CN113495223A - 一种大规模锂电池阵列的soc估算方法 - Google Patents
一种大规模锂电池阵列的soc估算方法 Download PDFInfo
- Publication number
- CN113495223A CN113495223A CN202010254578.5A CN202010254578A CN113495223A CN 113495223 A CN113495223 A CN 113495223A CN 202010254578 A CN202010254578 A CN 202010254578A CN 113495223 A CN113495223 A CN 113495223A
- Authority
- CN
- China
- Prior art keywords
- socmid
- soc
- socthd2
- socmax
- socmin
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 19
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 21
- 101150114085 soc-2 gene Proteins 0.000 claims description 6
- 238000003491 array Methods 0.000 claims 2
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009466 transformation Effects 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开一种大规模锂电池阵列的SOC估算方法，包括如下步骤：步骤S1，采集N个电池簇SOC，分别计算其平均值SOCavg，最大值SOCmax，最小值SOCmin，中位值SOCmid；步骤S2，分别设置定值SOClow，SOCdown，SOCup，SOChigh，且SOClow<SOCdown<SOCup<SOChigh，从而得到5个区间；步骤S3，当SOCmid在步骤S2划分的5个不同区间时，分别计算电池堆SOC。此种SOC估算方法旨在解决现有技术中存在的电池堆SOC估算不平稳、不正确的问题，以及因此可能导致的电池堆过充过放的问题。
Description
技术领域
本发明属于电池领域，特别涉及一种大规模锂电池阵列的SOC估算方法。
背景技术
大规模锂电池阵列因其在电力系统发输变配用各侧以及电动汽车领域发挥的重要作用，受到广泛关注和应用。大规模锂电池阵列，是由单体电池串并联组成电池模组，再由电池模组串联组成电池簇，最终由电池簇并联而成电池阵列(电池堆)。
BMS作为电池的管理单元，承担着监视电池电压、电流、温度以及SOC的工作，还需具备系统保护和均衡控制等功能。而对于大规模锂电池阵列，BMS很重要的任务是要能正确计算出电池堆SOC，作为反映电池系统控制的重要指标，保证电池不过充过放从而延长电池使用寿命。
目前电池堆SOC主要计算方法有：
1)直接根据电池堆的物理特性，采集运行和静置堆电流、电压，以及环境温度等数据进行SOC估算；单体电池本身的物理特性已经够复杂，电池堆集成了所有单体电池，仅仅根据其电的外特性进行SOC估算太粗放，误差会很大；另外这种计算方式无法获取单体电池SOC，不利于单体电池的信息获取和控制。
2)根据单体电池SOC计算电池簇SOC，然后通过电池簇SOC计算电池堆SOC。这种方式在计算电池堆SOC时，往往采用计算电池簇SOC平均值，这种方法存在两个问题，一是有可能因为个别电池的原因导致电池堆SOC到不了0或者100％，二是即使最终电池堆SOC能够到0或者100％，那么可能会导致个别电池的过充或者过放；另一种方法是根据电池堆是否充放电来确定SOC，即如果电池堆在充电则电池堆SOC为各电池簇SOC的最大值SOCmax，如果电池堆在放电则电池堆SOC为各电池簇SOC的最小值SOCmin，这样可以避免电池的过充和过放，但是这种方法也存在两个问题，一是在电池充电和放电切换的时候可能会导致SOC的突变，二是如果SOCmax或者SOCmin估算准确度可靠性不高，那么电池的利用效率则会大打折扣。
由此可见，上述估算方法如采用电池堆物理特性直接估算则估算精度可能很低；而采用由单体电池SOC估算电池簇SOC，然后再由电池簇SOC估算电池堆SOC的方法，估算精度相对更高，然而目前多数方法也存在SOC估算不准、可靠性低甚至发生突变的情况。
发明内容
本发明的目的，在于提供一种大规模锂电池阵列的SOC估算方法，旨在解决现有技术中存在的电池堆SOC估算不平稳、不正确的问题，以及因此可能导致的电池堆过充过放的问题。
为了达成上述目的，本发明的解决方案是：
一种大规模锂电池阵列的SOC估算方法，包括如下步骤：
步骤S1，采集N个电池簇SOC，分别计算其平均值SOCavg，最大值SOCmax，最小值SOCmin，中位值SOCmid；
步骤S2，分别设置定值SOClow，SOCdown，SOCup，SOChigh，且SOClow<SOCdown<SOCup<SOChigh，从而得到5个区间；
步骤S3，当SOCmid在步骤S2划分的5个不同区间时，分别计算电池堆SOC(SOCstack)。
上述步骤S1中，计算方法是：
平均值
SOCk为第k簇电池SOC，N为电池簇数；
最小值SOCmin为SOC1,SOC2,...,SOCn中最小值；
最大值SOCmax为SOC1,SOC2,...,SOCn中最大值；
中位值SOCmid为将电池簇SOC从小到大排列，如果电池簇数为奇数则取中间值，若为偶数则取中间两个数的平均值。
上述步骤S3中，当SOCmid≤SOCdown时，首先判断是否满足如下条件：当SOCmid≤SOClow，且SOCstack不为0且有单体电池SOC出现0的情况，若满足该情况则SOCstack以rate速率减小到0；否则，SOCstack＝α1*SOCmin+(1-α1)*SOCavg，其中α1为可靠系数。
上述α1的计算方法是：
当|SOCmid-SOCmin|≤SOCthd1时，α1＝1；
当SOCthd1<|SOCmid-SOCmin|<SOCthd2时，α1＝(SOCthd2-|SOCmid-SOCmin|)/(SOCthd2–SOCthd1)；
当|SOCmid-SOCmin|≥SOCthd2时，α1＝0；
SOCthd1、SOCthd2均为设定阈值。
上述步骤S3中，当SOCmid≥SOCup时，首先判断是否满足如下条件：当SOCmid≥SOChigh时，且SOCstack不为100％且有单体电池SOC出现100％的情况，若满足该情况则SOCstack以rate速率增加到100％；否则，SOCstack＝α2*SOCmax+(1-α2)*SOCavg，其中α2为可靠系数。
上述α2的计算方法是：
当|SOCmax-SOCmid|≤SOCthd1时，α2＝1；
当SOCthd1<|SOCmax-SOCmid|<SOCthd2时，α2＝(SOCthd2-|SOCmax-SOCmid|)/(SOCthd2–SOCthd1)；
当|SOCmax-SOCmid|≥SOCthd2时，α2＝0；
SOCthd1、SOCthd2均为设定阈值。
上述步骤S3中，当SOCdown＜SOCmid＜SOCup时，SOCstack＝α3*(α1*SOCmin+(1-α1)*SOCavg)+α4*(α2*SOCmax+(1-α2)*SOCavg)，
其中，α1、α2为可靠系数，α3、α4为权重系数。
上述α1的计算方法是：
当|SOCmid-SOCmin|≤SOCthd1时，α1＝1；
当SOCthd1<|SOCmid-SOCmin|<SOCthd2时，α1＝(SOCthd2-|SOCmid-SOCmin|)/(SOCthd2–SOCthd1)；
当|SOCmid-SOCmin|≥SOCthd2时，α1＝0；
SOCthd1、SOCthd2均为设定阈值；
α2的计算方法是：
当|SOCmax-SOCmid|≤SOCthd1时，α2＝1；
当SOCthd1<|SOCmax-SOCmid|<SOCthd2时，α2＝(SOCthd2-|SOCmax-SOCmid|)/(SOCthd2–SOCthd1)；
当|SOCmax-SOCmid|≥SOCthd2时，α2＝0；
SOCthd1、SOCthd2均为设定阈值；
α3＝(SOCup-SOCmid)/(SOCup-SOCdown)；
α4＝(SOCmid-SOCdown)/(SOCup-SOCdown)。
采用上述方案后，本发明具有如下有益效果：本发明将电池堆SOC划分成5个区间，根据电池簇SOC中位值SOCmid落入不同区间计算电池堆SOC，并在不同区间采用可靠性计算方法，可以使电池堆SOC不会突变且保证连续性，并能保证电池堆SOC计算正确性和可靠性，避免电池的过充过放，延长电池使用寿命。
附图说明
图1是电池簇SOC中位值和最大最小值不同偏差下对应的可靠系数α1和α2；
其中，(a)表示可靠系数α1，(b)表示可靠系数α2；
图2是电池簇SOC中位值在小于SOClow以及大于SOChigh范围内电池堆SOC图；
其中，(a)表示SOCstack变化到0的示意图，(b)表示SOCstack变化到100％的示意图；
图3是电池簇SOC中位值在SOClow和SOChigh范围内电池堆SOC图；
图4是本发明的流程图。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
如图4所示，本发明提供一种大规模锂电池阵列的SOC估算方法，包括如下步骤：
步骤S1：采集N个电池簇SOC，计算它们的平均值SOCavg，最大值SOCmax，最小值SOCmin，中位值SOCmid，其中：
平均值
SOCk为第k簇电池SOC，N为电池簇数；
最小值SOCmin为SOC1,SOC2,...,SOCn中最小值；
最大值SOCmax为SOC1,SOC2,...,SOCn中最大值；
中位值SOCmid为电池簇SOC从小到大排列，如果电池簇数为奇数则取中间值，若为偶数则取中间两个数的平均值。采用电池簇SOC中位值作为区间判断变量，主要是考虑到中位值不会受个别错误极值影响，具有天然的数据可靠性，而且能较好反映各个电池簇的整体水平。
步骤S2：设置定值SOClow，SOCdown，SOCup，SOChigh，将电池簇SOC划分为5个区间；
用户可根据需要设置SOClow，SOCdown，SOCup，SOChigh，从而将SOC的[0,100]范围划分为5个区间，一般建议SOClow设为5％，SOCdown设为20％，SOCup设为80％，SOChigh设为95％。
步骤S3：当SOCmid在5个不同区间时，采用不同方法计算电池堆SOCstack，具体为：
1)当SOCmid≤SOCdown时，SOCstack＝α1*SOCmin+(1-α1)*SOCavg，其中α1为可靠系数，如图1(a)所示；
当|SOCmid-SOCmin|≤SOCthd1时，α1＝1，此时认为SOCmin可信度较高，这种在各电池簇SOC均较小的情况，SOCstack采用SOCmin的方式，能够有效避免电池堆的过放，而且由于电池堆SOC较小并不会产生很快过充的情况；
当SOCthd1<|SOCmid-SOCmin|<SOCthd2时，α1＝(SOCthd2-|SOCmid-SOCmin|)/(SOCthd2–SOCthd1)，此时认为SOCmin可信度一般，采用SOCmin和SOCavg加权计算的方式；
当|SOCmid-SOCmin|≥SOCthd2时，α1＝0，此时认为SOCmin可信度较低，采用SOCavg作为电池堆SOC；
SOCthd1一般可以设置为5％，SOCthd2一般可以设置为10％。
2)当SOCmid≥SOCup时，SOCstack＝α2*SOCmax+(1-α2)*SOCavg，其中α2为可靠系数，如图1(b)所示；
当|SOCmax-SOCmid|≤SOCthd1时，α2＝1，此时认为SOCmax可信度较高，这种在各电池簇SOC均较大的情况，SOCstack采用SOCmax的方式，能够有效避免电池堆的过充，而且由于电池堆SOC较大并不会产生很快过放的情况；
当SOCthd1<|SOCmax-SOCmid|<SOCthd2时，α2＝(SOCthd2-|SOCmax-SOCmid|)/(SOCthd2–SOCthd1)，此时认为SOCmax可信度一般，采用SOCmax和SOCavg加权计算的方式；
当|SOCmax-SOCmid|≥SOCthd2时，α2＝0，此时认为SOCmax可信度较低，采用SOCavg作为电池堆SOC；
SOCthd1一般可以设置为5％，SOCthd2一般可以设置为10％。
3)当SOCdown＜SOCmid＜SOCup时，SOCstack＝α3*(α1*SOCmin+(1-α1)*SOCavg)+α4*(α2*SOCmax+(1-α2)*SOCavg)，
其中，α1、α2采用1)和2)中相同的计算方法，α3、α4为权重系数，α3＝(SOCup-SOCmid)/(SOCup-SOCdown)，α4＝(SOCmid-SOCdown)/(SOCup-SOCdown)。
4)当SOCmid≤SOClow时，如果SOCstack不为0且有单体电池SOC出现0的情况，则SOCstack以rate速率减小到0。如图2(a)所示为SOCstack变化到0的示意图，SOC1为当SOCmid＝SOClow时的电池堆SOC，t1为SOCstack变化到0所用时间，其中速率设置值rate一般可以设置为1％/min。
5)当SOCmid≥SOChigh时，如果SOCstack不为100％且有单体电池SOC出现100％的情况，则SOCstack以rate速率增加到100％。如图2(b)所示为SOCstack变化到100％的示意图，SOC2为当SOCmid＝SOChigh时的电池堆SOC，t2为SOCstack变化到100％所用时间，其中速率设置值rate一般可以设置为1％/min。
采用上述步骤后，图3所示为以SOCmid不同区间下的电池堆SOC示意图，因为SOCavg、SOCmax以及SOCmin在电量随时间缓变过程中都是连续的变量，所以整个电池堆SOC也是连续的，不存在突变的现象。在各电池簇SOC较高区间内，采用SOCmax和SOCavg加权的方式，能提升计算可靠性，同时又保证了电池不会发生过放的现象；在各电池簇SOC较低区间内，采用SOCmin和SOCavg加权的方式，能提升计算可靠性，同时又保证了电池不会发生过充的现象。另外，步骤S3中的4)和5)保证了电池堆SOC在充满时为100％放空时为0，提升了用户体验。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (8)
1.一种大规模锂电池阵列的SOC估算方法，其特征在于包括如下步骤：
步骤S1，采集N个电池簇SOC，分别计算其平均值SOCavg，最大值SOCmax，最小值SOCmin，中位值SOCmid；
步骤S2，分别设置定值SOClow，SOCdown，SOCup，SOChigh，且SOClow<SOCdown<SOCup<SOChigh，从而得到5个区间；
步骤S3，当SOCmid在步骤S2划分的5个不同区间时，分别计算电池堆SOC。
2.如权利要求1所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述步骤S1中，计算方法是：
平均值
SOCk为第k簇电池SOC，N为电池簇数；
最小值SOCmin为SOC1,SOC2,...,SOCn中最小值；
最大值SOCmax为SOC1,SOC2,...,SOCn中最大值；
中位值SOCmid为将电池簇SOC从小到大排列，如果电池簇数为奇数则取中间值，若为偶数则取中间两个数的平均值。
3.如权利要求1所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述步骤S3中，当SOCmid≤SOCdown时，首先判断是否满足SOCmid≤SOClow，且SOCstack不为0且有单体电池SOC出现0，若满足则SOCstack以rate速率减小到0，否则根据下式计算：SOCstack＝α1*SOCmin+(1-α1)*SOCavg，其中α1为可靠系数。
4.如权利要求3所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述α1的计算方法是：
当|SOCmid-SOCmin|≤SOCthd1时，α1＝1；
当SOCthd1<|SOCmid-SOCmin|<SOCthd2时，α1＝(SOCthd2-|SOCmid-SOCmin|)/(SOCthd2–SOCthd1)；
当|SOCmid-SOCmin|≥SOCthd2时，α1＝0；
SOCthd1、SOCthd2均为设定阈值。
5.如权利要求1所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述步骤S3中，当SOCmid≥SOCup时，首先判断是否满足SOCmid≥SOChigh时，且SOCstack不为100％且有单体电池SOC出现100％，若满足则SOCstack以rate速率增加到100％，否则根据下式计算：SOCstack＝α2*SOCmax+(1-α2)*SOCavg，其中α2为可靠系数。
6.如权利要求5所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述α2的计算方法是：
当|SOCmax-SOCmid|≤SOCthd1时，α2＝1；
当SOCthd1<|SOCmax-SOCmid|<SOCthd2时，α2＝(SOCthd2-|SOCmax-SOCmid|)/(SOCthd2–SOCthd1)；
当|SOCmax-SOCmid|≥SOCthd2时，α2＝0；
SOCthd1、SOCthd2均为设定阈值。
7.如权利要求1所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述步骤S3中，当SOCdown＜SOCmid＜SOCup时，SOCstack＝α3*(α1*SOCmin+(1-α1)*SOCavg)+α4*(α2*SOCmax+(1-α2)*SOCavg)，
其中，α1、α2为可靠系数，α3、α4为权重系数。
8.如权利要求7所述的一种大规模锂电池阵列的SOC估算方法，其特征在于：所述α1的计算方法是：
当|SOCmid-SOCmin|≤SOCthd1时，α1＝1；
当SOCthd1<|SOCmid-SOCmin|<SOCthd2时，α1＝(SOCthd2-|SOCmid-SOCmin|)/(SOCthd2–SOCthd1)；
当|SOCmid-SOCmin|≥SOCthd2时，α1＝0；
SOCthd1、SOCthd2均为设定阈值；
α2的计算方法是：
当|SOCmax-SOCmid|≤SOCthd1时，α2＝1；
当SOCthd1<|SOCmax-SOCmid|<SOCthd2时，α2＝(SOCthd2-|SOCmax-SOCmid|)/(SOCthd2–SOCthd1)；
当|SOCmax-SOCmid|≥SOCthd2时，α2＝0；
SOCthd1、SOCthd2均为设定阈值；
α3＝(SOCup-SOCmid)/(SOCup-SOCdown)；
α4＝(SOCmid-SOCdown)/(SOCup-SOCdown)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254578.5A CN113495223A (zh) | 2020-04-02 | 2020-04-02 | 一种大规模锂电池阵列的soc估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254578.5A CN113495223A (zh) | 2020-04-02 | 2020-04-02 | 一种大规模锂电池阵列的soc估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113495223A true CN113495223A (zh) | 2021-10-12 |
Family
ID=77993899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010254578.5A Pending CN113495223A (zh) | 2020-04-02 | 2020-04-02 | 一种大规模锂电池阵列的soc估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113495223A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007244142A (ja) * | 2006-03-10 | 2007-09-20 | Hitachi Vehicle Energy Ltd | 電池群制御装置及び電池電源システム |
| KR20090027504A (ko) * | 2007-09-12 | 2009-03-17 | 엘지전자 주식회사 | 연료 전지와 2차 전지를 구비한 시스템 및 이의 충전제어방법 |
| US20130187466A1 (en) * | 2010-10-15 | 2013-07-25 | Sanyo Electric Co., Ltd. | Power management system |
| CN103635822A (zh) * | 2011-08-30 | 2014-03-12 | 三洋电机株式会社 | 电池系统、电动车辆、移动体、电力储存装置以及电源装置 |
| CN104849666A (zh) * | 2014-06-23 | 2015-08-19 | 北汽福田汽车股份有限公司 | 一种电池包soc的估算方法及系统 |
| CN105652206A (zh) * | 2015-12-26 | 2016-06-08 | 深圳市沃特玛电池有限公司 | 一种电池组Soc估算方法及系统 |
| CN107508304A (zh) * | 2017-08-29 | 2017-12-22 | 国电联合动力技术有限公司 | 一种电池储能系统的分区控制方法 |
| CN109001643A (zh) * | 2018-08-28 | 2018-12-14 | 西南科技大学 | 一种基于二分法迭代的静态soc估算方法 |
| CN110015170A (zh) * | 2017-08-31 | 2019-07-16 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆、存储介质及电子设备 |
| CN111537895A (zh) * | 2020-07-13 | 2020-08-14 | 延锋伟世通电子科技（南京）有限公司 | 一种多参数联合估算soc的方法 |
-
2020
- 2020-04-02 CN CN202010254578.5A patent/CN113495223A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007244142A (ja) * | 2006-03-10 | 2007-09-20 | Hitachi Vehicle Energy Ltd | 電池群制御装置及び電池電源システム |
| KR20090027504A (ko) * | 2007-09-12 | 2009-03-17 | 엘지전자 주식회사 | 연료 전지와 2차 전지를 구비한 시스템 및 이의 충전제어방법 |
| US20130187466A1 (en) * | 2010-10-15 | 2013-07-25 | Sanyo Electric Co., Ltd. | Power management system |
| CN103635822A (zh) * | 2011-08-30 | 2014-03-12 | 三洋电机株式会社 | 电池系统、电动车辆、移动体、电力储存装置以及电源装置 |
| CN104849666A (zh) * | 2014-06-23 | 2015-08-19 | 北汽福田汽车股份有限公司 | 一种电池包soc的估算方法及系统 |
| CN105652206A (zh) * | 2015-12-26 | 2016-06-08 | 深圳市沃特玛电池有限公司 | 一种电池组Soc估算方法及系统 |
| CN107508304A (zh) * | 2017-08-29 | 2017-12-22 | 国电联合动力技术有限公司 | 一种电池储能系统的分区控制方法 |
| CN110015170A (zh) * | 2017-08-31 | 2019-07-16 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆、存储介质及电子设备 |
| CN109001643A (zh) * | 2018-08-28 | 2018-12-14 | 西南科技大学 | 一种基于二分法迭代的静态soc估算方法 |
| CN111537895A (zh) * | 2020-07-13 | 2020-08-14 | 延锋伟世通电子科技（南京）有限公司 | 一种多参数联合估算soc的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈媛 等: "电池变温度模型似然函数参数辨识及SOC估计", 电子测量与仪器学报, vol. 33, no. 12, 31 December 2019 (2019-12-31), pages 1 - 9 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
| US8143852B2 (en) | State of charge optimizing device and assembled battery system including same | |
| CN107196371B (zh) | 电池充电方法、装置、设备和存储介质 | |
| CN109017381B (zh) | 一种动力电池组复合均衡控制方法 | |
| CN108802625B (zh) | 一种二次利用电池的soc自适应修正方法 | |
| CN109061521B (zh) | 蓄电池组荷电状态计算方法及系统 | |
| CN116298931B (zh) | 一种基于云端数据的锂离子电池容量估计方法 | |
| CN107618397A (zh) | 电池管理系统 | |
| Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
| CN114726033A (zh) | 基于动态可重构电池网络的电池系统充放电控制方法 | |
| CN112180281B (zh) | 一种电池组soc的估算方法 | |
| CN110531269B (zh) | 一种串并联组合式电池堆的soc估算方法及电池管理系统 | |
| CN110320472A (zh) | 一种用于矿用锂电池的自修正soc估计方法 | |
| CN117293975B (zh) | 一种锂电池的充放电调节方法、装置、设备及存储介质 | |
| CN108336435A (zh) | 一种考虑充电能量效率的锂离子电池充电方法 | |
| CN113687239A (zh) | 一种用于噪声免疫的tcpso锂离子电池参数辨识方法 | |
| CN116853024A (zh) | 充电控制方法、充电电路拓扑结构、电子设备和存储介质 | |
| CN111463504B (zh) | 一种用于电池模块维护的均衡算法 | |
| CN117318212A (zh) | 动态重构电池网络的容量和soc确定方法、设备及介质 | |
| JP7168336B2 (ja) | 二次電池制御装置 | |
| CN113495223A (zh) | 一种大规模锂电池阵列的soc估算方法 | |
| CN113608130B (zh) | 电池簇荷电状态在线估算方法 | |
| CN112397798B (zh) | 一种动力电池管理系统及匹配方法 | |
| CN108054450A (zh) | 一种锂电池管理系统 | |
| CN112748346A (zh) | 一种蓄电池荷电状态计算方法 |
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 |