本文探讨了基于ESR估计的动力电池状态-of-health（SOH）估计问题。通过敏感性验证表明，内阻（ESR）对电压测量高度敏感。介绍了限幅滤波和一阶滞后滤波两种方法来减少噪声，分析了不同阈值和滤波系数对结果的影响，强调了选择合适参数的重要性。
reference:
10种简单常用滤波方法
Github-Stefanbit1996
1. 问题背景 Backgrounds
此问题基于一种简单的动力电池SOH估计方法，即通过估计ESR(Equivalent-Series Resistance)来实现。估计ESR R 0 R_0 R0 是一个相对比较简单的问题，以为它对于端电压测量是比较敏感的，这可以通过下面的过程来证明。
2.敏感性验证 Sensitivity validation
根据Dr.Plett的课程中的等效电路模型
v k = O C V ( z k ) + V h y s t e r e s i s , k − ∑ i R i i R i , k − i k R 0 v_k=OCV(z_k)+V_{hysteresis,k}-\sum_iR_ii_{R_i,k}-i_kR_0 vk=OCV(zk)+Vhysteresis,k−i∑RiiRi,k−ikR0
式中第一项为OCV，第二项为电压迟滞，第三项为极化电压，第四项为欧姆内阻上的电压。
设电压测量对内阻变化的敏感度可定义为
S v k R 0 = R 0 v k d v k d R 0 = − R 0 v k i k S_{v_k}^{R_0} = \frac{R_0}{v_k} \frac{dv_k}{dR_0}=\frac{-R_0}{v_k}i_k Sv
最低0.47元/天 解锁文章
115
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
