CN117007969A - 可重构电池系统中单个模组soc确定方法、系统及设备 - Google Patents
可重构电池系统中单个模组soc确定方法、系统及设备 Download PDFInfo
- Publication number
- CN117007969A CN117007969A CN202310613689.4A CN202310613689A CN117007969A CN 117007969 A CN117007969 A CN 117007969A CN 202310613689 A CN202310613689 A CN 202310613689A CN 117007969 A CN117007969 A CN 117007969A
- Authority
- CN
- China
- Prior art keywords
- soc
- tested
- battery module
- determining
- battery
- 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 32
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000010354 integration Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 abstract description 10
- 239000011159 matrix material Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 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)
Abstract
本发明提供的一种可重构电池系统中单个模组SOC确定方法、系统及设备，涉及可重构电池系统技术领域。所述方法包括：根据待测电池模组的实时OCV，利用待测电池模组的SOC‑OCV曲线确定出待测电池模组的SOC基准估计值；根据工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值；基于SOC基准估计值和观测SOC估计值，利用卡尔曼滤波算法确定动态可重构电池系统中待测电池模组的SOC。本发明利用根据实时OCV确定的SOC基准估计值，结合卡尔曼滤波算法，对工作电流确定的观测SOC估计值进行重构，能够实现可重构电池系统中电池模组SOC的实时在线测量。
Description
技术领域
本发明涉及可重构电池系统技术领域，特别是涉及一种可重构电池系统中单个模组SOC确定方法、系统及设备。
背景技术
理论研究表明，可重构电池系统中，电池开路电压OCV和电池荷电状态SOC(Stateofcharge，荷电状态)存在对应关系，因此，可以通过获取准确的电池开路电压可以估算出电池荷电状态SOC的数值。开路电压估计SOC的方法主要通过在实验室条件下建立SOC与电池开路电压OCV的关系，在运行中再通过查表的方式确定SOC。如图1(其中，横坐标为时间，纵坐标为槽电压，Cellvoltage为电池电压)所示，锂电池在工作过程中其内在反应复杂，导致准确测量电池开路电压需要在电池静置长时间(大于一小时)后方可测得，这导致由于基于电池开路电压OCV确定电池荷电状态SOC无法在保证可重构电池系统正常工作的前提下，完成电池荷电状态SOC的实时在线测量。
发明内容
本发明的目的是提供一种可重构电池系统中单个模组SOC确定方法、系统及设备，能够实现可重构电池系统中电池模组SOC的实时在线测量。
为实现上述目的，本发明提供了如下方案：
一种可重构电池系统中单个模组SOC确定方法，包括：
确定动态可重构电池系统中所有电池模组的SOC-OCV曲线；
获取待测电池模组的实时OCV；所述实时OCV是将控制待测电池模组的开关断开后确定的；
根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值；
获取待测电池模组的工作电流；所述工作电流是将控制待测电池模组的开关断开前确定的；
根据所述工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值；
基于所述SOC基准估计值和所述观测SOC估计值，确定动态可重构电池系统中待测电池模组的SOC。
可选的，所述SOC-OCV曲线是利用电池模组的的多个OCV历史测量值和多个SOC的历史测量值，利用机器学习算法进行拟合得到的。
可选的，在基于所述SOC基准估计值和所述观测SOC估计值，确定动态可重构电池系统中待测电池模组的SOC之后，还包括：
更新待测电池模组并返回步骤“获取待测电池模组的实时OCV”直至遍历动态可重构电池系统中所有电池模组。
可选的，根据所述工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值，包括：
根据所述工作电流，利用安时积分原理确定待测电池模组的第一待定观测SOC估计值；
获取待测电池模组的工作电压；所述工作电压是将控制待测电池模组的开关断开前确定的；
根据所述工作电压，利用待测电池模组的SOC-工作电压曲线确定出待测电池模组的第二待定观测SOC估计值；
判断所述工作电流是否大于第一工作电流阈值，得到第一判断结果；
若所述第一判断结果为是，则确定第一待定观测SOC估计值为待测电池模组的观测SOC估计值；
若所述第一判断结果为否，则判断所述工作电流是否大于第二工作电流阈值，得到第二判断结果；
若所述第二判断结果为是，则将所述第一待定观测SOC估计值和所述第二待定观测SOC估计值进行加权求和并作为待测电池模组的观测SOC估计值；
若所述第二判断结果为否，则确定第二待定观测SOC估计值为待测电池模组的观测SOC估计值。
可选的，SOC-工作电压曲线是利用电池模组的的多个工作电压历史测量值和多个SOC的历史测量值，利用机器学习算法进行拟合得到的。
一种可重构电池系统中单个模组SOC确定系统，包括：
SOC-OCV曲线构建模块，用于确定动态可重构电池系统中所有电池模组的SOC-OCV曲线；
实时OCV获取模块，用于获取待测电池模组的实时OCV；所述实时OCV是将控制待测电池模组的开关断开后确定的；
SOC基准估计值确定模块，用于根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值；
工作电流获取模块，用于获取待测电池模组的工作电流；所述工作电流是将控制待测电池模组的开关断开前确定的；
观测SOC估计值确定模块，用于根据所述工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值；
SOC确定模块，用于基于所述SOC基准估计值和所述观测SOC估计值，确定动态可重构电池系统中待测电池模组的SOC。
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所述的可重构电池系统中单个模组SOC确定方法。
可选的，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：
本发明提供的一种可重构电池系统中单个模组SOC确定方法、系统及设备，确定动态可重构电池系统中所有电池模组的SOC-OCV曲线；获取待测电池模组的实时OCV；根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值；获取待测电池模组的工作电流；根据工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值；基于SOC基准估计值和观测SOC估计值，利用卡尔曼滤波算法确定动态可重构电池系统中待测电池模组的SOC。本发明利用根据实时OCV确定的SOC基准估计值，结合卡尔曼滤波算法，对工作电流确定的观测SOC估计值进行重构，能够实现可重构电池系统中电池模组SOC的实时在线测量。
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为现有技术中槽电压和OCV对试件变化图；
图2为本发明实施例1中可重构电池系统中单个模组SOC确定方法流程图；
图3为本发明实施例1中可重构电池系统中单个模组SOC确定方法原理图；
图4为本发明实施例1中卡尔曼滤波算法流程图。
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可重构电池系统中单个模组SOC确定方法、系统及设备，能够实现可重构电池系统中电池模组SOC的实时在线测量。
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1
如图2-图3所示，本实施例提供了一种可重构电池系统中单个模组SOC确定方法，包括：
步骤101：确定动态可重构电池系统中所有电池模组的SOC-OCV曲线，其中，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。
SOC-OCV曲线是利用电池模组的的多个OCV历史测量值和多个SOC的历史测量值，利用机器学习算法进行拟合得到的。
步骤102：获取待测电池模组的实时OCV。所述实时OCV是将控制待测电池模组的开关断开后确定的。
步骤103：根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值。
步骤104：获取待测电池模组的工作电流。所述工作电流是将控制待测电池模组的开关断开前确定的。
步骤105：根据工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值Soc-m。
步骤105，包括：
步骤1051：根据工作电流，利用安时积分原理确定待测电池模组的第一待定观测SOC估计值。
安时积分原理为：
SOC_k＝SOC_k-1–(I_k*t)/C_rate
其中，SOC_k为第k次第一待定观测SOC估计值；C_rate为电池额定容量；I_k为第k次电流；t为时间间隙；SOC_k-1为第k-1次第一待定观测SOC估计值。
步骤1052：获取待测电SOC池模组的工作电压。所述工作电压是将控制待测电池模组的开关断开前确定的。
步骤1053：根据工作电压，利用待测电池模组的SOC-工作电压曲线确定出待测电池模组的第二待定观测SOC估计值。SOC-工作电压曲线是利用电池模组的的多个工作电压历史测量值和多个SOC的历史测量值，利用机器学习算法进行拟合得到的。
步骤1054：判断工作电流是否大于第一工作电流阈值，得到第一判断结果。
步骤1055：若第一判断结果为是，则确定第一待定观测SOC估计值为待测电池模组的观测SOC估计值。
步骤1056：若第一判断结果为否，则判断工作电流是否大于第二工作电流阈值，得到第二判断结果。
步骤1057：若第二判断结果为是，则将第一待定观测SOC估计值和第二待定观测SOC估计值进行加权求和并作为待测电池模组的观测SOC估计值。
步骤1058：若第二判断结果为否，则确定第二待定观测SOC估计值为待测电池模组的观测SOC估计值。
步骤106：基于SOC基准估计值和观测SOC估计值，利用卡尔曼滤波算法确定动态可重构电池系统中待测电池模组的SOC。
如图4，卡尔曼滤波算法计算SOC过程包括预测过程和更新过程。
预测过程为：
xhatminus[k]＝f(ocv_k-1)。
Pminus[k]＝P[k-1]+Q。
更新过程为：
K[k]＝Pminus[k]/(Pminus[k]+R)。
xhat＝xhatminus[k]+K[k]*(z[k]-xhatminus[k])。
P[k]＝(1-K[k])*Pminus[k]。
其中，xhatminus[k]为第k次迭代时得到的SOC；ocv_k-1为第k次迭代时的开路电压；Pminus[k]为第k次迭代时的计算协方差矩阵；P[k-1]为第k-1次迭代时卡尔曼滤波估计协方差矩阵；P[k]为第k次迭代时卡尔曼滤波估计协方差矩阵；R为测量方差的估计；xhat为SOC的卡尔曼滤波估计值；Q为过程方差，K[k]为第k次迭代时卡尔曼增益；z[k]为第k次迭代时观测SOC估计值。
步骤107：更新待测电池模组并返回步骤102直至遍历动态可重构电池系统中所有电池模组。
将可重构电池系统中所有电池模组的SOC进行加权平均处理，可得到动态可重构电池系统的SOC。
实施例2
为了执行上述实施例1对应的方法，以实现相应的功能和技术效果，下面提供了一种可重构电池系统中单个模组SOC确定系统，包括：
SOC-OCV曲线构建模块，用于确定动态可重构电池系统中所有电池模组的SOC-OCV曲线。
实时OCV获取模块，用于获取待测电池模组的实时OCV。所述实时OCV是将控制待测电池模组的开关断开后确定的。
SOC基准估计值确定模块，用于根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值。
工作电流获取模块，用于获取待测电池模组的工作电流。所述工作电流是将控制待测电池模组的开关断开前确定。
观测SOC估计值确定模块，用于根据工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值。
SOC确定模块，用于基于SOC基准估计值和观测SOC估计值，利用卡尔曼滤波算法确定动态可重构电池系统中待测电池模组的SOC。
实施例3
本实施例提供了一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行实施例1所述的可重构电池系统中单个模组SOC确定方法。其中，存储器为可读存储介质。
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)
1.一种可重构电池系统中单个模组SOC确定方法，其特征在于，包括：
确定动态可重构电池系统中所有电池模组的SOC-OCV曲线；
获取待测电池模组的实时OCV；所述实时OCV是将控制待测电池模组的开关断开后确定的；
根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值；
获取待测电池模组的工作电流；所述工作电流是将控制待测电池模组的开关断开前确定的；
根据所述工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值；
基于所述SOC基准估计值和所述观测SOC估计值，确定动态可重构电池系统中待测电池模组的SOC。
2.根据权利要求1所述的可重构电池系统中单个模组SOC确定方法，其特征在于，所述SOC-OCV曲线是利用电池模组的的多个OCV历史测量值和多个SOC的历史测量值，利用机器学习算法进行拟合得到的。
3.根据权利要求1所述的可重构电池系统中单个模组SOC确定方法，其特征在于，在基于所述SOC基准估计值和所述观测SOC估计值，确定动态可重构电池系统中待测电池模组的SOC之后，还包括：
更新待测电池模组并返回步骤“获取待测电池模组的实时OCV”直至遍历动态可重构电池系统中所有电池模组。
4.根据权利要求1所述的可重构电池系统中单个模组SOC确定方法，其特征在于，根据所述工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值，包括：
根据所述工作电流，利用安时积分原理确定待测电池模组的第一待定观测SOC估计值；
获取待测电池模组的工作电压；所述工作电压是将控制待测电池模组的开关断开前确定的；
根据所述工作电压，利用待测电池模组的SOC-工作电压曲线确定出待测电池模组的第二待定观测SOC估计值；
判断所述工作电流是否大于第一工作电流阈值，得到第一判断结果；
若所述第一判断结果为是，则确定第一待定观测SOC估计值为待测电池模组的观测SOC估计值；
若所述第一判断结果为否，则判断所述工作电流是否大于第二工作电流阈值，得到第二判断结果；
若所述第二判断结果为是，则将所述第一待定观测SOC估计值和所述第二待定观测SOC估计值进行加权求和并作为待测电池模组的观测SOC估计值；
若所述第二判断结果为否，则确定第二待定观测SOC估计值为待测电池模组的观测SOC估计值。
5.根据权利要求1所述的可重构电池系统中单个模组SOC确定方法，其特征在于，SOC-工作电压曲线是利用电池模组的的多个工作电压历史测量值和多个SOC的历史测量值，利用机器学习算法进行拟合得到的。
6.一种可重构电池系统中单个模组SOC确定系统，其特征在于，包括：
SOC-OCV曲线构建模块，用于确定动态可重构电池系统中所有电池模组的SOC-OCV曲线；
实时OCV获取模块，用于获取待测电池模组的实时OCV；所述实时OCV是将控制待测电池模组的开关断开后确定的；
SOC基准估计值确定模块，用于根据待测电池模组的实时OCV，利用待测电池模组的SOC-OCV曲线确定出待测电池模组的SOC基准估计值；
工作电流获取模块，用于获取待测电池模组的工作电流；所述工作电流是将控制待测电池模组的开关断开前确定的；
观测SOC估计值确定模块，用于根据所述工作电流，利用安时积分原理确定待测电池模组的观测SOC估计值；
SOC确定模块，用于基于所述SOC基准估计值和所述观测SOC估计值，确定动态可重构电池系统中待测电池模组的SOC。
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权利要求1至5中任一项所述的可重构电池系统中单个模组SOC确定方法。
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 |
|---|---|---|---|
| CN202310613689.4A CN117007969A (zh) | 2023-05-26 | 2023-05-26 | 可重构电池系统中单个模组soc确定方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310613689.4A CN117007969A (zh) | 2023-05-26 | 2023-05-26 | 可重构电池系统中单个模组soc确定方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117007969A true CN117007969A (zh) | 2023-11-07 |
Family
ID=88573488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310613689.4A Pending CN117007969A (zh) | 2023-05-26 | 2023-05-26 | 可重构电池系统中单个模组soc确定方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117007969A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117665597A (zh) * | 2024-01-31 | 2024-03-08 | 云储新能源科技有限公司 | 一种锂电池ocv估值方法、系统、电子设备及介质 |
-
2023
- 2023-05-26 CN CN202310613689.4A patent/CN117007969A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117665597A (zh) * | 2024-01-31 | 2024-03-08 | 云储新能源科技有限公司 | 一种锂电池ocv估值方法、系统、电子设备及介质 |
| CN117665597B (zh) * | 2024-01-31 | 2024-04-12 | 云储新能源科技有限公司 | 一种锂电池ocv估值方法、系统、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110261779B (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 | |
| Yan et al. | A battery management system with a Lebesgue-sampling-based extended Kalman filter | |
| CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
| RU2361333C2 (ru) | Оценка состояния и параметров гальванического элемента | |
| CN111965547B (zh) | 一种基于参数辨识法的电池系统传感器故障诊断方法 | |
| CN111781504B (zh) | 一种锂离子动力电池老化状态识别与开路电压重构方法 | |
| Zhang et al. | A battery State of Charge estimation method with extended Kalman filter | |
| CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
| CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
| CN109239602B (zh) | 一种动力电池的欧姆内阻的估算方法 | |
| CN110554321B (zh) | 一种实时检测退役动力电池soc的方法 | |
| CN111781503B (zh) | 一种锂离子储能电池soc在线估算方法 | |
| Wei et al. | Lyapunov-based state of charge diagnosis and health prognosis for lithium-ion batteries | |
| CN110196395B (zh) | 蓄电池soc估算方法 | |
| CN112285570B (zh) | 一种基于衰减记忆滤波器的电动汽车故障诊断方法 | |
| Duan et al. | Online parameter identification and state of charge estimation of battery based on multitimescale adaptive double Kalman filter algorithm | |
| Fang et al. | Estimation of lithium-ion battery state of charge for electric vehicles based on dual extended Kalman filter | |
| CN117007969A (zh) | 可重构电池系统中单个模组soc确定方法、系统及设备 | |
| CN111044924B (zh) | 一种全工况电池剩余容量确定方法及系统 | |
| 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 | |
| Wang et al. | LiFePO4 battery modeling and SOC estimation algorithm | |
| CN114814591A (zh) | 一种锂电池soe估算方法、装置及系统 | |
| CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
| CN112009252A (zh) | 一种动力电池系统故障诊断及容错控制方法 | |
| CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 |
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 |