CN106249173A - 一种电池健康度soh估算方法 - Google Patents
一种电池健康度soh估算方法 Download PDFInfo
- Publication number
- CN106249173A CN106249173A CN201610881197.3A CN201610881197A CN106249173A CN 106249173 A CN106249173 A CN 106249173A CN 201610881197 A CN201610881197 A CN 201610881197A CN 106249173 A CN106249173 A CN 106249173A
- Authority
- CN
- China
- Prior art keywords
- battery
- soh
- test
- ekf
- software
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 title 1
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000011160 research Methods 0.000 claims abstract description 21
- 238000011161 development Methods 0.000 claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 9
- 238000002474 experimental method Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000013522 software testing Methods 0.000 claims description 2
- 230000018109 developmental process Effects 0.000 description 12
- 230000006866 deterioration Effects 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池健康度SOH估算方法，通过电池循环寿命实验得到SOH受内阻、容量、SOC参数的影响，并把内阻作为研究标准，为接下来的算法研究提供对象；以内组为研究对象，建立电池等效电路模型，并在模型的基础上采用D‑EKF对电池的健康度进行估算；在windows环境下，设计以VC++为开发内核的测试软件，将D‑EKF算法打包进软件测试平台完成对单体电池SOH的估算，同时设计电池主要参数的显示界面。本发明针对各单体蓄电池的寿命状态无法预测估算的问题，通过对电池健康度SOH研究，采用D‑EKF方法对电池健康度SOH进行估算，同时，设计了基于VC软件环境下的测试平台，通过这个测试平台来测试内阻值监测数据的准确和D‑EKF方法估算电池健康度的准确性。
Description
技术领域
本发明涉及一种估算方法，具体是一种电池健康度SOH估算方法。
背景技术
在经济、交通高速发展的同时，也引发了能源紧缺、石油涨价、城市污染严重等问题。为了满足人类社会可持续发展的最终能源选择，代替煤炭、石油的新能源的开发被越来越多国家政府所重视。而作为新能源体系不可或缺的重要组成部分，蓄电池受到大型电动车辆、电动工具、太阳能及风力发电储能设备、UPS、医疗仪器设备等市场越来越多的关注。但是当前蓄电池存在诸多问题，如：快速充放电性能差、价格过高和过充放电保护问题，在过充或滥用的情况下，电池可能发生火灾或者爆炸。因此，为确保电池性能良好、延长电池的使用寿命和优化匹配系统动力参数，必须对电池性能寿命进行有效的实时监测，从而确保各种设备正常、可靠、安全的运行。
如今UPS电源的蓄电池大多数为阀控铅酸电池（VRLA），现有的电气设备只能监测蓄电池的总电压和总电流，均无法监测单体电池的电压、容量、内阻等参数，无法判断哪只电池出现过充、过放、短路、容量低等故障，出现故障后也不能提供报警信息。
并且由于蓄电池的劣化是缓慢的长周期的老化积累过程,如何在线检测蓄电池的劣化程度(State of health—SOH)是用户最为关心的问题，如果蓄电池劣化损坏，未能提醒工作人员及时更换，将无法确保UPS系统正常工作，给企业造成的损失也十分严重。因此，需要实施控制系统UPS电源在线监测，通过远程实时在线监测蓄电池的工作状态、劣化程度（SOH）和故障报警等功能，以延长UPS蓄电池的使用寿命。
目前研究电池SOH的意义重大，电池的健康状况(State-of-Health,SOH)估计是目前研究的薄弱环节，已经成为当前电池监测系统的最大缺陷，直接影响了电池容量的有效发挥,降低了电池使用的安全性和可靠性,并且影响了电池均衡系统的功能发挥,使得电池充放电控制缺乏足够参考依据,最终会影响到电池的性能和使用寿命。
随着电池在各个领域的广泛应用，电池的性能监测也逐渐被重视，电池的SOC和SOH是电池两个重要的性能监测指标，然而与SOC的研究相比，有关SOH的研究相对滞后，估计方法也不太成熟，所以SOH的精确估算是当前研究的热门与难点。目前有关SOH的估计方法主要集中在传统方法，传统的方法主要是以电池循环充放电试验为基础，对电池特性的变化情况进行分析，从而估计电池的SOH，缺点是造成浪费、试验周期长、不能在线实时测量等。
电池内阻作为电池最为重要的参数之一，也是电池健康度状态的重要指标。在一般情况下，相同的电池内阻小的电池放电能力强，内阻大的放电能力相对弱。目前多项实验研究表明，电池内阻与电池SOH 之间存在密切关联。所以电池健康度SOH主要是基于内阻来预测，同时内阻也受电压与SOC值的影响，间接也影响了SOH。可见电池内阻、电压等数据的准确性对SOH精确估算的重要，从而测量电池内阻、电压这些参数也就有了很重要的实际意义
作为监测电池性能的监测平台也顺势变成了国内外研究机构主要研究的问题，全球各大科研单位、企业纷纷加入了对电池性能监测平台的研发当中来。蓄电池对后备直流电源系统能否安全工作起到了举足轻重的作用。在国外，从二十世纪三十年代，阿道夫德斯勒发明了第一个免维护密闭铅酸蓄电池的原型后，美、德、日、韩等都加入了对电池监测系统研发队伍当中来。电池监测平台不光是采集测量电压、充电电流、温度及电池内阻等参数，并且至关重要的是我们能够依据采集的电池数据对电池性能进行分析处理，进而能够更好的对电源系统进行维护[20-21]。
对于国内来说，由于国内的科学技术迅猛发展，本国的电池每年生产的数量目前占据了世界总量的三分之一。但是对于电池的状态监测，我国目前还是依照传统的单体测量形式对电池进行监测。最近几年在嵌入式和网络技术迅猛发展的情况下，国内也呈现了一部分智能化的电池监测方法，并使监测的平台也变得多样化[23]。例如，巨能科技公司致力研发的蓄电池在线监测系统，还包括易斯特公司生产的有关UPS在线监测系统。经过对国内外电池监测系统的总结，目前电池监测系统所用的平台有以下几种：
1．LabVFEW软件平台
采用NI公司的LabVFEW8.6作为监控平台软件的开发平台，既能很方便的实现监控平台需要的功能，又能使软件设计变得直观、快捷。按照实验要求，设计了监测系统的前面板和程序流程图，前面板是仪器使用者与操作系统的桥梁，而程序框图则是数据流与命令流程的结合。
2．以传感器模块化的硬件平台
有以LEM公司蓄电池传感器Sentinel模块为基础的蓄电池在线监测硬件平台的构成,用基于ARM9来完成蓄电池在线监测，通过数据中心等场合蓄电池参数的人机交互，方便用户在现场时观测蓄电池组整体电压，电流以及各单体电池的阻抗，电压和温度[24]。
3．VB软件平台
VB软件环境下的监测平台，它提供的开发环境引入了面向对象的编程机制,巧妙地将Windows编程的复杂性封装起来, 使用窗体和控件等可视化界面设计用户程序, 提高了应用程序的开发效率。另外, VB 还提供了一个非常方便的串行通信控件Mscomm , 它既可以使用查询方式,也可以使用事件驱动方式来实现串行通信[25-26]。
4．工控软件MFC平台
MFC平台在C++语言环境下实现软件的编译，采用以太网与设备通信，MFC软件平台目前广泛用于工控软件编程，同时C++比其他编程语言也有好多优点，C++以继承与模板为基础的标准库，同时允许类的多继承，编程更为简洁，使平台和语言环境的衔接更为紧密，相比其他平台而言更简单稳定，也是本发明主要应用的平台。
发明内容
本发明的目的在于提供一种电池健康度SOH估算方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种电池健康度SOH估算方法，通过电池循环寿命实验得到SOH受内阻、容量、SOC参数的影响，并把内阻作为研究标准，为接下来的算法研究提供对象；以内组为研究对象，建立电池等效电路模型，并在模型的基础上采用D-EKF对电池的健康度进行估算；在windows环境下，设计以VC++为开发内核的测试软件，将D-EKF算法打包进软件测试平台完成对单体电池SOH的估算，同时设计电池主要参数的显示界面，完成对各单体电池状态参数与SOH的实时监测，通过电池循环放电得出的真实数据与测试平台的测试数据对比，从而测试SOH数据的准确性与D-EKF算法的可行性。
作为本发明进一步的方案：在电池等效电路模型的基础上，应用扩展卡尔曼滤波EKF算法估算SOH，针对SOH在线估计时电池模型的初始参数受SOC初始值影响会误差增大的情况，在估计电池的SOH之前保证在一定的SOC区间内，进而引入双扩展卡尔曼滤波D-EKF算法，同时估算SOC与SOH。
作为本发明再进一步的方案：在windows环境下，设计以VC++为开发内核的图形化语言界面MFC，作为电池的软件测试平台，把从监测仪采集到单体电压、电流、内阻和温度数据通过通信协议传入到监测平台的软件上，监测软件通过D-EKF算法计算SOH并显示在监测软件界面上，实现测试平台对电池目前寿命状态的实时测试，通过现场测试数据与电池循环放电数据对比表明该测试平台监测的数据精度准确。
与现有技术相比，本发明的有益效果是：本发明针对各单体蓄电池的寿命状态无法预测估算的问题，通过对电池健康度SOH研究，采用D-EKF方法对电池健康度SOH进行估算，同时，设计了基于VC 软件环境下的测试平台，通过这个测试平台来测试内阻值监测数据的准确和D-EKF方法估算电池健康度的准确性。
附图说明
图1为电池健康度SOH估算方法的软件测试平台的设计总体框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中，一种电池健康度SOH估算方法，通过电池循环寿命实验得到SOH受内阻、容量、SOC参数的影响，并把内阻作为研究标准，为接下来的算法研究提供对象；以内组为研究对象，建立电池等效电路模型，并在模型的基础上采用D-EKF对电池的健康度进行估算；在windows环境下，设计以VC++为开发内核的测试软件，将D-EKF算法打包进软件测试平台完成对单体电池SOH的估算，同时设计电池主要参数的显示界面，完成对各单体电池状态参数与SOH的实时监测，通过电池循环放电得出的真实数据与测试平台的测试数据对比，从而测试SOH数据的准确性与D-EKF算法的可行性。在电池等效电路模型的基础上，应用扩展卡尔曼滤波EKF算法估算SOH，针对SOH在线估计时电池模型的初始参数受SOC初始值影响会误差增大的情况，在估计电池的SOH之前保证在一定的SOC区间内，进而引入双扩展卡尔曼滤波D-EKF算法，同时估算SOC与SOH。在windows环境下，设计以VC++为开发内核的图形化语言界面MFC，作为电池的软件测试平台，把从监测仪采集到单体电压、电流、内阻和温度数据通过通信协议传入到监测平台的软件上，监测软件通过D-EKF算法计算SOH并显示在监测软件界面上，实现测试平台对电池目前寿命状态的实时测试，通过现场测试数据与电池循环放电数据对比表明该测试平台监测的数据精度准确。选用的D-EKF估算方法同时估算SOC与SOH，如果SOH的测试值与真实值的精度大于5%，需要用SOC对其进行修正。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (3)
1.一种电池健康度SOH估算方法，其特征在于，通过电池循环寿命实验得到SOH受内阻、容量、SOC参数的影响，并把内阻作为研究标准，为接下来的算法研究提供对象；以内组为研究对象，建立电池等效电路模型，并在模型的基础上采用D-EKF对电池的健康度进行估算；在windows环境下，设计以VC++为开发内核的测试软件，将D-EKF算法打包进软件测试平台完成对单体电池SOH的估算，同时设计电池主要参数的显示界面，完成对各单体电池状态参数与SOH的实时监测，通过电池循环放电得出的真实数据与测试平台的测试数据对比，从而测试SOH数据的准确性与D-EKF算法的可行性。
2.根据权利要求1所述的电池健康度SOH估算方法，其特征在于，在电池等效电路模型的基础上，应用扩展卡尔曼滤波EKF算法估算SOH，针对SOH在线估计时电池模型的初始参数受SOC初始值影响会误差增大的情况，在估计电池的SOH之前保证在一定的SOC区间内，进而引入双扩展卡尔曼滤波D-EKF算法，同时估算SOC与SOH。
3.根据权利要求1所述的电池健康度SOH估算方法，其特征在于，在windows环境下，设计以VC++为开发内核的图形化语言界面MFC，作为电池的软件测试平台，把从监测仪采集到单体电压、电流、内阻和温度数据通过通信协议传入到监测平台的软件上，监测软件通过D-EKF算法计算SOH并显示在监测软件界面上，实现测试平台对电池目前寿命状态的实时测试，通过现场测试数据与电池循环放电数据对比表明该测试平台监测的数据精度准确。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610881197.3A CN106249173A (zh) | 2016-10-10 | 2016-10-10 | 一种电池健康度soh估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610881197.3A CN106249173A (zh) | 2016-10-10 | 2016-10-10 | 一种电池健康度soh估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106249173A true CN106249173A (zh) | 2016-12-21 |
Family
ID=57612595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610881197.3A Pending CN106249173A (zh) | 2016-10-10 | 2016-10-10 | 一种电池健康度soh估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106249173A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108445401A (zh) * | 2018-02-09 | 2018-08-24 | 深圳市鹏诚新能源科技有限公司 | 电池荷电状态soc的在线估计方法、电子装置及存储介质 |
| CN108535661A (zh) * | 2018-05-18 | 2018-09-14 | 东北大学 | 一种基于模型误差谱的动力电池健康状态在线估计方法 |
| CN109103528A (zh) * | 2018-04-26 | 2018-12-28 | 上海工程技术大学 | 基于数学模型的动力电池检测方法和设备 |
| CN109313236A (zh) * | 2017-01-02 | 2019-02-05 | 株式会社Lg化学 | 用于校准电池的充电状态的电池管理装置和方法 |
| CN110873841A (zh) * | 2019-11-05 | 2020-03-10 | 北京匠芯电池科技有限公司 | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 |
| CN111000297A (zh) * | 2018-10-04 | 2020-04-14 | 日本烟草产业株式会社 | 吸气组分生成设备、控制电路、控制方法及控制程序 |
| CN111983472A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 |
| CN111983475A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置 |
| CN113009367A (zh) * | 2021-02-19 | 2021-06-22 | 哈尔滨理工大学 | 一种电池健康度的在线测试装置及方法 |
| CN114966406A (zh) * | 2022-04-12 | 2022-08-30 | 北京立信桥电子设备有限公司 | 车辆蓄电池无线监测技术 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102253343A (zh) * | 2011-04-21 | 2011-11-23 | 北京世纪瑞尔技术股份有限公司 | 一种蓄电池的健康度与荷电状态的估算方法 |
| CN104198949A (zh) * | 2014-09-09 | 2014-12-10 | 上虞安卡拖车配件有限公司 | 一种电池健康状态检测方法 |
| CN105021996A (zh) * | 2015-08-04 | 2015-11-04 | 深圳拓普科新能源科技有限公司 | 储能电站bms的电池soh估算方法 |
| CN105093128A (zh) * | 2015-08-31 | 2015-11-25 | 山东智洋电气股份有限公司 | 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法 |
| CN105699906A (zh) * | 2016-01-25 | 2016-06-22 | 湘潭大学 | 一种利用硬度表征锂离子电池电极材料电量的方法 |
-
2016
- 2016-10-10 CN CN201610881197.3A patent/CN106249173A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102253343A (zh) * | 2011-04-21 | 2011-11-23 | 北京世纪瑞尔技术股份有限公司 | 一种蓄电池的健康度与荷电状态的估算方法 |
| CN104198949A (zh) * | 2014-09-09 | 2014-12-10 | 上虞安卡拖车配件有限公司 | 一种电池健康状态检测方法 |
| CN105021996A (zh) * | 2015-08-04 | 2015-11-04 | 深圳拓普科新能源科技有限公司 | 储能电站bms的电池soh估算方法 |
| CN105093128A (zh) * | 2015-08-31 | 2015-11-25 | 山东智洋电气股份有限公司 | 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法 |
| CN105699906A (zh) * | 2016-01-25 | 2016-06-22 | 湘潭大学 | 一种利用硬度表征锂离子电池电极材料电量的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张宁蓉: "《计算机图形学》", 31 October 2011, 西安电子科技大学出版社 * |
| 薛辉: "动力锂离子电池组SOH估计方法研究", 《动力锂离子电池组SOH估计方法研究》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10916813B2 (en) | 2017-01-02 | 2021-02-09 | Lg Chem, Ltd. | Battery management apparatus and method for calibrating a state of charge of a battery |
| CN109313236A (zh) * | 2017-01-02 | 2019-02-05 | 株式会社Lg化学 | 用于校准电池的充电状态的电池管理装置和方法 |
| CN108445401A (zh) * | 2018-02-09 | 2018-08-24 | 深圳市鹏诚新能源科技有限公司 | 电池荷电状态soc的在线估计方法、电子装置及存储介质 |
| CN109103528A (zh) * | 2018-04-26 | 2018-12-28 | 上海工程技术大学 | 基于数学模型的动力电池检测方法和设备 |
| CN108535661B (zh) * | 2018-05-18 | 2020-03-31 | 东北大学 | 一种基于模型误差谱的动力电池健康状态在线估计方法 |
| CN108535661A (zh) * | 2018-05-18 | 2018-09-14 | 东北大学 | 一种基于模型误差谱的动力电池健康状态在线估计方法 |
| CN111000297A (zh) * | 2018-10-04 | 2020-04-14 | 日本烟草产业株式会社 | 吸气组分生成设备、控制电路、控制方法及控制程序 |
| CN110873841A (zh) * | 2019-11-05 | 2020-03-10 | 北京匠芯电池科技有限公司 | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 |
| CN110873841B (zh) * | 2019-11-05 | 2021-12-07 | 蓝谷智慧(北京)能源科技有限公司 | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 |
| CN111983472A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 |
| CN111983475A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置 |
| CN111983472B (zh) * | 2020-08-24 | 2022-11-25 | 哈尔滨理工大学 | 一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 |
| CN111983475B (zh) * | 2020-08-24 | 2022-12-30 | 哈尔滨理工大学 | 一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置 |
| CN113009367A (zh) * | 2021-02-19 | 2021-06-22 | 哈尔滨理工大学 | 一种电池健康度的在线测试装置及方法 |
| CN114966406A (zh) * | 2022-04-12 | 2022-08-30 | 北京立信桥电子设备有限公司 | 车辆蓄电池无线监测技术 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106249173A (zh) | 一种电池健康度soh估算方法 | |
| CN102928809B (zh) | 电能计量装置远程监测诊断系统及其工作方法 | |
| CN104682556A (zh) | 变电站直流电源的远程智能维护系统及其应用 | |
| CN115494404B (zh) | 一种蓄电池组在线监测方法 | |
| CN107202959B (zh) | 一种用于电池组及电池管理系统匹配测试中心系统 | |
| CN105092977A (zh) | 蓄电池内阻测量方法和电路、健康状态检测方法和系统 | |
| CN107978807A (zh) | 一种电池检测与维护方法及系统 | |
| Luo et al. | Online battery monitoring system based on GPRS for electric vehicles | |
| CN207730852U (zh) | 一种电动汽车的充电桩检测系统 | |
| CN104165660A (zh) | 一种可计算绕组温度的配变智能监控终端 | |
| CN204515489U (zh) | 蓄电池远程在线智能监测监控系统 | |
| CN205691687U (zh) | 电动汽车及充电桩在线检测装置 | |
| CN116754976A (zh) | 一种智能的电池剩余电量估算系统 | |
| CN106249042A (zh) | 一种基于数据分析的光伏发电监测系统及方法 | |
| CN211478477U (zh) | 一种配网电能质量远程在线监测装置 | |
| CN208969217U (zh) | 铅酸蓄电池组运行检测系统 | |
| Li et al. | The battery management system construction method study for the power lithium-ion battery pack | |
| CN104614699A (zh) | 一种效率较高的电能计量装置远程监测诊断方法 | |
| CN107024615A (zh) | 一种直接接入式三维计量电能表 | |
| CN202372630U (zh) | 光伏电站蓄电池状态无线传感器网络监测装置 | |
| CN202721494U (zh) | 变电站直流电源系统 | |
| CN202712352U (zh) | 智能组合式锂离子电池 | |
| CN205246835U (zh) | 基于ds2788的锂电池电量管理系统 | |
| CN104614700A (zh) | 一种实时性好的电能计量装置远程监测诊断方法 | |
| CN206573608U (zh) | 一种具有续航功能的继电保护测试装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161221 |
|
| RJ01 | Rejection of invention patent application after publication |