CN111337832B - 一种动力电池多维度融合soc和soh在线联合估算的方法 - Google Patents
一种动力电池多维度融合soc和soh在线联合估算的方法 Download PDFInfo
- Publication number
- CN111337832B CN111337832B CN201911392700.9A CN201911392700A CN111337832B CN 111337832 B CN111337832 B CN 111337832B CN 201911392700 A CN201911392700 A CN 201911392700A CN 111337832 B CN111337832 B CN 111337832B
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- soh
- equation
- state
- 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
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
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及一种动力电池多维度融合SOC和SOH在线联合估算的方法,本发明选用双扩展卡尔曼滤波(Dual‑EKF)方法与多维度融合估算法,解决单独设计SOC和SOH估算***工作量大且估算精度低等问题,通过混合脉冲功率性能测试获取相关数据,并建立二阶RC等效电路模型辨识模型参数值R1,R2,C1,C2;用Dual‑EKF方法对SOC、内阻、额定容量三个状态参量进行在线精确估算,进而确定SOHRi和SOHQi;最后利用正规化最小二乘法计算两个维度的健康状态权重系数αR、αQ并融合获取综合健康状态值SOHTi,最终准确预估动力电池的SOH值,实现了对SOC和SOH联合在线估算,提高了SOC、SOH值的估算精度,在嵌入式动力电池管理***上适用性强。
Description
技术领域
本发明属于动力电池管理***中对动力电池状态参数实时估算的领域,尤其涉及一种动力电池多维度融合SOC和SOH在线联合估算的方法。
背景技术
电池的荷电状态SOC和电池健康状态SOH的精确在线实时估计对于动力电池工作过程的实时控制尤为重要。SOC反映电池当前的剩余电量,SOH反映电池当前的使用寿命。目前,对动力电池SOC和SOH估算大多都是单独研究。SOC和SOH的在线式估算方法主要包括:扩展卡尔曼滤波EKF、神经网络法、模糊逻辑控制法。其中,EKF是基于电池等效模型的方法,其原理较为简单,复杂度低,这种方法的估算精度很大程度取决于所建立模型的准确度。
电池SOH的变化受电池的当前可用容量、欧姆内阻、电池的自放电电阻、充放电深度等多种状态变量的影响,用单一的状态参量评价电池的健康状态是不够准确的。
发明内容
本发明为解决精度不足以及单独估算SOC和SOH工作繁琐的问题,提供了一种动力电池多维度融合SOC和SOH在线联合估算的方法,实现实时精准的评估电动汽车动力电池的荷电状态和健康状态。
为实现上述目的,本发明采用如下的技术方案,具体包括以下步骤:
步骤1:以电池戴维南等效电路模型为基础,构建了二阶RC电路,通过混合脉冲功率性能测试采集实验数据,辨识出参数R1,R2,C1,C2。
步骤2:建立SOC与电流,容量等参数之间的数学关系以及SOH分别与内阻和容量之间的数学关系式。
步骤3:用Dual-EKF对动力电池进行SOC和SOH的在线联合估计。分别使用EKF算法对电池的SOC、电池内阻R、电池当前可用容量Q进行联合估计,得到最优估计值。
步骤4:基于步骤3中EKF算法对电池内阻和容量的实时估算结果,建立综合健康状态值 SOHTi=αRSOHRi+αQSOHQi并确定根据正规化最小二乘法确定权重系数αR、αQ。
优选地,步骤1中构建了戴维南二阶RC等效电路模型,包括:负载电流I,电池开路电压 Uoc,极化电阻R1和R2,极化电容C1和C2,欧姆内阻R0,电池端电压U0。该模型更加准确的模拟了电池的动态特性,可用于电池SOC和SOH联合估计。通过混合脉冲功率性能测试采集实验数据,利用MATLAB中的Curve Fitting工具箱进行曲线拟合,根据等效电路模型通过基尔霍夫电压电流定律和基本电路原理建立相应的数学关系式辨识参数R1,R2,C1,C2。
优选地:步骤2中SOC与电流,容量等参数之间的数学关系式为其中,i为负载电流,η为库伦效率,Q0为额定容量;SOH与内阻之间的数学关系式为其中,Rend为电池寿命结束时的内阻,Rnew为新电池内阻,Rnow为当前电池内阻;SOH与容量之间的数学关系式其中,Qt为电池在t时刻容量,Qnew为电池在未使用前的容量。
优选地,用Dual-EKF对动力电池进行的SOC和SOH估计。
(1)基于步骤1中等效电路模型建立的电路原理相应的数学关系式推导出离散化后的动力电池状态空间方程和***的观测方程式,加入状态***噪声wk1、wk2、wk3和观测***噪声 vk1、vk2,其中状态***噪声和观测***噪声之间没有联系,互不相关。进一步地,由电池模型状态方程和观测方程得分得出***矩阵输入矩阵测量矩阵
(2)根据EKF公式,分别建立***状态X、内阻R和容量Q的离散化时间迭代方程式和离散化状态迭代方程,状态变量表示状态变量表示电池内阻,表示电池容量。首先对电池SOC的***方程进行时间更新得到状态变量的预测方程及协方差的预测方程,再对***方程进行量测更新,得到状态变量的量测更新方程及协方差的量测更新方程。进一步地,对电池内阻和容量进行EKF估计,其观测方程中含有SOCk状态,因此将得到的k时刻估算得到的SOCk值带入的开路电压值Uoc(SOCk),按照EKF过程进行递推,从而将SOC的估计过程和内阻、容量的估计过程结合完成对内阻和容量与SOC的协同预测。
优选地,步骤四中建立综合健康状态值其中,αR为内阻健康状态权重系数,αQ为容量健康状态权重系数。正规化最小二乘算法,确定权重系数αR和αQ。建立线性方程组|Xαi|=Y其中样矩阵本记为X,参数矩阵记为向量αi,真实值记为向量Y。利用拉格朗日乘数法加入约束条件。a,b为拉格朗日乘子。进行乘子迭代进而使得观测值与真实值之间误差达到最小值时就是回归方程的最优解,求得αR和αQ。
本发明与现有技术相比,其显著优点在于:
(1)本发明提供的动力电池多维度融合SOC和SOH在线联合估算的方法,相对单独设计SOC和SOH估算***,不仅工作量很大而且估算精度也不高,本方法引入Dual-EKF算法降低了算法的复杂度,同时多维度融合评估电池SOH的方法,比单一维度的欧姆内阻或额定容量评估更加精确;实现了对动力电池SOC和SOH参数的高精度估算;
(2)本发明在电池戴维南等效电路模型的基础上构建了二阶RC电路,该模型相比一阶电路能更加准确的模拟了电池的动态特性,在在线辨识模型参数过程中具有较好的准确性和收敛性能,同时应用在BMS中能够提高整体运行速度和使用效率,改善了BMS的兼容性、通用性和适用性。
附图说明
图1为动力电池多维度融合SOC和SOH在线联合估算的方法流程图;
图2为动力电池戴维南二阶RC等效电路模型图;
图3为综合健康状态值SOHTi计算流程图。
具体实施方式
下面将结合附图对本发明作进一步详细描述,应当理解,此处所描述的实例仅用于解释本发明,而不用于限定本发明。
本发明实施提供一种动力电池多维度融合SOC和SOH在线联合估算的方法,该方法流程图如图1所示,具体包括以下步骤:步骤1:本发明以电池戴维南等效电路模型为基础,构建了二阶RC电路,该模型更加准确的模拟了电池的动态特性,可用于电池SOC和SOH联合估计。如图2所示,包括:负载电流I,电池开路电压Uoc,极化电阻R1和R2,极化电容C1和C2,欧姆内阻R0,电池端电压U0。
电池等效电路模型中的通过基尔霍夫电压电流定律和基本电路原理建立相应的数学关系式表示为式(1)和式(2):
U0=UOC-IR0-U1-U2 (1)
步骤2:通过混合脉冲功率性能测试采集实验数据,根据改进的戴维南二阶模型,利用 MATLAB中的Curve Fitting工具箱进行曲线拟合,根据电池端电压式(3)辨识出参数R1,R2, C1,C2。
上式中,电流I充电电流为正,放电电流为负。τ1、τ2为时间常数,其中τ1=R1C1、τ2=R2C2。
将端电压式表示如下方程式(4):
利用方程式中的系数与参数之间的关系得到模型辨识参数,具体的数学关系式如下(5):
步骤3:建立SOC与i电流、η库伦效率、Q0额定容量之间的数学关系式(6):
建立SOH与电池寿命结束时的内阻Rend、新电池内阻Rnew、当前电池内阻Rnow之间的数学关系式(7):
建立SOH与电池在t时刻容量Qt和电池在未使用前的容量Qnew之间的数学关系式(8):
步骤4:使用Dual-EKF对动力电池进行的SOC和SOH估计,即分别使用EKF算法对电池的SOC、电池内阻R、电池当前可用容量Q进行联合估计,根据上式(1)和(6)推导出离散化后的动力电池状态空间方程为式(9):
上式中,T为采样时间,QN电池在当前状态下的实际总容量,ik为负载电流,wk1、wk2,wk3分别为对应状态***的噪音。
根据上式(3)和(6)得出***的观测方程式(10):
上式中,vk1、vk2分别为对应观测***的噪音。
根据上式(8)和(9)电池模型状态方程和观测方程得分得出***矩阵(11)、输入矩阵 (12)、测量矩阵(13)分别如下:
步骤5:根据卡尔曼滤波公式,分别建立离散化时间迭代方程和离散化状态迭代方程,具体如下:
***状态X、内阻R和容量Q的离散化时间迭代方程式(14):
***状态X、内阻R和容量Q的离散化状态迭代方程(15):
在内阻的EKF估计观测方程中含有SOCk状态,因此将得到的k时刻的SOCk值带入的开路电压值Uoc(SOCk),从而将SOC的估计过程和内阻的估计过程结合完成对内阻的预测。同理,当前可用容量的EKF估计观测方程中含也有SOCk状态,故将SOC的估计过程容量的估计过程结合完成对当前可用容量的预测。
步骤6:获取步骤5中EKF算法对电池内阻和容量的实时估算结果,建立在线估算的内阻、容量健康度:
建立综合健康状态值SOHTi,如下式(16),αR为内阻健康状态权重系数,αQ为容量健康状态权重系数。
步骤7:正规化最小二乘算法,确定权重系数αR和αQ。建立如下式(17)线性方程组:
上式简化为|Xαi|=Y,其中样矩阵本记为X,参数矩阵记为向量αi,真实值记为向量Y。根据最小二乘回归原理得出下式(18):
通过拉格朗日函数,进行迭代进而得出:
γk≤ε,误差达到最小值时就是回归方程的最优解,ε为计算精度。求得αR和αQ。
需要说明的是,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以进行若干改进,这些改进也应视为本发明的保护范围。
Claims (6)
1.一种动力电池多维度融合SOC和SOH在线联合估算的方法,其特征在于,所述方法包括以下步骤:
步骤1:以电池戴维南等效电路模型为基础构建二阶RC电路,通过混合脉冲功率性能测试Hybrid PulsePower Characteristic HPPC采集实验数据,辨识出参数极化内阻R1和R2,极化电容C1和C2;
步骤2:建立SOC与电流、库伦效率、额定容量参数之间的数学关系以及SOH分别与电池各个生命时期内阻、容量之间的数学关系;
步骤3:采用Dual-EKF对动力电池进行SOC和SOH的在线联合估计;分别使用EKF算法对电池的SOC、电池内阻R、电池当前可用容量Q进行联合估计,得到最优估计值;
步骤4:基于步骤3中EKF算法得到的实时估算结果,建立动力电池综合健康状态值,实时评估动力电池健康状态;
所述步骤1中,构建的戴维南二阶RC等效电路模型具体包括:极化电阻R1和R2,极化电容C1和C2,欧姆内阻R0,极化电阻R1与极化电容C1并联,极化电阻R2与极化电容C2并联,构成两组RC回路,两组RC回路与欧姆内阻R0、动力电池联构成动力电池的戴维南二阶RC等效电路,电池端电压为U0,负载电流I,电池开路电压Uoc;
建立相应的数学模型为:
U0=UOC-IR0-U1-U2 (1)
所述步骤4中建立的综合健康状态值SOHTi,具体为:
通过正规化最小二乘算法,确定权重系数αR和αQ;建立如下式(17)线性方程组:
上式简化为|Xαi|=Y,其中样矩阵本记为X,参数矩阵记为向量αi,真实值记为向量Y,根据最小二乘回归原理得出下式(18):
γk≤ε,误差达到最小值时就是回归方程的最优解,ε为计算精度,求得αR和αQ。
6.根据权利要求5所述一种动力电池多维度融合SOC和SOH在线联合估算的方法,其特征在于,所述步骤3中,所采用Dual-EKF对动力电池进行SOC和SOH的在线联合估计具体为:
分别建立离散化时间迭代方程和离散化状态迭代方程,具体如下:
***状态X、内阻R和容量Q的离散化时间迭代方程式(14):
***状态X、内阻R和容量Q的离散化状态迭代方程(15):
首先对电池SOC的***方程进行时间更新得到状态变量的预测方程及协方差的预测方程,再对***方程进行量测更新,得到状态变量的量测更新方程及协方差的量测更新方程;
其次,对电池内阻和容量进行EKF估计,其观测方程中含有SOCk状态,因此将得到的k时刻估算得到的SOCk值带入的开路电压值Uoc(SOCk),按照EKF过程进行递推,从而将SOC的估计过程和内阻、容量的估计过程结合完成对内阻和容量与SOC的协同预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392700.9A CN111337832B (zh) | 2019-12-30 | 2019-12-30 | 一种动力电池多维度融合soc和soh在线联合估算的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392700.9A CN111337832B (zh) | 2019-12-30 | 2019-12-30 | 一种动力电池多维度融合soc和soh在线联合估算的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111337832A CN111337832A (zh) | 2020-06-26 |
CN111337832B true CN111337832B (zh) | 2023-01-10 |
Family
ID=71183313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911392700.9A Active CN111337832B (zh) | 2019-12-30 | 2019-12-30 | 一种动力电池多维度融合soc和soh在线联合估算的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111337832B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112310985B (zh) * | 2020-07-06 | 2022-07-12 | 长沙理工大学 | 考虑储能***健康状态的风电功率平滑控制策略 |
CN112034349B (zh) * | 2020-08-13 | 2023-03-24 | 南京邮电大学 | 锂电池健康状态在线预估方法 |
CN112379295B (zh) * | 2020-09-29 | 2023-08-04 | 合肥工业大学 | 预测动力电池健康状态的方法、***及存储介质 |
CN112213644B (zh) * | 2020-09-30 | 2023-05-16 | 蜂巢能源科技有限公司 | 电池荷电状态估算方法及电池管理*** |
CN112630662B (zh) * | 2020-12-30 | 2023-03-17 | 南京航空航天大学 | 一种基于数据驱动及多参数融合的动力电池soh估算方法 |
CN113093014B (zh) * | 2021-03-31 | 2022-05-27 | 山东建筑大学 | 一种基于阻抗参数的soh与soc的在线协同估计方法及*** |
CN113466712A (zh) * | 2021-07-13 | 2021-10-01 | 北京西清能源科技有限公司 | 一种电池剩余容量的获取方法 |
CN113777501A (zh) * | 2021-09-29 | 2021-12-10 | 东方电气集团科学技术研究院有限公司 | 一种电池模组的soh的估算方法 |
CN114035049A (zh) * | 2021-11-08 | 2022-02-11 | 东软睿驰汽车技术(沈阳)有限公司 | Soh精度的计算方法、装置和电子设备 |
CN114035075A (zh) * | 2021-11-18 | 2022-02-11 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于权重组合法的自动调整电池状态检测方法及*** |
CN115825743A (zh) * | 2022-03-07 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 一种电池soh值计算方法、控制装置和电池管理*** |
CN118209892A (zh) * | 2024-05-21 | 2024-06-18 | 西安奇点能源股份有限公司 | 一种基于电池内阻在线辨识算法估算电池soh的方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693451A (zh) * | 2012-06-14 | 2012-09-26 | 东北电力大学 | 基于多参数的氨法烟气脱硫效率预测方法 |
CN103020445A (zh) * | 2012-12-10 | 2013-04-03 | 西南交通大学 | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 |
CN103558556A (zh) * | 2013-10-31 | 2014-02-05 | 重庆长安汽车股份有限公司 | 一种动力电池soh估算方法 |
EP2963434A1 (en) * | 2014-06-30 | 2016-01-06 | Foundation Of Soongsil University-Industry Cooperation | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method |
CN109725266A (zh) * | 2018-12-29 | 2019-05-07 | 蜂巢能源科技有限公司 | 一种电池健康状态soh的计算方法及装置 |
CN109870651A (zh) * | 2019-01-22 | 2019-06-11 | 重庆邮电大学 | 一种电动汽车动力电池***soc和soh联合在线估算方法 |
CN110261779A (zh) * | 2019-06-25 | 2019-09-20 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334462B (zh) * | 2014-08-07 | 2018-09-07 | 华为技术有限公司 | 电池容量损失在线估算方法 |
CN105116343B (zh) * | 2015-08-24 | 2017-10-27 | 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*** |
CN105301509B (zh) * | 2015-11-12 | 2019-03-29 | 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 |
CN106093782A (zh) * | 2016-06-03 | 2016-11-09 | 哈尔滨工业大学 | 动态建模的最小二乘支持向量机soc估计方法 |
-
2019
- 2019-12-30 CN CN201911392700.9A patent/CN111337832B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693451A (zh) * | 2012-06-14 | 2012-09-26 | 东北电力大学 | 基于多参数的氨法烟气脱硫效率预测方法 |
CN103020445A (zh) * | 2012-12-10 | 2013-04-03 | 西南交通大学 | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 |
CN103558556A (zh) * | 2013-10-31 | 2014-02-05 | 重庆长安汽车股份有限公司 | 一种动力电池soh估算方法 |
EP2963434A1 (en) * | 2014-06-30 | 2016-01-06 | Foundation Of Soongsil University-Industry Cooperation | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method |
CN109725266A (zh) * | 2018-12-29 | 2019-05-07 | 蜂巢能源科技有限公司 | 一种电池健康状态soh的计算方法及装置 |
CN109870651A (zh) * | 2019-01-22 | 2019-06-11 | 重庆邮电大学 | 一种电动汽车动力电池***soc和soh联合在线估算方法 |
CN110261779A (zh) * | 2019-06-25 | 2019-09-20 | 西安石油大学 | 一种三元锂电池荷电状态与健康状态在线协同估计方法 |
Non-Patent Citations (3)
Title |
---|
基于EKF的电动汽车锂离子电池SOC、SOH估算;张民;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180115(第01期);C042-1270 * |
基于自适应平方根无迹卡尔曼滤波算法的锂离子电池SOC和SOH估计;程泽 等;《中国电机工程学报》;20180420;第38卷(第8期);第2384-2393页 * |
锂离子电池健康状态多因子在线估计方法;陈猛 等;《西安交通大学学报》;20190919;第2.3小节 * |
Also Published As
Publication number | Publication date |
---|---|
CN111337832A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111337832B (zh) | 一种动力电池多维度融合soc和soh在线联合估算的方法 | |
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN108333528B (zh) | 基于动力电池电-热耦合模型的soc和sot联合状态估计方法 | |
CN111581904B (zh) | 考虑循环次数影响的锂电池soc及soh协同估算方法 | |
CN105510829B (zh) | 一种新型锂离子动力电池soc估计方法 | |
WO2018161486A1 (zh) | 一种基于动态参数的动力电池soc估算方法及*** | |
CN112444749B (zh) | 一种基于温度修正模型的锂电池荷电状态联合估计方法 | |
CN104267261B (zh) | 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法 | |
CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
CN110596606B (zh) | 一种锂电池剩余电量估计方法、***及装置 | |
CN111060824B (zh) | 一种基于模型与算法分步融合的荷电状态估计方法 | |
CN112345939B (zh) | 基于连续脉冲响应的锂离子电池模型参数辨识方法 | |
CN105929338B (zh) | 一种测量电池状态的方法及其应用 | |
CN105717460A (zh) | 一种基于非线性观测器的动力电池soc估计方法和*** | |
Li et al. | Review of lithium-ion battery state of charge estimation | |
CN114184962B (zh) | 一种多算法融合的锂离子电池soc和soh联合估算方法 | |
CN105223512A (zh) | 基于电池特性的动态矫正剩余电量的方法 | |
CN111965544B (zh) | 基于电压及电流双约束的车用并联动力电池的最小包络线soc估计方法 | |
CN112098849A (zh) | 基于求积分卡尔曼滤波的锂电池剩余电量估计方法 | |
CN111400935A (zh) | 基于似然函数的锂电池三阶模型参数辨识方法及*** | |
CN115656848A (zh) | 一种基于容量修正的锂电池soc估算方法 | |
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*** | |
CN115327415A (zh) | 基于限定记忆递推最小二乘算法的锂电池soc估算方法 | |
CN111060822A (zh) | 一种基于模型切换及融合的荷电状态估计方法 |
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 |