CN108490361A - 一种基于云端反馈的荷电状态SoC计算方法 - Google Patents
一种基于云端反馈的荷电状态SoC计算方法 Download PDFInfo
- Publication number
- CN108490361A CN108490361A CN201810239684.9A CN201810239684A CN108490361A CN 108490361 A CN108490361 A CN 108490361A CN 201810239684 A CN201810239684 A CN 201810239684A CN 108490361 A CN108490361 A CN 108490361A
- Authority
- CN
- China
- Prior art keywords
- soc
- battery
- charge
- clouds
- 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
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明提出一种基于云端反馈的自适应的BMS内部SoC计算方法,包括以下步骤:第一步,初始参数设定,包括额定电荷量、额定电流、OCV‑SoC曲线。第二步,采集并上传电池电压、电流、温度、充放电倍率等实时数据。第三步,云端使用实时数据修正电池模型和OCV‑SoC曲线,并将其反馈至BMS。第四步,BMS根据云端反馈的参数进行自调整,并对电压和SoC建立优化的扩展卡尔曼滤波模型计算出当前SoC。本发明考虑多种因素对SoC的影响,在保证在线SoC的前提下,提高了SoC计算的实时性和精准度,保证了电池储能的高效利用和安全使用。
Description
技术领域
本发明涉及电池SoC的计算方法,特别涉及一种基于云端反馈的SoC计算方法。
背景技术
随着新能源技术的发展,电池储能的需求日益增加。因而,电池的有效、安全利用也日益为人们所关注。SoC,即荷电状态(State of Charge),反映了电池实时剩余电荷量。SoC的实时精准计算对于最大化电池利用率和保证安全使用电池都至关重要。
SoC受到多种因素影响,包括电池温度、充放电倍率、自放电、老化程度等。因而,SoC计算往往难以兼顾实时性和精准度。目前SoC的计算方法较多,包括安时积分法、开路电压法、放电实验法、神经网络法和卡尔曼滤波法等。安时积分法简单快速,但会将误差累积,且无法消除;开路电压法需等待电池静置一段时间才能准确计算SoC,不满足实时性要求;放电实验法须中断电池工作,只适合在实验研究中使用;神经网络法需要大量数据进行训练,也不太适用于实际工程;卡尔曼滤波法的精准度受到电池模型的影响较大,需要选择合理的电池模型。在实际应用中,主要方法还是基于安时积分法完成,包括Ah-内阻法、Ah-Peukert法、Ah-开路电压法等。
发明内容
为解决上述问题,本发明提出了一种基于云端反馈的SoC计算方法。目的是在保证在线计算SoC的前提下,通过在云端完成修正计算参数,和建立扩展卡尔曼滤波模型计算实时SoC,提高SoC计算的精准度和实时性。
本发明综合考虑多种因素对SoC的影响,在具备较强计算能力的云端动态修正SoC计算参数,具体包括电池模型和OCV-SoC曲线,然后将参数反馈到BMS。BMS对SoC、内阻压降等建立扩展卡尔曼滤波模型,从而计算出SoC。本发明考虑多种因素对SoC的影响,并在云端根据这些因素对计算参数进行修正,既将计算任务从BMS转移出来,又可提高SoC的精准度和保证SoC计算的实时性。同时,本发明本身使用扩展卡尔曼滤波模型进行建模,既实现了在线SoC计算,又可避免安时积分法所带来的累积误差,进一步提高SoC的计算精准度。
本发明提出的一种基于基于云端反馈的SoC计算方法,包括以下步骤:
步骤一,电池参数初始化,并将初始值写入电池管理系统BMS和云端;
步骤二,将电池温度、充放电倍率和电池健康度SoH的取值区间分别等分为若干个区间,每个区间就表示一个状态;
步骤三,实时采集电池数据,并将数据上传到云端;
步骤四,在云端判断电池温度、充放电电倍率、SoH是否发生状态切换;若是,则继续步骤五;否则,直接进入步骤八;
步骤五,修正电池模型阶数和电池模型参数;
步骤六,修正OCV-SoC曲线,得到新的OCV-SoC曲线;
步骤七,将所述得到的新的OCV-SoC曲线和修正的电
池模型反馈到BMS;
步骤八,利用求出t时刻的SoC s′t,其中,η(t)为充放电倍率,i(t)为t时刻电流,QN为电池的额定电量。其中,充电时电流记为负值,放电时电流记为正值;
步骤九,使用电池模型u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,利用i(t),i(t-1)… i(1)计算出t时刻的u,记为ut′;
步骤十,使用s′t通过OCV-SoC曲线计算该SoC值所对应的开路电压u″t,根据e(t)=ut-(u″t+u′t),算出e(t),ut为测量到的电池端电压;
步骤十一,建立扩展卡尔曼滤波模型:xk+1=f(xk,ik)+wk,yk=h(xk,ii)+vk。其中,wk和vk为协方差,服从高斯正态分布,xk=(sk,s'k,s'k-1),s'k,s'k-1为对应时刻经过计算得出的SoC。从而可求得当前SoC=sk。
本发明在保证在线SoC的前提下,提高了SoC计算的实时性和精准度,保证了电池储能的高效利用和安全使用。
附图说明
图1是电池模型等效电路图。
图2是本发明的总体执行流程图。
图3是BMS使用优化的扩展卡尔曼滤波模型计算SoC的总体流程图。
图4是云端修正计算参数的总体流程图。
具体实施方式
本发明提出一种基于云端反馈的SoC计算方法,参考附图2,具体实施方式包括以下步骤:
步骤一,参数初始化,并将初始值写入BMS(电池管理系统)和云端。初始参数包括:电池额定电荷量QN、电池额定电流IN、电池电压上限电池电压下限电池电流上限和OCV-SoC曲线f(uk,g(sk,tk,ηk,λk))=0,记为f(·)。其中,OCV-SoC曲线是电池的开路电压-SoC关系曲线,具体为uk=g(sk,tk,ηk,λk),其中sk为k时刻的SoC,tk为k时刻的温度,ηk为k时刻的充放电倍率,λk为k时刻的SoH(State of Health),uk为k时刻的开路电压。记参数初始值为向量
步骤二,状态划分。
按照区间长度为5,将电池温度(取值范围:-10℃~100℃)等分为22个区间,每个区间则是一个状态。具体,[-10,-5)℃为状态T0,[-5,-0)℃为状态T1,依此类推。
同理,按照区间长度为0.1,将SoH(取值范围为0~1)等分为10个区间;按照区间长度为0.1,将充放电倍率(趋势范围为0~1)等分为10个区间。每个区间就表示一个状态。
步骤三,采集数据。以0.1秒为间隔,实时采集电池端电压U(t)、电流I(t)、电池温度T(t)、充放电荷量累积值Q(t)、充放电倍率η(t)、SoH(State of Health)λ(t)、电压上限电压下限电流上限记为 并将P(t)上传到云端。
步骤四,云端将数据保存,并判断电池温度T(t)、充放电电倍率η(t)、SoHλ(t)是否发生状态转移若是,则继续以下步骤。否则,直接进入步骤八,使用原参数计算SoC。
本步骤中,判断是否发生状态转移的具体办法是:以电池温度T(t)为例,如果上一次的电池温度为-6℃(T0),属于[-10,-5)℃状态中,而本次为-4℃(T1),属于[-5,0)℃的状态,则认为发生了状态转移;如果上一次的电池温度为-6℃(T0),而本次电池温度为-5.5℃(T0),则认为没有发生状态转移。
本步骤中,之所以判断是否发生状态切换,是因为实际应用中并不需要每次都进行计算参数的修正,只需要参数偏离到达一定程度才进行修正。
步骤五,修正电池模型。此步骤基于电池模型一般形式:u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,其中k为数据采集序号,即u(k)为第k次采集到的电池电压,i(k)为第k次采集到的流过电池的电流,e为误差,u为电池端电压,i为流过电池的电流,a1,a2,…an和b0,b1,b2…bm为电池模型参数,m,n为电池模型阶数。本步骤具体分成两步完成:
①电池模型阶数的修正。使用Akaike Information Criterion(AIC)准则AIC=log(V)+2d/N修正电池模型阶数,d是电池模型参数的个数,N是采集到的电池实时数据集元素的个数,V是代价函数,其中,选择具有最小AIC值的电池模型阶数作为修正后的电池模型阶数。。
②修正电池模型参数。针对电池模型u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,引入向量其中令则可得迭代矩阵
其中N为采集到的电池实时数据集元素的个数,令电池模型误差使用采集的N个电流和电压设置为Φj的值,将其每个行向量作为的一组取值代入中进行迭代,直到到达某个可以接受的程度,此时a1,a2…an和b1,b2…bm即为所求电池模型参数。
步骤六,修正OCV-SoC曲线。对于OCV-SoC曲线f(sk,tk,ηk,λk,uk)=0,其中sk为k时刻的SoC,tk为k时刻的温度,ηk为k时刻的充放电倍率,λk为k时刻的SoH,uk为k时刻的开路电压,先将f(sk,tk,ηk,λk,uk)=0投影到各维度,然后在各维度上,利用不同状态区间上的基准OCV-SoC曲线进行缩放和插值,得到新的开路电压-SoC曲线。
步骤七,将所述得到的新的OCV-SoC曲线和修正的电池模型反馈到BMS。
步骤八,利用求出t时刻的SoC s′t,其中,η(t)为充放电倍率,i(t)为t时刻电流,QN为电池的额定电量。其中,充电时电流记为负值,放电时电流记为正值。
步骤九,使用电池模型u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,利用i(t),i(t-1)…i(1)计算出t时刻的u,记为ut′。
步骤十,使用s′t通过OCV-SoC曲线计算该SoC值所对应的开路电压u″t。根据e(t)=ut-(u″t+u′t),算出e(t),ut为测量到的电池端电压。
步骤十一,建立扩展卡尔曼滤波模型:xk+1=f(xk,ik)+wk,yk=h(xk,ii)+vk。其中,wk和vk为协方差,服从高斯正态分布,xk=(sk,s'k,s'k-1),s'k,s'k-1为对应时刻经过计算得出的SoC。从而可求得当前SoC=sk。
上述实例为本发明较佳的实施方式,但本发明的实施方式并不受上述实例的限制,其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化,均应为等效的置换方式,都应包含在本发明的保护范围之内。
Claims (5)
1.一种基于云端反馈的荷电状态SoC的计算方法,包括以下步骤:
步骤一,电池参数初始化,并将初始值写入电池管理系统BMS和云端;
步骤二,将电池温度、充放电倍率和电池健康度SoH的取值区间分别等分为若干个区间,每个区间就表示一个状态;
步骤三,实时采集电池数据,并将数据上传到云端;
步骤四,在云端判断电池温度、充放电电倍率、SoH是否发生状态切换;若是,则继续步骤五;否则,直接进入步骤八;
步骤五,修正电池模型阶数和电池模型参数;
步骤六,修正OCV-SoC曲线,得到新的OCV-SoC曲线;
步骤七,将所述得到的新的OCV-SoC曲线和修正的电池模型反馈到BMS;
步骤八,利用求出t时刻的SoC st′,其中,η(t)为充放电倍率,i(t)为t时刻电流,QN为电池的额定电量,其中,充电时电流记为负值,放电时电流记为正值;
步骤九,使用电池模型
u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,利用i(t),i(t-1)…i(1)计算出t时刻的u,记为ut′;
步骤十,使用st′通过OCV-SoC曲线计算该SoC值所对应的开路电压ut″,根据e(t)=ut-(ut″+ut′),算出e(t),ut为测量到的电池端电压;
步骤十一,建立扩展卡尔曼滤波模型:xk+1=f(xk,ik)+wk,yk=h(xk,ii)+vk,其中,wk和vk为协方差,服从高斯正态分布,xk=(sk,s'k,s'k-1),s'k,s'k-1为对应时刻经过计算得出的SoC,从而可求得当前SoC=sk。
2.如权利要求1所述的一种基于云端反馈的荷电状态SoC的计算方法,其中步骤一中初始化的参数包括:额定电荷量、额定电流、电压上限、电压下限、电流上限和OCV-SoC曲线。
3.如权利要求1所述的一种基于云端反馈的荷电状态SoC的计算方法,其中,在步骤三中,实时采集的数据包括:端电压、电流、电池温度、充放电荷量累积值、充放电倍率、SoH、电压上限、电压下限和电流上限。
4.如权利要求1所述的一种基于云端反馈的荷电状态SoC的计算方法,其中,在步骤五中,设定电池模型一般形式为u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,其中k为数据采集序号,即u(k)为第k次采集到的电池电压,i(k)为第k次采集到的流过电池的电流,e为误差,u为电池端电压,i为流过电池的电流,a1,a2,…an和b0,b1,b2…bm为电池模型参数,m,n为电池模型阶数;具体包括以下两个步骤:
第一步,修正电池模型阶数,使用Akaike Information Criterion(AIC)准则AIC=log(V)+2d/N修正电池模型阶数,d是电池模型参数的个数,N是采集到的电池实时数据集元素的个数,V是代价函数,其中,选择具有最小AIC值的电池模型阶数作为修正后的电池模型阶数;
第二步,修正电池模型参数,针对电池模型u(k)+a1u(k-1)+…+anu(k-n)=b0i(k)+b1i(k-1)+…+bmi(k-m)+e,引入向量其中令则可得
迭代矩阵其中N为采集到的电池实时数据集元素的个数,令电池模型误差使用采集的N个电流和电压设置为Φj的值,将其每个行向量作为的一组取值代入中进行迭代,直到到达某个可以接受的程度,此时a1,a2…an和b1,b2…bm即为修正的电池模型参数。
5.如权利要求1所述的一种基于云端反馈的荷电状态SoC的计算方法,其中,在步骤六中,对于OCV-SoC曲线f(sk,tk,ηk,λk,uk)=0,其中sk为k时刻的SoC,tk为k时刻的温度,ηk为k时刻的充放电倍率,λk为k时刻的SoH,uk为k时刻的开路电压,先将f(sk,tk,ηk,λk,uk)=0投影到各维度,然后在各维度上,利用不同状态区间上的基准OCV-SoC曲线进行缩放和插值,得到新的开路电压-SoC曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810239684.9A CN108490361B (zh) | 2018-03-22 | 2018-03-22 | 一种基于云端反馈的荷电状态SoC计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810239684.9A CN108490361B (zh) | 2018-03-22 | 2018-03-22 | 一种基于云端反馈的荷电状态SoC计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108490361A true CN108490361A (zh) | 2018-09-04 |
CN108490361B CN108490361B (zh) | 2020-07-24 |
Family
ID=63319124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810239684.9A Active CN108490361B (zh) | 2018-03-22 | 2018-03-22 | 一种基于云端反馈的荷电状态SoC计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108490361B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109669131A (zh) * | 2018-12-30 | 2019-04-23 | 浙江零跑科技有限公司 | 一种工况环境下动力电池soc估算方法 |
CN110456279A (zh) * | 2019-08-15 | 2019-11-15 | 长安大学 | 一种基于数据驱动模型的动力电池云管理系统 |
CN110749827A (zh) * | 2019-12-02 | 2020-02-04 | 山东大学 | 基于云平台的智能化电池soc管理系统及方法 |
CN112468542A (zh) * | 2020-11-11 | 2021-03-09 | 广东维可特科技有限公司 | 电池生产能源云及监控方法 |
CN112816875A (zh) * | 2020-12-25 | 2021-05-18 | 珠海格力电器股份有限公司 | 电动车辆电池云端管理系统、方法、介质及云端服务器 |
EP3923001A1 (en) * | 2020-06-09 | 2021-12-15 | Gunitech Corp. | Capacity judgment module and capacity calibration method thereof |
CN117485199A (zh) * | 2023-12-25 | 2024-02-02 | 力高(山东)新能源技术股份有限公司 | 一种基于电压回弹特性的快速soc修正方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074757A (zh) * | 2010-12-24 | 2011-05-25 | 惠州市亿能电子有限公司 | 一种锂离子电池荷电状态的估算方法 |
CN102540096A (zh) * | 2012-01-17 | 2012-07-04 | 浙江大学 | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 |
CN103048626A (zh) * | 2012-12-17 | 2013-04-17 | 惠州市亿能电子有限公司 | 一种准确估算soc的方法 |
CN103884994A (zh) * | 2014-03-03 | 2014-06-25 | 中国东方电气集团有限公司 | 一种防止锂离子电池过放的soc在线检测与修正方法 |
CN104007390A (zh) * | 2013-02-24 | 2014-08-27 | 快捷半导体(苏州)有限公司 | 电池电荷状态跟踪、等效电路选择及基准测试方法及系统 |
CN104122504A (zh) * | 2014-08-11 | 2014-10-29 | 电子科技大学 | 一种电池的soc估算方法 |
CN104569832A (zh) * | 2014-12-09 | 2015-04-29 | 惠州市亿能电子有限公司 | 一种bms电池剩余容量的修正方法 |
CN105954679A (zh) * | 2016-04-29 | 2016-09-21 | 华中科技大学 | 一种锂电池荷电状态的在线估计方法 |
CN106054081A (zh) * | 2016-06-17 | 2016-10-26 | 合肥工业大学智能制造技术研究院 | 一种用于电动汽车动力电池soc估计的锂电池建模方法 |
CN106716158A (zh) * | 2014-06-11 | 2017-05-24 | 北京交通大学 | 电池荷电状态估算方法和装置 |
CN106918787A (zh) * | 2017-03-20 | 2017-07-04 | 国网重庆市电力公司电力科学研究院 | 一种电动汽车锂电池剩余电荷估算方法及装置 |
CN107064847A (zh) * | 2017-04-18 | 2017-08-18 | 洛阳宝盈智控科技有限公司 | 一种电动汽车电池荷电状态校正方法及装置 |
CN107294186A (zh) * | 2017-08-11 | 2017-10-24 | 安徽华凯新能源科技有限公司 | 基于soc曲线修正的防爆电池组 |
JP2017204441A (ja) * | 2016-05-13 | 2017-11-16 | トヨタ自動車株式会社 | 二次電池の充電率推定システム |
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 |
CN107741569A (zh) * | 2017-11-16 | 2018-02-27 | 温州大学 | 一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法 |
CN107817448A (zh) * | 2017-09-28 | 2018-03-20 | 睿馨(珠海)投资发展有限公司 | 一种适用于复杂工况的在线实时监测电池电量的方法 |
-
2018
- 2018-03-22 CN CN201810239684.9A patent/CN108490361B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074757A (zh) * | 2010-12-24 | 2011-05-25 | 惠州市亿能电子有限公司 | 一种锂离子电池荷电状态的估算方法 |
CN102540096A (zh) * | 2012-01-17 | 2012-07-04 | 浙江大学 | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 |
CN103048626A (zh) * | 2012-12-17 | 2013-04-17 | 惠州市亿能电子有限公司 | 一种准确估算soc的方法 |
CN104007390A (zh) * | 2013-02-24 | 2014-08-27 | 快捷半导体(苏州)有限公司 | 电池电荷状态跟踪、等效电路选择及基准测试方法及系统 |
CN103884994A (zh) * | 2014-03-03 | 2014-06-25 | 中国东方电气集团有限公司 | 一种防止锂离子电池过放的soc在线检测与修正方法 |
CN106716158A (zh) * | 2014-06-11 | 2017-05-24 | 北京交通大学 | 电池荷电状态估算方法和装置 |
CN104122504A (zh) * | 2014-08-11 | 2014-10-29 | 电子科技大学 | 一种电池的soc估算方法 |
CN104569832A (zh) * | 2014-12-09 | 2015-04-29 | 惠州市亿能电子有限公司 | 一种bms电池剩余容量的修正方法 |
CN105954679A (zh) * | 2016-04-29 | 2016-09-21 | 华中科技大学 | 一种锂电池荷电状态的在线估计方法 |
JP2017204441A (ja) * | 2016-05-13 | 2017-11-16 | トヨタ自動車株式会社 | 二次電池の充電率推定システム |
CN106054081A (zh) * | 2016-06-17 | 2016-10-26 | 合肥工业大学智能制造技术研究院 | 一种用于电动汽车动力电池soc估计的锂电池建模方法 |
CN106918787A (zh) * | 2017-03-20 | 2017-07-04 | 国网重庆市电力公司电力科学研究院 | 一种电动汽车锂电池剩余电荷估算方法及装置 |
CN107064847A (zh) * | 2017-04-18 | 2017-08-18 | 洛阳宝盈智控科技有限公司 | 一种电动汽车电池荷电状态校正方法及装置 |
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 |
CN107294186A (zh) * | 2017-08-11 | 2017-10-24 | 安徽华凯新能源科技有限公司 | 基于soc曲线修正的防爆电池组 |
CN107817448A (zh) * | 2017-09-28 | 2018-03-20 | 睿馨(珠海)投资发展有限公司 | 一种适用于复杂工况的在线实时监测电池电量的方法 |
CN107741569A (zh) * | 2017-11-16 | 2018-02-27 | 温州大学 | 一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法 |
Non-Patent Citations (1)
Title |
---|
卢杰祥: "锂离子电池特性建模与SOC估算研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109669131A (zh) * | 2018-12-30 | 2019-04-23 | 浙江零跑科技有限公司 | 一种工况环境下动力电池soc估算方法 |
CN109669131B (zh) * | 2018-12-30 | 2021-03-26 | 浙江零跑科技有限公司 | 一种工况环境下动力电池soc估算方法 |
CN110456279A (zh) * | 2019-08-15 | 2019-11-15 | 长安大学 | 一种基于数据驱动模型的动力电池云管理系统 |
CN110749827A (zh) * | 2019-12-02 | 2020-02-04 | 山东大学 | 基于云平台的智能化电池soc管理系统及方法 |
EP3923001A1 (en) * | 2020-06-09 | 2021-12-15 | Gunitech Corp. | Capacity judgment module and capacity calibration method thereof |
CN112468542A (zh) * | 2020-11-11 | 2021-03-09 | 广东维可特科技有限公司 | 电池生产能源云及监控方法 |
CN112468542B (zh) * | 2020-11-11 | 2023-04-07 | 广东维可特科技有限公司 | 电池生产能源云及监控方法 |
CN112816875A (zh) * | 2020-12-25 | 2021-05-18 | 珠海格力电器股份有限公司 | 电动车辆电池云端管理系统、方法、介质及云端服务器 |
CN117485199A (zh) * | 2023-12-25 | 2024-02-02 | 力高(山东)新能源技术股份有限公司 | 一种基于电压回弹特性的快速soc修正方法 |
CN117485199B (zh) * | 2023-12-25 | 2024-03-19 | 力高(山东)新能源技术股份有限公司 | 一种基于电压回弹特性的快速soc修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108490361B (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490361A (zh) | 一种基于云端反馈的荷电状态SoC计算方法 | |
CN104360285B (zh) | 一种基于改进的安时积分法的电池容量修正方法 | |
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 | |
CN105116343B (zh) | 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 | |
CN107576918B (zh) | 锂电池的剩余电量的估算方法及系统 | |
WO2016134496A1 (zh) | 锂离子电池荷电状态估算方法和装置 | |
CN107632272B (zh) | 一种基于电芯温度预测的电池放电荷电状态精确估计方法 | |
CN107247235A (zh) | 一种考虑并联电池差异的电池组容量估算方法 | |
CN106716158A (zh) | 电池荷电状态估算方法和装置 | |
CN108107372A (zh) | 基于soc分区估算的蓄电池健康状况量化方法及系统 | |
CN104316879B (zh) | 一种铅酸蓄电池组寿命的预测方法 | |
CN108448568B (zh) | 基于多种时间周期测量数据的配电网混合状态估计方法 | |
CN109884540B (zh) | 一种铅酸电池电量测量方法 | |
CN103439666A (zh) | 一种锂离子电池容量衰退评估的几何方法 | |
CN108090244B (zh) | 一种并联型锂离子电池系统建模方法 | |
CN108693483A (zh) | 一种电池包荷电状态的计算方法及系统 | |
CN104111429B (zh) | 基于电压跟踪的锂电池剩余电量的计量方法 | |
Guo et al. | The SOC estimation of battery based on the method of improved Ampere-hour and Kalman filter | |
CN107688155A (zh) | 一种用于电池管理系统中的电池剩余容量估算方法 | |
Sun et al. | A remaining charging electric quantity based pack available capacity optimization method considering aging inconsistency | |
CN106443496A (zh) | 一种带改进型噪声估计器的电池荷电状态估计方法 | |
CN104852423A (zh) | 一种充电均衡控制电路、电池组充电管理系统及方法 | |
CN110794306A (zh) | 一种磷酸铁锂soc末端修正方法 | |
CN110531269A (zh) | 一种串并联组合式电池堆的soc估算方法及电池管理系统 | |
CN112114254B (zh) | 一种动力电池开路电压模型融合方法 |
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 | ||
CP03 | Change of name, title or address |
Address after: 518000, 2nd Floor, Building 2, Tongchan New Materials Industrial Park, No. 28 Langshan Road, Songpingshan Community, Xili Street, Nanshan District, Shenzhen, Guangdong Province Patentee after: Shenzhen Kubo Energy Co.,Ltd. Address before: Building 2, 2nd Floor, Tongchan New Materials Industrial Park, No. 28 Langshan Road, Shahe Street, Nanshan District, Shenzhen City, Guangdong Province, 518053 Patentee before: SHENZHEN KUBO ENERGY SCIENCE & TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |