CN106970328A - 一种soc估算方法及装置 - Google Patents

一种soc估算方法及装置 Download PDF

Info

Publication number
CN106970328A
CN106970328A CN201710032878.7A CN201710032878A CN106970328A CN 106970328 A CN106970328 A CN 106970328A CN 201710032878 A CN201710032878 A CN 201710032878A CN 106970328 A CN106970328 A CN 106970328A
Authority
CN
China
Prior art keywords
soc
estimated values
values
soc estimated
moment
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
CN201710032878.7A
Other languages
English (en)
Other versions
CN106970328B (zh
Inventor
袁江
宁荣彬
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.)
Shenzhen Peicheng Electronic Technology Co.,Ltd.
Original Assignee
SHENZHEN PACEIC ELECTRONIC 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 SHENZHEN PACEIC ELECTRONIC TECHNOLOGY Co Ltd filed Critical SHENZHEN PACEIC ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201710032878.7A priority Critical patent/CN106970328B/zh
Publication of CN106970328A publication Critical patent/CN106970328A/zh
Application granted granted Critical
Publication of CN106970328B publication Critical patent/CN106970328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明适用于电池管理技术领域，提供了一种SOC估算方法及装置，所述SOC估算方法包括：获取电池电压和荷电状态SOC初始值；利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值；将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。本发明有益效果在于以下几个方面，详述如下：(1)纠错能力强；(2)能实时在线估计；(3)数据平稳修正；(4)电池模型精准。

Description

一种SOC估算方法及装置
技术领域
本发明属于电池管理技术领域，尤其涉及一种SOC估算方法及装置。
背景技术
荷电状态(State Of Charge，SOC)是指剩余电量与电池总容量的比，通常把一定温度下电池充电到不能再吸收能量时的电量状态定义为SOC＝100％，而将电池不能再放出电量的电量状态定义为SOC＝0％。
目前，现有的SOC估算方法有开路电压法、安时积分法等。对于开路电压法来说，需要电池静置至少2h以上，才能用此电压来估算SOC，所以很难做到实时在线估算。对于安时积分法来说，由于存在误差的累积效应，随着使用时间越来越长，误差会逐渐增大，同时，此方法受初始SOC影响较大，也无法很好的在线估算。所以，这两种方法鲁棒性较差。
发明内容
本发明实施例的目的在于提供一种SOC估算方法，旨在解决现有的SOC估算方法在估算SOC的过程中，SOC波动过大，无法实现平稳修正的问题。
本发明实施例是这样实现的，一种SOC估算方法，包括：
获取电池电压和荷电状态SOC初始值；
利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；
根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值；
将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。
本发明实施例的另一目的在于提供一种SOC估算装置，包括：
获取模块，用于获取电池电压和荷电状态SOC初始值；
生成模块，用于利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；
修正模块，用于根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值，还用于将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。
在本发明实施例中，根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值，还用于将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正，解决了现有的SOC估算方法在估算SOC的过程中，SOC波动过大，无法实现平稳修正的问题。有益效果在于实现实时在线估计和SOC估算值平稳修正。
附图说明
图1是本发明实施例提供的SOC估算方法的实现流程图；
图2是本发明实施例提供的SOC估算方法步骤S102的实现流程图；
图3是本发明实施例提供的SOC估算方法步骤S103的实现流程图；
图4是本实施例提供的电池模型图；
图5是本实施例提供的平稳修正SOC估算值的较佳流程图；
图6是本发明实施例提供的SOC估算装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“倘若”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“倘若确定”或“倘若读取到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一
图1是本发明实施例提供的SOC估算方法的实现流程图，详述如下：
在步骤S101中，获取电池电压和荷电状态SOC初始值；
在步骤S102中，利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；
安时积分法为常用的算法，在此不做赘述。
在步骤S103中，根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值；
其中，获取当前生成的SOC估算值和上一次生成的SOC估算值的差值，判断差值是否处于预设范围内，倘若差值不处于预设范围内，则根据差值，修正当前生成的SOC估算值，得到修正后的SOC估算值。
在步骤S104中，将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。
其中，读取设定的显示时间，到达显示时间时，向显示设备发送修正后的SOC估算值，以使显示设备显示修正后的SOC估算值。
在本发明实施例中，有效消除了误差的影响，通过对SOC估算值进行修正，提高了SOC估算值的准确性，其有益效果在于以下几个方面，详述如下：
(1)纠错能力强；(2)能实时在线估计；(3)数据平稳修正；(4)电池模型精准。
实施例二
图2是本发明实施例提供的SOC估算方法步骤S102的实现流程图，详述如下：
在步骤S201中，利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成第一时刻的SOC估算值；
在步骤S201中，将第一时刻的SOC估算值作为第二时刻的SOC初始值，根据所述电池电压和所述卡尔曼滤波器第二时刻的SOC初始值，生成第二时刻的SOC估算值；
依次类推，在所述卡尔曼滤波器的运行过程中，所述SOC初始值为迭代变量，前一时刻的SOC估算值作为当前时刻的SOC初始值。
实施例三
图3是本发明实施例提供的SOC估算方法步骤S103的实现流程图，详述如下：
在步骤S301中，获取当前生成的SOC估算值和上一次生成的SOC估算值的差值；
在步骤S302中，根据差值，调整预设的修正比例；
在步骤S303中，根据当前生成的SOC估算值与所述修正比例的乘积，生成修正后的SOC估算值。
实施例四
本发明实施例描述了配置卡尔曼滤波器的实现流程，详述如下：
在所述利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值之前，所述SOC估算方法，还包括：
配置卡尔曼滤波器。
采用扩展卡尔曼滤波，配置卡尔曼滤波器。
其中，采用扩展卡尔曼滤波，配置卡尔曼滤波器的过程，详述如下：
(1)电池模型构建，
图4是本实施例提供的电池模型图，详述如下：
其中，EMF为电池电动势，Hysteresis用于模拟电池的滞回效应，Ro为电池的欧姆内阻，R1、R2、R3为电池的极化内阻，C1、C2、C3为电池的极化电容，C1、C2、C3与R1、R2、R3配合用于模拟电池回弹电压特性。此模型采用3阶RC模型是为了获得较好的数据拟合特性。
(2)扩展卡尔曼说明
扩展卡尔曼滤波是通过系统状态空间模型将非线性系统转换为线性系统来处理，然后再用标准的卡尔曼进行迭代，最后取得系统最优估计值。系统状态空间模型如下：
状态方程：xk＝f(xk-1,uk-1)+wk-1 1)
输出方程：yk＝g(xk-1,uk-1)+vk-1 2)
其中，xk为K时刻的系统状态，对于电池系统来说，f(xk-1,uk-1),g(xk-1,uk-1)分别对应非线性状态转移函数和非线性测量函数。w为过程噪声,v为观测噪声，两者都是符合均值为零的高斯噪声。对于电池系统来说，yk即为k时刻估算电池端电压。Uk-1为k-1时刻的系统激励，本系统选择电流为激励信号。
(3)扩展卡尔曼计算步骤
A)列出状态方程
其中，A为k-1时刻到k时刻的状态转移矩阵，B为控制输入矩阵，为用k-1时刻及其之前的数据对k时刻的状态进行估计的结果。X(k-1|k-1)为用k-1时刻及其之前的数据对k-1时刻的状态进行估计的结果，U(k-1|k-1)为k-1时刻的系统激励，W(k-1|k-1)为k-1时刻的过程激励噪声。
对于图1，有如下关系式：
为了便于书写，令
g1(T(k-1),SOC(k-1))＝g1(k-1)
g2(T(k-1),SOC(k-1))＝g2(k-1)
g3(T(k-1),SOC(k-1))＝g3(k-1)
g4(T(k-1),SOC(k-1))＝g4(k-1)
则有：
V(Ro)(k)＝I(k-1)×g1(k-1) b)
其中，ΔT为相邻两次采样的时间间隔，
V(Ro)(k)、V(R1)(k)、V(R2)(k)、V(R3)(k)、V(R4)(k)分别为Ro、R1、R2、R3、R4在k-1时刻的电压值；
其中，g1(T(k-1),SOC(k-1))表示k-1时刻的电池欧姆内阻值，其中T(k-1)和SOC(k-1)是方程的两个变量，且与时间有关。
g2(T(k-1),SOC(k-1))、g3(T(k-1),SOC(k-1))、g4(T(k-1),SOC(k-1))分别表示k-1时刻的电池极化内阻的不同区间，相当于多曲线拟合数据。
为了便于书写，令
exp-(ΔT/(g2(k-1)×C1)＝M1(k-1)
exp-(ΔT/(g3(k-1)×C2)＝M2(k-1)
则b)到e)式可写为
V(Ro)(k)＝I(k-1)×g1(k-1) b)
V(R1)(k)＝V(R1)(k-1)×M1(k-1)+I(k-1)×g2(k-1)×(1-M1(k-1)) f)
V(R2)(k)＝V(R2)(k-1)×M2(k-1)+I(k-1)×g3(k-1)×(1-M2(k-1)) g)
V(R3)(k)＝V(R3)(k-1)×M3(k-1)+I(k-1)×g4(k-1)×(1-M3(k-1)) h)
同时有SOC(k)＝SOC(k-1)+a×b×c×I(k-1)×ΔT/CAP i)
其中a为不同电流下的库伦效率系数，c不同温度下的库伦效率系数,b为电池在ΔT时间内的自放电速率，CAP为电池在25℃，1C放电情况下的电池容量。
参照a)式，联立a)-i),写成矩阵形式如下：
对比a),j)两式
可知
I(k-1)为k-1时刻的系统激励量，也就是k-1时刻电流。
B)列出协方差方程
其中，为用于k-1时刻及其之前的时刻估算的k时刻的协方差，P(k-1|k-1)为k-1时刻的协方差，Q(k-1|k-1)为k-1时刻的系统过程协方差矩阵。
C)计算增益
其中，R(k|k-1)为k时刻的观测过程协方差矩阵，H(k|k-1)为k时刻的观测矩阵，可由观测方程求取，K(k|k-1)为k时刻求取的卡尔曼增益。
D)计算系统估计状态
参见2)式，系统的观测方程可写为：
y(k)＝V(EMF)(k-1)-V(Hysteresis)(k-1)-V(Ro)(k-1)-V(R1)(k-1)–V(R2)(k-1)-V(R3)(k-1)
其中V(EMF)(k-1)＝f(SOC(k-1))，表示在不同SOC情况下的电池输出电动势。V(Hysteresis)(k-1)＝g(I(k-1),SOC(k-1))，表示滞回电压与电流及SOC有关，其中I(k-1)<0，表示充电，I(k-1)>0表示放电，y(k)为估算的k时刻的端电压值。
其中V(terminal)k为k时刻实际测出的端电压值。
E)计算估计协方差
其中，I为5×5的单位矩阵。到此为止，整个卡尔曼过程设计完成。
实施例五
本发明实施例描述了SOC估算方法步骤S302的实现流程，详述如下：
比较所述差值与预设差值，倘若所述差值大于预设差值，则缩小预设的修正比例；
倘若所述差值小于预设差值，则增大预设的修正比例。
实施例六
图5是本实施例提供的平稳修正SOC估算值的较佳流程图，详述如下：
图5包括卡尔曼滤波器、自适应滤波器、以及显示SOC这三个模块，
其中，自适应滤波器通过比较前后两次SOC估算值的差值，完成SOC估算值的滤波。所谓自适应是指若前后两次的差值较大，则修正比例会适当缩小，反正则增大。
在图5中，SOC初始值简述为“初始SOC”。利用卡尔曼滤波器和安时积分法，根据电池电压和初始SOC，估算SOC，举例如下：
SOC1(k)为K时刻采用安时积分算出的SOC，SOC2(k)为K时刻采用卡尔曼算出的SOC，SOC3(k)为K时刻的显示SOC。
其中，SOC3(k)＝SOC1(k)+k*c,当SOC2(k)-SOC1(k)<0,k＝-1,表示修正方向为负；当SOC2(k)-SOC1(k)＝0，k＝0，表示无修正；当SOC2(k)-SOC1(k)>0,k＝1，表示修正方向为正，c为修正的比例因子，依据差值的大小来自适应。
在本发明实施例中，通过卡尔曼滤波器、自适应滤波器，实现了SOC估算值的平稳修正。
实施例七
图6是本发明实施例提供的SOC估算装置的结构框图，该装置可以运行于具备电池的用户设备中。用户设备包括但不限于电动车、移动电话、口袋计算机(Pocket PersonalComputer，PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、MP4、MP3。为便于说明，仅示出了与本实施例相关的部分。为了便于说明，仅示出了与本实施例相关的部分。
参照图6，该SOC估算装置，包括：
获取模块61，用于获取电池电压和荷电状态SOC初始值；
生成模块62，用于利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；
修正模块63，用于根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值，还用于将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。
作为本实施例的一种实现方式，在所述SOC估算装置中，所述生成模块具体用于利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成第一时刻的SOC估算值；将第一时刻的SOC估算值作为第二时刻的SOC初始值，根据所述电池电压和所述卡尔曼滤波器第二时刻的SOC初始值，生成第二时刻的SOC估算值；依次类推，在所述卡尔曼滤波器的运行过程中，所述SOC初始值为迭代变量，前一时刻的SOC估算值作为当前时刻的SOC初始值。
作为本实施例的一种实现方式，所述SOC估算装置，还包括：
配置模块，用于配置卡尔曼滤波器。
作为本实施例的一种实现方式，在所述SOC估算装置中，所述修正模块，还包括：
获取单元，用于获取当前生成的SOC估算值和上一次生成的SOC估算值的差值；
调整单元，用于根据差值，调整预设的修正比例；
生成单元，用于根据当前生成的SOC估算值与所述修正比例的乘积，生成修正后的SOC估算值。
作为本实施例的一种实现方式，在所述SOC估算装置中，所述调整单元具体用于比较所述差值与预设差值，倘若所述差值大于预设差值，则缩小预设的修正比例；倘若所述差值小于预设差值，则增大预设的修正比例。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置和装置中的单元可以根据实际需要进行合并、划分和删减。
本发明实施例提供的装置可以应用在前述对应的方法实施例中，详情参见上述实施例的描述，在此不再赘述。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现。所述的程序可以存储于可读取存储介质中，所述的存储介质，如随机存储器、闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件执行本发明各个实施例所述的方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种SOC估算方法，其特征在于，包括：
获取电池电压和荷电状态SOC初始值；
利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；
根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值；
将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。
2.如权利要求1所述的SOC估算方法，其特征在于，在所述利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值之前，所述SOC估算方法，还包括：
配置卡尔曼滤波器。
3.如权利要求1所述的SOC估算方法，其特征在于，利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值，具体为：
利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成第一时刻的SOC估算值；
将第一时刻的SOC估算值作为第二时刻的SOC初始值，根据所述电池电压和所述卡尔曼滤波器第二时刻的SOC初始值，生成第二时刻的SOC估算值；
依次类推，在所述卡尔曼滤波器的运行过程中，所述SOC初始值为迭代变量，前一时刻的SOC估算值作为当前时刻的SOC初始值。
4.如权利要求1所述的SOC估算方法，其特征在于，所述根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值，具体为：
获取当前生成的SOC估算值和上一次生成的SOC估算值的差值；
根据差值，调整预设的修正比例；
根据当前生成的SOC估算值与所述修正比例的乘积，生成修正后的SOC估算值。
5.如权利要求4所述的SOC估算方法，其特征在于，所述根据差值，调整预设的修正比例，具体为：
比较所述差值与预设差值，倘若所述差值大于预设差值，则缩小预设的修正比例；
倘若所述差值小于预设差值，则增大预设的修正比例。
6.一种SOC估算装置，其特征在于，包括：
获取模块，用于获取电池电压和荷电状态SOC初始值；
生成模块，用于利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成SOC估算值；
修正模块，用于根据当前生成的SOC估算值和上一次生成的SOC估算值，修正当前生成的SOC估算值，得到修正后的SOC估算值，还用于将修正后的SOC估算值输入所述卡尔曼滤波器，以替换当前生成的SOC估算值，实现SOC估算值平稳修正。
7.如权利要求6所述的SOC估算装置，其特征在于，所述生成模块具体用于利用预配置的卡尔曼滤波器以及安时积分法，根据所述电池电压和SOC初始值，生成第一时刻的SOC估算值；将第一时刻的SOC估算值作为第二时刻的SOC初始值，根据所述电池电压和所述卡尔曼滤波器第二时刻的SOC初始值，生成第二时刻的SOC估算值；依次类推，在所述卡尔曼滤波器的运行过程中，所述SOC初始值为迭代变量，前一时刻的SOC估算值作为当前时刻的SOC初始值。
8.如权利要求6所述的SOC估算装置，其特征在于，所述SOC估算装置，还包括：
配置模块，用于配置卡尔曼滤波器。
9.如权利要求6所述的SOC估算装置，其特征在于，所述修正模块，还包括：
获取单元，用于获取当前生成的SOC估算值和上一次生成的SOC估算值的差值；
调整单元，用于根据差值，调整预设的修正比例；
生成单元，用于根据当前生成的SOC估算值与所述修正比例的乘积，生成修正后的SOC估算值。
10.如权利要求9所述的SOC估算装置，其特征在于，所述调整单元具体用于比较所述差值与预设差值，倘若所述差值大于预设差值，则缩小预设的修正比例；倘若所述差值小于预设差值，则增大预设的修正比例。
CN201710032878.7A 2017-01-17 2017-01-17 一种soc估算方法及装置 Active CN106970328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710032878.7A CN106970328B (zh) 2017-01-17 2017-01-17 一种soc估算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710032878.7A CN106970328B (zh) 2017-01-17 2017-01-17 一种soc估算方法及装置

Publications (2)

Publication Number Publication Date
CN106970328A true CN106970328A (zh) 2017-07-21
CN106970328B CN106970328B (zh) 2020-05-08

Family

ID=59334555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710032878.7A Active CN106970328B (zh) 2017-01-17 2017-01-17 一种soc估算方法及装置

Country Status (1)

Country Link
CN (1) CN106970328B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109444747A (zh) * 2018-11-09 2019-03-08 北京经纬恒润科技有限公司 一种对象的信息检测方法及装置
CN110231567A (zh) * 2019-07-16 2019-09-13 奇瑞新能源汽车股份有限公司 一种电动汽车soc估算算法
CN112130077A (zh) * 2020-09-30 2020-12-25 东风汽车集团有限公司 一种不同工况下动力电池组的soc估算方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101629992A (zh) * 2009-05-27 2010-01-20 重庆大学 磷酸铁锂动力电池剩余容量的估算方法
CN102778649A (zh) * 2011-12-26 2012-11-14 惠州市亿能电子有限公司 一种soc估算方法
CN102788957A (zh) * 2011-05-20 2012-11-21 镇江恒驰科技有限公司 一种动力电池荷电状态估算方法
CN103439668A (zh) * 2013-09-05 2013-12-11 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统
US20140316728A1 (en) * 2013-06-20 2014-10-23 University Of Electronic Science And Technology Of China System and method for soc estimation of a battery
CN105301511A (zh) * 2015-11-12 2016-02-03 华晨汽车集团控股有限公司 一种利用共同扩展卡尔曼滤波预估电池荷电状态的方法
CN105699910A (zh) * 2016-04-21 2016-06-22 中国计量大学 一种锂电池剩余电量在线估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101629992A (zh) * 2009-05-27 2010-01-20 重庆大学 磷酸铁锂动力电池剩余容量的估算方法
CN102788957A (zh) * 2011-05-20 2012-11-21 镇江恒驰科技有限公司 一种动力电池荷电状态估算方法
CN102778649A (zh) * 2011-12-26 2012-11-14 惠州市亿能电子有限公司 一种soc估算方法
US20140316728A1 (en) * 2013-06-20 2014-10-23 University Of Electronic Science And Technology Of China System and method for soc estimation of a battery
CN103439668A (zh) * 2013-09-05 2013-12-11 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统
CN105301511A (zh) * 2015-11-12 2016-02-03 华晨汽车集团控股有限公司 一种利用共同扩展卡尔曼滤波预估电池荷电状态的方法
CN105699910A (zh) * 2016-04-21 2016-06-22 中国计量大学 一种锂电池剩余电量在线估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈黄捷: "基于双卡尔曼算法的电池SOC估计器设计与实现", 《中国优秀硕士学位论文全文数据库 工程科技II辑（月刊）》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109444747A (zh) * 2018-11-09 2019-03-08 北京经纬恒润科技有限公司 一种对象的信息检测方法及装置
CN109444747B (zh) * 2018-11-09 2021-04-20 北京经纬恒润科技股份有限公司 一种对象的信息检测方法及装置
CN110231567A (zh) * 2019-07-16 2019-09-13 奇瑞新能源汽车股份有限公司 一种电动汽车soc估算算法
CN112130077A (zh) * 2020-09-30 2020-12-25 东风汽车集团有限公司 一种不同工况下动力电池组的soc估算方法

Also Published As

Publication number Publication date
CN106970328B (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN109196366B (zh) 使用高斯过程回归估计电池充电状态的方法和系统
JP6449303B2 (ja) 電池の充電状態を推定するための方法、装置およびシステム
CN101142732B (zh) 一种调整向量支撑机的方法、用于估算电池充电状态的系统和方法
US10664562B2 (en) Battery state of charge tracking, equivalent circuit selection and benchmarking
CN103048629B (zh) 锂电池电量的计量方法和计量装置
KR20190027609A (ko) 배터리 충전 상태 추정 장치 및 방법
JP2008232758A (ja) 二次電池の内部状態検出装置及びニューラルネット式状態量推定装置
CN113227808A (zh) 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序
CN108369258A (zh) 状态估计装置、状态估计方法
CN106970328A (zh) 一种soc估算方法及装置
CN114572055A (zh) 续航里程估算方法、装置、计算机设备和存储介质
CN108051755A (zh) 电池内阻获取方法与装置、电池管理系统以及计算机存储可读介质
CN116075730A (zh) 电池内部温度的估计技术
Li et al. A novel Co-estimation framework of state-of-charge, state-of-power and capacity for lithium-ion batteries using multi-parameters fusion method
CN115512777A (zh) 一种基于容量变化率的电化学模型参数辨识方法和系统
CN117110891A (zh) 锂离子电池荷电状态估计值的计算方法和计算装置
CN109253727B (zh) 一种基于改进迭代容积粒子滤波算法的定位方法
JP7010563B2 (ja) バッテリー充電状態推定装置
CN111665443A (zh) 电池性能公式的拟合方法、装置、存储介质和计算机设备
CN116400223A (zh) 一种电池电量信息生成方法、设备及可读存储介质
CN115993536A (zh) 电池剩余能量的估计方法、装置、设备、存储介质和产品
CN116937752B (zh) 一种户外移动储能电源充放电控制方法
KR20190044398A (ko) 배터리 충전 상태 추정 장치 및 방법
CN110622075B9 (zh) 系统识别装置和系统识别方法
CN117872148A (zh) 电池模型参数辨识方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
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
CP03 Change of name, title or address

Address after: Room 758, 7th Floor, Block A and B, Xinghua Building, No. 2018 Shennan Middle Road, Fuqiang Community, Huaqiang North Street, Futian District, Shenzhen City, Guangdong Province, 518000

Patentee after: Shenzhen Peicheng Electronic Technology Co.,Ltd.

Address before: 518000, 3rd floor, Building B, Tsinghua Ziguang Information Port, North District, Science and Technology Park, Nanshan District, Shenzhen, Guangdong Province

Patentee before: SHENZHEN PACE ELECTRONIC TECHNOLOGY CO.,LTD.