CN109061514B - 一种基于大数据的动力电池衰退情况分析方法及*** - Google Patents
一种基于大数据的动力电池衰退情况分析方法及*** Download PDFInfo
- Publication number
- CN109061514B CN109061514B CN201811153010.3A CN201811153010A CN109061514B CN 109061514 B CN109061514 B CN 109061514B CN 201811153010 A CN201811153010 A CN 201811153010A CN 109061514 B CN109061514 B CN 109061514B
- Authority
- CN
- China
- Prior art keywords
- capacity
- curve
- charging
- value
- power storage
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 230000015556 catabolic process Effects 0.000 title claims description 28
- 238000006731 degradation reaction Methods 0.000 title claims description 28
- 230000036541 health Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000009499 grossing Methods 0.000 claims abstract description 14
- 230000007423 decrease Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 9
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 6
- 229910001416 lithium ion Inorganic materials 0.000 description 6
- 230000003862 health status Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- QHGJSLXSVXVKHZ-UHFFFAOYSA-N dilithium;dioxido(dioxo)manganese Chemical compound [Li+].[Li+].[O-][Mn]([O-])(=O)=O QHGJSLXSVXVKHZ-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开一种基于大数据的动力电池衰退情况分析方法及***。方法包括:获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;根据充电电压和与充电电压对应的充入容量,计算对应的容量增量值;根据充电电压和容量增量值,绘制原始容量增量曲线;对原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线;根据容量增量曲线的高峰值和低谷值得到容量增量峰谷值;根据充入容量计算对应的动力蓄电池的健康状态值;根据容量增量峰谷值和对应的所述健康状态值,绘制容量增量峰谷值随电池健康状态的变化曲线;根据变化曲线对待测动力蓄电池实时健康状态值进行估计。采用本发明的方法或***能够实现动力蓄电池寿命的实时在线评估。
Description
技术领域
本发明涉及动力蓄电池寿命评估领域,特别是涉及一种基于大数据的动力电池衰退情况分析方法及***。
背景技术
随着新能源汽车的广泛使用,锂离子动力蓄电池的应用量也逐年攀升。在锂离子动力蓄电池的使用过程中,需要实时评估锂离子蓄电池的健康状态,以判断锂离子蓄电池是否需要更换,以及评估二手新能源汽车和二手动力蓄电池的价值。通常以SOH(State OfHealth)表示锂离子蓄电池的健康状态,业内中SOH是评价锂离子蓄电池老化程度的一个非常重要的状态量。常规估计SOH的方法一般采用内阻法、电路模型法等,但通常内阻法有一定的设备要求,无法实现大批量的在线测试;电路模型法计算量巨大,也无法针对大批量电池进行分析计算。
发明内容
本发明的目的是提供一种基于大数据的动力电池衰退情况分析方法及***,能够实现动力蓄电池寿命的实时在线评估,极大地提高了评估的效率和便利性。
为实现上述目的,本发明提供了如下方案:
一种基于大数据的动力电池衰退情况分析方法,所述方法包括:
获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;
根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值;
根据所述充电电压和所述容量增量值,绘制原始容量增量曲线;
对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线;
根据所述容量增量曲线的高峰值和低谷值得到容量增量峰谷值;
根据所述充入容量计算对应的动力蓄电池的健康状态值;
根据所述容量增量峰谷值和对应的所述健康状态值,绘制容量增量峰谷值随电池健康状态的变化曲线;
根据所述变化曲线对待测动力蓄电池实时健康状态值进行估计。
可选的,所述根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值,具体包括:
可选的,所述根据所述充电电压和所述容量增量值,绘制原始容量增量曲线,具体包括:
可选的,所述对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线,具体包括:
对原始容量增量曲线运用高斯窗口进行光滑处理,并运用高斯函数拟合得到容量增量曲线。
可选的,所述根据所述充入容量计算对应的动力蓄电池的健康状态值,具体包括:
获取初始状态下的电池容量Cfresh;
根据当前充电过程充入容量,得到当前状态下的电池容量Ccurrent;
其中,Ccurrent表示当前状态下的电池容量,Cfresh表示初始状态下的电池容量。
为实现上述目的,本发明提供了如下方案:
一种基于大数据的动力电池衰退情况分析***,所述***包括:
获取模块,用于获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;
容量增量值确定模块,用于根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值;
原始容量增量曲线绘制模块,用于根据所述充电电压和所述容量增量值,绘制原始容量增量曲线;
容量增量曲线绘制模块,用于对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线;
容量增量峰谷值确定模块,用于根据所述容量增量曲线的高峰值和低谷值得到容量增量值;
健康状态值确定模块,用于根据所述充入容量计算对应的动力蓄电池的健康状态值;
变化曲线绘制模块,用于根据所述容量增量峰谷值和对应的所述健康状态值,绘制容量增量峰谷值随电池健康状态的变化曲线;
估计模块,用于根据所述变化曲线对待测动力蓄电池实时健康状态值进行估计。
可选的,所述容量增量值确定模块,具体包括:
可选的,所述原始容量增量曲线绘制模块,具体包括:
原始容量增量曲线绘制单元,用于将所述充电电压值U作为横坐标,对应的容量增量值ddQU作为纵坐标,绘制原始容量增量曲线。
可选的,所述容量增量曲线绘制模块,具体包括:
容量增量曲线绘制单元,用于对原始容量增量曲线运用高斯窗口进行光滑处理,并运用高斯函数拟合得到容量增量曲线。
可选的,所述健康状态值确定模块,具体包括:
初始容量获取单元,用于获取初始状态下的电池容量Cfresh;
当前容量确定单元,用于根据当前充电过程充入容量,得到当前状态下的电池容量Ccurrent;
其中,Ccurrent表示当前状态下的电池容量,Cfresh表示初始状态下的电池容量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供一种基于大数据的动力电池衰退情况分析方法,根据待测动力蓄电池在充电状态下的充电电压、充入容量,计算得到待测动力蓄电池的容量增量;根据充电电压和容量增量,绘制容量增量变化曲线;记录容量增量变化曲线高峰和低谷的纵坐标值;记录同一充电过程待测动力蓄电池的SOH值;随着电池充电循环次数,可得到变化曲线高峰和低谷的纵坐标值随SOH值的变化情况,并可分别拟合得到曲线;利用该曲线便可根据动力蓄电池某一次充电数据来评估该时刻动力蓄电池寿命,实现动力蓄电池寿命的实时在线评估,极大地提高了评估的效率和便利性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例基于大数据的动力电池衰退情况分析方法流程图;
图2为本发明实施例基于大数据的动力电池衰退情况分析***结构图;
图3为本发明实施例1初始容量增量曲线绘制图;
图4为本发明实施例1容量增量曲线绘制图;
图5为本发明实施例1多个容量增量曲线绘制图;
图6为本发明实施例1动力蓄电池性能衰退曲线图。
具体实施方式
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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于大数据的动力电池衰退情况分析方法流程图。如图1所示,一种基于大数据的动力电池衰退情况分析方法,所述方法包括:
步骤101:获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;选取一批同型号的待测动力蓄电池,随机抽取部分待测动力蓄电池,作为实验样品;确定实验样品动力蓄电池的额定容量;在实车运行条件下,采用相同的充电策略对实验样品动力蓄电池进行充电,记录充电过程中的充电电压及充入容量的变化情况;
步骤102:根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值;
步骤103:根据所述充电电压和所述容量增量值,绘制原始容量增量曲线;
步骤104:对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线;
步骤105:根据所述容量增量曲线的高峰值和低谷值得到容量增量峰谷值;
步骤106:根据所述充入容量计算对应的动力蓄电池的健康状态值;
步骤107:根据所述容量增量峰谷值和对应的所述健康状态值,绘制容量增量峰谷值随电池健康状态的变化曲线;
步骤108:根据所述变化曲线对待测动力蓄电池实时健康状态值进行估计。
步骤102,具体包括:
步骤103,具体包括:
步骤104,具体包括:
对原始容量增量曲线运用高斯窗口进行光滑处理,并运用高斯函数拟合得到容量增量曲线。
步骤106,具体包括:
获取初始状态下的电池容量Cfresh;
根据当前充电过程充入容量,得到当前状态下的电池容量Ccurrent;
其中,Ccurrent表示当前状态下的电池容量,Cfresh表示初始状态下的电池容量。
利用其它样品的测试数据,依据最小二乘法,对得到的每一个待测样品动力蓄电池衰退特性曲线进行验证。根据计算结果,选择出一条最能反映所有待测样品衰退特性的曲线,该曲线即可认为是代表了该类型所有电池的衰退特性;根据得到的曲线,可根据每一次充电过程中,动力蓄电池的容量增量曲线的高峰和低谷值,来估计动力蓄电池的SOH大小,即实现动力蓄电池寿命的实时在线评估。
利用本发明的曲线便可根据动力蓄电池某一次充电数据来评估该时刻动力蓄电池寿命,实现动力蓄电池寿命的实时在线评估,极大地提高了评估的效率和便利性。
图2为本发明实施例基于大数据的动力电池衰退情况分析***结构图。如图2所示,一种基于大数据的动力电池衰退情况分析***,所述***包括:
获取模块201,用于获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;
容量增量值确定模块202,用于根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值;
原始容量增量曲线绘制模块203,用于根据所述充电电压和所述容量增量值,绘制原始容量增量曲线;
容量增量曲线绘制模块204,用于对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线;
容量增量峰谷值确定模块205,用于根据所述容量增量曲线的高峰值和低谷值得到容量增量峰谷值;
健康状态值确定模块206,用于根据所述充入容量计算对应的动力蓄电池的健康状态值;
变化曲线绘制模块207,用于根据所述容量增量峰谷值和对应的所述健康状态值,绘制容量增量峰谷值随电池健康状态的变化曲线;
估计模块208,用于根据所述变化曲线对待测动力蓄电池实时健康状态值进行估计。
所述容量增量值确定模块202,具体包括:
所述原始容量增量曲线绘制模块203,具体包括:
所述容量增量曲线绘制模块204,具体包括:
容量增量曲线绘制单元,用于对原始容量增量曲线运用高斯窗口进行光滑处理,并运用高斯函数拟合得到容量增量曲线。
所述健康状态值确定模块206,具体包括:
初始容量获取单元,用于获取初始状态下的电池容量Cfresh;
当前容量确定单元,用于根据当前充电过程充入容量,得到当前状态下的电池容量Ccurrent;
其中,Ccurrent表示当前状态下的电池容量,Cfresh表示初始状态下的电池容量。
具体实施例1:
选取的待测实验样品为额定容量150Ah的某型号锰酸锂动力蓄电池,该批电池统一安装在某型号公交车上,日常运行线路稳定。
1、数据测量与获取
(1)在实车运行条件下对该型号动力蓄电池进行充电过程跟踪与数据测量,记录相同充电策略下,充电过程中的充电电压U及充入容量Q;
(3)同时根据充入容量Q,计算动力蓄电池的SOH值。
(4)此例中的数据为车辆行驶39000km到78000km的半年数据,并按每5000km分为一组。
2、绘制和处理容量增量曲线
以充电电压U为横坐标,容量增量值为纵坐标,绘制容量增量曲线,如附图3所示。对所得到的曲线运用高斯窗口进行光滑处理,如附图4所示,并运用高斯函数拟合得到光滑变化且可观测到曲线特性值的容量增量曲线。记录下曲线的高峰和低谷的纵坐标值,即容量增量值,并将所有组的容量增量曲线汇合,如附图5所示。
3、在此例中,根据附图5中容量增量曲线峰值C随行驶里程的变化关系,拟合得到动力蓄电池性能衰退曲线,如附图6所示。其中2、3、4号车作为验证组验证曲线的精度。结合实验测得的行驶里程与SOH的关系,就能得到容量增量曲线峰值C与电池健康状态SOH的变化曲线,利用该曲线,在每一次合适的充电过程后,通过计算容量增量曲线峰值C的高度,就能够实时在线评估动力蓄电池的健康状态SOH,从而提醒车主和厂商及时对电池进行维修更换。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于大数据的动力电池衰退情况分析方法,其特征在于,所述方法包括:
获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;具体为选取一批同型号的待测动力蓄电池,随机抽取部分待测动力蓄电池,作为样本动力蓄电池;确定样品动力蓄电池的额定容量;在实车运行条件下,采用相同的充电策略对样品动力蓄电池进行充电,记录充电过程中的充电电压及充入容量的变化情况;
根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值;
根据所述充电电压和所述容量增量值,绘制原始容量增量曲线;
对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线,具体包括:对原始容量增量曲线运用高斯窗口进行光滑处理,并运用高斯函数拟合得到容量增量曲线;
根据所述容量增量曲线的高峰值和低谷值得到容量增量峰谷值;
根据所述充入容量计算对应的动力蓄电池的SOH;
根据容量增量曲线峰值随行驶里程的变化关系,拟合得到动力蓄电池的性能衰退特性曲线;
对得到的每一个样品动力蓄电池的性能衰退特性曲线进行验证,根据计算结果选择出一条最能反映所有待测动力蓄电池的衰退特性的性能衰退特性曲线作为代表曲线,该代表曲线代表该型号所有待测动力蓄电池的衰退特性;
根据代表曲线,结合实验测得的行驶里程与SOH的关系,就能得到该型号所有待测动力蓄电池的容量增量曲线峰值与电池健康状态SOH的变化曲线;
利用该变化曲线,在待测动力蓄电池每一次合适的充电过程后,通过计算容量增量曲线峰值的高度,就能够实时在线评估动力蓄电池的健康状态SOH。
5.一种基于大数据的动力电池衰退情况分析***,其特征在于,所述***包括:
获取模块,用于获取样本动力蓄电池在充电状态下的充电电压和对应的充入容量;具体为选取一批同型号的待测动力蓄电池,随机抽取部分待测动力蓄电池,作为样本动力蓄电池;确定样品动力蓄电池的额定容量;在实车运行条件下,采用相同的充电策略对样品动力蓄电池进行充电,记录充电过程中的充电电压及充入容量的变化情况;
容量增量值确定模块,用于根据所述充电电压和与所述充电电压对应的充入容量,计算对应的容量增量值;
原始容量增量曲线绘制模块,用于根据所述充电电压和所述容量增量值,绘制原始容量增量曲线;
容量增量曲线绘制模块,用于对所述原始容量增量曲线进行光滑处理和曲线拟合,得到容量增量曲线,具体包括:
容量增量曲线绘制单元,用于对原始容量增量曲线运用高斯窗口进行光滑处理,并运用高斯函数拟合得到容量增量曲线;
容量增量峰谷值确定模块,用于根据所述容量增量曲线的高峰值和低谷值得到容量增量峰谷值;
健康状态值确定模块,用于根据所述充入容量计算对应的动力蓄电池的SOH;
变化曲线绘制模块,根据容量增量曲线峰值随行驶里程的变化关系,拟合得到动力蓄电池的性能衰退特性曲线;对得到的每一个样品动力蓄电池的性能衰退特性曲线进行验证,根据计算结果选择出一条最能反映所有待测动力蓄电池的衰退特性的性能衰退特性曲线作为代表曲线,该代表曲线代表该型号所有待测动力蓄电池的衰退特性;根据代表曲线,结合实验测得的行驶里程与SOH的关系,就能得到该型号所有待测动力蓄电池的容量增量曲线峰值与电池健康状态SOH的变化曲线;
估计模块,利用该变化曲线,在待测动力蓄电池每一次合适的充电过程后,通过计算容量增量曲线峰值的高度,就能够实时在线评估动力蓄电池的健康状态SOH。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811153010.3A CN109061514B (zh) | 2018-09-30 | 2018-09-30 | 一种基于大数据的动力电池衰退情况分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811153010.3A CN109061514B (zh) | 2018-09-30 | 2018-09-30 | 一种基于大数据的动力电池衰退情况分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061514A CN109061514A (zh) | 2018-12-21 |
CN109061514B true CN109061514B (zh) | 2020-11-06 |
Family
ID=64766809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811153010.3A Active CN109061514B (zh) | 2018-09-30 | 2018-09-30 | 一种基于大数据的动力电池衰退情况分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061514B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110967631B (zh) * | 2019-05-17 | 2021-03-30 | 宁德时代新能源科技股份有限公司 | Soh修正方法和装置、电池管理***和存储介质 |
CN111142038B (zh) * | 2019-12-31 | 2024-06-14 | 浙江吉利新能源商用车集团有限公司 | 一种蓄电池健康状态评估方法及装置 |
CN111308378B (zh) * | 2020-03-10 | 2021-05-18 | 北京理工大学 | 基于容量增量曲线的电池组健康状态检测方法及*** |
CN111323719A (zh) * | 2020-03-18 | 2020-06-23 | 北京理工大学 | 一种电动汽车动力电池组健康状态在线确定方法和*** |
CN111707958B (zh) * | 2020-05-26 | 2021-09-03 | 同济大学 | 一种基于容量增量曲线特征的电池内短路检测方法 |
CN111766524B (zh) * | 2020-07-16 | 2023-03-10 | 浙江吉智新能源汽车科技有限公司 | 一种电池健康状态的确定方法、装置、设备及存储介质 |
CN111948546A (zh) * | 2020-08-07 | 2020-11-17 | 国网陕西省电力公司汉中供电公司 | 一种锂电池健康度评估方法及*** |
CN112731173B (zh) * | 2020-12-22 | 2024-05-03 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包的电芯内阻变化检测方法及装置 |
CN112698217B (zh) * | 2020-12-25 | 2023-11-03 | 江苏省特种设备安全监督检验研究院 | 基于粒子群优化算法的电池单体容量估计方法 |
CN113447816B (zh) * | 2021-05-13 | 2022-04-08 | 浙江大学 | 一种基于两点老化特征的锂电池在线老化诊断方法 |
CN113406520B (zh) * | 2021-05-21 | 2022-11-15 | 北京理工大学 | 针对现实新能源汽车的电池健康状态估计方法 |
CN115993538B (zh) * | 2023-02-01 | 2023-10-20 | 上海玫克生储能科技有限公司 | 一种电池容量增量综合曲线的拟合方法、装置和电子设备 |
CN116224128B (zh) * | 2023-05-06 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 电池的容量健康状态检测方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698714B (zh) * | 2014-01-02 | 2016-06-29 | 清华大学 | 电池容量衰减机理辨识方法及*** |
KR101846690B1 (ko) * | 2016-08-01 | 2018-05-18 | 현대자동차주식회사 | Wls 기반 soh 추정 시스템 및 방법 |
CN107045104B (zh) * | 2016-11-29 | 2019-12-31 | 北京交通大学 | 一种钛酸锂电池容量的在线估计方法 |
CN106980091B (zh) * | 2017-03-29 | 2019-09-17 | 北京理工大学 | 一种基于分数阶模型的动力电池***健康状态估计方法 |
CN108445406B (zh) * | 2018-03-13 | 2021-05-25 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
-
2018
- 2018-09-30 CN CN201811153010.3A patent/CN109061514B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109061514A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061514B (zh) | 一种基于大数据的动力电池衰退情况分析方法及*** | |
CN111398833B (zh) | 一种电池健康状态评估方法 | |
CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
CN111323719A (zh) | 一种电动汽车动力电池组健康状态在线确定方法和*** | |
CN112433169B (zh) | 一种云端动力电池健康度评估***及方法 | |
CN110596606B (zh) | 一种锂电池剩余电量估计方法、***及装置 | |
CN111679199B (zh) | 一种锂离子电池soc估计方法及装置 | |
CN108872861B (zh) | 一种在线评估电池健康状态的方法 | |
CN105425154B (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
CN106772104B (zh) | 一种动力电池soc值估算方法 | |
CN108535661B (zh) | 一种基于模型误差谱的动力电池健康状态在线估计方法 | |
CN111948546A (zh) | 一种锂电池健康度评估方法及*** | |
CN113109729B (zh) | 基于加速老化试验与实车工况的车用动力电池soh评估方法 | |
CN110988695A (zh) | 动力电池健康状态评估方法、装置、存储介质及电子设备 | |
US20140184233A1 (en) | Method for checking deterioration of battery | |
CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
CN115754724A (zh) | 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法 | |
CN111044924B (zh) | 一种全工况电池剩余容量确定方法及*** | |
CN114609523A (zh) | 一种电池容量的在线检测方法、电子设备及存储介质 | |
CN114062950B (zh) | 混联电池soc确定方法、装置、电子设备及存储介质 | |
CN109782182B (zh) | 一种串联电池组能量状态在线估计方法和装置 | |
Barreras et al. | An improved parametrization method for Li-ion linear static Equivalent Circuit battery Models based on direct current resistance measurement | |
CN110007234B (zh) | 动力电池/电池组的性能测试方法及***、电动汽车 | |
CN113296010B (zh) | 一种基于差分电压分析的电池健康状态在线评估方法 | |
Duong et al. | Novel estimation technique for the state-of-charge of the lead-acid battery by using EKF considering diffusion and hysteresis phenomenon |
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 |