University of Colorado Boulder
Estimation de l'état de charge de la batterie (SOC)
University of Colorado Boulder

Estimation de l'état de charge de la batterie (SOC)

Gregory Plett

Instructeur : Gregory Plett

19 296 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.8

(249 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 27 heures
Apprenez à votre propre rythme
94%
La plupart des apprenants ont aimé ce cours
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.8

(249 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 27 heures
Apprenez à votre propre rythme
94%
La plupart des apprenants ont aimé ce cours

Ce que vous apprendrez

  • Comment mettre en œuvre des estimateurs d'état de charge (SOC) pour les cellules de batteries lithium-ion ?

Compétences que vous acquerrez

  • Catégorie : Comment mettre en œuvre des estimateurs d'état de charge (SOC) pour les cellules de batteries lithium-ion ?

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

37 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Algorithmes pour les systèmes de gestion des batteries
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 7 modules dans ce cours

Cette semaine, vous apprendrez quelques définitions rigoureuses nécessaires pour discuter de l'estimation du SOC et quelques méthodes simples mais médiocres pour estimer le SOC. Pour apprendre de meilleures méthodes, nous passerons en revue les concepts de la théorie des probabilités qui sont nécessaires pour pouvoir traiter l'impact des bruits incertains sur l'état interne d'un système et sur les mesures effectuées par un système de gestion des bâtiments.

Inclus

8 vidéos15 lectures7 devoirs1 sujet de discussion1 laboratoire non noté

Cette semaine, vous apprendrez à dériver les étapes de la solution d'inférence probabiliste séquentielle gaussienne, qui est la base de tous les estimateurs d'état de type filtre de Kalman. Bien que ce contenu soit très théorique, il est important d'avoir une solide compréhension de base de ces sujets dans la pratique, puisque les applications réelles violent souvent certaines des hypothèses qui sont faites dans la dérivation, et nous devons comprendre l'implication que cela a sur le processus. À la fin de la semaine, vous saurez comment dériver le filtre de Kalman linéaire.

Inclus

6 vidéos6 lectures6 devoirs

Les étapes d'un filtre de Kalman peuvent sembler abstraites et mystérieuses. Cette semaine, vous apprendrez différentes façons de penser et de visualiser le fonctionnement du filtre de Kalman linéaire afin d'avoir une meilleure intuition de son fonctionnement. Vous apprendrez également à implémenter un filtre de Kalman linéaire dans le code Octave et à évaluer les sorties du filtre de Kalman.

Inclus

7 vidéos7 lectures7 devoirs2 laboratoires non notés

Un filtre de Kalman linéaire peut être utilisé pour estimer l'état interne d'un système linéaire. Mais les cellules de batterie sont des systèmes non linéaires. Cette semaine, vous apprendrez comment approximer les étapes de la solution d'inférence probabiliste séquentielle gaussienne pour les systèmes non linéaires, ce qui donne le "filtre de Kalman étendu" (EKF). Vous apprendrez à implémenter l'EKF dans le code Octave et à utiliser l'EKF pour estimer l'état des cellules de la batterie.

Inclus

8 vidéos8 lectures7 devoirs3 laboratoires non notés

L'EKF est le filtre de Kalman non linéaire le plus connu et le plus utilisé. Cependant, il présente certaines limites fondamentales qui restreignent ses performances pour les systèmes "très non linéaires". Cette semaine, vous apprendrez à dériver le filtre de Kalman à point sigma (parfois appelé "filtre de Kalman non accentué") à partir des étapes d'inférence probabiliste séquentielle gaussienne. Vous apprendrez également à implémenter ce filtre dans le code Octave et à l'utiliser pour estimer l'état des cellules d'une batterie.

Inclus

7 vidéos7 lectures6 devoirs2 laboratoires non notés

Le filtrage de Kalman exige que les bruits aient une moyenne nulle. Que faire si le capteur de courant présente une erreur de biais en courant continu, comme c'est souvent le cas ? Comment pouvons-nous mettre en œuvre des estimateurs SOC de type filtre de Kalman d'une manière efficace sur le plan informatique pour un bloc-batterie comprenant de nombreuses cellules ? Cette semaine, vous apprendrez comment compenser l'erreur de biais du capteur de courant et comment mettre en œuvre la méthode bar-delta pour une meilleure efficacité de calcul. Vous découvrirez également la validation de bureau en tant qu'approche pour les tests initiaux et le réglage des algorithmes BMS.

Inclus

5 vidéos5 lectures4 devoirs1 laboratoire non noté

Vous avez déjà appris que les filtres de Kalman doivent être "réglés" en ajustant leurs matrices de covariance de bruit de processus, de bruit de capteur et d'estimation de l'état initial afin d'obtenir des performances acceptables dans une large gamme de scénarios d'exploitation. Ce dernier module de cours vous permettra d'acquérir de l'expérience dans le réglage manuel d'un EKF et d'un SPKF pour l'estimation du SOC.

Inclus

2 devoirs de programmation2 laboratoires non notés

Instructeur

Évaluations de l’enseignant
4.8 (81 évaluations)
Gregory Plett
University of Colorado System
9 Cours72 129 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Génie électrique

Préparer un diplôme

Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Colorado Boulder. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

Affichage de 3 sur 249

4.8

249 avis

  • 5 stars

    80,32 %

  • 4 stars

    16,86 %

  • 3 stars

    1,60 %

  • 2 stars

    0,40 %

  • 1 star

    0,80 %

JJ
5

Révisé le 8 mai 2022

RS
5

Révisé le 23 févr. 2022

ZZ
5

Révisé le 17 janv. 2022

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions