CN112816877A - 电池的电流校准方法、设备和存储介质 - Google Patents
电池的电流校准方法、设备和存储介质 Download PDFInfo
- Publication number
- CN112816877A CN112816877A CN202110003137.2A CN202110003137A CN112816877A CN 112816877 A CN112816877 A CN 112816877A CN 202110003137 A CN202110003137 A CN 202110003137A CN 112816877 A CN112816877 A CN 112816877A
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- current
- dynamic voltage
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 19
- 230000032683 aging Effects 0.000 claims description 5
- 239000003990 capacitor Substances 0.000 claims description 5
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 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
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/005—Calibrating; Standards or reference devices, e.g. voltage or resistance standards, "golden" references
-
- 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)
Abstract
本发明公开了一种电池的电流校准方法,包括:根据电池的动态特性建立电池等效电路模型,构建电池模型离散方程;获取电池的真实电流值和开路电压,并结合电池模型离散方程得到电池的动态电压模型;对动态电压模型进行第一次参数辨识,得到第一动态电压;利用电池的测量电流值计算第二动态电压;根据第一动态电压和第二动态电压之间的差值建立动态电压误差模型;对动态电压误差模型进行第二次参数辨识,输出电流测量偏差构成的向量,以根据电流测量偏差构成的向量对电池的电流测量值进行校准。本发明还公开了一种电池的电流校准设备和一种计算机可读存储介质。采用本发明实施例,能有效校准电池的电流测量值。
Description
技术领域
本发明涉及电池领域,尤其涉及一种电池的电流校准方法、设备和存储介质。
背景技术
动力电池***作为电池汽车以及电力储能***等领域的关键零部件***,近年来获得越来越多的关注。通常情况下***由上百或上千节的电池组成,并且电池的运行环境较为苛刻,电池温度过高或者电池电压过高等情况的发生均有可能导致动力电池热失控。因此,对动力电池进行实时的监控,包括所有电池的电压、温度以及动力电池高压回路上的电流等,这些监控工作通常是由电池管理***完成的。除此之外,电池管理***还需要进行状态估计(包括荷电状态估计、健康状态估计以及功率状态估计等)以及故障诊断等功能。对于以上功能,一个必要的观测输入量便是动力电池包回路上的电流。以荷电状态(Stateofcharge,SOC)估计为例,如果电池电流采样存在偏差,那么偏差导致的SOC累积误差会越来越大。此外,在进行电池模型的参数辨识时,若电池电流存在测量偏差,也是会导致电池模型参数存在偏差,从而会影响到其他电池状态的估计。
目前电动汽车上所用的电池电流传感器主要有两种:霍尔传感器和分流器。霍尔传感器是基于霍尔效应进行电池电流的间接采集,分流器是基于欧姆定律进行电池电流的直接测量。相比之下,霍尔流传感器的精度较高,但是存在零点漂移大,故障率高等缺点,且霍尔传感器价格较高,而分流器的线性较高且成本较低,但存在小电流情况下测量不准的情况。
目前在电池管理管理应用中,为保证电池电流测量的准确性以及可靠性,通常情况下在一个电池***内布置两个电流传感器来实现电池电流的冗余采样,但是这会增加***的成本,且存在当两个电流传感器输出的电流不一致时,不知道应该相信哪一个电流传感器的电流值,从而对电池管理***控制策略产生影响。通过离线标定可以解决电流测量偏差的问题,但离线标定工作量大,且存在偏差随着运行环境以及工况改变的情况。
发明内容
本发明实施例的目的是提供一种电池的电流校准方法、设备和存储介质,能够在线快速、准确的辨识出电流传感器的测量偏差,有效校准电池的电流测量值。
为实现上述目的,本发明实施例提供了一种电池的电流校准方法,包括:
根据电池的动态特性建立电池等效电路模型,构建所述电池等效电路模型的电池模型离散方程;
获取所述电池的真实电流值和开路电压,并结合所述电池模型离散方程得到所述电池的动态电压模型;
对所述动态电压模型进行第一次参数辨识,得到所述电池的第一动态电压;
根据第一参数辨识后的所述动态电压模型,利用所述电池的测量电流值计算所述电池的第二动态电压;
根据所述第一动态电压和所述第二动态电压之间的差值建立动态电压误差模型;
对所述动态电压误差模型进行第二次参数辨识,输出待辨识参数向量为所述电池的电流测量偏差构成的向量;
根据所述电流测量偏差构成的向量对所述电池的电流测量值进行校准。
作为上述方案的改进,所述开路电压的获取方法包括:
在所述电池的工作温度范围内,每隔预设时间段测量所述电池的开路电压。
作为上述方案的改进,所述开路电压的获取方法包括:
根据所述电池的老化状态,在固定温度下所述电池的容量每下降预设电量后测量所述电池的开路电压。
作为上述方案的改进,利用最小二乘法辨识所述动态电压模型的参数,以得到所述电池的第一动态电压。
作为上述方案的改进,所述电池等效电路模型包括第一电阻、第二电阻和电容;其中,所述第二电阻和所述电容并联,所述第一电阻和并联后的电路串联。
为实现上述目的,本发明实施例还提供一种电池的电流校准设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一实施例所述的电池的电流校准方法。
为实现上述目的,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的电池的电流校准方法。
相比于现有技术,本发明实施例公开的电池的电流校准方法、设备和存储介质,在电池等效电路模型的基础上再次构造一个动态电压误差模型,通过两次使用参数辨识算法,得到电池模型的电流偏差估计值,不需要对电池电流测量进行离线标定,且实施简单,该方法至少可以用于电池***中校准电池电流测量值。从而能够快速得到电流传感器的测量偏差,为参数辨识以及状态估计提供准确的电流输入值。
附图说明
图1是本发明实施例提供的一种电池的电流校准方法的流程图;
图2是本发明实施例提供的电池等效电路模型的结构示意图;
图3是本发明实施例提供的电池的SOC-OCV关系曲线;
图4是本发明实施例提供的辨识的电流传感器偏差;
图5是本发明实施例提供的基于传统辨识类算法与本发明算法的电池模型参数辨识Ro结果对比;
图6是本发明实施例提供的基于传统辨识类算法与本发明算法的电池模型参数Rp辨识结果对比;
图7是本发明实施例提供的基于传统辨识类算法与本发明算法的电池模型参数Cp辨识结果对比;
图8是本发明实施例提供的一种电池的电流校准设备的结构框图。
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作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。
参见图1,图1是本发明实施例提供的一种电池的电流校准方法的流程图,所述电池的电流校准方法包括:
S1、根据电池的动态特性建立电池等效电路模型,构建所述电池等效电路模型的电池模型离散方程;
S2、获取所述电池的真实电流值和开路电压,并结合所述电池模型离散方程得到所述电池的动态电压模型;
S3、对所述动态电压模型进行第一次参数辨识,得到所述电池的第一动态电压;
S4、根据第一参数辨识后的所述动态电压模型,利用所述电池的测量电流值计算所述电池的第二动态电压;
S5、根据所述第一动态电压和所述第二动态电压之间的差值建立动态电压误差模型;
S6、对所述动态电压误差模型进行第二次参数辨识,输出待辨识参数向量为所述电池的电流测量偏差构成的向量;
S7、根据所述电流测量偏差构成的向量对所述电池的电流测量值进行校准。
具体地,在步骤S1中,本发明实施例中所使用的电池为锂离子电池,实际应用中并不限于此形式的模型。根据电池的充放电动态特性曲线,建立电池的等效电路模型。常见的电池等效电路模型有Rint内阻模型、Thevenin模型、DP(dual polarization)模型和PNGV(thepartnershipfor a new generation of vehicles)模型等。考虑到模型准确性以及计算复杂性,本发明实例中使用的电池模型为Thevenin模型。
具体地,所述电池等效电路模型包括第一电阻、第二电阻和电容;其中,所述第二电阻和所述电容并联,所述第一电阻和并联后的电路串联。
示例性的,如图2所示,Uoc为电池的开路电压,Ro为电池的欧姆内阻(即所述第一电阻),Rp(即所述第二电阻)和Cp分别为电池的极化电阻和极化电容,Up为加载在极化电阻两端的电压,Ul与Il分别为电池的真实端电压与真实电流,本发明实例中规定,电池在放电时电流为正。
具体地,所述电池等效电路模型的电池模型离散方程满足以下公式:
其中,下标k为采样时刻k,△t为采样周期,τp=Rp×Cp为时间常数。
具体地,等效电路模型中的电池参数未知,包括Ro,Rp和Cp,后续步骤将对其进行辨识。此外,开路电压Uoc仍然是未知的,为了后续进行参数辨识,需要对其进行离线测量。
可选地,所述开路电压的获取方法包括:
在所述电池的工作温度范围内,每隔预设时间段测量所述电池的开路电压;
根据所述电池的老化状态,在固定温度下所述电池的容量每下降预设电量后测量所述电池的开路电压。
示例性的,电池SOC与OCV存在一定关系,如图3所示(T=25℃,SOH=100%)。为了保证OCV的精度,需要至少每隔10%的SOC测量一次OCV,在相应SOC测量前需要对电池进行静置。为了保证后续参数辨识算法的适应性,需要对电池在不同温度以及不同老化状态下进行SOC-OCV曲线的测量,如图3为T=25℃,SOH=100%的测试数据。数据选取:在电池的工作温度范围内,至少每间隔10℃(即所述预设时间段)测量一次电池的开路电压(即OCV)。不同老化状态按在相同温度下,电池容量每下降5%(即所述预设电量),测量一次电池的开路电压。
具体地,在步骤S2中,在本方法第k(k≥2)次运行时,根据第k-1次的电流偏差辨识结果可得到此时的电池电流测量值,设Il为真实输入到电池中的真实电流值。那么可以定义电池的动态电压Et为:
Et,k=Ul,k-Uoc,k=-RoIl,k-Up,k 公式(2);
根据电池离散模型方程可对公式(2)进行递推得到所述电池的动态电压模型,满足以下公式:
具体地,在步骤S3中,对公式(4)中由未知电池模型参数构成的θk的辨识方法有多种,包括最小二乘类算法,粒子群优化算法以及遗传网络算法等。本发明实施例中使用递推最小二乘算法辨识出参数a1,b0和b1。
具体的,递推最小二乘算法为:
所述电池的第一动态电压(Et)满足:
Et,k=a1Et,k-1+b0Il,k+b1Il,k-1 公式(6)。
具体地,在步骤S4中,使用测量电流值输入至电池模型中,得到所述电池的第二动态电压。假设实际测量电流值为Im,那么电流的测量值与真实值之间满足:
Im,k=Il,k+Ib,k 公式(7);
其中,Ib,k为电池传感器的测量偏差。
假设以实际测量电流Im输入到基于步骤S3中辨识出来的电池模型中,可得此时电池的第二动态电压(Etm)满足:
Etm,k=a1Et,k-1+b0Im,k+b1Im,k-1 公式(8)。
具体地,在步骤S5~S6中,根据所述第一动态电压和所述第二动态电压之间的差值建立动态电压误差模型,所述动态电压误差模型满足:
动态电压误差模型的输出为两个动态电压之差,模型的数据向量为步骤S3中辨识出来的模型参数,待辨识参数向量为两个时刻的电流测量偏差构成的向量。
可以再次利用递推最小二乘算法进行参数辨识,如下:
进一步地,在人为加入0.2A的电池偏差到精确电流时,基于本发明方法辨识出来的电流传感器测量偏差如图4所示,可以看出,辨识的电流偏差很快就收敛到设定的电流偏差,验证了本发明实施例中对电流进行校准的有效性。
参见图5-7,在人为加入0.2A的电流偏差到精确电流时,基于传统最小二乘算法(无电流偏差估计的传统最小二乘参数辨识)以及本发明方法辨识出来的电池模型参数对比,可以看出在存在电流测量偏差值,传统递推最小二乘算法辨识出来的参数是有偏的,而基于本发明方法辨识出来的模型参数Ro,Rp和Cp与真实值十分接近,验证了本发明的有效性。
相比于现有技术,本发明实施例公开的电池的电流校准方法,在电池等效电路模型的基础上再次构造一个动态电压误差模型,通过两次使用参数辨识算法,得到电池模型的电流偏差估计值,不需要对电池电流测量进行离线标定,且实施简单,该方法至少可以用于电池***中校准电池电流测量值。从而能够快速得到电流传感器的测量偏差,为参数辨识以及状态估计提供准确的电流输入值。
参见图8,图8是本发明实施例提供的一种电池的电流校准设备20的结构框图,该实施例的电池的电流校准设备20包括:处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述各个电池的电流校准方法实施例中的步骤,例如图1所示的步骤S1。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器22中,并由所述处理器21执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电池的电流校准设备20中的执行过程。
所述电池的电流校准设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电池的电流校准设备20可包括,但不仅限于,处理器21、存储器22。本领域技术人员可以理解,所述示意图仅仅是电池的电流校准设备20的示例,并不构成对电池的电流校准设备20的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电池的电流校准设备20还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器21是所述电池的电流校准设备20的控制中心,利用各种接口和线路连接整个电池的电流校准设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块,所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块,以及调用存储在存储器22内的数据,实现所述电池的电流校准设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述电池的电流校准设备20集成的模块/单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器21执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述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,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种电池的电流校准方法,其特征在于:
根据电池的动态特性建立电池等效电路模型,构建所述电池等效电路模型的电池模型离散方程;
获取所述电池的真实电流值和开路电压,并结合所述电池模型离散方程得到所述电池的动态电压模型;
对所述动态电压模型进行第一次参数辨识,得到所述电池的第一动态电压;
根据第一参数辨识后的所述动态电压模型,利用所述电池的测量电流值计算所述电池的第二动态电压;
根据所述第一动态电压和所述第二动态电压之间的差值建立动态电压误差模型;
对所述动态电压误差模型进行第二次参数辨识,输出待辨识参数向量为所述电池的电流测量偏差构成的向量;
根据所述电流测量偏差构成的向量对所述电池的电流测量值进行校准。
2.如权利要求1所述的电池的电流校准方法,其特征在于,所述开路电压的获取方法包括:
在所述电池的工作温度范围内,每隔预设时间段测量所述电池的开路电压。
3.如权利要求1所述的电池的电流校准方法,其特征在于,所述开路电压的获取方法包括:
根据所述电池的老化状态,在固定温度下所述电池的容量每下降预设电量后测量所述电池的开路电压。
4.如权利要求1所述的电池的电流校准方法,其特征在于,利用最小二乘法辨识所述动态电压模型的参数,以得到所述电池的第一动态电压。
5.如权利要求1所述的电池的电流校准方法,其特征在于,所述电池等效电路模型包括第一电阻、第二电阻和电容;其中,所述第二电阻和所述电容并联,所述第一电阻和并联后的电路串联。
6.一种电池的电流校准设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的电池的电流校准方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的电池的电流校准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110003137.2A CN112816877B (zh) | 2021-01-04 | 2021-01-04 | 电池的电流校准方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110003137.2A CN112816877B (zh) | 2021-01-04 | 2021-01-04 | 电池的电流校准方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112816877A true CN112816877A (zh) | 2021-05-18 |
CN112816877B CN112816877B (zh) | 2022-08-30 |
Family
ID=75856938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110003137.2A Active CN112816877B (zh) | 2021-01-04 | 2021-01-04 | 电池的电流校准方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112816877B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113484762A (zh) * | 2021-07-16 | 2021-10-08 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
CN115343625A (zh) * | 2022-10-17 | 2022-11-15 | 力高(山东)新能源技术股份有限公司 | 一种基于误差矫正的动力电池soc估算方法 |
CN115453371A (zh) * | 2022-09-29 | 2022-12-09 | 上海玫克生储能科技有限公司 | 电芯数据监测方法、电芯数据监测装置、介质及电子设备 |
CN115510648A (zh) * | 2022-09-27 | 2022-12-23 | 上海玫克生储能科技有限公司 | 一种锂电池电芯实际容量和电芯健康度识别方法和*** |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012063246A (ja) * | 2010-09-16 | 2012-03-29 | Calsonic Kansei Corp | 電流センサの校正装置 |
WO2013016188A1 (en) * | 2011-07-22 | 2013-01-31 | Navitas Solutions, Inc. | Method, system, and apparatus for battery equivalent circuit model parameter estimation |
CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
CN103907030A (zh) * | 2011-10-07 | 2014-07-02 | 日本康奈可株式会社 | 电池充电率的估计装置与电池充电率的估计方法 |
JP2014182072A (ja) * | 2013-03-21 | 2014-09-29 | Primearth Ev Energy Co Ltd | 二次電池の状態推定装置及び二次電池の状態推定方法 |
WO2015133103A1 (ja) * | 2014-03-03 | 2015-09-11 | パナソニックIpマネジメント株式会社 | 電池の状態推定装置、および、電池の状態推定方法 |
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 |
CN107728098A (zh) * | 2017-11-17 | 2018-02-23 | 广东电网有限责任公司电力科学研究院 | 用直流法校验电流互感器电磁暂态模型参数的方法及*** |
CN107957555A (zh) * | 2017-10-19 | 2018-04-24 | 重庆三峡学院 | 一种估算动力锂电池SoC的新方法 |
CN109459705A (zh) * | 2018-10-24 | 2019-03-12 | 江苏理工学院 | 一种抗野值鲁棒无迹卡尔曼滤波的动力电池soc估计方法 |
CN109541509A (zh) * | 2017-09-21 | 2019-03-29 | 诺仪器(中国)有限公司 | 电流传感器的相频校准***及方法 |
CN109633453A (zh) * | 2018-12-28 | 2019-04-16 | 东莞钜威动力技术有限公司 | 电池参数在线辨识方法、装置及计算机可读存储介质 |
CN110907835A (zh) * | 2019-12-10 | 2020-03-24 | 北京理工大学 | 一种具有噪声免疫特性的电池模型参数辨识与soc估计方法 |
CN111366855A (zh) * | 2020-03-19 | 2020-07-03 | 北京理工大学 | 一种电池等效电路模型抗扰动参数化方法 |
CN111505506A (zh) * | 2020-05-15 | 2020-08-07 | 吉林大学 | 一种多尺度卡尔曼滤波与无迹卡尔曼滤波融合的电池soc估算方法 |
CN111516555A (zh) * | 2020-04-26 | 2020-08-11 | 东风柳州汽车有限公司 | 一种车载电池的温度调节***及方法 |
-
2021
- 2021-01-04 CN CN202110003137.2A patent/CN112816877B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012063246A (ja) * | 2010-09-16 | 2012-03-29 | Calsonic Kansei Corp | 電流センサの校正装置 |
WO2013016188A1 (en) * | 2011-07-22 | 2013-01-31 | Navitas Solutions, Inc. | Method, system, and apparatus for battery equivalent circuit model parameter estimation |
CN103907030A (zh) * | 2011-10-07 | 2014-07-02 | 日本康奈可株式会社 | 电池充电率的估计装置与电池充电率的估计方法 |
JP2014182072A (ja) * | 2013-03-21 | 2014-09-29 | Primearth Ev Energy Co Ltd | 二次電池の状態推定装置及び二次電池の状態推定方法 |
CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
WO2015133103A1 (ja) * | 2014-03-03 | 2015-09-11 | パナソニックIpマネジメント株式会社 | 電池の状態推定装置、および、電池の状態推定方法 |
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 |
CN109541509A (zh) * | 2017-09-21 | 2019-03-29 | 诺仪器(中国)有限公司 | 电流传感器的相频校准***及方法 |
CN107957555A (zh) * | 2017-10-19 | 2018-04-24 | 重庆三峡学院 | 一种估算动力锂电池SoC的新方法 |
CN107728098A (zh) * | 2017-11-17 | 2018-02-23 | 广东电网有限责任公司电力科学研究院 | 用直流法校验电流互感器电磁暂态模型参数的方法及*** |
CN109459705A (zh) * | 2018-10-24 | 2019-03-12 | 江苏理工学院 | 一种抗野值鲁棒无迹卡尔曼滤波的动力电池soc估计方法 |
CN109633453A (zh) * | 2018-12-28 | 2019-04-16 | 东莞钜威动力技术有限公司 | 电池参数在线辨识方法、装置及计算机可读存储介质 |
CN110907835A (zh) * | 2019-12-10 | 2020-03-24 | 北京理工大学 | 一种具有噪声免疫特性的电池模型参数辨识与soc估计方法 |
CN111366855A (zh) * | 2020-03-19 | 2020-07-03 | 北京理工大学 | 一种电池等效电路模型抗扰动参数化方法 |
CN111516555A (zh) * | 2020-04-26 | 2020-08-11 | 东风柳州汽车有限公司 | 一种车载电池的温度调节***及方法 |
CN111505506A (zh) * | 2020-05-15 | 2020-08-07 | 吉林大学 | 一种多尺度卡尔曼滤波与无迹卡尔曼滤波融合的电池soc估算方法 |
Non-Patent Citations (2)
Title |
---|
DONG TINGTING: "Analysis on the influence of measurement error on state of charge estimation of LiFePO4 power Battery", 《2011 INTERNATIONAL CONFERENCE ON MATERIALS FOR RENEWABLE ENERGY & ENVIRONMENT》 * |
周娟: "一种高精度锂离子电池建模方案研究", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113484762A (zh) * | 2021-07-16 | 2021-10-08 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
CN113484762B (zh) * | 2021-07-16 | 2024-05-14 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
CN115510648A (zh) * | 2022-09-27 | 2022-12-23 | 上海玫克生储能科技有限公司 | 一种锂电池电芯实际容量和电芯健康度识别方法和*** |
CN115510648B (zh) * | 2022-09-27 | 2023-12-19 | 上海玫克生储能科技有限公司 | 一种锂电池电芯实际容量和电芯健康度识别方法和*** |
CN115453371A (zh) * | 2022-09-29 | 2022-12-09 | 上海玫克生储能科技有限公司 | 电芯数据监测方法、电芯数据监测装置、介质及电子设备 |
CN115343625A (zh) * | 2022-10-17 | 2022-11-15 | 力高(山东)新能源技术股份有限公司 | 一种基于误差矫正的动力电池soc估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112816877B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112816877B (zh) | 电池的电流校准方法、设备和存储介质 | |
CN111060791B (zh) | 绝缘故障检测方法、装置、电动汽车、终端设备及介质 | |
Huang et al. | Robustness evaluation of extended and unscented Kalman filter for battery state of charge estimation | |
Tang et al. | Observer based battery SOC estimation: Using multi-gain-switching approach | |
Remmlinger et al. | On-board state-of-health monitoring of lithium-ion batteries using linear parameter-varying models | |
CN112147512B (zh) | 一种锂离子电池短路与滥用故障的诊断及分离方法 | |
CN110501645B (zh) | 绝缘故障检测方法、装置、电动汽车和计算机存储介质 | |
Zhao et al. | State of charge estimation based on a new dual-polarization-resistance model for electric vehicles | |
CN110244236B (zh) | 一种锂离子电池包soc估计方法、装置及终端设备 | |
CN115684942A (zh) | 电池短路故障检测方法、装置、计算机设备及介质 | |
CN108594117B (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 | |
Wei et al. | Multiscale dynamic construction for abnormality detection and localization of Li-ion batteries | |
CN114895205A (zh) | 电池模型参数的获取方法、装置、计算机设备、存储介质 | |
CN115113070A (zh) | 电池soc的估算方法及相关装置 | |
CN114325407A (zh) | 电池自放电测试方法、装置、设备及计算机存储介质 | |
Xiong et al. | Lithium‐Ion Battery Parameters and State of Charge Joint Estimation Using Bias Compensation Least Squares and the Alternate Algorithm | |
WO2024152592A1 (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、***及存储介质 | |
Lai et al. | A quantitative method for early-stage detection of the internal-short-circuit in Lithium-ion battery pack under float-charging conditions | |
CN107132500B (zh) | 一种同步相量测量单元在线校准方法与装置 | |
Rausch et al. | Nonlinear observability and identifiability of single cells in battery packs | |
Wei et al. | Identification of parameters in Li-ion battery model by least squares method with variable forgetting factor | |
Sakile et al. | Estimation of lithium‐ion battery state of charge for electric vehicles using a nonlinear state observer | |
CN116400248A (zh) | 电池内短路故障的确定方法及装置 | |
Xie et al. | State‐of‐Charge Estimation of Lithium‐Ion Battery Based on an Improved Dual‐Polarization Model |
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 |