CN105301510B - 一种电池老化参数辨识方法 - Google Patents
一种电池老化参数辨识方法 Download PDFInfo
- Publication number
- CN105301510B CN105301510B CN201510769812.7A CN201510769812A CN105301510B CN 105301510 B CN105301510 B CN 105301510B CN 201510769812 A CN201510769812 A CN 201510769812A CN 105301510 B CN105301510 B CN 105301510B
- Authority
- CN
- China
- Prior art keywords
- battery
- ocv
- curves
- data slot
- small data
- 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.)
- Active
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池老化参数辨识方法，包括如下步骤：(1)建立电池的OCV‑Ah曲线老化数据库；(2)进行实车数据采集，对采集到的数据片段进行参数辨识，并拼接成完整的OCV‑Ah曲线；(3)将步骤(2)得到的拼接OCV‑Ah曲线放入所述OCV‑Ah曲线老化数据库中对比，所述数据库中与所述拼接OCV‑Ah曲线最吻合的OCV‑Ah曲线所对应的电池容量即为实车数据采集时电池的实际容量。本发明预先建立电池老化数据库，在进行电池参数辨识时，只需要采集车辆运行过程中电池的电流电压值，通过车载计算机进行参数辨识和比对，即可方便快捷的得到实车数据采集时电池的实际容量，能准确估计电池的荷电状态，进而精确计算出电池可以支持的续驶里程，延长电池寿命。
Description
技术领域
本发明涉及电池参数辨识方法领域，特别是涉及一种电池老化参数辨识方法。
背景技术
动力蓄电池广泛应用于纯电动汽车和混合动力汽车，其成本占据整车成本较大比例。动力电池的性能参数会随着车辆的使用而衰退，具体体现为：电池容量衰减，电池内阻增加，以及迟滞系数等其它参数的变化。如果不能准确辨识电池的老化参数，就可能造成电池的过度使用，从而降低电池寿命；反之，如果能准确辨识电池的老化参数，则可以提高电池的使用寿命。
通常混合动力汽车的电池组包含几十甚至数百个电池单体，纯电动汽车的电池组包含数百至数千个电池单体，每个电池单体的容量、内阻等参数均不相同，所以电池参数辨识是针对每一个电池单体进行的。电池辨识参数一般包括：1)电池单体的容量，单位Ah；2)电池单体的OCV-Ah曲线；(OCV是电池单体的开路电压，Ah为电池的剩余电量)；3)电池单体的充电内阻R_cha与放电内阻R_dis与SOC的曲线；4)电池单体的迟滞系数Hysteresis-SOC曲线等；
准确地获得电池的老化状态对电池管理系统至关重要，只有准确地知道电池的总容量以及内阻等参数，才能准确估计电池的荷电状态SOC，进而计算出电力可以支持的续驶里程，并且计算电池允许的最大充放电功率。如果电池参数不准确，将会导致估计的续驶里程不准，以及电池发生过充过放等情况，不但驾驶体验变差，而且会严重缩短电池寿命，造成经济损失。
目前电池老化参数辨识在汽车产业中仍是一个未解决的难题，尤其是电池容量和OCV-SOC曲线，目前尚没有有效的方法可以仅基于实车采集数据进行准确辨识。因此，如何能创设一种新的基于大量数据片段的电池老化参数辨识方法，成为当前业界极需改进的目标。
发明内容
本发明要解决的技术问题是提供一种电池老化参数辨识方法，使其只需实车运行时采集的数据片段就可获得电池老化参数，从而克服现有的电池老化参数辨识方法的不足。
为解决上述技术问题，本发明提供一种电池老化参数辨识方法，所述电池容量参数的辨识方法包括如下步骤：
(1)建立电池的OCV-Ah曲线老化数据库；
(2)进行实车数据采集，对采集到的数据片段进行参数辨识，并拼接成完整的OCV-Ah曲线；
(3)将步骤(2)得到的拼接OCV-Ah曲线放入所述OCV-Ah曲线老化数据库中对比，所述数据库中与所述拼接OCV-Ah曲线最吻合的OCV-Ah曲线所对应的电池容量即为实车数据采集时电池的实际容量。
作为本发明的一种改进，所述步骤(1)中建立电池的OCV-Ah曲线老化数据库包括如下步骤：
A、选用若干个新电池，测量所述新电池的容量以及建立所述新电池的OCV-SOC曲线；
B、测试所述新电池在不同温度下的电池容量及OCV-SOC曲线；
C、对所述新电池进行老化，在老化过程中，重复步骤A和B，分别测试所述新电池在老化过程中的电池容量变化以及相对应的OCV-SOC曲线变化，并分别用所述OCV-SOC曲线的横轴数据乘以电池额定容量得到所述新电池在老化过程中的OCV-Ah曲线变化，即得到电池的OCV-Ah曲线老化数据库。
进一步改进，所述步骤C中电池的OCV-Ah曲线老化数据库中,随着电池容量的衰减，所述电池的OCV-Ah曲线呈现逆时针变化趋势。
进一步改进，所述步骤A中建立所述新电池的OCV-SOC曲线的方法是：采用一阶RC模型为电池模型，利用HPPC工况、DST工况或FUDS工况对所述新电池进行充放电操作，并将所述新电池的SOC分为若个小段，以SOC为横坐标，以每个数据片段两端的OCV为纵坐标，即得每个数据片段的OCV-SOC曲线，再将所有数据片段的OCV-SOC曲线连接，即得所述新电池的OCV-SOC曲线。
进一步改进，所述步骤(2)中拼接完整的OCV-Ah曲线的方法为：所述采集的实车数据片段可长可短，对长的数据片段划分为若干个小的数据片段，对每一个小的数据片段进行参数辨识，形成与所述每个小的数据片段相对应的OCV-Ah曲线，通过对所述不同段的OCV-Ah曲线的初始Ah值进行调整，拼接出完整的OCV-Ah曲线。
进一步改进，还包括对电池放电内阻R_dis与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到与所述每一个小的数据片段相对应的电池放电内阻R_dis参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池放电内阻R_dis参数值，根据所述电池放电内阻R_dis参数值的变化状态，绘制出电池放电内阻R_dis与Ah值的关系曲线。
进一步改进，还包括对电池充电内阻R_cha与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到的与所述每一个小的数据片段相对应的电池充电内阻R_cha参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池充电内阻R_cha参数值，根据所述电池充电内阻R_cha参数值的变化状态，绘制出电池充电内阻R_cha与Ah值的关系曲线。
进一步改进，还包括对电池RC网络电阻R_RC与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到的与所述每一个小的数据片段相对应的电池RC网络电阻R_RC参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池RC网络电阻R_RC参数值，根据所述电池RC网络电阻R_RC参数值的变化状态，绘制出电池RC网络电阻R_RC与Ah值的关系曲线。
进一步改进，还包括对电池RC网络延时系数Hysteresis与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到的与所述每一个小的数据片段相对应的电池RC网络延时系数Hysteresis参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池RC网络延时系数Hysteresis参数值，根据所述电池RC网络延时系数Hysteresis参数值的变化状态，绘制出电池RC网络延时系数Hysteresis与Ah值的关系曲线。
采用上述的技术方案，本发明至少具有以下优点：
1.本发明通过预先在实验室完成电池的老化数据库的建立，进行电池参数辨识时，只需要采集车辆运行过程中电池的电流电压值，通过车载计算机进行参数辨识和比对，即可方便快捷的得到实车数据采集时电池的实际容量，而不需要知道当前的SOC状态；并且采集的数据片段不需要覆盖整个SOC区间，方便快捷。
2.本发明电池的老化数据库是根据不同的温度分类保存的，这样测量时可以辨识出不同温度下的电池参数，全面准确。
3.本发明可以同时辨识出电池的容量、开路电压OCV、充放电内阻、迟滞系数，及这些参数随SOC或Ah变化的曲线，这是目前现有方法无法达到的。
附图说明
上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是电池容量测试与工况试验示意图；
图2是电池的分段参数辨识示意图；
图3是工况数据小段示意图；
图4是电池老化过程的OCV-Ah曲线变化示意图；
图5是实时测得的数据片段示意图；
图6是实车数据片段辨识结果示意图；
图7是OCV-Ah曲线片段拼接示意图；
图8是OCV-Ah曲线查表示意图；
图9是其它参数与Ah的关系曲线示意图。
具体实施方式
本发明电池老化参数的辨识包括电池容量参数、电池放电内阻R_dis、电池充电内阻R_cha、电池RC网络电阻R_RC和电池RC网络延时系数Hysteresis参数的辨识。
本实施例对电池容量老化参数的辨识包括如下步骤：
一、在实验室条件下建立电池的OCV-Ah曲线老化数据库；
建立电池的OCV-Ah曲线老化数据库包括如下步骤：
(1)电池容量测定及辨识电池参数
选用若干个某型号的新电池单体，如8个，测量每个电池单体的容量。本实施例采用1C充放电倍率对电池进行完整的恒流-恒压充放电试验，获得每个电池单体的容量数据；
把电池充满电以后，对电池进行工况激励，如使用HPPC(复合脉冲功率特性测试)工况、DST(动态应力测试)工况或FUDS(城市动态驱动)工况对电池进行充放电操作，直至电池电量耗尽，如附图1所示。
本实施例利用DST工况数据进行电池的OCV-SOC参数辨识。其中，电池模型采用一阶RC模型，把DST工况数据按照SOC分为若干小段，如SOC分段点为：0.1、0.15、0.2、0.25、0.3、0.4、0.5、0.6、0.7、0.8、0.85、0.9，参照附图2和3所示，附图3只是其中一个数据片段的示意图。
电池模型在每个数据片段上的参数包括：数据片段两端的开路电压OCV1和OCV2；电池放电内阻R_dis；电池充电内阻R_cha；电池RC网络电阻R_RC；电池RC网络延时系数Hysteresis。假设每个小的数据片段内，开路电压线性变化，而电池充电内阻R_dis、放电内阻R_cha、RC网络内阻R_RC和延时系数Hysteresis均为常数，在小的数据片段的SOC区间内不变。则利用建立的电池模型和小数据片段工况数据(电池的电流电压)，对上述参数进行辨识，即可得到准确的小片段电池参数。把DST工况的所有小片段工况连接到一起，就能得到一个电池在整个SOC范围内的参数曲线。如附图2显示了SOC在0.1～0.9范围内的电池OCV-SOC曲线。
(2)测试不同温度下的电池容量以及OCV-SOC曲线
在不同温度下(例如10°、22°、35°)重复上述步骤(1)，获得不同温度下的电池容量以及OCV-SOC曲线。如附图2中包括三种不同温度下的OCV-SOC曲线，每个温度下，又有8条曲线，代表8个不同电池单体的辨识结果。
上述步骤(1)-(2)得到了新电池在不同温度下的容量、OCV-SOC曲线数据。下面需要对电池进行老化，例如对电池进行若干次(例如100次)恒流-恒压充放电循环，使电池参数产生一定的衰减，容量变小，内阻增加。
(3)测试电池老化后的电池容量以及OCV-SOC数据
在电池老化的情况下，重复步骤(1)-(2)，得到老化后的电池容量以及OCV-SOC曲线数据。
(4)重复进行电池老化过程以及参数辨识过程
进行若干次电池老化过程以及参数辨识过程，直到电池容量衰减到设定值，例如电池容量衰减到新电池的75％就认为电池寿命结束了。这样就得到了电池整个老化过程中的数据。
每次参数辨识都会得到电池的容量以及OCV-SOC曲线，用OCV-SOC曲线的横轴乘以电池额定容量就得到电池的OCV-Ah曲线。这样电池老化过程中，其容量与OCV-Ah曲线具有一一对应的关系，如附图4可知，随着电池容量的衰减，电池的OCV-Ah曲线呈现一个单调的逆时针变化的趋势，由此建立一个电池的OCV-Ah曲线老化数据库。
将来电池在实车使用过程中，如果可以获得电池的OCV-Ah曲线，或者OCV-Ah曲线的部分片段，就可以通过在附图4中通过查表的方式获得电池的容量。
二、进行实车数据采集，并使用车载计算机进行参数辨识工作。
要进行电池容量参数辨识还包括如下步骤：
(A)在车辆行驶过程中，采集一些数据片段
参照附图5所示，采集的数据片段可长可短，对于长的数据片段可以划分为几个小的数据片段。
(B)对数据片段进行参数辨识
对附图5所示的每一个小数据片段，进行参数辨识，过程同上述步骤(1)。电池采用一阶RC模型，根据实车采集的数据，利用粒子群优化的方法进行小片段的参数辨识，得到片段两端的开路电压OCV1和OCV2，还可同时获得电池放电内阻R_dis、电池充电内阻R_cha、电池RC网络电阻R_RC和电池RC网络延时系数Hysteresis。
对于每一个数据片段，其Ah数可以通过数据中的电流积分得到，其OCV电压也通过辨识得到，附图6显示了实车数据片段的辨识结果，其中的每个片段的OCV曲线，其形状是固定的，但因为每个片段的起始Ah数未知，因此其不能上下移动，可以左右移动。
(C)电池OCV-Ah曲线拼接
对附图6所示的OCV-Ah片段进行左右移动，即对不同片段的OCV-Ah曲线的初始Ah值进行调整，可以形成一条完整的OCV-Ah曲线，可以把电压最低的片段左右移动到0Ah点，其它片段也进行左右移动，从而形成一条连续的曲线，如附图7所示，其中，附图右侧曲线为拼接曲线，附图左侧曲线拼接完成曲线，这个拼接过程在车载计算机中可以使用粒子群优化或者其它优化方式实现。
(D)电池OCV-Ah曲线查表
参照附图8所示，把上述步骤(C)拼接完的OCV-Ah曲线放到附图4所示的OCV-Ah曲线老化数据库图中进行比较，该整条拼接OCV-Ah曲线在附图4中可进行左右移动，找到一个与其最吻合的曲线位置，则这个最吻合曲线位置为所对应的电池容量，也就是目标电池的容量。
这个过程在车载计算机中，可以使用粒子群优化或者其它优化方法实现。
(E)其它参数与Ah值的关系曲线
根据步骤(B)中对每一个小数据片段的电池放电内阻R_dis、电池充电内阻R_cha、电池RC网络电阻R_RC和电池RC网络延时系数Hysteresis参数的辨识，以及在步骤(C)中得到的每一个小数据片段所对应的Ah坐标轴位置，在同一Ah坐标轴下分别绘制所有小数据片段的R_dis、R_cha、R_RC、Hysteresis值，即能得到这些参数在Ah坐标轴下的轮廓，如附图9所示。从附图9可知，很容易用一条曲线分别勾勒出这些参数与Ah值的关系曲线，即得到电池放电内阻R_dis-Ah曲线、电池充电内阻R_cha-Ah曲线、电池RC网络电阻R_RC-Ah曲线和电池RC网络延时系数Hysteresis-Ah曲线。
综上可知，本发明电池老化参数辨识方法可以得到：电池的容量、OCV-Ah曲线、电池放电内阻R_dis-Ah曲线、电池充电内阻R_cha-Ah曲线、电池RC网络电阻R_RC-Ah曲线以及电池RC网络延时系数Hysteresis-Ah曲线。当然，电池放电内阻R_dis-Ah曲线、电池充电内阻R_cha-Ah曲线、电池RC网络电阻R_RC-Ah曲线和电池RC网络延时系数Hysteresis-Ah曲线可根据需要得出一种或多种。
本发明利用上述辨识方法可以准确获得电池的老化参数，并能准确估计电池的荷电状态，进而精确计算出电池可以支持的续驶里程，以及电池的最大充放电功率，延长电池寿命。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。
Claims (9)
1.一种电池老化参数辨识方法，其特征在于，所述电池容量参数的辨识方法包括如下步骤：
(1)建立电池的OCV-Ah曲线老化数据库；
(2)进行实车数据采集，对采集到的数据片段进行参数辨识，并拼接成完整的OCV-Ah曲线；
(3)将步骤(2)得到的拼接OCV-Ah曲线放入所述OCV-Ah曲线老化数据库中对比，所述数据库中与所述拼接OCV-Ah曲线最吻合的OCV-Ah曲线所对应的电池容量即为实车数据采集时电池的实际容量。
2.根据权利要求1所述的电池老化参数辨识方法，其特征在于，所述步骤(1)中建立电池的OCV-Ah曲线老化数据库包括如下步骤：
A、选用若干个新电池，测量所述新电池的容量以及建立所述新电池的OCV-SOC曲线；
B、测试所述新电池在不同温度下的电池容量及OCV-SOC曲线；
C、对所述新电池进行老化，在老化过程中，重复步骤A和B，分别测试所述新电池在老化过程中的电池容量变化以及相对应的OCV-SOC曲线变化，并分别用所述OCV-SOC曲线的横轴数据乘以电池额定容量得到所述新电池在老化过程中的OCV-Ah曲线变化，即得到电池的OCV-Ah曲线老化数据库。
3.根据权利要求2所述的电池老化参数辨识方法，其特征在于，所述步骤C中电池的OCV-Ah曲线老化数据库中,随着电池容量的衰减，所述电池的OCV-Ah曲线呈现逆时针变化趋势。
4.根据权利要求2所述的电池老化参数辨识方法，其特征在于，所述步骤A中建立所述新电池的OCV-SOC曲线的方法是：采用一阶RC模型为电池模型，利用HPPC工况、DST工况或FUDS工况对所述新电池进行充放电操作，并将所述新电池的SOC分为若个小段，以SOC为横坐标，以每个数据片段两端的OCV为纵坐标，即得每个数据片段的OCV-SOC曲线，再将所有数据片段的OCV-SOC曲线连接，即得所述新电池的OCV-SOC曲线。
5.根据权利要求4所述的电池老化参数辨识方法，其特征在于，所述步骤(2)中拼接完整的OCV-Ah曲线的方法为：所述采集的实车数据片段可长可短，对长的数据片段划分为若干个小的数据片段，对每一个小的数据片段进行参数辨识，形成与所述每个小的数据片段相对应的OCV-Ah曲线，通过对所述不同段的OCV-Ah曲线的初始Ah值进行调整，拼接出完整的OCV-Ah曲线。
6.根据权利要求5所述的电池老化参数辨识方法，其特征在于，还包括对电池放电内阻R_dis与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到与所述每一个小的数据片段相对应的电池放电内阻R_dis参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池放电内阻R_dis参数值，根据所述电池放电内阻R_dis参数值的变化状态，绘制出电池放电内阻R_dis与Ah值的关系曲线。
7.根据权利要求5所述的电池老化参数辨识方法，其特征在于，还包括对电池充电内阻R_cha与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到的与所述每一个小的数据片段相对应的电池充电内阻R_cha参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池充电内阻R_cha参数值，根据所述电池充电内阻R_cha参数值的变化状态，绘制出电池充电内阻R_cha与Ah值的关系曲线。
8.根据权利要求5所述的电池老化参数辨识方法，其特征在于，还包括对电池RC网络电阻R_RC与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到的与所述每一个小的数据片段相对应的电池RC网络电阻R_RC参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池RC网络电阻R_RC参数值，根据所述电池RC网络电阻R_RC参数值的变化状态，绘制出电池RC网络电阻R_RC与Ah值的关系曲线。
9.根据权利要求5所述的电池老化参数辨识方法，其特征在于，还包括对电池RC网络延时系数Hysteresis与Ah值的关系辨识，其辨识方法为：
首先，通过所述步骤(2)中对每一个小的数据片段进行的参数辨识，得到的与所述每一个小的数据片段相对应的电池RC网络延时系数Hysteresis参数值；
其次，根据所述步骤(2)中得到的每一个小的数据片段所对应的Ah坐标轴的位置，在同一Ah坐标轴下分别绘制所有小的数据片段的电池RC网络延时系数Hysteresis参数值，根据所述电池RC网络延时系数Hysteresis参数值的变化状态，绘制出电池RC网络延时系数Hysteresis与Ah值的关系曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510769812.7A CN105301510B (zh) | 2015-11-12 | 2015-11-12 | 一种电池老化参数辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510769812.7A CN105301510B (zh) | 2015-11-12 | 2015-11-12 | 一种电池老化参数辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105301510A CN105301510A (zh) | 2016-02-03 |
| CN105301510B true CN105301510B (zh) | 2017-09-05 |
Family
ID=55199001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510769812.7A Active CN105301510B (zh) | 2015-11-12 | 2015-11-12 | 一种电池老化参数辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105301510B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107546431A (zh) * | 2016-06-28 | 2018-01-05 | 黄永升 | 可识别的电池装置及其应用方法 |
| CN107025268A (zh) * | 2017-03-07 | 2017-08-08 | 捷开通讯(深圳)有限公司 | 电池参数的导入方法、导入系统及导入设备 |
| CN108196194A (zh) * | 2017-12-28 | 2018-06-22 | 合肥国轩高科动力能源有限公司 | 一种可同时进行二次电池hppc和soc-ocv测试的方法 |
| CN108761338B (zh) * | 2018-05-22 | 2020-05-22 | 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 |
| CN109613432A (zh) * | 2019-01-08 | 2019-04-12 | 广州小鹏汽车科技有限公司 | 估算电池荷电状态的方法、设备及计算机可读存储介质 |
| CN110058175B (zh) * | 2019-05-05 | 2020-04-14 | 北京理工大学 | 一种动力电池开路电压-荷电状态函数关系的重构方法 |
| CN111044908B (zh) * | 2019-12-24 | 2022-06-14 | 苏州正力新能源科技有限公司 | 一种基于微片段数据和电压滤波的ocv在线计算方法 |
| CN111384757B (zh) * | 2020-04-08 | 2022-06-14 | Oppo广东移动通信有限公司 | 充电方法、装置、设备及存储介质 |
| CN113030734B (zh) * | 2021-02-03 | 2023-10-20 | 智光研究院(广州)有限公司 | 电气模型参数的辨识方法及装置 |
| CN113487762B (zh) * | 2021-07-22 | 2023-07-04 | 东软睿驰汽车技术（沈阳）有限公司 | 一种编码模型生成方法、充电数据获取方法及装置 |
| CN116298927B (zh) * | 2023-04-10 | 2023-10-24 | 深圳锂安技术有限公司 | 一种电池容量估计方法和装置、计算机设备、存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621497A (zh) * | 2012-03-22 | 2012-08-01 | 青岛理工大学 | 蓄电池剩余电量监测方法及监测装置 |
| CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
| CN103744026A (zh) * | 2013-12-19 | 2014-04-23 | 广西科技大学 | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 |
| CN103884996A (zh) * | 2014-03-18 | 2014-06-25 | 中国电力科学研究院 | 一种磷酸铁锂电池的剩余电量计算方法 |
-
2015
- 2015-11-12 CN CN201510769812.7A patent/CN105301510B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105301510A (zh) | 2016-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105301510B (zh) | 一种电池老化参数辨识方法 | |
| CN106329021B (zh) | 估算动力电池的剩余可用能量的方法和装置 | |
| Ye et al. | A model-based adaptive state of charge estimator for a lithium-ion battery using an improved adaptive particle filter | |
| CN106443474B (zh) | 一种动力电池系统寿命衰退特征快速识别的方法 | |
| Sun et al. | Model-based dynamic multi-parameter method for peak power estimation of lithium–ion batteries | |
| CN103091642B (zh) | 一种锂电池容量快速估计方法 | |
| KR102468385B1 (ko) | 친환경 차량 배터리의 충전시간 예측 방법 | |
| CN104577242B (zh) | 一种电池组管理系统和方法 | |
| CN109870659A (zh) | 应用滑窗寻优策略的锂离子电池健康状态估算方法 | |
| CN101819259B (zh) | 电池组充电曲线修正方法 | |
| CN106249171B (zh) | 一种用于宽采样间隔的动力电池系统辨识和状态估计方法 | |
| CN106125001B (zh) | 电动汽车退役电池模块实际容量的快速评估方法 | |
| CN105676138B (zh) | 一种预测电池的剩余电量的方法和系统 | |
| Xiong et al. | Modeling for lithium-ion battery used in electric vehicles | |
| CN103675702A (zh) | 一种实时评估电池健康状态的方法 | |
| KR101227417B1 (ko) | 리튬이온전지의 충전상태 추정방법 및 이 방법을 구현하기 위한 시스템 | |
| CN101359036A (zh) | 电池荷电状态的测定方法 | |
| CN104051810B (zh) | 一种锂离子储能电池系统soc估算快速修正方法 | |
| CN107167743A (zh) | 基于电动车辆的荷电状态估算方法和装置 | |
| CN110525269A (zh) | Soc的电池组均衡控制方法 | |
| CN103983920B (zh) | 一种建立电动车辆的动力电池的模型的方法 | |
| CN113109729B (zh) | 基于加速老化试验与实车工况的车用动力电池soh评估方法 | |
| CN110703112A (zh) | 一种基于局部充电数据的电池组状态的在线估计方法 | |
| Xiong et al. | Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter | |
| CN103439666A (zh) | 一种锂离子电池容量衰退评估的几何方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zou Yuan Inventor after: Sun Fengchun Inventor after: Gao Wei Inventor before: Zou Yuan Inventor before: Gao Wei |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |