电池是混合动力汽车(hev)和纯电动汽车(bev)最重要的组成部分。因此,它们需要精确的实时监控和控制,以避免过充或过放电条件,缩短其寿命和影响安全。有效估计关键电池组参数,如充电状态(SOC)、健康状态(SOH)和剩余容量,需要一个高保真度的电池模型,该模型可以考虑电池整个寿命期内的所有操作条件。
提出了一种针对不同健康状态下的离线电池模型参数估计方法。
本文已在2015年SAE世界大会上发表。
作者Ryan Ahmed,麦克马斯特大学;哈维尔Gazzarri MathWorks;西蒙娜·Onori,克莱姆森大学;萨伊德·哈比比,麦克马斯特大学;罗宾杜松子酒,MathWorks;凯文•Rzemien MathWorks;Jimi Tjong,福特汽车公司;以及MathWorks的Jonathan LeSage
电池是混合动力汽车(hev)和纯电动汽车(bev)最重要的组成部分。因此,它们需要精确的实时监控和控制,以避免过充或过放电条件,缩短其寿命和影响安全。有效估计关键电池组参数,如充电状态(SOC)、健康状态(SOH)和剩余容量,需要一个高保真度的电池模型,该模型可以考虑电池整个寿命期内的所有操作条件。
提出了一种针对不同健康状态下的离线电池模型参数估计方法。
本文已在2015年SAE世界大会上发表。
2015年出版的