CN116937752A - 一种户外移动储能电源充放电控制方法 - Google Patents
一种户外移动储能电源充放电控制方法 Download PDFInfo
- Publication number
- CN116937752A CN116937752A CN202311187056.8A CN202311187056A CN116937752A CN 116937752 A CN116937752 A CN 116937752A CN 202311187056 A CN202311187056 A CN 202311187056A CN 116937752 A CN116937752 A CN 116937752A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- energy storage
- charge
- power supply
- sequence
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007599 discharging Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000011161 development Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请涉及储能管理领域,尤其涉及一种户外移动储能电源充放电控制方法,方法包括步骤:根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果;根据所述耗电量预测结果、充放电循环次数及温度,计算储能电池荷电状态评价;根据所述储能电池荷电状态评价,生成充放电控制的预警信息。本申请预测耗电量,计算储能电池荷电状态评价,以全面准确的确定出储能电源最优的充放电策略的效果。
Description
技术领域
本发明涉及储能管理领域,尤其涉及一种户外移动储能电源充放电控制方法。
背景技术
户外移动储能电源是指一种便携式的电源设备,能够在户外环境中储存和提供电能。它通常具有较大的容量,能够为电子设备,如手机、平板电脑、摄像机等提供长时间的电力支持,适合在野外旅行、露营、徒步等活动中使用。户外移动储能电源一般采用可充电的锂电池作为电能存储介质,通常具有多个充电接口,可以通过太阳能充电板、插座充电、车载充电等方式进行充电。同时,它们还常常配备有多个输出接口,可以同时为多个设备充电。
在实际应用中,储能电源充放电过程通常会同时进行,一方面通过太阳能板等对储能电源进行充电,另一方面放电为电子设备提供电源,在这个过程中,为了保证储能电源的正常使用,通常会参考SOC(State of Charge,电池剩余容量)这个参数,SOC是指电池内的可用电量占标称容量的比例,是电池管理系统的一个重要监控数据,电池管理系统根据SOC值控制电池工作状态。
然而,在户外移动储能电源使用的过程中,因使用环境和时间的问题,会出现环境温度和电池温度的变化,温度变化会影响到锂电池实际可以充入和放出的容量,这是受锂电池电化学反应特性决定的。实际应用中,储能电源前一次充放电的温度只有下降到安全的阈值范围后,才能够继续下一次的充放电,所以,温度下降时间较长,致使充放电效率较低,加速了电池的老化。所以现有技术不能够全面准确的确定出储能电源最优的充放电策略。
发明内容
为了能够全面准确的确定出储能电源最优的充放电策略,本申请提供一种户外移动储能电源充放电控制方法,采用如下的技术方案:
一种户外移动储能电源充放电控制方法,包括步骤:
根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果;根据所述耗电量预测结果、充放电循环次数及温度,计算储能电池荷电状态评价,所述储能电池荷电状态评价的表达式为:,其中,/>为储能电池的荷电状态评价,x为第一参数,y为第二参数,z为第三参数,T为移动储能电源的电池温度及环境温度中的温度最大值,r为预测值的数据序号,/>表示储能电池第r次后的耗电量预测值,g为充放电循环次数;根据所述储能电池荷电状态评价,生成充放电控制的预警信息。
通过采用上述技术方案,根据构建的耗电量预测模型,得到耗电量的预测结果,获得与耗电量预测结果、温度因素及充放循环次数相关的储能电池荷电状态评价结果,对储能电池的荷电状态评价进行计算和判定,根据储能电池荷电状态评价结果及计算的温度曲线:,获得充放电的预测温度,进行提前预警,生成预警信息,控制充放电工作的启动和关闭,减少温度下降过程较长造成的降温时间过长,提高了充放电的效率。
可选的,根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果,包括步骤:根据历史数据,建立耗电量序列,所述耗电量序列为:,其中上标0代表初始值;构建耗电量预测公式,生成所述耗电量预测结果,所述耗电量预测公式为:/>,其中,/>为第n+1次的初始耗电量的值,第n+1次的初始耗电量的值为第一个预测值,a为发展系数,u为灰色作用量,/>为所述耗电量序列的初始值的第一个值。
通过采用上述技术方案,根据耗电量序列,构建耗电量模型,根据耗电量预测模型的预测公式,获得耗电量的预测值。
可选的,计算级比算子,所述级比算子的计算公式为:,其中,k表示的是耗电量序列中的第k个值,L/>为第k个耗电量序列,/>为第k-1个耗电量序列;响应于所述级比算子在预设的阈值范围内,判定所述耗电量序列符合建立所述耗电量预测模型的要求;响应于所述级比算子不在预设的阈值范围内,判定所述耗电量序列不符合建立所述耗电量预测模型的要求,并发出调整信号;响应于所述调整信号,对所述耗电量序列进行数据处理,使所述级比算子在所述阈值范围内。
通过采用上述技术方案,对耗电量序列是否能够用于构建耗电量预测模型进行判定,得到判定结果,若判定结果为耗电量序列不符合建立耗电量预测模型的要求,则对耗电量序列进行数据处理。
可选的,根据历史数据中移动储能电源多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果,还包括步骤:根据所述耗电量预测结果及历史耗电量值,计算后验差比值,并判断所述后验差比值是否在预设的比值阈值范围内,若是,生成第一信号,若否,生成第二信号;响应于所述第一信号,判定所述耗电量预测结果的准确度高;响应于所述第二信号,判定所述耗电量预测结果的准确度低。
通过采用上述技术方案,根据历史耗电量值,计算后验差比值,以对耗电量的预测结果进行评判,提高预测结果的准确度和精度。
可选的,根据所述耗电量预测结果及历史耗电量值,计算后验差比值,包括步骤:计算预测误差序列,对所述预测误差序列进行累加得到累加误差序列;计算后验差比值,所述后验差比值=所述累加误差序列的绝对值之和/耗电量序列的绝对值之和。
通过采用上述技术方案,根据计算的累加误差序列的绝对值之和及耗电量序列的绝对值之和,计算后验差比值,根据后验差比值判定耗电量预测模型的精度,提高模型预测的准确度。
本申请具有以下技术效果:
根据构建的耗电量预测模型,得到耗电量的预测结果,获得与耗电量预测结果、温度因素及充放循环次数相关的储能电池荷电状态评价结果,对储能电池的荷电状态评价进行计算和判定,根据储能电池荷电状态评价结果及计算的温度曲线,获得充放电的预测温度和时间,生成预警信息,根据预警信息,控制充放电工作的启动和关闭,减少降温时长,提高了充放电的效率。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是本申请实施例一种户外移动储能电源充放电控制方法中步骤S1-S3的方法流程图。
图2是本申请实施例一种户外移动储能电源充放电控制方法中步骤S10-S18的方法流程图。
图3是本申请实施例一种户外移动储能电源充放电控制方法中示出表3中拟合值、真实值及预测值的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请实施例公开一种户外移动储能电源充放电控制方法,参照图1,包括步骤:
S1:根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果。参照图2,步骤S1包括步骤S10-S18,具体如下:
S10:根据历史数据,建立耗电量序列。
耗电量序列为:,其中上标0代表初始值;
S11:计算级比算子,级比算子的计算公式为:,其中,k表示的是耗电量序列中的第k个值,L/>为第k个耗电量序列,/>为第k-1个耗电量序列;
S12:响应于级比算子在预设的阈值范围内,判定耗电量序列符合建立耗电量预测模型的要求。
本申请的阈值范围设置为。
例如,如表1所示,表1中的数据为实际储能电源在充放电使用过程中的耗电量数据,通过模型计算预测后续储能电池在充放电过程中的耗电量参数。
表1:
表1中级比算子均在/>即(0.857,1.166)之间,判定/>建模效果比较好。
S13:响应于级比算子不在预设的阈值范围内,判定耗电量序列不符合建立耗电量预测模型的要求,并发出调整信号。
S13:响应于调整信号,对耗电量序列进行数据处理,使级比算子在阈值范围内。
若没有落在阈值范围内,可以根据实际情况将所有原始数据均加或减去同一个常数Y,记录不符合的耗电量序列为:/>,使序列/>的落在阈值范围内。令/>,则序列为/>。
S14:构建耗电量预测公式,生成耗电量预测结果。
对序列进行累加生成序列/>,累加表达式为。
对序列进行均值处理生成序列/>,序列/>与序列/>具体数量关系为/>。均值处理的方法为:相邻两个数值取均值。
具体地,构建白化微分方程:
其中,a为发展系数,u为灰色作用量,发展系数表示序列发展规律和趋势,灰色作用量反应序列的变化关系。
由于每次的耗电量数据不是连续的,可以写成/>,其中/>,结果始终为1,而/>;得到方程:
即:
进行均值处理生成的序列,则:
因为是由累加得到的数据,可能会弱化数据本身体现的特征,所以为了使数据更加合理,将累加序列修正为均值序列,所以/>可以写为/>。
根据最小二乘法生成耗电量预测输出公式,耗电量预测公式为:
其中,为第n+1次的初始耗电量的预测结果,第n+1次的初始耗电量的值为第一个预测值,a为发展系数,u为灰色作用量,发展系数表示序列发展规律和趋势,灰色作用量反应序列的变化关系,/>为耗电量序列的初始值的第一个值。
例如,若耗电量值序列共有7个数,耗电量预测公式中的时得到的值为拟合值,/>中n大于等于7时为预测值,即/>…/>为拟合值,即真实的耗电量值,/>…为预测值。令n分别取6和7,得到的为/>与/>,第8次户外移动储能电源充放电结束后的耗电量具体值为/>,/>为根据耗电量预测公式预测得到的前8次的耗电量数据,/>为前7次的耗电量数据,/>得到了第8次的耗电量数据,当/>,所以若是要得到准确的第8次耗电量数据,的计算结果需要再减去Y,至此,得到耗电量预测结果。
S15:根据耗电量预测结果及历史耗电量值,计算后验差比值,并判断后验差比值是否在预设的比值阈值范围内,若是,生成第一信号,若否,生成第二信号;
具体地,计算预测误差序列,对预测误差序列进行累加得到累加误差序列;计算后验差比值,后验差比值=累加误差序列的绝对值之和/耗电量序列的绝对值之和。
S16:响应于第一信号,判定耗电量预测结果的准确度高。
S17:响应于第二信号,判定耗电量预测结果的准确度低。
后验差比值可以验证灰色预测的精度,后验差比值越小说明预测精度越高。例如,参照表2,
表2:
本申请中,后验差比小于0.1时,耗电量预测模型具有较好的预测准确性;0.1-0.2之间时,耗电量预测模型具有较好的预测能力;0.2-0.3之间时,耗电量预测模型具有一般的预测能力,所以示例中计算得到后验差比值为0.08,意味着耗电量预测模型具有较好的预测准确性。
S18:计算平均相对误差,判定平均相对误差是否低于误差阈值,若是,判定耗电量预测模型的精度高,若否,判定耗电量预测模型的精度低。
本申请中,平均相对误差小于误差阈值时,判定耗电量预测模型精度高,平均相对误差大于误差阈值时,判定耗电量预测模型精度低。
例如,参照表3:
表3:
例如,由表3可知,为采集的11次移动储能电源充放电过程中耗电量实际值,计算11次采集数据相对误差的平均数作为平均相对误差,表3中的平均相对误差为7.163%,判定耗电量预测模型精度高。
参照图3,真实值为表3中的,即为采集的11次移动储能电源充放电过程中耗电量实际值,图3中的拟合值为表3中的预测值,通过耗电量预测模型得到的预测值拟合成为图像的拟合值直线,图3中的预测值为第12次及以后的移动储能电源充放电过程中耗电量值,此数值为耗电量预测模型的预测值。
S2:根据耗电量预测模型,结合耗耗电量预测结果、充放电循环次数及温度,计算储能电池荷电状态评价。
影响储能电池SOC的因素还有温度和充放电循环次数,一般来说,低温下电池的放电容量会减少,而高温则可能导致电池的容量损失和寿命缩短,对于充放电循环次数来说,电池的充放电循环会逐渐影响其电荷容量和荷电状态的精确度,随着循环次数的增加,电池的荷电状态可能会出现一定程度的漂移或容量损失。故本申请结合耗电量预测结果、充放电循环次数和温度,得到储能电池荷电状态评价,储能电池荷电状态评价的表达式为:
其中,为储能电池的荷电状态评价,x为第一参数,y为第二参数,z为第三参数,为用户设置获得,T为移动储能电源的电池温度及环境温度中的温度最大值,例如,此时温度计算的范围为20-35度之间;r为预测值的数据序号,/>表示储能电池第r次后的耗电量预测值,g为充放电循环次数。Tanh函数为归一化函数,由于/>与g本身的值域就处于0-1之间,所以不需要归一化。
S3:根据储能电池荷电状态评价,生成充放电控制的预警信息。
获得计算得到的储能电池的荷电状态评价值中,为耗电量的初始耗电量的预测结果及g为充放电循环次数,/>为预测的温度曲线,令/>,得到关于温度及时间的预测曲线。根据储能电池的荷电状态评价,判定储能电池的荷电状态评价是否在评价阈值范围内。在阈值范围内时,说明预测的温度未达到预设的预警温度;当不在阈值范围内,说明预测的温度达到预设的预警温度,此时发出预警信息,控制移动储能电源的充放电过程停止,直至检测到储能电源恢复到安全温度后,响应于充放电指令,控制移动储能电源继续进行充放电。
本申请实施例一种户外移动储能电源充放电控制方法的实施原理为:根据耗电量预测模型预测耗电量,计算储能电池的荷电状态评价,根据预测的关于时间与温度的曲线,进行提前预警,减少降温时长,提高了充放电的效率。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (5)
1.一种户外移动储能电源充放电控制方法,其特征在于,包括步骤:
根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果;
根据所述耗电量预测结果、充放电循环次数及温度,计算储能电池荷电状态评价,所述储能电池荷电状态评价的表达式为:
其中,为储能电池的荷电状态评价,x为第一参数,y为第二参数,z为第三参数,T为移动储能电源的电池温度及环境温度中的温度最大值,r为预测值的数据序号,/>表示储能电池第r次后的耗电量预测值,g为充放电循环次数;
根据所述储能电池荷电状态评价,生成充放电控制的预警信息。
2.根据权利要求1所述的户外移动储能电源充放电控制方法,其特征在于,根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果,包括步骤:
根据历史数据,建立耗电量序列,所述耗电量序列为:,其中上标0代表初始值;
构建耗电量预测公式,生成所述耗电量预测结果,所述耗电量预测公式为:
其中,为第n+1次的初始耗电量的预测结果,第n+1次的初始耗电量的值为第一个预测值,a为发展系数,u为灰色作用量,/>为所述耗电量序列的初始值的第一个值。
3.根据权利要求2所述的户外移动储能电源充放电控制方法,其特征在于,还包括步骤:
计算级比算子,所述级比算子的计算公式为:,其中,k表示的是耗电量序列中的第k个值,L/>为第k个耗电量序列,/>为第k-1个耗电量序列;
响应于所述级比算子在预设的阈值范围内,判定所述耗电量序列符合建立所述耗电量预测模型的要求;
响应于所述级比算子不在预设的阈值范围内,判定所述耗电量序列不符合建立所述耗电量预测模型的要求,并发出调整信号;
响应于所述调整信号,对所述耗电量序列进行数据处理,使所述级比算子在所述阈值范围内。
4.根据权利要求2或3所述的户外移动储能电源充放电控制方法,其特征在于,根据移动储能电源户外使用的历史数据,获取多次充放电过程中耗电量值,构建耗电量预测模型,生成耗电量预测结果,还包括步骤:
根据所述耗电量预测结果及历史耗电量值,计算后验差比值,并判断所述后验差比值是否在预设的比值阈值范围内,若是,生成第一信号,若否,生成第二信号;
响应于所述第一信号,判定所述耗电量预测结果的准确度高;
响应于所述第二信号,判定所述耗电量预测结果的准确度低。
5.根据权利要求4所述的户外移动储能电源充放电控制方法,其特征在于,根据所述耗电量预测结果及历史耗电量值,计算后验差比值,包括步骤:
计算预测误差序列,对所述预测误差序列进行累加得到累加误差序列;
计算后验差比值,所述后验差比值=累加误差序列的绝对值之和/耗电量序列的绝对值之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311187056.8A CN116937752B (zh) | 2023-09-14 | 2023-09-14 | 一种户外移动储能电源充放电控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311187056.8A CN116937752B (zh) | 2023-09-14 | 2023-09-14 | 一种户外移动储能电源充放电控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116937752A true CN116937752A (zh) | 2023-10-24 |
CN116937752B CN116937752B (zh) | 2023-12-26 |
Family
ID=88386357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311187056.8A Active CN116937752B (zh) | 2023-09-14 | 2023-09-14 | 一种户外移动储能电源充放电控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116937752B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105680464A (zh) * | 2016-02-25 | 2016-06-15 | 浙江大学 | 一种考虑电池损耗的削峰填谷电池储能系统调度方法 |
US20170285111A1 (en) * | 2016-04-01 | 2017-10-05 | Demand Energy Networks, Inc. | Control systems and methods for economical optimization of an electrical system including battery degradation |
CN107563544A (zh) * | 2017-08-16 | 2018-01-09 | 江苏方天电力技术有限公司 | 一种基于日特征向量优化的灰色模型电量预测方法 |
US20200004212A1 (en) * | 2018-07-02 | 2020-01-02 | Demand Energy Networks, Inc. | Systems and methods to aggregate distributed energy resources |
CN113534938A (zh) * | 2021-06-29 | 2021-10-22 | 广东工业大学 | 一种基于改进Elman神经网络的笔记本电脑剩余电量估计方法 |
CN114355211A (zh) * | 2021-12-09 | 2022-04-15 | 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) | 一种锂离子动力电池剩余电量估计方法 |
CN115759462A (zh) * | 2022-12-02 | 2023-03-07 | 重庆邮电大学 | 一种电动汽车用户的充电行为预测方法、装置及电子设备 |
WO2023050377A1 (zh) * | 2021-09-30 | 2023-04-06 | 宁德时代新能源科技股份有限公司 | 荷电状态的确定方法、装置和系统 |
-
2023
- 2023-09-14 CN CN202311187056.8A patent/CN116937752B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105680464A (zh) * | 2016-02-25 | 2016-06-15 | 浙江大学 | 一种考虑电池损耗的削峰填谷电池储能系统调度方法 |
US20170285111A1 (en) * | 2016-04-01 | 2017-10-05 | Demand Energy Networks, Inc. | Control systems and methods for economical optimization of an electrical system including battery degradation |
CN107563544A (zh) * | 2017-08-16 | 2018-01-09 | 江苏方天电力技术有限公司 | 一种基于日特征向量优化的灰色模型电量预测方法 |
US20200004212A1 (en) * | 2018-07-02 | 2020-01-02 | Demand Energy Networks, Inc. | Systems and methods to aggregate distributed energy resources |
CN113534938A (zh) * | 2021-06-29 | 2021-10-22 | 广东工业大学 | 一种基于改进Elman神经网络的笔记本电脑剩余电量估计方法 |
WO2023050377A1 (zh) * | 2021-09-30 | 2023-04-06 | 宁德时代新能源科技股份有限公司 | 荷电状态的确定方法、装置和系统 |
CN114355211A (zh) * | 2021-12-09 | 2022-04-15 | 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) | 一种锂离子动力电池剩余电量估计方法 |
CN115759462A (zh) * | 2022-12-02 | 2023-03-07 | 重庆邮电大学 | 一种电动汽车用户的充电行为预测方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
SHUN-CHUNG WANG 等: "Adaptive Charging Strategy With Temperature Rise Mitigation and Cycle Life Extension for Li-ion Batteries", CPSS TRANSACTIONS ON POWER ELECTRONICS AND APPLICATIONS, vol. 3, no. 3, pages 202 - 212 * |
张振强 等: "基于局部模型网络的锂电池SOC估计方法", 仪器仪表学报, vol. 44, no. 7, pages 161 - 171 * |
Also Published As
Publication number | Publication date |
---|---|
CN116937752B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11408942B2 (en) | Method for predicting service life of retired power battery | |
US11768245B2 (en) | Predicting a potential fault in a battery | |
CN112582695B (zh) | 充电方法、电子装置及存储介质 | |
US20130260188A1 (en) | Method and apparatus for optimized battery life cycle management | |
CN107024665B (zh) | 电池的剩余容量校准方法 | |
CN107688155B (zh) | 一种用于电池管理系统中的电池剩余容量估算方法 | |
CN111679206B (zh) | 电量检测方法和设备,及存储介质 | |
JP2005315597A (ja) | 二次電池の残容量算出方法および電池パック | |
KR20190056743A (ko) | 배터리 저항 추정 장치 및 방법 | |
CN108051751A (zh) | 一种锂离子动力电池分选方法和系统 | |
CN107076800A (zh) | 电池容量监测器 | |
CN114371408B (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
CN112578298A (zh) | 电池温度估算方法、装置、电子设备及存储介质 | |
CN113392507A (zh) | 一种锂离子动力电池剩余寿命预测方法 | |
CN114705990A (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 | |
JP2020171120A (ja) | 二次電池の充電方法 | |
CN116937752B (zh) | 一种户外移动储能电源充放电控制方法 | |
CN104166097A (zh) | 电池的电量量测方法 | |
CN111781529B (zh) | 基于电动汽车云端数据的电池组单体容量估计方法和装置 | |
CN117233623A (zh) | 带有末端修正的电池soc估算方法及装置 | |
CN115946572B (zh) | 电池模组的容量计算及补电控制方法、系统、设备和介质 | |
CN116325422A (zh) | 用于现场决定电池充电电流的系统和方法 | |
WO2020031407A1 (en) | Charge control device, charge control method, program, control circuit and power storage system | |
CN115808624A (zh) | 一种电池的健康度检测方法、设备和存储介质 | |
CN113507154B (zh) | 充电方法、装置、充电机和电子设备 |
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 |