JP2023520970A - リチウム電池のsoc推定方法、装置及びコンピュータ読み取り可能な記憶媒体 - Google Patents
リチウム電池のsoc推定方法、装置及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP2023520970A JP2023520970A JP2022549542A JP2022549542A JP2023520970A JP 2023520970 A JP2023520970 A JP 2023520970A JP 2022549542 A JP2022549542 A JP 2022549542A JP 2022549542 A JP2022549542 A JP 2022549542A JP 2023520970 A JP2023520970 A JP 2023520970A
- Authority
- JP
- Japan
- Prior art keywords
- sample
- sub
- model
- state data
- lithium 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.)
- Granted
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 72
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000010238 partial least squares regression Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 10
- 238000012628 principal component regression Methods 0.000 description 9
- 238000007621 cluster analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
-
- 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
- H01M10/443—Methods for charging or discharging in response to temperature
-
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Secondary Cells (AREA)
Abstract
Description
本出願は、2021年10月19日付けに中国国家知識産権局に提出された202111215850.Xという出願号である中国特許出願(出願名称:「リチウム電池のSOC推定方法、装置及びコンピュータ読み取り可能な記憶媒体」)による優先権を請求し、その全ての開示は本願に援用により組み込まれる。
異なる動作モードでのリチウム電池の状態データと対応するSOC値とを採集してサンプルセットを作成して、前記サンプルセットをクラスタ分析して複数のサンプルサブセットを得ることと;
サンプルサブセットごとに相応のサブモデルを作成して、複数のサンプルサブセットのサブモデル関数を得ることと;
テストされるサンプルの状態データをそれぞれ各サンプルサブセットの状態データに加えて、かつ加える前後の各サンプルサブセットの状態データの変化値を計算し、前記変化値に基づいて、テストされるサンプルに近い少なくとも1つのサブモデルを選択されたサブモデルとして選択することと;
前記選択されたサブモデルに重みを割り当て、テストされるサンプルのSOC値を計算によって得ることとを含む。
K-meansアルゴリズムを用いて前記サンプルセットをクラスタ分析し、複数のサンプルサブセットを得ることを含んであり、ステップは、
サンプルサブセット個数Nと最大反復回数Ninterを初期化することと;
前記サンプルセットから、ランダムにN個のサンプルの状態データをN個のサンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)の中心μ1、μ2、...、μj、...、μNとして選択することと、ここで、Xは状態データを表し、YはSOC値を表し、μはクラスタ中心を表し、かつ1≦j≦N;
k=1、2、...、Ninterとすることと;
N個のサンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)をそれぞれ空集合(Xj,Yj)=φ(j=1、2、...、N)に初期化することと;
毎サンプル(xi,yi)の状態データxiと各クラスタ中心μjとの間の距離を計算することと、ここで、xiはあるサンプルの状態データを表し、yiはあるサンプルのSOC値を表す;計算式は次のとおりである:
サンプル(xi,yi)を最小のdi,jが対応するサンプルサブセット(Xj,Yj)に帰属し、サンプルサブセット(Xj,Yj)=(Xj,Yj)∪(xi,yi)を更新することと;
更新後の各サンプルサブセットのクラスタ中心
を計算することと、ここで、
はj番目のサンプルサブセットのサンプル個数である;
であれば、サンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)を出力することと、ここで、k=1、2、...、Ninter;
そうでない場合、反復回数が前記最大反復回数Ninterに達するまで、k←k+1とすることとを含む。
部分的最小二乗回帰法を用いてサンプルサブセットごとに相応のPLSサブモデルを作成して、複数のサンプルサブセットのPLSサブモデル関数を得ることを含んでおり、
前記PLSサブモデルは以下のように表現する:
ここで、Tj、Ujはj番目のPLSサブモデルのスコア行列であり、Pj、Qjはj番目のPLSサブモデルの負荷行列であり、EXj、EYjはj番目のPLSサブモデルの残差行列である;
前記スコア行列は線形回帰により関連つけられる:
ここで、Bj、Ejはそれぞれj番目のPLSサブモデルの対角行列及び回帰残差行列である;
前記複数のサンプルサブセットのPLSサブモデル関数は次のように表現する:
ここで、fはサブモデル関数を表す。
前記テストされるサンプルの状態データxtextをそれぞれ各サンプルサブセットの状態データx1、...、xj、...、xNに加えて、新たな状態データ(X1,xtext)、...、(Xj,xtext)、...、(XN,xtext)を得ることと;
Xjと(Xj,xtext)の間の第1の発散情報値Kjを計算することと、ここで、前記第1の発散情報値Kjの式は次のとおりである:
ここで、Σ1、σ1はそれぞれXjの共分散行列及び平均値であり、Σ2、σ2はそれぞれ(Xj,xtext)の共分散行列及び平均値であり、traceは行列のトレースを求めるための演算子である;
前記第1の発散情報値Kjを正規化処理して、第2の発散情報値
を取得することと含む、ここで、前記正規化の式は次のとおりである:
。
を事前設定発散情報値εと比較して、事前設定発散情報値ε以上の
が対応するサブモデルを、接近する選択されたサブモデルとすることを含んでおり、前記選択されたサブモデルの集合の表現式は次のとおりである:
ここで、Ncは選択されたサブモデルの総個数である。
異なる動作モードでのリチウム電池の状態データと対応するSOC値とを採集してサンプルセットを作成して、前記サンプルセットをクラスタ分析して複数のサンプルサブセットを得るための取得モジュールと;
サンプルサブセットごとに相応のサブモデルを作成して、複数のサンプルサブセットのサブモデル関数を得るためのモデル作成モジュールと;
テストされるサンプルの状態データをそれぞれ各サンプルサブセットの状態データに加えて、かつ加える前後の各サンプルサブセットの状態データの変化値を計算し、前記変化値に基づいて、テストされるサンプルに近い少なくとも1つのサブモデルを選択されたサブモデルとして選択するための選択モジュールと;
前記選択されたサブモデルに重みを割り当て、テストされるサンプルのSOC値を計算によって得るためのSOC計算モジュールとを含む。
少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに通信接続されるメモリと、を備えており、
前記メモリに前記少なくとも1つのプロセッサによって実行可能なコマンドが記憶され、前記コマンドは前記少なくとも1つのプロセッサによって実行され、前記少なくとも1つのプロセッサに上記のような方法を実行させることができる。
S12. 前記サンプルセットから、ランダムにN個のサンプルの状態データをN個のサンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)の初期のクラスタ中心μ1、μ2、...、μj、...、μNとして選択して、μはクラスタ中心を表し、かつ1≦j≦N;
S13. k=1、2、...、Ninterとする;
(a)N個のサンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)をそれぞれ空集合(Xj,Yj)=φ(j=1、2、...、N)に初期化する;
(b)各サンプル(xi,yi)の状態データxiと各クラスタ中心μjとの間の距離を計算して、ここで、xiはあるサンプルの状態データを表し、yiはあるサンプルのSOC値を表す;計算式は次のとおりである:
(c)サンプル(xi,yi)を最小のdi,jが対応するサンプルサブセット(Xj,Yj)に帰属し、サンプルサブセット(Xj,Yj)=(Xj,Yj)∪(xi,yi)を更新する;
(d)更新後の各サンプルサブセットのクラスタ中心
を計算して、ここで、
はj番目のサンプルサブセットのサンプル個数である;
(e)
であれば、サンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)を出力して、ここで、k=1、2、...、Ninter;
(f)そうでない場合、反復回数が前記最大反復回数Ninterに達するまで、k←k+1とする。
ここで、Tj、Ujはj番目のPLSサブモデルのスコア行列であり、Pj、Qjはj番目のPLSサブモデルの負荷行列であり、EXj、EYjはj番目のPLSサブモデルの残差行列である。
これをスペクトル分解する:
ΣjPi,j=λi,jPi,j(i=1、2、3、...h);
ここで、hは主成分個数であり、Pi,jは共分散行列の特徴ベクトルであり、λi,jは降順に並んだ特徴値である。代表的な主成分を抽出して原始データにおける大部分の変化を解釈する:
ここで、ti,j=XjPi,jは主成分ベクトルである。最後には、複数のサンプルサブセットのPCRサブモデル関数は以下のように表現する:
ここで、βi,jは回帰係数であり、Nはサンプルサブセット個数である。
ここで、Σ1、σ1はそれぞれXjの共分散行列及び平均値であり、Σ2、σ2はそれぞれ(Xj,xtext)の共分散行列及び平均値であり、traceは行列のトレースを求めるための演算子である。
を取得して、ここで、前記正規化の式は次のとおりである:
が大きいほど、xtextとXjとの類似度が高いこと、即ち、xtextとXjとによって特徴付けられたリチウム電池の動作モードが近いことを表明する。そのため、サンプルの確率密度分布から、Nc個の比較的大きな
が対応するサブモデルを選択する。
を事前設定発散情報値εと比較して、事前設定発散情報値ε以上の
が対応するサブモデルを、接近する選択されたサブモデルとする。選択されたサブモデルの集合の表現式は、
であり、Qcは次の式で決定される:
ここで、Ncは選択されたサブモデルの総個数である。
に関連しており、選択されたサブモデルにおける各選択されたサブモデルの重みを
とする;
ベイズの全確率式から、その重みはさらに次のように表すことができる:
ここで、
であり、
ここで、
はテストサンプルxtextがXsに属する事後確率であり、P(Xs)はXsが現在のリチウム電池の動作モードを説明できる事前確率であり、
はxtextがXsにより生成されることができる確率を表す。
前記モデル作成モジュール12は、サンプルサブセットごとに相応のサブモデルを作成して、複数のサンプルサブセットのサブモデル関数を得るために用いられる;
前記選択モジュール13は、テストされるサンプルの状態データをそれぞれ各サンプルサブセットの状態データに加えて、かつ加える前後の各サンプルサブセットの状態データの変化値を計算し、前記変化値に基づいて、テストされるサンプルに近い少なくとも1つのサブモデルを選択されたサブモデルとして選択するために用いられる;
前記SOC計算モジュール14は、前記選択されたサブモデルに重みを割り当て、テストされるサンプルのSOC値を計算によって得るために用いられる。
(1)ウルトラモバイルパソコンデバイス:このようなデバイスはパソコンの範疇に属し、コンピューティング機能及び処理機能を有して、一般的にモバイルでインターネットにアクセスできる特性も備えている。このような端末には、PDA、MID、及びUMPCデバイスなどを含み、例えば、iPadである。
(2)サーバ:コンピューティングサービスを提供するデバイスであり、サーバの構成は、プロセッサ、ハードディスク、内部記憶装置、システムバスなどを含んでおり、サーバは汎用のコンピューターアーキテクチャと類似しているが、高い信頼性のサービスを提供する必要があるため、処理能力、安定性、信頼性、安全性、拡張性、管理性などの方面において比較的高い要求がある。
(3)その他のデータ相互機能を有する電子装置。
Claims (12)
- 異なる動作モードでのリチウム電池の状態データと対応するSOC値とを採集してサンプルセットを作成して、前記サンプルセットをクラスタ分析して複数のサンプルサブセットを得ることと;
サンプルサブセットごとに相応のサブモデルを作成して、複数のサンプルサブセットのサブモデル関数を得ることと;
テストされるサンプルの状態データをそれぞれ各サンプルサブセットの状態データに加えて、かつ加える前後の各サンプルサブセットの状態データの変化値を計算し、前記変化値に基づいて、テストされるサンプルに近い少なくとも1つのサブモデルを選択されたサブモデルとして選択することと;
前記選択されたサブモデルに重みを割り当て、テストされるサンプルのSOC値を計算によって得ることとを含む、ことを特徴とするリチウム電池のSOC推定方法。 - 前記リチウム電池の状態データは、リチウム電池の充放電電流、端子電圧、温度のうちの少なくとも一つを含む、ことを特徴とする請求項1に記載の方法。
- 上記した前記サンプルセットをクラスタ分析して複数のサンプルサブセットを得ることは、K-meansアルゴリズムを用いて前記サンプルセットをクラスタ分析し、複数のサンプルサブセットを得ることを含み、ステップは、
サンプルサブセット個数Nと最大反復回数Ninterを初期化することと;
前記サンプルセットから、ランダムにN個のサンプルの状態データをN個のサンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)の中心μ1、μ2、...、μj、...、μNとして選択することと、ここで、Xは状態データを表し、YはSOC値を表し、μはクラスタ中心を表し、かつ1≦j≦N;
k=1、2、...、Ninterとすることと;
N個のサンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)をそれぞれ空集合(Xj,Yj)=φ(j=1、2、...、N)に初期化することと;
毎サンプル(xi,yi)の状態データxiと各クラスタ中心μjとの間の距離を計算することと、ここで、xiはあるサンプルの状態データを表し、yiはあるサンプルのSOC値を表す;計算式は次のとおりである:
サンプル(xi,yi)を最小のdi,jが対応するサンプルサブセット(Xj,Yj)に帰属し、サンプルサブセット(Xj,Yj)=(Xj,Yj)∪(xi,yi)を更新することと;
更新後の各サンプルサブセットのクラスタ中心
を計算することと、ここで、
はj番目のサンプルサブセットのサンプル個数である;
であれば、サンプルサブセット(X1,Y1)、(X2,Y2)、...、(Xj,Yj)、...、(XN,YN)を出力することと、ここで、k=1、2、...、Ninter;
そうでない場合、反復回数が前記最大反復回数Ninterに達するまで、k←k+1とすることとを含む、ことを特徴とする請求項1に記載の方法。 - 上記したサンプルサブセットごとに相応のサブモデルを作成して、複数のサンプルサブセットのサブモデル関数を得ることは、部分的最小二乗回帰法を用いてサンプルサブセットごとに相応のPLSサブモデルを作成して、複数のサンプルサブセットのPLSサブモデル関数を得ることを含んであり、
前記PLSサブモデルは以下のように表現する:
ここで、Tj、Ujはj番目のPLSサブモデルのスコア行列であり、Pj、Qjはj番目のPLSサブモデルの負荷行列であり、EXj、EYjはj番目のPLSサブモデルの残差行列である;
前記スコア行列は線形回帰により関連つけられる:
ここで、Bj、Ejはそれぞれj番目のPLSサブモデルの対角行列及び回帰残差行列である;
前記複数のサンプルサブセットのPLSサブモデル関数は次のように表現する:
ここで、fはサブモデル関数を表す、ことを特徴とする請求項1に記載の方法。 - 上記したテストされるサンプルの状態データをそれぞれ各サンプルサブセットの状態データに加えて、かつ加える前後の各サンプルサブセットの状態データの変化値を計算することは、
前記テストされるサンプルの状態データxtextをそれぞれ各サンプルサブセットの状態データx1、...、xj、...、xNに加えて、新たな状態データ(X1,xtext)、...、(Xj,xtext)、...、(XN,xtext)を得ることと;
Xjと(Xj,xtext)の間の第1の発散情報値Kjを計算することと、ここで、前記第1の発散情報値Kjの式は次のとおりである:
ここで、Σ1、σ1はそれぞれXjの共分散行列及び平均値であり、Σ2、σ2はそれぞれ(Xj,xtext)の共分散行列及び平均値であり、traceは行列のトレースを求めるための演算子である;
前記第1の発散情報値Kjを正規化処理して、第2の発散情報値
を取得することと、ここで、前記正規化の式は次のとおりである:
;含む、ことを特徴とする請求項1に記載の方法。 - 異なる動作モードでのリチウム電池の状態データと対応するSOC値とを採集してサンプルセットを作成して、前記サンプルセットをクラスタ分析して複数のサンプルサブセットを得るための取得モジュールと;
サンプルサブセットごとに相応のサブモデルを作成して、複数のサンプルサブセットのサブモデル関数を得るためのモデル作成モジュールと;
テストされるサンプルの状態データをそれぞれ各サンプルサブセットの状態データに加えて、かつ加える前後の各サンプルサブセットの状態データの変化値を計算し、前記変化値に基づいて、テストされるサンプルに近い少なくとも1つのサブモデルを選択されたサブモデルとして選択するための選択モジュールと;
前記選択されたサブモデルに重みを割り当て、テストされるサンプルのSOC値を計算によって得るためのSOC計算モジュールとを含む、ことを特徴とするリチウム電池のSOC推定装置。 - コンピュータで実行可能なコマンドが記憶されるコンピュータ読み取り可能な記憶媒体であって、前記コンピュータで実行可能なコマンドは、コンピュータに請求項1~8のいずれか一項に記載の方法を実行させるために用いられるものである、ことを特徴とするコンピュータ読み取り可能な記憶媒体。
- 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに通信接続されるメモリと、を備える電子デバイスであって、
前記メモリに前記少なくとも1つのプロセッサによって実行可能なコマンドが記憶され、前記コマンドは前記少なくとも1つのプロセッサによって実行され、前記少なくとも1つのプロセッサに請求項1~8のいずれか一項に記載の方法を実行させることができる、ことを特徴とする電子デバイス。 - コンピュータ読み取り可能な不揮発性記憶媒体に記憶されるコンピュータプログラムを含むコンピュータプログラム製品であって、前記コンピュータプログラムはプログラムコマンドを含み、前記プログラムコマンドが電子デバイスにより実行される時に、前記電子デバイスに請求項1~8のいずれか一項に記載の方法を実行させることができる、ことを特徴とするコンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111215850.X | 2021-10-19 | ||
CN202111215850.XA CN113655385B (zh) | 2021-10-19 | 2021-10-19 | 锂电池soc估计方法、装置及计算机可读存储介质 |
PCT/CN2022/081476 WO2022213789A1 (zh) | 2021-10-19 | 2022-03-17 | 锂电池soc估计方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023520970A true JP2023520970A (ja) | 2023-05-23 |
JP7450741B2 JP7450741B2 (ja) | 2024-03-15 |
Family
ID=78494656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022549542A Active JP7450741B2 (ja) | 2021-10-19 | 2022-03-17 | リチウム電池のsoc推定方法、装置及びコンピュータ読み取り可能な記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230118702A1 (ja) |
EP (1) | EP4113139A4 (ja) |
JP (1) | JP7450741B2 (ja) |
CN (1) | CN113655385B (ja) |
WO (1) | WO2022213789A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655385B (zh) * | 2021-10-19 | 2022-02-08 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
CN114264957B (zh) * | 2021-12-02 | 2024-05-07 | 东软集团股份有限公司 | 一种异常单体检测方法及其相关设备 |
CN114047452B (zh) * | 2022-01-13 | 2022-05-13 | 浙江玥视科技有限公司 | 一种确定电池循环寿命的方法及装置 |
CN115524615A (zh) * | 2022-10-08 | 2022-12-27 | 深圳先进技术研究院 | 基于电池制浆工艺的材料参数组合预测电池性能的方法 |
CN116298933B (zh) * | 2023-05-18 | 2023-08-08 | 西南交通大学 | 一种串联电池组的soc估计方法 |
CN116449221B (zh) * | 2023-06-14 | 2023-09-29 | 浙江天能新材料有限公司 | 锂电池荷电状态预测方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012189373A (ja) * | 2011-03-09 | 2012-10-04 | Furukawa Electric Co Ltd:The | 二次電池状態検出装置および二次電池状態検出方法 |
JP2014059206A (ja) * | 2012-09-18 | 2014-04-03 | Toyota Industries Corp | 充電状態推定装置及び充電状態推定方法 |
US20170045587A1 (en) * | 2015-08-13 | 2017-02-16 | Samsung Electronics Co., Ltd. | Apparatus and method for state of charge (soc) determination for battery |
CN107741568A (zh) * | 2017-11-08 | 2018-02-27 | 中南大学 | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 |
CN110646737A (zh) * | 2019-09-20 | 2020-01-03 | 广州市香港科大霍英东研究院 | 基于多模型的电池soc动态估算方法、系统及存储介质 |
CN110687462A (zh) * | 2019-11-04 | 2020-01-14 | 北京理工大学 | 一种动力电池soc与容量全生命周期联合估计方法 |
JP2021071321A (ja) * | 2019-10-29 | 2021-05-06 | 株式会社Gsユアサ | Soc推定装置、蓄電装置及びsoc推定方法 |
Family Cites Families (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6377028B1 (en) * | 1990-10-23 | 2002-04-23 | Texas Instruments Incorporated | System for charging monitoring batteries for a microprocessor based method |
US6060864A (en) * | 1994-08-08 | 2000-05-09 | Kabushiki Kaisha Toshiba | Battery set structure and charge/discharge control apparatus for lithium-ion battery |
US5761072A (en) * | 1995-11-08 | 1998-06-02 | Ford Global Technologies, Inc. | Battery state of charge sensing system |
US5729116A (en) * | 1996-12-20 | 1998-03-17 | Total Battery Management, Inc. | Shunt recognition in lithium batteries |
TW530429B (en) * | 2001-12-24 | 2003-05-01 | Avid Electronics Corp | Intelligent secondary battery management method and device |
US7567057B2 (en) * | 2003-08-11 | 2009-07-28 | Reserve Power Cell, Llc | Multiple battery management system, auxiliary battery attachment system, and network controlled multiple battery system |
JP4275078B2 (ja) * | 2005-01-13 | 2009-06-10 | 三洋電機株式会社 | 電池の制限電流制御方法 |
KR100793616B1 (ko) * | 2005-06-13 | 2008-01-10 | 주식회사 엘지화학 | 배터리 잔존량 추정 장치 및 방법 |
JP4866187B2 (ja) * | 2006-09-05 | 2012-02-01 | プライムアースEvエナジー株式会社 | 電池制御装置、電動車両、及び二次電池の充電状態を推定するための処理をコンピュータに実行させるためのプログラム |
TW200933181A (en) * | 2008-01-30 | 2009-08-01 | Inventec Appliances Corp | A method for estimating lithium battery lifetime of portable electronic products |
US7957921B2 (en) * | 2008-02-19 | 2011-06-07 | GM Global Technology Operations LLC | Model-based estimation of battery hysteresis |
JP4469000B2 (ja) * | 2008-04-18 | 2010-05-26 | トヨタ自動車株式会社 | 電源システムおよびそれを備えた車両、ならびに電源システムの制御方法 |
JP5431842B2 (ja) * | 2008-10-21 | 2014-03-05 | セイコーインスツル株式会社 | バッテリ状態監視回路及びバッテリ装置 |
CN102859381A (zh) * | 2010-04-22 | 2013-01-02 | 埃纳德尔公司 | 电池充电状态的监视 |
JP5838313B2 (ja) * | 2010-09-30 | 2016-01-06 | パナソニックIpマネジメント株式会社 | 蓄電池充放電制御装置および蓄電池充放電制御方法 |
US9157966B2 (en) * | 2011-11-25 | 2015-10-13 | Honeywell International Inc. | Method and apparatus for online determination of battery state of charge and state of health |
US9658291B1 (en) * | 2012-10-06 | 2017-05-23 | Hrl Laboratories, Llc | Methods and apparatus for dynamic estimation of battery open-circuit voltage |
KR101547005B1 (ko) * | 2012-10-26 | 2015-08-24 | 주식회사 엘지화학 | 배터리 잔존 용량 추정 장치 및 방법 |
JP5388078B1 (ja) * | 2012-11-14 | 2014-01-15 | レーザーテック株式会社 | 解析装置及び解析方法 |
AT512003A3 (de) * | 2013-01-23 | 2014-05-15 | Avl List Gmbh | Verfahren zur Ermittlung eines regelungstechnischen Beobachters für den SoC |
US9077182B2 (en) * | 2013-01-29 | 2015-07-07 | Mitsubishi Electric Research Laboratories, Inc. | Method for estimating state of charge for lithium-ion batteries |
US9244129B2 (en) * | 2013-01-29 | 2016-01-26 | Mitsubishi Electronic Research Laboratories, Inc. | Method for estimating a state of charge of batteries |
US20140244193A1 (en) * | 2013-02-24 | 2014-08-28 | Fairchild Semiconductor Corporation | Battery state of charge tracking, equivalent circuit selection and benchmarking |
US8972091B2 (en) * | 2013-03-12 | 2015-03-03 | Ford Global Technologies, Llc | Reduced central processing unit load and memory usage battery state of charge calculation |
WO2015064004A1 (ja) * | 2013-10-29 | 2015-05-07 | パナソニックIpマネジメント株式会社 | 電池状態推定装置 |
CN103640569B (zh) * | 2013-11-28 | 2016-04-27 | 江苏大学 | 基于多智能体技术的混合动力汽车能量管理方法 |
US9989595B1 (en) * | 2013-12-31 | 2018-06-05 | Hrl Laboratories, Llc | Methods for on-line, high-accuracy estimation of battery state of power |
EP3186652B1 (en) * | 2014-08-29 | 2021-07-14 | The Regents Of The University Of Michigan | Bulk force in a battery pack and its application to state of charge estimation |
KR102468895B1 (ko) * | 2015-07-21 | 2022-11-21 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
CN105807231B (zh) * | 2016-03-14 | 2018-10-19 | 深圳供电局有限公司 | 一种用于蓄电池剩余容量检测的方法及系统 |
US10324135B2 (en) * | 2016-06-06 | 2019-06-18 | Mitsubishi Electric Research Laboratories, Inc. | Methods and systems for data-driven battery state of charge (SoC) estimation |
CN107367693B (zh) * | 2017-07-07 | 2018-05-29 | 淮阴工学院 | 一种电动汽车动力电池soc检测系统 |
CN107688343B (zh) * | 2017-08-01 | 2019-12-06 | 北京理工大学 | 一种混合动力车辆的能量控制方法 |
CN107656210B (zh) * | 2017-09-14 | 2020-01-21 | 广州市香港科大霍英东研究院 | 一种估算电池电量状态的方法 |
US11226374B2 (en) * | 2017-10-17 | 2022-01-18 | The Board Of Trustees Of The Leland Stanford Junior University | Data-driven model for lithium-ion battery capacity fade and lifetime prediction |
KR102296993B1 (ko) * | 2017-11-17 | 2021-09-01 | 주식회사 엘지에너지솔루션 | 배터리 저항 추정 장치 및 방법 |
CN109615014B (zh) * | 2018-12-17 | 2023-08-22 | 清华大学 | 一种基于kl散度优化的3d物体数据分类系统与方法 |
CN109586373B (zh) * | 2018-12-27 | 2024-05-17 | 华为技术有限公司 | 一种电池充电方法和装置 |
CN111693868A (zh) * | 2019-03-12 | 2020-09-22 | 天津工业大学 | 基于密度特征聚类集成的锂电池荷电状态估算方法 |
US20220065935A1 (en) * | 2019-05-08 | 2022-03-03 | Hewlett-Packard Development Company, L.P. | Predicting future battery safety threat events with causal models |
JP6818947B1 (ja) * | 2020-02-25 | 2021-01-27 | 三菱電機株式会社 | 蓄電池状態推定装置および蓄電池状態推定方法 |
CN111323719A (zh) * | 2020-03-18 | 2020-06-23 | 北京理工大学 | 一种电动汽车动力电池组健康状态在线确定方法和系统 |
US11385292B2 (en) * | 2020-09-10 | 2022-07-12 | Volkswagen Aktiengesellschaft | Battery materials screening |
CN111999657B (zh) * | 2020-10-29 | 2021-01-29 | 北京航空航天大学 | 一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法 |
WO2022157802A1 (en) * | 2021-01-21 | 2022-07-28 | Kpit Technologies Limited | A system and method for estimating a state of charge (soc) of a battery |
CN113206307B (zh) * | 2021-05-06 | 2022-08-09 | 福建工程学院 | 结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 |
CN113655385B (zh) * | 2021-10-19 | 2022-02-08 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
-
2021
- 2021-10-19 CN CN202111215850.XA patent/CN113655385B/zh active Active
-
2022
- 2022-03-17 EP EP22773375.5A patent/EP4113139A4/en active Pending
- 2022-03-17 JP JP2022549542A patent/JP7450741B2/ja active Active
- 2022-03-17 WO PCT/CN2022/081476 patent/WO2022213789A1/zh unknown
- 2022-08-23 US US17/893,416 patent/US20230118702A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012189373A (ja) * | 2011-03-09 | 2012-10-04 | Furukawa Electric Co Ltd:The | 二次電池状態検出装置および二次電池状態検出方法 |
JP2014059206A (ja) * | 2012-09-18 | 2014-04-03 | Toyota Industries Corp | 充電状態推定装置及び充電状態推定方法 |
US20170045587A1 (en) * | 2015-08-13 | 2017-02-16 | Samsung Electronics Co., Ltd. | Apparatus and method for state of charge (soc) determination for battery |
CN107741568A (zh) * | 2017-11-08 | 2018-02-27 | 中南大学 | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 |
CN110646737A (zh) * | 2019-09-20 | 2020-01-03 | 广州市香港科大霍英东研究院 | 基于多模型的电池soc动态估算方法、系统及存储介质 |
JP2021071321A (ja) * | 2019-10-29 | 2021-05-06 | 株式会社Gsユアサ | Soc推定装置、蓄電装置及びsoc推定方法 |
CN110687462A (zh) * | 2019-11-04 | 2020-01-14 | 北京理工大学 | 一种动力电池soc与容量全生命周期联合估计方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7450741B2 (ja) | 2024-03-15 |
US20230118702A1 (en) | 2023-04-20 |
CN113655385A (zh) | 2021-11-16 |
EP4113139A1 (en) | 2023-01-04 |
WO2022213789A1 (zh) | 2022-10-13 |
EP4113139A4 (en) | 2023-11-08 |
CN113655385B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7450741B2 (ja) | リチウム電池のsoc推定方法、装置及びコンピュータ読み取り可能な記憶媒体 | |
CN110398697B (zh) | 一种基于充电过程的锂离子健康状态估计方法 | |
Kim et al. | Data-driven state of health estimation of li-ion batteries with RPT-reduced experimental data | |
JP6881428B2 (ja) | 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム | |
WO2021208079A1 (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
WO2022257211A1 (zh) | 一种锂电池剩余使用寿命预测方法及系统 | |
Zhou et al. | Battery health prognosis using improved temporal convolutional network modeling | |
CN109001640B (zh) | 一种动力电池的数据处理方法和装置 | |
CN111537884B (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
CN113219343A (zh) | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 | |
CN108009585B (zh) | 基于局部信息融合的铅酸电池健康状态预测方法 | |
Dou et al. | Extreme learning machine model for state-of-charge estimation of lithium-ion battery using salp swarm algorithm | |
CN113219357A (zh) | 电池包健康状态计算方法、系统及电子设备 | |
Mazzi et al. | State of charge estimation of an electric vehicle's battery using tiny neural network embedded on small microcontroller units | |
CN109633448A (zh) | 识别电池健康状态的方法、装置和终端设备 | |
Surendar et al. | Estimation of state of charge of a lead acid battery using support vector regression | |
CN112834927A (zh) | 锂电池剩余寿命预测方法、系统、设备及介质 | |
Li et al. | A hybrid framework for predicting the remaining useful life of battery using Gaussian process regression | |
De Sousa et al. | Comparison of different approaches for lead acid battery state of health estimation based on artificial neural networks algorithms | |
Zhang et al. | A state-of-charge estimation method based on bidirectional lstm networks for lithium-ion batteries | |
CN113376541A (zh) | 一种基于crj网络的锂离子电池健康状态预测方法 | |
CN117289167A (zh) | 基于多重神经网络的电池剩余寿命预测方法、装置及介质 | |
CN115358484A (zh) | 电池组容量预测方法及相关设备 | |
CN116125279A (zh) | 一种电池健康状态的确定方法、装置、设备及存储介质 | |
CN115856641A (zh) | 一种电池剩余充电时间预测方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220817 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220817 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220817 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231212 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240305 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7450741 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |