CN113759258B - 一种动力电池soc估计方法、装置及纯电动汽车 - Google Patents

一种动力电池soc估计方法、装置及纯电动汽车 Download PDF

Info

Publication number
CN113759258B
CN113759258B CN202111007003.4A CN202111007003A CN113759258B CN 113759258 B CN113759258 B CN 113759258B CN 202111007003 A CN202111007003 A CN 202111007003A CN 113759258 B CN113759258 B CN 113759258B
Authority
CN
China
Prior art keywords
soc
power battery
value
initial value
output 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.)
Active
Application number
CN202111007003.4A
Other languages
English (en)
Other versions
CN113759258A (zh
Inventor
熊超
陈吉松
易开红
杜彪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202111007003.4A priority Critical patent/CN113759258B/zh
Publication of CN113759258A publication Critical patent/CN113759258A/zh
Application granted granted Critical
Publication of CN113759258B publication Critical patent/CN113759258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/382—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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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
    • G01R31/38—Primary cells, i.e. not rechargeable
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明提供了一种动力电池SOC估计方法、装置及纯电动汽车，所述方法包括:获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值。

Description

一种动力电池SOC估计方法、装置及纯电动汽车
技术领域
本发明属于新能源汽车动力电池领域，具体涉及一种动力电池SOC估计方法、装置及纯电动汽车。
背景技术
目前，纯电动汽车的动力电池SOC估计是动力电池研究的一个主要方向，涉及使用工况。方法主要包含：开路电压法、安时积分法、神经网络法、模糊算法、滑膜观测器法、卡尔曼滤波算法、粒子滤波算法等。其类型主要分为三种类型：
试验数据类型：开路电压法。开路电压法每次试验之后需要将电池处于长时间静置的状态，不适用于动态在线SOC估计；
公式定义类型：安时积分法、卡尔曼滤波算法。安时积分法以SOC定义为基础，算法比较简单。但是由于存在初始误差、测量误差，随着时间的推移，误差积累越来越大；卡尔曼滤波基于方差预估，算法比较复杂，存在多种延伸：卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波，且由于模型进行了线性处理，与实际情况还是存在一定差异。
学习训练类型：神经网络法、模糊算法等。他们都能够达到较高的SOC估计精度，但是需要大量的试验数据作为训练支撑，而且SOC估计的结果与训练方法关联度较高，算法相对于前两种类型较复杂。
发明内容
本发明提供一种动力电池SOC估计方法、装置及纯电动汽车，考虑到动力电池温度和老化程度最终都反映到动力电池内部动态电阻的变化，在安时积分算法的基础上，增加动力电池内阻偏差控制补偿，不用依赖于电池SOC模型。一方面可以实现实时在线地对SOC进行偏差补偿；另一方面，由于算法简单，也不需要采集大量的试验数据，可以有效的节省项目开发时间。同时，整个SOC修正过程基于动力电池放电电流的使用情况，不会让用户感觉到突变。
本发明的技术方案为：
本发明提供了一种动力电池SOC估计方法，所述方法包括:
获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；
基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；
若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；
基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值。
优选地，获取动力电池当前的SOC初始值的步骤包括：
在整车上ON档电后，检测整车距离上次上电的时长是否超过第一预设时长；
若超过，则通过预设OCV-SOC曲线插值得到所述SOC初始值；
若未超过，则将整车上一次下电时的SOC值确定为所述SOC初始值。
优选地，基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正的步骤包括：
通过公式：
计算动力电池实时内阻Rt，μ(t)为所述输出电压，μ(t)为上一次采集到的输出电压，i(t)为所述放电电流，i(t-1)为上一次采集到的放电电流；
再将动力电池出厂时的内阻Ro减去所述动力电池实时内阻Rt，得到动力电池内阻变化值ΔR；
基于所述动力电池内阻变化值ΔR从预设的动力电池内阻变化值-SOC关系表中查表得到对应的SOC值，并基于所述SOC初始值从预设的SOC初始值-动态电压关系表中查表得到对应的动态电压；
判断所述SOC初始值和所述SOC值的偏差是否大于或等于预设偏差且所述放电电压μ(t)是否小于或等于所述动态电压；
若满足SOC初始值和所述SOC值的偏差大于或等于预设偏差且所述放电电压μ(t)小于或等于所述动态电压的条件时长超过第二预设时长，则确定需要进入SOC修正。
优选地，通过公式：
计算动力电池的SOC修正值SOC(t),其中，SOC0(t)为所述SOC初始值，SOH为所述健康度，C为已知的动力电池额定容量，i(t)为所述放电电流，η为已知的动力电池充放电效率，kp和ki为已知的PI控制参数，i(t)为所述放电电流，S为。
优选地，所述方法还包括：
若确定不进入SOC，通过公式：
计算动力电池的SOC修正值SOC(t)，其中，SOC0(t)为所述SOC初始值，η为已知的动力电池充放电效率，i(t)为所述放电电流。
本发明还提供了一种动力电池SOC估计装置，所述方法包括:
参数收集模块，用于获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；
判断模块，用于基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；
第一计算模块，用于若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；
第二计算模块，用于基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值。
本发明还提供了一种纯电动汽车，包括上述的动力电池SOC估计装置。
本发明的有益效果为：
纯电动汽车在上电后实时检测动力电池的输出电压、放电电流，来计算动态的动力电池内阻变化值，通过PI控制器依靠动力电池内阻变化值进行SOC补偿计算，实现动态SOC偏差修正。相对于现有的方案，不需要建立精确的电池模型，基于安时积分法进行修正，算法比较简单。同时基于电池老化和温度变化的深层机理：动力电池内阻变化值对于SOC计算偏差进行实时在线的修正，不需要进行大量的试验，可以节省项目开发时间。
本方法简单可靠，利用现有的硬件平台，在不进行额外的动力电池数据试验的情况下，通过实时电池电压、电流测量，实现基于动态电阻变化的SOC修正补偿。有效的解决了目前基于安时积分法的动力电池SOC估计积分误差问题。同时，相对于卡尔曼滤波和深度学习算法，实现过程更简单可靠。
附图说明
图1为动力电池SOC估计的算法框图；
图2为动力电池SOC估计的流程框图。
具体实施方式
下面结合说明书附图对本发明进行进一步的描述。
参见图1和2，本发明所述的一种纯电动汽车的动力电池SOC估计方法，其方法流程图如下：
整车在某环境温度下第一次上ON档电后，实时检测动力电池的输出电压μ(t)和放电电流i(t)，判断整车距离上次上电的时长，如果超过A小时(第一预设时长)，则通过查找OCV-SOC曲线对SOC初始值进行更新，如果未超过A小时(第一预设时长)，则读取整车上一次下电前的SOC作为当前的SOC初始值。
当整车开始充电或者行驶放电时，基于以下判断条件判断是否需要进入SOC修正，该判断条件具体包括：1)、SOC初始值与预设的动力电池内阻变化值-SOC关系表(该动力电池内阻变化值-SOC关系表中记录有动力电池内阻变化值和SOC值的对应关系)查表得到的SOC值的偏差是否≥B％(预设偏差)，2)输出电压μ(t)≤SOC初始值对应的动态电压(其中，基于所述SOC初始值从预设的SOC初始值-动态电压关系表中查表得到对应的动态电压)，3)：条件1)、条件2)同时满足的时间≥C s(第二预设时长)。如果条件满足，则进入SOC修正流程。
其中，通过将实时检测的输出电压μ(t)、放电电流i(t)进行公式计算，可以得到动力电池实时电阻Rt，再将动力电池出厂时的内阻Ro减去电池实时电阻Rt，得到动力电池内阻变化值ΔR。
然后通过PI控制器基于动力电池内阻变化值ΔR对SOC进行偏差修正。具体来说，通过公式：
计算得到该动力电池的SOC修正值SOC(t)。其中，SOC0(t)为SOC初始值、i(t)为动力电池的放电电流、动力电池的额定容量C、η为已知的动力电池充放电效率、SOH为根据充放电情况确定的动力电池的健康度，kp和ki为已知的PI控制参数。
本实施例中，若基于上述的条件1-3确定不满足进入SOC修正的条件，则通过公式：
计算动力电池的SOC修正值SOC(t)，其中，SOC0(t)为所述SOC初始值，η为已知的动力电池充放电效率，i(t)为所述放电电流。
通过上述流程即可在SOC估计出现较大误差时，对SOC进行修正。由于对动力电池内阻变化值ΔR进行了合理估计，通过对纯电动汽车在上电后实时检测动力电池的输出电压、放电电流，来计算动态的动力电池内阻变化值，通过PI控制器依靠动力电池内阻变化值进行SOC补偿计算，实现动态SOC偏差修正。相对于现有的方案，不需要建立精确的电池模型，基于安时积分法进行修正，算法比较简单。同时基于电池老化和温度变化的深层机理：动力电池内阻变化值对于SOC计算偏差进行实时在线的修正，不需要进行大量的试验，可以节省项目开发时间。
本发明还提供了一种动力电池SOC估计装置，所述方法包括:
参数收集模块，用于获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；
判断模块，用于基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；
第一计算模块，用于若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；
第二计算模块，用于基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值。
本发明还提供了一种纯电动汽车，包括上述的动力电池SOC估计装置。

Claims (5)

1.一种动力电池SOC估计方法，其特征在于，所述方法包括:
获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；
基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；
若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；
基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值；
基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正的步骤包括：
通过公式：
计算动力电池实时内阻Rt，u(t)为所述输出电压，u(t-1)为上一次采集到的输出电压，i(t)为所述放电电流，i(t-1)为上一次采集到的放电电流；
再将动力电池出厂时的内阻Ro减去所述动力电池实时内阻Rt，得到动力电池内阻变化值ΔR；
基于所述动力电池内阻变化值ΔR从预设的动力电池内阻变化值-SOC关系表中查表得到对应的SOC值，并基于所述SOC初始值从预设的SOC初始值-动态电压关系表中查表得到对应的动态电压；
判断所述SOC初始值和所述SOC值的偏差是否大于或等于预设偏差且所述输出电压μ(t)是否小于或等于所述动态电压；
若满足SOC初始值和所述SOC值的偏差大于或等于预设偏差且所述输出电压μ(t)小于或等于所述动态电压的条件时长超过第二预设时长，则确定需要进入SOC修正；
通过公式：
计算动力电池的SOC修正值SOC(t),其中，SOC0(t)为所述SOC初始值，SOH为所述健康度，C为已知的动力电池额定容量，i(t)为所述放电电流，η为已知的动力电池充放电效率，kp、S和ki为已知的PI控制参数。
2.根据权利要求1所述的方法，其特征在于，获取动力电池当前的SOC初始值的步骤包括：
在整车上ON档电后，检测整车距离上次上电的时长是否超过第一预设时长；
若超过，则通过预设OCV-SOC曲线插值得到所述SOC初始值；
若未超过，则将整车上一次下电时的SOC值确定为所述SOC初始值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若确定不进入SOC，通过公式：
计算动力电池的SOC修正值SOC(t)，其中，SOC0(t)为所述SOC初始值，η为已知的动力电池充放电效率，i(t)为所述放电电流。
4.一种动力电池SOC估计装置，其特征在于，所述装置包括:
参数收集模块，用于获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；
判断模块，用于基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；
第一计算模块，用于若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；
第二计算模块，用于基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值；
基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正的步骤包括：
通过公式：
计算动力电池实时内阻Rt，u(t)为所述输出电压，u(t-1)为上一次采集到的输出电压，i(t)为所述放电电流，i(t-1)为上一次采集到的放电电流；
再将动力电池出厂时的内阻Ro减去所述动力电池实时内阻Rt，得到动力电池内阻变化值ΔR；
基于所述动力电池内阻变化值ΔR从预设的动力电池内阻变化值-SOC关系表中查表得到对应的SOC值，并基于所述SOC初始值从预设的SOC初始值-动态电压关系表中查表得到对应的动态电压；
判断所述SOC初始值和所述SOC值的偏差是否大于或等于预设偏差且所述输出电压μ(t)是否小于或等于所述动态电压；
若满足SOC初始值和所述SOC值的偏差大于或等于预设偏差且所述输出电压μ(t)小于或等于所述动态电压的条件时长超过第二预设时长，则确定需要进入SOC修正；
通过公式：
计算动力电池的SOC修正值SOC(t),其中，SOC0(t)为所述SOC初始值，SOH为所述健康度，C为已知的动力电池额定容量，i(t)为所述放电电流，η为已知的动力电池充放电效率，kp、S和ki为已知的PI控制参数。
5.一种纯电动汽车，其特征在于，包括权利要求4所述的动力电池SOC估计装置。
CN202111007003.4A 2021-08-30 2021-08-30 一种动力电池soc估计方法、装置及纯电动汽车 Active CN113759258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111007003.4A CN113759258B (zh) 2021-08-30 2021-08-30 一种动力电池soc估计方法、装置及纯电动汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111007003.4A CN113759258B (zh) 2021-08-30 2021-08-30 一种动力电池soc估计方法、装置及纯电动汽车

Publications (2)

Publication Number Publication Date
CN113759258A CN113759258A (zh) 2021-12-07
CN113759258B true CN113759258B (zh) 2023-08-08

Family

ID=78791925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111007003.4A Active CN113759258B (zh) 2021-08-30 2021-08-30 一种动力电池soc估计方法、装置及纯电动汽车

Country Status (1)

Country Link
CN (1) CN113759258B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114194073B (zh) * 2021-12-17 2023-05-23 重庆长安新能源汽车科技有限公司 一种电机脉冲电流控制方法、装置及电动汽车
CN117110903B (zh) * 2023-10-23 2024-01-30 羿动新能源科技有限公司 一种动力电池的soc的合理性判断方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012080666A (ja) * 2010-09-30 2012-04-19 Toshiba Corp 電力変換装置
CN103529396A (zh) * 2013-10-25 2014-01-22 重庆长安汽车股份有限公司 一种高精度锂离子电池荷电状态初始值估算方法
CN108226783A (zh) * 2016-12-21 2018-06-29 比亚迪股份有限公司 Soc估算方法和soc估算装置以及电动汽车
JP2018174029A (ja) * 2017-03-31 2018-11-08 株式会社豊田中央研究所 電源装置及びそれにおけるｓｏｃ推定方法
CN112098845A (zh) * 2020-08-17 2020-12-18 四川大学 一种用于分布式储能***的锂电池状态估计方法
CN112305432A (zh) * 2020-09-18 2021-02-02 傲普(上海)新能源有限公司 一种大型储能***电池的soc校准方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100669477B1 (ko) * 2005-12-22 2007-01-16 삼성에스디아이 주식회사 배터리의 ｓｏｃ 보정 방법 및 이를 이용한 배터리 관리시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012080666A (ja) * 2010-09-30 2012-04-19 Toshiba Corp 電力変換装置
CN103529396A (zh) * 2013-10-25 2014-01-22 重庆长安汽车股份有限公司 一种高精度锂离子电池荷电状态初始值估算方法
CN108226783A (zh) * 2016-12-21 2018-06-29 比亚迪股份有限公司 Soc估算方法和soc估算装置以及电动汽车
JP2018174029A (ja) * 2017-03-31 2018-11-08 株式会社豊田中央研究所 電源装置及びそれにおけるｓｏｃ推定方法
CN112098845A (zh) * 2020-08-17 2020-12-18 四川大学 一种用于分布式储能***的锂电池状态估计方法
CN112305432A (zh) * 2020-09-18 2021-02-02 傲普(上海)新能源有限公司 一种大型储能***电池的soc校准方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于数据模型融合的电动车辆动力电池组状态估计研究;熊瑞;《中国博士学位论文全文数据库 工程科技Ⅱ辑》(第4期);C035-18 *

Also Published As

Publication number Publication date
CN113759258A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN108445406B (zh) 一种动力电池健康状态估计方法
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
CN111142036B (zh) 基于容量增量分析的锂离子电池在线快速容量估计方法
CN111323719A (zh) 一种电动汽车动力电池组健康状态在线确定方法和***
US9533597B2 (en) Parameter identification offloading using cloud computing resources
CN113759258B (zh) 一种动力电池soc估计方法、装置及纯电动汽车
CN110596606B (zh) 一种锂电池剩余电量估计方法、***及装置
JP2006242880A (ja) 電源装置用状態検知装置，電源装置及び電源装置に用いられる初期特性抽出装置
CN112379282B (zh) 提高基于安时积分法的动力电池soc估算精度的方法
CN111707953A (zh) 一种基于后向平滑滤波框架的锂电池soc在线估计方法
CN105223512A (zh) 基于电池特性的动态矫正剩余电量的方法
CN115639481B (zh) 基于大数据预测soc的电池数据预处理***及方法
CN112098849A (zh) 基于求积分卡尔曼滤波的锂电池剩余电量估计方法
JP2020529027A (ja) カルマンフィルタの安定した収束挙動を監視するための方法及びデバイス
CN108169687A (zh) 一种基于云平台的蓄电池soc估算方法
CN111751750B (zh) 基于模糊ekf的多阶段闭环锂电池soc估算方法
CN110596604A (zh) 一种基于安时积分法的锂电池soc估计方法
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
CN113125967A (zh) 一种基于温升预测的锂电池soe计算方法
CN115792638A (zh) 基于电池模型参数辨识的soc-内短路联合估计方法
Hou et al. A variational bayes based state-of-charge estimation for lithium-ion batteries without sensing current
CN113420444A (zh) 一种基于参数在线辨识的锂离子电池soc估计方法
CN106646260A (zh) 一种基于遗传神经网络的bms***的soc的估算方法
CN116482539A (zh) 基于多维数据驱动的电池荷电状态估计方法、***、设备及介质
CN115480166A (zh) 基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法

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