[发明专利]一种退役锂离子动力电池SOC快速检测方法及装置

说明书

本发明公开了一种退役锂离子动力电池SOC快速检测方法及装置，所述方法包括：构建基于电化学阻抗谱的锂离子电池等效电路模型；进行不同温度等间隔SOC放电和阻抗测量实验；确定等效电路模型中特定参数与SOC在不同温度下的函数关系，基于等效电路模型中特定参数与SOC在不同温度下的函数关系建立离线模型；利用离线模型对不同温度下的未知荷电状态的退役动力电池进行SOC估计；本发明的优点在于：能够在短时间内预测电池的SOC，且不需要对退役锂离子动力电池进行多次充放电循环，降低能耗，节约能源，有助于厂家节约梯次利用检测成本。

技术领域

本发明涉及锂离子电池技术领域，更具体涉及一种退役锂离子动力电池SOC快速检测方法及装置。

背景技术

为应对环境污染和能源短缺的双重压力，电动汽车已成为汽车工业发展的重要方向。由于动力锂离子电池具有高能量密度、重量轻、循环寿命长以及高功率能力等特点，因此近年来被大量的用作电动汽车(EV)车载能源。然而，动力锂离子电池在其容量衰退至额定容量的80％时便会从电动汽车或者电动大巴上退役。目前，从电动汽车或者大巴上退役下来的动力电池主要通过层层拆解、充放电和长时间静置筛选出外观良好，安全及一致性较高的电芯，然后重新组合进行梯次利用，如UPS、通信基站、场地车辆、风光发电储能、路灯等应用。在梯次利用的筛选过程中，经常要对未知荷电状态(SOC)的退役动力电池进行多次的充放电检测，以确定退役动力锂电池的剩余电量和健康状态。

一般通过实时监测电池的外特性参数可以得到电池的SOC。目前，常用的电池SOC估算方法有放电实验法、安时计量法、开路电压法、卡尔曼滤波法等，例如中国专利申请号CN202010646395.8，公开的一种基于电化学阻抗谱的锂离子电池健康状态估计方法即为放电实验法。对于退役动力电池来说，放电实验法和安时计量法不是好的选择，不仅费时而且有大量能量损失；开路电压法需要长时间的静置，卡尔曼滤波法需要合适的数学模型而且给定参数困难，例如中国专利申请号CN201910317198.9，公开的一种基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法即为卡尔曼滤波法；模糊推理和神经网络法则需要大量的训练数据，例如中国专利申请号CN201911031589.0，公开的一种基于电-热-神经网络耦合模型的动力电池SOC和SOT联合状态估计方法即为神经网络法。在当前没有做到对每一节动力电池实时检测的情况下，其在梯次利用拆解成单节电芯时就无法知道初始荷电状态，必须进行多次充放电循环，导致检测速度慢以及能耗大的问题。

发明内容

本发明所要解决的技术问题在于现有技术对退役锂离子动力电池进行检测无法知道初始荷电状态，必须进行多次充放电循环，导致检测速度慢以及能耗大的问题。

本发明通过以下技术手段实现解决上述技术问题的：一种退役锂离子动力电池SOC快速检测方法，所述方法包括：

构建基于电化学阻抗谱的锂离子电池等效电路模型；

进行不同温度等间隔SOC放电和阻抗测量实验；

确定等效电路模型中特定参数与SOC在不同温度下的函数关系，基于等效电路模型中特定参数与SOC在不同温度下的函数关系建立离线模型；

利用离线模型对不同温度下的未知荷电状态的退役动力电池进行SOC估计。

本发明基于等效电路模型中特定参数与SOC在不同温度下的函数关系建立离线模型，直接利用离线模型对不同温度下的未知荷电状态的退役动力电池进行SOC估计，能够在短时间内预测电池的SOC，且不需要对退役锂离子动力电池进行多次充放电循环，降低能耗，节约能源，有助于厂家节约梯次利用检测成本。

进一步地，所述构建基于电化学阻抗谱的锂离子电池等效电路模型包括：根据事先测试的多节锂离子电池电化学阻抗谱曲线的特征建立锂离子电池的离线电化学等效电路模型。