CN105353313B - 电池荷电状态的估算方法和装置 - Google Patents
电池荷电状态的估算方法和装置 Download PDFInfo
- Publication number
- CN105353313B CN105353313B CN201510629639.0A CN201510629639A CN105353313B CN 105353313 B CN105353313 B CN 105353313B CN 201510629639 A CN201510629639 A CN 201510629639A CN 105353313 B CN105353313 B CN 105353313B
- Authority
- CN
- China
- Prior art keywords
- battery
- current
- charge
- state
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明揭示了一种电池荷电状态的估算方法和装置,其中方法包括:通过前一次估算的电池荷电状态,修正当前次的OCV曲线,以及修正当前次的电池满充容量;根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值。本发明电池荷电状态的估算方法和装置,将前一次的SOC的状态量作为当前次的SOC测量的可信度参数进行计算,使电池使用的时间越长,记忆和学习的信息越充分,则获得的OCV曲线、电池满充容量等与电池状态越贴切,估算的SOC越准确。
Description
技术领域
本发明涉及到电池领域,特别是涉及到一种电池荷电状态的估算方法和装置。
背景技术
电池荷电状态(state ofcharge SOC)的准确估计是二次电池充放电控制和动力优化管理的重要依据,直接影响电池的使用寿命和安全,以及相应电池管理***的性能和预测电池剩余电能使用时间的准确性。可见,电池额定容量和剩余电量的准确测量是非常关键的问题。
二次电池SOC不能用仪器直接测量,只能通过电池端电压、充放电电流及内阻等参数来估算其大小,而这些参数还会受到电池老化、环境温度变化及电池充放电状态等多种不确定因素的影响。
SOC一般定义为电池剩余电量与满充电量(总容量)的比值(SOC=Qc/Qi)。SOC的计算,关键在于电池剩余电量与满充电量的估算。目前电池SOC估算策略主要有:开路电压法(Open CircuitVoltage)、库伦Ah计量法、内阻法、线性模型法、人工神经网络法、负载电压法、卡尔曼滤波法、放电实验法、动态逼近法等。其中开路法是指电池空载时的开路电压与其充电状态之间成线性关系,但要求电池必须开路,不连接负载,且需要经过相当长的稳定期后才精确,这些条件在电池日常使用中很难达到。而库伦Ah计量法即通过电池工作电流用库仑计数求取电流对时间的积分,从而确定SOC,利用该方法可以实时计算SOC,即使电池处在负载条件下也可以进行,但库伦Ah计量法的误差会随着时间推移而增大。
如何能够准确的测量电池SOC,并随着时间推移减小估算值与实际值的误差,是需要解决的问题。
发明内容
本发明的主要目的为提供一种随着时间推移减小电池SOC估算值与实际值之间误差的电池荷电状态的估算方法和装置。
为了实现上述发明目的,本发明提供一种电池荷电状态的估算方法,包括:
通过前一次估算的电池荷电状态,修正当前次的OCV曲线,以及修正当前次的电池满充容量;
根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;
其中,如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值。
进一步地,所述计算当前次的电池荷电状态的估算公式为:
SOC(%)=SOC0+(∫(i)*η*d(t)/Q(i))*δ*Kc*Kt*Kv;其中,
SOC0为前一次估算的SOC;
∫(i)*η*d(t)表示电量积分计算的电池充放电容量变化量,η为电流测量误差修正量;
δ为电池衰减系数,Kc为电流因子系数,Kt为温度因子系数,Kv电压因子系数;
Q(i)为估算的前一次的电池满充容量,与δ、Kc、Kt、Kv系数有关;
如果当前次为第一次估算电池荷电状态,则SOC0取电池出厂时的理论电池荷电状态;η、δ、Kc、Kt以及Kv均取值为1。
进一步地,所述修正当前次的OCV曲线的方法包括:
通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η和前一次的电池满充电量Q(i),根据预设的OCV曲线修正算法进行修正,得到当前次的OCV曲线。
进一步地,所述修正当前次的电池满充容量的方法包括:
通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η、电池当前的输出电流和前一次的电池满充电量Q(i),根据预设的电池满充电量修正算法,得到当前次的电池满充容量。
进一步地,所述电压因子系数Kv的获取方法包括:
根据电池当前的电压与前一次计算SOC时的电压的差值,以及修正后的OCV曲线,通过预设的电压因子系数算法获取当前次的电压因子系数Kv。
进一步地,所述电流因子系数Kc的获取方法包括:
根据电池当前次的输出电流对时间的积分与前一次计算SOC时输出电流对时间的积分的差值,通过预设的电流因子系数算法获取当前次的电流因子系数Kc。
进一步地,所述温度因子系数Kt的获取方法包括:
根据电池当前次的电池温度的热量对时间的积分与前一次计算SOC时电池温度的热量对时间的积分的差值,通过预设的温度因子系数算法获取当前次的温度因子系数Kt。
进一步地,所述电池衰减系数δ的获取方法包括:
根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa,以及电池当前次的输出电流对时间的积分,通过预设的电池衰减系数算法获取当前次的电池衰减系数δ。
进一步地,所述电流测量误差修正量η的获取方法包括:
根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa;
根据电池当前次的输出电流对时间的积分∫(i)*d(t)、电池当前次的理论荷电状态SOCa以及前一次的电池满充容量Q(i),通过库伦Ah计量法获取当前次的电池荷电状态SOCb;
根据电池当前次的电流对时间的积分∫(i)*d(t)、理论荷电状态SOCa以及电池荷电状态SOCb,通过预设的电流测量误差修正量算法获取当前次的电流测量误差修正量η。
本发明还提供一种电池荷电状态的估算装置,包括:
修正单元,用于通过前一次估算的电池荷电状态,修正当前次的OCV曲线,以及修正当前次的电池满充容量;
计算单元,用于根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;其中,如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值。
进一步地,计算当前次的电池荷电状态的估算公式为:
SOC(%)=SOC0+(∫(i)*η*d(t)/Q(i))*δ*Kc*Kt*Kv;其中,
SOC0为前一次估算的SOC;
∫(i)*η*d(t)表示电量积分计算的电池充放电容量变化量,η为电流测量误差修正量;
δ为电池衰减系数,Kc为电流因子系数,Kt为温度因子系数,Kv电压因子系数;
Q(i)为估算的前一次的电池满充容量,与δ、Kc、Kt、Kv系数有关;
如果当前次为第一次估算电池荷电状态,则SOC0取电池出厂时的理论电池荷电状态;η、δ、Kc、Kt以及Kv均取值为1。
进一步地,所述修正单元包括:
OCV曲线修正模块,用于通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η和前一次的电池满充电量Q(i),根据预设的OCV曲线修正算法进行修正,得到当前次的OCV曲线。
进一步地,所述修正单元包括:
电池满充容量修正模块,用于通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η、电池当前的输出电流和前一次的电池满充电量Q(i),根据预设的电池满充电量修正算法,得到当前次的电池满充容量。
进一步地,所述计算单元包括:
电压因子系数获取模块,用于根据电池当前的电压与前一次计算SOC时的电压的差值,以及修正后的OCV曲线,通过预设的电压因子系数算法获取当前次的电压因子系数Kv。
进一步地,所述计算单元包括:
电流因子系数获取模块,用于根据电池当前次的输出电流对时间的积分与前一次计算SOC时输出电流对时间的积分的差值,通过预设的电流因子系数算法获取当前次的电流因子系数Kc。
进一步地,所述计算单元包括:
温度因子系数获取模块,用于根据电池当前次的电池温度的热量对时间的积分与前一次计算SOC时电池温度的热量对时间的积分的差值,通过预设的温度因子系数算法获取当前次的温度因子系数Kt。
进一步地,所述计算单元包括:
电池衰减系数获取模块,用于根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa,以及电池当前次的输出电流对时间的积分,通过预设的电池衰减系数算法获取当前次的电池衰减系数δ。
进一步地,所述计算单元包括电流测量误差修正量获取模块,用于获取电流测量误差修正量η;该电流测量误差修正量获取模块包括:
理论荷电状态获取子模块,用于根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa;
库伦Ah计量子模块,用于根据电池当前次的输出电流对时间的积分∫(i)*d(t)、电池当前次的理论荷电状态SOCa以及前一次的电池满充容量Q(i),通过库伦Ah计量法获取当前次的电池荷电状态SOCb;
电流测量误差修正量获取子模块,用于根据电池当前次的电流对时间的积分∫(i)*d(t)、理论荷电状态SOCa以及电池荷电状态SOCb,通过预设的电流测量误差修正量算法获取当前次的电流测量误差修正量η。
本发明电池荷电状态的估算方法和装置,通过前一次估算的电池荷电状态,修正当前次的OCV曲线和电池满充容量,然后估算当前次的电池荷电状态,也就是将前一次的SOC的状态量作为当前次的SOC测量的可信度参数进行计算,使电池使用的时间越长,记忆和学习的信息越充分,则获得的OCV曲线、电池满充容量等与电池状态越贴切,估算的SOC越准确。
附图说明
图1本发明一实施例的电池荷电状态的估算方法的流程图;
图2本发明一实施例的修正当前次的OCV曲线的方法示意图;
图3本发明一实施例的修正当前次的电池满充容量的方法示意图;
图4本发明一实施例的电压因子系数Kv的获取方法、电流因子系数Kc的获取方法以及温度因子系数Kt的获取方法的示意图;
图5本发明一具体实施例的电池荷电状态的估算示意图;
图6本发明一实施例的电池荷电状态的估算方法的过程示意图;
图7本发明一实施例的电池荷电状态的估算装置的结构框图;
图8本发明一实施例的修正单元的结构框图;
图9本发明一实施例的计算单元的结构框图;
图10本发明一实施例的电流测量误差修正量获取模块的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明实施例中提出一种电池荷电状态的估算方法,其特征在于,包括步骤:
S1、通过前一次估算的电池荷电状态,修正当前次的OCV(Open Circuit Voltage,开路电压)曲线,以及修正当前次的电池满充容量;
S2、根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;其中,如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值。
如上述步骤S1所述,OCV曲线结合前一次的电池荷电状态,得到当前次的OCV曲线,即当前次的OCV曲线是通过自主学习得来的;同理,当前次的电池满充容量也是通过自主学习得来的。每一次估算电池荷电状态都会对OCV曲线和电池满充容量进行修正处理,那么所得到的OCV曲线和电池满充容量的估算值会与实际的真实值更加的接近,而且随着估算电池荷电状态的次数增加,所得到的OCV曲线和电池满充容量越加的接近真实值。
如上述步骤S2所述,通过估算公式计算当前次的电池荷电状态,因为步骤S1中所提供的计算参数更接近实际的真实值,所以计算得出的电池荷电状态与实际的真实值更加的接近,因为是一个不断累积的过程,每一次的估算结果都是通过修正后的各参数计算得来,所以电池荷电状态的估算随着估算次数的累积而越加的接近真实值。上述当前次为第一次,是指电池为新电池没有使用过的电池,那么前一次的OCV曲线以及电池满充容量选用电池出厂时给出的数字。
本实施例中,上述计算当前的电池荷电状态的估算公式为:
SOC(%)=SOC0+(∫(i)*η*d(t)/Q(i))*δ*Kc*Kt*Kv;其中,
SOC0为前一次估算的SOC;
∫(i)*η*d(t)表示电量积分计算的电池充放电容量变化量,η为电流测量误差修正量;
δ为电池衰减系数,Kc为电流因子系数,Kt为温度因子系数,Kv电压因子系数;
Q(i)为估算的前一次的电池满充容量,与δ、Kc、Kt、Kv系数有关;
如果当前次为第一次估算电池荷电状态,则SOC0取电池出厂时的理论电池荷电状态;η、δ、Kc、Kt以及Kv均取值为1。
上述的电池衰减系数δ、电流因子系数Kc、温度因子系数Kt、电压因子系数Kv以及电流测量误差修正量η可以为预设值,也可以为通过不断自主学习的学习值,通过不断的自我学习,可以不断进行自我修正,从而提高电池荷电状态的估算准确性。
参照图2,本实施例中,上述修正当前次的OCV曲线的方法包括:通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η和前一次的电池满充电量Q(i),根据预设的OCV曲线修正算法进行修正,得到当前次的OCV曲线。本实施例中,预设的OCV曲线修正算法可以为Vocv=f(SOC,I),表示当前电流下对应的那条OCV曲线中,当前SOC值所对应OCV曲线的SOC点,其对应的电压修正值取当前电池电压采样值进行修正。修正后的OCV曲线,将作为当前次估算电池荷电状态的已知量,提高估算当前次的电池荷电状态的准确性。
参照图3,本实施例中,上述修正当前次的电池满充容量的方法包括:通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η、电池当前的输出电流和前一次的电池满充电量Q(i),根据预设的电池满充电量修正算法,得到当前次的电池满充容量。本实施例中,电池满充电量修正算法可以为Q(i)now=(Q(i)*δ+∫(i)*d(t)*η/(SOCb-SOC0))/2,Q(i)为前次测量满充电量,δ为电池衰减系数,∫(i)*d(t)为一段时间的电流积分量,η为电流误差系数,SOCb为当前SOC值,SOC0为前一次SOC值。修正后的电池满充电量,将作为当前次估算电池荷电状态的已知量,提高估算当前次的电池荷电状态的准确性。本实施例中,在得到修正后的电池满充容量后,可以估算出电池的SOH(state ofhealth SOH,电池健康状态),一般通过公式SOH=Q(i)/Q(s)*δ,其中,Q(i)为修正后的电池满充电量,Q(s)为电池出厂时的满充容量,δ为电池衰减系数。
在一具体实施例中,上述的电池衰减系数δ、电流因子系数Kc、温度因子系数Kt、电压因子系数Kv以及电流测量误差修正量η均为通过不断自主学习的学习值。其中:
参照图4,上述电压因子系数Kv的获取方法包括:根据电池当前的电压与前一次计算SOC时的电压的差值,以及修正后的OCV曲线,通过预设的电压因子系数算法获取当前次的电压因子系数Kv。上述电压因子系数算法可以为Kv=(ABS(△OCVsocnow,△OCVsocb)+ABS(Vnow,Vsocb))/100;其中,△OCVsocnow=(Vsocnow-Vsocnow-1)/(SOCnow-SOCnow-1),表示当前SOC变化1%对应电压的变化量;而SOCnow表示当前SOC,SOCnow-1表示当前SOC在OCV曲线中对应的前一个点的SOC,Vsocnow表示当前SOC在OCV曲线中对应的电压,Vsocnow-1表示当前SOC在OCV曲线中对应的前一个点的电压;△OCVsocb=(Vsocb-Vsocb-1)/(SOCb-SOCb-1);表示本次推定出的SOC变化1%对应电压的变化量;而SOCb表示本次推定出的SOC,SOCb-1表示本次推定出的SOC在OCV曲线中对应的前一个点的SOC,Vsocb表示本次推定出的SOC在OCV曲线中对应的电压,Vsocb-1表示本次推定出的SOC在OCV曲线中对应的前一个点的电压;Vnow表示当前电压值;Vsocb表示本次推定出的SOC在OCV曲线中对应的电压。
参照图4,上述电流因子系数Kc的获取方法包括:根据电池当前次的输出电流对时间的积分与前一次计算SOC时输出电流对时间的积分的差值,通过预设的电流因子系数算法获取当前次的电流因子系数Kc。上述电流因子系数算法可以为Kc=△I*△I*0.0015,其中,△I=∫(Inow)*d(t)-∫(Iocv)*d(t),表示当前直流与OCV曲线对应电流的误差值,有正负号,而Inow表示当前电流,Iocv表示OCV曲线对应电流。
参照图4,上述温度因子系数Kt的获取方法包括:根据电池当前次的电池温度的热量对时间的积分与前一次计算SOC时电池温度的热量对时间的积分的差值,通过预设的温度因子系数算法获取当前次的温度因子系数Kt。上述温度因子系数算法可以为Kt=(∫(Tnow)*d(t)-∫(Tbef)*d(t))/(Tnow-Tocv),其中,Tnow表示当前温度,Tbef表示上次计算时的温度,Tocv为OCV曲线对应温度。
参照图5,上述电池衰减系数δ的获取方法包括:根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa,以及电池当前次的输出电流对时间的积分,通过预设的电池衰减系数算法获取当前次的电池衰减系数δ。上述电池衰减系数算法可以为δ=((Vmax-Vmin)/(Imax-Imin))*((∫(i)*d(t)+SOCb*Q(i))/(SOCa*Q(i))),其中,Imax、Imin、Vmax、Vmin为电流变化过程采集的起始点和结束点的电流值以及对应的电压,∫(i)*d(t)为起始点和结束点时间内电流的积分值,SOCa为当前理论荷电状态,SOCb为当前实际荷电状态,Q(i)为当前总容量。
参照图5,上述电流测量误差修正量η的获取方法包括:根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa;根据电池当前次的输出电流对时间的积分∫(i)*d(t)、电池当前次的理论荷电状态SOCa以及前一次的电池满充容量Q(i),通过库伦Ah计量法获取当前次的电池荷电状态SOCb;根据电池当前次的电流对时间的积分∫(i)*d(t)、理论荷电状态SOCa以及电池荷电状态SOCb,通过预设的电流测量误差修正量算法获取当前次的电流测量误差修正量η。所述电流测量误差修正量算法的算法可以为η=∫(i)*d(t)/(SOCa-SOCb)*Q(i);其中,∫(i)*d(t)为上次到本次计算时间内电流的积分值,SOCa为当前理论荷电状态,SOCb为当前实际荷电状态,Q(i)为当前总容量。
参照图5,在一具体实施例中,通过修正后的OCV曲线和修正后的电池满充容量,以及电池当前状态的电压、输出电流和温度值,分别计算得到电压因子系数Kv、电流因子系数Kc、温度因子系数Kt、池衰减系数δ以及电流测量误差修正量η,然后带入到电池荷电状态的估算公式中计算当前次的电池荷电状态。每个周期完成一次SOC的估算后,均对当前次的估算条件和估算结果进行记忆,下一次估算条件相同或相似时,利用当前次的估算结果可作为下一次估算参考量进行修正,进一步地缩小误差。经过多次推定和修正后即可逐渐减小误差,使估算值越来越趋向于真实值。比如,参照图6,第二次的估算电池荷电状态时,通过第一次估算时所得到的各种参数,对第二次的各种参数进行修正,然后通过估算公式得到第二次的电池荷电状态;然后进行第三次的估算电池荷电状态,通过第二次估算时所得到的各种参数,对第三次的各种参数进行修正,然后通过估算公式得到第三次的电池荷电状态;以此类推,使电池荷电状体的估算值越来越趋向于真实值。
本实施例的电池荷电状态的估算方法,通过前一次估算的电池荷电状态,修正当前次的OCV曲线和电池满充容量,然后估算当前次的电池荷电状态,也就是将前一次的SOC的状态量作为当前次的SOC测量的可信度参数进行计算,使电池使用的时间越长,记忆和学习的信息越充分,则获得的OCV曲线、电池满充容量等与电池状态越贴切,估算的SOC越准确。
参照图7,本发明实施例中,还提供一种电池荷电状态的估算装置,包括:
修正单元10,用于通过前一次估算的电池荷电状态,修正当前次的OCV曲线,以及修正当前次的电池满充容量;
计算单元20,用于根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;其中,如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值。
如上述修正单元10,使OCV曲线结合前一次的电池荷电状态,得到当前次的OCV曲线,即当前次的OCV曲线是通过自主学习得来的;同理,当前次的电池满充容量也是通过自主学习得来的。每一次估算电池荷电状态都会对OCV曲线和电池满充容量进行修正处理,那么所得到的OCV曲线和电池满充容量的估算值会与实际的真实值更加的接近,而且随着估算电池荷电状态的次数增加,所得到的OCV曲线和电池满充容量越加的接近真实值。
如上述计算单元20,通过估算公式计算当前次的电池荷电状态,因为修正单元10所提供的计算参数更接近实际的真实值,所以计算得出的电池荷电状态与实际的真实值更加的接近,因为是一个不断累积的过程,每一次的估算结果都是通过修正后的各参数计算得来,所以电池荷电状态的估算随着估算次数的累积而越加的接近真实值。上述当前次为第一次,是指电池为新电池没有使用过的电池,那么前一次的OCV曲线以及电池满充容量选用电池出厂时给出的数字。
本实施例中,上述计算当前次的电池荷电状态的估算公式为:
SOC(%)=SOC0+(∫(i)*η*d(t)/Q(i))*δ*Kc*Kt*Kv;其中,
SOC0为前一次估算的SOC;
∫(i)*η*d(t)表示电量积分计算的电池充放电容量变化量,η为电流测量误差修正量;
δ为电池衰减系数,Kc为电流因子系数,Kt为温度因子系数,Kv电压因子系数;
Q(i)为估算的前一次的电池满充容量,与δ、Kc、Kt、Kv系数有关;
如果当前次为第一次估算电池荷电状态,则SOC0取电池出厂时的理论电池荷电状态;η、δ、Kc、Kt以及Kv均取值为1。
上述的电池衰减系数δ、电流因子系数Kc、温度因子系数Kt、电压因子系数Kv以及电流测量误差修正量η可以为预设值,也可以为通过不断自主学习的学习值,通过不断的自我学习,可以不断进行自我修正,从而提高电池荷电状态的估算准确性。
参照图8,本实施例中,上述修正单元10包括:OCV曲线修正模块11,用于通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η和前一次的电池满充电量Q(i),根据预设的OCV曲线修正算法进行修正,得到当前次的OCV曲线。本实施例中,预设的OCV曲线修正算法可以为Vocv=f(SOC,I),表示当前电流下对应的那条OCV曲线中,当前SOC值所对应OCV曲线的SOC点,其对应的电压修正值取当前电池电压采样值进行修正。修正后的OCV曲线,将作为当前次估算电池荷电状态的已知量,提高估算当前次的电池荷电状态的准确性。
本实施例中,上述修正单元10包括:电池满充容量修正模块12,用于通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η、电池当前的输出电流和前一次的电池满充电量Q(i),根据预设的电池满充电量修正算法,得到当前次的电池满充容量。本实施例中,电池满充电量修正算法可以为Q(i)now=(Q(i)*δ+∫(i)*d(t)*η/(SOCb-SOC0))/2,Q(i)为前次测量满充电量,δ为电池衰减系数,∫(i)*d(t)为一段时间的电流积分量,η为电流误差系数,SOCb为当前SOC值,SOC0为前一次SOC值。修正后的电池满充电量,将作为当前次估算电池荷电状态的已知量,提高估算当前次的电池荷电状态的准确性。本实施例中,在得到修正后的电池满充容量后,可以估算出电池的SOH(state ofhealth SOH,电池健康状态),一般通过公式SOH=Q(i)/Q(s)*δ,其中,Q(i)为修正后的电池满充电量,Q(s)为电池出厂时的满充容量,δ为电池衰减系数。
参照图9,在一具体实施例中,上述的电池衰减系数δ、电流因子系数Kc、温度因子系数Kt、电压因子系数Kv以及电流测量误差修正量η均为通过不断自主学习的学习值。所以上述计算单元20包括:
电压因子系数获取模块21,用于根据电池当前的电压与前一次计算SOC时的电压的差值,以及修正后的OCV曲线,通过预设的电压因子系数算法获取当前次的电压因子系数Kv,所述电压因子系数算法可以为Kv=(ABS(△OCVsocnow,△OCVsocb)+ABS(Vnow,Vsocb))/100;其中,△OCVsocnow=(Vsocnow-Vsocnow-1)/(SOCnow-SOCnow-1),表示当前SOC变化1%对应电压的变化量;而SOCnow表示当前SOC,SOCnow-1表示当前SOC在OCV曲线中对应的前一个点的SOC,Vsocnow表示当前SOC在OCV曲线中对应的电压,Vsocnow-1表示当前SOC在OCV曲线中对应的前一个点的电压;△OCVsocb=(Vsocb-Vsocb-1)/(SOCb-SOCb-1);表示本次推定出的SOC变化1%对应电压的变化量;而SOCb表示本次推定出的SOC,SOCb-1表示本次推定出的SOC在OCV曲线中对应的前一个点的SOC,Vsocb表示本次推定出的SOC在OCV曲线中对应的电压,Vsocb-1表示本次推定出的SOC在OCV曲线中对应的前一个点的电压;Vnow表示当前电压值;Vsocb表示本次推定出的SOC在OCV曲线中对应的电压。
电流因子系数获取模块22,用于根据电池当前次的输出电流对时间的积分与前一次计算SOC时输出电流对时间的积分的差值,通过预设的电流因子系数算法获取当前次的电流因子系数Kc,上述电流因子系数算法可以为Kc=△I*△I*0.0015,其中,△I=∫(Inow)*d(t)-∫(Iocv)*d(t),表示当前直流与OCV曲线对应电流的误差值,有正负号,而Inow表示当前电流,Iocv表示OCV曲线对应电流。
温度因子系数获取模块23,用于根据电池当前次的电池温度的热量对时间的积分与前一次计算SOC时电池温度的热量对时间的积分的差值,通过预设的温度因子系数算法获取当前次的温度因子系数Kt,上述温度因子系数算法可以为Kt=(∫(Tnow)*d(t)-∫(Tbef)*d(t))/(Tnow-Tocv),其中,Tnow表示当前温度,Tbef表示上次计算时的温度,Tocv为OCV曲线对应温度。
电池衰减系数获取模块24,用于根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa,以及电池当前次的输出电流对时间的积分,通过预设的电池衰减系数算法获取当前次的电池衰减系数δ,上述电池衰减系数算法可以为δ=((Vmax-Vmin)/(Imax-Imin))*((∫(i)*d(t)+SOCb*Q(i))/(SOCa*Q(i))),其中,Imax、Imin、Vmax、Vmin为电流变化过程采集的起始点和结束点的电流值以及对应的电压,∫(i)*d(t)为起始点和结束点时间内电流的积分值,SOCa为当前理论荷电状态,SOCb为当前实际荷电状态,Q(i)为当前总容量。
电流测量误差修正量获取模块25,用于获取电流测量误差修正量η;参照图10,该电流测量误差修正量获取模块25包括:理论荷电状态获取子模块251,用于根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa;库伦Ah计量子模块252,用于根据电池当前次的输出电流对时间的积分∫(i)*d(t)、电池当前次的理论荷电状态SOCa以及前一次的电池满充容量Q(i),通过库伦Ah计量法获取当前次的电池荷电状态SOCb;电流测量误差修正量获取子模块253,用于根据电池当前次的电流对时间的积分∫(i)*d(t)、理论荷电状态SOCa以及电池荷电状态SOCb,通过预设的电流测量误差修正量算法获取当前次的电流测量误差修正量η,所述电流测量误差修正量算法的算法可以为η=∫(i)*d(t)/(SOCa-SOCb)*Q(i);其中,∫(i)*d(t)为上次到本次计算时间内电流的积分值,SOCa为当前理论荷电状态,SOCb为当前实际荷电状态,Q(i)为当前总容量。
在一具体实施例中,通过修正后的OCV曲线和修正后的电池满充容量,以及电池当前状态的电压、输出电流和温度值,分别计算得到电压因子系数Kv、电流因子系数Kc、温度因子系数Kt、池衰减系数δ以及电流测量误差修正量η,然后带入到电池荷电状态的估算公式中计算当前次的电池荷电状态。每个周期完成一次SOC的估算后,均对当前次的估算条件和估算结果进行记忆,下一次估算条件相同或相似时,利用当前次的估算结果可作为下一次估算参考量进行修正,进一步地缩小误差。经过多次推定和修正后即可逐渐减小误差,使估算值越来越趋向于真实值。比如,参照图6,第二次的估算电池荷电状态时,通过第一次估算时所得到的各种参数,对第二次的各种参数进行修正,然后通过估算公式得到第二次的电池荷电状态;然后进行第三次的估算电池荷电状态,通过第二次估算时所得到的各种参数,对第三次的各种参数进行修正,然后通过估算公式得到第三次的电池荷电状态;以此类推,使电池荷电状体的估算值越来越趋向于真实值。
本实施例的电池荷电状态的估算装置,通过前一次估算的电池荷电状态,修正当前次的OCV曲线和电池满充容量,然后估算当前次的电池荷电状态,也就是将前一次的SOC的状态量作为当前次的SOC测量的可信度参数进行计算,使电池使用的时间越长,记忆和学习的信息越充分,则获得的OCV曲线、电池满充容量等与电池状态越贴切,估算的SOC越准确。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种电池荷电状态的估算方法,其特征在于,包括:
通过前一次估算的电池荷电状态,修正当前次的OCV曲线,以及修正当前次的电池满充容量;
根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;其中,如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值;
所述计算当前次的电池荷电状态的估算公式为:
SOC(%)=SOC0+(∫(i)*η*d(t)/Q(i))*δ*Kc*Kt*Kv;
其中,电池满充容量修正算法公式为Q(i)now=(Q(i)*δ+∫(i)*d(t)*η/(SOCb-SOC0))/2,OCV曲线修正算法公式为Vocv=f(SOC,I),所述OCV曲线修正算法公式表示当前电流I下对应的那条OCV曲线中,当前SOC值所对应OCV曲线的SOC点,其对应的电压修正值取当前电池电压采样值进行修正;
其中,
SOC0为前一次估算的SOC;
∫(i)*η*d(t)表示电量积分计算的电池充放电容量变化量,η为电流测量误差修正量;
δ为电池衰减系数,Kc为电流因子系数,Kt为温度因子系数,Kv电压因子系数;
Q(i)为估算的前一次的电池满充容量,与δ、Kc、Kt、Kv系数有关;
如果当前次为第一次估算电池荷电状态,则SOC0取电池出厂时的理论电池荷电状态;η、δ、Kc、Kt以及Kv均取值为1;
所述电压因子系数Kv的获取方法包括:
根据电池当前的电压与前一次计算SOC时的电压的差值,以及修正后的OCV曲线,通过预设的电压因子系数算法获取当前次的电压因子系数Kv;
所述电流因子系数Kc的获取方法包括:
根据电池当前次的输出电流对时间的积分与前一次计算SOC时输出电流对时间的积分的差值,通过预设的电流因子系数算法获取当前次的电流因子系数 Kc;
所述温度因子系数Kt的获取方法包括:
根据电池当前次的电池温度对时间的积分与前一次计算SOC时电池温度对时间的积分的差值,通过预设的温度因子系数算法获取当前次的温度因子系数Kt;
所述电池衰减系数δ的获取方法包括:
根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa,以及电池当前次的输出电流对时间的积分,通过预设的电池衰减系数算法获取当前次的电池衰减系数δ;
所述电流测量误差修正量η的获取方法包括:
根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa;
根据电池当前次的输出电流对时间的积分∫(i)*d(t)、电池当前次的理论荷电状态SOCa以及前一次的电池满充容量Q(i),通过库伦Ah计量法获取当前次的电池荷电状态SOCb;
根据电池当前次的电流对时间的积分∫(i)*d(t)、理论荷电状态SOCa以及电池荷电状态SOCb,通过预设的电流测量误差修正量算法获取当前次的电流测量误差修正量η。
2.根据权利要求1所述的电池荷电状态的估算方法,其特征在于,所述修正当前次的OCV曲线的方法包括:
通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数 Kt、电压因子系数Kv、电流测量误差修正量η和前一次的电池满充容量Q(i),根据预设的OCV曲线修正算法进行修正,得到当前次的OCV曲线。
3.根据权利要求1所述的电池荷电状态的估算方法,其特征在于,所述修正当前次的电池满充容量的方法包括:
通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η、电池当前的输出电流和前一次的电池满充容量Q(i),根据预设的电池满充容量修正算法,得到当前次的电池满充容量。
4.一种电池荷电状态的估算装置,其特征在于,包括:
修正单元,用于通过前一次估算的电池荷电状态,修正当前次的OCV曲线,以及修正当前次的电池满充容量;
计算单元,用于根据修正后的OCV曲线以及修正后的电池满充容量,通过对应的估算公式计算当前次的电池荷电状态;其中,如果当前次为第一次时,所述前一次的电池荷电状态、OCV曲线以及电池满充容量均为电池出厂时的理论值;
计算当前次的电池荷电状态的估算公式为:
SOC(%)=SOC0+(∫(i)*η*d(t)/Q(i))*δ*Kc*Kt*Kv;
其中,电池满充容量修正算法公式为Q(i)now=(Q(i)*δ+∫(i)*d(t)*η/(SOCb-SOC0))/2,OCV曲线修正算法公式为Vocv=f(SOC,I),所述OCV曲线修正算法公式表示当前电流I下对应的那条OCV曲线中,当前SOC值所对应OCV曲线的SOC点,其对应的电压修正值取当前电池电压采样值进行修正;
其中,
SOC0为前一次估算的SOC;
∫(i)*η*d(t)表示电量积分计算的电池充放电容量变化量,η为电流测量误差修正量;
δ为电池衰减系数,Kc为电流因子系数,Kt为温度因子系数,Kv电压因子系数;
Q(i)为估算的前一次的电池满充容量,与δ、Kc、Kt、Kv系数有关;
如果当前次为第一次估算电池荷电状态,则SOC0取电池出厂时的理论电池荷电状态;η、δ、Kc、Kt以及Kv均取值为1;
所述计算单元包括:
电压因子系数获取模块,用于根据电池当前的电压与前一次计算SOC时的电压的差值,以及修正后的OCV曲线,通过预设的电压因子系数算法获取当前次的电压因子系数Kv;
电流因子系数获取模块,用于根据电池当前次的输出电流对时间的积分与前一次计算SOC时输出电流对时间的积分的差值,通过预设的电流因子系数算法获取当前次的电流因子系数Kc;
温度因子系数获取模块,用于根据电池当前次的电池温度对时间的积分与前一次计算SOC时电池温度对时间的积分的差值,通过预设的温度因子系数算法获取当前次的温度因子系数Kt;
电池衰减系数获取模块,用于根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa,以及电池当前次的输出电流对时间的积分,通过预设的电池衰减系数算法获取当前次的电池衰减系数δ;
电流测量误差修正量获取模块,用于获取电流测量误差修正量η;该电流测量误差修正量获取模块包括:
理论荷电状态获取子模块,用于根据电池当前次的电压与修正后的OCV曲线,通过开路电压法获取电池当前次的理论荷电状态SOCa;
库伦Ah计量子模块,用于根据电池当前次的输出电流对时间的积分∫(i)* d(t)、电池当前次的理论荷电状态SOCa以及前一次的电池满充容量Q(i),通过库伦Ah计量法获取当前次的电池荷电状态SOCb;
电流测量误差修正量获取子模块,用于根据电池当前次的电流对时间的积分∫(i)*d(t)、理论荷电状态SOCa以及电池荷电状态SOCb,通过预设的电流测量误差修正量算法获取当前次的电流测量误差修正量η。
5.根据权利要求4所述的电池荷电状态的估算装置,其特征在于,所述修正单元包括:
OCV曲线修正模块,用于通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η和前一次的电池满充容量Q(i),根据预设的OCV曲线修正算法进行修正,得到当前次的OCV曲线。
6.根据权利要求4所述的电池荷电状态的估算装置,其特征在于,所述修正单元包括:
电池满充容量修正模块,用于通过前一次的电池荷电状态SOC0,以及电流因子系数Kc、温度因子系数Kt、电压因子系数Kv、电流测量误差修正量η、电池当前的输出电流和前一次的电池满充容量Q(i),根据预设的电池满充容量修正算法,得到当前次的电池满充容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510629639.0A CN105353313B (zh) | 2015-09-28 | 2015-09-28 | 电池荷电状态的估算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510629639.0A CN105353313B (zh) | 2015-09-28 | 2015-09-28 | 电池荷电状态的估算方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105353313A CN105353313A (zh) | 2016-02-24 |
CN105353313B true CN105353313B (zh) | 2020-07-28 |
Family
ID=55329315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510629639.0A Active CN105353313B (zh) | 2015-09-28 | 2015-09-28 | 电池荷电状态的估算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105353313B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10300807B2 (en) * | 2016-02-04 | 2019-05-28 | Johnson Controls Technology Company | Systems and methods for state of charge and capacity estimation of a rechargeable battery |
CN105866699A (zh) * | 2016-05-20 | 2016-08-17 | 上海电气分布式能源科技有限公司 | 一种电池荷电量的估算方法 |
CN106154175B (zh) * | 2016-06-29 | 2018-11-06 | 成都雅骏新能源汽车科技股份有限公司 | 基于动态压差的充电电池荷电状态估算***及工作流程 |
CN107664751A (zh) * | 2016-07-28 | 2018-02-06 | 中兴通讯股份有限公司 | 一种蓄电池实时荷电状态的测算方法及测算装置 |
CN108351386B (zh) * | 2016-10-14 | 2021-04-09 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
JP6869697B2 (ja) * | 2016-11-02 | 2021-05-12 | マレリ株式会社 | オブザーバゲインの設定方法 |
CN106443482B (zh) * | 2016-11-03 | 2020-01-24 | 珠海市魅族科技有限公司 | 电子设备及其电池放电曲线校准方法 |
CN109324292A (zh) * | 2017-07-31 | 2019-02-12 | 北京展讯高科通信技术有限公司 | 计算电池soc的方法、装置及终端 |
CN107817449A (zh) * | 2017-09-29 | 2018-03-20 | 北京大城绿川科技有限公司 | 一种恒电流放电过程中蓄电池剩余容量的检测方法 |
DE102018212545A1 (de) * | 2018-07-27 | 2020-01-30 | Audi Ag | Verfahren zum Überwachen eines Zustands einer Batterie, Überwachungseinrichtung und Kraftfahrzeug |
CN110879364B (zh) * | 2018-08-27 | 2022-03-18 | 比亚迪股份有限公司 | 一种修正电池荷电状态soc显示的方法、装置、电子设备 |
CN109343689B (zh) * | 2018-09-30 | 2021-12-24 | 联想(北京)有限公司 | 一种信息处理方法及装置 |
CN109581242A (zh) * | 2018-12-28 | 2019-04-05 | 蜂巢能源科技有限公司 | 荷电状态soc的误差估算方法及*** |
CN109782210B (zh) * | 2019-03-11 | 2021-05-11 | 威马智慧出行科技(上海)有限公司 | 电动汽车电池管理***的电流传感器校正方法及电子设备 |
CN110361658A (zh) * | 2019-08-12 | 2019-10-22 | 广东博力威科技股份有限公司 | 基于ocv的soc估算方法 |
CN111048857B (zh) * | 2019-12-20 | 2022-01-11 | 宁德时代新能源科技股份有限公司 | 电池组的ocv-soc曲线更新方法、电池管理***及车辆 |
CN114062941A (zh) * | 2020-07-31 | 2022-02-18 | 比亚迪股份有限公司 | 一种动力电池的荷电状态估算方法、装置及电动车辆 |
CN112269134B (zh) * | 2020-09-10 | 2022-12-02 | 杭州电子科技大学 | 一种基于深度学习的电池soc和soh联合估计方法 |
CN112415399B (zh) * | 2020-10-16 | 2023-10-10 | 欣旺达电动汽车电池有限公司 | 电池单体ocv-soc曲线修正方法、设备及存储介质 |
CN115843397A (zh) | 2021-07-22 | 2023-03-24 | 宁德时代新能源科技股份有限公司 | 确定电池包的满充容量和健康状况的方法、***及装置 |
CN114035083B (zh) * | 2021-12-13 | 2023-12-19 | 广东高标智能科技股份有限公司 | 电池总容量计算方法、装置、***和存储介质 |
CN115840148B (zh) * | 2022-01-07 | 2024-01-23 | 宁德时代新能源科技股份有限公司 | 确定电池荷电状态的方法、装置、电子设备及存储介质 |
CN114660467B (zh) * | 2022-03-29 | 2023-04-07 | 无锡凌博电子技术股份有限公司 | 一种采用电压动态补偿优化的soc修正方法 |
CN114889491A (zh) * | 2022-05-05 | 2022-08-12 | 中国第一汽车股份有限公司 | 混合电池的控制方法、装置、存储介质及电子装置 |
CN115728658B (zh) * | 2022-11-02 | 2024-04-30 | 欣旺达动力科技股份有限公司 | 电芯内阻的老化程度估算方法、电动汽车及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090077657A (ko) * | 2008-01-11 | 2009-07-15 | 에스케이에너지 주식회사 | 배터리 관리 시스템에서 배터리의 soc 측정 방법 및 장치 |
WO2011133863A2 (en) * | 2010-04-22 | 2011-10-27 | Enerdel, Inc. | Monitoring of battery state of charge |
JP5318128B2 (ja) * | 2011-01-18 | 2013-10-16 | カルソニックカンセイ株式会社 | バッテリの充電率推定装置 |
CN102662148B (zh) * | 2012-05-09 | 2014-06-18 | 中国农业大学 | 在线反馈式蓄电池soc预测方法 |
CN103529393A (zh) * | 2013-10-22 | 2014-01-22 | 南京汽车集团有限公司 | 一种汽车动力锂电池soc估算方法 |
CN103616646B (zh) * | 2013-12-02 | 2016-04-06 | 惠州市亿能电子有限公司 | 一种利用ocv-soc曲线修正soc的方法 |
CN104052120B (zh) * | 2014-06-20 | 2016-03-30 | 东北大学 | 带自发电***的石油管道内检测器的电源监控方法及*** |
-
2015
- 2015-09-28 CN CN201510629639.0A patent/CN105353313B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105353313A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105353313B (zh) | 电池荷电状态的估算方法和装置 | |
Xu et al. | State of charge estimation for lithium-ion batteries based on adaptive dual Kalman filter | |
CN110914696B (zh) | 用于在电池的操作期间估计电池开路池格电压、充电状态以及健康状态的方法和*** | |
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
CN103454501B (zh) | 内部电阻推定装置以及内部电阻推定方法 | |
Chen et al. | Battery state of charge estimation based on a combined model of Extended Kalman Filter and neural networks | |
US8175826B2 (en) | Apparatus for estimating open circuit voltage of battery, apparatus for estimating state of charge of battery, and method for controlling the same | |
KR101238478B1 (ko) | 배터리 잔존 용량 측정 방법 | |
KR101195515B1 (ko) | 전원장치용 상태검지장치, 전원장치 및 전원장치에사용되는 초기 특성 추출장치 | |
JP6441913B2 (ja) | バッテリに蓄積された電荷のモニタリング | |
CN108196200A (zh) | 一种锂电池健康和荷电状态的联合模拟评估方法 | |
US20090187359A1 (en) | System and method for estimating battery state of charge | |
US20150112527A1 (en) | Battery soc estimation with automatic correction | |
CN107271905A (zh) | 一种用于纯电动汽车的电池容量主动估计方法 | |
CN104535932A (zh) | 一种锂离子电池荷电状态估计方法 | |
CN105676135A (zh) | 一种特种工程车用动力铅酸电池剩余容量在线估算方法 | |
KR100901252B1 (ko) | 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치 | |
KR20160128000A (ko) | 배터리 진단 장치 및 그 방법 | |
JP5474993B2 (ja) | 充電段階または放電段階において電池の充電状態を決定する方法 | |
CN109143102A (zh) | 一种安时积分估算锂电池soc方法 | |
CN105425153A (zh) | 一种估计电动车辆的动力电池的荷电状态的方法 | |
Nejad et al. | On-chip implementation of extended kalman filter for adaptive battery states monitoring | |
CN110596604B (zh) | 一种基于安时积分法的锂电池soc估计方法 | |
CN109752660B (zh) | 一种无电流传感器的电池荷电状态估计方法 | |
CN105353316A (zh) | 动力电池充电时soc变化量及充电电量折算系数测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210207 Address after: 321000 No.16 Hongyun Road, Lanjiang street, Lanxi City, Jinhua City, Zhejiang Province (self declaration) Patentee after: Zhejiang Xindong Energy Technology Co.,Ltd. Address before: 518000, 1st floor, 2nd floor, A-B area, 2nd floor, D area-9th floor, Yihe Road, Shiyan Street, Baoan District, Shenzhen City, Guangdong Province Patentee before: SUNWODA ELECTRONICS Co.,Ltd. |