CN116699415A - 一种动态可重构电池系统电量估计方法、系统及电子设备 - Google Patents
一种动态可重构电池系统电量估计方法、系统及电子设备 Download PDFInfo
- Publication number
- CN116699415A CN116699415A CN202310617848.8A CN202310617848A CN116699415A CN 116699415 A CN116699415 A CN 116699415A CN 202310617848 A CN202310617848 A CN 202310617848A CN 116699415 A CN116699415 A CN 116699415A
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- single battery
- battery
- original
- calculating
- 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 36
- 238000001914 filtration Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开一种动态可重构电池系统电量估计方法、系统及电子设备，涉及电池技术领域，该电量估计方法包括：获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压；根据工作电流计算单个电池的电量，得到原始观测估算电量；根据工作电压计算单个电池的电量，得到原始观测计算电量；对原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量；根据开路电压计算单个电池的电量，得到单个电池的初始电量；对原始电量和初始电量应用卡尔曼滤波，得到单个电池的最终电量；根据单个电池的所述最终电量，应用加权平均算法，得到动态可重构电池系统的估计电量。本发明提高了动态可重构电池系统电量的估计精度。
Description
技术领域
本发明涉及电池技术领域，特别是涉及一种动态可重构电池系统电量估计方法、系统及电子设备。
背景技术
电池荷电状态SOC指的是电池的载荷电量，常用百分数表示，当SOC＝0时表示电池放电完全，当SOC＝100％时表示电池完全充满。开路电压OCV是指电池在非工作状态下，即电路中无电流流过时，电池正负极之间的电势差。它表示电池内部化学反应产生的电位差，即电子从电池负极流向正极时所能产生的最大电压。
电池开路电压OCV和电池荷电状态SOC存在对应关系，通过准确的OCV可以估算出电池荷电状态SOC的数值。传统模式电池系统测量的是在线的工作电压(cellvoltage)，而非开路电压OCV。
目前比较常用的SOC计算方法有基于电池端电压测量的开路电压法和电动势法，但是该方法需要事先对电池进行静置处理，因此，此方法仅适用于电池包的实验测量，并不适合实时的SOC计算，也无法获得精确的动态可重构电池系统的电量。
发明内容
本发明的目的是提供一种动态可重构电池系统电量估计方法、系统及电子设备，能够提高动态可重构电池系统电量的估计精度。
为实现上述目的，本发明提供了如下方案：
一种动态可重构电池系统电量估计方法，所述电量估计方法包括：
获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压；
根据单个电池的所述工作电流计算单个电池的电量，得到单个电池的原始观测估算电量；
根据单个电池的所述工作电压计算单个电池的电量，得到单个电池的原始观测计算电量；
对单个电池的所述原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量；
根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量；
对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量；
根据单个电池的所述最终电量，应用加权平均算法，得到动态可重构电池系统的估计电量。
可选地，根据单个电池的所述工作电流，应用安时积分，计算单个电池的电量，得到单个电池的原始观测估算电量。
可选地，根据单个电池的所述工作电压，应用函数soc_m＝aa1×(V_m+ΔV)^3+bb1×(V_m+ΔV)^2+cc1×(V_m+ΔV)^1+dd1，计算单个电池的电量，得到单个电池的原始观测计算电量；其中，ΔV＝a×C+b，ΔV为一个线性值，C为放电电流除以电池容量，a和b为常数，soc_m为单个电池的原始观测计算电量；V_m为单个电池的工作电压，aa1、bb1、cc1和dd1为拟合系数。
可选地，根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量，具体包括：
获取动态可重构电池系统中单个电池断开时的实时断开电压，得到单个电池的开路电压；
根据所述实时断开电压以及单个电池的电量与开路电压之间的对应关系，得到单个电池的初始电量。
可选地，单个电池的电量与开路电压之间的对应关系为：
soc＝aa×ocv^3+bb×ocv^2+cc×ocv^1+dd
其中，aa、bb、cc和dd为系数；ocv为单个电池的开路电压；soc为单个电池的初始电量。
一种动态可重构电池系统电量估计系统，应用于上述的动态可重构电池系统电量估计方法，所述电量估计系统包括：
获取模块，用于获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压；
第一计算模块，用于根据单个电池的所述工作电流计算单个电池的电量，得到单个电池的原始观测估算电量；
第二计算模块，用于根据单个电池的所述工作电压计算单个电池的电量，得到单个电池的原始观测计算电量；
第一滤波模块，用于对单个电池的所述原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量；
第三计算模块，用于根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量；
第二滤波模块，用于对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量；
第四计算模块，用于根据单个电池的所述最终电量，应用加权平均算法，计算动态可重构电池系统的估计电量。
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的动态可重构电池系统电量估计方法。
可选地，所述存储器为可读存储介质。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的一种动态可重构电池系统电量估计方法、系统及电子设备，依托动态重构电池技术的重构机理，在线获取电池实时的开路电压、工作电流和工作电压，根据工作电流计算测量SOC，利用测量SOC反推开路电压，根据反推的开路电压和实施获取的开路电压，应用卡尔曼滤波后得到滤波后的开路电压，根据在实验室条件下建立的SOC与电池开路电压OCV的关系得到计算SOC值，根据实时获取的开路电压得到原始估算SOC值，根据计算SOC值和原始估算SOC值，应用卡尔曼滤波，得到SOC的输出值，提高了动态可重构电池系统电量的估计精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的动态可重构电池系统数据获取的仪器连接示意图；
图2为本发明提供的动态可重构电池系统电量估计方法流程图；
图3为本发明提供的动态可重构电池系统电量估计方法原理示意图；
图4为本发明提供的卡尔曼滤波流程图；
图5为本发明提供的动态可重构电池系统电量估计系统功能模块图。
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。基于本发明中的实施例，本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。
本发明的目的是提供一种动态可重构电池系统电量估计方法、系统及电子设备，能够提高动态可重构电池系统电量的估计精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图2-图3所示，本发明提供了一种动态可重构电池系统电量估计方法，所述电量估计方法包括：
步骤S1：获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压。在实际应用中，如图1所示，图1中的单芯电流表用于检测所在电路中的工作电流，单芯电压表用于检测所在电路的开路电压和工作电压。专用集成电路用于控制电力电子开关的连接和断开状态。
步骤S2：根据单个电池的所述工作电流计算单个电池的电量，得到单个电池的原始观测估算电量。具体地，根据单个电池的所述工作电流，应用安时积分，计算单个电池的电量，得到单个电池的原始观测估算电量。
作为一个具体地实施方式，安时积分为：
SOC_p＝SOC_p-1–(I_p×t)/C_rate；其中，C_rate为电池额定容量；I_p为第p次电流；t为时间间隙；SOC_p-1为第p-1次的SOC；SOC_p为第p次的SOC。
步骤S3：根据单个电池的所述工作电压计算单个电池的电量，得到单个电池的原始观测计算电量。
具体地，根据单个电池的所述工作电压，应用函数soc_m＝f_m(V_m+ΔV)，f_m就是查表；例如令V_m+ΔV＝V2；然后将V2带入soc＝aa×ocv^3+bb×ocv^2+cc×ocv^1+dd中，也就是ocv＝V2，即可得到soc_m。该soc_m为根据工作电压得到的单个电池的原始观测计算电量。在本发明中符号^为幂次方的符号，也就是说，ocv^2表示的是ocv的二次方。
进一步地，应用函数soc_m＝aa1×(V_m+ΔV)^3+bb1×(V_m+ΔV)^2+cc1×(V_m+ΔV)^1+dd1，计算单个电池的电量，得到单个电池的原始观测计算电量；其中，ΔV＝a×C+b，ΔV为一个线性值，C为放电电流除以电池容量，a和b为常数，soc_m为单个电池的原始观测计算电量；V_m为单个电池的工作电压，aa1、bb1、cc1和dd1为拟合系数。也就是f_m(V_m+ΔV)＝aa1×(V_m+ΔV)^3+bb1×(V_m+ΔV)^2+cc1×(V_m+ΔV)^1+dd1。
计算单个电池的电量，得到单个电池的原始观测计算电量；其中，ΔV＝a×C+b，ΔV为一个线性值，C为放电电流除以电池容量，a和b为常数，soc_m为单个电池的原始观测计算电量。
步骤S4：对单个电池的所述原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量。在图3中，单个电池的原始电量为原始观测估算soc_m1值。
步骤S5：根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量。具体包括：
获取动态可重构电池系统中单个电池断开时的实时断开电压，得到单个电池的开路电压。
根据所述实时断开电压以及单个电池的电量与开路电压之间的对应关系，得到单个电池的初始电量。在图3中，单个电池的初始电量为计算SOC值。
进一步地，单个电池的电量与开路电压之间的对应关系为：
soc＝aa×ocv^3+bb×ocv^2+cc×ocv^1+dd
其中，aa、bb、cc和dd为系数；ocv为单个电池的开路电压；soc为单个电池的初始电量。
步骤S6：对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量。在图3中，最终电量为SOC输出值。
步骤S7：根据单个电池的所述最终电量，应用加权平均算法，得到动态可重构电池系统的估计电量。
作为一个具体地实施方式，如图4所示，卡尔曼的滤波算法包括预测阶段和更新阶段，在预测阶段，首先计算状态预测，然后计算协方差预测；在更新阶段，首先计算卡尔曼增益，然后进行状态预测更新，最后进行卡尔曼估计预测更新。
在实际应用中，对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量中，应用xhatminus(k)＝f(ocv_k-1)，计算状态预测；应用Pminus(k)＝P(k-1)+Q，计算协方差预测；其中，应用K(k)＝Pminus(k)/(Pminus(k)+R)，计算卡尔曼增益；应用xhat＝xhatminus(k)+K(k)×(z(k)-xhatminus(k))，进行状态预测更新；应用P(k)＝(1-K(k))×Pminus(k)进行卡尔曼估计预测更新。
其中，xhatminus是soc的计算值；Pminus是计算协方差矩阵；Xhat是soc的卡尔曼滤波估计值；P是卡尔曼滤波估计协方差矩阵；Q是过程方差；K是卡尔曼增益；k是计数次数；z(k)是观测值soc_m；R是测量方差的估计。
在实际应用中，首先获取初始OCV的值，作为第0次测量的OCV值，根据第0次测量的OCV值，计算得到初始的SOC的计算值，也就是第一次计算的SOC计算值；计算卡尔曼滤波估计协方差矩阵的初始值，也就是第0次计算的卡尔曼滤波估计协方差矩阵的初始值，以及根据过程方差，第一次计算协方差矩阵的初始值，根据第一次的协方差矩阵的初始值和测量方差的估计，第一次计算卡尔曼增益，根据第一次计算的卡尔曼增益和第一次计算的SOC计算值以及第一次得到的SOC的观测值，第一次得出SOC的卡尔曼滤波估计值，作为卡尔曼滤波的输出；此外，根据第一次计算协方差矩阵和第一次卡尔曼增益，得到第一次计算的卡尔曼滤波估计协方差矩阵。在本发明中，第一次得出SOC的卡尔曼滤波估计值作为第一次电池电量的卡尔曼滤波后的结果进行输出，并对卡尔曼滤波的系数进行更新。当第二次采集电池电量的卡尔曼滤波后的结果时，调用该卡尔曼的SOC滤波算法，进行一次迭代后输出结果，并对该卡尔曼的SOC滤波算法的参数进行更新，以便下一次调用的时候，应用最新的卡尔曼SOC滤波算法的参数。也就是说，本发明每进行一次电池电量的估计滤波就调用一次卡尔曼SOC滤波算法，调用该算法的时候仅进行一次迭代就输出滤波结果，并对该算法的参数进行更新，方便下一次估计电池电量的时候调用更新算法参数后的卡尔曼SOC滤波算法，当停止对电池电量进行估计时，该滤波算法中的k停止计数，卡尔曼SOC滤波算法的参数停止更新。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种动态可重构电池系统电量估计系统，如图5所示，所述电量估计系统包括：
获取模块，用于获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压。
第一计算模块，用于根据单个电池的所述工作电流计算单个电池的电量，得到单个电池的原始观测估算电量。
第二计算模块，用于根据单个电池的所述工作电压计算单个电池的电量，得到单个电池的原始观测计算电量。
第一滤波模块，用于对单个电池的所述原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量。
第三计算模块，用于根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量。
第二滤波模块，用于对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量。
第四计算模块，用于根据单个电池的所述最终电量，应用加权平均算法，计算动态可重构电池系统的估计电量。
实施例三
本发明实施例提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行计算机程序以使电子设备执行实施例一的动态可重构电池系统电量估计方法。
可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的动态可重构电池系统电量估计方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种动态可重构电池系统电量估计方法，其特征在于，所述电量估计方法包括：
获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压；
根据单个电池的所述工作电流计算单个电池的电量，得到单个电池的原始观测估算电量；
根据单个电池的所述工作电压计算单个电池的电量，得到单个电池的原始观测计算电量；
对单个电池的所述原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量；
根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量；
对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量；
根据单个电池的所述最终电量，应用加权平均算法，得到动态可重构电池系统的估计电量。
2.根据权利要求1所述的动态可重构电池系统电量估计方法，其特征在于，根据单个电池的所述工作电流，应用安时积分，计算单个电池的电量，得到单个电池的原始观测估算电量。
3.根据权利要求1所述的动态可重构电池系统电量估计方法，其特征在于，根据单个电池的所述工作电压，应用函数soc_m＝aa1×(V_m+ΔV)^3+bb1×(V_m+ΔV)^2+cc1×(V_m+ΔV)^1+dd1，计算单个电池的电量，得到单个电池的原始观测计算电量；其中，ΔV＝a×C+b，ΔV为一个线性值，C为放电电流除以电池容量，a和b为常数，soc_m为单个电池的原始观测计算电量；V_m为单个电池的工作电压，aa1、bb1、cc1和dd1为拟合系数。
4.根据权利要求1所述的动态可重构电池系统电量估计方法，其特征在于，根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量，具体包括：
获取动态可重构电池系统中单个电池断开时的实时断开电压，得到单个电池的开路电压；
根据所述实时断开电压以及单个电池的电量与开路电压之间的对应关系，得到单个电池的初始电量。
5.根据权利要求4所述的动态可重构电池系统电量估计方法，其特征在于，单个电池的电量与开路电压之间的对应关系为：
soc＝aa×ocv^3+bb×ocv^2+cc×ocv^1+dd
其中，aa、bb、cc和dd为系数；ocv为单个电池的开路电压；soc为单个电池的初始电量。
6.一种动态可重构电池系统电量估计系统，其特征在于，所述电量估计系统包括：
获取模块，用于获取动态可重构电池系统中单个电池的工作电流、工作电压和开路电压；
第一计算模块，用于根据单个电池的所述工作电流计算单个电池的电量，得到单个电池的原始观测估算电量；
第二计算模块，用于根据单个电池的所述工作电压计算单个电池的电量，得到单个电池的原始观测计算电量；
第一滤波模块，用于对单个电池的所述原始观测估算电量和原始观测计算电量应用卡尔曼滤波，得到单个电池的原始电量；
第三计算模块，用于根据单个电池的所述开路电压，计算单个电池的电量，得到单个电池的初始电量；
第二滤波模块，用于对单个电池的所述原始电量和所述初始电量应用卡尔曼滤波，得到单个电池的最终电量；
第四计算模块，用于根据单个电池的所述最终电量，应用加权平均算法，计算动态可重构电池系统的估计电量。
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的动态可重构电池系统电量估计方法。
8.根据权利要求7所述的一种电子设备，其特征在于，所述存储器为可读存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310617848.8A CN116699415B (zh) | 2023-05-26 | 2023-05-26 | 一种动态可重构电池系统电量估计方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310617848.8A CN116699415B (zh) | 2023-05-26 | 2023-05-26 | 一种动态可重构电池系统电量估计方法、系统及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116699415A true CN116699415A (zh) | 2023-09-05 |
| CN116699415B CN116699415B (zh) | 2024-06-11 |
Family
ID=87836653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310617848.8A Active CN116699415B (zh) | 2023-05-26 | 2023-05-26 | 一种动态可重构电池系统电量估计方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116699415B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116908704A (zh) * | 2023-09-07 | 2023-10-20 | 江西五十铃汽车有限公司 | 动力电池soh估算修正方法、设备和介质 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140257726A1 (en) * | 2011-10-07 | 2014-09-11 | Keio University | Apparatus and method for battery state of charge estimation |
| US20150127280A1 (en) * | 2012-05-11 | 2015-05-07 | Calsonic Kansei Corporation | Battery's state of charge estimation apparatus |
| CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
| WO2016197831A1 (zh) * | 2016-01-08 | 2016-12-15 | 中兴通讯股份有限公司 | 电池荷电状态的获取方法及装置 |
| CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
| 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 |
| CN108169687A (zh) * | 2017-12-27 | 2018-06-15 | 国网河北省电力有限公司电力科学研究院 | 一种基于云平台的蓄电池soc估算方法 |
| CN110286331A (zh) * | 2018-03-15 | 2019-09-27 | 慈松 | 一种电池状态实时估算的装置和方法 |
| CN110441702A (zh) * | 2019-07-31 | 2019-11-12 | 湘潭大学 | 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 |
| CN110954832A (zh) * | 2019-12-19 | 2020-04-03 | 北京交通大学 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
| CN210487935U (zh) * | 2018-03-15 | 2020-05-08 | 慈松 | 一种电池状态实时估算的装置 |
| CN111856282A (zh) * | 2019-04-19 | 2020-10-30 | 武汉理工大学 | 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 |
| CN112213644A (zh) * | 2020-09-30 | 2021-01-12 | 蜂巢能源科技有限公司 | 电池荷电状态估算方法及电池管理系统 |
| CN112505546A (zh) * | 2020-10-28 | 2021-03-16 | 江苏大学 | 一种双卡尔曼滤波耦合气液动力学模型估算soc的方法及系统 |
| CN113765199A (zh) * | 2021-11-10 | 2021-12-07 | 北京理工大学 | 一种可重构电池组容量利用最大化控制方法 |
| CN114726033A (zh) * | 2022-03-28 | 2022-07-08 | 清华大学 | 基于动态可重构电池网络的电池系统充放电控制方法 |
| CN115327389A (zh) * | 2022-08-31 | 2022-11-11 | 南京邮电大学 | 基于遗传算法改进的双卡尔曼滤波的锂电池soc估计方法 |
| CN115932591A (zh) * | 2022-08-30 | 2023-04-07 | 上海玫克生储能科技有限公司 | 基于pid-ekf的锂电池soc估算方法、系统、介质及电子设备 |
| CN116148678A (zh) * | 2023-04-19 | 2023-05-23 | 河南创达电子科技有限公司 | 基于大数据估算电池soc值的方法和装置 |
| CN117129868A (zh) * | 2023-05-26 | 2023-11-28 | 云储新能源科技有限公司 | 基于双卡尔曼滤波的动态可重构电池系统的电量估计方法 |
-
2023
- 2023-05-26 CN CN202310617848.8A patent/CN116699415B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140257726A1 (en) * | 2011-10-07 | 2014-09-11 | Keio University | Apparatus and method for battery state of charge estimation |
| US20150127280A1 (en) * | 2012-05-11 | 2015-05-07 | Calsonic Kansei Corporation | Battery's state of charge estimation apparatus |
| WO2016197831A1 (zh) * | 2016-01-08 | 2016-12-15 | 中兴通讯股份有限公司 | 电池荷电状态的获取方法及装置 |
| CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
| CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
| 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 |
| CN108169687A (zh) * | 2017-12-27 | 2018-06-15 | 国网河北省电力有限公司电力科学研究院 | 一种基于云平台的蓄电池soc估算方法 |
| CN210487935U (zh) * | 2018-03-15 | 2020-05-08 | 慈松 | 一种电池状态实时估算的装置 |
| CN110286331A (zh) * | 2018-03-15 | 2019-09-27 | 慈松 | 一种电池状态实时估算的装置和方法 |
| CN111856282A (zh) * | 2019-04-19 | 2020-10-30 | 武汉理工大学 | 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 |
| CN110441702A (zh) * | 2019-07-31 | 2019-11-12 | 湘潭大学 | 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 |
| CN110954832A (zh) * | 2019-12-19 | 2020-04-03 | 北京交通大学 | 一种识别老化模式的锂离子电池健康状态在线诊断方法 |
| CN112213644A (zh) * | 2020-09-30 | 2021-01-12 | 蜂巢能源科技有限公司 | 电池荷电状态估算方法及电池管理系统 |
| CN112505546A (zh) * | 2020-10-28 | 2021-03-16 | 江苏大学 | 一种双卡尔曼滤波耦合气液动力学模型估算soc的方法及系统 |
| CN113765199A (zh) * | 2021-11-10 | 2021-12-07 | 北京理工大学 | 一种可重构电池组容量利用最大化控制方法 |
| CN114726033A (zh) * | 2022-03-28 | 2022-07-08 | 清华大学 | 基于动态可重构电池网络的电池系统充放电控制方法 |
| CN115932591A (zh) * | 2022-08-30 | 2023-04-07 | 上海玫克生储能科技有限公司 | 基于pid-ekf的锂电池soc估算方法、系统、介质及电子设备 |
| CN115327389A (zh) * | 2022-08-31 | 2022-11-11 | 南京邮电大学 | 基于遗传算法改进的双卡尔曼滤波的锂电池soc估计方法 |
| CN116148678A (zh) * | 2023-04-19 | 2023-05-23 | 河南创达电子科技有限公司 | 基于大数据估算电池soc值的方法和装置 |
| CN117129868A (zh) * | 2023-05-26 | 2023-11-28 | 云储新能源科技有限公司 | 基于双卡尔曼滤波的动态可重构电池系统的电量估计方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116908704A (zh) * | 2023-09-07 | 2023-10-20 | 江西五十铃汽车有限公司 | 动力电池soh估算修正方法、设备和介质 |
| CN116908704B (zh) * | 2023-09-07 | 2024-04-09 | 江西五十铃汽车有限公司 | 动力电池soh估算修正方法、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116699415B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110488194B (zh) | 一种基于电化学阻抗模型的锂电池soc估算方法及其系统 | |
| CN106918789B (zh) | 一种soc-soh联合在线实时估计和在线修正方法 | |
| 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 | |
| Murnane et al. | A closer look at state of charge (SOC) and state of health (SOH) estimation techniques for batteries | |
| JP6441913B2 (ja) | バッテリに蓄積された電荷のモニタリング | |
| CN105974323B (zh) | 一种提高电动汽车soc估算精度的算法模型 | |
| CN108445402A (zh) | 一种锂离子动力电池荷电状态估计方法及系统 | |
| Vasebi et al. | Predicting state of charge of lead-acid batteries for hybrid electric vehicles by extended Kalman filter | |
| CN110261779A (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
| CN110286332B (zh) | 一种基于多新息理论的电动汽车动力电池soc估计方法 | |
| CN102918411B (zh) | 充电状态推定装置 | |
| Bavand et al. | Online estimations of Li-ion battery SOC and SOH applicable to partial charge/discharge | |
| CN104267261B (zh) | 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法 | |
| CN104535934B (zh) | 在线前馈补偿的动力电池电荷状态估计方法与系统 | |
| CN109061520A (zh) | 一种动力电池健康与功率状态在线估算方法及系统 | |
| CN108445422B (zh) | 基于极化电压恢复特性的电池荷电状态估算方法 | |
| CN113567861B (zh) | 一种动力电池健康状态的估算方法 | |
| CN116699415B (zh) | 一种动态可重构电池系统电量估计方法、系统及电子设备 | |
| CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统 | |
| CN114814591A (zh) | 一种锂电池soe估算方法、装置及系统 | |
| Khaki et al. | Fast and simplified algorithms for SoC and SoH estimation of vanadium redox flow batteries | |
| CN114609530A (zh) | 修正电池荷电状态的方法、装置、设备及介质 | |
| CN117129868A (zh) | 基于双卡尔曼滤波的动态可重构电池系统的电量估计方法 | |
| CN115015767A (zh) | 基于多新息无迹卡尔曼滤波算法融合的锂电池soc估算方法 | |
| CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |