CN103197256B - 锂离子电池soc估计方法 - Google Patents
锂离子电池soc估计方法 Download PDFInfo
- Publication number
- CN103197256B CN103197256B CN201310115517.0A CN201310115517A CN103197256B CN 103197256 B CN103197256 B CN 103197256B CN 201310115517 A CN201310115517 A CN 201310115517A CN 103197256 B CN103197256 B CN 103197256B
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- charge
- data
- real
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 31
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000003321 amplification Effects 0.000 claims 1
- 238000003199 nucleic acid amplification method Methods 0.000 claims 1
- 238000007600 charging Methods 0.000 abstract description 15
- 238000007599 discharging Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000002474 experimental method Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000010278 pulse charging Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
一种锂离子电池SOC估计方法，属于电池检测领域。本发明的目的是提供一种准确、实时、高效的对锂离子电池组的各种状态（每块电池的端电压、充放电电流和电池的表面温度）进行实时监测，并且及时准确的对实体电池的荷电状态（SOC）进行估计的锂离子电池SOC估计方法。本发明是基于xPC？Target的硬件在环仿真平台，对实体动力电池荷电状态估计；具体步骤如下：a、数据采集部分、目标机、宿主机。本发明比现有估算方法更加能够准确、实时、高效的对锂离子电池组的各种状态（每块电池的端电压、充放电电流和电池的表面温度）进行实时监测，使电动汽车动力电池组更加能够达到理想的效果，为现有电动汽车的发展起到关键性作用，也为环保做出卓越贡献。
Description
技术领域
本发明属于电池检测领域。
背景技术
随着空气污染的加剧和石油价格的上升，电动汽车凭借其清洁、安全、高效等各种优点进入人们的视野。动力电池组是电动汽车区别于传统动力汽车的非常重要的一部分，而电池管理系统的水平在很大程度上决定了动力电池组的性能。因此，一个实时、高效的电池管理系统是非常重要的。
动力电池是纯电动汽车的唯一能源，它除了供给汽车驱动行驶所需电能外，也是汽车上各种辅助装置的工作电源。动力电池的各项性能指标很大程度地决定了汽车的行驶性能，如纯电动汽车的续驶里程和加速和爬坡动力性能等。为了提高动力电池的使用效率和使用寿命需要有强大的动力电池管理系统。
电动车电池管理系统（BatteryManagementSystem，BMS）主要包括电池的荷电状态（SOC）估计、动态监测动力电池组的工作状态、和有效的电池均衡。
电池荷电状态（SOC）用来表征电池的剩余电量，即剩余电量与额定容量的百分比。电池荷电状态（SOC）不能直接从电池本身获得，只能通过测量电池组的外特性参数（如电压、电流、温度等）间接估计得到。电动汽车动力电池在使用过程中，由于内部复杂的电化学反应，导致电池特性体现出高度的非线性，使准确估计电池荷电状态（SOC）具有很大难度。
锂离子电池相对于传统的电动汽车动力电池，在性能上具有单体电池能量比高、循环寿命长、荷电保持能力强、环境污染低、适应温度范围广等优点，锂离子电池已经发展成为最具竞争力的动力电池。
在动力电池管理系统中制约系统发展的瓶颈之一是实时准确的估计电池的荷电状态，但是单纯的软件仿真，使用电池模型来代表实体电池忽略了电池充放电过程的噪声、电池之间工艺的差异、电池老化的影响，与实际系统之间存在着很大的差异，因此寻找一种优化的研究电池荷电状态（SOC）估计的方法可以缩短锂离子电池荷电状态（SOC）估计方法研究实车实现的周期。
发明内容
本发明的目的是提供一种准确、实时、高效的对锂离子电池组的各种状态（每块电池的端电压、充放电电流和电池的表面温度）进行实时监测，并且及时准确的对实体电池的荷电状态（SOC）进行估计的锂离子电池SOC估计方法。
本发明是基于xPCTarget的硬件在环仿真平台，对实体动力电池荷电状态估计；具体步骤如下：
a、数据采集部分：通过电流传感器、电压传感器和温度传感器对电池的电流、电压、温度参数进行采集，使用硬件滤波器对采集到的数据进行滤波；
b、目标机：滤波之后的信号通过AD板卡输入到目标机实时内核进行处理，实时内核获取电池的电流、电压和温度信息，根据下载好的模型对数据进行处理，得到锂离子电池荷电状态值；进而根据需要对电池的各种参数以及估算结果进行实时显示，把采集数据和处理数据传输给宿主机存储以进行后期处理；
c、宿主机：是搭建锂离子电池荷电状态估计模型并下载到目标机中运行；控制目标机数据采集和数据处理的运行，控制整个系统的启停；存储实时运行数据并在停止运行后进行数据保存和处理。
本发明比现有估算方法更加能够准确、实时、高效的对锂离子电池组的各种状态（每块电池的端电压、充放电电流和电池的表面温度）进行实时监测，使电动汽车动力电池组更加能够达到理想的效果，为现有电动汽车的发展起到关键性作用，也为环保做出卓越贡献。
附图说明
图1是本发明工作流程图；
图2是本发明串联电池组测量单体电池电压的电路图；
图3是本发明四阶巴特沃斯低通滤波器电路图；
图4是本发明电池等效电路模型图；
图5是本发明搭建的基于自适应Kalman滤波器的SOC估计Simulink框图；
图6是本发明制作目标启动盘第一步显示图；
图7是本发明制作目标启动盘第二步显示图；
图8是本发明制作目标启动盘第三步显示图；
图9是本发明宿主机和目标机连接成功之后目标机界面图；
图10是本发明锂离子电池开路电压和电池荷电状态（SOC）关系图；
图11是本发明仿真过程中电池组总电压变化图和电池荷电状态变化图；
图12是本发明四节电池端电压随时间变化图；
图13是本发明流经电池的电量和充电电流随时间变化图。
具体实施方式
本发明是基于xPCTarget的硬件在环仿真平台，对实体动力电池荷电状态估计；具体步骤如下：
a、数据采集部分：通过电流传感器、电压传感器和温度传感器对电池的电流、电压、温度参数进行采集，使用硬件滤波器对采集到的数据进行滤波；
b、目标机：滤波之后的信号通过AD板卡输入到目标机实时内核进行处理，实时内核获取电池的电流、电压和温度信息，根据下载好的模型对数据进行处理，得到锂离子电池荷电状态值；进而根据需要对电池的各种参数以及估算结果进行实时显示，把采集数据和处理数据传输给宿主机存储以进行后期处理；
c、宿主机：是搭建锂离子电池荷电状态估计模型并下载到目标机中运行；控制目标机数据采集和数据处理的运行，控制整个系统的启停；存储实时运行数据并在停止运行后进行数据保存和处理。
以下结合附图对本发明做进一步说明：
本发明整个系统工作过程如图1所示，主要可以分为三个部分，首先是数据采集部分、第二部分是目标机、第三部分是宿主机。
第一部分数据采集部分：包括基于传感器的数据采集和对相关信号的滤波。由于锂离子电池的荷电状态（SOC）值是通过根据电池的电流、电压、温度等参数进行估计得到的，因此在数据采集过程中需要通过电流传感器、电压传感器和温度传感器对相应的数据进行采集。为了消除数据采集过程中的噪声，在传感器之后需要使用硬件滤波器对采集到的数据进行滤波。滤波之后的信号再通过AD板卡输入到目标机进行处理。
第二部分是目标机：由AD板卡采集进来的信息进入目标机实时内核进行处理。实时内核获取电池的电流、电压和温度信息，根据下载好的模型对数据进行处理，得到锂离子电池荷电状态（SOC）值。进而根据需要对电池的各种参数以及估算结果进行实时显示，把采集数据和处理数据传输给宿主机存储以进行后期处理。
第三部分是宿主机：宿主机的作用是搭建锂离子电池荷电状态（SOC）估计模型并下载到目标机中运行；控制目标机数据采集和数据处理的运行，控制整个系统的启停；存储实时运行数据并在停止运行后进行数据保存和处理。
本发明提供了一套基于以上运行原理和运行过程的装置。即基于xPCTarget的硬件在环锂离子电池荷电状态（SOC）估计试验台。搭建以及运行过程如下：
1、硬件选择
宿主机选用IntelcoreCPUE66003.06GHzCPU4G内存的研华IPC-610工控机，用于Simulik模型的搭建、管理和运行监控等。目标机选用IntelcoreCPUE55002.8GHzCPU2G内存的研华IPC-610工控机，装有数据采集卡，用于运行xPCTarget实时内核。宿主机和目标机都装有xPCTarget环境兼容的I82559网卡。
充放电机选用的是得康蓄电池修复仪有限公司生产的SF-100蓄电池修复仪，SF-100是一款针对6V、12V、16V蓄电池进行充电、高精度放电容量测试、脉冲修复为一体的专业多功能蓄电池修复仪。其主要技术指标如下：放电电流为0.5~10A恒流可调，每档调节幅度为0.1A;放电终止电压为2~18V可调，每档调节幅度为0.1V;充电电流为0.5~5A可调，每档调节幅度0.1A;充电电压为7.3~23V可调，每档调节幅度为0.5V;具有极性保护，防极性反接保护功能。
本发明的系统采用研华公司的PCL-818LA/D板卡。其主要技术指标如下：总线类型为PCI总线;有一个自动通道增益/扫描电路，可控制采样期间多路开关的切换;每个输入通道的增益可编程，卡上带有SRAM，可存储不同通道的增益值;使用DMA数据传输功能来完成多通道的高速采样;采样速率为40kHz;模拟量输入通道数：16路单端或8路差分;模拟输入分辨率为12bit;I/O通道数:16路输入，16路输出;模拟量输入范围（VDC）可通过软件选择，双极性可选±0.625V、±1.25V、±2.5、±5V、±10V，单极性可选0~1.25V、0~2.5V、0~5V、0~10V。该板卡插在下位机的PCL插槽上，在本系统中选用16路单端及±5V双极性模拟输入，通过板卡自带的驱动程序设置好基地址及相关参数与系统进行数据通信。
2、电路设计
单体电池电压采样电路如图2所示。本仿真系统所选用研究对象为由若干单体电池串联组成的电池组，因此无法直接测量各单体电池的端电压，必须使用一定的采样电路才能分离出其端电压，这里采用的是由线性运算放大器组成的线性采样电路，该电路根据串联电池组总电压的大小，选择适当的放大倍数，无须电阻分压网络或改变地电位，就可以直接测量任意一只电池单体的电压。经过采样电路后的输出电压为：
（1）
取，。则蓄电池Bn经采样电路变换后的电压为：，即输出电压就是单体电池的端电压。由于是线性电路，因此可以快速跟踪所测电池电压的变化。由于电池内阻很小，而该采样电路输入阻抗很大，经处理器校正后，测量精度可达到0.25%。该采样电路具有很好的可扩展性能，选择适当的Rn1~Rn5值，可测量标称值电压是6V、12V的电池，因此适用于各种蓄电池的在线监测。
例如：图2中所示B1~Bn为n节单体电池串联所组成的电池组，每节电池电压测量的电路相同，下面以第n节电池为例说明测量方法。蓄电池Bn的端电压，据图可计算出经过采样电路后的输出电压为：
取，。则蓄电池Bn经采样电路变换后的电压为：，即输出电压就是单体电池Bn的端电压。
滤波电路如图3所示，为四阶巴特沃斯（Butterworth）低通滤波器，采用两个二阶低通滤波器串联构成四阶低通滤波器。图中使用的芯片为LM324，一个芯片即可实现四阶巴特沃斯滤波器，其中R1和C2、R2和C1、R3和C4、R4和C3为四阶滤波器。
巴特沃斯（Butterworth）响应在通带内频率响应平坦且无峰值，而且容易实现，故本发明选用巴特沃斯（Butterworth）低通滤波器。为了增加过渡带信号衰减倍率，这里采用两个二阶低通滤波器的串联的方式构成四阶低通滤波器。这种电路的优点是性能稳定，增益容易调整。该滤波电路的截止频率的计算公式为：
(2)
电容电阻的选定方法：先选定电容的标称值，再根据所需截止频率计算出电阻值大小，在精确度要求不高的情况下，可根据电阻的标称值适当近似，得到图3中所示电容、电阻的值，经计算及OrCAD仿真软件仿真得出该电路通频带带宽约为45Hz，截止频率约为72Hz，过渡带宽约为60Hz。
3、配置xPCTarget实时系统
制作目标启动盘，设置方法如图6、图7、图8所示，设置完成后，选择启动盘存储位置就可以生成启动盘，然后在选择目录下将生成文件拷贝到目标机中，启动文件在目标机中一定要存放在根目录下，否则在DOS系统下不能启动。
配置宿主机、目标机通信环境，目标机中IP设置与制作启动盘时设置的IP及各种参数是完全相同的，宿主机中各种参数与目标机相同，只是IP值最后一位与目标机相邻，设置好通信环境之后就可以连接宿主机和目标机联机开始调试。
在Matlab中首先打开xPCTarget运行界面，然后进行宿主机和目标机的连接，连接好之后目标机显示界面如图9所示，系统运行时，先打开宿主机，运行Matlab，然后进入xPCTarget运行界面；打开目标机，在DOS环境下运行实时内核。在宿主机中的xPCTarget界面下链接目标机，连接成功后目标机显示如图9所示，其中左上角为运行参数、右上角为连接参数、主界面为运行过程曲线显示。接下来就可以下载模型并运行系统。
4、仿真模型搭建
xPCTarget中使用的系统模型主要包括AD板卡接口、电池荷电状态（SOC）估计模块、示波器和数据存储模块。其中AD板卡接口主要用于接收由AD板卡读取的数据，并用于后续处理；电池荷电状态（SOC）估计模块为基于各种估计方法，使用AD接口模块将接收到的数据进行处理后估计电池的荷电状态（SOC）值以及各种参数；示波器为各种参数和估计值的显示模块，用于在目标机中显示各种相关曲线；数据存储模块主要用于相关数据的存储，以便仿真结束后对数据进行后续处理，保存好的数据可以转换成通用的其他软件可以处理的数据。经过以上步骤就完成了基于xPCTarget的硬件在环台架搭建。
5、实验验证
本实验采用4节3.2Ah锂离子电池串联作为研究对象，进行建立模型、参数辨识、搭建估计器和硬件在环实验。
建立模型
本实验中选用的电池模型为如图4所示的等效电路模型，模型中Cb为表示电池容量的大电容，电压Vb为电池的开路电压，电阻Rd和电容Cd组成的RC网络用来表示电池的极化现象，Ri表示电池的内阻，Vo为电池的端电压，即在电池充放电的时候所测量到的电压值。根据图4所示的等效电路模型，可以得到以下方程：
（3）
（4）
结合锂离子电池开路电压和电池荷电状态（SOC）的关系，将电池荷电状态（SOC）作为状态变量引入电池的连续的状态空间模型，由图10得到锂离子电池开路电压与SOC的关系,其中横轴为电池的荷电状态（SOC）值，纵轴为电池的开路电压。从图中可以看出随着电池荷电状态的增加，开路电压的值单调上升。在计算过程中通常把两者之前间的关系近似成一次函数。但是，它们的关系可近似看成是分段线性的，因此，此处为简化计算，近似得到二者的线性表达式，如式（5）所示
（5）
其中，Soc表示锂离子电池荷电状态（SOC）值；系数k和系数d随着电池荷电状态（SOC）和温度的变化而变化的，且系数k和系数d不为零。通过（5）式将Soc引入锂离子电池状态空间模型（3）与（4）中，得到模型式（6）与（7）
（6）
（7）
参数辨识
使用脉冲放电实验法对实验所使用的锂离子电池进行参数辨识之后得到相关参数为：.
搭建估计器
AD板卡接口模块选择相应的接口模块，就可以读取所接受的数据；估计算法为自适应Kalman滤波算法；所使用的示波器用来显示各单体电池的电压、电池总电压、电池荷电状态（SOC）值和电池充放电电量，数据存储模块存储数据与示波器显示数据相同。所搭建的Simulink模型如图5所示,其中可以分为四个部分：AD板卡接口、电池荷电状态（SOC）估计模块、示波器和数据存储模块。AD板卡模块即battery_PCL_818L，其中型号与目标机中插的板卡型号是相同的；电池荷电状态估计模块为EKF，其中所使用的是自适应kalman滤波算法，用来根据电池的电压、电流和温度估计电池的荷电状态，battery_mAh为使用AH法对电池充电或放电电量进行估计，用来检测AKF算法；示波器为TargetScope用来对相应数据进行实时显示；数据存储模块为FileScope用来存储相关数据，以便系统运行结束之后对数据进行后续处理。
硬件在环实验
基于搭建的xPCTarget硬件在环仿真平台，对电池进行充电实验，充电电流为1.6A。经过以上实验，本发明搭建的基于xPCTarget的硬件在环仿真平台可以很好地对锂离子电池的荷电状态（SOC）估计方法进行研究。实验结果如图11、图12、图13所示。
图11为仿真过程中电池组总电压变化图和电池荷电状态变化图。其中在电池组总电压变化图中可以看出测量值在充电的时候电压相对较高，静置的时候电压稍有降低显示为开路电压值；估算值对测量值经过处理，结果相对平均，变化平缓，随着充电的进行，电池的荷电状态逐渐增加。
图12为四节电池端电压随时间变化图。随着充电的进行四节电池的电压都在上升。
图13为流经电池的电量和充电电流随时间变化图。其中流经电池的电量是试用AH法计算得到的；充电电流为脉冲充电。
综上，本发明主要是使用基于xPCTarget的硬件在环仿真技术对锂离子电池荷电状态（SOC）估计方法进行研究。本发明主要包括数据采集模块对电池的各种参数进行采集和滤波；目标机模块对电池的各种状态进行实时显示并对电池荷电状态进行估计；宿主机模块搭建估计模型和控制实验的运行。
Claims (1)
1.一种锂离子电池SOC估计方法，其特征在于：基于xPCTarget的硬件在环仿真平台，对实体动力电池荷电状态估计；平台包括：
a、数据采集部分：通过电流传感器、电压传感器和温度传感器对电池的电流、电压、温度参数进行采集，使用硬件滤波器对采集到的数据进行滤波；
b、目标机：滤波之后的信号通过AD板卡输入到目标机实时内核进行处理，实时内核获取电池的电流、电压和温度信息，根据下载好的模型对数据进行处理，得到锂离子电池荷电状态值；进而根据需要对电池的各种参数以及估算结果进行实时显示，把采集数据和处理数据传输给宿主机存储以进行后期处理；
c、宿主机：搭建锂离子电池荷电状态估计模型并下载到目标机中运行；控制目标机数据采集和数据处理的运行，控制整个系统的启停；存储实时运行数据并在停止运行后进行数据保存和处理；
平台搭建及运行过程如下：
①硬件选择：宿主机选用IntelcoreCPUE66003.06GHzCPU4G内存的研华IPC-610工控机，目标机选用IntelcoreCPUE55002.8GHzCPU2G内存的研华IPC-610工控机，目标机装有数据采集卡，宿主机和目标机都装有xPCTarget环境兼容的I82559网卡；
②电路设计：串联电池组单体电池电压采集由所设计的线性运算放大器组成的线性采样电路实现，并且通过串联电池组各单体电压得到串联电池组的总电压，电路中线性放大器的放大倍数根据串联电池组总电压的大小来确定；B1~Bn为n节单体电池，串联组成电池组，每节电池电压测量的采样电路相同，第n节电池Bn的正极通过电阻Rn2连接至第一运算放大器的反相输入端，负极与电阻Rn2、Rn5依次串联后连接至第二运算放大器的输出端，第一运算放大器的同相输入端接地，其反相输入端还通过电阻Rn3连接至其输出端，第一运算放大器的输出端通过电阻Rn4连接至第二运算放大器的反相输入端，第二运算放大器的同相输入端接地，其反相输入端还通过电容Cn5连接至其输出端，电阻Rn5与电容Cn5并联，第二运算放大器的输出端即为这路采样电路的输出端，输出电压为：
（1）
其中，Vn+1为电池Bn的正极电压，Vn为电池Bn的负极电压；取，，则电池Bn经采样电路变换后的电压为：，即输出电压就是单体电池的端电压；
滤波电路为四阶巴特沃斯低通滤波器，采用两个二阶低通滤波器串联构成四阶低通滤波器；
③配置xPCTarget实时系统：制作目标启动盘，配置宿主机、目标机通信环境，在xPCTarget中进行宿主机和目标机的连接；
④仿真模型搭建：xPCTarget中使用的系统模型包括AD板卡接口、电池荷电状态估计模块、示波器和数据存储模块，其中的电池荷电状态估计模块是在等效电路模型的基础上使用自适应Kalman滤波的方式实现的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310115517.0A CN103197256B (zh) | 2013-04-07 | 2013-04-07 | 锂离子电池soc估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310115517.0A CN103197256B (zh) | 2013-04-07 | 2013-04-07 | 锂离子电池soc估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103197256A CN103197256A (zh) | 2013-07-10 |
| CN103197256B true CN103197256B (zh) | 2016-01-20 |
Family
ID=48719935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310115517.0A Expired - Fee Related CN103197256B (zh) | 2013-04-07 | 2013-04-07 | 锂离子电池soc估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103197256B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104345278B (zh) * | 2013-08-05 | 2018-01-09 | 国家电网公司 | 一种全钒液流电池soc检测方法及系统 |
| CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
| CN104036128A (zh) * | 2014-06-06 | 2014-09-10 | 哈尔滨工业大学深圳研究生院 | 一种基于滤波电流的电池soc估计方法 |
| CN105807226B (zh) * | 2014-12-31 | 2018-07-10 | 北京航天测控技术有限公司 | 基于等效电路模型的锂离子电池soc预测方法及装置 |
| CN104865535A (zh) * | 2015-06-05 | 2015-08-26 | 吉林大学 | 一种基于fpga的锂离子电池soc估计方法和估计设备 |
| CN105717459B (zh) * | 2016-02-05 | 2019-11-29 | 北京长城华冠汽车科技股份有限公司 | 一种分布计算动力电池的荷电状态的方法及系统 |
| CN106053898A (zh) * | 2016-06-12 | 2016-10-26 | 四川拓普测控科技有限公司 | 一种高频局部放电等效信号源 |
| CN106394279B (zh) * | 2016-08-30 | 2018-09-14 | 吉林大学 | 一种电动汽车的电子控制系统 |
| CN106775757A (zh) * | 2016-12-31 | 2017-05-31 | 惠州市蓝微新源技术有限公司 | 一种bms的matlab建模集成方法 |
| CN107139762A (zh) * | 2017-06-05 | 2017-09-08 | 吉林大学 | 一种电动汽车优化充电控制方法及其系统 |
| EP3652549B1 (en) * | 2017-07-10 | 2023-05-03 | ABB Schweiz AG | Ground fault detection of ups battery |
| CN109581223B (zh) * | 2018-11-29 | 2020-08-11 | 吉林大学 | 基于卡尔曼滤波的锂离子电池组的核心温度估计方法 |
| CN109598449B (zh) * | 2018-12-14 | 2023-09-12 | 蓝谷智慧(北京)能源科技有限公司 | 基于充电数据的锂离子电池包性能评估方法 |
| US11581585B2 (en) | 2020-03-10 | 2023-02-14 | Samsung Electronics Co., Ltd. | Methods and electronic devices for obtaining information on a battery pack |
| CN112462288B (zh) * | 2020-10-22 | 2024-05-10 | 江苏大学 | 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101860056A (zh) * | 2010-05-24 | 2010-10-13 | 宁波高新区申特科技有限公司 | 一种基于Map模型的动力锂电池组均衡管理系统 |
| CN101964018A (zh) * | 2010-08-26 | 2011-02-02 | 湘潭大学 | 一种电动车电池soc的估计方法 |
| CN202153255U (zh) * | 2011-06-23 | 2012-02-29 | 同济大学 | 一种电池管理系统的硬件在环测试装置 |
| CN102437619A (zh) * | 2011-12-31 | 2012-05-02 | 广州市香港科大霍英东研究院 | 一种动力电池组双向平衡电路 |
| CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
| CN102841315A (zh) * | 2011-06-22 | 2012-12-26 | 同济大学 | 一种动力蓄电池系统硬件在环仿真测试平台 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5447282B2 (ja) * | 2010-08-11 | 2014-03-19 | 新神戸電機株式会社 | 自然エネルギー利用システム用鉛蓄電池および鉛蓄電池システム |
-
2013
- 2013-04-07 CN CN201310115517.0A patent/CN103197256B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101860056A (zh) * | 2010-05-24 | 2010-10-13 | 宁波高新区申特科技有限公司 | 一种基于Map模型的动力锂电池组均衡管理系统 |
| CN101964018A (zh) * | 2010-08-26 | 2011-02-02 | 湘潭大学 | 一种电动车电池soc的估计方法 |
| CN102841315A (zh) * | 2011-06-22 | 2012-12-26 | 同济大学 | 一种动力蓄电池系统硬件在环仿真测试平台 |
| CN202153255U (zh) * | 2011-06-23 | 2012-02-29 | 同济大学 | 一种电池管理系统的硬件在环测试装置 |
| CN102437619A (zh) * | 2011-12-31 | 2012-05-02 | 广州市香港科大霍英东研究院 | 一种动力电池组双向平衡电路 |
| CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| Online Estimation of Peak Power Capability of Li-Ion Batteries in Electric Vehicles by a Hardware-in-Loop Approach;Rui Xiong etc;《Energies》;20120515;正文第3.2、4节及图2 * |
| 基于xPC的电池管理系统硬件在环测试研究;廉静等;《佳木斯大学学报(自然科学版)》;20110331;第29卷(第2期);第193-196页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103197256A (zh) | 2013-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103197256B (zh) | 锂离子电池soc估计方法 | |
| CN108445406B (zh) | 一种动力电池健康状态估计方法 | |
| CN110596606B (zh) | 一种锂电池剩余电量估计方法、系统及装置 | |
| TWI411796B (zh) | 電池循環壽命估測裝置 | |
| CN105510829B (zh) | 一种新型锂离子动力电池soc估计方法 | |
| CN102680795B (zh) | 一种二次电池内阻的实时在线估计方法 | |
| CN111581904A (zh) | 考虑循环次数影响的锂电池soc及soh协同估算方法 | |
| CN103323781B (zh) | 动力电池组在线参数检测系统及soc估计方法 | |
| CN105548896A (zh) | 基于n-2rc模型的动力电池soc在线闭环估计方法 | |
| 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 | |
| CN109991554B (zh) | 一种电池电量检测方法、装置及终端设备 | |
| CN106646265A (zh) | 一种锂电池soc估计方法 | |
| CN106443474A (zh) | 一种动力电池系统寿命衰退特征快速识别的方法 | |
| 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 | |
| CN106918787A (zh) | 一种电动汽车锂电池剩余电荷估算方法及装置 | |
| CN107037374A (zh) | 一种锂离子电池的soc和soh联合估计方法 | |
| CN106569136A (zh) | 一种电池健康状态在线估计方法及系统 | |
| CN110208703A (zh) | 基于温度修正的复合等效电路模型对荷电状态估计的方法 | |
| CN110568373A (zh) | 锂电池健康状态评估方法、系统、终端及存储介质 | |
| CN102621497A (zh) | 蓄电池剩余电量监测方法及监测装置 | |
| CN106772067A (zh) | 多时间尺度iapf滤波估计动力电池荷电状态与健康状态的方法 | |
| CN105929338B (zh) | 一种测量电池状态的方法及其应用 | |
| CN106338695A (zh) | 一种基于粒子群算法的电池模型参数辨识方法 | |
| CN104297578B (zh) | 基于滑模观测器的超级电容器组荷电状态估计方法 | |
| CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ma Yan Inventor after: Zhou Xiuwen Inventor after: Chen Hong Inventor after: Liang Liang Inventor after: Zhao Haiyan Inventor after: Zhang Jiannan Inventor after: Ying Zhenhua Inventor after: Zhang Jixing Inventor before: Ma Yan Inventor before: Zhou Xiuwen Inventor before: Chen Hong Inventor before: Liang Liang |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: MA YAN ZHOU XIUWEN CHEN HONG LIANG LIANG TO: MA YAN ZHOU XIUWEN CHEN HONG LIANG LIANG ZHAO HAIYAN ZHANG JIANNAN YING ZHENHUA ZHANG JIXING |
|
| 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: 20160120 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |