CN111537895A - 一种多参数联合估算soc的方法 - Google Patents

一种多参数联合估算soc的方法 Download PDF

Info

Publication number
CN111537895A
CN111537895A CN202010666243.4A CN202010666243A CN111537895A CN 111537895 A CN111537895 A CN 111537895A CN 202010666243 A CN202010666243 A CN 202010666243A CN 111537895 A CN111537895 A CN 111537895A
Authority
CN
China
Prior art keywords
soc
ekf
battery
value
variation
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
CN202010666243.4A
Other languages
English (en)
Other versions
CN111537895B (zh
Inventor
刘刚
杨新哲
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.)
Yanfeng Visteon Electronic Technology Nanjing Co Ltd
Original Assignee
Yanfeng Visteon Electronic Technology Nanjing 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 Yanfeng Visteon Electronic Technology Nanjing Co Ltd filed Critical Yanfeng Visteon Electronic Technology Nanjing Co Ltd
Priority to CN202010666243.4A priority Critical patent/CN111537895B/zh
Publication of CN111537895A publication Critical patent/CN111537895A/zh
Application granted granted Critical
Publication of CN111537895B publication Critical patent/CN111537895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables

Abstract

本发明涉及一种多参数联合估算SOC的方法，属于电池管理技术领域，先采用基于电池二阶RC等效电路模型实现EKF算法估算电池的SOC，记为SOCekf，并采用Ah积分法同步估算电池的SOC，记为SOCah，再根据固定时间T内Ah变化量与SOCekf的变化量对比，计算SOCekf的加权系数，最后将SOCekf和SOCah按照加权系数进行相加融合输出最终的SOC数据；其中，基于前n周期的电流的方差判断电池运行工况，选择递推最小二乘法估算电池二阶RC等效电路模型参数的最优值以实时更新电路模型参数。该方法中独特的SOC数据处理方案能够筛选出较为准确的SOC，保证SOC估算误差最小。

Description

一种多参数联合估算SOC的方法
技术领域
本发明涉及电池管理技术领域，尤其涉及一种电动汽车用电池的电池荷电状态（SOC）的多参数联合估算方法。
背景技术
电池剩余电量又称电池的荷电状态是电池状态(State of Charge ,S0C)的重要参数之一，为电动汽车整车的控制策略提供依据。精确估算当前电池剩余电量，保证SOC维持在合理的范围内，防止过充或过放对电池损伤，为我们合理利用电池，提高电池使用寿命，降低维护成本提供了技术方向。如何准确又可靠得获得电池SOC值是电池管理系统最基本也是最重要的任务。
目前汽车工业上采取的估算方案主要为安时（Ah）积分法，并通过OCV-SOC曲线进行SOC修正。该方法原理简单，适用于大多数电池，但由于电流采样不准确，安时积分法误差累计快，无法实时修正以及SOC初始值不准等原因，导致估算出的SOC与实际的SOC偏差较大。
扩展卡尔曼滤波算法(Extended Kalman Filter, EKF)是基于电池模型的一种闭环算法，在模型建立准确的情况下，可精确估算出电池SOC。由于电动汽车运行工况复杂，电池模型并不能模拟电池的实际工况，且随着电池使用，电池内部发生改变，同样会导致电池模型与电池特性偏差较大，导致EKF算法精度越来越低。
发明内容
本发明的目的在于提供一种多参数联合估算SOC的方法，该方法继承EKF方案的实时SOC校准优点及Ah积分方案稳定可靠的特点，降低对电池模型的依赖，同时工况识别，保证模型参数在线辨识准确度，最终实现在电池生命周期内均能够准确估算电池SOC。
为了实现上述目的，本发明采用的技术方案为，一种多参数联合估算SOC的方法，首先采用基于电池二阶RC等效电路模型实现EKF算法估算电池的SOC，记为SOCekf，同时采用Ah积分法同步估算电池的SOC，记为SOCah，然后根据固定时间T内Ah(电流积分)变化量与SOCekf的变化量对比，计算SOCekf加权系数，最后将SOCekf和SOCah按照加权系数进行相加融合输出最终的SOC数据；其中，基于前n周期的电流的方差判断电池运行工况，选择递推最小二乘法（RLS）估算电池二阶RC等效电路模型参数的最优值以实时更新电路模型参数。
作为本发明的一种改进， 所述固定时间T内Ah变化量具体是时间T内的电流积分值，所述的“根据固定时间T内Ah变化量与SOCekf的变化量对比并计算SOCekf加权系数”具体是：将Ah变化量作为参考量，将Ah变化量与SOCekf的变化量进行最大值最小值标准化计算得出SOCekf的加权系数。
作为本发明的一种改进， 所述SOCekf的加权系数取值在[-1,1]之间。
作为本发明的一种改进， 在将SOCekf和SOCah按照加权系数进行相加融合之前需要对SOCekf和SOCah进行可靠值筛选，具体是在电流小于设定阈值I的t时刻，分别根据SOCekf和SOCah查SOC与OCV关系表得到对应的开路电压Uekf和Uah，并与此时测量的电池端电压进行比较，选择偏差较小的电压作为基准电压，并根据SOC-OCV曲线确认出SOCekf和SOCah中比较可靠的值；以SOCekf和SOCah中比较可靠的值为主进行SOC数据融合输出最终的SOC数据。
作为本发明的一种改进，所述电流阈值I的取值应小于0.1C，其中C为电池额定容量。
作为本发明的一种改进， 所述SOCekf的加权系数k的计算公式为
Figure DEST_PATH_IMAGE002AA
（1）
公式（1）中Q为电池的有效容量，
Figure 366264DEST_PATH_IMAGE004
为T时间内EKF估算SOC的变化量，
Figure 719885DEST_PATH_IMAGE006
为T时间内Ah变化量；以SOCekf为主进行SOC数据融合的计算公式为
Figure DEST_PATH_IMAGE008AA
（2）
公式（2）中
Figure 377131DEST_PATH_IMAGE010
为Ah积分法估算的SOC值，
Figure 372769DEST_PATH_IMAGE012
为EKF算法估算的SOC值。
作为本发明的一种改进， 所述前n周期的电流的方差的计算公式为
Figure DEST_PATH_IMAGE014AA
（3）
公式（3）中xi为第i周期的电流值，E（x）为前n周期的电流的平均值。
作为本发明的一种改进， 利用递推最小二乘法（RLS）估算的电池二阶RC等效电路模型参数包括内阻R ohm、极化内阻R s和R m、极化电容C s和C m. 。
作为本发明的一种改进， 当前n周期的电流的方差值均大于设定的阈值时，认为该段电池运行工况下利用RLS算法所辨识的电池二阶RC等效电路模型参数内阻R ohm、极化内阻R s和R m、极化电容C s和C m.相对可靠，并将辨识的参数内阻R ohm、极化内阻R s和R m、极化电容C s和C m. 应用于n+1周期的SOC估算。
相对于现有技术，本发明的SOC联合估算方法整体构思巧妙，同时采用EKF方案和Ah积分方案分别进行SOC估算，其中，基于电池二阶RC等效电路模型实现EKF算法估算SOC，继承了EKF方案的实时SOC校准优点以及Ah积分方案稳定可靠的特点，同时为将等效电路模型与实际电池特性间的偏差降低到最小，利用递推最小二乘法实现等效电路模型的在线估算，通过计算电流方差选择比较理想的电池运行工况，保证RLS计算的模型参数在线辨识准确度高，最终实现在电池生命周期内均能够准确估算电池SOC。该方法在复杂的电池运行工况下以及电池不同的老化状态下均能够精确计算电池的SOC。
附图说明
图1为本发明所提出的联合估算SOC方法的流程框图；
图2为本发明所提出的联合估算SOC方法中电池二阶RC等效电路模型。
具体实施方式
为了加深对本发明的理解和认识，下面结合附图对本发明作进一步描述和介绍。
针对EKF方案过度依赖电池模型，Ah积分方案估算累计误差的问题，本发明在特定时间间隔内，根据Ah（电流积分）变化量及对比电压偏差将EKF与Ah方案优势结合，降低EKF算法对电池模型的依赖，提供算法的鲁棒性，同时通过电流方差判断工况，选择RLS估算电池等效电路模型参数的最优值，保证电池等效电路模型参数的实时性和准确性，最终实现电池生命周期内SOC准确估算。
如图1所示，一种多参数联合估算SOC的方法， 该方法包括SOC估算、SOC数据处理和等效电路模型参数在线辨识三部分，其中SOC估算是采用基于图2中电池二阶RC等效电路模型实现EKF算法估算电池的SOC，记为SOCekf，同时采用Ah积分法同步估算电池的SOC，记为SOCah，两种算法互相独立，分别计算电池的SOC。
SOC数据处理包含SOC校准和SOC融合计算，SOC校准是由于不知道SOCekf和SOCah那个数据更接近真实值，在电流小于设定阈值I(阈值应小于0.1C，其中C为电池额定容量)的t时刻，分别根据SOCekf和SOCah查SOC与OCV关系表得到对应的开路电压Uekf和Uah。由于此时电流较小，电池内阻及极化阻抗的分压可以近似忽略，此时测量的电池端电压接近电池的实际开路电压，分别将电池端电压与Uekf和Uah比较，选择偏差较小的电压作为基准电压，进而根据SOC-OCV曲线确认出SOCekf和SOCah中比较可靠的值从而得到较为准确的SOC数值。电池的SOC-OCV曲线是为电池在不同温度及不同老化状态下的SOC-OCV曲线，获得该曲线的方法为：电池在满电状态下，每次放出5%的电量后静置1小时后读取开路电压，直至电池的截至电压。
SOC融合计算是根据固定时间T内Ah变化量分别与SOCekf的变化量对比，计算SOCekf的加权系数，最后将SOCekf和SOCah按照加权系数进行相加融合输出最终的SOC数据，具体是以SOCekf和SOCah中比较可靠的值为主进行SOC数据融合输出最终的SOC数据。其中，固定时间T内Ah变化量具体是时间T内的电流积分值，将Ah变化量作为参考量，将Ah变化量与SOCekf的变化量根据下面的公式（1）计算得出。所述SOCekf的加权系数取值在[-1,1]之间。
假设SOCekf更接近真实值，则按照下面的公式（1）计算SOCekf的加权系数k：
Figure DEST_PATH_IMAGE002AAA
（1）
公式（1）中Q为电池的有效容量，
Figure DEST_PATH_IMAGE015
为T时间内EKF估算SOC的变化量，
Figure DEST_PATH_IMAGE016
为T时间内Ah变化量；以SOCekf为主进行SOC数据融合的计算公式为
Figure DEST_PATH_IMAGE008AAA
（2）
公式（2）中
Figure DEST_PATH_IMAGE017
为Ah积分法估算的SOC值，
Figure DEST_PATH_IMAGE018
为EKF算法估算的SOC值。
图2中，电池二阶RC等效电路模型参数包括内阻R ohm、极化内阻R s和R m、极化电容C s和C m. 。等效电路模型参数在线辨识是采用常规的递推最小二乘法（RLS），由于RLS算法在数据变化不大的电池运行工况下辨识的数据不是很准确，因此需要分别计算前面n周期电流的方差，具体采用下面的公式（3）计算：
Figure DEST_PATH_IMAGE014AAA
（3）
公式（3）中xi为第i周期的电流值，E（x）为前n周期的电流的平均值。
采用HPPC（Hybrid Pulse Power Characteristic，混合动力脉冲能力特性）对电池进行测试，并通过RLS算法得到电池的离线参数作为电路参数的初始值。
当前n周期的电流的方差值均大于设定的阈值（阈值大小应由大量测试数据统计得出，电流应该有较大变化）时，认为该段电池运行工况下利用RLS算法所辨识的电池二阶RC等效电路模型参数内阻R ohm、极化内阻R s和R m、极化电容C s和C m相对可靠，并将辨识的参数内阻R ohm、极化内阻R s和R m、极化电容C s和C m.应用于n+1周期的SOC估算。
本发明的多参数联合估算SOC方法具体操作步骤如下：
Step1: 通过查表，如表1所示得到电池SOC数值，作为EKF算法及Ah积分法的初始值。
表1. SOC与OCV关系表
SOC OCV
0% 3.158
5% 3.412
10% 3.457
15% 3.501
20% 3.543
25% 3.577
30% 3.598
35% 3.613
40% 3.627
45% 3.642
50% 3.661
55% 3.686
60% 3.721
65% 3.776
70% 3.829
75% 3.879
80% 3.932
85% 3.988
90% 4.049
95% 4.113
100% 4.182
Step2: EKF算法和Ah积分法分别输出电池的SOC，分别记为SOCekf和SOCah。
Step3: 在时间T内计算电流积分，即为Ah变化量，同时计算SOCekf变化量，将Ah变化量作为参考量，计算得到加权系数k。
Step4: 在电流小于设定阈值I的t时刻，分别根据SOCekf和SOCah根据表1查表得到对应的开路电压Uekf和Uah，分别与电池的端电压U做比较，并将偏差较小的开路电压作为相对可靠的电压，进而确认出SOCekf和SOCah中比较可靠的值。
Step5:根据公式（2）更新SOC数值。
Step6:基于电流方差筛选出较为合适的电池运行工况，此时RLS估算的等效电路参数如图2中内阻R ohm，极化内阻R s、R m，极化电容C s、C m相对可信，并将辨识的参数应用于n+1周期的SOC估算。
本发明同时采用EKF和Ah积分方案分别进行SOC初步估算，根据固定时间内Ah变化量与EKF估算SOC的变化量对比，计算两种方案估算出SOC的权重，得到最终的SOC数值。该方案实现EKF与Ah积分优势结合，同时降低EKF对电池模型的依赖及Ah积分法对初始值的依赖，提高SOC估算精度。并且基于电流低于固定阈值的电池运行工况下，根据EKF和Ah积分方案分别估算的SOC数值查OCV-SOC表，并与电池端电压U做差比较，选择偏差较小的SOC值作为基准SOC值。同时基于前n周期的电流的方差，筛选出较为适合RLS估算的电池运行工况，得到较为准确的等效参数，实现等效电路参数的实时更新，保证等效电路模型与实际电池特性偏差较小，实现电池生命周期内的SOC高精度估算。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种多参数联合估算SOC的方法，其特征在于：首先采用基于电池二阶RC等效电路模型实现EKF算法估算电池的SOC，记为SOCekf，同时采用Ah积分法同步估算电池的SOC，记为SOCah，然后根据固定时间T内Ah变化量与SOCekf的变化量对比，计算SOCekf的加权系数，最后将SOCekf和SOCah按照加权系数进行相加融合输出最终的SOC数据；其中，基于前n周期的电流的方差判断电池运行工况，选择递推最小二乘法估算电池二阶RC等效电路模型参数的最优值以实时更新电路模型参数。
2.如权利要求1所述的一种多参数联合估算SOC的方法，其特征在于，所述固定时间T内Ah变化量具体是时间T内的电流积分值，所述的根据固定时间T内Ah变化量与SOCekf的变化量对比并计算SOCekf的加权系数具体是：将Ah变化量作为参考量，将Ah变化量与SOCekf的变化量进行最大值最小值标准化计算得出SOCekf的加权系数。
3.如权利要求1或2所述的一种多参数联合估算SOC的方法，其特征在于，所述SOCekf的加权系数取值在[-1,1]之间。
4.如权利要求3所述的一种多参数联合估算SOC的方法，其特征在于，在将SOCekf和SOCah按照加权系数进行相加融合之前需要分别对SOCekf和SOCah进行SOC校准，具体是在电流小于设定阈值I的t时刻，分别根据SOCekf和SOCah查SOC与OCV关系表得到对应的开路电压Uekf和Uah，并与此时测量的电池端电压进行比较，选择偏差较小的电压作为基准电压，并根据SOC-OCV曲线确认出SOCekf和SOCah中比较可靠的值；以SOCekf和SOCah中比较可靠的值为主进行SOC数据融合输出最终的SOC数据。
5.如权利要求4所述的一种多参数联合估算SOC的方法，其特征在于，所述电流阈值I的取值应小于0.1C，其中C为电池的额定容量。
6.如权利要求5所述的一种多参数联合估算SOC的方法，其特征在于，所述SOCekf的加权系数k的计算公式为
Figure DEST_PATH_IMAGE002A
（1）
公式（1）中Q为电池的有效容量，
Figure 95303DEST_PATH_IMAGE004
为T时间内EKF估算SOC的变化量，
Figure 74760DEST_PATH_IMAGE006
为T时间内Ah变化量；以SOCekf为主进行SOC数据融合的计算公式为
Figure DEST_PATH_IMAGE008A
（2）
公式（2）中
Figure 979131DEST_PATH_IMAGE010
为Ah积分法估算的SOC值，
Figure 171078DEST_PATH_IMAGE012
为EKF算法估算的SOC值。
7.如权利要求6所述的一种多参数联合估算SOC的方法，其特征在于，所述前n周期的电流的方差的计算公式为
Figure DEST_PATH_IMAGE014A
（3）
公式（3）中xi为第i周期的电流值，E（x）为前n周期的电流的平均值。
8.如权利要求7所述的一种多参数联合估算SOC的方法，其特征在于，利用递推最小二乘法估算的电池二阶RC等效电路模型参数包括内阻R ohm、极化内阻R s和R m、极化电容C s和C m。
9.如权利要求8所述的一种多参数联合估算SOC的方法，其特征在于，当前n周期的电流的方差值均大于设定的阈值时，认为该段电池运行工况下利用递推最小二乘法所辨识的电池二阶RC等效电路模型参数内阻R ohm、极化内阻R s和R m、极化电容C s和C m.相对可靠，并将辨识的参数内阻R ohm、极化内阻R s和R m、极化电容C s和C m. 应用于n+1周期的SOC估算。
CN202010666243.4A 2020-07-13 2020-07-13 一种多参数联合估算soc的方法 Active CN111537895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010666243.4A CN111537895B (zh) 2020-07-13 2020-07-13 一种多参数联合估算soc的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010666243.4A CN111537895B (zh) 2020-07-13 2020-07-13 一种多参数联合估算soc的方法

Publications (2)

Publication Number Publication Date
CN111537895A true CN111537895A (zh) 2020-08-14
CN111537895B CN111537895B (zh) 2020-10-30

Family

ID=71976535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010666243.4A Active CN111537895B (zh) 2020-07-13 2020-07-13 一种多参数联合估算soc的方法

Country Status (1)

Country Link
CN (1) CN111537895B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112034366A (zh) * 2020-08-25 2020-12-04 惠州市蓝微电子有限公司 一种soc动态补偿方法及电子系统
CN113093027A (zh) * 2021-04-02 2021-07-09 北京海博思创科技股份有限公司 电池soc校准方法、装置、系统、介质及程序产品
CN113219347A (zh) * 2021-04-27 2021-08-06 东软睿驰汽车技术（沈阳）有限公司 一种电池参数测量方法及装置
CN113495223A (zh) * 2020-04-02 2021-10-12 南京南瑞继保电气有限公司 一种大规模锂电池阵列的soc估算方法
CN115166536A (zh) * 2022-09-01 2022-10-11 中创新航科技股份有限公司 一种电池系统的soc的确定方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013072677A (ja) * 2011-09-27 2013-04-22 Primearth Ev Energy Co Ltd 二次電池の充電状態推定装置
CN103399277A (zh) * 2013-07-29 2013-11-20 重庆长安汽车股份有限公司 一种动力电池实际容量估算方法
KR101529515B1 (ko) * 2014-06-12 2015-06-17 국방과학연구소 Mmae-ekf를 이용한 배터리의 soc 추정 방법 및 그 장치
CN105501074A (zh) * 2015-11-30 2016-04-20 于在水 电动车辆控制方法
CN107688155A (zh) * 2017-10-19 2018-02-13 中国矿业大学 一种用于电池管理系统中的电池剩余容量估算方法
CN107728074A (zh) * 2017-10-23 2018-02-23 上海理工大学 一种考虑传感器与模型误差的锂电池荷电状态估计方法
CN108896926A (zh) * 2018-07-18 2018-11-27 湖南宏迅亿安新能源科技有限公司 一种锂电池健康状态的评估方法、评估系统及相关组件
CN110286324A (zh) * 2019-07-18 2019-09-27 北京碧水润城水务咨询有限公司 一种电池荷电状态估算方法及电池健康状态估算方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013072677A (ja) * 2011-09-27 2013-04-22 Primearth Ev Energy Co Ltd 二次電池の充電状態推定装置
CN103399277A (zh) * 2013-07-29 2013-11-20 重庆长安汽车股份有限公司 一种动力电池实际容量估算方法
KR101529515B1 (ko) * 2014-06-12 2015-06-17 국방과학연구소 Mmae-ekf를 이용한 배터리의 soc 추정 방법 및 그 장치
CN105501074A (zh) * 2015-11-30 2016-04-20 于在水 电动车辆控制方法
CN107688155A (zh) * 2017-10-19 2018-02-13 中国矿业大学 一种用于电池管理系统中的电池剩余容量估算方法
CN107728074A (zh) * 2017-10-23 2018-02-23 上海理工大学 一种考虑传感器与模型误差的锂电池荷电状态估计方法
CN108896926A (zh) * 2018-07-18 2018-11-27 湖南宏迅亿安新能源科技有限公司 一种锂电池健康状态的评估方法、评估系统及相关组件
CN110286324A (zh) * 2019-07-18 2019-09-27 北京碧水润城水务咨询有限公司 一种电池荷电状态估算方法及电池健康状态估算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SUN YONG等: "Estimation Method of State-of-Charge For Lithium-ion Battery Used in Hybrid Electric Vehicles Based on Variable Structure Extended Kalman Filter", 《CHINESE JOURNAL OF MECHANICAL ENGINEERING》 *
李建成等: "基于改进Kalman滤波和安时积分的SOC复合估算", 《电源技术》 *
艾贤策等: "车用锂离子超级电容的SOC估算方法", 《电源技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113495223A (zh) * 2020-04-02 2021-10-12 南京南瑞继保电气有限公司 一种大规模锂电池阵列的soc估算方法
CN112034366A (zh) * 2020-08-25 2020-12-04 惠州市蓝微电子有限公司 一种soc动态补偿方法及电子系统
CN113093027A (zh) * 2021-04-02 2021-07-09 北京海博思创科技股份有限公司 电池soc校准方法、装置、系统、介质及程序产品
CN113219347A (zh) * 2021-04-27 2021-08-06 东软睿驰汽车技术（沈阳）有限公司 一种电池参数测量方法及装置
CN115166536A (zh) * 2022-09-01 2022-10-11 中创新航科技股份有限公司 一种电池系统的soc的确定方法及装置
CN115166536B (zh) * 2022-09-01 2022-12-13 中创新航科技股份有限公司 一种电池系统的soc的确定方法及装置

Also Published As

Publication number Publication date
CN111537895B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111537895B (zh) 一种多参数联合估算soc的方法
CN108196200B (zh) 一种锂电池健康和荷电状态的联合模拟评估方法
US10312699B2 (en) Method and system for estimating battery open cell voltage, state of charge, and state of health during operation of the battery
CN108539300B (zh) 电池包的电量均衡方法及系统
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
Chen et al. Battery state of charge estimation based on a combined model of Extended Kalman Filter and neural networks
CN108369258B (zh) 状态估计装置、状态估计方法
JP5818878B2 (ja) リチウムイオン電池充電状態の算出方法
CN111007400A (zh) 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法
CN110596593A (zh) 基于智能自适应扩展卡尔曼滤波的锂离子电池soc估计方法
CN105301509A (zh) 锂离子电池荷电状态、健康状态与功率状态的联合估计方法
CN112444749B (zh) 一种基于温度修正模型的锂电池荷电状态联合估计方法
JP2011515651A (ja) バッテリー管理システムにおけるバッテリーのｓｏｃ測定方法及び装置
CN111220920B (zh) 基于h∞无迹卡尔曼滤波算法的退役锂离子电池荷电状态计算方法
Susanna et al. Comparison of simple battery model and thevenin battery model for SOC estimation based on OCV method
CN113625174B (zh) 一种锂离子电池soc与容量联合估计方法
CN108169687A (zh) 一种基于云平台的蓄电池soc估算方法
CN109752660B (zh) 一种无电流传感器的电池荷电状态估计方法
CN109655758B (zh) 电池开路电压测量方法及系统
CN111216595B (zh) 基于锂电池等效电路模型的重度混合动力汽车soc校准方法
CN112485680B (zh) 一种电池soc估算方法
CN110133510B (zh) 一种锂离子电池荷电状态soc混合估计方法
CN112415412A (zh) 估算电池soc值的方法和装置及车辆、存储介质
CN109298340B (zh) 一种基于可变时间尺度的电池容量在线估计方法
CN106815406B (zh) 一种基于特征模型的动力电池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