CN107390127A - 一种soc估算方法 - Google Patents
一种soc估算方法 Download PDFInfo
- Publication number
- CN107390127A CN107390127A CN201710559210.8A CN201710559210A CN107390127A CN 107390127 A CN107390127 A CN 107390127A CN 201710559210 A CN201710559210 A CN 201710559210A CN 107390127 A CN107390127 A CN 107390127A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- model
- parameter
- value
- 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.)
- Withdrawn
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种SOC估算方法，包括电池OCV‑SOC关系模块、参数采集模块、离线辨识参数值、参数离散状态空间模型、电池参数在线辨识模块、电池动态参数更新模块、电池SOC估算模块。具体步骤：1、进行放电‑静置实验，拟合OCV‑SOC的关系表达式并辨识出等效电路模型中的参数值；2、建立电池二阶RC系统离散状态空间模型，对电池模型参数进行在线辨识并进行动态更新；3、对电池SOC进行在线估计。本发明克服了安时积分法中的SOC初值不准确及累计误差的现象，适应电池特性的动态变化，电池模型精度高，收敛速度快，稳定可靠，提高了SOC在线估算的精度，可广泛应用于电动汽车和储能电池管理系统领域。
Description
技术领域
本发明涉及到电动汽车电池管理系统领域，特别涉及一种SOC估算方法。
背景技术
智能电网、光伏发电、风能发电、电动汽车等新能源产业，基础共性的关键技术实质上就是电池组集成成组及控制系统的应用技术。电池管理系统负责对电池的状态检测、电量均衡、热管理、能量分配等诸多方面进行协调，对延长电池使用寿命、提高电池安全性、高效运行、降低全生命周期使用成本等具有重要意义。荷电状态是反映电池剩余电量及功率输出能力的一项重要指标，是电池充放电控制、健康状态检测、能量分配以及电量均衡等的重要依据。然而，电池SOC受温度、电流、循环次数等诸多因素的影响，具有明显的不确定性和很强的非线性，导致现在的SOC估计算法准确性普遍偏低，因此SOC在线估计被认为电池管理系统研究与设计的核心和难点技术。
目前，国内外关于动力电池SOC估计方法主要包括：内阻法、安时积分法、开路电压法、卡尔曼滤波法、观测器法和神经网络法。其中，内阻法依据电池内阻和SOC之间的函数关系，通过检测电池内阻检测内阻来计算电池SOC，然而在线、准确地测量电池内阻存在因难，限制了该方法在实际工程中的应用。安时积分法虽然原理简单、易于实现，但是无法消除SOC初始误差以及因电流测量不准确而引起的累计误差。开路电压法根据开路电压（OCV）和SOC的对应关系来计算电池SOC，需要将电池充分静置后才能测量OCV，因此不适用于SOC的在线估计。卡尔曼滤波法和观测器法，都能够很好地修正电池SOC的初始误差，且具有良好的抗噪能力，然而它们对模型精度的要求非常高。神经网络法，需要大量的训练样本，在实际应用中我们不可能得到覆盖所有实际工况的样本数据，因此其精度也将受到一定的影响，而且该方法计算量大难以在硬件中实现。动力电池是是个复杂的非线性动力系统，电池参数明显受到温度、电池、老化等诸多因素的影响。
综上所述，现有的电池SOC估计方法在实际应用中，都不同程度地存在一定不便和缺陷，因此有必要做进一步的改进。其中，卡尔曼滤波和观测器法具有较好的误差修正能力和抵抗噪声能力，然而它们的精度都明显地依赖于电池模型的精度，因此可以通过对电池模型参数进行在线参数辨识提高模型的实时参数值，提高卡尔曼滤波法对SOC 估算的精度。
发明内容
在本方案中，提供了一种SOC估算方法，克服了安时积分法中的SOC初值不准确及累计误差的现象，适应电池特性的动态变化，电池模型精度高，收敛速度快，稳定可靠的特点。
一种SOC估算方法，包括电池OCV-SOC关系模块、参数采集模块、离线辨识参数值、参数离散状态空间模型、电池参数在线辨识模块、电池动态参数更新模块、电池SOC估算模块，具体步骤如下。
一、进行放电-静置实验，拟合OCV-SOC的关系表达式并辨识出电池二阶RC模型在不同的SOC值所对应的参数值等效电路模型中的参数值。
二、测量电池工作的电压值，根据OCV-SOC特性曲线获得荷电状态的初始值SOC(0)。
三、根据步骤二，得到状态方程矩阵的初始值A0、B0、C0、D0，并初始化状态量x和协方差矩阵，运行扩展卡尔曼滤波算法，得到k时刻的SOC估计值。
四、根据步骤一所获得的OCV-SOC关系表达式，得到k时刻的开路电压值，利用RRFLS算法得求到k时刻的 值，再计算出k时刻模型参数值、、、、。
五、实时更新EFK算法中状态方程的参数值Ak、Bk、Ck、Dk，然后再运行扩展卡尔曼滤波算法，得到k+1时刻的SOC估计值，然后返回步骤四。
六、通过步骤五计算更新模型参数和步骤四估算SOC这两个循环步骤，将每一次经过得到的SOC和时刻模型参数值、、、、代入离散状态空间方程得到新的预测值，通过不断的预测和修正的递推方式进行计算，便可以递推得到锂电池模型的实时参数值和当前的SOC估算值，使最终的SOC和模型参数值、、、、滤波结果不断趋近于电池的实际情况。
优选的，二阶RC等效电路模型频域下的状态方程为:。
其中，电容为简化的理想电压源；代表电池的开路电压（OCV）；为电池组的端电压；为电池的欧姆内阻；分别为电池充放电过程中的电化学极化和浓度差极化电阻；分别为电池充放电过程中的暂态电容效应、电化学极化和浓度差极化电容；分别为通过电容的电压值；为电池端电压,为电池端电流。
优选的， RRFLS算法为利用含遗传因子的递推最小二乘法RRFLS，对二阶RC模型进行参数辨识，令时间常数 ， ，将二阶RC等效电路模型频域下的状态方程化简为
。
进一步的设,,,则上方程式可简化为。
。
然后将上式进行离散化处理，其中T为采样时间。
其中，
、、、、
方程式中，代入递推最小二乘的辨识方法中，当前时刻的 值，然后根据以下公式：
、、、、。
优选的，遗忘因子的值为0.98。
优选的，EFK算法为根据所选取的二阶RC等效电路模型，得到电池的状态方程和量测方程如下：
、
状态方程离散化后的离散模型。
、
令电池模型中的状态变量为，系统输入u为锂离子电池的工作电流I，且放电为正，系统输出y为锂离子电池的工作电压U，采样时间为T。锂离子电池离散状态空间模型为。
其中：
、、、
算法系统参数状态量初始化。
。
优选的，扩展卡尔曼滤波算法运包括：
预测模块：
（1）状态预测：
。
（2）状态预测误差协方差矩阵：
。
纠错模块：
（1）卡尔曼增益：
其中，
（2）状态估计：
（3）状态估计误协方差矩阵：
其中，为协方差；为卡尔曼增益；为过程噪声误差；为观测噪声误差。
本发明采用了基于动态参数的动力电池SOC估算策略，其中电池的动态参数模型是根据电池的离散状态空间模型并利用含遗传因子的递推最小二乘法RRFLS计对模型参数进行在线辨识得到，电池SOC的估计值是根据电池的离散状态空间模型并采用扩展卡尔曼滤波算法对模型参数进行在线辨识得到；相较于传统的参数离线辨识方法和传统的卡尔曼滤波、滑模观测器和神经网络等方法，该估算方法及估算系统的克服了安时积分法中的SOC初值不准确及累计误差的现象，适应电池特性的动态变化，电池模型精度高，收敛速度快，稳定可靠。
附图说明
下面结合附图对本发明作进一步说明。
图1是本发明的二阶RC等效电路图示意图。
图2是本发明SOC估算方法流程图。
具体实施方式
参照图1，其显示出了本发明之较佳实施例的具体结构。以下将详细说明是以图所示的结构为参考描述，但本发明的实际使用方向并不局限于此。
本发明解决其技术问题所采用的技术方案是：一种SOC估算方法，包括电池OCV-SOC关系模块、参数采集模块、离线辨识参数值、参数离散状态空间模型、电池参数在线辨识模块、电池动态参数更新模块、电池SOC估算模块，具体步骤如下。
一、进行放电-静置实验，拟合OCV-SOC的关系表达式并辨识出电池二阶RC模型在不同的SOC值所对应的参数值等效电路模型中的参数值。
二、测量电池工作的电压值，根据OCV-SOC特性曲线获得荷电状态的初始值SOC(0)。
三、根据步骤二，得到状态方程矩阵的初始值A0、B0、C0、D0，并初始化状态量x和协方差矩阵，运行扩展卡尔曼滤波算法，得到k时刻的SOC估计值。
四、根据步骤一所获得的OCV-SOC关系表达式，得到k时刻的开路电压值，利用RRFLS算法得求到k时刻的 值，再计算出k时刻模型参数值、、、、。
五、实时更新EFK算法中状态方程的参数值Ak、Bk、Ck、Dk，然后再运行扩展卡尔曼滤波算法，得到k+1时刻的SOC估计值，然后返回步骤四。
六、通过步骤五计算更新模型参数和步骤四估算SOC这两个循环步骤，将每一次经过得到的SOC和时刻模型参数值、、、、代入离散状态空间方程得到新的预测值，通过不断的预测和修正的递推方式进行计算，便可以递推得到锂电池模型的实时参数值和当前的SOC估算值，使最终的SOC和模型参数值、、、、滤波结果不断趋近于电池的实际情况。
进一步的，二阶RC等效电路模型频域下的状态方程为:
其中，电容为简化的理想电压源；代表电池的开路电压（OCV）；为电池组的端电压；为电池的欧姆内阻；分别为电池充放电过程中的电化学极化和浓度差极化电阻；分别为电池充放电过程中的暂态电容效应、电化学极化和浓度差极化电容；分别为通过电容的电压值；为电池端电压,为电池端电流。
进一步的， RRFLS算法为利用含遗传因子的递推最小二乘法RRFLS，对二阶RC模型进行参数辨识，令时间常数 ， ，将二阶RC等效电路模型频域下的状态方程化简为
。
进一步的设,,,则上方程式可简化为
。
然后将上式进行离散化处理，其中T为采样时间，
。
其中，
、、、、
方程式中，代入递推最小二乘的辨识方法中，当前时刻的 值，然后根据以下公式：
。
进一步的，遗忘因子的值为0.98。
进一步的，EFK算法为根据所选取的二阶RC等效电路模型，得到电池的状态方程和量测方程如下：
、。
状态方程离散化后的离散模型:
、
令电池模型中的状态变量为，系统输入u为锂离子电池的工作电流I，且放电为正，系统输出y为锂离子电池的工作电压U，采样时间为T。锂离子电池离散状态空间模型为：
。
其中
、、、。
算法系统参数状态量初始化
。
优选的，扩展卡尔曼滤波算法运包括
预测模块：
（1）状态预测：
（2）状态预测误差协方差矩阵：。
纠错模块：
（1）卡尔曼增益：
其中，
（2）状态估计：
（3）状态估计误协方差矩阵：
其中，为协方差；为卡尔曼增益；为过程噪声误差；为观测噪声误差。
本发明采用了基于动态参数的动力电池SOC估算策略，其中电池的动态参数模型是根据电池的离散状态空间模型并利用含遗传因子的递推最小二乘法RRFLS计对模型参数进行在线辨识得到，电池SOC的估计值是根据电池的离散状态空间模型并采用扩展卡尔曼滤波算法对模型参数进行在线辨识得到；相较于传统的参数离线辨识方法和传统的卡尔曼滤波、滑模观测器和神经网络等方法，该估算方法及估算系统的克服了安时积分法中的SOC初值不准确及累计误差的现象，适应电池特性的动态变化，电池模型精度高，收敛速度快，稳定可靠。
当然，本发明创造并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (4)
1.一种SOC估算方法，包括电池OCV-SOC关系模块、参数采集模块、离线辨识参数值、参数离散状态空间模型、电池参数在线辨识模块、电池动态参数更新模块、电池SOC估算模块，其特征在于，包括以下步骤：
一、进行放电-静置实验，拟合OCV-SOC的关系表达式并辨识出电池二阶RC模型在不同的SOC值所对应的参数值等效电路模型中的参数值；
二、测量电池工作的电压值，根据OCV-SOC特性曲线获得荷电状态的初始值SOC(0)；
三、根据步骤二，得到状态方程矩阵的初始值A0、B0、C0、D0，并初始化状态量x和协方差矩阵，运行扩展卡尔曼滤波算法，得到k时刻的SOC估计值；
四、根据步骤一所获得的OCV-SOC关系表达式，得到k时刻的开路电压值，利用RRFLS算法得求到k时刻的 值，再计算出k时刻模型参数值、、、、；
五、实时更新EFK算法中状态方程的参数值Ak、Bk、Ck、Dk，然后再运行扩展卡尔曼滤波算法，得到k+1时刻的SOC估计值，然后返回步骤四；
六、通过步骤五计算更新模型参数和步骤四估算SOC这两个循环步骤，将每一次经过得到的SOC和时刻模型参数值、、、、代入离散状态空间方程得到新的预测值，通过不断的预测和修正的递推方式进行计算，便可以递推得到锂电池模型的实时参数值和当前的SOC估算值，使最终的SOC和模型参数值、、、、滤波结果不断趋近于电池的实际情况。
2.根据权利要求1所述的SOC估算方法，其特征在于，所述二阶RC等效电路模型频域下的状态方程为:
其中，电容为简化的理想电压源；代表电池的开路电压（OCV）；为电池组的端电压；为电池的欧姆内阻；分别为电池充放电过程中的电化学极化和浓度差极化电阻；分别为电池充放电过程中的暂态电容效应、电化学极化和浓度差极化电容；分别为通过电容的电压值；为电池端电压,为电池端电流。
3.根据权利要求1或2所述的SOC估算方法，其特征在于，所述RRFLS算法为利用含遗传因子的递推最小二乘法RRFLS，对二阶RC模型进行参数辨识，令时间常数 ，，将二阶RC等效电路模型频域下的状态方程简化为，
；
设,,,
则上式可简化为
；
将上式进行离散化处理，其中T为采样时间，整理可得：
其中，
、、、、
式中，即可代入递推最小二乘的辨识方法中，当前时刻的 值，然后根据以下公式：
、、、、。
4.根据权利要求1或3所述的SOC估计方法，其特征在于，所述的遗忘因子的值为0.98。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710559210.8A CN107390127A (zh) | 2017-07-11 | 2017-07-11 | 一种soc估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710559210.8A CN107390127A (zh) | 2017-07-11 | 2017-07-11 | 一种soc估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107390127A true CN107390127A (zh) | 2017-11-24 |
Family
ID=60339556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710559210.8A Withdrawn CN107390127A (zh) | 2017-07-11 | 2017-07-11 | 一种soc估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107390127A (zh) |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107870305A (zh) * | 2017-12-04 | 2018-04-03 | 浙江大学城市学院 | 基于温度参数的锂离子电池在线参数辨识和soh估计方法 |
| CN107991628A (zh) * | 2018-01-15 | 2018-05-04 | 厦门大学 | 一种基于相关与回归分析的蓄电池模型建模方法 |
| CN108037464A (zh) * | 2017-12-21 | 2018-05-15 | 湖南宏迅亿安新能源科技有限公司 | 一种基于imm-ekf的电池组soc估算的方法 |
| CN108169682A (zh) * | 2017-12-14 | 2018-06-15 | 江苏大学 | 一种基于气液动力学模型的锂离子电池soc精确估算方法 |
| CN108732509A (zh) * | 2018-06-06 | 2018-11-02 | 哈尔滨工业大学 | 一种面向空间应用的锂离子电池荷电状态的在线估计方法 |
| CN109061508A (zh) * | 2018-09-11 | 2018-12-21 | 上海电力学院 | 一种电动汽车锂电池soh的估计方法 |
| CN109061520A (zh) * | 2018-10-25 | 2018-12-21 | 杭州神驹科技有限公司 | 一种动力电池健康与功率状态在线估算方法及系统 |
| CN109061496A (zh) * | 2018-08-10 | 2018-12-21 | 安徽力高新能源技术有限公司 | 一种利用扩展卡尔曼滤波算法估算锂电池soc的方法 |
| CN109367433A (zh) * | 2018-12-18 | 2019-02-22 | 安徽工程大学 | 一种具有动力电池健康状态检测和续航里程预测的智能充电桩及方法 |
| CN109444757A (zh) * | 2018-10-09 | 2019-03-08 | 杭州中恒云能源互联网技术有限公司 | 一种电动汽车动力电池剩余电量估算方法 |
| CN109581225A (zh) * | 2018-12-28 | 2019-04-05 | 深圳市超思维电子股份有限公司 | 电池在线参数辨识的能量状态估算方法及电池管理系统 |
| CN110031762A (zh) * | 2019-04-30 | 2019-07-19 | 国能新能源汽车有限责任公司 | 一种锂离子电池等效电路数据参数的拟合方法 |
| CN110261778A (zh) * | 2019-05-27 | 2019-09-20 | 南京理工自动化研究院有限公司 | 一种锂离子电池soc估测算法 |
| CN110361653A (zh) * | 2019-07-25 | 2019-10-22 | 北方民族大学 | 一种基于混合储能装置的soc估算方法及系统 |
| CN110837622A (zh) * | 2019-11-26 | 2020-02-25 | 国网湖南省电力有限公司 | 基于大倍率放电的锂电池荷电状态估算方法 |
| 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 |
| CN111060824A (zh) * | 2020-01-19 | 2020-04-24 | 南京航空航天大学 | 一种基于模型与算法分步融合的荷电状态估计方法 |
| CN111077452A (zh) * | 2019-12-31 | 2020-04-28 | 江苏大学 | 一种基于气液动力学电池模型在线估算开路电压的方法及系统 |
| CN111308371A (zh) * | 2019-11-29 | 2020-06-19 | 湖南海博瑞德电智控制技术有限公司 | 一种锂离子的电池荷电状态估算方法 |
| CN111400935A (zh) * | 2020-04-17 | 2020-07-10 | 武汉大学 | 基于似然函数的锂电池三阶模型参数辨识方法及系统 |
| CN111428433A (zh) * | 2020-04-10 | 2020-07-17 | 湖南经研电力设计有限公司 | 基于混合滤波的锂离子电池状态计算方法 |
| CN111426967A (zh) * | 2020-05-22 | 2020-07-17 | 枣庄职业学院 | 电池等效电路模型的参数在线实时辨识方法 |
| CN111596219A (zh) * | 2020-06-15 | 2020-08-28 | 国网江苏省电力有限公司经济技术研究院 | 一种储能电池组soc的估算方法 |
| CN111624495A (zh) * | 2020-04-28 | 2020-09-04 | 合肥工业大学 | 基于深度置信网络优化ekf的锂电池soc区间估计方法和系统 |
| CN111856282A (zh) * | 2019-04-19 | 2020-10-30 | 武汉理工大学 | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 |
| CN111983467A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 |
| CN112005124A (zh) * | 2018-04-23 | 2020-11-27 | 三星Sdi株式会社 | 电池状态评估方法 |
| CN112433155A (zh) * | 2019-08-26 | 2021-03-02 | 南京理工大学 | 基于参数在线估计的锂离子电池soc估测算法 |
| CN112858913A (zh) * | 2019-11-28 | 2021-05-28 | 中国石油化工股份有限公司 | 基于可变参数一阶rc模型计算电池剩余电量的方法 |
| CN113391212A (zh) * | 2021-06-23 | 2021-09-14 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及系统 |
| CN113466728A (zh) * | 2021-07-13 | 2021-10-01 | 北京西清能源科技有限公司 | 一种两阶段电池模型参数在线辨识的方法与系统 |
| CN113785209A (zh) * | 2019-06-24 | 2021-12-10 | 三星Sdi株式会社 | 用于检测异常电池单体的方法 |
| CN113835033A (zh) * | 2021-09-17 | 2021-12-24 | 一汽奔腾轿车有限公司 | 一种新能源汽车电池管理系统sof估算方法 |
| CN113866654A (zh) * | 2021-10-22 | 2021-12-31 | 四川宽鑫科技发展有限公司 | 一种基于专有soc估算和专有均衡算法的bms结构 |
| CN113884915A (zh) * | 2021-11-11 | 2022-01-04 | 山东省科学院自动化研究所 | 用于锂离子电池荷电状态和健康状态预测的方法及系统 |
| CN114252771A (zh) * | 2021-12-13 | 2022-03-29 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN114509677A (zh) * | 2022-01-30 | 2022-05-17 | 北京西清能源科技有限公司 | 一种电池剩余容量多因子评估方法、系统及电子设备 |
| CN116736139A (zh) * | 2023-07-13 | 2023-09-12 | 江苏果下科技有限公司 | 一种家用储能系统的soc估算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140316728A1 (en) * | 2013-06-20 | 2014-10-23 | University Of Electronic Science And Technology Of China | System and method for soc estimation of a battery |
| CN105548896A (zh) * | 2015-12-25 | 2016-05-04 | 南京航空航天大学 | 基于n-2rc模型的动力电池soc在线闭环估计方法 |
| CN106405433A (zh) * | 2016-11-04 | 2017-02-15 | 首都师范大学 | 一种基于扩展卡尔曼粒子滤波的soc估计方法及系统 |
| CN106842060A (zh) * | 2017-03-08 | 2017-06-13 | 深圳市海云图新能源有限公司 | 一种基于动态参数的动力电池soc估算方法及系统 |
-
2017
- 2017-07-11 CN CN201710559210.8A patent/CN107390127A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140316728A1 (en) * | 2013-06-20 | 2014-10-23 | University Of Electronic Science And Technology Of China | System and method for soc estimation of a battery |
| CN105548896A (zh) * | 2015-12-25 | 2016-05-04 | 南京航空航天大学 | 基于n-2rc模型的动力电池soc在线闭环估计方法 |
| CN106405433A (zh) * | 2016-11-04 | 2017-02-15 | 首都师范大学 | 一种基于扩展卡尔曼粒子滤波的soc估计方法及系统 |
| CN106842060A (zh) * | 2017-03-08 | 2017-06-13 | 深圳市海云图新能源有限公司 | 一种基于动态参数的动力电池soc估算方法及系统 |
Cited By (60)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107870305A (zh) * | 2017-12-04 | 2018-04-03 | 浙江大学城市学院 | 基于温度参数的锂离子电池在线参数辨识和soh估计方法 |
| CN107870305B (zh) * | 2017-12-04 | 2019-10-18 | 浙江大学城市学院 | 基于温度参数的锂离子电池在线参数辨识和soh估计方法 |
| CN108169682A (zh) * | 2017-12-14 | 2018-06-15 | 江苏大学 | 一种基于气液动力学模型的锂离子电池soc精确估算方法 |
| CN108037464A (zh) * | 2017-12-21 | 2018-05-15 | 湖南宏迅亿安新能源科技有限公司 | 一种基于imm-ekf的电池组soc估算的方法 |
| CN108037464B (zh) * | 2017-12-21 | 2020-06-16 | 湖南宏迅亿安新能源科技有限公司 | 一种基于imm-ekf的电池组soc估算的方法 |
| CN107991628A (zh) * | 2018-01-15 | 2018-05-04 | 厦门大学 | 一种基于相关与回归分析的蓄电池模型建模方法 |
| CN107991628B (zh) * | 2018-01-15 | 2019-10-22 | 厦门大学 | 一种基于相关与回归分析的蓄电池模型建模方法 |
| CN112005124A (zh) * | 2018-04-23 | 2020-11-27 | 三星Sdi株式会社 | 电池状态评估方法 |
| CN112005124B (zh) * | 2018-04-23 | 2023-08-01 | 三星Sdi株式会社 | 电池状态评估方法 |
| CN108732509A (zh) * | 2018-06-06 | 2018-11-02 | 哈尔滨工业大学 | 一种面向空间应用的锂离子电池荷电状态的在线估计方法 |
| CN109061496A (zh) * | 2018-08-10 | 2018-12-21 | 安徽力高新能源技术有限公司 | 一种利用扩展卡尔曼滤波算法估算锂电池soc的方法 |
| CN109061508A (zh) * | 2018-09-11 | 2018-12-21 | 上海电力学院 | 一种电动汽车锂电池soh的估计方法 |
| CN109444757A (zh) * | 2018-10-09 | 2019-03-08 | 杭州中恒云能源互联网技术有限公司 | 一种电动汽车动力电池剩余电量估算方法 |
| CN109061520A (zh) * | 2018-10-25 | 2018-12-21 | 杭州神驹科技有限公司 | 一种动力电池健康与功率状态在线估算方法及系统 |
| CN109061520B (zh) * | 2018-10-25 | 2021-04-23 | 杭州神驹科技有限公司 | 一种动力电池健康与功率状态在线估算方法及系统 |
| CN109367433B (zh) * | 2018-12-18 | 2021-09-24 | 安徽工程大学 | 一种智能充电桩 |
| CN109367433A (zh) * | 2018-12-18 | 2019-02-22 | 安徽工程大学 | 一种具有动力电池健康状态检测和续航里程预测的智能充电桩及方法 |
| CN109581225A (zh) * | 2018-12-28 | 2019-04-05 | 深圳市超思维电子股份有限公司 | 电池在线参数辨识的能量状态估算方法及电池管理系统 |
| CN111856282A (zh) * | 2019-04-19 | 2020-10-30 | 武汉理工大学 | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 |
| CN110031762A (zh) * | 2019-04-30 | 2019-07-19 | 国能新能源汽车有限责任公司 | 一种锂离子电池等效电路数据参数的拟合方法 |
| CN110261778A (zh) * | 2019-05-27 | 2019-09-20 | 南京理工自动化研究院有限公司 | 一种锂离子电池soc估测算法 |
| CN113785209B (zh) * | 2019-06-24 | 2024-03-15 | 三星Sdi株式会社 | 用于检测异常电池单体的方法 |
| CN113785209A (zh) * | 2019-06-24 | 2021-12-10 | 三星Sdi株式会社 | 用于检测异常电池单体的方法 |
| CN110361653A (zh) * | 2019-07-25 | 2019-10-22 | 北方民族大学 | 一种基于混合储能装置的soc估算方法及系统 |
| CN110361653B (zh) * | 2019-07-25 | 2024-05-03 | 郑柏阳 | 一种基于混合储能装置的soc估算方法及系统 |
| CN112433155A (zh) * | 2019-08-26 | 2021-03-02 | 南京理工大学 | 基于参数在线估计的锂离子电池soc估测算法 |
| CN110837622A (zh) * | 2019-11-26 | 2020-02-25 | 国网湖南省电力有限公司 | 基于大倍率放电的锂电池荷电状态估算方法 |
| CN112858913B (zh) * | 2019-11-28 | 2023-09-26 | 中国石油化工股份有限公司 | 基于可变参数一阶rc模型计算电池剩余电量的方法 |
| CN112858913A (zh) * | 2019-11-28 | 2021-05-28 | 中国石油化工股份有限公司 | 基于可变参数一阶rc模型计算电池剩余电量的方法 |
| CN111308371A (zh) * | 2019-11-29 | 2020-06-19 | 湖南海博瑞德电智控制技术有限公司 | 一种锂离子的电池荷电状态估算方法 |
| CN110907835B (zh) * | 2019-12-10 | 2020-12-11 | 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 |
| 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 |
| CN111077452A (zh) * | 2019-12-31 | 2020-04-28 | 江苏大学 | 一种基于气液动力学电池模型在线估算开路电压的方法及系统 |
| CN111077452B (zh) * | 2019-12-31 | 2022-05-20 | 江苏大学 | 一种基于气液动力学电池模型在线估算开路电压的方法及系统 |
| CN111060824B (zh) * | 2020-01-19 | 2021-08-06 | 南京航空航天大学 | 一种基于模型与算法分步融合的荷电状态估计方法 |
| CN111060824A (zh) * | 2020-01-19 | 2020-04-24 | 南京航空航天大学 | 一种基于模型与算法分步融合的荷电状态估计方法 |
| CN111428433B (zh) * | 2020-04-10 | 2021-04-09 | 湖南经研电力设计有限公司 | 基于混合滤波的锂离子电池状态计算方法 |
| CN111428433A (zh) * | 2020-04-10 | 2020-07-17 | 湖南经研电力设计有限公司 | 基于混合滤波的锂离子电池状态计算方法 |
| CN111400935A (zh) * | 2020-04-17 | 2020-07-10 | 武汉大学 | 基于似然函数的锂电池三阶模型参数辨识方法及系统 |
| CN111400935B (zh) * | 2020-04-17 | 2022-11-04 | 武汉大学 | 基于似然函数的锂电池三阶模型参数辨识方法及系统 |
| CN111624495A (zh) * | 2020-04-28 | 2020-09-04 | 合肥工业大学 | 基于深度置信网络优化ekf的锂电池soc区间估计方法和系统 |
| CN111624495B (zh) * | 2020-04-28 | 2022-08-02 | 合肥工业大学 | 基于深度置信网络优化ekf的锂电池soc区间估计方法和系统 |
| CN111426967A (zh) * | 2020-05-22 | 2020-07-17 | 枣庄职业学院 | 电池等效电路模型的参数在线实时辨识方法 |
| CN111426967B (zh) * | 2020-05-22 | 2022-07-05 | 枣庄职业学院 | 电池等效电路模型的参数在线实时辨识方法 |
| CN111596219A (zh) * | 2020-06-15 | 2020-08-28 | 国网江苏省电力有限公司经济技术研究院 | 一种储能电池组soc的估算方法 |
| CN111983467B (zh) * | 2020-08-24 | 2023-02-03 | 哈尔滨理工大学 | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 |
| CN111983467A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 |
| CN113391212B (zh) * | 2021-06-23 | 2022-05-17 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及系统 |
| CN113391212A (zh) * | 2021-06-23 | 2021-09-14 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及系统 |
| CN113466728A (zh) * | 2021-07-13 | 2021-10-01 | 北京西清能源科技有限公司 | 一种两阶段电池模型参数在线辨识的方法与系统 |
| CN113466728B (zh) * | 2021-07-13 | 2024-04-05 | 北京西清能源科技有限公司 | 一种两阶段电池模型参数在线辨识的方法与系统 |
| WO2023040486A1 (zh) * | 2021-09-17 | 2023-03-23 | 一汽奔腾轿车有限公司 | 一种新能源汽车电池管理系统sof估算方法 |
| CN113835033A (zh) * | 2021-09-17 | 2021-12-24 | 一汽奔腾轿车有限公司 | 一种新能源汽车电池管理系统sof估算方法 |
| CN113866654A (zh) * | 2021-10-22 | 2021-12-31 | 四川宽鑫科技发展有限公司 | 一种基于专有soc估算和专有均衡算法的bms结构 |
| CN113884915A (zh) * | 2021-11-11 | 2022-01-04 | 山东省科学院自动化研究所 | 用于锂离子电池荷电状态和健康状态预测的方法及系统 |
| CN114252771A (zh) * | 2021-12-13 | 2022-03-29 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN114252771B (zh) * | 2021-12-13 | 2024-05-07 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN114509677A (zh) * | 2022-01-30 | 2022-05-17 | 北京西清能源科技有限公司 | 一种电池剩余容量多因子评估方法、系统及电子设备 |
| CN116736139B (zh) * | 2023-07-13 | 2024-02-02 | 江苏果下科技有限公司 | 一种家用储能系统的soc估算方法 |
| CN116736139A (zh) * | 2023-07-13 | 2023-09-12 | 江苏果下科技有限公司 | 一种家用储能系统的soc估算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107390127A (zh) | 一种soc估算方法 | |
| CN105607009B (zh) | 一种基于动态参数模型的动力电池soc估计方法和系统 | |
| CN105116343B (zh) | 最小二乘支持向量机的动力电池电荷状态估计方法及系统 | |
| CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
| CN105093122B (zh) | 基于强跟踪自适应sqkf的应急灯电池soc估计方法 | |
| CN104535932B (zh) | 一种锂离子电池荷电状态估计方法 | |
| CN106842060A (zh) | 一种基于动态参数的动力电池soc估算方法及系统 | |
| CN103472398B (zh) | 基于扩展卡尔曼粒子滤波算法的动力电池soc估计方法 | |
| CN104793144B (zh) | 一种电池寿命快速检测方法 | |
| CN105717460B (zh) | 一种基于非线性观测器的动力电池soc估计方法和系统 | |
| CN113049962B (zh) | 一种基于lstm的储能装置运行态势推演方法 | |
| CN103744026A (zh) | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 | |
| CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
| CN104535934B (zh) | 在线前馈补偿的动力电池电荷状态估计方法与系统 | |
| CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
| CN108872866A (zh) | 一种锂离子电池荷电状态动态评估与长效预测融合方法 | |
| CN105548896A (zh) | 基于n-2rc模型的动力电池soc在线闭环估计方法 | |
| CN105116344B (zh) | 基于二进制编码的电池开路电压估算方法 | |
| CN103278777B (zh) | 一种基于动态贝叶斯网络的锂电池健康状况估计方法 | |
| CN105929338B (zh) | 一种测量电池状态的方法及其应用 | |
| CN111337832A (zh) | 一种动力电池多维度融合soc和soh在线联合估算的方法 | |
| CN107843845A (zh) | 一种动力锂离子电池soh在线估算方法 | |
| CN106585422A (zh) | 一种动力电池soh估算方法 | |
| CN106777786A (zh) | 一种锂离子电池soc估算方法 | |
| CN109358293A (zh) | 基于ipf的锂离子电池soc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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171124 |