确定等效电池模型的参数值的方法、装置及存储介质转让专利
申请号 : CN201810967749.1
文献号 : CN110895311B
文献日 : 2021-06-15
发明人 : 蔡伟 , 杨瑞 , 秦学 , 熊瑞
申请人 : 华为技术有限公司
摘要 :
权利要求 :
1.一种确定等效电池模型的参数值的方法,其特征在于,所述等效电池模型为符合巴特勒‑沃尔默BV方程的电池模型,所述等效电池模型用于估计电池荷电状态SOC,所述等效电池模型的参数值包括非线性参数的参数值和线性参数的参数值,所述方法包括:获取电池的实验数据,所述实验数据包括在多组实验参数值中的每组实验参数值下对所述电池进行测试时所述电池响应过程中的各个时刻的数据;
根据所述等效电池模型的非线性参数的预设取值范围,利用遗传算法确定非线性参数总群,所述非线性参数总群中包括多个种群;
根据所述多个种群和所述实验数据,确定每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值。
2.如权利要求1所述的方法,其特征在于,所述根据所述多个种群和所述实验数据,确定每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值,包括:
对于所述多组实验参数值中的A组实验参数值,基于所述实验数据,确定所述A组实验参数值下所述多个种群中的每个种群对应的代价函数,所述A组实验参数值是指所述多组实验参数值中的任一组实验参数值;
基于所述A组实验参数值下每个种群对应的代价函数,通过最小二乘法确定所述A组实验参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数的函数值;
基于所述多个种群中的每个种群、所述A组实验参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数的函数值,确定所述A组实验参数值对应的所述等效电池模型的线性参数的参数值和非线性参数的参数值。
3.如权利要求2所述的方法,其特征在于,所述多组实验参数值中的每组实验参数值均包括一个SOC值,且所述每组实验参数值包括的SOC值不同,所述实验数据包括在每组实验参数值包括的SOC值下对所述电池进行测试时所述电池响应过程中多个采样时刻的第一端电压,第一电流和第一温度;
所述基于所述实验数据,确定所述A组实验参数值下所述多个种群中的每个种群对应的代价函数,包括:
对于所述多个种群中的任一种群A,基于所述种群A、SOC1对应的多个采样时刻的第一电流和第一温度,确定SOC1下所述种群A对应的多个采样时刻的极化电压,所述SOC1是指所述A组实验参数值包括的SOC值,所述极化电压是指所述等效电池模型中与符合BV方程的元件并联的电容元件两端的电压;
基于所述种群A、所述SOC1对应的多个采样时刻的第一电流、第一温度和所述SOC1下所述种群A对应的多个采样时刻的极化电压,确定所述SOC1下所述种群A对应的多个采样时刻的第二端电压;
基于所述SOC1下所述种群A对应的多个采样时刻的第二端电压、所述实验数据包括的所述SOC1对应的多个采样时刻的第一端电压,确定所述SOC1下所述种群A对应的代价函数。
4.如权利要求3所述的方法,其特征在于,所述基于所述多个种群中的每个种群、所述A组实验参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数的函数值,确定所述A组实验参数值对应的所述等效电池模型的线性参数的参数值和非线性参数的参数值,包括:
确定所述SOC1对应的函数值集合A,所述函数值集合A包括所述SOC1下每个种群对应的代价函数的函数值;
从所述函数值集合A中查找满足截止条件的函数值;
若从所述函数值集合A中查找到满足所述截止条件的函数值,则将查找到的满足所述截止条件的函数值对应的种群确定为所述SOC1对应的所述等效电池模型的非线性参数的参数值,将满足所述截止条件的函数值对应的线性参数的取值确定为所述SOC1对应的所述等效电池模型的线性参数的参数值。
5.如权利要求4所述的方法,其特征在于,所述从所述函数值集合A中查找满足截止条件的函数值之后,还包括:
若从所述函数值集合A中未查找到满足所述截止条件的函数值,则利用遗传算法对所述非线性参数总群中的每个种群进行更新,基于所述实验数据,重新确定在所述SOC1下,更新后的每个种群对应的代价函数的函数值,得到更新后的函数值集合A,并重新从所述更新后的函数值集合A中查找满足所述截止条件的函数值。
6.如权利要求1‑5任一所述的方法,其特征在于,所述确定每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值之后,还包括:基于所述电池当前的工作数据、所述等效电池模型和每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值,对所述电池的SOC进行估计。
7.如权利要求6所述的方法,其特征在于,所述基于所述电池当前的工作数据、所述等效电池模型和每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值,对所述电池的SOC进行估计,包括:获取当前时刻的上一时刻的状态协方差矩阵和上一时刻的SOC估计值,并基于所述上一时刻的状态协方差矩阵和所述上一时刻的SOC估计值,生成上一时刻的多个样本点,所述上一时刻的多个样本点用于模拟所述上一时刻的SOC估计值所符合的分布;
基于所述上一时刻的SOC估计值、每组实验参数值对应的所述等效电池模型的非线性参数的参数值和所述等效电池模型,确定当前时刻用于进行SOC估计的离散状态空间模型;
基于所述上一时刻的多个样本点,通过当前时刻的离散状态空间模型确定当前时刻的多个样本点,并基于所述当前时刻的多个样本点确定当前时刻的预估值和当前时刻的状态协方差矩阵;
基于每组实验参数值对应的所述等效电池模型的线性参数的参数值、所述工作数据、所述当前时刻的预估值和所述当前时刻的状态协方差矩阵,确定当前时刻的SOC估计值。
8.如权利要求7所述的方法,其特征在于,所述基于所述上一时刻的状态协方差矩阵和所述上一时刻的SOC估计值,生成上一时刻的多个样本点,包括:对所述上一时刻的状态协方差矩阵进行奇异值分解;
基于分解得到的矩阵和所述上一时刻的SOC估计值,通过下述模型生成所述上一时刻的多个样本点:
其中,所述 是指上一时刻的多个样本点中的第i个样本点,所述 是指上一时刻的SOC估计值,所述ρ是指设置的缩放比例因数,所述Uk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的正交矩阵,所述Sk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的实对角矩阵,所述k是指当前时刻,所述k‑1是指当前时刻的上一时刻,所述2n是指所述上一时刻的多个样本点的数量。
9.如权利要求7所述的方法,其特征在于,所述基于所述当前时刻的多个样本点确定当前时刻的预估值和当前时刻的状态协方差矩阵,包括:基于所述当前时刻的多个样本点,通过下述模型确定所述当前时刻的预估值:其中,所述 是指当前时刻的预估值,所述2n是指当前时刻的多个样本点的数量,所述是指当前时刻的多个样本点中的第i个样本点;
基于所述当前时刻的预估值和所述当前时刻的多个样本点,确定所述当前时刻的状态协方差矩阵。
10.如权利要求7所述的方法,其特征在于,所述工作数据包括在当前工作状态下所述电池的第三端电压和第二电流;
所述基于每组实验参数值对应的所述等效电池模型的线性参数的参数值、所述工作数据、所述当前时刻的预估值和所述当前时刻的状态协方差矩阵,确定当前时刻的SOC估计值,包括:
基于所述当前时刻的预估值和所述当前时刻的状态协方差矩阵,对所述当前时刻的多个样本点进行更新;
基于更新后的多个样本点中的每个样本点、所述每组实验参数值对应的所述等效电池模型的线性参数的参数值和所述工作数据中的第二电流,确定所述更新后的多个样本点中每个样本点对应的第四端电压;
基于所述工作数据包括的第三端电压、所述更新后的多个样本点中每个样本点对应的第四端电压以及所述当前时刻的状态协方差矩阵,确定所述更新后的多个样本点中每个样本点对应的SOC估计值,并基于所述更新后的多个样本点中每个样本点对应的SOC估计值确定所述当前时刻的SOC估计值。
11.一种确定等效电池模型的参数值的装置,其特征在于,所述等效电池模型为符合巴特勒‑沃尔默BV方程的电池模型,所述等效电池模型用于估计电池荷电状态SOC,所述等效电池模型的参数值包括非线性参数的参数值和线性参数的参数值,所述装置包括:获取模块,用于获取电池的实验数据,所述实验数据包括在多组实验参数值中的每组实验参数值下对所述电池进行测试时所述电池响应过程中的各个时刻的数据;
第一确定模块,用于根据所述等效电池模型的非线性参数的预设取值范围,利用遗传算法确定非线性参数总群,所述非线性参数总群中包括多个种群;
第二确定模块,用于根据所述多个种群和所述实验数据,确定每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值。
12.如权利要求11所述的装置,其特征在于,所述第二确定模块包括:第一确定子模块,用于对于所述多组实验参数值中的A组实验参数值,基于所述实验数据,确定所述A组实验参数值下所述多个种群中的每个种群对应的代价函数,所述A组实验参数值是指所述多组实验参数值中的任一组实验参数值;
第二确定子模块,用于基于所述A组实验参数值下每个种群对应的代价函数,通过最小二乘法确定所述A组实验参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数的函数值;
第三确定子模块,用于基于所述多个种群中的每个种群、所述A组实验参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数的函数值,确定所述A组实验参数值对应的等效电池模型的线性参数的参数值和非线性参数的参数值。
13.如权利要求12所述的装置,其特征在于,所述多组实验参数值中的每组实验参数值均包括一个SOC值,且所述每组实验参数值包括的SOC值不同,所述实验数据包括在每组实验参数值包括的SOC值下对所述电池进行测试时所述电池响应过程中多个采样时刻的第一端电压,第一电流和第一温度;
所述第一确定子模块具体用于:
对于所述多个种群中的任一种群A,基于所述种群A、SOC1对应的多个采样时刻的第一电流和第一温度,确定SOC1下所述种群A对应的多个采样时刻的极化电压,所述SOC1是指所述A组实验参数值包括的SOC值,所述极化电压是指所述等效电池模型中与符合BV方程的元件并联的电容元件两端的电压;
基于所述种群A、所述SOC1对应的多个采样时刻的第一电流、第一温度和所述SOC1下所述种群A对应的多个采样时刻的极化电压,确定所述SOC1下所述种群A对应的多个采样时刻的第二端电压;
基于所述SOC1下所述种群A对应的多个采样时刻的第二端电压、所述实验数据包括的所述SOC1对应的多个采样时刻的第一端电压,确定所述SOC1下所述种群A对应的代价函数。
14.如权利要求13所述的装置,其特征在于,所述第三确定子模块具体用于:确定所述SOC1对应的函数值集合,所述函数值集合A包括所述SOC1下每个种群对应的代价函数的函数值;
从所述函数值集合A中查找满足截止条件的函数值;
若从所述函数值集合A中查找到满足所述截止条件的函数值,则将查找到的满足所述截止条件的函数值对应的种群确定为所述SOC1对应的所述等效电池模型的非线性参数的参数值,将满足所述截止条件的函数值对应的线性参数的取值确定为所述SOC1对应的所述等效电池模型的线性参数的参数值。
15.如权利要求14所述的装置,其特征在于,所述第三确定子模块具体还用于:若从所述函数值集合A中未查找到满足所述截止条件的函数值,则利用遗传算法对所述非线性参数总群中的每个种群进行更新,并基于所述实验数据,重新确定在所述SOC1下,更新后的每个种群对应的代价函数的函数值,得到更新后的函数值集合A,并重新从更新后的函数值集合A中查找满足所述截止条件的函数值。
16.如权利要求11‑15任一所述的装置,其特征在于,所述装置还包括:估计模块,用于基于所述电池当前的工作数据、所述等效电池模型和每组实验参数值对应的所述等效电池模型的非线性参数的参数值和线性参数的参数值,对所述电池的SOC进行估计。
17.如权利要求16所述的装置,其特征在于,所述估计模块包括:获取子模块,用于获取当前时刻的上一时刻的状态协方差矩阵和上一时刻的SOC估计值;
生成子模块,用于基于所述上一时刻的状态协方差矩阵和所述上一时刻的SOC估计值,生成上一时刻的多个样本点,所述上一时刻的多个样本点用于模拟所述上一时刻的SOC估计值所符合的分布;
第四确定子模块,用于基于所述上一时刻的SOC估计值、每组实验参数值对应的所述等效电池模型的非线性参数的参数值和所述等效电池模型,确定当前时刻用于进行SOC估计的离散状态空间模型;
第五确定子模块,用于基于所述上一时刻的多个样本点,通过当前时刻的离散状态空间模型确定当前时刻的多个样本点,并基于当前时刻的多个样本点确定当前时刻的预估值和当前时刻的状态协方差矩阵;
第六确定子模块,用于基于每组实验参数值对应的所述等效电池模型的线性参数的参数值、所述工作数据、所述当前时刻的预估值和所述当前时刻的状态协方差矩阵,确定当前时刻的SOC估计值。
18.如权利要求17所述的装置,其特征在于,所述生成子模块具体用于:对所述上一时刻的状态协方差矩阵进行奇异值分解;
基于分解得到的矩阵和所述上一时刻的SOC估计值,通过下述模型生成所述上一时刻的多个样本点:
其中,所述 是指上一时刻的多个样本点中的第i个样本点,所述 是指上一时刻的SOC估计值,所述ρ是指设置的缩放比例因数,所述Uk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的正交矩阵,所述Sk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的实对角矩阵,所述k是指当前时刻,所述k‑1是指当前时刻的上一时刻,所述2n是指所述上一时刻的多个样本点的数量。
19.如权利要求17所述的装置,其特征在于,所述第五确定子模块具体用于:基于所述当前时刻的多个样本点,通过下述模型确定所述当前时刻的预估值:其中,所述 是指当前时刻的预估值,所述2n是指当前时刻的多个样本点的数量,所述是指当前时刻的多个样本点中的第i个样本点;
基于所述当前时刻的预估值和所述当前时刻的多个样本点,确定所述当前时刻的状态协方差矩阵。
20.如权利要求17所述的装置,其特征在于,所述工作数据包括在当前工作状态下所述电池的第三端电压和第二电流;
所述第六确定子模块具体用于:
基于所述当前时刻的预估值和所述当前时刻的状态协方差矩阵,对所述当前时刻的多个样本点进行更新;
基于更新后的多个样本点中的每个样本点和所述工作数据中的第二电流,确定所述更新后的多个样本点中每个样本点对应的第四端电压;
基于所述工作数据中的第三端电压、所述更新后的多个样本点中每个样本点对应的第四端电压以及所述当前时刻的状态协方差矩阵,确定所述更新后的多个样本点中每个样本点对应的SOC估计值,并基于所述更新后的多个样本点中每个样本点对应的SOC估计值确定所述当前时刻的SOC估计值。
21.一种确定等效电池模型的参数值的装置,其特征在于,所述装置包括处理器和存储器;
所述存储器用于存储支持所述装置执行权利要求1‑10任一项所述的方法的程序;
所述处理器被配置为用于执行所述存储器中存储的程序。
22.一种计算机可读存储介质,其特征在于,包括指令,所述指令在计算机上运行时,使得计算机执行权利要求1‑10任一项所述的方法。
说明书 :
确定等效电池模型的参数值的方法、装置及存储介质
技术领域
背景技术
寿命。当前,常用的SOC估计方法是基于等效电池模型的SOC估计方法。而在基于等效电池模
型进行SOC估计之前,需要先确定等效电池模型的参数值。其中,等效电池模型可以采用基
于BV(Butler‑Volmer,巴特勒‑沃尔默)方程改进的等效电池模型,该等效电池模型是由符
合BV方程的第一元件并联一个电容元件后,与第二电阻和理想电压源串联得到。
实验数据,之后,根据瞬时响应过程内的实验数据来确定该等效电池模型的线性参数的参
数值,根据长时响应过程中的实验数据来确定该等效电池模型的非线性参数的参数值。
并不准确。在此基础上,根据确定的等效电池模型的线性参数和非线性参数来进行SOC估计
将导致SOC的估计误差较大。
发明内容
值包括非线性参数的参数值和线性参数的参数值,该方法包括:获取电池的实验数据,该实
验数据包括在多组实验参数值中的每组实验参数值下对电池进行测试时电池响应过程中
的各个时刻的数据;根据等效电池模型的非线性参数的预设取值范围,利用遗传算法确定
非线性参数总群,该非线性参数总群中包括多个种群,根据多个种群和实验数据,确定每组
实验参数值对应的该等效电池模型的非线性参数的参数值和线性参数的参数值。
以相同也可以不同。另外,非线性参数总群包括的多个种群中的每个种群均是非线性参数
的一种可能的取值。
的非线性参数的参数值和线性参数值,不需要通过划分电池的响应过程来获取相应过程内
的实验数据来确定等效电池模型的参数值,避免了相关技术中由于无法准确划分响应过程
而导致的确定的模型参数不准确,提高了确定的等效电池模型的参数值的准确性。
的A组实验参数值,基于实验数据,确定A组实验参数值下多个种群中的每个种群对应的代
价函数;基于A组实验参数值下每个种群对应的代价函数,A组实验参数值是指多组实验参
数值中的任一组实验参数值,通过最小二乘法确定A组实验参数值下每个种群对应的线性
参数的取值以及每个种群对应的代价函数的函数值;基于多个种群中的每个种群、A组实验
参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数的函数值,确定A
组实验参数值对应的等效电池模型的线性参数的参数值和非线性参数的参数值。
群对应的代价函数中包括有非线性参数和线性参数,其中,非线性参数的取值即为相应地
种群,线性参数的取值是未知的,在得到A组实验参数值下每个种群对应的代价函数之后,
可以通过最小二乘法确定A组实验参数值下每个种群对应的代价函数的函数值和线性参数
的取值,以便根据A组实验参数值下每个种群对应的代价函数的函数值来确定相应种群和
相应种群对应的线性参数的取值是否可以作为A组实验参数值对应的该等效电池模型的参
数值。
式进行处理,从而得到每组实验参数值对应的该等效电池模型的参数值。
过程中多个采样时刻的第一端电压,第一电流和第一温度;
个采样时刻的第一电流和第一温度,确定SOC1下种群A对应的多个采样时刻的极化电压,
SOC1是指A组实验参数值包括的SOC值,极化电压是指等效电池模型中与符合BV方程的元件
并联的电容元件两端的电压;基于种群A、SOC1对应的多个采样时刻的第一电流、第一温度
和SOC1下种群A对应的多个采样时刻的极化电压,确定SOC1下种群A对应的多个采样时刻的
第二端电压;基于SOC1下种群A对应的多个采样时刻的第二端电压、所述实验数据包括的
SOC1对应的多个采样时刻的第一端电压,确定SOC1下种群A对应的代价函数。
多个种群中的任一种群A,根据种群A、SOC1对应的每个采样时刻的第一电流和第一温度可
以确定得到SOC1下种群A对应的每个采样时刻的第二端电压,第二端电压实际上就是根据
第一电流和第一温度通过理论计算的电池的端电压的理论值,而第一端电压实际上就是在
第一电流和第一温度的状态下电池的端电压的实测值,通过确定的每个采样时刻的端电压
的理论值和实验数据包括的每个采样时刻的端电压的实测值即可以确定得到代价函数。
个种群、A组实验参数值下每个种群对应的线性参数的取值以及每个种群对应的代价函数
的函数值,确定A组实验参数值下等效电池模型的线性参数的参数值和非线性参数的参数
值的实现过程,可以包括:确定SOC1对应的函数值集合A,SOC1对应的函数值集合A包括SOC1
下每个种群对应的代价函数的函数值;从函数值集合A中查找满足截止条件的函数值;若从
函数值集合A中查找到满足截止条件的函数值,则将查找到的满足截止条件的函数值对应
的种群确定为SOC1对应的该等效电池模型的非线性参数的参数值,将满足截止条件的函数
值对应的线性参数的取值确定为SOC1对应的该等效电池模型的线性参数的参数值。
于预设阈值。若查找到满足截止条件的函数值,则说明当代价函数中的非线性参数的取值
为该函数值对应的种群,且代价函数中的线性参数的取值为该函数值对应的线性参数的取
值时,该等效电池模型是最接近SOC1下的电池的运行状态的,将该函数值对应的种群作为
SOC1对应的等效电池模型的非线性参数的参数值,将该函数值对应的线性参数的取值作为
SOC1对应的等效电池模型的线性参数的参数值,保证了确定的SOC1对应的该等效电池模型
的参数值的准确性。
SOC1下,更新后的每个种群对应的代价函数的函数值,得到更新后的函数值集合A,并重新
从更新后的函数值集合A中查找满足截止条件的函数值。
也即,无法确定SOC1对应的等效电池模型的参数值,在这种情况下,可以利用遗传算法对每
个种群进行更新,以便根据更新后的每个种群通过前述介绍的方法再次确定SOC1下更新后
的每个种群对应的代价函数的函数值,通过重新确定的SOC1下更新后的每个种群对应的代
价函数的函数值更新函数值集合A,并重新从函数值集合A中查找满足截止条件的函数值,
若查找到,则可以根据查找到的函数值确定SOC1对应的等效电池模型的参数值,若仍然查
找不到,则可以继续重复上述过程。通过这样不断的迭代,最终确定出能够准确的描述SOC1
下的电池状态的参数值,保证了确定的参数值的准确性。
种等效电池模型的模型参数,因此,确定得到的模型参数准确性较低,而本申请实施例将等
效电池模型的模型参数划分为线性参数和非线性参数,进而通过遗传算法和最小二乘法来
配合确定该等效电池模型的非线性参数和线性参数,相较于相关技术中采用最小二乘法来
直接确定该等效电池模型的模型参数,本申请确定的等效电池模型的模型参数将更为准
确。
值和线性参数的参数值,对电池的SOC进行估计。由于通过本申请实施例提供的确定等效电
池模型的参数值的方法可以提高确定的等效电池模型的参数值的准确性,在此基础上,基
于确定的等效电池模型的参数值进一步地进行SOC估计时,可以提高SOC估计的准确性。
过程,可以包括:获取当前时刻的上一时刻的状态协方差矩阵和上一时刻的SOC估计值,并
基于上一时刻的SOC估计值和上一时刻的状态协方差矩阵,生成上一时刻的多个样本点,上
一时刻的多个样本点用于模拟上一时刻的SOC估计值所符合的分布;基于上一时刻的SOC估
计值、每组实验参数值对应的该等效电池模型的非线性参数的参数值和该等效电池模型,
确定当前时刻用于进行SOC估计的离散状态空间模型;基于上一时刻的多个样本点,通过当
前时刻的离散状态空间模型确定当前时刻的多个样本点,并基于当前时刻的多个样本点确
定当前时刻的预估值和当前时刻的状态协方差矩阵;基于每组实验参数值对应的该等效电
池模型的线性参数的参数值、工作数据、当前时刻的预估值和当前时刻的状态协方差矩阵,
确定当前时刻的SOC估计值。
非线性参数的参数值,从而得到当前时刻的离散状态空间模型,根据当前时刻的离散状态
空间模型对上一时刻的多个样本点进行传递,得到预测的当前时刻的多个样本点,根据预
测的当前时刻的多个样本点确定当前时刻的预估值和当前时刻的状态协方差矩阵,以便对
当前时刻的预估值进行修正之后得到当前时刻的SOC估计值。
分解得到的矩阵和上一时刻的SOC估计值,通过下述模型生成上一时刻的多个样本点:
解得到的正交矩阵,Sk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的实对角
矩阵,k是指当前时刻,k‑1是指当前时刻的上一时刻,2n是指上一时刻的多个样本点的数
量。
当前时刻的2n个样本点。
对状态协方差矩阵进行分解时对矩阵正定的要求,提高了SOC估计的稳定性。
的预估值:
确定当前时刻的状态协方差矩阵。
性参数的参数值、工作数据、当前时刻的预估值和当前时刻的状态协方差矩阵,确定当前时
刻的SOC估计值的实现过程,可以包括:基于当前时刻的预估值和当前时刻的状态协方差矩
阵,对当前时刻的多个样本点进行更新;基于更新后的多个样本点中的每个样本点和工作
数据中的第二电流,确定更新后的多个样本点中每个样本点对应的第四端电压;基于工作
数据中的第三端电压、更新后的多个样本点中每个样本点对应的第四端电压以及当前时刻
的状态协方差矩阵,确定更新后的多个样本点中每个样本点对应的SOC估计值,并基于更新
后的多个样本点中每个样本点对应的SOC估计值确定当前时刻的SOC估计值。
使得更新后的当前时刻的多个样本点更趋近于电池的实际状态,提高了SOC估计的准确性。
装置包括至少一个模块,该至少一个模块用于实现上述第一方面所提供的电池荷电状态的
估计方法。
述第一方面所提供的电池荷电状态的估计方法的程序,以及存储用于实现上述第一方面所
提供的电池荷电状态的估计方法所涉及的数据。所述处理器被配置为用于执行所述存储器
中存储的程序。所述存储设备的操作装置还可以包括通信总线,该通信总线用于该处理器
与存储器之间建立连接。
方法。
和线性参数的参数值。也即,本申请不需要通过划分电池的响应过程来获取相应过程内的
数据来确定等效电池模型的参数值,避免了相关技术中由于无法准确划分响应过程而导致
的确定的模型参数不准确,提高了确定的等效电池模型的参数值的准确性。
附图说明
SOC进行估计的流程图;
具体实施方式
SOC进行估计,进而根据估计得到的SOC发送至电动汽车的车辆控制单元(Vehicle control
unit,VCU),VCU可以根据接收到的SOC来控制电池充电时长、充电电流等,以保证电池不过
充,进而保证电池充电安全。在电池放电场景下,同样可以基于等效电池模型实时的对电池
的SOC进行估计,进而根据估计得到的SOC确定对应的续驶里程数,将该续驶里程数发送至
VCU,VCU可以基于该续驶里程数来对电动汽车中的各个用电器件进行控制,以保证在满足
电动汽车的动力性能的同时最大化延长电池使用寿命。其中,无论在哪种场景下,在基于等
效电池模型开始对电池的SOC进行估计之前,均可以采用本申请实施例提供的确定等效电
池模型的参数值的方法来对用于SOC估计的等效电池模型的参数值进行确定。
Charger,OBC)103、非车载充电机(Off Board Charger,OFC)104、电机105、AC(Automotive
air Conditioning,车载空调)106和VCU 107。
供的确定等效电池模型的参数值的方法对用于SOC估计的等效电池模型的参数值进行确
定,并根据确定的该等效电池模型的参数值和该等效电池模型对电池1012的SOC进行实时
估计,进而根据估计得到的SOC对电池1012进行监控和管理。
池系统101中的电池1012通过连接的高压线向高压配电盒102输送电流,高压配电盒102通
过高压线向电机105和AC 106供电。在充电场景下,OBC 103或OFC 104通过高压线向高压配
电102输送电流,高压配电盒102通过与动力电池系统连接的高压线向动力电池系统101输
送电流,以对动力电池系统101包括的电池1012充电。
BMS 1011估计得到电池1012的SOC时,可以将估计得到的电池的SOC发送至VCU 107。若当前
处于放电场景,则VCU 107可以根据接收到的电池的SOC来控制电机105和AC 106的用电量,
以保证在满足电动汽车的动力性能的同时最大化延长电池使用寿命。若当前处于充电场
景,则VCU 107可以根据接收到的电池的SOC来控制OBC 103或OFC 104的充电参数,以保证
电池不过充,进而保证电池充电安全。
本申请实施例提供了一种BMS的结构示意图。图1所示的实施环境中的BMS的功能可以通过
图2所示的BMS来实现。如图2所示,该BMS包括数据采集模块201、状态估计模块202、管理模
块203、存储模块204和通信模块205。
201采集的工作数据以及确定的等效电池模型的参数值来对电池的SOC进行估计,并通过通
信模块205将估计得到的电池的SOC发送出去。
对电池进行HPPC实验时,可以分别在多组实验参数值中的每组实验参数值下对电池进行测
试。其中,每组实验参数值中均可以包括一个SOC值,且各组实验参数值中包括的SOC值不
同。另外,每组实验参数值中还可以包括一个温度值,其中,各组实验参数值中包括的温度
值可以相同也可以不同。
验参数值中包括的SOC值可以是从SOC的取值范围内选取SOC值,例如,可以从SOC的取值范
围内选取10个SOC值,从而得到10组实验参数值,每组实验参数值中包括一个SOC值。
充放电电流作为该电池的输入,得到该电池处于目标温度值且SOC值为目标SOC值时的电池
响应过程中的电压数据,对该电压数据进行离散化,得到在该目标温度值和该目标SOC值
下,该电池响应过程中每个采样时刻的第一端电压。将该目标温度值作为每个采样时刻的
第一温度,并将每个采样时刻对应的该电池的电流输入值作为相应采样时刻的第一电流,
将该目标SOC值、每个采样时刻的第一电流、第一端电压和第一温度对应存储,此时,该目标
SOC值对应的每个采样时刻的第一电流、第一端电压和第一温度即是通过HPPC实验测得的
该组实验参数值对应的电池响应过程中各个时刻的数据。
5%选取一个SOC值。
温度值进行组合,得到第一组实验参数值{0%,T1}。使电池的温度值为T1,使电池的SOC值为
0%,以符合图4所示的电流图的脉冲电流作为该电池的输入,得到如图5所示的该电池在温
度为T1,SOC值为0%时所对应的电池响应过程中的电压数据,对该电池响应过程中的电压
数据进行离散化,得到该电池在温度为T1,SOC值为0%时对应的多个采样时刻的第一端电
压,将每个采样时刻对应的电流输入值作为相应采样时刻的第一电流,将T1作为第一温度,
将0%、每个采样时刻的第一温度、第一端电压和第一电流对应存储,从而得到第一组实验
参数值包括的SOC值对应的该电池的响应过程中的各个时刻的数据。对于其他组实验参数
值包括的SOC值,均可以参照上述方法确定得到相应SOC值对应的电池响应过程中的各个时
刻的数据。
以不同,在这种情况下,可以从预设的电池的工作温度范围中选取多个温度值,并将多个
SOC值中的每个SOC值和多个温度值中的每个温度值进行组合,从而得到多组实验参数值,
进而测试参考前述介绍的HPPC实验方法在每组实验参数值下对电池进行测试,从而得到每
组实验参数值下电池响应过程中的各个时刻的数据。
温度为目标温度值且SOC值为目标SOC值,以特定脉冲充放电电流作为该电池的输入,得到
该电池处于目标温度值且SOC值为目标SOC值时的电池响应过程中的电压数据,对该电压数
据进行离散化,得到在该目标温度值和该目标SOC值下,该电池响应过程中多个采样时刻的
第一端电压。将该目标温度值作为每个采样时刻的第一温度,并将每个采样时刻对应的该
电池的电流输入值作为相应采样时刻的第一电流,将该目标SOC值、每个采样时刻的第一电
流、第一端电压和第一温度对应存储,该目标SOC值对应的每个采样时刻的第一电流、第一
端电压和第一温度即是通过HPPC实验测得的该组实验参数值对应的电池响应过程中各个
时刻的数据。对于多组实验参数值中的每组实验参数值,均可以参照上述介绍的方法来确
定每组实验参数值对应的一组数据,从而得到每组实验参数值对应的电池响应过程中各个
时刻的数据。
据。
在后续步骤中,根据每组实验参数下每个种群对应的代价函数的函数值以及线性参数的取
值确定得到的将是该等效电池模型在不同SOC值和不同温度值下对应的线性参数的参数值
和非线性参数的参数值。在该种情况下的相关实现方式可以参考下述温度值为1个时的相
关实现方式,本申请实施例不再赘述。
一个电容元件后,与第二电阻和理想电压源串联得到。图6示出了一阶RC等效电池模型的电
路图。其中,如图6所示,R1为第一电阻,C为与R1并联的电容元件,R2为第二电阻,U1为理想电
压源,Ut为电池的端电压。在该种等效电池模型中,通过R1与C并联来模拟电池的动态特性,
由于R1为线性电阻,因此其两端的电压和电流是一种线性的关系,而电池在电荷转移的过
程中,电压和电流并不是线性关系,因此,通过R1与C并联来模拟电池的动态特性并不能准
确的模型电池的动态特性。
模型。图7示出了符合BV方程的等效电池模型的电路图,其中,通过采用符合BV方程的第一
元件来替代第一电阻,使得第一元件两端的电压和电流的关系可以满足BV方程,进而可以
更加准确的模拟电池的动态特性。在本申请实施例中,BMS即可以通过上述的符合BV方程的
等效电池模型来进行SOC估计,以此来提高估计的SOC的准确性。因此,在本申请实施例中,
等效电池模型是指符合BV方程的等效电池模型。
指该等效电池模型中串联的第二电阻在第n个采样时刻的电阻值,Uc(n)是指在第n个采样
时刻该等效电池模型中的电容元件的两端的电压,也即,第n个采样时刻该等效电池模型的
极化电压,Uc(n‑1)是指在第n个采样时刻的上一采样时刻该等效电池模型的极化电压,T是
指第n个采样时刻与上一采样时刻之间的时间间隔,也即采样周期,C为该等效电池模型中
的电容元件的电容值,I0=2Ai0,其中,A指电极面积,i0指交换电流密度,aa为预设数值,通
常,aa可以为0.5,n为反应得失电子数,F为法拉第常数,Rg为气体常数,Th是指热力学温度。
中,如公式(1)和(2)表征的等效电池模型,待确定的非线性参数为I0和C,待确定的线性参
数为Uoc和Ri。对于待确定的非线性参数I0和C,BMS可以利用遗传算法从预先设置的I0的取值
范围中获取I0的多种取值,从预先设置的C的取值范围中获取C的多种取值,将获取的I0的多
种取值和C的多种取值进行随机组合,得到I0和C的多组取值,将得到的I0和C的多组取值中
的每组取值一个种群,从而得到多个种群,由该多个种群组成非线性参数总群。由此可见,
非线性参数总群中的每个种群实际上就代表了一组I0和C的可能取值。
mn],其中, 也即m1,m2,m3…mn为该
非线性参数总群中的多个种群,并且,每个种群即为非线性参数I0和C的一种取值。
接下来将以多组实验参数值中的任一组实验参数值即A组实验参数值为例,来说明确定A组
实验参数值对应的等效电池模型的参数值的实现过程,参见图8,该实现过程可以包括:
电流和第一温度,基于此,BMS可以基于步骤301中获取的该电池的实验数据来确定A组实验
参数值包括的SOC值下多个种群中每个种群对应的代价函数。其中,可以将A组实验参数值
包括的SOC值记为SOC1。接下来,将以多个种群中的任一种群A为例,来说明基于实验数据,
确定SOC1下种群A对应的代价函数的实现过程。
BV方程的元件并联的电容元件两端的电压;基于种群A、SOC1对应的多个采样时刻的第一电
流、第一温度和SOC1下种群A对应的多个采样时刻的极化电压,确定SOC1下种群A对应的多
个采样时刻的第二端电压;基于SOC1下种群A对应的多个采样时刻的第二端电压、实验数据
包括的SOC1对应的多个采样时刻的第一端电压,确定SOC1下种群A对应的代价函数。
电流。基于此,BMS可以根据实验数据中包括的SOC1对应的多个采样时刻中每个采样时刻对
应的第一电流、第一温度以及种群A中的I0和C的取值,通过公式(2)确定得到SOC1对应的多
个采样时刻中每个采样时刻对应的极化电压。
时刻的极化电压时,由于第一个采样时刻之前不存在其他采样时刻,因此,可以为极化电压
设置一个初始值,将该初始值作为Uc(n‑1),进而基于该初始值、第一个采样时刻的第一电
流、相应组数据对应的第一温度和种群A中的I0和C的取值,确定得到第一个采样时刻的极
化电压。
第一温度以及确定得到SOC1下种群A对应的每个采样时刻的极化电压,通过公式(1)来确定
SOC1下种群A对应的多个采样时刻中每个采样时刻的第二端电压,从而得到SOC1对应的多
个第二端电压。
第一端电压,N是指SOC1对应的多个第二端电压的数量,也即,多个采样时刻的数量。
性参数Uoc和Ri的一个函数,这样,通过上述公式(3)确定得到的SOC1下种群A对应的代价函
数中也包括待确定的线性参数Uoc和Ri。
函数值。
需要说明的是,Ri和Uoc均会随着SOC值的变化而变化,也即,对于不同组的实验参数值,由于
每组实验参数组包括的SOC值不同,因此,根据每组实验参数值包括的SOC值确定得到的种
群A对应的Ri和Uoc的取值也不同,并且,Uoc与SOC值之间为一一对应关系。
线性参数的参数值和非线性参数的参数值。
效电池模型的参数值的一组可能的取值。也即,通过前述步骤确定SOC1下每个种群对应的
线性参数的取值之后,BMS实际就确定了SOC1下该等效电池模型的参数值的多组取值。在此
基础上,BMS可以通过确定的SOC1下该等效电池模型的参数值的多组取值中每组取值对应
的代价函数的函数值来从该多组取值中查找一组满足截止条件的取值作为SOC1下该等效
电池模型的参数值。
函数的函数值。从该函数值集合A中查找是否存在满足截止条件的函数值,其中,截止条件
是指代价函数的函数值小于预设阈值。也即,BMS可以从函数值集合A包括的多个代价函数
的函数值中查找小于预设阈值的函数值。其中,代价函数的函数值越小,则说明相应代价函
数的函数值对应的种群以及线性参数的取值越能够准确模拟电池处于SOC1时的实际状态。
最小的函数值对应的种群确定为SOC1对应的该等效电池模型的非线性参数的参数值,将最
小的函数值对应的线性参数的取值确定为SOC1对应的该等效电池模型的线性参数的参数
值。
的取值均不能准确模拟电池在SOC1下的实际状态,在这种情况下,BMS可以通过遗传算法中
的交叉、变异以及选择等处理方式对非线性参数总群中的每个种群进行更新。之后,BMS可
以重新根据实验数据以及更新后的每个种群,确定在SOC1下,更新后的每个种群对应的代
价函数,通过最小二乘法重新确定SOC1下更新后的每个种群对应的代价函数的函数值,将
重新确定的SOC1下每个种群对应的代价函数的函数值划分到一个函数值集合中,利用这个
函数值集合更新函数值集合A,并重新从函数值集合A中查找满足截止条件的代价函数的函
数值,若仍然查找不到,则重复上述过程,直到查找到满足截止条件的函数值为止,可以通
过上述介绍的方法根据满足截止条件的代价函数的函数值确定得到SOC1对应的该等效电
池模型的参数值。
组实验参数值中的每组实验参数值,均可以按照上述介绍的方法来处理,从而得到每组实
验参数值对应的该等效电池模型的参数值。
利用最小二乘法确定该等效电池模型的线性参数的多种取值,之后,可以基于非线性参数
的多种取值和线性参数的多种取值确定非线性参数的参数值和线性参数的参数值。也即,
本申请不需要通过划分电池的响应过程来获取相应过程内的数据来确定等效电池模型的
参数值,而是可以通过对整个电池响应过程的进行采样得到的实验数据,利用遗传算法和
最小二乘法来确定该等效电池模型的参数值,避免了相关技术中由于无法准确划分响应过
程而导致的确定的模型参数不准确,提高了确定的等效电池模型的参数值的准确性。并且,
由于符合BV方程的等效电池模型具有很强的非线性,因此,相关技术中通过最小二乘法来
确定该种等效电池模型的参数值时,准确性较低,而本申请实施例通过遗传算法和最小二
乘法来配合确定该等效电池模型的非线性参数的参数值和线性参数的参数值,相较于相关
技术中采用最小二乘法来直接确定该等效电池模型的参数值,本申请确定的等效电池模型
的参数值将更为准确。
作数据来对电池的SOC进行实时估计。接下来,本申请实施例将结合图9来介绍BMS基于电池
当前的工作数据、该等效电池模型和每组实验参数值对应的该等效电池模型的非线性参数
的参数值和线性参数的参数值,对电池的SOC进行估计的实现过程,参见图9,该实现过程包
括:
则由于不存在上一时刻的状态协方差矩阵以及上一时刻的SOC估计值,因此,BMS可以获取
预先设置的初始状态协方差矩阵以及初始SOC估计值,并将初始状态协方差矩阵确定为此
次估计过程中第一个时刻的上一时刻的状态协方差矩阵,将初始SOC估计值确定为此次估
计过程中的第一个时刻的上一时刻的SOC估计值。
值分解得到的三个分解矩阵,且Uk‑1和 为正交矩阵,Sk‑1为实对角矩阵。
解得到的正交矩阵,Sk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的实对角
矩阵,k是指当前时刻,k‑1是指当前时刻的上一时刻,2n是指上一时刻的多个样本点的数
量。
即, 基于上一时刻的SOC估计值,通过上述模型(4)确定可以确
定得到2n个样本点,该2n个样本点可以用于模拟上一时刻的SOC估计值所符合的分布。换句
2
话说,例如,上一时刻的SOC估计值符合期望为μ,方差为σ的正态分布,则该2n个样本点即
2
为符合期望为μ,方差为σ的正态分布的多个样本点。
模型。
中包括的SOC值对应的非线性参数的参数值,并根据获取的非线性参数的参数值和该等效
电池模型,确定当前时刻用于进行SOC估计的离散状态空间模型,该离散状态空间模型如公
式(5)和(6)所示:
与第k个时刻的上一时刻之间的时间间隔,I(k)是指在第k个时刻电池中的总电流, 和
为基于上一时刻的SOC值获取的的非线性参数I0和C的参数值,aa为预设数值,通常,aa可以
为0.5,w为反应得失电子数,F为法拉第常数,Rg为气体常数,Th是指热力学温度。SOC(k)是指
估计得到的该电池在第k个时刻的SOC值,SOC(k‑1)是指估计得到的该电池在第k个时刻的
上一时刻的SOC值,η为库伦效率,Ca为该电池的电池容量。
即,若多组实验参数值包括的SOC值中没有与上一时刻的SOC估计值包括的SOC值相同的SOC
值,则BMS可以根据上一时刻的SOC估计值包括的SOC值,通过插值的方法来确定上一时刻的
SOC估计值包括的SOC值对应的非线性参数的参数值。
状态协方差矩阵。
本点中每个样本点中包括的SOC值,通过公式(6)确定得到相应样本点在当前时刻对应的
SOC值,将确定的上一时刻的多个样本点中每个样本点在当前时刻对应的极化电压和SOC值
确定为相应样本点经过传递后在当前时刻对应的样本点,这样,对于上一时刻的2n个样本
点,通过离散状态空间模型传递之后,将得到当前时刻的2n个样本点。
的极化电压,通过上述模型(7)确定得到当前时刻的极化电压的预估值,根据当前时刻的多
个样本点中每个样本点包括的SOC值,通过上述模型(7)确定得到当前时刻的SOC值的预估
值,将确定得到的当前时刻的极化电压的预估值和SOC的预估值确定为当前时刻的预估值,
也即,当前时刻的预估值中包括当前时刻的极化电压的预估值和SOC的预估值。
设置的过程噪声协方差矩阵。
计值。
流。
二电流,确定更新后的多个样本点中每个样本点对应的第四端电压;基于工作数据中的第
三端电压、更新后的多个样本点中每个样本点对应的第四端电压以及当前时刻的状态协方
差矩阵,确定更新后的多个样本点中每个样本点对应的SOC估计值,并基于更新后的多个样
本点中每个样本点对应的SOC估计值确定当前时刻的SOC估计值。
步骤901中生成的当前时刻的2n个样本点。需要说明的是,BMS对当前时刻的状态协方差矩
阵进行奇异值分解可以参考步骤901中的相关介绍,BMS基于当前时刻的预估值和分解得到
的矩阵,重新生成2n个样本点可以参考步骤901中的相关介绍,本申请实施例在此不再赘
述。
数值中获取相应样本点包括的SOC值对应的线性参数的参数值,之后,BMS可以基于获取的
相应样本点包括的SOC值对应的线性参数的参数值和工作数据中的第二电流,通过下述模
型(9)来确定更新后的多个样本点中的每个样本点对应的第四端电压。
(k)是指当前时刻的工作数据中包括的第二电流,Ri是指第i个样本点包括的SOC值对应的
线性参数中的第二电阻的电阻值, 是指更新后的多个样本点中第i个样本点包括的极
化电压。
端电压,通过下述公式(10)‑(12)来确定每个样本点对应的SOC估计值。
设置的测量噪声协方差矩阵, 是指更新后的当前时刻的多个样本点中第i个样本点包
括的极化电压,SOC是指更新后的当前时刻的多个样本点中第i个样本点包括的SOC值。
SOC估计值。
中,BMS可以确定多个样本点包括的多个极化电压的平均值,并确定多个样本点包括的多个
SOC值的平均值,将确定的多个极化电压的平均值以及多个SOC值的平均值确定为当前时刻
的SOC估计值。
上,利用确定的参数值和该等效电池模型,根据电池的实时工作数据来对电池的SOC进行实
时估计时,可以提高SOC估计的准确性。另外,在本申请实施例中,在进行SOC估计时,通过对
上一时刻的状态协方差矩阵进行奇异值分解来确定当前时刻的多个样本点,避免了相关技
术中采用传统Cholesky对状态协方差矩阵进行分解时对矩阵正定的要求,提高了SOC估计
的稳定性。并且,在得到当前时刻的预估值和当前时刻的状态协方差矩阵之后,本申请实施
例可以通过重新对当前时刻的状态协方差矩阵进行分解来更新当前时刻的多个样本点,使
得更新后的当前时刻的多个样本点更趋近于电池的实际状态,进一步地提高了SOC估计的
准确性。
验参数值中的任一组实验参数值;
数的函数值;
等效电池模型的线性参数的参数值和非线性参数的参数值。
池响应过程中多个采样时刻的第一端电压,第一电流和第一温度;
包括的SOC值,极化电压是指等效电池模型中与符合BV方程的元件并联的电容元件两端的
电压;
止条件的函数值对应的线性参数的取值确定为SOC1对应的该等效电池模型的线性参数的
参数值。
对应的代价函数的函数值,得到更新后的函数值集合A,并重新从更新后的函数值值集合A
中查找满足截止条件的函数值。
分布;
态空间模型;
和当前时刻的状态协方差矩阵;
计值。
解得到的正交矩阵,Sk‑1是指对上一时刻的状态协方差矩阵进行奇异值分解得到的实对角
矩阵,k是指当前时刻,k‑1是指当前时刻的上一时刻,2n是指上一时刻的多个样本点的数
量。
估计值,并基于更新后的多个样本点中每个样本点对应的SOC估计值确定当前时刻的SOC估
计值。
实验数据,利用最小二乘法确定该等效电池模型的线性参数的多种取值,之后,可以基于非
线性参数的多种取值和线性参数的多种取值确定非线性参数的参数值和线性参数的参数
值。也即,本申请不需要通过划分电池的响应过程来获取相应过程内的数据来确定等效电
池模型的参数值,而是可以通过对整个电池响应过程的进行采样得到的实验数据,利用遗
传算法和最小二乘法来确定该等效电池模型的参数值,避免了相关技术中由于无法准确划
分响应过程而导致的确定的参数值不准确,提高了确定的等效电池模型的参数值的准确
性。并且,由于基于BV方程改进的等效电池模型具有很强的非线性,因此,相关技术中通过
最小二乘法来确定该种等效电池模型的参数值时,准确性较低,而本申请实施例通过遗传
算法和最小二乘法来配合确定该等效电池模型的非线性参数和线性参数,相较于相关技术
中采用最小二乘法来直接确定该等效电池模型的参数值,本申请确定的等效电池模型的参
数值将更为准确,在此基础上,基于确定的参数值来进行SOC估计时,得到的SOC估计值也将
更为准确。
免了相关技术中采用传统Cholesky对状态协方差矩阵进行分解时对矩阵正定的要求,提高
了SOC估计的稳定性。并且,在得到当前时刻的预估值和当前时刻的状态协方差矩阵之后,
本申请实施例可以通过重新对当前时刻的状态协方差矩阵进行分解来更新当前时刻的多
个样本点,使得更新后的当前时刻的多个样本点更趋近于电池的实际状态,提高了SOC估计
的准确性。
要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模
块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的确定等效电池模型的参
数值的装置与确定等效电池模型的参数值的方法实施例属于同一构思,其具体实现过程详
见方法实施例,这里不再赘述。
1101,通信总线1102,存储器1103以及至少一个通信接口1104。
多个用于控制本申请方案程序执行的集成电路。
储信息和指令的其它类型的动态存储设备,也可以是电可擦可编程只读存储器
(Electrically Erasable Programmable Read‑Only Memory,EEPROM)、只读光盘(Compact
Disc Read‑Only Memory,CD‑ROM)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光
碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备、或者能够用于携带或
存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质,但
不限于此。存储器1103可以是独立存在,通过通信总线1102与处理器1101相连接。存储器
1103也可以和处理器1101集成在一起。
器,也可以是一个多核(multi‑CPU)处理器。这里的处理器可以指一个或多个设备、电路、
和/或用于处理数据(例如计算机程序指令)的处理核。
一个或多个程序模块(例如图2所示的数据采集模块、状态估计模块、管理模块、存储模块和
通信模块等)。该装置可以通过处理器1101以及存储器1103中的程序代码1106中的一个或
多个程序模块,来确定等效电池模型的参数值,并利用确定的参数值和该等效电池模型,根
据电池的实时工作数据对电池的SOC进行估计,并对电池进行管理。
产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分
地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、
计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或
者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令
可以从一个网站站点、计算机、服务器或数据中心通过有线(例如:同轴电缆、光纤、数据用
户线(Digital Subscriber Line,DSL))或无线(例如:红外、无线、微波等)方式向另一个网
站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够
存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储
设备。所述可用介质可以是磁性介质(例如:软盘、硬盘、磁带)、光介质(例如:数字通用光盘
(Digital Versatile Disc,DVD))、或者半导体介质(例如:固态硬盘(Solid State Disk,
SSD))等。
存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。