课程主页: https://www.coursera.org/learn/battery-state-of-health

课程简介

电池健康状态（SOH）估计是一个在Coursera上提供的极具价值的课程，该课程也可以作为学分课程（ECEA 5733）被选修，属于科罗拉多大学博尔德分校的电气工程硕士学位的一部分。在这个课程中，您将学习如何实现不同的健康状态估计方法，并评估它们的相对优缺点。

课程内容概述

课程的主要目标是让学员了解锂离子电池的主要退化机制，以及它们的工作原理。您将能够：

• 识别锂离子电池中发生的主要退化机制，并理解这些机制的运作方式
• 执行提供的Octave/MATLAB脚本，使用加权最小二乘法估计总容量

详细课程大纲

锂离子电池健康状况如何退化？

随着电池单元的老化，它们的总容量通常会减少，电阻通常会增加。在这部分中，您将学习这种现象发生的原因，包括导致锂离子电池单元退化的特定物理和化学机制，以及追踪电阻变化的简便性与准确估计总容量变化的复杂性。

总最小二乘法电池容量估计

本周将学习电池容量的传统估计方法通常使用普通最小二乘法（OLS），但您将了解到这是一个根本错误的方法。我们将学习为标准进行加权OLS解的推导，并进一步推导加权总最小二乘法（TLS）解。

简化的总最小二乘法电池容量估计

本周，我们将探索一种比例加权的TLS方法，并学习如何将其推广为“近似加权TLS”（AWTLS）方法，它能够给出良好的估计，并且能够在电池管理系统（BMS）中实现。

为各种总容量估算器编写代码的方法

在过去的几周中，您将学习几种容量估计方法，并将在本周了解如何在Octave代码中实现这些方法，并通过仿真场景对比各方法的效果。

卡尔曼滤波方法进行总容量估计

在此部分中，您将学习如何将扩展卡尔曼滤波器（EKF）和sigma点卡尔曼滤波器（SPKF）应用于电池单元模型参数的估计。

结业项目

您将探索一种不同的方法，以确定输入到总容量估计方法中的“x”和“y”数据，这将极大地提升您对数据质量在估计方法中的影响的理解。

总结

这门课程从多个视角深入探讨了电池的健康状态估计，适合对电池技术和电气工程感兴趣的学员。通过这样的学习，您不仅能掌握理论知识，还能积累实践经验，为今后的相关工作打下坚实基础。如果您对电池管理或电动汽车技术有兴趣，这门课程无疑是一个很好的选择。

课程主页: https://www.coursera.org/learn/battery-state-of-health