BMS（电池管理系统）第五课 ——核心！！！SOH算法开发

SOH definition

• No clear definition
• Strong application oriented
• Factors reflect SOH
  • Capacity
  • Internal resistance
• Self-discharge rate
• USABC standards
  • C <=0.8*Cnominal
  • R >=1.5*Rnominal
• 化学原因：
  • 锂枝晶
  • 结构坍塌
  • 活性物质变少
  • 道路受阻

image

image

image

在线容量估计：最小二乘法

image

image

image

image

Blue:Estimation only if well conditioned

Red:Estimation by TSVD

Green:Estimation by restricting current offset

SOH=C/Cnom x 100%

image

在线DCR估计

• Purpose

• Internal Impedance indicates
  • Power capability
  • State of health (SOH)
• Internal Impedance consists of

image

Ohmic

• Polarization
  • Electrochemical
  • Concentration
• DCR Result
  • Left figure shows current in cycle
  • Right figure shows algorithm convergence

image

非在线估计方法：累积吞吐量法

主要原理为：计算电池当前的累积总充放电电量，然后折算为电池的等效吞吐量（主要根据充放电电流和工作温度进行修正折算），然后计算得出电池的等效循环次数N，再根据电池当前已历经的循环次数N，来判断出电池目前的寿命状态SOH。

1. SOH~循环次数N的基础database
2. 当前电池的等效循环次数Nk
3. 根据Nk获得当前SOH状态

4。 应用SOH更新“敏感”参数

非在线估计方法： Smart充电法

主要原理为：在充电的过程中加入一个特殊的充电脉冲，用来测量电池当前的内阻。如果我们前期

能根据实验标定出一个基础的“内阻~SOH” database，那么就可以根据测得的电池内阻去获取电池

当前的SOH状态。

1. 基础SOH~内阻database
2. smart充电获得当前内阻
3. 根据内阻查得当前SOH状态
4. 应用SOH更新“敏感”参数

非在线估计方法：快充法

主要原理为：在电池的整个寿命期间，其快速充电的电流 I 以及充电截止电压Umax都是恒定的；这样就会致使电池，（假如电池都是从SOC为0的空电状态下开始快速充电），在不同的寿命状态（SOH）下，其最终充入总电量是不同的。那么我们就可以根据本次充电充入的电量来判断电池当前的SOH状态。

SOH~快充充入电量的基础database

1. 本次快充充入的电量Qk
2. 根据Qk获得当前SOH状态
3. 应用SOH更新“敏感”参数

老化修对EKF的帮助

1. 明确需要进行老化修正的变量，基本原则为：相关研究和实验表明其对电池老化较为敏感，需要进行老化修正。在本算法中，根据实验经验，暂定需要修正的变量主要有：电池实际容量C， SOC-OCV曲线，模型参数R1/C1和R2/C2等。
2. 建立待修正变量的基础database，即SOH~待修正变量的database（这些database可通过相关实验来获得，然后在matlab中同样以Look_Up_Table实现）。
3. 最后参数修正过程（初期可每三个月修正一次，在老化后期应加快修正频次）：
   1. 通过标准变量倒推得到SOH值
   2. 查SOH~待修正变量的database
   3. 获取并给待修正变量赋修正后值