CN107255787A - 基于信息熵的电池组不一致性综合评价方法及系统 - Google Patents

基于信息熵的电池组不一致性综合评价方法及系统 Download PDF

Info

Publication number
CN107255787A
CN107255787A CN201710481684.5A CN201710481684A CN107255787A CN 107255787 A CN107255787 A CN 107255787A CN 201710481684 A CN201710481684 A CN 201710481684A CN 107255787 A CN107255787 A CN 107255787A
Authority
CN
China
Prior art keywords
evaluation
battery pack
matrix
inconsistency
value
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
CN201710481684.5A
Other languages
English (en)
Other versions
CN107255787B (zh
Inventor
段彬
张承慧
李泽元
朱瑞
张奇
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN201710481684.5A priority Critical patent/CN107255787B/zh
Publication of CN107255787A publication Critical patent/CN107255787A/zh
Application granted granted Critical
Publication of CN107255787B publication Critical patent/CN107255787B/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
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Battery Mounting, Suspending (AREA)

Abstract

本发明公开了一种基于信息熵的电池组不一致性综合评价方法及系统，其中该方法包括根据电池组中包含电池单体的数量以及选定的评价因子来构建评价电池组的原始数据矩阵；对原始数据矩阵进行归一化处理，得到所有评价因子的归一化矩阵；根据归一化矩阵中的评价因子分别与其自然对数相乘后累加再与表示电池组中包含电池单体数量的常系数相乘后取反，得到相应评价因子的熵值；确定出相应评价因子熵值所占的权重，进而得到归一化矩阵的权重矩阵；将归一化矩阵与其权重矩阵相乘，得到评价因子的评估矩阵；计算评价因子的评估矩阵中所有元素的标准差，得到整个电池组的不一致性定量评价数据。

Description

基于信息熵的电池组不一致性综合评价方法及系统
技术领域
本发明属于电池组评价领域，尤其涉及一种基于信息熵的电池组不一致性综合评价方法及系统。
背景技术
动力电池是电动汽车的核心部件，一般将成千上百节电池单体串并联连接成电池组后使用。但由于电池加工制作过程存在诸多工艺微小偏差和不确定因素，使得电池本身存在先天的不一致性；在使用过程，由于电池组长期处于复杂的充放电环境，会进一步加剧电池单体之间的不一致性，从而会大幅降低电池组的可用容量，缩短其使用寿命，迫切需要建立一种电池组不一致性的评估机制，为电池组的高效、可靠管理提供依据。
目前针对电池组不一致性评价主要有单参数评价法，如容量评价、电压评价以及内阻评价等；多参数评价法，如综合开路电压、短路电流、内阻及最大功率来评价电池组不一致性。另外还有一些非电性能的参数评价，如温度评价法等等。
事实上，电池组的不一致性往往是各电池单体在容量、内阻等多个方面的综合体现，而单参数评价法仅仅考虑一个因素，不能完全反应电池组不一致性的真实情况。多参数评价法能一定程度反应电池组不一致性，但现有评价方法多是将参数进行简单数学运算，真实可靠性欠佳；非电性能的评价法，只能作为电池组不一致性评价的一种补充评价。
发明内容
为了解决现有技术的不足，本发明提供了一种基于信息熵的电池组不一致性综合评价方法，其具能够综合电池容量、内阻、电压等多参数的电池组不一致性评价方法，可实现电池组不一致性的有效评价。
本发明的基于信息熵的电池组不一致性综合评价方法，包括：
步骤1：根据电池组中包含电池单体的数量以及选定的评价因子来构建评价电池组的原始数据矩阵；
步骤2：对原始数据矩阵进行归一化处理，得到所有评价因子的归一化矩阵；
步骤3：根据归一化矩阵中的评价因子分别与其自然对数相乘后累加再与表示电池组中包含电池单体数量的常系数相乘后取反，得到相应评价因子的熵值；
步骤4：以1与相应评价因子的熵值的差值作为分子，选定的评价因子的总数量与所有评价因子的熵值累加值之差作为分母，确定出相应评价因子熵值所占的权重，进而得到归一化矩阵的权重矩阵；
步骤5：将归一化矩阵与其权重矩阵相乘，得到评价因子的评估矩阵；
步骤6：计算评价因子的评估矩阵中所有元素的标准差，得到整个电池组不同寿命状态下的不一致性定量评价数据。
进一步的，该方法还包括：将整个电池组的不一致性定量评价数据与预设的不一致性程度门限值，最终得到电池组不一致性的程度。
进一步的，评价因子包括正类评价因子和负类评价因子。
其中，在本案例中正类评价因子包括：容量、恒流充入容量与恒压充入容量的比值等；
负类评价因子包括：内阻等。
进一步的，在对原始数据矩阵进行归一化处理的过程中，对于正类评价因子，其值越大越好；对于负类评价因子，其值越小越好。
进一步的，在对原始数据矩阵进行归一化处理的过程中，对于负类评价因子，其值越小越好。
进一步的，评价因子的熵值的取值范围为[0,1]。
进一步的，所有评价因子熵值所占的权重之和等于1。
进一步的，评估矩阵中的元素值为电池组中相应电池单体的评估数值，其值越大，则代表电池单体的综合性能越好。
进一步的，当归一化矩阵中的评价因子为零时，归一化矩阵中的评价因子分别与其自然对数的乘积也为零。
本发明还提供了一种基于信息熵的电池组不一致性综合评价系统。
本发明的一种基于信息熵的电池组不一致性综合评价系统，采用上述所述的基于信息熵的电池组不一致性综合评价方法来实现。
与现有技术相比，本发明的有益效果是：
(1)本方法对电池组中单体数量和评价因子种类及其数量都没有限制，因此具有广泛的适应性，可推广应用。
(2)由于信息熵权评价法能够很好的反映评价因子的权重、合理的评价出系统的有序程度，因此本发明的综合评价方法能够有效实现具有随机性和混乱性的电池组不一致性评价。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是基于信息熵的电池组不一致性综合评价方法的流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
图1是基于信息熵的电池组不一致性综合评价方法的流程图。
如图1所示，本发明的基于信息熵的电池组不一致性综合评价方法，包括：
步骤1：根据电池组中包含电池单体的数量以及选定的评价因子来构建评价电池组的原始数据矩阵。
评价因子包括正类评价因子和负类评价因子。
其中，正类评价因子包括：容量、恒流充入容量与恒压充入容量的比值等；
负类评价因子包括：内阻等。
假设电池组中包含电池单体的数量为n，选定的评价因子的个数为m。
构建的评价电池组的原始数据矩阵X为：
其中，xij表示第i个电池单体对应的第j个评价因子。
步骤2：对原始数据矩阵进行归一化处理，得到所有评价因子的归一化矩阵。
在对原始数据矩阵进行归一化处理的过程中，对于正类评价因子，其值越大越好；对于负类评价因子，其值越小越好。
在对原始数据矩阵进行归一化处理的过程中，对于负类评价因子，其值越小越好。
正类评价因子归一化：
负类评价因子归一化：
得到所有评价因子的归一化矩阵Y：
步骤3：根据归一化矩阵中的评价因子分别与其自然对数相乘后累加再与表示电池组中包含电池单体数量的常系数相乘后取反，得到相应评价因子的熵值。
其中，计算评价因子的熵值Sj公式如下，其中k是与样本有关的常数，合理选取使Sj∈[0,1]；规定当yij＝0时，yijln(yij)＝0。
步骤4：以1与相应评价因子的熵值的差值作为分子，选定的评价因子的总数量与所有评价因子的熵值累加值之差作为分母，确定出相应评价因子熵值所占的权重，进而得到归一化矩阵的权重矩阵。
计算第j个评价因子的熵权，确定其所占权重wj。所有wj和为1，wj越小，权重越小，表明该评价因子的重要性不高；反之wj越大，权重越大，表明该评价因子重要性高。
步骤5：将归一化矩阵与其权重矩阵相乘，得到评价因子的评估矩阵。
将归一化矩阵Y和权重矩阵wj相乘，得到评价因子的评估矩阵Z。Z值为评估数值，其值越大，则代表电池单体的综合性能越好。
Zn×1＝Yn×mwm×1
步骤6：计算评价因子的评估矩阵中所有元素的标准差εz，得到整个电池组的不一致性定量评价数据。
本发明的该方法还包括：将整个电池组不同寿命状态下的不一致性定量评价数据与预设的不一致性程度门限值，最终得到电池组不一致性的程度。
其中根据标准差大小，规定不同的门限值，最终得到电池组不一致性的程度，如轻度、中度、重度等。
以12节电池单体串联组成的电池组为评价对象，选取容量C、内阻R、恒流充入容量与恒压充入容量的比值Q作为评价因子。首先开展实验获取数据，实验测试环境温度为25℃、湿度为50％RH，所有电池单体1C恒流恒压(CCCV)充满，2C放电至下限截止电压作为一个循环。以该循环100次作为一组大循环。在大循环结束后开展最大容量测试、内阻测试、HPPC工况测试和不同倍率测试等，以探求不同循环状态下电池组的不一致性规律。获取12节电池单体容量C、内阻R和恒流充入容量与恒压充入容量的比值Q，建立原始数据具体如表1所示，然后根据上述具体步骤，分别计算12节电池单体分别在初始状态、100次循环寿命状态、200次循环寿命状态、300次循环寿命状态和400次循环寿命状态时每节电池单体的评估值，最后得到电池组不同寿命状态下的不一致性情况，如表2所示。若规定当12节单体评估值的标准差<0.2时为电池组轻度不一致，0.2-0.3时为中度不一致，>0.3时为重度不一致。则可以判断出，电池组在400次循环寿命后，电池组出现严重不一致性，此时，需要根据实际情况对电池组均衡或者更换较差的电池单体。
由案例可知，在没有均衡等措施的情况下，电动汽车动力电池组在多次循环或者长时间使用后，电池组的不一致性程度由轻度逐渐变为重度。
表1由12节电池单体测试原始数据
表2由12节电池单体构成的电池组在不同寿命状态时的不一致性评估值
本方法对电池组中单体数量和评价因子种类及其数量都没有限制，因此具有广泛的适应性，可推广应用。
由于信息熵权评价法能够很好的反映评价因子的权重、合理的评价出系统的有序程度，因此本发明的综合评价方法能够有效实现具有随机性和混乱性的电池组不一致性评价。
本发明还提供了一种基于信息熵的电池组不一致性综合评价系统。
本发明的一种基于信息熵的电池组不一致性综合评价系统，采用上述图1所示的基于信息熵的电池组不一致性综合评价方法来实现。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于信息熵的电池组不一致性综合评价方法，其特征在于，包括：
步骤1：根据电池组中包含电池单体的数量以及选定的评价因子来构建评价电池组的原始数据矩阵；
步骤2：对原始数据矩阵进行归一化处理，得到所有评价因子的归一化矩阵；
步骤3：根据归一化矩阵中的评价因子分别与其自然对数相乘后累加再与表示电池组中包含电池单体数量的常系数相乘后取反，得到相应评价因子的熵值；
步骤4：以1与相应评价因子的熵值的差值作为分子，选定的评价因子的总数量与所有评价因子的熵值累加值之差作为分母，确定出相应评价因子熵值所占的权重，进而得到归一化矩阵的权重矩阵；
步骤5：将归一化矩阵与其权重矩阵相乘，得到评价因子的评估矩阵；
步骤6：计算评价因子的评估矩阵中所有元素的标准差，得到整个电池组不同寿命状态下的不一致性定量评价数据。
2.如权利要求1所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，该方法还包括：将整个电池组的不一致性定量评价数据与预设的不一致性程度门限值，最终得到电池组不一致性的程度。
3.如权利要求1所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，评价因子包括正类评价因子和负类评价因子。
4.如权利要求3所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，在对原始数据矩阵进行归一化处理的过程中，对于正类评价因子，其值越大越好；对于负类评价因子，其值越小越好。
5.如权利要求3所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，在对原始数据矩阵进行归一化处理的过程中，对于负类评价因子，其值越小越好。
6.如权利要求1所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，评价因子的熵值的取值范围为[0,1]。
7.如权利要求1所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，所有评价因子熵值所占的权重之和等于1。
8.如权利要求1所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，评估矩阵中的元素值为电池组中相应电池单体的评估数值，其值越大，则代表电池单体的综合性能越好。
9.如权利要求1所述的一种基于信息熵的电池组不一致性综合评价方法，其特征在于，当归一化矩阵中的评价因子为零时，归一化矩阵中的评价因子分别与其自然对数的乘积也为零。
10.一种基于信息熵的电池组不一致性综合评价系统，其特征在于，采用如权利要求1-9中任一所述的基于信息熵的电池组不一致性综合评价方法来实现。
CN201710481684.5A 2017-06-22 2017-06-22 基于信息熵的电池组不一致性综合评价方法及系统 Active CN107255787B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710481684.5A CN107255787B (zh) 2017-06-22 2017-06-22 基于信息熵的电池组不一致性综合评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710481684.5A CN107255787B (zh) 2017-06-22 2017-06-22 基于信息熵的电池组不一致性综合评价方法及系统

Publications (2)

Publication Number Publication Date
CN107255787A true CN107255787A (zh) 2017-10-17
CN107255787B CN107255787B (zh) 2019-06-04

Family

ID=60023331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710481684.5A Active CN107255787B (zh) 2017-06-22 2017-06-22 基于信息熵的电池组不一致性综合评价方法及系统

Country Status (1)

Country Link
CN (1) CN107255787B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061516A (zh) * 2018-10-10 2018-12-21 哈尔滨理工大学 一种基于模糊概率综合评判的电池健康状态评估方法
CN110045298A (zh) * 2019-05-06 2019-07-23 重庆大学 一种动力电池组参数不一致性的诊断方法
CN110542867A (zh) * 2019-08-05 2019-12-06 燕山大学 电池健康状态评估方法、装置及存储介质
CN110703109A (zh) * 2019-10-25 2020-01-17 山东大学 一种基于修正样本熵的电池串多故障诊断方法及系统
CN111693876A (zh) * 2020-05-09 2020-09-22 清华大学 电池组评价方法及系统
CN112255560A (zh) * 2020-10-19 2021-01-22 奇瑞商用车（安徽）有限公司 一种电池电芯健康度预测方法
CN112319309A (zh) * 2020-11-04 2021-02-05 北京理工大学 一种动力电池的故障诊断方法及系统
CN112816885A (zh) * 2021-01-06 2021-05-18 北京嘀嘀无限科技发展有限公司 一种电池异常检测方法、装置、电子设备及存储介质
CN113030763A (zh) * 2021-02-20 2021-06-25 武汉云衡智能科技有限公司 一种车用动力电池一致性差异的潜在风险诊断系统
CN113917351A (zh) * 2021-10-09 2022-01-11 长沙理工大学 基于容量变化的储能电站电池簇不一致性在线评估方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110074430A1 (en) * 2009-09-29 2011-03-31 Sanyo Electric Co., Ltd. Method for evaluating secondary battery
CN102237521A (zh) * 2010-04-29 2011-11-09 上海比亚迪有限公司 一种锂离子电池正极浆料、正极及电池
CN103529340A (zh) * 2013-10-31 2014-01-22 重庆大学 电动汽车充电站在线监测和分析评估系统
CN104035048A (zh) * 2014-06-20 2014-09-10 上海出入境检验检疫局工业品与原材料检测技术中心 一种锂离子电池过充安全性能的热电检测方法及其装置
CN104995502A (zh) * 2013-02-06 2015-10-21 南洋理工大学 用于测试电池的方法和被配置成测试电池的装置
CN106154165A (zh) * 2015-03-27 2016-11-23 国家电网公司 一种大容量电池储能系统性能的评估方法和评估系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110074430A1 (en) * 2009-09-29 2011-03-31 Sanyo Electric Co., Ltd. Method for evaluating secondary battery
CN102237521A (zh) * 2010-04-29 2011-11-09 上海比亚迪有限公司 一种锂离子电池正极浆料、正极及电池
CN104995502A (zh) * 2013-02-06 2015-10-21 南洋理工大学 用于测试电池的方法和被配置成测试电池的装置
CN103529340A (zh) * 2013-10-31 2014-01-22 重庆大学 电动汽车充电站在线监测和分析评估系统
CN104035048A (zh) * 2014-06-20 2014-09-10 上海出入境检验检疫局工业品与原材料检测技术中心 一种锂离子电池过充安全性能的热电检测方法及其装置
CN106154165A (zh) * 2015-03-27 2016-11-23 国家电网公司 一种大容量电池储能系统性能的评估方法和评估系统

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061516A (zh) * 2018-10-10 2018-12-21 哈尔滨理工大学 一种基于模糊概率综合评判的电池健康状态评估方法
CN110045298A (zh) * 2019-05-06 2019-07-23 重庆大学 一种动力电池组参数不一致性的诊断方法
CN110045298B (zh) * 2019-05-06 2021-05-11 重庆大学 一种动力电池组参数不一致性的诊断方法
CN110542867A (zh) * 2019-08-05 2019-12-06 燕山大学 电池健康状态评估方法、装置及存储介质
CN110703109B (zh) * 2019-10-25 2020-07-07 山东大学 一种基于修正样本熵的电池串多故障诊断方法及系统
CN110703109A (zh) * 2019-10-25 2020-01-17 山东大学 一种基于修正样本熵的电池串多故障诊断方法及系统
US11959973B2 (en) 2019-10-25 2024-04-16 Shandong University Multi-fault diagnosis method and system for battery packs based on corrected sample entropy
CN111693876A (zh) * 2020-05-09 2020-09-22 清华大学 电池组评价方法及系统
CN112255560A (zh) * 2020-10-19 2021-01-22 奇瑞商用车（安徽）有限公司 一种电池电芯健康度预测方法
CN112255560B (zh) * 2020-10-19 2024-05-10 奇瑞商用车（安徽）有限公司 一种电池电芯健康度预测方法
CN112319309A (zh) * 2020-11-04 2021-02-05 北京理工大学 一种动力电池的故障诊断方法及系统
CN112319309B (zh) * 2020-11-04 2021-12-31 北京理工大学 一种动力电池的故障诊断方法及系统
CN112816885A (zh) * 2021-01-06 2021-05-18 北京嘀嘀无限科技发展有限公司 一种电池异常检测方法、装置、电子设备及存储介质
CN113030763A (zh) * 2021-02-20 2021-06-25 武汉云衡智能科技有限公司 一种车用动力电池一致性差异的潜在风险诊断系统
CN113917351A (zh) * 2021-10-09 2022-01-11 长沙理工大学 基于容量变化的储能电站电池簇不一致性在线评估方法
CN113917351B (zh) * 2021-10-09 2023-12-22 长沙理工大学 基于容量变化的储能电站电池簇不一致性在线评估方法

Also Published As

Publication number Publication date
CN107255787B (zh) 2019-06-04

Similar Documents

Publication Publication Date Title
CN107255787A (zh) 基于信息熵的电池组不一致性综合评价方法及系统
CN103785629B (zh) 一种梯次利用锂电池筛选成组方法
CN109031145B (zh) 一种考虑不一致性的串并联电池组模型及实现方法
CN106855612B (zh) 计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法
CN104392080B (zh) 一种锂电池分数阶变阶等效电路模型及其辨识方法
CN108732508B (zh) 一种锂离子电池容量的实时估计方法
CN107171035B (zh) 锂离子电池的充电方法
CN109991547B (zh) 锂离子电池包最大允许充放电电流估计方法及装置
CN104535933B (zh) 电池剩余电量测量方法与系统
CN106199443B (zh) 一种锂电池退化鉴别方法及退化报警系统
CN109307845B (zh) 一种用于对梯次利用电池储能系统进行健康状态评估的方法及系统
CN106772064A (zh) 一种锂离子电池健康状态预测方法及装置
CN106021738A (zh) 非均一多个体混联的电池组分布式模型建立系统及方法
CN114429050A (zh) 一种退役动力电池梯次利用的分选方法
CN110082684A (zh) 一种基于加权多新息扩展卡尔曼滤波的锂电池soc估计方法
CN105866700A (zh) 一种锂离子电池快速筛选的方法
CN110850315A (zh) 一种电池荷电状态的估算方法及装置
CN111816936A (zh) 电池梯次利用配组方法、系统、终端设备及存储介质
CN106872901B (zh) KiBaM-分数阶等效电路综合特征电池模型及参数辨识方法
CN117783884A (zh) 一种基于片段充电数据的锂离子电池健康状态估计方法
CN115598535A (zh) 一种考虑健康状态的电池荷电状态估计方法及系统
CN113935222A (zh) 基于有序加权平均算子的动力电池多模型融合估计方法
CN117096476A (zh) 一种电池的分组方法、装置、电子设备及存储介质
CN111722119A (zh) 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
CN114910812A (zh) 筛选电池组中不一致电芯的方法

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