CN105807231B - 一种用于蓄电池剩余容量检测的方法及*** - Google Patents
一种用于蓄电池剩余容量检测的方法及*** Download PDFInfo
- Publication number
- CN105807231B CN105807231B CN201610142759.2A CN201610142759A CN105807231B CN 105807231 B CN105807231 B CN 105807231B CN 201610142759 A CN201610142759 A CN 201610142759A CN 105807231 B CN105807231 B CN 105807231B
- Authority
- CN
- China
- Prior art keywords
- electromotive force
- internal resistance
- residual capacity
- accumulator
- sample
- 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 43
- 238000012886 linear function Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 13
- 239000002253 acid Substances 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008676 import Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供一种用于蓄电池剩余容量检测的方法,包括从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;将所提取到的多个样本数据均引入预设的模糊C‑均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;确定蓄电池的剩余容量由电动势和内阻决定,并根据得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;获取当前蓄电池的电动势及内阻,并将当前蓄电池的电动势及内阻导入一次函数中,输出的值为当前蓄电池的剩余容量。实施本发明,无需建立复杂的数学模型,能够实时在线检测出蓄电池的剩余容量,且省时省力,降低计算的工作量。
Description
技术领域
本发明涉及蓄电池检测技术领域,尤其涉及一种用于蓄电池剩余容量检测的方法及***。
背景技术
蓄电池的容量测试受到很多因素的影响,尤其是准确测量蓄电池的剩余容量,作为一大难题至今尚未解决,但是国内外已开展了很多研究,主要包括以下两大类的研究方法:
第一类方法为通过物理建模法来测试蓄电池的剩余容量。目前国内外主要采用放电试验法、安时积分法、开路电压法、密度法、内阻法等几种方法,但是本类的几种方法存在缺点为:一、在放电试验法中,无法实时在线预测,且测试时需中断电池当前工作,耗时耗力;二、在安时积分法中,测试时要求蓄电池必须标定荷电状态初始值,需要精确计算充放电效率及准确测量电流,否则将造成SOC计算误差,尤其是在高温状态和电流波动剧烈的情况下;三、在开路电压法中,测试时要求电池状态稳定,但电池达到稳定所需的静置时间无法确定,同时随着电池老化电池容量下降,但开路电压变化不明显,使得无法准确预测剩余电量,而且对于传统使用的串联电池组,所用电池处于有载状态,一般无法测量开路电压,不能实现在线测量;四、在密度法中,测试时需高精度的密度—容量传感器,但是目前市场上的传感器的精度误差比较大;五、在内阻法中,阀控式密封铅蓄电池SOC在50%或40%以上时,由于内阻(或电导) 基本没有变化,从而使得测试结果不合理,而同时对于容量在80%以上的在线使用阀控式密封铅蓄电池,不能根据内阻值去在线检测蓄电池的SOC。
第二类方法为利用***辨识与参数估计建模法判定蓄电池的剩余容量,即从蓄电池外部工作参数入手,摆脱测量数据的限制,把电池作为一个“黑箱子”,通过测量电池的工作电压、电流、温度等参数,总结出一定规律和算法,同时根据以往数据经验,通过模型计算或利用智能算法来对蓄电池的剩余容量进行评估。常用采用卡尔曼滤波法、模糊控制法和神经网络法等几种方法,虽然在本类的几种方法中外部参数容易测量到,且外部参数与蓄电池剩余容量之间也具有一定规律性,但是对于数学模型的建设有很高的要求。
因此,为了解决上述两大类方法产生的问题,亟需一种用于蓄电池剩余容量检测的方法,能够减少对数学模型的依赖,可实时在线检测出蓄电池的剩余容量,且省时省力,降低计算的工作量。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于用于蓄电池剩余容量检测的方法及***,无需建立复杂的数学模型,能够实时在线检测出蓄电池的剩余容量,且省时省力,降低计算的工作量。
为了解决上述技术问题,本发明实施例提供了一种用于蓄电池剩余容量检测的方法,所述方法包括:
a、从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;
b、将所提取到的多个样本数据均引入预设的模糊C-均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;
c、确定蓄电池的剩余容量由电动势和内阻决定,并根据所述得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;
d、获取当前蓄电池的电动势及内阻,并将所述获取到的当前蓄电池的电动势及内阻导入所述得到的一次函数中,输出的值为当前蓄电池的剩余容量。
其中,所述步骤a中的“蓄电池的历史数据”是通过选取脉冲充放的形式对铅酸蓄电池进行充放电而获得。
其中,所述步骤b具体包括:
b1、算法初始化,设定聚类的类别数C(2≤C≤n)、聚类初始中心值P0、模糊加权指数m=2、迭代变量l=0、迭代阈值为lmax和比较阈值ε;其中,n为所述多个样本的总数目;
b2、更新l+1次迭代的隶属度划分矩阵Ul+1,对于任意数值的i和k,当且仅当距离范数dik大于零时有:
对于任意数值的i和r,如果使得距离范数等于零,则有uir=1;当j取值与r不相等时有uij=0。
b3、按聚类中心计算公式来更新l+1次迭代的聚类中心值Pl+1,如下:
b4、假若max||Pi (l+1)-Pi (l)||<ε或者迭代次数l大于最大迭代次数lmax,立即停止运算,否则令迭代次数l=l+1,返回至步骤b2继续运算;
b5、将最后一次迭代的隶属度划分矩阵U和聚类中心值P作为参数输出,得到c个与样本具有相同特征项形成对应数据的聚类中心值。
其中,所述步骤c具体为:
通过电动势和内阻拟合出对应于剩余容量的一次函数S=aE+bR,并将所述得到的多个聚类中心值导入所述一次函数S=aE+bR中,确定系数a、b的值分别为a0、b0,得到由电动势和内阻对应于剩余容量的一次函数S=a0E+b0R;其中,S 为剩余电量;E为电动势;R为内阻;a、b为系数。
本发明实施例还提供了一种用于蓄电池剩余容量检测的***,所述***包括:
样本提取单元,用于从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;
模糊C-均值聚类计算单元,用于将所提取到的多个样本数据均引入预设的模糊C-均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;
拟合函数单元,用于确定蓄电池的剩余容量由电动势和内阻决定,并根据所述得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;
剩余容量获取单元,用于获取当前蓄电池的电动势及内阻,并将所述获取到的当前蓄电池的电动势及内阻导入所述得到的一次函数中,输出的值为当前蓄电池的剩余容量。
其中,所述蓄电池的历史数据是通过选取脉冲充放的形式对铅酸蓄电池进行充放电而获得。
实施本发明实施例,具有如下有益效果:
在本发明实施例中,由于依靠蓄电池电动势和内阻与剩余容量的存在着非线性关系,以电动势和内阻作为输入,剩余容量为输出,通过模糊C-均值聚类算法对数据特征进行提取,实现对蓄电池剩余容量的检测,从而降低了数学模型的复杂度,降低了计算的工作量,并能够实时在线检测出蓄电池的剩余容量,且省时省力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的用于蓄电池剩余容量检测的方法的流程图;
图2为本发明实施例提供的用于蓄电池剩余容量检测的***的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明实施例中,提供的一种用于蓄电池剩余容量检测的方法,所述方法包括:
步骤S1、从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;
具体过程为,考虑到蓄电池温度过度变化会对剩余容量造成较大程度影响,因此在数据采集当中,蓄电池的历史数据是通过选取脉冲充放的形式对蓄电池进行充放电而获得的,同时设置一定的静置时间,用于保证整个充放电过程中电池的温度基本不变。蓄电池应当为同一类型的蓄电池,如铅酸蓄电池,所选取的样本数据中只包括三个特征项数据,即电动势、内阻和剩余容量。
步骤S2、将所提取到的多个样本数据均引入预设的模糊C-均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;
具体过程为,预设的模糊C-均值聚类算法(Fuzzy C-Means,FCM)实际上是一个依靠目标函数不断迭代运算的过程,其目的就是使目标函数在规定区域里迭代计算直到达到最优解。
首先定义样本集为X={x1,x2,…,xn},而每个样本又含有k=3个特征量。将样本集分成c个模糊簇,设置模糊C-均值聚类分析的归一化约束条件为:
式(1)中,uik是样本Xi属于类别k的隶属度;
模糊C-均值聚类的基本思想就是在约束条件下对模糊分类矩阵U和聚类中心矩阵P进行计算,使得目标函数Jm(U,P)最小。即:
于是,我们可以采用Lagrange乘法进行求解,得到模糊C-均值聚类的聚类中心表达式,它仅与隶属度uik与模糊加权指数m存在对应关系,如下:
因此,模糊C-均值算法是一个动态过程,在计算过程通过不断的修改聚类中心和隶属度矩阵,对目标函数进行迭代,最后获取数据集的模糊分类。
结合上述给出的聚类中心和隶属度函数表达式归纳模糊C-均值聚类,并得到聚类中心值的具体计算步骤如下:
步骤S21、算法初始化,设定聚类的类别数C(2≤C≤n)、聚类初始中心值P0、模糊加权指数m=2、迭代变量l=0、迭代阈值为lmax和比较阈值ε;其中,n为多个样本的总数目;
步骤S22、更新l+1次迭代的隶属度划分矩阵Ul+1,对于任意数值的i和k,当且仅当距离范数dik大于零时有:
对于任意数值的i和r,如果使得距离范数等于零,则有uir=1;当j取值与r不相等时有uij=0。
步骤S23、按聚类中心计算公式来更新l+1次迭代的聚类中心值Pl+1,如下:
步骤S24、假若max||Pi (l+1)-Pi (l)||<ε或者迭代次数l大于最大迭代次数lmax,立即停止运算,否则令迭代次数l=l+1,返回至步骤S24继续运算;
步骤S25、将最后一次迭代的隶属度划分矩阵U和聚类中心值P作为参数输出,得到c个与样本具有相同特征项形成对应数据的聚类中心值。
步骤S3、确定蓄电池的剩余容量由电动势和内阻决定,并根据所述得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;
具体过程为,通过电动势和内阻拟合出对应于剩余容量的一次函数 S=aE+bR,并将得到的多个聚类中心值导入一次函数S=aE+bR中,确定系数 a、b的值分别为a0、b0,得到由电动势和内阻对应于剩余容量的一次函数 S=a0E+b0R;其中,S为剩余电量;E为电动势;R为内阻;a、b为系数。
步骤S4、获取当前蓄电池的电动势及内阻,并将所述获取到的当前蓄电池的电动势及内阻导入所述得到的一次函数中,输出的值为当前蓄电池的剩余容量。
具体过程为,测得当前蓄电池的电动势及内阻,即可根据一次函数 S=a0E+b0R,得到当前蓄电池的剩余容量。
在本发明实施例中,对用于蓄电池剩余容量检测的方法的应用场景做进一步说明:
(一)采用容量为60Ah,型号为12V6-QA-60及使用次数为0-100之间的铅酸蓄电池,在历史数据的样本采集过程中,使用交直流数字钳采集工作电压和回路电流。待蓄电池组停止工作并静置30分钟后,进行核对性放电试验,记录剩余容量的实际值。因此,得到的样本如下表1所示:
表1:
由表1可以看出,铅酸蓄电池荷电状态与其电动势基本成正比,铅酸蓄电池内阻随着放电的进行而逐渐增大,当处于放电后期时,其数值变化明显。
(二)对表1中的样本数据进行聚类分析,首先将FCM初始化,确定聚类类别数C=9和模糊加权指数为m=2,数据初始聚类中心随机给定,采用欧氏距离范数。对原始数据按定义的聚类中心数目进行聚类分析,聚类样本产生9个聚类中心,如下表2所示:
表2:
经过多次实验后归纳得出该型号铅酸蓄电池电动势E的变化范围为 11.92-12.80V,内阻R变化范围为21-36.4mΩ。因此依据蓄电池的参数变化范围分别设定电动势E的基本论域[11.92,12.80],内阻R的基本论域[21,36.4], SOC的基本论域[0,1]。因此,由表2给出的两个输入、一个输出的模糊集都选取了9个元素。
(三)将表2中数据代入一次函数S=aE+bR中,可以的到拟合后的函数,求出a=a0,b=b0,故能得到S=a0E+b0R,因此想要得到当前蓄电池的剩余容量,只需测得当前蓄电池的电动势和内阻,即可计算获得。
如图2所示,为本发明实施例中,提供的一种用于蓄电池剩余容量检测的***,所述***包括:
样本提取单元210,用于从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;
模糊C-均值聚类计算单元220,用于将所提取到的多个样本数据均引入预设的模糊C-均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;
拟合函数单元230,用于确定蓄电池的剩余容量由电动势和内阻决定,并根据所述得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;
剩余容量获取单元240,用于获取当前蓄电池的电动势及内阻,并将所述获取到的当前蓄电池的电动势及内阻导入所述得到的一次函数中,输出的值为当前蓄电池的剩余容量。
其中,蓄电池的历史数据是通过选取脉冲充放的形式对铅酸蓄电池进行充放电而获得。
实施本发明实施例,具有如下有益效果:
在本发明实施例中,由于依靠蓄电池电动势和内阻与剩余容量的存在着非线性关系,以电动势和内阻作为输入,剩余容量为输出,通过模糊C-均值聚类算法对数据特征进行提取,实现对蓄电池剩余容量的检测,从而降低了数学模型的复杂度,降低了计算的工作量,并能够实时在线检测出蓄电池的剩余容量,且省时省力。
值得注意的是,上述***实施例中,所包括的各个***单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (6)
1.一种用于蓄电池剩余容量检测的方法,其特征在于,所述方法包括:
a、从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;
b、将所提取到的多个样本数据均引入预设的模糊C-均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;
c、确定蓄电池的剩余容量由电动势和内阻决定,并根据所述得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;
d、获取当前蓄电池的电动势及内阻,并将所述获取到的当前蓄电池的电动势及内阻导入所述得到的一次函数中,输出的值为当前蓄电池的剩余容量。
2.如权利要求1所述的方法,其特征在于,所述步骤a中的“蓄电池的历史数据”是通过选取脉冲充放的形式对铅酸蓄电池进行充放电而获得。
3.如权利要求1所述的方法,其特征在于,所述步骤b具体包括:
b1、算法初始化,设定聚类的类别数C(2≤C≤n)、聚类初始中心值P0、模糊加权指数m=2、迭代变量l=0、迭代阈值为lmax和比较阈值ε;其中,n为所述多个样本的总数目;
b2、更新l+1次迭代的隶属度划分矩阵Ul+1,对于任意数值的i和k,当且仅当距离范数dik大于零时有:
对于任意数值的i和r,如果使得距离范数等于零,则有uir=1;当j取值与r不相等时有uij=0;
b3、按聚类中心计算公式来更新l+1次迭代的聚类中心值Pl+1,如下:
b4、假若或者迭代次数l大于最大迭代次数lmax,立即停止运算,否则令迭代次数l=l+1,返回至步骤b2继续运算;
b5、将最后一次迭代的隶属度划分矩阵U和聚类中心值P作为参数输出,得到c个与样本具有相同特征项形成对应数据的聚类中心值。
4.如权利要求1所述的方法,其特征在于,所述步骤c具体为:
通过电动势和内阻拟合出对应于剩余容量的一次函数S=aE+bR,并将所述得到的多个聚类中心值导入所述一次函数S=aE+bR中,确定系数a、b的值分别为a0、b0,得到由电动势和内阻对应于剩余容量的一次函数S=a0E+b0R;其中,S为剩余电量;E为电动势;R为内阻;a、b为系数。
5.一种用于蓄电池剩余容量检测的***,其特征在于,所述***包括:
样本提取单元,用于从蓄电池的历史数据中提取多个样本;其中,每一样本均为由特征项包括电动势、内阻和剩余容量形成的数据;
模糊C-均值聚类计算单元,用于将所提取到的多个样本数据均引入预设的模糊C-均值聚类算法中进行聚类分析,得到多个与样本具有相同特征项形成对应数据的聚类中心值;
拟合函数单元,用于确定蓄电池的剩余容量由电动势和内阻决定,并根据所述得到的多个聚类中心值,得到由电动势和内阻对应于剩余容量的一次函数;
剩余容量获取单元,用于获取当前蓄电池的电动势及内阻,并将所述获取到的当前蓄电池的电动势及内阻导入所述得到的一次函数中,输出的值为当前蓄电池的剩余容量。
6.如权利要求5所述的***,其特征在于,所述蓄电池的历史数据是通过选取脉冲充放的形式对铅酸蓄电池进行充放电而获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610142759.2A CN105807231B (zh) | 2016-03-14 | 2016-03-14 | 一种用于蓄电池剩余容量检测的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610142759.2A CN105807231B (zh) | 2016-03-14 | 2016-03-14 | 一种用于蓄电池剩余容量检测的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105807231A CN105807231A (zh) | 2016-07-27 |
CN105807231B true CN105807231B (zh) | 2018-10-19 |
Family
ID=56468200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610142759.2A Active CN105807231B (zh) | 2016-03-14 | 2016-03-14 | 一种用于蓄电池剩余容量检测的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105807231B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107290683A (zh) * | 2017-07-20 | 2017-10-24 | 中广核核电运营有限公司 | 蓄电池剩余容量的检测方法和装置 |
CN107755295B (zh) * | 2017-10-19 | 2019-10-18 | 杭州电子科技大学 | 一种基于充放电曲线的铅酸蓄电池分类方法 |
CN109446028B (zh) * | 2018-10-26 | 2022-05-03 | 中国人民解放***箭军工程大学 | 一种基于遗传模糊c-均值聚类的冷冻除湿机状态监测方法 |
CN110579708B (zh) * | 2019-08-29 | 2021-10-22 | 爱驰汽车有限公司 | 电池容量识别方法、装置、计算设备及计算机存储介质 |
CN110568360B (zh) * | 2019-09-12 | 2020-08-14 | 华中科技大学 | 一种基于模糊逻辑算法的锂电池老化诊断方法 |
CN111007420B (zh) * | 2019-12-26 | 2022-06-14 | 智洋创新科技股份有限公司 | 蓄电池组内单体性能在线筛选方法 |
CN113655385B (zh) * | 2021-10-19 | 2022-02-08 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09318718A (ja) * | 1996-05-31 | 1997-12-12 | Yazaki Corp | 電池残存容量測定装置 |
GB2397656A (en) * | 2003-01-21 | 2004-07-28 | Intelligent Battery Technology | Battery monitoring system |
CN102226834A (zh) * | 2011-03-31 | 2011-10-26 | 杭州高特电子设备有限公司 | 基于模糊分类技术的蓄电池容量判断方法 |
CN102569922A (zh) * | 2012-03-05 | 2012-07-11 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
CN103091642A (zh) * | 2013-01-22 | 2013-05-08 | 北京交通大学 | 一种锂电池容量快速估计方法 |
CN105301508A (zh) * | 2015-11-09 | 2016-02-03 | 华晨汽车集团控股有限公司 | 一种用于电动汽车续驶里程的径向基神经网络的预估方法 |
-
2016
- 2016-03-14 CN CN201610142759.2A patent/CN105807231B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09318718A (ja) * | 1996-05-31 | 1997-12-12 | Yazaki Corp | 電池残存容量測定装置 |
GB2397656A (en) * | 2003-01-21 | 2004-07-28 | Intelligent Battery Technology | Battery monitoring system |
CN102226834A (zh) * | 2011-03-31 | 2011-10-26 | 杭州高特电子设备有限公司 | 基于模糊分类技术的蓄电池容量判断方法 |
CN102569922A (zh) * | 2012-03-05 | 2012-07-11 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
CN103091642A (zh) * | 2013-01-22 | 2013-05-08 | 北京交通大学 | 一种锂电池容量快速估计方法 |
CN105301508A (zh) * | 2015-11-09 | 2016-02-03 | 华晨汽车集团控股有限公司 | 一种用于电动汽车续驶里程的径向基神经网络的预估方法 |
Non-Patent Citations (1)
Title |
---|
周奇.铅酸蓄电池能量监测***的设计.《中国优秀硕士学位论文全文数据库•工程科技II辑》.2015,(第2期), * |
Also Published As
Publication number | Publication date |
---|---|
CN105807231A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105807231B (zh) | 一种用于蓄电池剩余容量检测的方法及*** | |
Lai et al. | Co-estimation of state of charge and state of power for lithium-ion batteries based on fractional variable-order model | |
Zhou et al. | An efficient screening method for retired lithium-ion batteries based on support vector machine | |
Wei et al. | Remaining useful life prediction and state of health diagnosis for lithium-ion batteries using particle filter and support vector regression | |
CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
CN105021994B (zh) | 一种检测电池组内单体电池一致性的方法和装置 | |
CN109991554B (zh) | 一种电池电量检测方法、装置及终端设备 | |
CN102879743B (zh) | 锂离子电池剩余电量值实时分析计算法 | |
CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及*** | |
CN115542186B (zh) | 一种储能电池状态及一致性评价方法、装置、设备及介质 | |
CN107942261A (zh) | 电池荷电状态的估计方法及*** | |
Jiang et al. | Sorting and grouping optimization method for second-use batteries considering aging mechanism | |
CN112701757A (zh) | 电池组在线均衡方法及*** | |
CN114280490B (zh) | 一种锂离子电池荷电状态估计方法及*** | |
CN116482540A (zh) | 电池电压不一致性的分析预测方法、装置及*** | |
CN113447821B (zh) | 评估电池荷电状态的方法 | |
CN110794319A (zh) | 预测锂电池阻抗模型的参数的方法、装置及可读存储介质 | |
CN114545275A (zh) | 一种锂离子电池剩余使用寿命间接预测方法 | |
Shuai et al. | Intelligent diagnosis of abnormal charging for electric bicycles based on improved dynamic time warping | |
CN113820615A (zh) | 一种电池健康度检测方法与装置 | |
CN113447840A (zh) | 锂离子电池分选方法和装置 | |
CN107768754B (zh) | 锂离子电池电压挑选容量的方法及其应用 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
CN116304948A (zh) | 一种融合多尺度模糊信息粒的无监督用电异常检测方法 | |
CN114895191A (zh) | 一种电池诊断方法、装置及计算机可读存储介质 |
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 |