CN113238150A - 基于状态估计算法的电池实时发热功率获取方法 - Google Patents
基于状态估计算法的电池实时发热功率获取方法 Download PDFInfo
- Publication number
- CN113238150A CN113238150A CN202110566420.6A CN202110566420A CN113238150A CN 113238150 A CN113238150 A CN 113238150A CN 202110566420 A CN202110566420 A CN 202110566420A CN 113238150 A CN113238150 A CN 113238150A
- Authority
- CN
- China
- Prior art keywords
- battery
- heating power
- time
- moment
- equation
- 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
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Abstract
基于状态估计算法的电池实时发热功率获取方法,属于锂离子电池热管理系统应用领域。本发明的目的是为了解决现有在车辆行驶过程中无法准确估计下一时刻的电池发热功率的问题。本申请建立有关电池发热功率估计的状态方程和观测方程,对所述状态方程和观测方程进行离散化,并借助卡尔曼滤波算法实现了电池发热功率的准确估计。它用于估计下一时刻电池的发热功率。
Description
技术领域
本发明涉及锂离子电池发热功率的获取方法,属于锂离子电池热管理系统应用领域。
背景技术
锂离子电池具有高功率密度、高能量密度、循环寿命长等突出优势,目前已成为新能源汽车的核心储能部件。随着电池能量密度与功率密度的不断增加,有效的热管理系统是电池系统安全可靠运行的前提。
在对锂离子电池热管理系统优化设计时,需要对电池系统建立准确的有限元仿真模型。电池的发热功率是有限元模型的核心输入参数,严重影响电池热管理系统设计的合理性与有效性。在电池热管理系统运行过程中,电池系统的运行参数的实时调整同样受制于电池发热功率。
目前,准确的锂离子电池的发热功率获取依赖于加速绝热量热仪(ARC)。加速绝热量热仪是一种价格昂贵的精密仪器,并且整个测试操作流程十分复杂。此外,ARC中从电池发热功率测试需要事先知道电池的工况,无法在车辆行驶过程中实时地对电池的发热功率进行测量。
当前还存在一种基于Bernardi方程的电池产热估算方式。但对于大型的商用电池(容量≥20Ah)而言,基于Bernardi方程的产热计算准确度较差,计算结果的精度受熵变系数的严重影响,无法准确地估计出电池实时的发热功率。因此,当前缺乏一种能够实时地准确计算电池发热功率的方法。
发明内容
本发明的目的是为了解决现有在车辆行驶过程中无法准确估计下一时刻的电池发热功率的问题,现提供基于状态估计算法的电池实时发热功率获取方法。
基于状态估计算法的电池实时发热功率获取方法,所述方法包括以下步骤:
步骤1、建立有关电池发热功率的状态方程和观测方程,分别对所述有关电池发热功率的状态方程和观测方程进行离散化,分别得到tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,k为大于1的正整数;
步骤2、根据tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,得到tk时刻电池发热功率的预测值;
步骤3、根据误差协方差矩阵预测方程,得到tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵;
步骤4、根据步骤3得到的误差协方差矩阵和卡尔曼增益矩阵方程,得到tk时刻的卡尔曼增益矩阵;
步骤5、根据tk时刻的卡尔曼增益矩阵、状态变量修正方程、测量的温度与观测方程计算得到的温度之间的观测量误差和tk时刻电池发热功率的预测值,得到tk时刻电池发热功率的估计值,从而实现对下一时刻电池发热功率的估计。
优选地,所述方法还包括步骤6至步骤7,
步骤6、采用误差协方差矩阵估计方程和tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵,得到tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵;
步骤7、使k=k+1,执行步骤3至步骤5,得到tk时刻电池发热功率的估计值。
优选地,步骤1中,有关电池发热功率的状态方程为:
式中,Q表示电池的发热功率,Eocv表示电池的开路电势,Uapp表示电池的端电压,I表示电池的工作电流,T表示电池当前的温度,dEocv/dT表示电池的熵变系数,w表示状态噪声;
有关电池发热功率的观测方程为:
T=(Q-Qdiss)/(m·Cp)+T0+v 公式2,
式中,Qdiss表示电池的散热功率;m表示电池的质量,Cp表示电池的平均比热容,T0表示电池的初始温度,v表示观测噪声。
优选地,步骤1中,tk-1时刻和tk时刻的有关电池发热功率的状态方程为:
式中,Qk表示tk时刻电池发热功率的实际值,表示tk-1时刻电池的开路电势,表示tk-1时刻电池的端电压,Ik-1表示tk-1时刻电池的工作电流,Tk-1表示tk-1时刻电池的温度,表示tk-1时刻电池的熵变系数,wk-1表示tk-1时刻状态噪声;
k-1时刻和k时刻的有关电池发热功率的观测方程为:
优选地,步骤2中,根据tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,得到tk时刻的电池发热功率的预测值,具体为:
根据公式3和公式4,得到tk-1时刻和tk时刻的电池发热功率关系方程为:
将公式5修改成tk-1时刻电池发热功率的估计值和tk时刻电池发热功率的预测值的关系方程:
式中,Qk/k-1表示tk时刻电池发热功率的预测值,Qk-1/k-1表示tk-1时刻电池发热功率的估计值,w'k=wk+vk;
根据公式6得到tk时刻电池发热功率的预测值。
优选地,步骤3中,误差协方差矩阵预测方程,表示为:
Pk/k-1=Ak-1Pk-1/k-1ΑT k-1+Mk-1 公式7,
式中,Pk/k-1为tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵,Ak-1表示tk-1时刻的系统矩阵,Mk-1为tk-1时刻的产热功率的协方差矩阵,ΑT k-1表示Ak-1的转置矩阵,Pk-1/k-1为tk-1时刻电池发热功率的估计值与tk-1时刻电池发热功率的实际值之间的误差协方差矩阵。
优选地,步骤4中,卡尔曼增益矩阵方程,表示为:
Kk=Pk/k-1CT k(CkPk/k-1CT k+Nk)-1 公式8,
式中,Kk为tk时刻的卡尔曼增益矩阵,Ck为温度计算系统的输出矩阵,Nk为tk时刻的温度观测值的噪声协方差矩阵,表征了传感器的误差,CT k为Ck的转置矩阵。
优选地,步骤5中,状态变量修正方程,表示为:
Qk/k=Qk/k-1+KkEk 公式9,
式中,Qk/k为tk时刻电池发热功率的估计值,Ek为测量的温度与观测方程计算得到的温度之间的观测量误差,
优选地,步骤6中,误差协方差矩阵估计方程,表示为:
Pk/k=(I-KkCk)Pk/k-1 公式11,
式中,Pk/k为tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵。
优选地,公式7中,当初始时刻时,电池未工作,此时Pk-1/k-1=P0|0=0,M0取0.5,根据公式7能够获得t1时刻电池发热功率的预测值与t1时刻电池发热功率的实际值之间的误差协方差矩阵。
本发明的有益效果是:
本申请建立有关电池发热功率估计的状态方程和观测方程,对所述状态方程和观测方程进行离散化,并借助卡尔曼滤波算法实现了电池发热功率的准确估计。本申请用来估计下一时刻的电池发热功率,方法简单,准确性高。
附图说明
图1为基于状态估计算法的电池实时发热功率获取方法的流程图;
图2为恒流1C放电发热功率比较图;
图3为恒流2C放电发热功率比较图。
具体实施方式
具体实施方式一:结合图1说明本实施方式,本实施方式所述的基于状态估计算法的电池实时发热功率获取方法,所述方法包括以下步骤:
步骤1、建立有关电池发热功率的状态方程和观测方程,分别对所述有关电池发热功率的状态方程和观测方程进行离散化,分别得到tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,k为大于1的正整数;
步骤2、根据tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,得到tk时刻电池发热功率的预测值;
步骤3、根据误差协方差矩阵预测方程,得到tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵;
步骤4、根据步骤3得到的误差协方差矩阵和卡尔曼增益矩阵方程,得到tk时刻的卡尔曼增益矩阵;
步骤5、根据tk时刻的卡尔曼增益矩阵、状态变量修正方程、测量的温度与观测方程计算得到的温度之间的观测量误差和tk时刻电池发热功率的预测值,得到tk时刻电池发热功率的估计值,从而实现对下一时刻电池发热功率的估计。
本实施方式中,本申请是根据当前时刻的信息来估计下一时刻的电池发热功率。可以用tk-1时刻的信息估计tk时刻的电池发热功率。
具体实施方式二:本实施方式是对具体实施方式一所述的基于状态估计算法的电池实时发热功率获取方法,所述方法还包括步骤6至步骤7,
步骤6、采用误差协方差矩阵估计方程和tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵,得到tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵;
步骤7、使k=k+1,执行步骤3至步骤5,得到tk时刻电池发热功率的估计值。
本申请k-1时刻是当前时刻,我们知道k-1时刻的信息来求下一时刻也就是k时刻的电池发热功率,当k时刻电池发热功率求出来了,k时刻就是当前时刻了,我们在根据k时刻再求k+1时刻的电池发热功率,
具体实施方式三:本实施方式是对具体实施方式二所述的基于状态估计算法的电池实时发热功率获取方法,步骤1中,有关电池发热功率的状态方程为:
式中,Q表示电池的发热功率,Eocv表示电池的开路电势,Uapp表示电池的端电压,I表示电池的工作电流,T表示电池当前的温度,dEocv/dT表示电池的熵变系数,w表示状态噪声;
有关电池发热功率的观测方程为:
T=(Q-Qdiss)/(m·Cp)+T0+v 公式2,
式中,Qdiss表示电池的散热功率;m表示电池的质量,Cp表示电池的平均比热容,T0表示电池的初始温度,v表示观测噪声。
本实施方式中,本申请用公式1和公式2结合,将产生的状态噪声w和观测噪声v综合起来,考虑两种噪声对发热功率的影响,将噪声因素考虑的比较全,这样得到的功率更真实、准确。公式1和公式2分别是整个有关电池发热功率的状态方程和整个有关电池发热功率的观测方程。
具体实施方式四:本实施方式是对具体实施方式三所述的基于状态估计算法的电池实时发热功率获取方法,步骤1中,tk-1时刻和tk时刻的有关电池发热功率的状态方程为:
式中,Qk表示tk时刻电池发热功率的实际值,表示tk-1时刻电池的开路电势,表示tk-1时刻电池的端电压,Ik-1表示tk-1时刻电池的工作电流,Tk-1表示tk-1时刻电池的温度,表示tk-1时刻电池的熵变系数,wk-1表示tk-1时刻状态噪声;
k-1时刻和k时刻的有关电池发热功率的观测方程为:
本实施方式中,公式3和公式4分别是对公式1和公式2进行离散化后的公式。
具体实施方式五:本实施方式是对具体实施方式四所述的基于状态估计算法的电池实时发热功率获取方法,步骤2中,根据tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,得到tk时刻的电池发热功率的预测值,具体为:
根据公式3和公式4,得到tk-1时刻和tk时刻的电池发热功率关系方程为:
将公式5修改成tk-1时刻电池发热功率的估计值和tk时刻电池发热功率的预测值的关系方程:
式中,Qk/k-1表示tk时刻电池发热功率的预测值,Qk-1/k-1表示tk-1时刻电池发热功率的估计值,w'k=wk+vk;
根据公式6得到tk时刻电池发热功率的预测值。
本实施方式中,将公式3和公式4结合,得到公式5。对步骤5进一步化简,得到步骤6。
具体实施方式六:本实施方式是对具体实施方式五所述的基于状态估计算法的电池实时发热功率获取方法,步骤3中,误差协方差矩阵预测方程,表示为:
Pk/k-1=Ak-1Pk-1/k-1ΑT k-1+Mk-1 公式7,
式中,Pk/k-1为tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵,Ak-1表示tk-1时刻的系统矩阵,Mk-1为tk-1时刻的产热功率的协方差矩阵,ΑT k-1表示Ak-1的转置矩阵,Pk-1/k-1为tk-1时刻电池发热功率的估计值与tk-1时刻电池发热功率的实际值之间的误差协方差矩阵。
本实施方式中,在初始时刻,即t0时刻,电池未工作时电池不发热,即Q0=0;公式7中的Pk-1/k-1=P0|0=0,结合Bernardi方程的计算精度以及实际的温度测量精度,状态噪声协方差矩阵M0取0.5,观测噪声的协方差矩阵N0取0.1,从而得到t1时刻(下一时刻)下的P1|0,将得到的P1|0代入公式8,得到K1,将K1和E1代入公式9中,从而估算出t1时刻的电池发热功率Q1/1,如果想预测t2时刻下的电池发热功率Q2/2,则将P1|0代入公式7中,得到P2|1,再将P2|1输入到公式8,得到K2,将K2和E2代入公式9中,从而估算出t2时刻的电池发热功率Q2/2,按照此过程可以估算下一时刻的电池发热功率。
具体实施方式七:本实施方式是对具体实施方式六所述的基于状态估计算法的电池实时发热功率获取方法,
步骤4中,卡尔曼增益矩阵方程,表示为:
Kk=Pk/k-1CT k(CkPk/k-1CT k+Nk)-1 公式8,
式中,Kk为tk时刻的卡尔曼增益矩阵,Ck为温度计算系统的输出矩阵,Nk为tk时刻的温度观测值的噪声协方差矩阵,表征了传感器的误差,CT k为Ck的转置矩阵。
具体实施方式八:本实施方式是对具体实施方式七所述的基于状态估计算法的电池实时发热功率获取方法,步骤5中,状态变量修正方程,表示为:
Qk/k=Qk/k-1+KkEk 公式9,
式中,Qk/k为tk时刻电池发热功率的估计值,Ek为测量的温度与观测方程计算得到的温度之间的观测量误差,
具体实施方式九:本实施方式是对具体实施方式八所述的基于状态估计算法的电池实时发热功率获取方法,步骤6中,误差协方差矩阵估计方程,表示为:
Pk/k=(I-KkCk)Pk/k-1 公式11,
式中,Pk/k为tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵。
本实施方式中,当知道tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵Pk/k-1后,代入误差协方差矩阵估计方程中,获得tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵Pk/k,将Pk/k代入公式7替换公式7中的Pk-1/k-1,求出tk+1时刻电池发热功率的预测值与tk+1时刻电池发热功率的实际值之间的误差协方差矩阵Pk+1/k,再将Pk+1/k代入公式8求出tk+1时刻的卡尔曼增益矩阵Kk+1,将Kk+1代入公式9,得到tk+1时刻的电池发热功率。当tk+1时刻的电池发热功率求出来之后,在用此过程能够预测下一时刻的电池发热功率。
具体实施方式十:本实施方式是对具体实施方式六所述的基于状态估计算法的电池实时发热功率获取方法,公式7中,当初始时刻时,电池未工作,此时Pk-1/k-1=P0|0=0,M0取0.5,根据公式7能够获得t1时刻电池发热功率的预测值与t1时刻电池发热功率的实际值之间的误差协方差矩阵。
对本申请的电池发热功率准确获取方法进行验证,将本申请提出的电池发热功率获取方法应用于某型三元锂离子电池,电池的详细参数如表1所示。
表1选用电池的设计参数
采用本申请提出的方法分别计算电池在空气域中恒流1C和恒流2C的发热功率,其中,C表示电流倍率。将本申请提出的计算方法得到的结果和绝热量热仪的发热功率测试结果以及单独使用Bernardi方程的发热功率计算结果作比较,以验证计算结果的精度。电池在空气域中恒流1C的发热功率比较图如图2所示,电池在空气域中恒流2C的发热功率比较图如图3所示。
从图2和图3中可以看出,本申请所提出的基于状态估计算法的电池实时发热功率获取方法的精度明显高于基于Bernardi方程的计算结果,并且整个放电过程发热功率的波动规律与数值均与加速绝热量仪中的测试结果一致。
Claims (10)
1.基于状态估计算法的电池实时发热功率获取方法,其特征在于,所述方法包括以下步骤:
步骤1、建立有关电池发热功率的状态方程和观测方程,分别对所述有关电池发热功率的状态方程和观测方程进行离散化,分别得到tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,k为大于1的正整数;
步骤2、根据tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,得到tk时刻电池发热功率的预测值;
步骤3、根据误差协方差矩阵预测方程,得到tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵;
步骤4、根据步骤3得到的误差协方差矩阵和卡尔曼增益矩阵方程,得到tk时刻的卡尔曼增益矩阵;
步骤5、根据tk时刻的卡尔曼增益矩阵、状态变量修正方程、测量的温度与观测方程计算得到的温度之间的观测量误差和tk时刻电池发热功率的预测值,得到tk时刻电池发热功率的估计值,从而实现对下一时刻电池发热功率的估计。
2.根据权利要求1所述的基于状态估计算法的电池实时发热功率获取方法,其特征在于,所述方法还包括步骤6至步骤7,
步骤6、采用误差协方差矩阵估计方程和tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵,得到tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵;
步骤7、使k=k+1,执行步骤3至步骤5,得到tk时刻电池发热功率的估计值。
5.根据权利要求4所述的基于状态估计算法的电池实时发热功率获取方法,其特征在于,步骤2中,根据tk-1时刻和tk时刻的有关电池发热功率的状态方程、tk-1时刻和tk时刻的有关电池发热功率的观测方程,得到tk时刻的电池发热功率的预测值,具体为:
根据公式3和公式4,得到tk-1时刻和tk时刻的电池发热功率关系方程为:
将公式5修改成tk-1时刻电池发热功率的估计值和tk时刻电池发热功率的预测值的关系方程:
式中,Qk/k-1表示tk时刻电池发热功率的预测值,Qk-1/k-1表示tk-1时刻电池发热功率的估计值,w'k=wk+vk;
根据公式6得到tk时刻电池发热功率的预测值。
6.根据权利要求5所述的基于状态估计算法的电池实时发热功率获取方法,其特征在于,步骤3中,误差协方差矩阵预测方程,表示为:
Pk/k-1=Ak-1Pk-1/k-1ΑT k-1+Mk-1 公式7,
式中,Pk/k-1为tk时刻电池发热功率的预测值与tk时刻电池发热功率的实际值之间的误差协方差矩阵,Ak-1表示tk-1时刻的系统矩阵,Mk-1为tk-1时刻的产热功率的协方差矩阵,ΑT k-1表示Ak-1的转置矩阵,Pk-1/k-1为tk-1时刻电池发热功率的估计值与tk-1时刻电池发热功率的实际值之间的误差协方差矩阵。
7.根据权利要求6所述的基于状态估计算法的电池实时发热功率获取方法,其特征在于,步骤4中,卡尔曼增益矩阵方程,表示为:
Kk=Pk/k-1CT k(CkPk/k-1CT k+Nk)-1 公式8,
式中,Kk为tk时刻的卡尔曼增益矩阵,Ck为温度计算系统的输出矩阵,Nk为tk时刻的温度观测值的噪声协方差矩阵,表征了传感器的误差,CT k为Ck的转置矩阵。
9.根据权利要求8所述的基于状态估计算法的电池实时发热功率获取方法,其特征在于,步骤6中,误差协方差矩阵估计方程,表示为:
Pk/k=(I-KkCk)Pk/k-1 公式11,
式中,Pk/k为tk时刻电池发热功率的估计值与tk时刻电池发热功率的实际值之间的误差协方差矩阵。
10.根据权利要求6所述的基于状态估计算法的电池实时发热功率获取方法,其特征在于,公式7中,当初始时刻时,电池未工作,此时Pk-1/k-1=P0|0=0,M0取0.5,根据公式7能够获得t1时刻电池发热功率的预测值与t1时刻电池发热功率的实际值之间的误差协方差矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566420.6A CN113238150B (zh) | 2021-05-24 | 2021-05-24 | 基于状态估计算法的电池实时发热功率获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566420.6A CN113238150B (zh) | 2021-05-24 | 2021-05-24 | 基于状态估计算法的电池实时发热功率获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113238150A true CN113238150A (zh) | 2021-08-10 |
CN113238150B CN113238150B (zh) | 2022-10-04 |
Family
ID=77138459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110566420.6A Active CN113238150B (zh) | 2021-05-24 | 2021-05-24 | 基于状态估计算法的电池实时发热功率获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113238150B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170242077A1 (en) * | 2016-02-19 | 2017-08-24 | Johnson Controls Technology Company | Systems and methods for real-time estimation of capacity of a rechargeable battery |
CN108333528A (zh) * | 2018-02-07 | 2018-07-27 | 重庆大学 | 基于动力电池电-热耦合模型的soc和sot联合状态估计方法 |
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 |
CN108896930A (zh) * | 2018-08-29 | 2018-11-27 | 深圳市比克动力电池有限公司 | 一种采用总产热功率通式评估锂电池温升情况的方法 |
CN110082687A (zh) * | 2019-04-24 | 2019-08-02 | 合肥国轩高科动力能源有限公司 | 动力锂离子电池发热功率测量方法 |
CN110395141A (zh) * | 2019-06-27 | 2019-11-01 | 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 |
CN110988709A (zh) * | 2019-10-24 | 2020-04-10 | 延锋伟世通电子科技(南京)有限公司 | 一种用于电池管理系统的soe和sop联合估计方法 |
CN111044906A (zh) * | 2019-12-10 | 2020-04-21 | 深圳市鹏诚新能源科技有限公司 | 一种基于极大似然准则的锂离子电池能量状态估算方法 |
CN111352032A (zh) * | 2018-12-21 | 2020-06-30 | 重庆邮电大学 | 一种锂电池动态峰值功率预测方法 |
CN111537894A (zh) * | 2020-05-29 | 2020-08-14 | 合肥工业大学 | 一种用于估计锂电池soc和sop的方法 |
CN112526349A (zh) * | 2020-11-30 | 2021-03-19 | 北京航空航天大学 | 一种基于电池荷电状态与温度联合估计的整车能量管理方法 |
-
2021
- 2021-05-24 CN CN202110566420.6A patent/CN113238150B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170242077A1 (en) * | 2016-02-19 | 2017-08-24 | Johnson Controls Technology Company | Systems and methods for real-time estimation of capacity of a rechargeable battery |
CN108333528A (zh) * | 2018-02-07 | 2018-07-27 | 重庆大学 | 基于动力电池电-热耦合模型的soc和sot联合状态估计方法 |
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 |
CN108896930A (zh) * | 2018-08-29 | 2018-11-27 | 深圳市比克动力电池有限公司 | 一种采用总产热功率通式评估锂电池温升情况的方法 |
CN111352032A (zh) * | 2018-12-21 | 2020-06-30 | 重庆邮电大学 | 一种锂电池动态峰值功率预测方法 |
CN110082687A (zh) * | 2019-04-24 | 2019-08-02 | 合肥国轩高科动力能源有限公司 | 动力锂离子电池发热功率测量方法 |
CN110395141A (zh) * | 2019-06-27 | 2019-11-01 | 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 |
CN110988709A (zh) * | 2019-10-24 | 2020-04-10 | 延锋伟世通电子科技(南京)有限公司 | 一种用于电池管理系统的soe和sop联合估计方法 |
CN111044906A (zh) * | 2019-12-10 | 2020-04-21 | 深圳市鹏诚新能源科技有限公司 | 一种基于极大似然准则的锂离子电池能量状态估算方法 |
CN111537894A (zh) * | 2020-05-29 | 2020-08-14 | 合肥工业大学 | 一种用于估计锂电池soc和sop的方法 |
CN112526349A (zh) * | 2020-11-30 | 2021-03-19 | 北京航空航天大学 | 一种基于电池荷电状态与温度联合估计的整车能量管理方法 |
Non-Patent Citations (1)
Title |
---|
张佳倩 等: "基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计", 《工业控制计算机》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113238150B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109921111B (zh) | 一种锂离子电池内部温度估测方法及系统 | |
JP5683175B2 (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
CN103250066B (zh) | 感测电池容量的系统和方法 | |
CN111929581B (zh) | 一种动力锂电池内外部温度预测方法 | |
CN104849675A (zh) | 锂离子电池电化学和热耦合模型的获取方法 | |
CN104569829A (zh) | 蓄电池soc估计与自动校正 | |
CN104569835A (zh) | 一种估计电动汽车的动力电池的荷电状态的方法 | |
CN104462847A (zh) | 一种电池内部温度实时预测方法 | |
CN103529400A (zh) | 一种具有温度自适应补偿的电池容量预测方法 | |
CN106505258A (zh) | 一种动力电池包内电池温度计算方法及装置 | |
CN105223512A (zh) | 基于电池特性的动态矫正剩余电量的方法 | |
CN109613445A (zh) | 一种估计动力电池的健康状态的方法和装置 | |
CN105572596A (zh) | 锂电池soc估算方法及系统 | |
CN109507599A (zh) | 一种动力电池soe的优化算法 | |
JP7321963B2 (ja) | 二次電池の劣化推定方法、寿命推定方法、及び制御装置 | |
CN103760494A (zh) | 电池容量在线估计方法及系统 | |
CN112528472A (zh) | 一种多新息混合Kalman滤波和H无穷滤波算法 | |
Li et al. | State of charge estimation for lithium-ion battery models based on a thermoelectric coupling model | |
CN115754724A (zh) | 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法 | |
Kim et al. | Hysteresis modeling for model-based condition monitoring of lithium-ion batteries | |
Wang et al. | LiFePO4 battery modeling and SOC estimation algorithm | |
Xiong et al. | A novel joint estimation method of state of charge and state of health based on the strong tracking-dual adaptive extended Kalman filter algorithm for the electric vehicle lithium-ion batteries | |
CN105260612A (zh) | 一种电池在线温度估计方法 | |
CN107402356B (zh) | 一种基于动态参数辨识的ekf估算铅酸电池soc方法 | |
CN113125967A (zh) | 一种基于温升预测的锂电池soe计算方法 |
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 |