CN107064808A - 电池的soc估计方法及装置 - Google Patents
电池的soc估计方法及装置 Download PDFInfo
- Publication number
- CN107064808A CN107064808A CN201710072400.7A CN201710072400A CN107064808A CN 107064808 A CN107064808 A CN 107064808A CN 201710072400 A CN201710072400 A CN 201710072400A CN 107064808 A CN107064808 A CN 107064808A
- Authority
- CN
- China
- Prior art keywords
- value
- soc
- membership function
- subordinate
- battery
- 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]
- G01R31/385—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)
Abstract
本发明实施例提供了一种电池的SOC估计方法及装置,属于电池管理技术领域。所述方法包括获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;基于所述第一SOC值、所述第二SOC值以及采用T‑S模糊模型,获得所述电池的SOC估算值。以此实现高精度地估算电池的SOC值。
Description
技术领域
本发明涉及电池管理技术领域,具体而言,涉及一种电池的SOC估计方法及装置。
背景技术
SOC(State of Charge)定义为在一定放电倍率下,电池剩余电量与相同条件下额定容量的比值。动力电池SOC估计问题属于非线性、精度要求高的估计问题,给实时在线估算带来很大的困难。目前,动力电池SOC的估计方法有很多。但是现有的方法在估计锂电池的SOC存在着一些缺点。例如,放电法,无法在电动汽车行驶中使用;开路电压法需要长时间等待电池静止时间,无法应用动态工作状况;安时法存在累积误差,难以消除;卡尔曼滤波方法中电池模型精度要求高,噪声统计不准确等等。
发明内容
有鉴于此,本发明实施例的目的在于提供一种电池的SOC估计方法及装置,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本发明实施例提供了一种电池的SOC估计方法,所述方法包括:获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。
第二方面,本发明实施例提供了一种电池的SOC估计装置,所述装置包括:获取单元,用于获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;估算值获得单元,用于基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。
本发明实施例提供了一种电池的SOC估计方法及装置,所述方法包括获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。以此实现高精度地估算电池的SOC值。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为一种可应用于本申请实施例中的电子设备的结构框图;
图2为本发明第一实施例提供的电池的SOC估计方法的流程图;
图3为本发明第一实施例提供的电池的等效电路模型的示意图;
图4为本发明第一实施例提供的开路电压法的结果示意图;
图5为本发明第一实施例提供的第一SOC值对应的隶属度函数的示意图;
图6为本发明第一实施例提供的第二SOC值对应的隶属度函数的示意;
图7为本发明第一实施例提供的电池的SOC的实际值与卡尔曼算法的估计值的关系示意图;
图8为本发明第一实施例提供的电池的SOC的实际值与SOC估计方法的关系示意图;
图9为本发明第一实施例提供的电池的SOC实际值与卡尔曼算法计算值、SOC估计方法估计值的比较示意图;
图10为本发明第二实施例提供的电池的SOC估计装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1,图1示出了一种可应用于本申请实施例中的电子设备100的结构框图。该电子设备100可以作为用户终端,也可以是计算机或服务器,所述用户终端可以为手机或平板电脑。如图1所示,电子设备100可以包括存储器110、存储控制器111、处理器112和电池的SOC估计装置。
存储器110、存储控制器111、处理器112各元件之间直接或间接地电连接,以实现数据的传输或交互。例如,这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。电池的SOC估计方法分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器110中的软件功能模块,例如所述电池的SOC估计装置包括的软件功能模块或计算机程序。
存储器110可以存储各种软件程序以及模块,如本申请实施例提供的电池的SOC估计方法及装置对应的程序指令/模块。处理器112通过运行存储在存储器110中的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本申请实施例中的电池的SOC估计方法。存储器110可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器112可以是一种集成电路芯片,具有信号处理能力。上述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第一实施例
请参照图2,本发明实施例提供了一种电池的SOC估计方法,所述方法包括:
步骤S200:获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;
荷电状态,(State of Charge,SOC)也叫剩余电量,代表的是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值,常用百分数表示。其取值范围为0~1,当SOC=0时表示电池放电完全,当SOC=1时表示电池完全充满。
作为一种实施方式,卡尔曼滤波算法比较依赖于电池等效电路模型,建立准确的电池模型是算法的关键。请参见图3,在本实施例中,选择一阶RC等效电路模型作为动力锂电池模型,该模型能较好地体现电池的动静态特性。在考虑到温度、电流以及充放电过程中内阻差异的情况下,可以比较准确地模拟电池的充放电行为,其结构相对比较简单,计算量较小。由图3所示,电池包括欧姆内阻R0,极化电阻Rpa,极化电容Cpa。可以得出如下等效电路数学表达式(1)和(2):
UL=Uoc-Upa-iLR0 (2)
在(1)和(2)中,R0表示电池的欧姆内阻;Rpa表示电池的极化电阻;Cpa表示极化电容;iL表示充放电流;UL表示电池的工作电压;Upa表示Rpa上的电压估计;Upa′表示Upa对时间的导数;Uoc表示电池的开路电压。
作为一种实施方式,基于开路电压法获取电池的SOC值包括以下两种方法:一种是均值开路电压,以0.3C的电流进行充放电循环,充放电过程中记录的充电电压值和放电电压值,两者的平均值即为均值开路电压;另一种方法是10%开路电压,把标定好的容量分10份,中间间隔一定的时间,分10次以1C电流放电,采集放电前后的开路电压,即每隔10%的开路电压,中间平均等分。两种开路电压曲线见图4,U1表示均值开路电压,U2表示10%开路电压。
步骤S210:基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。
T-S模糊模型是将全局非线性***通过模糊划分建立多个简单的线性关系,对多个模型的输出再进行模糊推理和判决,可以表示复杂的非线性关系。T-S模糊模型是由一组“IF-THEN”模糊规则来描述非线性***,每一个规则代表一个子***,整个模糊***即为各个子***的线性组合。
假设给定一个广义的输入变量(x10,x20,…xm0),那么由诸规则的输出yi(i=1,2,…n)的加权平均即可求得***总的输出表达式(3):
表达式(3)中,n为模糊规则的数量;yi由第i条规则的结论方程;μi表示对应此广义输入向量的第i条规则的隶属度,μi可以由公式(4)确定:
公式(4)中,∏表示模糊算子,通常采用取小运算或者乘积运算,表示此广义输入向量的第i条规则的隶属度函数,其中j=1,2,…m。
在本实施例,所述T-S模糊模型包括第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数以及第六隶属度函数,所述基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值,包括:
基于所述第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数、第六隶属度函数、所述第一SOC值、所述第二SOC值以及预设的规则,获得所述电池的SOC估算值。
作为一种实施方式,基于所述第一隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第一隶属度值;基于所述第二隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第二隶属度值;基于所述第三隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第三隶属度值;
基于所述第四隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第四隶属度值;基于所述第五隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第五隶属度值;基于所述第六隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第六隶属度值;
基于所述第一SOC值、所述第一隶属度值、所述第二隶属度值、所述第三隶属度值、所述第二SOC值、所述第四隶属度值、所述第五隶属度值以及所述第六隶属度值以及加权平均法,获得所述电池的SOC估算值。
具体地,基于以下公式(5),获得所述电池的SOC估算值。
其中,y为所述电池的SOC估算值,SOC1为所述第一SOC值,SOC2为所述第二SOC值,为所述第一隶属度值,为所述第二隶属度值,为所述第三隶属度值,为所述第四隶属度值,为所述第五隶属度值,为所述第六隶属度值。
在本实施例中,基于卡尔曼滤波算法计算得到的第一SOC值对应的隶属度函数包括:第一隶属度函数、第三隶属度函数以及第三隶属度函数;基于开路电压法计算得到的第二SOC值对应的隶属度函数包括:第四隶属度函数、第五隶属度函数以及第六隶属度函数。
作为一种实施方式,所述第一隶属度函数的表达式为所述第三隶属度函数的表达式为所述第三隶属度函数的表达式为其中t为所述第一SOC值,如图5所示,K1表示第一隶属度函数对应的图像;K2表示第二隶属度函数对应的图像;K3表示第三隶属度函数对应的图像。所述第四隶属度函数的表达式为所述第五隶属度函数的表达式为所述第六隶属度函数的表达式为其中x为所述第二SOC值。如图6所示,T1表示第四隶属度函数对应的图像;T2表示第五隶属度函数对应的图像;T3表示第六隶属度函数对应的图像。例如,将电池的第一SOC值或第二SOC值带入对应的隶属度函数值,相应地得到对应的隶属度值,再带入公式(5),获得所述电池的SOC估算值。
进一步地,本实施例采用对比的方式,验证所示电池的SOC估计方法的优劣。对已知动力电池组进行放电,放电电流为1C,分10次,SOC会出现阶梯状下降,同时采用不同的方法估计SOC,通过与实际值比较,验证估计算法的精度。
请参照图7,横坐标表示时间,单位为秒,纵坐标为SOC值。其中,C1为实际测试的SOC值,C2为基于卡尔曼滤波算法的估计值。由图7可知,在第1次放电时,估计值与实际值几乎重叠,一致性很好,估算误差较小。后面的9次放电,估计值都略偏低于实际值,误差开始增加,误差大约为5%-8%,精度也开始下降。实际应用中,噪声统计特性可能是部分已知、近似已知或完全未知的。基于不精确的或错误的噪声统计特性设计卡尔曼滤波算法会导致滤波性能变差,甚至造成滤波发散。
采用本发明的电池的SOC估计方法进行验证,如图8所示,C1为实际测试的SOC值,C3为本发明提供的电池的SOC估计方法的估计值。由图8可知,在前5次放电中,本发明的估计值与实际值很难分开来,说明估计的误差很小;从第6次放电开始,才慢慢有点分离,但是相差也很小,误差大约为3%左右。本发明得出的SOC值估计精度较高。
例如,请参照图9,SOC实际值表示测量仪器得出的电池的SOC实际值,SOCk表示卡尔曼算法计算得出的SOC值,误差1表示卡尔曼算法与实际SOC值的差值,SOCTS表示本发明提供的SOC估计方法得出的SOC值,误差2表示本发明提供的SOC估计方法与实际SOC值的差值。由图9可知,比较电池的4种SOC实际值:0.00%、30.00%、70.00%、100.00%,SOC值越大,误差越小。并且很明显得出本发明提供的SOC估计方法计算的电池的SOC值误差更小,精度更高。
本发明在研究分析常用SOC估计方法的基础上,根据开路电压法和卡尔曼滤波算法的特性,引入T-S模糊模型,建立了基于模糊优化决策的电池的SOC估计方法,可有效的提高锂电池SOC估计的精度。
本发明实施例提供了一种电池的SOC估计方法及装置,所述方法包括获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。以此实现高精度地估算电池的SOC值。
第二实施例
请参照图10,本发明实施例提供了一种电池的SOC估计装置300,所述装置300包括:
获取单元310,用于获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;
估算值获得单元320,用于基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。
作为一种实施方式,所述T-S模糊模型包括第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数以及第六隶属度函数,所述估算值获得单元320包括:
第一获得子单元321,用于基于所述第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数、第六隶属度函数、所述第一SOC值、所述第二SOC值以及预设的规则,获得所述电池的SOC估算值。
作为一种实施方式,所述第一获得子单元321,包括:
第一SOC值隶属度计算子单元322,用于基于所述第一隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第一隶属度值;基于所述第二隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第二隶属度值;基于所述第三隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第三隶属度值;
第二SOC值隶属度计算子单元323,用于基于所述第四隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第四隶属度值;基于所述第五隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第五隶属度值;基于所述第六隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第六隶属度值;
估算值计算子单元324,用于基于所述第一SOC值、所述第一隶属度值、所述第二隶属度值、所述第三隶属度值、所述第二SOC值、所述第四隶属度值、所述第五隶属度值以及所述第六隶属度值以及加权平均法,获得所述电池的SOC估算值。
具体地,所述估算值计算子单元324,用于基于获得所述电池的SOC估算值,其中,y为所述电池的SOC估算值,SOC1为所述第一SOC值,SOC2为所述第二SOC值,为所述第一隶属度值,为所述第二隶属度值,为所述第三隶属度值,为所述第四隶属度值,为所述第五隶属度值,为所述第六隶属度值。
作为一种实施方式,所述第一隶属度函数的表达式为所述第三隶属度函数的表达式为所述第三隶属度函数的表达式为其中t为所述第一SOC值;所述第四隶属度函数的表达式为所述第五隶属度函数的表达式为所述第六隶属度函数的表达式为其中x为所述第二SOC值。
需要说明的是,本实施例中的各单元可以是由软件代码实现,此时,上述的各单元可存储于存储器110内。以上各单元同样可以由硬件例如集成电路芯片实现。
本发明实施例提供的电池的SOC估计装置300,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种电池的SOC估计方法,其特征在于,所述方法包括:
获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;
基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。
2.根据权利要求1所述的方法,其特征在于,所述T-S模糊模型包括第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数以及第六隶属度函数,所述基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值,包括:
基于所述第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数、第六隶属度函数、所述第一SOC值、所述第二SOC值以及预设的规则,获得所述电池的SOC估算值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数、第六隶属度函数、所述第一SOC值、所述第二SOC值以及预设的规则,获得所述电池的SOC估算值,包括:
基于所述第一隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第一隶属度值;基于所述第二隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第二隶属度值;基于所述第三隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第三隶属度值;
基于所述第四隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第四隶属度值;基于所述第五隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第五隶属度值;基于所述第六隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第六隶属度值;
基于所述第一SOC值、所述第一隶属度值、所述第二隶属度值、所述第三隶属度值、所述第二SOC值、所述第四隶属度值、所述第五隶属度值以及所述第六隶属度值以及加权平均法,获得所述电池的SOC估算值。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一SOC值、所述第一隶属度值、所述第二隶属度值、所述第三隶属度值、所述第二SOC值、所述第四隶属度值、所述第五隶属度值以及所述第六隶属度值以及加权平均法,获得所述电池的SOC估算值,包括:
基于获得所述电池的SOC估算值,其中,y为所述电池的SOC估算值,SOC1为所述第一SOC值,SOC2为所述第二SOC值,为所述第一隶属度值,为所述第二隶属度值,为所述第三隶属度值,为所述第四隶属度值,为所述第五隶属度值,为所述第六隶属度值。
5.根据权利要求3所述的方法,其特征在于,所述第一隶属度函数的表达式为所述第三隶属度函数的表达式为所述第三隶属度函数的表达式为其中t为所述第一SOC值;所述第四隶属度函数的表达式为所述第五隶属度函数的表达式为所述第六隶属度函数的表达式为其中x为所述第二SOC值。
6.一种电池的SOC估计装置,其特征在于,所述装置包括:
获取单元,用于获取基于卡尔曼滤波算法计算得到的所述电池的第一SOC值以及获取基于开路电压法计算得到的所述电池的第二SOC值;
估算值获得单元,用于基于所述第一SOC值、所述第二SOC值以及采用T-S模糊模型,获得所述电池的SOC估算值。
7.根据权利要求6所述的装置,其特征在于,所述T-S模糊模型包括第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数以及第六隶属度函数,所述估算值获得单元包括:
第一获得子单元,用于基于所述第一隶属度函数、第二隶属度函数、第三隶属度函数、第四隶属度函数、第五隶属度函数、第六隶属度函数、所述第一SOC值、所述第二SOC值以及预设的规则,获得所述电池的SOC估算值。
8.根据权利要求7所述的装置,其特征在于,所述第一获得子单元,包括:
第一SOC值隶属度计算子单元,用于基于所述第一隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第一隶属度值;基于所述第二隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第二隶属度值;基于所述第三隶属度函数以及所述第一SOC值,获得所述第一SOC值对应的第三隶属度值;
第二SOC值隶属度计算子单元,用于基于所述第四隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第四隶属度值;基于所述第五隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第五隶属度值;基于所述第六隶属度函数以及所述第二SOC值,获得所述第二SOC值对应的第六隶属度值;
估算值计算子单元,用于基于所述第一SOC值、所述第一隶属度值、所述第二隶属度值、所述第三隶属度值、所述第二SOC值、所述第四隶属度值、所述第五隶属度值以及所述第六隶属度值以及加权平均法,获得所述电池的SOC估算值。
9.根据权利要求8所述的装置,其特征在于,所述估算值计算子单元,用于基于获得所述电池的SOC估算值,其中,y为所述电池的SOC估算值,SOC1为所述第一SOC值,SOC2为所述第二SOC值,为所述第一隶属度值,为所述第二隶属度值,为所述第三隶属度值,为所述第四隶属度值,为所述第五隶属度值,为所述第六隶属度值。
10.根据权利要求8所述的装置,其特征在于,所述第一隶属度函数的表达式为所述第三隶属度函数的表达式为所述第三隶属度函数的表达式为其中t为所述第一SOC值;所述第四隶属度函数的表达式为所述第五隶属度函数的表达式为所述第六隶属度函数的表达式为其中x为所述第二SOC值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710072400.7A CN107064808B (zh) | 2017-02-09 | 2017-02-09 | 电池的soc估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710072400.7A CN107064808B (zh) | 2017-02-09 | 2017-02-09 | 电池的soc估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107064808A true CN107064808A (zh) | 2017-08-18 |
CN107064808B CN107064808B (zh) | 2019-11-15 |
Family
ID=59599027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710072400.7A Active CN107064808B (zh) | 2017-02-09 | 2017-02-09 | 电池的soc估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107064808B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110320473A (zh) * | 2019-07-26 | 2019-10-11 | 上海理工大学 | 一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法 |
CN111376793A (zh) * | 2018-12-29 | 2020-07-07 | 观致汽车有限公司 | 用于管理电池的方法、设备和计算机可读介质 |
CN112858929A (zh) * | 2021-03-16 | 2021-05-28 | 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 |
CN113795760A (zh) * | 2019-10-18 | 2021-12-14 | 株式会社Lg新能源 | Soc估计设备和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203798990U (zh) * | 2014-04-22 | 2014-08-27 | 桂林电子科技大学 | 一种电动汽车动力电池组荷电状态检测装置 |
CN104011555A (zh) * | 2012-10-26 | 2014-08-27 | 株式会社Lg化学 | 评估电池荷电状态的设备及方法 |
CN105891727A (zh) * | 2016-06-13 | 2016-08-24 | 桂林电子科技大学 | 一种双变结构滤波的动力电池荷电状态的估计方法与*** |
CN105954679A (zh) * | 2016-04-29 | 2016-09-21 | 华中科技大学 | 一种锂电池荷电状态的在线估计方法 |
-
2017
- 2017-02-09 CN CN201710072400.7A patent/CN107064808B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104011555A (zh) * | 2012-10-26 | 2014-08-27 | 株式会社Lg化学 | 评估电池荷电状态的设备及方法 |
CN203798990U (zh) * | 2014-04-22 | 2014-08-27 | 桂林电子科技大学 | 一种电动汽车动力电池组荷电状态检测装置 |
CN105954679A (zh) * | 2016-04-29 | 2016-09-21 | 华中科技大学 | 一种锂电池荷电状态的在线估计方法 |
CN105891727A (zh) * | 2016-06-13 | 2016-08-24 | 桂林电子科技大学 | 一种双变结构滤波的动力电池荷电状态的估计方法与*** |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111376793A (zh) * | 2018-12-29 | 2020-07-07 | 观致汽车有限公司 | 用于管理电池的方法、设备和计算机可读介质 |
CN110320473A (zh) * | 2019-07-26 | 2019-10-11 | 上海理工大学 | 一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法 |
CN110320473B (zh) * | 2019-07-26 | 2021-05-11 | 上海理工大学 | 一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法 |
CN113795760A (zh) * | 2019-10-18 | 2021-12-14 | 株式会社Lg新能源 | Soc估计设备和方法 |
CN113795760B (zh) * | 2019-10-18 | 2024-05-17 | 株式会社Lg新能源 | Soc估计设备和方法 |
US12013440B2 (en) | 2019-10-18 | 2024-06-18 | Lg Energy Solution, Ltd. | SOC estimating apparatus and method |
CN112858929A (zh) * | 2021-03-16 | 2021-05-28 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN107064808B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105203969B (zh) | 基于修正的rc电池模型的荷电状态估计方法 | |
CN109196366B (zh) | 使用高斯过程回归估计电池充电状态的方法和*** | |
CN106501736A (zh) | 电池内阻估算方法及装置 | |
CN102062841B (zh) | 动力电池荷电状态的估测方法及*** | |
CN102119338B (zh) | 基于电池电压变化模式估计电池健康状态的方法及装置 | |
RU2336618C2 (ru) | Способ расчета допустимой мощности батарей с использованием усовершенствованных методик предсказания на основе модели элемента | |
CN107064808A (zh) | 电池的soc估计方法及装置 | |
CN109991545B (zh) | 一种电池包电量检测方法、装置及终端设备 | |
JP6509725B2 (ja) | バッテリの充電状態の推定 | |
Solomon et al. | State of charge estimation of Lithium-ion battery using an improved fractional-order extended Kalman filter | |
CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及*** | |
JP2014074682A (ja) | バッテリのパラメータ等推定装置およびその推定方法 | |
CN113219357B (zh) | 电池包健康状态计算方法、***及电子设备 | |
CN107942261A (zh) | 电池荷电状态的估计方法及*** | |
US20110208453A1 (en) | Circuit-based method for estimating battery capacity | |
Nikolian et al. | Classification of Electric modelling and Characterization methods of Lithium-ion Batteries for Vehicle Applications | |
CN106932728A (zh) | 电池荷电状态soc修正方法、装置及电动汽车 | |
CN108051756A (zh) | 蓄电池soc的估算方法、***及存储介质 | |
KR20150022896A (ko) | 프로세싱 방법으로부터의 데이터에 따라 전력 상태를 결정하기 위한 장치 및 방법 | |
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 | |
CN109613440A (zh) | 电池的分级方法、装置、设备和存储介质 | |
CN108627770A (zh) | 用于确定电池的健康状态的方法和装置 | |
CN110470995A (zh) | 电池剩余放电时间获取方法、***及终端设备 | |
CN104833917A (zh) | 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定 | |
CN108594117A (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: Room 513, No. 1399, Tongfa Avenue, Changqing District, Jinan City, Shandong Province Patentee after: SHANDONG QIANHENG ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: 250000 room 1-1754, building 88, No. 1, West Exhibition Road, Ji'nan, Shandong Patentee before: SHANDONG QIANHENG ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |