CN108226788A - 基于充电侧充电状态计算电池soc的方法、装置及系统 - Google Patents

基于充电侧充电状态计算电池soc的方法、装置及系统 Download PDF

Info

Publication number
CN108226788A
CN108226788A CN201711154222.9A CN201711154222A CN108226788A CN 108226788 A CN108226788 A CN 108226788A CN 201711154222 A CN201711154222 A CN 201711154222A CN 108226788 A CN108226788 A CN 108226788A
Authority
CN
China
Prior art keywords
battery
charged
soc
charging
current
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
CN201711154222.9A
Other languages
English (en)
Other versions
CN108226788B (zh
Inventor
陈炯
郝天磊
戴晨松
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.)
NIO Holding Co Ltd
Original Assignee
NIO Nextev 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 NIO Nextev Ltd filed Critical NIO Nextev Ltd
Priority to CN201711154222.9A priority Critical patent/CN108226788B/zh
Publication of CN108226788A publication Critical patent/CN108226788A/zh
Priority to EP18878076.1A priority patent/EP3715888B1/en
Priority to PCT/CN2018/116128 priority patent/WO2019096296A1/zh
Application granted granted Critical
Publication of CN108226788B publication Critical patent/CN108226788B/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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明属于电池管理技术领域，具体涉及一种基于充电侧充电状态计算电池SOC的方法、装置及系统。旨在解决现有技术无法在利用充电侧的信息获取充电电池的SOC的问题。本发明提供一种基于充电侧充电状态计算电池SOC的方法，包括在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；基于电气参数，通过预先构建的估算模型进行待充电池当前SOC的计算，得到待充电池当前SOC的后验概率分布；基于待充电池当前SOC的后验概率分布，得到待充电池的SOC。本发明提供的方法能够在充电侧和待充电池现有的硬件基础上，直接在充电侧得到待充电池的SOC信息。

Description

基于充电侧充电状态计算电池SOC的方法、装置及系统
技术领域
本发明属于电池管理技术领域，具体涉及基于充电侧充电状态计算电池SOC的方法、装置及系统。
背景技术
随着电池技术的发展，电动汽车越来越普及。为了实现电动汽车接入电网充电时，既满足电动汽车的充电需求，又减少电动汽车充电对电网的负面影响，需要交流充电桩群对电动汽车进行有序充电。其中，有序充电是指在满足电动汽车充电需求的前提下，运用实际有效的技术手段控制电动汽车进行充电，对电网负荷曲线进行削峰填谷，保证电动汽车与电网的协调互动发展。为实现上述目标，交流充电桩需要获取电动汽车的SOC(State ofCharge，荷电状态)信息，才能互相协调功率分配以及决定是否要继续为交流充电桩对应的电动汽车充电，其中，SOC信息是指剩余电量与电池总容量的比。
但是现有国标并不支持从交流充电桩侧直接获取车辆的SOC信息，交流桩侧只能通过检测与车载充电机之间的PWM(Pulse Width Modulation，脉冲宽度调制)信号占空比，来获得电动汽车的充电电流信息，而无法直接获得电动汽车的SOC信息。交流桩侧若想直接获取电动汽车的SOC信息，需要建立电动汽车和交流充电桩之间的通信链路，但是建立通信链路需要电动汽车和交流充电桩两者的硬件匹配并制定一致的通信协议，以及电动汽车和交流充电桩的运营网络制定一致的交互协议，而现有的电动汽车和交流充电桩的硬件无法匹配，也没有一致的通信协议，并且两者的运营网络也没有一致的交互协议。
因此，如何提出一种解决上述问题的方案是本领域技术人员目前需要解决的问题。
发明内容
为了解决现有技术中的上述问题，即为了解决现有技术无法在利用充电侧的信息获取充电电池的SOC的问题，本发明的一方面提供一种基于充电侧充电状态计算电池SOC的方法，所述方法包括：
在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
基于所述电气参数，通过预先构建的估算模型进行所述待充电池当前SOC的计算，得到所述待充电池当前SOC的后验概率分布；
基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC；
其中，
所述估算模型为所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布。
在上述方法的优选技术方案中，所述估算模型的构建方法为：
基于历史数据中所述待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建所述待充电池在不同SOC下充电电流的第一条件概率模型、以及所述电气参数的第二条件概率模型；
基于历史数据获取所述待充电池在不同SOC下的充电电流、以及所述电气参数，根据所述第一条件概率模型和所述第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式，构建所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布，并以该后验概率分布作为估算模型。
在上述方法的优选技术方案中，得到所述第一先验概率的方法还包括：
统计所述待充电池从待充状态到充满状态的充电电流对应的SOC分布；
计算所述充电电流对应的SOC分布的平均分布，将该平均分布作为第一先验概率。
在上述方法的优选技术方案中，通过贝叶斯公式构建后验概率分布，其方法为：
将所述第一先验概率以及所述第二先验概率代入贝叶斯公式构建后验概率分布，所述贝叶斯公式具体为：
其中，P(Bi)为所述第一先验概率，P(A|Bi)为所述第二先验概率，变量Bi为所述待充电池的SOC信息，变量A为所述特定电气部件的电气参数，变量n为所述待充电池SOC的离散量化后的预设阈值。
在上述方法的优选技术方案中，“基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC”，其方法为：
计算所述待充电池当前SOC的后验概率密度分布的数学期望或者最大似然估计量，将其结果作为所述待充电池的SOC。
在上述方法的优选技术方案中，所述特定电气部件的电气参数包括充电电流、所述充电侧保护接地与控制保护之间的电阻。
在上述方法的优选技术方案中，所述充电电流的获取方法为：
所述充电侧的PWM信号接收端根据所述待充电池的PWM信号分析得到所述充电电流。
在上述方法的优选技术方案中，基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式构建后验概率分布之前，该方法还包括：
在所述电气参数中引入所述待充电池的车辆类型，将所述待充电池的车辆类型作为变量加入贝叶斯公式，加入车辆类型后的贝叶斯公式具体为：
其中，变量C为所述待充电池的车辆类型，变量k为所述待充电池的车辆类型的总和。
本发明的另一方面提供一种基于充电侧充电状态计算电池SOC的系统，所述系统包括：
信息获取单元，所述信息获取单元用于在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
SOC计算单元，所述SOC计算单元用于基于所述电气参数，通过预先构建的估算模型进行所述待充电池当前SOC的计算，得到所述待充电池当前SOC的后验概率分布；基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC信息；
数据传输单元，所述数据传输单元用于将所述信息获取单元获取的信息发送至所述SOC计算单元，将所述SOC计算单元计算得到的SOC信息发送至交流充电桩；
其中，所述估算模型为所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布。
在上述方法的优选技术方案中，所述估算模型的构建方法为：
基于历史数据中所述待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建所述待充电池在不同SOC下充电电流的第一条件概率模型、以及所述电气参数的第二条件概率模型；
基于历史数据获取所述待充电池在不同SOC下的充电电流、以及所述电气参数，根据所述第一条件概率模型和所述第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式，构建所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布，并以该后验概率分布作为估算模型。
本发明的第三方面提供一种存储装置，其中存储有多条程序，所述程序适于由处理器加载并执行如上述所述的基于充电侧充电状态计算电池SOC的方法。
本发明的第四方面提供一种处理装置，包括处理器、存储设备；处理器，适于执行各条程序；存储设备，适于存储多条程序；所述程序适于由处理器加载并执行如上述所述的基于充电侧充电状态计算电池SOC的方法。
与最接近的现有技术相比，本发明提供一种基于充电侧充电状态计算电池SOC的方法，包括在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；基于电气参数，通过预先构建的估算模型进行待充电池当前SOC的计算，得到待充电池当前SOC的后验概率分布；基于待充电池当前SOC的后验概率分布，得到待充电池的SOC；其中，估算模型为待充电池关于充电电流需求、以及充电侧的特定电气部件的电气参数的后验概率分布。
上述技术方案至少具有以下有益效果：本发明提供的基于充电侧充电状态计算电池SOC的方法，能够在充电侧和充电电池现有的硬件和系统架构的基础上，通过从充电侧获取特定电气的电气参数，反推出当前充电电池的SOC，无需在充电电池和充电侧之间建立额外的通信连接，降低了充电电池和充电侧硬件修改的成本，高效快捷。此外，充电侧获取充电电池的SOC信息后，可以实现对充电电池的有序充电，降低了对电网的电压负荷，有效地提升了充电电池的充电效率。
方案1、一种基于充电侧充电状态计算电池SOC的方法，其特征在于，所述方法包括：
在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
基于所述电气参数，通过预先构建的估算模型进行所述待充电池当前SOC的计算，得到所述待充电池当前SOC的后验概率分布；
基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC；
其中，
所述估算模型为所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布。
方案2、根据方案1所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，所述估算模型的构建方法为：
基于历史数据中所述待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建所述待充电池在不同SOC下充电电流的第一条件概率模型、以及所述电气参数的第二条件概率模型；
基于历史数据获取所述待充电池在不同SOC下的充电电流、以及所述电气参数，根据所述第一条件概率模型和所述第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式，构建所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布，并以该后验概率分布作为估算模型。
方案3、根据方案2所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，得到所述第一先验概率的方法还包括：
统计所述待充电池从待充状态到充满状态的充电电流对应的SOC分布；
计算所述充电电流对应的SOC分布的平均分布，将该平均分布作为第一先验概率。
方案4、根据方案3所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，通过贝叶斯公式构建后验概率分布，其方法为：
将所述第一先验概率以及所述第二先验概率代入贝叶斯公式构建后验概率分布，所述贝叶斯公式具体为：
其中，P(Bi)为所述第一先验概率，P(A|Bi)为所述第二先验概率，变量Bi为所述待充电池的SOC信息，变量A为所述特定电气部件的电气参数，变量n为所述待充电池SOC的离散量化后的预设阈值。
方案5、根据方案1所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，“基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC”，其方法为：
计算所述待充电池当前SOC的后验概率密度分布的数学期望或者最大似然估计量，将其结果作为所述待充电池的SOC。
方案6、根据方案1所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，所述特定电气部件的电气参数包括充电电流、所述充电侧保护接地与控制保护之间的电阻。
方案7、根据方案6所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，所述充电电流的获取方法为：
所述充电侧的PWM信号接收端根据所述待充电池的PWM信号分析得到所述充电电流。
方案8、根据方案1-7任一项所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式构建后验概率分布之前，该方法还包括：
在所述电气参数中引入所述待充电池的车辆类型，将所述待充电池的车辆类型作为变量加入贝叶斯公式，加入车辆类型后的贝叶斯公式具体为：
其中，变量C为所述待充电池的车辆类型，变量k为所述待充电池的车辆类型的总和。
方案9、一种基于充电侧充电状态计算电池SOC的系统，其特征在于，所述系统包括：
信息获取单元，所述信息获取单元用于在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
SOC计算单元，所述SOC计算单元用于基于所述电气参数，通过预先构建的估算模型进行所述待充电池当前SOC的计算，得到所述待充电池当前SOC的后验概率分布；基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC信息；
数据传输单元，所述数据传输单元用于将所述信息获取单元获取的信息发送至所述SOC计算单元，将所述SOC计算单元计算得到的SOC信息发送至交流充电桩；
其中，所述估算模型为所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布。
方案10、根据方案9所述的基于充电侧充电状态计算待充电池SOC的系统，其特征在于，所述估算模型的构建方法为：
基于历史数据中所述待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建所述待充电池在不同SOC下充电电流的第一条件概率模型、以及所述电气参数的第二条件概率模型；
基于历史数据获取所述待充电池在不同SOC下的充电电流、以及所述电气参数，根据所述第一条件概率模型和所述第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式，构建所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布，并以该后验概率分布作为估算模型。
方案11、一种存储装置，其中存储有多条程序，其特征在于，所述程序适于由处理器加载并执行如方案1-8任一项所述的基于充电侧充电状态计算电池SOC的方法。
方案12、一种处理装置，包括处理器、存储设备；处理器，适于执行各条程序；存储设备，适于存储多条程序；其特征在于，所述程序适于由处理器加载并执行如方案1-8任一项所述的基于充电侧充电状态计算电池SOC的方法。
附图说明
图1为本发明实施例中基于充电侧充电状态计算电池SOC的方法的流程示意图；
图2为本发明实施例中充电侧与充电车辆连接的结构示意图；
图3为本发明实施例中基于充电侧充电状态计算电池SOC的系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
参阅附图1，图1示例性给出了本实施例中基于充电侧充电状态计算电池SOC的方法的流程示意图。如图1所示，本实施例中基于充电侧充电状态计算电池SOC的方法包括下述步骤：
步骤S1：在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
在实际应用中，充电侧为交流充电桩，待充电池为电动汽车上的动力电池。当然充电侧与待充电池还可以为换电站的充电装置和储能电池、或者其他蓄电池的充电设备和蓄电池。参阅附图2，图2示例性给出了本实施例中充电侧与充电车辆连接的结构示意图，根据现有的国标规定，充电侧设置有特定的电气部件，电气部件中的特定的电气参数随着待充电池的SOC的变化而变化，因此，可以通过获取特定的电气部件的电气参数，反推得到待充电池的SOC信息。具体地，交流充电桩可以通过检测与充电车辆的车载充电机之间的PWM(Pulse Width Modulation，脉冲宽度调制)信号占空比，来获得待充电池请求的充电电流信息及变化曲线。在充电车辆接入交流充电桩时，交流充电桩还可以获得其他的输入参数。
交流充电桩往往是多个，且多个交流充电桩作为一个整体接入电网中，将多个交流充电桩称为交流充电桩群，为了保证电网的电荷状态正常，电网为交流充电桩群分配一定额度的电荷，交流充电桩群为接入的充电车辆的充电电池分配从电网处分配的电荷，交流充电桩群在交流充电桩侧直接获得充电车辆的SOC(State Of Charge，荷电状态)信息后，能够准确、高效、实时地为充电车辆的待充电池分配满足条件的电荷。
进一步地，参阅附图2，图2示例性给出了本实施例中充电侧与充电车辆连接的结构示意图，本实施例中，图1所示的步骤S1中的特定电气部件的电气参数为充电电流、充电侧输出端口各连接线之间设置的线间电阻、车辆持续的充电时间以及OBC(On BoardCharger，车载充电机)的输出电压。此处的线间电阻为充电侧保护接地PE与控制保护CP之间的电阻、或L与N之间的电阻；充电电流通过充电侧PWM信号接收端根据充电电池的PWM信号分析得到。
在实施例的一个优选实施方案中，充电电流的获取方法为：
充电侧的PWM信号接收端根据待充电池的PWM信号分析得到充电电流。
本实施例中，不同类型的充电电池在出厂时，会测试充电电池在不同的SOC下的充电侧特定电气部件的电气参数，作为本实施例中的一个优选实施方案，以充电电池为例，在充电电池出厂时，可以通过大数据的方法建立充电电池在不同SOC下的条件概率模型，当电动汽车接入充电侧后，充电侧的PWM信号接收端接收充电车辆的车载充电机之间的PWM信号占空比，分析该PWM信号占空比来获得充电电池请求的充电电流，根据充电电池在不同SOC下的充电电流的条件概率模型，反推出在当前充电电流的情况下对应的SOC先验概率分布。
步骤S2：基于电气参数，通过预先构建的估算模型进行待充电池当前SOC的计算，得到待充电池当前SOC的后验概率分布；
其中，估算模型为待充电池关于充电电流需求、以及充电侧的特定电气部件的电气参数的后验概率分布；
在步骤S1的基础上，得到待充电池充电侧的电气参数后，将其输入预先构建好的估算模型中，在当前电气参数的基础上进行待充电池的当前SOC的计算，得到待充电池当前SOC的后验概率分布。
进一步地，本实施例中，图1所示的步骤S2中估算模型的构建方法具体包括：
基于历史数据中待充电池在不同SOC下的充电电流需求、以及对应充电侧的特定电气部件的电气参数，构建待充电池在不同SOC下充电电流的第一条件概率模型、以及电气参数的第二条件概率模型；
基于历史数据获取待充电池在不同SOC下的充电电流需求、以及电气参数，根据第一条件概率模型和第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于第一先验概率以及第二先验概率，通过贝叶斯公式，构建待充电池关于充电电流需求、以及充电侧的特定电气部件的电气参数的后验概率分布，并以该后验概率分布作为估算模型。
本实施例中，构建待充电池在不同SOC下充电电流需求的第一条件概率模型，其方法为：不同类型待充电池的车辆在出厂时，会测试待充电池在不同的SOC下的充电电流，例如，从SOC为1％开始，每次增加一个百分点直至SOC为100％，在每一个SOC状态下，均测试待充电池的充电电流，通过大数据的方法建立待充电池在不同SOC下的充电电流的条件概率模型，将该条件概率模型作为第一条件概率模型。
同理，构建待充电池在不同SOC下电气参数的第二条件概率模型，其方法为：不同类型待充电池的车辆在出厂时，会测试待充电池在不同的SOC下的电气参数的值，从SOC为1％开始，每次增加一个百分点直至SOC为100％，在每一个SOC状态下，均测试特定电气参数的值，通过大数据的方法建立待充电池在不同SOC下的特定电气参数的条件概率模型，将该条件概率模型作为第二条件概率模型。
在不同SOC下得到充电电流以及电气参数后，将其分别输入第一条件概率模型和第二条件概率模型，则可以分别得到第一先验概率和第二先验概率。以第一条件概率模型和第一先验概率为例，得到充电电流信息后，可以通过第一条件概率模型中预先建立的充电电流和SOC的关系，反推出在当前充电电流的情况下对应的SOC先验概率分布，将其作为第一先验概率，第二条件概率模型和第二先验概率可以用同样的方法得到，在此不再赘述。
步骤S3：基于待充电池当前SOC的后验概率分布，得到待充电池的SOC。
进一步地，本实施例中，图1所示的步骤S3中基于待充电池当前SOC的后验概率分布，得到SOC，其步骤具体包括：
计算待充电池当前SOC的后验概率分布的数学期望或者最大似然估计量，将其结果作为待充电池的SOC。
在本实施例中，通过估算模型得到的SOC的后验概率分布只是SOC分布的区间，为了能够得到待充电池确切的SOC，还需要对得到的SOC后验概率分布进行进一步的计算。
在概率论和统计学中，数学期望是试验中每次可能结果的概率乘以其结果的总和，反映出随机变量平均取值的大小。最大似然估计量是在某个随机样本满足某种概率分布，但是其中具体的参数不清楚的情况下，通过若干次试验，观察其结果，利用结果推出参数的大概值。在实际应用中，通过上述两种方法的任意一种，均可以计算出充电车辆当前的SOC，除了可以使用上述两种方式外，还可以使用其他的方式，这里不做限定。
本发明提供的基于充电侧充电状态计算电池SOC的方法，能够在充电侧和充电电池现有的硬件和系统架构的基础上，通过从充电侧获取特定电气的电气参数，反推出当前充电电池的SOC，无需在充电电池和充电侧之间建立额外的通信连接，降低了充电电池和充电侧硬件修改的成本，高效快捷。此外，充电侧获取充电电池的SOC信息后，可以实现对充电电池的有序充电，降低了对电网的电压负荷，有效地提升了充电电池的充电效率。
在实施例的一个优选实施方案中，得到第一先验概率的方法还包括：
统计待充电池从待充状态到充满状态的充电电流对应的SOC分布；
计算充电电流需求对应的SOC分布的平均分布，将该平均分布作为第一先验概率。
在本实施例中，当待充电池接入充电侧之后，统计其从待充状态到充满状态的充电电流对应的SOC分布，其中，待充状态可以是待充电池电量为总电量的20％，充满状态可以是待充电池电量为总电量的95％，计算充电电流对应的SOC分布的平均分布，可以得到充电电流从待充到充满状态的SOC的均匀分布，并将其作为第一先验概率。
在实施例的一个优选实施方案中，通过贝叶斯公式构建后验概率分布，其方法为：
将第一先验概率以及第二先验概率代入贝叶斯公式构建后验概率分布，贝叶斯公式如公式(1)所示：
其中，P(Bi)为第一先验概率，P(A|Bi)为第二先验概率，变量Bi为待充电池的SOC信息，变量A为特定电气部件的电气参数，变量n为待充电池SOC的离散量化后的预设阈值。
在得到第一先验概率以及第二先验概率后，将两者代入贝叶斯公式进行SOC估算。贝叶斯公式能够解决由测量到的数据去推断数据背后的规律发生的概率的问题，公式中，发生事件Bi的概率P(Bi)，事件Bi已经发生的条件下，事件A发生的概率为P(A|Bi)。结合本发明的实际应用场景，以事件A为待充电池请求的充电电流I、交流充电桩PE和CP之间的电阻R为例，以事件Bi为待充电池的SOC先验概率为例，求解待充电池在当前可观测量的条件下SOC条件概率密度，如公式(2)所示：
其中，P(SOC)为所有接入充电池的充电车辆的待充电池的SOC先验概率，P(I,R|SOC)为已知特定的SOC下，电气参数为I，R时的条件概率密度分布，特定的SOC可以是预先设定的，也可以是用户根据自身要求来设定的，例如，特定的SOC可以是70％。其中，n为充电车辆的待充电池SOC的离散量化后的分布区间的预设阈值，在实际应用中，可以根据用户要求和不同的精度要求进行取值，例如n可以为100，覆盖所有SOC的取值情况。通过将SOC先验概率密度分布以及电气参数的条件概率密度分布代入贝叶斯公式，可以得到在当前电气参数的条件下SOC条件概率密度。
在实施例的一个优选实施方案中，基于第一先验概率以及第二先验概率，通过贝叶斯公式构建后验概率分布之前，该方法还包括：
在电气参数中引入待充电池的车辆类型，将充电电池的车辆类型作为变量加入贝叶斯公式，加入车辆类型后的贝叶斯公式具体为：
其中，其中，变量C为所述待充电池的车辆类型，变量k为所述待充电池的车辆类型的总和。
本实施例中，以电气参数为充电车辆的待充电池请求的充电电流I、充电侧PE和CP之间的电阻R为例，在实际应用中，上述两者的值与充电车辆的类型，甚至是充电车辆的电池包的类型有关，因此，充电车辆的类型也是影响充电车辆的待充电池的SOC估计信息的变量，将其加入充电车辆的电气参数中，加入车的类型后，求解充电车辆的待充电池在当前电气参数的条件下SOC条件概率密度，如公式(3)所示：
计算方法与公式(2)相同，在此不再赘述。其中，公式(3)中变量k为接入充电侧的充电车辆的类型总和。但在实际应用中，充电侧可能无法获得接入的充电车辆的类型，则可以对车的类型进行一次积分求和，如公式(4)所示：
通过对车的类型进行一次积分求和，可以将一个2维概率分布转变为一个1为概率分布，减少了一个变量，更易求解。
本发明提供的基于充电侧充电状态计算电池SOC的方法，能够在充电侧和充电电池现有的硬件和系统架构的基础上，通过从充电侧获取特定电气的电气参数，反推出当前充电电池的SOC，无需在充电电池和充电侧之间建立额外的通信连接，降低了充电电池和充电侧硬件修改的成本，高效快捷。此外，充电侧获取充电电池的SOC信息后，可以实现对充电电池的有序充电，降低了对电网的电压负荷，有效地提升了充电电池的充电效率。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
参阅附图3，图3示例性给出了本实施例中基于充电侧充电状态计算电池SOC的系统的结构示意图。如图3所示，本实施例中交流充电桩SOC估算系统包括：
信息获取单元1，信息获取单元1用于在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
SOC计算单元2，SOC计算单元2用于基于电气参数，通过预先构建的估算模型进行待充电池当前SOC的计算，得到待充电池当前SOC的后验概率分布；基于待充电池当前SOC的后验概率分布，得到待充电池的SOC信息；
数据传输单元3，数据传输单元3用于将信息获取单元1获取的信息发送至SOC计算单元2，将SOC计算单元2计算得到的SOC信息发送至交流充电桩；
其中，估算模型为待充电池关于充电电流、以及充电侧的特定电气部件的电气参数的后验概率分布。
在本实施例的一个优选技术方案中，估算模型的构建方法为：
基于历史数据中待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建待充电池在不同SOC下充电电流需求的第一条件概率模型、以及电气参数的第二条件概率模型；
基于历史数据获取待充电池在不同SOC下的充电电流需求、以及电气参数，根据第一条件概率模型和第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于第一先验概率以及第二先验概率，通过贝叶斯公式，构建待充电池关于充电电流、以及充电侧的特定电气部件的电气参数的后验概率分布，并以该后验概率分布作为估算模型。
所属技术领域的技术人员可以清楚地了解到，为了描述的方便和简洁，本发明实施例的基于充电侧充电状态计算电池SOC的系统的具体工作过程以及相关说明，可以参考前述基于充电侧充电状态计算电池SOC的方法实施例中的对应过程，且与上述方法具有相同的有益效果，在此不再赘述。
基于上述基于充电侧充电状态计算电池SOC的方法的实施例，本发明还提供一种存储装置，其中存储有多条程序，程序适于由处理器加载并执行如上述的基于充电侧充电状态计算电池SOC的方法。
所属技术领域的技术人员可以清楚地了解到，为了描述的方便和简洁，本发明实施例的存储装置的具体工作过程以及相关说明，可以参考前述基于充电侧充电状态计算电池SOC的方法实施例中的对应过程，且与上述方法具有相同的有益效果，在此不再赘述。
基于上述基于充电侧充电状态计算电池SOC的方法的实施例，本发明还提供一种处理装置，包括处理器、存储设备；处理器，适于执行各条程序；存储设备，适于存储多条程序；程序适于由处理器加载并执行如上述的基于充电侧充电状态计算电池SOC的方法。
所属技术领域的技术人员可以清楚地了解到，为了描述的方便和简洁，本发明实施例的处理装置的具体工作过程以及相关说明，可以参考前述交流充电桩的SOC估算方法实施例中的对应过程，且与上述方法具有相同的有益效果，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种基于充电侧充电状态计算电池SOC的方法，其特征在于，所述方法包括：
在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
基于所述电气参数，通过预先构建的估算模型进行所述待充电池当前SOC的计算，得到所述待充电池当前SOC的后验概率分布；
基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC；
其中，
所述估算模型为所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布。
2.根据权利要求1所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，所述估算模型的构建方法为：
基于历史数据中所述待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建所述待充电池在不同SOC下充电电流的第一条件概率模型、以及所述电气参数的第二条件概率模型；
基于历史数据获取所述待充电池在不同SOC下的充电电流、以及所述电气参数，根据所述第一条件概率模型和所述第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式，构建所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布，并以该后验概率分布作为估算模型。
3.根据权利要求2所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，得到所述第一先验概率的方法还包括：
统计所述待充电池从待充状态到充满状态的充电电流对应的SOC分布；
计算所述充电电流对应的SOC分布的平均分布，将该平均分布作为第一先验概率。
4.根据权利要求3所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，通过贝叶斯公式构建后验概率分布，其方法为：
将所述第一先验概率以及所述第二先验概率代入贝叶斯公式构建后验概率分布，所述贝叶斯公式具体为：
其中，P(Bi)为所述第一先验概率，P(A|Bi)为所述第二先验概率，变量Bi为所述待充电池的SOC信息，变量A为所述特定电气部件的电气参数，变量n为所述待充电池SOC的离散量化后的预设阈值。
5.根据权利要求1所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，“基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC”，其方法为：
计算所述待充电池当前SOC的后验概率密度分布的数学期望或者最大似然估计量，将其结果作为所述待充电池的SOC。
6.根据权利要求1所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，所述特定电气部件的电气参数包括充电电流、所述充电侧保护接地与控制保护之间的电阻。
7.根据权利要求6所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，所述充电电流的获取方法为：
所述充电侧的PWM信号接收端根据所述待充电池的PWM信号分析得到所述充电电流。
8.根据权利要求1-7任一项所述的基于充电侧充电状态计算电池SOC的方法，其特征在于，基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式构建后验概率分布之前，该方法还包括：
在所述电气参数中引入所述待充电池的车辆类型，将所述待充电池的车辆类型作为变量加入贝叶斯公式，加入车辆类型后的贝叶斯公式具体为：
其中，变量C为所述待充电池的车辆类型，变量k为所述待充电池的车辆类型的总和。
9.一种基于充电侧充电状态计算电池SOC的系统，其特征在于，所述系统包括：
信息获取单元，所述信息获取单元用于在待充电池充电时，获取该待充电池的充电侧的特定电气部件的电气参数；
SOC计算单元，所述SOC计算单元用于基于所述电气参数，通过预先构建的估算模型进行所述待充电池当前SOC的计算，得到所述待充电池当前SOC的后验概率分布；基于所述待充电池当前SOC的后验概率分布，得到所述待充电池的SOC信息；
数据传输单元，所述数据传输单元用于将所述信息获取单元获取的信息发送至所述SOC计算单元，将所述SOC计算单元计算得到的SOC信息发送至交流充电桩；
其中，所述估算模型为所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布。
10.根据权利要求9所述的基于充电侧充电状态计算待充电池SOC的系统，其特征在于，所述估算模型的构建方法为：
基于历史数据中所述待充电池在不同SOC下的充电电流、以及对应充电侧的特定电气部件的电气参数，构建所述待充电池在不同SOC下充电电流的第一条件概率模型、以及所述电气参数的第二条件概率模型；
基于历史数据获取所述待充电池在不同SOC下的充电电流、以及所述电气参数，根据所述第一条件概率模型和所述第二条件概率模型，分别得到第一先验概率和第二先验概率；
基于所述第一先验概率以及所述第二先验概率，通过贝叶斯公式，构建所述待充电池关于充电电流、以及所述充电侧的所述特定电气部件的所述电气参数的后验概率分布，并以该后验概率分布作为估算模型。
CN201711154222.9A 2017-11-20 2017-11-20 基于充电侧充电状态计算电池soc的方法、装置及系统 Active CN108226788B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711154222.9A CN108226788B (zh) 2017-11-20 2017-11-20 基于充电侧充电状态计算电池soc的方法、装置及系统
EP18878076.1A EP3715888B1 (en) 2017-11-20 2018-11-19 Method, device and system for calculating soc of battery on basis of charging status of charging side
PCT/CN2018/116128 WO2019096296A1 (zh) 2017-11-20 2018-11-19 基于充电侧充电状态计算电池soc的方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711154222.9A CN108226788B (zh) 2017-11-20 2017-11-20 基于充电侧充电状态计算电池soc的方法、装置及系统

Publications (2)

Publication Number Publication Date
CN108226788A true CN108226788A (zh) 2018-06-29
CN108226788B CN108226788B (zh) 2020-09-08

Family

ID=62652733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711154222.9A Active CN108226788B (zh) 2017-11-20 2017-11-20 基于充电侧充电状态计算电池soc的方法、装置及系统

Country Status (3)

Country Link
EP (1) EP3715888B1 (zh)
CN (1) CN108226788B (zh)
WO (1) WO2019096296A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108828460A (zh) * 2018-08-22 2018-11-16 合肥国轩高科动力能源有限公司 一种快速估算整车电池系统剩余能量的方法
WO2019096296A1 (zh) * 2017-11-20 2019-05-23 蔚来汽车有限公司 基于充电侧充电状态计算电池soc的方法、装置及系统
CN110239390A (zh) * 2019-05-06 2019-09-17 恒大智慧充电科技有限公司 充电控制方法、设备、电动汽车、计算机设备及存储介质
CN111929585A (zh) * 2019-05-13 2020-11-13 顺丰科技有限公司 电池电荷状态计算装置、方法、服务器及介质
CN115241905A (zh) * 2022-09-20 2022-10-25 云南丁旺科技有限公司 有序充电控制方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112816878B (zh) * 2021-01-04 2024-03-01 浙江南都电源动力股份有限公司 一种soc估算方法、装置及系统
CN115524629B (zh) * 2022-11-23 2023-02-24 陕西汽车集团股份有限公司 一种车辆动力电池系统健康状态的评估方法
CN117494882B (zh) * 2023-11-01 2024-05-24 吉林大学 基于车辆运行后台数据的城市多场景充电负荷预测方法
CN117691719B (zh) * 2024-01-30 2024-04-05 深圳市方利来科技有限公司 一种电动牙刷的充电控制方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1760691A (zh) * 2004-10-12 2006-04-19 三洋电机株式会社 电池的残余容量检测方法及电源装置
CN102778653A (zh) * 2012-06-20 2012-11-14 哈尔滨工业大学 基于ar模型和rpf算法的数据驱动的锂离子电池循环寿命预测方法
US20140214348A1 (en) * 2013-01-29 2014-07-31 Mitsubishi Electric Research Laboratories, Inc. Method for Estimating a State of Charge of Batteries
CN105093121A (zh) * 2015-07-10 2015-11-25 桂林电子科技大学 似然度函数粒子滤波的动力电池电荷状态估计方法和系统
CN105938181A (zh) * 2015-03-05 2016-09-14 株式会社杰士汤浅国际 蓄电元件管理装置、方法和程序、蓄电元件模块及移动体
CN107064800A (zh) * 2016-11-29 2017-08-18 北京交通大学 锂离子电池剩余使用寿命的实时预测方法
CN107422269A (zh) * 2017-06-16 2017-12-01 上海交通大学 一种锂电池在线soc测量方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520366B (zh) * 2011-12-23 2014-11-12 上海交通大学 电动车电池安全与健康评估系统及其方法
KR101655583B1 (ko) * 2014-11-26 2016-09-07 현대자동차주식회사 배터리 상태 추정 장치 및 방법
CN108226788B (zh) * 2017-11-20 2020-09-08 蔚来汽车有限公司 基于充电侧充电状态计算电池soc的方法、装置及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1760691A (zh) * 2004-10-12 2006-04-19 三洋电机株式会社 电池的残余容量检测方法及电源装置
CN102778653A (zh) * 2012-06-20 2012-11-14 哈尔滨工业大学 基于ar模型和rpf算法的数据驱动的锂离子电池循环寿命预测方法
US20140214348A1 (en) * 2013-01-29 2014-07-31 Mitsubishi Electric Research Laboratories, Inc. Method for Estimating a State of Charge of Batteries
CN105938181A (zh) * 2015-03-05 2016-09-14 株式会社杰士汤浅国际 蓄电元件管理装置、方法和程序、蓄电元件模块及移动体
CN105093121A (zh) * 2015-07-10 2015-11-25 桂林电子科技大学 似然度函数粒子滤波的动力电池电荷状态估计方法和系统
CN107064800A (zh) * 2016-11-29 2017-08-18 北京交通大学 锂离子电池剩余使用寿命的实时预测方法
CN107422269A (zh) * 2017-06-16 2017-12-01 上海交通大学 一种锂电池在线soc测量方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019096296A1 (zh) * 2017-11-20 2019-05-23 蔚来汽车有限公司 基于充电侧充电状态计算电池soc的方法、装置及系统
CN108828460A (zh) * 2018-08-22 2018-11-16 合肥国轩高科动力能源有限公司 一种快速估算整车电池系统剩余能量的方法
CN110239390A (zh) * 2019-05-06 2019-09-17 恒大智慧充电科技有限公司 充电控制方法、设备、电动汽车、计算机设备及存储介质
CN110239390B (zh) * 2019-05-06 2021-04-13 恒大智慧充电科技有限公司 充电控制方法、设备、电动汽车、计算机设备及存储介质
CN111929585A (zh) * 2019-05-13 2020-11-13 顺丰科技有限公司 电池电荷状态计算装置、方法、服务器及介质
CN111929585B (zh) * 2019-05-13 2023-08-04 丰翼科技(深圳)有限公司 电池电荷状态计算装置、方法、服务器及介质
CN115241905A (zh) * 2022-09-20 2022-10-25 云南丁旺科技有限公司 有序充电控制方法

Also Published As

Publication number Publication date
CN108226788B (zh) 2020-09-08
EP3715888A4 (en) 2021-09-08
WO2019096296A1 (zh) 2019-05-23
EP3715888B1 (en) 2023-09-13
EP3715888A1 (en) 2020-09-30

Similar Documents

Publication Publication Date Title
CN108226788B (zh) 基于充电侧充电状态计算电池soc的方法、装置及系统
EP2963433B1 (en) Method and apparatus for estimating state of battery
CN110011374B (zh) 一种电池充放电电流的控制方法、系统及终端设备
US8890484B2 (en) Battery state-of-charge estimator using robust H∞ observer
EP2762907B1 (en) Apparatus and method for estimating state of charge of battery
US9182449B2 (en) Method and system for estimating battery capacity in a vehicle
EP2804249B1 (en) Method for controlling and device for controlling secondary battery
EP2989675B1 (en) Method and system for estimating a capacity of individual electrodes and the total capacity of a lithium-ion battery system
EP3786653A1 (en) Battery state estimation method
EP2107385A1 (en) State estimating device for secondary battery
CN109716152A (zh) 用于估计电池的电压的方法和装置
CN106154175B (zh) 基于动态压差的充电电池荷电状态估算系统及工作流程
CN112622693A (zh) 一种电池管理方法、装置及车辆
CN103427429B (zh) 用户侧分散储能设备的实时功率分配方法
US10048320B2 (en) Systems and methods for estimating battery system power capability
CN109991547A (zh) 锂离子电池包最大允许充放电电流估计方法及装置
CN109061483A (zh) 电池健康状态的检测方法、装置、存储介质和处理器
CN109839601A (zh) 二次电池的劣化状态推定方法和二次电池系统
KR20220034543A (ko) 배터리의 충전상태를 추정하는 방법
Liu et al. An improved SoC estimation algorithm based on artificial neural network
US20200033420A1 (en) Apparatus and method for estimating soc of battery
Li et al. Interval method for an efficient state of charge and capacity estimation of multicell batteries
Lin et al. State of health estimation of lithium-ion batteries based on remaining area capacity
Liu et al. RBF network-aided adaptive unscented kalman filter for lithium-ion battery SOC estimation in electric vehicles
Han et al. State of Charge estimation of Li-ion battery in EVs based on second-order sliding mode observer

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200902

Address after: Susong Road West and Shenzhen Road North, Hefei Economic and Technological Development Zone, Anhui Province

Patentee after: Weilai (Anhui) Holding Co., Ltd

Address before: Room 502, Bank of America Center, Cecil Harcourt Road, central, Hongkong, China, 12

Patentee before: NIO NEXTEV Ltd.