CN106324518A - 一种电动汽车动力电池soh估算方法 - Google Patents

一种电动汽车动力电池soh估算方法 Download PDF

Info

Publication number
CN106324518A
CN106324518A CN201610777392.1A CN201610777392A CN106324518A CN 106324518 A CN106324518 A CN 106324518A CN 201610777392 A CN201610777392 A CN 201610777392A CN 106324518 A CN106324518 A CN 106324518A
Authority
CN
China
Prior art keywords
battery
district
soc
ksoc
interval
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.)
Granted
Application number
CN201610777392.1A
Other languages
English (en)
Other versions
CN106324518B (zh
Inventor
马瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Changxin Descartes Technology Co Ltd
Original Assignee
Zhejiang Changxin Descartes Technology Co Ltd
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 Zhejiang Changxin Descartes Technology Co Ltd filed Critical Zhejiang Changxin Descartes Technology Co Ltd
Priority to CN201610777392.1A priority Critical patent/CN106324518B/zh
Publication of CN106324518A publication Critical patent/CN106324518A/zh
Application granted granted Critical
Publication of CN106324518B publication Critical patent/CN106324518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385Arrangements for measuring battery or accumulator variables
    • G01R31/387Determining ampere-hour charge capacity or SoC
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC

Abstract

本发明提供了一种电动汽车动力电池SOH估算方法,涉及电池管理系统领域,包括先拟合电池温度、电池充放电电流以及电池SOC区间各自对100%DOD过程的影响系数KT、KC、KSOC,再拟合出KT、KC、KSOC共同作用的影响系数,代入实际数据计算并得出动力电池的SOH。本发明运算过程简单、结果精确,适用于单片机等运算性能一般的处理计算器。

Description

一种电动汽车动力电池SOH估算方法
技术领域本发明属于电池管理系统领域,具体地讲是一种电动汽车动力电池SOH估算方法。
背景技术在所有影响电池寿命的因素中,最主要的就是充放电造成的循环,简称DOD。电池厂家在标称电池循环寿命时,也都以100%DOD充放电循环次数为自变量作为寿命指标。但在电池在不同物理状态下,如不同温度下,同样经历一次100%DOD充放电循环,对电池寿命的影响不同。发明人通过大量数据分析发现,在所有工况数据中在100%DOD过程中,单体温度、充放电流和SOC所处区间三者对电池循环寿命的影响占主因,但在现有的SOH估算方法中,并未考虑到单体温度、充放电流和SOC所处区间在DOD过程中对电池寿命造成的影响。
在现有的电动汽车动力电池的(循环寿命预测方法)蓄电池容量(以下简称SOH)的估算方法,主要包括多参数模型估算方法和电阻折算法。电阻折算法是通过已知的电阻至与衰减后的动力电池容量的关系曲线,对动力电池进行充放电测试,并检测电压、电流、温度等数据拟合出贴近的估算模型间接计算出电阻值。再根据关系曲线求出动力电池的剩余电量荷电状态(以下简称SOC),并采用循环折算法或采用合适的控制策略等效成循环次数,最后根据曲线求出循环该循环次数后的SOH。该方法就算过程复杂、步骤繁多且计算量大,需要使用较高配置的计算处理器。
发明内容 本发明的目的在提供一种更贴合实际应用情况的电动汽车动力电池的SOH估算方法,能够综合考虑单体温度、电池充放电电流以及当前SOC区间在DOD过程中对电池寿命的影响,从而提高电池SOH估算的精度,使其更贴合于实际情况。
为实现上述目的,本发明采用的技术方案如下:一种电动汽车动力电池SOH估算方法,包括以下步骤:
步骤一:根据实验数据,对电池温度、电池充放电电流以及电池SOC区间各自对100%DOD过程的影响系数KT、KC、KSOC分别划分出多个具有不同影响曲线的区间,并对不同区间内KT、KC或KSOC的曲线进行拟合。
步骤二:将实时的电池温度、电池充放电电流以及电池SOC区间代入步骤一中相应的拟合后的拟合函数中计算出相应的KT、KC、KSOC。
步骤三:根据步骤一对电池温度、电池充放电电流以及电池SOC所划分的区间进行排列组合,并根据多种排列组合结果拟合出对应结果情况的共同作用系数K的计算公式中。
步骤四:将步骤二中计算得出的KT、KC、KSOC代入到相应排列组合中的K的计算公式中计算出共同作用系数K的值。
步骤五:将动力电池在工况中的SOC变化记作ΔSOC,将步骤四中所得K代入到估算公式:
sDOD=Σ|ΔSOC*K|
中求解出sDOD,sDOD即为动力电池的SOH。
作为优选,所述影响曲线采用直线拟合或曲线拟合中的一种或多种。
作为优选,所述KSOC根据剩余电量分为区间划分为低值区和高值区两个区间,并根据充电、放电进一步分为充电、放电时的低值区和充电、放电时的高值区。
作为优选,所述KT可根据单体温度的高低划分为3个区间,分别为低温区、常温区和高温区,低温区、常温区和高温区的边界根据电池的类型和工艺条件确定。
作为优选,所述KI可根据电流的强度划分为3个区间,分别为零漂区、弱电流区和强电流区。所述零漂区与弱电流区的边界为所采用检测电流传感器的零漂移阈值,弱电流区与强电流的边界根据电池类型和工艺调节确定。所述零漂区的下限为0,强电流区的上限为传感器量程上限。
作为优选,所述低值区的KSOC的KT值均为常数且由电池的类型和工艺调节确定。
本发明的有益效果如下:一、本发明以累加DOD为基础,同时综合考虑了温度、充放电流、充放电所处SOC区间、SOH所处区间对DOD的影响,并将单体温度、充放电电流以及SOC区间综合考虑不同排列组合情况下在DOD过程中对电池寿命造成的影响,是一种与实际衰减模型接近的有效估算方法,其估算方法简单、估算精度高。
二、本发明中KT、KC、KSOC中的拟合函数可由厂家在出厂时根据特定的电池、传感器以及单体温度进行预先拟合,在出厂时只需将具体函数公式植入处理器中即可,该函数公式结构简单、便于运算,可适用于运算能力较弱的单片机中,能够降低生产成本,提高经济效益。
具体实施方式
本发明的具体实施例如下:步骤一:根据实验数据,对电池温度、电池充放电电流以及电池SOC区间各自对100%DOD过程的影响系数KT、KC、KSOC分别划分出多个具有不同影响曲线的区间,并对不同区间内KT、KC或KSOC的曲线进行拟合。
(一)求解KT。
经实验所得的大量实验数据分析可将KT划分为3个区间,分别为低温区LTR、常温区RTR和高温区HTR,低温区LTR、常温区RTR和高温区HTR,公式表示如下:
L T R ∈ [ T 1 , T 2 ) R T R ∈ [ T 2 , T 3 ] H T R ∈ ( T 3 , T 4 ] - - - ( 1 )
并以温度为自变量,K为因变量,拟合曲线函数如下:
K = a ( x - m ) 2 + b ( x - m ) + c x ∈ L T R ( 1 - a ) K = d x + e x ∈ R T R ( 1 - b ) K = g ( x - n ) 2 + h ( x - n ) + u x ∈ H T R ( 1 - c )
式(1)中T1、T2、T3、T4根据电池的类型和工艺条件而不同,且(T1,KT1)、(T2,KT2)、(T3,KT3)和(T4,KT4)均可通过实验得到具体数据,式(1-a)、式(1-b)、式(1-c)中,a、b、c、d、e、g、h、u为拟合常数。
求解a、b、c、d、e、g、h、u:
1)在RTR区间KT是线性拟合的,可将(T2,KT2)和(T3,KT3)两个点代入式(1-b)中计算得出d和e的值,即可得到式(1-b);
2)将(T1,KT1)和(T2,KT2)代入到式(1-a)中,并对式(1-a)和式(1-b)进行求导,结果得到以下等式:
K T 1 = a ( T 1 - m ) 2 + b ( T 1 ) + c K T 2 = a ( T 2 - m ) 2 + b ( T 2 ) + c K T 2 = 2 a ( T 2 ) - 2 a m = d - - - ( 2 )
式(2)中,d值已经在1)中解出,在运算时,m、c分别用T1、KT1代入,即可求出a和b,从而解出式(1-a);
3)同理将(T3,KT3)和(T4,KT4)代入式(1-b)、式(1-c)中得到以下等式:
K T 3 = g ( T 3 - n ) 2 + h ( T 3 ) + u K T 4 = g ( T 4 - n ) 2 + h ( T 4 ) + u K T 3 = 2 g ( T 3 ) - 2 g n = d - - - ( 3 )
式(3)中,n、u分别用T3、KT3即可求出g、h,从而解出式(1-c)。
(二)求解KC
经实验所得的大量实验数据分析可将KI划分为3个区间,分别为零漂区ZCR、弱电流区LCR和强电流区HCR,具体区间分布如下:
L C R ∈ [ 0 , S 1 ) Z C R ∈ [ S 1 , S 2 ) H C R ∈ [ S 2 , S 3 ] - - - ( 4 )
并以充放电电流为自变量,K为因变量,所拟合K的曲线函数与步骤二式(2)相同,具体公式如下:
K = a ( x - m ) 2 + b ( x - m ) + c x ∈ L C R ( 4 - a ) K = d x + e x ∈ Z C R ( 4 - b ) K = g ( x - n ) 2 + h ( x - n ) + u x ∈ H C R ( 4 - c )
上式中a、b、c、d、e、g、h、u值的求解参照KT中的具体求解过程,Ks1、Ks2的值可根据实验计算得出,用(S1,KS1)、(S2,KS2)代入式(4-b)中计算得出d、e,再将(0,KS0)、(S1,KS1)代入式(4-a)中并使m=0、c=0.001*KS1,即可求出a和b,再将(S2,KS2)、(S3,KS3)代入式(4-c)中并令n=S2、u=KS3即可求出g、h,将a、b、c、d、e、g、h、u代入式(5)中即得到整个式(5)。
(三)求解KSOC
KSOC的区间划分为LRR和HRR两个区间,并根据充电、放电进一步分为充电时的LRRc、HRRc区间和放电时的LRRd和HRRd,具体表示如下:
L R R c ∈ [ 0 , 0.8 ) H R R c ∈ [ 0.8 , 1 ) - - - ( 6 )
H R R d ∈ [ 0 , 0.2 ) L R R d ∈ [ 0.2 , 1 ] - - - ( 7 )
1)在充电时的LRRc、HRRc区间内以SOC为自变量,K为因变量拟合函数如下:
K = 1 K ∈ L R R c K = a x + b K ∈ H R R c - - - ( 8 )
式(8)中当x=0.8时K=1,当x=1时K=A,常数A与电池相关,可通过实验测得,将(0.8,1)、(1,A)代入式(8)中即可求得充电时的SOC分段函数。
2)在放电时的LRRd、HRRd区间内以SOC为自变量,K为因变量拟合函数如下:
K = 1 K ∈ L R R d K = c x + d K ∈ H R R d - - - ( 9 )
式(9)中当x=0.2时K=1,当x=0时K=B,常数B与电池相关,可通过实验测得,将(0.2,1)、(0,B)代入式(9)中即可求得放电时的SOC分段函数。
步骤二:将实时的电池温度、电池充放电电流以及电池SOC区间代入步骤一中相应的拟合后的拟合函数中计算出相应的KT、KC、KSOC。
步骤三:根据步骤一对电池温度、电池充放电电流以及电池SOC所划分的区间进行排列组合,一共得出18中排列组合结果,并根据18排列组合结果分别拟合出对应结果情况的共同作用系数K的计算公式如下:
1)T∈RTR,C∈ZCR,SOC∈LRRc或SOC∈LRRd,K=(KT+KC+KSOC)/3;
2)T∈RTR,C∈ZCR,SOC∈HRRc或SOC∈HRRd,K=KSOC;
3)T∈RTR,C∈LCR,SOC∈LRRc或SOC∈LRRd,K=(KT+KSOC)/2;
4)T∈RTR,C∈LCR,SOC∈HRRc或SOC∈HRRd,K=(KC+KSOC)/2;
5)T∈RTR,C∈HCR,SOC∈LRRc或SOC∈LRRd,K=(KT+KSOC)/(2√KC);
6)T∈RTR,C∈HCR,SOC∈HRRc或SOC∈HRRd,
7)T∈LTR,C∈ZCR,SOC∈LRRc或SOC∈LRRd,K=(KC+KSOC)/2+KT;
8)T∈LTR,C∈ZCR,SOC∈HRRc或SOC∈HRRd,K=(KT+KSOC)/2;
9)T∈LTR,C∈LCR,SOC∈LRRc或SOC∈LRRd,K=(KT+KSOC)/2;
10)T∈LTR,C∈LCR,SOC∈HRRc或SOC∈HRRd,K=(KT+KC+KSOC)/2;
11)T∈LTR,C∈HCR,SOC∈LRRc或SOC∈LRRd,K=(KT+KSOC)/(2√KC);
12)T∈LTR,C∈HCR,SOC∈HRRc或SOC∈HRRd,
13)T∈HTR,C∈ZCR,SOC∈LRRc或SOC∈LRRd,K=(KT+KC+KSOC)/3;
14)T∈HTR,C∈ZCR,SOC∈HRRc或SOC∈HRRd,K=KT+KSOC;
15)T∈HTR,C∈LCR,SOC∈LRRc或SOC∈LRRd,K=KT+KC+KSOC;
16)T∈HTR,C∈LCR,SOC∈HRRc或SOC∈HRRd,
17)T∈HTR,C∈HCR,SOC∈LRRc或SOC∈LRRd,
18)T∈HTR,C∈HCR,SOC∈HRRc或SOC∈HRRd,K=KT*KC*KSOC。
步骤四:将步骤二中计算得出的KT、KC、KSOC代入到相应排列组合中的K的计算公式中计算出共同作用系数K的值。
步骤五:将动力电池在工况中的SOC变化记作ΔSOC,将步骤四中所得K代入到估算公式:
sDOD=∑|ΔSOC*K|
中求解出sDOD,sDOD即为动力电池的SOH。
本发明提供了一种电动汽车动力电池SOH估算方法,该方法以累加DOD为基础,同时综合考虑了温度、充放电流、充放电所处SOC区间、SOH所处区间对DOD的影响,是一种与实际衰减模型接近、同时能够利用单片计算资源实时处理的有效估算方法,其步骤简单、运算方便、结果精确。

Claims (6)

1.一种电动汽车动力电池SOH估算方法,其特征在于:包括以下步骤:
步骤一:根据实验数据,对电池温度、电池充放电电流以及电池SOC区间各自对100%DOD过程的影响系数KT、KC、KSOC分别划分出多个具有不同影响曲线的区间,并对不同区间内KT、KC或KSOC的曲线进行拟合;
步骤二:将实时的电池温度、电池充放电电流以及电池SOC区间代入步骤一中相应的拟合后的拟合函数中计算出相应的KT、KC、KSOC;
步骤三:根据步骤一对电池温度、电池充放电电流以及电池SOC所划分的区间进行排列组合,并根据多种排列组合结果拟合出对应结果情况的共同作用系数K的计算公式中;
步骤四:将步骤二中计算得出的KT、KC、KSOC代入到相应排列组合中的K的计算公式中计算出共同作用系数K的值;
步骤五:将动力电池在工况中的SOC变化记作ΔSOC,将步骤四中所得K代入到估算公式:
sDOD=∑|ΔSOC*K|
中求解出sDOD,sDOD即为动力电池的SOH。
2.根据权利要求1所述的一种电动汽车动力电池SOH估算方法,其特征在于:所述影响曲线采用直线拟合或曲线拟合中的一种或多种。
3.根据权利要求1所述的一种电动汽车动力电池SOH估算方法,其特征在于:所述KSOC根据剩余电量分为区间划分为低值区和高值区两个区间,并根据充电、放电进一步分为充电、放电时的低值区和充电、放电时的高值区。
4.根据权利要求1所述的一种电动汽车动力电池SOH估算方法,其特征在于:所述KT可根据单体温度的高低划分为3个区间,分别为低温区、常温区和高温区,低温区、常温区和高温区的边界根据电池的类型和工艺条件确定。
5.根据权利要求1所述的一种电动汽车动力电池SOH估算方法,其特征在于:所述KI可根据电流的强度划分为3个区间,分别为零漂区、弱电流区和强电流区;所述零漂区与弱电流区的边界为所采用检测电流传感器的零漂移阈值,弱电流区与强电流的边界根据电池类型和工艺调节确定;所述零漂区的下限为0,强电流区的上限为传感器量程上限。
6.根据权利要求3所述的一种电动汽车动力电池SOH估算方法,其特征在于:所述低值区的KSOC的KT值均为常数且由电池的类型和工艺调节确定。
CN201610777392.1A 2016-08-31 2016-08-31 一种电动汽车动力电池soh估算方法 Active CN106324518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610777392.1A CN106324518B (zh) 2016-08-31 2016-08-31 一种电动汽车动力电池soh估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610777392.1A CN106324518B (zh) 2016-08-31 2016-08-31 一种电动汽车动力电池soh估算方法

Publications (2)

Publication Number Publication Date
CN106324518A true CN106324518A (zh) 2017-01-11
CN106324518B CN106324518B (zh) 2019-09-20

Family

ID=57788351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610777392.1A Active CN106324518B (zh) 2016-08-31 2016-08-31 一种电动汽车动力电池soh估算方法

Country Status (1)

Country Link
CN (1) CN106324518B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772100A (zh) * 2017-02-06 2017-05-31 联想(北京)有限公司 一种预测电池寿命的方法及装置
CN108572327A (zh) * 2018-05-23 2018-09-25 华霆(合肥)动力技术有限公司 电池健康状态分析方法及装置
CN109085507A (zh) * 2018-07-31 2018-12-25 中国电力科学研究院有限公司 一种评估储能电池健康状态的方法和系统
CN110673050A (zh) * 2018-07-03 2020-01-10 法国电力公司 评估电池健康状态的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101086518A (zh) * 2006-06-07 2007-12-12 通用汽车环球科技运作公司 用于预测电能存储器件的工作状态变化的方法和设备
US20120091965A1 (en) * 2010-10-13 2012-04-19 Kyung-Won Seo Power storage apparatus
CN102721926A (zh) * 2012-03-02 2012-10-10 友达光电股份有限公司 电池芯健康状态的评估方法
CN103472403A (zh) * 2013-09-17 2013-12-25 浙江省计量科学研究院 一种基于pngv等效电路模型的动力电池soc复合估计方法
CN104316879A (zh) * 2014-10-13 2015-01-28 珠海许继电气有限公司 一种铅酸蓄电池组寿命的预测方法
CN104749529A (zh) * 2015-04-01 2015-07-01 上海理工大学 锂电池充放电特性的标定方法及充放电特性标定仪

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101086518A (zh) * 2006-06-07 2007-12-12 通用汽车环球科技运作公司 用于预测电能存储器件的工作状态变化的方法和设备
US20120091965A1 (en) * 2010-10-13 2012-04-19 Kyung-Won Seo Power storage apparatus
CN102721926A (zh) * 2012-03-02 2012-10-10 友达光电股份有限公司 电池芯健康状态的评估方法
CN103472403A (zh) * 2013-09-17 2013-12-25 浙江省计量科学研究院 一种基于pngv等效电路模型的动力电池soc复合估计方法
CN104316879A (zh) * 2014-10-13 2015-01-28 珠海许继电气有限公司 一种铅酸蓄电池组寿命的预测方法
CN104749529A (zh) * 2015-04-01 2015-07-01 上海理工大学 锂电池充放电特性的标定方法及充放电特性标定仪

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨刘倩 等: "电动汽车锂电池健康状态估算方法研究", 《电源技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772100A (zh) * 2017-02-06 2017-05-31 联想(北京)有限公司 一种预测电池寿命的方法及装置
CN108572327A (zh) * 2018-05-23 2018-09-25 华霆(合肥)动力技术有限公司 电池健康状态分析方法及装置
CN110673050A (zh) * 2018-07-03 2020-01-10 法国电力公司 评估电池健康状态的方法
CN110673050B (zh) * 2018-07-03 2021-11-30 法国电力公司 评估电池健康状态的方法
CN109085507A (zh) * 2018-07-31 2018-12-25 中国电力科学研究院有限公司 一种评估储能电池健康状态的方法和系统
CN109085507B (zh) * 2018-07-31 2022-04-15 中国电力科学研究院有限公司 一种评估储能电池健康状态的方法和系统

Also Published As

Publication number Publication date
CN106324518B (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
Ye et al. A model-based adaptive state of charge estimator for a lithium-ion battery using an improved adaptive particle filter
Meng et al. A simplified model-based state-of-charge estimation approach for lithium-ion battery with dynamic linear model
Hu et al. Advanced machine learning approach for lithium-ion battery state estimation in electric vehicles
Meng et al. Lithium polymer battery state-of-charge estimation based on adaptive unscented Kalman filter and support vector machine
CN107390127A (zh) 一种soc估算方法
Kim et al. An on-board model-based condition monitoring for lithium-ion batteries
CN107576919A (zh) 基于armax模型的动力电池荷电状态估算系统及方法
CN105334462B (zh) 电池容量损失在线估算方法
CN106324518A (zh) 一种电动汽车动力电池soh估算方法
Wang et al. A LiFePO4 battery pack capacity estimation approach considering in-parallel cell safety in electric vehicles
CN111448467B (zh) 用于对电池容量进行建模和估计的方法及系统
CN104849671B (zh) 一种基于组合神经网络的电池组容量检测系统
CN109143105A (zh) 一种电动汽车锂离子电池的荷电状态计算方法
CN106909716A (zh) 计及容量损耗的磷酸铁锂电池建模及soc估计方法
Mamo et al. Long short-term memory with attention mechanism for state of charge estimation of lithium-ion batteries
CN102937704A (zh) 一种动力电池rc等效模型的辨识方法
CN105929338B (zh) 一种测量电池状态的方法及其应用
CN106501726A (zh) 电池荷电状态的估算方法、电池管理系统及soc估算方法
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
CN107843845A (zh) 一种动力锂离子电池soh在线估算方法
CN106772065A (zh) 基于最小二乘支持向量机的微电网储能soc估算方法和系统
CN105203963A (zh) 一种基于开路电压滞回特性的荷电状态的估计方法
CN106597288A (zh) 一种电源soc估算方法
Feng et al. A graphical model for evaluating the status of series‐connected lithium‐ion battery pack
Liu et al. An improved SoC estimation algorithm based on artificial neural network

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
GR01 Patent grant
GR01 Patent grant