CN109932662A - 电池容量状态估计方法、装置、设备及存储介质 - Google Patents
电池容量状态估计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109932662A CN109932662A CN201910168205.3A CN201910168205A CN109932662A CN 109932662 A CN109932662 A CN 109932662A CN 201910168205 A CN201910168205 A CN 201910168205A CN 109932662 A CN109932662 A CN 109932662A
- Authority
- CN
- China
- Prior art keywords
- battery
- matrix
- capacity status
- current
- voltage
- 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
Landscapes
- Secondary Cells (AREA)
Abstract
本发明提供一种电池容量状态估计方法、装置、设备及存储介质,该方法包括:采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。本发明采用滑窗式选取以输入的当前时刻所对应的数据为依据,获取多个采集点形成的输入数据矩阵,利用递推最小二乘法得到蓄电池模型参数矩阵,通过蓄电池模型参数矩阵得到当前时刻所对应的的开路电压,依托开路电压与蓄电池容量状态之间的对应曲线表,快速获取到蓄电池容量状态。
Description
技术领域
本发明涉及电池检测技术领域,特别是涉及一种电池容量状态估计方法、装置、设备及存储介质。
背景技术
随着社会的发展与技术的不断进步,蓄电池储能被广泛用于多种领域,如:新能源储能***、电动汽车及混合动力汽车的储能蓄电池***、国防工业中的武器能源储能***、潜艇储能***、携行类设备的独立供电。在蓄能充放电过程中,其状态估计的精度直接决定了蓄电池组的使用效能、用户体验与武器装备中的战斗力。
目前,在对蓄电池容量进行检测时,一般都采用满充满放式检测,即将电池充电至最高截止电压,然后以恒流方式放电至最低电压,并根据放电过程中的电量确定当前电池的总容量。然而,在实际应用中,当蓄电池的容量较大,在充电和放电过程中需要消耗较多的时间,尤其是当需要对多个蓄电池进行检测时,会导致检测电池容量的时间消耗较大,影响电池容量的检测效率。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种电池容量状态估计方法、装置、设备及存储介质,用于解决现有技术中无法快速获取到蓄电池容量状态的问题。
为实现上述目的及其他相关目的,本申请的第一方面,本发明提供一种电池容量状态估计方法,包括:
采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
本申请的第二方面,提供一种电池容量状态估计装置,包括:
数据采集模块,用于采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
参数矩阵生成模块,用于根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
容量状态估计模块,用于根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状。
本申请的第三方面,提供一种电池容量状态估计电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行如上述的电池容量状态估计方法。
本申请的第四方面,提供一种电池容量状态估计的存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上项所述的电池容量状态估计方法。
如上所述,本发明的电池容量状态估计方法、装置、设备及存储介质,具有以下有益效果:
本发明采用滑窗式选取以输入的当前时刻所对应的数据为依据,获取多个采集点形成的输入数据矩阵,利用递推最小二乘法得到蓄电池模型参数矩阵,通过蓄电池模型参数矩阵得到当前时刻所对应的的开路电压,依托开路电压与蓄电池容量状态之间的对应曲线表,能够快速获取到蓄电池容量状态。
附图说明
图1显示为本发明提供一种电池容量状态估计方法流程图;
图2显示为本发明提供一种电池容量状态估计方法的另一流程图;
图3显示为本发明提供一种电池容量状态估计装置的结构框图;
图4显示为本发明提供一种电池容量状态估计装置的另一结构框图;
图5显示为本发明提供一种电池容量状态估计电子设备的结构框图;
图6显示为本发明采用上述方式得到的磷酸铁锂电池的开路电压与容量状态的对应曲线图;
图7显示为本发明中蓄电池等效电路模型的电路图。
元件标号说明:
1 数据采集模块
2 参数矩阵生成模块
3 容量状态估计模块
4 误差校正模块
S1~S4 步骤1至4
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一预设阈值可以被称作第二预设阈值,并且类似地,第二预设阈值可以被称作第一预设阈值,而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值,但是除非上下文以其他方式明确指出,否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示.应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合.因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
请参阅图1,为本发明提供一种电池容量状态估计方法流程图,包括:
步骤S1,采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
其中,按预设时间间隔采集所述蓄电池的端电压、充电电流与放电电流;筛选电流变化的时间节点为参考点,以所述参考点为准滑窗式筛选其前、后多个时间节点所对应的端电压、充放电电流为所述状态矩阵的输入电流数据矩阵H、输入电压数据矩阵V;例如,可采用I(k)≠I(k-1)且I(k)>0,I(k-1)>0,该点序号为k,I(k)为k时刻的电流值,Vb(k)为k时刻的蓄电池端电压值。
具体地,所述采集蓄电池端电压、充电电流与放电电流所对应的采集点至少为15个,当其选择15个采集点时,该点前5个点、后9个点以及包含该点在内的15点所对应的输入数据矩阵,h(i)=[1,Vb(i-1),I(i),I(i-1)],i=k-5,k-4,……,k+7,k+8,k+9。
步骤S2,根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
其中,输入由遗忘因子构成的对角矩阵,按照输入电流数据矩阵H与输入电压数据矩阵V;采用递推最小二乘法,根据所述最小二乘遗忘因子系数矩阵所对应的辨识参数θ得到蓄电池模型参数矩阵。
具体地,令W=diag{λ14,λ13,…,λ3,λ2,λ1,1}
上式中,W为对角矩阵,0.9≤λ≤0.99,λ为遗忘因子,令λ=0.99,可得到蓄电池模型参数矩阵的公式如下:
上式中,θ为辨识参数,H为输入电流数据矩阵,V为输入电压数据矩阵,W为对角矩阵。
步骤S3,根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
其中,利用所述蓄电池模型参数矩阵根据当前选取电流变化的时间节点为准计算该蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
根据辨识参数,求出Voc如下:
在本实施例中,当选择某个时刻所对应的蓄电池的端电压、充电电流与放电电流,如:
W=diag{0.8687,0.8775,0.8864,0.8953,0.9044,0.9135,0.9227,
0.9321,0.9415,0.9510,0.9606,0.9703,0.9801,0.99,1}
此时,Voc=3362.7mV
通过开路电压与蓄电池容量状态之间的对应曲线表,能够快速获取到蓄电池容量状态。
请参阅图2,为为本发明提供一种电池容量状态估计方法的另一流程图,包括:
步骤S1,采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
步骤S2,根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
步骤SA,利用所述蓄电池模型参数矩阵与当前时刻的电流计算当前时刻所述蓄电池端电压估计值,按照所述蓄电池的实测端电压与端电压估计值之间误差校正所述蓄电池模型参数矩阵;
例如,由初始的蓄电池模型参数矩阵得到蓄电池端电压估计值,将端电压估计值与实测的端电压进行比较得到之间的误差,根据误差大小实时修正所述蓄电池模型参数矩阵,从而提升电池模型参数矩阵的精准度。
步骤S3,根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
通过采用步骤SA,对蓄电池模型参数矩阵进行在线辨识,做出实时修正,提高了基于模型估算SOC的精度。
如图6所示,采用186650型的磷酸铁锂电池为测量开路电压与蓄电池容量对应数据,进行曲线拟合,得到对应曲线函数,其中,将曲线进行分段拟合后,分别形成不同的对应曲线函数:
Voc大于3190mv时,荷电状态所对应曲线函数:
Voc小于3190mv且大于2900mv时,荷电状态所对应曲线函数:
Voc小于2900mv时,SOC=0。
在本实施例中,通过开路电压的范围分段式拟合测量开路电压与蓄电池容量对应的曲线,实时计算出蓄电池的状态估计值,而避免出现状态估计的累计误差,可实时跟随电池状态的变化而变化,从而提高了电池容量状态估计的精度。
在上述实施例中,利用蓄电池模型参数矩阵具体如下:
如图7所示,采用等效电路模型,根据拉普拉斯变换:
由于***的频率响应为:
在模拟频率向数字频率变换时,为了避免频率响应产生混叠(实际工况中,电流突变时的信号,包含了不少高频的成分),不应该采用脉冲响应不变法,可以
1.采用双线性变换:
由
s=jΩ
Z=ejw (4)
有:
(5)代入(1)
其中:
由(6)有:
V1(k)+k1V1(k-1)=k2Ib(k)+k3Ib(k-1) (7)
又V1(k)=Voc(k)-Vb(k),k∈Z (8)
且采样间隔较短,则有:Voc(k)=Voc(k-1)=Voc (9)
(8)、(9)代入(7)
得到:Vb(k)=(1+k1)Voc-k1Vb(k-1)-k2Ib(k)-k3Ib(k-1) (10)
设t=kT时刻的输入向量为:h(k)=[1,Vb(k-1),Ib(k),Ib(k-1)],观测值为z(k)=Vb(k),待估计的参数向量为θ=[θ1,θ2,θ3,θ4]T=[(1+k1)Voc,-k1,-k2,-k3]T。
模型可以转化为z(k)=h(k)θ (11)
采用递推最小二乘法,可以辨识参数θ=[θ1,θ2,θ3,θ4]T=[(1+k1)Voc,-k1,-k2,-k3]T,求出Voc(与SOC有良好的对应关系),进而由(6)最底端的式子求出Rt,Ct,Rs。
请参阅图3,为本发明提供一种电池容量状态估计装置,包括:
数据采集模块1,用于采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
其中,按预设时间间隔采集所述蓄电池的端电压、充电电流与放电电流;筛选电流变化的时间节点为参考点,以所述参考点为准滑窗式筛选其前、后多个时间节点所对应的端电压、充放电电流为所述状态矩阵的输入电流数据矩阵H、输入电压数据矩阵V;所述采集蓄电池端电压、充电电流与放电电流所对应的采集点至少为15个。
参数矩阵生成模块2,用于根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
其中,输入由遗忘因子构成的对角矩阵,按照输入电流数据矩阵H与输入电压数据矩阵V;采用递推最小二乘法,根据所述最小二乘遗忘因子系数矩阵所对应的辨识参数θ得到蓄电池模型参数矩阵。
容量状态估计模块3,用于根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状。
其中,利用所述蓄电池模型参数矩阵根据当前选取电流变化的时间节点为准计算该蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态在上述实施例中,通过蓄电池模型参数矩阵得到当前时刻所对应的的开路电压,依托开路电压与蓄电池容量状态之间的对应曲线表,能够快速获取到蓄电池容量状态,即使需要对多个蓄电池进行检测时,也不会降低影响电池容量的检测效率。
请参阅图4,为本发明提供一种电池容量状态估计装置的完整结构框图,包括:
数据采集模块1,用于采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
参数矩阵生成模块2,用于根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
误差校正模块4,利用所述状态矩阵与当前时刻的电流计算当前时刻所述蓄电池端电压估计值,按照所述蓄电池的实测端电压与端电压估计值之间的校正所述蓄电池模型参数矩阵容量状态估计模块3,用于利用所述蓄电池模型参数矩阵与当前时刻的电流计算当前时刻所述蓄电池端电压估计值,按照所述蓄电池的实测端电压与端电压估计值之间误差校正所述蓄电池模型参数矩阵。
在上述实施例中,采用误差校正模块实时更新蓄电池模型参数矩阵,提高了电池容量状态估计的精准度。
由于电池容量状态估计装置与电池容量状态估计方法为一一对应的关系,其对应的技术特征、技术手段与相应的技术效果在此不一一赘述。
请参阅图5,为本发明提供一种电池容量状态估计电子设备,包括:
一个或多个处理器51;
存储器52;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中52并被配置为由所述一个或多个处理器51执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行如上述的电池容量状态估计方法。
所述处理器51可操作地与存储器和/或非易失性存储设备耦接。更具体地,处理器51可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
本申请提供一种电池容量状态估计的存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上项所述的电池容量状态估计方法存储介质。
所述功能如果以软件功能单元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,本申请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)执行本申请各个实施例所述方法的全部或部分步骤。
于本申请提供的实施例中,所述计算机可读写存储介质可以包括只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而,应当理解的是,计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质,而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘则用激光来光学地复制数据。
综上所述,本发明的电池容量状态估计方法、装置、设备及存储介质,采用滑窗式选取以输入的当前时刻所对应的数据为依据,获取多个采集点形成的输入数据矩阵,利用递推最小二乘法得到蓄电池模型参数矩阵,通过蓄电池模型参数矩阵得到当前时刻所对应的的开路电压,依托开路电压与蓄电池容量状态之间的对应曲线表,能够快速获取到蓄电池容量状态。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (14)
1.一种电池容量状态估计方法,其特征在于,包括:
采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
2.根据权利要求1所述的电池容量状态估计方法,其特征在于,所述采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵的步骤,包括:
按预设时间间隔采集所述蓄电池的端电压、充电电流与放电电流;筛选电流变化的时间节点为参考点,以所述参考点为准滑窗式筛选其前、后多个时间节点所对应的端电压、充放电电流为所述状态矩阵的输入电流数据矩阵H、输入电压数据矩阵V。
3.根据权利要求2所述的电池容量状态估计方法,其特征在于,所述采集蓄电池端电压、充电电流与放电电流所对应的采集点至少为15个。
4.根据权利要求1所述的电池容量状态估计方法,其特征在于,所述根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵的步骤,包括:
输入由遗忘因子构成的对角矩阵,按照输入电流数据矩阵H与输入电压数据矩阵V;采用递推最小二乘法,根据所述最小二乘遗忘因子系数矩阵所对应的辨识参数θ得到蓄电池模型参数矩阵。
5.根据权利要求1所述的电池容量状态估计方法,其特征在于,所述根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态,包括:
利用所述蓄电池模型参数矩阵根据当前选取电流变化的时间节点为准计算该蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
6.根据权利要求1所述的电池容量状态估计方法,其特征在于,所述根据蓄电池模型参数矩阵计算出所述蓄电池的开路电压的步骤之前,还包括:
利用所述蓄电池模型参数矩阵与当前时刻的电流计算当前时刻所述蓄电池端电压估计值,按照所述蓄电池的实测端电压与端电压估计值之间误差校正所述蓄电池模型参数矩阵。
7.一种电池容量状态估计装置,其特征在于,所述装置包括:
数据采集模块,用于采集蓄电池端电压、充电电流与放电电流并将其生成输入数据矩阵;
参数矩阵生成模块,用于根据所述输入数据矩阵利用最小二乘遗忘因子系数矩阵计算得到蓄电池模型参数矩阵;
容量状态估计模块,用于根据所述蓄电池模型参数矩阵计算出所述蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
8.根据权利要求7所述的电池容量状态估计装置,其特征在于,所述数据采集模块进一步包括:按预设时间间隔采集所述蓄电池的端电压、充电电流与放电电流;筛选电流变化的时间节点为参考点,以所述参考点为准滑窗式筛选其前、后多个时间节点所对应的端电压、充放电电流为所述状态矩阵的输入电流数据矩阵H、输入电压数据矩阵V。
9.根据权利要求8所述的电池容量状态估计装置,其特征在于,所述采集蓄电池端电压、充电电流与放电电流所对应的采集点至少为15个。
10.根据权利要求7所述的电池容量状态估计装置,其特征在于,所述参数矩阵生成模块进一步,包括:输入由遗忘因子构成的对角矩阵,按照输入电流数据矩阵H与输入电压数据矩阵V;采用递推最小二乘法,根据所述最小二乘遗忘因子系数矩阵所对应的辨识参数θ得到蓄电池模型参数矩阵。
11.根据权利要求7所述的电池容量状态估计装置,其特征在于,所述容量状态估计模块进一步包括:利用所述蓄电池模型参数矩阵根据当前选取电流变化的时间节点为准计算该蓄电池的开路电压,按照所述开路电压与蓄电池容量状态的拟合曲线估计所述蓄电池的容量状态。
12.根据权利要求7所述的电池容量状态估计装置,其特征在于,所述装置还包括:误差校正模块,利用所述蓄电池模型参数矩阵与当前时刻的电流计算当前时刻所述蓄电池端电压估计值,按照所述蓄电池的实测端电压与端电压估计值之间误差校正所述蓄电池模型参数矩阵。
13.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行如权利要求1~6任一项所述的电池容量状态估计方法。
14.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至6任意一项所述的电池容量状态估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168205.3A CN109932662A (zh) | 2019-03-06 | 2019-03-06 | 电池容量状态估计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168205.3A CN109932662A (zh) | 2019-03-06 | 2019-03-06 | 电池容量状态估计方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109932662A true CN109932662A (zh) | 2019-06-25 |
Family
ID=66986434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910168205.3A Pending CN109932662A (zh) | 2019-03-06 | 2019-03-06 | 电池容量状态估计方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109932662A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030555A (zh) * | 2020-03-18 | 2021-06-25 | 深圳大学 | 储能器开路电压估计方法、装置、终端设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
KR20170052936A (ko) * | 2015-11-05 | 2017-05-15 | 영화테크(주) | 배터리 센서를 이용한 자동차 배터리의 기능상태 예측방법 |
CN106707181A (zh) * | 2016-12-05 | 2017-05-24 | 澳特卡新能源科技(上海)有限公司 | 一种锂离子的电池参数与荷电状态估计方法 |
CN107576919A (zh) * | 2017-10-20 | 2018-01-12 | 广东石油化工学院 | 基于armax模型的动力电池荷电状态估算***及方法 |
CN108445402A (zh) * | 2018-02-28 | 2018-08-24 | 广州小鹏汽车科技有限公司 | 一种锂离子动力电池荷电状态估计方法及*** |
-
2019
- 2019-03-06 CN CN201910168205.3A patent/CN109932662A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
KR20170052936A (ko) * | 2015-11-05 | 2017-05-15 | 영화테크(주) | 배터리 센서를 이용한 자동차 배터리의 기능상태 예측방법 |
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 |
CN106707181A (zh) * | 2016-12-05 | 2017-05-24 | 澳特卡新能源科技(上海)有限公司 | 一种锂离子的电池参数与荷电状态估计方法 |
CN107576919A (zh) * | 2017-10-20 | 2018-01-12 | 广东石油化工学院 | 基于armax模型的动力电池荷电状态估算***及方法 |
CN108445402A (zh) * | 2018-02-28 | 2018-08-24 | 广州小鹏汽车科技有限公司 | 一种锂离子动力电池荷电状态估计方法及*** |
Non-Patent Citations (2)
Title |
---|
潘仲明: "《随机信号与***》", 31 August 2013 * |
蒋英明: "微电网储能电站电池组绝缘检测及SOC估算方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030555A (zh) * | 2020-03-18 | 2021-06-25 | 深圳大学 | 储能器开路电压估计方法、装置、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2963434B1 (en) | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method | |
Liu et al. | State of charge and online model parameters co-estimation for liquid metal batteries | |
CN103399276B (zh) | 一种锂离子电池容量估计及剩余循环寿命预测方法 | |
CN105912799B (zh) | 一种液态或半液态金属电池的建模方法 | |
Huria et al. | Simplified extended kalman filter observer for soc estimation of commercial power-oriented lfp lithium battery cells | |
Jiang et al. | Extended Kalman Filter based battery state of charge (SOC) estimation for electric vehicles | |
US20160041229A1 (en) | Apparatus and method for estimating a battery state of charge | |
Kim et al. | Analytical study on low-frequency ripple effect of battery charging | |
Jiang et al. | Butler-Volmer equation-based model and its implementation on state of power prediction of high-power lithium titanate batteries considering temperature effects | |
US20150226811A1 (en) | Apparatus and method for estimating internal resistance of battery pack | |
Susanna et al. | Comparison of simple battery model and thevenin battery model for SOC estimation based on OCV method | |
US9500715B2 (en) | Secondary battery tester | |
CN104051810A (zh) | 一种锂离子储能电池***soc估算快速修正方法 | |
CN113484762B (zh) | 电池健康状态估算方法、装置、设备及存储介质 | |
Pang et al. | Parameter identification and state-of-charge estimation approach for enhanced lithium–ion battery equivalent circuit model considering influence of ambient temperatures | |
Aurilio et al. | A battery equivalent-circuit model and an advanced technique for parameter estimation | |
Shi et al. | Influence of memory effect on the state-of-charge estimation of large-format Li-ion batteries based on LiFePO4 cathode | |
CN113659245A (zh) | 一种电化学装置加热方法、电化学装置及用电设备 | |
CN105652210B (zh) | 一种依电池状态量变化过程进行soc修正的方法及*** | |
US11385296B2 (en) | Estimating a battery state of an electrochemical battery | |
CN109932662A (zh) | 电池容量状态估计方法、装置、设备及存储介质 | |
CN107402356A (zh) | 一种基于动态参数辨识的ekf估算铅酸电池soc方法 | |
US11474158B2 (en) | Analyzing electrical impedance measurements of an electromechanical battery | |
Li et al. | An electrical model capable of estimating the state of energy for lithium-ion batteries used in energy storage systems | |
Yuan et al. | Study on the estimation of the state of charge of lithium-ion battery |
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 |
Application publication date: 20190625 |
|
RJ01 | Rejection of invention patent application after publication |