CN117310521A - 锂离子电池的充电状态校准方法、***、设备及存储介质 - Google Patents
锂离子电池的充电状态校准方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN117310521A CN117310521A CN202311615373.5A CN202311615373A CN117310521A CN 117310521 A CN117310521 A CN 117310521A CN 202311615373 A CN202311615373 A CN 202311615373A CN 117310521 A CN117310521 A CN 117310521A
- Authority
- CN
- China
- Prior art keywords
- state
- current
- value
- prediction
- determining
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000011159 matrix material Substances 0.000 claims abstract description 114
- 238000007599 discharging Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000010287 polarization Effects 0.000 description 24
- 239000013598 vector Substances 0.000 description 24
- 238000004891 communication Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- 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
-
- 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)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供了一种锂离子电池的充电状态校准方法、***、设备及存储介质,通过采集锂离子电池充电时的电流值,获得电流充电状态域,通过采集锂离子电池放电时的开路电压值,获得电流状态域,进而对电流充电状态和电压充电状态预测得到电池充电状态预测值和电池充电状态校准值,对比所述电池充电状态预测值和所述电池充电状态校准值得到电量偏差矩阵,根据电量偏差矩阵对锂离子电池的充电状态进行校准,该方法通过采集锂离子电池充电时的电流特性和电压特性,同时从历史值和当前值对充电状态进行校准,进而得到精确的充电状态,从而减小了锂离子电池的充电状态的校准误差。
Description
技术领域
本申请涉及锂离子电池技术领域,更具体的说,本申请涉及一种锂离子电池的充电状态校准方法、***、设备及存储介质。
背景技术
锂离子电池是一种二次电池(充电电池),它主要依靠锂离子在正极和负极之间移动来工作,具有电压高、重量轻和能量密度高等特性,还可以快速充电,在现代社会中锂离子电池发展相当快,已经被应用在社会的各个领域,而锂离子电池充电状态是指电池荷电量相对于其容量的占比,对锂离子电池的充电状态进行监测和控制,可以确保锂离子电池的稳定性。
通常,锂离子电池的充电状态会受到环境等影响而产生偏差,需要对锂离子电池的充电状态进行校准,目前常用的锂离子电池的充电状态校准方法有电压法和库伦计数法,其中电压法由于是根据事先测定的电池放电曲线进行充电状态测量,但是电压法会随着锂离子电池的老化导致充电状态的测量出现误差,而库伦计数法则是需要从充电状态为0时持续测量,会累计测量过程中产生的细小误差,因此上述现有的锂离子电池校准方案都容易导致电池充电状态的校准误差较大。
发明内容
本申请提供一种锂离子电池的充电状态校准方法、***、设备及存储介质,以解决锂离子电池的充电状态的校准误差较大的问题。
为解决上述技术问题,本申请采用如下方案:
第一方面,本申请提供一种锂离子电池的充电状态校准方法,具体包括如下步骤:
采集锂离子电池充电时的电流值,确定电流充电状态域,根据所述电流充电状态域确定电流预测点集,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值,通过所述多个电流预测候选值确定电池充电状态预测值,根据多个电流预测候选值和所述电池充电状态预测值确定预测偏差矩阵;
采集锂离子电池放电时的开路电压值,根据所述锂离子电池放电时的开路电压值确定电流状态域;
根据所述预测偏差矩阵确定电压预测点集,将所述电压预测点集中每个电压预测点通过所述电流状态域进行电压充电状态预测,得到多个电压预测候选值,由所述多个电压预测候选值确定电池充电状态校准值,根据所述电池充电状态校准值确定校准偏差值;
根据所述电池充电状态预测值和所述电池充电状态校准值确定电量偏差矩阵,进而由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准。
在一些实施例中,采集锂离子电池充电时的电流值,确定电流充电状态域具体可包括:
根据所述锂离子电池充电时的电流值得到电流值关于时间变化的曲线;
将该电流值关于时间变化的曲线进行不定积分,得到电流充电状态域。
在一些实施例中,根据所述电流充电状态域确定电流预测点集具体可包括:
根据所述电流充电状态域确定充电状态偏移矩阵;
对所述充电状态偏移矩阵进行平方根分解,得到预测分解矩阵;
根据所述预测分解矩阵和所述电流充电状态域在当前时刻所对应的充电状态值确定电流预测点集。
在一些实施例中,采集锂离子电池放电时的开路电压值具体可包括:
对充满电的锂离子电池进行放电,当电量下降固定量后停止放电,待锂离子电池静置固定时间后,测量此时锂离子电池的开路电压值,随后继续对锂离子电池进行放电并重复上述步骤获取多个开路电压值,直至锂离子电池电量放空。
在一些实施例中,根据所述锂离子电池放电时的开路电压值确定电流状态域具体可包括:
根据各个开路电压值进行曲线拟合,将曲线拟合后得到的曲线作为电流状态域。
在一些实施例中,根据所述预测偏差矩阵确定电压预测点集具体可包括:
对所述预测偏差矩阵进行平方根分解,得到校准分解矩阵;
根据所述校准分解矩阵和当前校准时刻的电压充电状态值确定电压预测点集。
在一些实施例中,由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准具体可包括:
确定电池充电状态预测值和电量偏差矩阵/>;
确定电池充电状态校准值和校准偏差值/>;
根据所述电量偏差矩阵和所述校准偏差值/>确定校准权重矩阵/>;
根据所述校准权重矩阵,所述电池充电状态校准值/>和所述电池充电状态预测值/>确定校准后的电池充电状态值,其中所述校准后的电池充电状态值根据下述公式确定:
其中,为校准后的电池充电状态值,/>是所述电池充电状态预测值,/>是所述校准权重矩阵的转置矩阵,/>为电池充电状态校准值。
第二方面,本申请提供一种锂离子电池的充电状态校准***,其包括:
预测偏差矩阵确定模块,用于采集锂离子电池充电时的电流值,确定电流充电状态域,根据所述电流充电状态域确定电流预测点集,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值,通过所述多个电流预测候选值确定电池充电状态预测值,根据多个电流预测候选值和所述电池充电状态预测值确定预测偏差矩阵;
电流状态域确定模块,用于采集锂离子电池放电时的开路电压值,根据所述锂离子电池放电时的开路电压值确定电流状态域;
校准偏差值确定模块,用于根据所述预测偏差矩阵确定电压预测点集,将所述电压预测点集中每个电压预测点通过所述电流状态域进行电压充电状态预测,得到多个电压预测候选值,由所述多个电压预测候选值确定电池充电状态校准值,根据所述电池充电状态校准值确定校准偏差值;
电池充电状态校准模块,用于根据所述电池充电状态预测值和所述电池充电状态校准值确定电量偏差矩阵,进而由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准。
第三方面,本申请提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行上述的锂离子电池的充电状态校准方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的锂离子电池的充电状态校准方法。
本申请公开的实施例提供的技术方案具有以下有益效果:
本申请提供了一种锂离子电池的充电状态校准方法、***、设备及存储介质,通过充电时电流经过锂离子电池的总量对锂离子电池的充电状态进行测定,可以采集锂离子电池充电时的历史特性,消除了锂离子电池因老化而造成的充电状态检测误差,通过电流测得的电池充电状态进行预测得到多个电流预测候选值,通过多个电流预测候选值确定精确的电流充电状态;通过电压特性测得的锂离子电池的充电状态,可以采集锂离子电池的瞬时特性,可以避免通过电流方法测量充电状态过程中的误差累计,通过电流测得的电池充电状态进行预测得到多个候选值,通过多个候选值确定精确的电压充电状态;通过电压和电流两种手段测得锂离子电池充电状态并进行预测得到精确的充电状态后,对两种方法预测的充电状态进行对比,构建出权重矩阵后对两种方法预测的充电状态进行合并,减少了通过电压或者电流单一手段测量锂离子电池充电状态时的误差,可以得到更加精确的锂离子电池的充电状态,从而减小了锂离子电池的充电状态的校准误差。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
图1是根据本申请一些实施例所示的锂离子电池的充电状态校准方法的示例性流程图;
图2是根据本申请一些实施例所示的锂离子电池的充电状态校准***的示例性硬件和/或软件的示意图;
图3是根据本申请一些实施例所示的应用锂离子电池的充电状态校准方法的计算机设备的结构示意图。
具体实施方式
本申请核心是采集锂离子电池充电时的电流值,获得电流充电状态域,通过采集锂离子电池放电时的开路电压值,获得电流状态域,通过对电流充电状态和电压充电状态预测得到电池充电状态预测值和电池充电状态校准值,通过对比所述电池充电状态预测值和所述电池充电状态校准值得到电量偏差矩阵,根据电量偏差矩阵对锂离子电池的充电状态进行校准,该方法通过采集锂离子电池充电时的电流值和电压值,从而同时从锂离子充电时的历史特性和瞬时特性对电池充电状态进行检测,能够减小现有充电状态检测方法中的误差,得到精确的充电状态,从而减小了锂离子电池的充电状态的校准误差。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术进行详细的说明。
参考图1,该图是根据本申请一些实施例所示的锂离子电池的充电状态校准方法的示例性流程图,该锂离子电池的充电状态校准方法100主要包括如下步骤:
在步骤101,采集锂离子电池充电时的电流值,确定电流充电状态域,根据所述电流充电状态域确定电流预测点集,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值,根据所述多个电流预测候选值确定电池充电状态预测值,根据所述多个电流预测候选值和所述电池充电状态预测值确定预测偏差矩阵。
具体实现时,本申请中在采集锂离子电池充电时的电流值之前还可包括:
测量锂离子电池的内阻值以及充电时的极化电阻值、极化电容值和极化电压值,在一些实施例中,例如可以通过万用表测量锂离子电池的内阻值以及充电时的极化电阻值、极化电容值和极化电压值,在其他实施例中,也可以采用别的方式测量锂离子电池的内阻值以及充电时的极化电阻值、极化电容值和极化电压值,这里不做限定。
在一些实施例中,本申请中采集锂离子电池充电时的电流值,确定电流充电状态域具体可以采用下述步骤实现,即:
根据所述锂离子电池充电时的电流值得到电流值关于时间变化的曲线;
将该电流值关于时间变化的曲线进行不定积分,得到电流充电状态域,即将电流值关于时间变化的曲线进行不定积分后得到的曲线作为电流充电状态域。
在一些实施例中,本申请中根据所述电流充电状态域确定电流预测点集可采用下述步骤实现:
根据所述电流充电状态域确定充电状态偏移矩阵;
对所述充电状态偏移矩阵进行平方根分解,得到预测分解矩阵;
根据所述预测分解矩阵和当前校准时刻的电流充电状态值确定电流预测点集。
另外,在一些实施例中,根据所述电流充电状态域确定充电状态偏移矩阵可采用下述步骤实现:
确定当前校准时刻;
确定电流充电状态域在/>时刻所对应的电流充电状态值/>;
获取锂离子电池充电时极化电压值关于时间变化的曲线;
根据所述当前校准时刻,所述电流充电状态域/>在/>时刻所对应的电流充电状态值/>以及锂离子电池充电时极化电压值关于时间变化的曲线/>确定充电状态偏移矩阵,其中所述充电状态偏移矩阵/>可以通过下述公式确定:
其中,是时间变量,/>是/>时刻的极化电压,/>表示矩阵的转置,/>表示对该矩阵求期望。
需要说明的是,在一些实施例中,对所述充电状态偏移矩阵进行平方根分解,得到预测分解矩阵的分解过程可以根据下述公式表示:
其中,为所述预测分解矩阵中第/>行第/>列的元素,/>为所述充电状态偏移矩阵中第/>行第/>列的元素,/>为所述预测分解矩阵中第/>行第/>列的元素,/>为所述预测分解矩阵中第/>行第/>列的元素,/>为所述预测分解矩阵中第/>行第/>列的元素,需要说明的是,由于所述充电状态偏移矩阵的维度为2*2,因此上述用于确定校准分解矩阵的公式中,/>的取值为1和2,/>的取值为1和2。
在一些实施例中,根据所述预测分解矩阵和当前校准时刻的电流充电状态值确定电流预测点集,可采用下述步骤实现:
确定当前校准时刻;
确定电流充电状态域;
确定预测分解矩阵;
根据所述当前校准时刻,电流充电状态域/>和预测分解矩阵/>确定电流预测点集,其中所述电流预测点集可以根据下述公式确定:
其中,为所述电流预测点集中的第/>个电流预测点,/>是极化电压值关于时间的变化曲线,/>为预设的预测向量簇,/>表示/>中第/>个向量;
需要说明的是,本申请中可以通过充电状态偏移矩阵的维度来确定预设的预测向量簇,例如,本申请中充电状态偏移矩阵的维度为,则预设的预测向量簇由1,0和-1组成的所有二维向量构成,在其他实施例中,也可以通过别的方法预设其他预测向量簇确定电流预测点集,这里不做限定。
在一些实施例中,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值具体可以采用下述方式实现,即:
确定当前校准时刻;
获取锂离子电池充电时的极化电阻值、极化电容值/>、/>时刻的极化电压值/>和时刻的电流值/>;
根据所述当前校准时刻,锂离子电池充电时的极化电阻值/>,极化电容值/>、/>时刻的极化电压值/>和/>时刻的电流值/>确定电压预测候选值,其中所述电压预测候选值可由下述公式确定:
其中,为第9个电流预测候选值,/>为第/>个电流预测候选值,/>是第/>个电流预测点,/>是自然常数,/>是电流充电状态域在/>时刻所对应的电流充电状态值,需要说明的是,由于所述电流预测点有8个,因此上述用于确定所述电压预测候选值的公式中/>的取值为从1开始到8。
在一些实施例中,根据所述多个电流预测候选值确定电池充电状态预测值可以采用下述方式实现,即:
确定当前校准时刻;
获取锂离子电池充电时时刻的极化电压值/>;
根据所述当前校准时刻和锂离子电池充电时/>时刻的极化电压值/>确定电池充电状态预测值,其中所述电池充电状态预测值可以根据下述公式确定:
其中,是所述电池充电状态预测值,/>是预测的锂离子电池充电时的极化电压值,/>为第/>个电流预测候选值,/>为第9个电流预测候选值,/>表示预设的预测向量簇中的第/>个向量;需要说明的是,上述用于确定电池充电状态预测值的公式中的8和4是根据预设的预测向量簇确定的,在不同的应用环境下取值不同,在另外一些实施例中,也可以预设其他的值用于确定电池充电状态预测值,这里不做限定。
在一些实施例中,根据所述电池充电状态预测值确定预测偏差矩阵可以采用下述方式实现,即:
确定当前校准时刻;
确定电池充电状态预测值;
确定预测的锂离子电池充电时的极化电压值;
根据所述当前校准时刻、电池充电状态预测值/>和预测的锂离子电池充电时的极化电压值/>确定预测偏差矩阵,其中所述预测偏差矩阵可以根据下述公式确定:
其中,表示预测偏差矩阵,/>为第/>个电流预测候选值,/>为第9个电流预测候选值,/>表示矩阵的转置,/>为确定预测偏差矩阵的中间变量,/>表示/>的转置矩阵,/>表示预设的预测向量簇中第/>个向量,需要说明的是,上述用于确定该预测偏差矩阵的公式中,只是一个过程量,没有实际含义,上述用于确定预测偏差矩阵的公式中的8和4是根据预设的预测向量簇确定的,在不同的应用环境下取值不同,在另外一些实施例中,也可以预设其他的值用于确定预测偏差矩阵,这里不做限定。
需要说明的是,锂离子电池的充电状态即荷载电荷数可以通过充电时电流经过锂离子电池的总量进行测定,这种方法通过采集锂离子电池充电时的历史特性,消除了锂离子电池因老化而造成的充电状态检测误差,本实施例中对通过电流测得的电池充电状态进行预测得到多个候选值,通过多个候选值确定精确的充电状态,从而提高了锂离子电池充电状态的测量精度。
在步骤102,采集锂离子电池放电时的开路电压值,根据所述锂离子电池放电时的开路电压值确定电流状态域。
在一些实施例中,采集锂离子电池放电时的开路电压值具体可采用下述方式,即:
将充满电的锂离子电池进行放电,当电量下降固定量时,停止放电,将锂离子电池静置固定时间后,测量此时锂离子电池的开路电压值,随后继续对锂离子电池进行放电并重复上述步骤获取多个开路电压值,直至锂离子电池电量放空。
在一些实施例中,根据所述锂离子电池放电时的开路电压值确定电流状态域具体可以采用下述步骤实现:
根据所述多个开路电压值进行曲线拟合,将进行曲线拟合后得到的曲线作为电流状态域。
需要说明的是,本申请中对所述多个开路电压值进行曲线拟合得到电流状态域可以通过现有技术中的多项式拟合方法进行曲线拟合,在其他实施例中,也可以使用其他方法进行曲线拟合,这里不做限定。
具体实现时,所述电流状态域可以根据下述公式表示:
其中,为采用多项式拟合得到的多项式系数,/>为根据所述多项式系数/>确定的拟合函数,/>为所述锂离子电池的开路电压值,/>为所述锂离子电池的充电状态值。
在步骤103,根据所述预测偏差矩阵确定电压预测点集,将所述电压预测点集中每个电压预测点通过所述电流状态域进行电压充电状态预测,得到多个电压预测候选值,由所述多个电压预测候选值确定电池充电状态校准值,根据所述电池充电状态校准值确定校准偏差值。
在一些实施例中,根据所述预测偏差矩阵确定电压预测点集,可采用下述步骤实现:
对所述预测偏差矩阵进行平方根分解,得到校准分解矩阵;
根据所述校准分解矩阵和电池充电状态预测值确定电压预测点集。
在一些实施例中,所述校准分解矩阵可以根据下述公式确定:
其中,是所述预测分解矩阵,/>为所述充电状态偏移矩阵,/>为所述预测分解矩阵中第/>行第/>列的元素,/>为所述充电状态偏移矩阵中第/>行第/>列的元素,/>为所述预测分解矩阵中第/>行第/>列的元素,/>为所述预测分解矩阵中第/>行第/>列的元素,/>为所述预测分解矩阵中第/>行第/>列的元素,需要说明的是,由于所述预测偏差矩阵的维度为2*2,因此上述用于确定校准分解矩阵的公式中,/>的取值为1或2,/>的取值为1或2。
在一些实施例中,根据所述校准分解矩阵和电池充电状态预测值确定电压预测点集可采用下述步骤实现:
确定当前校准时刻;
确定校准分解矩阵;
确定电池充电状态预测值;
根据所述当前校准时刻,所述校准分解矩阵/>和所述电池充电状态预测值/>确定电压预测点集,其中所述电压预测点集可以根据下述公式确定:
其中,为第/>个电压预测点,/>是预测的锂离子电池充电时的极化电压值,/>是当前校准时刻,/>为预设的预测向量簇,/>为预设的预测向量簇中的第/>个向量;
需要说明的是,本申请中可以通过充电状态偏移矩阵的维度来确定预设的预测向量簇,例如,本申请中充电状态偏移矩阵的维度为,则预设的预测向量簇由1,0和-1组成的所有二维向量组成,在其他实施例中,也可以通过别的方法预设其他预测向量簇确定电流预测点集,这里不做限定。
在一些实施例中,将所述电压预测点集中每个电压预测点进行电压充电状态预测,得到多个电压预测候选值具体可以采用下述方式,即:
确定当前校准时刻;
测量锂离子电池内阻值;
测量锂离子电池在校准时刻时的电流值/>;
根据所述校准时刻、电压预测点集/>、锂离子电池内阻值/>和锂离子电池在校准时刻/>时的电流值/>确定电压预测候选值/>,其中所述电压预测候选值可以根据下述公式确定:
其中,为第/>个电压预测候选值,/>为第9个电压预测候选值,/>为所述电流状态域的多项式系数,/>为根据所述多项式系数/>确定的拟合函数,/>为/>的反函数,/>为第/>个电压预测点,/>是所述电池充电状态预测值,/>是预测的锂离子电池充电时的极化电压值。
在一些实施例中,所述电池充电状态校准值可以根据下述公式确定:
其中,为电池充电状态校准值,/>为第/>个电压预测候选值,/>为第9个电压预测候选值,/>为预设的预测向量簇中的第/>个向量,需要说明的是,上述用于确定电池充电状态预测值的公式中的8和4是根据预设的预测向量簇确定的,在不同的应用环境下取值不同,在另外一些实施例中,也可以预设其他的值用于确定电池充电状态预测值,这里不做限定。
在一些实施例中,所述校准偏差值可以采用下述方式确定,即:
确定电池充电状态校准值;
根据所述电池充电状态校准值确定校准偏差值/>,其中所述校准偏差值可以根据下述公式确定:
其中,为第/>个电压预测候选值,/>为预设的预测向量簇中的第/>个向量,需要说明的是,/>为确定校准偏差值的中间变量,/>为/>为9时的/>的值。
需要说明的是,上述通过电压特性测得的锂离子电池的充电状态是一种只考虑锂离子电池瞬时特性的测量方法,这种方法可以避免通过电流方法测量充电状态过程中的误差累计,本实施例中将通过电压测得的电池充电状态进行预测得到多个电压预测候选值,通过多个电压预测候选值确定精确的充电状态,从而提高了锂离子电池充电状态的测量精度。
在步骤104,根据所述电池充电状态预测值和所述电池充电状态校准值确定电量偏差矩阵,进而由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准。
在一些实施例中,所述电量偏差矩阵可以采用下述方式实现,即:
确定电池充电状态预测值;
确定电池充电状态校准值;
根据所述电池充电状态预测值和所述电池充电状态校准值/>确定电量偏差矩阵/>,其中所述电量偏差矩阵可以根据下述公式确定:
其中,为所述电量偏差矩阵,/>为第/>个电流预测候选值,/>是所述电池充电状态预测值,/>是预测的锂离子电池充电时的极化电压值,/>为第/>个电压预测候选值,/>为所述电池充电状态校准值,/>为预设的预测向量簇中第/>个向量,需要说明的是,/>为确定电量偏差矩阵的中间变量,/>为/>为9时的/>的值,需要说明的是,上述用于确定电池充电状态预测值的公式中的常数8和常数4是根据所述电压预测候选值的个数进行预设,在不同的应用环境下取值不同,在另外一些实施例中,也可以预设其他的值用于确定电池充电状态预测值,这里不做限定。
在一些实施例中,根据所述电量偏差矩阵和所述校准偏差值对电池充电状态进行校准可采用下述步骤实现:
根据所述电量偏差矩阵和所述校准偏差值计算校准权重矩阵,所述校准权重矩阵可以根据下述公式表示,即:
其中,为所述校准权重矩阵,/>为所述电量偏差矩阵,/>为所述校准偏差值。
根据所述校准权重矩阵对所述电池充电状态校准值和所述电池充电状态预测值进行校准,得到校准后的电池充电状态,所述校准可以根据下述公式实现:
其中,为校准后的充电状态的值,/>是所述电池充电状态预测值,/>是所述校准权重的转置矩阵,/>为电池充电状态校准值。
需要说明的是,上述步骤通过电压和电流两种手段测得锂离子电池充电状态并进行预测后得到精确的充电状态后,通过步骤104中对两种方法预测的充电状态进行对比,构建出权重矩阵后对两种方法预测的充电状态进行合并,减少了通过电压或者电流单一手段测量锂离子电池充电状态时的误差,可以得到更加精确的锂离子电池的充电状态,从而实现对锂离子电池充电状态的校准。
另外,在一些实施例中,参考图2,该图是根据本申请一些实施例所示的锂离子电池的充电状态校准***的示例性硬件和/或软件的示意图,该锂离子电池的充电状态校准***可包括:预测偏差矩阵确定模块201、电流状态域确定模块202、校准偏差值确定模块203和电池充电状态校准模块204,分别说明如下:
预测偏差矩阵确定模块201,本申请中预测偏差矩阵确定模块201主要用于采集锂离子电池充电时的电流值,确定电流充电状态域,根据所述电流充电状态域确定电流预测点集,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值,根据所述多个电流预测候选值确定电池充电状态预测值,根据所述多个电流预测候选值和所述电池充电状态预测值确定预测偏差矩阵;
电流状态域确定模块202,本申请中电流状态域确定模块202主要用于采集锂离子电池放电时的开路电压值,根据所述锂离子电池放电时的开路电压值确定电流状态域;
校准偏差值确定模块203,本申请中校准偏差值确定模块203主要用于根据所述预测偏差矩阵确定电压预测点集,将所述电压预测点集中每个电压预测点通过所述电流状态域进行电压充电状态预测,得到多个电压预测候选值,由所述多个电压预测候选值确定电池充电状态校准值,根据所述电池充电状态校准值确定校准偏差值;
电池充电状态校准模块204,本申请中电池充电状态校准模块204主要用于根据所述电池充电状态预测值和所述电池充电状态校准值确定电量偏差矩阵,进而由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准。
在一些实施例中,参考图3,该图是根据本申请一些实施例所示的应用锂离子电池的充电状态校准方法的计算机设备的结构示意图。上述实施例中的锂离子电池的充电状态校准方法可以通过图3所示的计算机设备来实现,该计算机设备包括至少一个处理器301、通信总线302、存储器303以及至少一个通信接口304。
处理器301可以是一个通用中央处理器(central processing unit,CPU)、特定应用集成电路(application-specific integrated circuit,ASIC)或一个或多个用于控制本申请中的锂离子电池的充电状态校准方法的执行。
通信总线302可包括一通路,在上述组件之间传送信息。
存储器303可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其它类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其它类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only Memory,CD-ROM)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质,但不限于此。存储器303可以是独立存在,通过通信总线302与处理器301相连接。存储器303也可以和处理器301集成在一起。
其中,存储器303用于存储执行本申请方案的程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中锂离子电池的充电状态校准方法可以通过处理器301以及存储器303中的程序代码中的一个或多个软件模块实现。
通信接口304,使用任何收发器一类的装置,用于与其它设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。
在具体实现中,作为一种实施例,计算机设备可以包括多个处理器,这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中,计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑(personaldigital assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。
此外,本申请还公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序被处理器执行时实现上述锂离子电池的充电状态校准方法。
本申请的计算机可读介质或机器可读介质可以是有形的介质,其可以包含或存储以供实现锂离子电池的充电状态校准的指令执行***、装置或设备使用或与指令执行***、装置或设备结合使用的程序,计算机可读介质可以是机器可读信号介质或机器可读储存介质,计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器或快闪存储器、光纤、便捷式紧凑盘只读存储器、光学储存设备、磁储存设备或上述内容的任何合适组合。
综上,本申请通过充电时电流经过锂离子电池的总量对锂离子电池的充电状态进行测定,可以采集锂离子电池充电时的历史特性,消除了锂离子电池因老化而造成的充电状态检测误差,通过电流测得的电池充电状态进行预测得到多个候选值,通过多个候选值确定精确的电流充电状态;通过电压特性测得的锂离子电池的充电状态,可以采集锂离子电池的瞬时特性,可以避免通过电流方法测量充电状态过程中的误差累计,通过电流测得的电池充电状态进行预测得到多个候选值,通过多个候选值确定精确的电压充电状态;通过电压和电流两种手段测得锂离子电池充电状态并进行预测得到精确的充电状态后,对两种方法预测的充电状态进行对比,构建出权重矩阵后对两种方法预测的充电状态进行合并,减少了通过电压或者电流单一手段测量锂离子电池充电状态时的误差,可以得到更加精确的锂离子电池的充电状态,从而减小了锂离子电池的充电状态的校准误差。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种锂离子电池的充电状态校准方法,其特征在于,包括如下步骤:
采集锂离子电池充电时的电流值,确定电流充电状态域,根据所述电流充电状态域确定电流预测点集,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值,通过所述多个电流预测候选值确定电池充电状态预测值,根据多个电流预测候选值和所述电池充电状态预测值确定预测偏差矩阵;
采集锂离子电池放电时的开路电压值,根据所述锂离子电池放电时的开路电压值确定电流状态域;
根据所述预测偏差矩阵确定电压预测点集,将所述电压预测点集中每个电压预测点通过所述电流状态域进行电压充电状态预测,得到多个电压预测候选值,由所述多个电压预测候选值确定电池充电状态校准值,根据所述电池充电状态校准值确定校准偏差值;
根据所述电池充电状态预测值和所述电池充电状态校准值确定电量偏差矩阵,进而由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准。
2.根据权利要求1所述方法,其特征在于,采集锂离子电池充电时的电流值,确定电流充电状态域具体包括:
根据所述锂离子电池充电时的电流值得到电流值关于时间变化的曲线;
将该电流值关于时间变化的曲线进行不定积分,得到电流充电状态域。
3.根据权利要求1所述方法,其特征在于,根据所述电流充电状态域确定电流预测点集具体包括:
根据所述电流充电状态域确定充电状态偏移矩阵;
对所述充电状态偏移矩阵进行平方根分解,得到预测分解矩阵;
根据所述预测分解矩阵和所述电流充电状态域在当前时刻所对应的充电状态值确定电流预测点集。
4.根据权利要求1所述方法,其特征在于,采集锂离子电池放电时的开路电压值具体包括:
对充满电的锂离子电池进行放电,当电量下降固定量后停止放电,待锂离子电池静置固定时间后,测量此时锂离子电池的开路电压值,随后继续对锂离子电池进行放电并重复上述步骤获取多个开路电压值,直至锂离子电池电量放空。
5.根据权利要求1所述方法,其特征在于,根据所述锂离子电池放电时的开路电压值确定电流状态域具体包括:
根据各个开路电压值进行曲线拟合,将曲线拟合后得到的曲线作为电流状态域。
6.根据权利要求1所述方法,其特征在于,根据所述预测偏差矩阵确定电压预测点集具体包括:
对所述预测偏差矩阵进行平方根分解,得到校准分解矩阵;
根据所述校准分解矩阵和当前校准时刻的电压充电状态值确定电压预测点集。
7.根据权利要求1所述方法,其特征在于,由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准具体包括:
确定电池充电状态预测值和电量偏差矩阵/>;
确定电池充电状态校准值和校准偏差值/>;
根据所述电量偏差矩阵和所述校准偏差值/>确定校准权重矩阵/>;
根据所述校准权重矩阵,所述电池充电状态校准值/>和所述电池充电状态预测值/>确定校准后的电池充电状态值,其中所述校准后的电池充电状态值根据下述公式确定:
其中,为校准后的电池充电状态值,/>是所述电池充电状态预测值,/>是所述校准权重矩阵的转置矩阵,/>为电池充电状态校准值。
8.一种锂离子电池的充电状态校准***,其特征在于,包括:
预测偏差矩阵确定模块,用于采集锂离子电池充电时的电流值,确定电流充电状态域,根据所述电流充电状态域确定电流预测点集,对所述电流预测点集中每个电流预测点进行电流充电状态预测,得到多个电流预测候选值,通过所述多个电流预测候选值确定电池充电状态预测值,根据多个电流预测候选值和所述电池充电状态预测值确定预测偏差矩阵;
电流状态域确定模块,用于采集锂离子电池放电时的开路电压值,根据所述锂离子电池放电时的开路电压值确定电流状态域;
校准偏差值确定模块,用于根据所述预测偏差矩阵确定电压预测点集,将所述电压预测点集中每个电压预测点通过所述电流状态域进行电压充电状态预测,得到多个电压预测候选值,由所述多个电压预测候选值确定电池充电状态校准值,根据所述电池充电状态校准值确定校准偏差值;
电池充电状态校准模块,用于根据所述电池充电状态预测值和所述电池充电状态校准值确定电量偏差矩阵,进而由所述校准偏差值和所述电量偏差矩阵对电池充电状态进行校准。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行如权利要求1至7任一项所述的锂离子电池的充电状态校准方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的锂离子电池的充电状态校准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615373.5A CN117310521B (zh) | 2023-11-29 | 2023-11-29 | 锂离子电池的充电状态校准方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615373.5A CN117310521B (zh) | 2023-11-29 | 2023-11-29 | 锂离子电池的充电状态校准方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117310521A true CN117310521A (zh) | 2023-12-29 |
CN117310521B CN117310521B (zh) | 2024-02-20 |
Family
ID=89285210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615373.5A Active CN117310521B (zh) | 2023-11-29 | 2023-11-29 | 锂离子电池的充电状态校准方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117310521B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006112786A (ja) * | 2004-10-12 | 2006-04-27 | Sanyo Electric Co Ltd | 電池の残容量検出方法及び電源装置 |
TW200618374A (en) * | 2004-11-29 | 2006-06-01 | Lg Chemical Ltd | Method and system for battery state and parameter estimation |
CN102221676A (zh) * | 2010-04-15 | 2011-10-19 | 丰田自动车株式会社 | 用于计算充电状态的设备、计算充电状态的方法以及电气*** |
CN103630843A (zh) * | 2012-08-24 | 2014-03-12 | 日立车辆能源株式会社 | 电池状态推测装置及推测方法、电池控制装置、电池*** |
WO2016134496A1 (zh) * | 2015-02-28 | 2016-09-01 | 北京交通大学 | 锂离子电池荷电状态估算方法和装置 |
CN107533109A (zh) * | 2015-03-31 | 2018-01-02 | 日立汽车***株式会社 | 电池控制装置以及电动车辆*** |
CN107923951A (zh) * | 2015-08-07 | 2018-04-17 | 株式会社电装 | 电池充电状态推断装置 |
US20180203071A1 (en) * | 2015-07-13 | 2018-07-19 | Mitsubishi Electric Corporation | Charge state estimation method for lithium ion battery and charge state estimation device for lithium ion battery |
JP2019144211A (ja) * | 2018-02-23 | 2019-08-29 | 株式会社デンソーテン | 推定装置および推定方法 |
CN111929586A (zh) * | 2020-06-22 | 2020-11-13 | 山东信通电子股份有限公司 | 一种无源无线监拍装置的充电状态评估方法及设备 |
CN112098873A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
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*** |
CN115243928A (zh) * | 2020-03-03 | 2022-10-25 | 凯莱汽车公司 | 确定电动车辆中使用的电池的充电状态的方法 |
CN115563704A (zh) * | 2022-09-23 | 2023-01-03 | 四川新能源汽车创新中心有限公司 | 电池状态预测模型的优化方法、容量预测方法及相关装置 |
CN117110891A (zh) * | 2023-08-24 | 2023-11-24 | 中国人民解放军陆军工程大学 | 锂离子电池荷电状态估计值的计算方法和计算装置 |
-
2023
- 2023-11-29 CN CN202311615373.5A patent/CN117310521B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006112786A (ja) * | 2004-10-12 | 2006-04-27 | Sanyo Electric Co Ltd | 電池の残容量検出方法及び電源装置 |
TW200618374A (en) * | 2004-11-29 | 2006-06-01 | Lg Chemical Ltd | Method and system for battery state and parameter estimation |
CN102221676A (zh) * | 2010-04-15 | 2011-10-19 | 丰田自动车株式会社 | 用于计算充电状态的设备、计算充电状态的方法以及电气*** |
CN103630843A (zh) * | 2012-08-24 | 2014-03-12 | 日立车辆能源株式会社 | 电池状态推测装置及推测方法、电池控制装置、电池*** |
WO2016134496A1 (zh) * | 2015-02-28 | 2016-09-01 | 北京交通大学 | 锂离子电池荷电状态估算方法和装置 |
CN107533109A (zh) * | 2015-03-31 | 2018-01-02 | 日立汽车***株式会社 | 电池控制装置以及电动车辆*** |
US20180203071A1 (en) * | 2015-07-13 | 2018-07-19 | Mitsubishi Electric Corporation | Charge state estimation method for lithium ion battery and charge state estimation device for lithium ion battery |
CN107923951A (zh) * | 2015-08-07 | 2018-04-17 | 株式会社电装 | 电池充电状态推断装置 |
JP2019144211A (ja) * | 2018-02-23 | 2019-08-29 | 株式会社デンソーテン | 推定装置および推定方法 |
CN115243928A (zh) * | 2020-03-03 | 2022-10-25 | 凯莱汽车公司 | 确定电动车辆中使用的电池的充电状态的方法 |
CN111929586A (zh) * | 2020-06-22 | 2020-11-13 | 山东信通电子股份有限公司 | 一种无源无线监拍装置的充电状态评估方法及设备 |
CN112098873A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
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*** |
CN115563704A (zh) * | 2022-09-23 | 2023-01-03 | 四川新能源汽车创新中心有限公司 | 电池状态预测模型的优化方法、容量预测方法及相关装置 |
CN117110891A (zh) * | 2023-08-24 | 2023-11-24 | 中国人民解放军陆军工程大学 | 锂离子电池荷电状态估计值的计算方法和计算装置 |
Non-Patent Citations (2)
Title |
---|
CHEN ZONG-HAI ET AL.: "Method to calibrate and estimate Li-ion battery state of charge based on charging method", CONTROL AND DECISION, vol. 29, no. 6, pages 1148 - 1152 * |
王宏刚 等: "动力电池电量计", 低压电器, no. 12, pages 32 - 34 * |
Also Published As
Publication number | Publication date |
---|---|
CN117310521B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210328449A1 (en) | Battery charging method and apparatus | |
Xiong et al. | A novel practical state of charge estimation method: an adaptive improved ampere‐hour method based on composite correction factor | |
Mian Qaisar | A proficient Li-ion battery state of charge estimation based on event-driven processing | |
JP6749080B2 (ja) | 蓄電システム、二次電池の制御システム及び二次電池の制御方法 | |
CN112883531A (zh) | 锂离子电池数据处理方法、计算机设备和存储介质 | |
CN114114047A (zh) | 电池故障检测方法和装置 | |
CN111142032B (zh) | 电池电量的确定方法、装置、设备和存储介质 | |
CN114371408B (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
WO2016151336A1 (en) | Battery model comprising plurality of equivalent circuit networks and interface element coupling them | |
CN114705990A (zh) | 电池簇荷电状态的估计方法及***、电子设备及存储介质 | |
CN112180258A (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及*** | |
CN115389954A (zh) | 一种电池容量的估算方法、电子设备及可读存储介质 | |
Lagraoui et al. | Estimation of lithium-ion battery state-of-charge using an extended kalman filter | |
CN117310521B (zh) | 锂离子电池的充电状态校准方法、***、设备及存储介质 | |
CN113733980B (zh) | 确定动力电池容量的方法、装置、介质及电子设备 | |
CN106680722B (zh) | 一种实时在线预测ocv-soc曲线的方法和装置 | |
CN114879042A (zh) | 电芯分容放电容量预测方法、装置及电子设备 | |
CN115825743A (zh) | 一种电池soh值计算方法、控制装置和电池管理*** | |
KR20230028017A (ko) | 시변 부하전류 상황에 강인한 리튬 이온 배터리의 모델 기반 충전 상태 추정 장치 및 방법 | |
Yousif et al. | Self-discharge effects in lithium-sulfur equivalent circuit networks for state estimation | |
CN115128465A (zh) | 电池热仿真***、方法及电子设备 | |
CN117233629B (zh) | 一种锂离子电池电性能测试方法、***、设备及介质 | |
Liu et al. | Adaptive sigma Kalman filter method for state-of-charge estimation based on the optimized battery model | |
CN117148170B (zh) | 一种电池储能***及其储能测试方法 | |
CN118091256B (zh) | 电芯的材料方案设计方法、装置及相关设备 |
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 |