CN113253126B - 电池管理系统电压电流采样频率及滤波时间窗口选取方法 - Google Patents
电池管理系统电压电流采样频率及滤波时间窗口选取方法 Download PDFInfo
- Publication number
- CN113253126B CN113253126B CN202110471109.3A CN202110471109A CN113253126B CN 113253126 B CN113253126 B CN 113253126B CN 202110471109 A CN202110471109 A CN 202110471109A CN 113253126 B CN113253126 B CN 113253126B
- Authority
- CN
- China
- Prior art keywords
- battery
- current
- frequency
- voltage
- energy storage
- 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.)
- Active
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]
- G01R31/382—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]
- G01R31/367—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
本发明提供了一种电池管理系统电压电流采样频率及时间窗口选取方法,该方法获取电池储能系统中电池的电流电压的频率成分;根据所述的电池的电流电压的频率成分来选取合适的电压电流采样频率和滤波时间窗口,使得电池SOC估算偏差最小。本发明可以用低于采样定理要求的频率对电压电流采样,而不会对SOC的估算精度造成影响。在降低了对硬件采样电路速率性能和处理器处理性能要求的同时,可以保证SOC算法的估算精度和电池管理系统的可信度。
Description
技术领域
本发明涉及电池管理领域,具体地,涉及一种电池管理系统的电压、电流信号的采样频率及时间窗口的选取方法。
背景技术
在电动汽车和电网、微电网的电池储能应用中,电池管理系统(BatteryManagement System,BMS)是实现安全、可靠和电池充分利用的不可缺少的重要环节。BMS通过实时监测电池端电压、充放电电流等物理量,采用相应的算法估算电池组中电芯的锂电池荷电状态(State of Charge-SOC),据此作为对电池控制及保护进行科学决策的依据,达到最大化发挥电池性能、提高电池使用效率,延长电池使用寿命的目的。
准确估算SOC是电池管理的基础,其估算的准确性关系到电池的充放电控制和电池均衡的效果。目前常见的SOC估算方法有开路电压法、安时积分法、内阻法、卡尔曼滤波法和神经网络法等。开路电压法是使得流过电池的电流为零,并将电池长时间的静止,当电池端电压不再变化时,此时的电池端电压便是开路电压。然后通过开路电压与SOC的关系曲线得到相应的SOC。
安时积分法是对流入流出电池的电流进行测量,在时间上进行积分,计算出电池的电量变化大小。再结合SOC的初始值,计算出电池的剩余SOC。安时法运算量小,易于实现实时监控,适用于各种电池。但该方法对初始SOC的精确度要求高,且积分累计误差将使SOC估算值与真实值相差越来越大。
内阻法是利用SOC与电池内阻的关系来推算当前的SOC值,因此需要先测量得到的电池内部的交直流等效电阻。但锂电池等效电阻在SOC较高时并不会发生明显的变化,同时电池内阻受到温度和电池充放电倍率的影响较大,因此锂电池SOC估算很少采用。
典型的神经网络法利用BP神经网络法对电池SOC进行估算,以学习后的网络作为数学模型。但该方法需要大量的数据和时间来让机器进行学习。近年来神经网络预测也是电池SOC算法研究的热点。
卡尔曼滤波法(Kalman Filtering-KF)通过协方差对估计值与测量值进行最优化处理,在不断的进行迭代之后,获得一个最佳解,实现在线的最优化的预估。卡尔曼滤波将噪声等其他因素纳入了分析过程中,能够很好的解决初值估算不准的问题。目前,卡尔曼滤波算法是SOC估算研究和应用的重点。卡尔曼滤波法中的拓展卡尔曼滤波(ExtentedKalman Filtering-EKF)和无迹卡尔曼滤波(Unscented Kalman filter-UKF)适用于电池SOC这种非线性模型。与EKF相比,UKF无需将非线性系统线性化,无需求得雅可比矩阵,比EKF更加容易实现,同时EKF在经非线性系统传递时仅能精确到一阶矩,这会产生较大的误差,而UKF采用无迹变换(Unscented Transformation-UT),任何非线性系统的后验均值和协方差都可精确到Taylor级数展开式中的一阶量,从而使误差只存在于二阶及以上。因此具有更高的估算精度。
无论采用上述哪种方法,都需要以运行过程中对电池电压和电流的数据为基础,因此对电池电压电流的合理、正确地测量非常关键。由于电池储能系统中,流经电池的电流可能存在多种不同的频率成分,如对电压电流的采样频率,以及滤波时间窗口的选取不合理,会直接导致在SOC的估算中引入系统性偏差,估算精度无法保证。而目前对电池管理系统的电压电流采样频率和滤波时间窗口的选取尚未见报道。而实际中,BMS对电压电流的采样频率多依据采样器件的性能和计算周期选取,范围较宽,随意性较大。
发明内容
本发明针对现有方法存在的不足,提出一种电池管理系统电压电流采样频率及滤波时间窗口选取方法。该方法根据流经电池的电流的频谱特性,来选取合适的电压电流采样频率和滤波采样窗口,使得电池SOC估算误差最小。
本发明的第一方面,提供一种电池管理系统电压电流采样频率及时间窗口选取方法,包括:
获取电池储能系统中电池的电流电压的频率成分;
根据所述的电池的电流电压的频率成分来选取合适的电压电流采样频率和滤波时间窗口,使得电池SOC估算偏差最小。
可选地,所述获取电池储能系统中电池的电流电压的频率成分,包括:
获取电池储能系统拓扑决定的特征频率下限值flow;
获取电池储能系统的调制特征频率fm;
获取电池管理系统硬件电路支持的采样频率上限fmax。
可选地,所述获取电池储能系统拓扑决定的特征频率下限值flow,包括:根据电池储能系统的拓扑结构,确定储能电池的电流中必定含有的工频及其谐波频率成分,电池储能系统特征频率下限值flow为上述的非直流最低频率值。
可选地,所述获取电池储能系统的调制特征频率fm,包括:根据电池储能系统的调制策略,确定储能电池的电流中必定含有的开关频率成分,即为调制特征频率fm。
可选地,所述获取电池管理系统硬件电路支持的采样频率上限fmax,包括:根据电池管理系统的硬件电路设计中采用的电压电流采样芯片数据手册,确定其工作的采样频率上限fmax。
可选地,所述根据所述的电池的电流电压的频率成分来选取合适的电压电流采样频率,其中选取电流电压采样频率fs,使fs满足关系式:
fs∈{fs|fs<2flow且fs<fmax且fs无法整除fm}
其中:flow为电池储能系统拓扑决定的特征频率下限值;
fm为电池储能系统的调制特征频率;
fmax为电池管理系统硬件电路支持的采样频率上限。
可选地,根据所述的电池的电流电压的频率成分来选取合适的滤波时间窗口,其中,根据采样频率fs,flow和fm选择采样窗口Tw,使Tw满足关系式:
式中,[]表示取最小公倍数运算,n为正整数。
本发明第二方面,提供一种电池管理系统电压电流采样频率及时间窗口选取设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,当所述计算机可读指令被所述处理器运行时执行所述的电池管理系统电压电流采样频率及时间窗口选取方法。
本发明第三方面,提供一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时执行所述的级电池管理系统电压电流采样频率及时间窗口选取方法。
本发明第四方面,提供一种电池管理系统电压电流采样频率及时间窗口选取系统,包括:
频率成分获取模块,该模块获取电池储能系统中电池的电流电压的频率成分;
选取模块,该模块根据所述的电池的电流电压的频率成分来选取合适的电压电流采样频率和滤波时间窗口,使得电池SOC估算偏差最小。
与现有技术相比,本发明具有以下有益效果:
本发明上述电池管理系统的电压电流采样频率和滤波时间窗口选取方法,通过电压电流采样频率和滤波时间窗口的配合,消除了原有设计的随意性,可以用低于采样定理要求的频率对电压电流的采样,而不会对SOC的估算造成影响。
本发明上述电池管理系统的电压电流采样频率和滤波时间窗口选取方法,在降低了对硬件采样电路速率性能和处理器处理性能要求的同时,可以保证SOC算法的估算精度和电池管理系统的可信度。
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为本发明一实施例中电池管理系统电压电流采样频率及滤波时间窗口选取方法流程图。
图2为本发明一实施例中电池管理系统电压电流采样频率及滤波时间窗口选取系统流程图。
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,还可以做出若干变形和改进。这些都属于本发明的保护范围。
图1为本发明一实施例中电池管理系统电压电流采样频率及滤波时间窗口选取方法流程图。参照图1所示,本实施例提供的电池管理系统电压电流采样频率及滤波时间窗口选取方法,包括如下步骤:
S100,获取电池储能系统中电池的电流电压的频率成分;
S200,根据所述的电池的电流电压的频率成分来选取合适的电压电流采样频率和滤波时间窗口,使得电池SOC估算偏差最小。
上述S100中,包括:获取电池储能系统拓扑决定的特征频率下限值flow;获取电池储能系统的调制特征频率fm;获取电池管理系统硬件电路支持的采样频率上限fmax。
具体的,根据电池储能系统的拓扑结构,确定储能电池的电流中必定含有的工频及其谐波频率成分,电池储能系统特征频率下限值flow为上述的非直流最低频率值。根据能量守恒:对于单相H桥拓扑结构的储能系统,流过储能电池的电流中必然存在直流fdc和二倍工频的频率成分fg2。此时,电池储能系统特征频率下限值flow=fg2。对于三相H桥结构的储能系统,由于三相不平衡电流的存在,流过储能电池的电流中必然存在直流fdc和二倍工频的频率成分fg2。此时,电池储能系统特征频率下限值flow为fg2。对于模块化多电平结构的电池储能系统,流过储能电池的电流中必然存在直流fdc、工频fg1和二倍工频fg2的频率成分。此时,电池储能系统特征频率下限值flow=fg1。
具体的,根据电池储能系统的调制策略,确定储能电池的电流中必定含有的开关频率成分fm。对于单极性和双极性PWM调制,储能电池的电流中必定含有PWM载波频率fk的成分,此时fm=fk;对于单极性倍频PWM调制,储能电池的电流中必定含有二倍的PWM载波频率2fk成分,此时fm=2fk。
具体的,根据电池管理系统的硬件电路设计中采用的电压电流采样芯片数据手册,确定其可以工作的采样频率上限fmax。
上述S200中,选取合适的电流和电压采样频率fs,使之满足关系式:
fs∈{fs|fs<2flow且fs<fmax且fs无法整除fm}
上述S200中,根据采样频率fs,flow和fm选择采样窗口Tw,使之满足关系式:
式中,[]表示取最小公倍数运算,n为正整数。
本发明上述实施例的方法根据流经电池的电流的频谱特性,来选取合适的电压电流采样频率和滤波采样窗口,使得电池SOC估算误差最小。通过电压电流采样频率和滤波时间窗口的配合,消除了原有设计的随意性,可以用低于采样定理要求的频率对电压电流的采样,而不会对SOC的估算造成影响。
图2为本发明一实施例中电池管理系统电压电流采样频率及滤波时间窗口选取系统流程图。参照图2所示,与上述方法对应的,在本发明另一实施例中,提供一种电池管理系统电压电流采样频率及时间窗口选取系统,包括:
频率成分获取模块,该模块获取电池储能系统中电池的电流电压的频率成分;
选取模块,该模块根据所述的电池的电流电压的频率成分来选取合适的电压电流采样频率和滤波时间窗口,使得电池SOC估算偏差最小。
本实施例中,频率成分获取模块包括:获取电池储能系统拓扑决定的特征频率下限值flow;获取电池储能系统的调制特征频率fm;获取电池管理系统硬件电路支持的采样频率上限fmax。具体实现方法可以参照方法中对应描述。
在本发明另一实施例中,还提供一种电池管理系统电压电流采样频率及时间窗口选取设备,包括:存储器,用于存储非暂时性计算机可读指令;以及处理器,用于运行所述计算机可读指令,当所述计算机可读指令被所述处理器运行时执行所述的电池管理系统电压电流采样频率及时间窗口选取方法。
在本发明另一实施例中,还提供一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时执行所述的级电池管理系统电压电流采样频率及时间窗口选取方法。
为了更好说明上述技术方案,以下提供具体的仿真实例来说明:
本实施例中,实施对象为10kV/2MW型级联H桥电池储能系统的电池管理系统。电池储能系统并网运行,电网频率50Hz。电池储能系统采用的电池为磷酸铁锂电池,标称电压为3.2V。电池储能系统每相20个储能模块,三相共60个储能模块。每个储能模块包含一个储能电池簇,电池簇由224个额定容量为100Ah的电芯串联而成。储能单元的H桥功率部分的开关频率为1kHz,采用N+1载波移相调制。
本实施例的过程如下:
(1)根据本实例电池储能系统的H桥拓扑结构,电池储能系统拓扑决定的特征频率下限值flow=100Hz;
(2)根据本实例的电池储能系统的调制方式,本电池储能系统的调制特征频率fm=1kHz;
(3)根据所拟采用的电池管理系统核心芯片LTC6813数据手册,其支持的采样频率上限fmax=3.45kHz;
(4)根据fs∈{fs|fs<2flow且fs<fmax且fs无法整除fm},在上述范围内选择电压电流的采样频率,选取电流和电压采样频率fs=64Hz。
本实施例中根据电池储能系统中电池的电流电压的频率成分,来选取合适的电压电流采样频率和滤波时间窗口,可以用低于采样定理要求的频率对电压电流的采样,而不会对SOC的估算造成影响。在降低了对硬件采样电路速率性能和处理器处理性能要求的同时,可以保证SOC算法的估算精度和电池管理系统的可信度。
需要说明的是,本发明提供的所述方法中的步骤,可以利用所述系统中对应的模块、装置、单元等予以实现,本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程,即,所述系统中的实施例可理解为实现所述方法的优选例,在此不予赘述。
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形或修改,这并不影响本发明的实质内容。
Claims (8)
1.一种电池管理系统电流电压采样频率及时间窗口选取方法,其特征在于,包括:
获取电池储能系统中电池的电流电压的频率成分;
根据所述的电池的电流电压的频率成分来选取合适的电流电压采样频率和滤波时间窗口,使得电池SOC估算偏差最小;
所述根据所述的电池的电流电压的频率成分来选取合适的电流电压采样频率,其中选取电流电压采样频率fs,使fs满足关系式:
fs∈{fs|fs<2flow且fs<fmax且fs无法整除fm}
其中:flow为电池储能系统拓扑决定的特征频率下限值;
fm为电池储能系统的调制特征频率;
fmax为电池管理系统硬件电路支持的采样频率上限。
2.根据权利要求1所述的电池管理系统电流电压采样频率及时间窗口选取方法,其特征在于,所述获取电池储能系统拓扑决定的特征频率下限值flow,包括:
根据电池储能系统的拓扑结构,确定储能电池的电流中必定含有的工频及其谐波频率成分,电池储能系统特征频率下限值flow为非直流最低频率值。
3.根据权利要求1所述的电池管理系统电流电压采样频率及时间窗口选取方法,其特征在于,所述获取电池储能系统的调制特征频率fm,包括:
根据电池储能系统的调制策略,确定储能电池的电流中必定含有的开关频率成分,即为调制特征频率fm。
4.根据权利要求1所述的电池管理系统电流电压采样频率及时间窗口选取方法,其特征在于,所述获取电池管理系统硬件电路支持的采样频率上限fmax,包括:
根据电池管理系统的硬件电路设计中采用的电压电流采样芯片数据手册,确定其工作的采样频率上限fmax。
6.一种电池管理系统电流电压采样频率及时间窗口选取设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令;其特征在于,当所述计算机可读指令被所述处理器运行时执行权利要求1-5任一项所述的电池管理系统电流电压采样频率及时间窗口选取方法。
7.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,其特征在于,当所述非暂时性计算机可读指令由计算机执行时执行权利要求1-5任一项所述的级电池管理系统电流电压采样频率及时间窗口选取方法。
8.一种电池管理系统电流电压采样频率及时间窗口选取系统,其特征在于,包括:
频率成分获取模块,该模块获取电池储能系统中电池的电流电压的频率成分;
选取模块,该模块根据所述的电池的电流电压的频率成分来选取合适的电流电压采样频率和滤波时间窗口,使得电池SOC估算偏差最小;
所述选取模块,根据所述的电池的电流电压的频率成分来选取合适的电流电压采样频率,其中选取电流电压采样频率fs,使fs满足关系式:
fs∈{fs|fs<2flow且fs<fmax且fs无法整除fm}
其中:flow为电池储能系统拓扑决定的特征频率下限值;
fm为电池储能系统的调制特征频率;
fmax为电池管理系统硬件电路支持的采样频率上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110471109.3A CN113253126B (zh) | 2021-04-29 | 2021-04-29 | 电池管理系统电压电流采样频率及滤波时间窗口选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110471109.3A CN113253126B (zh) | 2021-04-29 | 2021-04-29 | 电池管理系统电压电流采样频率及滤波时间窗口选取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253126A CN113253126A (zh) | 2021-08-13 |
CN113253126B true CN113253126B (zh) | 2022-04-26 |
Family
ID=77222640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110471109.3A Active CN113253126B (zh) | 2021-04-29 | 2021-04-29 | 电池管理系统电压电流采样频率及滤波时间窗口选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253126B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103780111A (zh) * | 2012-10-17 | 2014-05-07 | 现代自动车株式会社 | 用于环境友好车辆的逆变器控制方法和系统 |
CN104280686A (zh) * | 2014-10-13 | 2015-01-14 | 电子科技大学 | 一种蓄电池剩余电量检测方法 |
CN106124849A (zh) * | 2016-06-27 | 2016-11-16 | 北京新能源汽车股份有限公司 | 电动汽车能量回收测试方法和系统 |
CN106154034A (zh) * | 2015-04-14 | 2016-11-23 | 艾默生网络能源有限公司 | 一种功率模块的谐波测量装置和方法 |
CN106299497A (zh) * | 2015-06-02 | 2017-01-04 | 南京德朔实业有限公司 | 电动工具与电池包的通讯控制方法 |
CN106405428A (zh) * | 2016-08-30 | 2017-02-15 | 杭州元朗智能科技有限公司 | 一种蓄电池充放电曲线采样系统及方法 |
CN108957133A (zh) * | 2018-08-13 | 2018-12-07 | 国网浙江省电力有限公司绍兴供电公司 | 变电站电容器采样频率动态评估和选取方法 |
CN109725200A (zh) * | 2019-01-25 | 2019-05-07 | 江苏大学 | 一种自适应谐波分析系统及其分析方法 |
CN109831159A (zh) * | 2019-01-28 | 2019-05-31 | 深圳市航天新源科技有限公司 | 一种顺序开关分流调节器的故障诊断方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007054306B4 (de) * | 2007-11-08 | 2010-04-22 | Siemens Ag | Verfahren zum Analysieren von Wechselspannungssignalen |
US10830821B2 (en) * | 2014-05-05 | 2020-11-10 | Apple Inc. | Methods and apparatus for battery power and energy availability prediction |
-
2021
- 2021-04-29 CN CN202110471109.3A patent/CN113253126B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103780111A (zh) * | 2012-10-17 | 2014-05-07 | 现代自动车株式会社 | 用于环境友好车辆的逆变器控制方法和系统 |
CN104280686A (zh) * | 2014-10-13 | 2015-01-14 | 电子科技大学 | 一种蓄电池剩余电量检测方法 |
CN106154034A (zh) * | 2015-04-14 | 2016-11-23 | 艾默生网络能源有限公司 | 一种功率模块的谐波测量装置和方法 |
CN106299497A (zh) * | 2015-06-02 | 2017-01-04 | 南京德朔实业有限公司 | 电动工具与电池包的通讯控制方法 |
CN106124849A (zh) * | 2016-06-27 | 2016-11-16 | 北京新能源汽车股份有限公司 | 电动汽车能量回收测试方法和系统 |
CN106405428A (zh) * | 2016-08-30 | 2017-02-15 | 杭州元朗智能科技有限公司 | 一种蓄电池充放电曲线采样系统及方法 |
CN108957133A (zh) * | 2018-08-13 | 2018-12-07 | 国网浙江省电力有限公司绍兴供电公司 | 变电站电容器采样频率动态评估和选取方法 |
CN109725200A (zh) * | 2019-01-25 | 2019-05-07 | 江苏大学 | 一种自适应谐波分析系统及其分析方法 |
CN109831159A (zh) * | 2019-01-28 | 2019-05-31 | 深圳市航天新源科技有限公司 | 一种顺序开关分流调节器的故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113253126A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
CN104617623B (zh) | 一种电动汽车动力电池组均衡控制方法 | |
CN110346734A (zh) | 一种基于机器学习的锂离子动力电池健康状态估算方法 | |
CN105140981B (zh) | 锂电池主动均衡控制方法 | |
CN105811500A (zh) | 一种锂离子电池组均衡控制方法 | |
US20230071975A1 (en) | Modular Energy Storage System | |
Baccino et al. | Experimental testing procedures and dynamic model validation for vanadium redox flow battery storage system | |
CN106597291A (zh) | 在线估算电池参数的方法 | |
Berrueta et al. | Comparison of State-of-Charge estimation methods for stationary Lithium-ion batteries | |
CN105116346A (zh) | 一种串联型锂离子电池系统及其荷电状态估计方法 | |
CN111914485B (zh) | 一种基于分数阶技术的自适应动力电池soc估计方法及系统 | |
Hu et al. | Study on SOC estimation of lithium battery based on improved BP neural network | |
CN105207243A (zh) | 一种用于风电场实时功率预报修正的电池能量管理方法 | |
CN106443496A (zh) | 一种带改进型噪声估计器的电池荷电状态估计方法 | |
Zhou et al. | Online state of health estimation for seriesconnected LiFePO 4 battery pack based on differential voltage and inconsistency analysis | |
CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
CN113156316A (zh) | 盐水电池soc估算算法 | |
Han et al. | Modeling for lithium-ion battery used in electric vehicles | |
CN113253126B (zh) | 电池管理系统电压电流采样频率及滤波时间窗口选取方法 | |
Zhu et al. | Online state of charge EKF estimation for LiFePO 4 battery management systems | |
Lin et al. | A novel low-cost online state of charge estimation method for reconfigurable battery pack | |
Kujundžić et al. | Estimation of VRLA battery states and parameters using Sigma-point Kalman filter | |
Malkhandi et al. | Estimation of state of charge of lead acid battery using radial basis function | |
Dong et al. | State of charge estimation of vanadium redox flow battery based on online equivalent circuit model |
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 |