锂离子电池状态估计

估计误差低于0.3%

融合准物理机制与数据驱动的方法，在动态工况下实现低计算量的高精度电池状态在线估计。

Shiquan, Zheng · Shi, Haotian · Li, Haoran · Chen, Lei · Chao, Wang · 于春梅 · Huang Q.

Journal of Energy Storage 2026

参数信息

SOC估计综合MAPE

0.26 %

SOC估计RMSE

0.28 %

SOH估计MAPE

0.02 %

SOH估计RMSE

0.03 %

技术优势

估计误差低

SOC估计综合MAPE为0.26%，SOH估计MAPE为0.02%，满足高精度应用需求。

计算负担低

采用混合二阶等效电路模型，在保持精度的同时降低了计算负担，适用于算力有限的场景。

动态工况稳健

在15°C、25°C、35°C及HPPC、FTP75、WLTP多种动态工况下测试，模型残差由RBF神经网络在线补偿，缓解模型失配。

应用场景

• 电池管理系统：为车载BMS提供高精度、低算力的SOC/SOH联合估计，实现实时多状态感知。
• 电动汽车电池监测：在多变温度和动态工况下为电动汽车提供可靠的电池状态监测。
• 储能系统状态感知：使储能系统在复杂工况下仍可在线感知电池健康与荷电状态。