CN106597291A - 在线估算电池参数的方法 - Google Patents

在线估算电池参数的方法 Download PDF

Info

Publication number
CN106597291A
CN106597291A CN201610886233.5A CN201610886233A CN106597291A CN 106597291 A CN106597291 A CN 106597291A CN 201610886233 A CN201610886233 A CN 201610886233A CN 106597291 A CN106597291 A CN 106597291A
Authority
CN
China
Prior art keywords
battery
moment
parameter
expression formula
equivalent circuit
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.)
Pending
Application number
CN201610886233.5A
Other languages
English (en)
Inventor
孔满
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen OptimumNano Energy Co Ltd
Original Assignee
Shenzhen OptimumNano Energy Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen OptimumNano Energy Co Ltd filed Critical Shenzhen OptimumNano Energy Co Ltd
Priority to CN201610886233.5A priority Critical patent/CN106597291A/zh
Publication of CN106597291A publication Critical patent/CN106597291A/zh
Pending legal-status Critical Current

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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

一种在线估算电池参数的方法包括以下步骤：建立电池等效电路模型；根据所述电池等效电路模型构建电池状态方程；在线采集电池信息；根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状态方程的系数；以及根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值。上述在线估算电池参数的方法能准确地在线估算电池参数的数值。

Description

在线估算电池参数的方法
【技术领域】
本发明涉及电池管理技术领域，尤其涉及一种在线估算电池参数的方法。
【背景技术】
电池组作为电动汽车的动力提供部分，其状态将决定电动汽车性能，因此电池组的状态的监控及估算至关重要。现阶段电池状态估算算法大部分都依赖于电池的等效电路模型，因此电池模型的相关参数的准确性就决定电池状态估算的精准度。电池模型参数通常是由是实验室进行离线测得的固定值，但在实际应用中，随着电池的老化以及外界环境的变化，这些参数也会发生变化，从而导致电池状态估算的不准确。
鉴于此，实有必要提供一种在线估算电池参数的方法以克服以上缺陷。
【发明内容】
本发明的目的是提供一种能准确地在线估算电池参数数值的在线估算电池参数的方法。
为了实现上述目的，本发明提供一种在线估算电池参数的方法，所述在线估算电池参数的方法，包括：
建立电池等效电路模型；
根据所述电池等效电路模型构建电池状态方程；
在线采集电池信息；
根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状态方程的系数；以及
根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值。
进一步地，所述电池等效电路模型为电池一阶RC等效电路模型，所述电池等效电路模型的参数包括开路电压、欧姆内阻、极化电阻及极化电容。
进一步地，“根据所述电池等效电路模型构建电池状态方程”包括：
根据基尔霍夫电压定律利用所述电池等效电路模型的参数构建k时刻的电池状态方程
UT(k)＝Uoc(k)+Up(k)+I(k)*R0(表达式一)
Up(k)＝a*Up(k-1)+I(k-1)*b(表达式二)
其中，UT(k)代表k时刻的电池端电压，UOC(k)代表k时刻的开路电压，UP(k)代表k时刻的极化电压，I(k)代表k时刻的电流，Ro代表欧姆内阻，UP(k-1)代表k-1时刻的极化电压，I(k-1)代表k-1时刻的电流， Δt代表采样时长，RP代表极化电阻，CP代表极化电容；
根据基尔霍夫电压定律利用所述电池等效电路模型的参数构建k-1时刻的电池状态方程
UT(k-1)＝Uoc(k-1)+Up(k-1)+I(k-1)*R0(表达式三)，其中，UT(k-1)代表k-1时刻的电池端电压，UOC(k-1)代表k-1时刻的开路电压；以及
将表达式二及表达式三代入表达式一中得到所述电池状态方程
UT(k)＝a*UT(k-1)+Uoc(k)*(1-a)+(b-aRo)*I(k-1)+Ro*I(k)。
进一步地，所述电池信息包括k时刻的电池端电压，k-1时刻的电池端电压、k时刻的电流、k-1时刻的电流。
进一步地，“根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状态方程的系数”包括：
根据所述电池信息利用所述遗忘因子递推最小二乘法求解所述电池状态方程，得到如下表达式：
其中，θ(k)＝[α1,α2,α3,α4]T(表达式五)，(表达式六)，θ(k)代表k时刻的所述电池状态方程的系数估计矩阵，α1、α2、α3、α4代表所述电池状态方程的系数，代表k时刻的观测量向量，G(k)代表k时刻的调整增益，P(k)代表k时刻计算的过程参数，y(k)是k时的电池端电压的电压值；以及
根据表达式四、表达式五及表达式六辨识出所述电池状态方程的系数
α1＝ɑ，α2＝RP-ɑ*(RP+Ro)，α3＝Ro，α4＝(1-ɑ)*UOC(k)。
进一步地，“根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值”包括：
根据所述电池状态方程的系数推导出所述电池等效电路模型中参数的表达式
Ro＝α3，其中，UOC代表开路电压；以及
根据所述电池等效电路模型中参数的表达式计算出所述电池等效电路模型中参数的数值。
进一步地，所述开路电压的第一端通过所述极化电阻与所述欧姆内阻的第一端相连，还通过所述极化电容与所述欧姆内阻的第一端相连，所述欧姆内阻的第二端第一输出端相连，所述开路电压的第二端与第二输出端相连，所述第一输出端与所述第二输出端之间的电压为电池端电压。
进一步地，“在线采集电池信息”是由电池管理***执行的。
相比于现有技术，本发明通过对电池进行建模并依据基尔霍夫电压定律构建电池状态方程，且利用电池管理***在线实时采集电池信号，还利用遗忘因子递推最小二乘法实时估算电池参数的数值，从而实现了准确地在线估算电池的多个参数数值的功能。另外，由于遗忘因子递推最小二乘法只需要前一时刻(如K-1时刻)的数据以及当前时刻(如K时刻)的数据，因此不需要对大量的历史数据进行保存和处理，从而节省了存储空间、降低了运算的复杂度且提高了运算效率。
【附图说明】
图1为本发明的实施例提供的在线估算电池参数的方法的流程图。
图2为本发明的实施例提供的电池等效电路模型的示意图。
【具体实施方式】
为了使本发明的目的、技术方案和有益技术效果更加清晰明白，下面将结 合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
当一个元件被认为与另一个元件“相连”时，它可以是直接连接到另一个元件或者可能同时存在居中元件。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
需要说明的是，本文提到的“在线”是指动力电池处于实际工作使用的状态，例如安装在电动汽车中运行的状态，在线状态为一复杂的动态工况，电流及/或电压不确定，随时间变化。在线状态不同于动力电池在实验室中利用充放电设备进行充放电的状态，又称“离线”状态。在离线态下电池的充放电电流及/或电压通过充放电设备控制形成有规律的变化或保持恒定。
请参阅图1，图1为本发明的实施例提供的在线估算电池参数的方法的流程图。根据不同的需求，图1所示的流程图中的步骤的执行顺序可以改变，某些步骤可以拆分为几个步骤，某些步骤可以省略。
步骤S1，建立电池等效电路模型。
步骤S2，根据所述电池等效电路模型构建电池状态方程。
步骤S3，在线采集电池信息。
步骤S4，根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状 态方程的系数。
步骤S5，根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值。
请参阅图2，图2为本发明的实施例提供的电池等效电路模型的示意图。在本实施方式中，所述电池等效电路模型为电池一阶RC等效电路模型，所述电池等效电路模型的参数包括开路电压UOC、欧姆内阻Ro、极化电阻RP及极化电容CP。所述开路电压UOC的第一端通过所述极化电阻RP与所述欧姆内阻Ro的第一端相连，还通过所述极化电容CP与所述欧姆内阻Ro的第一端相连，所述欧姆内阻Ro的第二端第一输出端O1相连，所述开路电压UOC的第二端与第二输出端O2相连。所述第一输出端O1与所述第二输出端O2之间的电压为电池端电压UT，所述极化电阻RP及所述极化电容CP的电压为极化电压UP，所述电池等效电路模型中的电流为I。在其它实施方式中，所述电池等效电路模型可以为其它等效电路模型，例如，电池二阶RC等效电路模型等。
在本实施方式中，“根据所述电池等效电路模型构建电池状态方程”包括：
根据基尔霍夫电压定律利用所述电池等效电路模型的参数构建k时刻的电池状态方程
UT(k)＝Uoc(k)+Up(k)+I(k)*R0(表达式一)
Up(k)＝a*Up(k-1)+I(k-1)*b(表达式二)
其中，UT(k)代表k时刻的电池端电压，UOC(k)代表k时刻的开路电压，UP(k)代表k时刻的极化电压，I(k)代表k时刻的电流，Ro代表欧姆内阻，UP(k-1)代表k-1时刻的极化电压，I(k-1)代表k-1时刻的电流， Δt代表采样时长，RP代表极化电阻，CP代表 极化电容；
根据基尔霍夫电压定律利用所述电池等效电路模型的参数构建k-1时刻的电池状态方程
UT(k-1)＝Uoc(k-1)+Up(k-1)+I(k-1)*R0(表达式三)，其中，UT(k-1)代表k-1时刻的电池端电压，UOC(k-1)代表k-1时刻的开路电压；以及
将表达式二及表达式三代入表达式一中得到所述电池状态方程
UT(k)＝a*UT(k-1)+Uoc(k)*(1-a)+(b-aRo)*I(k-1)+Ro*I(k)。
在本实施方式中，“在线采集电池信息”是由电池管理***执行的。所述电池信息包括：k时刻的电池端电压，k-1时刻的电池端电压、k时刻的电流、k-1时刻的电流。
在本实施方式中，“根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状态方程的系数”包括：
根据所述电池信息利用所述遗忘因子递推最小二乘法求解所述电池状态方程，得到如下表达式：
其中，θ(k)＝[α1,α2,α3,α4]T(表达式五)，(表达式六)，θ(k)代表k时刻的所述电池状态方程的系数估计矩阵，α1、α2、α3、α4代表所述电池状态方程的系数，代表k时刻的观测量向量，G(k)代表k时刻的调整增益，P(k)代表k时刻计算的过程参数，y(k)是k时的电池端电压的电压值；以及
根据表达式四、表达式五及表达式六辨识出所述电池状态方程的系数
α1＝ɑ，α2＝RP-ɑ*(RP+Ro)，α3＝Ro，α4＝(1-ɑ)*UOC(k)。
在本实施方式中，“根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值”包括：
根据所述电池状态方程的系数推导出所述电池等效电路模型中参数的表达式
Ro＝α3，其中，UOC代表开路电压；以及
根据所述电池等效电路模型中参数的表达式计算出所述电池等效电路模型中参数的数值。
本发明通过对电池进行建模并依据基尔霍夫电压定律构建电池状态方程，且利用电池管理***在线实时采集电池信号，还利用遗忘因子递推最小二乘法实时估算电池参数的数值，从而实现了准确地在线估算电池的多个参数数值的功能。另外，由于遗忘因子递推最小二乘法只需要前一时刻(如K-1时刻)的数据以及当前时刻(如K时刻)的数据，因此不需要对大量的历史数据进行保存和处理，从而节省了存储空间、降低了运算的复杂度且提高了运算效率。
本发明并不仅仅限于说明书和实施例中所描述，因此对于熟悉领域的人员而言可容易地实现另外的优点和修改，故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下，本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。

Claims (8)

1.一种在线估算电池参数的方法，其特征在于：所述在线估算电池参数的方法包括：
建立电池等效电路模型；
根据所述电池等效电路模型构建电池状态方程；
在线采集电池信息；
根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状态方程的系数；以及
根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值。
2.如权利要求1所述的在线估算电池参数的方法，其特征在于：所述电池等效电路模型为电池一阶RC等效电路模型，所述电池等效电路模型的参数包括开路电压、欧姆内阻、极化电阻及极化电容。
3.如权利要求2所述的在线估算电池参数的方法，其特征在于：“根据所述电池等效电路模型构建电池状态方程”包括：
根据基尔霍夫电压定律利用所述电池等效电路模型的参数构建k时刻的电池状态方程
UT(k)＝Uoc(k)+Up(k)+I(k)*R0 (表达式一)
Up(k)＝a*Up(k-1)+I(k-1)*b (表达式二)
其中，UT(k)代表k时刻的电池端电压，UOC(k)代表k时刻的开路电压，UP(k)代表k时刻的极化电压，I(k)代表k时刻的电流，Ro代表欧姆内阻，UP(k-1)代表k-1时刻的极化电压，I(k-1)代表k-1时刻的电流， Δt代表采样时长，RP代表极化电阻，CP代表极化电容；
根据基尔霍夫电压定律利用所述电池等效电路模型的参数构建k-1时刻的电池状态方程
UT(k-1)＝Uoc(k-1)+Up(k-1)+I(k-1)*R0(表达式三)，其中，UT(k-1)代表k-1时刻的电池端电压，UOC(k-1)代表k-1时刻的开路电压；以及
将表达式二及表达式三代入表达式一中得到所述电池状态方程
UT(k)＝a*UT(k-1)+Uoc(k)*(1-a)+(b-aRo)*I(k-1)+Ro*I(k)。
4.如权利要求3所述的在线估算电池参数的方法，其特征在于：所述电池信息包括k时刻的电池端电压，k-1时刻的电池端电压、k时刻的电流、k-1时刻的电流。
5.如权利要求4所述的在线估算电池参数的方法，其特征在于：“根据所述电池信息利用遗忘因子递推最小二乘法辨识所述电池状态方程的系数”包括：
根据所述电池信息利用所述遗忘因子递推最小二乘法求解所述电池状态方程，得到如下表达式：
其中，θ(k)＝[α1,α2,α3,α4]T(表达式五)，(表达式六)，θ(k)代表k时刻的所述电池状态方程的系数估计矩阵，α1、α2、α3、α4代表所述电池状态方程的系数，代表k时刻的观测量向量，G(k)代表k时刻的调整增益，P(k)代表k时刻计算的过程参数，y(k)是k时的电池端电 压的电压值；以及
根据表达式四、表达式五及表达式六辨识出所述电池状态方程的系数
α1＝ɑ，α2＝RP-ɑ*(RP+Ro)，α3＝Ro，α4＝(1-ɑ)*UOC(k)。
6.如权利要求5所述的在线估算电池参数的方法，其特征在于：“根据所述电池状态方程的系数计算所述电池等效电路模型中参数的数值”包括：
根据所述电池状态方程的系数推导出所述电池等效电路模型中参数的表达式
Ro＝α3，其中，UOC代表开路电压；以及
根据所述电池等效电路模型中参数的表达式计算出所述电池等效电路模型中参数的数值。
7.如权利要求2所述的在线估算电池参数的方法，其特征在于：所述开路电压的第一端通过所述极化电阻与所述欧姆内阻的第一端相连，还通过所述极化电容与所述欧姆内阻的第一端相连，所述欧姆内阻的第二端第一输出端相连，所述开路电压的第二端与第二输出端相连，所述第一输出端与所述第二输出端之间的电压为电池端电压。
8.如权利要求1所述的在线估算电池参数的方法，其特征在于：“在线采集电池信息”是由电池管理***执行的。
CN201610886233.5A 2016-10-11 2016-10-11 在线估算电池参数的方法 Pending CN106597291A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610886233.5A CN106597291A (zh) 2016-10-11 2016-10-11 在线估算电池参数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610886233.5A CN106597291A (zh) 2016-10-11 2016-10-11 在线估算电池参数的方法

Publications (1)

Publication Number Publication Date
CN106597291A true CN106597291A (zh) 2017-04-26

Family

ID=58556049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610886233.5A Pending CN106597291A (zh) 2016-10-11 2016-10-11 在线估算电池参数的方法

Country Status (1)

Country Link
CN (1) CN106597291A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107238803A (zh) * 2017-07-10 2017-10-10 安徽锐能科技有限公司 用于估计电池soe的方法和计算机可读存储介质
CN107367692A (zh) * 2017-06-07 2017-11-21 东莞市德尔能新能源股份有限公司 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法
CN109324087A (zh) * 2018-09-19 2019-02-12 大连九州创智科技有限公司 电导池一阶阻容***参数的渐消记忆辨识方法
WO2019037012A1 (zh) * 2017-08-24 2019-02-28 罗伯特·博世有限公司 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理***、电池以及电动汽车
CN109633456A (zh) * 2019-01-22 2019-04-16 武汉大学 一种基于分段电压识别法的动力锂电池组soc估算方法
CN109633453A (zh) * 2018-12-28 2019-04-16 东莞钜威动力技术有限公司 电池参数在线辨识方法、装置及计算机可读存储介质
CN109884550A (zh) * 2019-04-01 2019-06-14 北京理工大学 一种动力电池***在线参数辨识与回溯方法
CN111208435A (zh) * 2020-01-16 2020-05-29 北方工业大学 电池模型参数估计方法及装置
CN111308373A (zh) * 2020-04-07 2020-06-19 枣庄职业学院 一种电池的Thevenin模型参数的辨识方法及其应用
CN113777500A (zh) * 2021-09-29 2021-12-10 东方电气集团科学技术研究院有限公司 一种采用模拟退火法进行电池参数辨识及精度优化的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060284600A1 (en) * 2005-06-21 2006-12-21 Verbrugge Mark W Method for control and monitoring using a state estimator having variable forgetting factors
CN104360282A (zh) * 2014-11-19 2015-02-18 奇瑞汽车股份有限公司 一种变长度滑动窗辨识电池参数的电池荷电状态估计方法
CN104502858A (zh) * 2014-12-31 2015-04-08 桂林电子科技大学 基于后向差分离散模型的动力电池soc估计方法与***
CN105093121A (zh) * 2015-07-10 2015-11-25 桂林电子科技大学 似然度函数粒子滤波的动力电池电荷状态估计方法和***
CN105116343A (zh) * 2015-08-24 2015-12-02 桂林电子科技大学 最小二乘支持向量机的动力电池电荷状态估计方法及***
CN105301509A (zh) * 2015-11-12 2016-02-03 清华大学 锂离子电池荷电状态、健康状态与功率状态的联合估计方法
CN105891715A (zh) * 2014-12-12 2016-08-24 广西大学 一种锂离子电池健康状态估算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060284600A1 (en) * 2005-06-21 2006-12-21 Verbrugge Mark W Method for control and monitoring using a state estimator having variable forgetting factors
CN104360282A (zh) * 2014-11-19 2015-02-18 奇瑞汽车股份有限公司 一种变长度滑动窗辨识电池参数的电池荷电状态估计方法
CN105891715A (zh) * 2014-12-12 2016-08-24 广西大学 一种锂离子电池健康状态估算方法
CN104502858A (zh) * 2014-12-31 2015-04-08 桂林电子科技大学 基于后向差分离散模型的动力电池soc估计方法与***
CN105093121A (zh) * 2015-07-10 2015-11-25 桂林电子科技大学 似然度函数粒子滤波的动力电池电荷状态估计方法和***
CN105116343A (zh) * 2015-08-24 2015-12-02 桂林电子科技大学 最小二乘支持向量机的动力电池电荷状态估计方法及***
CN105301509A (zh) * 2015-11-12 2016-02-03 清华大学 锂离子电池荷电状态、健康状态与功率状态的联合估计方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107367692A (zh) * 2017-06-07 2017-11-21 东莞市德尔能新能源股份有限公司 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法
CN107238803B (zh) * 2017-07-10 2019-11-01 安徽锐能科技有限公司 用于估计电池soe的方法和计算机可读存储介质
CN107238803A (zh) * 2017-07-10 2017-10-10 安徽锐能科技有限公司 用于估计电池soe的方法和计算机可读存储介质
CN111033930A (zh) * 2017-08-24 2020-04-17 罗伯特·博世有限公司 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理***、电池以及电动汽车
WO2019037012A1 (zh) * 2017-08-24 2019-02-28 罗伯特·博世有限公司 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理***、电池以及电动汽车
CN111033930B (zh) * 2017-08-24 2024-03-05 罗伯特·博世有限公司 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理***
CN109324087A (zh) * 2018-09-19 2019-02-12 大连九州创智科技有限公司 电导池一阶阻容***参数的渐消记忆辨识方法
CN109633453A (zh) * 2018-12-28 2019-04-16 东莞钜威动力技术有限公司 电池参数在线辨识方法、装置及计算机可读存储介质
CN109633453B (zh) * 2018-12-28 2021-04-02 东莞钜威动力技术有限公司 电池参数在线辨识方法、装置及计算机可读存储介质
CN109633456A (zh) * 2019-01-22 2019-04-16 武汉大学 一种基于分段电压识别法的动力锂电池组soc估算方法
CN109884550A (zh) * 2019-04-01 2019-06-14 北京理工大学 一种动力电池***在线参数辨识与回溯方法
CN109884550B (zh) * 2019-04-01 2020-01-17 北京理工大学 一种动力电池***在线参数辨识与回溯方法
CN111208435A (zh) * 2020-01-16 2020-05-29 北方工业大学 电池模型参数估计方法及装置
CN111308373A (zh) * 2020-04-07 2020-06-19 枣庄职业学院 一种电池的Thevenin模型参数的辨识方法及其应用
CN113777500A (zh) * 2021-09-29 2021-12-10 东方电气集团科学技术研究院有限公司 一种采用模拟退火法进行电池参数辨识及精度优化的方法

Similar Documents

Publication Publication Date Title
CN106597291A (zh) 在线估算电池参数的方法
CN105116343B (zh) 最小二乘支持向量机的动力电池电荷状态估计方法及***
CN110395141B (zh) 基于自适应卡尔曼滤波法的动力锂电池soc估算方法
CN106054080B (zh) 一种动力电池荷电状态与健康状态的联合估计方法
CN106443473B (zh) 一种动力锂离子电池组soc估算方法
CN104569835B (zh) 一种估计电动汽车的动力电池的荷电状态的方法
CN105699907B (zh) 一种基于动态阻抗校正的电池soc估计方法及***
CN107576919A (zh) 基于armax模型的动力电池荷电状态估算***及方法
CN109188293B (zh) 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法
CN106842060A (zh) 一种基于动态参数的动力电池soc估算方法及***
CN104535934B (zh) 在线前馈补偿的动力电池电荷状态估计方法与***
CN109061506A (zh) 基于神经网络优化ekf的锂离子动力电池soc估计方法
CN109633479B (zh) 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法
WO2013125118A1 (ja) パラメータ推定装置
CN105044606B (zh) 一种基于参数自适应电池模型的soc估计方法
CN109633453A (zh) 电池参数在线辨识方法、装置及计算机可读存储介质
CN109839599B (zh) 基于二阶ekf算法的锂离子电池soc估计方法
CN109085505A (zh) 一种动力电池充放电状态估算方法
CN108829911A (zh) 一种开路电压与soc函数关系优化方法
CN111060823A (zh) 一种基于dp模型的低温环境下电池sop在线估计方法
CN110632520A (zh) 一种动力电池soc的估算装置及其估算方法
CN111965544B (zh) 基于电压及电流双约束的车用并联动力电池的最小包络线soc估计方法
Chen et al. An approach for state of charge estimation of Li-ion battery based on Thevenin equivalent circuit model
Li et al. A novel fusion model for battery online state of charge (SOC) estimation
CN112946480B (zh) 一种提高soc估计实时性的锂电池电路模型简化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170426

WD01 Invention patent application deemed withdrawn after publication