CN106980091B - 一种基于分数阶模型的动力电池系统健康状态估计方法 - Google Patents
一种基于分数阶模型的动力电池系统健康状态估计方法 Download PDFInfo
- Publication number
- CN106980091B CN106980091B CN201710197030.XA CN201710197030A CN106980091B CN 106980091 B CN106980091 B CN 106980091B CN 201710197030 A CN201710197030 A CN 201710197030A CN 106980091 B CN106980091 B CN 106980091B
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- circuit voltage
- ocv
- capacity
- 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.)
- Active
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种基于分数阶模型的动力电池系统健康状态估计方法,其基于分数阶模型获取电池开路电压,并进一步结合容量增量法进行健康状态的在线估计,克服了现有的动力电池寿命评估方法难以实现在线估计电池容量的问题,无需特别对电池进行小电流充放电或长时间静置等操作即可在线获取电池的开路电压,进一步结合容量增量法实现健康状体(SOH)的在线估计,所获取的开路电压也可以用于(SOC)标定。
Description
技术领域
本发明涉及车载动力电池系统领域,尤其涉及车载动力电池系统的建模与健康状态估计技术。
背景技术
现有的电池开路电压常用以下两种方式获取:1.近似认为小电流充放电时的电池端电压是开路电压;2.采用充放电后长时间静置的方法获取不同SOC点的开路电压值。然而,以上两种方式对电池充放电电流大小和静置时间的要求均较为苛刻,耗时长导致难以实车应用。
传统等效电路模型使用理想电路元件模拟动力电池特性,但这种模型相对于电池内部复杂的化学反应缺少理论支撑,精度不高;交流阻抗模型能从频域角度解析电化学阻抗谱(EIS),其电路元件电化学意义明确,但难以应用于时域。通过将交流阻抗模型推广为时域的分数阶模型,并结合分数阶微积分理论和基于遗忘因子的最小二乘法(ForgettingFactor algorithm)可以进行动力电池开路电压的在线辨识。
开路电压(OCV)作为锂离子电池的一项重要参数,可以用来估计电池荷电状态(SOC),同时随着电池健康状态(SOH)退化,开路电压曲线也会发生明显变化,由此衍生出的容量增量法也被广泛应用于评价电池健康状态,预测电池寿命。通过建立IC曲线峰值和电池剩余容量的关系,可以使用在线获取的OCV-SOC曲线进行电池剩余容量估计,识别电池寿命衰退行为,克服现有的动力电池寿命评估方法很难实现在线估计电池容量的缺陷。
发明内容
针对上述现有技术中电池开路电压获取方法和等效电路模型的不足,本发明提出了一种动力电池系统健康状态估计方法,其基于分数阶模型获取电池开路电压,并进一步结合容量增量法进行健康状态的在线估计。方法具体包括以下步骤:
1).建立动力电池系统的分数阶模型,并对所述模型进行离散化处理;
2).进行实车数据采集,使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识;
3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数。
4).使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计。
进一步地,所述步骤1)中所述的建立动力电池系统的分数阶模型,并对所述模型进行离散化处理包括如下步骤:
(1-1).确定所述分数阶模型及其传递函数;
(1-2).对所述传递函数进行反拉氏变换,变换为微分方程;
(1-3).计算所述微分方程中的分数阶微分。
进一步地,所述步骤(1-1)中确定的所述分数阶模型由一个等效电化学极化内阻Rct并联一个常相位角元件Q1后,与等效欧姆内阻Ri以及电压源OCV串联组成,模型中I代表电流,以充电为正,Vt代表电池端电压。其中,常相位角元件包含大小Q1和微分阶次α两个参数。其阻抗传递函数表达式为
其中OCV是电压源的开路电压值,s是拉氏变换的算子;
根据基尔霍夫定律以及拉氏变换建立所述分数阶模型的数学表达:
得到所述传递函数为:
Vt(s)-OCV(s)+RctQ1sα(Vt(s)-OCV(s))=(Rct+Ri)I(s)+RctRiQ1sαI(s) (3)
对所述步骤(1-2)中得到的传递函数进行反拉氏变换,得到微分方程:
Vt(t)-OCV(t)+RctQ1D(α)(Vt(t)-OCV(t))=(Rct+Ri)I(t)+RctRiQ1D(α)I(t) (4)
其中,D(α)表示对变量求α次微分,α为有理数:
在第k个采样点满足:
Vt(k)=(Rct+Ri)I(k)+RctRiQ1D(α)I(k)+OCV(k)+RctQ1D(α)(OCV(k)-Vt(k)) (5)
将其整理成矩阵参数矩阵和数据矩阵相乘的形式,即为:
进一步地,所述步骤(1-3)中所述微分方程的分数阶微分基于Grunwald-Letnikov定义求解得到:
其中,L为自行选取的记忆长度(memory length),Ts为采样间隔。
进一步地,所述步骤2)中所述的实车数据采集具体包括:在电动汽车运行时,通过动力电池系统中的电池管理系统BMS数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度信息,并存储于相应的存储器,建立完整的动力电池系统处理基础数据源。
进一步地,所述步骤2)中的使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识采用以下迭代过程:
式中,μ为遗忘因子,yk为模型输出,Φk为数据矩阵,为参数矩阵,KLs,k为算法的增益,PLs,k为状态估计值的误差协方差矩阵。
进一步地,采用以下公式实现所述步骤3)中所述的从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数:
进一步地,所述步骤4)中所述使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计具体包括如下步骤:
(4-1).通过测试建立动力电池的容量保持率与容量增量(IC)曲线峰值的关系;其中,所述容量保持率是指某一老化状态下电池剩余容量与初始容量的比值,所述容量增量曲线是指电量对开路电压值的导数与开路电压值的关系曲线;
(4-2).根据采集的所述实车数据获取容量增量曲线及其归一化峰值;
(4-3).通过步骤所述(4-1)中建立的容量保持率与容量增量曲线峰值的关系预测电池剩余容量。
根据本发明所提供的方法使用电动汽车实际运行工况中采集的电压电流数据,结合分数阶微积分理论通过车载计算机进行电池开路电压的在线参数辨识,能够实现无需特别对电池进行小电流充放电或长时间静置等操作即可在线获取电池的开路电压的技术效果。同时,所获取的开路电压可以结合容量增量法实现SOH估计,或用于SOC估计等方面。
附图说明
图1是基于动力电池分数阶模型的开路电压获取及应用方法,
图2是分数阶模型,
图3是DST工况的电流激励,
图4是端电压相对误差,
图5是参数矩阵的辨识结果,
图6是开路电压的辨识结果,
图7是开路电压实验的电压电流曲线,
图8是测试流程图,
图9是OCV-SOC拟合结果图,
图10是2号电池容量增量曲线与容量保持率的关系图,
图11是2号电池归一化容量增量曲线峰值与容量保持率的关系,图12是1号电池的容量保持率估计结果和误差。
具体实施方式
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
本发明所提供的动力电池系统健康状态估计方法,如附图1所示,具体包括以下步骤:
1).建立动力电池系统的分数阶模型,并对所述模型进行离散化处理;
2).进行实车数据采集,使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识;
3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数。
4).使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计。
在本申请的一个优选实施例中,建立动力电池系统的分数阶模型,并结合分数阶微积分理论对所述模型进行离散化处理包括如下步骤:
(1-1).确定所述分数阶模型及其传递函数;
(1-2).对所述传递函数进行反拉氏变换,变换为微分方程;
(1-3).计算所述微分方程中的分数阶微分。
在本申请的一个优选实施例中,所述步骤(1-1)中确定的所述分数阶模型如附图2所示,其由一个等效电化学极化内阻Rct并联一个常相位角元件Q1后,与等效欧姆内阻Ri以及电压源OCV串联组成,模型中I代表电流,以充电为正,Vt代表电池端电压。
其中,常相位角元件包含大小Q1和微分阶次α两个参数。其阻抗传递函数表达式为
其中OCV是电压源的开路电压值,s是拉氏变换的算子;
根据基尔霍夫定律以及拉氏变换建立所述分数阶模型的数学表达:
得到所述传递函数为:
Vt(s)-OCV(s)+RctQ1sα(Vt(s)-OCV(s))=(Rct+Ri)I(s)+RctRiQ1sαI(s) (3)
对所述步骤(1-2)中得到的传递函数进行反拉氏变换,得到微分方程:
Vt(t)-OCV(t)+RctQ1D(α)(Vt(t)-OCV(t))=(Rct+Ri)I(t)+RctRiQ1D(α)I(t) (4)
其中,D(α)表示对变量求α次微分,α为有理数:
在第k个采样点满足:
Vt(k)=(Rct+Ri)I(k)+RctRiQ1D(α)I(k)+OCV(k)+RctQ1D(α)(OCV(k)-Vt(k)) (5)
将其整理成矩阵参数矩阵和数据矩阵相乘的形式,即为:
在本申请的一个优选实施例中,所述步骤(1-3)中所述微分方程的分数阶微分基于Grunwald-Letnikov定义求解得到:
其中,L为自行选取的记忆长度(memory length),Ts为采样间隔。
在本申请的一个优选实施例中,所述步骤2)中所述的实车数据采集具体包括:在电动汽车运行时,通过动力电池系统中的电池管理系统BMS数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度信息,并存储于相应的存储器,建立完整的动力电池系统处理基础数据源。
在本申请的一个优选实施例中,所述步骤2)中的使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识采用以下迭代过程:
式中,μ为遗忘因子,yk为模型输出,Φk为数据矩阵,为参数矩阵,KLs,k为算法的增益,PLs,k为状态估计值的误差协方差矩阵。
在本申请的一个优选实施例中,采用以下公式实现所述步骤3)中所述的从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数:
在本申请的一个优选实施例中,所述步骤4)中所述使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计具体包括如下步骤:
(4-1).通过测试建立动力电池的容量保持率与容量增量(IC)曲线峰值的关系;其中,所述容量保持率是指某一老化状态下电池剩余容量与初始容量的比值,所述容量增量曲线是指电量对开路电压值的导数与开路电压值的关系曲线;
(4-2).根据采集的所述实车数据获取容量增量曲线及其归一化峰值;
(4-3).通过步骤所述(4-1)中建立的容量保持率与容量增量曲线峰值的关系预测电池剩余容量。
下面通过实例进一步阐明本发明的实质特点:
该例中采用的电池为NMC三元材料锂离子电池,并建立如附图2所示的等效模型。电池的具体参数如下:
表1NMC锂离子电池参数
以电动汽车动态应力测试工况(DST工况)为例进行算法验证,DST工况的电流激励情况如附图3所示。针对DST工况采用上述辨识方法得到的端电压相对误差如附图4所示,参数矩阵中各个元素的辨识结果如附图5所示。从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数,如图6所示。
该实例中选用2个的新电池单体1号和2号,测试每个电池单体的容量,获得每个电池单体的容量数据,使用DST工况模拟电池实际运行工况,继而进行OCV测试。进行电池循环老化,每隔100循环,进行一次容量测试、DST工况测试和OCV测试。器重,OCV测试的电压电流曲线如附图7所示,总体测试流程如附图8所示。
将获取的实时OCV和实时SOC进行8阶多项式拟合得到OCV-SOC曲线,拟合曲线与OCV实验结果的比较如附图9所示。
使用线性关系拟合容量保持率和归一化容量增量曲线峰值的关系。拟合关系表达式为:
C=aP+b (10)
式中C为容量保持率,P为归一化的IC曲线峰值,a和b为待拟合的系数。
附图10为2号电池的容量增量曲线与容量保持率的关系,附图11为2号电池归一化容量增量曲线峰值与容量保持率的关系。
使用线性关系拟合2号电池的容量增量曲线峰值与容量保持率关系,拟合结果为:
表2 2号电池的容量增量曲线峰值与容量保持率拟合结果
将获取的实时OCV和实时SOC进行8阶多项式拟合得到OCV-SOC曲线,并采用容量增量法进行处理,得到容量增量曲线,提取其峰值并做归一化处理。
附图12展示了通过测试中2号电池获得的IC曲线峰值-容量保持率关系预测1号电池容量保持率的结果。可以看出,在容量保持率下降到70%之前,电池的容量保持率估计的误差可以控制在4%以内,通过本发明所提供的方法实现了较好的技术效果。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种动力电池系统健康状态估计方法,其特征在于:具体包括以下步骤:
1).建立动力电池系统的分数阶模型,所述分数阶模型的分数阶微分基于Grunwald-Letnikov定义求解,并对所述模型进行离散化处理;
2).进行实车数据采集,使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识;
3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数;
4).使用开路电压曲线结合容量增量法进行所述电池系统的健康状态估计;
所述步骤1)中所述的建立动力电池系统的分数阶模型,并对所述模型进行离散化处理具体包括如下步骤:
(1-1).确定所述分数阶模型及其传递函数;
(1-2).对所述传递函数进行反拉氏变换,变换为微分方程;
(1-3).计算所述微分方程中的分数阶微分;
所述步骤(1-1)中确定的所述分数阶模型由一个等效电化学极化内阻Rct并联一个常相位角元件Q1后,与等效欧姆内阻Ri以及电压源串联组成,模型中I代表电流,以充电为正,Vt代表电池端电压,其中,常相位角元件包含大小Q1和微分阶次α两个参数,其阻抗传递函数表达式为:
根据基尔霍夫定律以及拉氏变换建立所述分数阶模型的数学表达:
其中OCV是电压源的开路电压值,s是拉氏变换的算子;
得到所述传递函数为:
Vt(s)-OCV(s)+RctQ1sα(Vt(s)-OCV(s))=(Rct+Ri)I(s)+RctRiQ1sαI(s)
(3)。
2.如权利要求1所述的方法,其特征在于:对所述步骤(1-2)中变换为微分方程具体为:
Vt(t)-OCV(t)+RctQ1D(α)(Vt(t)-OCV(t))=(Rct+Ri)I(t)+RctRiQ1D(α)I(t) (4)
其中,D(α)表示对变量X求α次微分,α为有理数:
在第k个采样点满足:
Vt(k)=(Rct+Ri)I(k)+RctRiQ1D(α)I(k)+OCV(k)+RctQ1D(α)(OCV(k)-Vt(k)) (5)
将其整理成矩阵参数矩阵和数据矩阵相乘的形式,即为:
3.如权利要求2所述的方法,其特征在于:所述步骤(1-3)中所述微分方程的分数阶微分基于Grunwald-Letnikov定义求解得到:
其中,L为自行选取的记忆长度(memory length),Ts为采样间隔。
4.如权利要求1所述的方法,其特征在于:所述步骤2)中所述的实车数据采集具体包括:在电动汽车运行时,通过动力电池系统中的电池管理系统BMS数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度信息,并存储于相应的存储器,建立动力电池系统处理基础数据源。
5.如权利要求3所述的方法,其特征在于:所述步骤2)中的使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识采用以下迭代过程:
式中,μ为遗忘因子,yk为模型输出,Φk为数据矩阵,为参数矩阵,KLs,k为算法的增益,PLs,k为状态估计值的误差协方差矩阵。
6.如权利要求5所述的方法,其特征在于:采用以下公式实现所述步骤3)中所述的从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数:
7.如权利要求1所述的方法,其特征在于:所述步骤4)中所述使用开路电压曲线结合容量增量法进行所述电池系统的健康状态估计具体包括如下步骤:
(4-1).通过测试建立动力电池的容量保持率与容量增量曲线峰值的关系;其中,所述容量保持率是指某一老化状态下电池剩余容量与初始容量的比值,所述容量增量曲线是指电量对开路电压值的导数与开路电压值的关系曲线;
(4-2).根据采集的所述实车数据获取容量增量曲线及其归一化峰值;
(4-3).通过步骤所述(4-1)中建立的容量保持率与容量增量曲线峰值的关系预测电池剩余容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710197030.XA CN106980091B (zh) | 2017-03-29 | 2017-03-29 | 一种基于分数阶模型的动力电池系统健康状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710197030.XA CN106980091B (zh) | 2017-03-29 | 2017-03-29 | 一种基于分数阶模型的动力电池系统健康状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106980091A CN106980091A (zh) | 2017-07-25 |
CN106980091B true CN106980091B (zh) | 2019-09-17 |
Family
ID=59339756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710197030.XA Active CN106980091B (zh) | 2017-03-29 | 2017-03-29 | 一种基于分数阶模型的动力电池系统健康状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106980091B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239518A (zh) * | 2020-01-21 | 2020-06-05 | 山东大学 | 一种基于分数阶模型的变压器故障检测方法及系统 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367699A (zh) * | 2017-09-14 | 2017-11-21 | 南京林业大学 | 一种基于分数阶模型的锂电池soc估算新方法 |
JP6871145B2 (ja) * | 2017-12-14 | 2021-05-12 | 本田技研工業株式会社 | 電池状態推定装置 |
CN108445406B (zh) * | 2018-03-13 | 2021-05-25 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
CN108519555A (zh) * | 2018-04-11 | 2018-09-11 | 北京理工大学 | 一种锂离子电池的改进分数阶模型和参数辨识方法 |
CN108693478A (zh) * | 2018-04-17 | 2018-10-23 | 北京理工大学 | 一种锂离子动力电池的漏液检测方法 |
CN108896916B (zh) * | 2018-06-08 | 2021-06-18 | 江苏大学 | 基于恒流充放电电压曲线的电池组开路电压及健康状态求解方法 |
US20210359347A1 (en) * | 2018-08-06 | 2021-11-18 | The Regents Of The University Of Michigan | Electrode Diagnostics For Lithium Ion Battery |
CN109061514B (zh) * | 2018-09-30 | 2020-11-06 | 北京理工大学 | 一种基于大数据的动力电池衰退情况分析方法及系统 |
CN109901083B (zh) * | 2019-04-01 | 2020-05-22 | 北京理工大学 | 一种动力电池ocv曲线在线重构方法 |
CN110068774B (zh) * | 2019-05-06 | 2021-08-06 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110441706A (zh) * | 2019-08-23 | 2019-11-12 | 优必爱信息技术(北京)有限公司 | 一种电池soh估计方法及设备 |
CN110635187B (zh) * | 2019-09-01 | 2021-02-12 | 南京理工大学 | 一种考虑老化的锂电池充电方法 |
CN110488194B (zh) * | 2019-09-02 | 2021-10-26 | 中南大学 | 一种基于电化学阻抗模型的锂电池soc估算方法及其系统 |
CN111044927B (zh) * | 2019-12-25 | 2021-11-23 | 中国第一汽车股份有限公司 | 一种动力电池寿命评价方法及系统 |
CN111198326B (zh) * | 2020-02-19 | 2021-05-04 | 北京理工大学 | 一种具有抗扰动特性的电池单体短路电阻在线检测方法 |
CN111308378B (zh) * | 2020-03-10 | 2021-05-18 | 北京理工大学 | 基于容量增量曲线的电池组健康状态检测方法及系统 |
CN111308379B (zh) * | 2020-03-13 | 2021-02-02 | 北京理工大学 | 一种基于局部恒压充电数据的电池健康状态估计方法 |
CN111323719A (zh) * | 2020-03-18 | 2020-06-23 | 北京理工大学 | 一种电动汽车动力电池组健康状态在线确定方法和系统 |
CN111722119B (zh) * | 2020-06-24 | 2021-11-02 | 山东大学 | 一种动力电池分数阶等效电路多特性融合模型的辨识方法 |
CN112069739B (zh) * | 2020-09-16 | 2022-07-19 | 中国海洋大学 | 电池分数阶模型参数辨识方法 |
CN112462269B (zh) * | 2020-12-23 | 2023-05-30 | 中国电力科学研究院有限公司 | 基于在线交流阻抗的电池健康状态估算方法及装置 |
CN112763916B (zh) * | 2021-01-04 | 2023-01-10 | 北京空间飞行器总体设计部 | 一种空间用锂离子电池组未来工况预测方法 |
CN112924879A (zh) * | 2021-01-27 | 2021-06-08 | 武汉昊诚能源科技有限公司 | 电池放电深度检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045971A (zh) * | 2015-07-01 | 2015-11-11 | 西安交通大学 | 一种锂电池分数阶离散化阻抗模型 |
CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
-
2017
- 2017-03-29 CN CN201710197030.XA patent/CN106980091B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045971A (zh) * | 2015-07-01 | 2015-11-11 | 西安交通大学 | 一种锂电池分数阶离散化阻抗模型 |
CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
Non-Patent Citations (5)
Title |
---|
A new method to estimate the state of charge of lithium-ion batteries based on the battery impedance model;Jun Xu,et al;《Journal of Power Sources》;20131231;277-284 |
Fractional-order modeling and parameter identification for lithium-ion batteries;Baojin Wang,et al;《Journal of Power Sources》;20151231;151-161 |
基于开路电压特性的动力电池健康状态诊断与估计;姜久春等;《北京交通大学学报》;20160831;第40卷(第4期);摘要,第1-3节 |
基于数据模型融合的电动车辆动力电池组状态估计研究;熊瑞;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20150415(第04期);第3-4章节 |
基于无迹卡尔曼滤波的锂电池电荷状态估计算法的设计;王传鑫;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170315(第03期);第2.2、3.2节 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239518A (zh) * | 2020-01-21 | 2020-06-05 | 山东大学 | 一种基于分数阶模型的变压器故障检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106980091A (zh) | 2017-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980091B (zh) | 一种基于分数阶模型的动力电池系统健康状态估计方法 | |
CN106443474B (zh) | 一种动力电池系统寿命衰退特征快速识别的方法 | |
CN105467328B (zh) | 一种锂离子电池荷电状态估计方法 | |
CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
CN105807226B (zh) | 基于等效电路模型的锂离子电池soc预测方法及装置 | |
JP5683175B2 (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
CN107121643A (zh) | 锂离子电池健康状态联合估计方法 | |
CN106772104B (zh) | 一种动力电池soc值估算方法 | |
CN103675702A (zh) | 一种实时评估电池健康状态的方法 | |
CN102937704A (zh) | 一种动力电池rc等效模型的辨识方法 | |
CN105093131A (zh) | 一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN109633453A (zh) | 电池参数在线辨识方法、装置及计算机可读存储介质 | |
CN107356879B (zh) | 一种基于多物理场的电池健康状态检测与评估方法及装备系统 | |
CN107843846A (zh) | 一种锂离子电池健康状态估计方法 | |
CN112433170B (zh) | 一种串联电池组单体参数差异辨识方法 | |
Stroe et al. | Electrochemical impedance spectroscopy-based electric circuit modeling of lithium–sulfur batteries during a discharging state | |
CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
CN103293483A (zh) | 一种基于内阻测量的锂电池健康状况估计方法 | |
CN106291375A (zh) | 一种基于电池老化的soc估算方法和装置 | |
CN109613446A (zh) | 一种基于时间序列分析的锂电池老化检测方法 | |
KR20180062814A (ko) | 메타데이터를 이용한 2차 전지 시험 방법 | |
CN114035095B (zh) | 基于电压曲线拐点识别的锂电池soh估计方法、介质及设备 | |
CN105607010A (zh) | 一种估计电动车辆的动力电池的健康状态的方法 | |
CN113466728B (zh) | 一种两阶段电池模型参数在线辨识的方法与系统 |
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 |