CN106896325A - 一种电池参数在线辨识方法及系统 - Google Patents
一种电池参数在线辨识方法及系统 Download PDFInfo
- Publication number
- CN106896325A CN106896325A CN201710059376.3A CN201710059376A CN106896325A CN 106896325 A CN106896325 A CN 106896325A CN 201710059376 A CN201710059376 A CN 201710059376A CN 106896325 A CN106896325 A CN 106896325A
- Authority
- CN
- China
- Prior art keywords
- battery
- parameter
- voltage
- moment
- formal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000010287 polarization Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 2
- 235000008434 ginseng Nutrition 0.000 claims 2
- 239000000178 monomer Substances 0.000 claims 2
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010998 test method Methods 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明提供一种电池参数在线辨识方法,其应用于电动汽车中,电动汽车包括为其提供动力的电池包,电池包包括若干单体电池;电池参数在线辨识方法包括如下步骤:实时采集单体电池电压及电流;建立电池电压及电流与各项待测电池参数的参数控制方程,其中,参数控制方程为依据电压、电流并结合参数控制方程,利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数并输出;依据θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数。本发明提供的电池参数在线辨识方法能有效同时实现电池多个参数的在线辨识,且计算复杂度较低、精度较好。本发明还提供一种电池参数在线辨识系统。
Description
【技术领域】
本发明涉及电动汽车电池参数估算技术领域,尤其涉及一种电池参数在线辨识方法及系统。
【背景技术】
动力电池在新能源领域得到了广泛的应用,特别是在电动汽车上。为了实现对电池的精准管理,需对电池各种状态,例如,电池的剩余电量及电池健康状态等进行估算,而对电池状态的估算离不开电池参数,电池参数的准确性直接影响电池各种状态的估算精度。
电池参数通常包括电池开路电压、欧姆内阻、极化内阻及极化电容等参数目前,获取电池参数的方法主要有离线测试方法以及在线辨识方法两类。其中,离线测试方法通过专用的充放电测试设备,在特定工况下采集电池电压、电流及温度等数据,对测试数据进行处理后完成电池参数的标定。然而,该方法不能满足实时在线估算电池参数的需求,在实验室离线测试标定的电池参数初始值不能满足电池在使用过程中由于老化等原因引起的参数变化,亦即,该方法不能实现参数的实时在线跟踪。
现有的在线辨识方法主要为卡尔曼滤波法及最小二乘法。该类方法一般通过电池管理系统(Battery Management System,BMS)的采集模块对电池外特性参数进行采集,例如,电池实时电压、电流及温度等,然后通过BMS的运算单元在线估算电池模型参数。虽然,该类方法能够实现实时在线估算电池参数,但是选用的电池模型、参数方程以及计算复杂度差异较大,存在电池模型太复杂、运算量过大等缺点。
鉴于此,实有必要提供一种新的电池参数在线辨识方法及系统以克服上述缺陷。
【发明内容】
本发明的目的是提供一种电池参数在线辨识方法及系统,所述电池参数在线辨识方法及系统能有效同时实现电池多个参数的在线辨识,且计算复杂度较低、精度较好。
为了实现上述目的,本发明提供一种电池参数在线辨识方法,其应用于电动汽车中,所述电动汽车包括为其提供动力的电池包,所述电池包包括若干单体电池;所述电池参数在线辨识方法包括如下步骤:
实时采集所述单体电池电压及电流;
建立电池电压及电流与各项待测电池参数的参数控制方程,其中,所述参数控制方程为
依据所述电压、电流并结合所述参数控制方程,利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数并输出;
依据所述θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数。
本发明还提供一种电池参数在线辨识系统,其应用于电动汽车中,所述电动汽车包括为其提供动力的电池包,所述电池包包括若干单体电池;所述电池参数在线辨识系统包括采集模块、参数控制方程模块、递推估算模块以及参数计算模块;所述采集模块用于实时采集所述单体电池电压及电流;所述参数控制方程模块用于建立所述电池电压及电流与各项待测电池参数的参数控制方程,其中,所述参数控制方程为所述递推估算模块用于依据所述电压、电流并结合所述参数控制方程,利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数并输出;所述参数计算模块用于依据所述递推估算模块输出的θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数。
本发明提供的电池参数在线辨识方法及系统,使用一种简单的电池模型以及参数控制方程,并结合遗忘递推最小二乘法算法实现电池参数的在线辨识。具有高度实时性、低计算复杂度及较高辨识精度等优点。
【附图说明】
图1为包含本发明提供的电池参数在线辨识系统的电动汽车的功能模块图。
图2为本发明提供的电池参数在线辨识方法的流程图。
图3为采集模块采集到的电压工况图。
图4为采集模块采集到的电流工况图。
图5为欧姆内阻Ro在线辨识结果图。
图6极化内阻Rc在线辨识结果图。
图7极化电容C在线辨识结果图。
图8开路电压Uocv在线辨识结果图。
【具体实施方式】
为了使本发明的目的、技术方案和有益技术效果更加清晰明白,以下结合附图和具体实施方式,对本发明进行进一步详细说明。应当理解的是,本说明书中描述的具体实施方式仅仅是为了解释本发明,并不是为了限定本发明。
请参阅图1,为包含本发明提供的电池参数在线辨识系统200的的电动汽车99的功能模块图。所述电动车99还包括电池包100、电池参数在线辨识系统200、存储器300以及处理器400。所述电池包100用于为所述电动汽车99提供动力。在本实施方式中,所述电池包100包括若干单体电池。所述电池参数在线辨识系统200包括采集模块10、参数控制方程模块20、递推估算模块30以及参数计算模块40。可以理解地,上述各功能模块可以软件程序的形式存储于存储器300中,并由处理器400执行。在替代实施例中,上述各功能模块也可为具有特定功能的硬件,例如,烧录有特定软件程序的芯片。
下面结合图2对上述各功能模块进行详细的介绍。
如图2所示,其为本发明实施例中电池参数在线辨识方法的流程图。所应说明的是,本发明的方法并不受限于下述步骤的顺序,且其他实施例中,本发明的方法可以只包括以下所述步骤的其中一部分,或者其中的部分步骤可以被删除。
S01,采集模块10用于实时采集单体电池电压U及电流Cur。
请再参阅图3及图4,为本实施方式中所述采集模块10采集到的电压、电流工况图。从电压工况图中可以看出,所述单体电池随着放电的进行电压逐渐减小。从电流工况图中可以看出,所述单体电池以7A的电流进行间歇性循环放电。具体地,实现电压、电流采集的方法有许多种,在本实施方式中,所述采集模块10以电池管理系统为例进行说明。电池管理系统的核心功能是对所述电池包100进行管理,而电池电压、电流采集是其基本功能之一,因此,任何一款电池管理系统均能实现电池电压、电流采集功能。在本实施方式中,单体电池电压记为U,电流记为Cur。可以理解,若所述采集模块10采集的电流为所述电池包100的总电流,则将所述总电流除以并联的单体电池数量即可得到单体电池的电流。
S02,所述参数控制方程模块20用于建立电池电压U及电流Cur与各项待测电池参数的参数控制方程。
具体地,所述参数控制方程如下:
其中,U(k)为第k时刻的电池端电压;Cur(k)为第k时刻的电池电流;为电流微分量,并且: 为电压微分量,并且:θ1(k)为形式参数,并且θ1(k)=Ro(k)+Rc(k);θ2(k)为形式参数,并且θ2(k)=Ro(k)Rc(k)C(k);θ3(k)为形式参数,并且θ3(k)=-RC(k)C(k);θ4(k)为形式参数,并且θ4(k)=Uocv(k)。
进一步地,k表示当前时刻,k-1表示上一时刻,k的初始值为0。Ro(k)表示k时刻的电池欧姆内阻;Rc(k)表示k时刻的极化内阻;C(k)表示k时刻的极化电容,Uocv(k)表示k时刻的开路电压。
S03,所述递推估算模块30用于依据电压U、电流Cur并结合参数控制方程,利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数并输出。
具体的计算公式如下:
K(k)=p(k-1)ψ(k)/(α+ψ(k)'p(k-1)ψ(k));
p(k)=1/α[eye(4)-K(k)ψ(k)']p(k-1);
Upri(k)=ψ(k)'θ(k-1);
θ(k)=θ(k-1)+K(k)[U(k)-Upri(k)];
其中,k表示当前时刻,k-1表示上一时刻;ψ是由四个元素组成的向量,ψ(k)=[Cur(k);Cur(k)-Cur(k-1);U(k)-U(k-1);1];θ是由四个元素组成的向量,θ(k)=[θ1(k);θ2(k);θ3(k);θ4(k)];K、p、Upri是计算过程变量;U(k)、Cur(k)分别是所述采集模块10采集到的k时刻电压、电流值;α是遗忘因子,取值范围为0~1,在本实例中,α取值为0.995。
S04,所述参数计算模块40用于依据所述递推估算模块30输出的θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数。
请再一并参阅图5-8,分别为所述参数计算模块40依据所述递推估算模块30输出的θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)的在线辨识结果图。
具体的计算公式如下:
Ro(k)=-θ2(k)/θ3(k);
RC(k)=θ1(k)-Ro(k);
C(k)=-θ3(k)/RC(k);
Uocv(k)=θ4(k)。
本发明所提供的电池参数在线辨识方法及电池参数在线辨识系统200,使用了一种简单的电池模型以及参数控制方程,并结合遗忘递推最小二乘法算法,实现电池参数的在线辨识。具有高度实时性、低计算复杂度及较高辨识精度等优点。
本发明并不仅仅限于说明书和实施方式中所描述,因此对于熟悉领域的人员而言可容易地实现另外的优点和修改,故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下,本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。
Claims (10)
1.一种电池参数在线辨识系统,其应用于电动汽车中,所述电动汽车包括为其提供动力的电池包,所述电池包包括若干单体电池;其特征在于:所述电池参数在线辨识系统包括采集模块、参数控制方程模块、递推估算模块以及参数计算模块;所述采集模块用于实时采集所述单体电池电压及电流;所述参数控制方程模块用于建立所述电池电压及电流与各项待测电池参数的参数控制方程,其中,所述参数控制方程为所述递推估算模块用于依据所述电压、电流并结合所述参数控制方程,利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数并输出;所述参数计算模块用于依据所述递推估算模块输出的θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数。
2.如权利要求1所述的电池参数在线辨识系统,其特征在于:U(k)为第k时刻的电池端电压;Cur(k)为第k时刻的电池电流;为电流微分量,并且: 为电压微分量,并且:θ1(k)为形式参数,并且θ1(k)=Ro(k)+Rc(k);θ2(k)为形式参数,并且θ2(k)=Ro(k)Rc(k)C(k);θ3(k)为形式参数,并且θ3(k)=-RC(k)C(k);θ4(k)为形式参数,并且θ4(k)=Uocv(k);其中,k表示当前时刻,k-1表示上一时刻,Ro(k)表示k时刻的电池欧姆内阻;Rc(k)表示k时刻的极化内阻;C(k)表示k时刻的极化电容,Uocv(k)表示k时刻的开路电压。
3.如权利要求2所述的电池参数在线辨识系统,其特征在于:所述利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数的计算公式如下:
K(k)=p(k-1)ψ(k)/(α+ψ(k)′p(k-1)ψ(k));
p(k)=1/α[eye(4)-K(k)ψ(k)′]p(k-1);
Upri(k)=ψ(k)′θ(k-1);
θ(k)=θ(k-1)+K(k)[U(k)-Upri(k)];
其中,k表示当前时刻,k-1表示上一时刻;ψ是由四个元素组成的向量,ψ(k)=[Cur(k);Cur(k)-Cur(k-1);U(k)-U(k-1);1];θ是由四个元素组成的向量,θ(k)=[θ1(k);θ2(k);θ3(k);θ4(k)];K、p、Upri是计算过程变量;U(k)、Cur(k)分别是所述采集模块采集到的k时刻电压、电流值;α是遗忘因子,取值范围为0~1。
4.如权利要求3所述的电池参数在线辨识系统,其特征在于:所述α取值为0.995。
5.如权利要求3所述的电池参数在线辨识系统,其特征在于:所述依据所述递推估算模块30输出的θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数的计算公式如下:
Ro(k)=-θ2(k)/θ3(k);
RC(k)=θ1(k)-Ro(k);
C(k)=-θ3(k)/RC(k);
Uocv(k)=θ4(k)。
6.如权利要求5所述的电池参数在线辨识系统,其特征在于:所述采集模块为电池管理系统。
7.一种电池参数在线辨识方法,其应用于电动汽车中,所述电动汽车包括为其提供动力的电池包,所述电池包包括若干单体电池;其特征在于:所述电池参数在线辨识方法包括如下步骤:
实时采集所述单体电池电压及电流;
建立所述电池电压及电流与各项待测电池参数的参数控制方程,其中,所述参数控制方程为
依据所述电压、电流并结合所述参数控制方程,利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数并输出;
依据所述θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数。
8.如权利要求7所述的电池参数在线辨识方法,其特征在于:U(k)为第k时刻的电池端电压;Cur(k)为第k时刻的电池电流;为电流微分量,并且: 为电压微分量,并且:θ1(k)为形式参数,并且θ1(k)=Ro(k)+Rc(k);θ2(k)为形式参数,并且θ2(k)=Ro(k)Rc(k)C(k);θ3(k)为形式参数,并且θ3(k)=-RC(k)C(k);θ4(k)为形式参数,并且θ4(k)=Uocv(k);其中,k表示当前时刻,k-1表示上一时刻,Ro(k)表示k时刻的电池欧姆内阻;Rc(k)表示k时刻的极化内阻;C(k)表示k时刻的极化电容,Uocv(k)表示k时刻的开路电压。
9.如权利要求8所述的电池参数在线辨识方法,其特征在于:所述利用遗忘递推最小二乘算法计算出θ1、θ2、θ3、θ4四个形式参数的计算公式如下:
K(k)=p(k-1)ψ(k)/(α+ψ(k)′p(k-1)ψ(k));
p(k)=1/α[eye(4)-K(k)ψ(k)′]p(k-1);
Upri(k)=ψ(k)′θ(k-1);
θ(k)=θ(k-1)+K(k)[U(k)-Upri(k)];
其中,k表示当前时刻,k-1表示上一时刻;ψ是由四个元素组成的向量,ψ(k)=[Cur(k);Cur(k)-Cur(k-1);U(k)-U(k-1);1];θ是由四个元素组成的向量,θ(k)=[θ1(k);θ2(k);θ3(k);θ4(k)];K、p、Upri是计算过程变量;U(k)、Cur(k)分别是所述单体电池k时刻电压、电流值;α是遗忘因子,取值范围为0~1。
10.如权利要求9所述的电池参数在线辨识方法,其特征在于:所述依据所述θ1、θ2、θ3、θ4四个形式参数计算电池欧姆内阻Ro(k)、极化内阻Rc(k)、极化电容C(k)及开路电压Uocv(k)四个电池参数的计算公式如下:
Ro(k)=-θ2(k)/θ3(k);
RC(k)=θ1(k)-Ro(k);
C(k)=-θ3(k)/RC(k);
Uocv(k)=θ4(k)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710059376.3A CN106896325B (zh) | 2017-01-24 | 2017-01-24 | 一种电池参数在线辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710059376.3A CN106896325B (zh) | 2017-01-24 | 2017-01-24 | 一种电池参数在线辨识方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106896325A true CN106896325A (zh) | 2017-06-27 |
CN106896325B CN106896325B (zh) | 2020-08-14 |
Family
ID=59198966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710059376.3A Active CN106896325B (zh) | 2017-01-24 | 2017-01-24 | 一种电池参数在线辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106896325B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633453A (zh) * | 2018-12-28 | 2019-04-16 | 东莞钜威动力技术有限公司 | 电池参数在线辨识方法、装置及计算机可读存储介质 |
CN110007236A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的参数辨识方法 |
CN110007238A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的建立方法 |
CN111624496A (zh) * | 2020-06-08 | 2020-09-04 | 山东大学 | 具有抗噪性锂离子电池模型参数和soc联合估计方法及系统 |
CN113391212A (zh) * | 2021-06-23 | 2021-09-14 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及系统 |
CN114678605A (zh) * | 2021-01-29 | 2022-06-28 | 北京新能源汽车股份有限公司 | 一种电池模组预警控制方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110295532A1 (en) * | 2010-05-27 | 2011-12-01 | Stukenberg Todd J | Electronic storage battery diagnostic system |
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 |
CN103197251A (zh) * | 2013-02-27 | 2013-07-10 | 山东省科学院自动化研究所 | 一种动力锂电池二阶rc等效模型的辨识方法 |
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 |
CN103558556A (zh) * | 2013-10-31 | 2014-02-05 | 重庆长安汽车股份有限公司 | 一种动力电池soh估算方法 |
US20140236510A1 (en) * | 2011-10-25 | 2014-08-21 | Shenzhen Byd Auto R&D Company Limited | Distributed battery management system and method of identification distribution using the same |
CN105334465A (zh) * | 2015-09-15 | 2016-02-17 | 重庆长安汽车股份有限公司 | 一种锂离子电池健康状态估算方法 |
CN106100582A (zh) * | 2016-07-07 | 2016-11-09 | 国网青海省电力公司 | 基于带遗忘因子的递推最小二乘光伏电池参数辨识方法 |
CN106291393A (zh) * | 2016-11-18 | 2017-01-04 | 成都雅骏新能源汽车科技股份有限公司 | 一种用于在线识别电池模型参数的方法 |
CN205898985U (zh) * | 2016-07-15 | 2017-01-18 | 南京航空航天大学 | 一种纯电动汽车用动力锂电池soc估计系统 |
-
2017
- 2017-01-24 CN CN201710059376.3A patent/CN106896325B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110295532A1 (en) * | 2010-05-27 | 2011-12-01 | Stukenberg Todd J | Electronic storage battery diagnostic system |
US20140236510A1 (en) * | 2011-10-25 | 2014-08-21 | Shenzhen Byd Auto R&D Company Limited | Distributed battery management system and method of identification distribution using the same |
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 |
CN103197251A (zh) * | 2013-02-27 | 2013-07-10 | 山东省科学院自动化研究所 | 一种动力锂电池二阶rc等效模型的辨识方法 |
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 |
CN103558556A (zh) * | 2013-10-31 | 2014-02-05 | 重庆长安汽车股份有限公司 | 一种动力电池soh估算方法 |
CN105334465A (zh) * | 2015-09-15 | 2016-02-17 | 重庆长安汽车股份有限公司 | 一种锂离子电池健康状态估算方法 |
CN106100582A (zh) * | 2016-07-07 | 2016-11-09 | 国网青海省电力公司 | 基于带遗忘因子的递推最小二乘光伏电池参数辨识方法 |
CN205898985U (zh) * | 2016-07-15 | 2017-01-18 | 南京航空航天大学 | 一种纯电动汽车用动力锂电池soc估计系统 |
CN106291393A (zh) * | 2016-11-18 | 2017-01-04 | 成都雅骏新能源汽车科技股份有限公司 | 一种用于在线识别电池模型参数的方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633453A (zh) * | 2018-12-28 | 2019-04-16 | 东莞钜威动力技术有限公司 | 电池参数在线辨识方法、装置及计算机可读存储介质 |
CN109633453B (zh) * | 2018-12-28 | 2021-04-02 | 东莞钜威动力技术有限公司 | 电池参数在线辨识方法、装置及计算机可读存储介质 |
CN110007236A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的参数辨识方法 |
CN110007238A (zh) * | 2019-04-19 | 2019-07-12 | 中国计量大学 | 一种铝空气电池等效电路模型的建立方法 |
CN111624496A (zh) * | 2020-06-08 | 2020-09-04 | 山东大学 | 具有抗噪性锂离子电池模型参数和soc联合估计方法及系统 |
CN111624496B (zh) * | 2020-06-08 | 2021-08-10 | 山东大学 | 具有抗噪性锂离子电池模型参数和soc联合估计方法及系统 |
CN114678605A (zh) * | 2021-01-29 | 2022-06-28 | 北京新能源汽车股份有限公司 | 一种电池模组预警控制方法和装置 |
CN114678605B (zh) * | 2021-01-29 | 2024-12-13 | 北京新能源汽车股份有限公司 | 一种电池模组预警控制方法和装置 |
CN113391212A (zh) * | 2021-06-23 | 2021-09-14 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及系统 |
CN113391212B (zh) * | 2021-06-23 | 2022-05-17 | 山东大学 | 一种锂离子电池等值电路参数在线辨识方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106896325B (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106896325B (zh) | 一种电池参数在线辨识方法及系统 | |
CN113176505B (zh) | 车载动力电池荷电状态与健康状态在线估算方法、装置及存储介质 | |
CN107402353B (zh) | 一种对锂离子电池的荷电状态进行滤波估计的方法及系统 | |
CN111679199B (zh) | 一种锂离子电池soc估计方法及装置 | |
CN106291381B (zh) | 一种联合估计动力电池系统荷电状态与健康状态的方法 | |
Dai et al. | Online cell SOC estimation of Li-ion battery packs using a dual time-scale Kalman filtering for EV applications | |
Huria et al. | Simplified extended kalman filter observer for soc estimation of commercial power-oriented lfp lithium battery cells | |
CN109581225A (zh) | 电池在线参数辨识的能量状态估算方法及电池管理系统 | |
CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
CN107037374A (zh) | 一种锂离子电池的soc和soh联合估计方法 | |
CN108919137A (zh) | 一种考虑不同电池状态的电池老化状态估计方法 | |
CN111190109B (zh) | 一种无电流传感器的锂电池荷电状态估计方法 | |
CN110632528A (zh) | 一种基于内阻检测的锂电池soh估算方法 | |
CN110515011A (zh) | 一种锂离子动力电池soc的精确估算方法 | |
CN108535661B (zh) | 一种基于模型误差谱的动力电池健康状态在线估计方法 | |
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 | |
CN110133525A (zh) | 一种应用于电池管理系统的锂离子电池健康状态估计方法 | |
CN110244236B (zh) | 一种锂离子电池包soc估计方法、装置及终端设备 | |
CN111707953A (zh) | 一种基于后向平滑滤波框架的锂电池soc在线估计方法 | |
CN112327183A (zh) | 一种锂离子电池soc估算方法和装置 | |
CN114740385A (zh) | 一种自适应的锂离子电池荷电状态估计方法 | |
CN111443290A (zh) | 一种带有闭环控制的电动汽车动力电池sop估计方法 | |
CN111208433A (zh) | 电池二阶rc等效电路模型参数辨识的方法及装置 | |
CN113447821A (zh) | 评估电池荷电状态的方法 | |
CN112698217B (zh) | 基于粒子群优化算法的电池单体容量估计方法 |
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 | ||
CP03 | Change of name, title or address |
Address after: Room 204, building 7, No.1 Xuefu Road, Songshanhu Park, Dongguan City, Guangdong Province 523808 Patentee after: Guangdong hengwo Technology Co.,Ltd. Address before: 523808 Guangdong Province, Dongguan City Lake Songshan Lake high tech Industrial Development Zone Branch Industrial Park building three Room 501 Patentee before: GUANGDONG HENGWO POWER TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |