À propos de ce cours

36,266 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 28 heures pour terminer
Anglais

Ce que vous allez apprendre

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

Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 28 heures pour terminer
Anglais

Enseignant

Offert par

Placeholder

Université du Colorado à Boulder

Placeholder

University of Colorado System

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master of Science in Electrical Engineering de Université du Colorado à Boulder. Si vous êtes admis(e) au programme complet, vos cours sont pris en compte dans votre apprentissage diplômant.

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

5 heures pour terminer

The importance of a good SOC estimator

5 heures pour terminer
8 vidéos (Total 120 min), 13 lectures, 7 quiz
8 vidéos
3.1.2: What is the importance of a good SOC estimator?8 min
3.1.3: How do we define SOC carefully?16 min
3.1.4: What are some approaches to estimating battery cell SOC?26 min
3.1.5: Understanding uncertainty via mean and covariance17 min
3.1.6: Understanding joint uncertainty of two unknown quantities15 min
3.1.7: Understanding time-varying uncertain quantities22 min
3.1.8: Summary of "The importance of a good SOC estimator" and next steps3 min
13 lectures
Notes for lesson 3.1.11 min
Frequently asked questions5 min
Course resources5 min
How to use discussion forums5 min
Earn a course certificate5 min
Notes for lesson 3.1.21 min
Notes for lesson 3.1.31 min
Notes for lesson 3.1.41 min
Introducing a new element to the course!10 min
Notes for lesson 3.1.51 min
Notes for lesson 3.1.61 min
Notes for lesson 3.1.71 min
Notes for lesson 3.1.81 min
7 exercices pour s'entraîner
Practice quiz for lesson 3.1.210 min
Practice quiz for lesson 3.1.310 min
Practice quiz for lesson 3.1.410 min
Practice quiz for lesson 3.1.515 min
Practice quiz for lesson 3.1.610 min
Practice quiz for lesson 3.1.730 min
Quiz for week 140 min
Semaine
2

Semaine 2

3 heures pour terminer

Introducing the linear Kalman filter as a state estimator

3 heures pour terminer
6 vidéos (Total 97 min), 6 lectures, 6 quiz
6 vidéos
3.2.2: The Kalman-filter gain factor23 min
3.2.3: Summarizing the six steps of generic probabilistic inference9 min
3.2.4: Deriving the three Kalman-filter prediction steps21 min
3.2.5: Deriving the three Kalman-filter correction steps16 min
3.2.6: Summary of "Introducing the linear KF as a state estimator" and next steps2 min
6 lectures
Notes for lesson 3.2.11 min
Notes for lesson 3.2.21 min
Notes for lesson 3.2.31 min
Notes for lesson 3.2.41 min
Notes for lesson 3.2.51 min
Notes for lesson 3.2.61 min
6 exercices pour s'entraîner
Practice quiz for lesson 3.2.112 min
Practice quiz for lesson 3.2.210 min
Practice quiz for lesson 3.2.310 min
Practice quiz for lesson 3.2.410 min
Practice quiz for lesson 3.2.510 min
Quiz for week 230 min
Semaine
3

Semaine 3

4 heures pour terminer

Coming to understand the linear Kalman filter

4 heures pour terminer
7 vidéos (Total 86 min), 7 lectures, 7 quiz
7 vidéos
3.3.2: Introducing Octave code to generate correlated random numbers15 min
3.3.3: Introducing Octave code to implement KF for linearized cell model10 min
3.3.4: How do we improve numeric robustness of Kalman filter?10 min
3.3.5: Can we automatically detect bad measurements with a Kalman filter?14 min
3.3.6: How do I initialize and tune a Kalman filter?12 min
3.3.7: Summary of "Coming to understand the linear KF" and next steps2 min
7 lectures
Notes for lesson 3.3.11 min
Notes for lesson 3.3.21 min
Notes for lesson 3.3.31 min
Notes for lesson 3.3.41 min
Notes for lesson 3.3.51 min
Notes for lesson 3.3.61 min
Notes for lesson 3.3.71 min
7 exercices pour s'entraîner
Practice quiz for lesson 3.3.110 min
Practice quiz for lesson 3.3.210 min
Practice quiz for lesson 3.3.310 min
Practice quiz for lesson 3.3.410 min
Practice quiz for lesson 3.3.510 min
Practice quiz for lesson 3.3.610 min
Quiz for week 330 min
Semaine
4

Semaine 4

4 heures pour terminer

Cell SOC estimation using an extended Kalman filter

4 heures pour terminer
8 vidéos (Total 101 min), 8 lectures, 7 quiz
8 vidéos
3.4.2: Deriving the three extended-Kalman-filter prediction steps15 min
3.4.3: Deriving the three extended-Kalman-filter correction steps6 min
3.4.4: Introducing a simple EKF example, with Octave code15 min
3.4.5: Preparing to implement EKF on an ECM20 min
3.4.6: Introducing Octave code to initialize and control EKF for SOC estimation13 min
3.4.7: Introducing Octave code to update EKF for SOC estimation16 min
3.4.8: Summary of "Cell SOC estimation using an EKF" and next steps2 min
8 lectures
Notes for lesson 3.4.11 min
Notes for lesson 3.4.21 min
Notes for lesson 3.4.31 min
Notes for lesson 3.4.41 min
Notes for lesson 3.4.51 min
Notes for lesson 3.4.61 min
Notes for lesson 3.4.71 min
Notes for lesson 3.4.81 min
7 exercices pour s'entraîner
Practice quiz for lesson 3.4.110 min
Practice quiz for lesson 3.4.210 min
Practice quiz for lesson 3.4.310 min
Practice quiz for lesson 3.4.410 min
Practice quiz for lesson 3.4.510 min
Practice quiz for lesson 3.4.710 min
Quiz for week 430 min

Avis

Meilleurs avis pour BATTERY STATE-OF-CHARGE (SOC) ESTIMATION

Voir tous les avis

À propos du Spécialisation Algorithms for Battery Management Systems

Algorithms for Battery Management Systems

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.