CN110673049A - 评估电池健康状态的方法 - Google Patents

评估电池健康状态的方法 Download PDF

Info

Publication number
CN110673049A
CN110673049A CN201910588724.5A CN201910588724A CN110673049A CN 110673049 A CN110673049 A CN 110673049A CN 201910588724 A CN201910588724 A CN 201910588724A CN 110673049 A CN110673049 A CN 110673049A
Authority
CN
China
Prior art keywords
soh
battery
test
tests
state
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.)
Pending
Application number
CN201910588724.5A
Other languages
English (en)
Inventor
西埃里·柳西达梅
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.)
Electricite de France SA
Original Assignee
Electricite de France SA
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 Electricite de France SA filed Critical Electricite de France SA
Publication of CN110673049A publication Critical patent/CN110673049A/zh
Pending legal-status Critical Current

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种用于评估电动车辆的电池的健康状态(SOH)的方法，所述方法包括以下步骤：‑对电池进行给定数量(m)的测试，每次测试都给出结果，‑将每个结果与电池的状态相关联，电池可能有给定数量(N)种状态，‑基于贝叶斯计算评估电池的每种状态的概率，以及‑根据每种状态的概率和测试结果评估SOH，称为评估的SOH。

Description

评估电池健康状态的方法
技术领域
本发明涉及一种用于评估电动车辆的电池的健康状态(SOH)的方法。
背景技术
电动车辆的电池的劣化是由电池在其下操作的各种条件和使用参数随时间引起的，例如高温和低温、施加的电压、电流和放电深度。
许多电动车主希望了解如何最佳地保持车辆行驶里程、电池寿命(以及电池的转售价值)。
因此，人们对跟踪电池劣化及其与电动车辆运行状况的关系存在很大兴趣。
衡量电动汽车电池状况的一个重要指标是其健康状态(SOH)，它是电池容量的指标-或者说它的降级-即表示电池电流能力与其初始工厂规格匹配程度的百分比。
SOH是一个重要的指标，因为它直接关系到电动车辆的最大范围和更换电池的时间。
SOH通常通过执行电池的完整放电-充电循环来确定，这可能对电池有害。
此外，应进行完整测试的条件非常严格，以产生可靠和可重复的结果。然而，这些条件可能难以为汽车所有者实现。
然而，存在与在实际情况下执行测量以确定电池的SOH有关的各种问题。
发明内容
因此，本发明的一个目的是解决上述问题，提供一种用于评估电动车辆的电池的健康状态(SOH)的更容易且侵入性更小的方法，所述方法包括以下步骤：对电池执行给定数量的测试，每次测试都给出结果；将每个结果与电池的状态相关联，电池可能有给定数量种状态，基于贝叶斯计算评估电池的每种状态的概率，以及根据每种状态的概率和测试结果评估SOH，称为评估的SOH。
由于贝叶斯利用数据，所要求保护的方法在两次完整的SOH测试之间提供了对电池SOH的良好估计。
根据本发明的另一方面，测试的结果来自包括测试的数据集，该测试包括电池的部分充电和/或放电操作的测试，被称为代理测试，和/或包括电池的完整充电和/或放电操作的测试，被称为完整测试。
根据本发明的另一方面，基于先前评估的SOH值和最后的完整测试值，给评估的SOH分配置信度值。
根据本发明的另一方面，代理测试的置信度值(CV)由以下等式给出：
Figure BDA0002115380250000021
其中
Figure BDA0002115380250000022
SOH是最后的完整测试值并且评估的SOH(i)是编号i的先前评估的SOH值。
根据本发明的另一方面，该方法包括如果置信度值低于给定阈值则执行完整测试的步骤。
根据本发明的另一方面，执行的测试是代理测试。
本发明还涉及一种计算机程序，包括实现已经描述的方法的步骤的指令序列。
本发明还涉及一种计算机可读的非暂时性存储介质，包括已经描述的计算机程序。
本发明还涉及一种系统，包括用于执行所述测试的传感器和包括所述非暂时性介质的单元。
具体实施方式
用于评估电池的健康状态的方法
本发明涉及一种用于评估电动车辆的电池的健康状态(SOH)的方法，所述方法标记为1。
正如已经解释的那样，SOH是电池容量的指标，或者它的劣化指标，它是指示电池的当前性能与其初始工厂规格的匹配程度的百分比。
换句话说，SOH对应于电池电位的剩余部分。
方法1包括对电池执行给定数量(标记为m)的测试的步骤2。
电池SOH
方法1包括将每个结果R与电池的状态相关联的另一步骤3，电池可能有给定数量N种状态。
例如，电池有三种可能的状态(SOH)，每种状态对应于以下颜色：
·如果剩余电位高于70％，则为绿色，
·如果剩余电位在40％和70％之间，则为橙色
·如果剩余电位低于40％，则为红色。
实际上，本发明不限于该示例，并且该方法可以包括更多或相反更少的电池状态。
代理测试和完整测试
优选地，执行的测试称为代理测试。代理测试包括电池的部分充电和/或放电操作，而其他测试，被称为完整测试，包括电池的完整充电和/或放电操作。
代理测试的侵入性低于完整测试。
此外，完整测试的条件非常严格，以产生可靠和可重复的结果，而代理测试更容易实现，汽车的所有者决定代理测试的条件。
代理测试可包含不同类型的测试。
例如，代理测试包括简单测量电池的电导(下表中的M1)、电池的电压放电率(下表中的测试M2)和电池的热量测量(下表中的测试M3)。
换句话说，每个代理测试包括M种类型的测试，每种测试都给出布尔结果。
有利地，代理测试的布尔结果存储在数据集中。
数据集还可以包括对电池进行的先前完整测试的结果。
优选地，数据集还包括代理测试和其他车辆(例如相同车型的车辆)的完整测试的结果。
方法1还包括基于贝叶斯计算评估电池的每种状态的概率的步骤4，如下所述。
方法1包括根据每种状态评估SOH的最终步骤，称为评估的SOH，如下文将详述。
评估的SOH非常强大，因为它表明电池的剩余电位而不必进行完整测试，如已经说明的那样，完整测试是具有侵入性的且复杂的。
评估每种状态的概率
下表给出了代理测试的布尔结果的示例。
每个测试M1、M2、M3可以成功或失败，使得每个测试与两个布尔结果相关联，分别表示为T1(测试通过)，
Figure BDA0002115380250000041
(测试失败)，T2(测试通过)，
Figure BDA0002115380250000042
(测试失败)以及T3(测试通过)，
Figure BDA0002115380250000043
(测试失败)：
Figure BDA0002115380250000044
最后的完整测试结果是50个绿色SOH，30个橙色和20个红色。
执行代理测试，其产生T1、T2和
Figure BDA0002115380250000051
方法1根据贝叶斯定理用以下方程评估SOH，即评估的SOH：
其中Pn是归一化系数：
Pn＝P(绿色)P(橙色)P(红色)
请注意，
Figure BDA0002115380250000053
是已知代理测试T1,T2和
Figure BDA0002115380250000054
时SOH为绿色的概率，
Figure BDA0002115380250000055
是已知代理测试T1,T2和
Figure BDA0002115380250000056
时SOH为橙色的概率，以及
Figure BDA0002115380250000057
是已知代理测试T1,T2和
Figure BDA0002115380250000058
时SOH为红色的概率。
还请注意，P(Ti/绿色)是已知SOH是绿色时Ti的概率，而P(Ti/橙色)是已知SOH是橙色时Ti的概率，以及P(Ti/红色)是已知SOH是红色时Ti的概率。
此外，请注意P(绿色)是SOH为绿色的概率，P(橙色)是SOH为橙色的概率，以及P(红色)是SOH为红色的概率。
从表中可以推导出P(绿色)＝0,5,P(橙色)＝0,3,以及P(红色)＝0,2
并且Pn＝0,03
此外，
Figure BDA0002115380250000059
此外，
Figure BDA00021153802500000510
此外，
Figure BDA00021153802500000511
因此，
Figure BDA00021153802500000513
Figure BDA0002115380250000061
由于绿色SOH具有最强的概率，评估的SOH是绿色的，即评估到剩余电位高于70％。
置信度值
有利地，给K个评估的SOH的序列分配置信度值，优选地基于先前评估的SOH值和最后的完整测试值。
所有这些值都存储在数据集中。
例如，可以使用序列的置信度值来决定是否应该执行另一个完整测试。
如果最后的SOH与评估的SOH之间的距离|最后的SOH-评估的SOH(i)|太大，则可以确定评估的SOH的给定序列，或者至少最近评估的序列的SOH，不应该存储在数据集中。
标记CV的置信度值是通过给评估的SOH一个衰减系数来计算的，与SOH的差异与SOH和给定标度上的“评估的SOH”位置之间的差异成比例。
标度从1到N(SOH的数量与电位值的递减顺序)，标度中的数字越来越多地与电池的剩余电位相关联。
对于每个评估的SOH(i)，对于给定的最后的SOH，系数可以选择为例如：
Figure BDA0002115380250000062
并且置信度值使用以下等式计算：
现在通过两个示例详细说明这些计算。
请注意，本发明不限于这种计算。
另一种方法，例如，指数平滑过程，可用于通过平均评估的SOH来获得随时间平滑的评估的SOH：
评估的SOH(k)＝I.评估的SOH(k)+(1-I).评估的SOH(k-1)
其中I≤1.
由于这个等式，评估的SOH在每次计算时都会被更新，并具有历史监督因子。当I接近1时，预测是灵活和快速的，并且更加重视最新的测量。
第一示例
应用以下比例：SOH绿色＝3；橙色＝2；红色＝1。
该序列包括10个(K＝10)连续评估的SOH。
最后的完整测试是3(绿色)：
Figure BDA0002115380250000071
然后序列的置信度值为CV＝7.75/10＝77％。
第二示例
应用以下比例：SOH绿色＝3；橙色＝2；红色＝1.
该序列包括10个(K＝10)连续评估的SOH。
最后的完整测试是2(橙色)：
Figure BDA0002115380250000072
然后序列的置信度值为CV＝7.5/10＝75％。
系统
本发明还涉及一种计算机程序，包括一系列指令，当由处理器执行时，所述指令序列实现已经描述的方法的步骤。
本发明还涉及一种包括所述计算机程序的计算机可读的非暂时性存储介质。
另外，本发明涉及一种系统，该系统包括至少一个执行代理测试的传感器和包括所述非暂时性介质的单元。

Claims (9)

1.一种用于评估电动车辆的电池的健康状态(SOH)的方法，所述方法包括以下步骤：
-对电池执行给定数量(m)的测试，每次测试都给出结果，
-将每个结果与电池的状态相关联，电池可能有给定数量(N)种状态，
-基于贝叶斯计算评估电池的每种状态的概率，以及
-根据每种状态的概率和测试结果评估SOH，称为评估的SOH。
2.如权利要求1所述的方法，其特征在于，所述测试的结果来自包括测试的数据集，所述测试包括电池的部分充电和/或放电操作的测试，被称为代理测试，和/或包括电池的完整充电和/或放电操作的测试，被称为完整测试。
3.如前述权利要求所述的方法，其特征在于，基于先前评估的SOH值和最后的完整测试值，给评估的SOH分配置信度值。
4.如前述权利要求所述的方法，其特征在于，代理测试的置信度值(CV)由以下等式给出：
其中
Figure FDA0002115380240000012
SOH是最后的完整测试值并且评估的SOH(i)是编号i的先前评估的SOH值。
5.如权利要求2至4中任一项所述的方法，其特征在于，所述方法包括如果所述置信度值低于给定阈值则执行完整测试的步骤。
6.如前述权利要求任一项所述的方法，其特征在于，(m)执行的测试是代理测试。
7.一种计算机程序，包括当由处理器执行时实现根据前述权利要求任一项所述的方法的步骤的指令序列。
8.一种计算机可读的非暂时性存储介质，包括如前述权利要求所述的计算机程序。
9.一种系统，包括用于执行所述测试的传感器和包括所述非暂时性介质的单元。
CN201910588724.5A 2018-07-03 2019-07-02 评估电池健康状态的方法 Pending CN110673049A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18305867.6 2018-07-03
EP18305867.6A EP3591414B1 (en) 2018-07-03 2018-07-03 Method for evaluating an electric battery state of health

Publications (1)

Publication Number Publication Date
CN110673049A true CN110673049A (zh) 2020-01-10

Family

ID=62952009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910588724.5A Pending CN110673049A (zh) 2018-07-03 2019-07-02 评估电池健康状态的方法

Country Status (3)

Country Link
US (1) US11332037B2 (zh)
EP (1) EP3591414B1 (zh)
CN (1) CN110673049A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946483A (zh) * 2021-02-05 2021-06-11 重庆长安新能源汽车科技有限公司 电动汽车电池健康的综合评估方法及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020209339A1 (de) * 2020-07-24 2022-01-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Prädizieren einer Restlebensdauer von Fahrzeugbatterien einer Flotte elektrischer Fahrzeuge
CN112666464B (zh) * 2021-01-27 2023-11-07 北京嘀嘀无限科技发展有限公司 电池健康状态预测方法、装置、电子设备和可读存储介质
WO2023189368A1 (ja) * 2022-03-30 2023-10-05 ヌヴォトンテクノロジージャパン株式会社 蓄電池の劣化推定装置、及び蓄電池の劣化推定方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520366A (zh) * 2011-12-23 2012-06-27 上海交通大学 电动车电池安全与健康评估系统及其方法
CN103278777A (zh) * 2013-05-24 2013-09-04 杭州电子科技大学 一种基于动态贝叶斯网络的锂电池健康状况估计方法
KR101440719B1 (ko) * 2013-02-26 2014-09-17 한국항공대학교산학협력단 충전전압 특성을 이용한 충전 배터리 고장 예측 시스템, 장치 및 방법
CN105277888A (zh) * 2014-07-02 2016-01-27 三星电子株式会社 用于估计电池的状态的方法和设备
US20160187428A1 (en) * 2014-12-26 2016-06-30 Samsung Electronics Co., Ltd. Method and apparatus for estimating state of health (SOH) of battery
CN106772064A (zh) * 2016-11-25 2017-05-31 广东电网有限责任公司电力科学研究院 一种锂离子电池健康状态预测方法及装置
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
CN107219463A (zh) * 2017-05-12 2017-09-29 浙江工业大学 基于电瓶车状态数据的电池使用寿命预测方法
CN108139446A (zh) * 2015-10-15 2018-06-08 江森自控科技公司 用于预测电池测试结果的电池测试系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8738310B2 (en) * 2010-12-08 2014-05-27 Paul Swanton Automatic determination of baselines for battery testing
KR20150126208A (ko) * 2014-05-02 2015-11-11 삼성에스디아이 주식회사 배터리 관리 장치
KR102215450B1 (ko) * 2014-06-24 2021-02-15 삼성전자주식회사 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520366A (zh) * 2011-12-23 2012-06-27 上海交通大学 电动车电池安全与健康评估系统及其方法
KR101440719B1 (ko) * 2013-02-26 2014-09-17 한국항공대학교산학협력단 충전전압 특성을 이용한 충전 배터리 고장 예측 시스템, 장치 및 방법
CN103278777A (zh) * 2013-05-24 2013-09-04 杭州电子科技大学 一种基于动态贝叶斯网络的锂电池健康状况估计方法
CN105277888A (zh) * 2014-07-02 2016-01-27 三星电子株式会社 用于估计电池的状态的方法和设备
US20160187428A1 (en) * 2014-12-26 2016-06-30 Samsung Electronics Co., Ltd. Method and apparatus for estimating state of health (SOH) of battery
CN108139446A (zh) * 2015-10-15 2018-06-08 江森自控科技公司 用于预测电池测试结果的电池测试系统
CN106772064A (zh) * 2016-11-25 2017-05-31 广东电网有限责任公司电力科学研究院 一种锂离子电池健康状态预测方法及装置
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
CN107219463A (zh) * 2017-05-12 2017-09-29 浙江工业大学 基于电瓶车状态数据的电池使用寿命预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BHASKAR SAHA ET AL: "《An integrated approach to battery health monitoring using bayesian regression and state estimation》", 《2007 IEEE AUTOTESTCON》 *
SELINA S.Y.NG ET AL: "《A naive Bayes model for robust remaining useful life prediction of lithium-ion battery》", 《APPLIED ENERGY》 *
WEI HE ET AL: "《Prognostics of lithium-ion batteries based on Dempster–Shafer theory and the Bayesian Monte Carlo method》", 《JOURNAL OF POWER SOURCES》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946483A (zh) * 2021-02-05 2021-06-11 重庆长安新能源汽车科技有限公司 电动汽车电池健康的综合评估方法及存储介质

Also Published As

Publication number Publication date
EP3591414B1 (en) 2022-01-19
US20200009987A1 (en) 2020-01-09
US11332037B2 (en) 2022-05-17
EP3591414A1 (en) 2020-01-08

Similar Documents

Publication Publication Date Title
CN110673049A (zh) 评估电池健康状态的方法
EP1933159B1 (en) Method and device for determining state of battery, and battery power supply system therewith
EP2597476B1 (en) Battery state estimating apparatus and battery state estimating method
US8035345B2 (en) System, method, and article of manufacture for determining an estimated combined battery state-parameter vector
JP7112252B2 (ja) 動作条件下で電流を直接検知することなく、バッテリパックまたはセルの電流及び充電状態を推定する方法
US10162014B2 (en) Battery state determining device
WO2017119393A1 (ja) 状態推定装置、状態推定方法
CN109633477B (zh) 基于ekf-gpr和日常片段数据的电池组健康状态的实时监控方法
WO2007100189A1 (en) System and method for determining both an estimated battery state vector and an estimated battery parameter vector
EP3593155A1 (en) A battery cell state of charge estimation method and a battery state monitoring system
JP2008522152A (ja) バッテリーの状態及びパラメーターの推定システム及び方法
JP2018141665A (ja) 電池管理方法、電池管理装置、及びコンピュータプログラム
JP6221884B2 (ja) 推定プログラム、推定方法および推定装置
JP2010002227A (ja) 開放電圧推定方法及び電源装置
KR20160097243A (ko) 자동차 차량 배터리의 에너지량 평가
JP6421411B2 (ja) 電池の充電率を推定する推定プログラム、電池の充電率を推定する推定方法、および、電池の充電率を推定する推定装置
JP6161133B2 (ja) データ抽出装置、データ抽出方法およびデータ抽出プログラム
JP2012500980A (ja) バッテリの充電状態を求める方法および制御装置
CN112415412A (zh) 估算电池soc值的方法和装置及车辆、存储介质
CN115113070A (zh) 电池soc的估算方法及相关装置
JP2020106317A (ja) リチウム一次電池の内部抵抗同定方法、放電深度推定装置、及び放電深度推定方法
WO2017002953A1 (ja) データ抽出装置、データ抽出方法およびデータ抽出プログラム
US20160231389A1 (en) Deterioration function calculation device, deterioration rate estimation device, deterioration rate estimation system, deterioration function calculation method, deterioration rate estimation method, and program
CN116559693A (zh) 一种电池soc评估方法、装置、电子设备及存储介质
WO2019234181A1 (en) Method and apparatus for estimating a state of charge of a battery

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