CN115097316A - 电池参数辨识方法、电池参数辨识装置、介质及电子设备 - Google Patents
电池参数辨识方法、电池参数辨识装置、介质及电子设备 Download PDFInfo
- Publication number
- CN115097316A CN115097316A CN202210844237.2A CN202210844237A CN115097316A CN 115097316 A CN115097316 A CN 115097316A CN 202210844237 A CN202210844237 A CN 202210844237A CN 115097316 A CN115097316 A CN 115097316A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- parameters
- objective function
- parameter
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供一种电池参数辨识方法、电池参数辨识装置、介质及电子设备。所述电池参数辨识方法包括:接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个所述待辨识参数的函数。所述电池参数辨识方法能够提高电池参数的辨识效率并具备实际工业应用价值。
Description
技术领域
本发明涉及电池领域,特别是涉及电池参数辨识方法、电池参数辨识装置、介质及电子设备。
背景技术
近年来,锂离子电池因其独特的优势成为我国储能电站的主流电池技术。为了保证锂离子电池的安全运行,需要对电池内部参数进行辨识,以防止电池出现过放、过充、过热和退化等现象。由于目前的电池参数辨识方法一般采取单目标辨识方法,而单目标辨识方法对工况要求较为理想,因此难以在随机复杂的实际工况中应用,并且单目标辨识方法辨识的电池参数精度较低。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种电池参数辨识方法、电池参数辨识装置、介质及电子设备,用于解决现有技术中电池参数辨识方法难以在实际工况中应用并且精度较低的问题。
为实现上述目的及其他相关目的,本发明的第一方面提供一种电池参数辨识方法,所述电池参数辨识方法包括:接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个所述待辨识参数的函数。
于所述第一方面的一实施例中,获取多目标优化算法中多目标函数的解集的实现方法包括:基于所述电池模型的多个参数数据生成多个初始种群,各所述初始种群包括全部的所述待辨识参数;基于所述电池数据和所述多目标函数对所述每个种群进行处理,以获取所述多目标函数的解集。
于所述第一方面的一实施例中,接收电池监控系统数据并对所述电池监控系统数据进行提取处理的实现方法包括:接收所述电池监控系统数据;对所述电池监控系统数据进行大数据处理,以获取所述电池数据,所述电池数据包括实际工况下的实际电压和实际工况下的实际电流。
于所述第一方面的一实施例中,还包括:通过所述电池模型对所述实际工况下的实际电流以获取实际工况下的模拟电压,所述多目标函数包括第一目标函数和第二目标函数,所述第一目标函数为所述模拟电压和所述实际电压的函数,所述第二目标函数为关于至少两个所述待辨识参数的函数。
于所述第一方面的一实施例中,所述第二目标函数中的参数还包括电池化学计量数。
于所述第一方面的一实施例中,所述第一目标函数由下式表达:
所述第二目标函数由下式表达:
其中,A+为正极电极板有效面积,L+为正极电极板厚度,为正极最大锂浓度,A-为负极电极板有效面积,L-为负极电极板厚度,为负极最大锂浓度,所述电池化学计量数包括和为初始正极锂浓度与正极最大离子浓度的比值,为最终正极锂浓度与所述正极最大离子浓度的比值,为所述初始负极锂浓度与负极最大离子浓度的比值,为所述最终负极锂浓度与所述负极最大离子浓度的比值。
于所述第一方面的一实施例中,所述电池模型的多个参数数据为所述电池模型的多个参数的参数值范围。
本发明的第二方面提供一种电池参数辨识装置,包括:电池数据获取模块,用于接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取多工况实际工况下的电池数据;参数数据获取模块,用于获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;解集获取模块,用于基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个所述待辨识参数的函数。
本发明的第三方面提供一种计算机可读存储介质,该计算机程序被处理器执行时实现本发明第一方面任一项所述电池参数辨识方法。
本发明的第四方面提供一种电子设备,所述电子设备包括:存储器,存储有一计算机程序;处理器,与所述存储器通信相连,调用所述计算机程序时执行本发明第一方面任一项所述电池参数辨识方法;显示器,与所述处理器和所述存储器通信相连,用于显示所述电池参数辨识方法的相关GUI交互界面。
如上所述,本发明所述电池参数辨识方法、电池参数辨识装置、介质及电子设备,具有以下有益效果:
所述电池参数辨识方法包括接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,各所述解集均具有所述待辨识参数,所述多目标函数为关于至少两个所述待辨识参数的目标函数。通过所述多目标优化算法对多目标辨识模型求解,一方面能够提高参数辨识的准确性,另一方面一步辨识能够提高电池参数的辨识效率。
另外,通过获取实际工况下的所述电池数据并将所述电池数据与多目标电池参数辨识过程结合,能够使得所述电池参数辨识方法更适用于实际工业环境,提高所述电池参数辨识方法的实际应用价值。
附图说明
图1显示为本发明实施例中所述电池参数辨识方法的流程图。
图2显示为本发明实施例中获取多目标优化算法中多目标函数的解集的实现方法的流程图。
图3显示为本发明实施例中接收电池监控系统数据并对所述电池监控系统数据进行提取处理的实现方法的流程图。
图4显示为本发明实施例中所述电池参数辨识装置的结构示意图。
图5显示为本发明实施例中所述电子设备的结构示意图。
元件标号说明
400 电池参数辨识装置
410 电池数据获取模块
420 参数数据获取模块
430 解集获取模块
500 电子设备
510 存储器
520 处理器
530 显示器
S11-S13 步骤
S21-S22 步骤
S31-S32 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
由于目前的电池参数辨识方法一般采取单目标辨识的方法,而单目标辨识方法对工况要求较为理想,因此难以在随机复杂的实际工况中应用,并且单目标辨识方法辨识的电池参数精度较低。至少针对上述问题,本发明提供了一种电池参数辨识方法,所述电池参数辨识方法包括接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;选取电池模型,所述电池模型的多个参数均为待辨识参数;基于所述电池数据和所述电池模型,构建多目标函数,利用多目标优化算法得到帕累托最优解集,所述解集每个解包含所有所述待辨识参数的参数值,所述多目标函数为关于至少两个包含所述待辨识参数的函数,且所包含的辨识参数的并集为所有待辨识参数。通过所述多目标优化算法对所述多目标函数求解,能够实现一次参数辨识过程获取多个所述待辨识参数,故所述电池参数辨识方法能够提高电池参数的辨识效率,同时相较于单目标辨识算法每个目标函数之间的协同作用又可以使辨识参数更精准。
另外,通过获取实际工况下的所述电池数据并将所述电池数据与电池参数辨识过程结合,能够使得所述电池参数辨识方法更适用于实际工业环境,提高所述电池参数辨识方法的实际应用价值。
于本发明的一实施例中,所述电池参数辨识方法包括:
S11,接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据。其中,所述电池监控系统数据可以为电池管理系统存储的电池运行时的状态数据,比如可以为BMS(Battery Management System,电池管理系统)存储的电池电压、电池极柱温度、电池回路电流、电池组端电压、电池系统绝缘电阻等数据,所述电池数据可以包括:所述电池在恒流下充放电倍率小于0.5的充放电曲线、所述电池在恒流下充放电倍率实质为1的充放电曲线、所述电池在恒流下充放电倍率大于1.5的充放电曲线以及所述电池在不同工况下的混合脉冲曲线和/或动态应力测试曲线,所述充放电倍率实质为1可以是充放电倍率近似为1,例如充放电倍率在区间(0.9,1.1)中,都可以看作为1。所述混合脉冲曲线可以包括混合功率脉冲曲线,所述混合功率脉冲曲线可以通过对所述电池进行HPPC(Hybrid Pulse Power Characterization,混合功率脉冲特性)测试获取,所述动态应力测试曲线可以通过对所述电池进行DST(Dynamic Stress Test,动态应力测试)获取。上述工况皆为实验室常用工况,但是在实际工况下不存在上述的工况,所以在实际工况选取类似上述的工况,或是长时间工作的工况(时间>1h,soc变化区间大于20%)当然长时间工作工况中可以部分电流为0不工作的工况,所述电池可以为锂离子电池。
S12,获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数。
可选地,所述电池模型的多个参数可以包括:正极电极板有效面积、正极电极板厚度、正极最大锂浓度、负极电极板有效面积、负极电极板厚度、负极最大锂浓度、初始电解质浓度、正极最大离子浓度、最终电解质浓度以及负极最大离子浓度。所述电池模型的多个参数数据可以为所述电池模型的多个参数的参数值范围,例如所述正极电极板厚度的参数数据可以为35-79微米,所述正极最大锂浓度的参数数据可以为0.35-0.5。
S13,基于所述电池数据和所述电池模型的多个参数数据,初始化多目标优化算法中的种群并获取多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个包含所述待辨识参数的函数。其中,所述多目标优化算法可以为NSGA-II算法,所述多目标函数的解集可以为所述多目标函数的帕累托非支配解集。
可选地,所述电池参数辨识方法还包括:通过所述电池模型对所述实际工况下的实际电流进行处理,以获取实际工况下的模拟电压,所述多目标函数包括第一目标函数和第二目标函数,所述第一目标函数为实际工况下关于所述模拟电压和所述实际电压的函数,所述第二目标函数为关于电池容量的函数。其中,所述第二目标函数中的参数包括电池化学计量数。所述电池化学计量数可以包括和为初始正极锂浓度与正极最大离子浓度的比值,为最终正极锂浓度与所述正极最大离子浓度的比值,为所述初始负极锂浓度与负极最大离子浓度的比值,为所述最终负极锂浓度与所述负极最大离子浓度的比值。通过在所述多目标函数的参数中设置所述化学计量数,能够在一次参数辨识过程中同时获取所述化学计量数和多个所述待辨识参数,避免需要借助分步辨识方法先后获取所述化学计量数和所述待辨识参数,从而提高电池参数的辨识效率。
此外,通过基于所述初始电解质浓度、所述正极最大离子浓度等具备电化学性质的参数建立所述多目标函数,能够使得所述多目标函数的解集更符合电池的实际物理运行状态,并且通过一次参数辨识过程获取所有所述待辨识参数,能够使得辨识结果更精准。
所述第一目标函数由下式表达:
所述第二目标函数由下式表达:
其中,A+为所述正极电极板有效面积,L+为所述正极电极板厚度,为所述正极最大锂浓度,A-为所述负极电极板有效面积,L-为所述负极电极板厚度,为所述负极最大锂浓度,所述电池化学计量数包括和为初始正极锂浓度与正极最大离子浓度的比值,为最终正极锂浓度与所述正极最大离子浓度的比值,为所述初始负极锂浓度与负极最大离子浓度的比值,为所述最终负极锂浓度与所述负极最大离子浓度的比值其中,所述初始电极锂浓度可以为电池放电开始时的电极锂浓度,所述最终电极锂浓度可以为电池放电结束时的电极锂浓度。
根据以上描述可知,本实施例所述电池参数辨识方法包括接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个所述待辨识参数的函数。通过设置关于多个所述待辨识参数的所述多目标函数并通过所述多目标优化算法对所述多目标函数求解,能够实现一次参数辨识过程获取多个所述待辨识参数,故所述电池参数辨识方法能够提高电池参数的辨识效率。
另外,通过获取实际工况下的所述电池数据并将所述电池数据与电池参数辨识过程结合,能够使得所述电池参数辨识方法更适用于实际工业环境,提高所述电池参数辨识方法的实际应用价值。
请参阅图2,于本发明的一实施例中,获取多目标优化算法中多目标函数的解集的实现方法包括:
S21,基于所述电池模型的多个参数数据生成多个初始种群,各所述初始种群包括全部的所述待辨识参数。其中,所述电池模型的多个参数数据可以为所述电池模型的多个参数的参数值范围。
可选地,基于所述电池模型的多个参数数据生成多个初始种群的实现方法可以包括:基于所述参数值范围,获取多个各所述参数值范围内的随机参数;基于所述随机参数生成所述多个初始种群。
S22,基于所述电池数据和所述多目标函数对所述多个初始种群进行处理,以获取所述多目标函数的解集。
可选地,基于所述电池数据和所述多目标函数对所述多个初始种群进行处理的实现方法包括:
排序步骤:基于所述多目标函数,对所述多个初始种群进行快速非支配排序,以获取等级种群,所述等级种群具备等级信息,例如种群A的等级为2,种群B的等级为1。
拥挤度计算步骤:基于所述目标函数和所述等级种群,获取所述等级种群的拥挤度。
选择步骤:基于所述拥挤度,获取选择种群。
交叉变异步骤:基于所述选择种群,合并交叉过程中和变异过程中产生的父子种群,以获取待定种群。
判断步骤,基于所述待定种群,判断是否满足阈值或判断是否达到最大迭代次数,若是则输出所述待定种群为所述目标函数的帕累托非支配解集,若否,则转至所述排序步骤,当进入所述排序步骤时,所述待定种群可以视为所述初始种群。
根据以上描述可知,本实施例获取多目标优化算法中多目标函数的解集的实现方法包括:基于所述电池模型的多个参数数据生成多个初始种群,各所述初始种群包括全部的所述待辨识参数;基于所述电池数据和所述多目标函数对所述多个初始种群进行处理,以获取所述多目标函数的解集。通过基于所述电池模型的多个参数数据生成多个初始种群,并基于所述电池数据和所述多目标函数对所述多个初始种群进行处理能够实现对所述待辨识参数的快速辨识,从而提高辨识效率。
请参阅图3,于本发明的一实施例中,接收电池监控系统数据并对所述电池监控系统数据进行提取处理的实现方法包括:
S31,接收所述电池监控系统数据。
S32,对所述电池监控系统数据进行大数据处理,以获取所述电池数据,所述电池数据包括实际工况下的实际电压和实际工况下的实际电流。
可选地,对所述电池监控系统数据进行大数据处理的实现方法可以为通过大数据工具对所述电池监控系统数据进行处理,以获取所述电池数据。其中,所述大数据工具可以包括:Hadoop框架和Spark引擎。
根据以上描述可知,本实施例所述的接收电池监控系统数据并对所述电池监控系统数据进行提取处理的实现方法包括:接收所述电池监控系统数据;对所述电池监控系统数据进行大数据处理,以获取所述电池数据,所述电池数据包括实际工况下的实际电压和实际工况下的实际电流。通过将大数据处理与电池参数辨识相结合,能够获取更符合工业实际环境的电池数据,从而使得所述电池参数辨识方法更具备实际的工业应用价值和经济价值。
于本发明的一实施例中提供一种电池参数辨识装置400,具体地,请参阅图4,所述电池参数辨识装置400包括:
电池数据获取模块410,用于接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;
参数数据获取模块420,用于获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;
解集获取模块430,用于基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少包含两个所述待辨识参数的函数。
根据以上描述可知,所述电池参数辨识装置通过设置关于多个所述待辨识参数的所述多目标函数并通过所述多目标优化算法对所述多目标函数求解,能够实现一次参数辨识过程获取多个所述待辨识参数,故所述电池参数辨识方法能够提高电池参数的辨识效率,同时相较于单目标辨识算法每个目标函数的协同作用又可以使辨识参数更精准。
另外,通过获取实际工况下的所述电池数据并将所述电池数据与电池参数辨识过程结合,能够使得所述电池参数辨识方法更适用于实际工业环境,提高所述电池参数辨识方法的实际应用价值。
基于以上对所述电池参数辨识方法的描述,本发明还提供一种计算机可读存储介质,其上存储有计算机程序。该计算机程序被处理器执行时实现图1所示的电池参数辨识方法。
基于以上对所述电池参数辨识方法的描述,本发明还提供一种电子设备。请参阅图5,于本发明的一实施中,所述电子设备500包括存储器510,存储有一计算机程序;处理器520,与所述存储器510通信相连,调用所述计算机程序时执行图1所示的所述电池参数辨识方法;显示器530,与所述处理器520和所述存储器510通信相连,用于显示所述电池参数辨识方法的相关GUI交互界面。
本发明所述电池参数辨识方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
综上所述,本发明的电池参数辨识方法、电池参数辨识装置、介质及电子设备,用于提高电池参数的辨识效率。因此,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种电池参数辨识方法,其特征在于,所述电池参数辨识方法包括:
接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;
获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;
基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个所述待辨识参数的函数。
2.根据权利要求1所述的电池参数辨识方法,其特征在于,获取多目标优化算法中多目标函数的解集的实现方法包括:
基于所述电池模型的多个参数数据生成多个初始种群,各所述初始种群包括全部的所述待辨识参数;
基于所述电池数据和所述多目标函数对所述多个初始种群进行处理,以获取所述多目标函数的解集。
3.根据权利要求1所述的电池参数辨识方法,其特征在于,接收电池监控系统数据并对所述电池监控系统数据进行提取处理的实现方法包括:
接收所述电池监控系统数据;
对所述电池监控系统数据进行大数据处理,以获取所述电池数据,所述电池数据包括实际工况下的实际电压和实际工况下的实际电流。
4.根据权利要求3所述的电池参数辨识方法,其特征在于,还包括:
通过所述电池模型对所述实际工况下的实际电流进行处理,以获取实际工况下的模拟电压,所述多目标函数包括第一目标函数和第二目标函数,所述第一目标函数为实际工况下关于所述模拟电压和所述实际电压的函数,所述第二目标函数为关于至少两个所述待辨识参数的函数。
5.根据权利要求4所述的电池参数辨识方法,其特征在于,所述第二目标函数中的参数还包括电池化学计量数。
7.根据权利要求1所述的电池参数辨识方法,其特征在于,所述电池模型的多个参数数据为所述电池模型的多个参数的参数值范围。
8.一种电池参数辨识装置,其特征在于,包括:
电池数据获取模块,用于接收电池监控系统数据并对所述电池监控系统数据进行提取处理,以获取实际工况下的电池数据;
参数数据获取模块,用于获取电池模型的多个参数数据,所述电池模型的多个参数均为待辨识参数;
解集获取模块,用于基于所述电池数据和所述电池模型的多个参数数据,获取多目标优化算法中多目标函数的解集,所述解集包含多个所述待辨识参数的参数值,所述多目标函数为关于至少两个所述待辨识参数的函数。
9.一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:该计算机程序被处理器执行时实现权利要求1-7任一项所述电池参数辨识方法。
10.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有一计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行权利要求1-7任一项所述电池参数辨识方法;
显示器,与所述处理器和所述存储器通信相连,用于显示所述电池参数辨识方法的相关GUI交互界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844237.2A CN115097316A (zh) | 2022-07-18 | 2022-07-18 | 电池参数辨识方法、电池参数辨识装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844237.2A CN115097316A (zh) | 2022-07-18 | 2022-07-18 | 电池参数辨识方法、电池参数辨识装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115097316A true CN115097316A (zh) | 2022-09-23 |
Family
ID=83299695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210844237.2A Pending CN115097316A (zh) | 2022-07-18 | 2022-07-18 | 电池参数辨识方法、电池参数辨识装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097316A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115453371A (zh) * | 2022-09-29 | 2022-12-09 | 上海玫克生储能科技有限公司 | 电芯数据监测方法、电芯数据监测装置、介质及电子设备 |
CN115840145A (zh) * | 2022-11-29 | 2023-03-24 | 上海玫克生储能科技有限公司 | 电化学参数辨识方法、装置、设备及存储介质 |
CN115980590A (zh) * | 2023-01-10 | 2023-04-18 | 上海玫克生储能科技有限公司 | 电化学参数的辨识方法、装置、设备和存储介质 |
CN116047310A (zh) * | 2023-02-27 | 2023-05-02 | 上海玫克生储能科技有限公司 | 一种电池模型参数辨识方法、装置和电子设备 |
-
2022
- 2022-07-18 CN CN202210844237.2A patent/CN115097316A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115453371A (zh) * | 2022-09-29 | 2022-12-09 | 上海玫克生储能科技有限公司 | 电芯数据监测方法、电芯数据监测装置、介质及电子设备 |
CN115840145A (zh) * | 2022-11-29 | 2023-03-24 | 上海玫克生储能科技有限公司 | 电化学参数辨识方法、装置、设备及存储介质 |
CN115840145B (zh) * | 2022-11-29 | 2023-07-25 | 上海玫克生储能科技有限公司 | 电化学参数辨识方法、装置、设备及存储介质 |
CN115980590A (zh) * | 2023-01-10 | 2023-04-18 | 上海玫克生储能科技有限公司 | 电化学参数的辨识方法、装置、设备和存储介质 |
CN115980590B (zh) * | 2023-01-10 | 2023-08-08 | 上海玫克生储能科技有限公司 | 电化学参数的辨识方法、装置、设备和存储介质 |
CN116047310A (zh) * | 2023-02-27 | 2023-05-02 | 上海玫克生储能科技有限公司 | 一种电池模型参数辨识方法、装置和电子设备 |
CN116047310B (zh) * | 2023-02-27 | 2023-09-08 | 上海玫克生储能科技有限公司 | 一种电池模型参数辨识方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115097316A (zh) | 电池参数辨识方法、电池参数辨识装置、介质及电子设备 | |
CN111239630A (zh) | 一种储能电池寿命预测方法及管理系统 | |
CN110333463B (zh) | 一种电芯一致性筛选方法及其系统 | |
CN107843846A (zh) | 一种锂离子电池健康状态估计方法 | |
Haizhou | Modeling of Lithium-ion Battery for Charging/Discharging Characteristics Based on Circuit Model. | |
CN103412264B (zh) | 蓄电池组内单体电池一致性的评价方法 | |
CN103579700A (zh) | 一种锂离子电池分选配组方法 | |
CN112083336B (zh) | 一种锂离子电池组电化学模型参数获取方法 | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
CN111064253A (zh) | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 | |
CN107066713B (zh) | 一种预测锂离子电池材料电化学性能的仿真方法 | |
CN111208433A (zh) | 电池二阶rc等效电路模型参数辨识的方法及装置 | |
Panday et al. | Hybrid electric vehicle performance analysis under various temperature conditions | |
CN109346787A (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
CN114624604A (zh) | 一种电池寿命预测模型生成、预测方法、装置和电子设备 | |
CN114252795B (zh) | 一种预测锂离子电池循环寿命的方法 | |
CN115598539A (zh) | 一种电池参数辨识方法、系统、电子设备及存储介质 | |
CN114062950A (zh) | 混联电池soc确定方法、装置、电子设备及存储介质 | |
CN116865388A (zh) | 一种快充策略的制定方法、装置和电子设备 | |
CN113484783A (zh) | 电池soh检测方法、装置、系统、介质及程序产品 | |
WO2015109592A1 (en) | Method for estimating li-ion battery capacity degradation | |
Tamilselvi et al. | Capacity fade modeling of Li-ion battery using evolutionary algorithm | |
JP2024517164A (ja) | 蓄電電源の充電方法、装置、機器及び媒体 | |
CN116203441A (zh) | 锂离子电池温熵系数的测试方法及装置 | |
CN113125974B (zh) | 一种电池析锂检测方法及装置 |
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 |