CN111796185A - 基于t-s型模糊算法的磷酸铁锂电池soc-ocv校准方法 - Google Patents
基于t-s型模糊算法的磷酸铁锂电池soc-ocv校准方法 Download PDFInfo
- Publication number
- CN111796185A CN111796185A CN202010548912.8A CN202010548912A CN111796185A CN 111796185 A CN111796185 A CN 111796185A CN 202010548912 A CN202010548912 A CN 202010548912A CN 111796185 A CN111796185 A CN 111796185A
- Authority
- CN
- China
- Prior art keywords
- soc
- ocv
- error
- pcur
- calibration
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提出了一种基于T‑S型模糊算法的磷酸铁锂电池SOC‑OCV校准方法，通过检测以得到铁锂电芯不同温度下SOC‑OCV曲线，确定BMS最大采集误差为E_bms，SOC‑OCV曲线误差最大为E_ocv，磷酸铁锂SOC计算精度要求为E_soc，根据当前采集到的温度、电压和电芯不同温度下SOC‑OCV曲线、BMS最大采集误差从而得到基于SOC‑OCV曲线、SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH的T‑S型模糊算法校准规则模型，基于该模型设计了合适的规则，从而自动筛选SOC‑OCV曲线中的平台期和非平台期，在非平台期进行SOC‑OCV校准。实现一套算法满足不同款电芯和不同温度下SOC‑OCV校准的精度要求。
Description
技术领域
本发明属于新能源汽车领域，具体涉及一种基于T-S型模糊算法的 磷酸铁锂电池SOC-OCV校准方法。
背景技术
电池管理系统(Battery Management System，BMS)作为电动汽车的核 心部件之一，一直是电动汽车研发的重点。目前越来越多的主机厂转向了成 本低廉的磷酸铁锂电芯，磷酸铁锂电芯逐渐成为市场主流电芯。磷酸铁锂电 芯有如下特点：1)磷酸铁锂SOC-OCV曲线平台期非线性比较严重，所以无 法像三元电芯一样全区间直接进行OCV校准，只能根据磷酸铁锂电池特性 选择SOC-OCV曲线非平台期区间进行校准；2)不同厂家生产生产地磷酸铁 锂电芯采用的制作材料和制造工艺有差别，导致的不同款的磷酸铁锂电芯 SOC-OCV曲线差异较大；3)磷酸铁锂电芯受温度影响较大，不同温度下磷 酸铁锂SOC-OCV曲线差异也比较大。
发明内容
为解决上述技术问题，本发明提出基于T-S型模糊算法的磷酸铁锂电池 SOC-OCV校准算法，以实现一套算法满足不同款电芯和不同温度下 SOC-OCV校准的精度要求。
根据本发明的实施例，本发明提出了一种基于T-S型模糊算法的磷酸铁 锂电池SOC-OCV校准方法，包括：
建立基于T-S型模糊算法的校准规则模型，根据该规则模型中的 SOC_cur与SOC_ncur、SOC_pcur之间的关联性以及预设的约束条件自动筛 选出非平台期实现校准，其中，所述建立基于T-S型模糊算法的校准规则模 型，包括：
确定BMS最大采集误差为E_bms,SOC-OCV曲线误差最大为E_ocv，磷 酸铁锂电池SOC计算精度要求为E_soc；
根据当前采集到的温度、电压和电芯不同温度下SOC-OCV曲线计算出 对应的SOC_cur；根据当前采集到的温度、当前电压、BMS最大采集误差 E_bms、SOC-OCV曲线误差和电芯不同温度下SOC-OCV曲线计算出对应的 SOC_pcur；根据当前采集到的温度、当前电压、BMS最大采集误差E_bms、 SOC-OCV曲线误差和电芯不同温度下SOC-OCV曲线的计算出对应的SOC_ncur；以及通过安时积分得到的校准前SOC为SOC_AH。
从而根据所述SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH形成基于 SOC-OCV曲线的校准规则模型。
在一个实施例中，所述建立基于T-S型模糊算法的校准规则模型之前， 还包括，检测以获取铁锂电池不同温度下的SOC-OCV曲线。
在一个实施例中，所述根据该规则模型中的SOC_cur与SOC_ncur、 SOC_pcur之间的关联性以及预设的约束条件自动筛选出非平台期实现校准 包括：
将计算得到的SOC_cur作为校准值，若所述SOC_cur与当前电压对应SOC 区间边界值之间的差异满足E_soc精度要求时，则将SOC_out直接进行校准 为SOC_cur；
若当前校准之后SOC_cur与当前电压对应SOC区间边界值之间的差异无 法满足E_soc精度要求时，判断所述SOC_AH与所述SOC_pcur、所述SOC_cur、 所述SOC_ncur的大小关系按照如下约束进行校准。
若所述SOC_AH大于所述SOC_pcur时，则SOC_out最大允许校准到 SOC_pcur；
若所述SOC_AH小于所述SOC_ncur时，则SOC_out最大允许校准到SOC_ncur；
若所述SOC_AH在[SOC_ncur,SOC_pcur]区间内时，此时SOC_out不进行 校准，令SOC_out为SOC_AH；
其中，所述当前电压对应的SOC为[SOC_ncur，SOC_pcur]区间内任意值。
在一个实施例中，所述当前校准之后的SOC满足精度要求时直接进行 校准，包括：
所述当前电压为3310mv，所述SOC_pcur为3310mv+error电压对应的 SOC值，SOC_ncur为3310mv-error电压对应的SOC值，SOC_cur为3310mv 对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差 E_ocv之和，SOC_AH为任意值，此时，校准后的输出值SOC_out＝SOC_cur。
在一个实施例中，所述的若所述SOC_AH大于所述SOC_pcur时，则 SOC_out最大允许校准到SOC_pcur，具体包括，包括：
所述当前电压为3290mv，所述SOC_pcur为3290mv+error电压对应的 SOC值，SOC_ncur为3290mv-error电压对应的SOC值，SOC_cur为3290mv 对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差 E_ocv之和，SOC_AH为80％，此时，校准后的输出值SOC_out＝SOC_pcur。
在一个实施例中，所述的若所述SOC_AH小于所述SOC_pcur时，则 SOC_out最大允许校准到SOC_ncur，包括：
SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur为 3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值，error 为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和，SOC_AH 为20％，此时，校准后的输出值SOC_out＝SOC_ncur。
在一个实施例中，所述的若所述SOC_AH在[SOC_ncur,SOC_pcur]区间 内时，此时SOC_out不进行校准，则SOC_out为SOC_AH，具体包括：
SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur为 3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值，error 为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和，SOC_AH 为40％，此时的SOC_out＝SOC_AH。
在一个实施例中，所述校准方法还包括，当电池的静置时间超过一预设 范围时，触发静态校准条件，以SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH 作为变量作为T-S型模糊算法的输入，根据模型中的SOC-OCV曲线斜率以 及预设的规则计算出SOC_out，并将当前SOC校准为SOC_out。
在一个实施例中，所述自动筛选出非平台期，包括：根据当前SOC_cur 与SOC_ncur、SOC_pcur之间的关联性来确定非平台期。
在本发明的实施例中，通过检测以得到铁锂电芯不同温度下SOC-OCV 曲线，确定BMS最大采集误差为E_bms,SOC-OCV曲线误差最大为E_ocv， 磷酸铁锂SOC计算精度要求为E_soc，根据当前采集到的温度、电压和电芯 不同温度下SOC-OCV曲线、BMS最大采集误差从而得到基于SOC-OCV曲 线、SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH的T-S型模糊算法校准规则模型，基于该模型设计了合适的规则，从而自动筛选SOC-OCV曲线中 的平台期和非平台期，在非平台期进行SOC-OCV校准。实现一套算法满足 不同款电芯和不同温度下SOC-OCV校准的精度要求。
附图说明
图1为本发明提出的基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方 法流程图；
图2为本发明提出的基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方 法中不同温度下对应的OCV曲线实施例图；
图3为本发明提出的基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方 法中满足精度要求并直接进行校准的实施例图；
图4为本发明提出的基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方 法中不满足精度时且SOC_AH大于SOC_pcur时实施例图；
图5为本发明提出的基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方 法中不满足精度时且SOC_AH小于SOC_ncur时实施例图；
图6为本发明提出的基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方 法中不满足精度时且SOC_AH在[SOC_ncur,SOC_pcur]区间内时的实施例图。
具体实施方式
为便于理解，下面将结合本发明实施例中的附图，对本发明实施例中的 技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术 人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明 保护的范围。
如图1所示，本发明提出了一种基于T-S型模糊算法的磷酸铁锂电池 SOC-OCV校准算法，建立基于T-S型模糊算法的校准规则模型，根据该规则 模型中的SOC_cur与SOC_ncur、SOC_pcur之间的关联性以及预设的关联性 自动筛选出非平台期实现校准，并输出基于不同约束条件下校准后的 SOC_out值，从而实现不同款电芯和不同温度下SOC-OCV校准的精度要求。
在本发明中，首先测试以得到铁锂电芯不同温度下SOC-OCV曲线，如 图2所示，具体为：
(1)在室温条件下，以1/3C(A)放电至放电截止电压。
(2)在室温条件下，搁置不低于30min或企业规定的静置时间(不高 于60min)。
(3)在室温条件下，再按照以1/3C(A)电池恒流充电至企业规定的 充电终止电压时转恒压充电，至充电终止电流降至0.05C(A)时停止充电， 将电池充满。
(4)在需要测试的温度下，将电池进行静置不低于T_layout小时，直 到电芯温度到达需要测试的温度，电压不再有明显变化。
(5)在需要测试的温度下，以此1/3C(A)的电流进行放电，并且以 当前温度电池的容量的0.05为间隔C_interval，每放电C_interval，静置不小 于1小时(三元电芯1小时，铁锂电芯2小时)，记录当前的OCV。
(5)计算并记录SOC与OCV的对应关系和放电容量(以AH计)。
在本实施例中，针对磷酸铁锂的特性SOC-OCV的特性，我们判断 SOC-OCV曲线是否为非平台期的依据是在当前SOC-OCV曲线的斜率，如 果SOC-OCV曲线的斜率太小则不适合做静态SOC-OCV修正，否则会产生 比较大的误差。
在一个实施例中，建立基于T-S型模糊算法的校准规则模型，包括：
确定BMS最大采集误差为E_bms,SOC-OCV曲线误差最大为E_ocv，磷 酸铁锂电池SOC计算精度要求为E_soc；
根据当前采集到的温度、电压和电芯不同温度下SOC-OCV曲线计算出 对应的SOC_cur；根据当前采集到的温度、当前电压、BMS最大采集误差 E_bms、SOC-OCV曲线误差和电芯不同温度下SOC-OCV曲线计算出对应的 SOC_pcur；根据当前采集到的温度、当前电压、BMS最大采集误差E_bms、 SOC-OCV曲线误差和电芯不同温度下SOC-OCV曲线的计算出对应的SOC_ncur；以及通过安时积分得到的校准前SOC为SOC_AH。
从而根据所述SOC-OCV曲线、SOC_cur、SOC_pcur、SOC_ncur以及 SOC_AH形成基于SOC-OCV斜率的校准规则模型。
在本实施例中，T-S型模糊算法基本包括：对于一个双输入，单输出的 系统而言，则可以通过“If x1 is A1 and x2 is A2,then u is U”来描述。当系统 呈现局部线性，能够进行分段控制时，当输入变量x1和x2是清晰变量时， 则可以将以上T-S型模糊算法使用“If x1 is A1 and x2 is A2,then u＝U”。
该T-S型模糊算法的输入：
根据当前温度和采集到的电压查SOC-OCV得到SOC_cur，根据当前温 度和采集到的电压加最大误差查SOC-OCV得到SOC_pcur，根据当前温度和 采集到的电压减最大误差查SOC-OCV得到SOC_ncur，通过安时积分得到校 准前的SOC_AH。
该模型输出为：
经过SOC-OCV校准之后的SOC_out。
在一个实施例中，基于SOC-OCV斜率进行校准，若当前校准之后的SOC 满足精度要求时直接进行校准。如图3所示，此时，SOC_pcur为3310mv+error 电压对应的SOC值，SOC_ncur为3310mv-error电压对应的SOC值，SOC_cur 为3310mv对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲 线最大误差E_ocv之和，SOC_AH为任意值，此时，校准后的输出值SOC_out ＝SOC_cur。
在一个实施例中，基于SOC-OCV斜率进行校准，当前校准之后无法满 足E_soc精度要求时，若所述SOC_AH大于所述SOC_pcur时，当前采集电 压对应的SOC为[SOC_ncur,SOC_pcur]任意值，则SOC_out最大允许校准到 SOC_pcur，如图4所示，SOC_pcur为3290mv+error电压对应的SOC值， SOC_ncur为3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv 之和，SOC_AH为80％，此时，校准后的输出值SOC_out＝SOC_pcur。
在一个实施例中，基于SOC-OCV斜率进行校准，当前校准之后无法满 足E_soc精度要求时，若所述SOC_AH小于SOC_ncur时，当前采集电压对 应的SOC为[SOC_ncur,SOC_pcur]任意值，此时最大允许校准到SOC_ncur， 如图6所示，此时，SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur 为3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值， error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和， SOC_AH为20％，此时，校准后的输出值SOC_out＝SOC_ncur。
在一个实施例中，基于SOC-OCV斜率进行校准，当前校准之后无法满 足E_soc精度要求时，若所述SOC_AH在[SOC_ncur,SOC_cur]时，当前采集 电压对应SOC为[SOC_ncur,SOC_pcur]任意值，最大允许校准到SOC_pcur， 如图6所示，此时，SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur 为3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值， error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和， SOC_AH为40％，此时，校准之后的输出值SOC_out＝SOC_AH。
在一个实施例中，当电池的静置时间超过一预设范围时，触发静态校准 条件，以SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH作为变量作为T-S 型模糊算法的输入，根据模型中的SOC_cur与SOC_ncur、SOC_pcur之间的 关联性以及预设的约束条件计算出SOC_out，并将当前SOC校准为SOC_out。
在本发明的实施例中，因为校准前后SOC发生了突变，所以将SOC在 充放电过程中平滑逼近SOC_out。
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例 的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其 他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例 看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求 而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内 的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为 限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装 置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二 等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施方式仅用以说明本发明实施例的技术方案而 非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领 域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等 同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (9)
1.一种基于T-S型模糊算法的磷酸铁锂电池SOC-OCV校准方法，其特征在于，包括：
建立基于T-S型模糊算法的校准规则模型，根据该规则模型中的SOC_cur与SOC_ncur、SOC_pcur之间的关联性以及预设的约束条件自动筛选出非平台期实现校准，并输出基于不同约束条件下校准后的SOC_out值，其中，所述建立基于T-S型模糊算法的校准规则模型，包括：
确定BMS最大采集误差为E_bms,SOC-OCV曲线误差最大为E_ocv，磷酸铁锂电池SOC计算精度要求为E_soc；
根据当前采集到的温度、电压和电芯不同温度下SOC-OCV曲线计算出对应的SOC_cur；根据当前采集到的温度、当前电压、BMS最大采集误差E_bms、SOC-OCV曲线误差和电芯不同温度下SOC-OCV曲线计算出对应的SOC_pcur；根据当前采集到的温度、当前电压、BMS最大采集误差E_bms、SOC-OCV曲线误差和电芯不同温度下SOC-OCV曲线的计算出对应的SOC_ncur；以及通过安时积分得到的校准前SOC为SOC_AH；
从而根据所述SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH形成基于SOC-OCV曲线的校准规则模型。
2.根据权利要求1所述的校准方法，其特征在于，所述建立基于T-S型模糊算法的校准规则模型之前，还包括，检测以获取铁锂电池不同温度下的SOC-OCV曲线。
3.根据权利要求1所述的校准方法，其特征在于，所述根据该规则模型中的SOC_cur与SOC_ncur、SOC_pcur之间的关联性以及预设的约束条件自动筛选出非平台期实现校准，具体包括：
将计算得到的SOC_cur作为校准值，若所述SOC_cur与当前电压对应SOC区间边界值之间的差异满足E_soc精度要求时，则将SOC_out直接进行校准为SOC_cur；
若当前校准之后SOC_cur与当前电压对应SOC区间边界值之间的差异无法满足E_soc精度要求时，判断所述SOC_AH与所述SOC_pcur、所述SOC_cur、所述SOC_ncur的大小关系按照如下约束进行校准：
若所述SOC_AH大于所述SOC_pcur时，则SOC_out最大允许校准到SOC_pcur；
若所述SOC_AH小于所述SOC_ncur时，则SOC_out最大允许校准到SOC_ncur；
若所述SOC_AH在[SOC_ncur,SOC_pcur]区间内时，此时SOC_out不进行校准，则SOC_out为SOC_AH；
其中，所述当前电压对应的SOC为[SOC_ncur，SOC_pcur]区间内任意值。
4.根据权利要求3所述的校准方法，其特征在于，所述进行校准之后的SOC能满足精度要求时直接进行校准，具体包括：
所述当前电压为3310mv，所述SOC_pcur为3310mv+error电压对应的SOC值，SOC_ncur为3310mv-error电压对应的SOC值，SOC_cur为3310mv对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和，SOC_AH为任意值，此时，校准后的输出值SOC_out＝SOC_cur。
5.根据权利要求3所述的校准方法，其特征在于，所述的若所述SOC_AH大于所述SOC_pcur时，则SOC_out最大允许校准到SOC_pcur，具体包括：
所述当前电压为3290mv，所述SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur为3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和，SOC_AH为80％，此时，校准后的输出值SOC_out＝SOC_pcur。
6.根据权利要求3所述的校准方法，其特征在于，所述的若所述SOC_AH小于所述SOC_pcur时，则SOC_out最大允许校准到SOC_ncur，包括：
SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur为3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和，SOC_AH为20％，此时，校准后的输出值SOC_out＝SOC_ncur。
7.根据权利要求3所述的校准方法，其特征在于，所述的若所述SOC_AH在[SOC_ncur,SOC_pcur]区间内时，此时SOC_out不进行校准，则SOC_out为SOC_AH，具体包括：
SOC_pcur为3290mv+error电压对应的SOC值，SOC_ncur为3290mv-error电压对应的SOC值，SOC_cur为3290mv对应的SOC值，error为最大采集误差为E_bms与SOC-OCV曲线最大误差E_ocv之和，SOC_AH为40％，此时的SOC_out＝SOC_AH。
8.根据权利要求3所述的校准方法，其特征在于，所述校准方法还包括，当电池的静置时间超过一预设范围时，触发静态校准条件，以SOC_cur、SOC_pcur、SOC_ncur以及SOC_AH作为变量作为T-S型模糊算法的输入，根据模型中的SOC_cur与SOC_ncur、SOC_pcur之间的关联性以及预设的约束条件计算出SOC_out，并将当前SOC校准为SOC_out。
9.根据权利要求1所述的校准方法，其特征在于，所述自动筛选出非平台期，包括：根据所述SOC_cur与SOC_ncur、SOC_pcur之间的关联性来确定非平台期。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010548912.8A CN111796185B (zh) | 2020-06-16 | 2020-06-16 | 基于t-s型模糊算法的磷酸铁锂电池soc-ocv校准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010548912.8A CN111796185B (zh) | 2020-06-16 | 2020-06-16 | 基于t-s型模糊算法的磷酸铁锂电池soc-ocv校准方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111796185A true CN111796185A (zh) | 2020-10-20 |
| CN111796185B CN111796185B (zh) | 2022-11-08 |
Family
ID=72804263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010548912.8A Active CN111796185B (zh) | 2020-06-16 | 2020-06-16 | 基于t-s型模糊算法的磷酸铁锂电池soc-ocv校准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111796185B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112964999A (zh) * | 2021-03-18 | 2021-06-15 | 潍柴动力股份有限公司 | 电池荷电状态的获取方法、装置、设备及介质、程序产品 |
| CN113933728A (zh) * | 2021-09-27 | 2022-01-14 | 江苏双登富朗特新能源有限公司 | 一种磷酸铁锂电池soc-ocv曲线校准静态soc的方法 |
| CN114027822A (zh) * | 2021-04-19 | 2022-02-11 | 北京超思电子技术有限责任公司 | 一种基于ppg信号的呼吸率测量方法及装置 |
| WO2022183459A1 (zh) * | 2021-03-04 | 2022-09-09 | 宁德时代新能源科技股份有限公司 | 一种估算电池包soc的方法、装置及电池管理系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003031431A1 (en) * | 2001-10-09 | 2003-04-17 | Bristol-Myers Squibb Company | Cyclic sulfone derivatives as inhibitors of matrix metalloproteinases and/or tnf-$g(a) converting enzyme (tace) |
| CN101379409A (zh) * | 2006-02-09 | 2009-03-04 | 丰田自动车株式会社 | 二次电池剩余容量推定装置和方法 |
| JP2014182072A (ja) * | 2013-03-21 | 2014-09-29 | Primearth Ev Energy Co Ltd | 二次電池の状態推定装置及び二次電池の状態推定方法 |
| CN107192959A (zh) * | 2017-06-16 | 2017-09-22 | 浙江大学 | 一种基于Takagi‑Sugeno模糊模型的锂电池荷电状态估计方法 |
| CN110133505A (zh) * | 2018-02-05 | 2019-08-16 | 南京湛研能源科技有限公司 | 一种基于变参数模型的动力电池充放电状态观测方法 |
| CN110223417A (zh) * | 2019-06-13 | 2019-09-10 | 北京牛电信息技术有限责任公司 | 电动车辆信息记录方法、装置、手持设备及存储介质 |
| KR102036876B1 (ko) * | 2019-06-05 | 2019-10-25 | (주)티에스식스티즈 | 배터리의 soc 추정방법 및 장치 |
| CN110879364A (zh) * | 2018-08-27 | 2020-03-13 | 比亚迪股份有限公司 | 一种修正电池荷电状态soc显示的方法、装置、电子设备 |
| CN111044916A (zh) * | 2020-01-02 | 2020-04-21 | 北京理工大学 | 一种动力电池的参数与全区间soc联合估计的方法 |
| CN111142027A (zh) * | 2019-12-31 | 2020-05-12 | 国电南瑞南京控制系统有限公司 | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 |
-
2020
- 2020-06-16 CN CN202010548912.8A patent/CN111796185B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003031431A1 (en) * | 2001-10-09 | 2003-04-17 | Bristol-Myers Squibb Company | Cyclic sulfone derivatives as inhibitors of matrix metalloproteinases and/or tnf-$g(a) converting enzyme (tace) |
| CN101379409A (zh) * | 2006-02-09 | 2009-03-04 | 丰田自动车株式会社 | 二次电池剩余容量推定装置和方法 |
| JP2014182072A (ja) * | 2013-03-21 | 2014-09-29 | Primearth Ev Energy Co Ltd | 二次電池の状態推定装置及び二次電池の状態推定方法 |
| CN107192959A (zh) * | 2017-06-16 | 2017-09-22 | 浙江大学 | 一种基于Takagi‑Sugeno模糊模型的锂电池荷电状态估计方法 |
| CN110133505A (zh) * | 2018-02-05 | 2019-08-16 | 南京湛研能源科技有限公司 | 一种基于变参数模型的动力电池充放电状态观测方法 |
| CN110879364A (zh) * | 2018-08-27 | 2020-03-13 | 比亚迪股份有限公司 | 一种修正电池荷电状态soc显示的方法、装置、电子设备 |
| KR102036876B1 (ko) * | 2019-06-05 | 2019-10-25 | (주)티에스식스티즈 | 배터리의 soc 추정방법 및 장치 |
| CN110223417A (zh) * | 2019-06-13 | 2019-09-10 | 北京牛电信息技术有限责任公司 | 电动车辆信息记录方法、装置、手持设备及存储介质 |
| CN111142027A (zh) * | 2019-12-31 | 2020-05-12 | 国电南瑞南京控制系统有限公司 | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 |
| CN111044916A (zh) * | 2020-01-02 | 2020-04-21 | 北京理工大学 | 一种动力电池的参数与全区间soc联合估计的方法 |
Non-Patent Citations (5)
| Title |
|---|
| 吴从秀等: "动力锂电池荷电状态估算的改进方法", 《科学技术与工程》 * |
| 张丹红等: "基于模糊逻辑的HEV再生制动能量回收的研究", 《武汉理工大学学报(信息与管理工程版)》 * |
| 陈德海 等: "基于分级Takagi-Sugeno模糊控制的电池SOC预测研究", 《电源技术》 * |
| 陈涛等: "几个非线性逼近器模糊模型的性能比较", 《兵工自动化》 * |
| 黄小玲等: "混合动力汽车用锂离子电池荷电状态的估计", 《电池》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022183459A1 (zh) * | 2021-03-04 | 2022-09-09 | 宁德时代新能源科技股份有限公司 | 一种估算电池包soc的方法、装置及电池管理系统 |
| CN112964999A (zh) * | 2021-03-18 | 2021-06-15 | 潍柴动力股份有限公司 | 电池荷电状态的获取方法、装置、设备及介质、程序产品 |
| CN112964999B (zh) * | 2021-03-18 | 2022-10-25 | 潍柴动力股份有限公司 | 电池荷电状态的获取方法、装置、设备及介质、程序产品 |
| CN114027822A (zh) * | 2021-04-19 | 2022-02-11 | 北京超思电子技术有限责任公司 | 一种基于ppg信号的呼吸率测量方法及装置 |
| CN113933728A (zh) * | 2021-09-27 | 2022-01-14 | 江苏双登富朗特新能源有限公司 | 一种磷酸铁锂电池soc-ocv曲线校准静态soc的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111796185B (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111796185B (zh) | 基于t-s型模糊算法的磷酸铁锂电池soc-ocv校准方法 | |
| CN110386029B (zh) | 一种根据动态电压修正锂电池soc方法 | |
| CN108717164B (zh) | 电池的荷电状态soc标定方法及系统 | |
| US8332169B2 (en) | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern | |
| US7888911B2 (en) | Method and system for determining the SOC of a rechargeable battery | |
| CN102135603B (zh) | 电池循环寿命估测装置 | |
| CN107783057B (zh) | 一种动力电池soc估算方法及估算系统 | |
| CN112213659B (zh) | 电池容量修正方法及测试系统 | |
| CN112098893B (zh) | 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法 | |
| CN111537885B (zh) | 一种串联电池组的多时间尺度短路电阻估计方法 | |
| CN107817448B (zh) | 一种适用于复杂工况的在线实时监测电池电量的方法 | |
| KR20120028000A (ko) | 리튬이온전지의 충전상태 추정방법 및 이 방법을 구현하기 위한 시스템 | |
| WO2022183459A1 (zh) | 一种估算电池包soc的方法、装置及电池管理系统 | |
| CN112630661B (zh) | 一种电池荷电状态soc估算方法和装置 | |
| CN104681851A (zh) | 一种汽车用锂离子动力电池配组方法 | |
| CN115808638A (zh) | 一种荷电状态计算方法、装置、存储介质及电池管理系统 | |
| CN111707947A (zh) | 在线识别电池容量并迭代校准的方法与装置 | |
| CN113933728A (zh) | 一种磷酸铁锂电池soc-ocv曲线校准静态soc的方法 | |
| Zhu et al. | Online state of charge EKF estimation for LiFePO 4 battery management systems | |
| CN117250514A (zh) | 一种动力电池系统全生命周期soc的修正方法 | |
| CN114675193B (zh) | 一种许用功率估算方法、电池管理系统及存储介质 | |
| CN112578282B (zh) | 估算电池soc的方法、用电设备以及存储介质 | |
| CN115113061A (zh) | 修正电池soc的方法及相关装置 | |
| CN111033930B (zh) | 电池和电池包的荷电状态的估计方法及利用此荷电状态估计方法的电池管理系统 | |
| CN111177992A (zh) | 基于电化学理论和等效电路模型的电池模型及其构建方法 |
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 |