CN113777497A - 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 - Google Patents
一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN113777497A CN113777497A CN202111053618.0A CN202111053618A CN113777497A CN 113777497 A CN113777497 A CN 113777497A CN 202111053618 A CN202111053618 A CN 202111053618A CN 113777497 A CN113777497 A CN 113777497A
- Authority
- CN
- China
- Prior art keywords
- battery
- online
- soc
- nth
- circuit voltage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000002245 particle Substances 0.000 claims description 32
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 3
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 229910001416 lithium ion Inorganic materials 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 238000011088 calibration curve Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research 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
- 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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本公开涉及一种退化电池在线SOC、SOH联合估计方法、装置、存储介质和电子设备,该方法包括:获取当前时刻的电流和电压;对电池参数进行在线辨识,得到第n次的电池参数;对电池进行健康状态SOH在线估计,获取第n次电池的健康状态SOH在线估计值;在标准开路电压OCV‑剩余电量SOC对应关系曲线数据库中查询目标曲线;对电池进行剩余电量SOC在线估计,获取第n次电池的剩余电量SOC在线估计值;根据目标曲线和第n次电池的剩余电量SOC在线估计值,估计出电池开路电压作为第n+1次电池开路电压,用第n+1次电池开路电压和第n次电池的剩余电量SOC在线估计值更新目标曲线。更新标准开路电压OCV‑剩余电量SOC对应关系曲线数据库中的开路电压OCV‑剩余电量SOC对应关系曲线。
Description
技术领域
本公开属于电池系统管理技术领域,具体涉及一种退化电池在线 SOC、SOH联合估计方法、装置、存储介质和电子设备。
背景技术
目前,在国家的大力倡导下,新能源汽车产业飞速发展。在新能源汽 车的储能系统中,由于锂电池生产成本低、功率密度高、安全性好和使用 寿命长等特点,锂电池作为能源被广泛的应用于新能源汽车中。为了保持 锂电池储能系统的安全和可靠性,延长锂电池储能系统的使用寿命,作为 电池管理系统核心的电池荷电状态的精确估算的研究是至关重要的。
在目前,在线SOC估计主要基于等效电路模型,通过采集电池输出 端的电流与电压,采用诸如卡尔曼滤波,扩展卡尔曼滤波,扩展卡尔曼粒 子滤波等算法进行SOC估算。因此,SOC的估计精度严重依赖等效电路 模型的参数精度。目前等效电路模型的参数主要通过,在严苛的实验条件 下获得,但由于电池模型具有明显的非线性、时变性的特点,在新能源汽 车运行期间,随着外界温度、放电倍率等影响因素的影响,等效电路模型 参数也随之发生改变,且随着时间变化,电池的退化也会对SOC估计精 度产生较大的影响。因此在实验条件下,通过离线参数辨识得到一成不变 的电池模型参数及OCV—SOC标定曲线,会大大降低SOC的估计精度。
基于此,有必要提出一种考虑电池退化内部因素,外界参数影响外部 因素的的在线SOC估计系统。
发明内容
本公开的目的是提供一种退化电池在线SOC、SOH联合估计方法、 装置、存储介质和电子设备,用于解决现有技术中由于电池的SOC的估 计精度严重依赖等效电路模型的参数精度,而电池模型具有明显的非线 性、时变性的特点,在新能源汽车运行期间,随着外界温度、放电倍率等 影响因素的影响,等效电路模型参数也随之发生改变,且随着时间变化,电池的退化也会对SOC估计精度产生较大的影响。因此在实验条件下, 通过离线参数辨识得到一成不变的电池模型参数及OCV—SOC标定曲线, 会大大降低SOC的估计精度的技术问题。
为了实现上述目的,本公开的第一方面,一种退化电池在线SOC、SOH 联合估计方法,所述方法包括:
获取当前时刻的电流和电压;
将所述当前时刻的电流、电压以及第n次电池开路电压作为预设电池 参数模型的输入,对电池参数进行在线辨识,得到第n次的电池参数;
根据所述第n次的电池参数对电池进行健康状态SOH在线估计,获 取第n次电池的健康状态SOH在线估计值;
根据电池实时的温度值和所述第n次电池的健康状态SOH在线估计 值在标准开路电压OCV-剩余电量SOC对应关系曲线数据库中查询目标曲 线;
根据所述第n次的电池参数,对电池进行剩余电量SOC在线估计, 获取第n次电池的剩余电量SOC在线估计值;
根据目标曲线和第n次电池的剩余电量SOC在线估计值,估计出电 池开路电压作为第n+1次电池开路电压,用第n+1次电池开路电压和第n 次电池的剩余电量SOC在线估计值更新目标曲线。
更新标准开路电压OCV-剩余电量SOC对应关系曲线数据库中的开路 电压OCV-剩余电量SOC对应关系曲线。
可选地,所述建立用于电池参数在线辨识的电池参数模型,根据所述 电池参数模型对电池参数进行在线辨识,得到第n次的电池参数,包括:
建立电池的一阶RC等效电路模型;
根据所述一阶RC等效电路模型,确定所述电池参数的差分方程;
获取电池当前时刻的电压、电流及温度数据;
设定初始值,根据多自适应遗忘因子递推最小二乘算法在线辨识出所 述第n次的电池参数,其中,所述第n次的电池参数包括第n次的欧姆内 阻R0,极化电阻RP,极化电容CP
可选地,所述对电池进行健康状态SOH在线估计,获取第n次电池 的健康状态SOH在线估计值,包括:
根据电池退化模型,采用阿累尼乌斯锂离子电池寿命公式,计算当前 电池的容量Qnow,可得:
AH=NDQnom
Qnow=Qnom-Qloss
其中,Qnom为电池额定电压下的容量,Qloss为电池的容量损失,Ic为电 池放电倍率,通过采集的实时电压与更新的电池容量可以求得,Bk为衰退 系数。通过实验数据得,BIc=25990·e-0.4727Ic+10620·e0.0067Ic,T为环境温度,R 为摩尔气体常数,AH实际循环安时容量,N为放电倍率,D为放电深度;
可选地,所述根据所述对应的开路电压OCV-剩余电量SOC对应关系 曲线和所述第n次的电池参数,对电池进行剩余电量SOC在线估计,获 取第n次电池的剩余电量SOC在线估计值,包括:
根据所述电池的伏安特性建立所述电池的一阶RC等效电路模型,确 定所述电池的状态方程;
采用扩展卡尔曼粒子滤波算法进行SOC估算。
可选地,所述采用扩展卡尔曼粒子滤波算法进行SOC估算,包括:
初始化粒子的基本参数;
根据初始概率密度x0~p(x)分布产生N个粒子集合,分配粒子权重;
使用扩展卡尔曼粒子滤波,得到粒子的预测值;
更新粒子权值并进行归一化处理,计算有效粒子数;如果有效粒子数 小于给定阈值,在进行重采样后输出SOC估计值;如果大于给定阈值, 则直接输出SOC估计值。
第二方面,提供一种退化电池在线SOC、SOH联合估计装置,所述 装置包括:
获取模块,用于获取当前时刻的电流和电压;
在线辨识模块,用于将所述当前时刻的电流、电压以及第n次电池开 路电压作为预设电池参数模型的输入,对电池参数进行在线辨识,得到第 n次的电池参数;
SOH在线估计模块,用于根据所述第n次的电池参数对电池进行健康 状态SOH在线估计,获取第n次电池的健康状态SOH在线估计值;
筛选模块,用于根据电池实时的温度值和所述第n次电池的健康状态 SOH在线估计值在标准开路电压OCV-剩余电量SOC对应关系曲线数据库 中查询目标曲线;
SOC在线估计模块,用于根据所述第n次的电池参数,对电池进行剩 余电量SOC在线估计,获取第n次电池的剩余电量SOC在线估计值;;
更新模块,用于根据目标曲线和第n次电池的剩余电量SOC在线估 计值,估计出电池开路电压作为第n+1次电池开路电压,用第n+1次电池 开路电压和第n次电池的剩余电量SOC在线估计值更新目标曲线;更新 标准开路电压OCV-剩余电量SOC对应关系曲线数据库中的开路电压 OCV-剩余电量SOC对应关系曲线。
第三方面,提供一种计算机可读存储介质,其上存储有计算机程序, 所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
第四方面,提供一种电子设备,包括:上述的计算机可读存储介质; 以及
一个或者多个处理器,用于执行所述计算机可读存储介质中的程序。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分, 与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限 制。在附图中:
图1是本公开实施例提供的一种退化电池在线SOC、SOH联合估计 方法的流程图。
图2是本公开实施例提供的一种建立用于电池参数在线辨识的电池参 数模型,根据所述电池参数模型对电池参数进行在线辨识,得到第n次的 电池参数的流程图。
图3是本公开实施例提供的一种对电池进行健康状态SOH在线估计, 获取第n次电池的健康状态SOH在线估计值的流程图。
图4是本公开实施例提供的一种根据所述对应的开路电压OCV-剩余 电量SOC对应关系曲线和所述第n次的电池参数,对电池进行剩余电量 SOC在线估计,获取第n次电池的剩余电量SOC在线估计值的方法的流 程图。
图5是本公开实施例提供的一种采用扩展卡尔曼粒子滤波算法进行 SOC估算的方法的流程图。
图6是本公开实施例提供的一种退化电池在线SOC、SOH联合估计 装置的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的 是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制 本公开。
在现有技术中,在线SOC估计主要基于等效电路模型,通过采集电 池输出端的电流与电压,采用诸如卡尔曼滤波,扩展卡尔曼滤波,扩展卡 尔曼粒子滤波等算法进行SOC估算。因此,SOC的估计精度严重依赖等 效电路模型的参数精度。目前等效电路模型的参数主要通过,在严苛的实 验条件下获得,但由于电池模型具有明显的非线性、时变性的特点,在新 能源汽车运行期间,随着外界温度、放电倍率等影响因素的影响,等效电 路模型参数也随之发生改变,且随着时间变化,电池的退化也会对SOC 估计精度产生较大的影响。因此在实验条件下,通过离线参数辨识得到一 成不变的电池模型参数及OCV—SOC标定曲线,会大大降低SOC的估计 精度。而在本申请中,通过在线SOH估计,不断筛选更新的OCV—SOC 曲线,降低电池退化内部因素对在线SOC估计的影响,以及通过更新SOC 估计值计算生成的开路电压值,作为在线参数辨识模块的下一时刻输入 值,并通过实时采集的电流电压,动态更新电池模型参数,降低外部因素 对在线SOC估计的误差影响。
本公开实施例提供一种退化电池在线SOC、SOH联合估计方法,图1 是根据本公开一实施例示出的一种退化电池在线SOC、SOH联合估计方 法的流程图。如图1所示,该方法包括以下步骤:
步骤S11,获取当前时刻的电流和电压。
步骤S12,将所述当前时刻的电流、电压以及第n次电池开路电压作 为预设电池参数模型的输入,对电池参数进行在线辨识,得到第n次的电 池参数。
在本步骤中,建立电池的一阶RC等效电路模型;
根据所述一阶RC等效电路模型,确定所述电池参数的差分方程;
获取电池当前时刻的电压、电流及温度数据;
设定初始值,根据多自适应遗忘因子递推最小二乘算法在线辨识出所 述第n次的电池参数,其中,所述第n次的电池参数包括第n次的欧姆内 阻R0,极化电阻RP,极化电容CP
步骤S13,根据所述第n次的电池参数对电池进行健康状态SOH在线 估计,获取第n次电池的健康状态SOH在线估计值。
在本步骤中,根据电池退化模型,采用阿累尼乌斯锂离子电池寿命公 式,计算当前电池的容量Qnow,可得:
AH=NDQnom,
Qnow=Qnom-Qloss,
其中,Qnom为电池额定电压下的容量,Qloss为电池的容量损失,Ic为电 池放电倍率,通过采集的实时电压与更新的电池容量可以求得,Bk为衰退 系数。通过实验数据得,BIc=25990·e-0.4727Ic+10620·e0.0067Ic,T为环境温度,R 为摩尔气体常数,AH实际循环安时容量,N为放电倍率,D为放电深度;
步骤S14,根据电池实时的温度值和所述第n次电池的健康状态SOH 在线估计值在标准开路电压OCV-剩余电量SOC对应关系曲线数据库中查 询目标曲线;
步骤S15,根据所述第n次的电池参数,对电池进行剩余电量SOC在 线估计,获取第n次电池的剩余电量SOC在线估计值。
在本步骤中,根据所述电池的伏安特性建立所述电池的一阶RC等效 电路模型,确定所述电池的状态方程;
采用扩展卡尔曼粒子滤波算法进行SOC估算。
其中,初始化粒子的基本参数;
根据初始概率密度x0~p(x)分布产生N个粒子集合,分配粒子权重;
使用扩展卡尔曼粒子滤波,得到粒子的预测值;
更新粒子权值并进行归一化处理,计算有效粒子数;如果有效粒子数 小于给定阈值,在进行重采样后输出SOC估计值;如果大于给定阈值, 则直接输出SOC估计值。
步骤S16,根据目标曲线和第n次电池的剩余电量SOC在线估计值, 估计出电池开路电压作为第n+1次电池开路电压,用第n+1次电池开路电 压和第n次电池的剩余电量SOC在线估计值更新目标曲线。
步骤S17,更新标准开路电压OCV-剩余电量SOC对应关系曲线数据 库中的开路电压OCV-剩余电量SOC对应关系曲线。
如图4所示,本公开还提供一种退化电池在线SOC、SOH联合估计 装置400,包括:
获取模块401,用于获取当前时刻的电流和电压;
在线辨识模块402,用于将所述当前时刻的电流、电压以及第n次电 池开路电压作为预设电池参数模型的输入,对电池参数进行在线辨识,得 到第n次的电池参数;
SOH在线估计模块403,用于根据所述第n次的电池参数对电池进行 健康状态SOH在线估计,获取第n次电池的健康状态SOH在线估计值;
筛选模块404,用于根据电池实时的温度值和所述第n次电池的健康 状态SOH在线估计值在标准开路电压OCV-剩余电量SOC对应关系曲线 数据库中查询目标曲线;
SOC在线估计模块405,用于根据所述第n次的电池参数,对电池进 行剩余电量SOC在线估计,获取第n次电池的剩余电量SOC在线估计值;;
更新模块406,用于根据目标曲线和第n次电池的剩余电量SOC在线 估计值,估计出电池开路电压作为第n+1次电池开路电压,用第n+1次电 池开路电压和第n次电池的剩余电量SOC在线估计值更新目标曲线;更 新标准开路电压OCV-剩余电量SOC对应关系曲线数据库中的开路电压 OCV-剩余电量SOC对应关系曲线。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在 有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
采用上述装置,通过在线SOH估计,不断筛选更新的OCV—SOC曲 线,降低电池退化内部因素对在线SOC估计的影响,以及通过更新SOC 估计值计算生成的开路电压值,作为在线参数辨识模块的下一时刻输入 值,并通过实时采集的电流电压,动态更新电池模型参数,降低外部因素 对在线SOC估计的误差影响
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不 限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本 公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范 围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特 征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不 必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要 其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (8)
1.一种退化电池在线SOC、SOH联合估计方法,其特征在于,包括:
获取当前时刻的电流和电压;
将所述当前时刻的电流、电压以及第n次电池开路电压作为预设电池参数模型的输入,对电池参数进行在线辨识,得到第n次的电池参数;
根据所述第n次的电池参数对电池进行健康状态SOH在线估计,获取第n次电池的健康状态SOH在线估计值;
根据电池实时的温度值和所述第n次电池的健康状态SOH在线估计值在标准开路电压OCV-剩余电量SOC对应关系曲线数据库中查询目标曲线;
根据所述第n次的电池参数,对电池进行剩余电量SOC在线估计,获取第n次电池的剩余电量SOC在线估计值;
根据目标曲线和第n次电池的剩余电量SOC在线估计值,估计出电池开路电压作为第n+1次电池开路电压,用第n+1次电池开路电压和第n次电池的剩余电量SOC在线估计值更新目标曲线;
更新标准开路电压OCV-剩余电量SOC对应关系曲线数据库中的开路电压OCV-剩余电量SOC对应关系曲线。
2.根据权利要求1所述的方法,其特征在于,所述建立用于电池参数在线辨识的电池参数模型,根据所述电池参数模型对电池参数进行在线辨识,得到第n次的电池参数,包括:
建立电池的一阶RC等效电路模型;
根据所述一阶RC等效电路模型,确定所述电池参数的差分方程;
获取电池当前时刻的电压、电流及温度数据;
设定初始值,根据多自适应遗忘因子递推最小二乘算法在线辨识出所述第n次的电池参数,其中,所述第n次的电池参数包括第n次的欧姆内阻R0,极化电阻RP,极化电容CP。
3.根据权利要求1所述的方法,其特征在于,所述对电池进行健康状态SOH在线估计,获取第n次电池的健康状态SOH在线估计值,包括:
根据电池退化模型,采用阿累尼乌斯锂离子电池寿命公式,计算当前电池的容量Qnow,可得:
AH=NDQnom
Qnow=Qnom-Qloss
其中,Qnom为电池额定电压下的容量,Qloss为电池的容量损失,Ic为电池放电倍率,通过采集的实时电压与更新的电池容量可以求得,Bk为衰退系数。通过实验数据得,BIc=25990·e-0.4727Ic+10620·e0.0067Ic,T为环境温度,R为摩尔气体常数,AH实际循环安时容量,N为放电倍率,D为放电深度;
4.根据权利要求1所述的方法,其特征在于,所述根据所述对应的开路电压OCV-剩余电量SOC对应关系曲线和所述第n次的电池参数,对电池进行剩余电量SOC在线估计,获取第n次电池的剩余电量SOC在线估计值,包括:
根据所述电池的伏安特性建立所述电池的一阶RC等效电路模型,确定所述电池的状态方程;
采用扩展卡尔曼粒子滤波算法进行SOC估算。
5.根据权利要求4所述的方法,其特征在于,所述采用扩展卡尔曼粒子滤波算法进行SOC估算,包括:
初始化粒子的基本参数;
根据初始概率密度x0~p(x)分布产生N个粒子集合,分配粒子权重;
使用扩展卡尔曼粒子滤波,得到粒子的预测值;
更新粒子权值并进行归一化处理,计算有效粒子数;如果有效粒子数小于给定阈值,在进行重采样后输出SOC估计值;如果大于给定阈值,则直接输出SOC估计值。
6.一种退化电池在线SOC、SOH联合估计装置,其特征在于,包括:
获取模块,用于获取当前时刻的电流和电压;
在线辨识模块,用于将所述当前时刻的电流、电压以及第n次电池开路电压作为预设电池参数模型的输入,对电池参数进行在线辨识,得到第n次的电池参数;
SOH在线估计模块,用于根据所述第n次的电池参数对电池进行健康状态SOH在线估计,获取第n次电池的健康状态SOH在线估计值;
筛选模块,用于根据电池实时的温度值和所述第n次电池的健康状态SOH在线估计值在标准开路电压OCV-剩余电量SOC对应关系曲线数据库中查询目标曲线;
SOC在线估计模块,用于根据所述第n次的电池参数,对电池进行剩余电量SOC在线估计,获取第n次电池的剩余电量SOC在线估计值;;
更新模块,用于根据目标曲线和第n次电池的剩余电量SOC在线估计值,估计出电池开路电压作为第n+1次电池开路电压,用第n+1次电池开路电压和第n次电池的剩余电量SOC在线估计值更新目标曲线;更新标准开路电压OCV-剩余电量SOC对应关系曲线数据库中的开路电压OCV-剩余电量SOC对应关系曲线。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。
8.一种电子设备,其特征在于,包括:
权利要求7中所述的计算机可读存储介质;以及
一个或者多个处理器,用于执行所述计算机可读存储介质中的程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053618.0A CN113777497B (zh) | 2021-09-09 | 2021-09-09 | 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053618.0A CN113777497B (zh) | 2021-09-09 | 2021-09-09 | 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777497A true CN113777497A (zh) | 2021-12-10 |
CN113777497B CN113777497B (zh) | 2023-09-15 |
Family
ID=78842100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111053618.0A Active CN113777497B (zh) | 2021-09-09 | 2021-09-09 | 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777497B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115629314A (zh) * | 2022-10-14 | 2023-01-20 | 山东师范大学 | 基于改进Jaya的电池参数与状态联合估计方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140232411A1 (en) * | 2011-09-30 | 2014-08-21 | KPIT Cummins Infosytems Ltd | System and method for battery monitoring |
CN104007395A (zh) * | 2014-06-11 | 2014-08-27 | 北京交通大学 | 锂离子电池荷电状态与参数自适应联合估计方法 |
CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
KR20170058165A (ko) * | 2015-11-18 | 2017-05-26 | 현대일렉트릭앤에너지시스템(주) | 배터리 수명 상태 추정 시스템 및 그 방법 |
CN108508366A (zh) * | 2017-02-28 | 2018-09-07 | 霍尼韦尔国际公司 | 铅酸电池的模型参数的在线确定以及soc和soh的计算 |
CN108508371A (zh) * | 2018-04-09 | 2018-09-07 | 重庆大学 | 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法 |
CN108544925A (zh) * | 2018-04-02 | 2018-09-18 | 北京理工大学 | 电池管理系统 |
CN112946499A (zh) * | 2021-02-04 | 2021-06-11 | 芜湖楚睿智能科技有限公司 | 基于机器学习的锂电池健康状态及荷电状态联合估算方法 |
-
2021
- 2021-09-09 CN CN202111053618.0A patent/CN113777497B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140232411A1 (en) * | 2011-09-30 | 2014-08-21 | KPIT Cummins Infosytems Ltd | System and method for battery monitoring |
CN104007395A (zh) * | 2014-06-11 | 2014-08-27 | 北京交通大学 | 锂离子电池荷电状态与参数自适应联合估计方法 |
CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
KR20170058165A (ko) * | 2015-11-18 | 2017-05-26 | 현대일렉트릭앤에너지시스템(주) | 배터리 수명 상태 추정 시스템 및 그 방법 |
CN108508366A (zh) * | 2017-02-28 | 2018-09-07 | 霍尼韦尔国际公司 | 铅酸电池的模型参数的在线确定以及soc和soh的计算 |
CN108544925A (zh) * | 2018-04-02 | 2018-09-18 | 北京理工大学 | 电池管理系统 |
CN108508371A (zh) * | 2018-04-09 | 2018-09-07 | 重庆大学 | 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法 |
CN112946499A (zh) * | 2021-02-04 | 2021-06-11 | 芜湖楚睿智能科技有限公司 | 基于机器学习的锂电池健康状态及荷电状态联合估算方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115629314A (zh) * | 2022-10-14 | 2023-01-20 | 山东师范大学 | 基于改进Jaya的电池参数与状态联合估计方法及系统 |
CN115629314B (zh) * | 2022-10-14 | 2024-05-10 | 山东师范大学 | 基于改进Jaya的电池参数与状态联合估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113777497B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity | |
CN110914696B (zh) | 用于在电池的操作期间估计电池开路池格电压、充电状态以及健康状态的方法和系统 | |
CN110967645B (zh) | Soc修正方法和装置、电池管理系统和存储介质 | |
KR102335296B1 (ko) | 무선 네트워크 기반 배터리 관리 시스템 | |
CN108717164B (zh) | 电池的荷电状态soc标定方法及系统 | |
JP2008522152A (ja) | バッテリーの状態及びパラメーターの推定システム及び方法 | |
CN114072685A (zh) | 一种用于估计电池单元的操作参数的方法 | |
Li et al. | Real-time estimation of lead-acid battery parameters: A dynamic data-driven approach | |
CN117222904A (zh) | 电池状态推定装置、电力系统 | |
KR20160002336A (ko) | 듀얼확장칼만필터를 이용한 배터리 상태 추정 방법, 시스템 및 이를 수행하기 위한 기록매체 | |
CN114169154A (zh) | 膨胀力预测方法、膨胀力预测系统、电子设备及存储介质 | |
CN109061482B (zh) | 电池健康度预测方法及装置 | |
CN116990691A (zh) | 一种电池剩余满充时间的评估方法、装置、设备和介质 | |
CN114371408A (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
CN114895205A (zh) | 电池模型参数的获取方法、装置、计算机设备、存储介质 | |
JP2018077199A (ja) | 推定装置 | |
KR101835377B1 (ko) | 다변량 웨이블릿 변환 기반의 배터리팩 충전상태 추정 방법 및 그 장치 | |
CN115389954A (zh) | 一种电池容量的估算方法、电子设备及可读存储介质 | |
CN117452234B (zh) | 改进参数辨识与无穷算法融合的soc估计方法及系统 | |
CN113777497A (zh) | 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、系统及存储介质 | |
CN113733980B (zh) | 确定动力电池容量的方法、装置、介质及电子设备 | |
CN113189500A (zh) | 电池电量计算方法、装置、计算机设备和存储介质 | |
US11598813B2 (en) | Method and apparatus for estimating a state of charge of a battery | |
CN116298905A (zh) | 一种钠离子电池荷电状态估算方法及估算装置 |
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 |