动力电池健康状态评估(SOH)之基于容量与内阻的评估方式

在这里插入图片描述
SOH概述

新能源汽车动力电池健康管理算法(Battery Health Management, BHM)是电池管理系统(Battery Management System, BMS)的核心组成部分。其通过荷电状态(State of Charge, SOC)估计、健康状态(State of Health, SOH)评估、故障诊断、温度管理、寿命预测、电池均衡、充电策略优化和电池状态模型等关键要素,对动力电池的剩余使用寿命和健康状态进行实时监测,以确保动力电池在全生命周期内的安全、高效和稳定运行。

动力电池健康状态评估是对电池性能劣化程度的量化表述,用于表征电池在当前时刻与全新状态下的性能差距。在新能源汽车动力电池管理系统中,SOH评估对于维护、更换决策和车辆续航能力的准确预测至关重要。

二、SOH评估因素

为了全面且准确地进行SOH评估,需通过对动力电池的多个参数进行分析,如容量、内阻变化、电压特性、自放电率、循环寿命等。具体评估因素包括:

2.1. 容量评估

动力电池出厂时,厂家会记录其原始容量值(即在特定条件下所能释放的最大能量)。随着时间的推移和使用次数的增加,电池容量会逐渐衰减。通过比较当前电池在相同条件下的放电容量与初始容量,可以计算出其容量保持率(Capacity Retention Ratio, CRR),通常以百分比形式表示。

例如,若一款全新电池的标称容量为100Ah,经过一段时间使用后实际检测到的容量为80Ah,则容量保持率为80%。

在电池容量评估中,不同厂家可能会采用不同的评估方式。例如,可采用安时积分法,通过在充放电过程中实时监测并累加电流随时间的变化,以计算电池的总充放电安时数,最终与电池的额定容量进行对比。

在这里插入图片描述
在这里插入图片描述
内阻评估概述
内阻(Internal Resistance) 是电池内部的电阻,通常用来衡量电池的性能。它是影响电池能量转换效率和输出功率的重要因素。内阻的增大通常会导致以下问题:

充放电效率降低:内阻越大,电池在充放电时的能量损耗就越多。
发热加剧:内阻增大时,电池在工作过程中产生的热量会增加,可能导致电池温度过高,加速老化。
内阻评估步骤
评估动力电池内阻的过程通常包括以下几个步骤:

  1. 初始化测试
    在新电池投入使用前或首次测试时,需要进行一次基准内阻测量。这将帮助获得该电池的初始内阻值
    在这里插入图片描述
  2. 数据记录与分析
    BMS会将每次测量结果进行记录,并形成内阻随时间或循环次数变化的曲线,以分析内阻增加的趋势。

示例:

你可能会记录内阻的变化如下:

第0次测量:5 mΩ
第1次测量:6 mΩ(+20%)
第2次测量:7 mΩ(+40%)
通过分析这些数据,可以发现内阻呈上升趋势,这可能意味着电池的健康状态在下降。

  1. 电池不健康的阈值判断
    不同厂家的电池可能会有不同的内阻标准。通过参考行业标准或制造商提供的建议阈值,可以判断电池是否健康。

示例:

假设制造商规定,内阻增加率超过30%即为不健康状态,而在我们的例子中,内阻增加率为40%,这表明电池可能已经出现健康问题。

  1. 多参数综合评估
    内阻增加率通常需要与其他健康状态参数(如容量保持率、温度变化等)结合来综合评估电池的健康状况。

示例:

容量保持率为75%(相对于新电池)。
内阻增加率为40%。
温度过高,可能超过设定的阈值。
如果发现内阻和容量同时下降,并且温度过高,那么可以判断电池的健康状态非常不理想。

总结
通过定期测试内阻、记录数据以及分析趋势,BMS能够及时发现电池的潜在健康问题。内阻的增加通常预示着电池性能的下降,而与其他参数结合的综合评估能够帮助更准确地判断电池的健康状态。这一过程对于确保新能源汽车动力电池的安全性和性能至关重要。

  • 18
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
动力电池SOH评估模型是指通过一系列的测试方法和算法对动力电池进行状态健康(State of Health,SOH)的评估。这个评估模型可以帮助我们更准确地了解动力电池健康程度,判断其容量衰减程度。 动力电池SOH评估模型的基本原理是在电池充放电过程中,通过测量电池的电流、电压和温度等参数,来估算电池的剩余容量容量衰减情况。常用的评估模型包括基于 coulomb 计数法和基于电化学模型的方法。 基于 coulomb 计数法的评估模型是通过记录充放电摄入/输出的电量,结合电池实际容量和电压衰减曲线,来估算电池SOH。这种方法简单易行,但精确度相对较低。 基于电化学模型的评估模型则是通过建立电池的物理和化学模型,结合充放电实验数据进行模型参数的估计,从而预测电池的剩余容量SOH。这种方法的精确度较高,但模型复杂度和计算量也较大。 除了以上的基本原理,动力电池SOH评估模型还可以考虑其他因素,比如电池内阻、温度对容量衰减的影响等。同时,可以采用机器学习等方法对电池的历史数据进行分析和预测,提高SOH评估的准确性和实用性。 总之,动力电池SOH评估模型在电池管理系统中起着重要作用,可以帮助我们更好地了解电池健康状况,以及合理和有效地使用电池资源,延长电池的寿命和性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

空间机器人

您的鼓励是我创作最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值