CN105203963B - 一种基于开路电压滞回特性的荷电状态的估计方法 - Google Patents
一种基于开路电压滞回特性的荷电状态的估计方法 Download PDFInfo
- Publication number
- CN105203963B CN105203963B CN201510578190.XA CN201510578190A CN105203963B CN 105203963 B CN105203963 B CN 105203963B CN 201510578190 A CN201510578190 A CN 201510578190A CN 105203963 B CN105203963 B CN 105203963B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- state
- value
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 35
- 229910001416 lithium ion Inorganic materials 0.000 claims abstract description 35
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于开路电压滞回特性的荷电状态的估计方法,用于在线估计锂离子电池的荷电状态,包括以下步骤:1)离线获取锂离子电池开路电压和荷电状态的滞回特性曲线;2)根据滞回特性曲线训练确定基于Preisach算子的开路电压滞回特性自适应模型的初始参数,并建立基于Preisach算子的开路电压滞回特性自适应模型;3)根据基于Preisach算子的开路电压滞回特性自适应模型在线估计锂离子电池的荷电状态,得到当前时刻锂离子电池的荷电状态。与现有技术相比,本发明具有建模准确、提高精度、估计准确等优点。
Description
技术领域
本发明涉及一种荷电状态的估计方法,尤其是涉及一种基于开路电压滞回特性的荷电状态的估计方法。
背景技术
动力电池***作为关键的零部件在电动汽车和电力储能等领域得到越来越多的应用。在应用过程中,需要电池管理***(Battery Management System,BMS)对电池状态进行监控,防止过充过放延长电池使用寿命。在这其中,SOC(荷电状态)的准确估计尤为关键。大多数的SOC估计方法是利用SOC与开路电压OCV(Open Circuit Voltage,开路电压)的对应关系得到,如开路电压法,基于模型的SOC估计方法等。对OCV与SOC对应关系的描述是这些SOC估计方法的核心基础。锂离子电池中开路电压和OCV并不完全一一对应,而是存在滞回关系(同一SOC下,充电过程的OCV大于放电过程的OCV)。
传统的锂离子电池开路电压滞回特性的建模方法中引入了较多的简化,使得滞回模型的建模精度低,从而影响SOC估计。本文采用的基于Preisach算子的滞回模型建模方法,在镍氢电池(NiMH)的开路电压滞回建模中已经应用,但由于锂离子电池相比NiMH电池开路电压滞回关系并不显著并且也无对称性,使得离散Preisach模型无法较好应用到锂离子电池中。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种建模准确、提高精度、估计准确的基于开路电压滞回特性的荷电状态的估计方法。
本发明的目的可以通过以下技术方案来实现:
一种基于开路电压滞回特性的荷电状态的估计方法,用于在线估计锂离子电池的荷电状态,包括以下步骤:
1)离线获取锂离子电池开路电压和荷电状态的滞回特性曲线;
2)根据滞回特性曲线训练确定基于Preisach算子的开路电压滞回特性自适应模型的初始参数,并建立基于Preisach算子的开路电压滞回特性自适应模型;
3)根据基于Preisach算子的开路电压滞回特性自适应模型在线估计锂离子电池的荷电状态,得到当前时刻锂离子电池的荷电状态。
所述的步骤2)中的基于Preisach算子的开路电压滞回特性自适应模型的初始参数包括Preisach三角形的网格划分数目N和权重向量的初始值μ。
所述的步骤2)中基于Preisach算子的开路电压滞回特性自适应模型为:
其中,为tk时刻开路电压对应的荷电状态值,ω(tk)为tk时刻开路电压值在Preisach三角形中对应的滞回状态向量,μ(tk)为tk时刻Preisach三角形中所有网格的滞回权重向量。
所述的步骤3)具体包括以下步骤:
31)在线获取上一时刻tk-1的Preisach三角形网格中的权重向量μ(tk-1)和当前时刻tk的滞回状态值ω(tk),计算得到当前时刻的先验荷电状态值为:
32)根据电池容量Q0、上一时刻tk-1的荷电状态值和当前时刻tk的先验荷电状态值计算得到当前时刻的电流估计值Ical(tk)为:
Δt=tk-tk-1;
33)根据实测的当前时刻的电流实际值Im(tk)和电流估计值Ical(tk)得到当前时刻的电流误差值η_current(tk)为:
η_current(tk)=Im(tk)-Ical(tk);
34)根据当前时刻的电流误差值η_current(tk)和当前时刻的先验荷电状态值并采用最小均方误差法得到当前时刻权重向量增量并计算当前时刻的权重值μ(tk)为:
μ(tk)=μ(tk-1)+λη(tk)ω(tk)
其中λ为步长因子,且λ∈[0,1];
35)根据当前时刻的权重向量μ(tk)和滞回状态值ω(tk)通过开路电压滞回特性自适应模型得到当前时刻的后验荷电状态值即当前时刻的锂离子电池的荷电状态,并返回步骤31)进行下一时刻的锂离子电池的荷电状态估计。
所述的步骤34)中,当前时刻权重向量增量的计算式为:
其中,λ为步长因子,且λ∈[0,1],η(tk)为tk时刻计算电流和测量电流的误差值,ω(tk)为tk时刻Preisach三角形中滞回状态向量。
与现有技术相比,本发明具有以下优点:
一、建模准确:本发明通过引入测量电流和计算电流的误差,在每一时刻对Preisach三角形中网格对应的权重值进行自适应调节,通过先验荷电状态值和滞回状态值与当前电流实际值通过迭代计算,使得锂离子电池开路电压滞回特性准确进行建模。
二、提高精度:本发明是通过算法的改进提高建模的精度,算法中起核心作用的测量电流可通过电池管理***中原有的电流传感器直接获取,在精度提高的同时并没有增加硬件成本。
三、估计准确:本发明是通过对锂离子电池滞回特性进行荷电状态的估计,针对滞回特性严重不能忽略的锂离子电池(如磷酸铁锂电池)的荷电状态估计更加准确可靠。
附图说明
图1为锂离子电池OCV-SOC滞回特性曲线示意图。
图2为基本Preisach算子示意图。
图3为Preisach三角形及阶梯形记忆曲线示意图。
图4为离散Preisach三角形及网格示意图。
图5为锂离子电池OCV-SOC滞回模型训练流程图。
图6为锂离子电池OCV-SOC自适应离散Preisach模型应用流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例:
本发明的主要目的是建立一种锂离子电池开路电压滞回特性的准确建模方法,从而最终能够用于锂离子电池荷电状态SOC的准确估计,本发明的另一目的是通过提出的建模方法由已知的准确SOC得到滞回存在下的OCV值,从而能进一步用于分析电池的极化电压以及阻抗等,为电池管理***提供更多的信息。
为了实现本发明如上所述的目标和其他优点,如这里具体地和广泛地描述,提供一种基于电流调节和离散Preisach算子的锂离子电池开路电压滞回特性的建模方法,传统的开路电压滞回特性建模中存在误差较大精度难以保证的缺点,并不适用于本发明,本发明在离散Preisach算子对滞回特性建模的基础上,将Preisach三角形划分的网格所对应的权重值视为时变量,通过求取每一时刻下定义的先验SOC以及电池中的电流值,得到电流的偏差值,该值结合最小均方误差理论(LMS)得到每一时刻下权重值变化的增量,与上一时刻的权重值求和得到当前时刻的权重值,进一步结合当前时刻的滞回状态,得到后验SOC即为当前时刻的SOC输出,其中模型中网格划分的数目和权重向量的初始值是通过锂离子电池OCV-SOC滞回曲线离线确定。
根据本发明的优选实施例,完整的实施步骤如下:1)实验离线得到锂离子电池OCV-SOC滞回特性曲线;2)离线确定Preisach三角形网格划分的数目和对应的权重向量的初始值;3)在线应用时Preisach三角形网格对应的权重值视为时变,当前值由上一时刻权重值加上当前时刻变化量得到;4)根据当前时刻OCV值更改Preisach三角形每一网格的滞回状态值,并根据上一时刻的权重值得到当前时刻的先验SOC值;5)由先验SOC值、上一时刻的SOC值、电池容量得到当前时刻的电流估计值,与实际电流比较得到误差值;6)当前时刻的电流误差值结合最小均方误差(LMS)理论得到当前时刻权重值的增量和当前时刻的权重值;7)当前时刻的权重值结合当前时刻的滞回状态值得到当前时刻的后验SOC值即为当前时刻的SOC值,下一时刻重复上述过程。
图1所示为实验测试的锂离子电池OCV-SOC滞回特性曲线(OCV充分静置,时间大于3小时),该实验曲线用于确定本发明提出的滞回模型的初始参数,为了充分覆盖锂离子电池的滞回特性,实验测定时先从电池满充状态放电,每隔5%SOC变化和静置后记录OCV值直至SOC=0满放状态;然后进入充电状态每隔5%SOC变化和静置后记录OCV值到SOC=95%后,转为放电,直到5%SOC后又改为充电;该过程循环进行并保证每一充电状态比上一充电状态的SOC值减少5%,每一放电状态比上一放电状态的SOC值增加5%,直到SOC=50%实验结束;在整个过程中,OCV均是SOC每变化5%后静置并记录。
如图2-4所示,Preisach算子(α,β)描述了输入输出的一种关系,即当输入大于阈值α时输出为1,当输入小于阈值β(β<α)时输出为-1,当输入介于阈值α和β之间时输出值不变,由于滞回关系中输入值幅值有限,如图3所示,所有的Preisach算子(α,β)构成了二维平面中一直角三角形,滞回特性的历史信息可通过该三角形中一记忆曲线进行表示,记忆曲线是一条阶梯形曲线,其形成规则是:当输入随时间增加时,阶梯形曲线反映为三角形内水平上升的线段;当输入随时间减小时,阶梯形曲线反映为三角形内垂直左移的线段,三角形内部阶梯形曲线左下区域滞回状态值为1,右上区域滞回状态值为-1,同时三角形内部每一点对应一个权重值,输出值由三角形内所有点的滞回状态值以及权重值乘积积分得到。
在实际应用时,需要对该连续Preisach三角形进行离散化,即沿水平方向和垂直方向对该三角形进行划分(一般等长进行划分),最终形成多个矩形网格,每一网格对应的滞回状态值由该网格包含的所有点的滞回状态值决定,该值位于区间[-1,+1],每一网格同样对应一权重值,在应用之前需要对该模型进行训练,训练采用实验得到的OCV-SOC滞回关系曲线,得到网格划分的数目以及每一网格对应的权重值,训练过程的流程图如图5所示。
模型的初始参数主要包括离散Preisach模型中Preisach三角形边长划分数目n和该划分下Preisach三角形中每一网格对应的滞回权重初始值μ。Preisach三角形是α-β平面上一顶点坐标为(umin,umax)(其中umin和umax分别是荷电状态为0和100%时对应的开路电压值)斜边位于α=β上的等腰直角三角形。Preisach三角形边长划分数目n的选取由模型最终的精度要求决定,一般取n的初始值大于等于20。竖直边和水平边的划分结果可分别表示为αi<αi+1,i=1,2,…,n(其中α1=umin,αn+1=umax)和βi<βi+1,i=1,2,…,n(其中β1=umin,βn+1=umax)。最终整个Preisach三角形中共产生N=n(n+1)/2个网格。每一网格可表示为Si(i-1)/2+j={(β,α)|βj≤β<βj+1,αi≤α<αi+1}其中j≤i,i=1,2,…,n,j=1,2,…,n。在离散Preisach模型中每一网格均对应一权重值μ(称为滞回权重,需要离线计算获取)。取锂离子电池滞回特性实验曲线中OCV值作为模型输入u,每个输入下每个网格均作更新,产生该输入下对应的滞回状态值ω。ω值的确定需要依据Preisach三角形中的阶梯形曲线。该阶梯形曲线是由输入值u决定(当u增加时在Preisach三角形中产生一水平上升直线,当u减小时在Preisach三角形中产生一竖直左移直线,随着输入u不断增减在Preisach三角形中生成一阶梯形曲线),在阶梯形曲线以下的网格S对应的滞回状态ω等于1,在阶梯形曲线以上的网格S对应的滞回状态ω等于-1,当阶梯形曲线穿过网格S的内部时,相应的滞回状态ω等于网格中阶梯形曲线下方的部分的面积减去阶梯形曲线下方的部分的面积;定义所有的滞回状态ω为一滞回状态向量ω(ω=[ω1,ω2,…,ωN]T),所有的滞回权重μ为一滞回权重向量μ(μ=[μ1,μ2,…,μN]T),每一输入下对应的输出SOC等于滞回状态向量ω和滞回权重向量μ的乘积,即最终由所有实验获得的输入输出值得到一未知数为滞回权重向量μ的线性方程组,通过离线数值运算确定μ。
如图6所示,为了提高锂离子电池滞回曲线的建模精度,本发明提出了将每一网格对应的权重值视为时变量并能自适应改变的建模方法,在具体应用该方法时模型训练得到的权重值视为权重初始值,每一时刻首先根据OCV输入值更新离散Preisach三角形中所有网格对应的滞回状态值,由滞回状态值和上一时刻得到的权重值加权求和得到SOC值(定义为当前时刻的先验SOC),并根据已知的电池容量和上一时刻得到的SOC值可以确定当前时刻电流估计值,该估计值和BMS检测到的电流值比较得到误差值,根据最小均方误差理论,该误差值和当前滞回状态值以及一个常数(该常数取值在0和1之间,可通过多次取值选取合适值)的乘积作为当前时刻权重值相比上一时刻权重值的增量,将得到的当前时刻权重值与当前时刻的滞回状态值加权求和,得到当前时刻的后验SOC即为当前OCV输入下对应的SOC输出,下一时刻重复该过程。
Claims (4)
1.一种基于开路电压滞回特性的荷电状态的估计方法,用于在线估计锂离子电池的荷电状态,其特征在于,包括以下步骤:
1)离线获取锂离子电池开路电压和荷电状态的滞回特性曲线;
2)根据滞回特性曲线训练确定基于Preisach算子的开路电压滞回特性自适应模型的初始参数,并建立基于Preisach算子的开路电压滞回特性自适应模型;
3)根据基于Preisach算子的开路电压滞回特性自适应模型在线估计锂离子电池的荷电状态,得到当前时刻锂离子电池的荷电状态,具体包括以下步骤:
31)在线获取上一时刻tk-1的Preisach三角形网格中的权重向量μ(tk-1)和当前时刻tk的滞回状态值ω(tk),计算得到当前时刻的先验荷电状态值为:
<mrow>
<msub>
<mi>SOC</mi>
<msub>
<mi>t</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>&omega;</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
32)根据电池容量Q0、上一时刻tk-1的荷电状态值和当前时刻tk的先验荷电状态值计算得到当前时刻的电流估计值Ical(tk)为:
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>Q</mi>
<mn>0</mn>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>SOC</mi>
<msub>
<mi>t</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>SOC</mi>
<msub>
<mi>t</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>/</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
Δt=tk-tk-1;
33)根据实测的当前时刻的电流实际值Im(tk)和电流估计值Ical(tk)得到当前时刻的电流误差值η_current(tk)为:
η_current(tk)=Im(tk)-Ical(tk);
34)根据当前时刻的电流误差值η_current(tk)和当前时刻的先验荷电状态值并采用最小均方误差法得到当前时刻权重向量增量并计算当前时刻的权重值μ(tk)为:
μ(tk)=μ(tk-1)+λη(tk)ω(tk)
<mrow>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<msub>
<mi>Q</mi>
<mn>0</mn>
</msub>
<mi>&eta;</mi>
<mo>_</mo>
<mi>c</mi>
<mi>u</mi>
<mi>r</mi>
<mi>r</mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中λ为步长因子,且λ∈[0,1];
35)根据当前时刻的权重向量μ(tk)和滞回状态值ω(tk)通过开路电压滞回特性自适应模型得到当前时刻的后验荷电状态值即当前时刻的锂离子电池的荷电状态,并返回步骤31)进行下一时刻的锂离子电池的荷电状态估计。
2.根据权利要求1所述的一种基于开路电压滞回特性的荷电状态的估计方法,其特征在于,所述的步骤2)中的基于Preisach算子的开路电压滞回特性自适应模型的初始参数包括Preisach三角形的网格划分数目N和权重向量的初始值μ。
3.根据权利要求1所述的一种基于开路电压滞回特性的荷电状态的估计方法,其特征在于,所述的步骤2)中基于Preisach算子的开路电压滞回特性自适应模型为:
<mrow>
<msub>
<mi>SOC</mi>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>&omega;</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,为tk时刻开路电压对应的荷电状态值,ω(tk)为tk时刻开路电压值在Preisach三角形中对应的滞回状态向量,μ(tk)为tk时刻Preisach三角形中所有网格的滞回权重向量。
4.根据权利要求1所述的一种基于开路电压滞回特性的荷电状态的估计方法,其特征在于,所述的步骤34)中,当前时刻权重向量增量的计算式为:
<mrow>
<msub>
<mi>&Delta;&mu;</mi>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
</msub>
<mo>=</mo>
<mi>&lambda;</mi>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,λ为步长因子,且λ∈[0,1],η(tk)为tk时刻计算电流和测量电流的误差值,ω(tk)为tk时刻Preisach三角形中滞回状态向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510578190.XA CN105203963B (zh) | 2015-09-11 | 2015-09-11 | 一种基于开路电压滞回特性的荷电状态的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510578190.XA CN105203963B (zh) | 2015-09-11 | 2015-09-11 | 一种基于开路电压滞回特性的荷电状态的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105203963A CN105203963A (zh) | 2015-12-30 |
CN105203963B true CN105203963B (zh) | 2017-12-15 |
Family
ID=54951744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510578190.XA Active CN105203963B (zh) | 2015-09-11 | 2015-09-11 | 一种基于开路电压滞回特性的荷电状态的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105203963B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11899071B2 (en) | 2019-06-24 | 2024-02-13 | Contemporary Amperex Technology Co., Limited | Method and apparatus for determining state of charge of battery, management system and storage medium |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759216B (zh) * | 2016-02-26 | 2018-10-26 | 同济大学 | 一种软包锂离子电池荷电状态估算方法 |
CN106897378A (zh) * | 2017-01-20 | 2017-06-27 | 浙江大学 | 一种面向三维cad模型的语义参数检索动态调节方法 |
CN110226097B (zh) * | 2017-03-03 | 2022-07-05 | 康奈可关精株式会社 | 观测器增益的设定方法 |
CN108983109B (zh) * | 2018-08-10 | 2020-11-20 | 深圳芯智汇科技有限公司 | 用于电池的电流估算芯片、估算方法及剩余电量计量*** |
CN110988690B (zh) | 2019-04-25 | 2021-03-09 | 宁德时代新能源科技股份有限公司 | 电池健康状态修正方法、装置、管理***以及存储介质 |
CN110988701B (zh) | 2019-04-25 | 2021-04-30 | 宁德时代新能源科技股份有限公司 | 电池可用能量确定方法、装置、管理***以及存储介质 |
CN110967636B (zh) | 2019-06-24 | 2020-12-11 | 宁德时代新能源科技股份有限公司 | 电池的荷电状态修正方法、装置、***和存储介质 |
CN112731160A (zh) * | 2020-12-25 | 2021-04-30 | 东莞新能安科技有限公司 | 电池滞回模型训练方法、估算电池soc的方法和装置 |
CN112798962B (zh) * | 2021-03-15 | 2024-04-30 | 东莞新能安科技有限公司 | 电池滞回模型训练方法、估算电池soc的方法和装置 |
CN113777495A (zh) * | 2021-08-25 | 2021-12-10 | 同济大学 | 基于特征面积的锂电池容量跳水在线多级预警方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005026597A1 (de) * | 2005-06-09 | 2006-12-21 | Daimlerchrysler Ag | Verfahren zur Bestimmung eines Batterie-Ladezustands, Batteriemanagementsystem sowie Sensoreinrichtung zur Bestimmung eines Batterie-Ladezustands |
CN101946187A (zh) * | 2008-02-19 | 2011-01-12 | 通用汽车环球科技运作公司 | 基于模型的电池迟滞性估计 |
-
2015
- 2015-09-11 CN CN201510578190.XA patent/CN105203963B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005026597A1 (de) * | 2005-06-09 | 2006-12-21 | Daimlerchrysler Ag | Verfahren zur Bestimmung eines Batterie-Ladezustands, Batteriemanagementsystem sowie Sensoreinrichtung zur Bestimmung eines Batterie-Ladezustands |
CN101946187A (zh) * | 2008-02-19 | 2011-01-12 | 通用汽车环球科技运作公司 | 基于模型的电池迟滞性估计 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11899071B2 (en) | 2019-06-24 | 2024-02-13 | Contemporary Amperex Technology Co., Limited | Method and apparatus for determining state of charge of battery, management system and storage medium |
Also Published As
Publication number | Publication date |
---|---|
CN105203963A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105203963B (zh) | 一种基于开路电压滞回特性的荷电状态的估计方法 | |
Goh et al. | Capacity estimation algorithm with a second-order differential voltage curve for Li-ion batteries with NMC cathodes | |
Du et al. | State of charge estimation for Li-ion battery based on model from extreme learning machine | |
EP2963434B1 (en) | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method | |
Kim | The novel state of charge estimation method for lithium battery using sliding mode observer | |
CN110596593A (zh) | 基于智能自适应扩展卡尔曼滤波的锂离子电池soc估计方法 | |
Sassi et al. | State of charge estimation by multi-innovation unscented Kalman filter for vehicular applications | |
CN109061506A (zh) | 基于神经网络优化ekf的锂离子动力电池soc估计方法 | |
CN105425153B (zh) | 一种估计电动车辆的动力电池的荷电状态的方法 | |
CN105911476B (zh) | 一种基于数据挖掘的电池储能***soc预测方法 | |
CN109839599B (zh) | 基于二阶ekf算法的锂离子电池soc估计方法 | |
Xu et al. | State of charge estimation for liquid metal battery based on an improved sliding mode observer | |
CN111428433B (zh) | 基于混合滤波的锂离子电池状态计算方法 | |
CN113011012B (zh) | 一种基于Box-Cox变化的储能电池剩余寿命预测方法 | |
CN109633470B (zh) | 基于ekf-gpr和日常片段数据的电池实时全充时间的估算方法 | |
CN109387784B (zh) | 多维度状态估算效准soc的方法以及动态修正soc的方法 | |
CN112269133B (zh) | 一种基于预充电路模型参数识别的soc估计方法 | |
CN113777510A (zh) | 一种锂电池荷电状态估计方法及装置 | |
CN112649747A (zh) | 一种分数阶扩展卡尔曼的锂电池soc估算方法 | |
CN114217234B (zh) | 一种基于ide-asrckf的锂离子电池参数辨识与soc估计方法 | |
CN116298904A (zh) | 一种基于分数阶多新息双无迹卡尔曼滤波联合估计锂电池soc和soh的方法 | |
CN112114254B (zh) | 一种动力电池开路电压模型融合方法 | |
Renxin et al. | Collaborative estimations of state of energy and maximum available energy of lithium-ion batteries with optimized time windows considering instantaneous energy efficiencies | |
CN116577686B (zh) | 一种基于局部阶段充电数据的多工况soh估计方法和*** | |
CN116718920B (zh) | 基于rnn优化扩展卡尔曼滤波的锂电池soc估算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |