CN110888063A - 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法 - Google Patents

一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法 Download PDF

Info

Publication number
CN110888063A
CN110888063A CN201911214784.7A CN201911214784A CN110888063A CN 110888063 A CN110888063 A CN 110888063A CN 201911214784 A CN201911214784 A CN 201911214784A CN 110888063 A CN110888063 A CN 110888063A
Authority
CN
China
Prior art keywords
soc
bmu
voltage
algorithm
battery
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.)
Withdrawn
Application number
CN201911214784.7A
Other languages
English (en)
Inventor
邹鹰
曹仪明
周毅
何平
那伟
冯杰
卜先知
程嵘
沈汝超
卫剑颀
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.)
SHANGHAI EAST CONTAINER TERMINAL CO Ltd
Shanghai International Port Group Co Ltd
Shanghai Aerospace Power Technology Co Ltd
Original Assignee
SHANGHAI EAST CONTAINER TERMINAL CO Ltd
Shanghai International Port Group Co Ltd
Shanghai Aerospace Power Technology Co 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 SHANGHAI EAST CONTAINER TERMINAL CO Ltd, Shanghai International Port Group Co Ltd, Shanghai Aerospace Power Technology Co Ltd filed Critical SHANGHAI EAST CONTAINER TERMINAL CO Ltd
Priority to CN201911214784.7A priority Critical patent/CN110888063A/zh
Publication of CN110888063A publication Critical patent/CN110888063A/zh
Withdrawn legal-status Critical Current

Links

Images

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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • 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
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估算法，磷酸铁锂电池并联系统是三个子系统并联架构，每个子系统有一个子BMU，用来管理每个子系统，三个子系统将状态变量通过CAN总线上报给总BMU，总BMU再通过通信网络将信息传给PLC控制器，SOC估算法具体为：1,在磷酸铁锂电池平滑区以电流积分为主；2,对于单个子系统BMU在原有的电流安时积分基础上，采用基于PNGV等效模型的，通过HPPC实验辨识电池参数；3,应用无迹kalman算法，通过采样方法近似非线性分布，同时对后验概率密度进行近似来得到次优解的滤波算法；4,对并联系统采用PID反馈调节算法。本发明可有效解决现有的安时积分算法+端电压矫正算法很难精准控制好整个轮胎吊运行的问题。

Description

一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估 算法
技术领域
本发明涉及港机作业场景中电池管理技术领域，具体涉及一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估算法。
背景技术
近年来，随着经济发展，石油开采量一直在增长，严重影响并污染了大气环境，在我国港口有大量集装箱起重机，每年由于业务繁忙，电能需求也在不断增加，急需要通过一种混合可再生能源已成为迫切需求。加装锂电池，通过改造后的集装箱起重机，拉货物上升时既可以独立驱动电机对货物做功，也可以配合发电机一起对货物做功，降低发电机功耗，下降时可将重力势能转化成的电能进行能量回收，存储在锂电池里，从而达到节能减排目的。整个系统框架图如图6所示：
为了节能减排，港机轮胎吊采用安全系数更高，稳定性更好的磷酸铁锂电池作为动力源，将原来整个系统由单一的柴油发动机改造成为油电混合驱动，最终降低油耗，提高节能效率。为了适应原有柴油发动机功率型号，电池PACK系统设计采用三个子系统并联架构，每个子系统总共17个模块，每个模块串联12个单体。SOC运行区间控制在55％～76％不停充放电循环，目的是适应原有配置的发动机功率输出，防止SOC在高区间充电时，电池总压过高，导致变频器大功率器件耐压不够，SOC在低区间放电时，电池总压过低，导致变频器三相电压输出波形失真。由于该系统运行时，用传统的SOC算法安时积分+端电压矫正很难对系统控制好，主要原因有：1、由于电池单体自身差异性，以及成组的模块、系统串并联方式的不一样，整个系统又是三个子系统并联架构，但最终要保证传输给变频器PLC控制端三个子系统SOC是一致的，否则就会形成局部环流，造成电池局部短路危险，以及PLC错误控制继电器和空开断开，造成器件粘连或损坏，以及作业事故等。2、由于受磷酸铁锂电池自身充放电DOD曲线特性影响，导致系统作业SOC运行区间55％～76％正好在平滑区和上行矫正区，又达不到最高单体电压矫正点设置，要控制好电池系统单体电压整体运行趋势，否则就会导致错误的矫正，电压整体运行区间偏离，造成欠压或者过压故障。3、由于运行工况是纯电动模式和混合动力模式皆有，作业运行周期长，一个周期大概在40天左右不停歇，导致电流积分累积以及端电压矫正误差明显。4、由于温度对电池极化内阻影响也会导致三个子系统SOC不一致。5、电池自身日历寿命以及衰减，对电池内阻的影响，也会反映到SOC上。
发明内容
为解决现有的安时积分算法+端电压矫正算法很难精准控制好整个轮胎吊运行的问题，本发明提出一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估算法，其是根据港机轮胎吊锂电池改造工程，根据运行工况需求，对SOC算法进行一种估算。
本发明通过以下技术方案予以实现:
一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估算法，所述磷酸铁锂电池并联系统是三个子系统并联架构，每个子系统有一个子BMU，用来管理每个子系统，三个子系统将状态变量通过CAN总线上报给总BMU，总BMU再通过485通信将信息传给PLC控制器，所述SOC估算法具体步骤如下：
步骤1：在磷酸铁锂电池平滑区以电流积分为主；
步骤2：对于单个子系统BMU在原有的电流安时积分基础上，采用基于PNGV等效模型的，通过HPPC实验辨识电池参数；
步骤3：应用无迹kalman算法，通过采样方法近似非线性分布，同时对后验概率密度进行近似来得到次优解的滤波算法；
步骤4：对并联系统采用PID反馈调节算法。
本发明对于单个子系统BMU在原有电流安时积分基础上，通过建立PNGV等效电池模型，基于HPPC实验对等效模型参数进行辨识，然后利用无迹卡尔曼滤波算法(无迹kalman算法)获取每个子系统BMU的SOC值，由于与OCV表格对应的SOC1会有差异，时时产生一个调速比例K1’，然后对三个支路并联系统采用PID反馈调节算法，每个子BMU会将自己的状态变量SOC、单体电压等，传给总BMU，总BMU计算当前t1时刻系统的状态变量，并将这些系统变量反馈给每个子BMU，每个子BMU在下一时刻t2的外界激励所产生的状态变量，和t1时刻系统的状态变量进行比较，计算出调速比例K1，最后对比K1和K1’的差值，从而算出每个子BMU当前时刻调速比例的值K，K(t)＝a*K1(t)+b*K1’(t)，这里a+b＝1，从而精准算出下一时刻的三个支路的SOC值，防止SOC因之前电流安时积分误差和端电压矫正不准导致运行区间偏离，从而保证三个子系统SOC一致性以及单体电压运行区间的稳定性。
有益效果
本发明可有效解决现有的安时积分算法+端电压矫正算法很难精准控制好整个轮胎吊运行的问题。
附图说明
图1为本发明中电池子系统PNGV等效电池模型；
图2为本发明中50Ah磷酸铁锂电池HPPC实验电流示意图；
图3为本发明中50Ah磷酸铁锂电池HPPC实验电压示意图；
图4为本发明中无迹卡尔曼滤波算法SOC估算流程图；
图5为本发明中并联系统PID反馈调节算法SOC估算流程图；
图6为本发明中系统架构运行图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域的技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。
一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估算法，如图6所示，磷酸铁锂电池并联系统是三个子系统并联架构，每个子系统有一个子BMU(电池管理单元)，用来管理每个子系统，三个子系统将状态变量通过CAN总线上报给总BMU，总BMU再通过通信网络(485通信)将信息传给PLC控制器(可编程序控制器)，SOC估算法具体步骤如下：
步骤1：在磷酸铁锂电池平滑区以电流积分为主；
步骤2：对于单个子系统BMU在原有的电流安时积分基础上，采用基于PNGV等效模型的，通过HPPC(混合动力脉冲能力特性)实验辨识电池参数；
步骤3：应用无迹kalman算法，通过采样方法近似非线性分布，同时对后验概率密度进行近似来得到次优解的滤波算法；
步骤4：对并联系统采用PID反馈调节算法
其中，步骤2所述，对子系统电池在电流积分基础上建立PNGV等效电池模型，如图1所示，R2为欧姆电阻，R1为极化电阻，C1为极化电容，UL为等效电路模型开路电压，I为充放电电流，I1为极化电阻上的电流，电容C2是描述随负载电流的时间累计而产生的开路电压变化。基于等效电路建立PNGV动态模型状态方程和观测方程：
Figure BDA0002299205060000031
UL＝Uoc-U2-R2*I-U1 (2)
如步骤2所述，通过HPPC实验进行电池参数辨识，根据《美国Freedom CAR电池实验手册》，对该50Ah高功率单体电池的性能实验做了HPPC测试。先将单体电池搁置，然后恒流放电放空，再搁置，以恒流恒压充电55Ah，再进行搁置，再放电5Ah，以此时的容量作为SOC为100％的容量，然后进行HPPC脉冲实验，先50A的恒流源对电池进行脉冲放电10s,然后搁置40s,再以50A恒流充电10s，然后再搁置半个小时。接下来再用50A电流使SOC每次减少10％，直到SOC10％，依次循环，计算出：放电起始OCV电压，起始瞬间电压，放电容量，脉冲结束电压，结束瞬间电压，结束后静置电压。充电起始OCV电压，起始瞬间电压，充电容量，脉冲结束电压，结束瞬间电压，结束后静置电压。HPPC实验电流和电压示意图如图2和图3所示，由HPPC实验计算时间常数可得：
Figure BDA0002299205060000041
Figure BDA0002299205060000042
Figure BDA0002299205060000043
Figure BDA0002299205060000044
储能大电容C2经试验测得电池在SOC0％和SOC100％时的开路电压，通过计算可得公式如下，
Q0为额定容量，UL为开路电压
Figure BDA0002299205060000045
如步骤3所述，采用无迹卡尔曼滤波算法对矫正区域进行估算，UT变换是无迹kalman滤波算法的核心，利用非线性随机变量的统计值对非线性函数进行变化，用适当的采样点的分布来表征随机变量的概率密度分布。建立无迹卡尔曼滤波算法状态方程，关键是如何选取sigma点和权值，通常第一个sigma点选择期望值μ，因此建立离散方程可得：
[SOCk]0＝SOCk (8)
Figure BDA0002299205060000046
Figure BDA0002299205060000047
分别计算第一个sigma点的期望和方差的权值
Figure BDA0002299205060000051
和
Figure BDA0002299205060000052
和剩下2n个点的期望和方差的权值
Figure BDA0002299205060000053
和
Figure BDA0002299205060000054
Figure BDA0002299205060000055
Figure BDA0002299205060000056
Figure BDA0002299205060000057
Figure BDA0002299205060000058
n为状态变量的维数，λ为比例系数，其大小决定了sigma点与SOCk之间的距离，且满足λ＝α2(n+k)-n，α用来确定sigma点的分布，通常将其设为数值较小的正数，可取α＝0.01，β用来降低高阶项的误差，对于高斯分布最佳的选择可取β＝2。将k时刻生成得到的sigma点根据状态方程进行非线性传播，得到k+1时刻状态变量的sigma点集：
Figure BDA0002299205060000059
将k时刻生成的sigma点集，通过UT变换加权求平均值，可得到k+1时刻状态变量预测值的均值SOCk+1 -和协方差Pk+1 -.Qk为过程噪音(高斯白噪声)协方差矩阵
Figure BDA00022992050600000510
Figure BDA00022992050600000511
计算卡尔曼增益K，由PNGV状态方程和观测方程推导，离散化可得：
Figure BDA00022992050600000512
Figure BDA00022992050600000513
Figure BDA00022992050600000514
对于k+1时刻输出的sigma点集，通过UT变化加权求电池的端电压k+1时刻均值和协方差：
Figure BDA0002299205060000061
Figure BDA0002299205060000062
Rk为测量噪音(高斯白噪声)协方差矩阵
计算k+1时刻状态变量和输出变量的联合协方差矩阵：
Figure BDA0002299205060000063
卡尔曼增益：
Figure BDA0002299205060000064
SOC状态更新：
Figure BDA0002299205060000065
系统协方差更新：
Figure BDA0002299205060000066
无迹卡尔曼滤波算法对SOC估算流程图如图4所示。
如步骤4所述，对并联系统采用PID调节算法，对系统三个支路SOC的一致性采用PID调节反馈算法，当三个支路由于电压、电流以及温度等外界激励不一样，导致SOC出现不一致的情况，每个子BMU会将自己的状态变量SOC、单体电压等，传给总BMU，总BMU计算当前t1时刻系统的状态变量，并将这些系统变量反馈给每个子BMU，每个子BMU在下一时刻t2的外界激励所产生的状态变量，和t1时刻系统的状态变量进行比较，通过PID算法计算出调速比例K1的值。而每个子系统自身在矫正调速时，通过基于PNGV模型和无迹卡尔曼滤波算出的实际SOC1与OCV表格对应的SOC1’，也会时时产生一个调速比例K1’。最后对比K1和K1’的差值，从而算出每个子BMU当前时刻调速比例
K(t)＝a*K1(t)+b*K1’(t)，这里a+b＝1 (27)
系统框架图如图5所示。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于港机轮胎吊磷酸铁锂电池并联系统设计的SOC估算法，其特征在于，所述磷酸铁锂电池并联系统是三个子系统并联架构，每个子系统有一个子BMU，用来管理每个子系统，三个子系统将状态变量通过CAN总线上报给总BMU，总BMU再通过通信网络将信息传给PLC控制器，所述SOC估算法具体步骤如下：
步骤1：在磷酸铁锂电池平滑区以电流积分为主；
步骤2：对于单个子系统BMU在原有的电流安时积分基础上，采用基于PNGV等效模型的，通过HPPC实验辨识电池参数；
步骤3：应用无迹kalman算法，通过采样方法近似非线性分布，同时对后验概率密度进行近似来得到次优解的滤波算法；
步骤4：对并联系统采用PID反馈调节算法。
2.如权利要求1所述的SOC估算法，其特征在于，所述步骤2中，对子系统电池在电流积分基础上建立PNGV等效电池模型，R2为欧姆电阻，R1为极化电阻，C1为极化电容，UL为等效电路模型开路电压，I为充放电电流，I1为极化电阻上的电流，电容C2是描述随负载电流的时间累计而产生的开路电压变化，基于等效电路建立PNGV动态模型状态方程和观测方程：
Figure FDA0002299205050000011
UL＝Uoc-U2-R2*I-U1 (2)
所述通过HPPC实验进行电池参数辨识，包括对50Ah高功率单体电池的性能实验做了HPPC测试，具体为:先将单体电池搁置，然后恒流放电放空，再搁置，以恒流恒压充电55Ah，再进行搁置，再放电5Ah，以此时的容量作为SOC为100％的容量，然后进行HPPC脉冲实验，先50A的恒流源对电池进行脉冲放电10s,然后搁置40s,再以50A恒流充电10s，然后再搁置半个小时，接下来再用50A电流使SOC每次减少10％，直到SOC10％，依次循环，计算出：放电起始OCV电压，起始瞬间电压，放电容量，脉冲结束电压，结束瞬间电压，结束后静置电压，充电起始OCV电压，起始瞬间电压，充电容量，脉冲结束电压，结束瞬间电压，结束后静置电压，由HPPC实验计算时间常数可得：
Figure FDA0002299205050000012
Figure FDA0002299205050000021
Figure FDA0002299205050000022
Figure FDA0002299205050000023
储能大电容C2经试验测得电池在SOC0％和SOC100％时的开路电压，通过计算可得公式如下，Q0为额定容量，UL为开路电压
Figure FDA0002299205050000024
3.如权利要求1所述的SOC估算法，其特征在于，所述步骤3中，采用无迹kalman滤波算法对矫正区域进行估算，UT变换是无迹kalman滤波算法的核心，利用非线性随机变量的统计值对非线性函数进行变化，用适当的采样点的分布来表征随机变量的概率密度分布，建立无迹卡尔曼滤波算法状态方程，关键是如何选取sigma点和权值，通常第一个sigma点选择期望值μ，因此建立离散方程可得：
[SOCk]0＝SOCk (8)
Figure FDA0002299205050000025
Figure FDA0002299205050000026
分别计算第一个sigma点的期望和方差的权值
Figure FDA00022992050500000211
和
Figure FDA00022992050500000212
和剩下2n个点的期望和方差的权值
Figure FDA00022992050500000213
和
Figure FDA00022992050500000214
Figure FDA0002299205050000027
Figure FDA0002299205050000028
Figure FDA0002299205050000029
Figure FDA00022992050500000210
n为状态变量的维数，λ为比例系数，其大小决定了sigma点与SOCk之间的距离，且满足λ＝α2(n+k)-n，α用来确定sigma点的分布，通常将其设为数值较小的正数，可取α＝0.01，β用来降低高阶项的误差，对于高斯分布最佳的选择可取β＝2，将k时刻生成得到的sigma点根据状态方程进行非线性传播，得到k+1时刻状态变量的sigma点集：
Figure FDA0002299205050000031
将k时刻生成的sigma点集，通过UT变换加权求平均值，可得到k+1时刻状态变量预测值的均值SOCk+1 -和协方差Pk+1 -.Qk为过程噪音协方差矩阵
Figure FDA0002299205050000032
Figure FDA0002299205050000033
计算卡尔曼增益K，由PNGV状态方程和观测方程推导，离散化可得：
Figure FDA0002299205050000034
Figure FDA0002299205050000035
Figure FDA0002299205050000036
对于k+1时刻输出的sigma点集，通过UT变化加权求电池的端电压k+1时刻均值和协方差：
Figure FDA0002299205050000037
Figure FDA0002299205050000038
Rk为测量噪音(高斯白噪声)协方差矩阵
计算k+1时刻状态变量和输出变量的联合协方差矩阵：
Figure FDA0002299205050000039
卡尔曼增益：
Figure FDA00022992050500000310
SOC状态更新：
Figure FDA00022992050500000311
系统协方差更新：
Figure FDA0002299205050000041
4.如权利要求1所述的SOC估算法，其特征在于，所述步骤4中，对并联系统采用PID调节算法，对系统三个支路SOC的一致性采用PID调节反馈算法，当三个支路由于电压、电流以及温度等外界激励不一样，导致SOC出现不一致的情况，每个子BMU会将自己的状态变量SOC、单体电压等，传给总BMU，总BMU计算当前t1时刻系统的状态变量，并将这些系统变量反馈给每个子BMU，每个子BMU在下一时刻t2的外界激励所产生的状态变量，和t1时刻系统的状态变量进行比较，通过PID算法计算出调速比例K1的值，而每个子系统自身在矫正调速时，通过基于PNGV模型和无迹卡尔曼滤波算出的实际SOC1与OCV表格对应的SOC1’，也会时时产生一个调速比例K1’，最后对比K1和K1’的差值，从而算出每个子BMU当前时刻调速比例
K(t)＝a*K1(t)+b*K1’(t)，这里a+b＝1 (27)。
CN201911214784.7A 2019-12-02 2019-12-02 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法 Withdrawn CN110888063A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911214784.7A CN110888063A (zh) 2019-12-02 2019-12-02 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911214784.7A CN110888063A (zh) 2019-12-02 2019-12-02 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法

Publications (1)

Publication Number Publication Date
CN110888063A true CN110888063A (zh) 2020-03-17

Family

ID=69749886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911214784.7A Withdrawn CN110888063A (zh) 2019-12-02 2019-12-02 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法

Country Status (1)

Country Link
CN (1) CN110888063A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035786A (zh) * 2020-07-30 2020-12-04 山西汾西电子科技股份有限公司 一种电池管理系统的电流算法
CN112379282A (zh) * 2020-12-08 2021-02-19 东风汽车集团有限公司 提高基于安时积分法的动力电池soc估算精度的方法
CN112649744A (zh) * 2020-12-15 2021-04-13 西安奇点能源技术有限公司 一种pcs、bms同步协调soc计算方法及系统
CN113466723A (zh) * 2020-03-31 2021-10-01 比亚迪股份有限公司 确定电池荷电状态的方法及装置，电池管理系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103744026A (zh) * 2013-12-19 2014-04-23 广西科技大学 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法
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
CN106896324A (zh) * 2017-01-20 2017-06-27 东莞市德尔能新能源股份有限公司 一种soc估计方法
CN107831448A (zh) * 2017-11-07 2018-03-23 国网江苏省电力公司盐城供电公司 一种并联型电池系统的荷电状态估计方法
CN109164392A (zh) * 2018-08-22 2019-01-08 清华大学深圳研究生院 一种动力电池的soc估算方法
CN110133507A (zh) * 2019-04-23 2019-08-16 杭州电子科技大学 一种基于narx-ukf算法的电池剩余电量估计方法
CN110196393A (zh) * 2019-05-31 2019-09-03 中国矿业大学 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法
CN110395141A (zh) * 2019-06-27 2019-11-01 武汉理工大学 基于自适应卡尔曼滤波法的动力锂电池soc估算方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744026A (zh) * 2013-12-19 2014-04-23 广西科技大学 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法
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
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
CN106896324A (zh) * 2017-01-20 2017-06-27 东莞市德尔能新能源股份有限公司 一种soc估计方法
CN107831448A (zh) * 2017-11-07 2018-03-23 国网江苏省电力公司盐城供电公司 一种并联型电池系统的荷电状态估计方法
CN109164392A (zh) * 2018-08-22 2019-01-08 清华大学深圳研究生院 一种动力电池的soc估算方法
CN110133507A (zh) * 2019-04-23 2019-08-16 杭州电子科技大学 一种基于narx-ukf算法的电池剩余电量估计方法
CN110196393A (zh) * 2019-05-31 2019-09-03 中国矿业大学 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法
CN110395141A (zh) * 2019-06-27 2019-11-01 武汉理工大学 基于自适应卡尔曼滤波法的动力锂电池soc估算方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466723A (zh) * 2020-03-31 2021-10-01 比亚迪股份有限公司 确定电池荷电状态的方法及装置，电池管理系统
CN112035786A (zh) * 2020-07-30 2020-12-04 山西汾西电子科技股份有限公司 一种电池管理系统的电流算法
CN112035786B (zh) * 2020-07-30 2024-04-09 中船汾西电子科技(山西)股份有限公司 一种电池管理系统的电流算法
CN112379282A (zh) * 2020-12-08 2021-02-19 东风汽车集团有限公司 提高基于安时积分法的动力电池soc估算精度的方法
CN112649744A (zh) * 2020-12-15 2021-04-13 西安奇点能源技术有限公司 一种pcs、bms同步协调soc计算方法及系统

Similar Documents

Publication Publication Date Title
CN110888063A (zh) 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法
CN102355031B (zh) 一种磷酸铁锂动力电池组主动均衡充电方法
US20220163591A1 (en) Battery management apparatus, battery management method, and battery energy storage system
EP4300754A1 (en) Energy storage system and control method therefor
CN111907373A (zh) 一种电动汽车充电电流动态调节的充电方法
CN110208700B (zh) 一种直流微网中储能系统虚拟电池开路电压的计算方法
CN115885447B (zh) 充放电装置、电池充电和放电的方法、以及充放电系统
JP2023514897A (ja) 充電方法、駆動用バッテリーのバッテリー管理システム及び充電ポスト
CN104360286A (zh) 一种锂离子电池荷电状态估算修正方法
CN110970969B (zh) 一种电动船用锂离子动力电池轮休平衡拓扑及控制方法
CN113514770A (zh) 基于开路电压和电池温度驱动锂电池剩余容量soc预测算法
CN107618397A (zh) 电池管理系统
CN107452998A (zh) 基于电池荷电状态的车载动力电池均衡策略
CN106026151A (zh) 一种电动车储换电站的调度方法及装置
US20230036620A1 (en) Charging-and-discharging apparatus, method for charging a battery and charging-and-discharging system
CN112134319A (zh) 一种能量回馈式梯次电池充放电均衡系统及其控制方法
CN113381496A (zh) 基于一种混合储能系统限值管理控制方法
CN109378845A (zh) 一种基于动态集成器的两级调度结构的智能v2g充电方法
CN110739756B (zh) 一种超级电容变换器功率控制方法
CN110470993A (zh) 一种启停电池soc算法
KR102645452B1 (ko) 충방전 장치, 배터리 충전 방법 및 충방전 시스템
CN115912569A (zh) 一种多分支拓扑结构电池系统的控制方法
CN114994556A (zh) 多尺度下电池簇的性能评估方法
Kumar et al. Effect of Various Charging Methods on Off-Board and On-Board Chargers of Electric Vehicles
Wan et al. Design of balanced charging circuit for lithium ion 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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200317

WW01 Invention patent application withdrawn after publication