CN105954679B - 一种锂电池荷电状态的在线估计方法 - Google Patents
一种锂电池荷电状态的在线估计方法 Download PDFInfo
- Publication number
- CN105954679B CN105954679B CN201610278081.0A CN201610278081A CN105954679B CN 105954679 B CN105954679 B CN 105954679B CN 201610278081 A CN201610278081 A CN 201610278081A CN 105954679 B CN105954679 B CN 105954679B
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- model
- fuzzy
- battery
- value
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 73
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 7
- 239000003990 capacitor Substances 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 6
- 239000000470 constituent Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 238000004146 energy storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种锂电池荷电状态(SOC)的在线估计方法。本发明基于扩展卡尔曼滤波方法,结合了TS模糊原理对锂电池实时参数开路电压UOC进行精确预估,进而实现对锂电池SOC的精确估计。本发明包括:锂电池改进双RC等效电路模型的建立,运用在线TS模糊模型对电池开路电压UOC的精确计算,利用扩展卡尔曼滤波算法实时估计锂电池SOC。基于本发明对锂电池SOC的估计,不仅在锂电池SOC的估计精度上满足预定要求,而且TS模糊模型的应用使得锂电池SOC估计精度提高的同时,也保证了在线估计的快速性和实时性。
Description
技术领域
本发明属于电池储能技术领域,具体而言,涉及一种锂电池荷电状态(SOC)的估计方法。
背景技术
近几十年来,电能存储技术的研究和发展一直受到各国能源、交通、电力、通讯等部门的重视。在新能源技术快速发展的大背景下,如果能在燃料电池发电、风能发电等新能源发电设备中配备有储能装置,一方面可以通过储能元件对机组的出力曲线进行调整,解决新能源发电自身出力随机性、不可控的问题,减小新能源出力变化对电网的冲击;另一方面可以在电力充沛时储存电能,在负荷高峰时释放电能,达到移峰填谷、减少***备用需求的作用。其中电池储能技术,特别是锂离子电池由于兼具高比能量和高比功率的显著优势,在大规模储能领域有着良好的应用前景。
电池管理***(Battery Management System,BMS)通过对电池的全方位信息采集、准确的容量估算、科学的均衡管理以及快速响应的保护策略,实现电池成组后的智能化管理,以确保电池储能***安全可靠地运行。高精度的电池荷电状态(State of Charge,SOC)估算技术作为BMS的关键技术之一,是通过在线实时监测电池容量,随时给出电池***的剩余容量,将电池SOC的工作范围控制在合理范围内,防止电池出现过充过放现象,保证其安全使用,同时也有利于延长电池的使用寿命。所以SOC估算是BMS的主要任务和技术难点。影响SOC的因素很多,如环境温度、充放电效率、循环寿命、自放电等,它们彼此耦合,因此根据这些参数来精确估测SOC并不容易。传统的电池SOC估算方法缺点较明显,适用范围也有限。目前在实际应用中,使用较多的是开路电压法与安时积分法相结合的方法。需要注意的是,安时积分法存在较大的累积误差,必须定期进行修正,而开路电压法只有在电池长时间静置稳定后方可获得精确的结果,即离线修正,这在实际应用中较难实现。因此,需要寻求一种具有在线修正能力的SOC实时在线估计方法。
发明内容
本发明针对现有技术的不足,提出一种锂电池SOC的在线估计方法。本发明基于扩展卡尔曼滤波方法,结合TS模糊原理对锂电池参数开路电压UOC进行精确预估,进而实现对锂电池SOC的在线实时估计。其主要包括锂电池改进双RC等效电路模型的建立,运用TS模糊模型对电池开路电压的辨识,利用扩展卡尔曼滤波算法在线实时估计锂电池SOC。基于本发明对锂电池SOC的在线估计,不仅在锂电池SOC的估计精度上满足预定要求,而且TS模糊模型的应用使得锂电池SOC估计精度提高的同时,也保证在线估计的快速性和实时性。
为实现上述目的,本发明提出了一种锂电池SOC的在线估计方法,其特征在于,所述方法包括以下步骤:
(1)任意给定锂电池SOC的初始值,利用复合经验公式模型求出电池开路电压的预估值
(2)将锂电池电流Ibat、工作温度T作为TS模糊模型的输入,利用TS模糊模型计算锂电池开路电压输出值UOC,实现对开路电压预估值进行实时优化;
(3)将UOC代入锂电池改进双RC模型中,并使用HPPC测试法对模型参数进行辨识;
(4)利用扩展卡尔曼滤波估计器,在线计算得到锂电池SOC的实时值SOCnew。
作为进一步优选的,所述步骤(1)中所述复合经验公式模型是基于对Shepherd模型、Unnewehr Universal模型以及Nernst模型进行综合改进获得,其形式如下:
其中,为当前电池开路电压预估值,z为上一时刻电池SOC值,K0、K1、K2、K3、K4为没有物理意义的系数。通过带遗忘因子的递推最小二乘法对上述系数K0~K4进行辨识。带遗忘因子的递推最小二乘法的参数辨识公式为:
其中,为待估参数向量 为数据向量K(k)为增益矩阵,P(k)为协方差矩阵,λ为遗忘因子,取接近于1的正数,通常不小于0.9。参数辨识步骤如下:
(1.1)初始数据的确定。根据经验模型参数辨识的先验知识给待估向量赋初值;设置辨识的初始值P(0)=106×I5×5(I为单位矩阵),遗忘因子λ=0.998;
(1.2)采样当前输入输出数据确定
(1.3)利用上述的参数辨识公式计算得到K(k)和P(k);
(1.4)若k<N(N为采样个数),则k→k+1,返回步骤(1.2),继续循环;否则算法结束,输出
作为进一步优选的,所述步骤(2)中利用TS模糊模型计算锂电池开路电压输出值UOC具体包括下述子步骤:
(2.1)对锂电池模型进行充放电仿真实验,记录并保存历史输入输出数据;
(2.2)对历史输入输出数据进行C聚类处理,计算出隶属度函数ui及后件参数Θ(k);
(2.3)组建TS模糊规则。其中,第i条TS模糊规则表示为:
其中,c为模糊规则数目,n为所述TS模糊模型的输入变量数目,x1(k),x2(k),···,xn(k)为第k时刻及以前的输入输出数据的回归变量,为代表各模糊子空间的具有线性隶属度函数的模糊集,可以用来进行第i条规则的模糊推理,为第i条模糊规则的后件参数,yi(k+1)为所述TS模糊模型在第i条规则下(k+1)时刻的输出值。
(2.4)定义βi为所述第i条模糊规则的适应度,则有:
于是,所述TS模糊模型在(k+1)时刻的输出y(k+1)的计算公式为:
定义后件参数Θ(k)和前件参数Φ(k)为:
其中,r=c·(n+1),可以得到:
y(k+1)=Φ(k)T·Θ(k)
(2.5)定义输出y(k+1)=UOC(k)。其中,UOC(k)为k时刻电池开路电压。令k=k+1并返回步骤(2.2),直到锂电池SOC在线估计过程结束。
作为进一步优选的,所述步骤(3)中所述的锂电池改进双RC模型,其等效内阻使用热敏电阻表示。结合基尔霍夫电流电压定律,可得锂电池的状态方程和输出方程分别为:
其中,Wk为***过程噪声,Vk为***测量噪声。Ts为***采样时间,τb为电容Cb和电阻Rb组成的RC环时间常数,τp为电容Cp和电阻Rp组成的RC环时间常数,Ub、Up分别为两个RC环两端的电压,η为电池库伦效率,SOC表示模型状态量电池SOC,Cn为电池容量。Ubat模型输出端电压,Ibat为***电流,放电时电流为正值,充电时为负。RT为等效热敏电阻值,其辨识方法如下:
定义热敏电阻RT=f(T)=a·T2+b·T+c。其中,a、b、c为待拟合系数。将锂电池在不同电流、不同温度下进行充放电试验,并得到一簇关系曲线。用曲线拟合的方法即可求出a、b、c的值。
其它模型参数的辨识方法如下:在常温下使用HPPC(Hybrid Pulse PowerCharacterization,混合脉冲功率特性)工况对锂电池进行外部激励,得到输入输出关系曲线。同样利用曲线拟合的方法可求出模型参数Rb、Cb、Rp、Cp的值。
作为进一步优选的,所述步骤(4)中将所述改进双RC模型输出端电压Ubat、模型状态量电池SOC、***电流Ibat、端电压测量值Utm作为所述扩展卡尔曼滤波估计器的输入量,并进行在线计算,得到锂电池SOC的实时值SOCnew。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.本发明基于扩展卡尔曼滤波方法,结合TS模糊原理对锂电池参数开路电压UOC进行精确预估,进而实现了对锂电池SOC的在线实时估计;
2.同时,改进双RC模型中将热敏电阻作为等效内阻,并利用实验数据对其进行精确辨识,有效地模拟了温度因素对锂电池端电压的影响,进而提高了锂电池SOC估计的准确性;
3.通过本发明提出的锂电池SOC估计方法,使得锂电池SOC估计具有良好的在线修正能力,不仅提高了锂电池SOC在线估计精度,也保证了其快速性和实时性。
附图说明
图1是锂电池SOC在线估计方法流程图;
图2是锂电池SOC在线估计方法结构图;
图3是锂电池改进双RC模型等效电路图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示为锂电池SOC在线估计方法流程图,具体包括:
(1)任意给定锂电池SOC的初始值,利用复合经验公式模型求出电池开路电压的预估值
(2)将锂电池电流Ibat、工作温度T作为TS模糊模型的输入,利用TS模糊模型计算锂电池开路电压输出值UOC,实现对开路电压预估值进行实时优化;
(3)将UOC代入锂电池改进双RC模型中,并使用HPPC测试法对模型参数进行辨识;
(4)利用扩展卡尔曼滤波估计器,在线计算得到锂电池SOC的实时值SOCnew。
如图2所示为锂电池SOC在线估计方法结构图。
采集***电流Ibat、环境温度T以及由所述复合经验公式模型得到的开路电压预估值并作为所述TS模糊模型的输入,运行TS模糊模型得到开路电压优化值UOC。将UOC输入至所述锂电池改进双RC模型中。根据图3所示的锂电池改进双RC模型等效电路图,结合基尔霍夫电流电压定律,即可得到模型的状态方程和输出方程,分别如下:
其中,Wk为***过程噪声,Vk为***测量噪声。Ts为***采样时间,τb为电容Cb和电阻Rb组成的RC环时间常数,τp为电容Cp和电阻Rp组成的RC环时间常数,Ub、Up分别为两个RC环两端的电压,η为电池库伦效率,SOC表示模型状态量电池SOC,Cn为电池容量。Ubat模型输出端电压,Ibat为***电流,放电时电流为正值,充电时为负。
将所述改进双RC模型输出端电压Ubat、模型状态量电池SOC、***电流Ibat、端电压测量值Utm作为所述扩展卡尔曼滤波估计器的输入量,并进行在线计算,得到锂电池SOC的实时值SOCnew。
本发明提供的锂电池SOC在线估计方法具有较高的估计精度,同时又保证了较快的估计速度。并且由于TS模糊模型的使用,能够根据***电流以及环境温度的变化调节模型参数,使模型的计算输出与实际锂电池***的输出保持了良好的一致性。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种锂电池荷电状态的在线估计方法,其特征在于,所述方法包括以下步骤:
(1)任意给定锂电池荷电状态的初始值,利用复合经验公式模型求出电池开路电压的预估值
(2)将锂电池电流Ibat、工作温度T作为TS模糊模型的输入,利用TS模糊模型计算锂电池开路电压输出值UOC,实现对开路电压预估值进行实时优化;
(3)将UOC代入锂电池改进双RC模型中,并使用HPPC测试法对模型参数进行辨识;
(4)利用扩展卡尔曼滤波估计器,在线计算得到锂电池荷电状态的实时值SOCnew;
所述复合经验公式模型是基于对Shepherd模型、Unnewehr Universal模型以及Nernst模型进行综合改进获得,其形式如下:
其中,为当前电池开路电压预估值,z为上一时刻电池荷电状态值,K0、K1、K2、K3、K4为没有物理意义的系数;通过带遗忘因子的递推最小二乘法对上述系数K0~K4进行辨识。
2.根据权利要求1所述的锂电池荷电状态的在线估计方法,其特征在于,所述带遗忘因子的递推最小二乘法的参数辨识公式为:
其中,为待估参数向量 为数据向量K(k)为增益矩阵,P(k)为协方差矩阵,λ为遗忘因子,取接近于1的正数,I为单位矩阵,zk为k时刻的电池SOC值,y(k)为TS模糊模型在k时刻的输出。
3.根据权利要求2所述的锂电池荷电状态的在线估计方法,其特征在于,参数辨识步骤如下:
(1.1)初始数据的确定;根据经验模型参数辨识的先验知识给待估向量赋初值;设置辨识的初始值P(0)=106×I5×5,其中I为单位矩阵,遗忘因子λ=0.998;
(1.2)采样当前输入输出数据zk,确定
(1.3)利用上述的参数辨识公式计算得到先验知识给待估向量增益矩阵K(k)和协方差矩阵P(k);
(1.4)若k<N,N为采样个数,则k=k+1,返回步骤(1.2),继续循环;否则结束,输出
4.根据权利要求1或2所述的方法,其特征在于,所述步骤(2)中利用TS模糊模型计算锂电池开路电压输出值UOC具体包括下述子步骤:
(2.1)对锂电池模型进行充放电仿真实验,记录并保存历史输入输出数据;
(2.2)对历史输入输出数据进行C聚类处理,计算出隶属度函数ui及后件参数Θ(k);
(2.3)组建TS模糊规则;其中,第i条TS模糊规则表示为:
其中,c为模糊规则数目,n为所述TS模糊模型的输入变量数目,x1(k),x2(k),…,xn(k)为第k时刻及以前的输入输出数据的回归变量,为代表各模糊子空间的具有线性隶属度函数的模糊集,可以用来进行第i条规则的模糊推理,为第i条模糊规则的后件参数,yi(k+1)为所述TS模糊模型在第i条规则下(k+1)时刻的输出值;
(2.4)定义βi为所述第i条模糊规则的适应度,则有:
所述TS模糊模型在(k+1)时刻的输出y(k+1)的计算公式为:
定义后件参数Θ(k)和前件参数Φ(k)为:
其中,r=c·(n+1),可以得到:
y(k+1)=Φ(k)TΘ(k)
(2.5)定义输出y(k+1)=UOC(k);其中,UOC(k)为k时刻电池开路电压;令k=k+1并返回步骤(2.2),直到锂电池荷电状态在线估计过程结束。
5.根据权利要求1或2所述的方法,其特征在于,所述锂电池改进双RC模型其等效内阻使用热敏电阻表示;结合基尔霍夫电流电压定律,可得锂电池的状态方程和输出方程分别为:
其中,Wk为***过程噪声,Vk为***测量噪声;Ts为***采样时间,τb为电容Cb和电阻Rb组成的RC环时间常数,τp为电容Cp和电阻Rp组成的RC环时间常数,Ub、Up分别为两个RC环两端的电压,η为电池库伦效率,荷电状态为模型状态量电池荷电状态,Cn为电池容量;Ubat为模型输出端电压,Ibat为锂电池电流,放电时电流为正值,充电时为负;RT为等效热敏电阻值,其辨识方法如下:
定义RT=f(T)=aT2+bT+c;其中,a、b、c为待拟合系数;将锂电池在不同电流、不同温度下进行充放电试验,并得到一簇关系曲线;用Matlab曲线拟合函数polyfit求出a、b、c的值。
6.根据权利要求1或2所述的方法,其特征在于,所述步骤(4)中将所述改进双RC模型输出端电压Ubat、模型状态量电池荷电状态、锂电池电流Ibat、端电压测量值Utm作为所述扩展卡尔曼滤波估计器的输入量,并进行在线计算得到锂电池荷电状态的实时值SOCnew。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610278081.0A CN105954679B (zh) | 2016-04-29 | 2016-04-29 | 一种锂电池荷电状态的在线估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610278081.0A CN105954679B (zh) | 2016-04-29 | 2016-04-29 | 一种锂电池荷电状态的在线估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105954679A CN105954679A (zh) | 2016-09-21 |
CN105954679B true CN105954679B (zh) | 2019-04-12 |
Family
ID=56916596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610278081.0A Active CN105954679B (zh) | 2016-04-29 | 2016-04-29 | 一种锂电池荷电状态的在线估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105954679B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443478B (zh) * | 2016-10-26 | 2019-03-01 | 河南师范大学 | 基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法 |
CN106707181A (zh) * | 2016-12-05 | 2017-05-24 | 澳特卡新能源科技(上海)有限公司 | 一种锂离子的电池参数与荷电状态估计方法 |
CN107064808B (zh) * | 2017-02-09 | 2019-11-15 | 山东谦恒电子科技有限公司 | 电池的soc估计方法及装置 |
CN106772108A (zh) * | 2017-03-08 | 2017-05-31 | 天津大学 | 一种锂电池soc预测方法 |
CN106918787A (zh) * | 2017-03-20 | 2017-07-04 | 国网重庆市电力公司电力科学研究院 | 一种电动汽车锂电池剩余电荷估算方法及装置 |
CN107192959B (zh) * | 2017-06-16 | 2019-05-31 | 浙江大学 | 一种基于Takagi-Sugeno模糊模型的锂电池荷电状态估计方法 |
CN107290688B (zh) * | 2017-08-24 | 2019-08-09 | 合肥工业大学 | 一种基于自适应模糊卡尔曼滤波的锂电池soc估计方法 |
CN107870305B (zh) * | 2017-12-04 | 2019-10-18 | 浙江大学城市学院 | 基于温度参数的锂离子电池在线参数辨识和soh估计方法 |
CN108490361B (zh) * | 2018-03-22 | 2020-07-24 | 深圳库博能源科技有限公司 | 一种基于云端反馈的荷电状态SoC计算方法 |
CN111929585B (zh) * | 2019-05-13 | 2023-08-04 | 丰翼科技(深圳)有限公司 | 电池电荷状态计算装置、方法、服务器及介质 |
CN110109019A (zh) * | 2019-06-04 | 2019-08-09 | 河北工业大学 | 一种基于ekf算法的混合动力锂电池的soc估算方法 |
CN110488203A (zh) * | 2019-07-12 | 2019-11-22 | 武汉大学 | 一种老化锂电池组soc在线估计方法 |
CN112039171B (zh) * | 2020-09-29 | 2022-07-15 | 珠海格力电器股份有限公司 | 电池组均衡方法、装置、设备和存储介质 |
CN112595979B (zh) * | 2020-12-02 | 2021-10-08 | 华中科技大学 | 一种考虑非充分激励的锂电池参数在线辨识方法及*** |
CN112858929B (zh) * | 2021-03-16 | 2022-09-06 | 上海理工大学 | 一种基于模糊逻辑与扩展卡尔曼滤波的电池soc估计方法 |
CN114881316B (zh) * | 2022-04-24 | 2023-06-16 | 上海玫克生储能科技有限公司 | 锂电池剩余寿命预测方法、***、终端设备及存储介质 |
CN114609526A (zh) * | 2022-05-11 | 2022-06-10 | 长城汽车股份有限公司 | 电池soc估算方法、装置、电子设备及车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930173A (zh) * | 2012-11-16 | 2013-02-13 | 重庆长安汽车股份有限公司 | 一种锂离子电池荷电状态在线估算方法 |
CN103439668A (zh) * | 2013-09-05 | 2013-12-11 | 桂林电子科技大学 | 动力锂离子电池的电荷状态估算方法与*** |
CN103558556A (zh) * | 2013-10-31 | 2014-02-05 | 重庆长安汽车股份有限公司 | 一种动力电池soh估算方法 |
CN103744026A (zh) * | 2013-12-19 | 2014-04-23 | 广西科技大学 | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9377512B2 (en) * | 2013-05-08 | 2016-06-28 | GM Global Technology Operations LLC | Battery state estimator combining electrochemical solid-state concentration model with empirical equivalent-circuit model |
-
2016
- 2016-04-29 CN CN201610278081.0A patent/CN105954679B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930173A (zh) * | 2012-11-16 | 2013-02-13 | 重庆长安汽车股份有限公司 | 一种锂离子电池荷电状态在线估算方法 |
CN103439668A (zh) * | 2013-09-05 | 2013-12-11 | 桂林电子科技大学 | 动力锂离子电池的电荷状态估算方法与*** |
CN103558556A (zh) * | 2013-10-31 | 2014-02-05 | 重庆长安汽车股份有限公司 | 一种动力电池soh估算方法 |
CN103744026A (zh) * | 2013-12-19 | 2014-04-23 | 广西科技大学 | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105954679A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105954679B (zh) | 一种锂电池荷电状态的在线估计方法 | |
Wu et al. | State of charge estimation of lithium-ion batteries over wide temperature range using unscented Kalman filter | |
Yu et al. | OCV-SOC-temperature relationship construction and state of charge estimation for a series–parallel lithium-ion battery pack | |
Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
Zhang et al. | Modeling discharge behavior of multicell battery | |
Guo et al. | SoC estimation of lithium battery based on AEKF algorithm | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN107589379A (zh) | 一种在线估计锂电池soc和阻抗的方法 | |
Haizhou | Modeling of Lithium-ion Battery for Charging/Discharging Characteristics Based on Circuit Model. | |
CN111308356A (zh) | 一种带加权的安时积分的soc估算方法 | |
CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
CN103439666A (zh) | 一种锂离子电池容量衰退评估的几何方法 | |
CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及*** | |
Kim et al. | Hysteresis modeling for model-based condition monitoring of lithium-ion batteries | |
Chen et al. | An approach for state of charge estimation of Li-ion battery based on Thevenin equivalent circuit model | |
CN112580289A (zh) | 一种混合电容器功率状态在线估计方法及*** | |
CN113093014B (zh) | 一种基于阻抗参数的soh与soc的在线协同估计方法及*** | |
Han et al. | Modeling for lithium-ion battery used in electric vehicles | |
Li et al. | State-of-charge estimation of lithium-ion battery using multi-state estimate technic for electric vehicle applications | |
Kim et al. | Online state of charge and electrical impedance estimation for multicell lithium-ion batteries | |
Gao et al. | Lithium-ion battery modeling and validation for smart power system | |
Han et al. | State of Charge estimation of Li-ion battery in EVs based on second-order sliding mode observer | |
CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
CN113884901A (zh) | 一种电池表面温度分布估计方法及*** | |
Bao et al. | State of charge estimation for electric vehicle batteries based on LS-SVM |
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 |