CN107367692A - 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法 - Google Patents
一种带遗忘因子的最小二乘法锂电池模型参数辨识方法 Download PDFInfo
- Publication number
- CN107367692A CN107367692A CN201710421602.8A CN201710421602A CN107367692A CN 107367692 A CN107367692 A CN 107367692A CN 201710421602 A CN201710421602 A CN 201710421602A CN 107367692 A CN107367692 A CN 107367692A
- Authority
- CN
- China
- Prior art keywords
- equivalent
- forgetting factor
- square method
- circuit model
- parameter
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,包括步骤一、建立二阶RC等效电路模型;步骤二、进行双线性变换得出等效电路模型***输入与***输出的差分方程;步骤三、建立带遗忘因子的递推最小二乘法;步骤四、建立系数方程;步骤五、采集电池的参数;步骤六、辨识出等效电路模型的参数。本发明利用OCV‑SOC函数关系及带遗忘因子最小二乘法对二阶RC等效电路模型进行动态参数辨识,在常用的递推最小二乘法中引入遗忘因子,缓解在运算递推过程中旧数据叠加的问题,克服了“数据饱和”现象。
Description
技术领域
本发明涉及电池领域,特别涉及一种带遗忘因子的最小二乘法锂电池模型参数辨识方法。
背景技术
锂离子电池充放电过程的内部化学反应较为复杂,因此此过程是时变且非线性的,因而要通过理论分析获得模型的参数是很困难的。虽然目前有应用离线指数拟合方法辨识出了模型参数,但是由于电池***的时变性,随着电池SOC、外界温度、循环次数等因素的改变,其模型参数也会发生较大的变化,因此为了提高SOC的估计精度,增强***的适应能力,需要对电池模型参数在线辨识并做出实时修正。参数估计是在模型结构已知的情况下,通过采集的数据来确定模型参数的一种数学方法。通过构建锂离子电池的模型结构,结合锂离子电池OCV-SOC关系曲线,目前最常用的方法是最小二乘法辨识理论,利用该理论可以对电池的二阶RC等效电路模型参数进行辨识。
递推最小二乘法是一种容易理解和掌握的辨识方法,实现起来也比较简单,大部分情况下,递推最小二乘法可以给出具有准确统计特性的参数辨识结果。只是在参数辨识中,递推最小二乘法是具有无限记忆长度的算法,对于电池***,最小二乘法在递推运算过程中旧数据越来越多,会导致递推结果不能良好的反应新数据的特性。
发明内容
本发明的目的在于提供一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,大部分情况下,递推最小二乘法可以给出具有准确统计特性的参数辨识结果,只是在参数辨识中,递推最小二乘法是具有无限记忆长度的算法,对于电池***,最小二乘法在递推运算过程中旧数据越来越多,会导致递推结果不能良好的反应新数据的特性,而引入遗忘因子能够有效的克服了“数据饱和”现象。
为实现上述目的,本发明提供的技术方案为:一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,包括以下步骤:
步骤一,建立二阶RC等效电路模型,该等效电路模型的表达式为
通过对该表达式进行离散化后得到等效电路模型的拉普拉斯方程为
步骤二,对步骤一的等效电路模型拉普拉斯方程进行双线性变换,得出等效电路模型***输入与***输出的差分方程为
其中I(k)为***输入,y(k)为***输出,
θ=[a1 a2 a3 a4 a5],a2、a3、a4、a5为相应的常数系数;
步骤三,建立带遗忘因子λ的递推最小二乘法
其中 是在此时刻的观测值的大小,y(k+1)作为***实际的观测值,y(k+1)与相减后便为预测误差,一般可为任意值,P(0)=αI,α尽量取大,I为单位阵;
步骤四,建立系数方程
其中T为采样周期;
步骤五,采集电池的参数,以采样周期T来采集电池的端电压V(k)、端电流I(k),端电压V(k-1)、端电流I(k-1)、电池荷电状态SOC(k-1)和端电压V(k-2)、端电流I(k-2);计算Voc(k)-V(k),以获得辨识过程中的输入Φ(k)、***输出y(k)。
步骤六,对θ(0)、P(0)和遗忘因子λ进行初始化,根据步骤五采集的参数以及步骤三的递推最小二乘法求出步骤二的θ值,将θ值代入该系数方程中则得到系数方程中左边的系数,即辨识出等效电路模型的参数。
优选的,所述步骤四的采样周期T=1s,SOC(0)=90%。
优选的,所述步骤六中的θ(0)为任意值,P(0)=αI,α=5000,λ=0.96。
本发明有益效果在于利用OCV-SOC函数关系及带遗忘因子最小二乘法对二阶RC等效电路模型进行动态参数辨识,在常用的递推最小二乘法中引入遗忘因子,缓解在运算递推过程中旧数据叠加的问题,克服了“数据饱和”现象。
附图说明
图1是锂电池的二阶RC模型。
图2是不同倍率恒流间歇放电OCV-SOC曲线。
具体实施方式
参照附图1至附图2介绍本发明的具体实施方式。
一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,包括以下步骤:
步骤一,建立二阶RC等效电路模型,该等效电路模型的表达式为
通过对该表达式进行离散化后得到等效电路模型的拉普拉斯方程为对(1)式离散化,解得状态方程为:
其中:
由式(2)(3)可得电池模型拉普拉斯方程如下式。
步骤二,对步骤一的等效电路模型拉普拉斯方程(6)进行双线性变换进行离散化,令可得离散化的传递函数:
得出等效电路模型***输入与***输出的差分方程为
其中I(k)为***输入,y(k)为***输出,
θ=[a1 a2 a3 a4 a5],a2、a3、a4、a5为相应的常数系数;
步骤三,建立带遗忘因子λ的递推最小二乘法,
设k时刻传感器采样误差为e(k),则:
将扩展为N维,k=1,2,…N+n,n=2,可得如下式子:
取泛函数J(θ):
因为最小二乘法原理是使J(θ)取最小值,所以求J(θ)极值,令:
可得:
对上述(9)-(13)的过程进行递推运算,即得到式子(14),
是上一时刻***所估计的参考值,是在此时刻的观测值的大小,y(k+1)作为***实际的观测值,与相减后便为预测误差,将预测误差与增益项K(k+1)相乘,便是此刻预测值的校正,最终获得此时刻最优估计必须提供符合条件的和P(0),才能获得增益项K(k+1),进而启动最小二乘法,一般可为任意值,P(0)=αI,α尽量取大,I为单位阵。
递推最小二乘法是具有无限记忆长度的算法,对于电池***,最小二乘法在递推运算过程中旧数据越来越多会导致递推结果不能良好的反应新数据的特性,为避免上述情况,引入遗忘因子λ,0<λ<1,即:
P-1(k+1)=λP-1(k)+Φ(k+1)ΦT(k+1) (16);
所以,即使(N+1)很大,P(N+1)也不趋于0,有效的克服了“数据饱和”现象。带遗忘因子最小二乘算法的步骤为:
当λ=1时,为普通最小二乘法,λ越小跟踪能力越强,但波动也越大,一般取0.95<λ<1。
步骤四,建立系数方程,根据***的采样测量信息,采样周期T=1s,SOC(0)=90%。估计出等效电池模型的结构及未知参数,令:将式子(18)代入(7)式,可得:
由(6)(19)的系数对应相等可得:
其中T为采样周期,此式子右边的系数可以通过递推最小二乘法求出,左边即是模型的未知参数。
步骤五,采集电池的参数,以采样周期T来采集电池的端电压V(k)、端电流I(k),端电压V(k-1)、端电流I(k-1)、电池荷电状态SOC(k-1)和端电压V(k-2)、端电流 I(k-2);计算Voc(k)-V(k),以获得辨识过程中的输入Φ(k)、***输出y(k)。
步骤六,对θ(0)、P(0)和遗忘因子λ进行初始化,θ(0)为任意值,P(0)=αI,α=5000,λ=0.96。根据步骤五采集的参数以及步骤三的递推最小二乘法求出步骤二的θ值,将θ值代入该系数方程中则得到系数方程中左边的系数,求得 R,Rs,Rp,Cp,Cs,即辨识出等效电路模型的参数,进而可以按照自定义工况对电池模型参数进行动态、实时更新。
本发明以如图1的二阶RC等效电路模型为例,同时应用如图2的OCV-SOC曲线,在常用的递推最小二乘法中引入遗忘因子,缓解在运算递推过程中旧数据叠加的问题,克服了“数据饱和”现象。
图2是对三元锂离子电池的充放电实验是在25摄氏度恒温条件下进行的,分别标定0.2C、0.3C、0.4C、0.5C、0.6C、0.75C、1C恒流间歇放电条件下的OCV-SOC曲线。
下表为OCV-SOC标定实验的设置和操作步骤。
每组标定步骤如下:
①采用先恒流(0.2C)后恒压(截止电压4.25V)的方式对电池进行充电;
②对电池进行恒流、恒容量(260mAh)放电;
③放电结束,静置一小时以待极化效应消失;
④重复步骤②③,至电池放电结束。
以上所述并非对本发明的技术范围作任何限制,凡依据本发明技术实质,对以上的实施例所作的任何修改、等同变化与修饰,均仍属于本发明的技术方案的范围内。
Claims (3)
1.一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,其特征在于,包括以下步骤:
步骤一,建立二阶RC等效电路模型,该等效电路模型的表达式为
通过对该表达式进行离散化后得到等效电路模型的拉普拉斯方程为
步骤二,对步骤一的等效电路模型拉普拉斯方程进行双线性变换,得出等效电路模型***输入与***输出的差分方程为
y(k)=E(k)-U(k)
=a1y(k-1)+a2y(k-2)+a3I(k)+a4I(k-1)+a5I(k-2);
其中I(k)为***输入,y(k)为***输出,
θ[a1 a2 a3 a4 a5],a2、a3、a4、a5为相应的常数系数;
步骤三,建立带遗忘因子λ的递推最小二乘法
其中是上一时刻***所估计的参考值,是在此时刻的观测值的大小,y(k+1)作为***实际的观测值,y(k+1)与相减后便为预测误差,一般可为任意值,P(0)=αI,α尽量取大,I为单位阵;
步骤四,建立系数方程
其中T为采样周期;
步骤五,采集电池的参数,以采样周期T来采集电池的端电压V(k)、端电流I(k),端电压V(k-1)、端电流I(k-1)、电池荷电状态SOC(k-1)和端电压V(k-2)、端电流I(k-2);计算Voc(k)-V(k),以获得辨识过程中的输入Φ(k)、***输出y(k)。
步骤六,对θ(0)、P(0)和遗忘因子λ进行初始化,根据步骤五采集的参数以及步骤三的递推最小二乘法求出步骤二的θ值,将θ值代入该系数方程中则得到系数方程中左边的系数,即辨识出等效电路模型的参数。
2.根据权利要求1所述的一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,其特征在于,所述步骤四的采样周期T=1s,SOC(0)=90%。
3.根据权利要求1所述的一种带遗忘因子的最小二乘法锂电池模型参数辨识方法,其特征在于,所述步骤六中的θ(0)为任意值,P(0)=αI,α=5000,λ=0.96。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710421602.8A CN107367692A (zh) | 2017-06-07 | 2017-06-07 | 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710421602.8A CN107367692A (zh) | 2017-06-07 | 2017-06-07 | 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107367692A true CN107367692A (zh) | 2017-11-21 |
Family
ID=60306310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710421602.8A Pending CN107367692A (zh) | 2017-06-07 | 2017-06-07 | 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107367692A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108072847A (zh) * | 2018-01-29 | 2018-05-25 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
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 |
CN109726501A (zh) * | 2019-01-11 | 2019-05-07 | 武汉理工大学 | 基于可变遗忘因子的rls锂电池模型参数在线辨识方法 |
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 |
CN110007238A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的建立方法 |
CN110007236A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的参数辨识方法 |
CN110058161A (zh) * | 2019-05-20 | 2019-07-26 | 山东大学 | 一种锂离子电池模型参数的分布式辨识方法及装置 |
CN110297185A (zh) * | 2019-08-14 | 2019-10-01 | 莆田市烛火信息技术有限公司 | 一种新能源汽车电池参数动态监测*** |
CN110749826A (zh) * | 2018-07-18 | 2020-02-04 | 微宏动力***(湖州)有限公司 | 一种电池soc估算方法 |
CN110968976A (zh) * | 2019-12-24 | 2020-04-07 | 武汉理工大学 | 全钒液流电池等效电路模型参数识别方法 |
CN111046485A (zh) * | 2019-11-12 | 2020-04-21 | 西北工业大学 | 一种递归最小二乘法估计无人艇横摇运动响应函数的方法 |
CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
CN111208433A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 电池二阶rc等效电路模型参数辨识的方法及装置 |
CN111426967A (zh) * | 2020-05-22 | 2020-07-17 | 枣庄职业学院 | 电池等效电路模型的参数在线实时辨识方法 |
CN111474431A (zh) * | 2020-04-21 | 2020-07-31 | 三峡大学 | 一种电解电容器分数阶等效电路模型及其参数辨识方法 |
CN112433161A (zh) * | 2020-10-12 | 2021-03-02 | 珠海格力电器股份有限公司 | 一种电池参数自动辨识方法 |
CN112595979A (zh) * | 2020-12-02 | 2021-04-02 | 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*** |
CN112816879A (zh) * | 2021-01-05 | 2021-05-18 | 南京航空航天大学 | 一种用于变工况车用动力电池SoE在线估计方法 |
CN113391212A (zh) * | 2021-06-23 | 2021-09-14 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及*** |
CN114295982A (zh) * | 2021-10-28 | 2022-04-08 | 上海空间电源研究所 | 锂离子电池参数及开路电压辨识方法、***及介质 |
CN114337427A (zh) * | 2021-12-17 | 2022-04-12 | 南京理工大学 | 一种带遗忘因子的递推最小二乘法的转动惯量辨识方法 |
CN114509677A (zh) * | 2022-01-30 | 2022-05-17 | 北京西清能源科技有限公司 | 一种电池剩余容量多因子评估方法、***及电子设备 |
CN114966408A (zh) * | 2022-04-29 | 2022-08-30 | 广东汇天航空航天科技有限公司 | 动力电池在线参数辨识方法、装置、设备及载人飞行器 |
CN117538760A (zh) * | 2024-01-10 | 2024-02-09 | 广东电网有限责任公司茂名供电局 | 一种铅酸蓄电池参数辨识方法及相关装置 |
CN117591796A (zh) * | 2024-01-19 | 2024-02-23 | 四川帝威能源技术有限公司 | 双层遗忘因子递推最小二乘电池模型参数在线辨识方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548896A (zh) * | 2015-12-25 | 2016-05-04 | 南京航空航天大学 | 基于n-2rc模型的动力电池soc在线闭环估计方法 |
CN106597291A (zh) * | 2016-10-11 | 2017-04-26 | 深圳市沃特玛电池有限公司 | 在线估算电池参数的方法 |
-
2017
- 2017-06-07 CN CN201710421602.8A patent/CN107367692A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548896A (zh) * | 2015-12-25 | 2016-05-04 | 南京航空航天大学 | 基于n-2rc模型的动力电池soc在线闭环估计方法 |
CN106597291A (zh) * | 2016-10-11 | 2017-04-26 | 深圳市沃特玛电池有限公司 | 在线估算电池参数的方法 |
Non-Patent Citations (1)
Title |
---|
陈息坤 等: "锂离子电池建模及其荷电状态鲁棒估计", 《电工技术学报》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108072847B (zh) * | 2018-01-29 | 2019-03-29 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
CN108072847A (zh) * | 2018-01-29 | 2018-05-25 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
CN110749826B (zh) * | 2018-07-18 | 2022-05-24 | 微宏动力***(湖州)有限公司 | 一种电池soc估算方法 |
CN110749826A (zh) * | 2018-07-18 | 2020-02-04 | 微宏动力***(湖州)有限公司 | 一种电池soc估算方法 |
CN109726501A (zh) * | 2019-01-11 | 2019-05-07 | 武汉理工大学 | 基于可变遗忘因子的rls锂电池模型参数在线辨识方法 |
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 |
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 |
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 |
CN110007238A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的建立方法 |
CN110007236A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的参数辨识方法 |
CN110058161B (zh) * | 2019-05-20 | 2020-09-11 | 山东大学 | 一种锂离子电池模型参数的分布式辨识方法及装置 |
CN110058161A (zh) * | 2019-05-20 | 2019-07-26 | 山东大学 | 一种锂离子电池模型参数的分布式辨识方法及装置 |
CN110297185A (zh) * | 2019-08-14 | 2019-10-01 | 莆田市烛火信息技术有限公司 | 一种新能源汽车电池参数动态监测*** |
CN111046485A (zh) * | 2019-11-12 | 2020-04-21 | 西北工业大学 | 一种递归最小二乘法估计无人艇横摇运动响应函数的方法 |
CN111046485B (zh) * | 2019-11-12 | 2022-04-26 | 西北工业大学 | 一种递归最小二乘法估计无人艇横摇运动响应函数的方法 |
CN110968976A (zh) * | 2019-12-24 | 2020-04-07 | 武汉理工大学 | 全钒液流电池等效电路模型参数识别方法 |
CN111208433A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 电池二阶rc等效电路模型参数辨识的方法及装置 |
CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
CN111474431A (zh) * | 2020-04-21 | 2020-07-31 | 三峡大学 | 一种电解电容器分数阶等效电路模型及其参数辨识方法 |
CN111474431B (zh) * | 2020-04-21 | 2022-02-01 | 三峡大学 | 一种电解电容器分数阶等效电路模型及其参数辨识方法 |
CN111426967A (zh) * | 2020-05-22 | 2020-07-17 | 枣庄职业学院 | 电池等效电路模型的参数在线实时辨识方法 |
CN111426967B (zh) * | 2020-05-22 | 2022-07-05 | 枣庄职业学院 | 电池等效电路模型的参数在线实时辨识方法 |
CN112433161A (zh) * | 2020-10-12 | 2021-03-02 | 珠海格力电器股份有限公司 | 一种电池参数自动辨识方法 |
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*** |
CN112595979A (zh) * | 2020-12-02 | 2021-04-02 | 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*** |
CN112816879A (zh) * | 2021-01-05 | 2021-05-18 | 南京航空航天大学 | 一种用于变工况车用动力电池SoE在线估计方法 |
CN113391212A (zh) * | 2021-06-23 | 2021-09-14 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及*** |
CN113391212B (zh) * | 2021-06-23 | 2022-05-17 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及*** |
CN114295982A (zh) * | 2021-10-28 | 2022-04-08 | 上海空间电源研究所 | 锂离子电池参数及开路电压辨识方法、***及介质 |
CN114337427A (zh) * | 2021-12-17 | 2022-04-12 | 南京理工大学 | 一种带遗忘因子的递推最小二乘法的转动惯量辨识方法 |
CN114337427B (zh) * | 2021-12-17 | 2024-06-07 | 南京理工大学 | 一种带遗忘因子的递推最小二乘法的转动惯量辨识方法 |
CN114509677A (zh) * | 2022-01-30 | 2022-05-17 | 北京西清能源科技有限公司 | 一种电池剩余容量多因子评估方法、***及电子设备 |
CN114966408A (zh) * | 2022-04-29 | 2022-08-30 | 广东汇天航空航天科技有限公司 | 动力电池在线参数辨识方法、装置、设备及载人飞行器 |
CN117538760A (zh) * | 2024-01-10 | 2024-02-09 | 广东电网有限责任公司茂名供电局 | 一种铅酸蓄电池参数辨识方法及相关装置 |
CN117538760B (zh) * | 2024-01-10 | 2024-04-23 | 广东电网有限责任公司茂名供电局 | 一种铅酸蓄电池参数辨识方法及相关装置 |
CN117591796A (zh) * | 2024-01-19 | 2024-02-23 | 四川帝威能源技术有限公司 | 双层遗忘因子递推最小二乘电池模型参数在线辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107367692A (zh) | 一种带遗忘因子的最小二乘法锂电池模型参数辨识方法 | |
Murnane et al. | A closer look at state of charge (SOC) and state of health (SOH) estimation techniques for batteries | |
Gholizadeh et al. | Estimation of state of charge, unknown nonlinearities, and state of health of a lithium-ion battery based on a comprehensive unobservable model | |
CN106054085B (zh) | 一种基于温度用于估计电池soc的方法 | |
CN105548896B (zh) | 基于n-2rc模型的动力电池soc在线闭环估计方法 | |
Couto et al. | State of health estimation for lithium ion batteries based on an equivalent-hydraulic model: An iron phosphate application | |
CN110187282B (zh) | 电池荷电状态估算方法和估算装置 | |
CN107064811A (zh) | 一种锂电池soc在线估计方法 | |
Zhang et al. | An improved adaptive estimator for state-of-charge estimation of lithium-ion batteries | |
WO2016080111A1 (ja) | 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム | |
US9244129B2 (en) | Method for estimating a state of charge of batteries | |
CN111965547B (zh) | 一种基于参数辨识法的电池***传感器故障诊断方法 | |
CN111044906B (zh) | 一种基于极大似然准则的锂离子电池能量状态估算方法 | |
CN112989690B (zh) | 一种混合动力汽车锂电池多时间尺度荷电状态估计方法 | |
CN109839596B (zh) | 基于ud分解的自适应扩展卡尔曼滤波的soc估算方法 | |
CN114545262A (zh) | 一种针对损失数据的锂离子电池参数辨识及soc估计方法 | |
CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
CN113608121A (zh) | 基于模糊分数阶无迹卡尔曼滤波的锂电池soc估计方法 | |
CN112433154A (zh) | 基于ffrls和ekf的锂离子电池soc估测算法 | |
CN114035095B (zh) | 基于电压曲线拐点识别的锂电池soh估计方法、介质及设备 | |
CN114114038A (zh) | 一种全寿命全温度下锂电池soc及可用容量联合估计方法 | |
CN117420447A (zh) | 考虑噪声偏差补偿的锂电池soc估算方法、***和电子装置 | |
CN107870305B (zh) | 基于温度参数的锂离子电池在线参数辨识和soh估计方法 | |
CN117031315A (zh) | 锂电池的剩余荷电状态确定方法、装置及电子设备 | |
CN114818371A (zh) | 一种基于双记忆长度的限定记忆法的锂电池参数辨识方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171121 |