CN110673037B - 基于改进模拟退火算法的电池soc估算方法及*** - Google Patents
基于改进模拟退火算法的电池soc估算方法及*** Download PDFInfo
- Publication number
- CN110673037B CN110673037B CN201910859406.8A CN201910859406A CN110673037B CN 110673037 B CN110673037 B CN 110673037B CN 201910859406 A CN201910859406 A CN 201910859406A CN 110673037 B CN110673037 B CN 110673037B
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- detected
- current
- data
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 104
- 238000002922 simulated annealing Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 91
- 238000012937 correction Methods 0.000 claims abstract description 47
- 238000007599 discharging Methods 0.000 claims description 125
- 238000012795 verification Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 3
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
Images
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
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种基于改进模拟退火算法的电池SOC估算方法，通过设置并行计算的改进模拟退火实时算法和改进模拟退火修正算法，来计算电池当前SOC。同时本发明还提供了基于改进模拟退火算法的电池SOC估算***，包括判断模块、六大获取模块、两大计算模块和结果输出模块，以实现上述基于改进模拟退火算法的电池SOC估算方法。本发明一方面通过获取大量的电池历史实验数据构建成电池历史数据库，并将其电池外部特性参数进行整合，保证了估算精度；另一方面通过设置改进模拟退火实时算法和改进模拟退火修正算法两部分，以提高电池SOC计算的实时性，并提高计算精度。
Description
技术领域
本发明涉及动力电池管理技术领域，特别涉及一种基于改进模拟退火算法的电池SOC估算方法；同时，本发明还涉及一种基于改进模拟退火算法的电池SOC估算方法及***。
背景技术
随着全球环境的急剧恶化和能源的日趋紧张，电动汽车越来越受到人们的重视和青睐。动力电池是电动汽车的能量源，对整车整体性能起着决定性作用，是电动汽车的核心部分。为了保证电池性能良好、提高使用安全性并延长使用寿命，就需要对电池进行有效的管理，前提是必须准确而又可靠地得知电池的荷电状态(state of charge，SOC)。SOC为动力电池中按照规定放电条件可以释放的容量占可用容量的百分比，其是表征动力电池组能量余量的重要参数，是电动车可续驶里程的关键指示，是整车控制***制定最优能量管理策略的重要依据。因此，如何准确地估算动力电池的SOC是电动汽车的关键技术。
然而，SOC为电池内部特性，无法直接对其进行测量，只能通过对其电压、电流、温度、内阻、电容等一些直接测量的外部特性参数预测得到。并且，动力电池的SOC与电池材料体系、生产工艺、应用环境等诸多因素相关，呈现非线性特征，从而给SOC的估算带来很大的困难。因此，虽然用于电池SOC估算方法种类之多，但是当前应用的各种SOC估算方法都存在部分缺陷，不能完全满足电池的实际使用要求。
电流积分法，即在Ah积分的基础上加入一些影响因子的校正，长期使用会导致测量误差不断累积扩大；放电试验法是最可靠的SOC估算方法，其原理为，采用恒定电流进行连续放电，放电电流与时间的乘积即为剩余电量,但是不能用来计算处于工作状态下的动力电池；开路电压法与放电试验法一样，并不适用于运行中的电池SOC估算；安时积分法没有从电池内部解决电量与电池状态的关系，只是从外部记录进出电池的能量，不可避免地使电量的计量可能因为电池状态的变化而失去精度；神经网络法计算周期长难以满足SOC实时在线、高精度估算的要求，同时长期使用估算同一组电池的SOC值，其准确性也会大打折扣；最常用的Kalman滤波法估算SOC的精度很大程度上取决于电池模型的准确程度，工作特性本身就呈高度非线性化的动力电池，在Kalman滤波法中经过线性化处理后难免存在误差，如果模型建立得不够准确，其估算的结果也并不一定可靠，同时该方法涉及的算法非常复杂，计算量极大，所需要的计算周期较长，并且对硬件性能要求苛刻。
CN110045292A提供的基于大数据和bp神经网络的锂离子电池SOC预测方法，采集电池外部特征参数建立电池SOC大数据的数据集；建立训练集和测试集；构建多重bp神经网络预测模型；将数据集分别放入不同参数的bp神经网络预测模型中，得到测量精度；根据不同参数的bp神经网络预测模型所得到的测量精度进行分析，得到预测结果。
CN110068772A涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法，属于电池技术领域，包括步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合FEKF算法对电池进行SOC状态估计。
CN110082684A公开了一种基于加权多新息扩展卡尔曼滤波的锂电池SOC估计方法，包括：利用二阶戴维南等效电路模型作为锂电池的等效电路模型；通过基尔霍夫定律建立二阶戴维南等效电路模型的电气特性表达式；根据安时积分法和电气特性表达式建立二阶戴维南等效电路模型的状态空间方程，并离散化状态空间方程；通过电流脉冲实验对二阶戴维南等效电路模型的参数进行识别，通过恒流充放电实验建立OCV和SOC之间的函数关系；基于粒子滤波算法中粒子权值计算思想，计算多新息拓展卡尔曼滤波器中不同时刻对应新息的重要性；根据每个重要性，计算每一重要性对应新息的权重，并重新合理分配多新息扩展卡尔曼中每个新息的权重。
虽然用于电池SOC估算方法种类之多，但各种方法都存在着一定的缺陷，难以满足SOC实时在线、高精度估算的要求。鉴于此，如何能够提高电池SOC计算的实时性，并提高计算精度，成为本领域技术人员亟待解决的问题。
发明内容
有鉴于此，本发明旨在提出一种基于改进模拟退火算法的电池SOC估算方法，以提高电池SOC计算的实时性，并提高计算精度。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于改进模拟退火算法的电池SOC估算方法，包括下列步骤：
S1：判断电池是否处于工作状态；若是，则执行S3；若否，则执行S2；
S2：获取电池历史数据库的数据；获取所述电池中电芯的数据；根据改进的模拟退火修正算法，得到所述电池当前的OCV-SOC曲线、当前SOC所用权值和当前SOC；
S3：获取电池历史数据库的数据；获取所述电池中电芯的数据；根据改进的模拟退火修正算法和改进的模拟退火实时算法，得到所述电池当前的OCV-SOC曲线、当前SOC所用权值和当前SOC。
进一步地，基于改进模拟退火算法的电池SOC估算方法，包括下列步骤：
S1：判断电池是否处于工作状态；若是，则执行S3；若否，则执行S2；
S2：获取电池历史数据库的充电数据及放电数据；获取所述电池的历史充电数据及放电数据；根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；
获取所述电池中电芯的开路电压和所述电池中电芯的环境温度；根据所述电池中电芯的开路电压和所述电池当前的OCV-SOC曲线，得到所述电池当前SOC；
S3：获取所述电池历史数据库的充电数据及放电数据；获取所述电池的历史充电数据及放电数据；根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；
获取所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流和所述电池的环境温度；获取所述电池当前SOC权值；获取所述电池的上一次SOC；根据所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值和改进的模拟退火实时算法，计算得到所述电池当前SOC；
所述改进的模拟退火实时算法的计算公式为：
式中，SOC(t)为当前电池容量，σi为充放电倍率对结果影响的修正系数、σT为充放电温度对结果影响的修正系数、Qc为电池容量、ik为当前SOC与上一次SOC间充、放电电流，I(t)为电池当前电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。
其中，值得注意的是，若无上一次SOC，则按照下述公式计算：
式中，SOC(t0)为初始时刻电池的SOC，一般为100％。
进一步的，S3后还包括
S4：SOC校验；SOC校验的公式为：
式中，Ut为电压；
若S3中SOC减去S4中SOC≤0.0001，则得到所述电池当前SOC；若S3中SOC减去S4中SOC＞0.0001，则再次计算SOC直至S3中SOC减去S4中SOC≤0.0001，得到所述电池当前SOC。
进一步的，S3包括下列步骤：
S31：获取所述电池的历史充电数据和放电数据的个数；若所述电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；
S32：计算
式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，
若tempmbl(i)k＝0，则
得到OCV-SOC曲线和所述电池当前SOC所用权值；
若tempmbl(i)k≠0，则执行S33；
S33：计算最优解，得到OCV-SOC曲线和所述电池当前SOC所用权值；
式中，t为电池充放电次数，
K是物理学中的玻尔兹曼常数。
进一步的，所述预设的历史充电数据和放电数据个数阈值为50。
同时，本发明还提供了一种基于改进模拟退火算法的电池SOC估算***，以实现上述一种基于改进模拟退火算法的电池SOC估算方法。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于改进模拟退火算法的电池SOC估算***，包括：
第一判断模块，用于判断电池是否处于工作状态；
第一获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的开路电压、所述电池中电芯两端电压和所述电池中电芯两端电流；
第二获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的环境温度；
第三获取模块，连接于所述第一计算模块，用于获取所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；
第四获取模块，连接于所述第一判断模块，用于获取电池历史数据库的充电数据及放电数据；
第五获取模块，连接于所述第一判断模块，用于获取所述电池的历史充电数据和放电数据；
第六获取模块，连接于所述第一判断模块，用于获取所述电池中两端回路电流；
第七获取模块，连接于所述第一判断模块，用于获取所述电池的上一次SOC；
第一计算模块，连接于所述第四获取模块和所述第五获取模块，用于根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，计算得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；
第二计算模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块、所述第六获取模块和所述第七获取模块，用于根据所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值、所述电的上一次SOC和改进的模拟退火实时算法，计算得到所述电池当前SOC；
结果输出模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第二计算模块，用于输出所述电池当前SOC；
所述改进的模拟退火实时算法的计算公式为：
式中，SOC(t)为当前电池容量，SOC(t0)为当前电池容量，σi为充放电倍率对结果影响的修正系数、σT为充放电温度对结果影响的修正系数、Qc为电池容量、ik为当前SOC与上一次SOC间充放电电流，I(t)为当前电池电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。
进一步的，所述电池当前SOC所用权值包括：K0、K1、K2、K3、K4及Qc。
进一步的，还包括第三计算模块，连接于所述第二计算模块，用于SOC校验；SOC校验的公式为：
式中Ut为电压，K0、K1、K2、K3、K4为校验参数；
若第二计算模块得到的所述电池当前SOC减去第三计算模块得到的所述电池当前SOC≤0.0001，则将第二计算模块得到的所述电池当前SOC发送至结果输出模块；若第二计算模块得到的所述电池当前SOC减去第三计算模块得到的所述电池当前SOC＞0.0001，则再次计算SOC直至第二计算模块得到的所述电池当前SOC减去第三计算模块得到的所述电池当前SOC≤0.0001，则将第二计算模块得到的所述电池当前SOC发送至结果输出模块。
进一步的，还包括第八获取模块，连接于所述第一判断模块，用于获取若所述电池的历史充电数据和放电数据的个数；
第二判断模块，连接于所述第八获取模块，用于判断所述电池是否为新电池；若所述电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；
第四计算模块，连接于所述第二判断模块，用于计算
式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，
若tempmbl(i)k＝0，则
输出OCV-SOC曲线和所述电池当前SOC所用权值；
若tempmbl(i)k≠0，则执行S33；
第六计算模块，连接于所述第五计算模块，用于计算最优解；得到的OCV-SOC曲线，和所述电池当前SOC所用权值；
其中t为电池充放电次数，
K是物理学中的玻尔兹曼常数。
进一步的，所述预设的历史充电数据和放电数据个数阈值为50。
相对于现有技术，本发明具有以下优势：
本发明一方面通过获取大量的电池历史实验数据构建成电池历史数据库，并将其电池外部特性参数进行整合，保证了估算精度；另一方面通过设置并行计算的改进模拟退火实时算法和改进模拟退火修正算法两个部分，以提高电池SOC计算的实时性，并提高计算精度。改进模拟退火实时算法计算简便快捷，计算用时为毫秒级别，可以快速实时跟踪电池电量，实时电池SOC，能够满足用户能实时看到电池的剩余电量。改进模拟退火修正算法是基于大数据分析的算法，需要用到电池历史数据库里的大量其他电池充放电实验数据，及对应所在电池的历史充放电记录，最终得出实时算法所需的数据；其通过更新OCV-SOC曲线和电池当前SOC权值，能够避免电池多次充放电后产生的由于其本身特性变化所造成实时计算时的累计误差。其次，采用本发明的计算方案，可以使得电池当前SOC计算误差不超过0.2％，进而实现对电池的有效管理，提升客户体验；最后，能够保证电池性能良好，提高其使用安全性，延长使用寿命，降低电动汽车的运行成本。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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的附图。在附图中：
图1为本发明实施例1基于改进模拟退火算法的电池SOC估算方法的流程示意图；
图2为本发明实施例1基于改进模拟退火算法的电池SOC估算***的结构框图；
图3为本发明实施例2得到的“新电池”的OCV-SOC曲线。
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、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，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。
本领域技术人员知道，本发明的实施方式可以实现一种***、装置、设备、方法或计算机程序。因此，本发明可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制意义。
本发明中，电动车的电池包是由许多电芯通过串并联组合而成，所以本发明中用到的电流为回路电流除以并联电芯数m，即为流过电芯的电流；电池电压由电芯串联得到，所以本发明中电压为电芯两端电压；SOC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，所以无需区分是电池的SOC还是电芯的SOC，两者是一致的。
本发明中，OCV-SOC曲线即电压-电量曲线。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明涉及基于改进模拟退火算法的电池SOC估算方法，其主要设计思想在于：通过设置改进模拟退火实时算法和改进模拟退火修正算法两个部分来提高电池SOC计算的实时性，并提高计算精度。
通过该整体设计思想的设置，能够快速实时跟踪电池电量，实时电池SOC；同时能够避免电池多次充放电后产生的由于其本身特性变化所造成实时计算时的累计误差，最终达到能够满足用户能实时看到电池的剩余电量、提升用户体验的目的。
实施例1
在本发明的基于改进模拟退火算法的电池SOC估算方法使用之前，需要构建一个电池历史数据库，该电池历史数据库中需要提前输入大量的电池历史实验数据，存储于存储器中。这些实验数据为电池外部特性参数，其具体电池外部特性参数可根据需求而具体设定。本实施例中，这些实验数据包含了电池各种状态运行的电压、电流，以及在相应的状态下的荷电状态与容量等数据。进而，将这些电池外部特性参数进行整合，保证了估算精度。具体地，在试验时通过测量电池在不同状态下充放电的电压、电流，通过对电流进行积分，得到电池的OCV-SOC曲线和Qc，再通过对曲线的差值拟合得到K0至K4。具体地，试验过程中，通过传统的安时积分法，计算绘制不同状态下的电池OCV-SOC曲线，通过对该曲线的差值拟合得到K0至K4。其中，差值拟合方法可以直接由matlab、lingo、spass等数学软件直接实现，即将OCV-SOC曲线放入软件中运行环境下，点击差值拟合功能即可得到相关数据。
基于如上设计思想，本发明的其中一种具体限定方案中，基于改进模拟退火算法的电池SOC估算方法(如图1所示)包括下列步骤：
S1：判断电池是否处于工作状态，具体地，可检测电池回路中是否有电流，若有电流则为工作状态，若无电流或者较小电流(如小于10mA甚至更小)则电池处于非工作状态，即休眠状态；若是，则执行S3；若否，则执行S2；
S2：运行改进的模拟退火修正算法，计算得到所述电池当前SOC。其中，改进的模拟退火修正算法为：读取存储器电池历史数据库中其他电池实验数据中的充电数据及放电数据；读取待检测电池的历史充电数据和放电数据；将所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据输入改进的模拟退火修正算法进行计算，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值。优选的，读取所述待检测电池的历史充电数据和放电数据的个数不低于五十次，若该电池全生命周期内充电数据和放电数据的个数不足50次，则读取该电池全生命周期内的充电数据和放电数据。其中，得到的所述电池当前的OCV-SOC曲线应用于改进的模拟退火实时算法，以实时计算SOC。
S3：并行运行改进的模拟退火实时算法和改进的模拟退火修正算法，计算得到所述电池当前SOC。其中，改进的模拟退火修正算法为：读取存储器电池历史数据库中其他电池实验数据中的充电数据及放电数据；读取待检测电池的历史充电数据和放电数据；将所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据输入改进的模拟退火修正算法进行计算，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值。优选的，读取所述待检测电池的历史充电数据和放电数据的个数不低于五十次，若该电池全生命周期内充电数据和放电数据的个数不足50次，则读取该电池全生命周期内的充电数据和放电数据。其中，得到的所述电池当前SOC所用权值应用于改进的模拟退火实时算法，以实时计算SOC。
改进的实时退火实时算法为：读取所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流和所述电池的环境温度；读取所述电池当前SOC权值；将所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值输入改进的模拟退火实时算法，计算得到所述电池当前SOC；
具体地，所述改进的模拟退火实时算法的计算公式为：
式中，SOC(t)为当前电池容量，SOC(t0)为当前电池容量，σi为充放电倍率对结果影响的修正系数、σT为充放电温度对结果影响的修正系数、Qc为电池容量、ik为当前SOC与上一次SOC间充放电电流，I(t)为当前电池电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。
首先，本发明通过获取大量的电池历史实验数据构建成电池历史数据库，并将其电池外部特性参数进行整合，保证了估算精度；其次，本发明的基于改进模拟退火算法的电池SOC估算方法分为两个部分，第一部分为改进的模拟退火实时算法，第二部分为改进的模拟退火修正算法，以提高电池SOC计算的实时性，并提高计算精度。
同时，本发明考虑到由于电池本身的特性，电池在休眠状态下，无电流或者电路很小，电池两端电压较高，当电池处于工作状态时，电流很大，电压随之降低。同等SOC的电池，工作电流越大，电池两端电压越低。因此，根据电池的工作状态或休眠状态进行区分，再进行电池当前SOC权值的计算，增加本发明的准确性。
其次，改进模拟退火实时算法计算简便快捷，计算用时为毫秒级别，可以快速实时跟踪电池电量，实时电池SOC，能够满足用户能实时看到电池的剩余电量。改进模拟退火修正算法是基于大数据分析的算法，需要用到电池历史数据库里的大量其他电池充放电实验数据，及对应所在电池的历史充放电记录，最终得出实时算法所需的数据；其通过更新OCV-SOC曲线和电池当前SOC权值，能够避免电池多次充放电后产生的由于本身特性变化所造成实时计算时的累计误差。
再次，虽然改进模拟退火修正算法的计算时间稍长，但是在这段时间内，若没有极端工况，可以认为电池的容量、电压与荷电状态关系等物理特性并未发生改变，即电池特性未发生改变，实时算法所需的数据即为电池当前的准确数据，且在这段时间内没有产生累计误差。通过改进的模拟退火修正算法，用电池近期数据对比电池历史数据库中的历史试验数据，遍历搜索得出最接近的一组历史试验数据，其中，K0至K4以及Qc均相当于包含在这组数据中。
最后，采用本发明的计算方案，在正常工作条件下可以使得电池当前SOC计算误差不超过0.2％，进而实现对电池的有效管理，提升客户体验；最终达到保证电池性能良好、提高使用安全性、延长使用寿命和降低电动汽车的运行成本的目的；本发明具有很高的实用性，可在实际中得到广泛应用。
为了进一步提高基于改进模拟退火算法的电池SOC估算方法的估算精度，在本发明的其中一种具体实施方式中，所述电池当前SOC所用权值的参数包括：K0、K1、K2、K3、K4及Qc。
为了更进一步提高基于改进模拟退火算法的电池SOC估算方法的估算精度，在本发明的另一种具体实施方式中，S4后还包括S4：SOC校验。其中，SOC校验的公式为：
式中，Ut为电压；
若S3中SOC-S4中SOC≤0.0001，则得到SOC；若S3中SOC-S4中SOC＞0.0001，则再次计算当前SOC直至S3中SOC-S4中SOC≤0.0001，得到SOC。
为了进一步提高基于改进模拟退火算法的电池SOC估算方法的估算精度，在本发明的其中一种具体实施例中，S3包括下列步骤：
S31：获取所述电池的历史充电数据和放电数据的个数；若所述电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；
S32：计算
式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，
若tempmbl(i)k＝0，则
得到OCV-SOC曲线、K0、K1、K2、K3、K4和Qc；
若tempmbl(i)k≠0，则执行S33；以更一步减小计算误差，提高电池SOC估算的准确性。
S33：计算最优解，得到OCV-SOC曲线、K0、K1、K2、K3、K4和Qc；
式中，t为电池充放电次数，
K是物理学中的玻尔兹曼常数。
优选的，所述预设的历史充电数据和放电数据个数阈值为50。当采集的数据大于等于50次后，所计算的结果精度较高。具体该阈值的设置，可根据实际情况设定。在不要求高精度的情况下，所述预设的历史充电数据和放电数据个数阈值要求可以降低；在要求更高计算精度的情况下，所述预设的历史充电数据和放电数据个数阈值要求亦随之增大。
本发明还提供了一种基于改进模拟退火算法的电池SOC估算***，包括第一判断模块、第一获取模块、第二获取模块、第三获取模块、第四获取模块、第五获取模块、第六获取模块、第一计算模块、第二计算模块和结果输出模块(如图2所示)。具体地，
第一判断模块，用于判断电池是否处于工作状态；
第一获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的开路电压、所述电池中电芯两端电压和所述电池中电芯两端电流；
第二获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的环境温度；
第三获取模块，连接于所述第一计算模块，用于获取所述电池当前的OCV-SOC曲线和电池当前SOC权值；
第四获取模块，连接于所述第一判断模块，用于获取电池历史数据库的充电数据及放电数据；
第五获取模块，连接于所述第一判断模块，用于获取所述电池的历史充电数据和放电数据；
第六获取模块，连接于所述第一判断模块，用于获取所述电池中两端回路电流；
第七获取模块，连接于所述第一判断模块，用于获取所述电池的上一次SOC；
第一计算模块，连接于所述第四获取模块和所述第五获取模块，用于根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，计算得到所述电池当前的OCV-SOC曲线和K0、K1、K2、K3、K4及Qc；
第二计算模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第六获取模块，用于根据所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值和改进的模拟退火实时算法，计算得到所述电池当前SOC；
结果输出模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第二计算模块，用于输出所述电池当前SOC；
所述改进的模拟退火实时算法的计算公式为：
式中，SOC(t)为当前电池容量，SOC(t0)为当前电池容量，σi为充放电倍率对结果影响的修正系数、σT为充放电温度对结果影响的修正系数、Qc为电池容量、ik为当前SOC与上一次SOC间充放电电流(虽然为实时计算，但实际本次所述电池当前SOC与上次计算电池SOC有一定的时间间隔，ik即为这段时间内电池的电流，其处于充电状态即为充电电流，其处于放电状态即为放电电流)、I(t)为当前电池电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。
需要说明的是，本发明提供的基于改进模拟退火算法的电池SOC估算方法中的步骤，可以利用上述基于改进模拟退火算法的电池SOC估算***中对应的模块、装置等予以实现，本领域技术人员可以参照所述***的技术方案实现所述方法的步骤流程，即所述***中的实施方式可理解为实现所述方法的优选例，在此不予赘述。
基于如上整体设计，下述实施例对该设计下的其中一部分具体应用进行详细说明。
实施例2
本实施例涉及一种基于改进模拟退火算法的电池SOC估算方法方法，为实施例1下的具体应用，具体包括下列步骤：
步骤一：
判断电池是否处于工作状态，若处于休眠状态则进入步骤二，若处于工作状态则进入步骤三；
步骤二：
读取电池中电芯开路电压及环境温度，读取电池当前的OCV-SOC曲线，根据电池中电芯开路电压找到其于电池当前的OCV-SOC曲线对应的SOC，得出电池当前SOC。电池当前OCV-SOC曲线由改进的模拟退火修正算法得出，具体步骤参照实施例1。
步骤三：
读取电池两端回路中的电流及电池中电芯两端电压、电池中电芯电流及电池的环境温度，读取当前电池SOC权值，读取上一次SOC值(若上一次SOC值为休眠状态值不影响计算结果)，带入改进的模拟退火实时算法以计算电池当前SOC，进一步进行消除本次内累计误差计算和SOC校验计算。
其中，改进的模拟退火实时算法公式如下：
式中，SOC(t)为当前电池容量，σi、σT、Qc、ik分别为：充放电倍率对结果影响的修正系数、充放电温度对结果影响的修正系数、电池容量、当前SOC与上一次SOC间充放电电流，SOC(t-1)为电池上一次的SOC值，I(t)为当前电池电流。
SOC校验的公式如下：
式中，Ut为电压，K0、K1、K2、K3、K4为校验参数，其由改进的模拟退火修正算法计算得出。
若SOC(t)计算-SOC(t)校验≤0.0001，则保存并输出SOC即为所述电池当前SOC；否则只保存本次计算结果，再次计算当前SOC，直至SOC(t)计算-SOC(t)校验≤0.0001，则保存并输出SOC即为所述电池当前SOC。
步骤四：本步骤为改进的模拟退火修正算法，其与步骤二和步骤三中的改进的模拟退火实时算法同时进行。
步骤a、读取存储器中的其他电池实验数据中的充电数据和放电数据，执行步骤b；
步骤b、读取寄存器中的所在电池历史充电数据和放电数据，其充放电数据读取量为最近五十次充电数据和最近五十次放电数据。若电池历史充放电数据小于五十次，则认为电池属于“新电池”，则执行步骤c，否则执行步骤d；
步骤c、若电池属于新电池，则更新步骤二与步骤三中的寄存器内的所述电池当前的OCV-SOC曲线和K0、K1、K2、K3、K4及Qc，用于步骤二和步骤三中的改进的模拟退火实时算法实时计算SOC。本次改进的模拟退火修正算法计算结束。图3示出了本实施例得到的“新电池”的OCV-SOC曲线。
步骤d、若不属于“新电池”，则计算
计算结束后进入步骤e。
式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推；其中
步骤e、若tempmbl(i)k＝0，则
输出OCV-SOC曲线、K0、K1、K2、K3、K4及Qc的值。本次改进的模拟退火修正算法计算结束。
步骤f、若tempmbl(i)k≠0，则通过下式训练计算出最优解，进入步骤g；
式中，t为电池充放电次数，
K是物理学中的玻尔兹曼常数。
步骤g、用新计算得到的OCV-SOC曲线，及K0、K1、K2、K3、K4、Qc的值，刷新步骤二与步骤三中的寄存器内的值，用于改进的模拟退火实时算法以进行SOC实时计算。本次改进的模拟退火修正算法计算结束。
步骤五：
显示步骤二或步骤三计算得到的所述电池当前SOC值，以及采集到的电池两端电压数据和电流数据。本次基于改进的模拟退火算法的SOC估算结束。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。
Claims (8)
1.一种基于改进模拟退火算法的电池SOC估算方法，其特征在于：包括下列步骤
S1：判断待检测电池是否处于工作状态；若是，则执行S3；若否，则执行S2；
S2：获取电池历史数据库中其他电池的充电数据及放电数据；获取所述待检测电池的历史充电数据及放电数据；根据所述电池历史数据库中其他电池的充电数据及放电数据、所述待检测电池的历史充电数据及放电数据和改进的模拟退火修正算法，得到所述待检测电池当前的OCV-SOC曲线和所述待检测电池的当前SOC所用权值；
获取所述待检测电池中电芯的开路电压和所述待检测电池中电芯的环境温度；根据所述待检测电池中电芯的开路电压和所述待检测电池的当前OCV-SOC曲线，得到所述待检测电池的当前SOC；
S3：获取所述电池历史数据库中其他电池的充电数据及放电数据；获取所述待检测电池的历史充电数据及放电数据；根据所述电池历史数据库中其他电池的充电数据及放电数据、所述待检测电池的历史充电数据及放电数据和改进的模拟退火修正算法，得到所述待检测电池的当前OCV-SOC曲线和所述待检测电池的当前SOC所用权值；其中，改进的模拟退火修正算法为用所述待检测电池的历史充电数据及放电数据对比所述电池历史数据库中其他电池的历史充电数据及放电数据，得到最接近所述待检测电池的历史充电数据及放电数据的一组历史充电数据及放电数据；根据所述一组历史充电数据及放电数据，得到所述待检测电池的当前OCV-SOC曲线和所述待检测电池的当前SOC所用权值；
获取所述待检测电池中两端回路电流、所述待检测电池的当前SOC与所述待检测电池的上一次SOC间充、放电电流和所述待检测电池的环境温度；获取所述待检测电池的当前SOC所用权值；获取所述待检测电池的上一次SOC；根据所述待检测电池中两端回路电流、所述待检测电池的当前SOC与所述待检测电池的上一次SOC间充、放电电流、所述待检测电池的环境温度、所述待检测电池的当前SOC所用权值和改进的模拟退火实时算法，计算得到所述待检测电池的当前SOC；
所述改进的模拟退火实时算法的计算公式为：
式中，SOC(t)为所述待检测电池的当前容量，σi为充放电倍率对结果影响的修正系数、σT为充放电温度对结果影响的修正系数、Qc为所述待检测电池的容量、ik为所述待检测电池的当前SOC与所述待检测电池的上一次SOC间充、放电电流，SOC(t-1)为所述待检测电池上一次的SOC值，Δt为本次计算与上次计算之间的时间差；i为所述待检测电池中两端回路电流，T为所述待检测电池的当前温度；
其中，所述SOC所用权值包括Qc、K0、K1、K2、K3和K4；所述其他电池的充电数据及放电数据包括所述其他电池各种状态运行时的电压、电流、荷电状态与容量；通过安时积分法对所述其他电池各种状态运行时的电流进行积分，得到所述其他电池的OCV-SOC曲线和Qc；对所述OCV-SOC曲线进行差值拟合，得到K0、K1、K2、K3和K4。
2.根据权利要求1所述的基于改进模拟退火算法的电池SOC估算方法，其特征在于：S3后还包括
S4：SOC校验；SOC校验的公式为：
式中，Ut为开路电压；
若S3中SOC减去S4中SOC≤0.0001，则将S3中SOC作为所述待检测电池的当前SOC；若S3中SOC减去S4中SOC＞0.0001，则再次计算SOC直至S3中SOC减去S4中SOC≤0.0001，则将S3中SOC作为所述待检测电池的当前SOC。
3.根据权利要求1-2中任一项所述的基于改进模拟退火算法的电池SOC估算方法，其特征在于：S3包括下列步骤：
S31：获取所述待检测电池的历史充电数据和放电数据的个数；若所述待检测电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述待检测历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；
S32：计算
式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为所述待检测电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，K∈(R|[1:1:50])；
若tempmbl(i)k＝0，则
得到OCV-SOC曲线和所述待检测电池的当前SOC所用权值；
若tempmbl(i)k≠0，则执行S33；
S33：计算最优解，得到OCV-SOC曲线和所述待检测电池当前SOC所用权值；
式中，t为电池充放电次数，
k是物理学中的玻尔兹曼常数。
4.根据权利要求3所述的基于改进模拟退火算法的电池SOC估算方法，其特征在于：所述预设的历史充电数据和放电数据个数阈值为50。
5.一种基于改进模拟退火算法的电池SOC估算***，其特征在于：所述基于改进模拟退火算法的电池SOC估算***包括：
第一判断模块，用于判断待检测电池是否处于工作状态；
第一获取模块，连接于所述第一判断模块，用于获取所述待检测电池中两端回路电流、所述待检测电池的当前SOC与所述待检测电池的上一次SOC间充、放电电流和所述待检测电池的环境温度；
第二获取模块，连接于所述第一判断模块，用于获取所述待检测电池中电芯的环境温度；
第三获取模块，连接于第一计算模块，用于获取所述待检测电池当前的OCV-SOC曲线和所述待检测电池当前SOC所用权值；
第四获取模块，连接于所述第一判断模块，用于获取电池历史数据库中其他电池的充电数据及放电数据；
第五获取模块，连接于所述第一判断模块，用于获取所述待检测电池的历史充电数据和放电数据；
第六获取模块，连接于所述第一判断模块，用于获取所述待检测电池中两端回路电流；
第七获取模块，连接于所述第一判断模块，用于获取所述待检测电池的上一次SOC；
第一计算模块，连接于所述第四获取模块和所述第五获取模块，用于根据所述电池历史数据库中其他电池的充电数据及放电数据、所述待检测电池的历史充电数据及放电数据和改进的模拟退火修正算法，计算得到所述待检测电池当前的OCV-SOC曲线和所述待检测电池当前SOC所用权值；其中，改进的模拟退火修正算法为用所述待检测电池的历史充电数据及放电数据对比所述电池历史数据库中其他电池的历史试验数据，得到最接近所述待检测电池的历史充电数据及放电数据的一组历史试验数据；根据所述一组历史试验数据，得到所述待检测电池当前的OCV-SOC曲线和所述待检测电池当前SOC所用权值；
第二计算模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块、所述第六获取模块和所述第七获取模块，用于根据所述待检测电池中两端回路电流、所述待检测电池的当前SOC与所述待检测电池的上一次SOC间充、放电电流、所述待检测电池的环境温度、所述待检测电池的当前SOC所用权值和改进的模拟退火实时算法，计算得到所述待检测电池的当前SOC；
结果输出模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第二计算模块，用于输出所述待检测电池当前SOC；
所述改进的模拟退火实时算法的计算公式为：
式中，SOC(t)为所述待检测电池的当前容量，σi为充放电倍率对结果影响的修正系数、σT为充放电温度对结果影响的修正系数、Qc为所述待检测电池的容量、ik为所述待检测电池当前SOC与所述待检测电池上一次SOC间充、放电电流，SOC(t-1)为所述待检测电池上一次的SOC值，Δt为本次计算与上次计算之间的时间差；i为所述待检测电池中两端回路电流，T为所述待检测电池的当前测量温度；
其中，所述SOC所用权值包括Qc、K0、K1、K2、K3和K4；所述其他电池的充电数据及放电数据包括所述其他电池各种状态运行时的电压、电流、荷电状态与容量；通过安时积分法对所述其他电池各种状态运行时的电流进行积分，得到所述其他电池的OCV-SOC曲线和Qc；对所述OCV-SOC曲线进行差值拟合，得到K0、K1、K2、K3和K4。
6.根据权利要求5所述的基于改进模拟退火算法的电池SOC估算***，其特征在于：所述基于改进模拟退火算法的电池SOC估算***还包括第三计算模块，连接于所述第二计算模块，用于SOC校验；SOC校验的公式为：
式中，Ut为电压；
若第二计算模块得到的所述待检测电池当前SOC减去第三计算模块得到的所述待检测电池当前SOC≤0.0001，则将第二计算模块得到的所述待检测电池当前SOC发送至结果输出模块；
若第二计算模块得到的所述待检测电池当前SOC减去第三计算模块得到的所述待检测电池当前SOC＞0.0001，则再次计算SOC直至第二计算模块得到的所述待检测电池当前SOC减去第三计算模块得到的所述待检测电池当前SOC≤0.0001，则将第二计算模块得到的所述待检测电池当前SOC发送至结果输出模块。
7.根据权利要求5-6中任一项所述的基于改进模拟退火算法的电池SOC估算***，其特征在于：还包括
第八获取模块，连接于所述第一判断模块，用于获取所述待检测电池的历史充电数据和放电数据的个数；
第二判断模块，连接于所述第八获取模块，用于判断所述待检测电池是否为新电池；若所述待检测电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行第四计算模块；若所述待检测电池历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行第六计算模块；
第四计算模块，连接于所述第二判断模块，用于计算
式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为所述待检测电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，K∈(R|[1:1:50])；
若tempmbl(i)k＝0，则输出OCV-SOC曲线和所述待检测电池当前SOC所用权值；
若tempmbl(i)k≠0，则执行第六计算模块；
第六计算模块，连接于所述第四计算模块，用于计算最优解；得到OCV-SOC曲线和所述待检测电池当前SOC所用权值；
式中，t为电池充放电次数，
k是物理学中的玻尔兹曼常数。
8.根据权利要求7所述的基于改进模拟退火算法的电池SOC估算***，其特征在于：所述预设的历史充电数据和放电数据个数阈值为50。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910859406.8A CN110673037B (zh) | 2019-09-11 | 2019-09-11 | 基于改进模拟退火算法的电池soc估算方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910859406.8A CN110673037B (zh) | 2019-09-11 | 2019-09-11 | 基于改进模拟退火算法的电池soc估算方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110673037A CN110673037A (zh) | 2020-01-10 |
| CN110673037B true CN110673037B (zh) | 2022-02-22 |
Family
ID=69077746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910859406.8A Active CN110673037B (zh) | 2019-09-11 | 2019-09-11 | 基于改进模拟退火算法的电池soc估算方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110673037B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112180281B (zh) * | 2020-09-02 | 2022-11-25 | 傲普(上海)新能源有限公司 | 一种电池组soc的估算方法 |
| CN113592190B (zh) * | 2021-04-19 | 2023-06-23 | 北京联合大学 | 智慧工厂中一种大规模单行设施布局规划方法 |
| CN113777500A (zh) * | 2021-09-29 | 2021-12-10 | 东方电气集团科学技术研究院有限公司 | 一种采用模拟退火法进行电池参数辨识及精度优化的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105676135A (zh) * | 2016-01-13 | 2016-06-15 | 北京航天发射技术研究所 | 一种特种工程车用动力铅酸电池剩余容量在线估算方法 |
| CN106646265A (zh) * | 2017-01-22 | 2017-05-10 | 华南理工大学 | 一种锂电池soc估计方法 |
| CN106716158A (zh) * | 2014-06-11 | 2017-05-24 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| CN107037366A (zh) * | 2016-12-02 | 2017-08-11 | 江苏富威能源有限公司 | 一种电力动车锂离子电池控制*** |
| CN107533105A (zh) * | 2015-02-28 | 2018-01-02 | 北京交通大学 | 锂离子电池荷电状态估算方法和装置 |
| CN107576918A (zh) * | 2017-09-25 | 2018-01-12 | 上海电气集团股份有限公司 | 锂电池的剩余电量的估算方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160103185A1 (en) * | 2014-10-14 | 2016-04-14 | Ford Global Technologies, Llc | Electrified vehicle battery state-of-charge monitoring with aging compensation |
-
2019
- 2019-09-11 CN CN201910859406.8A patent/CN110673037B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106716158A (zh) * | 2014-06-11 | 2017-05-24 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| CN107533105A (zh) * | 2015-02-28 | 2018-01-02 | 北京交通大学 | 锂离子电池荷电状态估算方法和装置 |
| CN105676135A (zh) * | 2016-01-13 | 2016-06-15 | 北京航天发射技术研究所 | 一种特种工程车用动力铅酸电池剩余容量在线估算方法 |
| CN107037366A (zh) * | 2016-12-02 | 2017-08-11 | 江苏富威能源有限公司 | 一种电力动车锂离子电池控制*** |
| CN106646265A (zh) * | 2017-01-22 | 2017-05-10 | 华南理工大学 | 一种锂电池soc估计方法 |
| CN107576918A (zh) * | 2017-09-25 | 2018-01-12 | 上海电气集团股份有限公司 | 锂电池的剩余电量的估算方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| "电动汽车电池管理***的建立及SOC准确估计";张捍东等;《电源技术》;20180220;第42卷(第2期);第274-276,293页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110673037A (zh) | 2020-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lai et al. | Co-estimation of state of charge and state of power for lithium-ion batteries based on fractional variable-order model | |
| Ouyang et al. | Improved parameters identification and state of charge estimation for lithium-ion battery with real-time optimal forgetting factor | |
| RU2361333C2 (ru) | Оценка состояния и параметров гальванического элемента | |
| CN109725266A (zh) | 一种电池健康状态soh的计算方法及装置 | |
| Takyi‐Aninakwa et al. | A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries | |
| CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及*** | |
| CN109991548A (zh) | 一种ocv-soc标定实验方法、电池等效模型参数辨识方法及soc估算方法 | |
| Jiang et al. | Data-based fractional differential models for non-linear dynamic modeling of a lithium-ion battery | |
| Solomon et al. | State of charge estimation of Lithium-ion battery using an improved fractional-order extended Kalman filter | |
| CN109459699A (zh) | 一种锂离子动力电池soc实时监测方法 | |
| CN111913109B (zh) | 一种电池峰值功率的预测方法及装置 | |
| Wang et al. | A comprehensive working state monitoring method for power battery packs considering state of balance and aging correction | |
| CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
| Liu et al. | A method for state of charge and state of health estimation of lithium-ion battery based on adaptive unscented Kalman filter | |
| CN113156321A (zh) | 一种锂离子电池荷电状态soc的估算方法 | |
| CN109901072B (zh) | 基于历史数据与实验室测试数据的退役电池参数检测方法 | |
| CN113433464A (zh) | 一种适用于富锂锰基电池的高阶模型参数辨识方法和*** | |
| JP2023541417A (ja) | バッテリの充電状態を推定する方法 | |
| CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
| 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 | |
| CN110007238A (zh) | 一种铝空气电池等效电路模型的建立方法 | |
| CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理*** | |
| Wei et al. | State-of-charge estimation for lithium-ion batteries based on temperature-based fractional-order model and dual fractional-order kalman filter | |
| CN109986997B (zh) | 一种动力电池soc预测装置、汽车及方法 | |
| CN110794319A (zh) | 预测锂电池阻抗模型的参数的方法、装置及可读存储介质 |
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 |