CN113835033A - 一种新能源汽车电池管理系统sof估算方法 - Google Patents
一种新能源汽车电池管理系统sof估算方法 Download PDFInfo
- Publication number
- CN113835033A CN113835033A CN202111089974.8A CN202111089974A CN113835033A CN 113835033 A CN113835033 A CN 113835033A CN 202111089974 A CN202111089974 A CN 202111089974A CN 113835033 A CN113835033 A CN 113835033A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- current
- sof
- value
- 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 36
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 17
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 230000010287 polarization Effects 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000003990 capacitor Substances 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000007599 discharging Methods 0.000 abstract description 17
- 230000007423 decrease Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了一种新能源电动汽车电池管理系统SOF估算方法,根据电池特性建立锂电池二阶RC模型,生成六个电池控制参数,采用递推最小二乘法对SOF进行在线实时估算:读取电压值及电流值,设定自适应参数θ及相对矩阵P初始值,根据电压值及电流值计算参数矩阵及增益矩阵,计算估算误差,对当前时刻自适应参数θ进行更新,对相对矩阵P进行升级;根据自适应参数θ值计算电池的实时参数;并根据电池实时参数,估算电池当前状态最大充放电电流值。本发明可以有效的估计电池SOF,精度较高,根据电池特性可适当调整控制参数,适用于锂电池SOF估计。
Description
技术领域
本发明涉及一种新能源电动汽车电池管理系统SOF估算方法,具体涉及一种基于递推最小二乘法的新能源汽车电池管理系统SOF估算方法。
背景技术
现阶段,新能源汽车高速发展,其中以电能为动力源,电机为驱动装置的新能源汽车发展显著。动力电池及电池管理系统是电动汽车的关键部件。电池SOF(State ofFunction,充放电能力)是电池管理系统状态估算的重要参数,简单的说就是电池状态下的最大充放电电流,如果没有精确的SOF,BMS(主电池管理系统)将无法正常工作,因为SOF估算精度不高会对电动车产生两种不良影响:1、SOF估算过高,电池容易过放,影响电池使用寿命;2、SOF估算过低,整车动力性能会受到影响,达不到整车设定动力性目标。SOF精度越高,对于相同容量的电池,可以在任何行驶工况下充分发挥电池的性能,满足驾驶需求,在一定程度上提高电池的使用寿命。准确的估算电池的最大充放电能力一直是国内外研究的重点和难点。
目前新能源电动汽车主流的SOF估算方法为查表方法,即经过大量的试验得到试验数据,考虑温度和当前SOC状态,查二维功率电流表得到当前电池的最大充放电能力。但这种方法过分依赖大数据,如果试验数据不充分将会影响SOF的精度估算。目前的SOF估算方法也没有考虑电池保护、安全、故障及上下电模态的影响整车的续驶里程和动力性能会受到影响,电池的寿命也会降低。
发明内容
为了解决现有电动汽车电池管理系统SOF估算方法存在累计误差大,需要大量标定数据,不能实时修正等问题,本发明提供一种新能源电动汽车电池管理系统SOF估算方法,根据电池特性建立锂电池二阶RC模型,生成六个电池控制参数,采用递推最小二乘法对SOF进行在线实时估算,提高估算精度。本发明方法可以有效的估计电池SOF,精度较高,根据电池特性可适当调整控制参数,适用于锂电池SOF估计。
本发明的目的是通过以下技术方案实现的:
一种新能源电动汽车电池管理系统SOF估算方法,包括以下步骤:
步骤一、建立锂电池二阶RC离散时间模型,生成六个电池控制参数:
锂电池二阶RC离散时间模型为:
待估参数θ包含六个参数向量:
θ=[θ1,θ2,θ3,θ4,θ5,θ6]T
步骤二、通过递推最小二乘法估算θ值:
2.1)读取两组电压值V(1)、V(2),及两组电流值I(1)、I(2),设定自适应参数θ及相对矩阵P初始值;
2.2)定义遗忘因子,0<a<1,以保持新数据对参数估计值的修正能力;
2.3)读取一组新的电压值V(k)及电流值I(k);
2.6)计算估算误差α,由估算误差α和前一时刻自适应参数θ(k-1)对当前时刻自适应参数θ进行更新;
2.7)对相对矩阵P进行升级,预留下一时刻使用;
2.8)根据自适应参数θ值计算电池的实时参数,包括欧姆内阻RΩ、电化学极化内阻Rm、电化学极化电容Cm、浓差极化内阻Rs、浓差极化电容Cs、开路电压Voc;
2.9)根据上述电池实时参数,估算电池当前状态最大充放电电流值。
进一步地,所述步骤一生成六个电池控制参数,具体包括:
可测参数矩阵为:
其中,V、I分别为电压电流传感器采集的电池端电压和电流;
所述锂电池二阶RC离散时间模型的等效表达式为:
V=Voc+IBRΩ+Vs+Vm
其中,Vs为浓差极化电压;Vm为电化学极化电压;Voc为电池的开路电压;RΩ为电池的内阻;IB为电流传感器采集的电池包输入输出电流;V为电压传感器采集电池端电压;
将浓差极化电压Vs和电化学极化电压Vm离散化,可得:
其中,Δt为电压、电流采样周期;
令:
则:
Vs(k)=a1Vs(k-1)+b1IB(k-1)
Vm(k)=a2Vm(k-1)+b2IB(k-1)
根据Z函数转换,二阶离散模型可转化成差分方程:
V(k)=(a1+a2)V(k-1)-a1a2V(k-2)+RΩI(k)+[b1-b2-RΩ(a1+a2)]I(k-1)
+(a1a2RΩ-b1a2-b2a1)I(k-2)+[1-(a1+a2)+a1a2]Voc
由于:
V(k)=θ1V(k-1)+θ2V(k-2)+θ3I(k)+θ4I(k-1)+θ5I(k-2)+θ6
则根据对应关系得:
a1+a2=θ1
-a1a2=θ2
RΩ=θ3
b1-b2-RΩ(a1+a2)=θ4
a1a2RΩ-b1a2-b2a1=θ5
[1-(a1+a2)+a1a2]Voc=θ6
则待估算参数为:
θ=[a1+a2,-a1a2,RΩ,b1-b2-RΩ(a1+a2),a1a2RΩ-b1a2-b2a1,[1-(a1+a2)+a1a2]Voc]T
电池特性参数RΩ、Rm、Cm、Rs、Cs、Voc通过计算θ值后求得,其中:
Voc=θ6/(1-θ1-θ2)。
进一步地,所述步骤2.1)中,自适应参数θ初始值和相对矩阵P初始值由上一时刻存入NVM中的数据获得。
进一步地,所述步骤2.5)中,增益矩阵G(k)的计算公式为:
进一步地,所述步骤2.6)中,估算误差α的计算公式为:
自适应参数θ更新公式为:
θ(k)=θ(k-1)+G(k)α。
进一步地,所述步骤2.7)中,相对矩阵P升级计算公式为:
进一步地,所述步骤2.9)中,根据Vt=Voc–Vr-Vs-Vm公式求得电池当前状态下最大的充放电电流,
其中,Vt为电池的截止充放电电压;Voc为当前状态电池的开路电压;Vr为电池的欧姆压降;Vs为电池的电化学极化压降;Vm为电池的浓差极化压降。
本发明具有以下有益效果:
本发明提供一种新能源电动汽车电池管理系统SOF估算方法,根据电池特性建立锂电池二阶RC模型,生成六个电池控制参数,采用递推最小二乘法对SOF进行在线实时估算,提高估算精度。本发明方法可以有效的估计电池SOF,精度较高,根据电池特性可适当调整控制参数,适用于锂电池SOF估计。
附图说明
图1为锂电池二阶RC模型电路图;
图2为本发明新能源汽车电池管理系统SOF估算方法流程图。
具体实施方式
以下结合附图和实施例详细描述本发明的技术方案:
锂电池大量应用在新能源汽车上,为了更好的控制电池管理系统以使电池具有更长的使用寿命和经济性,电池参数如开路电压Voc、欧姆内阻和电池容量等参数需要估算。
当前状态下电池最大的充放电能力受电池开路电压、电池内阻、温度及极化效应的影响,然而开路电压Voc和其它电池内部参数都无法直接测量。因此需要通过可直接测量的端电压和电池输入输出电流对电池内部参数进行估算。
锂电池的特征参数包括端电压V、欧姆内阻RΩ、开路电压Voc、时间常数τ1(τ1=RsCs)、时间常数τ2(τ1=RmCm),其中Rs为浓差极化内阻,Cs为浓差极化电容,Rm为电化学极化内阻,Cm为电化学极化电容。
通过实时监测电池的端电压、电流值估算电池的特性参数,从而估算电池当前状态下允许的最大的充放电电流。
本实施例提供一种动力电池的SOF估算方法:
一、建立锂电池二阶RC离散时间模型,其方程表达式为:
本实施例中建立的锂电池二阶RC离散时间模型中,待估参数θ包含六个参数向量:
θ=[θ1,θ2,θ3,θ4,θ5,θ6]T
可测参数矩阵为:
其中,V、I分别为电压电流传感器采集的电池端电压和电流。
本实施例中建立的锂电池二阶RC离散时间模型,考虑电池充放电过程中内阻和极化反应,电路图如图1所示,极化反应包括浓差极化和电化学极化,其等效表达式为:
V=Voc+IBRΩ+Vs+Vm
其中,Vs为浓差极化电压;Vm为电化学极化电压;Voc为电池的开路电压;RΩ为电池的内阻;IB为电流传感器采集的电池包输入输出电流;V为电压传感器采集电池端电压。
将浓差极化电压Vs和电化学极化电压Vm离散化,可得:
其中,Δt为电压、电流采样周期。
令:
则:
Vs(k)=a1Vs(k-1)+b1IB(k-1)
Vm(k)=a2Vm(k-1)+b2IB(k-1)
实际应用中,电压、电流的采集计算都是离散的,进行电池荷电状态估计需对数学公式进行离散化处理。
根据Z函数转换,二阶离散模型可转化成差分方程:
V(k)=(a1+a2)V(k-1)-a1a2V(k-2)+RΩI(k)+[b1-b2-RΩ(a1+a2)]I(k-1)
+(a1a2RΩ-b1a2-b2a1)I(k-2)+[1-(a1+a2)+a1a2]Voc
由于:
V(k)=θ1V(k-1)+θ2V(k-2)+θ3I(k)+θ4I(k-1)+θ5I(k-2)+θ6
则根据对应关系得:
a1+a2=θ1
-a1a2=θ2
RΩ=θ3
b1-b2-RΩ(a1+a2)=θ4
a1a2RΩ-b1a2-b2a1=θ5
[1-(a1+a2)+a1a2]Voc=θ6
则待估算参数为:
θ=[a1+a2,-a1a2,RΩ,b1-b2-RΩ(a1+a2),a1a2RΩ-b1a2-b2a1,[1-(a1+a2)+a1a2]Voc]T
电池特性参数RΩ、Rm、Cm、Rs、Cs、Voc可通过计算θ值后求得,其中:
Voc=θ6/(1-θ1-θ2)
二、本实施例通过递推最小二乘法估算θ值,具体方法如下:
递推辨识算法的原理为:
新的参数估计值=旧的参数估计值+修正项
即新的递推参数估计值是在旧的递推估计值的基础上而成。
首先,读取两组电压值及两组电流值,V(1)、V(2)、I(1)、I(2),设定自适应参数θ及相对矩阵P初始值,自适应参数θ初始值和相对矩阵P初始值由上次下电存入NVM中的数据获得。
在辨识计算过程中,防止算法增益矩阵G(k)急剧衰减,使得新数据失去对参数估计值的修正能力,引进遗忘因子a,a为0~1之间的数,以保持新数据对参数估计值的一定的修正能力,使得能得到更准确的参数估计值,或能适应对慢时变参数的辨识。
读取一组新的电压值V(k)及电流值I(k),根据电压值V(k)、电流值I(k),上一时刻读取的电压值V(k-1)、电流值I(k-1),再上一时刻读取的电压值V(k-2)、电流值I(k-2),计算本时刻的参数矩阵
由上一时刻计算得到的参数矩阵φ(k-1)和相对矩阵P(k-1)计算本时刻增益矩阵:
计算相应估算误差:
由估算误差α和前一时刻自适应参数θ(k-1)对当前时刻自适应参数θ进行更新:
θ(k)=θ(k-1)+G(k)α
对相对矩阵P进行升级:
根据自适应参数θ值计算电池的参数RΩ、Rm、Cm、Rs、Cs、Voc。
根据上述电池实时参数,估算电池当前状态最大充放电电流值:
Vt(t)=Voc(t)–Vr(t)-Vs(t)-Vm(t)
其中,Vt为电池的充放电截止电压,由锂电池特性决定(放电截止电压3.2V~3.5V,充电截止电压4.1V~4.3V);Voc为当前状态电池的开路电压;Vr为电池的欧姆压降;Vs为电池的电化学极化压降;Vm为电池的浓差极化压降。
欧姆压降Vr由电池充放电电流乘以电池欧姆内阻得到:
Vr(t)=IB*RΩ
电化学极化压降Vs由前一采样时刻的电化学极化压降和电池充放电电流决定:
Vs(t)=IB*Rs(1-e-t/RsCs)-Vs(t-1)e-t/RsCs
其中,Vs(t-1)为前一采样时刻电化学极化压降。
浓差极化压降Vm由前一采样时刻的浓差极化压降和电池充放电电流决定:
Vm(t)=IB*Rm(1-e-t/RmCm)–Vm(t-1)e-t/RmCm
其中,Vs(t-1)为前一采样时刻浓差极化压降。
根据电池状态参数估算当前状态电池的最大充放电电流为:
Vt(t)=Voc(t)-IB*RΩ–(IB*Rs(1-e-t/RsCs)-Vs(t-1)e-t/RsCs)–(IB*Rm(1-e-t/RmCm)–Vm(t-1)e-t/RmCm)
IB_max=(Voc(t)+Vs(t-1)e-t/RsCs+Vm(t-1)e-t/RmCm-Vt(t))/(RΩ+Rs(1-e-t/RsCs)+Rm(1-e-t/RmCm))
其中,IB_max为电池根据状态参数估算的最大充放电电流。
三、考虑电池保护、故障、安全及模态估算电池当前最大的充放电电流:
考虑电池保护对电池最大充放电电流的限制:
1、当电池温度过高或者过低时,将IB_max乘以一与电池温度相关的修正系数α1当电池温度在[0℃40℃]之间时,αT为1,当电池温度在此区间之外,随着温度升高或降低,αT逐渐减小到0,温度区间为标定量,与电池特性相关。
2、估算电池最大放电电流时,当电池单体最低电压过低,将IB_max乘以一与电池电压相关的修正系数α2,当电池最低单体电压在[3.7V 4.2V]时,α2为1,随着单体电压降低,α2逐渐减小到0,电压区间为标定量,与电池特性相关。
3、估算电池最大充电电流时,当电池单体最高电压过高,将IB_max乘以一与电池电压相关的修正系数α3,当电池最高单体电压在[3.2V 3.7V]时,α3为1,随着单体电压升高,α3逐渐减小到0,电压区间为标定量,与电池特性相关。
考虑电池故障对电池最大充放电电流的限制:
动力电池故障管理系统将电池故障分三个等级,故障处理方案为:SOF估算模块接收到故障诊断上报的故障信息后,将电池的最大充放电电流乘以一与故障相关的修正系数α4,一级故障α4为0.7,二级故障α4为0.5,三级故障α4为0。
考虑电池系统安全对电池最大充放电电流的限制:
当电池系统发生安全故障时,对最大充放电电流进行限制,将IB_max乘以一与电池系统安全相关的修正系数α5:
1、发生环路互锁故障或电池系统绝缘故障时,同时考虑车速对系统安全行驶的影响,当故障发生且车速高于20km/h时,α5为0.5,当车速低于20km/h时,α5为0;
2、电池系统发生短路、短路或者碰撞安全故障时,α5为0。
考虑电池系统模态对电池最大充放电电流的限制:
1、当电池系统处于放电模态时,将充电桩充电最大充放电电流限为0A,最大放电电流、最大制动能量回收电流能力由上述估算最大充放电值决定;
2、当电池系统处于充电模态时,将放电最大电流、最大制动能量回收电池限为0A,充电桩充电最大电流能力由上述最大充电电流估算值决定。
Claims (8)
1.一种新能源电动汽车电池管理系统SOF估算方法,其特征在于,包括以下步骤:
步骤一、建立锂电池二阶RC离散时间模型,生成六个电池控制参数:
锂电池二阶RC离散时间模型为:
待估参数θ包含六个参数向量:
θ=[θ1,θ2,θ3,θ4,θ5,θ6]T
步骤二、通过递推最小二乘法估算θ值:
2.1)读取两组电压值V(1)、V(2),及两组电流值I(1)、I(2),设定自适应参数θ及相对矩阵P初始值;
2.2)定义遗忘因子,0<a<1,以保持新数据对参数估计值的修正能力;
2.3)读取一组新的电压值V(k)及电流值I(k);
2.6)计算估算误差α,由估算误差α和前一时刻自适应参数θ(k-1)对当前时刻自适应参数θ进行更新;
2.7)对相对矩阵P进行升级,预留下一时刻使用;
2.8)根据自适应参数θ值计算电池的实时参数,包括欧姆内阻RΩ、电化学极化内阻Rm、电化学极化电容Cm、浓差极化内阻Rs、浓差极化电容Cs、开路电压Voc;
2.9)根据上述电池实时参数,估算电池当前状态最大充放电电流值。
2.如权利要求1所述的一种新能源电动汽车电池管理系统SOF估算方法,其特征在于,所述步骤一生成六个电池控制参数,具体包括:
可测参数矩阵为:
其中,V、I分别为电压电流传感器采集的电池端电压和电流;
所述锂电池二阶RC离散时间模型的等效表达式为:
V=Voc+IBRΩ+Vs+Vm
其中,Vs为浓差极化电压;Vm为电化学极化电压;Voc为电池的开路电压;RΩ为电池的内阻;IB为电流传感器采集的电池包输入输出电流;V为电压传感器采集电池端电压;
将浓差极化电压Vs和电化学极化电压Vm离散化,可得:
其中,Δt为电压、电流采样周期;
令:
则:
Vs(k)=a1Vs(k-1)+b1IB(k-1)
Vm(k)=a2Vm(k-1)+b2IB(k-1)
根据Z函数转换,二阶离散模型可转化成差分方程:
V(k)=(a1+a2)V(k-1)-a1a2V(k-2)+RΩI(k)+[b1-b2-RΩ(a1+a2)]I(k-1)+(a1a2RΩ-b1a2-b2a1)I(k-2)+[1-(a1+a2)+a1a2]Voc
由于:
V(k)=θ1V(k-1)+θ2V(k-2)+θ3I(k)+θ4I(k-1)+θ5I(k-2)+θ6
则根据对应关系得:
a1+a2=θ1
-a1a2=θ2
RΩ=θ3
b1-b2-RΩ(a1+a2)=θ4
a1a2RΩ-b1a2-b2a1=θ5
[1-(a1+a2)+a1a2]Voc=θ6
则待估算参数为:
θ=[a1+a2,-a1a2,RΩ,b1-b2-RΩ(a1+a2),a1a2RΩ-b1a2-b2a1,[1-(a1+a2)+a1a2]Voc]T
电池特性参数RΩ、Rm、Cm、Rs、Cs、Voc通过计算θ值后求得,其中:
Voc=θ6/(1-θ1-θ2)。
3.如权利要求1所述的一种新能源电动汽车电池管理系统SOF估算方法,其特征在于,所述步骤2.1)中,自适应参数θ初始值和相对矩阵P初始值由上一时刻存入NVM中的数据获得。
8.如权利要求1所述的一种新能源电动汽车电池管理系统SOF估算方法,其特征在于,所述步骤2.9)中,根据Vt=Voc–Vr-Vs-Vm公式求得电池当前状态下最大的充放电电流,
其中,Vt为电池的截止充放电电压;Voc为当前状态电池的开路电压;Vr为电池的欧姆压降;Vs为电池的电化学极化压降;Vm为电池的浓差极化压降。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089974.8A CN113835033A (zh) | 2021-09-17 | 2021-09-17 | 一种新能源汽车电池管理系统sof估算方法 |
PCT/CN2022/109333 WO2023040486A1 (zh) | 2021-09-17 | 2022-07-31 | 一种新能源汽车电池管理系统sof估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089974.8A CN113835033A (zh) | 2021-09-17 | 2021-09-17 | 一种新能源汽车电池管理系统sof估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113835033A true CN113835033A (zh) | 2021-12-24 |
Family
ID=78959692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111089974.8A Pending CN113835033A (zh) | 2021-09-17 | 2021-09-17 | 一种新能源汽车电池管理系统sof估算方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113835033A (zh) |
WO (1) | WO2023040486A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040486A1 (zh) * | 2021-09-17 | 2023-03-23 | 一汽奔腾轿车有限公司 | 一种新能源汽车电池管理系统sof估算方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116387653B (zh) * | 2023-06-05 | 2023-08-22 | 钛玛科(北京)工业科技有限公司 | 一种用于锂电池的低损耗管理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064811A (zh) * | 2017-03-01 | 2017-08-18 | 华南理工大学 | 一种锂电池soc在线估计方法 |
CN107390127A (zh) * | 2017-07-11 | 2017-11-24 | 欣旺达电动汽车电池有限公司 | 一种soc估算方法 |
CN108693472A (zh) * | 2017-04-12 | 2018-10-23 | 上海蓝诺新能源技术有限公司 | 电池等效模型参数在线辨识方法 |
CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8880367B1 (en) * | 2011-11-10 | 2014-11-04 | Energy Pass Incorporation | Method for accurately performing power estimation on a battery of an electronic device, and associated apparatus |
CN109061520B (zh) * | 2018-10-25 | 2021-04-23 | 杭州神驹科技有限公司 | 一种动力电池健康与功率状态在线估算方法及系统 |
CN113835033A (zh) * | 2021-09-17 | 2021-12-24 | 一汽奔腾轿车有限公司 | 一种新能源汽车电池管理系统sof估算方法 |
-
2021
- 2021-09-17 CN CN202111089974.8A patent/CN113835033A/zh active Pending
-
2022
- 2022-07-31 WO PCT/CN2022/109333 patent/WO2023040486A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064811A (zh) * | 2017-03-01 | 2017-08-18 | 华南理工大学 | 一种锂电池soc在线估计方法 |
CN108693472A (zh) * | 2017-04-12 | 2018-10-23 | 上海蓝诺新能源技术有限公司 | 电池等效模型参数在线辨识方法 |
CN107390127A (zh) * | 2017-07-11 | 2017-11-24 | 欣旺达电动汽车电池有限公司 | 一种soc估算方法 |
CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
Non-Patent Citations (1)
Title |
---|
贾海峰: "电动汽车锂电池荷电状态估计方法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040486A1 (zh) * | 2021-09-17 | 2023-03-23 | 一汽奔腾轿车有限公司 | 一种新能源汽车电池管理系统sof估算方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023040486A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10312699B2 (en) | Method and system for estimating battery open cell voltage, state of charge, and state of health during operation of the battery | |
Hannan et al. | A review of lithium-ion battery state of charge estimation and management system in electric vehicle applications: Challenges and recommendations | |
US10175302B2 (en) | Power system and state of charge estimation | |
CN107402353B (zh) | 一种对锂离子电池的荷电状态进行滤波估计的方法及系统 | |
CN107271905B (zh) | 一种用于纯电动汽车的电池容量主动估计方法 | |
US20210055348A1 (en) | Apparatus and method for estimating state of charge of secondary battery | |
US9205755B2 (en) | Receding horizon regression analysis for battery impedance parameter estimation | |
WO2017119393A1 (ja) | 状態推定装置、状態推定方法 | |
CN109342950B (zh) | 一种用于锂电池荷电状态的评估方法、装置及其设备 | |
CN109669131B (zh) | 一种工况环境下动力电池soc估算方法 | |
US20070159137A1 (en) | Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health | |
Kessels et al. | On-line battery identification for electric driving range prediction | |
CN105467325A (zh) | 电池容量退化解决的方法和系统 | |
JP2006516326A (ja) | 電気エネルギー蓄積器のための複数の部分モデルを用いた状態量およびパラメータの推定装置 | |
JP2010500539A (ja) | 容量に依存したパラメータに基づくバッテリ容量検出方法 | |
US20220365139A1 (en) | Method for estimating an operating parameter of a battery unit | |
WO2023040486A1 (zh) | 一种新能源汽车电池管理系统sof估算方法 | |
Wei et al. | Lyapunov-based state of charge diagnosis and health prognosis for lithium-ion batteries | |
US11835587B2 (en) | Method for determining full-charge capacity of battery pack, method for determining state of health of battery pack, system, and apparatus | |
KR20080012079A (ko) | 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치 | |
CN110716141B (zh) | 一种基于扩展卡尔曼滤波的电池荷电状态估计方法 | |
CN111027203A (zh) | 一种超级电容soc计算方法 | |
Xiao et al. | Online state-of-charge estimation refining method for battery energy storage system using historical operating data | |
Baba et al. | State of charge estimation of lithium-ion battery using Kalman filters | |
CN112130077B (zh) | 一种不同工况下动力电池组的soc估算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211224 |
|
RJ01 | Rejection of invention patent application after publication |