公开(公告)号：CN104535934B

公开(公告)日：2017-07-21

申请号：CN201410851183.8

申请日：2014-12-31

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  姜辉 ,  伍锡如 ,  莫妍 ,  李爽 ,  张向文 ,  许勇 ,  龙超 ,  唐士杰 ,  言理

IPC: G01R31/36

Abstract: 本发明一种在线前馈补偿的动力电池电荷状态估计方法与系统，本方法步骤为：Ⅰ、建立动力电池模型及电压电流采样、参数辨识；Ⅱ、用自适应卡尔曼滤波的参数辨识；Ⅲ、OCV‑SOC关系的神经网络建模，由开路电压OCV得到电荷状态估计值NNSOC；Ⅳ、根据前一时刻电流求当前时刻的电荷状态估计值BSOCk，此值与NNSOC加权求和得前馈补偿的电荷状态估计值。本系统的动力电池所接电压电流传感器连接嵌入式微控制器，微控制器含有自适应卡尔曼滤波的参数辨识模块、OCV‑SOC神经网络SOC估计模块以及前馈补偿模块。本发明结构简单，不受SOC初始值影响，辨识与估计速度加快，在线前馈补偿提高了SOC估计精度。

公开(公告)号：CN104714188B

公开(公告)日：2017-05-24

申请号：CN201510147926.8

申请日：2015-03-31

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  李爽 ,  姜辉 ,  伍锡如 ,  张向文 ,  杨青 ,  朱国魂 ,  唐士杰 ,  莫妍

IPC: G01R31/36

Abstract: 本发明为量测噪声方差阵相匹配的电池电荷状态估计方法与系统，本法步骤为：建立电池模型、电压电流采样，最小二乘法参数辨识模型参数；自适应无迹卡尔曼滤波估计SOC；调整滤波增益的方差阵相匹配的鲁棒自适应无迹卡尔曼滤波，计算系统量测噪声实际残差方差阵值和估计的理论残差方差阵，得到εk。εk大于1自适应调整因子否则调整滤波增益，求得SOC估计值本系统动力电池所接电压、电流传感器经模数转换模块连接微控制器。微控制器含模型参数辨识模块、调整因子计算模块、滤波增益自适应调整、鲁棒自适应无迹卡尔曼滤波SOC估计模块。SOC直接显示或传送到设备CAN网络。本发明动态调整滤波增益，提高了SOC估计的鲁棒性。

公开(公告)号：CN103439668B

公开(公告)日：2015-08-26

申请号：CN201310400509.0

申请日：2013-09-05

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  伍锡如 ,  姜辉 ,  杨青 ,  张向文 ,  许勇 ,  刘振丙 ,  赵龙阳 ,  许凯 ,  莫妍 ,  陈波

IPC: G01R31/36

Abstract: 本发明为动力锂离子电池的电荷状态估算方法与系统，本方法第一步建立等效电池的电路模型，对电池进行充放电和静置实验、定时采样得到电压时间曲线，通过公式辨识模型参数、得到开路电压OCV与SoC的非线性关系；第二步、基于卡尔曼算法，用状态预测、预测误差方差、滤波增益、状态估算和估算误差方差等矩阵，得到SoC最优估算值。本系统模数转换器、程序存储器、可编程存储器、定时器及显示器分别与微处理器连接，电流、电压传感器分别联接在待测电池与负载连接的电路中、输出接入模数转换器。可编程存储器存储实验所得的电池模型参数，程序存储器存储本方法的估算程序。本发明SoC估算精度可达1％，且更稳定；系统实时提供SoC估算值。

公开(公告)号：CN104714188A

公开(公告)日：2015-06-17

申请号：CN201510147926.8

申请日：2015-03-31

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  李爽 ,  姜辉 ,  伍锡如 ,  张向文 ,  杨青 ,  朱国魂 ,  唐士杰 ,  莫妍

IPC: G01R31/36

Abstract: 本发明为量测噪声方差阵相匹配的电池电荷状态估计方法与系统，本法步骤为：建立电池模型、电压电流采样，最小二乘法参数辨识模型参数；自适应无迹卡尔曼滤波估计SOC；调整滤波增益的方差阵相匹配的鲁棒自适应无迹卡尔曼滤波，计算系统量测噪声实际残差方差阵值和估计的理论残差方差阵，得到εk。εk大于1自适应调整因子否则调整滤波增益，求得SOC估计值本系统动力电池所接电压、电流传感器经模数转换模块连接微控制器。微控制器含模型参数辨识模块、调整因子计算模块、滤波增益自适应调整、鲁棒自适应无迹卡尔曼滤波SOC估计模块。SOC直接显示或传送到设备CAN网络。本发明动态调整滤波增益，提高了SOC估计的鲁棒性。

公开(公告)号：CN104535934A

公开(公告)日：2015-04-22

申请号：CN201410851183.8

申请日：2014-12-31

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  姜辉 ,  伍锡如 ,  莫妍 ,  李爽 ,  张向文 ,  许勇 ,  龙超 ,  唐士杰 ,  言理

IPC: G01R31/36

Abstract: 本发明一种在线前馈补偿的动力电池电荷状态估计方法与系统，本方法步骤为：Ⅰ、建立动力电池模型及电压电流采样、参数辨识；Ⅱ、用自适应卡尔曼滤波的参数辨识；Ⅲ、OCV-SOC关系的神经网络建模，由开路电压OCV得到电荷状态估计值NNSOC；Ⅳ、根据前一时刻电流求当前时刻的电荷状态估计值BSOCk，此值与NNSOC加权求和得前馈补偿的电荷状态估计值。本系统的动力电池所接电压电流传感器连接嵌入式微控制器，微控制器含有自适应卡尔曼滤波的参数辨识模块、OCV-SOC神经网络SOC估计模块以及前馈补偿模块。本发明结构简单，不受SOC初始值影响，辨识与估计速度加快，在线前馈补偿提高了SOC估计精度。

公开(公告)号：CN103439668A

公开(公告)日：2013-12-11

申请号：CN201310400509.0

申请日：2013-09-05

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  伍锡如 ,  姜辉 ,  杨青 ,  张向文 ,  许勇 ,  刘振丙 ,  赵龙阳 ,  许凯 ,  莫妍 ,  陈波

IPC: G01R31/36

Abstract: 本发明为动力锂离子电池的电荷状态估算方法与系统，本方法第一步建立等效电池的电路模型，对电池进行充放电和静置实验、定时采样得到电压时间曲线，通过公式辨识模型参数、得到开路电压OCV与SoC的非线性关系；第二步、基于卡尔曼算法，用状态预测、预测误差方差、滤波增益、状态估算和估算误差方差等矩阵，得到SoC最优估算值。本系统模数转换器、程序存储器、可编程存储器、定时器及显示器分别与微处理器连接，电流、电压传感器分别联接在待测电池与负载连接的电路中、输出接入模数转换器。可编程存储器存储实验所得的电池模型参数，程序存储器存储本方法的估算程序。本发明SoC估算精度可达1％，且更稳定；系统实时提供SoC估算值。