CN117110895A - 一种船用锂离子动力电池剩余能量估计方法、设备及介质 - Google Patents
一种船用锂离子动力电池剩余能量估计方法、设备及介质 Download PDFInfo
- Publication number
- CN117110895A CN117110895A CN202311351909.7A CN202311351909A CN117110895A CN 117110895 A CN117110895 A CN 117110895A CN 202311351909 A CN202311351909 A CN 202311351909A CN 117110895 A CN117110895 A CN 117110895A
- Authority
- CN
- China
- Prior art keywords
- battery
- time
- energy
- soe
- total energy
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 44
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000005259 measurement Methods 0.000 claims description 29
- 230000007704 transition Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual 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
- G01R31/005—Testing of electric installations on transport means
- G01R31/008—Testing of electric installations on transport means on air- or spacecraft, railway rolling stock or sea-going vessels
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开一种船用锂离子动力电池剩余能量估计方法、设备及介质,包括如下步骤,获取实时采样数据以及电池初始开路电压;基于采样数据以及开路电压,建立SOE等效电路模型;采用SOE等效电路模型确定每个时间点的电池剩余电量,基于每个时间点的电池剩余电量,采用粒子滤波算法对每个时间点的电池剩余电量进行估计,以获得电池的平均剩余电量;建立SOE总能量估计模型,基于SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值;基于当前时刻电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量。
Description
技术领域
本发明涉及电池能量估计领域,具体涉及一种船用锂离子动力电池剩余能量估计方法、设备及介质。
背景技术
船用锂离子动力电池在船舶电动化领域具有重要应用价值,为了提高其使用寿命和安全性,需要准确估计其剩余能量。目前,针对船用锂离子动力电池的剩余能量估计算法研究尚处于起步阶段,准确估计船用锂离子动力电池的剩余能量有助于实现电池的智能管理和优化使用,降低维护成本,提高能源利用率,此外,这对于船舶电动化领域的技术发展具有积极推动作用。
当前存在的问题主要包括: 剩余能量估计算法精度较低、充放电能量不一致问题、能量估计缺乏统一的评估标准。
发明内容
本发明的目的在于克服上述技术不足,提供一种船用锂离子动力电池剩余能量估计方法、设备及介质,解决现有技术中锂离子动力电池的剩余能量估计精度低的技术问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面、本发明提供一种船用锂离子动力电池剩余能量估计方法,包括如下步骤:
获取实时采样数据以及电池初始开路电压;
基于所述采样数据以及开路电压,建立SOE等效电路模型;
采用所述SOE等效电路模型确定每个时间点的电池剩余电量,基于所述每个时间点的电池剩余电量,采用粒子滤波算法对所述每个时间点的电池剩余电量进行估计,以获得电池平均剩余电量;
建立SOE总能量估计模型,基于所述SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值;
基于当前时刻所述电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量。
在其中一些实施例中,所述基于所述采样数据以及开路电压,建立SOE等效电路模型,包括:
基于所述采样数据以及开路电压,确定电池剩余能量与电池总能量的比值;
建立一阶RC等效电路模型,采用遗传算法对所述一阶RC等效电路模型的参数进行辨识;
基于所述比值以及训练完备的所述一阶RC等效电路模型,获得状态转移方程以及量测方程后,建立SOE等效电路模型。
在其中一些实施例中,所述电池剩余能量与电池总能量的比值计算式为:
,
其中,为/>时刻电池剩余能量与电池总能量的比值,/>为初始时刻电池剩余能量与电池总能量的比值,/>为/>时刻电池电压,/>为/>时刻电池电流,/>为电池总能量,/>为时间间隔。
在其中一些实施例中,所述一阶RC等效电路模型计算式为:
,
,
其中,为RC网络上的电压计算值,/>为/>时刻电池电压,/>为RC网络上的电压;/>为极化电阻,/>为极化电容,OCV为模型的开路电压,/>为电池的充/放电欧姆内阻。
在其中一些实施例中,所述状态转移方程计算式为:
,
,
其中,为状态方程中的/>时刻状态变量,/>为/>时刻电池剩余能量与电池总能量的比值,/>为/>时刻电池电流,/>为/>时刻和/>时刻的时间差,/>、为/>时刻电池总能量,/>为/>时刻电池电压,/>为/>时刻一阶RC等效电路模型上的电压,/>为比例系数,/>为极化内阻,/>为状态转移中的过程噪声;
所述量测方程计算式为:
,
其中,为锂离子电池端电压,/>为电压测量噪声,/>为/>时刻电池电压,/>为/>时刻一阶RC等效电路模型上的电压,OCV为模型的开路电压,/>为欧姆内阻;
所述SOE等效电路模型计算式为:
,
其中,为状态方程中的/>时刻状态变量,/>为/>时刻电池总能量,/>为量测方程的观测值,/>为电压测量噪声,/>为状态转移函数,/>为测量函数,/>为函数的激励,/>和/>为状态转移中的过程噪声。
在其中一些实施例中,所述建立SOE总能量估计模型,基于所述SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值,包括:
根据SOE基础定义结合安时积分建立SOE总能量估计模型;
对扩展卡尔曼滤波算法进行初始化处理,确定状态变量初始值的估计值和协方差矩阵;
基于所述SOE总能量估计模型以及平均剩余电量,执行所述扩展卡尔曼滤波算法来估计电池总能量值时,执行时间更新和量测更新迭代,以获得当前时刻电池总能量的实时估计值。
在其中一些实施例中,所述SOE总能量估计模型计算式为:
,
,
,
,
其中,为状态变量,/>为控制变量,/>为/>时刻电池额定电量,/>为/>时刻电池额定电量估计值,/>为状态转移矩阵系数均为1,/>是函数的偏导数,/>是状态转移矩阵系数,/>为能量转化效率,/>为时间差,/>为当前时刻电流测变量,/>为当前时刻电压测变量。
在其中一些实施例中,所述扩展卡尔曼滤波算法计算式为:
,
,
其中,为系统/>时刻状态变量,/>为系统非线性方程表达式,为系统非线性方程表达式,/>为系统噪声,/>为测量噪声,/>为系统在/>时刻的输入量,/>是系统/>时刻的输出量;
所述时间更新计算式为:
,
,
其中,为/>时刻系统状态的先验估计值,/>为/>时刻系统状态协方差矩阵的估计值,/>为/>时刻系统的状态转移矩阵,/>为/>时刻系统噪声协方差矩阵,为/>时刻系统状态的协方差矩阵;
所述测量更新计算式为:
,
,
,
其中,为卡尔曼增益矩阵,/>为/>时刻的测量雅克比矩阵,/>为测量噪声的协方差矩阵,/>为单位矩阵。
第二方面、本发明还提供一种电子设备,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如上所述的船用锂离子动力电池剩余能量估计方法中的步骤。
第三方面、本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上所述的船用锂离子动力电池剩余能量估计方法中的步骤。
与现有技术相比,本发明提供的船用锂离子动力电池剩余能量估计方法、设备及介质,建立基于充放电的一阶等效电路模型,可以更好的模拟电芯真实剩余能量变化的情况,提高充放电工况下,SOE计算精度;将获得的电池的平均剩余电量作为电池总能量估计的输入,可以有效提高总能量的计算精度;采用粒子滤波算法,可以提高算法鲁棒性,有效抑制系统发散,提高全局SOE估算精度,在计算SOE的同时更新系统总能量值,可以避免总能量衰减引起的精度降低问题,同时在线计算系统总能量和剩余能量,提升了系统全生命周期的计算精度。
附图说明
图1是本发明提供的船用锂离子动力电池剩余能量估计方法的一实施例流程图;
图2是本发明提供的船用锂离子动力电池剩余能量估计程序的一实施例的运行环境示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种船用锂离子动力电池剩余能量估计方法、设备及介质,可用于计算机中。本发明所涉及的方法、设备或者计算机可读存储介质既可以与上述设备集成在一起,也可以是相对独立的。
本发明提供了一种船用锂离子动力电池剩余能量估计方法,可由计算机执行,具体可由该计算机的一个或者多个处理器执行。图1是本发明实施例提供的船用锂离子动力电池剩余能量估计方法的流程图,请参阅图1,船用锂离子动力电池剩余能量估计方法包括如下步骤:
S100、获取实时采样数据以及电池初始开路电压;
S200、基于采样数据以及开路电压,建立SOE等效电路模型;
S300、采用SOE等效电路模型确定每个时间点的电池剩余电量,基于每个时间点的电池剩余电量,采用粒子滤波算法对每个时间点的电池剩余电量进行估计,以获得电池平均剩余电量;
S400、建立SOE总能量估计模型,基于SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值;
S500、基于当前时刻电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量。
本实施例中,首先,获取实时采样数据以及电池初始开路电压;基于采样数据以及开路电压,建立SOE等效电路模型;采用SOE等效电路模型确定每个时间点的电池剩余电量,基于每个时间点的电池剩余电量,采用粒子滤波算法对每个时间点的电池剩余电量进行估计,以获得电池的平均剩余电量;其次,建立SOE总能量估计模型,基于SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值;最后,基于当前时刻电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量,提高了电池SOE估算精度。
在一些实施例中,步骤S100中,电池管理系统上电初始化后启动采样,采集电池当前温度及电压,即电池初始开路电压OCV,实时采样数据,对采集到的电压Ut、当前电池温度Tt、电流It等信息进行分析统计。
在一些实施例中,步骤S200中,基于采样数据以及开路电压,确定电池剩余能量与电池总能量的比值,其电池剩余能量与电池总能量的比值计算式为:
,
其中,为/>时刻电池剩余能量与电池总能量的比值,/>为初始时刻电池剩余能量与电池总能量的比值,/>为/>时刻电池电压,/>为/>时刻电池电流,/>为电池总能量,/>为时间间隔。
建立一阶RC等效电路模型,采用一阶RC等效电路模型描述电池的动态特性电池模型,其一阶RC等效电路模型计算式为:
,
,
其中,为RC网络上的电压计算值,/>为/>时刻电池电压,/>为RC网络上的电压;/>为极化电阻,/>为极化电容,OCV为模型的开路电压,/>为电池的充/放电欧姆内阻;
基于电池脉冲放电测试(HPPC)实验数据利用遗传算法对一阶RC等效电路模型的参数进行辨识,其辨识参数的参数至少包括放电欧姆内阻、充电欧姆内阻/>、极化内阻/>和时间常数/>。
基于电池剩余能量与电池总能量的比值以及训练完备的一阶RC等效电路模型,将电池剩余能量与电池总能量的比值计算式以及一阶RC等效电路模型离散化并联合,以获得状态转移方程以及量测方程,其状态转移方程计算式为:
,
,
其中,为状态方程中的/>时刻状态变量,/>为/>时刻电池剩余能量与电池总能量的比值,/>为/>时刻电池电流,/>为/>时刻和/>时刻的时间差,/>、为/>时刻电池总能量,/>为/>时刻电池电压,/>为/>时刻一阶RC等效电路模型上的电压,/>为比例系数,/>为极化内阻,/>为状态转移中的过程噪声;
其量测方程计算式为:
,
其中,为锂离子电池端电压,/>为电压测量噪声,/>为/>时刻电池电压,/>为/>时刻一阶RC等效电路模型上的电压,OCV为模型的开路电压,/>为欧姆内阻;
联合状态转移方程以及量测方程,基于模型状态空间转移等式,建立SOE等效电路模型,其SOE等效电路模型计算式为:
,
其中,为状态方程中的/>时刻状态变量,/>为/>时刻电池总能量,/>为量测方程的观测值,/>为电压测量噪声,/>为状态转移函数,/>为测量函数,/>为函数的激励,/>和/>为状态转移中的过程噪声,并且都服从均值为0,高斯分布且独立。
在一些实施例中,步骤S300中,采用SOE等效电路模型计算出每个时间点的电池剩余电量,将每个时间点的电池剩余电量作为粒子的初始状态,使用粒子滤波算法对每个时间点的电池剩余电量进行估计,根据估计结果,计算出电池的平均剩余电量即系统当前剩余能量SOE。
在一些实施例中,步骤S400中,根据SOE基础定义结合安时积分建立SOE总能量估计模型,其SOE总能量估计模型为:
,
,
,
,
其中,为状态变量,/>为控制变量,/>为/>时刻电池额定电量,/>为/>时刻电池额定电量估计值,/>为状态转移矩阵系数均为1,/>是函数的偏导数,/>是状态转移矩阵系数,/>为能量转化效率,/>为时间差,/>为当前时刻电流测变量,/>为当前时刻电压测变量,其状态变量/>,为控制变量/>,/>。
对扩展卡尔曼滤波算法进行初始化处理,确定状态变量初始值的估计值和协方差矩阵,其扩展卡尔曼滤波算法计算式为:
,
,
其中,为系统/>时刻状态变量,/>为系统非线性方程表达式,为系统非线性方程表达式,/>为系统噪声,/>为测量噪声,/>为系统在/>时刻的输入量,/>是系统/>时刻的输出量;其扩展卡尔曼滤波算法的初始化计算式为:
,
,
,
,
其中,为状态变量初始值的估计值,/>为状态变量初始值,/>为求取/>的期望,/>为初始时刻系统状态的协方差矩阵,/>为初始时刻系统噪声协方差矩阵,/>为初始时刻测量噪声协方差矩阵,/>为系统噪声,/>为测量噪声,/>为时间。
基于SOE总能量估计模型以及电池平均剩余电量,执行扩展卡尔曼滤波算法来估计电池总能量值时,执行时间更新和量测更新迭代,以获得当前时刻电池总能量的实时估计值,实现总能量的在线更新,其时间更新计算式为:
,
,
其中,为/>时刻系统状态的先验估计值,/>为/>时刻系统状态协方差矩阵的估计值,/>为/>时刻系统的状态转移矩阵,/>为/>时刻系统噪声协方差矩阵,为/>时刻系统状态的协方差矩阵;其测量更新计算式为:
,
,
,
其中,为卡尔曼增益矩阵,/>为/>时刻的测量雅克比矩阵,/>为测量噪声的协方差矩阵,/>为单位矩阵。
在一些实施例中,步骤S500中,基于当前时刻电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量,通过粒子滤波算法,提高了算法鲁棒性,有效抑制系统发散,提高了全局SOE估算精度。
在一些实施例中,重复步骤S300至步骤S500,以获得电池实时总能量以及电池剩余可用能量SOE,其中,计算SOE的同时更新电池总能量值,避免了总能量衰减引起的精度降低。
如图2所示,基于船用锂离子动力电池剩余能量估计方法,本发明还相应提供了一种电子设备,该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器10、存储器20及显示器30。图2仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器20在一些实施例中可以是该电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器20在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器20还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器20用于存储安装于电子设备的应用软件及各类数据,例如安装电子设备的程序代码等。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有船用锂离子动力电池剩余能量估计程序40,该船用锂离子动力电池剩余能量估计程序40可被处理器10所执行,从而实现本发明各实施例的船用锂离子动力电池剩余能量估计方法。
处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器20中存储的程序代码或处理数据,例如船用锂离子动力电池剩余能量估计方法等。
显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器30用于显示在所述船用锂离子动力电池剩余能量估计的信息以及用于显示可视化的用户界面。电子设备的部件10-30通过系统总线相互通信。
在一些实施例中,当处理器10执行存储器20中船用锂离子动力电池剩余能量估计程序40时实现如上述各实施例所述的船用锂离子动力电池剩余能量估计方法中的各个步骤,由于上文已对船用锂离子动力电池剩余能量估计方法进行详细描述,在此不再赘述。
综上所述,本发明提供的船用锂离子动力电池剩余能量估计方法、设备及介质,首先,获取实时采样数据以及电池初始开路电压,基于采样数据以及开路电压,建立SOE等效电路模型,采用SOE等效电路模型确定每个时间点的电池剩余电量,基于每个时间点的电池剩余电量,采用粒子滤波算法对每个时间点的电池剩余电量进行估计,以获得电池的平均剩余电量,其次,建立SOE总能量估计模型,基于SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值,最后,基于当前时刻电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量,提高了电池SOE估算精度。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种船用锂离子动力电池剩余能量估计方法,其特征在于,包括如下步骤:
获取实时采样数据以及电池初始开路电压;
基于所述采样数据以及开路电压,建立SOE等效电路模型;
采用所述SOE等效电路模型确定每个时间点的电池剩余电量,基于所述每个时间点的电池剩余电量,采用粒子滤波算法对所述每个时间点的电池剩余电量进行估计,以获得电池平均剩余电量;
建立SOE总能量估计模型,基于所述SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值;
基于当前时刻所述电池总能量的实时估计值以及SOE等效电路模型,采用粒子滤波算法计算出当前时刻的电池剩余能量。
2.根据权利要求1所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述基于所述采样数据以及开路电压,建立SOE等效电路模型,包括:
基于所述采样数据以及开路电压,确定电池剩余能量与电池总能量的比值;
建立一阶RC等效电路模型,采用遗传算法对所述一阶RC等效电路模型的参数进行辨识;
基于所述比值以及训练完备的所述一阶RC等效电路模型,获得状态转移方程以及量测方程后,建立SOE等效电路模型。
3.根据权利要求2所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述电池剩余能量与电池总能量的比值计算式为:
,
其中,为/>时刻电池剩余能量与电池总能量的比值,/>为初始时刻电池剩余能量与电池总能量的比值,/>为/>时刻电池电压,/>为/>时刻电池电流,/>为电池总能量,/>为时间间隔。
4.根据权利要求3所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述一阶RC等效电路模型计算式为:
,
,
其中,为RC网络上的电压计算值,/>为/>时刻电池电压,/>为RC网络上的电压;为极化电阻,/>为极化电容,OCV为模型的开路电压,/>为电池的充/放电欧姆内阻。
5.根据权利要求4所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述状态转移方程计算式为:
,
,
其中,为状态方程中的/>时刻状态变量,/>为/>时刻电池剩余能量与电池总能量的比值,/>为/>时刻电池电流,/>为/>时刻和/>时刻的时间差,/>、/>为时刻电池总能量,/>为/>时刻电池电压,/>为/>时刻一阶RC等效电路模型上的电压,为比例系数,/>为极化内阻,/>为状态转移中的过程噪声;
所述量测方程计算式为:
,
其中,为锂离子电池端电压,/>为电压测量噪声,/>为/>时刻电池电压,/>为/>时刻一阶RC等效电路模型上的电压,OCV为模型的开路电压,/>为欧姆内阻;
所述SOE等效电路模型计算式为:
,
其中,为状态方程中的/>时刻状态变量,/>为/>时刻电池总能量,/>为量测方程的观测值,/>为电压测量噪声,/>为状态转移函数,/>为测量函数,/>为函数的激励,/>和/>为状态转移中的过程噪声。
6.根据权利要求1所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述建立SOE总能量估计模型,基于所述SOE总能量估计模型以及平均剩余电量,采用扩展卡尔曼滤波算法计算出电池总能量值,以获得当前时刻电池总能量的实时估计值,包括:
根据SOE基础定义结合安时积分建立SOE总能量估计模型;
对扩展卡尔曼滤波算法进行初始化处理,确定状态变量初始值的估计值和协方差矩阵;
基于所述SOE总能量估计模型以及平均剩余电量,执行所述扩展卡尔曼滤波算法来估计电池总能量值时,执行时间更新和量测更新迭代,以获得当前时刻电池总能量的实时估计值。
7.根据权利要求6所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述SOE总能量估计模型计算式为:
,
,
,
,
其中,为状态变量,/>为控制变量,/>为/>时刻电池额定电量,/>为/>时刻电池额定电量估计值,/>为状态转移矩阵系数均为1,/>是函数的偏导数,/>是状态转移矩阵系数,/>为能量转化效率,/>为时间差,/>为当前时刻电流测变量,/>为当前时刻电压测变量。
8.根据权利要求7所述的船用锂离子动力电池剩余能量估计方法,其特征在于,所述扩展卡尔曼滤波算法计算式为:
,
,
其中,为系统/>时刻状态变量,/>为系统非线性方程表达式,/>为系统非线性方程表达式,/>为系统噪声,/>为测量噪声,/>为系统在/>时刻的输入量,是系统/>时刻的输出量;
所述时间更新计算式为:
,
,
其中,为/>时刻系统状态的先验估计值,/>为/>时刻系统状态协方差矩阵的估计值,/>为/>时刻系统的状态转移矩阵,/>为/>时刻系统噪声协方差矩阵,/>为时刻系统状态的协方差矩阵;
所述测量更新计算式为:
,
,
,
其中,为卡尔曼增益矩阵,/>为/>时刻的测量雅克比矩阵,/>为测量噪声的协方差矩阵,/>为单位矩阵。
9.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的船用锂离子动力电池剩余能量估计方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-8任意一项所述的船用锂离子动力电池剩余能量估计方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311351909.7A CN117110895B (zh) | 2023-10-19 | 2023-10-19 | 一种船用锂离子动力电池剩余能量估计方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311351909.7A CN117110895B (zh) | 2023-10-19 | 2023-10-19 | 一种船用锂离子动力电池剩余能量估计方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117110895A true CN117110895A (zh) | 2023-11-24 |
CN117110895B CN117110895B (zh) | 2024-01-05 |
Family
ID=88805791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311351909.7A Active CN117110895B (zh) | 2023-10-19 | 2023-10-19 | 一种船用锂离子动力电池剩余能量估计方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117110895B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015133103A1 (ja) * | 2014-03-03 | 2015-09-11 | パナソニックIpマネジメント株式会社 | 電池の状態推定装置、および、電池の状態推定方法 |
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 |
CN109377309A (zh) * | 2018-09-28 | 2019-02-22 | 江苏大学 | 一种基于共享汽车续航里程的实时管理系统及其使用方法 |
KR20210067227A (ko) * | 2019-11-29 | 2021-06-08 | 주식회사 민테크 | 배터리 충전 상태 추정 장치 및 방법 |
US20210364574A1 (en) * | 2020-11-06 | 2021-11-25 | Beijing Institute Of Technology | Intelligent battery and state-of-charge online estimation method and applications thereof |
CN114397578A (zh) * | 2022-02-28 | 2022-04-26 | 西安科技大学 | 一种锂离子电池剩余电量估计方法 |
CN114814591A (zh) * | 2022-03-09 | 2022-07-29 | 宁波均胜新能源研究院有限公司 | 一种锂电池soe估算方法、装置及系统 |
CN115224751A (zh) * | 2021-07-22 | 2022-10-21 | 青岛特来电新能源科技有限公司 | 电池充电剩余时长的获取方法、装置、电子设备及介质 |
KR20230064763A (ko) * | 2021-11-04 | 2023-05-11 | 에스케이온 주식회사 | 배터리의 상태 추정 방법 및 제어 장치 |
CN116125291A (zh) * | 2023-04-10 | 2023-05-16 | 国网山西省电力公司晋城供电公司 | 基于ocv曲线分段的电池能量状态估计方法及存储介质 |
CN116298904A (zh) * | 2023-01-11 | 2023-06-23 | 河南大学 | 一种基于分数阶多新息双无迹卡尔曼滤波联合估计锂电池soc和soh的方法 |
-
2023
- 2023-10-19 CN CN202311351909.7A patent/CN117110895B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015133103A1 (ja) * | 2014-03-03 | 2015-09-11 | パナソニックIpマネジメント株式会社 | 電池の状態推定装置、および、電池の状態推定方法 |
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 |
CN109377309A (zh) * | 2018-09-28 | 2019-02-22 | 江苏大学 | 一种基于共享汽车续航里程的实时管理系统及其使用方法 |
KR20210067227A (ko) * | 2019-11-29 | 2021-06-08 | 주식회사 민테크 | 배터리 충전 상태 추정 장치 및 방법 |
US20210364574A1 (en) * | 2020-11-06 | 2021-11-25 | Beijing Institute Of Technology | Intelligent battery and state-of-charge online estimation method and applications thereof |
CN115224751A (zh) * | 2021-07-22 | 2022-10-21 | 青岛特来电新能源科技有限公司 | 电池充电剩余时长的获取方法、装置、电子设备及介质 |
KR20230064763A (ko) * | 2021-11-04 | 2023-05-11 | 에스케이온 주식회사 | 배터리의 상태 추정 방법 및 제어 장치 |
CN114397578A (zh) * | 2022-02-28 | 2022-04-26 | 西安科技大学 | 一种锂离子电池剩余电量估计方法 |
CN114814591A (zh) * | 2022-03-09 | 2022-07-29 | 宁波均胜新能源研究院有限公司 | 一种锂电池soe估算方法、装置及系统 |
CN116298904A (zh) * | 2023-01-11 | 2023-06-23 | 河南大学 | 一种基于分数阶多新息双无迹卡尔曼滤波联合估计锂电池soc和soh的方法 |
CN116125291A (zh) * | 2023-04-10 | 2023-05-16 | 国网山西省电力公司晋城供电公司 | 基于ocv曲线分段的电池能量状态估计方法及存储介质 |
Non-Patent Citations (2)
Title |
---|
王颖王泽文聂巍: "船用燃料电池发电系统能量管理动态仿真研究", 《船电技术》, vol. 42, no. 10, pages 101 - 104 * |
雷津;邓磊;李小谦;姚川;: "基于EKF的船舶动力锂电池剩余容量估算", 电子测量技术, no. 12, pages 91 - 94 * |
Also Published As
Publication number | Publication date |
---|---|
CN117110895B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103197251B (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
CN113671381B (zh) | 一种基于时间卷积网络的锂离子动力电池估算方法 | |
CN111581904B (zh) | 考虑循环次数影响的锂电池soc及soh协同估算方法 | |
CN106772094B (zh) | 一种基于参数自适应的电池模型的soc估计方法 | |
CN109061506A (zh) | 基于神经网络优化ekf的锂离子动力电池soc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 | |
CN110568373A (zh) | 锂电池健康状态评估方法、系统、终端及存储介质 | |
CN101248365A (zh) | 估算与电池相关的状态向量的系统和方法 | |
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 | |
KR102646875B1 (ko) | 모의전지 구축 방법 및 모의전지 구축 장치 | |
KR20170134193A (ko) | 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템 | |
CN202794475U (zh) | 混合动力车用动力锂电池soc估计器 | |
WO2022000999A1 (zh) | 电池电量补偿方法、装置、设备及可读存储介质 | |
Li et al. | A linear recursive state of power estimation method based on fusion model of voltage and state of charge limitations | |
CN117110891A (zh) | 锂离子电池荷电状态估计值的计算方法和计算装置 | |
CN115469229A (zh) | 一种不间断电源锂电池荷电状态估算方法 | |
CN117110895B (zh) | 一种船用锂离子动力电池剩余能量估计方法、设备及介质 | |
CN110135527A (zh) | 一种高效能的无人机锂离子电池荷电状态估计系统及方法 | |
CN116819346B (zh) | 电池soc估算方法、装置、设备及存储介质 | |
CN116125279A (zh) | 一种电池健康状态的确定方法、装置、设备及存储介质 | |
CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
CN114487850A (zh) | 一种基于实车数据的动力电池容量预测方法 | |
CN116930774B (zh) | 一种电池健康状态估计校正方法及装置 | |
CN116679217A (zh) | 基于二阶等效电路的soh检测方法、装置、设备及介质 | |
CN107884723B (zh) | 动力电池荷电状态初值获取方法、系统、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |