CN114035052A - 一种基于能量窗的soc区间标定方法、***及介质 - Google Patents
一种基于能量窗的soc区间标定方法、***及介质 Download PDFInfo
- Publication number
- CN114035052A CN114035052A CN202111266508.2A CN202111266508A CN114035052A CN 114035052 A CN114035052 A CN 114035052A CN 202111266508 A CN202111266508 A CN 202111266508A CN 114035052 A CN114035052 A CN 114035052A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy window
- discharging
- charging
- 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
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于能量窗的SOC区间标定方法、***及介质,本发明包括对储能***进行不同功率的充放,记录充放试验数据;对充放试验数据进行Wh积分,拟合得到Wh‑OCV曲线;以Wh‑OCV曲线的能量积分E作为能量窗基准,将宽度系数为P的能量窗在Wh‑OCV曲线的充放电区间移动,计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean;根据排序结果确定宽度系数为P的能量窗下的最优充放电能量窗Ebest,再映射到储能***指定功率下的电压区间。本发明能够基于可充放功率、可充放能量对储能站整体SOC区间进行标定,保证能够对储能站功率及容量有较为精确的评估手段,为调度运行提供有效的参考。
Description
技术领域
本发明属于电化学储能技术领域,具体涉及一种基于能量窗的SOC区间标定方法、***及介质。
背景技术
电化学储能大规模发展对控制设备功能提出了越来越高的要求,荷电状态(stateof charge,SOC)标定作为电池管理***(BMS)核心功能,对评估电池状态、为能量管理***(EMS)合理分配功率变换***(PCS)控制功率、为调度部门提供准确的能量数据起到了关键性的作用,SOC标定算法日益受到重视。目前国家标准、行业标准中均未明确储能SOC标定算法的要求,各设备厂商各自提出适合自身产品特性的SOC标定算法。从已有的文献来看,SOC标定常用于动力汽车领域,SOC标定算法主要基于安时积分法、开路电压曲线(OCV)法、卡尔曼滤波法等,常以安时积分法为基本方法,使用其他方法进行修正。此类算法通常的做法是,在SOC标定过程中首先设定一个电池模型,接着以恒定电流进行充放,然后将试验数据与模型仿真数据进行对比,校验模型的有效性。该类算法考虑了电池模型的电阻、电容效应,根据电容与电阻的并联关系存在一阶、二阶模型,阶数越高可调节的维度越多,能够对试验数据拟合得更加精确。该类算法的试验对象通常为较少的电池电芯,电池电芯的一致性较好,加上采用恒流方式充放,总体试验条件比较平稳。
目前储能站的电芯规模数以万计,较动力汽车行业的电芯数量高几个数量级,电芯数量的急剧增加带来更高的控制复杂度,同时变化的应用场景带来了不同的需求。对于储能站而言,需要考虑应对电网对功率、能量的需求,而动力电池并不需要考虑,因而体现在对SOC标定计算有不一样的要求。实验室的SOC标定算法并不完全适合在储能电站应用。
首先,适用的电池模型不同。储能站电芯数量巨大,单体电芯模型参数差异将被大量电芯的集合效应减弱,对外将显示出平滑的外特性。单芯电池的一阶、二阶模型在储能站整站充放电过程中不太适用,更加简化的电阻模型更能反映储能电站电池特性。其次,对功率、能量的精确性要求不同。储能电站主要面对电网场景,其主要要求为,基于SOC应能提供储能电站最大充放功率以及充放能量(时间),以满足调度运行需求。当前的动力电池SOC标定方法,基本上基于电荷角度考虑,并未从能量角度考虑,认为电池在充放电过程中的化学作用,能够放出电荷量,但不可能完全放出能量,因为放出的能量随着外界工况而变化,因此实际中应用比较少。但是实际电网调度运行中不参考电荷量,而是参考功率及能量,即便充放能量随外界工况变化,但只要给定相应的裕度,也能对提供较为可行的运行参考。最后,相应于应用场景不同,SOC定义将不同。不同于动力电池领域利用电量的积分计算SOC,电网场景利用能量积分计算SOC。考虑到电网对功率及能量的确定性需求,需考虑SOC可利用范围的标定,动力电池领域未见此类需求。
因此根据电网需求与动力电池行业应用场景及需求的不同,需要有一种SOC标定算法基于可充放功率、可充放能量对储能站整体SOC区间进行标定,保证能够对储能站功率及容量有较为精确的评估手段,为调度运行提供有效的参考。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种基于能量窗的SOC区间标定方法、***及介质,本发明能够基于可充放功率、可充放能量对储能站整体SOC区间进行标定,保证能够对储能站功率及容量有较为精确的评估手段,为调度运行提供有效的参考。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于能量窗的SOC区间标定方法,包括:
1)对储能***进行不同功率的充放,记录充放试验数据;
2)对充放试验数据进行Wh积分,拟合得到Wh-OCV曲线;
3)以Wh-OCV曲线的能量积分E作为能量窗基准,将宽度系数为P的能量窗在Wh-OCV曲线的充放电区间移动,计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean;
4)对各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean进行排序,并根据排序结果确定宽度系数为P的能量窗下的最优充放电能量窗Ebest;
5)将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间,完成储能***的SOC区间标定。
可选地,步骤1)对储能***进行不同功率的充放之前还包括对储能***放开EMS充放电过程中的SOC上下限导致的功率限制,仅保留电压、电流、温度限制,对电池容量放净。
可选地,步骤1)对储能***进行不同功率的充放时,不同功率的充放包括10%PN、50%PN、100%PN三种有功功率,其中PN是指额定有功功率。
可选地,步骤1)对储能***进行不同功率的充放时,同一功率的充放电过程不间断且功率保持恒定,且记录充放试验数据为采用均匀时间间隔记录充放试验数据,且周期不超过1秒。
可选地,步骤2)拟合得到Wh-OCV曲线之后,还包括将不同功率对应的Wh-OCV曲线在同一图上进行对比,通过校核三条曲线的重合度来确定电池充放电数据及内阻模型的正确性的步骤。
可选地,步骤3)中以Wh-OCV曲线的能量积分E作为能量窗基准包括:首先根据下式计算Wh-OCV曲线的能量积分E:
上式中,E为Wh-OCV曲线的能量积分,N为Wh-OCV曲线按时间轴离散化的段数,in为离散化后每段的电流,un为离散化后每段的电流压,Δt为Wh-OCV曲线按时间轴离散化的基本时间;将Wh-OCV曲线的能量积分E乘以不同的比例系数P得到能量窗W的左右边界范围内所含有的能量为PE。
可选地,步骤4)包括:
4.1)计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean,将各能量窗的电压标准差Vol_SD加入电压标准差序列Vol_SD_Seq,将各能量窗的平均值Vol_Mean加入平均值序列Vol_Mean_Seq;
4.2)针对电压标准差序列Vol_SD_Seq进行升序排序,取最小值项对应的能量窗作为最优充放电能量窗Ebest;若存在多个最优充放电能量窗Ebest,则将平均值序列Vol_Mean_Seq进行降序排序,然后在多个最优充放电能量窗Ebest中取最大值项对应的最优充放电能量窗Ebest作为最终的最优充放电能量窗Ebest。
可选地,步骤5)将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间时,包括将最优充放电能量窗Ebest的起点为SOC的0%,窗的末端为SOC的100%,在指定功率下记录充放电实时等效单芯电压值确定SOC的起点和终点,并根据下式确定SOC的起点和终点之间的任意点的SOC的值以将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间:
上式中,PE为最优充放电能量窗Ebest的左右边界范围内所含有的能量,N为Wh-OCV曲线按时间轴离散化的段数,in为离散化后每段的电流,un为离散化后每段的电流压,Δt为Wh-OCV曲线按时间轴离散化的基本时间。
此外,本发明还提供一种基于能量窗的SOC区间标定***,包括相互连接的微处理器和存储器,该微处理器被编程或配置以执行前述基于能量窗的SOC区间标定方法的步骤。
此外,本发明还提供一种计算机可读存储介质,该计算机可读存储介质中存储有被编程或配置以执行前述基于能量窗的SOC区间标定方法的计算机程序。
和现有技术相比,本发明具有下述优点:针对现有储能站SOC区间标定算法不能基于可充放功率、可充放能量对储能站整体SOC区间进行标定的问题,本发明包括对储能***进行不同功率的充放,记录充放试验数据;对充放试验数据进行Wh积分,拟合得到Wh-OCV曲线;以Wh-OCV曲线的能量积分E作为能量窗基准,将宽度系数为P的能量窗在Wh-OCV曲线的充放电区间移动,计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean;对各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean进行排序,并根据排序结果确定宽度系数为P的能量窗下的最优充放电能量窗Ebest;将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间,完成储能***的SOC区间标定。通过上述手段,能够基于可充放功率、可充放能量对储能站整体SOC区间进行标定,保证能够对储能站功率及容量有较为精确的评估手段,为调度运行提供有效的参考。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例方法中能量窗滑动的原理图。
图3为本发明实施例中不同功率充放电曲线图。
图4为10%Pn功率下,限定能量窗宽度系数为0.95的充放区间。
具体实施方式
如图1所示,本实施例基于能量窗的SOC区间标定方法包括:
1)对储能***进行不同功率的充放,记录充放试验数据;
2)对充放试验数据进行Wh积分,拟合得到Wh-OCV曲线;
3)以Wh-OCV曲线的能量积分E作为能量窗基准,将宽度系数为P的能量窗在Wh-OCV曲线的充放电区间移动,计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean;
4)对各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean进行排序,并根据排序结果确定宽度系数为P的能量窗下的最优充放电能量窗Ebest;
5)将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间,完成储能***的SOC区间标定。
本实施例中,步骤1)对储能***进行不同功率的充放之前还包括对储能***放开EMS充放电过程中的SOC上下限导致的功率限制,仅保留电压、电流、温度限制,对电池容量放净。
需要说明的是,不同功率可以根据实际需要选择,例如本实施例中步骤1)对储能***进行不同功率的充放时,不同功率的充放包括10%PN、50%PN、100%PN三种有功功率,其中PN是指额定有功功率。
本实施例中,步骤1)对储能***进行不同功率的充放时,同一功率的充放电过程不间断且功率保持恒定,且记录充放试验数据为采用均匀时间间隔记录充放试验数据,且周期不超过1秒。
本实施例中,步骤2)拟合得到Wh-OCV曲线之后,还包括将不同功率对应的Wh-OCV曲线在同一图上进行对比,通过校核三条曲线的重合度来确定电池充放电数据及内阻模型的正确性的步骤。对10%PN、50%PN、100%PN有功功率充放试验数据进行Wh积分,拟合得到三种功率下的Wh-OCV曲线,将三条Wh-OCV曲线在同一图上进行对比,通过校核三条曲线的重合度来确定电池充放电数据及内阻模型的正确性。
本实施例中,步骤3)中以Wh-OCV曲线的能量积分E作为能量窗基准包括:首先根据下式计算Wh-OCV曲线的能量积分E:
上式中,E为Wh-OCV曲线的能量积分,N为Wh-OCV曲线按时间轴离散化的段数,in为离散化后每段的电流,un为离散化后每段的电流压,Δt为Wh-OCV曲线按时间轴离散化的基本时间;将Wh-OCV曲线的能量积分E乘以不同的比例系数P得到能量窗W的左右边界范围内所含有的能量为PE。根据上式可知,Wh-OCV曲线的能量积分E即为Wh-OCV曲线按时间轴离散化后能量之和。
本实施例中,步骤4)包括:
4.1)计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean,将各能量窗的电压标准差Vol_SD加入电压标准差序列Vol_SD_Seq,将各能量窗的电压平均值Vol_Mean加入平均值序列Vol_Mean_Seq;
4.2)针对电压标准差序列Vol_SD_Seq进行升序排序,取最小值项对应的能量窗作为最优充放电能量窗Ebest;若存在多个最优充放电能量窗Ebest,则将平均值序列Vol_Mean_Seq进行降序排序,然后在多个最优充放电能量窗Ebest中取最大值项对应的最优充放电能量窗Ebest作为最终的最优充放电能量窗Ebest。
本实施例中,步骤5)将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间时,包括将最优充放电能量窗Ebest的起点为SOC的0%,窗的末端为SOC的100%,在指定功率下记录充放电实时等效单芯电压值确定SOC的起点和终点,并根据下式确定SOC的起点和终点之间的任意点的SOC的值以将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间:
上式中,PE为最优充放电能量窗Ebest的左右边界范围内所含有的能量,N为Wh-OCV曲线按时间轴离散化的段数,in为离散化后每段的电流,un为离散化后每段的电流压,Δt为Wh-OCV曲线按时间轴离散化的基本时间。将最优充放电能量窗Ebest映射到指定功率下的电压区间,能量窗的右端对应Vmax,能量窗的左端对应Vmin,原理图如图2所示。在指定功率下记录充放电实时等效单芯电压值,确定SOC的起点和终点。
本实施例中,储能电站规模为10MW/20MWh,采用电化学储能技术,电池选用磷酸铁锂电池,单芯电池参数为表1所示。整站充放电过程乘以相应比例系数转化为等效单芯电池的充放电过程,利用等效单芯电池数据进行SOC区间标定。
表1电池的基本参数。
参数 | 数值 |
标称容量(0.5C,25±3℃)(nominal capacity) | 120(Ah) |
额定电压(rated voltage) | 3.2(V) |
最大充电电压(max charge voltage) | 3.65(V) |
放电截至电压(Cut-off voltage_) | 2.5(V) |
标准充电电流(standard charge current) | 120(A) |
标准放电电流(standard discharge current) | 120(A) |
以10%PN、50%PN、100%PN有功功率进行充放,不再采用Ah积分而是采用Wh积分,并对试验曲线进行拟合,取得不同功率下的Wh-OCV曲线,校验充放电过程内阻模型及数据的正确性。图表示不同功率充放曲线以及拟合的Wh-OCV曲线。图中可见,三种充放电功率拟合的Wh-OCV曲线基本重合,充放电曲线分别位于Wh-OCV曲线两侧,采用内阻模型能够校核充放电数据的有效性。根据Wh-OCV曲线,计算Wh-OCV曲线的能量积分E,设定宽度系数为0.95,计算得到对应能量窗下的最优充放电区间。计算结果见图3~图4。图3为本发明实施例中不同功率充放电曲线图。图4为10%Pn功率下,限定能量窗宽度系数为0.95的充放区间。参见图3~图4可知,本实施例基于能量窗的SOC区间标定方法能够基于可充放功率、可充放能量对储能站整体SOC区间进行标定,能够对储能站功率及容量有较为精确的评估手段,为调度运行提供有效的参考。
此外,本实施例还提供一种基于能量窗的SOC区间标定***,包括相互连接的微处理器和存储器,该微处理器被编程或配置以执行所述基于能量窗的SOC区间标定方法的步骤。
此外,本实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有被编程或配置以执行所述基于能量窗的SOC区间标定方法的计算机程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于能量窗的SOC区间标定方法,其特征在于,包括:
1)对储能***进行不同功率的充放,记录充放试验数据;
2)对充放试验数据进行Wh积分,拟合得到Wh-OCV曲线;
3)以Wh-OCV曲线的能量积分E作为能量窗基准,将宽度系数为P的能量窗在Wh-OCV曲线的充放电区间移动,计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean;
4)对各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean进行排序,并根据排序结果确定宽度系数为P的能量窗下的最优充放电能量窗Ebest;
5)将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间,完成储能***的SOC区间标定。
2.根据权利要求1所述的基于能量窗的SOC区间标定方法,其特征在于,步骤1)对储能***进行不同功率的充放之前还包括对储能***放开EMS充放电过程中的SOC上下限导致的功率限制,仅保留电压、电流、温度限制,对电池容量放净。
3.根据权利要求2所述的基于能量窗的SOC区间标定方法,其特征在于,步骤1)对储能***进行不同功率的充放时,不同功率的充放包括10%PN、50%PN、100%PN三种有功功率,其中PN是指额定有功功率。
4.根据权利要求3所述的基于能量窗的SOC区间标定方法,其特征在于,步骤1)对储能***进行不同功率的充放时,同一功率的充放电过程不间断且功率保持恒定,且记录充放试验数据为采用均匀时间间隔记录充放试验数据,且周期不超过1秒。
5.根据权利要求1所述的基于能量窗的SOC区间标定方法,其特征在于,步骤2)拟合得到Wh-OCV曲线之后,还包括将不同功率对应的Wh-OCV曲线在同一图上进行对比,通过校核三条曲线的重合度来确定电池充放电数据及内阻模型的正确性的步骤。
7.根据权利要求6所述的基于能量窗的SOC区间标定方法,其特征在于,步骤4)包括:
4.1)计算各能量窗的电压标准差Vol_SD及电压平均值Vol_Mean,将各能量窗的电压标准差Vol_SD加入电压标准差序列Vol_SD_Seq,将各能量窗的电压平均值Vol_Mean加入平均值序列Vol_Mean_Seq;
4.2)针对电压标准差序列Vol_SD_Seq进行升序排序,取最小值项对应的能量窗作为最优充放电能量窗Ebest;若存在多个最优充放电能量窗Ebest,则将平均值序列Vol_Mean_Seq进行降序排序,然后在多个最优充放电能量窗Ebest中取最大值项对应的最优充放电能量窗Ebest作为最终的最优充放电能量窗Ebest。
8.根据权利要求7所述的基于能量窗的SOC区间标定方法,其特征在于,步骤5)将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间时,包括将最优充放电能量窗Ebest的起点为SOC的0%,窗的末端为SOC的100%,在指定功率下记录充放电实时等效单芯电压值确定SOC的起点和终点,并根据下式确定SOC的起点和终点之间的任意点的SOC的值以将最优充放电能量窗Ebest映射到储能***指定功率下的电压区间:
上式中,PE为最优充放电能量窗Ebest的左右边界范围内所含有的能量,N为Wh-OCV曲线按时间轴离散化的段数,in为离散化后每段的电流,un为离散化后每段的电流压,Δt为Wh-OCV曲线按时间轴离散化的基本时间。
9.一种基于能量窗的SOC区间标定***,包括相互连接的微处理器和存储器,其特征在于,该微处理器被编程或配置以执行权利要求1~8中任意一项所述基于能量窗的SOC区间标定方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有被编程或配置以执行权利要求1~8中任意一项所述基于能量窗的SOC区间标定方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111266508.2A CN114035052B (zh) | 2021-10-28 | 2021-10-28 | 一种基于能量窗的soc区间标定方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111266508.2A CN114035052B (zh) | 2021-10-28 | 2021-10-28 | 一种基于能量窗的soc区间标定方法、***及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114035052A true CN114035052A (zh) | 2022-02-11 |
CN114035052B CN114035052B (zh) | 2023-09-12 |
Family
ID=80135667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111266508.2A Active CN114035052B (zh) | 2021-10-28 | 2021-10-28 | 一种基于能量窗的soc区间标定方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114035052B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527394A (zh) * | 2022-02-24 | 2022-05-24 | 中国第一汽车股份有限公司 | 一种动力电池显示soc的标定方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120074960A1 (en) * | 2010-09-23 | 2012-03-29 | Gm Global Technology Operations, Inc. | Energy storage system energy capacity and capability monitor |
WO2017142587A1 (en) * | 2016-02-19 | 2017-08-24 | Johnson Controls Technology Company | Systems and methods for real-time parameter estimation of a rechargeable battery |
CN107422269A (zh) * | 2017-06-16 | 2017-12-01 | 上海交通大学 | 一种锂电池在线soc测量方法 |
US20170355276A1 (en) * | 2016-06-08 | 2017-12-14 | Ford Global Technologies, Llc | System and method for online vehicle battery capacity diagnosis |
CA3032377A1 (en) * | 2016-07-29 | 2018-02-01 | Con Edison Battery Storage, Llc | Electrical energy storage system with battery state-of-charge estimation |
CN108761338A (zh) * | 2018-05-22 | 2018-11-06 | 金龙联合汽车工业(苏州)有限公司 | 一种在线更新电池ocv曲线的方法和装置 |
CN108885240A (zh) * | 2016-02-19 | 2018-11-23 | 江森自控科技公司 | 用于可再充电电池的方向容量估计的***和方法 |
CN109856542A (zh) * | 2018-10-23 | 2019-06-07 | 许继集团有限公司 | 一种锂电池soc-ocv曲线簇的标定方法、soc校正方法及装置 |
CN110400987A (zh) * | 2019-07-03 | 2019-11-01 | 华人运通(江苏)技术有限公司 | 电池充放电电流的限制方法、电池管理***及存储介质 |
CN111273177A (zh) * | 2019-10-23 | 2020-06-12 | 浙江零跑科技有限公司 | 一种估计电池剩余可用能量的方法 |
US20210215769A1 (en) * | 2020-01-10 | 2021-07-15 | North Carolina State University | State of charge (soc) estimation using co-estimation |
-
2021
- 2021-10-28 CN CN202111266508.2A patent/CN114035052B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120074960A1 (en) * | 2010-09-23 | 2012-03-29 | Gm Global Technology Operations, Inc. | Energy storage system energy capacity and capability monitor |
WO2017142587A1 (en) * | 2016-02-19 | 2017-08-24 | Johnson Controls Technology Company | Systems and methods for real-time parameter estimation of a rechargeable battery |
CN108885240A (zh) * | 2016-02-19 | 2018-11-23 | 江森自控科技公司 | 用于可再充电电池的方向容量估计的***和方法 |
US20170355276A1 (en) * | 2016-06-08 | 2017-12-14 | Ford Global Technologies, Llc | System and method for online vehicle battery capacity diagnosis |
CA3032377A1 (en) * | 2016-07-29 | 2018-02-01 | Con Edison Battery Storage, Llc | Electrical energy storage system with battery state-of-charge estimation |
CN107422269A (zh) * | 2017-06-16 | 2017-12-01 | 上海交通大学 | 一种锂电池在线soc测量方法 |
CN108761338A (zh) * | 2018-05-22 | 2018-11-06 | 金龙联合汽车工业(苏州)有限公司 | 一种在线更新电池ocv曲线的方法和装置 |
CN109856542A (zh) * | 2018-10-23 | 2019-06-07 | 许继集团有限公司 | 一种锂电池soc-ocv曲线簇的标定方法、soc校正方法及装置 |
CN110400987A (zh) * | 2019-07-03 | 2019-11-01 | 华人运通(江苏)技术有限公司 | 电池充放电电流的限制方法、电池管理***及存储介质 |
CN111273177A (zh) * | 2019-10-23 | 2020-06-12 | 浙江零跑科技有限公司 | 一种估计电池剩余可用能量的方法 |
US20210215769A1 (en) * | 2020-01-10 | 2021-07-15 | North Carolina State University | State of charge (soc) estimation using co-estimation |
Non-Patent Citations (3)
Title |
---|
张峰;梁军;张利;韩学山;王洪涛;韦仲康;: "考虑最佳期望输出与荷电状态的风电场储能容量优化方法", 电力***自动化, no. 24 * |
杨帅;李众立;李理;: "基于ATT7022D的智能三相谐波分析仪设计", 化工自动化及仪表, no. 04 * |
罗煜;黄梅;鲍谚;张维戈;严乙桉;: "基于储能SOC优化控制的风储电站实时跟踪发电计划控制策略", 电工技术学报, no. 1 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527394A (zh) * | 2022-02-24 | 2022-05-24 | 中国第一汽车股份有限公司 | 一种动力电池显示soc的标定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114035052B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3758186B1 (en) | Method, device, system, and storage medium for state of charge (soc) correction for a battery | |
Tian et al. | State of charge estimation of lithium-ion batteries using an optimal adaptive gain nonlinear observer | |
Ahmed et al. | Model-based parameter identification of healthy and aged li-ion batteries for electric vehicle applications | |
Kim et al. | Screening process-based modeling of the multi-cell battery string in series and parallel connections for high accuracy state-of-charge estimation | |
Takyi‐Aninakwa et al. | A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries | |
US10288692B2 (en) | Systems and methods for estimating battery system parameters | |
CN104101838B (zh) | 动力电池***及其荷电状态、最大充放电功率估算方法 | |
CN106585422B (zh) | 一种动力电池soh估算方法 | |
CN106093778A (zh) | 电池状态预测方法及*** | |
KR20190123172A (ko) | 배터리 상태 추정 방법 | |
CN103969587A (zh) | 一种混合动力车用动力电池soc估算方法 | |
KR102468896B1 (ko) | 배터리 상태 추정 방법 및 장치 | |
Samadani et al. | A review study of methods for lithium-ion battery health monitoring and remaining life estimation in hybrid electric vehicles | |
KR20120028000A (ko) | 리튬이온전지의 충전상태 추정방법 및 이 방법을 구현하기 위한 시스템 | |
CN103760495A (zh) | 一种用于bms检测的soc源产生方法及soc估计精度测试方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
Feng et al. | A graphical model for evaluating the status of series‐connected lithium‐ion battery pack | |
CN110888077A (zh) | 一种基于arima时间序列的锂离子电池寿命加速评估方法 | |
CN108732499A (zh) | 一种检测锂离子电池循环寿命的方法和*** | |
CN111257770B (zh) | 一种电池包功率估算方法 | |
Du et al. | State-of-charge estimation for second-life lithium-ion batteries based on cell difference model and adaptive fading unscented Kalman filter algorithm | |
CN114035052B (zh) | 一种基于能量窗的soc区间标定方法、***及介质 | |
Wang et al. | Battery pack topology structure on state-of-charge estimation accuracy in electric vehicles | |
CN116577686B (zh) | 一种基于局部阶段充电数据的多工况soh估计方法和*** | |
CN103901353A (zh) | 锂离子电池组各电芯一致性的判断方法与定时测量电压仪 |
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 |