CN107402355B - 一种充电时间预估方法 - Google Patents

Abstract

本发明适用于电池检测领域，提供了一种充电时间预估方法，该方法包括如下步骤：通过实验方式获取不同电池老化程度、不同充电温度、以及不同起始电量条件下的充电曲线；对相同实验条件下多组充电曲线上的点进行求平均，将平均值对应的充电曲线作为典型充电曲线；将典型充电曲线存入终端设备中，基于终端设备的电池老化程度、当前充电温度、以及起始电量选择最佳典型充电曲线，基于最佳典型充电曲线获取从起始电量到目标电量的预估充电时间。通过此种方法获取的预估充电时间既考虑了电池充电曲线的特性，也考虑到了环境因素对充电过程的影响，因此，确保预估充电时间的精准性。

Description

一种充电时间预估方法

技术领域

本发明属于电池检测领域，尤其涉及一种充电时间预估方法。

背景技术

移动设备如手机等数码设备、电动汽车等新能源汽车以及大型储能设备都采用锂离子电池进行供电，电池能够储存的电量是有限的，在使用一段时间后，用户就需要对电池进行充电，才能继续使用。

在电动汽车的应用中，要实现对电动汽车充电过程智能化管理，则需要估算出充值目标电量的充电时间。传统的电池充电时间的获取方法主要有两种，一种是根据1％电量(SOC)充电时间，根据当前的SOC到满电的百分数，来计算所需的剩余充电时间；另一种是根据电池出厂前预设的电量参照信息和电池当前的SOC，来获取该电池的剩余充电时间，对于第一种，由于实际充电过程中整个充电过程大致分为三个阶段，分别为恒流、恒压和涓流充电，不同阶段充入1％SOC电量所需要的时间显然是不一样的，传统方法中的第一种是误差较大的。对于第二种，没有考虑电池老化后程度、及电池充电温度对充电速率的影响，实际上这些因素会对充电时间的计算引入偏差。

发明内容

本发明实施例提供一种充电时间的预估方法，旨在提供一种精准的充电时间估算方法。

本发明是这样实现的，一种充电时间预估方法，所述方法包括如下步骤：

S1、获取不同电池老化程度、不同充电温度、以及不同起始电量条件下的充电曲线；

S2、对相同实验条件下多组充电曲线上的点进行求平均，将平均值对应的充电曲线作为典型充电曲线；

S3、将典型充电曲线存入终端设备中，基于终端设备的电池老化程度、当前充电温度、以及起始电量选择最佳典型充电曲线，基于最佳典型充电曲线获取从起始电量到目标电量的预估充电时间。

进一步的，所述步骤S2之前包括：

S4、判断相同实验条件下的多组充电曲线中是否存在异常曲线，若存在，则将异常曲线进行删除，

进一步的，所述异常曲线的判断方法包括：

计算相同实验条件下多组充电曲线上各点的平均值，基于平均值获取各点的偏差，若存在偏差均超出设定偏差的点，则将所述点所在的充电曲线判定为异常充电曲线。

进一步的，所述步骤S1具体包括如下步骤：

S11、通过实验方式在相同充电温度、以及相同电池老化程度的条件下，测量不同起始电量下的充电曲线；

S12、改变充电温度和电池老化程度中的一个实验参数，保持另一个实验参数不变，测试不同起始电量下的充电曲线，直至遍历充电温度和电池老化程度的所有组合下的不同起始电量下的充电曲线。

进一步的,基于所述电池老化程度、所述充电温度、以及所述起始电量三个实验参数对充电速率的影响程度来设定试验参数的采样密度，即采样间隔，所述采样密度的设定具体如下：

电池老化程度对充电速率的影响呈现线性关系，设定的电池老化程度采样密度较小，即电池老化程度采样间隔大；

充电温度在15℃至35℃的温度非敏感区间内，充电温度的变化对充电速率的影响小，设定的温度采样密度小，即温度采样间隔大，在其他温度敏感区间，充电温度对充电速率影响大，设定的温度采样密度大，即温度采样间隔小；

在起始电量处于恒流充电阶段时，充电速率稳定，设定的起始电量采样密度小，即起始电量采样间隔大，在起始电量处于恒压或涓流充电阶段时，充电速率逐渐减小，设定的起始电量采样密度大，即起始电量采样间隔小。

进一步的，所述最佳典型充电曲线的选择具体如下：

若终端设备电池老化程度电、当前充电温度、以及当前起始电量均与对应的采样参数重合，则将当前充电温度、电池老化程度、当前电池起始电量对应的典型充电曲线作为最佳典型充电曲线；

若智能终端的当前电池老化程度、当前充电温度、以及当前起始电量不是均与对应的采样参数重合，则分别选择偏离当前充电温、电池老化程度、以及当前起始电量最小的三个采样参数，所述三个采样参数对应的典型充电曲线即为最佳典型充电曲线。

进一步的,基于最佳典型充电曲线获取所述终端设备预估充电时间具体如下：

若终端设备的当前充电温度、电池老化程度、以及当前起始电量均与采样参数重合，从最佳典型充电曲线上直接读取从起始电量至目标电量的充电时间预估值；

若终端设备的当前充电温度、电池老化程度、以及当前起始电量不是均与采样参数重合，所述充电预估时间由两部分组成，即从最佳典型充电曲线上直接读取起始电量至目标电量的预估充电时间及参数偏差引入的预估时间修正值，所述参数偏差是指电池老化程度、当前充电温度及电池起始电量与最佳典型充电曲线采样参数的偏差。

进一步的，预估值修正值的计算方法具体如下：

若电池老化程度偏离最佳典型充电曲线的电老化程度采样参数，基于电池老化程度对充电速率的影响呈现线性，获取两个电池老化程度采样参数L_m1，L_m2，以及离当前充电温度T₀及当前起始电量S₀最近的温度采样参数T_m、起始电量采样参数S_m，分别获取采样参数(L_m1、T_m、S_m)及(L_m2、T_m、S_m)对应的两条典型充电曲线，分别从两条所述典型充电曲线中获取从起始电量到目标电量的充电时间预估值t₁、t₂，由电池老化程度的偏离引入的预估时间修正值Δt为：其中，L_m1为小于L₀的电池老化程度采样参数中的最大值，L_m2为大于L₀的电池老化程度采样参数中的最小值；

若电池起始电量偏离最佳典型充电曲线的起始电量采样参数，当电池起始电量S₀处于恒流充电阶段时，在恒流充电阶段的充电速率不变，分别获取离起始电量S₀、电池老化程度L₀及当前充电温度T₀最近的起始电量采样参数S_m、电池老化程度采样参数L_m及温度采样参数T_m，基于采样参数(S_m、L_m、T_m)对应的典型充电曲线计算恒流阶段的充电速率，基于起始电量S₀偏离起始电量采样参数S引入的预估时间修正值Δt为：Δt＝(S_m-S₀)*k，其中，S₀为起始电量，S_m为离电池起始电量最近的起始电量采样参数，k为充电速率乘积；当起始电量S₀处于恒压充电阶段或涓流充电阶段时，由于采样点密度大，采样间隔小，起始电量S₀与离起始电量S₀最近的起始电量采样参数S_m的差值很小，由起始电量S₀的偏离引入的预估时间修正值Δt为零；

若当前充电温度T₀偏离最佳典型充电曲线的温度采样参数T，在温度敏感区间，由于采样密度大，当前充电温度T₀与偏离当前充电温度T₀最近的温度采样参数T_m的差值很小，由当前充电温度T₀的偏离引入的预估时间修正值Δt为零，对于温度非敏感区间，由于充电温度的变化对充电曲线的影响小，由当前充电温度T₀的偏离引入的预估时间修正值Δt为零。

本发明实施例通过实验的方式获取不同老化程度、不同充电温度、以及不同起始电量条件下的充电曲线，基于终端设备电池的老化程度、当前充电温度及起始电量获取与之匹配的最佳典型充电曲线，基于最佳典型充电曲线来获取从起始电量充电至目标电量的预估充电时间。通过此种方法获取的预估充电时间既考虑了电池充电曲线的特性，也考虑到了环境因素对充电过程的影响，因此，确保预估充电时间的精准性。

附图说明

图1为本发明实施例提供的充电时间预估方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为本发明实施例提供的充电时间预估方法的流程图，该方法包括如下步骤：

S1、通过实验方式获取不同电池老化程度、不同充电温度、以及不同起始电量条件下的充电曲线；

在本发明实施例中，利用电池循环测试设备测试不同老化程度、不同充电温度、以及不同起始电量条件下的充电曲线，基于老化程度不同的电池样品，改变充电温度及起始电量，来获取在各种实验参数下的充电曲线，在本发明实施例中，老化程度是以电池的充放电次数进行表征，例如以循环充放电间隔50次取样一次，如新电池、循环充放电50次、循环充放电100次……，充电温度一般是指最低许可充电温度至最高许可充电温度，可根据充电温度变化对充电速率的影响来划分取样间隔，或者进行等距取样，如每隔5℃取样一次；起始电量的取样间隔可以基于充电阶段来划分，或者进行等距取样，如每隔10％取样一次。

S2、对相同实验条件下多组充电曲线上的点进行求平均，将平均值对应的充电曲线作为典型充电曲线。

在本发明实施例中，为了确保测量结果的精准，对相同实验条件下获取多组充电曲线，并对多组充电曲线的点进行求平均，将平均值对应的充电曲线即为经典充电曲线，为了确保采集到的数据是准确的，在对相同实验条件下多组充电曲线上的点求平均之前，需进行曲线是否异常的判断，并将异常的曲线进行剔除，可以确保测量失误引起的偏差不会继续传播。

在本发明实施例中，异常曲线的判断方法是：

计算相同实验条件下多组充电曲线上各点的平均值，基于平均值获取各点的偏差，若存在偏差均超出设定偏差的点，则将所述点所在的充电曲线判定为异常充电曲线。

S3、将典型充电曲线存入终端设备中，基于终端设备的电池老化程度、当前充电温度、以及电池起始电量选择最佳典型充电曲线，基于最佳典型充电曲线获取从起始电量到目标电量的预估充电时间。

本发明实施中的终端设备包括：手机、数码相机、及电动汽车，将获取的典型曲线存储在终端设备，基于终端设备电池的老化程度、当前充电温度及电池起始电量选择最佳典型充电曲线，

本发明实施例通过实验的方式获取不同老化程度、不同充电温度、以及不同起始电量条件下的充电曲线，基于终端设备电池的老化程度、当前充电温度及起始电量获取与之匹配的最佳典型充电曲线，基于最佳典型充电曲线来获取从起始电量充电至目标电量的预估充电时间。通过此种方法获取的预估充电时间既考虑了电池充电曲线的特性，也考虑到了环境因素对充电过程的影响，因此，确保预估充电时间的精准性。

在本发明实施例中，步骤S1具体包括如下步骤：

S11、在相同充电温度、以及相同电池老化程度的实验条件下，测量不同起始电量下的充电曲线；

S12、改变充电温度和电池老化程度中的一个实验参数，保持另一个实验参数不变，测试不同起始电量下的充电曲线，直至遍历充电温度和电池老化程度的所有组合下的不同起始电量下的充电曲线。

在理论上而言，上述充电温度、电池老化程度及起始电量的采样间隔的越小，可以更为全面的反应充电温度、电池老化程度及起始电量对充电至目标电量的时间的影响，但是为了节省充电曲线的测试成本及测试时间，可以适当的减少不必要的取样点的测试，因此基于电池老化程度、当前充电温度、以及起始电量三个实验参数对充电速率的影响程度来设定试验参数的采样密度，即采样间隔，这样的设置更为合理，采样密度的设定具体如下：

电池老化程度对充电速率的影响呈现线性关系，设定的电池老化程度采样密度较小，即电池老化程度采样间隔大；

充电温度在15℃至35℃的温度非敏感区间内，充电温度的变化对充电速率的影响小，设定的温度采样密度小，即温度采样间隔大，在其他温度敏感区间，充电温度对充电速率影响大，设定的温度采样密度大，即温度采样间隔小；

在起始电量处于恒流充电阶段时，充电速率稳定，设定的起始电量采样密度小，即起始电量采样间隔大，在起始电量处于恒压或涓流充电阶段时，充电速率逐渐减小，设定的起始电量采样密度大，即起始电量采样间隔小。

在本发明实施例中，步骤S3中的最佳典型充电曲线的选择方法具体如下：

若终端设备电池老化程度电、当前充电温度、以及电池起始电量均与对应的采样参数重合，则将当前充电温度、电池老化程度、电池起始电量对应的典型充电曲线作为最佳充电曲线；

若智能终端的当前电池老化程度、当前充电温度、以及电池起始电量不是均与对应的采样参数重合，则分别选择偏离当前充电温、电池老化程度、以及电池起始电量最小的三个采样参数，该三个采样参数对应的典型充电曲线即为最佳充电曲线，上述三个采样参数具体是指：

电池老化程度采样参数，若每循环充放电50次取样一次，电池老化程度采样参数的取值为0(即新电池)、循环充放电50、循环充放电100

温度采样参数，其温度采样范围控制在最低许可充电温度和最高许可充电温度之间，若每隔5℃取样一次，温度采样参数的取值如15℃、20℃、25℃；

起始电量采样参数，若以每隔10％取样一次，起始电量采样参数的取值0、10％、20％......。

在本发明实施例中，步骤S3中的基于最佳典型充电曲线获取从起始电量到目标电量的预估充电时间具体如下：

若终端设备的当前充电温度、电池老化程度、以及电池起始电量均与采样参数重合，从最佳典型充电曲线上直接读取从起始电量至目标电量的充电时间预估值；

若智能终端的当前充电温度、电池老化程度、以及电池起始电量不是均与采样参数重合，所述充电预估时间由两部分组成，即从最佳典型充电曲线上直接读取起始电量至目标电量的预估充电时间及参数偏差引入的预估时间修正值，该参数偏差是指电池老化程度、当前充电温度及电池起始电量与最佳典型充电曲线采样参数的偏差。

在本发明实施例中，该预估值修正值的计算方法具体如下：

若电池老化程度偏离最佳典型充电曲线的电老化程度采样参数，基于电池老化程度对充电速率的影响呈现线性，获取两个电池老化程度采样参数L_m1，L_m2，以及离当前充电温度T₀及当前起始电量S₀最近的温度采样参数T_m、起始电量采样参数S_m，分别获取采样参数(L_m1、T_m、S_m)及(L_m2、T_m、S_m)对应的两条典型充电曲线，分别从两条所述典型充电曲线中获取从起始电量到目标电量的充电时间预估值t₁、t₂，由电池老化程度的偏离引入的预估时间修正值Δt为：其中，L_m1为小于L₀的电池老化程度采样参数中的最大值，L_m2为大于L₀的电池老化程度采样参数中的最小值；

若电池起始电量偏离最佳典型充电曲线的起始电量采样参数，当电池起始电量S₀处于恒流充电阶段时，在恒流充电阶段的充电速率不变，分别获取离起始电量S₀、电池老化程度L₀及当前充电温度T₀最近的起始电量采样参数S_m、电池老化程度采样参数L_m及温度采样参数T_m，基于采样参数(S_m、L_m、T_m)对应的典型充电曲线计算恒流阶段的充电速率，基于起始电量S₀偏离起始电量采样参数S引入的预估时间修正值Δt为：Δt＝(S_m-S₀)*k，其中，S₀为起始电量，S_m为离电池起始电量最近的起始电量采样参数，k为充电速率乘积；当起始电量S₀处于恒压充电阶段或涓流充电阶段时，由于采样点密度大，采样间隔小，起始电量S₀与离起始电量S₀最近的起始电量采样参数S_m的差值很小，由起始电量S₀的偏离引入的预估时间修正值Δt为零；

若当前充电温度T₀偏离最佳典型充电曲线的温度采样参数T，在温度敏感区间，由于采样密度大，当前充电温度T₀与偏离当前充电温度T₀最近的温度采样参数T_m的差值很小，由当前充电温度T₀的偏离引入的预估时间修正值Δt为零，对于温度非敏感区间，由于充电温度的变化对充电曲线的影响小，由当前充电温度T₀的偏离引入的预估时间修正值Δt为零。

本发明实施例基于存储的不同电池老化程度、不同充电温度及不同起始电量条件下的充电曲线，来获取与当前电池老化程度、当前充电温度及电池起始电量最为匹配的最佳充电曲线，若电池当前电池老化程度、当前充电温度及电池起始电量与最佳充电曲线的采样参数存在偏差时，通过修正时间计算子单元针对不同实验参数偏差的特性进行相应的时间修正，使得用户获得的剩余充电时间尽可能的接近真实值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种充电时间预估方法，其特征在于，所述方法包括如下步骤：

S1、通过实验方式获取不同电池老化程度、不同充电温度、以及不同起始电量条件下的充电曲线；

S2、对相同实验条件下的多组充电曲线上的点进行求平均，将平均值对应的充电曲线作为典型充电曲线；

S3、将典型充电曲线存入终端设备中，基于终端设备的电池老化程度、当前充电温度、以及当前起始电量选择最佳典型充电曲线，基于所述最佳典型充电曲线获取从起始电量到目标电量的预估充电时间；

所述最佳典型充电曲线的选择具体如下：

若终端设备电池的老化程度、当前充电温度、以及当前起始电量均与对应的采样参数重合，则将当前充电温度、电池老化程度、电池起始电量对应的典型充电曲线作为最佳典型充电曲线；

若智能终端的当前电池老化程度、当前充电温度、以及起始电量不是均与对应的采样参数重合，则分别选择偏离当前充电温、电池老化程度、以及当前起始电量最小的三个采样参数，所述三个采样参数对应的典型充电曲线即为最佳典型充电曲线，所述三个采样参数具体是指：电池老化程度采样参数，温度采样参数，起始电量采样参数；

基于最佳典型充电曲线获取所述终端设备预估充电时间具体如下：

若终端设备的当前充电温度、电池老化程度、以及当前起始电量均与采样参数重合，从最佳典型充电曲线上直接读取从起始电量至目标电量的充电时间预估值；

若终端设备的当前充电温度、电池老化程度、以及当前起始电量不是均与采样参数重合，所述充电预估时间由两部分组成，即从最佳典型充电曲线上直接读取起始电量至目标电量的预估充电时间及参数偏差引入的预估时间修正值，所述参数偏差是指电池老化程度、当前充电温度及电池起始电量与最佳典型充电曲线采样参数的偏差。

2.如权利要求1所述的充电时间预估方法，其特征在于，所述步骤S2之前包括：

S4、判断相同实验条件下的多组所述充电曲线中是否存在异常曲线，若存在，则将所述异常曲线进行删除。

3.如权利要求2所述的充电时间预估方法，其特征在于，所述异常曲线的判断方法包括：

计算相同实验条件下多组充电曲线上各点的平均值，基于平均值获取各点的偏差值，若存在偏差值均超出设定偏差值的点，则将所述点所在的充电曲线判定为异常充电曲线。

4.如权利要求1所述的充电时间预估方法，其特征在于，所述步骤S1具体包括如下步骤：

S11、在相同充电温度、以及相同电池老化程度的实验条件下，测量不同起始电量下的充电曲线；

S12、改变充电温度和电池老化程度中的一个实验参数，保持另一个实验参数不变，测试不同起始电量下的充电曲线，直至遍历充电温度和电池老化程度的所有组合下的不同起始电量下的充电曲线。

5.如权利要求1至4任一项所述的充电时间预估方法，其特征在于,基于所述电池老化程度、所述充电温度、以及所述起始电量三个实验参数对充电速率的影响程度来设定每个实验参数的采样密度，即采样间隔，所述采样密度的设定具体如下：

电池老化程度对充电速率的影响呈现线性关系，设定的电池老化程度采样密度较小，即电池老化程度采样间隔大；

充电温度处于15℃至35℃的温度非敏感区间内时，充电温度的变化对充电速率的影响小，设定的温度采样密度小，即温度采样间隔大，在温度敏感区间，充电温度对充电速率影响大，设定的温度采样密度大，即温度采样间隔小；

在起始电量处于恒流充电阶段时，充电速率稳定，设定的起始电量采样密度小，即起始电量采样间隔大，在起始电量处于恒压或涓流充电阶段时，充电速率逐渐减小，设定的起始电量采样密度大，即起始电量采样间隔小。

6.权利要求1所述的充电时间预估方法，其特征在于，预估值修正值的计算方法具体如下：

若电池老化程度偏离最佳典型充电曲线的电老化程度采样参数，基于电池老化程度对充电速率的影响呈现线性，获取两个电池老化程度采样参数L_m1、L_m2，以及离当前充电温度T₀及当前起始电量S₀最近的温度采样参数T_m、起始电量采样参数S_m，分别获取采样参数(L_m1、T_m、S_m)及(L_m2、T_m、S_m)对应的两条典型充电曲线，分别从两条所述典型充电曲线中获取从起始电量到目标电量的充电时间预估值t₁、t₂，由电池老化程度的偏离引入的预估时间修正值Δt为：其中，L_m1为小于L₀的电池老化程度采样参数中的最大值，L_m2为大于L₀的电池老化程度采样参数中的最小值；

若电池起始电量偏离最佳典型充电曲线的起始电量采样参数，当电池起始电量S₀处于恒流充电阶段时，在恒流充电阶段的充电速率不变，分别获取离起始电量S₀、电池老化程度L₀及当前充电温度T₀最近的起始电量采样参数S_m、电池老化程度采样参数L_m及温度采样参数T_m，基于采样参数S_m、L_m、T_m对应的典型充电曲线计算恒流阶段的充电速率，基于起始电量S₀偏离起始电量采样参数S引入的预估时间修正值Δt为：Δt＝(S_m-S₀)*k，其中，S₀为起始电量，S_m为离电池起始电量最近的起始电量采样参数，k为充电速率乘积；当起始电量S₀处于恒压充电阶段或涓流充电阶段时，由于采样点密度大，采样间隔小，起始电量S₀与离起始电量S₀最近的起始电量采样参数S_m的差值很小，由起始电量S₀的偏离引入的预估时间修正值Δt为零；

若当前充电温度T₀偏离最佳典型充电曲线的温度采样参数T，在温度敏感区间，由于采样密度大，当前充电温度T₀与偏离当前充电温度T₀最近的温度采样参数T_m的差值很小，由当前充电温度T₀的偏离引入的预估时间修正值Δt为零，对于温度非敏感区间，由于充电温度的变化对充电曲线的影响小，由当前充电温度T₀的偏离引入的预估时间修正值Δt为零。