课程主页: https://www.coursera.org/learn/battery-state-of-charge
课程简介
在当今的电池技术中，了解和准确估计电池的充电状态(SOC)至关重要。这门名为《电池充电状态(SOC)估计》的课程，涵盖了从基本的电压和电流基估计器到较复杂的卡尔曼滤波器的各种SOC估计方法。该课程不仅适合希望深入了解电池管理系统(BMS)的工程师，也可以作为CU Boulder电气工程硕士学位中的学术学分课程选修。
课程的主要目标是让学员能够实现和评估不同的SOC估计方法，并理解各自的优缺点。课程内容涉及理论与实践的结合，使学员对SOC估计有全面的理解。
课程大纲
- 良好SOC估计器的重要性 这部分介绍了SOC估计的基本概念以及常用但效果不佳的估计方法以及概率理论在处理系统内部状态和测量噪声中的重要性。
- 引入线性卡尔曼滤波器作为状态估计器 通过推导高斯序列概率推理解决方案，学员将获得理论基础，理解卡尔曼滤波器的操作。
- 理解线性卡尔曼滤波器 提供直观的理解和Octave代码实现线性卡尔曼滤波器，进一步评估其输出。
- 使用扩展卡尔曼滤波器(EKF)进行电池单元SOC估计 讲解如何对非线性系统进行SOC估计，并在Octave中实现EKF。
- 使用无迹卡尔曼滤波器(SPKF)进行电池单元SOC估计 学习如何克服EKF的局限性，并实现SPKF。
- 使用Bar-Delta方法提高计算效率 这部分讨论了当前传感器偏差如何影响估计，并介绍了BMS算法的初步测试与调优。
- 总结项目 本模块使学员有机会亲自调优EKF和SPKF，以获得最佳SOC估计表现。
在这门课程中，理论与实际结合，确保学员在完成后能自信地将所学应用于实际项目中。无论是工程师还是希望进入电池技术领域的学生，都能从这门课程中获益匪浅。
课程主页: https://www.coursera.org/learn/battery-state-of-charge