CN112098847B - 一种考虑机械应变的锂离子电池soc估计方法 - Google Patents
一种考虑机械应变的锂离子电池soc估计方法 Download PDFInfo
- Publication number
- CN112098847B CN112098847B CN202010860206.7A CN202010860206A CN112098847B CN 112098847 B CN112098847 B CN 112098847B CN 202010860206 A CN202010860206 A CN 202010860206A CN 112098847 B CN112098847 B CN 112098847B
- Authority
- CN
- China
- Prior art keywords
- battery
- lithium ion
- ion battery
- strain
- model
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种考虑机械应变的锂离子电池SOC估计方法。所述方法包括以下步骤:对锂离子电池进行充放电实验,获得实验数据;建立锂离子电池基本应变模型与电池应变温度补偿模型;选定锂离子电池等效电路模型并辨识模型参数;确定***状态方程和量测方程,将电池基本应变模型引入量测方程中;将实时测量到的数据输入温度补偿模型得到电池应变的温度补偿值,将实时测量到的电池应变值减去温度补偿值,得到电池基本应变值;建立扩展卡尔曼滤波SOC估计器,在线估计电池SOC。本发明能够为电池管理***提供更多的有效信息,从而提高锂离子电池SOC估计的准确度和可信度,增强电池管理***的鲁棒性,从而改善电池的使用和维护效率,延长电池的使用时间。
Description
技术领域
本发明涉及锂离子电池技术领域,特别是涉及一种考虑机械应变的锂离子电池SOC估计方法。
背景技术
新世纪以来,能源危机、环境污染以及能源安全等因素将锂离子电池推向了历史舞台,成为新能源领域关注的焦点之一。与传统的镍镉电池、铅酸电池相比,锂离子电池由于众多突出的优点逐渐受到了生产厂商和消费者的青睐,其优点包括:循环寿命长、环保性好(铅、镉进入环境中对人体危害很大)、充电速度快、单体电压高、重量比能量、无记忆效应等。
在锂离子电池运行过程中,电池管理***(Battery Management System,BMS)通过对电池的全方位信息采集、准确的容量估算、科学的均衡管理以及快速响应的保护策略,实现电池成组后的智能化管理,以确保电池储能***安全可靠的运行。
电池荷电状态(State Of Charge,SOC)是电池管理***最为关键的参数之一,它是电池内部存储电荷的量化评估,经常被用于表征储能***剩余续航能量,防止电池过充与过放,同时它也是电池性能优化控制的关键参数。然而电池管理***无法直接测量SOC,只能通过对电池外部基础特征参数电池端电压、电流、内阻、温度等的综合分析,并利用电池模型和算法估算获取,且易受环境、老化及工况等因素影响。精确的SOC值不仅能够提高电池组的安全性,更能提高整个电池组的整体性能与使用寿命。
专利文献1(中国专利:CN106093783A,2016-11-09)和专利文献2(中国专利:CN105548898A,2016-05-04)总结了目前常用的锂离子电池估计方法:开路电压法、安时积分法、数据驱动法、卡尔曼滤波法以及融合了这四种算法中的两种或两种以上所形成的融合算法。专利文献3(中国专利:CN105759216A,2016-07-13)指出目前BMS***中所用的电池SOC估计方法不是准确度不够就是过于复杂,成本高。在进行电池SOC估计时,电池管理***所能获得的电池外部特征参数种类是有限的,仅限于电压、电流、温度和内阻这四种。由于在线可测量参数种类的有限性,锂离子电池SOC估计精度的提高受到限制,导致锂离子电池的安全性能与使用寿命无法进一步提高。
因此,有必要考虑其他易于在线测量的电池外部特征参数,该参数应与锂离子电池在充放电过程中所发生的电化学反应存在耦合,且与锂离子电池的SOC存在映射关系,能够联合其他外部特征参数建立鲁棒性强、估算精度高的SOC估计方法。
发明内容
为克服现有锂离子电池管理***电池SOC估计精度无法进一步提高的技术问题,本发明提供一种考虑机械应变的锂离子电池SOC估计方法。
本发明的目的至少通过如下技术方案之一实现。
一种考虑机械应变的锂离子电池SOC估计方法,所述方法包括以下步骤:
S1、在预先设置的工况下对锂离子电池进行充放电实验,获得实验过程中的电池SOC、电池温度Tbat、环境温度Tamb、电池电流I和机械应变Sbat数据;
S2、根据步骤S1所获取的实验数据,利用数学方法建立与电池SOC、电流I有关的锂离子电池基本应变模型,建立与电池温度Tbat、环境温度Tamb有关的电池应变温度补偿模型,由此得到锂离子电池机械应变模型;
S3、选定锂离子电池等效电路模型,选定等效电路模型辨识方法,对待模拟锂离子电池进行模型参数辨识,获得模型参数;
S4、根据步骤S3所获取的模型参数,确定基于扩展卡尔曼滤波的电池动态***的状态方程和量测方程,将步骤S2中所建立的锂离子电池基本应变模型引入量测方程中;
S5、将实时测量到的电池温度Tbat、环境温度Tamb输入步骤S2所建立的温度补偿模型得到电池应变的温度补偿值ST,将实时测量到的电池应变值Sbat减去温度补偿值ST,得到电池基本应变值SS,将其近似为实时测量的电池基本应变值;
S6、建立基于扩展卡尔曼滤波方法的锂离子电池SOC估计器,根据实时测量的锂离子电池的端电压及电池基本应变实时在线估计锂离子电池的SOC。
进一步地,步骤S1中,将易于在线实时监测到的电池机械应变纳入到锂离子电池SOC估计中,是因为电池的机械应变与电池在充放电过程中发生的电化学反应存在耦合,能够为电池管理***提供更多的有效信息,从而提高锂离子电池SOC估计的准确度和可信度,改善电池的使用和维护效率,延长电池的使用时间。
所述锂离子电池为可充放电循环使用的二次锂离子电池单体、可充放电循环使用的二次锂离子电池单体按串并联方式组合而成的二次锂离子电池组,以及由二次锂离子电池组按模块搭组方式构建而成的二次锂离子电池***。也就是说,任何以锂离子电池单体以任何连接方式搭建而成的电池***都应属于本发明范围内。
进一步地,步骤S1中,电池的机械应变指的是方形卷绕式锂离子电池单体或方形层叠式锂离子电池单体在充放电过程中由于电化学反应产生的,在电池最大面积所构成的平面上沿锂离子电池单体长度和宽度这两个相互垂直方向的应变及这两个方向合成的应变;
进一步地,电池的机械应变采用双轴应变片测量,双轴应变片的位置布置在锂离子电池最大面积所构成的平面上的中心位置。
进一步地,步骤S2中,所述锂离子电池机械应变模型由电池基本应变模型和电池应变温度补偿模型组成,锂离子电池机械应变模型表达式为:
其中,SOC为锂离子电池荷电状态;I为电流,充电时符号为负,放电时符号为正;ΔT为电池温度Tbat与环境温度Tamb之差,ΔT=Tbat-Tamb;Sbat为锂离子电池的机械应变;SS为锂离子电池的基本应变,只与SOC、I有关;ST为电池应变的温度补偿值,只与电池温度Tbat与环境温度Tamb有关;SOC、I、ΔT均是时间t的函数,故Sbat也是时间t的函数。
进一步地,步骤S3中,锂离子电池等效电路模型指的是能够反映电池外特性的、利用电压源、电容、电阻等电子器件组成用来模拟电池特性的电路。
进一步地,步骤S4中,状态方程的表达式如下:
xk=Axk-1+Buk-1+ωk-1;
量测方程的表达式如下:
其中A、B、C、D为步骤S3中所获得的等效电路模型参数;ωk-1为k-1时刻的过程噪声,ωk-1~N(0,Q),N表示高斯分布,Q为过程噪声的协方差矩阵;分别为k时刻电池端电压和电池基本应变值的测量噪声,且 N表示高斯分布,R1、R2分别为电池端电压和电池基本应变值测量噪声的协方差矩阵;xk为状态变量组成的向量,电池SOC是其中的一个的状态变量,其他的状态变量由具体选用的电池等效电路模型决定;uk、uk-1分别代表k时刻和k-1时刻的电流,电流是控制变量;Ubat,k代表k时刻的电池端电压;SS,k为k时刻的锂离子电池基本应变。
相对于现有技术,本发明的优点在于:
本发明所提供的一种考虑机械应变的锂离子电池SOC估计方法,通过将易于在线实时监测到的电池机械应变纳入到锂离子电池的SOC估计中,能够为电池管理***提供更多的有效信息,从而提高锂离子电池SOC估计的准确度和可信度,增强电池管理***的鲁棒性,从而改善电池的使用和维护效率,延长电池的使用时间。
附图说明
图1为本发明实施例的一种考虑机械应变的锂离子电池SOC估计方法流程图;
图2为本发明实施例的锂离子电池在满电量状态下在主视图方向上的典型应变分布图;
图3为本发明实施例的锂离子电池在满电量状态下在侧视图方向上的典型应变分布图;
图4为本发明实施例的锂离子电池在满电量状态下在俯视图方向上的典型应变分布图。
图5为本发明实施例的锂离子电池机械应变测量示意图。
具体实施方式
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图及实施实例,对本发明进行进一步详细说明。
需要说明的是,除非另有定义,所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。
实施例:
一种考虑机械应变的锂离子电池SOC估计方法,如图1所示,所述方法包括以下步骤:
S1、在预先设置的工况下对锂离子电池进行充放电实验,获得实验过程中的电池SOC、电池温度Tbat、环境温度Tamb、电池电流I和机械应变Sbat数据;
所述锂离子电池为可充放电循环使用的二次锂离子电池单体、可充放电循环使用的二次锂离子电池单体按串并联方式组合而成的二次锂离子电池组,以及由二次锂离子电池组按模块搭组方式构建而成的二次锂离子电池***。
电池的机械应变指的是方形卷绕式锂离子电池单体或方形层叠式锂离子电池单体在充放电过程中由于电化学反应产生的,在电池最大面积所构成的平面上沿锂离子电池单体长度和宽度这两个相互垂直方向的应变及这两个方向合成的应变。
图2~图4所示为锂离子电池满电量时在不同视角下的典型应变分布图,显然可见的是,在俯视图视角下锂离子电池的应变较其他视图下的应变更大,尤其在中心区达到最大,并且在x轴方向与y轴方向上均产生了应变。根据图2~图4所分析得来的结果,设置了如图5所示的锂离子电池机械应变测量方法。需要说明的是,图2~图4中标示的视图均与图5中的坐标系一一对应,为图5中的锂离子电池坐标系的一个或多个视角。
如图5所示,电池的机械应变采用双轴应变片测量,双轴应变片的位置布置在锂离子电池最大面积所构成的平面上的中心位置。
S2、根据步骤S1所获取的实验数据,利用数学方法建立与电池SOC、电流I有关的锂离子电池基本应变模型,建立与电池温度Tbat、环境温度Tamb有关的电池应变温度补偿模型,由此得到锂离子电池机械应变模型;
所述锂离子电池机械应变模型由电池基本应变模型和电池应变温度补偿模型组成,锂离子电池机械应变模型表达式为:
其中,SOC为锂离子电池荷电状态;I为电流,充电时符号为负,放电时符号为正;ΔT为电池温度Tbat与环境温度Tamb之差,ΔT=Tbat-Tamb;Sbat为锂离子电池的机械应变;SS为锂离子电池的基本应变,只与SOC、I有关;ST为电池应变的温度补偿值,只与电池温度Tbat与环境温度Tamb有关;SOC、I、ΔT均是时间t的函数,故Sbat也是时间t的函数。
本实施例中,锂离子电池机械应变模型采用多项式拟合与交叉检验技术建立,具体如下:
首先,根据实验所获得的数据,选用合适的阶数,拟合电池机械应变Sbat与变量SOC、I的关系,建立多项式回归模型f(SOC,I),即锂离子电池基本应变模型;
其次,计算由锂离子电池基本应变模型计算出的应变值与实际测量到的机械应变的误差,所得到的误差值即为电池应变的温度补偿值ST,根据电池应变的温度补偿值ST和电池温度与环境温度之差ΔT数据建立电池应变的温度补偿模型;
最后,合并电池基本应变模型和电池应变温度补偿模型,得到锂离子电池机械应变模型,利用交叉检验技术验证模型的有效性与精确性。
在本发明的另一些实施例中,锂离子电池机械应变模型的建立当然也可采用数据驱动的算法。
S3、选定锂离子电池等效电路模型,选定等效电路模型辨识方法,对待模拟锂离子电池进行模型参数辨识,获得模型参数;
锂离子电池等效电路模型指的是能够反映电池外特性的、利用电压源、电容、电阻等电子器件组成用来模拟电池特性的电路。
本实施例中,锂离子电池等效电路模型采用Thevenin模型,该模型由开路电压Uoc、欧姆内阻R0、RC回路(电阻R1与电容C1并联)和端电压Ubat组成,外部负载电流为I。
选定最小二乘法作为Thevenin模型的参数辨识方法,首先对锂离子电池进行混合脉冲功率性能(HPPC)测试,而后利用最小二乘法对测试时所获得的数据进行处理,由此得到Thevenin模型的参数。
由基尔霍夫定律和欧姆定律可知,该等效电路模型的动态行为表达为:
Ubat=Uoc-U1-IR0;
将该等效电路模型离散化可得:
Ubat,k=Uoc,k-U1,k-IkR0;
其中,U1,k表示k时刻RC网络的端电压;Δt表示采样时间间隔;Ubat,k表示k时刻电池的端电压;Uoc,k表示k时刻电池的开路电压,Uoc,k是与电池SOC相关的函数。
本实施例中,锂离子电池SOC的离散状态方程为:
其中,CN,k表示k时刻电池的最大可用容量。
S4、根据步骤S3所获取的模型参数,确定基于扩展卡尔曼滤波的电池动态***的状态方程和量测方程,将步骤S2中所建立的锂离子电池基本应变模型引入量测方程中;
状态方程的表达式如下:
xk=Axk-1+Buk-1+ωk-1;
量测方程的表达式如下:
其中A、B、C、D为步骤S3中所获得的等效电路模型参数;ωk-1为k-1时刻的过程噪声,ωk-1~N(0,Q),N表示高斯分布,Q为过程噪声的协方差矩阵;分别为k时刻电池端电压和电池基本应变值的测量噪声,且 N表示高斯分布,R1、R2分别为电池端电压和电池基本应变值测量噪声的协方差矩阵;xk为状态变量组成的向量,电池SOC是其中的一个的状态变量,其他的状态变量由具体选用的电池等效电路模型决定;uk、uk-1分别代表k时刻和k-1时刻的电流,电流是控制变量;Ubat,k代表k时刻的电池端电压;SS,k为k时刻的锂离子电池基本应变。
本实施例中,在确定等效电路模型和建立电池机械应变模型后,基于扩展卡尔曼滤波的电池动态***的状态变量为电池SOC和Thevenin模型中RC网络的端电压U1,测量变量为电池端电压Ubat和电池基本应变SS,具体的状态空间方程为:
状态方程:
量测方程:
S5、将实时测量到的电池温度Tbat、环境温度Tamb输入步骤S2所建立的温度补偿模型得到电池应变的温度补偿值ST,将实时测量到的电池应变值Sbat减去温度补偿值ST,得到电池基本应变值SS,将其近似为实时测量的电池基本应变值;
S6、建立基于扩展卡尔曼滤波方法的锂离子电池SOC估计器,根据实时测量的锂离子电池的端电压及电池基本应变实时在线估计锂离子电池的SOC。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了一定程度的详细说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种考虑机械应变的锂离子电池SOC估计方法,其特征在于,所述方法包括以下步骤:
S1、在预先设置的工况下对锂离子电池进行充放电实验,获得实验过程中的电池SOC、电池温度Tbat、环境温度Tamb、电池电流I和机械应变Sbat数据;
S2、根据步骤S1所获取的实验数据,利用数学方法建立与电池SOC、电流I有关的锂离子电池基本应变模型,建立与电池温度Tbat、环境温度Tamb有关的电池应变温度补偿模型,由此得到锂离子电池机械应变模型;
S3、选定锂离子电池等效电路模型,选定等效电路模型辨识方法,对待模拟锂离子电池进行模型参数辨识,获得模型参数;
S4、根据步骤S3所获取的模型参数,确定基于扩展卡尔曼滤波的电池动态***的状态方程和量测方程,将步骤S2中所建立的锂离子电池基本应变模型引入量测方程中;
S5、将实时测量到的电池温度Tbat、环境温度Tamb输入步骤S2所建立的温度补偿模型得到电池应变的温度补偿值ST,将实时测量到的机械应变Sbat减去温度补偿值ST,得到电池基本应变值SS,将其近似为实时测量的电池基本应变值;
S6、建立基于扩展卡尔曼滤波方法的锂离子电池SOC估计器,根据实时测量的锂离子电池的端电压及电池基本应变实时在线估计锂离子电池的SOC。
2.根据权利要求1所述的一种考虑机械应变的锂离子电池SOC估计方法,其特征在于,步骤S1中,所述锂离子电池为可充放电循环使用的二次锂离子电池单体、可充放电循环使用的二次锂离子电池单体按串并联方式组合而成的二次锂离子电池组或由二次锂离子电池组按模块搭组方式构建而成的二次锂离子电池***。
3.根据权利要求1所述的一种考虑机械应变的锂离子电池SOC估计方法,其特征在于,步骤S1中,电池的机械应变指的是方形卷绕式锂离子电池单体或方形层叠式锂离子电池单体在充放电过程中由于电化学反应产生的,在电池最大面积所构成的平面上沿锂离子电池单体长度和宽度这两个相互垂直方向的应变及这两个方向合成的应变。
4.根据权利要求3所述的一种考虑机械应变的锂离子电池SOC估计方法,其特征在于,电池的机械应变采用双轴应变片测量,双轴应变片的位置布置在锂离子电池最大面积所构成的平面上的中心位置。
6.根据权利要求1所述的一种考虑机械应变的锂离子电池SOC估计方法,其特征在于,步骤S3中,锂离子电池等效电路模型指的是能够反映电池外特性的,利用电压源、电容和电阻组成用来模拟电池特性的电路。
7.根据权利要求1所述的一种考虑机械应变的锂离子电池SOC估计方法,其特征在于,步骤S4中,状态方程的表达式如下:
xk=Axk-1+Buk-1+ωk-1;
量测方程的表达式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010860206.7A CN112098847B (zh) | 2020-08-25 | 2020-08-25 | 一种考虑机械应变的锂离子电池soc估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010860206.7A CN112098847B (zh) | 2020-08-25 | 2020-08-25 | 一种考虑机械应变的锂离子电池soc估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112098847A CN112098847A (zh) | 2020-12-18 |
CN112098847B true CN112098847B (zh) | 2021-08-10 |
Family
ID=73754616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010860206.7A Active CN112098847B (zh) | 2020-08-25 | 2020-08-25 | 一种考虑机械应变的锂离子电池soc估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112098847B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504482B (zh) * | 2021-06-18 | 2022-10-25 | 华南理工大学 | 考虑机械应变的锂离子电池健康状态估计与寿命预测方法 |
CN116593895B (zh) * | 2023-06-16 | 2024-02-23 | 中国科学技术大学 | 一种基于应变的锂离子电池组电流检测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093128A (zh) * | 2015-08-31 | 2015-11-25 | 山东智洋电气股份有限公司 | 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法 |
CN107394296A (zh) * | 2016-05-03 | 2017-11-24 | 福特全球技术公司 | 灵敏的基于应变的电池单元荷电状态和健康状态监测 |
CN109459700A (zh) * | 2018-12-26 | 2019-03-12 | 湖南大学 | 一种变形锂电池检测方法、装置和电子设备 |
JP2019160662A (ja) * | 2018-03-15 | 2019-09-19 | トヨタ自動車株式会社 | 二次電池の劣化推定装置 |
CN110395141A (zh) * | 2019-06-27 | 2019-11-01 | 武汉理工大学 | 基于自适应卡尔曼滤波法的动力锂电池soc估算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160380317A1 (en) * | 2015-06-24 | 2016-12-29 | Amphenol Thermometrics, Inc. | Method and system for monitoring battery cell health |
JP6927008B2 (ja) * | 2017-12-12 | 2021-08-25 | トヨタ自動車株式会社 | 二次電池システムおよび二次電池のsoc推定方法 |
-
2020
- 2020-08-25 CN CN202010860206.7A patent/CN112098847B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093128A (zh) * | 2015-08-31 | 2015-11-25 | 山东智洋电气股份有限公司 | 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法 |
CN107394296A (zh) * | 2016-05-03 | 2017-11-24 | 福特全球技术公司 | 灵敏的基于应变的电池单元荷电状态和健康状态监测 |
JP2019160662A (ja) * | 2018-03-15 | 2019-09-19 | トヨタ自動車株式会社 | 二次電池の劣化推定装置 |
CN109459700A (zh) * | 2018-12-26 | 2019-03-12 | 湖南大学 | 一种变形锂电池检测方法、装置和电子设备 |
CN110395141A (zh) * | 2019-06-27 | 2019-11-01 | 武汉理工大学 | 基于自适应卡尔曼滤波法的动力锂电池soc估算方法 |
Non-Patent Citations (2)
Title |
---|
Measuring Individual Battery Dimensional Changes for State-of-Charge Estimation using Strain Gauge Sensors;Ryan Hickey etc.;《2019 IEEE Energy Conversion Congress and Exposition (ECCE)》;20191128;第2460-2465页 * |
基于改进EKF算法的航空锂电池SOC估算研究;王玲玲等;《通信电源技术》;20190325;第36卷(第3期);第44-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112098847A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
EP3786653B1 (en) | Battery state estimation method | |
KR102572652B1 (ko) | 배터리의 충전상태를 추정하는 방법 | |
EP3988954B1 (en) | Method for detecting internal short-circuited cell | |
EP3988952A1 (en) | Method for detecting abnormal battery cell | |
CN104698385A (zh) | 电池状态计算装置和电池状态计算方法 | |
EP3916411B1 (en) | Device and method for estimating state of battery | |
CN112098847B (zh) | 一种考虑机械应变的锂离子电池soc估计方法 | |
CN111257770B (zh) | 一种电池包功率估算方法 | |
Alsabari et al. | Modeling and validation of lithium-ion battery with initial state of charge estimation | |
CN114523878B (zh) | 一种锂离子电池析锂安全预警方法及装置 | |
EP3940405A1 (en) | Method for estimating state of health of battery | |
CN114200310A (zh) | 电化学装置析锂检测方法及电子设备 | |
CN110085898B (zh) | 一种软包动力电池配组方法 | |
Li et al. | State-of-charge estimation of lithium-ion battery using multi-state estimate technic for electric vehicle applications | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
Lin et al. | The state-of-health diagnosis of Li-Co batteries with fuzzy identification | |
KR102471890B1 (ko) | 배터리 팩의 시뮬레이션 방법 | |
Kustiman et al. | Battery state of charge estimation based on coulomb counting combined with recursive least square and pi controller | |
Elouarouar et al. | Energy Management in Multi-Rotors Unmanned Aerial Systems | |
Ouyang et al. | Advanced Model-Based Charging Control for Lithium-Ion Batteries | |
Hiremath et al. | State-Of-Charge Estimation using Extended Kalman Filter | |
KR102482087B1 (ko) | 전기 자동차 배터리의 실시간 수명 추정 시스템 및 방법 | |
EP4328598A1 (en) | Battery simulation method using two-branch equivalent circuit model | |
US20210286016A1 (en) | Method for determining at least one aging state of a first plurality of electrical energy store units |
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 |