CN110068771A - 基于输出响应重构的高精度电池模型参数辨识方法及系统 - Google Patents

基于输出响应重构的高精度电池模型参数辨识方法及系统 Download PDF

Info

Publication number
CN110068771A
CN110068771A CN201910452182.9A CN201910452182A CN110068771A CN 110068771 A CN110068771 A CN 110068771A CN 201910452182 A CN201910452182 A CN 201910452182A CN 110068771 A CN110068771 A CN 110068771A
Authority
CN
China
Prior art keywords
voltage signal
signal
output response
true
reconstructed
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
CN201910452182.9A
Other languages
English (en)
Other versions
CN110068771B (zh
Inventor
张承慧
温法政
段彬
朱瑞
张君鸣
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 CN201910452182.9A priority Critical patent/CN110068771B/zh
Publication of CN110068771A publication Critical patent/CN110068771A/zh
Application granted granted Critical
Publication of CN110068771B publication Critical patent/CN110068771B/zh
Priority to US17/614,547 priority patent/US20220221517A1/en
Priority to PCT/CN2020/092937 priority patent/WO2020239030A1/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]
    • G01R31/367—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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables

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输出响应重构的高精度电池模型参数辨识方法及系统，包括：基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定重构的脉冲函数；利用重构的脉冲函数和电流激励信号重构电压信号；基于重构电压信号和激励电流信号，得到电池等效电路模型参数。本发明有益效果：重构的输出信号真实性好，参数辨识精度高；省去了参数选择的过程，使得参数辨识的过程更加简洁明了。

Description

基于输出响应重构的高精度电池模型参数辨识方法及系统
技术领域
本发明电池模型参数辨识技术领域，尤其涉及一种基于输出响应重构的高精度电池模型参数辨识方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
作为电动汽车的主要动力能源与核心部件，锂离子电池因其在能量密度、功率密度、循环寿命、日历寿命和自放电率等方面具有的独特优势，已成为应用的热点和研究的焦点。为确保动力电池安全、可靠、高效地运行，车载电池管理系统(Battery ManagementSystem,BMS)需要对电池的各种状态做出准确估计和预测，如荷电状态(State of Charge,SOC)、健康状态(State of Health,SOH)、功率状态(State of Power,SOP)以及能量状态(State of Energy,SOE)等。然而，这些内部状态无法通过外部测量手段直接得到，必须间接估算获取，而电池模型往往是电池状态估算的基础。其中，等效电路模型由于具有结构简单、计算量小、易于工程实现等优点而被广泛应用。这就需要对电池施加激励信号，得到其激励响应，从而基于其输入、输出信号和电池参数辨识算法，如最小二乘法等，来辨识得到模型参数，进而估计或预测电池的各种状态。因此，其输入输出信号的精度对模型参数辨识和电池状态估计的准确度至关重要。
然而，发明人发现，由于信号获取过程存在噪声干扰，使得得到的电池输入输出信号存在误差，易造成电池参数辨识不准，无法准确估计电池状态的问题。针对此种情况，常规方法是对电池的输入输出信号进行滤波，例如采用低通butterworth滤波器等，滤除噪声信号，但是该方式存在滤波器最佳截至频率选择难、滤波效果不理想等问题。
发明内容
为了解决上述问题，本发明提出一种基于输出响应重构的高精度电池模型参数辨识方法及系统，能够有效还原真实的电池激励响应信号，提高电池参数辨识和状态估计的准确性。
在一些实施方式中，采用如下技术方案：
基于输出响应重构的高精度电池模型参数辨识方法，其特征在于，包括：
基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定脉冲函数；
利用脉冲函数和电流激励信号重构电压信号；
基于重构电压信号和激励电流信号，得到电池等效电路模型参数。
在另一些实施方式中，采用如下技术方案：
基于输出响应重构的高精度电池模型参数辨识系统，包括：
基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定脉冲函数的模块；
利用脉冲函数和电流激励信号重构电压信号的模块；
基于重构电压信号和激励电流信号，得到电池等效电路模型参数的模块。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的基于输出响应重构的高精度电池模型参数辨识方法。
在另一些实施方式中，采用如下技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于输出响应重构的高精度电池模型参数辨识方法。
与现有技术相比，本发明的有益效果是：
(1)重构的输出信号真实性好，参数辨识精度高。
在重构电池激励电压的过程中，采用了卷及原理和相关函数的计算等数学方法，利用数学理论分析求得激励电流与真实电压信号之间的脉冲函数，利用此脉冲函数与激励电流卷积求得电池响应电压。此电压响应极其接近真实电压信号，从而使辨识出的电池模型参数精度更高。
(2)可实现性好，实用价值高。
重构电压基于数学理论分析计算得到，没有涉及到滤波器截止频率选择的过程，从而避免了像butterworth滤波器等需要选择最优截止频率的问题。省去了参数选择的过程，使得参数辨识的过程更加简洁明了。
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，本发明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。
实施例一
在一个或多个实施方式中，公开了一种基于输出响应重构的高精度电池模型参数辨识方法，包括以下步骤：
(1)基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定脉冲函数；
具体实现过程如下：
1)利用卷积原理，得到电池激励响应电压与激励电流间关系。
若电池处于稳定状态，则其激励电流I(k)与输出电压U(k)之间存在如公式(1)所述的关系：
由于实际测量的电压信号中存在噪声，因此利用脉冲函数和电流激励信号I重构电压信号并基于此电压信号和电流信号I进行参数辨识。精度上，重构的电压信号相对于测量的电压信号有了大幅提升，因此其参数辨识准确度得到了保证。
2)基于相关函数得到脉冲函数
假设测量得到的电压信号Umeasure(k)和真实电压信号Utrue(k)以及噪声信号Vnoise(k)之间存在如公式(2)所述关系：
Umeasure(k)＝Utrue(k)+Vnoise(k) (2)
而Utrue与激励电流I之间存在如公式(1)所示的关系，则Umeasure(k)与I(k)之间的相关函数为：
RUI(λ)＝E{I(k-λ)Umeasure(k)} (3)
由于电流激励信号I与电压噪声信号Vnoise之间互不相关，所以
E{I(k-λ)Vnoise}＝0 (6)
所以得到公式(7)
将公式(7)改写为矩阵形式，得
电池激励信号采用伪随机序列信号，则伪随机序列信号的自相关函数为
令
所以
又
将公式(9)、(10)和(12)代入公式(11)，即得脉冲函数
(2)利用脉冲函数和电流激励信号重构电压信号；
将求得的脉冲函数和激励电流I进行卷积运算，即可得到重构电压此电压精度远远高于用一般低通滤波器滤波后得到激励电压。此过程为本领域普通技术人员根据现有技术能够实现的，因此具体过程不再详述。
(3)基于重构电压信号和激励电流信号，得到电池等效电路模型参数。
基于重构电压和激励电流I，利用RLS算法等即可得到精度较高的电池等效电路模型参数。此过程为本领域普通技术人员根据现有技术能够实现的，因此具体过程不再详述。
实施例二
在一个或多个实施方式中，公开了一种基于输出响应重构的高精度电池模型参数辨识系统，包括：
基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定脉冲函数的模块；
利用脉冲函数和电流激励信号重构电压信号的模块；
基于重构电压信号和激励电流信号，得到电池等效电路模型参数的模块。
实施例三
在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的基于输出响应重构的高精度电池模型参数辨识方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
结合实施例一中的方法步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以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。专业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申请的范围。
上述虽然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 (8)

1.基于输出响应重构的高精度电池模型参数辨识方法，其特征在于，包括：
基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定重构的脉冲函数；
利用重构的脉冲函数和电流激励信号重构电压信号；
基于重构电压信号和激励电流信号，得到电池等效电路模型参数。
2.如权利要求1所述的基于输出响应重构的高精度电池模型参数辨识方法，其特征在于，所述测量电压信号与真实电压信号之间的关系具体为：
Umeasure(k)＝Utrue(k)+Vnoise(k)
其中，Umeasure(k)为测量得到的电压信号，Utrue(k)为真实电压信号，Vnoise(k)为噪声信号。
3.如权利要求1所述的基于输出响应重构的高精度电池模型参数辨识方法，其特征在于，所述真实电压信号与激励电流信号之间的关系具体为：
其中，Utrue(k)为真实电压信号，I(k-m)为激励电流信号，g(m)为脉冲函数。
4.如权利要求1所述的基于输出响应重构的高精度电池模型参数辨识方法，其特征在于，所述重构的脉冲函数具体为：
其中，a为激励信号的幅度、N为采样点数；RII(λ)为偶函数，因此，λ为负数时，RII(λ)的值与λ为正时的值一致；
5.如权利要求1所述的基于输出响应重构的高精度电池模型参数辨识方法，其特征在于，利用求得的重构的脉冲函数和激励电流进行卷积运算，得到重构电压。
6.基于输出响应重构的高精度电池模型参数辨识系统，其特征在于，包括：
基于测量电压信号与真实电压信号之间的关系以及真实电压信号与激励电流信号之间的关系，确定重构的脉冲函数的模块；
利用重构的脉冲函数和电流激励信号重构电压信号的模块；
基于重构电压信号和激励电流信号，得到电池等效电路模型参数的模块。
7.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-5任一项所述的基于输出响应重构的高精度电池模型参数辨识方法。
8.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-5任一项所述的基于输出响应重构的高精度电池模型参数辨识方法。
CN201910452182.9A 2019-05-28 2019-05-28 基于输出响应重构的高精度电池模型参数辨识方法及系统 Active CN110068771B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910452182.9A CN110068771B (zh) 2019-05-28 2019-05-28 基于输出响应重构的高精度电池模型参数辨识方法及系统
US17/614,547 US20220221517A1 (en) 2019-05-28 2020-05-28 High-precision battery model parameter identification method and system based on output response reconstruction
PCT/CN2020/092937 WO2020239030A1 (zh) 2019-05-28 2020-05-28 基于输出响应重构的高精度电池模型参数辨识方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910452182.9A CN110068771B (zh) 2019-05-28 2019-05-28 基于输出响应重构的高精度电池模型参数辨识方法及系统

Publications (2)

Publication Number Publication Date
CN110068771A true CN110068771A (zh) 2019-07-30
CN110068771B CN110068771B (zh) 2020-02-07

Family

ID=67371781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910452182.9A Active CN110068771B (zh) 2019-05-28 2019-05-28 基于输出响应重构的高精度电池模型参数辨识方法及系统

Country Status (3)

Country Link
US (1) US20220221517A1 (zh)
CN (1) CN110068771B (zh)
WO (1) WO2020239030A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020239030A1 (zh) * 2019-05-28 2020-12-03 山东大学 基于输出响应重构的高精度电池模型参数辨识方法及系统
CN114791993A (zh) * 2022-05-16 2022-07-26 江苏大学 一种动力电池组soh预测方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116047310B (zh) * 2023-02-27 2023-09-08 上海玫克生储能科技有限公司 一种电池模型参数辨识方法、装置和电子设备

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305590A (zh) * 1998-06-16 2001-07-25 锦湖石油化学株式会社 用于测量电池容量的方法和设备
CN103270668A (zh) * 2010-10-22 2013-08-28 核科学股份有限公司 为电池快速充电的设备和方法
JP2016003963A (ja) * 2014-06-17 2016-01-12 カルソニックカンセイ株式会社 電池モデル同定方法
CN105912854A (zh) * 2016-04-11 2016-08-31 西安交通大学 一种机械结构动载荷识别的稀疏表征方法
WO2017062917A1 (en) * 2015-10-08 2017-04-13 Johnson Controls Technology Company Electrical energy storage system with battery power setpoint optimization based on battery degradation costs and expected frequency response revenue
CN107192961A (zh) * 2017-07-12 2017-09-22 江苏维科新能源科技有限公司 新型动力电池soc估算方法
CN107450031A (zh) * 2017-08-07 2017-12-08 北京理工大学 一种动力电池系统ocv‑soc函数关系的重构方法
CN107452392A (zh) * 2013-01-08 2017-12-08 杜比国际公司 临界采样滤波器组中的基于模型的预测
CN108008305A (zh) * 2017-10-31 2018-05-08 华南理工大学 一种车用磷酸铁锂动力电池容量衰减检测系统
CN108490356A (zh) * 2018-03-06 2018-09-04 福建工程学院 一种改进ekf算法的锂电池soc估算方法
CN108614926A (zh) * 2018-04-12 2018-10-02 西安交通大学 一种基于流形学习与希尔伯特-黄变换相结合的结构模态参数辨识方法
CN108761341A (zh) * 2018-06-01 2018-11-06 哈尔滨工业大学 一种锂离子电池电化学模型参数获取方法
CN109633453A (zh) * 2018-12-28 2019-04-16 东莞钜威动力技术有限公司 电池参数在线辨识方法、装置及计算机可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010267570A (ja) * 2009-05-18 2010-11-25 Yokogawa Electric Corp 特性解析装置
CN103927440A (zh) * 2014-04-15 2014-07-16 国家电网公司 一种锂电池等效电路模型的参数辨识方法
CN105301504A (zh) * 2015-09-24 2016-02-03 天津大学 基于单位脉冲响应估计锂电池荷电状态的方法
CN106908732B (zh) * 2017-02-09 2019-05-10 北京长城华冠汽车科技股份有限公司 一种锂离子电池等效电路模型参数辨识方法和装置
CN106855612B (zh) * 2017-02-21 2019-09-24 山东大学 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
CN109143074B (zh) * 2018-06-28 2020-10-30 中国科学院光电研究院 一种动力电池模型参数辨识方法及系统
CN110068771B (zh) * 2019-05-28 2020-02-07 山东大学 基于输出响应重构的高精度电池模型参数辨识方法及系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305590A (zh) * 1998-06-16 2001-07-25 锦湖石油化学株式会社 用于测量电池容量的方法和设备
CN103270668A (zh) * 2010-10-22 2013-08-28 核科学股份有限公司 为电池快速充电的设备和方法
CN107452392A (zh) * 2013-01-08 2017-12-08 杜比国际公司 临界采样滤波器组中的基于模型的预测
JP2016003963A (ja) * 2014-06-17 2016-01-12 カルソニックカンセイ株式会社 電池モデル同定方法
WO2017062917A1 (en) * 2015-10-08 2017-04-13 Johnson Controls Technology Company Electrical energy storage system with battery power setpoint optimization based on battery degradation costs and expected frequency response revenue
CN105912854A (zh) * 2016-04-11 2016-08-31 西安交通大学 一种机械结构动载荷识别的稀疏表征方法
CN107192961A (zh) * 2017-07-12 2017-09-22 江苏维科新能源科技有限公司 新型动力电池soc估算方法
CN107450031A (zh) * 2017-08-07 2017-12-08 北京理工大学 一种动力电池系统ocv‑soc函数关系的重构方法
CN108008305A (zh) * 2017-10-31 2018-05-08 华南理工大学 一种车用磷酸铁锂动力电池容量衰减检测系统
CN108490356A (zh) * 2018-03-06 2018-09-04 福建工程学院 一种改进ekf算法的锂电池soc估算方法
CN108614926A (zh) * 2018-04-12 2018-10-02 西安交通大学 一种基于流形学习与希尔伯特-黄变换相结合的结构模态参数辨识方法
CN108761341A (zh) * 2018-06-01 2018-11-06 哈尔滨工业大学 一种锂离子电池电化学模型参数获取方法
CN109633453A (zh) * 2018-12-28 2019-04-16 东莞钜威动力技术有限公司 电池参数在线辨识方法、装置及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUN ZHANG ET.AL: "Modeling and observability study of lithium-ion batteries for automotive applications", 《IEEE》 *
商云龙 等: "基于AIC准则的锂离子电池变阶RC等效电路模型研究", 《电工技术学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020239030A1 (zh) * 2019-05-28 2020-12-03 山东大学 基于输出响应重构的高精度电池模型参数辨识方法及系统
CN114791993A (zh) * 2022-05-16 2022-07-26 江苏大学 一种动力电池组soh预测方法及系统

Also Published As

Publication number Publication date
US20220221517A1 (en) 2022-07-14
CN110068771B (zh) 2020-02-07
WO2020239030A1 (zh) 2020-12-03

Similar Documents

Publication Publication Date Title
CN110068771B (zh) 基于输出响应重构的高精度电池模型参数辨识方法及系统
CN106461732B (zh) 用于估计电池的健康状态的方法
CN113111508B (zh) 电芯一致性的评估方法、装置及服务器
CN105004998A (zh) 电荷状态估计器及制造和使用电荷状态估计器的方法
CN115128481B (zh) 基于神经网络及阻抗辩识校正的电池状态估计方法、系统
JP6305988B2 (ja) 処理方法に由来するデータに基づいてエネルギ状態を判定するデバイス及び方法
CN105044606B (zh) 一种基于参数自适应电池模型的soc估计方法
CN110244236B (zh) 一种锂离子电池包soc估计方法、装置及终端设备
WO2018019313A2 (zh) 基于电池部分充放电数据重建完整充放电数据的方法及系统
US20170168119A1 (en) Method for real time correction of ion concentration and coulomb counting state-of-charge (soc) in battery
CN108896919B (zh) 电池老化状态的估算方法、装置及电池管理系统
CN118259160B (zh) 同时进行电池soc-ocv和hppc优化测试方法、装置、设备和介质
CN115389954A (zh) 一种电池容量的估算方法、电子设备及可读存储介质
CN117169749A (zh) 电池容量预测模型的生成方法、预测方法及其装置
CN118671624A (zh) 一种磷酸铁锂储能电池的soc误差校准方法及系统
CN117148187A (zh) 一种基于ocv校准的soh估算方法、系统及电子设备
CN112462285A (zh) 一种基于伪随机信号的电池阻抗在线测量装置及方法
CN113945740B (zh) 接触电阻的确定方法、装置、设备及存储介质
Zhang et al. State-of-charge estimation for lithium primary batteries: Methods and verification
CN114264961A (zh) 一种电芯内短路的检测方法、装置和电子设备
CN110032758B (zh) 计算电信号的能量的方法、装置和计算机存储介质
RU2491566C1 (ru) Устройство оценки состояния батареи и способ оценки состояния батареи
KR20170099970A (ko) 전기 배터리의 특징적인 물리량을 추정하는 방법
CN118625178B (zh) 一种时域-频域结合的电池参数辨识方法及装置
CN111537902A (zh) 一种基于实时容量动态变化模型的soc估算方法

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