CN112327183A - 一种锂离子电池soc估算方法和装置 - Google Patents
一种锂离子电池soc估算方法和装置 Download PDFInfo
- Publication number
- CN112327183A CN112327183A CN202011005400.3A CN202011005400A CN112327183A CN 112327183 A CN112327183 A CN 112327183A CN 202011005400 A CN202011005400 A CN 202011005400A CN 112327183 A CN112327183 A CN 112327183A
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- soc
- equivalent circuit
- kalman filtering
- 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
- 238000000034 method Methods 0.000 title claims abstract description 99
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 74
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 74
- 238000001914 filtration Methods 0.000 claims abstract description 62
- 238000013507 mapping Methods 0.000 claims abstract description 60
- 238000005259 measurement Methods 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 34
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage 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
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
- G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明实施例提供了一种锂离子电池SOC估算方法和装置,所述方法包括:确定电池等效电路模型中各模型参数与SOC值的映射关系;并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。本发明实施例提供的锂离子电池SOC估算方法,能够使得多个卡尔曼滤波能够以不同权重系数比例的形式相结合,最后通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,以获得最优的SOC估计值,相当于采用多个高斯密度函数按照一定的权重系数来准确描述整个过程中的过程噪声和量测噪声,大大提升了SOC估算结果的准确度,通用性强。
Description
技术领域
本发明涉及电池管理技术领域,尤其涉及一种锂离子电池SOC估算方法和装置。
背景技术
电动汽车电池管理技术涉及电池的诸多方面,其中,电池荷电状态或剩余电量的估算(State of Charge,简称SOC估算)占有重要的地位。电池SOC 估算准确与否,不仅影响到电池的容量利用效率和电池的使用寿命,更有可能直接影响到整个电池管理系统的运行和决策,进而影响电动汽车整车性能。
有学者提出了一种锂电池在线SOC测量方法,其主要基于混合高斯过程和动态OCV修正过程。该方法中综合了混合高斯模型和高斯过程回归模型,能表示出动态非线性的时间序列,动态OCV修正的方法能根据外部因素校准 OCV-SOC曲线,从而对SOC进行修正,消除累积误差,以在一定程度上提升锂电池在线SOC测量结果的精确度。但是,该方法本质上是基于卡尔曼滤波和OCV-SOC曲线来进行的SOC估计,其完全平衡状态下的开路电压在汽车行驶中很难准确获得,并且随着充放电状态的加剧,估计出来的开路电压经常会出现虚高或者虚低的现象,导致结果仍然存在很大误差。此外,由于锂电池存在滞回效应,充电和放电的OCV-SOC曲线也会存在明显差异,从而影响最终结果。
也有学者提出了一种基于高斯过程回归的动力电池组SOC估计方法,其主要基于特征参数选择和高斯过程回归。该方法分别计算电流等与SOC的相关参数,构建输入数据集;对输入数据集进行主成分分析,选取指数平方函数作为核函数,利用得到的样本数据进行模型训练,将采集的数据导入训练好的模型中进行电池组SOC估计,从而在一定程度是上改善电池组SOC估计存在的精度差和计算量大的问题。该方法本质上还是采用滤波算法进行 SOC估计,其需要以假设过程噪声和量测噪声均为高斯分布为前提,但实际上真实情况中噪声的概率分布根本就是非常难以确定的,将其假设为高斯分布,是忽略了很多干扰噪声的处理方式,所以根据该方法估算出的SOC结果仍然准确度很低。
发明内容
针对现有技术存在的问题,本发明实施例提供了一种锂离子电池SOC 估算方法和装置。
第一方面,本发明实施例提供了一种锂离子电池SOC估算方法,包括:
确定电池等效电路模型中各模型参数与SOC值的映射关系;
并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。
进一步地,所述并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型,包括:
并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间方程;
并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立系统量测更新方程,并定义量测矩阵。
进一步地,所述通过高斯和卡尔曼滤波算法对电池离散状态空间模型的 SOC值进行估算,包括:
对初始时刻的概率密度函数进行初始化处理,确定初始时刻的状态值和协方差矩阵;
并行运行所有的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,其中,所述权重系数根据由量测值获得先验状态估计的相对可信度计算得出;
计算当前时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则继续循环执行计算操作。
进一步地,所述确定电池等效电路模型中各模型参数与SOC值的映射关系,包括:
建立锂离子电池的电池等效电路模型,并建立所述电池等效电路模型的特性方程;
确定所述电池等效电路模型的各模型参数;
通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系。
第二方面,本发明实施例提供了一种锂离子电池SOC估算装置,包括:
映射模块,用于确定电池等效电路模型中各模型参数与SOC值的映射关系;
运行模块,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
估算模块,用于通过高斯和滤波算法对电池离散状态空间模型的SOC值进行估算。
进一步地,所述运行模块,包括:
离散状态空间模块,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间方程;
量测模块,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立系统量测更新方程,并定义量测矩阵。
进一步地,所述估算模块,包括:
预处理模块,用于对初始时刻的概率密度函数进行初始化处理,确定初始时刻的状态值和协方差矩阵;
计算模块,用于并行运行所有的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,其中,所述权重系数根据由量测值获得先验状态估计的相对可信度计算得出;
判断模块,用于计算当前时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则继续循环执行计算操作。
进一步地,所述映射模块,包括:
等效模块,用于建立锂离子电池的电池等效电路模型,并建立所述电池等效电路模型的特性方程;
参数确定模块,用于确定所述电池等效电路模型的各模型参数;
关系确定模块,用于通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系。
第三方面,本发明实施例提供了一种电子设备,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计算机程序时实现如上所述的锂离子电池SOC估算方法。
第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的锂离子电池SOC估算方法。
本发明实施例提供的锂离子电池SOC估算方法,在每个时刻对锂离子电池SOC的估算过程中,均并行运行多个卡尔曼滤波,并结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立出反映锂离子电池状态更新和量测更新的电池离散状态空间模型,使得多个卡尔曼滤波能够以不同权重系数比例的形式相结合,最后通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,以获得最优的SOC估计值,相当于采用了多个高斯密度函数按照一定的权重系数来准确描述整个过程中的过程噪声和量测噪声,大大提升了SOC估算结果的准确度,并且还能适用于过程噪声和量测噪声不符合正态分布时锂离子电池SOC值估算过程的情景,通用性强。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的一种锂离子电池SOC估算方法的流程示意图;
图2是本发明第二实施例提供的一种锂离子电池SOC估算方法的流程示意图;
图3是本发明第三实施例提供的一种锂离子电池SOC估算方法的流程示意图;
图4是本发明第四实施例提供的一种锂离子电池SOC估算方法的流程示意图;
图5是图4所示锂离子电池SOC估算方法中建立的等效电路模型示意图;
图6是锂离子电池SOC估算方法实例中,对应图3所示步骤S1031-S1033 循环计算过程示意图;
图7是本发明第五实施例提供的一种锂离子电池SOC估算装置的结构示意图;
图8是本发明第六实施例提供的一种锂离子电池SOC估算装置的结构示意图;
图9是本发明第七实施例提供的一种锂离子电池SOC估算装置的结构示意图;
图10是本发明第八实施例提供的一种锂离子电池SOC估算装置的结构示意图;
图11是本发明实施例提供的一种电子设备的结构示意图。
附图标记:
701:映射模块;702:运行模块;703:估算模块;
7021:离散状态空间模块;7022:量测模块;
7031:预处理模块;7032:计算模块;7033:判断模块;
7011:等效模块;7012:参数确定模块;7013:关系确定模块;
1110:处理器;1120:通信接口;1130:存储器;1140:通信总线。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本发明实施例提供了一种锂离子电池SOC估算方法,包括:
S101、确定电池等效电路模型中各模型参数与SOC值的映射关系;
S102、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
S103、通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。
本发明实施例提供的锂离子电池SOC估算方法,在每个时刻对锂离子电池SOC的估算过程中,均并行运行多个卡尔曼滤波,并结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立出反映锂离子电池状态更新和量测更新的电池离散状态空间模型,使得多个卡尔曼滤波能够以不同权重系数比例的形式相结合,最后通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,以获得最优的SOC估计值,相当于采用了多个高斯密度函数按照一定的权重系数来准确描述整个过程中的过程噪声和量测噪声,大大提升了SOC估算结果的准确度,并且还能适用于过程噪声和量测噪声不符合正态分布时锂离子电池SOC值估算过程的情景,通用性强。
下面结合附图对本发明实施例提出的锂离子电池SOC估算方法进行详细的说明。
本发明实施例提供了一种锂离子电池SOC估算方法,图1是本发明第一实施例提供的一种锂离子电池SOC估算方法的流程示意图,如图1 所示,所述方法包括:
S101、确定电池等效电路模型中各模型参数与SOC值的映射关系;
首先建立二阶或高阶的锂离子电池的电池等效电路模型,根据所述等效电路的具体结构及相关设置,确定电池等效电路模型中的各模型参数,如开路电压值、欧姆内阻值、RC单元中的具体电容值和具体电阻值等等。再针对已经确定的上述各模型参数确定其与锂离子电池SOC值的映射关系。
S102、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
针对于所述至少两个卡尔曼滤波,各个所述卡尔曼滤波均为根据实际需求预设的最优滤波。并行运行多个卡尔曼滤波,基于卡尔曼滤波原理,再结合步骤S101中确定的所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型,并且均用矩阵化形式表示。
S103、通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。
实时地通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,并通过将多个最优的卡尔曼滤波进行以不同权重系数比例的形式进行结合,以获得最优的锂离子电池的SOC估算值。并且,所述权重系数可以根据电池离散状态空间模型中量测值获得先验状态估计的相对可信度计算而得到。
本发明实施例提供的锂离子电池SOC估算方法,在每个时刻对锂离子电池SOC的估算过程中,均并行运行多个卡尔曼滤波,并结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立出反映锂离子电池状态更新和量测更新的电池离散状态空间模型,使得多个卡尔曼滤波能够以不同权重系数比例的形式相结合,最后通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,以获得最优的SOC估计值,相当于采用了多个高斯密度函数按照一定的权重系数来准确描述整个过程中的过程噪声和量测噪声,大大提升了SOC估算结果的准确度,并且还能适用于过程噪声和量测噪声不符合正态分布时锂离子电池SOC值估算过程的情景,通用性强。
图2是本发明第二实施例提供的一种锂离子电池SOC估算方法的流程示意图,图2可以理解为在图1所示方法的基础上,其步骤S102、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与 SOC值的映射关系,建立电池离散状态空间模型,具体再包括:
S1021、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间方程;
并行运行至少两个卡尔曼滤波,以M个最优的卡尔曼滤波为例,基于卡尔曼滤波原理,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立锂离子的电池离散状态空间方程,参量均用矩阵化形式表示:
xk=Fk-1xk-1+Gk-1uk-1 (1)
其中,
x=[U0 U1 U2 SOC]T (2)
u=[I I I IT] (3)
其中,Δt为采样间隔,Ccap为电池的额定容量。
S1022、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立系统量测更新方程,并定义量测矩阵。
除了建立锂离子的电池离散状态空间方程,还需要建立系统量测更新方程,并定义量测矩阵。
建立的系统量测更新方程为:
zk=hk+vk=UOCV-U0-U1-U2+vk (6)
定义量测矩阵为:
图3是本发明第三实施例提供的一种锂离子电池SOC估算方法的流程示意图,图3也可以理解为在图2所示实施例的基础上其步骤S103、通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,又具体包括:
S1031、对初始时刻的概率密度函数进行初始化处理,确定初始时刻的状态值和协方差矩阵。
具体结合图6所示的计算过程,计算过程一开始,首先初始状态的概率密度函数初始化,也就是,对初始时刻(初始状态对应的时刻)的概率密度函数进行初始化处理,可以用如下关系式进行表示:
其中,系数a0,i为正数,且和为1,N表示正态分布的概率密度函数。
根据初始状态的概率密度函数,计算相应的期望和方差,作为初始时刻的状态值和协方差矩阵。
S1032、并行运行所有的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,其中,所述权重系数根据由量测值获得先验状态估计的相对可信度计算得出。
并行运行所有的M个最优的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,再结合图6所示,具体循环计算过程如下:
循环时刻k=1时开始循环计算,并继续循环k=1,2,……,继续执行如下步骤:循环执行多次计算操作,循环次数i=1,2,……,M,具体的循环次数可以根据实际需求进行设定,此处不作限制。而每一次执行循环计算操作时,均执行多次所述高斯和卡尔曼滤波算法,并且每次循环计算均进行执行时间更新,如图6中的执行第i次卡尔曼算法的时间更新。
并且在每一次执行循环计算操作时,均进行执行量测更新,如图6中的执行第i次卡尔曼算法的量测更新。
上述公式(9)和公式(10)中的各参量的含义均参考高斯和卡尔曼滤波算法中常用的一般含义。
然后在每一次执行循环计算时,还要相应的各个卡尔曼滤波的不同的权重系数,从而能够将M个最优的卡尔曼滤波以不同的权重系数的形式结合起来,以为实现最优的SOC估算提供计算基础。每一次循环计算操作中计算权重系数的公式如下:
上述计算过程中,判断循环次数i是否小于M,若i小于M,则i+1,继续下一次循环计算操作。若i大于或等于M,则循环计算操作全部次数已完成,然后进入步骤S1033。
S1033、计算当前时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则继续循环执行计算操作。
计算当前k时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则时刻 k+1后继续进行下一时刻的多次循环执行计算操作。
计算当前k时刻的先验状态和后验状态估计概率密度函数如下:
根据k时刻的初始状态的概率密度函数,计算状态估计的期望,即为该时刻的先验状态和后验状态估计值,以最终获得锂离子电池SOC的估计值。
图4是本发明第四实施例提供的一种锂离子电池SOC估算方法的流程示意图,如图4所示,在上述实施例的基础上,所述S101、所述确定电池等效电路模型中各模型参数与SOC值的映射关系,具体包括以下步骤,并且此过程可以设置于步骤S102之前。所述各步骤具体包括:
S1011、建立锂离子电池的电池等效电路模型,并建立所述电池等效电路模型的特性方程;
首先建立锂离子电池的电池等效电路模型,图5是图4所示锂离子电池 SOC估算方法中建立的等效电路模型示意图,如图5所示,此处以二阶等效电路模型为例进行说明,而实际上建立的电池等效电路模型的阶数可以根据实际需求提前设定。建立锂离子电池的二阶电池等效电路模型,等效电路内包含串联的欧姆电阻R0和两个RC单元,每一个RC单元均是由并联的电阻和电容组成。确定电池等效电路模型中的端电压U和开路电压UOCV之间的特性关系。针对图5所示的二阶电池等效电路模型,建立锂离子电池模型的特性方程,以描述端电压U和开路电压UOCV之间的特性关系,所述特性方程如下:
其中,U0为所述欧姆内阻R0两端的端电压,U1~U2为对应的两个RC单元两端的电压,I为电流。
S1012、确定所述电池等效电路模型的各模型参数;
通过脉冲放电试验来确定所述电池等效电路模型的各模型参数。其中,脉冲放电试验(HPPC)为成熟的放电试验技术,并且,脉冲放电时间、脉冲放电电流等均具有标准规范参考,比如可以参考依据Freedom电池测试手册上的标准来进行预设。而脉冲放电试验中的SOC间隔的设置,需要根据具体实际需求进行选取。
对图5所示的二阶电池等效电路模型进行脉冲放电试验,根据该等效电路结构设计,取当脉冲放电静置足够长时间之后的电池的端电压值作为开路电压UOCV。并且根据该等效电路结构可知,脉冲放电结束的瞬间,电压的变化完全是由欧姆内阻R0产生的,因此根据脉冲放电结束瞬间的电压变化情况来确定出所述欧姆内阻R0,具体计算公式为:
其中,UL为脉冲放电结束的电压突变,I为脉冲放电电流值。
还根据图5所示的二阶等效电路结构得知,脉冲放电结束瞬间,欧姆内阻R0两端的电压变为零,但两个RC单元两端的电压不会变为零。因此其电压特性方程为:
然后通过非线性拟合过程获取两个RC单元中在相应的SOC下的R1,C1, R2,C2各参数值。
S1013、通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系;
通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系,具体可以是通过基于多项式函数关系拟合出各模型参数与锂离子电池 SOC的关系,以确定相关待定系数。也可以基于插值法进行计算和推理,以获得各模型参数随锂离子电池SOC变化的数据表。
第二方面,本发明实施例还公开了一种锂离子电池SOC估算装置,所述装置是能够应用上述锂离子电池SOC估算方法的装置,具体应用原理可参照上述方法的具体介绍,此处不作赘述。图7是本发明第五实施例提供的一种锂离子电池SOC估算装置的结构示意图,如图7所示,所述装置包括映射模块701、运行模块702和估算模块703,其中:
映射模块701,用于确定电池等效电路模型中各模型参数与SOC值的映射关系;
运行模块702,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
估算模块703,用于通过高斯和滤波算法对电池离散状态空间模型的SOC 值进行估算。
本发明实施例提供的锂离子电池SOC估算装置,映射模块701、运行模块702和估算模块703相互配合工作,使得整个装置在每个时刻对锂离子电池SOC的估算过程中,均并行运行多个卡尔曼滤波,并结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立出反映锂离子电池状态更新和量测更新的电池离散状态空间模型,使得多个卡尔曼滤波能够以不同权重系数比例的形式相结合,最后通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,以获得最优的SOC估计值,相当于采用了多个高斯密度函数按照一定的权重系数来准确描述整个过程中的过程噪声和量测噪声,大大提升了SOC估算结果的准确度,并且还能适用于过程噪声和量测噪声不符合正态分布时锂离子电池SOC值估算过程的情景,通用性强。
图8是本发明第六实施例提供的一种锂离子电池SOC估算装置的结构示意图,图8也可以理解为在图7所示实施例的基础上,进一步设置的结果,所述运行模块702,具体包括:
离散状态空间模块7021,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间方程;
量测模块7022,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立系统量测更新方程,并定义量测矩阵。
图9是本发明第七实施例提供的一种锂离子电池SOC估算装置的结构示意图,图8也可以理解为在图8所示实施例的基础上,进一步设置的结果,所述估算模块703,具体包括:
预处理模块7031,用于对初始时刻的概率密度函数进行初始化处理,确定初始时刻的状态值和协方差矩阵;
计算模块7032,用于并行运行所有的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,其中,所述权重系数根据由量测值获得先验状态估计的相对可信度计算得出;
判断模块7033,用于计算当前时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则继续循环执行计算操作。
图10是本发明第八实施例提供的一种锂离子电池SOC估算装置的结构示意图,图10也可以理解为在图7所示实施例的基础上设计的结果,其所述映射模块701,具体包括:
等效模块7011,用于建立锂离子电池的电池等效电路模型,并建立所述电池等效电路模型的特性方程;
参数确定模块7012,用于确定所述电池等效电路模型的各模型参数;
关系确定模块7013,用于通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系。
第三方面,本发明实施例提供了一种电子设备,图11是本发明实施例提供的一种电子设备的结构示意图,如图11所示,所述电子设备包括:处理器(processor)1110、通信接口(Communications Interface)1120、存储器 (memory)1130和通信总线1140,其中,处理器1110,通信接口1120,存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器 1130中的逻辑指令,以执行如下锂离子电池SOC估算方法,包括:
S101、确定电池等效电路模型中各模型参数与SOC值的映射关系;
S102、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
S103、通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。
此外,上述的存储器1130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述锂离子电池SOC估算方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM, Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一实施例所述的锂离子电池SOC估算方法,所述方法包括:
S101、确定电池等效电路模型中各模型参数与SOC值的映射关系;
S102、并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
S103、通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种锂离子电池SOC估算方法,其特征在于,包括:
确定电池等效电路模型中各模型参数与SOC值的映射关系;
并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算。
2.根据权利要求1所述的锂离子电池SOC估算方法,其特征在于,所述并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型,包括:
并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间方程;
并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立系统量测更新方程,并定义量测矩阵。
3.根据权利要求2所述的锂离子电池SOC估算方法,其特征在于,通过高斯和卡尔曼滤波算法对电池离散状态空间模型的SOC值进行估算,包括:
对初始时刻的概率密度函数进行初始化处理,确定初始时刻的状态值和协方差矩阵;
并行运行所有的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,其中,所述权重系数根据由量测值获得先验状态估计的相对可信度计算得出;
计算当前时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则继续循环执行计算操作。
4.根据权利要求1所述的锂离子电池SOC估算方法,其特征在于,所述确定电池等效电路模型中各模型参数与SOC值的映射关系,包括:
建立锂离子电池的电池等效电路模型,并建立所述电池等效电路模型的特性方程;
确定所述电池等效电路模型的各模型参数;
通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系。
5.一种锂离子电池SOC估算装置,其特征在于,包括:
映射模块,用于确定电池等效电路模型中各模型参数与SOC值的映射关系;
运行模块,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间模型;
估算模块,用于通过高斯和滤波算法对电池离散状态空间模型的SOC值进行估算。
6.根据权利要求5所述的锂离子电池SOC估算装置,其特征在于,所述运行模块,包括:
离散状态空间模块,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立电池离散状态空间方程;
量测模块,用于并行运行至少两个卡尔曼滤波,结合所述电池等效电路模型和所述各模型参数与SOC值的映射关系,建立系统量测更新方程,并定义量测矩阵。
7.根据权利要求6所述的锂离子电池SOC估算装置,其特征在于,估算模块,包括:
预处理模块,用于对初始时刻的概率密度函数进行初始化处理,确定初始时刻的状态值和协方差矩阵;
计算模块,用于并行运行所有的卡尔曼滤波,循环执行多次计算操作,每一次计算操作均执行多次所述高斯和卡尔曼滤波算法,每一次执行所述高斯和卡尔曼滤波算法时,执行时间更新,量测更新,直至计算出每一个卡尔曼滤波的权重系数,其中,所述权重系数根据由量测值获得先验状态估计的相对可信度计算得出;
判断模块,用于计算当前时刻的先验状态和后验状态估计概率密度函数,判断所述估计概率密度函数是否达到截止条件,若是,则结束计算操作,若否,则继续循环执行计算操作。
8.根据权利要求5所述的锂离子电池SOC估算装置,其特征在于,映射模块,包括:
等效模块,用于建立锂离子电池的电池等效电路模型,并建立所述电池等效电路模型的特性方程;
参数确定模块,用于确定所述电池等效电路模型的各模型参数;
关系确定模块,用于通过多项式函数关系拟合法或插值法确定各模型参数与SOC值的映射关系。
9.一种电子设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的锂离子电池SOC估算方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的锂离子电池SOC估算方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010988748 | 2020-09-18 | ||
CN2020109887482 | 2020-09-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112327183A true CN112327183A (zh) | 2021-02-05 |
CN112327183B CN112327183B (zh) | 2023-11-28 |
Family
ID=74303946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011005400.3A Active CN112327183B (zh) | 2020-09-18 | 2020-09-22 | 一种锂离子电池soc估算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327183B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113472042A (zh) * | 2021-07-02 | 2021-10-01 | 深圳市普渡科技有限公司 | 电池电量映射、电池充电控制系统、方法、机器人及介质 |
CN113959447A (zh) * | 2021-10-19 | 2022-01-21 | 北京京航计算通讯研究所 | 相对导航高噪声量测量识别方法、装置、设备和存储介质 |
CN114492253A (zh) * | 2022-01-20 | 2022-05-13 | 电子科技大学 | 一种联合高斯过程的微带电路半空间映射快速优化方法 |
CN114910806A (zh) * | 2022-05-16 | 2022-08-16 | 盐城工学院 | 一种并联型电池系统建模方法 |
CN114492253B (zh) * | 2022-01-20 | 2024-05-10 | 电子科技大学 | 一种联合高斯过程的微带电路半空间映射快速优化方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101529515B1 (ko) * | 2014-06-12 | 2015-06-17 | 국방과학연구소 | Mmae-ekf를 이용한 배터리의 soc 추정 방법 및 그 장치 |
KR101651829B1 (ko) * | 2014-06-30 | 2016-08-29 | 영화테크(주) | 확장칼만필터를 이용한 배터리 상태 추정 방법, 시스템 및 이를 수행하기 위한 기록매체 |
CN106959417A (zh) * | 2016-01-08 | 2017-07-18 | 中兴通讯股份有限公司 | 电池荷电状态的获取方法及装置 |
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 |
CN106405434B (zh) * | 2016-10-28 | 2019-09-10 | 四川普力科技有限公司 | 电池荷电状态的估计方法 |
CN106405433A (zh) * | 2016-11-04 | 2017-02-15 | 首都师范大学 | 一种基于扩展卡尔曼粒子滤波的soc估计方法及系统 |
CN110095723A (zh) * | 2018-01-26 | 2019-08-06 | 重庆邮电大学 | 一种锂离子电池模型参数与soc在线联合估计方法 |
CN108594135A (zh) * | 2018-06-28 | 2018-09-28 | 南京理工大学 | 一种用于锂电池均衡充放电控制的soc估算方法 |
CN109669134A (zh) * | 2019-02-27 | 2019-04-23 | 浙江科技学院 | 一种基于卡尔曼滤波法的soc的估算方法 |
CN110082684A (zh) * | 2019-05-13 | 2019-08-02 | 南京邮电大学 | 一种基于加权多新息扩展卡尔曼滤波的锂电池soc估计方法 |
CN110275113A (zh) * | 2019-06-25 | 2019-09-24 | 内蒙古工业大学 | 一种锂电池荷电状态估计方法 |
CN110361652A (zh) * | 2019-06-26 | 2019-10-22 | 河南理工大学 | 一种基于模型参数优化的卡尔曼滤波锂电池soc估计方法 |
CN110395141B (zh) * | 2019-06-27 | 2020-10-30 | 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 |
CN110441694B (zh) * | 2019-07-23 | 2022-07-12 | 哈尔滨工业大学(威海) | 基于多重渐消因子卡尔曼滤波锂电池荷电状态估计方法 |
CN110596593B (zh) * | 2019-08-26 | 2020-08-04 | 浙江大学 | 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 |
CN111239608A (zh) * | 2019-11-21 | 2020-06-05 | 国联汽车动力电池研究院有限责任公司 | 基于扩展卡尔曼滤波的电池soc估算方法及装置 |
CN111007400A (zh) * | 2019-11-22 | 2020-04-14 | 西安工程大学 | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 |
CN111220920B (zh) * | 2019-11-22 | 2023-04-25 | 国网浙江省电力有限公司台州供电公司 | 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 |
CN111060834A (zh) * | 2019-12-19 | 2020-04-24 | 中国汽车技术研究中心有限公司 | 一种动力电池健康状态估算方法 |
-
2020
- 2020-09-22 CN CN202011005400.3A patent/CN112327183B/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113472042A (zh) * | 2021-07-02 | 2021-10-01 | 深圳市普渡科技有限公司 | 电池电量映射、电池充电控制系统、方法、机器人及介质 |
CN113959447A (zh) * | 2021-10-19 | 2022-01-21 | 北京京航计算通讯研究所 | 相对导航高噪声量测量识别方法、装置、设备和存储介质 |
CN114492253A (zh) * | 2022-01-20 | 2022-05-13 | 电子科技大学 | 一种联合高斯过程的微带电路半空间映射快速优化方法 |
CN114492253B (zh) * | 2022-01-20 | 2024-05-10 | 电子科技大学 | 一种联合高斯过程的微带电路半空间映射快速优化方法 |
CN114910806A (zh) * | 2022-05-16 | 2022-08-16 | 盐城工学院 | 一种并联型电池系统建模方法 |
CN114910806B (zh) * | 2022-05-16 | 2024-05-07 | 盐城工学院 | 一种并联型电池系统建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112327183B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN112327183A (zh) | 一种锂离子电池soc估算方法和装置 | |
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 | |
CN110011374B (zh) | 一种电池充放电电流的控制方法、系统及终端设备 | |
JP5324196B2 (ja) | バッテリの劣化推定方法及び装置 | |
CN107894570B (zh) | 基于Thevenin模型的电池组SOC的估算方法和装置 | |
CN110988702B (zh) | 电池可用容量确定方法、装置、管理系统以及存储介质 | |
CN111679199A (zh) | 一种锂离子电池soc估计方法及装置 | |
CN113156321A (zh) | 一种锂离子电池荷电状态soc的估算方法 | |
CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
CN113111508A (zh) | 电芯一致性的评估方法、装置及服务器 | |
CN111413618A (zh) | 一种锂离子电池的等效电路模型参数关系计算方法及系统 | |
CN112485695A (zh) | 动力电池的检测方法及装置 | |
CN114720898A (zh) | 一种电池状态评估方法及装置 | |
CN112356737B (zh) | 电池充电管理方法及电池管理系统 | |
CN110988701B (zh) | 电池可用能量确定方法、装置、管理系统以及存储介质 | |
CN111239608A (zh) | 基于扩展卡尔曼滤波的电池soc估算方法及装置 | |
CN117129874A (zh) | 电池等效电路模型的参数辨识方法及装置 | |
CN109298340B (zh) | 一种基于可变时间尺度的电池容量在线估计方法 | |
CN115902653A (zh) | 确定电池老化程度的方法、装置、存储介质与电子设备 | |
CN112213644B (zh) | 电池荷电状态估算方法及电池管理系统 | |
CN110850299B (zh) | 一种基于sr-ukf的锂离子动力电池状态估计方法 | |
CN114636936A (zh) | 一种铅酸电池充电阶段soc预测曲线的修正方法及装置 | |
CN114062950A (zh) | 混联电池soc确定方法、装置、电子设备及存储介质 | |
CN115113061A (zh) | 修正电池soc的方法及相关装置 |
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 |