-
公开(公告)号：CN112710955A
公开(公告)日：2021-04-27
申请号：CN202011482543.3
申请日：2020-12-16
IPC: G01R31/367 , G01R31/392 , G06F17/11 , G06F17/16
Abstract: 本发明公开了一种用于提高电池容量估计精度的算法，包括：四阶扩展卡尔曼滤波模块以一阶RC等效电路为电池模型，对电池参数开路电压Voc、欧姆电阻R0、极化电阻Rp、极化电容Cp进行识别，然后以SOC、Up、R0、1/Ccap为状态变量，电流I为输入变量，端电压Ut为输出变量，进行四阶扩展卡尔曼滤波估计出电池容量Ccap值；利用遗传算法对缩放平移后的充电曲线进行电压特征点优化辨识，再根据电压特征点之间的时间间隔估计出电池容量Cr值；扩展卡尔曼滤波再融合模块以CD为状态空间变量，Ccap为输入变量，Cr为输出变量进行迭代得出容量估计值CD。根据本发明，有利于减小容量估计误差，更准确地评估电池的健康状态，提高以锂电池为动力源的新能源车的安全性。
-
公开(公告)号：CN112710955B
公开(公告)日：2022-11-01
申请号：CN202011482543.3
申请日：2020-12-16
IPC: G01R31/367 , G01R31/392 , G06F17/11 , G06F17/16
Abstract: 本发明公开了一种用于提高电池容量估计精度的算法，包括：四阶扩展卡尔曼滤波模块以一阶RC等效电路为电池模型，对电池参数开路电压Voc、欧姆电阻R0、极化电阻Rp、极化电容Cp进行识别，然后以SOC、Up、R0、1/Ccap为状态变量，电流I为输入变量，端电压Ut为输出变量，进行四阶扩展卡尔曼滤波估计出电池容量Ccap值；利用遗传算法对缩放平移后的充电曲线进行电压特征点优化辨识，再根据电压特征点之间的时间间隔估计出电池容量Cr值；扩展卡尔曼滤波再融合模块以CD为状态空间变量，Ccap为输入变量，Cr为输出变量进行迭代得出容量估计值CD。根据本发明，有利于减小容量估计误差，更准确地评估电池的健康状态，提高以锂电池为动力源的新能源车的安全性。
-
公开(公告)号：CN112731157A
公开(公告)日：2021-04-30
申请号：CN202011485428.1
申请日：2020-12-16
IPC: G01R31/367 , G01R31/388
Abstract: 本发明公开了一种基于数据驱动的锂离子电池容量估计方法，包括：通过双卡尔曼滤波算法来融合三阶卡尔曼滤波算法与离散寿命模型各自的容量估计结果，该方法包括以下步骤：S1基于一阶RC等效电路模型，构建包含容量的三阶卡尔曼滤波算法，并利用不同老化阶段的动态工况数据驱动容量估计；S2针对阿伦尼乌斯模型在实车应用中模型参数存在失配问题，结合三阶EKF估计结果来设计DEKF算法，实现模型参数的优化估计和容量的融合估计。根据本发明，可以在线估计电池容量，不需要大量的电池容量衰减数据来训练模型，运用数学算法简单。
-
公开(公告)号：CN111610447A
公开(公告)日：2020-09-01
申请号：CN202010444393.0
申请日：2020-05-22
Applicant: 上海理工大学
IPC: G01R31/367 , G01R31/388
Abstract: 本发明提出了一种基于开路电压的电池容量估计方法。其方法包括如下步骤：S1：建立一阶RC等效模型,利用带遗忘因子的递归最小二乘法进行参数在线辨识，估算出电池的欧姆内阻与OCV；S2：绘制SOC与OCV关系的标定曲线图，将OCV代入标定曲线图，获得对应的SOC；S3：根据电量变化与对应SOC变化的线性关系，绘制电量与SOC关系的拟合曲线图，将SOC代入并利用加权最小二乘法，获得对应的斜率值，即为电池容量的第一容量值；S4：通过离散化Arrhenius寿命模型估计获得电池容量的第二容量值；S5：使用卡尔曼滤波算法将第一容量值和第二容量值进行融合估计，获得电池容量的第三容量值。本发明的好处是通过采用加权最小二乘法的方法来进行容量估计以提高其估计精度。与现有的基于开路电压进行容量估计的方法相比，本发明具有较高的容量精度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
