CN116070466A - 一种电池截止电压下的最优soc仿真寻值方法 - Google Patents
一种电池截止电压下的最优soc仿真寻值方法 Download PDFInfo
- Publication number
- CN116070466A CN116070466A CN202310212644.6A CN202310212644A CN116070466A CN 116070466 A CN116070466 A CN 116070466A CN 202310212644 A CN202310212644 A CN 202310212644A CN 116070466 A CN116070466 A CN 116070466A
- Authority
- CN
- China
- Prior art keywords
- value
- optimal soc
- voltage
- optimal
- soc
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/02—Comparing digital values
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2115/00—Details relating to the type of the circuit
- G06F2115/02—System on chip [SoC] design
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电池截止电压下的最优SOC仿真寻值方法，具体步骤包括：步骤S1：根据查询表判断查询值符合的概率分布，预测的最优SOC值符合正态分布；步骤S2：实时递推计算最优SOC的置信区间；步骤S3：使用改进二分法寻找最优SOC或者最优SOC的置信区间；步骤S4：通过标准二分法在最优SOC区间得到最优SOC值。本发明在能够大大减少重复运算，减少时间复杂度和空间复杂度，提高代码执行效率，减少功耗和空间成本。
Description
技术领域
本发明涉及一种电池技术领域，具体为一种电池截止电压下的最优SOC仿真寻值方法。
背景技术
电池电量的估算一直是困扰电池使用的难点，特别是不同的负载和不同温度下，如何确定截止电量，从而确定整个放电周期所能释放的电量，通常利用电池模型模拟预设负载和温度下到达截止电压时的电量状态作为截止电量。所以该问题就变成一个寻优问题：找到一个最优的截止电量使得在预设负载和温度下的仿真电压和截止电压差值最小。
目前，传统的优化方法需要遍历整个搜索空间，无法在短时间内完成搜索。也有最常用的最优问题有遗传算法、模拟退火算法和粒子群算法等智能优化算法，但是针对一维空间具有单调的代价函数的最优变量而言，其只有全局最优，所以智能优化算法大大增加了空间复杂度和时间复杂度。所以对于有限空间最优变量通常使用的是二分法，二分法查表减少了时间复杂度，二分法的时间复杂度是，但是二分法没有充分考虑最优变量分布规律，实际上查表时的循环次数可以进一步减少。
现有技术已经不能满足现阶段人们的需求，基于现状，急需对现有技术进行改进。
发明内容
本发明的目的在于提供一种电池截止电压下的最优SOC仿真寻值方法，以解决上述背景技术中提出的问题。
本发明提供一种电池截止电压下的最优SOC仿真寻值方法，具体步骤包括：
步骤S1：根据查询表判断查询值符合的概率分布，预测的最优SOC值符合正态分布或者是其他分布。
步骤S2：实时递推计算最优SOC的置信区间。
（1）计算均值和方差；
通过递推公式计算均值和方差：
均值：；
方差：；
其中n=1,2,3… 为样本数量，为第n次的样本值， 为第n次的均值，为第n次的方差。
（2）计算置信区间；
设置正态分布的置信区间：
；其中，c为分位点，SOCtole为最小分辨率，SOCleft为最优SOC下限值，SOCright为最优SOC上限值。
步骤S3：使用改进二分法寻找最优SOC或者最优SOC的置信区间。
判断最优SOC是否落在置信区间，并将置信区间作为最优SOC上限值和最优SOC下限值，且计算最优SOC中间值。
如果最优SOC中间值的仿真电压等于截止电压，或者最优SOC上、下限值的区间小于等于最小分辨率，则最优值为最优SOC中间值，则查询结束。
如果最优SOC中间值的仿真电压大于截止电压，且如果最优SOC下限值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为最优SOC下限值。
如果最优SOC中间值的仿真电压大于截止电压，且如果最优SOC下限值的仿真电压大于截止电压，则将最优SOC最小值作为标准二分法的下限值，且将最优SOC下限值作为标准二分法的上限值，并使用标准二分法计算最优SOC值。
如果最优SOC中间值的仿真电压大于截止电压，且如果最优SOC下限值的仿真电压小于截止电压，则将最优SOC下限值作为标准二分法的下限值，且将最优SOC中间值作为标准二分法的上限值，且使用标准二分法计算最优SOC值。
如果最优SOC中间值的仿真电压小于截止电压，且如果最优SOC上限值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为最优SOC上限值。
如果最优SOC中间值的仿真电压小于截止电压，且如果最优SOC上限值的仿真电压大于截止电压，则将最优SOC中间值作为标准二分法的下限值，且将最优SOC上限值作为标准二分法的上限值，且使用标准二分法计算最优SOC值。
如果最优SOC中间值的仿真电压小于截止电压，且如果最优SOC上限值的仿真电压小于截止电压，则将最优SOC最大值作为标准二分法的上限值，且将最优SOC上限值作为标准二分法的下限值，且使用标准二分法计算最优SOC值。
步骤S4：通过标准二分法在最优SOC区间查表得到最优SOC值。
首先确定最优SOC上限值和最优SOC下限值，其均值为SOC中间值。
如果SOC中间值的仿真电压小于截止电压，且最优SOC上、下限值区间大于最小分辨率，则更新最优SOC下限值为SOC中间值。
如果SOC中间值的仿真电压大于截止电压且最优SOC上、下限值区间大于最小分辨率则更新最优SOC上限值为SOC中间值。
直到SOC中间值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为中间值。
本发明至少具有如下有益效果：本发明在针对高集中度（方差小）的变量进行查表时，使用本方法计算的置信区间值作为二分法上下限的初始值，能够大大减少重复运算，减少时间复杂度，提高代码执行效率，减少CPU运算时间，进而减少查表重复计算过程，减少功耗。
附图说明
图1为本发明查询SOC最优值的具体流程图。
图2为本发明标准二分法的具体流程图。
图3为本发明方法与二分法完成300次计算周期的执行循环次数的比较示意图。
图4为本发明方法与二分法当电流I集中度变小后，完成300次计算周期的执行循环次数比较示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种电池截止电压下的最优SOC仿真寻值方法，包括:
步骤S1：根据查询表判断查询值符合的概率分布，预测的最优SOC值符合正态分布或者泊松分布或者伽马分布或者是其他分布；
在本实施例中，以正态分布为例。
步骤S2：实时递推计算置信区间。
（1）计算均值和方差
通过递推公式计算均值和方差：
均值：；
方差：；
其中n=1,2,3… 为样本数量，为第n次的样本值，为第n次的均值，为第n次的方差，其中，随着n的增加，均值和方差的实时灵敏性会降低，为提高灵敏性可适当的调整n值大小，当n等于1时当前均值和方差的灵敏性很高，但稳定性很差。当n为∞时，均值和方差不变，稳定性很高，但灵敏性很差；所以需要根据外部激励或者噪声可适当的预设n值。
（2）计算置信区间
设置正态分布的置信区间：
；其中，c为分位点，SOCtole为最小分辨率，SOCleft为最优SOC下限值，SOCright为最优SOC上限值。在本实施例中，为方便计算可设定c为固定值，c对应的置信水平如下表所示：
在实施例中，当c为1.64时，置信水平为90％；当c为1.96时，置信水平为95％；当c为2.58时，置信水平为99％；在置信区间内，所以，置信水平随着c的值增加而增加。
步骤S3：使用改进二分法寻找最优SOC或者最优SOC的置信区间；
参考图1，在图1中表示均值，表示方差，
SOC left 为最优SOC下限值，
SOC right 为最优SOC上限值，
SOC mid 为最优SOC中间值，
SOC tole 表示最小分辨率,
Volt exp 表示截止电压，
Volt mid 表示最优SOC中间值的仿真电压，
Volt right 表示最优SOC上限值的仿真电压，
Volt left 表示最优SOC下限值的仿真电压，
SOC min 表示最优SOC最小值，
SOC max 表示最优SOC最大值，OCV为开路电压，I为电流，R为电阻。
首先判断最优SOC是否落在置信区间，并将置信区间作为最优SOC上限值和最优SOC下限值，且计算最优SOC中间值。
如果最优SOC中间值的仿真电压等于截止电压，或者最优SOC上、下限值的区间小于等于最小分辨率，则最优值为最优SOC中间值，则查询结束。
如果最优SOC中间值的仿真电压大于截止电压，且如果最优SOC下限值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为最优SOC下限值。
如果最优SOC中间值的仿真电压大于截止电压，且如果最优SOC下限值的仿真电压大于截止电压，则将最优SOC最小值作为标准二分法的下限值，且将最优SOC下限值作为标准二分法的上限值，并使用标准二分法计算最优SOC值。
如果最优SOC中间值的仿真电压大于截止电压，且如果最优SOC下限值的仿真电压小于截止电压，则将最优SOC下限值作为标准二分法的下限值，且将最优SOC中间值作为标准二分法的上限值，且使用标准二分法计算最优SOC值。
如果最优SOC中间值的仿真电压小于截止电压，且如果最优SOC上限值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为最优SOC上限值。
如果最优SOC中间值的仿真电压小于截止电压，且如果最优SOC上限值的仿真电压大于截止电压，则将最优SOC中间值作为标准二分法的下限值，且将最优SOC上限值作为标准二分法的上限值，且使用标准二分法计算最优SOC值。
如果最优SOC中间值的仿真电压小于截止电压，且如果最优SOC上限值的仿真电压小于截止电压，则将最优SOC最大值作为标准二分法的上限值，且将最优SOC上限值作为标准二分法的下限值，且使用标准二分法计算最优SOC值；在实施例中，仿真电压的计算公式为1阶等效电路模型，其中，OCV为开路电压，I为电流，R为电阻，仿真电压的计算公式也可以使用电化学模型或者其他等效电路模型获得仿真电压。
步骤S4：通过标准二分法在最优SOC区间查表得到最优SOC值。
参考图2，首先确定最优SOC上限值和最优SOC下限值，其均值为SOC中间值；
如果SOC中间值的仿真电压小于截止电压，且最优SOC上、下限值区间大于最小分辨率，则更新最优SOC下限值为SOC中间值。
如果SOC中间值的仿真电压大于截止电压，且最优SOC上、下限值区间大于最小分辨率，则更新最优SOC上限值为SOC中间值。
直到SOC中间值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为中间值。
本发明提供另一可选实施例，用于说明本发明的方法比二分法的现有技术执行循环次数少，且查找数据值更加准确。
在实施例中，存在一电池模型参数：Volt=OCV(SOC) +I×R(SOC)；为了避免一个电压Volt对应多个SOC的情况，对于任意电流I，仿真电压Volt计算值为单调函数。
如下表所示，已知在某温度下不同电量SOC下存在不同的开路电压OCV，不同类型的SOC下存在不同阻抗R；
参考图3，图3为本发明方法与二分法完成300次计算周期的执行循环次数比较示意图，在实施例中，在其他条件不变的情况下影响最优SOC的值是负载电流，所以当电流I是正态分布的时候，最优SOC值也是正态分布，以任意一段电流I为例，在300次计算周期内本发明方法执行循环次数为922次，而标准二分法需要执行循环次数为3000次，其中，每个周期循环次数为固定的10次，由此可以看出本发明方法的执行循环次数还不到标准二分法需要执行循环次数的1/3，有效的减少了重复计算量和循环次数。
参考图4，图4为本发明方法与二分法当电流I集中度变小后，完成300次计算周期的执行循环次数比较示意图，在实施例中，当电流I集中度变小后，本发明方法在300次计算周期内执行循环次数为1431次，而标准二分法需要执行循环次数为3000次，每个周期循环次数为固定的10次，所以待寻值的变量集中度越高，方差越小，累计循环计算次数越小。
本发明还公开另一可选实施例用于阐述寻找最优值的过程，在实施例中本次的分位点c值取的是2.58，寻找最优值的计算数据如下表所示：
在表中，CycleNum表示循环次数，表示均值，表示方差，
SOC left 为最优SOC下限值，
SOC right 为最优SOC上限值，
SOC mid 为最优SOC中间值，
SOC min 表示最优SOC最小值,
SOC max 表示最优SOC最大值，
SOC tole 表示最小分辨率,表示截止电压，
Volt表示仿真电压，在下述计算过程中Volt的下标表示最优SOC值的取值位置，例如：
Volt min 表示最优SOC最小值的仿真电压，
Volt max 表示最优SOC最大值的仿真电压，
Volt mid 表示最优SOC中间值的仿真电压，
Volt right 表示最优SOC上限值的仿真电压，
Volt left 表示最优SOC下限值的仿真电压，OCV为开路电压，I为电流，R为电阻。
在实施例中，通过每次取最优SOC值计算和；计算过程如下：
在实施例的某个周期中，
，
SOC tole =0.001，
Volt exp =3.4，n=12。
CycleNum=1时：
;
；
;
;
CycleNum=2时：
因为，所以;
CycleNum=3时：
因为， ；
所以；
CycleNum=4时：
因为，，所以；
所以最优。
在实施例中，为了更加准确的说明寻找最优值的过程，本发明还公开另一寻找最优值的数据，另取某一瞬间寻找最优值的数据如下表：
由上述表格数据可知，寻找最优值过程中，除了第二次循环计算最优SOC值为
SOC right
，其余的循环计算最优SOC值均为
SOC mid ，此处的计算过程同上述计算过程相同，此处不再阐述。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种电池截止电压下的最优SOC仿真寻值方法，所述方法包括：步骤S1：根据查询表判断查询值符合的概率分布，预测的最优SOC值符合正态分布；其特征在于：针对高集中度的变量进行查表寻值时，通过计算的置信区间值作为二分法上、下限的初始值，减少重复运算；
所述方法还包括：
步骤S2：实时递推计算最优SOC的置信区间；
步骤S3：使用改进二分法寻找最优SOC或者最优SOC的置信区间；
判断最优SOC是否落在置信区间，并将置信区间作为最优SOC上限值和最优SOC下限值，且计算最优SOC中间值；
如果所述最优SOC中间值的仿真电压等于截止电压，或者所述最优SOC上、下限值的区间小于等于最小分辨率，则最优值为最优SOC中间值，查询结束；
如果所述最优SOC中间值的仿真电压大于截止电压，且如果所述最优SOC下限值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为最优SOC下限值；
如果所述最优SOC中间值的仿真电压大于截止电压，且如果所述最优SOC下限值的仿真电压大于截止电压，则将最优SOC最小值作为标准二分法的下限值，且将最优SOC下限值作为标准二分法的上限值，并使用标准二分法计算最优SOC值；
如果所述最优SOC中间值的仿真电压大于截止电压，且如果所述最优SOC下限值的仿真电压小于截止电压，则将最优SOC下限值作为标准二分法的下限值，且将最优SOC中间值作为标准二分法的上限值，且使用标准二分法计算最优SOC值；
如果所述最优SOC中间值的仿真电压小于截止电压，且如果所述最优SOC上限值的仿真电压等于截止电压，或者最优SOC上、下限值区间小于等于最小分辨率，则最优值为最优SOC上限值；
如果所述最优SOC中间值的仿真电压小于截止电压，且如果所述最优SOC上限值的仿真电压大于截止电压，则将最优SOC中间值作为标准二分法的下限值，且将最优SOC上限值作为标准二分法的上限值，且使用标准二分法计算最优SOC值；
如果所述最优SOC中间值的仿真电压小于截止电压，且如果所述最优SOC上限值的仿真电压小于截止电压，则将最优SOC最大值作为标准二分法的上限值，且将最优SOC上限值作为标准二分法的下限值，且使用标准二分法计算最优SOC值。
2.根据权利要求1所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：在步骤S1中，还包括根据查询表判断预测的最优SOC值符合泊松分布或者伽马分布或其他概率分布。
3.根据权利要求1所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：所述步骤S2具体包括：
步骤S201：计算均值和方差；
步骤S202：计算置信区间。
4.根据权利要求3所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：所述计算均值和方差具体为：
均值：；
方差：；
其中n=1,2,3… 为样本数量，为第n次的样本值，为第n次的均值，Sn为第n次的方差。
5.根据权利要求4所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：在步骤S201中，所述样本数量n的大小与均值和方差的稳定性成正比，且与均值和方差的灵敏性成反比。
6.根据权利要求3所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：所述计算置信区间为：
；其中，c为分位点，SOCtole为最小分辨率，SOCleft为最优SOC下限值，SOCright为最优SOC上限值。
7.根据权利要求6所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：在置信区间内，所述分位点c对应的置信水平随着分位点c的值增加而增加。
8.根据权利要求1所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：所述仿真电压通过1阶等效电路模型计算获得，或者通过电化学模型或者其他等效电路模型获得。
9.根据权利要求1所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：待进行查表寻值的变量集中度与累计循环计算次数成反比。
10.根据权利要求1所述的电池截止电压下的最优SOC仿真寻值方法，其特征在于：还包括步骤S4：通过标准二分法在最优SOC区间查表得到最优SOC值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310212644.6A CN116070466B (zh) | 2023-03-08 | 2023-03-08 | 一种电池截止电压下的最优soc仿真寻值方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310212644.6A CN116070466B (zh) | 2023-03-08 | 2023-03-08 | 一种电池截止电压下的最优soc仿真寻值方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116070466A true CN116070466A (zh) | 2023-05-05 |
| CN116070466B CN116070466B (zh) | 2023-06-13 |
Family
ID=86169941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310212644.6A Active CN116070466B (zh) | 2023-03-08 | 2023-03-08 | 一种电池截止电压下的最优soc仿真寻值方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116070466B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050110498A1 (en) * | 2003-11-20 | 2005-05-26 | Plett Gregory L. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
| KR20120082965A (ko) * | 2011-01-16 | 2012-07-25 | 김득수 | 배터리 잔존 용량 측정 방법 |
| US20120290235A1 (en) * | 2011-05-13 | 2012-11-15 | Gm Global Technology Operations, Llc | Systems and methods for determining the state of charge of a battery utilizing confidence values |
| US20140303915A1 (en) * | 2012-10-26 | 2014-10-09 | Lg Chem, Ltd. | Apparatus and method for estimating state of charge of battery |
| JP2016005425A (ja) * | 2014-06-19 | 2016-01-12 | 古河電気工業株式会社 | 二次電池充放電制御装置および二次電池充放電制御方法 |
| US20180143258A1 (en) * | 2016-11-23 | 2018-05-24 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating battery state |
| CN108226795A (zh) * | 2017-12-18 | 2018-06-29 | 合肥国轩高科动力能源有限公司 | 一种提升电池使用循环寿命的实验方法 |
| CN108398642A (zh) * | 2018-01-10 | 2018-08-14 | 中山大学 | 一种锂离子动力电池soc在线校准方法 |
| CN110208708A (zh) * | 2019-06-14 | 2019-09-06 | 湖北锂诺新能源科技有限公司 | 一种采用二分法仿真锂离子电池极限充放电电流的方法 |
| US20200400750A1 (en) * | 2019-06-24 | 2020-12-24 | Contemporary Amperex Technology Co., Limited | Method, device, and system, for state of charge (soc) correction for a battery |
| CN115545335A (zh) * | 2022-10-27 | 2022-12-30 | 骆驼集团武汉光谷研发中心有限公司 | 一种电池功率综合预测方法、装置、设备及存储介质 |
-
2023
- 2023-03-08 CN CN202310212644.6A patent/CN116070466B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050110498A1 (en) * | 2003-11-20 | 2005-05-26 | Plett Gregory L. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
| KR20120082965A (ko) * | 2011-01-16 | 2012-07-25 | 김득수 | 배터리 잔존 용량 측정 방법 |
| US20120290235A1 (en) * | 2011-05-13 | 2012-11-15 | Gm Global Technology Operations, Llc | Systems and methods for determining the state of charge of a battery utilizing confidence values |
| US20140303915A1 (en) * | 2012-10-26 | 2014-10-09 | Lg Chem, Ltd. | Apparatus and method for estimating state of charge of battery |
| JP2016005425A (ja) * | 2014-06-19 | 2016-01-12 | 古河電気工業株式会社 | 二次電池充放電制御装置および二次電池充放電制御方法 |
| US20180143258A1 (en) * | 2016-11-23 | 2018-05-24 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating battery state |
| CN108226795A (zh) * | 2017-12-18 | 2018-06-29 | 合肥国轩高科动力能源有限公司 | 一种提升电池使用循环寿命的实验方法 |
| CN108398642A (zh) * | 2018-01-10 | 2018-08-14 | 中山大学 | 一种锂离子动力电池soc在线校准方法 |
| CN110208708A (zh) * | 2019-06-14 | 2019-09-06 | 湖北锂诺新能源科技有限公司 | 一种采用二分法仿真锂离子电池极限充放电电流的方法 |
| US20200400750A1 (en) * | 2019-06-24 | 2020-12-24 | Contemporary Amperex Technology Co., Limited | Method, device, and system, for state of charge (soc) correction for a battery |
| CN115545335A (zh) * | 2022-10-27 | 2022-12-30 | 骆驼集团武汉光谷研发中心有限公司 | 一种电池功率综合预测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| ANDREAS RITTERFABIO WIDMER, CHRISTOPHER H. ONDER: "Long-term stochastic model predictive control for the energy management of hybrid electric vehicles using Pontryagin’s minimum principle and scenario-based optimization", 《APPLIED ENERGY》, vol. 322, no. 15, pages 1 - 16 * |
| 程泽;孙幸勉;程思璐;: "一种锂离子电池荷电状态估计与功率预测方法", 电工技术学报, no. 15, pages 180 - 189 * |
| 邓宫泰;马磊;贾俊波;韩明;: "基于模型估计的LiFePO_4电池EKF滤波算法SOC估计研究", 电源技术, no. 10, pages 1931 - 1935 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116070466B (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Elman neural network using ant colony optimization algorithm for estimating of state of charge of lithium-ion battery | |
| CN112946484B (zh) | 一种基于bp神经网络的soc估计方法、系统、终端设备及可读存储介质 | |
| CN110320473B (zh) | 一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法 | |
| CN110333450B (zh) | 电池开路电压预估方法及系统 | |
| CN111080477A (zh) | 一种家庭电力负荷预测方法及系统 | |
| CN109901083B (zh) | 一种动力电池ocv曲线在线重构方法 | |
| CN114705990B (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
| CN112379272B (zh) | 一种基于人工智能的锂离子电池系统soc估计方法 | |
| CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
| 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 | |
| CN112433472B (zh) | 半导体生产控制方法及控制系统 | |
| CN116754959A (zh) | 一种基于改进gwo优化遗忘因子在线参数辨识的soc估算方法 | |
| CN115271219A (zh) | 一种基于因果关系分析的短期负荷预测方法及预测系统 | |
| CN113495214B (zh) | 一种基于温度变化模型的超级电容荷电状态估计方法 | |
| CN116070466B (zh) | 一种电池截止电压下的最优soc仿真寻值方法 | |
| CN112580844A (zh) | 气象数据处理方法、装置、设备及计算机可读存储介质 | |
| CN113608126A (zh) | 一种不同温度下的锂电池soc在线预估方法 | |
| CN111461329B (zh) | 一种模型的训练方法、装置、设备及可读存储介质 | |
| CN116990691A (zh) | 一种电池剩余满充时间的评估方法、装置、设备和介质 | |
| CN114741258B (zh) | 一种基于大数据的计算机性能控制分析系统及方法 | |
| CN114295987A (zh) | 一种基于非线性卡尔曼滤波的电池soc状态估计方法 | |
| CN113810024B (zh) | 一种基于混合概率选择算子的代价参考粒子滤波方法 | |
| JPH08329123A (ja) | パラメータ抽出システム | |
| CN117422005B (zh) | 一种模拟电路仿真误差自动控制的方法及应用 | |
| CN116340766B (zh) | 基于滑动窗口的锂电池soc在线预测方法与相关设备 |
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 |