锂电组状态联合估计算法

算力降 83%，误差 2.5%

用领导者-跟随者架构把整个电池组的 SoC 和 SoH 估计从高算力需求中解放出来，以极低计算成本覆盖所有单体。

Tang, Xiaopeng · Zhou, Yuanqiang · Gao, Furong · 来鑫

eTransportation 2023

参数信息

计算时间降低率

83 %

全组 SoC 估计误差

2.5 %

全组 SoH 估计误差

1.25 %

技术优势

算力需求锐减

只对选定的领导者电池运行增强算法，其余跟随者用轻量校准器，计算时间比基准降低 83%。

全组覆盖无遗漏

基于电压、SoC 和均衡电流比的关系对所有串联单体进行校准，不依赖增加传感器或单体逐一建模。

精度足够实用

在电池在环实验中，即使计算量下降 83%，全组 SoC 误差仍限制在 2.5%，SoH 误差限制在 1.25%。

可快速移植

算法计算负担低，可轻松迁移到不同系统配置的电池组应用中，无需深度改动。

应用场景

• 电池组在线状态监测：实时掌握每个单体的 SoC 和 SoH，及时发现不一致和异常，防止过充过放。
• 车用电池管理系统：在车规 BMS 上以低算力实现全组状态估计，减少对高成本处理器的依赖。
• 储能系统电池管理：大规模储能系统中用极少算力管理海量电池，降低运维复杂度。
• 无人机电源管理：在无人机轻量化控制器上嵌入，不增加重量即可估计整组电池状态。