CN105572596A - 锂电池soc估算方法及*** - Google Patents
锂电池soc估算方法及*** Download PDFInfo
- Publication number
- CN105572596A CN105572596A CN201610038375.6A CN201610038375A CN105572596A CN 105572596 A CN105572596 A CN 105572596A CN 201610038375 A CN201610038375 A CN 201610038375A CN 105572596 A CN105572596 A CN 105572596A
- Authority
- CN
- China
- Prior art keywords
- soc
- lithium battery
- state
- estimation
- model
- 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.)
- Granted
Links
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种锂电池SOC估算方法及***,该方法包括:确定锂电池等效电路中各电路参数与SOC的函数关系;基于该函数关系建立离线模型;基于该离线模型建立用于SOC在线估计的非线性状态空间模型;利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。本发明通过采用非线性滚动时域估计法估算锂电池的SOC,能够迅速减小SOC初始误差对SOC估计的影响及减小电流测量累计误差对SOC估计的影响,并对SOC估计范围进行显式约束,从而保证了锂电池SOC在线估计的准确性和可行性,很大程度上提高了电池管理***的有效性和可靠性。
Description
技术领域
本发明涉及一种电池管理***,特别涉及一种锂电池SOC(StateofCharge,荷电状态)估算方法及***。
背景技术
随着信息技术和新能源的兴起,锂离子电池因其具有能量密度大、输出功率高、充放电寿命长等优点越来越多地被应用于便携电子设备、电动汽车、家庭储能及空间技术等新兴技术领域。电池荷电状态估计是锂电池管理***的关键功能之一,对于提高电池使用率及延长电池使用寿命至关重要。目前,电池管理***SOC估算中主要采用电流积分法,由于该电流积分法是一个纯积分环节,无法消除SOC初始误差,并且电流测量中所产生的累计误差随着运行时间的增加而不断增加,因此精度较低,特别是在高温条件或者电流波动剧烈的情况下,误差更大。
发明内容
本发明要解决的技术问题是为了克服现有技术中采用电流积分法对锂电池SOC进行估算时存在的无法消除SOC初始误差,并且电流测量中所产生的累计误差随着运行时间的增加而不断增加等缺陷,提供一种锂电池SOC估算方法及***,该方法采用非线性滚动时域估计法对锂电池SOC进行在线实时估算。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供了一种锂电池SOC估算方法,其特点在于,其包括以下步骤:
S1、确定锂电池等效电路中各电路参数与SOC的函数关系;
S2、基于该函数关系建立离线模型;
S3、基于该离线模型建立用于SOC在线估计的非线性状态空间模型;
S4、利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。
较佳地,该些电路参数包括:开路电压VOC、欧姆内阻R0、极化电阻R1和等效电容C1。
较佳地,该离线模型为:
Vb=VOC-IR0-V1
对于一个采样周期Δt内,上述关系式的离散化形式表示为:
Vb,k=VOC,k-IkR0,k-V1,k
其中,时间常数τk=RkCk,RC网络由极化电阻R1和等效电容C1组成,Vb为锂电池电压,I为负载电流。
较佳地,该非线性状态空间模型为:
状态方程:xk+1=f(xk,uk)+wk
观测方程:yk=h(xk)+vk
满足约束条件:xk∈X,wk∈W,vk∈V
其中,状态变量 输入变量uk=Ik, 输出变量yk=Vb,k,h(xk)=VOC,k-IkR0,k-V1,k,wk和vk分别表示外部干扰和测量噪声、相互独立且均为高斯白噪声。
较佳地,设该非线性状态空间模型的初始状态为x0,在k时刻,所有测量数据为干扰序列为且初始状态x0的先验估计值满足均值为协方差为P0的正态分布,滚动时域窗口长度为N;
则在时刻T≤N时,利用该非线性滚动时域估计法获得第一关系式:
满足状态空间模型,且0≤SOCk≤1;
其中,参数R为模型干扰方差矩阵,参数Q为测量噪声方差矩阵,参数P为误差协方差矩阵;
则在T>N时,利用该非线性滚动时域估计法获得第二关系式:
满足状态空间模型,且0≤SOCk≤1;
步骤S4包括:
S41、根据锂电池模型精度和测量精度,设置初始化参数Q、R、P,初始估计状态和滚动时域窗口长度N;
S42、当T≤N时,求解该第一关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
S43、当T>N时,求解该第二关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
S44、计算(T+1)时刻的先验估计状态和误差方差矩阵获取(T+1)时刻的锂电池电压Vb和负载电流I,令T=T+1,并返回步骤S43。
本发明还提供一种锂电池SOC估算***,其特点在于,其包括:
一确定模块,用于确定锂电池等效电路中各电路参数与SOC的函数关系;
一离线模型建立模块,用于基于该函数关系建立离线模型;
一在线模型建立模块,用于基于该离线模型建立用于SOC在线估计的非线性状态空间模型;
一状态估算模块,用于利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。
较佳地,该些电路参数包括:开路电压VOC、欧姆内阻R0、极化电阻R1和等效电容C1。
较佳地,该离线模型为:
Vb=VOC-IR0-V1
对于一个采样周期Δt内,上述关系式的离散化形式表示为:
Vb,k=VOC,k-IkR0,k-V1,k
其中,时间常数τk=RkCk,RC网络由极化电阻R1和等效电容C1组成,Vb为锂电池电压,I为负载电流。
较佳地,该非线性状态空间模型为:
状态方程:xk+1=f(xk,uk)+wk
观测方程:yk=h(xk)+vk
满足约束条件:xk∈X,wk∈W,vk∈V
其中,状态变量 输入变量uk=Ik, 输出变量yk=Vb,k,h(xk)=VOC,k-IkR0,k-V1,k,wk和vk分别表示外部干扰和测量噪声、相互独立且均为高斯白噪声。
较佳地,设该非线性状态空间模型的初始状态为x0,在k时刻,所有测量数据为干扰序列为且初始状态x0的先验估计值满足均值为协方差为P0的正态分布,滚动时域窗口长度为N;
则在时刻T≤N时,利用该非线性滚动时域估计法获得第一关系式:
满足状态空间模型,且0≤SOCk≤1;
其中,参数R为模型干扰方差矩阵,参数Q为测量噪声方差矩阵,参数P为误差协方差矩阵;
则在T>N时,利用该非线性滚动时域估计法获得第二关系式:
满足状态空间模型,且0≤SOCk≤1;
该状态估算模块包括:
一设置单元,用于根据锂电池模型精度和测量精度,设置初始化参数Q、R、P,初始估计状态和滚动时域窗口长度N;
一第一计算单元,用于当T≤N时,求解该第一关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
一第二计算单元,用于当T>N时,求解该第二关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
一计算获取单元,用于计算(T+1)时刻的先验估计状态和误差方差矩阵并获取(T+1)时刻的锂电池电压Vb和负载电流I,令T=T+1,并重新调用该第二计算单元。
本发明的积极进步效果在于:
本发明通过采用非线性滚动时域估计法估算锂电池的SOC,能够迅速减小SOC初始误差对SOC估计的影响,并减小电流测量累计误差对SOC估计的影响,从而保证了锂电池SOC在线估计的准确性和可行性,很大程度上提高了电池管理***的有效性和可靠性。
附图说明
图1为本发明的较佳实施例的锂电池SOC估算方法的流程图。
图2为本发明的较佳实施例的电流激励和电压响应波形图。
图3为本发明的较佳实施例的锂电池等效电路模型图。
图4为本发明的较佳实施例的对SOC估计的实施效果图。
图5为本发明的较佳实施例的锂电池SOC估算***的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
本实施例公开一种锂电池SOC估算方法及***,其应用于锂电池管理***中,用于估算锂电池储能设备的荷电状态。
如图1所示,本实施例提供了一种锂电池SOC估算方法,其包括以下步骤:
步骤101、确定锂电池等效电路中各电路参数与SOC的函数关系;
步骤102、基于该函数关系建立离线模型;
步骤103、基于该离线模型建立用于SOC在线估计的非线性状态空间模型;
步骤104、利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。
该锂电池SOC估算方法主要包括两个部分:一、离线模型构建部分(步骤101-102);二、在线算法估算部分(步骤103-104)。
其中,离线模型构建部分包括以下步骤:
1、通过锂电池放电实验获取电池放电电流和电压响应的关系。具体地,在进行锂电池放电实验前,锂电池以恒流恒压方式进行充电,充满电后并静置一定时间,本实施例中采用静置1小时,本领域技术人员知道静置时间不限于上述选定的时间,且在本实施例中采用混合动力脉冲能力特性标准测试程序(HybridPulsePowerCharacteristic)对8Ah(锂电池的电能容量)磷酸铁锂电池进行测试,当然本领域技术人员知道本方法并不局限于磷酸铁锂电池,本方法适用于所有的锂电池,然后将该锂电池静置1小时,在这一期间同时采集所述电池端电压的变化,采样频率为1Hz,由此获得所述锂电池电流放电和电压响应波形,如图2所示。
2、根据图2中各静置点的SOC及其所对应的开路电压测量值,建立开路电压与SOC的函数关系。在本发明实施例中采用10阶多项式形式表示开路电压与SOC的函数关系:
上式中,所需辨识的参数为多项式系数β1i,所需SOC根据电流积分法计算:
上式中,SOC(0)为锂电池的初始SOC值,C为电池容量,I为负载电流。
结合关系式(1)和(2),采用最小二乘法对β1i进行参数辨识,从而确定开路电压VOC与SOC的函数关系。
3、见图3,建立锂电池等效电路模型并根据图2中电池电流放电和电压响应波形对等效电路中各电路参数与SOC的函数关系进行参数辨识。
具体地,本实施例的等效电路模型包括三部分:开路电压VOC,欧姆内阻R0以及一阶或多阶RC网络,其中RC网络由极化电阻R1和等效电容C1组成,开路电压VOC由步骤2确定。本发明实施例中采用一阶等效电路模型,如图3所示,其中Vb为电池电压,I为负载电流。该等效电路模型符合以下电压电流关系:
Vb=VOC-IR0-V1(4)
对于一个采样周期Δt内,关系式(3)和(4)的离散化形式可表示为:
Vb,k=VOC,k-IkR0,k-V1,k(6)
其中,时间常数τk=RkCk。在本发明具体实施例中,Δt为1s。
在本发明实施例中,关系式(5)和(6)中电路参数R0、R1和C1与SOC的函数关系采用6阶多项式形式表示:
其中,所需辨识的参数为多项式系数β2i、β3i及β4i。在辨识过程中,根据关系式(5)-(7),采用最小二乘法对图2中电流激励和电压响应曲线进行拟合,获得β2i、β3i及β4i。至此,离线模型构建完成。
通过上述的步骤,可分别获得开路电压VOC、欧姆内阻R0、极化电阻R1和等效电容C1与SOC的函数关系。在确定了这些函数关系之后,在线估算基于离线模型及电流积分关系式,利用非线性滚动时域估计法对当前时刻SOC进行计算,实现对锂电池实时准确地在线估算。
在线算法估算部分采用非线性滚动时域估计法,非线性滚动时域估计法的原理为:
对于非线性***,其状态空间方程可表示为:
状态方程:xk+1=f(xk,uk)+wk(10)
观测方程:yk=h(xk)+vk(11)
满足约束条件:xk∈X,wk∈W,vk∈V
在本实施例中,定义***的状态变量 输入变量uk=Ik, 输出变量yk=Vb,k,h(xk)=VOC,k-IkR0,k-V1,k。wk和vk分别表示外部干扰和测量噪声,相互独立且均为高斯白噪声,且关系式(10)和(11)具有马尔可夫特性。
假设***初始状态为x0,在k时刻,所有测量数据为干扰序列为并且x0的先验估计值满足均值为协方差为P0的正态分布,那么在T时刻,状态估计问题可等价为如下全信息滚动时域优化问题:
问题1.1
满足状态空间模型,且0≤SOCk≤1;
其中,参数R为模型干扰方差矩阵,反映测量的输出与预测输出之间的偏差系数。参数Q为测量噪声方差矩阵,测量状态与预测状态之间的偏差系数。参数P为误差协方差矩阵,反映了对初始估计的信心。在本发明具体实施例中, R=0.001,
优化问题1.1的求解主要是通过极小化目标函数ΦT(·)估计***初始值x0和作用在***上的wk,并由***状态方程(10)计算出***状态的估计值。若外部扰动状态T时刻优化问题1.1存在最优解,表示为则根据关系式(10)可得到i(i=1…T)时刻***状态的估计值
为避免全信息滚动时域优化过程中计算代价随着测量数据的增加而急剧增加,引入固定的数据时域N,将全信息滚动时域估计问题转化为固定时域问题。优化问题1.1的计算时域分为两部分:{0≤k≤T-N}和{T-N+1≤k≤T},优化问题1.1等价于以下问题:
问题1.2
满足状态空间模型,且0≤SOCk≤1;
在优化问题1.2中,只利用当前时刻最新的N个数据,在本发明具体实施例中N=20。其余数据对估计的影响用到达代价ΘT-N(xT-N)描述。在本发明具体实施例中,代价函数采用近似替代,表示对状态xT的影响,此时问题1.2重新描述为以下优化问题:
问题1.3
满足状态空间模型,且0≤SOCk≤1;
若T时刻优化问题1.3存在最优解,表示为则可根据公式(10)可得k(k=T-N+1,…T)时刻***状态的估计值
如果令
代价函数可根据扩展卡曼率波协方差计算式(12)(13)计算。
Pk+1=GQGT+APkAT-APkCT(R+CPkCT)-1CPkAT(12)
根据以上描述的原理,在采用非线性滚动时域法对SOC进行估算时,即步骤104包括以下步骤:
S41、根据锂电池模型精度和测量精度,设置初始化参数Q、R、P,初始估计状态和滚动时域窗口长度N;
S42、当T≤N时,求解全信息滚动时域估计问题1.1获得最优解则根据状态方程计算当前时刻的SOC估计值;
S43、当T>N时,求解优化问题1.3获得最优解则根据状态方程计算当前时刻的SOC估计值;
S44、计算(T+1)时刻的先验估计状态和误差方差矩阵获取(T+1)时刻的锂电池电压Vb和负载电流I,令T=T+1,并返回步骤S43。
据此,对混合动力脉冲能力特性下的锂离子电池SOC进行在线估计,实施效果如图4所示,SOC最大估计误差为0.57%。
本实施例还公开一种锂电池SOC估算***,其结构如图5所示,包括一确定模块1,用于确定锂电池等效电路中各电路参数与SOC的函数关系;
一离线模型建立模块2,用于基于该函数关系建立离线模型;
一在线模型建立模块3,用于基于该离线模型建立用于SOC在线估计的非线性状态空间模型;
一状态估算模块4,用于利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。
其中,该状态估算模块4包括:
一设置单元41,用于根据锂电池模型精度和测量精度,设置初始化参数Q、R、P,初始估计状态和滚动时域窗口长度N;
一第一计算单元42,用于当T≤N时,求解全信息滚动时域估计问题1.1获得最优解则根据状态方程计算当前时刻的SOC估计值;
一第二计算单元43,用于当T>N时,求解优化问题1.3获得最优解则根据状态方程计算当前时刻的SOC估计值;
一计算获取单元44,用于计算(T+1)时刻的先验估计状态和误差方差矩阵并获取(T+1)时刻的锂电池电压Vb和负载电流I,令T=T+1,并重新调用该第二计算单元43。
综上,本发明通过采用非线性滚动时域估计法估算锂电池的SOC,能够迅速减小SOC初始误差对SOC估计的影响,并减小电流测量累计误差对SOC估计的影响,从而保证了锂电池SOC在线估计的准确性和可行性,很大程度上提高了电池管理***的有效性和可靠性。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种锂电池SOC估算方法,其特征在于,其包括以下步骤:
S1、确定锂电池等效电路中各电路参数与SOC的函数关系;
S2、基于该函数关系建立离线模型;
S3、基于该离线模型建立用于SOC在线估计的非线性状态空间模型;
S4、利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。
2.如权利要求1所述的锂电池SOC估算方法,其特征在于,该些电路参数包括:开路电压VOC、欧姆内阻R0、极化电阻R1和等效电容C1。
3.如权利要求2所述的锂电池SOC估算方法,其特征在于,该离线模型为:
Vb=Voc-IR0-V1
对于一个采样周期Δt内,上述关系式的离散化形式表示为:
Vb,k=Voc,k-IkR0,k-V1,k
其中,时间常数τk=RkCk,RC网络由极化电阻R1和等效电容C1组成,Vb为锂电池电压,I为负载电流。
4.如权利要求3所述的锂电池SOC估算方法,其特征在于,该非线性状态空间模型为:
状态方程:xk+1=f(xk,uk)+wk
观测方程:yk=h(xk)+vk
满足约束条件:xk∈X,wk∈W,vk∈V
其中,状态变量 输入变量uk=Ik, 输出变量yk=Vb,k,h(xk)=Voc,k-IkR0,k-V1,k,wk和vk分别表示外部干扰和测量噪声、相互独立且均为高斯白噪声。
5.如权利要求4所述的锂电池SOC估算方法,其特征在于,设该非线性状态空间模型的初始状态为x0,在k时刻,所有测量数据为干扰序列为且初始状态x0的先验估计值满足均值为协方差为P0的正态分布,滚动时域窗口长度为N;
则在时刻T≤N时,利用该非线性滚动时域估计法获得第一关系式:
满足状态空间模型,且0≤SOCk≤1;
其中,参数R为模型干扰方差矩阵,参数Q为测量噪声方差矩阵,参数P为误差协方差矩阵;
则在T>N时,利用该非线性滚动时域估计法获得第二关系式:
满足状态空间模型,且0≤SOCk≤1
步骤S4包括:
S41、根据锂电池模型精度和测量精度,设置初始化参数Q、R、P,初始估计状态和滚动时域窗口长度N;
S42、当T≤N时,求解该第一关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
S43、当T>N时,求解该第二关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
S44、计算(T+1)时刻的先验估计状态和误差方差矩阵获取(T+1)时刻的锂电池电压Vb和负载电流I,令T=T+1,并返回步骤S43。
6.一种锂电池SOC估算***,其特征在于,其包括:
一确定模块,用于确定锂电池等效电路中各电路参数与SOC的函数关系;
一离线模型建立模块,用于基于该函数关系建立离线模型;
一在线模型建立模块,用于基于该离线模型建立用于SOC在线估计的非线性状态空间模型;
一状态估算模块,用于利用非线性滚动时域估计法对该非线性状态空间模型中的SOC进行在线估计以获得SOC估计值。
7.如权利要求6所述的锂电池SOC估算***,其特征在于,该些电路参数包括:开路电压VOC、欧姆内阻R0、极化电阻R1和等效电容C1。
8.如权利要求7所述的锂电池SOC估算***,其特征在于,该离线模型为:
Vb=Voc-IR0-V1
对于一个采样周期Δt内,上述关系式的离散化形式表示为:
Vb,k=Voc,k-IkR0,k-V1,k
其中,时间常数τk=RkCk,RC网络由极化电阻R1和等效电容C1组成,Vb为锂电池电压,I为负载电流。
9.如权利要求8所述的锂电池SOC估算***,其特征在于,该非线性状态空间模型为:
状态方程:xk+1=f(xk,uk)+wk
观测方程:yk=h(xk)+vk
满足约束条件:xk∈X,wk∈W,vk∈V
其中,状态变量 输入变量uk=Ik, 输出变量yk=Vb,k,h(xk)=Voc,k-IkR0,k-V1,k,wk和vk分别表示外部干扰和测量噪声、相互独立且均为高斯白噪声。
10.如权利要求9所述的锂电池SOC估算***,其特征在于,设该非线性状态空间模型的初始状态为x0,在k时刻,所有测量数据为干扰序列为且初始状态x0的先验估计值满足均值为协方差为P0的正态分布,滚动时域窗口长度为N;
则在时刻T≤N时,利用该非线性滚动时域估计法获得第一关系式:
满足状态空间模型,且0≤SOCk≤1;
其中,参数R为模型干扰方差矩阵,参数Q为测量噪声方差矩阵,参数P为误差协方差矩阵;
则在T>N时,利用该非线性滚动时域估计法获得第二关系式:
满足状态空间模型,且0≤SOCk≤1;
该状态估算模块包括:
一设置单元,用于根据锂电池模型精度和测量精度,设置初始化参数Q、R、P,初始估计状态和滚动时域窗口长度N;
一第一计算单元,用于当T≤N时,求解该第一关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
一第二计算单元,用于当T>N时,求解该第二关系式获得最优解则根据状态方程计算当前时刻的SOC估计值;
一计算获取单元,用于计算(T+1)时刻的先验估计状态和误差方差矩阵并获取(T+1)时刻的锂电池电压Vb和负载电流I,令T=T+1,并重新调用该第二计算单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610038375.6A CN105572596B (zh) | 2016-01-20 | 2016-01-20 | 锂电池soc估算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610038375.6A CN105572596B (zh) | 2016-01-20 | 2016-01-20 | 锂电池soc估算方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105572596A true CN105572596A (zh) | 2016-05-11 |
CN105572596B CN105572596B (zh) | 2019-02-19 |
Family
ID=55882946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610038375.6A Expired - Fee Related CN105572596B (zh) | 2016-01-20 | 2016-01-20 | 锂电池soc估算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105572596B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108008320A (zh) * | 2017-12-28 | 2018-05-08 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
CN108318823A (zh) * | 2017-12-28 | 2018-07-24 | 上海交通大学 | 一种基于噪声跟踪的锂电池荷电状态估算方法 |
CN108732509A (zh) * | 2018-06-06 | 2018-11-02 | 哈尔滨工业大学 | 一种面向空间应用的锂离子电池荷电状态的在线估计方法 |
CN109000663A (zh) * | 2018-08-07 | 2018-12-14 | 中国人民解放军海军航空大学 | 基于时变自调整的滚动时域估计到达代价计算方法 |
CN111123127A (zh) * | 2019-12-03 | 2020-05-08 | 浙江捷创智能技术有限公司 | 一种锂电池充电电量的函数拟合和电量预测方法 |
CN111551861A (zh) * | 2019-02-12 | 2020-08-18 | 丰田自动车株式会社 | 电池***和二次电池的soc估计方法 |
CN112649745A (zh) * | 2020-12-16 | 2021-04-13 | 北京理工大学 | 一种协同重组ocv的线性化类状态观测器的电池soc估算方法 |
CN113138342A (zh) * | 2021-03-17 | 2021-07-20 | 江苏大学 | 一种基于滚动时域估计的soc在线估算方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
CN102645637A (zh) * | 2012-04-25 | 2012-08-22 | 中航锂电(洛阳)有限公司 | 一种均衡电池的soc估算方法 |
US20130006455A1 (en) * | 2011-06-28 | 2013-01-03 | Ford Global Technologies, Llc | Nonlinear observer for battery state of charge estimation |
CN102981125A (zh) * | 2012-11-30 | 2013-03-20 | 山东省科学院自动化研究所 | 一种基于rc等效模型的动力电池soc估计方法 |
CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
-
2016
- 2016-01-20 CN CN201610038375.6A patent/CN105572596B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006455A1 (en) * | 2011-06-28 | 2013-01-03 | Ford Global Technologies, Llc | Nonlinear observer for battery state of charge estimation |
CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
CN102645637A (zh) * | 2012-04-25 | 2012-08-22 | 中航锂电(洛阳)有限公司 | 一种均衡电池的soc估算方法 |
CN102981125A (zh) * | 2012-11-30 | 2013-03-20 | 山东省科学院自动化研究所 | 一种基于rc等效模型的动力电池soc估计方法 |
CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108008320A (zh) * | 2017-12-28 | 2018-05-08 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
CN108318823A (zh) * | 2017-12-28 | 2018-07-24 | 上海交通大学 | 一种基于噪声跟踪的锂电池荷电状态估算方法 |
CN108008320B (zh) * | 2017-12-28 | 2020-03-17 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
CN108732509A (zh) * | 2018-06-06 | 2018-11-02 | 哈尔滨工业大学 | 一种面向空间应用的锂离子电池荷电状态的在线估计方法 |
CN109000663A (zh) * | 2018-08-07 | 2018-12-14 | 中国人民解放军海军航空大学 | 基于时变自调整的滚动时域估计到达代价计算方法 |
CN111551861A (zh) * | 2019-02-12 | 2020-08-18 | 丰田自动车株式会社 | 电池***和二次电池的soc估计方法 |
CN111551861B (zh) * | 2019-02-12 | 2022-12-20 | 丰田自动车株式会社 | 电池***和二次电池的soc估计方法 |
CN111123127A (zh) * | 2019-12-03 | 2020-05-08 | 浙江捷创智能技术有限公司 | 一种锂电池充电电量的函数拟合和电量预测方法 |
CN112649745A (zh) * | 2020-12-16 | 2021-04-13 | 北京理工大学 | 一种协同重组ocv的线性化类状态观测器的电池soc估算方法 |
CN113138342A (zh) * | 2021-03-17 | 2021-07-20 | 江苏大学 | 一种基于滚动时域估计的soc在线估算方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN105572596B (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105572596A (zh) | 锂电池soc估算方法及*** | |
Xu et al. | State of charge estimation for lithium-ion batteries based on adaptive dual Kalman filter | |
CN103616647B (zh) | 一种用于电动汽车电池管理***的电池剩余电量估计方法 | |
CN108445406B (zh) | 一种动力电池健康状态估计方法 | |
CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
CN105068008B (zh) | 利用车载充电机辨识电池参数的电池荷电状态估计方法 | |
CN106842060A (zh) | 一种基于动态参数的动力电池soc估算方法及*** | |
Vasebi et al. | A novel combined battery model for state-of-charge estimation in lead-acid batteries based on extended Kalman filter for hybrid electric vehicle applications | |
Sun et al. | Adaptive unscented Kalman filtering for state of charge estimation of a lithium-ion battery for electric vehicles | |
CN102608542B (zh) | 动力电池荷电状态估计方法 | |
US6388450B2 (en) | Method for determining the state of charge of storage batteries | |
CN103529398A (zh) | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 | |
Huang et al. | Soc estimation of li-ion battery based on improved ekf algorithm | |
CN103797374A (zh) | 用于电池监控的***和方法 | |
CN103675683A (zh) | 一种锂电池荷电状态(soc)估算方法 | |
CN111098755B (zh) | 一种电动汽车动力电池soc估计方法 | |
CN110795851A (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
CN112345939B (zh) | 基于连续脉冲响应的锂离子电池模型参数辨识方法 | |
CN103529400A (zh) | 一种具有温度自适应补偿的电池容量预测方法 | |
Taborelli et al. | State of charge estimation using extended Kalman filters for battery management system | |
EP3593156A2 (en) | A battery state of power estimation method and a battery state monitoring system | |
CN105223512A (zh) | 基于电池特性的动态矫正剩余电量的方法 | |
CN106772104A (zh) | 一种动力电池soc值估算方法 | |
CN111679200B (zh) | 一种电池荷电状态的校准方法、装置和车辆 | |
CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理*** |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190219 Termination date: 20220120 |
|
CF01 | Termination of patent right due to non-payment of annual fee |