量电池模组样本的概率密度函数pdf曲线，计算概率密度函数pdf曲线峰值点两侧设定电压区间的峰面积；根据电池模组健康度soh值及该已知可用容量的概率密度函数pdf曲线，拟合建立电池模组健康度soh-概率密度函数pdf曲线，通过对电压常数出现次数的统计反应到了电池老化过程与电压平台具有相关性，得到了电池模组充放电过程中电压数据与电池老化程度的关系，检测过程只需要检测待检测电池模组充放电过程中的平台电压数据，建立概率密度函数pdf曲线，电池模组健康度soh-概率密度函数pdf曲线中的峰面积与检测峰面积一致所对应的电池模组样本的电池模组健康度soh值即为待检测电池模组的电池模组健康度soh值，本发明方法简单，检测速度快，不需要对电池模组进行单独建模检测，检测结果准确，能够实现电池模组健康度快速评估，提高储能电站或者动力电池系统的安全运维水平。

进一步的，设定电压区间两端的电压数值与峰值点对应电压值之差绝对值相等，能够确保峰面积结果准确。

进一步的，设定电压区间两端的电压数值与峰值点对应电压值之差绝对值小于等于峰值点对应电压值的0.5％，结果准确稳定。

附图说明

图1为本发明实施例中不同可用容量的电池模组充放电曲线。

图2为本发明实施例中不同可用容量的电池模组充放电过程中的平台电压数据转化成的概率密度函数pdf曲线。

图3为本发明实施例中概率密度函数pdf曲线中最大峰进行峰面积积分示意图。

图4为本发明实施例中充电过程中概率密度函数pdf最大峰面积a-soh拟合曲线关系。

图5为本发明实施例中放电过程中概率密度函数pdf最大峰面积a-soh拟合曲线关系。

具体实施方式

下面结合附图对本发明做进一步详细描述：

如图1所示，一种电池模组健康度快速检测方法，包括以下步骤：

步骤1)、对已知可用容量的电池模组样本进行充放电，获取已知可用容量的电池模组样本充放电过程中的平台电压数据；根据获取的已知可用容量的平台电压数据建立已知可用容量电池模组样本的概率密度函数(probabilitydensityfunction，pdf)曲线，计算概率密度函数pdf曲线峰值点两侧电压区间的峰面积a，设定电压区间两端的电压数值与峰值点对应电压值之差绝对值小于等于峰值点对应电压值的0.5％；具体的：对概率密度函数pdf曲线中(充电过程中或者放电过程中)的最大峰(峰值点)进行峰面积积分，过最大峰顶点做横轴的垂线，垂线与横坐标的交点两边各取不大于最大峰顶点电压0.5％的电压值(v)，此两个电压值为设定电压区间，求取设定电压区间的峰面积a；

具体的，使用matlab统计工具箱中ksdensity函数将已知可用容量的电池模组样本的平台电压数据转化成概率密度函数pdf曲线，在构建的概率密度函数pdf曲线中，横坐标为工作电压，纵坐标为概率密度；具体matlab使用如下：

x＝[]；在[]中导入已知可用容量的电池模组样本充放电过程中的平台电压数据；

[f,xi]＝ksdensity(x)；

[f,xi]是matlab计算显示的结果形式，其中f对应的是概率密度的数值，xi是对应的横坐标(电压值)；

步骤2)、根据已知可用容量的电池模组样本的电池模组健康度soh值及该已知可用容量的概率密度函数pdf曲线，拟合建立电池模组健康度soh-概率密度函数pdf曲线，即a-soh拟合曲线；

已知可用容量的电池模组样本的电池模组健康度soh值为：

步骤3)、重复步骤1)和步骤2)得到可用容量不同的电池模组的a-soh拟合曲线；

步骤4)、实时采集待检测电池模组充放电过程中的平台电压数据，将待检测电池模组充放电过程中的平台电压数据转化成概率密度函数pdf曲线；对待检测电池模组得到的概率密度函数pdf曲线中(充电过程中或者放电过程中)的最大峰进行峰面积积分，过最大峰顶点做横轴的垂线，垂线与横坐标的交点两边各取不大于0.5％的最大峰顶点电压的电压值(v)，获取这段电压区间的峰面积a1，根据获取的待检测电池模组的峰面积a1，在步骤3)中的a-soh拟合曲线中查找与峰面积a1相同的峰面积a值所对应电池模组的soh值，即为待检测电池模组的soh值。

所述电池模组样本由n个电池单元串联构成或者一个电芯，也可以是一组并联电芯；在电池模组充放电过程中，通过电池管理系统实时采集不同时刻电池模组的充放电电压数据。

实施例：首先对电池模组的可用容量进行标定，计算电池模组的电池模组健康度soh，可用容量测量步骤：(1)以c/5恒流恒压充电到电池模组规定上限截至条件；(2)静止30min；(3)以c/5恒流放电到电池模组规定下限截至条件；(4)静止30min；以放电容量为可用容量。测试了7个不同容量的电池模组，分别标记为1#、2#、3#、4#、5#、6#、7#，它们的可用容量分别是37.59ah，33.77ah，30.69ah，28.58ah，27.2ah，25.81ah，24.83ah，具体结果如图1所示。

如图2所示，然后通过电池管理系统采集充放电过程中已知可用容量的电池模组在电压平台的工作电压数据，使用matlab统计工具箱中ksdensity函数将已知可用容量电池模组充放电过程中的平台电压数据转化成概率密度函数pdf曲线，对概率密度函数pdf曲线中充电过程中的最大峰或者放电过程中的最大峰进行峰面积积分，过最大峰顶点做横轴的垂线，垂线与横坐标的交点两边各取0.02v的电压值，求取这段0.04v电压区间的峰面积a。1#，2#，3#，4#，5#，6#，7#模组的峰面积a分别为0.8216，0.8172，0.8054，0.7869，0.7545，0.7393，0.7200，具体结果如图3所示。采用奇瑞s18b电动汽车的磷酸铁锂电池模组(15p4s，15并4串)，标称容量为40ah，由4个15p1s电池单元串联组成；15p1s电池单元额定电压为3.2v。

发现概率密度函数pdf曲线中最大峰峰面积a值与该15p4s电池模组的电池模组健康度soh之间呈正相关关系。因此可以用概率密度函数pdf曲线中最大峰峰面积a值作为该电池soh的快速评估指标，通过它们的正相关关系可快速检测待测电池的soh值，提高大型储能电站或动力电池系统的安全运维水平。

或者采用bitrodeftv1-300-100型模块电池测试系统对电池模组进行可用容量检测，测试温度在25c±2c条件下，先用1i5(i5为1/5c倍率电流，8a)恒流放电至截止电压为10.8v(2.7v4)，静置0.5小时，然后在以1i5恒流充电到截止电压14.6v(3.65v4)后进行恒压充电，当电流减小降低到i20(i20为1/20c倍率电流，2a)时电池停止充电，静置0.5小时，再用1i5进行放电，直到放电终止电压达到10.8v，静置0.5h结束，最后根据1i5(a)的电流值和放电时间数据计算电池可用容量(以ah计)以及其soh值。

概率密度函数pdf曲线中最大峰峰面积a值计算过程如下：

通过电池管理系统采集充放电过程中电池模组在电压平台的工作电压数据，使用matlab统计工具箱中ksdensity函数将电池模组充放电过程中的平台电压数据转化成概率密度函数pdf曲线。对概率密度函数pdf曲线中充电过程中的最大峰或者放电过程中的最大峰进行峰面积积分，过最大峰顶点做横轴的垂线，垂线与横坐标的交点两边各取0.02v的电压值，求取这段0.04v电压区间的峰面积a。

概率密度函数pdf最大峰面积a-soh拟合曲线

充电过程中概率密度函数pdf最大峰面积a-soh拟合曲线关系见图4。从图4可以看出，充电过程中概率密度函数pdf最大峰面积a与soh呈正相关：a＝-0.3335+0.02615soh-1.47410-4soh2，r2＝0.9883。

放电过程中概率密度函数pdf最大峰面积a-soh拟合曲线关系见图5。从图5可以看出，放电过程中概率密度函数pdf最大峰面积a与soh呈正相关：a＝-0.4592+0.029soh-1.65110-4soh2，r2＝0.9671。

充(放)电过程中概率密度函数pdf最大峰面积a-soh拟合曲线确定了以后，待测电池模组不需要再进行可用容量标定以确定其soh值，只需要根据电池管理系统采集到充放电平台的工作电压数据，进行概率密度函数pdf转化，求取相同电压区间的充(放)电过程中概率密度函数pdf最大峰面积a，再根据拟合曲线查找出此待测电池模组的soh值就可以了，从而可以实现电池模组健康度的快速评估。概率密度函数pdf是对电池使用过程中电压常数的统计，由于电极材料充放点过程中的脱/嵌锂随之的相变过程，体现在电压曲线上即为电压平台，而随着电极材料的损失及可循环锂的损失该过程被认为是造成电池老化的主要因素，因此随着老化程度的增加其充放电平台越短，概率密度函数pdf方法通过对电压常数出现次数的统计反应到了电池老化过程与电压平台具有相关性，本发明能够有效的建立电压数据与电池老化程度的关系，进而实现电池模组健康度的在线评估。