CN113156316A - 盐水电池soc估算算法 - Google Patents

盐水电池soc估算算法 Download PDF

Info

Publication number
CN113156316A
CN113156316A CN202110452139.XA CN202110452139A CN113156316A CN 113156316 A CN113156316 A CN 113156316A CN 202110452139 A CN202110452139 A CN 202110452139A CN 113156316 A CN113156316 A CN 113156316A
Authority
CN
China
Prior art keywords
soc
value
charge
battery
current
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
CN202110452139.XA
Other languages
English (en)
Other versions
CN113156316B (zh
Inventor
孙贤书
邵偲蔚
李凯
贺健
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.)
Taicang Zhongkoseno New Energy Technology Co Ltd
Original Assignee
Taicang Zhongkoseno New Energy 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 Taicang Zhongkoseno New Energy Technology Co Ltd filed Critical Taicang Zhongkoseno New Energy Technology Co Ltd
Priority to CN202110452139.XA priority Critical patent/CN113156316B/zh
Publication of CN113156316A publication Critical patent/CN113156316A/zh
Application granted granted Critical
Publication of CN113156316B publication Critical patent/CN113156316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385Arrangements for measuring battery or accumulator variables
    • G01R31/387Determining ampere-hour charge capacity or SoC
    • G01R31/388Determining ampere-hour charge capacity or SoC involving voltage measurements

Landscapes

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

Abstract

本发明提供一种盐水电池SOC估算算法,包括步骤:计算电池荷电状态的初始值SOC0;采用安时累积法计算电池荷电状态的测量值SOCt;根据实验室实测数据建立专家数据库;确定隶属度K1,对实验室测量荷电状态SOCr进行模糊处理,获得真实电池荷电状态的标准估算值SOCk;依据盐水电池的电化学特性,与专家数据库进行比较,确定校正系数K2,根据校正系数K2的值以及测量值SOCt对真实电池荷电状态的标准估算值SOCk进行修正,得到电池荷电状态修正后的输出值SOC。本发明通过两次修正降低了SOC的估算值的误差;自动更新专家数据库,具有自学习功能,提高SOC估算的精准度,避免长期运行的累积误差。

Description

盐水电池SOC估算算法
技术领域
本发明涉及电池技术领域,特别是涉及一种盐水电池SOC估算算法。
背景技术
规模储能技术是新能源推广和能源革新的基础,是国家能源战略需求布局的重要组成部分,对国家能源结构优化和电网安全稳定运行具有重要作用。电化学储能由于高转化效率、组装灵活、不受地理环境约束等优点,成为储能技术的研究热点,应用逐渐从示范开始商业化运营。
近几年,基于水性电解液(pH呈中性)的盐水储能电池引起了研究者的广泛关注,其中较为成熟的是水系盐水电池。正负极活性物质采用可以脱嵌钠离子的化学物质,配以中性盐的水溶液作为电解质,正负极通过离子嵌脱电化学反应或者混合反应储存电量,存在较少的不可逆反应,为电池的长寿命循环提供了坚实的理论依据,并且钠资源丰富且价格低廉,是大规模储能电池领域中最具有潜力的体系之一。
以盐水电池制备成的储能系统集成简单、结实耐用;无散热、过充等敏感要求;不存在爆炸、着火等安全隐患。不仅能够与分布式能源的储能协调应用,充分接入、消纳风能,太阳能等可再生能源,实现能源的优化管理和高效利用;同时可以配置“智能电网”,实现用电的合理使用。
储能系统BMS的主要任务是检测电池工作状态、估算电池荷电状态SOC、电池健康状态、以及通讯、均衡、故障诊断等。而SOC的估算是其中关键技术之一。电池的荷电状态SOC(State of Charge,简称SOC),指电池中剩余电荷的可用状态,是描述电池状态的一个重要参数,对其进行准确的估算是当今电池研究的一个难题和热点。主要的测试方法有以下几种:
1)放电测试法,将电池以一定的放电倍率进行恒流放电至电池的截止电压,用电流乘于所用的时间可以得到放出的电量及电池SOC值。该方法测试准确,但要求测试电流恒定,只能局限于实验室环境下测试。
2)开路电压法,根据电池的开路电压(OCV)与电池电量的变化关系,间接拟合出开路电压OCV与电池SOC之间的关系。该方法需要电池长时间的静置,不适用于运行中的储能系统,仅作为初始化的估算算法。
3)安时累积法,也叫电流积分法,是目前电池领域普遍应用的SOC估算方法,其本质是在电池进行充电或放电时,通过累积充进或放出的电量估算电池SOC。该方法相对简单可靠,但受制于数据采样精度及电池本身特性如自放电、老化等因素影响,随着电池的运行时间越长,误差越大,需要引入相关的修正方法对累积误差进行纠正。
4)人工神经网络法,模拟人脑及其神经元以处理非线性系统的新型算法,该算法需要大量的测试数据输入且计算量大、耗时、需要大存储等问题。目前盐水电池属于储能新技术,数据量不足难以实现,且占用较大的资源不利于大规模推广。
5)系统滤波法,常用的是卡尔曼滤波算法,具有闭环控制和实时性强的优点。但作为线性算法应用到非线性的储能系统中,存在一定的困难。
综上,采用现有技术的方法进行SOC估算,均存在一定的缺陷,因此,研发一种新型的SOC估算方法是非常有必要的。
发明内容
本发明所要解决的技术问题是:为了克服现有技术中的不足,本发明基于盐水电池的电化学特性,提出了以实验室实测数据库为根据,以安时累计法为基础,以修正算法为核心的“三位一体”的盐水电池SOC估算算法。
本发明解决其技术问题所要采用的技术方案是:一种盐水电池SOC估算算法,本算法核心算法为修正算法,基础算法采用安时累计法,具体包括以下步骤:
S1:计算电池荷电状态的初始值SOC0
通过公式SOC0=f(OCV)计算得出电池系统荷电状态的初始值SOC0,其中,OCV表示开路电压,f()表示OCV-SOC的对应函数。
S2:计算电池荷电状态的基础值SOCt
根据步骤S1获得的初始SOC0,通过安时累积法计算电池荷电状态的测量值SOCt,计算公式为:
Figure 205587DEST_PATH_IMAGE001
其中,I表示运行电流,充电为正、放电为负,t表示运行时间。
S3:根据实验室实测数据建立专家数据库;
通过实验室,测试在不同运行电流下,电压和电池荷电状态的函数关系,依据电池容量C,建立专家数据库,函数关系为:
SOCr=fI i U j)/C
其中,
Figure 534937DEST_PATH_IMAGE002
式中,
SOCr为实验室测量荷电状态,单位 %;
C为电池容量,在25℃,10小时率电流充放电条件下,测量的容量,单位 Ah;
fI i U j)为实验室测量当前容量,根据电流、电压的不同,计算对应的当前容量,单位Ah;
I i为测量当前容量的运行电流,单位 A;
U j为测量当前容量的电压,单位 V;
m为测量的不同电压值的数量,Um应小于最大充电电压;
n为测量的不同运行电流值的数量。
上述电流和电压的取值根据具体要求进行等量递增或递减。
在步骤S3中为了提高SOC估算的精准度,通过修正容量ΔC,更新专家数据库。
统计电池荷电状态的修正前测量值和修正值SOC之间的偏差ΔSOC,依据公式ΔC=ΔSOC×C,容量修正ΔC在固定时间周期内,计算平均值,实时更新专家数据库,实现算法的自学习功能,提高SOC估算的精准度,避免长期运行的累积误差。SOC是通过累计电流和总容量的比值计算的,这里更新的是专家数据库的初始容量值。
S4:修正算法,确定隶属度K1,得到标准估算值SOCk
在实际工程应用中,因为专家数据库是离散的,并不连续,测量的运行电流值不可能和数据库完全一致,所以使用标准曲线去校正SOC的估算值则无法实现。
根据实验室测试经验,给出各个工况下运行电流的测试值和函数标准值的偏差确定隶属度K1的具体数值,隶属度K1在闭区间[0,1]内取值;其中,运行电流的标准值为建立专家数据库时对应的运行电流值。
首先判断运行电流I实际测试值在某一区间内,即满足I i<II i+1,则偏差值ΔI为:
ΔI=I i+1-|I|
其中,I i表示专家数据库中测量的第i个运行电流值;I i+1表示专家数据库中测量的第i+1个运行电流值;|I|为运行电流的绝对值,充电为正,放电为负。
根据偏差值ΔI确定隶属度K1的值,则K1为实验室测量荷电状态SOCr经模糊处理后最终选择,计算电池荷电状态的标准估算值SOCk为:
SOCk= SOCij×K1+ SOC(i+1)j×(1-K1))
式中:
SOCij为在运行电流为I i,电压为U j的工况下,专家数据库对应的荷电状态,单位%;
SOC(i+1)j为在运行电流为I i+1,电压为Uj的工况下,专家数据库对应的荷电状态,单位 %;
K1为隶属度,在[0,1]范围内取值。
S5:依据温度、内阻对盐水电池的电化学特性的影响,与专家数据库进行比较,根据电流在固定时间内的稳定性,确定校正系数K2,根据校正系数K2的值以及测量值SOCt对电池荷电状态的估算值SOCk进行修正,得到电池荷电状态修正后的输出值SOC。
工程实际测量的电流值也不是恒定的,有时会有较大波动,而电流的波动对电池荷电状态的标准函数有较大影响,修正估算值和真实值的关系不是0和1的关系,是模糊概念,设定校正系数K2,K2在闭区间[0,1]内取值。具体取值依赖电流变化的程度,在固定时间间隔内,最大值和最小值的偏差决定了K2的取值,越接近专家数据库测试数据,变化越小则K2值越接近1。具体的采用比较当前温度与专家数据测试时的温度区别,温度差越小,K2越接近1,此处比较的过程是采用现有的技术手段可以实现的,此处不再赘述。
根据校正系数K2的值,则电池荷电状态修正后的输出值SOC为:
SOC=SOCt+(SOCk-SOC1 )×K2
式中:
SOCt为安时累积法计算的电池荷电状态基础值,单位 %;
SOC1为当前数据库存储值,程序初始运行数值为SOCt,单位 %;
SOC为修正后电池荷电状态的输出值,单位 %;
K2为校正系数。
人工智能的模糊逻辑方法是基于模糊逻辑推理理论,模仿人的思维方式,对难以建立精确数学模型的对象实施的一种控制策略。不需要准确的数学模型和准确的数值,开发相对简单,准确性高,同时具有自学习能力,避免长期运行的累积误差。因此,本发明采用隶属度K1、校正系数K2以及修正容量ΔC对SOC的估算进行修正,以提高精度。
本发明的有益效果是:
(1)本算法核心为修正算法,以安时累计法为基础算法,采用人工智能SOC估算修正方法,提高系统SOC计算精度;
(2)通过隶属度K1和校正系数K2两次修正,大大降低了SOC的估算值的误差;
(3)本算法具有自学习功能,自动更新专家数据库,提高SOC估算的精准度,避免长期运行的累积误差。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明盐水电池的SOC-OCV曲线图。
图2是本发明实验室实测专家数据库示意图。
图3是本发明初始化程序流程图。
图4是本发明SOC修正算法流程图。
图5是电池在500W恒功率放电的电压/电流与时间的关系图。
具体实施方式
现在结合附图对本发明作详细的说明。此图为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
图5为电池采用500W恒功率放电,1小时内电压/电流与时间的关系图,图中黑色竖直线条为取数据的位置。恒功率放电时,电流随着放电过程整体持续下降,实际电流和电压均不是稳定值,有一定的波动。下面按照此发明的计算方法来计算此电池运行20分钟时电池的SOC。
如图4所示,本发明的一种盐水电池SOC估算算法,本算法核心算法为修正算法,基础算法采用安时累计法,具体包括以下步骤:
S1:计算电池荷电状态的初始值SOC0
通过公式SOC0=f(OCV)计算得出电池系统荷电状态的初始值SOC0,其中,OCV表示开路电压,f()表示OCV-SOC的对应函数。
如图1所示,在单体电池开路状态下,及单体电池处于既不充电也不放电的状态下,并保持2小时以上,测量电池正、负极两端开路电压OCV。根据图示的函数曲线,计算对应的电池荷电状态的初始值SOC0
按照图3所示的初始化程序进行测定。初始化程序在停电后重启或搁置时间超过6小时的情况下运行。当电池系统首次运行,按照图1所示的函数,计算电池荷电状态的初始值SOC0。电池系统在运行过程中,当检测到电流的绝度值小于0.5A时,则判定单体电池没有在充电或放电运行,当保持6小时以上时,对电池荷电状态的显示值进行修正,调用图1所示函数计算。当显示值和图1函数计算值有较大偏差时(如:大于5%),则使用差值平均,平滑过渡。本实施例中根据图1可知,在运行初期,电流为0,符合初始化条件,56.4V对应的SOC0为100%。
S2:计算电池荷电状态的基础值SOCt
根据步骤S1获得的初始SOC0,通过安时累积法计算电池荷电状态的测量值SOCt,选取运行时间为20分钟,根据计算公式计算SOCt的值:
Figure 733838DEST_PATH_IMAGE003
=100%-15.54%
=84.46%
其中,I表示运行电流,充电为正、放电为负,t表示运行时间。
S3:根据实验室实测数据建立专家数据库,专家数据库如图2所示,根据电流、电压的不同,计算对应的当前容量,当电流为I i曲线时,通过测量的电压U j可以计算出对应的横坐标时间点,记作t,单位为小时(h)。
通过实验室,测试在不同运行电流下,电压和电池荷电状态的函数关系,依据电池容量C,建立专家数据库,函数关系为:
SOCr=fI i U j)/C
其中,
Figure 402716DEST_PATH_IMAGE002
式中,
SOCr为实验室测量荷电状态,单位 %;
C为电池容量,在25℃,10小时率电流充放电条件下,测量的容量,单位 Ah;
fI i U j)为实验室测量当前容量,单位Ah;
I i为测量当前容量的运行电流,单位 A;
U j为测量当前容量的电压,单位 V;
m为测量的不同电压值的数量,Um应小于最大充电电压;
n为测量的不同运行电流值的数量。
上述电流和电压的取值根据具体要求进行等量递增或递减。
在步骤S3中为了提高SOC估算的精准度,通过修正容量ΔC,更新专家数据库。统计测量值和修正值之间的偏差ΔSOC,依据公式ΔC=ΔSOC×C,容量修正ΔC,在固定时间周期内,计算平均值,实时更新专家数据库,实现算法的自学习功能,提高SOC估算的精准度,避免长期运行的累积误差。
S4:修正算法,确定隶属度K1,得到标准估算值SOCk
在运行20分钟的节点,实际运行电压为50.52V,电流为-9.89A,当前数据库存储值SOC1为84.6%。位于专家数据库9A和10A之间,实则偏差值ΔI为:
ΔI=10-|-9.89|=0.11
假设根据偏差值ΔI确定隶属度K1的值为0.11,则K1为电池荷电状态估的估算值经模糊处理后最终选择,通过专家数据库查询,得知SOC(9,50.52)为83.3%,SOC(10,50.52)为87.1%计算电池荷电状态的标准估算值SOCk为:
SOCk= SOCij×K1+ SOC(i+1)j×(1-K1))
=SOC(9,50.52)*0.11+SOC(10,50.52)*(1-0.11)
=83.3%*0.11+87.1%*0.89
=86.6%
S5:依据盐水电池的电化学特性,与专家数据库进行比较,根据电流在固定时间内的稳定性,确定校正系数K2,得到电池荷电状态修正后的输出值SOC。
工程实际测量的电流值不是恒定的,有时会有较大波动,而电流的波动对SOC的标准函数有较大影响,标准估算值和真实值的关系不是0和1的关系,是模糊概念,设定校正系数K2,K2在闭区间[0,1]内取值。具体取值依赖电流变化的程度,在固定时间间隔内,最大值和最小值的偏差决定了K2的取值,越接近专家数据库测试数据,变化越小则K2值越接近1。
实际选取取样点前5分钟的数据,计算实际运行电流与此刻电流的差值(-9.89)具体如下表所示:
电流差值表
Figure 956932DEST_PATH_IMAGE004
电流波动较小,平均变化0.012A,按照K2值和电流波动值反函数的关系,取值0.98。根据校正系数K2的值,则电池荷电状态修正后的输出值SOC为:
SOC=SOCt+(SOCk-SOC1)×K2
=84.46%+(86.6%-84.6%)*0.98
=86.4%
人工智能的模糊逻辑方法是基于模糊逻辑推理理论,模仿人的思维方式,对难以建立精确数学模型的对象实施的一种控制策略。不需要准确的数学模型和准确的数值,开发相对简单,准确性高,同时具有自学习能力,避免长期运行的累积误差。因此,本发明采用隶属度K1、校正系数K2以及修正容量ΔC对SOC的估算进行修正,以提高精度。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关的工作人员完全可以在不偏离本发明的范围内,进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。

Claims (7)

1.一种盐水电池SOC估算算法,其特征在于:包括以下步骤:
S1:计算电池荷电状态的初始值SOC0
S2:根据初始值SOC0,采用安时累积法计算电池荷电状态的测量值SOCt,以测量值SOCt作为修正的基础值;
S3:根据实验室实测数据建立专家数据库,获得实验室测量荷电状态SOCr与不同运行电流下的电压以及电池容量C的函数关系;
S4:根据各个工况下运行电流的测试值和函数标准值的偏差确定隶属度K1;然后,根据确定的隶属度K1的值对实验室测量荷电状态SOCr进行模糊处理,获得真实电池荷电状态的标准估算值SOCk
S5:依据盐水电池的电化学特性,与步骤S3建立的专家数据库进行比较,根据电流在固定时间内的稳定性,确定校正系数K2,根据校正系数K2的值以及测量值SOCt对电池荷电状态的估算值SOCk进行修正,得到电池荷电状态修正后的输出值SOC。
2.如权利要求1所述的盐水电池SOC估算算法,其特征在于:步骤S1具体包括:通过公式SOC0=f(OCV)计算得出电池系统荷电状态的初始值SOC0,其中,OCV表示开路电压,f()表示OCV-SOC的对应函数。
3.如权利要求2所述的盐水电池SOC估算算法,其特征在于:步骤S2具体包括:根据步骤S1获得的初始SOC0,通过安时累积法计算电池荷电状态的基础值SOCt,计算公式为:
Figure 360973DEST_PATH_IMAGE001
其中,I表示运行电流,充电为正、放电为负,t表示运行时间。
4.如权利要求3所述的盐水电池SOC估算算法,其特征在于:步骤S3具体包括:通过实验室,测试在不同运行电流下,电压和电池荷电状态的函数关系,依据电池容量C,建立专家数据库,函数关系为:
SOCr=fI i U j)/C
其中,
Figure 177620DEST_PATH_IMAGE002
式中,
SOCr为实验室测量荷电状态,单位 %;
C为电池容量,在25℃,10小时率电流充放电条件下,测量的容量,单位 Ah;
fI i U j)为实验室测量当前容量,根据电流、电压的不同,计算对应的当前容量,单位Ah;
I i为测量当前容量的运行电流,单位 A;
U j为测量当前容量的电压,单位 V;
m为测量的不同电压值的数量,U m应小于最大充电电压;
n为测量的不同运行电流值的数量。
5.如权利要求4所述的盐水电池SOC估算算法,其特征在于:步骤S4具体包括:根据实验室测试经验,给出各个工况下运行电流I的测试值和标准值的偏差值,然后根据偏差值确定隶属度K1的具体数值,隶属度K1在闭区间[0,1]内取值;
首先判断运行电流I实际测试值在某一区间内,即满足I i<II i+1,则偏差值ΔI为:
ΔI=I i+1-|I|
其中,I i表示专家数据库中测量的第i个运行电流值;I i+1表示专家数据库中测量的第i+1个运行电流值,|I|为运行电流的绝对值,充电为正,放电为负;
根据偏差值ΔI确定隶属度K1的值,则K1为电池荷电状态的估算值经模糊处理后最终选择,计算电池荷电状态的标准估算值SOCk为:
SOCk= SOCij×K1+ SOC(i+1)j×(1-K1))
式中:
SOCij为在运行电流为I i,电压为U j的工况下,专家数据库对应的荷电状态,单位 %;
SOC(i+1)j为在运行电流为I i+1,电压为Uj的工况下,专家数据库对应的荷电状态,单位 %;
K1为隶属度,在[0,1]范围内取值。
6.如权利要求5所述的盐水电池SOC估算算法,其特征在于:步骤S5具体包括:依据温度和内阻对盐水电池的电化学特性的影响,与专家数据库进行比较,越接近专家数据库的测试条件,则K2越趋近与1,确定校正系数K2,K2在闭区间[0,1]内取值,根据校正系数K2的值,则电池荷电状态修正后的输出值SOC为:
SOC=SOCt+(SOCk-SOC1)×K2
式中:
SOCt为安时累积法计算的电池荷电状态基础值,单位 %;
SOC1为当前数据库存储值,程序初始运行数值为SOCt,单位 %;
SOC为修正后电池荷电状态的输出值,单位 %;
K2为校正系数。
7.如权利要求1-6任一项所述的盐水电池SOC估算算法,其特征在于:步骤S3中还包括通过修正容量ΔC,对专家数据库的更新,具体包括,
统计电池荷电状态的修正前数据库存储值,和修正值SOC之间的偏差ΔSOC,依据公式确定修正容量ΔC:
ΔC=ΔSOC×C
通过修正容量ΔC,周期性更新专家数据库。
CN202110452139.XA 2021-04-26 2021-04-26 盐水电池soc估算算法 Active CN113156316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110452139.XA CN113156316B (zh) 2021-04-26 2021-04-26 盐水电池soc估算算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110452139.XA CN113156316B (zh) 2021-04-26 2021-04-26 盐水电池soc估算算法

Publications (2)

Publication Number Publication Date
CN113156316A true CN113156316A (zh) 2021-07-23
CN113156316B CN113156316B (zh) 2023-11-07

Family

ID=76870802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110452139.XA Active CN113156316B (zh) 2021-04-26 2021-04-26 盐水电池soc估算算法

Country Status (1)

Country Link
CN (1) CN113156316B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116184223A (zh) * 2021-11-29 2023-05-30 比亚迪股份有限公司 评估电池荷电状态估算算法准确度的方法及电子设备
CN116418085A (zh) * 2023-04-06 2023-07-11 贲安能源科技(上海)有限公司 一种盐水电池均衡控制方法
CN117175751A (zh) * 2023-11-02 2023-12-05 广州巨湾技研有限公司 一种基于电池最高温度的充电电流控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102569922A (zh) * 2012-03-05 2012-07-11 同济大学 一种基于单体电池一致性的蓄电池组soc估计改进方法
US20130229154A1 (en) * 2012-03-02 2013-09-05 Saft Method and system for estimating state of charge of a lithium electrochemical cell having a lithium phosphate type positive electrode
CN103576096A (zh) * 2013-10-09 2014-02-12 广东电网公司电力科学研究院 电动汽车动力电池剩余电量的实时评估方法及装置
WO2015106691A1 (zh) * 2014-01-17 2015-07-23 宁波吉利罗佑发动机零部件有限公司 一种混合动力车用动力电池soc估算方法
CN105974323A (zh) * 2016-05-09 2016-09-28 深圳市鑫成泰科技有限公司 一种提高电动汽车soc估算精度的算法模型
CN107991623A (zh) * 2017-11-27 2018-05-04 山东大学 一种考虑温度和老化程度的电池安时积分soc估计方法
CN108226809A (zh) * 2018-04-13 2018-06-29 淮阴工学院 一种多模型并用的电池soc估算方法
CN110187282A (zh) * 2019-06-03 2019-08-30 珠海东帆科技有限公司 电池荷电状态估算方法和估算装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130229154A1 (en) * 2012-03-02 2013-09-05 Saft Method and system for estimating state of charge of a lithium electrochemical cell having a lithium phosphate type positive electrode
CN102569922A (zh) * 2012-03-05 2012-07-11 同济大学 一种基于单体电池一致性的蓄电池组soc估计改进方法
CN103576096A (zh) * 2013-10-09 2014-02-12 广东电网公司电力科学研究院 电动汽车动力电池剩余电量的实时评估方法及装置
WO2015106691A1 (zh) * 2014-01-17 2015-07-23 宁波吉利罗佑发动机零部件有限公司 一种混合动力车用动力电池soc估算方法
CN105974323A (zh) * 2016-05-09 2016-09-28 深圳市鑫成泰科技有限公司 一种提高电动汽车soc估算精度的算法模型
CN107991623A (zh) * 2017-11-27 2018-05-04 山东大学 一种考虑温度和老化程度的电池安时积分soc估计方法
CN108226809A (zh) * 2018-04-13 2018-06-29 淮阴工学院 一种多模型并用的电池soc估算方法
CN110187282A (zh) * 2019-06-03 2019-08-30 珠海东帆科技有限公司 电池荷电状态估算方法和估算装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUAN-CHYUN HSIEH 等: "Fuzzy-Controlled Li–Ion Battery Charge System with Active State-of-Charge Controller", IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, vol. 48, no. 3, pages 585 - 593, XP011023826 *
张建寰 等: "基于多参数融合的铅酸蓄电池SOC估算方法研究", 电源技术, no. 11, pages 118 - 120 *
李凯 等: "储能系统的荷电状态管理策略及其影响评价", 电力系统自动化, vol. 39, no. 8, pages 27 - 32 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116184223A (zh) * 2021-11-29 2023-05-30 比亚迪股份有限公司 评估电池荷电状态估算算法准确度的方法及电子设备
CN116418085A (zh) * 2023-04-06 2023-07-11 贲安能源科技(上海)有限公司 一种盐水电池均衡控制方法
CN116418085B (zh) * 2023-04-06 2024-04-05 贲安能源科技(上海)有限公司 一种盐水电池均衡控制方法
CN117175751A (zh) * 2023-11-02 2023-12-05 广州巨湾技研有限公司 一种基于电池最高温度的充电电流控制方法及系统

Also Published As

Publication number Publication date
CN113156316B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
WO2022105104A1 (zh) 一种基于多新息递推贝叶斯算法的电池模型参数辨识方法
CN106909716B (zh) 计及容量损耗的磷酸铁锂电池建模及soc估计方法
CN113156316B (zh) 盐水电池soc估算算法
CN106291372B (zh) 一种新的锂离子动力电池剩余寿命预测方法
CN107064805A (zh) 蓄电池容量测量系统和蓄电池容量测量方法
CN112098849B (zh) 基于求积分卡尔曼滤波的锂电池剩余电量估计方法
US20230280404A1 (en) Method and device for estimating battery state of charge based on electrochemical model
CN110320472B (zh) 一种用于矿用锂电池的自修正soc估计方法
CN113777501B (zh) 一种电池模组的soh的估算方法
CN109752660B (zh) 一种无电流传感器的电池荷电状态估计方法
CN111239629A (zh) 一种退役锂电池的梯次利用状态区间划分方法
CN112305426B (zh) 一种多约束条件下的锂离子电池功率状态估计系统
Cui et al. Equivalent Circuit Model of Lead-acid Battery in Energy Storage Power Station and Its State-of-Charge Estimation Based on Extended Kalman Filtering Method.
Li et al. Multi-state joint estimation for a lithium-ion hybrid capacitor over a wide temperature range
CN110596604A (zh) 一种基于安时积分法的锂电池soc估计方法
CN115629314B (zh) 基于改进Jaya的电池参数与状态联合估计方法及系统
CN112946481A (zh) 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统
CN111027203A (zh) 一种超级电容soc计算方法
CN114035071A (zh) 水系二次电池系统soc在线校正方法
CN118050643A (zh) 一种基于曲线拟合的ocv估值方法、系统及电子设备
CN112379280A (zh) 基于恒压恒流充电曲线的电池模型参数与ocv-soc关系确定方法
CN115656839A (zh) 基于bp-dekf算法的电池状态参量协同估算方法
CN113138342B (zh) 一种基于滚动时域估计的soc在线估算方法及系统
CN115951225A (zh) 一种电池均衡优化容量估计方法和装置
CN205450222U (zh) 一种直流内阻的测试电路

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