CN112782586A - 一种基于实际局部数据的锂离子电池容量估算方法及系统 - Google Patents
一种基于实际局部数据的锂离子电池容量估算方法及系统 Download PDFInfo
- Publication number
- CN112782586A CN112782586A CN202011261777.5A CN202011261777A CN112782586A CN 112782586 A CN112782586 A CN 112782586A CN 202011261777 A CN202011261777 A CN 202011261777A CN 112782586 A CN112782586 A CN 112782586A
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- soc
- ocv
- 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.)
- Pending
Links
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 29
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 11
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 19
- 239000010405 anode material Substances 0.000 claims description 12
- 239000010406 cathode material Substances 0.000 claims description 12
- 230000010287 polarization Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 5
- 238000003487 electrochemical reaction Methods 0.000 claims description 5
- 230000002687 intercalation Effects 0.000 claims description 5
- 238000009830 intercalation Methods 0.000 claims description 5
- 239000007773 negative electrode material Substances 0.000 description 3
- 239000007774 positive electrode material Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005096 rolling process 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Abstract
本发明提供了一种基于实际局部数据的锂离子电池容量估算方法及系统,包含:步骤一、建立锂离子电池的等效电路模型,步骤二、基于带遗忘因子的最小二乘法利用锂离子电池实际工作数据,对模型中的OCV、R0、R1、C1进行辨识,步骤三、基于电池开路电压模型拟合电池的SOC‑OCV方程。步骤四、利用电池的实际数据辨识局部过程中的OCV变化,根据SOC‑OCV方程估算电池局部过程中的SOC变化。步骤五、根据局部过程中的SOC变化及其对应的容量变化,估计锂离子电池的容量。本发明基于实际局部数据的对锂离子电池的容量进行估算,解决了实际过程中较少通过全充放对电池容量进行校准的问题,可用于锂离子电池的精准管控。
Description
技术领域
本发明涉及锂离子电池状态评估领域,具体地,涉及一种基于实际局部数据的锂离子电池容量估算方法及系统。
背景技术
由于锂离子电池具有工作电压高、能量密度大、放电倍率高、循环寿命长、无记忆效应、对环境无污染等优点,已大规模的应用于通讯、新能源汽车、智能电网等领域。同时由于锂离子电池具有输出功率高、温度范围广、自放电率低等优点,也广泛的应用于国防领域。
随着锂离子电池的广泛应用,对其进行精准管理显得愈发重要,其中电池容量的准确估算则是精准管理的重要内容。在实际使用过程中,电池较少的进行全充放的容量标定,因此如何通过局部充放电数据对其容量进行估算变得尤为重要。
发明专利CN201710308354.6提出了一种锂离子电池的SOC和SOH联合估计方法。该方法通过构建锂离子电池的离线等效电路模型,根据模型构建锂离子电池的滚动时域SOC估计优化模型,以实现锂离子电池的SOC和可用容量进行在线联合估计。但该模型建立过程中,所涉及的模型参数需通过离线测试进行标定,对实际难以获得电池样本情况难以适用。发明专利CN201910789878.0提出了一种SOC和SOH联合估计方法。该建模方法提出利用实验所测数据,得到训练样本集,采用所述神经网络,实现SOC和SOH的联合估计,在估计过程中充分考虑到两者之间的耦合关系及各种老化因素的影响。但在该模型的建立过程中,需要大量的测试数据,且评估的准确性受训练样本的影响很大。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于实际局部数据的锂离子电池容量估算方法及系统。
根据本发明提供的一种基于实际局部数据的锂离子电池容量估算方法,包括:
步骤一、建立锂离子电池的等效电路模型:
其中,U为锂离子电池工作电压,OCV为锂离子电池开路电压,I为锂离子电池工作电流,R0为锂离子电池欧姆内阻,U1为锂离子电池极化电压,t为锂离子电池工作时间,R1为锂离子电池极化内阻,C1为锂离子电池电化学反应等效电容;
步骤二、基于带遗忘因子的最小二乘法,利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识;
步骤三、基于电池开路电压模型拟合电池的SOC-OCV方程;
步骤四、利用电池的实际数据辨识局部过程中的OCV变化,根据SOC-OCV方程估算电池局部过程中的SOC变化;
步骤五、根据局部过程中的SOC变化及对应的容量变化,估计锂离子电池的容量。
优选地,所述的步骤二中基于带遗忘因子的最小二乘法利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识,其具体估算过程包括:
其中,下标k、k-1代表第k、k-1时刻的值,K为增益矩阵,P为估计误差的协方差矩阵,λ为遗忘因子,E为单位矩阵,Zk为模型输出值为模型输入值 上标T为矩阵转置,Δt为时间间隔,θk为待辨识参数θk=[OCVk,R0,k+R1,k,R0,kR1,kC1,k,R1,kC1,k]T,OCVk=θk(1),R0,k=θk(3)/θk(4),R1,k=θk(2)-θk(3)/θk(4),C1,k=θk(4)/R1,k。
优选地,所述的电池开路电压模型包括:
优选地,步骤四中利用电池的实际数据辨识局部过程中的OCV变化,为再次利用带遗忘因子的最小二乘法对局部过程中的OCV进行辨识。
优选地,步骤四中根据SOC-OCV方程估算电池局部过程中的SOC变化,为根据所述的步骤三所得的SOC-OCV方程,对步骤四中所获得的OCV值进行反算。
优选地,步骤五中通过数据拟合估计锂离子电池的容量,包括:
SOCk=SOC0+H·Qk
Qc=-1/H
其中,SOC0为估算初始时刻的SOC值,SOCk为估算k时刻的SOC值,Qk为初始时刻至k时刻的容量变化,H为待拟合参数,Qc为电池容量。
根据本发明提供的一种基于实际局部数据的锂离子电池容量估算系统,包括:
模型建立模块:建立锂离子电池的等效电路模型:
其中,U为锂离子电池工作电压,OCV为锂离子电池开路电压,R为锂离子电池工作电流,R0为锂离子电池欧姆内阻,U1为锂离子电池极化电压,t为锂离子电池工作时间,R1为锂离子电池极化内阻,C1为锂离子电池电化学反应等效电容;
辨识模块:基于带遗忘因子的最小二乘法,利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识;
拟合模块:基于电池开路电压模型拟合电池的SOC-OCV方程;
SOC变化估算模块:利用电池的实际数据辨识局部过程中的OCV变化,根据SOC-OCV方程估算电池局部过程中的SOC变化;
容量估计模块:根据局部过程中的SOC变化及对应的容量变化,估计锂离子电池的容量。
优选地,所述辨识模块中基于带遗忘因子的最小二乘法利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识,其具体估算过程包括:
其中,下标k、k-1代表第k、k-1时刻的值,K为增益矩阵,P为估计误差的协方差矩阵,λ为遗忘因子,E为单位矩阵,Zk为模型输出值为模型输入值 上标T为矩阵转置,Δt为时间间隔,θk为待辨识参数θk=[OCVk,R0,k+R1,k,R0,kR1,kC1,k,R1,kC1,k]T,OCVk=θk(1),R0,k=θk(3)/θk(4),R1,k=θk(2)-θk(3)/θk(4),C1,k=θk(4)/R1,k。
优选地,所述的电池开路电压模型包括:
优选地,SOC变化估算模块中利用电池的实际数据辨识局部过程中的OCV变化,为再次利用带遗忘因子的最小二乘法对局部过程中的OCV进行辨识。
与现有技术相比,本发明具有如下的有益效果:
本发明基于实际局部数据的对锂离子电池的容量进行估算,解决了实际过程中较少通过全充放对电池容量进行校准的问题,可用于锂离子电池的精准管控。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1实施例1中估算所得的电池SOC-OCV曲线;
图2实施例1中拟合结果与实测结果的对比;
图3实施例1中局部过程中的OCV进行辨识结果;
图4实施例1中对OCV值反算获得的SOC值;
图5实施例1中锂离子电池的容量估计;
图6为锂离子电池的等效电路模型;
图7为本发明的工作流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
如图7所示,为了解决如何根据电池的实际局部数据对其容量进行评估的问题,而建立的一种基于实际局部数据的锂离子电池容量估算方法,其特征在于,包括如下步骤:
步骤一、建立图6所示的锂离子电池的等效电路模型:
其中,U为锂离子电池工作电压,OCV为锂离子电池开路电压,I为锂离子电池工作电流,R0为锂离子电池欧姆内阻,U1为锂离子电池极化电压,t为锂离子电池工作时间,R1为锂离子电池极化内阻,C1为锂离子电池电化学反应等效电容。
步骤二、基于带遗忘因子的最小二乘法利用锂离子电池实际工作数据,对模型中的OCV、R0、R1、C1进行辨识。
(1)设置估算初值:λ=0.994,θ0=[0,0,0,0]T,P0=10-5·E
(2)估算流程如下所示:
其中,下标k、k-1代表第k、k-1时刻的值,K为增益矩阵,P为估计误差的协方差矩阵,λ为遗忘因子,E为单位矩阵,Zk为模型输出值为模型输入值 θk为待辨识参数θk=[OCVk,R0,k+R1,k,R0,kR1,kC1,k,R1,kC1,k]T,OCVk=θk(1),R0,k=θk(3)/θk(4),R1,k=θk(2)-θk(3)/θk(4),C1,k=θk(4)/R1,k。
(3)估算所得的电池SOC-OCV曲线如图1所示。
步骤三、基于电池开路电压模型拟合电池的SOC-OCV方程。
(1)电池开路电压模型如下所示:
(2)基于上述模型对SOC-OCV曲线进行拟合,所得结果如下所示:OCV=tanh(SOC.*2.9e2-1.6).*1.9e-2+tanh(SOC.*7.7-1.8).*4.0e-2+tanh(SOC.*8.5e1-4.4).*2.2e-2+tanh(SOC.*3.1e2+4.1).*(9.8e1./6.2e2)+tanh(SOC.*7.9e2+1.0e1).*7.6e-3-tanh(SOC.*1.3e3+2.8e1).*1.5e-2+tanh(SOC.*4.9e2-4.9e2).*3.5e-2+tanh(SOC.*4.5-6.3).*1.9e-2+tanh(SOC.*2.3e1-2.2e1).*8.1e-3+tanh(SOC.*3.3e1-5.6).*9.2e-3-tanh(SOC.*5.2e2-5.2e2).*2.4e-2-tanh(SOC.*1.1e2-1.0e2).*2.9e-2-tanh(SOC.*2.5e2+6.7).*(3.9e1./2.5e2)+exp(SOC.*3.4e1+1.0).*6.4e-23-tanh(SOC.*9.0e1-1.6).*1.3e-2-tanh(SOC.*3.3e2+2.1).*8.8e-3+tanh(SOC.*2.5e3-2.5e3).*1.158e-2+tanh(SOC.*1.5e1-1.1e1).*1.6e-2-exp(SOC.*(-5.2e1)-1.6).*2.0+tanh(SOC.*2.4e-1+2.76e-1).*6.4e-2-exp(SOC.*(-8.3e1)+8.4e1).*3.9e-38-tanh(SOC.*7.9e1-6.9e-2).*1.1e-1+tanh(SOC.*3.2e3+9.8e1).*1.1e-1+exp(SOC.*1.2e2-1.2e2).*(2.9e2./6.2e2)+3.2
(3)拟合结果与实测结果的对比如图2所示。
步骤四、利用电池的实际数据辨识局部过程中的OCV变化,根据SOC-OCV方程估算电池局部过程中的SOC变化。
(1)利用带遗忘因子的最小二乘法对局部过程中的OCV进行辨识,如图3所示
(2)对所获得的OCV值进行反算,获得对应的SOC值,如图4所示
步骤五、根据局部过程中的SOC变化及其对应的容量变化,估计锂离子电池的容量。
(1)通过数据拟合估计锂离子电池的容量,如下所示:
SOCk=SOC0+H·Qk
Qc=-1/H
其中,SOC0为估算初始时刻的SOC值,SOCk为估算k时刻的SOC值,Qk为初始时刻值k时刻的容量变化,H为待拟合参数,Qc为电池容量。
(2)估算结果如图5所示。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于实际局部数据的锂离子电池容量估算方法,其特征在于,包括:
步骤一、建立锂离子电池的等效电路模型:
其中,U为锂离子电池工作电压,OCV为锂离子电池开路电压,I为锂离子电池工作电流,R0为锂离子电池欧姆内阻,U1为锂离子电池极化电压,t为锂离子电池工作时间,R1为锂离子电池极化内阻,C1为锂离子电池电化学反应等效电容;
步骤二、基于带遗忘因子的最小二乘法,利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识;
步骤三、基于电池开路电压模型拟合电池的SOC-OCV方程;
步骤四、利用电池的实际数据辨识局部过程中的OCV变化,根据SOC-OCV方程估算电池局部过程中的SOC变化;
步骤五、根据局部过程中的SOC变化及对应的容量变化,估计锂离子电池的容量。
2.根据权利要求1所述的基于实际局部数据的锂离子电池容量估算方法,其特征在于,所述的步骤二中基于带遗忘因子的最小二乘法利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识,其具体估算过程包括:
4.根据权利要求1所述的基于实际局部数据的锂离子电池容量估算方法,其特征在于,步骤四中利用电池的实际数据辨识局部过程中的OCV变化,为再次利用带遗忘因子的最小二乘法对局部过程中的OCV进行辨识。
5.根据权利要求1所述的基于实际局部数据的锂离子电池容量估算方法,其特征在于,步骤四中根据SOC-OCV方程估算电池局部过程中的SOC变化,为根据所述的步骤三所得的SOC-OCV方程,对步骤四中所获得的OCV值进行反算。
6.根据权利要求1所述的基于实际局部数据的锂离子电池容量估算方法,其特征在于,步骤五中通过数据拟合估计锂离子电池的容量,包括:
SOCk=SOC0+H·Qk
Qc=-1/H
其中,SOC0为估算初始时刻的SOC值,SOCk为估算k时刻的SOC值,Qk为初始时刻至k时刻的容量变化,H为待拟合参数,Qc为电池容量。
7.一种基于实际局部数据的锂离子电池容量估算系统,其特征在于,包括:
模型建立模块:建立锂离子电池的等效电路模型:
其中,U为锂离子电池工作电压,OCV为锂离子电池开路电压,I为锂离子电池工作电流,R0为锂离子电池欧姆内阻,U1为锂离子电池极化电压,t为锂离子电池工作时间,R1为锂离子电池极化内阻,C1为锂离子电池电化学反应等效电容;
辨识模块:基于带遗忘因子的最小二乘法,利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识;
拟合模块:基于电池开路电压模型拟合电池的SOC-OCV方程;
SOC变化估算模块:利用电池的实际数据辨识局部过程中的OCV变化,根据SOC-OCV方程估算电池局部过程中的SOC变化;
容量估计模块:根据局部过程中的SOC变化及对应的容量变化,估计锂离子电池的容量。
8.根据权利要求7所述的基于实际局部数据的锂离子电池容量估算系统,其特征在于,所述辨识模块中基于带遗忘因子的最小二乘法利用锂离子电池实际工作数据,对等效电路模型中的OCV、R0、R1、C1进行辨识,其具体估算过程包括:
10.根据权利要求1所述的基于实际局部数据的锂离子电池容量估算系统,其特征在于,SOC变化估算模块中利用电池的实际数据辨识局部过程中的OCV变化,为再次利用带遗忘因子的最小二乘法对局部过程中的OCV进行辨识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261777.5A CN112782586A (zh) | 2020-11-12 | 2020-11-12 | 一种基于实际局部数据的锂离子电池容量估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261777.5A CN112782586A (zh) | 2020-11-12 | 2020-11-12 | 一种基于实际局部数据的锂离子电池容量估算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112782586A true CN112782586A (zh) | 2021-05-11 |
Family
ID=75750485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011261777.5A Pending CN112782586A (zh) | 2020-11-12 | 2020-11-12 | 一种基于实际局部数据的锂离子电池容量估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782586A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359035A (zh) * | 2021-05-28 | 2021-09-07 | 上海玖行能源科技有限公司 | 一种基于电池实际工况的开路电压获取方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106443478A (zh) * | 2016-10-26 | 2017-02-22 | 河南师范大学 | 基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法 |
CN107576919A (zh) * | 2017-10-20 | 2018-01-12 | 广东石油化工学院 | 基于armax模型的动力电池荷电状态估算系统及方法 |
CN109298340A (zh) * | 2018-10-19 | 2019-02-01 | 同济大学 | 一种基于可变时间尺度的电池容量在线估计方法 |
CN110261778A (zh) * | 2019-05-27 | 2019-09-20 | 南京理工自动化研究院有限公司 | 一种锂离子电池soc估测算法 |
CN111610447A (zh) * | 2020-05-22 | 2020-09-01 | 上海理工大学 | 一种基于开路电压的电池容量估计方法 |
CN112858929A (zh) * | 2021-03-16 | 2021-05-28 | 上海理工大学 | 一种基于模糊逻辑与扩展卡尔曼滤波的电池soc估计方法 |
CN114295982A (zh) * | 2021-10-28 | 2022-04-08 | 上海空间电源研究所 | 锂离子电池参数及开路电压辨识方法、系统及介质 |
-
2020
- 2020-11-12 CN CN202011261777.5A patent/CN112782586A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106443478A (zh) * | 2016-10-26 | 2017-02-22 | 河南师范大学 | 基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法 |
CN107576919A (zh) * | 2017-10-20 | 2018-01-12 | 广东石油化工学院 | 基于armax模型的动力电池荷电状态估算系统及方法 |
CN109298340A (zh) * | 2018-10-19 | 2019-02-01 | 同济大学 | 一种基于可变时间尺度的电池容量在线估计方法 |
CN110261778A (zh) * | 2019-05-27 | 2019-09-20 | 南京理工自动化研究院有限公司 | 一种锂离子电池soc估测算法 |
CN111610447A (zh) * | 2020-05-22 | 2020-09-01 | 上海理工大学 | 一种基于开路电压的电池容量估计方法 |
CN112858929A (zh) * | 2021-03-16 | 2021-05-28 | 上海理工大学 | 一种基于模糊逻辑与扩展卡尔曼滤波的电池soc估计方法 |
CN114295982A (zh) * | 2021-10-28 | 2022-04-08 | 上海空间电源研究所 | 锂离子电池参数及开路电压辨识方法、系统及介质 |
Non-Patent Citations (2)
Title |
---|
刘楠: "锂离子电容在线参数辨识与SOC的联合估计", 《电源技术》 * |
吕桃林: "机理模型在锂离子电池状态估计与预测中的应用", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359035A (zh) * | 2021-05-28 | 2021-09-07 | 上海玖行能源科技有限公司 | 一种基于电池实际工况的开路电压获取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031153B (zh) | 一种锂离子电池的健康状态在线估计方法 | |
CN110888057B (zh) | 一种动力锂离子电池电化学参数辨识方法及系统 | |
CN109188293B (zh) | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 | |
CN112005124B (zh) | 电池状态评估方法 | |
CN112883531B (zh) | 锂离子电池数据处理方法、计算机设备和存储介质 | |
CN108445422B (zh) | 基于极化电压恢复特性的电池荷电状态估算方法 | |
Liu et al. | A comparative study of equivalent circuit models and enhanced equivalent circuit models of lithium-ion batteries with different model structures | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
CN111965560B (zh) | 一种面向通用放电工况的电池健康状态估计方法 | |
CN112083336B (zh) | 一种锂离子电池组电化学模型参数获取方法 | |
CN112710955B (zh) | 一种用于提高电池容量估计精度的算法 | |
CN104076293A (zh) | 基于观测器的锂电池soc估算误差的定量分析方法 | |
CN110442901A (zh) | 一种锂离子电池电化学简化模型及其参数的获取方法 | |
CN110095732A (zh) | 一种考虑环境湿度对内阻影响的锂电池soh估计方法 | |
CN112462282B (zh) | 基于机理模型的用于确定电池组实时荷电状态的方法 | |
CN113933714A (zh) | 基于简化电化学模型和灰色预测联合的电池容量预测方法 | |
CN115389936A (zh) | 一种数模混合驱动的锂电池持续峰值功率能力的在线预测方法 | |
Zhang et al. | A data-driven based state of energy estimator of lithium-ion batteries used to supply electric vehicles | |
CN114397578A (zh) | 一种锂离子电池剩余电量估计方法 | |
Xiong et al. | Lithium-ion battery parameters and state of charge joint estimation using bias compensation least squares and the alternate algorithm | |
Zheng et al. | Dynamic model for characteristics of Li-ion battery on electric vehicle | |
CN113125969B (zh) | 基于aukf的电池数据处理方法、设备和介质 | |
CN112782586A (zh) | 一种基于实际局部数据的锂离子电池容量估算方法及系统 | |
CN112580289A (zh) | 一种混合电容器功率状态在线估计方法及系统 | |
Zhou et al. | Online estimation of state of charge of Li-ion battery using an iterated extended Kalman particle filter |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210511 |
|
RJ01 | Rejection of invention patent application after publication |