SOH Estimator (Capacity-Based)
库:
Simscape /
Battery /
BMS /
Estimators
描述
SOH Estimator (Capacity-Based) 模块实现了一个估计器，该估计器基于容量衰减来计算电池的健康状态 (SOH)。SOH 反映了电池相对于其理想状态的当前状态。电池性能随时间推移逐渐衰退，这意味着其容量和功率会逐渐降低。
此模块支持单精度和双精度浮点仿真。
注意
要启用单精度浮点仿真，所有输入和参数的数据类型必须为 single。
下图显示了模块的结构：
方程
电芯容量是衡量电池电芯老化程度的重要指标。在电池的生命周期中，电池电芯会随时间推移而逐渐降低容量。通常，当电芯容量降至标称值的 80%左右时，电芯状态健康度 (SOH) 为 0。
SOH Estimator (Capacity Based) 模块将 SOH 作为电芯容量 Q 的函数进行计算：
，其中 Q eol 表示寿命终止容量，Q new 表示电池全新时的容量。
示例
电池健康状态估计
此示例说明了如何使用自适应卡尔曼滤波器估计电池的内阻和健康状态 (SOH)。电池的初始荷电状态 (SOC) 为 0.6。估计器使用初始条件，其中 SOC 等于 0.65。电池持续充电和放电 10 小时。无香卡尔曼滤波器估计器在估计内阻的同时，还收敛到 SOC 的实际值。要使用不同的卡尔曼滤波器实现，在 SOC Estimator (Kalman Filter) 模块中，将滤波器类型参数设置为所需值。
基于容量衰减估计电池健康状态
此示例说明了如何使用卡尔曼滤波器估计电池容量和健康状态 (SOH)。电池的初始荷电状态 (SOC) 为 0.5。估计器使用的 SOC 初始条件等于 0.8。电池持续充电和放电长达 50 小时。该示例使用扩展卡尔曼滤波器估计电池容量（以安培小时为单位）和 SOC。电池容量的估计误差小于 4%。SOC 使用扩展卡尔曼滤波器进行估计。使用固定容量时，估计的 SOC 值与真实值会出现偏差。为了演示估计器的功能并限制仿真的持续时间，此示例对容量衰减率的增加进行了建模。
端口
输入
输出
参数
电芯容量（以安培小时为单位），当电池为全新状态时。
电池寿命终止时的电芯容量（单位：安培小时）
自 R2025a 起
选择模块算法的数据类型的选项，指定为以下值之一：
继承: 自动 - 您可以采用 single 和 double 两种精度仿真模块。您必须以 single 或 double 的形式明确提供输入和参数。
double - 模块算法将所有输入和参数转换为
double数据类型。single - 模块算法将所有输入和参数转换为
single数据类型。<数据类型表达式> - 模块算法将所有输入和参数转换为您指定的数据类型对象。
点击显示数据类型助手按钮 
以显示数据类型助手，它可以帮助您设置数据类型属性。有关详细信息，请参阅使用数据类型助手指定数据类型和控制信号的数据类型。
参考
[1] Noura, Nassim, Loïc Boulon, and Samir Jemeï. “A Review of Battery State of Health Estimation Methods: Hybrid Electric Vehicle Challenges.” World Electric Vehicle Journal 11, no. 4 (October 16, 2020): 66. https://doi.org/10.3390/wevj11040066.
