申请/专利权人：武汉理工大学

申请日：2024-01-08

公开（公告）日：2024-04-19

公开（公告）号：CN117907837A

主分类号：G01R31/367

分类号：G01R31/367;G01R31/392;G01R31/388;G06F17/11

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本申请公开了一种基于卡尔曼滤波的电池SOC与SOE联合估计方法，该方法通过构建电压修正因子对简化P2D模型进行修正，并基于修正后的简化P2D模型联合自适应扩展卡尔曼滤波算法建立系统的状态方程及观测方程，修正后能够提高状态方程观测方程的计算结果精度，进一步地，通过联合自适应扩展卡尔曼滤波算法对修正后的状态方程和修正后的观测方程进行迭代计算，以确定电池SOC和电池SOE，不仅能够同时得到电池SOC和电池SOE，提高电池状态量的预测效率，并且由于自适应扩展卡尔曼滤波算法能够进行动态预测，从而不断优化电池SOC和电池SOE的估计值，进而提高电池SOC和电池SOE的估计精度。

主权项：1.一种基于卡尔曼滤波的电池SOC与SOE联合估计方法，其特征在于，包括：构建简化P2D模型，并基于所述简化P2D模型获取预设放电倍率下的端电压数据；获取所述预设放电倍率下的端电压实验值，并根据所述预设放电倍率、所述端电压数据和所述端电压实验值，确定电压修正因子；根据所述电压修正因子对所述简化P2D模型进行修正，得到修正后的状态方程和修正后的观测方程；联合自适应扩展卡尔曼滤波算法对所述修正后的状态方程和所述修正后的观测方程进行迭代计算，确定电池SOC和电池SOE。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于卡尔曼滤波的电池SOC与SOE联合估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD