CN118191611A - 一种基于场路耦合仿真的锂离子电池荷电状态估计方法 - Google Patents
一种基于场路耦合仿真的锂离子电池荷电状态估计方法 Download PDFInfo
- Publication number
- CN118191611A CN118191611A CN202410316189.9A CN202410316189A CN118191611A CN 118191611 A CN118191611 A CN 118191611A CN 202410316189 A CN202410316189 A CN 202410316189A CN 118191611 A CN118191611 A CN 118191611A
- Authority
- CN
- China
- Prior art keywords
- model
- lithium ion
- ion battery
- battery pack
- physical field
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 70
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 70
- 230000008878 coupling Effects 0.000 title claims abstract description 57
- 238000010168 coupling process Methods 0.000 title claims abstract description 57
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 57
- 238000004088 simulation Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012546 transfer Methods 0.000 claims abstract description 30
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 28
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 239000012530 fluid Substances 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 4
- 239000013529 heat transfer fluid Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 10
- 230000020169 heat generation Effects 0.000 abstract description 5
- 238000001914 filtration Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 239000003990 capacitor Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000017525 heat dissipation Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling 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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- 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
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于场路耦合仿真的锂离子电池荷电状态(SOC，State of Charge)估计方法，可用于构建由等效电路模型和多物理场模型耦合的场路耦合仿真模型，实现锂电池组中单体电池SOC的准确估计。首先，构建锂电池组等效电路模型，开展混合功率脉冲特性试验，辨识在不同环境温度、SOC下的内阻、电容等参数，建立模型参数与温度、SOC之间的函数关系；其次，构建锂电池组多物理场耦合模型，建立传热物理场与流体物理场并耦合为多物理场，计算锂电池组的实时温度；进一步，采用Bernardi生热公式作为两者之间的传递函数，在仿真软件中设置数据传递接口，构建锂电池组场路耦合仿真模型；最后，基于场路耦合仿真模型的实时计算结果，采用扩展卡尔曼滤波算法实现SOC估计。
Description
(一)技术领域
本发明属于电池技术领域，具体为一种基于场路耦合仿真的锂离子电池荷电状态估计方法。
(二)背景技术
锂离子电池具有体积小、重量轻、比能量大、使用寿命长、自放电率低、绿色环保等优点，目前广泛应用于发电站储能系统、航空航天以及电动汽车等领域。在对锂离子电池进行研究时，荷电状态(SOC，State of Charge)是对锂离子电池可靠性和安全性进行评估管控的重要依据。在实际使用时，通常将单个锂离子电池进行串并联形成复杂电池组，如果不能准确地估算电池组中电池单体的SOC，很可能会导致已充满电的电池过充或者已放电完全的电池过放，缩短电池的使用寿命甚至损坏。因此，准确估计锂离子电池SOC对于提高锂电池组可靠性具有重要意义。
锂离子电池作为一个固-液-电-热耦合的复杂系统，想要准确估计其SOC需要考虑温度、电流等众多影响因素及各个单体电池成组后的相互影响关系。对于锂电池组来说，由于发热源数量多，排布密集，难以通过热电偶、传感器等方法开展实时测温。因此，一般通过有限元仿真的方式对锂电池组的热特性进行分析。然而，有限元仿真方法虽然具有精度高、结果准确等优点，但同时其时效性差、成本高，从模型复杂度方面考虑，研究锂离子电池的电特性时，可以使用更为简便、快速的等效电路模型进行刻画。
在锂离子电池组工作过程中，温度是影响锂电池SOC估计的重要因素之一，环境温度不同，锂电池的开路电压、内阻等电特性均会受到影响而发生改变；而电特性的改变又会影响锂电池组的产热情况，进而影响温度，两者之间存在着动态耦合的关系，单独建立电模型与热模型均无法准确描述这一关系。因此，本发明构建了等效电路模型和多物理场模型耦合的场路耦合仿真模型，提出一种基于场路耦合仿真的锂离子电池荷电状态估计方法。
(三)发明内容
本发明针对目前锂离子电池荷电状态估计中电热参数互相耦合、估计精度不足、纯有限元方法速度慢、成本高等问题，提出了一种基于场路耦合仿真的锂离子电池荷电状态估计方法。首先依据锂离子电池充放电实验数据，构建锂离子电池组的等效电路模型；随后结合锂离子电池的材料参数、几何参数，以及电池组排列方式，构建高保真的锂离子电池组多物理场耦合模型；之后分析两模型之间需要传递的物理量，建立传递函数，设置数据传递接口，构建锂离子电池组场路耦合仿真模型；最后，基于建立的模型开展SOC估计，模型输入为锂电池组实时电流工况，采用扩展卡尔曼滤波(EKF，Extended Kalman Filter)算法处理输入数据，实现锂离子电池组中单体电池的SOC估计。
为实现上述目的，本发明采用以下技术方案实现：一种基于场路耦合仿真的锂离子电池荷电状态估计方法，包括：
S1：构建锂离子电池组等效电路模型；
S2：构建锂离子电池组多物理场耦合模型；
S3：建立传递函数，设置数据传递接口，构建锂离子电池组场路耦合仿真模型；
S4：基于建立的模型，采用EKF算法实现锂离子电池组中单体电池的SOC估计。
S1中，所述构建锂离子电池组等效电路模型具体包括：对锂离子电池开展混合功率脉冲特性(HPPC，Hybrid Pulse Power Characteristic)试验，根据HPPC实验结果可从中辨识出在不同环境温度、SOC下等效电路模型各个电路元件的参数。由于实验时测量的环境温度、SOC等变量均为离散变量，还需要对各元件参数进行插值处理，将插值结果作为二阶RC电路模型的参数输入，在Simulink中完成模型的搭建，实现锂电池组电流、电压等电特性的描述。
S2中，所述构建锂离子电池组多物理场耦合模型具体包括：通过实验或手册的方法获取锂离子电池的几何参数、材料参数、热性能参数等信息，并基于上述信息在COMSOL中建立实物几何模型、流体传热物理场、湍流物理场，以及传热-流体耦合的多物理场，从而构建高保真的锂离子电池组多物理场耦合模型，实现锂电池组温度的获取。
S3中，所述建立传递函数，设置数据传递接口，构建锂离子电池组场路耦合仿真模型具体包括：明确等效电路模型与多物理场耦合模型之间需要传递的物理量，以及通过何种规律进行传递，并分别在两模型内搭建相应的模块用于获取所需物理量，进而在Simulink与COMSOL中设置两模型之间的数据传递接口，实现Simulink中的等效电路模型计算得出的热功率传递至COMSOL中的多物理场耦合模型用于计算温度，COMSOL计算得出的温度又可传递至Simulink中计算该温度下的热功率。
S4中，所述基于建立的模型，采用EKF算法实现锂离子电池的SOC估计具体包括：从模型中选取合适的状态变量，建立电池系统的状态空间方程，包括状态方程与观测方程。考虑到实际情况下对电池组的观测是离散的，还需对状态空间方程进行离散化处理，对离散的状态方程应用EKF算法，从而估计出锂离子电池在下一时刻的SOC值。
本发明与现有技术相比较的优点如下：
①与纯有限元仿真方法相比，本发明使用有限元仿真模型准确分析锂电池组热特性，使用更为简便、快速的等效电路模型分析锂电池组电特性，降低了模型复杂度，兼顾了计算效率与计算精度。
②与传统仅考虑电/电化学特性的模型相比，本发明建立了等效电路模型与多物理场耦合模型相耦合的场路耦合仿真模型，同时考虑了电特性与热特性以及两者互相影响、动态耦合的关系，提出了一种更为精确的锂电池组模型。
③与传统使用锂电池单体模型估计SOC的方法相比，本发明基于建立的锂电池组模型估计其中单体锂电池的SOC，考虑了单体电池成组后温度等因素的相互影响关系，提高了估计精度。
(四)附图说明
图1是本发明提供的一种基于场路耦合仿真的锂离子电池荷电状态估计方法原理图。
图2是本发明提供的一种基于场路耦合仿真的锂离子电池荷电状态估计方法流程图。
图3是本发明提供的0.9C，25℃时HPPC实验结果示意图。
图4是本发明提供的锂离子电池电参数插值拟合结果示意图。
图5是本发明提供的锂离子电池组等效电路模型案例示意图。
图6是本发明提供的锂离子电池组多物理场耦合模型案例示意图。
图7是本发明提供的US06电流工况剖面示意图。
图8是本发明提供的SOC仿真案例结果与误差示意图。
(五)具体实施方法
为了对本发明的目的、特征和优势进行更加详细的解释，以下结合附图和相关实际案例，对本发明做进一步的详细说明。
如图1所示，本发明提出一种基于场路耦合仿真的锂离子电池荷电状态估计方法，案例通过构建等效电路模型和多物理场模型耦合的场路耦合仿真模型，实现锂离子电池SOC的准确估计。具体地，模型中通过插值模块获取当前温度与SOC下电池的开路电压、电阻等电参数，传递至其他三个模块；通过等效电路模块仿真得到当前电流、电压，传递至SOC计算模块与传递函数模块；SOC计算模块通过扩展卡尔曼滤波算法处理输入数据，获得下一时刻的SOC的估计值，返回插值模块；传递函数模块通过产热公式计算出当前时刻热功率，并通过接口传递给多物理场耦合模型；多物理场耦合模型中的物理场通过传入热功率及其他环境参数仿真得到一段时间后的温度，并通过传递函数模块传递给插值模块，用于下一时刻SOC的估计。
依据该方法，本发明选用18650型锂离子电池组成的三并五串锂离子电池组为研究对象，其方法流程如图2所示，具体的实施方法如下：
S1：构建锂离子电池组等效电路模型；本发明案例选择使用MATLAB Simulink作为仿真软件，并借助MATLAB对模型进行脚本控制。
首先对锂离子电池开展HPPC试验，根据HPPC实验结果辨识在不同环境温度、SOC下等效电路模型各个电路元件的参数。具体的实验步骤包括：
(1)将电池充满电并静置1h，以达到热平衡状态。
(2)以一定放电倍率放出电池10％的额定容量，静置30min。
(3)以一定放电倍率进行10s放电，40s静置，10s充电，40s静置的充放电循环。
(4)重复步骤(2)～(3)，测出0.9C，0.8C直至0C时的电压工作曲线。
0.9C，25℃时的HPPC电压曲线如图3所示，以该图为例介绍参数辨识过程：
通过放电结束瞬间B～C段以及充电结束瞬间E～F段存在的电压突变，可以计算出欧姆内阻：
通过C～D段中存在的电压缓慢上升过程，可以计算出极化电阻和极化电容：
其中：
随后对在离散的温度与SOC下得到的实验结果进行插值处理，考虑到离散的数据点较少，若选用较为复杂的拟合方式可能会造成过拟合，导致模型精度下降，因此选用线性插值的方法。内阻插值结果如图4所示，通过该函数关系，可以获取到任意温度与任意SOC下内阻的数值。
之后在Simulink中使用可变电阻、可变电容、电压源等器件搭建二阶RC等效电路，元器件参数均取自上述得到的插值结果，具体方式为通过MATLAB脚本文件预先处理实验数据并导入工作区。进一步地，将单个二阶RC等效电路串并联，最终形成锂离子电池组等效电路模型，示意图如图5所示。
S2：构建锂离子电池组多物理场耦合模型；本发明案例选择使用COMSOLMultiphysics作为多物理场有限元分析软件，具体为传热-流体仿真模型。
首先通过COMSOL Multiphysics内置几何建模模块建立空气域以及三并五串锂电池组模型，在多物理场模型全局定义中定义所需要的模型、材料参数，具体包括初始温度T0、环境温度Tair、气压P、恒压热容Cp、密度ρ以及每个单体电池的热功率Pb1～Pb15等，并对每个锂电池单体建立边界温度探针，用于后续的温度监测。
通过查阅手册可以得到上述模型、材料参数，如表1所示：
表1模型参数
为对模型进行一定程度简化，提高仿真效率，结合实际情况做出如下假设：
①由于锂离子电池电解液体积有限，且流动性较差，不考虑内部电解液的热对流，只考虑锂离子电池内部的三维热传导；
②由于热辐射量的量级过小，远小于其他散热方式，不考虑热辐射带来的影响。
因此在传热物理场，考虑锂离子电池内部的三维热传导以及电池与其周围空气域的热对流：
q＝-hA(T-Tref)
其中ρ为锂离子电池的平均密度，Cp为锂离子电池的定压比热容，k为导热系数，T为电池热力学温度，Q为锂离子电池产热，kx、ky、kz分别为x、y、z三个方向上的导热系数，Tref为参考温度，一般指环境温度，A为电池散热面积，h为电池的对流换热系数。
在流体物理场，使用k-ε湍流方程组模拟电池组散热过程中的流体特性：
其中，k为紊流脉动动能，ε为紊流脉动动能的耗散率，Gk、Gb分别是由层流速度、浮力产生的湍流动能。σk、σε分别为湍流普朗特数，C1ε、C2ε、C3ε为可调常数。
随后通过物理场贡献项划分网格大小，为兼顾仿真效率与结果准确性，单元大小设置为常规。分别设置两个研究，研究一为仅包含流体物理场的稳态仿真模型，并将稳态计算结果传入研究二；研究二为同时包含流体物理场与传热物理场的瞬态仿真模型，定义瞬态仿真结果输出步长为range(0,1,10)s，最后进行计算，连同计算结果保存为.mph文件，最终多物理场耦合模型如图6所示。
S3：建立传递函数，设置数据传递接口，构建锂离子电池组场路耦合仿真模型；首先明确等效电路模型与多物理场耦合模型之间需要传递的物理量为电池的温度与热功率，等效电路模型根据电池当前的工作状态，使用Bernardi生热公式作为传递函数，即：
计算出每个单体电池的热功率，传递给多物理场耦合模型；多物理场耦合模型接收热功率并依据产热、散热所遵循的方程开展仿真，计算出一段时间后每个单体电池的温度，通过预先布置的探针作为传递函数获取温度具体数值并传递给等效电路模型，以更新电池的工作状态。
具体地，通过COMSOL Multiphysics中的Cosimulation for Simulink模块实现两模型之间的数据传递。本案例中，需要传递的数据为15个单体电池的热功率以及温度，在Cosimulation for Simulink模块中对上述变量进行定义，并导出为.fmu文件，将该文件导入MATLAB Simulink中，并在对应接口处连接Simulink信号线，即可实现两模型的耦合。
S4：基于建立的模型，采用EKF算法实现锂离子电池组中单体电池的SOC估计。考虑到实际情况中，由于传感器精度等问题，对锂离子电池电流工况的测量会存在一定偏差，因此采用EKF算法处理工况数据，尽可能减小偏差对SOC估计产生的影响。
随后选取为电池的SOC值、阻容R1C1两端的电压U1与阻容R2C2两端的电压U2作为状态变量，充放电电流I作为输入变量，工作电压U作为输出量，建立电池系统的状态方程与观测方程，并进行离散化：
U(k)＝UOCV-U1(k)-U2(k)-R0I(k)
其中△t为采样时间间隔，Cn为电池的实际容量。
通过MATLAB脚本编写该算法的代码，式中各时刻数据均取自场路耦合仿真模型的计算结果，最终实现SOC的估计。
本案例选取US06工况作为验证工况，该工况相较其他工况具有车速更高、加速度更快，车速波动更为剧烈的特点，工况更为严苛，对模型准确性的验证更具有说服力，工况剖面如图7所示。将电流数据输入场路耦合仿真模型中，对锂电池组整体进行仿真计算，并以其中一个单体电池为例，对其SOC进行分析，估计结果与误差如图8所示。可以看出，在仿真初始阶段，由于US06工况变化过于剧烈，EKF算法尚处于适应阶段，在缺少数据的情况下未能准确估算出SOC值，甚至产生了较大的仿真误差。但随着数据量的增加，EKF算法逐渐抑制了前期产生的噪声，误差趋于稳定，最终控制在2.5％内，证明了所建立的场路耦合仿真模型具有较高的精度，以及本发明所提出的SOC估算方法具有较高的精度。
Claims (1)
1.一种基于场路耦合仿真的锂离子电池荷电状态估计方法，其特征在于，包括以下步骤：
S1：构建锂离子电池组等效电路模型；
S2：构建锂离子电池组多物理场耦合模型；
S3：建立传递函数，设置数据传递接口，构建锂离子电池组场路耦合仿真模型；
S4：基于建立的模型，采用EKF算法实现锂离子电池组中单体电池的SOC估计。
S1中，所述构建锂离子电池组等效电路模型具体包括：对锂离子电池开展混合功率脉冲特性(HPPC，Hybrid Pulse Power Characteristic)试验，根据HPPC实验结果可从中辨识出在不同环境温度、SOC下等效电路模型各个电路元件的参数。由于实验时测量的环境温度、SOC等变量均为离散变量，还需要对各元件参数进行插值处理，将插值结果作为二阶RC电路模型的参数输入，在Simulink中完成模型的搭建，实现锂电池组电流、电压等电特性的描述。
S2中，所述构建锂离子电池组多物理场耦合模型具体包括：通过实验或手册的方法获取锂离子电池的几何参数、材料参数、热性能参数等信息，并基于上述信息在COMSOL中建立实物几何模型、流体传热物理场、湍流物理场，以及传热-流体耦合的多物理场，从而构建高保真的锂离子电池组多物理场耦合模型，实现锂电池组温度的获取。
S3中，所述建立传递函数，设置数据传递接口，构建锂离子电池组场路耦合仿真模型具体包括：明确等效电路模型与多物理场耦合模型之间需要传递的物理量，以及通过何种规律进行传递，并分别在两模型内搭建相应的模块用于获取所需物理量，进而在Simulink与COMSOL中设置两模型之间的数据传递接口，实现Simulink中的等效电路模型计算得出的热功率传递至COMSOL中的多物理场耦合模型用于计算温度，COMSOL计算得出的温度又可传递至Simulink中计算该温度下的热功率。
S4中，所述基于建立的模型，采用EKF算法实现锂离子电池组中单体电池的SOC估计具体包括：从模型中选取合适的状态变量，建立电池系统的状态空间方程，包括状态方程与观测方程。考虑到实际情况下对电池组的观测是离散的，还需对状态空间方程进行离散化处理，对离散的状态方程应用EKF算法，从而估计出锂离子电池组中单体电池在下一时刻的SOC值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410316189.9A CN118191611A (zh) | 2024-03-19 | 2024-03-19 | 一种基于场路耦合仿真的锂离子电池荷电状态估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410316189.9A CN118191611A (zh) | 2024-03-19 | 2024-03-19 | 一种基于场路耦合仿真的锂离子电池荷电状态估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118191611A true CN118191611A (zh) | 2024-06-14 |
Family
ID=91392235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410316189.9A Pending CN118191611A (zh) | 2024-03-19 | 2024-03-19 | 一种基于场路耦合仿真的锂离子电池荷电状态估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118191611A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118734618A (zh) * | 2024-09-04 | 2024-10-01 | 江苏数世能源科技有限公司 | 一种锂离子电池系统寿命预测方法 |
-
2024
- 2024-03-19 CN CN202410316189.9A patent/CN118191611A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118734618A (zh) * | 2024-09-04 | 2024-10-01 | 江苏数世能源科技有限公司 | 一种锂离子电池系统寿命预测方法 |
| CN118734618B (zh) * | 2024-09-04 | 2024-11-05 | 江苏数世能源科技有限公司 | 一种锂离子电池系统寿命预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105206888B (zh) | 一种锂离子电池内部温度监测方法 | |
| Hu et al. | Online estimation of an electric vehicle lithium-ion battery using recursive least squares with forgetting | |
| CN100440614C (zh) | 一种实时估计镍氢动力电池内外温差的方法 | |
| CN109900937B (zh) | 一种具有温度补偿功能的锂电池电荷状态估算方法 | |
| CN111914503B (zh) | 一种锂离子电池功率输入电热耦合模型建立方法 | |
| CN111929581B (zh) | 一种动力锂电池内外部温度预测方法 | |
| Wang et al. | Estimation of battery open-circuit voltage and state of charge based on dynamic matrix control-extended Kalman filter algorithm | |
| Shi et al. | A novel lumped thermal characteristic modeling strategy for the online adaptive temperature and parameter co-estimation of vehicle lithium-ion batteries | |
| CN111426957B (zh) | 一种模拟车辆工况动力电池荷电状态soc估算优化方法 | |
| Li et al. | A new parameter estimation algorithm for an electrical analogue battery model | |
| Li et al. | State-of-charge estimation combination algorithm for lithium-ion batteries with Frobenius-norm-based QR decomposition modified adaptive cubature Kalman filter and H-infinity filter based on electro-thermal model | |
| CN108008308A (zh) | 一种锂离子电池发热量的测试系统和方法 | |
| Cai et al. | Electro-thermal model for lithium-ion battery simulations | |
| Rui-hao et al. | Battery state of charge estimation for electric vehicle based on neural network | |
| CN118191611A (zh) | 一种基于场路耦合仿真的锂离子电池荷电状态估计方法 | |
| Alsabari et al. | Modeling and validation of lithium-ion battery with initial state of charge estimation | |
| Xie et al. | Improving the air-cooling performance for battery packs via electrothermal modeling and particle swarm optimization | |
| Zhang et al. | Identification of dynamic model parameters for lithium-ion batteries used in hybrid electric vehicles | |
| CN113919222A (zh) | 一种电池组的内部温度在线计算方法 | |
| Qin et al. | Joint SOC–SOP estimation method for lithium-ion batteries based on electro-thermal model and multi-parameter constraints | |
| Ouyang et al. | Nonlinear observer design for the state of charge of lithium-ion batteries | |
| KR102471890B1 (ko) | 배터리 팩의 시뮬레이션 방법 | |
| Sarıkurt et al. | A hybrid battery model and state of health estimation method for lithium-ion batteries | |
| Dakshinamoorthy et al. | Estimating battery temperature in dynamic driving conditions using physics informed neural networks | |
| Li et al. | An enhanced thermal model with virtual resistance technique for pouch batteries at low temperature and high current rates |
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 |