Dieser Kurs ist Teil der Spezialisierung Spezialisierung Algorithms for Battery Management Systems

4.8
Sterne
133 Bewertungen
•
28 Bewertungen

Gregory Plett

9.023 bereits angemeldet

von

University of Colorado Boulder

University of Colorado System

Teil des Abschlusses Master of Science in Electrical Engineering

Mehr erfahren

Spezialisierung Algorithms for Battery Management SystemsUniversity of Colorado Boulder

Über diesen Kurs

29.494 kürzliche Aufrufe

This course can also be taken for academic credit as ECEA 5732, part of CU Boulder’s Master of Science in Electrical Engineering degree.
In this course, you will learn how to implement different state-of-charge estimation methods and to evaluate their relative merits. By the end of the course, you will be able to:

-	Implement simple voltage-based and current-based state-of-charge estimators and understand their limitations
-	Explain the purpose of each step in the sequential-probabilistic-inference solution
-	Execute provided Octave/MATLAB script for a linear Kalman filter and evaluate results
-	Execute provided Octave/MATLAB script for state-of-charge estimation using an extended Kalman filter on lab-test data and evaluate results
-	Execute provided Octave/MATLAB script for state-of-charge estimation using a sigma-point Kalman filter on lab-test data and evaluate results
-	Implement method to detect and discard faulty voltage-sensor measurements

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 3 von 5 in

Spezialisierung Algorithms for Battery Management Systems

Stufe „Mittel“

Ca. 28 Stunden zum Abschließen

Englisch

Untertitel: Französisch, Portugiesisch (europäisch), Russisch, Englisch, Spanisch

Was Sie lernen werden

How to implement state-of-charge (SOC) estimators for lithium-ion battery cells

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 3 von 5 in

Spezialisierung Algorithms for Battery Management Systems

Stufe „Mittel“

Ca. 28 Stunden zum Abschließen

Englisch

Untertitel: Französisch, Portugiesisch (europäisch), Russisch, Englisch, Spanisch

Dozent

Dozentenbewertung

4,82/5 (39 Bewertungen)

Gregory Plett

Professor

Electrical and Computer Engineering

35.490 Kursteilnehmer

5 Kurse

von

University of Colorado Boulder

CU-Boulder is a dynamic community of scholars and learners on one of the most spectacular college campuses in the country. As one of 34 U.S. public institutions in the prestigious Association of American Universities (AAU), we have a proud tradition of academic excellence, with five Nobel laureates and more than 50 members of prestigious academic academies.

University of Colorado System

The University of Colorado is a recognized leader in higher education on the national and global stage. We collaborate to meet the diverse needs of our students and communities. We promote innovation, encourage discovery and support the extension of knowledge in ways unique to the state of Colorado and beyond.

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Dieses Kurs ist Teil des reinen Onlineabschlusses Master of Science in Electrical Engineering von University of Colorado Boulder. Wenn Sie in das komplette Programm aufgenommen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.

Mehr erfahren

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung95%(1,238 Bewertungen)

Woche

Woche 1

5 Stunden zum Abschließen

The importance of a good SOC estimator

This week, you will learn some rigorous definitions needed when discussing SOC estimation and some simple but poor methods to estimate SOC. As background to learning some better methods, we will review concepts from probability theory that are needed to be able to deal with the impact of uncertain noises on a system's internal state and measurements made by a BMS.

5 Stunden zum Abschließen

8 Videos (Gesamt 120 min), 14 Lektüren, 7 Quiz

8 Videos

3.1.1: Welcome to the course!8m

3.1.2: What is the importance of a good SOC estimator?8m

3.1.3: How do we define SOC carefully?16m

3.1.4: What are some approaches to estimating battery cell SOC?26m

3.1.5: Understanding uncertainty via mean and covariance17m

3.1.6: Understanding joint uncertainty of two unknown quantities15m

3.1.7: Understanding time-varying uncertain quantities22m

3.1.8: Summary of "The importance of a good SOC estimator" and next steps3m

14 Lektüren

Notes for lesson 3.1.11m

Frequently asked questions5m

Course resources5m

How to use discussion forums5m

Earn a course certificate5m

Are you interested in earning an MSEE degree?5m

Notes for lesson 3.1.21m

Notes for lesson 3.1.31m

Notes for lesson 3.1.41m

Introducing a new element to the course!10m

Notes for lesson 3.1.51m

Notes for lesson 3.1.61m

Notes for lesson 3.1.71m

Notes for lesson 3.1.81m

7 praktische Übungen

Practice quiz for lesson 3.1.210m

Practice quiz for lesson 3.1.310m

Practice quiz for lesson 3.1.410m

Practice quiz for lesson 3.1.515m

Practice quiz for lesson 3.1.610m

Practice quiz for lesson 3.1.730m

Quiz for week 140m

Woche

Woche 2

3 Stunden zum Abschließen

Introducing the linear Kalman filter as a state estimator

This week, you will learn how to derive the steps of the Gaussian sequential probabilistic inference solution, which is the basis for all Kalman-filtering style state estimators. While this content is highly theoretical, it is important to have a solid foundational understanding of these topics in practice, since real applications often violate some of the assumptions that are made in the derivation, and we must understand the implication this has on the process. By the end of the week, you will know how to derive the linear Kalman filter.

3 Stunden zum Abschließen

6 Videos (Gesamt 97 min), 6 Lektüren, 6 Quiz

6 Videos

3.2.1: Predict/correct mechanism of sequential probabilistic inference24m

3.2.2: The Kalman-filter gain factor23m

3.2.3: Summarizing the six steps of generic probabilistic inference9m

3.2.4: Deriving the three Kalman-filter prediction steps21m

3.2.5: Deriving the three Kalman-filter correction steps16m

3.2.6: Summary of "Introducing the linear KF as a state estimator" and next steps2m

6 Lektüren

Notes for lesson 3.2.11m

Notes for lesson 3.2.21m

Notes for lesson 3.2.31m

Notes for lesson 3.2.41m

Notes for lesson 3.2.51m

Notes for lesson 3.2.61m

6 praktische Übungen

Practice quiz for lesson 3.2.112m

Practice quiz for lesson 3.2.210m

Practice quiz for lesson 3.2.310m

Practice quiz for lesson 3.2.410m

Practice quiz for lesson 3.2.510m

Quiz for week 230m

Woche

Woche 3

4 Stunden zum Abschließen

Coming to understand the linear Kalman filter

The steps of a Kalman filter may appear abstract and mysterious. This week, you will learn different ways to think about and visualize the operation of the linear Kalman filter to give better intuition regarding how it operates. You will also learn how to implement a linear Kalman filter in Octave code, and how to evaluate outputs from the Kalman filter.

4 Stunden zum Abschließen

7 Videos (Gesamt 86 min), 7 Lektüren, 7 Quiz

7 Videos

3.3.1: Visualizing the Kalman filter with a linearized cell model20m

3.3.2: Introducing Octave code to generate correlated random numbers15m

3.3.3: Introducing Octave code to implement KF for linearized cell model10m

3.3.4: How do we improve numeric robustness of Kalman filter?10m

3.3.5: Can we automatically detect bad measurements with a Kalman filter?14m

3.3.6: How do I initialize and tune a Kalman filter?12m

3.3.7: Summary of "Coming to understand the linear KF" and next steps2m

7 Lektüren

Notes for lesson 3.3.11m

Notes for lesson 3.3.21m

Notes for lesson 3.3.31m

Notes for lesson 3.3.41m

Notes for lesson 3.3.51m

Notes for lesson 3.3.61m

Notes for lesson 3.3.71m

7 praktische Übungen

Practice quiz for lesson 3.3.110m

Practice quiz for lesson 3.3.210m

Practice quiz for lesson 3.3.310m

Practice quiz for lesson 3.3.410m

Practice quiz for lesson 3.3.510m

Practice quiz for lesson 3.3.610m

Quiz for week 330m

Woche

Woche 4

4 Stunden zum Abschließen

Cell SOC estimation using an extended Kalman filter

A linear Kalman filter can be used to estimate the internal state of a linear system. But, battery cells are nonlinear systems. This week, you will learn how to approximate the steps of the Gaussian sequential probabilistic inference solution for nonlinear systems, resulting in the "extended Kalman filter" (EKF). You will learn how to implement the EKF in Octave code, and how to use the EKF to estimate battery-cell SOC.

4 Stunden zum Abschließen

8 Videos (Gesamt 101 min), 8 Lektüren, 7 Quiz

8 Videos

3.4.1: Introducing nonlinear variations to Kalman filters11m

3.4.2: Deriving the three extended-Kalman-filter prediction steps15m

3.4.3: Deriving the three extended-Kalman-filter correction steps6m

3.4.4: Introducing a simple EKF example, with Octave code15m

3.4.5: Preparing to implement EKF on an ECM20m

3.4.6: Introducing Octave code to initialize and control EKF for SOC estimation13m

3.4.7: Introducing Octave code to update EKF for SOC estimation16m

3.4.8: Summary of "Cell SOC estimation using an EKF" and next steps2m

8 Lektüren

Notes for lesson 3.4.11m

Notes for lesson 3.4.21m

Notes for lesson 3.4.31m

Notes for lesson 3.4.41m

Notes for lesson 3.4.51m

Notes for lesson 3.4.61m

Notes for lesson 3.4.71m

Notes for lesson 3.4.81m

7 praktische Übungen

Practice quiz for lesson 3.4.110m

Practice quiz for lesson 3.4.210m

Practice quiz for lesson 3.4.310m

Practice quiz for lesson 3.4.410m

Practice quiz for lesson 3.4.510m

Practice quiz for lesson 3.4.710m

Quiz for week 430m

Woche

Woche 5

5 Stunden zum Abschließen

Cell SOC estimation using a sigma-point Kalman filter

The EKF is the best known and most widely used nonlinear Kalman filter. But, it has some fundamental limitations that limit its performance for "very nonlinear" systems. This week, you will learn how to derive the sigma-point Kalman filter (sometimes called an "unscented Kalman filter") from the Gaussian sequential probabilistic inference steps. You will also learn how to implement this filter in Octave code and how to use it to estimate battery cell SOC.

5 Stunden zum Abschließen

7 Videos (Gesamt 116 min), 7 Lektüren, 6 Quiz

7 Videos

3.5.1: Problems with EKF that are improved with sigma-point methods11m

3.5.2: Approximating uncertain variables using sigma points31m

3.5.3: Deriving the six sigma-point-Kalman-filter steps17m

3.5.4: Introducing a simple SPKF example with Octave code19m

3.5.5: Introducing Octave code to initialize and control SPKF for SOC estimation9m

3.5.6: Introducing Octave code to update SPKF for SOC estimation18m

3.5.7: Summary of "Cell SOC estimation using a SPFK" and next steps7m

7 Lektüren

Notes for lesson 3.5.11m

Notes for lesson 3.5.21m

Notes for lesson 3.5.31m

Notes for lesson 3.5.41m

Notes for lesson 3.5.51m

Notes for lesson 3.5.61m

Notes for lesson 3.5.71m

6 praktische Übungen

Practice quiz for lesson 3.5.110m

Practice quiz for lesson 3.5.210m

Practice quiz for lesson 3.5.310m

Practice quiz for lesson 3.5.430m

Practice quiz for lesson 3.5.610m

Quiz for week 530m

Woche

Woche 6

3 Stunden zum Abschließen

Improving computational efficiency using the bar-delta method

Kalman filtering requires that noises have zero mean. What do we do if the current-sensor has a dc bias error, as is often the case? How can we implement Kalman-filter type SOC estimators in a computationally efficient way for a battery pack comprising many cells? This week you will learn how to compensate for current-sensor bias error and how to implement the bar-delta method for computational efficiency. You will also learn about desktop validation as an approach for initial testing and tuning of BMS algorithms.

3 Stunden zum Abschließen

5 Videos (Gesamt 71 min), 5 Lektüren, 4 Quiz

5 Videos

3.6.1: Why do we need to be clever when estimating SOC for battery packs?24m

3.6.2: Developing a "bar" filter using an ECM6m

3.6.3: Developing the "delta" filters using an ECM15m

3.6.4: Introducing "desktop validation" as a method for predicting performance21m

3.6.5: Summary of "Improving computational efficiency using the bar-delta method" and next steps2m

5 Lektüren

Notes for lesson 3.6.11m

Notes for lesson 3.6.21m

Notes for lesson 3.6.31m

Notes for lesson 3.6.41m

Notes for lesson 3.6.51m

4 praktische Übungen

Quiz for lesson 3.6.115m

Quiz for lesson 3.6.210m

Quiz for lesson 3.6.310m

Quiz for lessons 3.6.4 and 3.6.515m

Woche

Woche 7

5 Stunden zum Abschließen

Capstone project

You have already learned that Kalman filters must be "tuned" by adjusting their process-noise, sensor-noise, and initial state-estimate covariance matrices in order to give acceptable performance over a wide range of operating scenarios. This final course module will give you some experience hand-tuning both an EKF and SPKF for SOC estimation.

5 Stunden zum Abschließen

Bewertungen

4.8

28 Bewertungen

5 stars
81,20 %
4 stars
15,78 %
3 stars
1,50 %
2 stars
0,75 %
1 star
0,75 %

Top-Bewertungen von BATTERY STATE-OF-CHARGE (SOC) ESTIMATION

von NB12. Aug. 2021

As an electrical engineer, I firmly state that this course is the best for anyone who would like to embark on this journey of battery energy storage. Well structured With an excellent instructor

von BS10. Aug. 2020

Good and a very challenging course. Really makes you work to understand even the basic concepts. Challenging theoretical and practical assignments. Lot of learning obtained from this course

von ME7. Jan. 2020

The course was well planned and organised! There is flexibility in the course deadline which is appreciable and suitable for students, Working professionals, faculties.

von DB14. Apr. 2021

Excellent course, would be happy if those sigma points were explained too. But still got the main idea of sigma point and the steps to execute them.

Alle Bewertungen anzeigen

Über den Spezialisierung Algorithms for Battery Management Systems

In this specialization, you will learn the major functions that must be performed by a battery management system, how lithium-ion battery cells work and how to model their behaviors mathematically, and how to write algorithms (computer methods) to estimate state-of-charge, state-of-health, remaining energy, and available power, and how to balance cells in a battery pack.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..

Battery State-of-Charge (SOC) Estimation

Über diesen Kurs

Was Sie lernen werden

Dozent

Gregory Plett

von

University of Colorado Boulder

University of Colorado System

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche 1

The importance of a good SOC estimator

Woche 2

Introducing the linear Kalman filter as a state estimator

Woche 3

Coming to understand the linear Kalman filter

Woche 4

Cell SOC estimation using an extended Kalman filter

Woche 5

Cell SOC estimation using a sigma-point Kalman filter

Woche 6

Improving computational efficiency using the bar-delta method

Woche 7

Capstone project

Bewertungen

Top-Bewertungen von BATTERY STATE-OF-CHARGE (SOC) ESTIMATION

Über den Spezialisierung Algorithms for Battery Management Systems

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Themen durchsuchen

Erweitern Sie die Fähigkeiten Ihres Teams

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Battery State-of-Charge (SOC) Estimation

Über diesen Kurs

Was Sie lernen werden

Dozent

Gregory Plett

von

University of Colorado Boulder

University of Colorado System

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche 1

The importance of a good SOC estimator

Woche 2

Introducing the linear Kalman filter as a state estimator

Woche 3

Coming to understand the linear Kalman filter

Woche 4

Cell SOC estimation using an extended Kalman filter

Woche 5

Cell SOC estimation using a sigma-point Kalman filter

Woche 6

Improving computational efficiency using the bar-delta method

Woche 7

Capstone project

Bewertungen

Top-Bewertungen von BATTERY STATE-OF-CHARGE (SOC) ESTIMATION

Über den Spezialisierung Algorithms for Battery Management Systems

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Themen durchsuchen

Erweitern Sie die Fähigkeiten Ihres Teams

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr