La capacité totale est souvent estimée à l'aide de la méthode des moindres carrés ordinaires (MCO). Cette semaine, vous apprendrez qu'il s'agit d'une approche fondamentalement incorrecte et que la méthode des moindres carrés totaux (TLS) doit être utilisée à la place. Vous apprendrez à dériver une solution pondérée des MCO, à utiliser comme référence, et à dériver également une solution pondérée des TLS.

Malheureusement, la solution TLS pondérée que vous avez apprise en semaine 2 n'est pas adaptée à un calcul efficace sur un système embarqué tel qu'un BMS. En tant qu'étape intermédiaire pour trouver une méthode TLS pondérée efficace, vous apprendrez d'abord cette semaine une méthode TLS pondérée proportionnellement. Vous apprendrez ensuite à la généraliser en une méthode de "TLS pondéré approximatif" (AWTLS), qui donne de bonnes estimations et peut être mise en œuvre sur un BMS.

Jusqu'à présent, dans ce cours, vous avez appris un certain nombre de méthodes pour estimer la capacité totale. Cette semaine, vous apprendrez à mettre en œuvre ces méthodes dans le code Octave. Vous explorerez également différents scénarios de simulation afin d'évaluer l'efficacité de chaque méthode par rapport aux autres. Les scénarios sont représentatifs des applications des véhicules électriques hybrides (HEV) et des véhicules électriques à batterie (BEV), mais les principes appris peuvent être extrapolés à d'autres domaines d'application similaires.

Dans le troisième cours de la spécialisation, vous avez appris à utiliser les filtres de Kalman étendus (EKF) et les filtres de Kalman à point sigma (SPKF) pour estimer l'état d'une cellule de batterie. Dans cette semaine d'honneur, vous apprendrez comment étendre ces concepts pour appliquer les EKF et SPKF à l'estimation des paramètres d'un modèle de cellule de batterie si l'état est connu, et aussi comment estimer simultanément l'état et les paramètres d'un modèle de cellule.

Vous avez appris plusieurs méthodes d'estimation de la capacité totale. Certaines de ces méthodes fonctionnent mieux que d'autres en général, mais toute méthode n'est bonne que dans la mesure où elle s'appuie sur les données que vous lui fournissez. Dans ce projet, vous explorerez une autre façon de déterminer les données "x" et "y" que vous utilisez comme entrées dans les méthodes d'estimation de la capacité totale.