CN108132442B - 一种基于离线数据驱动的蓄电池联合状态估算方法 - Google Patents
一种基于离线数据驱动的蓄电池联合状态估算方法 Download PDFInfo
- Publication number
- CN108132442B CN108132442B CN201711330279.XA CN201711330279A CN108132442B CN 108132442 B CN108132442 B CN 108132442B CN 201711330279 A CN201711330279 A CN 201711330279A CN 108132442 B CN108132442 B CN 108132442B
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- voltage
- charging
- ocv
- 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]
- G01R31/3644—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
本发明公开了一种基于离线数据驱动的蓄电池联合状态估算方法。该计算方法基于离线测试数据驱动,离线数据提取的特征点作为在线辨识的知识库,实现了在线的电池SOC和容量联合估算;利用充、放电结束后存储的电压变化数据计算等效OCV值再根据所获得的离线数据SOC=s(OCV,T),获得电池的SOC。利用恒流充电时电池电压数据进行特征辨识获取特征点处SOC,本算法计算量小,估算精度高,适用于大数量串联电池的中对每个单体电池进行状态估算。
Description
技术领域
本发明设计一种基于离线数据驱动的蓄电池联合状态估算方法,适用于但不限于磷酸铁锂电池,状态估算具体涉及电池容量估算和电池荷电状态(SOC)估算,本发明通过离线测试蓄电池,计算和提取特征数据,结合在线特征辨识的方法进行状态估算。
背景技术
国内电动车动力锂离子蓄电池的应用领域中,磷酸铁锂的占有率约50%,在实际使用中,电池管理系统对磷酸铁锂电池的容量和SOC估算误差较大,造成了电动车续航预估错误、驾乘感受差,SOC的估算误差将导致电池管理误操作从而影响电池寿命。
磷酸铁锂电池具有宽电压平台,在SOC在20%~85%区间的电压平台十分平缓,SOC变化1%时端电压变化甚至小于1mV,因此基于端电压进行SOC估算十分困难。
磷酸铁锂电池容量随着循环使用次数增加逐渐衰减,但在使用中无法进行容量的标准测量,因此需要在使用过程中通过,对电池容量进行在线辨识,目前业内在线的容量估算算法精度低。
发明内容
针对上述问题,本发明提供一种基于离线数据驱动的蓄电池联合状态估算方法,该算法适用于但不限于磷酸铁锂电池,本算法通过对电池进了了特定的工况测试,提取不同温度、不同老化程度、不同批次生产电池的共有特性,使用特征数据在线进行容量和SOC的辨识,在简化计算量的同时保证了状态估算的精度,此外,本算法计算量小,特别适用于多串联电池组内进行每个单体电池的状态联合估算,针对本发明所述联合状态估算算法制定了专用的离线数据测试方法,该测试方法简化和规范了测试流程,阐明了数据获取的方法,是联合状态估算的基础;
本发明所述的电池测试提取的共有特性是经过了大量样本测试后得出的结论,测试方法及结果的正确性已得到验证;
同一批次的锂离子蓄电池的离线数据只能应用在该批次电池,不可用于不同批次、不同厂家的锂离子蓄电池或者其他材料体系的锂离子蓄电池,本方法可适用于磷酸铁锂电池和具有和磷酸铁电池类似的宽平台的蓄电池;
具体而言,所述的电池状态估算方法需要获取样本电池的离线数据,样本电池的离线数据获取测试方法为:(a)循环充放电测试,在恒温箱环境下以某恒定温度T,以Ia电流进行恒流恒压充电,截止电压为Ua,记录充电容量,静置2h,以Ib电流进行恒流放电,截止电压为Ub,记录放电容量,静置2h,循环充放电至相邻两次放电容量相差小于0.5%,则记录最后一次充电容量Sa和放电容量Sb,计算库仑系数k=Sb/Sa,记录最后一次充电电压U与充电电量s之间的对应曲线数据U=f(s),将Sa作为电池容量,将充电时电压U的电量s的关系f转换为电压U与SOC的关系g,得到U=g(SOC),经过计算得到h=g’,即电压U关于SOC的斜率,ΔU=h(SOC);(b)以1/50C倍率恒流充电至截止电压Ua,静置5h后,以1/50C倍率恒流放电至截止电压Ub,分别记录电压与电量的对应数据,分别作出充、放电的电压U与SOC对应曲线U=vc(SOC)、U=vd(SOC),对充放电曲线取均值,获得OCV曲线,OCV=v(SOC);(c)改变恒温箱温度,重复步骤a和b,分别记录容量、库仑系数、恒流充电电压U与电量s曲线U=g(SOC)和OCV曲线OCV=v(SOC);
上述测试过程中,充放电的截止电压Ua和Ub由电池厂商根据实际使用值确定,充放电电流Ia和Ib由电池的实际使用工况确定,其中,充电电流Ia应与实际的恒流充电电流相等;
进一步,根据电池的实际使用温度区间设定测试温度,例如某电动汽车电池的充放电区间为T1~Tn,在此区间均匀选取n个温度点进行测试,n的选取决定了离线数据的精度,测试所得数据如下:
为保证数据的通用性,离线数据为多个样本数据均值,提取的特征数据如下:
(a)数据拟合得到容量S关于温度T的关系S=p(T),库仑系数k关于温度T的关系k=q(T),其中S=p(T)曲线上最大容量值S0和对应温度T0,获取容量随温度的变化比例r=p(T)/S0=w(T);
(b)恒流充电电压斜率与SOC对应的特征点:不同温度下,SOC为A1点处ΔU的第一转折点D1,SOC为A2处第二转折点D2,ΔU小于U0的区间对应的进点和出点D3和D4,其中D3和D4随着U0的大小而变化,D3和D4对应的SOC为A3和A4;
(c)在SOC为0~15%、95%~100%区间内OCV与SOC和温度的对应关系,OCV=v(SOC,T),换算得到SOC=s(OCV,T);
以上为测试结果的特征数据,存储在电池管理系统的只读存储器中,在线运行时将使用特征数据进行联合状态估算;
本发明所述基于离线数据驱动的状态联合估算方法为,以安时积分为主,在特征点处进行SOC矫正,根据获得的容量随温度的变化比例r=w(T)和实测温度对电池容量实时更新,并在多次循环后根据特征值和安时积分对最大容量S0进行矫正;
具体而言,特征点可以分为三部分:恒流充电特征点、充电结束后端电压变化值和放电结束后端电压变化值;
所述恒流充电特征点为,在充电时,以测试相同的固定电流Ia先进行恒流充电,电池初始SOC不一定为0,在电压到达或未到达后充电截止点采用其他电流充电或者恒压充电,仅关注恒流充电阶段电压数据,并从充电开始时记录电流的安时积分值A,当检测到特征点D1~D4时,分别记录对应的安时积分值s1~s4,以及对应的SOC值A1~A4;
进一步的,特征点检测方法为:每一个固定时长Δt内,对电池电压取均值,计算相邻两个Δt的平均电压差,根据充电电流等效计算出每1%SOC变化的电压值ΔU,跟踪ΔU的两个峰值转折点D1和D2,记录对应的安时积分值s1和s2;记录ΔU入和出小于U0的区间的两个特征点D3和D4对应的安时积分值s3和s4;
所述充电结束后端电压变化值为,在本次充电结束后,记录电压回落曲线,如果充电结束后的静置时间不够长,即静置时间小于te,te的大小根据电池特性设定,则通过电压回落趋势计算得到预期稳定值,即等效OCV,如果静置时间足够长,即静置时间大于te,则记静置后的电压为OCV,再根据温度T进行查表SOC=s(OCV,T),如果电压在此区间内,可以获得充电结束的SOC值A5,记录此时的安时积分值s5;
所述放电结束后端电压变化值为,在上一次放电结束后,记录电压回升曲线,如果放电结束后的静置时间不够长,则通过电压回升趋势计算得到预期稳定值,即等效OCV,如果静置时间足够长,则记静置后的电压为OCV,再根据温度T进行查表SOC=s(OCV,T),如果电压在此区间内,可以获得放电结束的SOC值A0,此时安时积分值为s0=0;
进一步的,电压回落和回升预期稳定值的计算方法为:根据一阶等效电路模型,即电池端电压等于OCV、内阻压降和极化电压之和,静置状态下,内阻压降为0,因此电池端电压等于OCV与极化电压之和,则充电和放电的数学模型:
其中UC为充电结束后的电池端电压,UD为放电结束后的电池端电压,UOCV为开路电压值,Up为极化电压,电池处于静置状态,极化时间常数固定,设为τ,极化电压其中Up0为初始的极化电压;
在进行充电结束电压回落曲线计算OCV时,记录初始时刻电池电压UC0,t时刻的电池电压UC1,2t时刻的电池电压UC2,得到:
其中,Up0为初始极化电压,计算得到:
因此得到:
同理,在进行充电结束电压回落曲线计算OCV时,记录初始时刻电池电压UD0,t时刻的电池电压UD1,2t时刻的电池电压UD2,得到:
其中,Up0为初始极化电压,计算得到:
因此得到:
具体而言,所述的联合状态估算方法其特征在于,从放电结束到充电再到放电开始这一阶段,根据恒流充电SOC的起始点不同,6个特征值不一定能全部获取,由上述分析计算可知,每一个特征点可以获取相应的SOC值An和对应的安时积分值sn,因此在每次充电完成后,如果获取两个或以上的特征点,假设其中两个特征点SOC为Ai和Aj,安时积分值为si和sj,则容量的计算方法为:综合多个容量估算值,进行中值和平均值计算,根据容量随温度的变化比例关系r=w(T),计算得到最大容量S0,对最大容量进行矫正。
进一步的,所述的6个特征值的在线辨识的具体方法为:
(a)在充电前,首先记录上一次放电结束后静置的时间,如果静置时间较长,即静置时间大于te,则利用充电前测量的电池端电压作为OCV值,如果静置时间较短,即静置时间小于te,,则利用放电结束后存储的电压变化数据计算等效OCV值,再进行查表SOC=s(OCV,T),获得充电前SOC,在充电过程中,对充电电流进行安时积分计算,并在恒流充电阶段进行特征点辨识,记录辨识的特征点对应的SOC值An和安时积分值sn,充电结束时,记录结束后一段时间内的电压变化值,记录时长根据工程应用中实际情况而定;
(b)恒流充电过程中,根据计算得到k时刻处每1%SOC变化的电压值ΔUk,当SOC在19%附近时,ΔUk-1<ΔUk且ΔUk>ΔUk+1,则k时刻处为D1点,当SOC在76%附近时,ΔUk-1<ΔUk且ΔUk>ΔUk+1,则k时刻处为D2点,当第一次出现ΔUk<U0时记录k时刻为D3点,在恒流充电阶段最后一次出现ΔUk<U0时记录k时刻为D4点;
(c)在放电前,首先记录上一次充电结束后静置的时间,如果静置时间较长,即静置时间大于te,则利用放电前测量的电池端电压作为OCV值,如果静置时间较短,即静置时间小于te,则利用充电结束后存储的电压变化数据计算OCV值,再进行查表SOC=s(OCV,T),获得充电结束时SOC,在充电过程中,进行安时积分计算获得SOC;
本发明所述的一种基于离线数据驱动的锂离子蓄电池联合状态估算的计算方法具有以下优点:
1.计算简单,以加减乘除法为主,计算量小;
2.基于测试数据及特征辨识,具有针对性,估算精度高;
3.适用于大数量串联电池组内的每个单体电池的状态辨识。
附图说明
图1是本发明中的电池离线测试的流程;
图2是本发明中的OCV测试所得曲线;
图3是本发明中的充电和放电结束后电压变化曲线;
图4是本发明中的恒流充电电压斜率曲线及特征值的确定方法;
图5是本发明中的在线状态联合估算的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
图1是本发明方法所应用的电池离线测试的流程图。如图1所示,首先确定n个测试温度点T1~Tn,在每个温度下,分别进行容量测试循环充放电测试和开路电压测试,并记录和处理相应数据,具体测试步骤如下:(a)在恒温箱环境下以某恒定温度T,以Ia电流进行恒流恒压充电,截止电压为Ua,记录充电容量,静置2h,以Ib电流进行恒流放电,截止电压为Ub,记录放电容量,静置2h,循环充放电至相邻两次放电容量相差小于0.5%,则记录最后一次充电容量Sa和放电容量Sb,计算库仑系数k=Sb/Sa,记录最后一次充电电压U与充电电量s之间的对应数据U=f(s),将Sa作为电池容量,将充电时电压U的电量s的关系f转换为电压U与SOC的关系g,得到U=g(SOC),经过计算得到h=g’,即电压U关于SOC的斜率,ΔU=h(SOC);(b)以1/50C倍率恒流充电至截止电压Ua,静置5h后,以1/50C倍率恒流放电至截止电压Ub,分别记录电压与电量的对应数据,分别作出充、放电的电压U与SOC对应曲线U=vc(SOC)、U=vd(SOC),对充放电曲线取均值,获得OCV(开路电压)曲线,OCV=v(SOC);(c)改变恒温箱温度,重复步骤a和b,分别记录容量、库仑系数、恒流充电电压U与电量s曲线U=g(SOC)和OCV曲线OCV=v(SOC);
测试过程中,充放电的截止电压Ua和Ub由电池厂商根据实际使用值确定,充放电电流Ia和Ib由电池的实际使用工况确定,其中,充电电流Ia应与实际的恒流充电电流相等;
测试所得数据经过处理后可得到:
(a)数据拟合得到容量S关于温度T的关系S=p(T),库仑系数k关于温度T的关系k=q(T),其中S=p(T)曲线上最大容量值S0和对应温度T0,获取容量随温度的变化比例r=p(T)/S0=w(T);
(b)恒流充电电压斜率与SOC对应的特征点:不同温度下,SOC为A1点处ΔU的第一转折点D1,SOC为A2处第二转折点D2,ΔU小于U0的区间对应的进点和出点D3和D4,其中D3和D4随着U0的大小而变化,D3和D4对应的SOC为A3和A4;
(c)在SOC为0~15%、95%~100%区间内OCV与SOC和温度的对应关系,OCV=v(SOC,T),换算得到SOC=s(OCV,T);
图2是本发明方法所应用的OCV测试所得曲线。如图2所示,在首末端电压变化明显,但在中间出现电压平台,电压变化小,从图中可以得出结论,在首末端进行OCV查表获取SOC值精度较高,因此从电池测试测试数据中提取SOC在0~15%、95%~100%区间内OCV与SOC和温度的对应关系,OCV=v(SOC,T),换算得到SOC=s(OCV,T),用于OCV查表计算SOC;
图3是本发明方法所应用的测试充电和放电结束后电压变化曲线。从图中可以看出,充电结束后,极化电压逐渐降低至0,电池端电压回落至OCV,放电结束后,极化电压逐渐降低至0,电池端电压回升至OCV,在电池充电或放电结束后的一段时间tc内,分别记录充电结束后初始时刻电池电压UC0、t时刻的电池电压UC1、2t时刻的电池电压UC2,记录放电结束后初始时刻电池电压UD0,t时刻的电池电压UD1,2t时刻的电池电压UD2,tc,通过以上数据分别计算出充电和放电结束后电池的等效OCV,计算方法如下:
根据一阶等效电路模型,即电池端电压等于OCV、内阻压降和极化电压之和,静置状态下,内阻压降为0,因此电池端电压等于OCV与极化电压之和,则充电和放电的数学模型:
其中UC为充电结束后的电池端电压,UD为放电结束后的电池端电压,UOCV为开路电压值,Up为极化电压,电池处于静置状态,极化时间常数固定,设为τ,极化电压其中Up0为初始的极化电压;
充电结束后:
其中,Up0为初始极化电压,计算得到:
因此得到:
同理放电结束后:
其中,Up0为初始极化电压,计算得到:
因此得到:
图4是本发明方法所应用的恒流充电电压斜率曲线及特征值的确定方法。图中曲线为某温度下的测试结果,以固定电流Ia先进行恒流充电,电池初始SOC不一定为0,在电压到达或未到达后充电截止点采用其他电流充电或者恒压充电,仅关注恒流充电阶段电压数据,并从充电开始时记录电流的安时积分值A,当检测到特征点D1~D4时,分别记录对应的安时积分值s1~s4,以及对应的SOC值A1~A4;
4个特征点检测方法为:每一个固定时长Δt内,对电池电压取均值,计算相邻两个Δt的平均电压差,根据充电电流等效计算出每1%SOC变化的电压值ΔU,跟踪ΔU的两个峰值转折点D1和D2,记录对应的安时积分值s1和s2;记录ΔU入和出小于U0的区间的两个特征点D3和D4对应的安时积分值s3和s4,U0值的确定影响了D3和D4的位置;
图5是本发明方法所应用的在线状态联合估算的流程图。在线状态联合估算分别在主程序和定时中断程序中执行,如图所示,阴影部分程序在主程序中执行,主要为等效OCV的计算和电池容量与SOC的联合估算及矫正,其余在定时中断中执行,主要为充放电过程的安时积分计算和充电过程中的特征点辨识,具体的流程如下:
在充电前,首先记录上一次放电结束后静置的时间,如果静置时间较长,则利用充电前测量的电池端电压作为OCV值,如果静置时间较短,则利用放电结束后存储的电压变化数据计算OCV值,再进行查表SOC=s(OCV,T),获得充电前SOC,在充电过程中,对充电电流进行安时积分计算,并在恒流充电阶段进行特征点辨识,记录辨识的特征点对应的SOC值An和安时积分值sn,充电结束时,记录结束后一段时间内的电压变化值,记录时长根据工程应用中实际情况而定;
进一步的,恒流充电过程中特征值辨识方法为:根据计算得到k时刻处每1%SOC变化的电压值ΔUk,当SOC在19%附近时,ΔUk-1<ΔUk且ΔUk>ΔUk+1,则k时刻处为D1点,当SOC在76%附近时,ΔUk-1<ΔUk且ΔUk>ΔUk+1,则k时刻处为D2点,当第一次出现ΔUk<U0时记录k时刻为D3点,在恒流充电阶段最后一次出现ΔUk<U0时记录k时刻为D4点;
在放电前,首先记录上一次充电结束后静置的时间,如果静置时间较长,则利用放电前测量的电池端电压作为OCV值,如果静置时间较短,则利用充电结束后存储的电压变化数据计算OCV值,再进行查表SOC=s(OCV,T),获得充电结束时SOC,在充电过程中,进行安时积分计算获得SOC;
在每次从充电开始到放电开始区间段内,由于充电起始和结束时的SOC的不确定性,最多可以获取6个特征点,当获取2个或以上特征点时,就可以根据容量的计算公式获得容量校准值,综合多个容量估算值,进行中值和平均值计算,根据容量随温度的变化比例关系r=w(T),计算得到最大容量S0,对最大容量进行矫正。
本发明不仅局限于上述具体实施方式,本领域一般技术人员根据实施例和附图公开内容,可以采用其它多种具体实施方式实施本发明,因此,凡是采用本发明的设计结构和思路,做一些简单的变换或更改的设计,都落入本发明保护的范围。
Claims (2)
1.一种基于离线数据驱动的蓄电池联合状态估算方法,该方法包括,对电池进行离线测量,获得以下离线数据:数据①:电池容量S关于温度T的关系S=p(T),库仑系数k关于温度T的关系k=q(T),并根据S=p(T)曲线上最大容量值S0和对应温度T0,获取容量S随温度T的变化比例r=p(T)/S0=w(T);数据②:恒流充电时电池电压斜率曲线与SOC对应的特征点D1-D4,D1为电压斜率曲线的第一转折点,该处对应的SOC值为A1;D2为电压斜率曲线的第二转折点,此处对应的SOC值为A2;斜率小于U0的区间对应的进点D3和出点D4,其中D3和D4随着U0的大小而变化,U0为设定值,D3和D4点处对应的SOC值为A3和A4;数据③:根据SOC为0~AC、AD~100%区间内OCV与SOC和温度的对应关系OCV=v(SOC,T),换算得到SOC=s(OCV,T),其中,AC、AD为OCV电压平台的起始和结束处SOC;
所述基于离线数据驱动的联合状态估算方法,进一步包括,按照以下步骤估算电池的SOC和容量:其中步骤1到4在电池使用时循环执行,当电池处于充电状态,则从步骤1开始,如果处于放电状态,则从步骤3开始);
在所有步骤1到4执行时,同时对电池电流进行安时积分,对当前的SOC进行更新,根据获得的容量随温度的变化比例r=w(T)和实测电池温度对电池容量实时更新,并在多次循环后根据所述特征值和安时积分对最大容量S0进行矫正;
步骤1:在充电前,首先记录上一次放电结束后静置的时间,如果静置时间较长,即静置时间大于te,te的大小根据电池特性设定,则利用充电前测量的电池端电压作为OCV值,再进行查表根据SOC=s(OCV,T),获得充电前SOC;
如果静置时间较短,即静置时间小于te,则利用上一次放电结束后存储的电压变化数据计算充电前等效OCV值,再进行查表根据SOC=s(OCV,T),获得充电前SOC;
步骤2:在恒流充电过程中,对充电电流进行安时积分计算获得充电电量,并在恒流充电阶段进行特征点辨识,记录辨识的特征点对应的SOC值An和安时积分值sn,在辨识到任意一个特征点Dn时记An为当前SOC,充电结束时,记录结束后一段时间内的电压变化值,记录时长根据工程应用中实际情况而定;
步骤3:在放电前,首先记录上一次充电结束后静置的时间,如果静置时间较长,即静置时间大于te,则利用放电前测量的电池端电压作为OCV值,再进行查表根据SOC=s(OCV,T),获得放电前SOC;
如果静置时间较短,即静置时间小于te,则利用充电结束后存储的电压变化数据计算放电前等效OCV值,再进行查表SOC=s(OCV,T),获得放电前SOC,在放电过程中,进行安时积分计算获得SOC,并根据电池温度校正SOC,放电结束后,存储放电结束后电压数据;
步骤4:
在从放电结束到放电开始的一个循环周期中,由于充电起始和结束时的SOC的不确定性,最多可以获取6个特征点,当获取2个或以上特征点时,根据容量的计算公式获得容量校准值,在多个循环过程中可以计算得到多个容量校准值,对校准值进行中值计算和均值计算后,对电池容量进行矫正;
进一步的,等效OCV计算方法为,在电池充电或放电结束后的一段时间tc内,分别记录充电结束后初始时刻电池电压UC0、t时刻的电池电压UC1、2t时刻的电池电压UC2,记录放电结束后初始时刻电池电压UD0,t时刻的电池电压UD1,2t时刻的电池电压UD2,其中t在0~1/2tc中取值,通过以上数据分别计算出充电前和放电前电池的等效OCV,计算方法如下:
根据一阶等效电路模型,即电池端电压等于OCV、内阻压降和极化电压之和,静置状态下,内阻压降为0,因此电池端电压等于OCV与极化电压之和,则充电和放电的数学模型:
其中UC为充电结束后的电池端电压,UD为放电结束后的电池端电压,UOCV为开路电压值,Up为极化电压,电池处于静置状态,极化时间常数固定,设为τ,极化电压其中Up0为初始的极化电压;
放电前电池的等效OCV,即UOCV采用如下公式计算:
其中,Up0为初始极化电压,计算得到:
因此得到:
同理充电前电池的等效OCV,即UOCV采用如下公式计算:
其中,Up0为初始极化电压,计算得到:
因此得到:
2.根据权利要求1所述的基于离线数据驱动的蓄电池联合状态估算方法,其特征在于,所述恒流充电过程中特征值辨识方法为:根据计算得到k时刻处每1%SOC变化的电压值ΔUk,当SOC在19%附近时,ΔUk-1<ΔUk且ΔUk>ΔUk+1,则k时刻处为D1点,当SOC在76%附近时,ΔUk-1<ΔUk且ΔUk>ΔUk+1,则k时刻处为D2点,当第一次出现ΔUk<U0时记录k时刻为D3点,在恒流充电阶段最后一次出现ΔUk<U0时记录k时刻为D4点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711330279.XA CN108132442B (zh) | 2017-12-13 | 2017-12-13 | 一种基于离线数据驱动的蓄电池联合状态估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711330279.XA CN108132442B (zh) | 2017-12-13 | 2017-12-13 | 一种基于离线数据驱动的蓄电池联合状态估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108132442A CN108132442A (zh) | 2018-06-08 |
CN108132442B true CN108132442B (zh) | 2019-12-06 |
Family
ID=62389520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711330279.XA Active CN108132442B (zh) | 2017-12-13 | 2017-12-13 | 一种基于离线数据驱动的蓄电池联合状态估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108132442B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687468B (zh) * | 2018-06-19 | 2021-01-15 | 华为技术有限公司 | 一种电池荷电状态的估计方法及装置 |
CN108845267B (zh) * | 2018-06-29 | 2021-06-25 | 上海科列新能源技术有限公司 | 一种动力电池的数据处理方法和装置 |
JP7214993B2 (ja) * | 2018-06-29 | 2023-01-31 | 株式会社リコー | 蓄電システム |
CN109387784B (zh) * | 2018-09-13 | 2021-04-02 | 东莞钜威动力技术有限公司 | 多维度状态估算效准soc的方法以及动态修正soc的方法 |
JP6737490B2 (ja) * | 2019-01-11 | 2020-08-12 | マレリ株式会社 | システム同定方法及びシステム同定装置 |
CN113075555B (zh) | 2019-05-24 | 2024-08-23 | 宁德时代新能源科技股份有限公司 | Soc修正方法和装置、电池管理系统和存储介质 |
CN110515003B (zh) * | 2019-07-18 | 2021-06-22 | 力高(山东)新能源技术有限公司 | 一种开路电压修正锂电池soc的方法 |
CN110940358B (zh) * | 2019-12-31 | 2023-07-25 | 徐州治鼎环境科技有限公司 | 一种激光雷达和惯导联合标定的装置及标定方法 |
CN112130077B (zh) * | 2020-09-30 | 2021-11-02 | 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 |
CN112462283B (zh) * | 2020-10-19 | 2024-05-14 | 江苏大学 | 基于差分温度曲线的锂离子电池内阻及容量估算方法 |
CN112540303B (zh) * | 2020-11-18 | 2022-11-29 | 潍柴动力股份有限公司 | 一种校正方法及装置 |
CN112557928B (zh) * | 2020-12-04 | 2023-08-01 | 湖北亿纬动力有限公司 | 一种计算电池荷电状态的方法、装置和动力电池 |
CN114137417B (zh) * | 2021-11-19 | 2023-01-17 | 北京理工大学 | 一种基于充电数据特征的电池内短路检测方法 |
CN116068410B (zh) * | 2023-03-08 | 2023-06-20 | 上海泰矽微电子有限公司 | 一种基于用户设定工作条件的soc估算方法及存储介质 |
CN116893357B (zh) * | 2023-07-07 | 2024-03-19 | 中国人民解放军国防科技大学 | 关键电池筛选方法、系统及存储介质 |
CN116754961B (zh) * | 2023-07-07 | 2024-01-30 | 中国人民解放军国防科技大学 | 开路电压估计方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253343A (zh) * | 2011-04-21 | 2011-11-23 | 北京世纪瑞尔技术股份有限公司 | 一种蓄电池的健康度与荷电状态的估算方法 |
CN102831100A (zh) * | 2012-07-18 | 2012-12-19 | 深圳职业技术学院 | 电池荷电状态估算方法及装置 |
CN105093128A (zh) * | 2015-08-31 | 2015-11-25 | 山东智洋电气股份有限公司 | 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法 |
CN105116343A (zh) * | 2015-08-24 | 2015-12-02 | 桂林电子科技大学 | 最小二乘支持向量机的动力电池电荷状态估计方法及系统 |
CN106443471A (zh) * | 2016-09-20 | 2017-02-22 | 首都师范大学 | 锂离子电池soc估计方法及其硬件实现 |
CN106443461A (zh) * | 2016-09-06 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 电池储能系统状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10705147B2 (en) * | 2015-12-17 | 2020-07-07 | Rohm Co., Ltd. | Remaining capacity detection circuit of rechargeable battery, electronic apparatus using the same, automobile, and detecting method for state of charge |
-
2017
- 2017-12-13 CN CN201711330279.XA patent/CN108132442B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253343A (zh) * | 2011-04-21 | 2011-11-23 | 北京世纪瑞尔技术股份有限公司 | 一种蓄电池的健康度与荷电状态的估算方法 |
CN102831100A (zh) * | 2012-07-18 | 2012-12-19 | 深圳职业技术学院 | 电池荷电状态估算方法及装置 |
CN105116343A (zh) * | 2015-08-24 | 2015-12-02 | 桂林电子科技大学 | 最小二乘支持向量机的动力电池电荷状态估计方法及系统 |
CN105093128A (zh) * | 2015-08-31 | 2015-11-25 | 山东智洋电气股份有限公司 | 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法 |
CN106443461A (zh) * | 2016-09-06 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 电池储能系统状态评估方法 |
CN106443471A (zh) * | 2016-09-20 | 2017-02-22 | 首都师范大学 | 锂离子电池soc估计方法及其硬件实现 |
Non-Patent Citations (1)
Title |
---|
基于改进PNGV模型的动力锂电池SOC精确估计;邓磊;《电源技术》;20171031;第41卷(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108132442A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108132442B (zh) | 一种基于离线数据驱动的蓄电池联合状态估算方法 | |
CN107843852B (zh) | 一种获取离线数据来估算蓄电池联合状态的方法 | |
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
CN106054085B (zh) | 一种基于温度用于估计电池soc的方法 | |
CN107533105B (zh) | 锂离子电池荷电状态估算方法和装置 | |
CN108717164B (zh) | 电池的荷电状态soc标定方法及系统 | |
CN106716158B (zh) | 电池荷电状态估算方法和装置 | |
CN110011374B (zh) | 一种电池充放电电流的控制方法、系统及终端设备 | |
CN107748336B (zh) | 锂离子电池的荷电状态在线估计方法及系统 | |
CN103250066B (zh) | 感测电池容量的系统和方法 | |
CN107677965B (zh) | 一种锂电池能量状态估算方法 | |
KR101402802B1 (ko) | 배터리 셀의 전압 변화 거동을 이용한 셀 밸런싱 장치 및 방법 | |
CN113359044B (zh) | 测量电池剩余容量的方法、装置及设备 | |
CN111060820A (zh) | 一种基于二阶rc模型的锂电池soc、sop估计方法 | |
CN108445422B (zh) | 基于极化电压恢复特性的电池荷电状态估算方法 | |
CN109515251B (zh) | 一种混合动力用锂电池组均衡控制方法 | |
CN109148978A (zh) | 一种电池组的容量均衡方法及系统 | |
CN107817448B (zh) | 一种适用于复杂工况的在线实时监测电池电量的方法 | |
CN110729797A (zh) | 车辆及其电池组均衡的控制方法、装置和系统 | |
CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
CN113777501A (zh) | 一种电池模组的soh的估算方法 | |
CN111044924B (zh) | 一种全工况电池剩余容量确定方法及系统 | |
CN115754736A (zh) | 一种储能系统充放电末端的soc校准方法及装置 | |
CN109633451B (zh) | 储能系统自轨迹参数标定方法及soc估算方法 | |
CN111965557A (zh) | 一种后备电源可靠性的评估方法和装置 |
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 |