CN107368619A - 基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波soc估算方法 - Google Patents
基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波soc估算方法 Download PDFInfo
- Publication number
- CN107368619A CN107368619A CN201710406349.9A CN201710406349A CN107368619A CN 107368619 A CN107368619 A CN 107368619A CN 201710406349 A CN201710406349 A CN 201710406349A CN 107368619 A CN107368619 A CN 107368619A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- soc
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000007480 spreading Effects 0.000 claims abstract description 13
- 230000010354 integration Effects 0.000 claims abstract description 12
- 230000006872 improvement Effects 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims abstract description 3
- RQKYYWBMXHYBAP-UHFFFAOYSA-N 4-(chloromethyl)-2,2-dimethyl-1,3,2-dioxasilolane Chemical compound C[Si]1(C)OCC(CCl)O1 RQKYYWBMXHYBAP-UHFFFAOYSA-N 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000010287 polarization Effects 0.000 claims description 5
- 230000032683 aging Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 3
- 239000005955 Ferric phosphate Substances 0.000 description 2
- 229940032958 ferric phosphate Drugs 0.000 description 2
- WBJZTOZJJYAKHQ-UHFFFAOYSA-K iron(3+) phosphate Chemical compound [Fe+3].[O-]P([O-])([O-])=O WBJZTOZJJYAKHQ-UHFFFAOYSA-K 0.000 description 2
- 229910000399 iron(III) phosphate Inorganic materials 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算,包括以下步骤:(1)、采集当前状态下的电压、电流、历史SOC、累计充放电次数N等参数信息;(2)、基于电池滞回电压特性和回弹电压特性建立电池的三阶RC等效电路模型;(3)、基于改进安时积分法建立SOC状态方程;(4)、基于建立的状态方程和观测方程,根据扩展卡尔曼递推原理不断对当前时刻SOC值进行修正,使估算值逐渐逼近真实值;(5)、SOC误差小于2%时,结束SOC的扩展卡尔曼递推过程。该方案克服了开路电压法无法在线估算,安时积分法电流误差累积的缺点,提高了电池SOC的估算精度,实现了电池SOC的在线估算。
Description
技术领域
本发明涉及磷酸铁锂动力电池的技术领域,更具体地说,涉及一种基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法。
背景技术
在电动汽车用锂动力电池管理***中,电池荷电状态(SOC)的估算是电池管理***(BMS)的核心内容,且电池的均衡控制,健康状态(SOH)控制均是以SOC的估算为基础,SOC的估算准确与否,将直接影响到电池管理***的决策,因此精确的SOC估计对改善电池性能,提高电池可靠性,延长电池使用寿命有重要意义。
电池SOC的估算与电池的开路电压、充放电电流、蓄电池内阻。自放电及电池的循环寿命等参数有关。目前国内外常用的SOC估算方法为开路电压法和安时积分法。开路电压法为电池停止工作测量电路开路电压值,通过OCV-SOC查表估计此时的SOC值,该方法需要静置足够的时间,无法实现在线估算;安时积分法通过电流的动态积分来估算SOC,算法简单,但其为一种开环预测,无法实时修正,且无法确定初值,同时存在传感器的累积误差。
扩展卡尔曼滤波算法基于建立的精确的电池等效电路模型建立电池的状态空间方程,结合递推算法实现对SOC的估计,可实现在线估计,同时可给出误差估计范围,满足电动汽车实际工况下的电流剧烈变化条件。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,一种基于电池滞回电压和回弹电压特性的扩展卡尔曼滤波SOC估算方法,克服了开路电压法无法在线估算,安时积分法电流误差累积的缺点,提高了电池SOC的估算精度,实现了电池SOC的在线估算。
为了达到上述目的,本发明采用以下技术方案:
本发明公开的一种基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,包括下述步骤:
(1)采集当前状态下的电压、电流、历史SOC、累计充放电次数N这些参数信息;
(2)基于电池滞回电压特性和回弹电压特性建立电池的三阶RC等效电路模型;
(3)基于改进安时积分法建立SOC状态方程;
(4)基于建立的状态方程和观测方程,根据扩展卡尔曼递推原理不断对当前时刻SOC值进行修正,使估算值逐渐逼近真实值;
(5)SOC误差小于2%时结束SOC的扩展卡尔曼递推过程。
作为优选的技术方案,步骤(2)中,建立三阶RC等效电路模型的方法为:
建立三阶RC等效电路模型描述其响应特性和内部特性,响应特性是指电池的端电压与负载电流的对应关系;内部特性是指电池的内部变量欧姆内阻、极化内阻、极化电压与SOC的关系,建立的观测方程如下:
Uc(t)=Eb-Ur-Us-Um-Ul
其中,Eb=UEMF+UVh,UEMF=g(SOC),UVh=f(SOC,I),Ur=I·Rr
UC(t)为电池的负载电压,Eb为电池的等效电压,Ur为电池欧姆内阻对应的电压,Us、Um、Ul为三阶RC网络分别对应的电压,UEMF为反电动势,与充放电SOC有关,UVh为电池滞回电压,与电流I方向,电池SOC有关;
即:
UC(t)=UEMF+UVh-Us-Um-Ul-Ur
=g(SOC)+f(SOC,I)-Es-Em-El-IRr
由实验可知,电池内阻Rr受SOC影响较大,0≤SOC≤50%时,Rr随SOC变化较大,50%<SOC≤100时,Rr趋于稳定,因此,Rr与SOC关系描述如下:
则观测方程可表达为:
UC(t)=UEMF+UVh-Us-Um-Ul-Ur
=g(SOC)+f(SOC,I)-Es-Em-El-I·h(SOC)
由电化学原理可知,可采用RC网络描述电池的回弹特性,其精度与RC的阶数有关,采用三阶RC网络来表达电池的回弹电压特性,既满足精度要求,又不会增加计算的复杂度,表示如下:
作为优选的技术方案,所述步骤(3)中,基于改进安时积分法建立SOC状态方程的方法为:
3.1)建立SOC状态方程:
其中,α为电池的老化系数,与充放电次数N有关,SOC(0)为电池的初始时刻SOC,CN为电池的标称容量,单位为Ah,表示电量完全充满的情况下电池以实际的工作温度和放电倍率下所放出的电量,η为电池效率系数,主要包括充放电系数ηc和温度系数ηT,它们之间满足η=ηc·ηT的函数关系;
3.2)计算初始状态SOC(0):
SOC(0)=βSOCh+(1-β)SOCOCV
其中,SOCh为上次关机时***记录的历史SOC估计值,通过标准充放电实验分段拟合的平衡电势与SOC一阶函数关系,SOCocv为通过采集电池开机电压、电流计算的SOC值,β为与上次关机到此次开机的时间间隔T的相关系数。
作为优选的技术方案,在步骤3.1)中,α满足如下函数关系:
在步骤3.2)中,β满足如下函数关系:
其中0≤β≤1。
作为优选的技术方案,步骤3.2)中在计算初始SOC时,使用Matlab进行一阶拟合,拟合方程为:
作为优选的技术方案,步骤(4)中,建立的状态方程和观测方程,根据扩展卡尔曼递推原理不断对当前时刻SOC值进行修正的方法为:
4.1)获取扩展卡尔曼滤波状态估计向量初始值X0与误差协方差矩阵的初始值P0;
X0=[SOC(0)Us(0)Um(0)Ul(0)]T=[SOC(0)0 0 0]T
P0=E[(X0-X0)(X0-X0)T]
4.2)将k-1时刻的状态向量估计值与误差协方差矩阵Pk-1/k-1进行时间更新进一步确定k时刻的状态向量先验估计值与误差协方差Pk/k-1:
***噪声方差:
其中wk为均值为0的高斯白噪声,为wk的转置,E为数学期望
4.3)确定扩展卡尔曼增益矩阵Kk
其中Ck为雅可比矩阵,为Ck的转置,Rk为观测噪声协方差
协方差Rk为:
vk为均值为0的高斯白噪声
4.4)获得卡尔曼滤波状态向量估计值及状态协方差
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明采用改进的安时积分法和扩展卡尔曼滤波算法计算电池SOC值,克服了安时积分在线估算时间长的问题。
2、本发明基于电池电压滞回特性和回弹特性建立较精确的三阶RC电池模型,提高了SOC模型的估算精度。
3、本发明采用电池关机记录SOC值与OCV-SOC查表结合的方法计算电池SOC初值,同时考虑到电池的老化效应,提高了SOC初值的估算精度。
附图说明
图1为本发明流程图;
图2为本发明电池等效电路模型图;
图3为本发明内阻RS与SOC关系图;
图4为本发明电池滞回电压特性图;
图5为本发明回弹电压特性图;
图6为本发明计算初始SOC流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,本发明SOC估算方法主要包括电池等效电路建模,构建扩展卡尔曼状态方程,扩展卡尔曼滤波递推算法状态变量更新计算几部分。
S1、采集当前状态下的电压、电流、历史SOC、累计充放电次数N等参数信息;
S2、基于电池滞回电压特性和回弹电压特性建立电池的三阶RC等效电路模型;
图2所示等效电路模型,应用扩展卡尔曼滤波器估算电池***SOC,需要建立精确的电池模型。电池模型应尽量完善表达实际电池的响应特性和内部特性。响应特性是指电池的端电压与负载电流的对应关系;内部特性是指电池的内部变量欧姆内阻、极化内阻、极化电压与SOC的关系,建立的观测方程如下:
Uc(t)=Eb-Ur-Us-Um-Ul
其中,Eb=UEMF+UVh,UEMF=g(SOC),UVh=f(SOC,I),Ur=I·Rr
即:
UC(t)=UEMF+UVh-Us-Um-Ul-Ur
=g(SOC)+f(SOC,I)-Es-Em-El-IRr
图3为电池内阻Rr与SOC关系图,由图可知,电池欧姆内阻Rr受SOC影响较大,0≤SOC≤50%时,Rr随SOC变化较大,50%<SOC≤100时,Rr趋于稳定。因此,Rr与SOC关系描述如下:
则观测方程可表达为:
UC(t)=UEMF+UVh-Us-Um-Ul-Ur
=g(SOC)+f(SOC,I)-Es-Em-El-I·h(SOC)
图4为电池回弹电压特性图,由图可知,当回路电流为0时,电池内部由于其极化反应并未停止,因此其净反应速率不会立即降为0,电池端电压会继续上升,直至经历足够的静置时间,端电压才会恢复稳定,即与开路电压相同。由电化学原理可知,可采用RC网络描述电池的回弹特性,其精度与RC的阶数有关。本发明采用三阶RC网络来表达电池的回弹电压特性,既满足精度要求,又不会增加计算的复杂度。
由基尔霍夫电压电流定律可知三阶RC网络满足如下条件:
S3、基于改进安时积分法建立SOC状态方程:
其中,α为电池的老化系数,与充放电次数N有关,SOC(0)为电池的初始时刻SOC,CN为电池的标称容量,单位为Ah,表示电量完全充满的情况下电池以实际的工作温度和放电倍率下所放出的电量,η为电池效率系数,主要包括充放电系数ηc和温度系数ηT.,它们之间满足η=ηc·ηT函数关系,α满足如下函数关系:
图5为电池滞回电压特性图,由图可知,相同的SOC值在充放电条件下对应的电池平衡电压是不同的,相同条件下充电状态平衡电压较高,其主要由电池本身的电化学特性造成。同时由图5可知,磷酸铁锂电池在平台区(SOC为20%~90%)电压变化不大,非平台区(SOC为0~20%,90%~100%)电压变化较大。因此,根据磷酸铁锂电池充放电开路电压与SOC关系,可使用Matlab中将其一阶拟合,在精度要求前提下降低运算复杂度。本发明计算基于开路平衡电压的电池初始SOC时,首先判断电流方向,即判断***处于充电状态还是放电状态,然后根据开路平衡电压代入拟合方程式中计算SOC值。拟合方程具体表示如下:
由于电池开端电压在较长静置时间才恢复稳定,为提高SOC估算精度,本发明采用上次关机***记录的历史SOC值与电池开路电压一阶拟合相结合的方法计算初始SOC,如图6所示。由实验数据及经验可知,在静置2小时以后电池的端电压趋于稳定。因此,本发明将开路平衡电压SOCOCV与上次关机时***记录的历史SOC值SOCh结合计算初始时刻SOC,具体表示如下:
SOC(0)=βSOCh+(1-β)SOCOCV
其中,SOCh为***记录的上次关机时的电池SOC值,SOCocv为基于电池电压滞回特性计算的SOC,β为时间T相关系数,0≤β≤1,其表示如下:
S4、基于电池滞回电压特性和回弹电压特性建立的三阶等效电池模型的的状态空间模型,选择电池的工作电流i作为***激励、负载电压Uc作为***观测变量、电池的极化电压和SOC值作为状态变量建立状态方程和观测方程,并将其离散化;
其中,
将其表示为矩阵形式如下:
则:
状态方程:xk=Axk-1+Bik-1+wk
观测方程:
S5、基于建立的状态方程和观测方程,根据扩展卡尔曼递推原理不断对当前时刻SOC值进行修正,使估算值逐渐逼近真实值。基于扩展卡尔曼滤波的SOC估算具体步骤:
S51)获取扩展卡尔曼滤波状态估计向量初始值X0与误差协方差矩阵的初始值P0;
X0=[SOC(0)Us(0)Um(0)Ul(0)]T=[SOC(0)0 0 0]T
P0=E[(X0-X0)(X0-X0)T]
S52)将k-1时刻的状态向量估计值与误差协方差矩阵Pk-1/k-1进行时间更新进一步确定k时刻的状态向量估计值与误差协方差Pk/k-1:
其中,f为状态转移函数,为k-1时刻状态向量估计值,ik-1为k-1时刻***输入向量。
S53)确定***噪声的方差Qk为:
其中wk为均值为0的高斯白噪声,为wk的转置,E为数学期望
S54)确定扩展卡尔曼增益矩阵Kk
其中Ck为雅可比矩阵,为Ck的转置,Rk为观测噪声协方差
方差Rk为:
vk为均值为0的高斯白噪声
S55)获得卡尔曼滤波状态向量估计值及相应协方差矩阵
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,其特征在于,包括下述步骤:
(1)采集当前状态下的电压、电流、历史SOC、累计充放电次数N这些参数信息;
(2)基于电池滞回电压特性和回弹电压特性建立电池的三阶RC等效电路模型;
(3)基于改进安时积分法建立SOC状态方程;
(4)基于建立的状态方程和观测方程,根据扩展卡尔曼递推原理不断对当前时刻SOC值进行修正,使估算值逐渐逼近真实值;
(5)SOC误差小于2%时结束SOC的扩展卡尔曼递推过程。
2.根据权利要求1所述的基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,其特征在于,步骤(2)中,建立三阶RC等效电路模型的方法为:
建立三阶RC等效电路模型描述其响应特性和内部特性,响应特性是指电池的端电压与负载电流的对应关系;内部特性是指电池的内部变量欧姆内阻、极化内阻、极化电压与SOC的关系,建立的观测方程如下:
Uc(t)=Eb-Ur-Us-Um-Ul
其中,Eb=UEMF+UVh,UEMF=g(SOC),UVh=f(SOC,I),Ur=I·Rr
UC(t)为电池的负载电压,Eb为电池的等效电压,Ur为电池欧姆内阻对应的电压,Us、Um、Ul为三阶RC网络分别对应的电压,UEMF为反电动势,与充放电SOC有关,UVh为电池滞回电压,与电流I方向,电池SOC有关;
即:
UC(t)=UEMF+UVh-Us-Um-Ul-Ur
=g(SOC)+f(SOC,I)-Es-Em-El-IRr
由实验可知,电池内阻Rr受SOC影响较大,0≤SOC≤50%时,Rr随SOC变化较大,50%<SOC≤100时,Rr趋于稳定,因此,Rr与SOC关系描述如下:
<mrow>
<msub>
<mi>R</mi>
<mi>r</mi>
</msub>
<mo>=</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>a</mi>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>50</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>c</mi>
</mtd>
<mtd>
<mrow>
<mn>50</mn>
<mi>%</mi>
<mo><</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>100</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
则观测方程可表达为:
UC(t)=UEMF+UVh-Us-Um-Ul-Ur
=g(SOC)+f(SOC,I)-Es-Em-El-I·h(SOC)
由电化学原理可知,可采用RC网络描述电池的回弹特性,其精度与RC的阶数有关,采用三阶RC网络来表达电池的回弹电压特性,既满足精度要求,又不会增加计算的复杂度,表示如下:
<mrow>
<mfrac>
<mn>1</mn>
<msub>
<mi>C</mi>
<mi>s</mi>
</msub>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msub>
<mi>du</mi>
<mi>s</mi>
</msub>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>U</mi>
<mi>s</mi>
</msub>
<msub>
<mi>R</mi>
<mi>s</mi>
</msub>
</mfrac>
<mo>=</mo>
<mi>I</mi>
</mrow>
<mrow>
<mfrac>
<mn>1</mn>
<msub>
<mi>C</mi>
<mi>m</mi>
</msub>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msub>
<mi>du</mi>
<mi>m</mi>
</msub>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>U</mi>
<mi>m</mi>
</msub>
<msub>
<mi>R</mi>
<mi>m</mi>
</msub>
</mfrac>
<mo>=</mo>
<mi>I</mi>
</mrow>
<mrow>
<mfrac>
<mn>1</mn>
<msub>
<mi>C</mi>
<mi>l</mi>
</msub>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msub>
<mi>du</mi>
<mi>l</mi>
</msub>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>U</mi>
<mi>l</mi>
</msub>
<msub>
<mi>R</mi>
<mi>l</mi>
</msub>
</mfrac>
<mo>=</mo>
<mi>I</mi>
<mo>.</mo>
</mrow>
3.根据权利要求1所述的基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,其特征在于,所述步骤(3)中,基于改进安时积分法建立SOC状态方程的方法为:
3.1)建立SOC状态方程:
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&alpha;</mi>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mi>&eta;</mi>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>t</mi>
</msubsup>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
<msub>
<mi>C</mi>
<mi>N</mi>
</msub>
</mfrac>
<mo>;</mo>
</mrow>
其中,α为电池的老化系数,与充放电次数N有关,SOC(0)为电池的初始时刻SOC,CN为电池的标称容量,单位为Ah,表示电量完全充满的情况下电池以实际的工作温度和放电倍率下所放出的电量,η为电池效率系数,主要包括充放电系数ηc和温度系数ηT,它们之间满足η=ηc·ηT的函数关系;
3.2)计算初始状态SOC(0):
SOC(0)=βSOCh+(1-β)SOCOCV
其中,SOCh为上次关机时***记录的历史SOC估计值,通过标准充放电实验分段拟合的平衡电势与SOC一阶函数关系,SOCocv为通过采集电池开机电压、电流计算的SOC值,β为与上次关机到此次开机的时间间隔T的相关系数。
4.根据权利要求3所述的基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,其特征在于,
在步骤3.1)中,α满足如下函数关系:
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>N</mi>
<mo>&le;</mo>
<mn>500</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.98</mn>
</mtd>
<mtd>
<mrow>
<mn>500</mn>
<mo><</mo>
<mi>N</mi>
<mo>&le;</mo>
<mn>1000</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.95</mn>
</mtd>
<mtd>
<mrow>
<mi>N</mi>
<mo>></mo>
<mn>1000</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
在步骤3.2)中,β满足如下函数关系:
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mi>T</mi>
<mn>2</mn>
</mfrac>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>T</mi>
<mo>&le;</mo>
<mn>2</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>T</mi>
<mo>></mo>
<mn>2</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中0≤β≤1。
5.根据权利要求3所述的基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,其特征在于,步骤3.2)中在计算初始SOC时,使用Matlab进行一阶拟合,拟合方程为:
<mrow>
<msub>
<mi>U</mi>
<mrow>
<mi>O</mi>
<mi>C</mi>
<mi>V</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>20</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>20</mn>
<mi>%</mi>
<mo><</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>90</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>90</mn>
<mi>%</mi>
<mo><</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>I</mi>
<mo><</mo>
<mn>0</mn>
</mrow>
<mrow>
<msub>
<mi>U</mi>
<mrow>
<mi>O</mi>
<mi>C</mi>
<mi>V</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>4</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>20</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>5</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>20</mn>
<mi>%</mi>
<mo><</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>90</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>6</mn>
</msub>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>6</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>90</mn>
<mi>%</mi>
<mo><</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&le;</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>I</mi>
<mo>></mo>
<mn>0.</mn>
</mrow>
6.根据权利要求1所述的基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波SOC估算方法,其特征在于,步骤(4)中,建立的状态方程和观测方程,根据扩展卡尔曼递推原理不断对当前时刻SOC值进行修正的方法为:
4.1)获取扩展卡尔曼滤波状态估计向量初始值X0与误差协方差矩阵的初始值P0;
X0=[SOC(0) Us(0) Um(0) Ul(0)]T=[SOC(0) 0 0 0]T
P0=E[(X0-X0)(X0-X0)T]
4.2)将k-1时刻的状态向量估计值与误差协方差矩阵Pk-1/k-1进行时间更新进一步确定k时刻的状态向量先验估计值与误差协方差Pk/k-1:
<mrow>
<msub>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>Ax</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>Bi</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>A</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>A</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
***噪声方差:
其中wk为均值为0的高斯白噪声,为wk的转置,E为数学期望
4.3)确定扩展卡尔曼增益矩阵Kk
<mrow>
<msub>
<mi>K</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>C</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>C</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
其中Ck为雅可比矩阵,为Ck的转置,Rk为观测噪声协方差
<mrow>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mtd>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mtd>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mtd>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>U</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mtd>
</mtr>
</mtable>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>E</mi>
<mi>M</mi>
<mi>F</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>V</mi>
<mi>h</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>R</mi>
<mi>r</mi>
</msub>
<mi>i</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
协方差Rk为:
<mrow>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mi>k</mi>
</msub>
<mo>&times;</mo>
<msubsup>
<mi>v</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
<mo>&rsqb;</mo>
</mrow>
vk为均值为0的高斯白噪声
4.4)获得卡尔曼滤波状态向量估计值及状态协方差
<mrow>
<msub>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<msub>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>P</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>/</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>-</mo>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<msub>
<mi>K</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710406349.9A CN107368619B (zh) | 2017-06-02 | 2017-06-02 | 一种扩展卡尔曼滤波soc估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710406349.9A CN107368619B (zh) | 2017-06-02 | 2017-06-02 | 一种扩展卡尔曼滤波soc估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368619A true CN107368619A (zh) | 2017-11-21 |
CN107368619B CN107368619B (zh) | 2020-12-22 |
Family
ID=60304927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710406349.9A Expired - Fee Related CN107368619B (zh) | 2017-06-02 | 2017-06-02 | 一种扩展卡尔曼滤波soc估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368619B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445418A (zh) * | 2018-05-17 | 2018-08-24 | 福建省汽车工业集团云度新能源汽车股份有限公司 | 一种电池剩余电量估算方法及存储介质 |
CN108802624A (zh) * | 2018-06-19 | 2018-11-13 | 杭州电子科技大学 | 一种锂电池soc估计方法 |
CN109946623A (zh) * | 2019-03-27 | 2019-06-28 | 吉林大学 | 一种锂电池的soc在线估测方法 |
CN110333451A (zh) * | 2019-06-25 | 2019-10-15 | 南京理工大学 | 一种锂离子电池荷电状态与开路电压模型建立方法 |
CN110967638A (zh) * | 2019-06-24 | 2020-04-07 | 宁德时代新能源科技股份有限公司 | 电池的剩余可用能量估算方法、装置、***和存储介质 |
CN110967636A (zh) * | 2019-06-24 | 2020-04-07 | 宁德时代新能源科技股份有限公司 | 电池的荷电状态修正方法、装置、***和存储介质 |
CN111025171A (zh) * | 2019-12-31 | 2020-04-17 | 张家港清研检测技术有限公司 | 一种快速的动力蓄电池soh(健康状态)测量方法 |
CN111027203A (zh) * | 2019-12-05 | 2020-04-17 | 中车株洲电力机车有限公司 | 一种超级电容soc计算方法 |
CN111239608A (zh) * | 2019-11-21 | 2020-06-05 | 国联汽车动力电池研究院有限责任公司 | 基于扩展卡尔曼滤波的电池soc估算方法及装置 |
CN111289911A (zh) * | 2020-04-03 | 2020-06-16 | 深圳天邦达新能源技术有限公司 | 基于电池的soc估算方法、装置以及电子设备 |
CN111896875A (zh) * | 2020-07-28 | 2020-11-06 | 江苏理工学院 | 考虑滞回效应的动力电池soc估计方法 |
CN112363056A (zh) * | 2020-08-10 | 2021-02-12 | 万向一二三股份公司 | 一种基于卡尔曼滤波器修正电池内阻寿命模型的方法 |
CN112470017A (zh) * | 2019-02-07 | 2021-03-09 | 株式会社Lg化学 | 电池管理装置、电池管理方法和电池组 |
CN112485681A (zh) * | 2020-11-27 | 2021-03-12 | 浙江零跑科技有限公司 | 一种电池soc估算装置 |
CN112485680A (zh) * | 2020-11-27 | 2021-03-12 | 浙江零跑科技有限公司 | 一种电池soc估算方法 |
CN112534283A (zh) * | 2019-02-22 | 2021-03-19 | 株式会社Lg化学 | 电池管理***、电池管理方法、电池组和电动车辆 |
CN112731160A (zh) * | 2020-12-25 | 2021-04-30 | 东莞新能安科技有限公司 | 电池滞回模型训练方法、估算电池soc的方法和装置 |
CN112816873A (zh) * | 2020-08-24 | 2021-05-18 | 江苏大学 | 一种基于改进电池模型的iekf锂电池soc估算方法 |
CN113419177A (zh) * | 2021-07-29 | 2021-09-21 | 江苏大学 | 基于结合改进的粒子群算法的扩展卡尔曼滤波soc估算方法 |
CN113466728A (zh) * | 2021-07-13 | 2021-10-01 | 北京西清能源科技有限公司 | 一种两阶段电池模型参数在线辨识的方法与*** |
CN116500461A (zh) * | 2023-06-29 | 2023-07-28 | 安徽锐能科技有限公司 | 电池滞回模型下的soc估计方法及*** |
JP7498247B2 (ja) | 2022-10-31 | 2024-06-11 | 本田技研工業株式会社 | 充電率推定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3878476A (en) * | 1972-07-27 | 1975-04-15 | Neo Tec Etude Applic Tech | Heterodyning circuit for changing frequencies of received signal |
CN102981125A (zh) * | 2012-11-30 | 2013-03-20 | 山东省科学院自动化研究所 | 一种基于rc等效模型的动力电池soc估计方法 |
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*** |
CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
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 |
CN106291375A (zh) * | 2016-07-28 | 2017-01-04 | 河南许继仪表有限公司 | 一种基于电池老化的soc估算方法和装置 |
-
2017
- 2017-06-02 CN CN201710406349.9A patent/CN107368619B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3878476A (en) * | 1972-07-27 | 1975-04-15 | Neo Tec Etude Applic Tech | Heterodyning circuit for changing frequencies of received signal |
CN102981125A (zh) * | 2012-11-30 | 2013-03-20 | 山东省科学院自动化研究所 | 一种基于rc等效模型的动力电池soc估计方法 |
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*** |
CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
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 |
CN106291375A (zh) * | 2016-07-28 | 2017-01-04 | 河南许继仪表有限公司 | 一种基于电池老化的soc估算方法和装置 |
Non-Patent Citations (2)
Title |
---|
LOW WEN YAO 等: "Battery State of Charge Estimation with Extended Kalman Filter Using Third Order Thevenin Model", 《TELKOMNIKA》 * |
刘欣博 等: "基于扩展卡尔曼滤波法的锂离子电池荷电状态估算方法研究", 《北方工业大学学报》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445418A (zh) * | 2018-05-17 | 2018-08-24 | 福建省汽车工业集团云度新能源汽车股份有限公司 | 一种电池剩余电量估算方法及存储介质 |
CN108802624A (zh) * | 2018-06-19 | 2018-11-13 | 杭州电子科技大学 | 一种锂电池soc估计方法 |
CN108802624B (zh) * | 2018-06-19 | 2021-08-31 | 杭州电子科技大学 | 一种锂电池soc估计方法 |
US11923710B2 (en) | 2019-02-07 | 2024-03-05 | Lg Energy Solution, Ltd. | Battery management apparatus, battery management method and battery pack |
CN112470017A (zh) * | 2019-02-07 | 2021-03-09 | 株式会社Lg化学 | 电池管理装置、电池管理方法和电池组 |
CN112470017B (zh) * | 2019-02-07 | 2023-12-01 | 株式会社Lg新能源 | 电池管理装置、电池管理方法和电池组 |
CN112534283A (zh) * | 2019-02-22 | 2021-03-19 | 株式会社Lg化学 | 电池管理***、电池管理方法、电池组和电动车辆 |
CN112534283B (zh) * | 2019-02-22 | 2024-04-16 | 株式会社Lg新能源 | 电池管理***、电池管理方法、电池组和电动车辆 |
CN109946623B (zh) * | 2019-03-27 | 2020-02-18 | 吉林大学 | 一种锂电池的soc在线估测方法 |
CN109946623A (zh) * | 2019-03-27 | 2019-06-28 | 吉林大学 | 一种锂电池的soc在线估测方法 |
CN110967636A (zh) * | 2019-06-24 | 2020-04-07 | 宁德时代新能源科技股份有限公司 | 电池的荷电状态修正方法、装置、***和存储介质 |
CN110967638A (zh) * | 2019-06-24 | 2020-04-07 | 宁德时代新能源科技股份有限公司 | 电池的剩余可用能量估算方法、装置、***和存储介质 |
US11231467B2 (en) | 2019-06-24 | 2022-01-25 | Contemporary Amperex Technology Co., Limited | Method, device, and system, for state of charge (SOC) correction for a battery |
WO2020259008A1 (zh) * | 2019-06-24 | 2020-12-30 | 宁德时代新能源科技股份有限公司 | 电池的荷电状态修正方法、装置、***和存储介质 |
CN110967638B (zh) * | 2019-06-24 | 2021-03-23 | 宁德时代新能源科技股份有限公司 | 电池的剩余可用能量估算方法、装置、***和存储介质 |
CN110333451A (zh) * | 2019-06-25 | 2019-10-15 | 南京理工大学 | 一种锂离子电池荷电状态与开路电压模型建立方法 |
CN111239608A (zh) * | 2019-11-21 | 2020-06-05 | 国联汽车动力电池研究院有限责任公司 | 基于扩展卡尔曼滤波的电池soc估算方法及装置 |
CN111027203B (zh) * | 2019-12-05 | 2023-05-02 | 中车株洲电力机车有限公司 | 一种超级电容soc计算方法 |
CN111027203A (zh) * | 2019-12-05 | 2020-04-17 | 中车株洲电力机车有限公司 | 一种超级电容soc计算方法 |
CN111025171A (zh) * | 2019-12-31 | 2020-04-17 | 张家港清研检测技术有限公司 | 一种快速的动力蓄电池soh(健康状态)测量方法 |
CN111289911A (zh) * | 2020-04-03 | 2020-06-16 | 深圳天邦达新能源技术有限公司 | 基于电池的soc估算方法、装置以及电子设备 |
CN111896875A (zh) * | 2020-07-28 | 2020-11-06 | 江苏理工学院 | 考虑滞回效应的动力电池soc估计方法 |
CN112363056A (zh) * | 2020-08-10 | 2021-02-12 | 万向一二三股份公司 | 一种基于卡尔曼滤波器修正电池内阻寿命模型的方法 |
CN112816873B (zh) * | 2020-08-24 | 2023-08-22 | 江苏大学 | 一种基于改进电池模型的iekf锂电池soc估算方法 |
CN112816873A (zh) * | 2020-08-24 | 2021-05-18 | 江苏大学 | 一种基于改进电池模型的iekf锂电池soc估算方法 |
CN112485680A (zh) * | 2020-11-27 | 2021-03-12 | 浙江零跑科技有限公司 | 一种电池soc估算方法 |
CN112485681A (zh) * | 2020-11-27 | 2021-03-12 | 浙江零跑科技有限公司 | 一种电池soc估算装置 |
CN112485680B (zh) * | 2020-11-27 | 2024-04-23 | 浙江零跑科技股份有限公司 | 一种电池soc估算方法 |
CN112485681B (zh) * | 2020-11-27 | 2024-05-10 | 浙江零跑科技股份有限公司 | 一种电池soc估算装置 |
CN112731160A (zh) * | 2020-12-25 | 2021-04-30 | 东莞新能安科技有限公司 | 电池滞回模型训练方法、估算电池soc的方法和装置 |
CN113466728A (zh) * | 2021-07-13 | 2021-10-01 | 北京西清能源科技有限公司 | 一种两阶段电池模型参数在线辨识的方法与*** |
CN113466728B (zh) * | 2021-07-13 | 2024-04-05 | 北京西清能源科技有限公司 | 一种两阶段电池模型参数在线辨识的方法与*** |
CN113419177A (zh) * | 2021-07-29 | 2021-09-21 | 江苏大学 | 基于结合改进的粒子群算法的扩展卡尔曼滤波soc估算方法 |
JP7498247B2 (ja) | 2022-10-31 | 2024-06-11 | 本田技研工業株式会社 | 充電率推定方法 |
CN116500461A (zh) * | 2023-06-29 | 2023-07-28 | 安徽锐能科技有限公司 | 电池滞回模型下的soc估计方法及*** |
CN116500461B (zh) * | 2023-06-29 | 2023-10-27 | 安徽锐能科技有限公司 | 电池滞回模型下的soc估计方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107368619B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368619A (zh) | 基于电池滞回电压特性和回弹电压特性的扩展卡尔曼滤波soc估算方法 | |
CN103941195B (zh) | 基于小模型误差准则扩展卡尔曼滤波的电池soc估计方法 | |
CN105552465B (zh) | 一种基于时间和温度的锂离子电池优化充电方法 | |
US10175302B2 (en) | Power system and state of charge estimation | |
CN107690585B (zh) | 用于确定锂硫电池组的健康状况和充电状态的方法和装置 | |
CN102645637B (zh) | 一种均衡电池的soc估算方法 | |
CN104617623B (zh) | 一种电动汽车动力电池组均衡控制方法 | |
CN103472403B (zh) | 一种基于pngv等效电路模型的动力电池soc复合估计方法 | |
CN109946623A (zh) | 一种锂电池的soc在线估测方法 | |
CN102565716B (zh) | 用于计算二次电池的残余容量的设备 | |
JP5605717B2 (ja) | バッテリーセルの電圧変化挙動を用いたセルバランス装置及び方法 | |
EP1701175B1 (en) | Power supply with status detector and initial characteristic determination means | |
CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算***及方法 | |
CN107219466A (zh) | 一种混合扩展卡尔曼滤波的锂电池soc估算方法 | |
CN107329094A (zh) | 动力电池健康状态估算方法及装置 | |
CN107957562A (zh) | 一种锂离子电池剩余寿命在线预测方法 | |
CN106814329A (zh) | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 | |
CN105068008A (zh) | 利用车载充电机辨识电池参数的电池荷电状态估计方法 | |
US20100066377A1 (en) | Method for determining the battery capacity with the aid of capacity-dependent parameters | |
CN104535932A (zh) | 一种锂离子电池荷电状态估计方法 | |
CN103020445A (zh) | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 | |
CN105319515A (zh) | 锂离子电池荷电状态和健康状态联合估算方法 | |
KR100901252B1 (ko) | 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치 | |
CN105425153A (zh) | 一种估计电动车辆的动力电池的荷电状态的方法 | |
CN106443492A (zh) | 一种低速电动车锂电池soc的估算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201222 |