[发明专利]一种磷酸铁锂电池能量状态SOE的估算方法有效
申请号: | 201510418388.1 | 申请日: | 2015-07-16 |
公开(公告)号: | CN104951662B | 公开(公告)日: | 2017-11-07 |
发明(设计)人: | 冯自平;罗玲;林仕立;宋文吉;吕杰;韩颖 | 申请(专利权)人: | 中国科学院广州能源研究所 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 广州科粤专利商标代理有限公司44001 | 代理人: | 孔德超,莫瑶江 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 磷酸 锂电池 能量 状态 soe 估算 方法 | ||
技术领域
本发明属于磷酸铁锂电池技术领域,特别涉及一种磷酸铁锂电池能量状态SOE(State Of Energy)的估算方法。
背景技术
雾霾现象的发生,特别是PM2.5粒子引发的健康问题与新能源应用中所固有的“间歇性、随机性”等特性问题进一步推动了电池储能系统取代化石能源在汽车上的应用,随着储能设备的大规模应用,单一电池荷电状态参数不能满足现实要求,大量有关于电池能量状态估算的研究兴起。
电池剩余能量的估计一般是通过两种方式,即电池容量状态SOC(State of Charge,即荷电状态,也叫剩余电量)间接表示和通过电池的SOC模型与相对应的电压模型相互耦合得到剩余能量,由于锂离子电池的大规模应用,储电设备必须配备更为复杂且精准的电池管理系统,单纯依靠SOC并不能线性表征电池剩余能量,而现实运行工况的多样性、两模型耦合的复杂度以及SOC所表征的电池能量非线性均限制了耦合能量表征方式的进一步发展。
本发明首先通过研究电池充放电过程中的能量转换关系,引入热能完善能量消耗形式,同时提出电池最大允许能量和能量释放效率概念,建立该估算方法的数学模型,更有利于直接表征电池不同运行工况下的剩余能量,有效预测电池剩余运行时间。
发明内容
本发明的目的在于提供一种磷酸铁锂电池能量状态SOE的估算方法,以解决当前电池能量状态SOE估算不精确的问题。
为了实现上述目的,本发明通过下列技术方案来实现:
一种磷酸铁锂电池能量状态SOE的估算方法,其包括以下步骤:
步骤1、建立磷酸铁锂电池包含电能和热能两种能量损耗形式的SOE数学估算模型,所述电能为电池对外提供的能量总和,热能为电池内部产生的欧姆热能、极化热能和熵产热能的总和;所述SOE数学估算模型为
其中,SOE0为电池初始能量状态,U为电池端电压,I为电流,R为电阻,T为温度,ΔS为电池反应熵变,Emax为电池最大理论总能,η(T,I)为电池能量释放效率;
步骤2、以电池的截止电压a1V,安全温度b1℃作为其放电截止的条件,在不同放电倍率下对电池进行放电,由测算得到的电能和热能计算获取最大可用能量Ex,Ex为在放电倍率为x时测量得到的电池外部电能和内部热能之和;
步骤3、根据不同放电倍率下的最大可用能量Ex拟合得到最大理论总能Emax;
步骤4、通过不同放电倍率下最大可用能量Ex与最大理论总能Emax的比值获得电池能量释放效率的函数关系式:
其中,c1-c6为参量,通过联立多个放电倍率x与其对应的最大可用能量Ex以及最大理论总能Emax之间的关系进行求解;
步骤5、将求解后的参量c1-c6代入式(2)中,并将式(2)获得的关于电池能量释放效率的函数关系式以及步骤3中得到的最大理论总能Emax代入式(1)中,作为修正因子对SOE数学估算模型在积分段t0-t1内电池能量状态进行实时修正:
在式(1)中,电阻R=R0+Rp,其中,R0为欧姆电阻,Rp为极化电阻;在电池不同荷电状态下通过采用若干放电倍率对电池在一定脉冲电流下进行脉冲放电,脉冲放电时刻,电池电压会有一个急速下降和缓慢下降的阶段,其中,急速下降阶段的电压变化值与该脉冲电流的比值为欧姆电阻R0的值,缓慢下降阶段的电压变化值与该脉冲电流的比值为极化电阻Rp的值。
所述公式(1)中,电池反应熵变其中,n为电池交换电子数,为常数1,F为法拉第常数,数据通过将不同荷电状态的电池静置放置在依次从0℃—60℃变化温度通过电压的变化梯度下求得。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院广州能源研究所,未经中国科学院广州能源研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510418388.1/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用