CN102680795B - 一种二次电池内阻的实时在线估计方法 - Google Patents

一种二次电池内阻的实时在线估计方法 Download PDF

Info

Publication number
CN102680795B
CN102680795B CN201210171044.1A CN201210171044A CN102680795B CN 102680795 B CN102680795 B CN 102680795B CN 201210171044 A CN201210171044 A CN 201210171044A CN 102680795 B CN102680795 B CN 102680795B
Authority
CN
China
Prior art keywords
battery
equation
delta
tau
time
Prior art date
Application number
CN201210171044.1A
Other languages
English (en)
Other versions
CN102680795A (zh
Inventor
朱春波
王天鸶
逯仁贵
裴磊
徐石明
陈良亮
刘华锋
Original Assignee
哈尔滨工业大学
国网电力科学研究院
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 哈尔滨工业大学, 国网电力科学研究院 filed Critical 哈尔滨工业大学
Priority to CN201210171044.1A priority Critical patent/CN102680795B/zh
Publication of CN102680795A publication Critical patent/CN102680795A/zh
Application granted granted Critical
Publication of CN102680795B publication Critical patent/CN102680795B/zh

Links

Abstract

一种二次电池内阻的实时在线估计方法,属于二次电池储能系统控制技术领域。本发明的目的在于提供一种仅需能够提供电池的端电压与负载电流,而无需另增加其它辅助硬件电路的二次电池内阻的实时在线估计方法。本发明基于标准电池等效电路模型,利用扩展卡尔曼滤波器的工作原理,构建算法所需的状态方程与观测方程,将电池的开路电压(VOC),欧姆内阻(RO),极化内阻(RP),极化电流(IP)作为估计量,将实时测得的端电压(VL)、负载电流作(IL)以及两次采样的时间间隔Δt作为已知量;并根据传感器精度选取过程激励噪声协方差与测量噪声协方差,通过迭代更新,进而实时地估计出所测二次电池的欧姆内阻与极化内阻。与现有的内阻测试方法相比,本方法具有可实时在线估计,稳定性好,无需附加硬件测试电路的优点。

Description

一种二次电池内阻的实时在线估计方法

技术领域

[0001] 本发明涉及一种二次电池内阻的实时在线估计方法,属于二次电池储能系统控制技术领域。

背景技术

[0002] 二次电池的内阻作为电池的重要特性参数与其荷电状态,健康状态,温度等因素密切相关。目前二次电池的内阻检测主要有三种方法:

[0003] 1、直流法:在离线的情况下,对电池进行短时的大电池恒流放电,获得电池在此过程中的电压变化值和电流变化值数据,然后用电压变化量除以电流变化量,从得到电池内阻。此种方法获得的结果比较稳定可靠,但由于其采用离线测量方式,很难应用在如电动汽车等移动设备中,同时也无法应用于工作状态下的各系统中,而且大电流放电对电池健康状态与使用寿命亦有不良影响。此外,虽然该方法旨在测量电池的欧姆内阻,但由于其测量与计算方式的选择,无法避免极化环节中的极化内阻对测试结果产生影响。

[0004] 2、模型参数识别法:利用二次电池测试平台,对电池进行一系列的复合功率脉冲特性试验。根据标准电池模型,利用Matlab、Excel或其他具有计算功能的应用软件,在普通计算机上对所获得的不同荷电状态(SOC)下的电池复合功率脉冲特性进行拟合,从而得到在相应荷电状态下的电池模型内部各元件参数。该方法的优点在于能够较为准确并且独立的得到电池的欧姆内阻与极化内阻,但由于严格的测试规程与对测试所用平台的要求较高,该方法同样仅限于离线状态下使用。

[0005] 3、交流阻抗法:交流阻抗法是一种比较常用的电化学方法,广泛应用于二次电池的在线内阻监测中。此方法通过外加测试装置对电池施加一个固定频率的交流小电流信号,通过测得电池两端的反馈电压,计算所得电压与施加电流之比,从而得到电池的交流阻抗。该方法克服了直流法的诸多缺点,可以实现在线测量,且由于测试电流小,对电池基本无伤害。但交流法的实施同样只能应用在电池的非工作条件下,即不能实现电池使用过程中实时内阻检测。且现有的电池管理的采集模块单元能够直接获取的物理量仅为:电池的电压,电流,温度等参数。如要使用交流阻抗法,还需外加硬件电路,这会增大管理系统的体积且制造成本也将随之大大增加。

发明内容

[0006] 本发明的目的在于提供一种仅需提供电池的端电压与负载电流,而无需另增加其它辅助硬件电路的二次电池内阻(内阻包括欧姆内阻与极化内阻)的实时在线估计方法,以解决以上各方法存在的诸多不足。

[0007] 本发明为解决上述技术问题采取的技术方案是:

[0008] 本发明所述二次电池内阻的实时在线估计方法是按照以下步骤实现的:

[0009] 步骤一、根据标准电池模型的电路结构建立离散的电池状态空间模型;其中,队和込分别表示电池的外部端电压(即负载端电压)与流经电池的总电流(即流经负载的电流);ν%用来表示该电池模型内部的标准电压源(即电池开路电压),同时串联在回路中还有电池的欧姆内阻%、以及由极化内阻Rp与极化电容Cp并联组成的极化电路网络,Ip为流经Rp的极化电流;

[0010] 步骤一(一)、根据等效电路模型,分别列出卡尔曼滤波器所需状态方程与观测方程:

[0011] 状态方程为:

[0012]

[I ΙΓ^,Ί Γ 0 _

_ ^ak _ I hi O

Xk= R = I R + 0 +WW

1XP,k 1 lxPJc-1

Jp'k _ _ e Φ_ _ b,k i _ */r)/(^/r))x4,i +((1_e Λ/Γ)/(^/τ)_β ^Γ)χΙια-ι

[0013]其中:

[0014] xk = [V0Cjk R0jk RPjk Ip,k]T为状态向量Jh为过程激励噪声;

[0015] τ =RpCp为极化环节的时间常数,At为两次采样的时间间隔,k = 0,l,2,…,η,表不在第k个米样点:

[0016] 观测方程为:

[0017] zk = UL, k = h (xk,uk) +vk = Voc, k+R。, kIL, k+RP, kIP, k+vk

[0018] 其中:zk = ULjk为观测变量;vk为观测噪声;

[0019] 步骤一(二 )、根据上述状态方程与观测方程,分别计算、列写各方程所需空间矩阵;

[0020] 状态方程增益矩阵Ak:

I "

I

[0021] 4= 1

_ L-X" _

[0022] 状态方程控制变量矩阵Bk:

' O '

O

[0023] Bk= O

(I —(I —e A,/r)/(At/r))XItk +((l-e Λ,/Γ)XZi^1

4x1

[0024] 过程激励噪声增益矩阵Wk:

'I '

I

[0025] Wk 二 ι

I

[0026] 观测方程增益矩阵Hk:

[0027] Hk =-( Xit^fe5O) = I^l ILk I } Rrj J

[0028] 观测噪声增益矩阵Vk:

[0029] Vr =■—(x.j/t,0) = l

αν

[0030] 步骤二、利用扩展卡尔曼滤波器估算状态向量:

[0031] 首先,根据电池类型设定所要估计的状态向量的初始值&以及时间常数τ,令估计误差协方差的初始值匕=1,并根据传感器精度选取过程激励噪声协方差矩阵Q和观测噪声协方差矩阵R ;

[0032] 然后,依次循环计算时间更新方程组与观测更新方程组:

[0033] 时间更新方程组的计算公式为:

[0034] (I)、向前推算状态变量:

[0035] =AkXl^l+Bk

[0036] (2)、向前推算误差协方差:

[0037] Pkv^l= AkPk_LAl+Q

[0038] 观测更新方程组的计算公式为:

[0039] (I)计算扩展卡尔曼增益:

[0040] Kk = Pk丨hHJ (HkPklHHkT+!?)-1

[0041] (2)由观测变量更新估计:

[0042] Xk — Xk^k_j Kk Zk + R0.klk-Ju- + ^P.k\k-l^P,k\k-l )J

[0043] = Xkllc^l+Kk[zk (I) + (2)1^ + %-1 (3)Vi (4))_

[0044] 最后,更新误差协方差:

[0045] Pk= (I4-KkHk) Pk丨η

[0046] 式中,毛丨》:-1表不对X的先验估计,毛|表不对X的后验估计;

[0047] 步骤三、每次迭代后输出状态向量中的Rak、Rp, k作为当前状态下的欧姆内阻与极化内阻的估计结果。

[0048] 本发明的有益效果是:

[0049] 本发明实现了在储能系统的工作过程中,实时测得二次电池的端电压与工作电流,本发明基于标准电池等效电路模型,利用扩展卡尔曼滤波器的工作原理,构建算法所需的状态方程与观测方程,将电池的开路电压(Vre),欧姆内阻00,极化内阻(Rp),极化电流(Ip)作为估计量,将实时测得的端电压(')、负载电流(I)以及两次采样的时间间隔At作为已知量;并根据传感器精度选取过程激励噪声协方差与测量噪声协方差,通过迭代更新,进而实时地估计出所测二次电池的欧姆内阻与极化内阻。与现有的内阻测试方法相比,本方法具有可实时在线估计,稳定性好,无需附加硬件测试电路的优点。

[0050] 本方法不仅能够实现对工作状态下的电池进行实时在线的内阻检测,且在整个估算过程中,仅需提供电池的端电压与负载电流,而无需另增加其它辅助硬件电路。本方法具有使用方便且不增加系统体积与成本的显著优点。本发明可应用在可再生能源、大规模储能以及电动汽车等以二次电池作为储能装置的系统中。

附图说明

[0051] 图1为本发明方法所使用的二次电池等效电路模型;

[0052] 图2为本发明所涉及的扩展卡尔曼滤波工作原理图;

[0053] 图3为电动汽车用二次电池的工况循环实验;图3中横坐标表示时间,单位是秒(s);左侧纵坐标表示电流,单位是安培(A);右侧纵坐标表示电压,单位是伏特(V)。

[0054] 图4为在工况下,二次电池的欧姆内阻与极化内阻的实时在线估计结果,并与模型参数识别法在离线条件下所测得结果进行对比;图4横坐标表示电池的荷电状态(SOC);纵坐标表示阻值(R),单位是欧姆(Ω);图中实线表示利用本发明方法得到的电池欧姆内阻值,虚线表示利用本发明方法得到的电池极化内阻值,圆圈符号表示利用模型参数识别法得到的电池欧姆内阻值,三角形符号表示利用模型参数识别法得到的电池极化内阻值。

具体实施方式

[0055] 具体实施方式一:如图1〜2所示,本实施方式所述的一种二次电池内阻的实时在线估计方法是按照以下步骤实现的:

[0056] 步骤一、根据标准电池模型的电路结构建立离散的电池状态空间模型;其中,队和込分别表示电池的外部端电压(即负载端电压)与流经电池的总电流(即流经负载的电流)用来表示该电池模型内部的标准电压源(即电池开路电压),同时串联在回路中还有电池的欧姆内阻%、以及由极化内阻Rp与极化电容Cp并联组成的极化电路网络,Ip为流经Rp的极化电流;

[0057] 步骤一(一)、根据等效电路模型,分别列出卡尔曼滤波器所需状态方程与观测方程:

[0058] 状态方程为:

[0059]

■^1 [I IpW1] Γ 0 '

Ra, — I h °

X「R — i R+ O +M“

IYpji I PJc-1

Jpjc _ _ e %τ _ _ I pm _ (1-(1-e ¥)/(〜斤)卜/“+((I—e ^,r)/(A//r)-e

[0060]其中:

[0061] xk = [V0Cjk R0jk RPjk Ip,k]T为状态向量为过程激励噪声;

[0062] τ = RpCp为极化环节的时间常数,△ t为两次采样的时间间隔,k = O, 1,2,…,η,表不在第k个米样点:

[0063] 观测方程为:

[0064] zk = UL, k = h (xk,uk) +vk = Voc, k+R。, kIL, k+RP, kIP, k+vk

[0065] 其中:zk = Uu为观测变量;vk为观测噪声;

[0066] 步骤一(二 )、根据上述状态方程与观测方程,分别计算、列写各方程所需空间矩阵;

[0067] 状态方程增益矩阵Ak: 'I "

I

[0068] Ak =

I

e-M/7

[0069] 状态方程控制变量矩阵Bk:

' O ~

O

[0070] Bk = O

Ar/ry(Atfr)^xI1 k +(^l-e )/(Ai/r)-e.)χ/ζ,η

4x1

[0071] 过程激励噪声增益矩阵Wk:

'I '

[0072] Wk = 1 ι

I

[0073] 观测方程增益矩阵Hk:

[0074]札=g(XA,0) = [l IL,t I i^]

[0075] 观测噪声增益矩阵Vk:

[0076] Vk=—{xk,ut,0) = l

αν

[0077] 步骤二、利用扩展卡尔曼滤波器估算状态向量:

[0078] 首先,根据电池类型,设定所要估计的状态向量的初始值&以及时间常数τ ;设定估计误差协方差的初始值匕=I ;并根据电压、电流传感器的精度,选取过程激励噪声协方差矩阵Q和观测噪声协方差矩阵R ;

[0079] 然后,依次循环计算时间更新方程组与观测更新方程组:

[0080] 时间更新方程组的计算公式为:

[0081] (I)、向前推算状态变量:

[0082] Xk^l = AkXk^Bi

[0083] (2)、向前推算误差协方差:

[0084] Pklli^l = AkPk^Al+Q

[0085] 观测更新方程组的计算公式为:

[0086] (I)计算扩展卡尔曼增益:

[0087] Kk = Pklk^1Hk1 (HkPk|k-!HkT+R)

[0088] (2)由观测变量更新估计:

[0089] Xk — xk^_4 + Kjc Zk _(f,ocj' + ^o,k\k-l^L,k + 灸P.k\k—lhl )j

[0090] = Vi+^ l_Zk -(¾^ (1) + 41-1 (2)7i1- + (3)¾-! (4))_

[0091] 最后,更新误差协方差:

[0092] Pk= (I4-KkHk) Pk丨η

[0093] 式中,ft|t—ί表不对X的先验估计,毛|表不对X的后验估计;

[0094] 步骤三、每次迭代后输出状态向量中的Rak、Rp, k作为当前状态下的欧姆内阻与极化内阻的估计结果。

[0095] 在实验平台上,实时在线采集并记录电池的工作电压与电流来获得的离散采样点。在计算机上,应用matlab软件编写如具体实施方式一中所述的算法流程,将采集的数据代入程序中,分别得到电池的欧姆内阻与极化内阻。

[0096] 本发明方法不仅适用于在实验平台上采集,还适用于电池管理单元,电压表,电流表,电压传感器,电流传感器等可以在线地采集并记录负载电压、电流的硬件设备。

[0097] 本发明方法可以计算机上,用特定软件处理数据,编写算法。也可在有同样功能的各类微处理器,以及以各类微处理器作为控制中心的单元模块或管理系统中实时进行数据处理。

[0098] 实施例:

[0099] 第一步:对于相同的实验数据,在Matlab计算环境下运行本发明的具体方式与在实际车辆上依托电池管理单元进行二次电池欧姆内阻与极化内阻估计的具体方式,所得的效果一致。本发明在计算机环境下,应用Matlab软件,将上述迭代算法编写为Matlab程序。

[0100] 第二步:进行实验的二次电池为锂离子电池单体,其容量为5Ah,充放电截止电压分别为3.65V与2.5V。将该二次电池置于实验平台中,运行模拟工况,采集并记录二次电池负载端的电压和电流。利用安时累加,计算出记录时间对应的电池的荷电状态。实验过程中的实测电压、电流如图3所示。

[0101] 第三步:将第二步中实验所得的离散的电压、电流与采样间隔代入到已编写好的程序中,从而得到整个工况实验过程中的二次电池的内阻值(欧姆内阻Ra k、极化内阻Rp,k)。将所得内阻值与荷电状态值一一对应,并与模型参数识别法(背景技术中的传统方法2)在离线条件下所测得结果(欧姆内阻RaHPrc、极化内阻RP,HPrc)进行对比,如图4所示,实验效果表明预测值稳定性高,效果好。

Claims (1)

1.一种二次电池内阻的实时在线估计方法,其特征在于:所述方法是按照以下步骤实现的: 步骤一、根据标准电池模型的电路结构建立离散的电池状态空间模型;其中,队和込分别表示电池的外部端电压与流经电池的总电流,且队和込为实时测量的已知量;vre用来表示该电池模型内部的标准电压源,同时串联在回路中还有电池的欧姆内阻Re、以及由极化内阻Rp与极化电容Cp并联组成的极化电路网络,Ip为流经Rp的极化电流; 步骤一(一)、根据等效电路模型,分别列出卡尔曼滤波器所需状态方程与观测方程: 状态方程为:Ί「I Ί「 0 Ί vOCyU 1 yOC,k-\_ Ra, _ I ^ ° 丄Xp 一 τ-ν 一 "f- r\ + yVt, ί % I ^p,k-1 0 λ:」L [(1-(1-,)/(.))〜+((1-^ 其中: Xk = [V0C’k Rak Rp,k Ip’k] T为状态向量;Wh为过程激励噪声;τ = RpCp为极化环节的时间常数,At为两次采样的时间间隔,k = O, I, 2,…,n,表示在第k个采样点; 观测方程为: zk = UL’k = h(xk, uk) +vk = V0C;k+R0;kIL;k+Rp;kIp;k+vk 其中:zk = UL’k为观测变量;vk为观测噪声; 步骤一(二)、根据上述状态方程与观测方程,分别计算、列写各方程所需空间矩阵; 状态方程增益矩阵Ak: "I ' I Ak = k I e-_ 状态方程控制变童矩阵Bk:" O " O O 过程激励噪声增益矩阵Wk: 'I " I Wk = 1 I 观测方程增益矩阵Hk: H =—(.vA.//,,0) = [l I Ι,Λ ΚΡΛ] 观测噪声增益矩阵Vk: 7)h.1I =-5(("/,,0)=丨 步骤二、利用扩展卡尔曼滤波器估算状态向量: 首先,根据电池类型设定所要估计的状态向量的初始值Xtl以及时间常数τ,令估计误差协方差的初始值Ptl = 1,并根据传感器精度选取过程激励噪声协方差矩阵Q和观测噪声协方差矩阵R ; 然后,依次循环计算时间更新方程组与观测更新方程组: 时间更新方程组的计算公式为: (1)向前推算状态变量: Vi =αλ +β, (2)、向前推算误差协方差: Pkll^l =AkPk_X+O 观测更新方程组的计算公式为: (1)计算扩展卡尔曼增益: (2)由观测变量更新估计: ~ ^k\k-l + Kk Zk oc k + ΐ^ο'ΐφ—Ίΐί + ^P,k\k-JP,k\k-1 ) =ί + Kk Zk — (⑴ + Xk\k^i (2) Zl1.+ (-3)¾-! (4))_ 最后,更新误差协方差: Pk 一(IfKkHk)PkIH 式中I表不对X的先验估计,Xk表不对X的后验估计; 步骤三、每次迭代后输出状态向量中的Rak、Rp,k作为当前状态下的欧姆内阻与极化内阻的估计结果。
CN201210171044.1A 2012-05-29 2012-05-29 一种二次电池内阻的实时在线估计方法 CN102680795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210171044.1A CN102680795B (zh) 2012-05-29 2012-05-29 一种二次电池内阻的实时在线估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210171044.1A CN102680795B (zh) 2012-05-29 2012-05-29 一种二次电池内阻的实时在线估计方法

Publications (2)

Publication Number Publication Date
CN102680795A CN102680795A (zh) 2012-09-19
CN102680795B true CN102680795B (zh) 2014-11-05

Family

ID=46813027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210171044.1A CN102680795B (zh) 2012-05-29 2012-05-29 一种二次电池内阻的实时在线估计方法

Country Status (1)

Country Link
CN (1) CN102680795B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9132745B1 (en) * 2014-03-17 2015-09-15 Ford Global Technologies, Llc Frequency based battery model parameter estimation
CN104034967A (zh) * 2014-06-05 2014-09-10 浙江工业大学 一种快速、精确检测二次电池内阻的方法
CN104007395B (zh) * 2014-06-11 2016-08-24 北京交通大学 锂离子电池荷电状态与参数自适应联合估计方法
CN106716158B (zh) * 2014-06-11 2019-05-17 北京交通大学 电池荷电状态估算方法和装置
EP3002598B1 (en) * 2014-10-03 2019-08-14 Volvo Car Corporation Method and system for determining an operation condition of an energy storage device
CN104267261B (zh) * 2014-10-29 2017-02-15 哈尔滨工业大学 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法
CN106896273A (zh) * 2015-12-18 2017-06-27 北汽福田汽车股份有限公司 电池单体的内阻检测方法、检测装置及具有其的车辆
CN106451643A (zh) * 2016-10-28 2017-02-22 四川普力科技有限公司 电能源管理系统及其方法
CN106501736B (zh) * 2017-01-04 2019-08-09 山东谦恒电子科技有限公司 电池内阻估算方法及装置
CN107238803B (zh) * 2017-07-10 2019-11-01 安徽锐能科技有限公司 用于估计电池soe的方法和计算机可读存储介质
CN108020791A (zh) * 2017-12-04 2018-05-11 上海海事大学 一种混合动力船舶磷酸铁锂动力电池组荷电状态估计方法
CN108459277B (zh) * 2018-05-03 2020-11-10 北京新能源汽车股份有限公司 一种电气连接内阻的获取方法、装置及测量设备
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
CN110265745A (zh) * 2019-05-24 2019-09-20 北京航空航天大学 一种锂离子电池系统对流换热过程的温度控制策略
CN111736082B (zh) * 2020-08-24 2020-11-13 杭州华塑加达网络科技有限公司 一种交流阻抗谱测试方法、装置及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103185865A (zh) * 2011-12-31 2013-07-03 陕西汽车集团有限责任公司 运用ekf对电动汽车锂离子电池soc闭环实时估算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5073601B2 (ja) * 2008-07-10 2012-11-14 住友電気工業株式会社 Battery state estimation method and power supply device

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103185865A (zh) * 2011-12-31 2013-07-03 陕西汽车集团有限责任公司 运用ekf对电动汽车锂离子电池soc闭环实时估算法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Dinh Vinh Do,Christophe Forgez,Khadija El Kadri Benkara.Impedance Observer for a Li-Ion Battery Using Kalman Filter.《IEEE Transactions on Vehicular Technology》.2009,第58卷(第8期),3930-3937. *
Impedance Observer for a Li-Ion Battery Using Kalman Filter;Dinh Vinh Do,Christophe Forgez,Khadija El Kadri Benkara;《IEEE Transactions on Vehicular Technology》;20091031;第58卷(第8期);3930-3937 *
Jonghoon Kim,B.H.Cho.State-of-Charge Estimation and State-of-Health Prediction of a Li-Ion Degraded Battery Based on an EKF Combined With a Per-Unit System.《IEEE Transactions on Vehicular Technology》.2011,第60卷(第9期),4249-4260. *
JP特开2010-19705A 2010.01.28 *
State-of-Charge Estimation and State-of-Health Prediction of a Li-Ion Degraded Battery Based on an EKF Combined With a Per-Unit System;Jonghoon Kim,B.H.Cho;《IEEE Transactions on Vehicular Technology》;20111130;第60卷(第9期);4249-4260 *
戴海峰,魏学哲,孙泽昌.基于扩展卡尔曼滤波算法的燃料电池车用锂离子动力电池荷电状态估计.《机械工程学报》.2007,第43卷(第2期),92-95,103. *
魏学哲,陈金干,李佳.应用双卡尔曼滤波算法估计燃料电池欧姆内阻.《电源技术》.2009,第33卷(第5期),359-362. *

Also Published As

Publication number Publication date
CN102680795A (zh) 2012-09-19

Similar Documents

Publication Publication Date Title
Wei et al. Enhanced online model identification and state of charge estimation for lithium-ion battery with a FBCRLS based observer
Tian et al. A modified model based state of charge estimation of power lithium-ion batteries using unscented Kalman filter
Dong et al. A method for state of energy estimation of lithium-ion batteries based on neural network model
JP6789240B2 (ja) Methods and Devices for Determining the Health and Charge Status of Lithium-Sulfur Batteries
Sun et al. A novel dual-scale cell state-of-charge estimation approach for series-connected battery pack used in electric vehicles
CN105277898B (zh) 一种电池荷电状态的检测方法
Xiong et al. A data-driven multi-scale extended Kalman filtering based parameter and state estimation approach of lithium-ion polymer battery in electric vehicles
CN106054084B (zh) 一种动力电池soc估计方法
CN103675706B (zh) 一种动力电池电荷量估算方法
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
Xia et al. A novel method for state of charge estimation of lithium-ion batteries using a nonlinear observer
Cao et al. Multi-timescale parametric electrical battery model for use in dynamic electric vehicle simulations
He et al. Online estimation of model parameters and state-of-charge of LiFePO4 batteries in electric vehicles
TWI519804B (zh) 電池充電狀態之估計設備及方法
Zhang et al. Estimation of battery state of charge with $ H_ {\infty} $ observer: applied to a robot for inspecting power transmission lines
CN102645637B (zh) 一种均衡电池的soc估算方法
Chiang et al. Online estimation of internal resistance and open-circuit voltage of lithium-ion batteries in electric vehicles
Liu et al. A new method of modeling and state of charge estimation of the battery
CN104502858B (zh) 基于后向差分离散模型的动力电池soc估计方法与系统
Dai et al. Online cell SOC estimation of Li-ion battery packs using a dual time-scale Kalman filtering for EV applications
CN102062841B (zh) 动力电池荷电状态的估测方法及系统
CN103250066B (zh) 感测电池容量的系统和方法
Wang et al. A method for state-of-charge estimation of LiFePO4 batteries at dynamic currents and temperatures using particle filter
Deng et al. Online available capacity prediction and state of charge estimation based on advanced data-driven algorithms for lithium iron phosphate battery
Murnane et al. A closer look at state of charge (SOC) and state of health (SOH) estimation techniques for batteries

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
C53 Correction of patent for invention or patent application
ASS Succession or assignment of patent right

Owner name: STATE GRID ELECTRIC POWER RESEARCH INSITITUTE

Effective date: 20131114

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: ZHU CHUNBO WANG TIANSI LU RENGUI PEI LEI TO: ZHU CHUNBO WANG TIANSI LU RENGUI PEI LEI XU SHIMING CHEN LIANGLIANG LIU HUAFENG

TA01 Transfer of patent application right

Effective date of registration: 20131114

Address after: 150001 Harbin, Nangang, West District, large straight street, No. 92

Applicant after: Harbin Institute of Technology

Applicant after: State Grid Electric Power Research Insititute

Address before: 150001 Harbin, Nangang, West District, large straight street, No. 92

Applicant before: Harbin Institute of Technology

CB03 Change of inventor or designer information

Inventor after: Zhu Chunbo

Inventor after: Wang Tiansi

Inventor after: Dai Rengui

Inventor after: Pei Lei

Inventor after: Xu Shiming

Inventor after: Chen Liangliang

Inventor after: Liu Huafeng

Inventor before: Zhu Chunbo

Inventor before: Wang Tiansi

Inventor before: Dai Rengui

Inventor before: Pei Lei

C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141105

Termination date: 20170529

CF01 Termination of patent right due to non-payment of annual fee