CN109239605B - 一种磷酸铁锂动力电池soc估计方法 - Google Patents
一种磷酸铁锂动力电池soc估计方法 Download PDFInfo
- Publication number
- CN109239605B CN109239605B CN201811292989.2A CN201811292989A CN109239605B CN 109239605 B CN109239605 B CN 109239605B CN 201811292989 A CN201811292989 A CN 201811292989A CN 109239605 B CN109239605 B CN 109239605B
- Authority
- CN
- China
- Prior art keywords
- soc
- stage
- battery
- ocv
- stages
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 132
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 title claims abstract description 13
- 238000009795 derivation Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 230000006641 stabilisation Effects 0.000 abstract description 4
- 238000011105 stabilization Methods 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 208000028659 discharge Diseases 0.000 description 18
- 238000011156 evaluation Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 239000005955 Ferric phosphate Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229940032958 ferric phosphate Drugs 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- WBJZTOZJJYAKHQ-UHFFFAOYSA-K iron(3+) phosphate Chemical compound [Fe+3].[O-]P([O-])([O-])=O WBJZTOZJJYAKHQ-UHFFFAOYSA-K 0.000 description 2
- 229910000399 iron(III) phosphate Inorganic materials 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明属于电池技术领域，具体的说涉及一种磷酸铁锂动力电池SOC估计方法。本发明的目的，是针对复杂工况下单一的SOC算法不能保证估算精度、收敛速度，提出了一种基于信息融合的磷酸铁锂动力电池SOC估计方法，主要方法为对对电池的工作阶段进行定义：根据离线获得电池的OCV‑SOC关系，用高阶多项式拟合，得到OCV＝f(SOC)的函数，对OCV＝f(SOC)函数求导得到导数函数，令OCV’等于规定值m(m取1)，获得对应的SOC点A、B，其中A点位于靠近SOC值为0的一端；将SOC为0到A的阶段定义为一阶段(初期)，SOC为A到B的阶段定义为二阶段(电压稳定区)，SOC为B到100％的阶段定义为三阶段(末期)，再根据不同的工作阶段进行动力电池SOC的快速，准确估算。
Description
技术领域
本发明属于电池技术领域，具体的说涉及一种磷酸铁锂动力电池SOC估计方法。
背景技术
目前环境污染日益严重，石油资源逐渐枯竭，电动汽车已成为汽车发展的大势所趋。电动汽车的核心部件是电池，磷酸铁锂动力电池更是广泛应用于电动汽车上。为了保证动力电池安全良好运行，延长动力电池使用寿命，必须对其实施有效地管理。
电池管理的核心是准确地估算电池的SOC。目前SOC估算的常用方法包括安时积分法、开路电压法、神经网络法、扩展卡尔曼滤波法等。安时积分法对初值依赖性大，且受电流传感器测量精度影响，容易造成累积误差。开路电压法需要电池静置足够长时间后才能使用，不能在汽车运行中实时获得电池的SOC。神经网络法需要大量数据进行训练，计算复杂耗时，对硬件性能要求高。扩展卡尔曼滤波法，由于电池是强非线性系统，故运用于电池SOC时要对模型进行线性近似，这会降低估计性能。
在动力电池SOC估算中，无迹卡尔曼滤波方法能通过无迹变换生成样本点，不需要对系统方程进行线性化，不需要计算雅克比矩阵，且在SOC初值不准确的情况下能快速收敛到SOC真值附近，能够对电池SOC进行精确的估计。
电动汽车运行环境和工况复杂，温度、老化、充放电倍率、充放电阶段都将影响电池的SOC估算精度。若在整个SOC估算过程都采用简单的SOC估算算法，结果不能保证精度。若在整个SOC估算过程都采用复杂的SOC估算算法，结果虽然保证了精度但却提高了计算量和硬件成本。单一的SOC估算模型很难准确快速且低成本地估算整个电池工作过程中SOC值，因此有必要把各个SOC模型集中起来，建立信息融合体系来对SOC进行准确估算。
SOC估算的各方法中，SOC初值的准确度对算法的精确及收敛速度影响重大。目前电动汽车SOC估算的初值获取有两种方法，第一种是延用上一时刻的SOC值，第二种是在汽车静置足够长时间后，通过测量OCV然后查OCV-SOC表获得。磷酸铁锂电池的OCV-SOC特性曲线在两端变化剧烈，在中间变化平缓。在两端可通过查表获得准确SOC初值。在中间的电压平稳段，由于OCV相对SOC变化较小，较小的OCV测量误差都能导致查表得到的SOC误差很大，所以在电压平稳段由查OCV-SOC表获得的SOC初值不准确。
发明内容
本发明目的，是针对复杂工况下单一的SOC算法不能保证估算精度、收敛速度，提出了一种基于信息融合的磷酸铁锂动力电池SOC估计方法。
本发明的技术方案是：
一种磷酸铁锂动力电池SOC估计方法，其特征在于，包括以下步骤：
S1、获取SOC初值：判段电池静置时间T是否小于T0＝60min，若是，则读取保存的SOC值作为SOC初值；若否，则通过OCV法查OCV-SOC表获得SOC初值；
S2、确定电池的工作阶段，具体包括：
S21、对电池的工作阶段进行定义：根据离线获得电池的OCV-SOC关系，用高阶多项式拟合，得到OCV＝f(SOC)的函数，对OCV＝f(SOC)函数求导得到导数函数令OCV’等于规定值m(m取1)，获得对应的SOC点A、B，其中A点位于靠近SOC值为0的一端；将SOC为0到A的阶段定义为一阶段(初期)，SOC为A到B的阶段定义为二阶段(电压稳定区)，SOC为B到100％的阶段定义为三阶段(末期)；
S22、根据电池的静置时间T以及电池SOC初值，对电池的工作过程进行划分，具体为：当0≤SOC<A时，进入步骤S221；当A≤SOC≤B时，进入步骤S222；当B<SOC≤100％，进入步骤S223；
S221、确定电池工作阶段为一阶段，并将一阶段电池的工作过程定义为：一阶段内部的充电或放电，一阶段到二阶段的充电，一阶段经二阶段到三阶段的充电；
若T≥T0，进入步骤S3，否则进入步骤S4；
S222、确定电池工作阶段为二阶段，并将二阶段电池的工作过程定义为：二阶段内部的充电或放电，二阶段到一阶段的放电，二阶段到三阶段的充电；
进入步骤S5；
S223、确定电池工作阶段为三阶段，并将三阶段电池的工作过程定义为：三阶段内部的充电或放电，三阶段到二阶段的放电，三阶段经二阶段到一阶段的放电；
若T≥T0，进入步骤S6，否则进入步骤S7；
S3、对SOC进行估计，包括：
1)一阶段内部的充电或放电，先采用OCV法确定SOC初值，再用Ah法实时估算SOC；
2)一阶段到二阶段的充电，在一阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC；
3)一阶段经二阶段到三阶段的充电，在一阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC，在三阶段内考虑到前面Ah法已累计较大误差，采用UKF方法估算，对SOC进行修正；
S4、对SOC进行估计，包括：
1)一阶段内部的充电或放电，用OCV法无法得到准确SOC初值，先采用UKF法运算20min后，SOC值基本收敛到真实值，再用Ah法实时估算SOC；
2)一阶段到二阶段的充电，在一阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC；
3)一阶段经二阶段到三阶段的充电，在一阶段内先采用UKF法(20min),再用Ah法可实时估算SOC，在二阶段内依然采用Ah估算SOC，在三阶段内考虑到前面Ah法已累计较大误差，采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S5、对SOC进行估计，包括：
1)二阶段内部的充电或放电，用OCV法无法得到准确SOC初值，先采用UKF法运算20min后，SOC值基本收敛到真实值，再用Ah法实时估算SOC；
2)二阶段到一阶段的放电，二阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在一阶段内考虑到前面Ah法已累计较大误差，采用UKF方法估算，对SOC进行修正；
3)二阶段到三阶段的充电，二阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在三阶段内考虑到前面Ah法已累计较大误差，采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S6、对SOC进行估计，包括：
1)三阶段内部的充电或放电，先采用OCV法确定SOC初值，再用Ah法实时估算SOC；
2)三阶段到二阶段的放电，在三阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah估算SOC；
3)三阶段经二阶段到一阶段的放电，在三阶段内先采用OCV法可确定SOC准确初值，再用Ah法可实时估算SOC，在二阶段内依然采用Ah估算SOC，在一阶段内考虑到前面Ah法已累计较大误差，采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S7、对SOC进行估计，包括：
1)三阶段内部的充电或放电，用OCV法无法得到准确SOC初值，先采用UKF法运算20min后，SOC值基本收敛到真实值，再用Ah法实时估算SOC；
2)三阶段到二阶段的放电，在三阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC；
3)三阶段经二阶段到一阶段的放电，在三阶段内先采用UKF法(20min),再用Ah法可实时估算SOC，在二阶段内依然采用Ah估算SOC，在一阶段内考虑到前面Ah法已累计较大误差，采用UKF方法估算SOC；
将获取的SOC值进行保存。
上述方案中，主要是根据电池的电池静置及初始SOC值确定电池所处于的阶段，并采用相应的SOC估算方法进行估算，将开路电压法(OCV)、安时积分法(Ah)、无迹卡尔曼滤波法(UKF)结合起来使用。
进一步的，所述步骤S21中，若OCV’＝m与OCV’-SOC曲线的交点超过2个，则A点为交点中SOC最小的点，B点为交点中SOC最大的点。
更进一步的，所述Ah积分法公式为：式中，SOC0为SOC估算的初值，η为库伦效率，CN为电池额定容量，I为电池电流。
更进一步的，所述UKF法为：
对于不同时刻k，由具有高斯白噪声W(k)的随机变量X和具有高斯白噪声V(k)的观测变量Z构成的电池非线性系统可由式描述，式中f是非线性状态方程函数，h是非线性观测方程函数，状态变量X是n维随机变量，X的均值为方差为P，W(k)具有协方差矩阵Q，V(k)具有协方差矩阵R。
UKF算法如下：
S41：获得采样点及相应权值
式中， 表示矩阵方根的第i列。
S42：计算2n+1个采样点集的下一步预测
X(i)(k+1|k)＝f[k,X(i)(k|k)]
S43：计算系统状态量的一步预测及协方差矩阵。
S44：根据一步预测值，在此使用UT变换，产生新的Sigma点集。
S45：将S4中预测的Sigma点集代入观测方程。
Z(i)(k+1|k)＝h[X(i)(k+1|k)]
S46：通过加权求和得到系统预测的均值及协方差。
S47：计算Kalman增益。
S48：计算状态更新和协方差更新。
本发明的有益效果为，可以有效地进行动力电池SOC的快速，准确估算。
附图说明
图1是利用磷酸铁锂电池OCV’-SOC图确定区间划分点图；
图2是SOC的估算方法的流程原理图；
图3是电池工作起始区间为一阶段(初期)时，对应的各种工作过程相应的SOC算法；
图4是电池工作起始区间为二阶段(电压稳定期)时，对应的各种工作过程相应的SOC算法；
图5是电池工作起始区间为一阶段(末期)时，对应的各种工作过程相应的SOC算法。
具体实施方式
在发明内容中已经详细描述了本发明的技术方案，说明书附图还提供了本发明实际应用的示意流程，具体包括：
图1是根据OCV的导数OCV’与SOC的关系确定区间划分点A、B的图。首先离线测得电池的OCV-SOC关系，并用高阶多项式拟合，得到OCV＝f(SOC)的函数。对OCV＝f(SOC)函数求导得到导数函数OCV’＝h(SOC)，令OCV’等于规定值m(m取1)可求得对应的SOC点A、B。若OCV’＝m(m取1)与OCV’-SOC曲线的交点超过2个，则A点为交点中SOC最小的点，B点为SOC最大的点。规定初期是SOC为0到A的阶段，电压稳定区是SOC为A到B的阶段，末期是SOC为B到100％的阶段。
图2是SOC的估算方法的流程原理图，根据图2，本发明中磷酸铁锂动力电池SOC的估算方法，包括如下步骤：
开始
判定电池静置时间T与T0＝60min的关系，若T>T0则通过OCV法查表获得SOC初值，若T<T0则通过读取上次工作结束时保存的SOC值作为SOC初值。
根据SOC初值判定电池所处的工作阶段。
根据电池所处的工作阶段及静置时间T与T0＝60min的关系，根据图3、图4、图5，选取相应的SOC估算方法。
结束。
Claims (4)
1.一种磷酸铁锂动力电池SOC估计方法，其特征在于，包括以下步骤：
S1、获取SOC初值：判断电池静置时间T是否小于T0＝60min，若是，则读取保存的SOC值作为SOC初值；若否，则通过OCV法查OCV-SOC表获得SOC初值；
S2、确定电池的工作阶段，具体包括：
S21、对电池的工作阶段进行定义：根据离线获得电池的OCV-SOC关系，用高阶多项式拟合，得到OCV＝f(SOC)的函数，对OCV＝f(SOC)函数求导得到导数函数OCV’＝h(SOC)，令OCV’等于规定值m，获得对应的SOC点A、B，其中A点位于靠近SOC值为0的一端，B点位于靠近SOC值为100％的一端；将SOC为0到A的阶段定义为一阶段，SOC为A到B的阶段定义为二阶段，SOC为B到100％的阶段定义为三阶段；
S22、根据电池的静置时间T以及电池SOC初值，对电池的工作过程进行划分，具体为：当0≤SOC<A时，进入步骤S221；当A≤SOC≤B时，进入步骤S222；当B<SOC≤100％，进入步骤S223；
S221、确定电池工作阶段为一阶段，并将一阶段电池的工作过程定义为：一阶段内部的充电或放电，一阶段到二阶段的充电，一阶段经二阶段到三阶段的充电；
若T≥T0，进入步骤S3，否则进入步骤S4；
S222、确定电池工作阶段为二阶段，并将二阶段电池的工作过程定义为：二阶段内部的充电或放电，二阶段到一阶段的放电，二阶段到三阶段的充电；
进入步骤S5；
S223、确定电池工作阶段为三阶段，并将三阶段电池的工作过程定义为：三阶段内部的充电或放电，三阶段到二阶段的放电，三阶段经二阶段到一阶段的放电；
若T≥T0，进入步骤S6，否则进入步骤S7；
S3、对SOC进行估计，包括：
1)一阶段内部的充电或放电，先采用OCV法确定SOC初值，再用Ah法实时估算SOC；
2)一阶段到二阶段的充电，在一阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC；
3)一阶段经二阶段到三阶段的充电，在一阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC，在三阶段内采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S4、对SOC进行估计，包括：
1)一阶段内部的充电或放电，采用UKF法运算20min后，再用Ah法实时估算SOC；
2)一阶段到二阶段的充电，在一阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC；
3)一阶段经二阶段到三阶段的充电，在一阶段内先UKF法运算20min后，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC，在三阶段内采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S5、对SOC进行估计，包括：
1)二阶段内部的充电或放电，采用UKF法运算20min后，再用Ah法实时估算SOC；
2)二阶段到一阶段的放电，二阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在一阶段内采用UKF方法估算，对SOC进行修正；
3)二阶段到三阶段的充电，二阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在三阶段内采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S6、对SOC进行估计，包括：
1)三阶段内部的充电或放电，先采用OCV法确定SOC初值，再用Ah法实时估算SOC；
2)三阶段到二阶段的放电，在三阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah估算SOC；
3)三阶段经二阶段到一阶段的放电，在三阶段内先采用OCV法确定SOC初值，再用Ah法实时估算SOC，在二阶段内依然采用Ah估算SOC，在一阶段内采用UKF方法估算，对SOC进行修正；
将获取的SOC值进行保存；
S7、对SOC进行估计，包括：
1)三阶段内部的充电或放电，采用UKF法运算20min后，再用Ah法实时估算SOC；
2)三阶段到二阶段的放电，在三阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC；
3)三阶段经二阶段到一阶段的放电，在三阶段内先采用UKF法运算20min后，再用Ah法实时估算SOC，在二阶段内依然采用Ah法估算SOC，在一阶段内采用UKF方法估算SOC；
将获取的SOC值进行保存。
2.根据权利要求1所述的一种磷酸铁锂动力电池SOC估计方法，其特征在于，所述步骤S21中，若OCV’＝m与OCV’-SOC曲线的交点超过2个，则A点为交点中SOC最小的点，B点为交点中SOC最大的点。
3.根据权利要求1或2所述的一种磷酸铁锂动力电池SOC估计方法，其特征在于，所述Ah积分法公式为：式中，SOC0为SOC估算的初值，η为库伦效率，CN为电池额定容量，I为电池电流。
4.根据权利要求3所述的一种磷酸铁锂动力电池SOC估计方法，其特征在于，所述UKF法为：
对于不同时刻k，由具有高斯白噪声W(k)的随机变量X和具有高斯白噪声V(k)的观测变量Z构成的电池非线性系统可由式描述，式中f是非线性状态方程函数，p是非线性观测方程函数，状态变量X是n维随机变量，X的均值为方差为P，W(k)具有协方差矩阵Q，V(k)具有协方差矩阵R。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811292989.2A CN109239605B (zh) | 2018-11-01 | 2018-11-01 | 一种磷酸铁锂动力电池soc估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811292989.2A CN109239605B (zh) | 2018-11-01 | 2018-11-01 | 一种磷酸铁锂动力电池soc估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109239605A CN109239605A (zh) | 2019-01-18 |
| CN109239605B true CN109239605B (zh) | 2019-09-27 |
Family
ID=65080051
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811292989.2A Expired - Fee Related CN109239605B (zh) | 2018-11-01 | 2018-11-01 | 一种磷酸铁锂动力电池soc估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109239605B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110133510B (zh) * | 2019-05-30 | 2021-08-13 | 陕西科技大学 | 一种锂离子电池荷电状态soc混合估计方法 |
| CN110632520A (zh) * | 2019-10-17 | 2019-12-31 | 西安工业大学 | 一种动力电池soc的估算装置及其估算方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102062841A (zh) * | 2009-11-11 | 2011-05-18 | 北汽福田汽车股份有限公司 | 动力电池荷电状态的估测方法及系统 |
| CN103675706A (zh) * | 2013-12-13 | 2014-03-26 | 桂林电子科技大学 | 一种动力电池电荷量估算方法 |
| CN103744028A (zh) * | 2013-12-25 | 2014-04-23 | 广西科技大学 | 一种基于ukf的蓄电池荷电状态soc估算方法 |
| KR20150005073A (ko) * | 2013-07-04 | 2015-01-14 | 에스케이이노베이션 주식회사 | 정전류시 soc 추정 방법, 장치, 이를 포함하는 배터리 관리 시스템 및 에너지 저장 시스템 |
| CN105116346A (zh) * | 2015-09-15 | 2015-12-02 | 盐城工业职业技术学院 | 一种串联型锂离子电池系统及其荷电状态估计方法 |
| CN105842627A (zh) * | 2016-02-01 | 2016-08-10 | 北京理工大学 | 基于数据模型融合的动力电池容量和荷电状态的估计方法 |
| CN105891724A (zh) * | 2016-05-05 | 2016-08-24 | 南京航空航天大学 | 基于扩展单粒子模型的锂离子电池荷电状态在线估计方法 |
| CN105974327A (zh) * | 2016-06-12 | 2016-09-28 | 广州市香港科大霍英东研究院 | 一种基于神经网络和ukf的锂电池组soc预测方法 |
| CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
| CN106093783A (zh) * | 2016-06-03 | 2016-11-09 | 哈尔滨工业大学 | 卡尔曼滤波与数据驱动融合的电池soc估计方法 |
| CN106443496A (zh) * | 2016-12-08 | 2017-02-22 | 盐城工学院 | 一种带改进型噪声估计器的电池荷电状态估计方法 |
| CN107153163A (zh) * | 2017-06-20 | 2017-09-12 | 福建工程学院 | 一种基于自适应ukf的锂电池soc估算方法 |
| CN107748336A (zh) * | 2017-11-06 | 2018-03-02 | 清华大学 | 锂离子电池的荷电状态在线估计方法及系统 |
| CN108646199A (zh) * | 2018-08-23 | 2018-10-12 | 广西艾盛创制科技有限公司 | 一种动力电池soc估算方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150276885A1 (en) * | 2014-03-25 | 2015-10-01 | Stmicroelectronics International N.V. | Method of Computing State of Charge and Battery State of Charge Monitor |
-
2018
- 2018-11-01 CN CN201811292989.2A patent/CN109239605B/zh not_active Expired - Fee Related
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102062841A (zh) * | 2009-11-11 | 2011-05-18 | 北汽福田汽车股份有限公司 | 动力电池荷电状态的估测方法及系统 |
| KR20150005073A (ko) * | 2013-07-04 | 2015-01-14 | 에스케이이노베이션 주식회사 | 정전류시 soc 추정 방법, 장치, 이를 포함하는 배터리 관리 시스템 및 에너지 저장 시스템 |
| CN103675706A (zh) * | 2013-12-13 | 2014-03-26 | 桂林电子科技大学 | 一种动力电池电荷量估算方法 |
| CN103744028A (zh) * | 2013-12-25 | 2014-04-23 | 广西科技大学 | 一种基于ukf的蓄电池荷电状态soc估算方法 |
| CN105116346A (zh) * | 2015-09-15 | 2015-12-02 | 盐城工业职业技术学院 | 一种串联型锂离子电池系统及其荷电状态估计方法 |
| CN105842627A (zh) * | 2016-02-01 | 2016-08-10 | 北京理工大学 | 基于数据模型融合的动力电池容量和荷电状态的估计方法 |
| CN105891724A (zh) * | 2016-05-05 | 2016-08-24 | 南京航空航天大学 | 基于扩展单粒子模型的锂离子电池荷电状态在线估计方法 |
| CN106093783A (zh) * | 2016-06-03 | 2016-11-09 | 哈尔滨工业大学 | 卡尔曼滤波与数据驱动融合的电池soc估计方法 |
| CN105974327A (zh) * | 2016-06-12 | 2016-09-28 | 广州市香港科大霍英东研究院 | 一种基于神经网络和ukf的锂电池组soc预测方法 |
| CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
| CN106443496A (zh) * | 2016-12-08 | 2017-02-22 | 盐城工学院 | 一种带改进型噪声估计器的电池荷电状态估计方法 |
| CN107153163A (zh) * | 2017-06-20 | 2017-09-12 | 福建工程学院 | 一种基于自适应ukf的锂电池soc估算方法 |
| CN107748336A (zh) * | 2017-11-06 | 2018-03-02 | 清华大学 | 锂离子电池的荷电状态在线估计方法及系统 |
| CN108646199A (zh) * | 2018-08-23 | 2018-10-12 | 广西艾盛创制科技有限公司 | 一种动力电池soc估算方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| State-of-Charge Estimation of Lithium-ion Battery Using Multi-State Estimate Technic for Electric Vehicle Applications;Li Yong 等;《2013 IEEE Vehicle Power and Propulsion Conference (VPPC)》;20131121;第316-320页 * |
| 锂电池荷电状态、健康状态以及功率状态的在线估计;向顺;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20181015(第2018年第10期);第C035-41页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109239605A (zh) | 2019-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | State of charge estimation for lithium-ion batteries based on adaptive dual Kalman filter | |
| CN110286332B (zh) | 一种基于多新息理论的电动汽车动力电池soc估计方法 | |
| CN109669134A (zh) | 一种基于卡尔曼滤波法的soc的估算方法 | |
| CN105974323A (zh) | 一种提高电动汽车soc估算精度的算法模型 | |
| CN103675706B (zh) | 一种动力电池电荷量估算方法 | |
| CN104617623B (zh) | 一种电动汽车动力电池组均衡控制方法 | |
| Guo et al. | SoC estimation of lithium battery based on AEKF algorithm | |
| CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
| CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
| CN104535934B (zh) | 在线前馈补偿的动力电池电荷状态估计方法与系统 | |
| CN105140981B (zh) | 锂电池主动均衡控制方法 | |
| CN102540096A (zh) | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 | |
| CN105572596B (zh) | 锂电池soc估算方法及系统 | |
| CN105425153A (zh) | 一种估计电动车辆的动力电池的荷电状态的方法 | |
| CN105223512A (zh) | 基于电池特性的动态矫正剩余电量的方法 | |
| CN105425154A (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
| CN109633472A (zh) | 一种锂电池单体的荷电状态估计算法 | |
| CN109085505A (zh) | 一种动力电池充放电状态估算方法 | |
| CN109828215A (zh) | 一种提升电池单体soc估算精度的方法和系统 | |
| CN109239605B (zh) | 一种磷酸铁锂动力电池soc估计方法 | |
| US11579201B2 (en) | Method and system for identifying third-order model parameters of lithium battery based on likelihood function | |
| CN116047308A (zh) | 一种基于pid控制与dekf的锂电池soc估算方法 | |
| CN106443496A (zh) | 一种带改进型噪声估计器的电池荷电状态估计方法 | |
| CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
| CN114814591A (zh) | 一种锂电池soe估算方法、装置及系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190927 |