储能电站bms的电池soh估算方法

【技术领域】

[0001]本发明涉及电池寿命估算方法，尤其涉及一种储能电站BMS的电池SOH估算方法。

【背景技术】

[0002]现有的储能系统BMS通常只监测管理电池的电压、内阻、温度，有部分估算S0C，SOH (sect1n of health，电池健康度)通常是一个忽略的量，就是有部分厂家估算S0H，误差也很大，有的误差超过50%，究其原因，主要是对电池的老化机理不清楚，对电池的使用过程不好把握，使用的计算方法和算法没有研究清楚。其次，对电池的不确定性使用同样的算法。

[0003]目前市场上有很多锂电、铅酸、镍氢电池的BMS系统，部分产品也有分析估算SOH和SOC的，其估算方法大多是端电压法、安时积分法，就是根据电池的端电压判断电池老化程度，根据电池充入多少电量，放出多少电量来诊断电池的健康程度。所以诊断的电池健康状态误差比较大。最主要的是适应性差，在测试电池组上根据样品测试数据调整参数，估算的精度还可以，一旦测试样品改变，工作工况改变，参数就不适用，所以误差变大，精度就很差。

【发明内容】

[0004]本发明的目的在于为克服现有技术的缺陷，而提供一种适应性更强的储能电站BMS的电池SOH估算方法，并且提高估算精度。

[0005]为实现上述目的，本发明采用以下技术方案:

[0006]储能电站BMS的电池SOH估算方法，包括以下步骤:

[0007]步骤S1:系统上电运行；

[0008]步骤S2:循环定时采集电池实时数据，并从电池实时数据中提取出单体电压、单体内阻、电池温度、充放电电流及充放电电量；

[0009]步骤S3:结合电池的额定参数和采集到的电池实时数据，通过开路电压法、安时积分法、卡尔曼滤波法以及内阻法来分别估算电池SOH ;

[0010]步骤S4:将估算得到的电池SOH通过历史数据修正法综合计算出一个计算SOH系数模型，计算SOH系数模型可用于后续每次SOH分析计算。

[0011]进一步地，在步骤S3中，开路电压法具体实现方式为:将电池静置一段时间，待电池开路电压处于稳定状态后，通过比对以往开路电压与SOH对应关系表，得出当前电池SOH0

[0012]进一步地，在步骤S3中，安时积分法具体实现方式为:记录电池充放电电流，将其对时间积分得到电池在特定时间段内放掉或充入的电量；充电工况荷电状态等于电池初始荷电状态加上充入电容量与标称电容量的比值；放电工况电池荷电状态等于电池初始荷电状态减去放掉电容量与标称电容量的比值。

[0013]进一步地，在步骤S3中，卡尔曼滤波法具体实现方式为:将SOH看作该动态系统的一个变量，通过电池模型的构建，得出电池模型的状态方程和观测方程，最后根据卡尔曼滤波原理得出SOH。

[0014]进一步地，在步骤S3中，内阻法是通过建立内阻与SOH之间的关系来估算S0H。

[0015]本发明与现有技术相比的有益效果是:

[0016]本发明的SOH估算方法适应于锂电池、铅酸电池、镍氢电池，利用实时采集的单体电压、单体内阻、电池温度、充放电电流、充放电电量，结合电池的额定参数，运用开路电压法、安时积分法、内阻法、卡尔曼滤波法、历史数据修正法等多种算法分析计算电池的状态，方法适应各种环境下的蓄电池，适应性强，且具有自校准功能，并且估算值接近真实值，估算精度高，能够较准确反映电池真实的健康状态。

【附图说明】

[0017]图1为储能电站BMS的电池SOH估算方法的流程图。

【具体实施方式】

[0018]为了更充分理解本发明的技术内容，下面结合具体实施例对本发明的技术方案进一步介绍和说明。

[0019]本发明实施例的流程图如图1所示。

[0020]本实施例的储能电站BMS的电池SOH估算方法包括以下步骤:

[0021]步骤S1:系统上电运行；

[0022]步骤S2:循环定时采集电池实时数据，并从电池实时数据中提取出单体电压、单体内阻、电池温度、充放电电流及充放电电量；

[0023]步骤S3:结合电池的额定参数和采集到的电池实时数据，通过开路电压法、安时积分法、卡尔曼滤波法以及内阻法来分别估算电池SOH ;

[0024]步骤S4:将估算得到的电池SOH通过历史数据修正法综合计算出一个计算SOH系数模型，计算SOH系数模型可用于后续每次SOH分析计算。

[0025]开路电压法是较简单的SOH估算方法。在具体使用工况下，电池荷电状态与锂电池的开路电压存在特定对应关系。在步骤S3中，开路电压法具体实现方式为:将电池静置一段时间，待电池开路电压处于稳定状态后，通过比对以往开路电压与SOH对应关系表，得出当前电池S0H。开路电压法的优点是，操作简单，只需查表即可确定电池S0H，并且有相当的精度；其不足之处在于，只能在电池闲置状态进行，并且电池达到稳定状态一般需要数小时的时间，因此也不适应电动汽车锂电池监控系统的性能需求。对于铅酸电池，开路电压法却不能得出上述结论，只有在电池老化严重时表现出一定的关系。

[0026]安时积分法在SOH估算算法中应用最为普遍。在步骤S3中，安时积分法具体实现方式为:记录电池充放电电流，将其对时间积分得到电池在特定时间段内放掉或充入的电量；充电工况荷电状态等于电池初始荷电状态加上充入电容量与标称电容量的比值；放电工况电池荷电状态等于电池初始荷电状态减去放掉电容量与标称电容量的比值。安时积分法优点是原理简单，并且满足电池在线测量，因此得到广泛的应用。安时积分法的不足在于，其初始SOH无法确定，并且电流信号等测量精度存在误差，随着时间的积累误差逐渐变得越来越大，导致SOH估算值偏离实际值。

[0027]安时积分法计算电池电量C，就是充电时充电电流乘以充电时间，就是充入电池的电量。充放电时电池电量C:C = CO土 f Idt ;其中，CO为充放电前的电池电量，I是电池充放电电流，时间精确到秒。根据电池能够充入的电量和能够放出的电量关系来诊断电池的SOH0

[0028]卡尔曼滤波法是基于电池模型的SOH估算方法。锂电池模型是一个动态系统，变化规律为非线性。在步骤S3中，卡尔曼滤波法具体实现方式为:将SOH看作该动态系统的一个变量，通过电池模型的构建，得出电池模型的状态方程和观测方程，最后根据卡尔曼滤波原理得出S0H。卡尔曼滤波法精度高，受初始误差的影响最小，抗干扰能力强。卡尔曼滤波法的不足之处在于，其SOH估算精度依赖于锂离子电池模型的精度，准确的电池模型是算法的核心。锂电池模型是一个动态变化的系统，构建过程复杂，同时该方法需要大量的运算，难度较大。

[0029]在步骤S3中，内阻法是通过建立内阻与SOH之间的关系来估算S0H。内阻是最能反映电池健康状态的一个量，当电池出厂时，内阻值是在一个理想的范围内，随着一组电池的运行时间延长，会有部分电池的内阻值增大，增大的趋势值及关系可以诊断S0H。

[0030]在步骤S3中，历史数据修正法是依据前几次测试SOH结果总结出一个计算SOH系数模型，以后每次分析计算SOH都要参考这个系数模型，在特定条件下校准这个参考系数模型。以这个模型为依据，电池在状态改变时，可以较准确地估算S0H，可以提高算法对不同的电池组具有同样的精度。历史数据修正法可以根据历史记录的电压极限值、电量极限值、SOH极限值等参数诊断现在的S0H，以减少误差。历史数据修正法可以适应不同的电池组，提高精度。

[0031]以上陈述仅以实施例来进一步说明本发明的技术内容，以便于读者更容易理解，但不代表本发明的实施方式仅限于此，任何依本发明所做的技术延伸或再创造，均受本发明的保护。

【主权项】

1.储能电站BMS的电池SOH估算方法，其特征在于，包括以下步骤: 步骤S1:系统上电运行； 步骤S2:循环定时采集电池实时数据，并从电池实时数据中提取出单体电压、单体内阻、电池温度、充放电电流及充放电电量； 步骤S3:结合电池的额定参数和采集到的电池实时数据，通过开路电压法、安时积分法、卡尔曼滤波法以及内阻法来分别估算电池SOH ； 步骤S4:将估算得到的电池SOH通过历史数据修正法综合计算出一个计算SOH系数模型，计算SOH系数模型可用于后续每次SOH分析计算。2.如权利要求1所述的方法，其特征在于，在步骤S3中，开路电压法具体实现方式为:将电池静置一段时间，待电池开路电压处于稳定状态后，通过比对以往开路电压与SOH对应关系表，得出当前电池S0H。3.如权利要求1所述的方法，其特征在于，在步骤S3中，安时积分法具体实现方式为:记录电池充放电电流，将其对时间积分得到电池在特定时间段内放掉或充入的电量；充电工况荷电状态等于电池初始荷电状态加上充入电容量与标称电容量的比值；放电工况电池荷电状态等于电池初始荷电状态减去放掉电容量与标称电容量的比值。4.如权利要求1所述的方法，其特征在于，在步骤S3中，卡尔曼滤波法具体实现方式为:将SOH看作该动态系统的一个变量，通过电池模型的构建，得出电池模型的状态方程和观测方程，最后根据卡尔曼滤波原理得出S0H。5.如权利要求1所述的方法，其特征在于，在步骤S3中，内阻法是通过建立内阻与SOH之间的关系来估算SOH。

【专利摘要】本发明涉及一种储能电站BMS的电池SOH估算方法。该方法包括以下步骤：步骤S1：系统上电运行；步骤S2：循环定时采集电池实时数据，并从电池实时数据中提取出单体电压、单体内阻、电池温度、充放电电流及充放电电量；步骤S3：结合电池的额定参数和采集到的电池实时数据，通过开路电压法、安时积分法、卡尔曼滤波法以及内阻法来分别估算电池SOH；步骤S4：将估算得到的电池SOH通过历史数据修正法综合计算出一个计算SOH系数模型，计算SOH系数模型可用于后续每次SOH分析计算。本发明的估算方法适应各种环境下的蓄电池，适应性强，且具有自校准功能，并且估算值接近真实值，估算精度高，能够较准确反映电池真实的健康状态。

【IPC分类】G01R31/36

【公开号】CN105021996

【申请号】CN201510470642

【发明人】张志正

【申请人】深圳拓普科新能源科技有限公司

【公开日】2015年11月4日

【申请日】2015年8月4日