CN106772075A - 一种考虑温度梯度的在线电池阻抗模型优化方法 - Google Patents

一种考虑温度梯度的在线电池阻抗模型优化方法 Download PDF

Info

Publication number
CN106772075A
CN106772075A CN201611127361.8A CN201611127361A CN106772075A CN 106772075 A CN106772075 A CN 106772075A CN 201611127361 A CN201611127361 A CN 201611127361A CN 106772075 A CN106772075 A CN 106772075A
Authority
CN
China
Prior art keywords
battery
battery cell
temperature
cell
impedance
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
CN201611127361.8A
Other languages
English (en)
Other versions
CN106772075B (zh
Inventor
戴海峰
魏学哲
许阳
朱建功
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201611127361.8A priority Critical patent/CN106772075B/zh
Publication of CN106772075A publication Critical patent/CN106772075A/zh
Application granted granted Critical
Publication of CN106772075B publication Critical patent/CN106772075B/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]
    • G01R31/389Measuring internal impedance, internal conductance or related variables
    • 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]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及一种考虑温度梯度的在线电池阻抗模型优化方法,包括步骤:S1:测得电池单体的阻抗和温度的特性关系;S2:构建电池内部温度梯度;S3:将电池单体离散化为多个电池片,根据每个电池片的位置,结合电池内部温度梯度得到每个电池片的温度;S4:利用事先实验得到的电池阻抗和温度的特性关系,得到每个电池片阻抗;S5:根据每个电池片的阻抗优化电池阻抗模型。与现有技术相比,本发明将电池单体离散化为多个电池片,分别计算每个电池片的阻抗后再优化电池阻抗模型,得到的模型更加准确。

Description

一种考虑温度梯度的在线电池阻抗模型优化方法
技术领域
本发明涉及一种电力储能领域,尤其是涉及一种考虑温度梯度的在线电池阻抗模型优化方法。
背景技术
锂离子电池作为纯电动汽车和混合动力汽车的动力来源,对汽车的动力性能影响很大。因此需要电池管理系统,对电池的状态估计、功率预测等进行研究。电池管理系统一般是基于电池模型来进行研究的,因而电池模型的精度对管理系统的性能有很大影响。实际应用中,电池工作温度范围较大,而电池模型中的阻抗特性受温度的影响也很大。为了得到更精确的电池模型,需要考虑温度的影响。
现有研究及工程实现中,电池模型一般不考虑电池内部温度梯度,而是将电池表面温度或者平均温度作为模型的参数,通过表面温度修正电池模型阻抗参数,这导致模型的精度不高,从而影响电池管理性能。然而,实际上电池在充放电过程中,会导致电池内部产生温度梯度。此时,如果用表面温度或者环境温度来修正电池阻抗模型,将会带来较大误差。所以,需要考虑存在温度梯度时的阻抗特性模型。
本发明在实际应用中,通过离线试验得到电池单体阻抗和温度的对应关系,基于在线计算的电池内部温度,结合电池表面温度,构建电池内部温度梯度。将电池单体进行离散化处理,获得离散化电池片阻抗和温度的特性关系。利用离散化电池片阻抗和电池单体阻抗的关系,在线修正电池单体阻抗,从而为电池模型提供了更加精确的参数。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑温度梯度的在线电池阻抗模型优化方法。
本发明的目的可以通过以下技术方案来实现:
一种考虑温度梯度的在线电池阻抗模型优化方法,包括步骤:
S1:测得电池单体的阻抗和温度的特性关系;
S2:构建电池内部温度梯度;
S3:将电池单体离散化为多个电池片,根据每个电池片的位置,结合电池内部温度梯度得到每个电池片的温度;
S4:利用事先实验得到的电池阻抗和温度的特性关系,得到每个电池片阻抗;
S5:根据每个电池片的阻抗优化电池阻抗模型。
所述步骤S1包括步骤:
S11:将电池单体放在恒温箱中,静置直至电池单体的各层温度达到稳态;
S12:在电池单体一个表面的中心贴热电偶用于检测电池单体的表面温度;
S13:改变恒温箱的温度后,重复步骤S11和S12,直至获得指定组数据;
S14:进行电化学交流阻抗谱测试,通过数据拟合,得到不同温度下,电池单体阻抗的实验数据。
所述步骤S2具体包括步骤:
S21:采集电池单体工作过程中的电流和电压;
S22:利用集总参数热模型在线计算电池单体内部温度;
S23:结合电池单体工作过程中实测的表面温度,构建电池单体内部温度梯度。
所述步骤S22中的计算电池难题内部温度具体包括步骤:
S221:测得环境温度和电池单体各方向的表面温度;
S222:根据电池单体工作过程中的电流和电压计算电池单体的发热量;
S223:根据电池单体各方向的表面温度、电池单体的发热量以及电池单体的尺寸信息计算x方向电池单体内部的热阻和电池表面与空气的对流换热热阻、y方向电池单体内部的热阻和电池表面与空气的对流换热热阻,以及z方向电池单体内部的热阻和电池表面与空气的对流换热热阻;
S224:根据x、y或z方向电池单体的表面温度、电池单体内部的热阻和电池表面与空气的对流换热热阻、以及环境温度计算电池单体内部温度。
所述集总参数热模型具体为:
其中:Tin为电池单体内部温度,Tsurf,x、Tsurf,y、Tsurf,z分别为x、y、z方向的电池单体的表面温度,Ta为环境温度,Rin,x、Rout,x分别为x方向电池单体内部的热阻和电池表面与空气的对流换热热阻,Rin,y、Rout,y分别为y方向电池单体内部的热阻和电池表面与空气的对流换热热阻,Rin,z、Rout,z分别为z方向电池单体内部的热阻和电池表面与空气的对流换热热阻,q为电池单体的发热量,h为换热系数,Sx、Sy、Sz分别为是垂直于x轴、y轴、z轴的电池单体表面的表面积。
与现有技术相比,本发明具有以下优点:
1)本发明在构建电池内部温度梯度时,采用的是软测量的方法,并不影响电池单体的性能和寿命。
2)本发明对电池模型阻抗修正时利用了内部温度梯度,因而所涉及的电池模型精度更高,并且需要的数据量较小,模型计算量小。
附图说明
图1为本发明方法的主要步骤流程示意图;
图2为本发明的工作原理图;
图3为电池单体等效模型示例;
图4为本发明的离线实验图示例;
图5为电池单体离散化示意图;
图6(a)为电池单体欧姆阻抗和温度的关系图;
图6(b)为离散化后电池片欧姆阻抗和温度的关系图;
图7(a)为电池单体极化阻抗和温度的关系图;
图7(b)为离散化后电池片极化阻抗和温度的关系图;
图8为集总参数热模型示意图;
图9为电池单体在存在温度梯度时的离散分析原理图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
一种考虑温度梯度的在线电池阻抗模型优化方法,如图1所示,包括步骤:
S1:测得电池单体的阻抗和温度的特性关系,具体包括步骤:
S11:将电池单体放在恒温箱中,静置直至电池单体的各层温度达到稳态;
S12:在电池单体一个表面的中心贴热电偶用于检测电池单体的表面温度;
S13:改变恒温箱的温度后,重复步骤S11和S12,直至获得指定组数据;
S14:进行电化学交流阻抗谱测试,通过数据拟合,得到不同温度下,电池单体阻抗的实验数据。
S2:构建电池内部温度梯度,具体包括步骤:
S21:采集电池单体工作过程中的电流和电压;
S22:利用集总参数热模型在线计算电池单体内部温度,
集总参数热模型具体为:
其中:Tin为电池单体内部温度,Tsurf,x、Tsurf,y、Tsurf,z分别为x、y、z方向的电池单体的表面温度,Ta为环境温度,Rin,x、Rout,x分别为x方向电池单体内部的热阻和电池表面与空气的对流换热热阻,Rin,y、Rout,y分别为y方向电池单体内部的热阻和电池表面与空气的对流换热热阻,Rin,z、Rout,z分别为z方向电池单体内部的热阻和电池表面与空气的对流换热热阻,q为电池单体的发热量,h为换热系数,Sx、Sy、Sz分别为是垂直于x轴、y轴、z轴的电池单体表面的表面积。
其中计算电池难题内部温度具体包括步骤:
S221:测得环境温度和电池单体各方向的表面温度;
S222:根据电池单体工作过程中的电流和电压计算电池单体的发热量;
S223:根据电池单体各方向的表面温度、电池单体的发热量以及电池单体的尺寸信息计算x方向电池单体内部的热阻和电池表面与空气的对流换热热阻、y方向电池单体内部的热阻和电池表面与空气的对流换热热阻,以及z方向电池单体内部的热阻和电池表面与空气的对流换热热阻;
S224:根据x、y或z方向电池单体的表面温度、电池单体内部的热阻和电池表面与空气的对流换热热阻、以及环境温度计算电池单体内部温度。
S23:结合电池单体工作过程中实测的表面温度,构建电池单体内部温度梯度。
S3:将电池单体离散化为多个电池片,根据每个电池片的位置,结合电池内部温度梯度得到每个电池片的温度;
S4:利用事先实验得到的电池阻抗和温度的特性关系,得到每个电池片阻抗;
S5:根据每个电池片的阻抗优化电池阻抗模型。
以下,将参考附图详细地解释本发明的优选实施例。
图2是本发明的工作原理图。首先对电池进行离线基本实验,获得电池单体阻抗和温度的特性关系。然后采集电池工作过程中的电流和电压,利用集总参数热模型估计电池内部温度。之后结合电池工作过程中实测的表面温度,构建电池内部温度梯度。将电池单体进行离散化处理,获得离散化后电池片阻抗和温度的关系。最后,利用电池片阻抗和电池单体阻抗的关系,在线更新阻抗模型。
常见的电池模型包括PNGV模型,二阶RC回路模型,三阶RC模型等,此处以图3所示的PNGV电池模型为例说明本发明的应用原理。该模型中,将电池特性描述成1阶RC电路。Ro表示欧姆内阻,RC回路模拟极化响应,C描述电池吸收、放出电量时随着负载电流的时间累计而产生的开路电压的变化特性,此电容的大小反映了电池的容量大小。电池模型的输入量为电流I。该电路可用公式表示:
U=I*Ro+OCV+I*(Rp//Cp)
由上述公式可以看出,建立阻抗和温度关系的时候,实际就是建立Ro、Rp、Cp和温度的关系。而考虑温度梯度的阻抗更新,即根据电池内部温度梯度来优化Ro、Rp和Cp的取值。在实验中,可根据电压、电流数据,通过数据拟合的方法得到Ro、Rp和Cp及其在不同温度下的取值。
图4是本发明的离线实验设计图。进行离线实验时,将电池单体放在恒温箱中,用于研究电池单体阻抗和温度的特性关系。每次改变恒温箱的温度时,静止3个小时,使得电池单体的各层温度达到稳态,在电池一个表面的中心贴热电偶用于检测电池单体的温度。之后进行电化学交流阻抗谱测试(Electrochemical Impedance Spectroscopy,简称EIS),通过数据拟合,得到不同温度下,电池单体阻抗的实验数据,及上述Ro、Rp和Cp在不同温度下的取值。
为了更好地分析电池阻抗和温度的关系,可以将电池单体进行离散化处理。如图5所示,电池单体可以离散化成N片电池片。考虑图5所述的离散化思路,电池单体可以认为是由离散化后的电池片并联而成,则离散化后电池片的欧姆内阻Ro_subcell为N*Ro。取N=10时,关系图如图6(b)所示。同样,根据图5所述的离散化思路,离散化后电池片的极化内阻Rp_subcell为N*Rp。取N=10时,关系图如图7(b)所示。
在上述离散化的电池阻抗更新中,需要在线构建电池内部温度梯度。而为了在线构建电池内部温度梯度,在电池表面温度测量的基础上,还需要获得电池内部温度。本发明中,采用集总参数热模型来获得电池内部温度。典型的集总参数热模型的示意图如图8。该模型将电池内部发热机理简化成3个方向。并且每个方向上都存在两个热阻,分别是电池表面和电池内部热阻以及电池表面和环境之间的热阻。
根据图3中的电池模型,q=(U-OCV)*I,U是端电压,OCV是开路电压。联立集总参数热模型方程组,可得Rin,x、Rin,y、Rin,z、Rout,x、Rout,y、Rout,z和换热系数h的值。然后将计算结果带入集总参数热模型的第一个方程,即可获得电池内部温度Tin。当获得内部温度Tin及测量获得的表面温度,即可在线构建电池内部温度梯度。
实际工况中,电池在充放电过程中会导致电池内部产生温度梯度,如图9所示。将电池单体离散化成N片之后,根据离散化后电池片的位置,可以获得每片电池片的温度。根据电池单体阻抗和温度的特性关系,可以得到每片电池片的欧姆内阻R0i和每片电池片的极化电阻Rpi(i表示电池片的位置,取值为1~N)。以N=6为例,可以获得考虑温度梯度下电池单体的欧姆内阻Ro和极化电阻Rp,方程如下:
利用此在线构建内部温度梯度的方法更新的欧姆内阻和极化内阻,可以获得更好的电池模型。

Claims (5)

1.一种考虑温度梯度的在线电池阻抗模型优化方法,其特征在于,包括步骤:
S1:测得电池单体的阻抗和温度的特性关系;
S2:构建电池内部温度梯度;
S3:将电池单体离散化为多个电池片,根据每个电池片的位置,结合电池内部温度梯度得到每个电池片的温度;
S4:利用事先实验得到的电池阻抗和温度的特性关系,得到每个电池片阻抗;
S5:根据每个电池片的阻抗优化电池阻抗模型。
2.根据权利要求1所述的一种考虑温度梯度的在线电池阻抗模型优化方法,其特征在于,所述步骤S1包括步骤:
S11:将电池单体放在恒温箱中,静置直至电池单体的各层温度达到稳态;
S12:在电池单体一个表面的中心贴热电偶用于检测电池单体的表面温度;
S13:改变恒温箱的温度后,重复步骤S11和S12,直至获得指定组数据;
S14:进行电化学交流阻抗谱测试,通过数据拟合,得到不同温度下,电池单体阻抗的实验数据。
3.根据权利要求1所述的一种考虑温度梯度的在线电池阻抗模型优化方法,其特征在于,所述步骤S2具体包括步骤:
S21:采集电池单体工作过程中的电流和电压;
S22:利用集总参数热模型在线计算电池单体内部温度;
S23:结合电池单体工作过程中实测的表面温度,构建电池单体内部温度梯度。
4.根据权利要求3所述的一种考虑温度梯度的在线电池阻抗模型优化方法,其特征在于,所述步骤S22中的计算电池难题内部温度具体包括步骤:
S221:测得环境温度和电池单体各方向的表面温度;
S222:根据电池单体工作过程中的电流和电压计算电池单体的发热量;
S223:根据电池单体各方向的表面温度、电池单体的发热量以及电池单体的尺寸信息计算x方向电池单体内部的热阻和电池表面与空气的对流换热热阻、y方向电池单体内部的热阻和电池表面与空气的对流换热热阻,以及z方向电池单体内部的热阻和电池表面与空气的对流换热热阻;
S224:根据x、y或z方向电池单体的表面温度、电池单体内部的热阻和电池表面与空气的对流换热热阻、以及环境温度计算电池单体内部温度。
5.根据权利要求4所述的一种考虑温度梯度的在线电池阻抗模型优化方法,其特征在于,所述集总参数热模型具体为:
T i n - T s u r f , x R i n , x = T s u r f , x - T a R o u t , x
T i n - T s u r f , y R i n , y = T s u r f , y - T a R o u t , y
T i n - T s u r f , z R i n , z = T s u r f , z - T a R o u t , z
q = T i n - T s u r f , x R i n , x + T i n - T s u r f , y R i n , y + T i n - T s u r f , z R i n , z
R o u t , x R o u t , y = S y S x
R o u t , x R o u t , z = S z S x
R o u t , x R o u t , z = S z S x
R o u t , x = 1 h * S x
其中:Tin为电池单体内部温度,Tsurf,x、Tsurf,y、Tsurf,z分别为x、y、z方向的电池单体的表面温度,Ta为环境温度,Rin,x、Rout,x分别为x方向电池单体内部的热阻和电池表面与空气的对流换热热阻,Rin,y、Rout,y分别为y方向电池单体内部的热阻和电池表面与空气的对流换热热阻,Rin,z、Rout,z分别为z方向电池单体内部的热阻和电池表面与空气的对流换热热阻,q为电池单体的发热量,h为换热系数,Sx、Sy、Sz分别为是垂直于x轴、y轴、z轴的电池单体表面的表面积。
CN201611127361.8A 2016-12-09 2016-12-09 一种考虑温度梯度的在线电池阻抗模型优化方法 Active CN106772075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611127361.8A CN106772075B (zh) 2016-12-09 2016-12-09 一种考虑温度梯度的在线电池阻抗模型优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611127361.8A CN106772075B (zh) 2016-12-09 2016-12-09 一种考虑温度梯度的在线电池阻抗模型优化方法

Publications (2)

Publication Number Publication Date
CN106772075A true CN106772075A (zh) 2017-05-31
CN106772075B CN106772075B (zh) 2019-07-05

Family

ID=58882289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611127361.8A Active CN106772075B (zh) 2016-12-09 2016-12-09 一种考虑温度梯度的在线电池阻抗模型优化方法

Country Status (1)

Country Link
CN (1) CN106772075B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703115A (zh) * 2019-10-30 2020-01-17 同济大学 一种电动汽车蓄电池的平均温度在线估计方法
CN112578298A (zh) * 2019-09-29 2021-03-30 比亚迪股份有限公司 电池温度估算方法、装置、电子设备及存储介质
CN114113795A (zh) * 2020-08-26 2022-03-01 炬芯科技股份有限公司 一种接触阻抗的检测电路及检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010044230A1 (de) * 2010-09-03 2011-05-05 Daimler Ag Verfahren und Vorrichtung zum Bestimmen eines Gleichstromwiderstands einer Batterie
CN103503224A (zh) * 2011-04-21 2014-01-08 宝马股份公司 用以求得储能器的内部温度的方法及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010044230A1 (de) * 2010-09-03 2011-05-05 Daimler Ag Verfahren und Vorrichtung zum Bestimmen eines Gleichstromwiderstands einer Batterie
CN103503224A (zh) * 2011-04-21 2014-01-08 宝马股份公司 用以求得储能器的内部温度的方法及设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HAIFENG DAI等: "Preliminary study on the influence of internal temperature gradient on EIS measurement and characterization for Li-ion batteries", 《2015 IEEE VEHICLE POWER AND PROPULSION CONFERENCE (VPPC)》 *
YANG JING等: "Lithium-ion Battery Internal Resistance Model Based on the Porous Electrode Theory", 《2014 IEEE VEHICLE POWER AND PROPULSION CONFERENCE (VPPC)》 *
刘光明等: "锂离子电池内部温度场的传递函数在线估计", 《汽车安全与节能学报》 *
张颖颖: "面向控制的PEMFC膜阻抗模型的改进研究", 《计算机仿真》 *
洪晓斌等: "基于电阻层析成像的汽车动力电池内部温度监测", 《光学精密工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112578298A (zh) * 2019-09-29 2021-03-30 比亚迪股份有限公司 电池温度估算方法、装置、电子设备及存储介质
JP2022550125A (ja) * 2019-09-29 2022-11-30 ビーワイディー カンパニー リミテッド 電池温度推定方法、装置、電子機器、及び記憶媒体
JP7379679B2 (ja) 2019-09-29 2023-11-14 ビーワイディー カンパニー リミテッド 電池温度推定方法、装置、電子機器、及び記憶媒体
US11846675B2 (en) 2019-09-29 2023-12-19 Byd Company Limited Battery temperature estimation method and apparatus, electronic device, and storage medium
CN110703115A (zh) * 2019-10-30 2020-01-17 同济大学 一种电动汽车蓄电池的平均温度在线估计方法
CN114113795A (zh) * 2020-08-26 2022-03-01 炬芯科技股份有限公司 一种接触阻抗的检测电路及检测方法

Also Published As

Publication number Publication date
CN106772075B (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
Lin et al. State of charge estimation with the adaptive unscented Kalman filter based on an accurate equivalent circuit model
Ding et al. An improved Thevenin model of lithium-ion battery with high accuracy for electric vehicles
Mohammadi Lithium-ion battery State-of-Charge estimation based on an improved Coulomb-Counting algorithm and uncertainty evaluation
Cao et al. A novel adaptive state of charge estimation method of full life cycling lithium‐ion batteries based on the multiple parameter optimization
Jokar et al. An inverse method for estimating the electrochemical parameters of lithium-ion batteries
Takyi‐Aninakwa et al. A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries
Li Li-ion dynamics and state of charge estimation
Pang et al. An enhanced temperature‐dependent model and state‐of‐charge estimation for a Li‐Ion battery using extended Kalman filter
CN111929581B (zh) 一种动力锂电池内外部温度预测方法
Wang et al. Estimation of battery open-circuit voltage and state of charge based on dynamic matrix control-extended Kalman filter algorithm
Li et al. A simplified multi-particle model for lithium ion batteries via a predictor-corrector strategy and quasi-linearization
Shi et al. A novel lumped thermal characteristic modeling strategy for the online adaptive temperature and parameter co-estimation of vehicle lithium-ion batteries
CN109581064B (zh) 测量电池低温直流电阻的方法、装置、介质
Mesbahi et al. Coupled electro-thermal modeling of lithium-ion batteries for electric vehicle application
Yao et al. Sliding mode-based H-infinity filter for SOC estimation of lithium-ion batteries
Cheng et al. Estimation of State of Charge for Lithium‐Ion Battery Based on Finite Difference Extended Kalman Filter
CN112710955B (zh) 一种用于提高电池容量估计精度的算法
Jafari et al. Prediction of the battery state using the digital twin framework based on the battery management system
Lai et al. A joint state-of-health and state-of-energy estimation method for lithium-ion batteries through combining the forgetting factor recursive least squares and unscented Kalman filter
CN106772075B (zh) 一种考虑温度梯度的在线电池阻抗模型优化方法
CN115587512A (zh) 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法
Wang et al. Construction of electrochemical model for high C-rate conditions in lithium-ion battery based on experimental analogy method
Xu et al. State estimation of lithium batteries for energy storage based on dual extended kalman filter
Wang et al. Identification of fractional-order equivalent circuit model of lithium-ion battery for improving estimation of state of charge
Liu et al. A framework for battery temperature estimation based on fractional electro-thermal coupling model

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