CN108333519A - 用于估计电池状态的方法和装置 - Google Patents

用于估计电池状态的方法和装置 Download PDF

Info

Publication number
CN108333519A
CN108333519A CN201810039365.3A CN201810039365A CN108333519A CN 108333519 A CN108333519 A CN 108333519A CN 201810039365 A CN201810039365 A CN 201810039365A CN 108333519 A CN108333519 A CN 108333519A
Authority
CN
China
Prior art keywords
sensing data
battery
pretreated
data
status
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810039365.3A
Other languages
English (en)
Other versions
CN108333519B (zh
Inventor
朴相度
柳凯元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN108333519A publication Critical patent/CN108333519A/zh
Application granted granted Critical
Publication of CN108333519B publication Critical patent/CN108333519B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

提供了一种电池状态估计方法和装置。接收电池的感测数据，并且通过预处理感测数据获取特征信息。基于特征信息选择经预处理的感测数据，并且基于所选择的经预处理的感测数据或电池先前的状态信息中的至少一个来确定电池的状态信息。

Description

用于估计电池状态的方法和装置
对相关申请的交叉引用
本申请要求于2017年1月17日向韩国知识产权局提交的第10-2017-0007869号韩国专利申请的权益，其全部公开内容通过引用并入于此用于所有目的。
技术领域
以下描述涉及一种用于估计电池状态的方法和装置。
背景技术
许多电子设备包括可再充电电池。为了管理可再充电电池，电子设备可以包括电池管理系统(BMS)。BMS估计电池状态，例如充电状态(SOC)或健康状态(SOH)，以优化电子设备或电池的运行。电池的可用性可以基于SOC和SOH的估计的准确度来延长，因此，BMS准确地估计电池状态很重要。
发明内容
本发明内容部分被提供来以简化的形式介绍在下面的具体实施方式部分中进一步描述的发明构思集合。本发明内容部分不意图确定所要求保护的主题的关键特征或本质特征，也不意图用于帮助确定所要求保护的主题的范围。
在一个一般的方面，提供了一种电池状态估计方法，包括：接收电池的感测数据；通过预处理感测数据来获取特征信息；基于特征信息选择经预处理的感测数据，以及基于所选择的经预处理的感测数据和先前的电池的状态信息中的一者或两者来确定电池的状态信息。
特征信息可以包括经预处理的感测数据的数据大小和经预处理的感测数据的方差值中的任何一个或任何组合。
经预处理的感测数据的选择可以包括基于特征信息来计算经预处理的感测数据的可靠性，以及通过将可靠性与阈值进行比较来选择经预处理的感测数据。
经预处理的感测数据的选择可以包括响应于经预处理的感测数据的长度大于或等于阈值来选择经预处理的感测数据。
经预处理的感测数据的选择可以包括计算经预处理的感测数据的采样值中的每一个与采样值中的每一个的先前采样值之间的偏差，以及基于所计算的偏差的方差来选择经预处理的感测数据。
状态信息的确定可以包括响应于未选择经预处理的感测数据，基于先前的状态信息来确定状态信息。
状态信息的确定可以包括响应于未选择经预处理的感测数据，确定先前的状态信息作为状态信息。
状态信息的确定可以包括响应于选择了经预处理的感测数据，基于经预处理的感测数据来确定状态信息。
特征信息的获取可以包括对感测数据进行过滤，并且对过滤后的感测数据进行下采样。
响应于选择了经预处理的感测数据，经预处理的感测数据可以对应于适合于估计电池的状态的数据，并且响应于未选择经预处理的感测数据，经预处理的感测数据可能对应于不适合于估计电池的状态的数据。
在另一个一般的方面，提供了一种电池状态估计装置，包括控制器，该控制器被配置为接收电池的感测数据；通过预处理感测数据来获取特征信息；基于特征信息选择经预处理的感测数据；以及基于所选择的经预处理的感测数据和先前的电池的状态信息中的一者或两者来确定电池的状态信息。
特征信息可以包括经预处理的感测数据的数据大小和经预处理的感测数据的方差值中的任何一个或任何组合。
控制器可以被配置为基于特征信息来计算经预处理的感测数据的可靠性，并且通过将可靠性与阈值进行比较来选择经预处理的感测数据。
控制器可以被配置为响应于经预处理的感测数据的长度大于或等于阈值来选择经预处理的感测数据。
控制器可以被配置为计算经预处理的感测数据的采样值中的每一个与采样值中的每一个的先前采样值之间的偏差，并且基于所计算的偏差的方差来选择经预处理的感测数据。
控制器可以被配置为响应于未选择经预处理的感测数据，基于先前的状态信息来确定状态信息。
控制器可以被配置为响应于未选择经预处理的感测数据，确定先前的状态信息作为状态信息。
控制器可以被配置为响应于选择了经预处理的感测数据，基于经预处理的感测数据来确定状态信息。
控制器可以被配置为对感测数据进行过滤并且对过滤后的感测数据进行下采样。
响应于选择了经预处理的感测数据，经预处理的感测数据可以对应于适合于估计电池的状态的数据，并且响应于未选择经预处理的感测数据，经预处理的感测数据可以对应于不适合于估计电池的状态的数据。
从以下详细描述、附图和权利要求书，其他特征和方面将是明显的。
附图说明
图1是示出电池状态估计装置的示例的图。
图2是示出针对每个数据长度的估计误差分布的示例的图。
图3和图4是示出感测数据的统计信息的示例的图。
图5和图6是示出当检测数据不适合于状态估计时电池的状态估计的示例的图。
图7是示出电池状态估计结果的示例的图。
图8和图9是示出具有主从结构的电池管理系统(BMS)的示例的图。
图10是示出电池状态估计方法的示例的图。
图11和图12是示出车辆的示例的图。
贯穿整个附图和详细描述，除非另外地描述或提供，否则相同的附图标记将被理解为指代相同的元件、特征和结构。附图可能不是按比例绘制的，并且为了清楚、说明和方便，附图中元素的相对尺寸、比例和描述可能被夸大。
具体实施方式
提供以下详细描述以帮助读者获得对在此所述的方法、装置和/或系统的全面了解。然而，在获得对本申请的公开内容的透彻理解之后，在此描述的方法、装置和/或系统的各种改变、修改和等价物将是明显的。例如，在此描述的操作序列仅仅是示例，并且不限于在此所阐述的操作，而是在如理解本申请的公开内容之后将明显的，除了必须以一定的顺序出现的操作外，可以改变。此外，为了提高清晰度和简洁性，可以省略对本领域中已知的功能和结构的描述。
可以以不同的形式实施在此描述的特征，并且不应被解释为限于在此所述的示例。相反，提供在此所描述的示例仅仅是为了示出在理解本申请的公开内容之后将明显的、实施在此描述的方法、装置和/或系统的一些可能的方式。
可以对示例进行各种修改。然而，应当理解，这些实施例不被解释为限于所示的形式，并且包括在本公开的构思和技术范围内的所有改变、等同形式或替代形式。
在此使用的术语仅用于描述具体示例的目的并且不意图限制示例。当在此使用时，单数形式也意图包括复数形式，除非上下文另有明确指出。
关于分配给附图中的元件的附图标记，应当注意，尽管在不同的附图中示出，但相同的元件尽可能地用相同的附图标记表示。此外，在描述示例时，当认为这种描述将导致对本公开的模糊解释时，将省略对公知的相关结构或功能的详细描述。
图1示出了电池状态估计装置100的示例。
参考图1，电池状态估计装置100包括接收器110、预处理器120、选择器130和状态估计器140。
接收器110、预处理器120、选择器130和状态估计器140由例如至少一个处理设备(例如，处理器或控制器)来实施。
接收器110从例如电池单元、电池模块或电池组的电池接收感测数据。
接收器110从至少一个传感器接收电池的感测数据。在一个示例中，电压传感器通过以预设间隔(例如，为1秒的每个时间间隔)感测电池的电压来生成电池的电压数据，并且将所生成的电压数据发送到电池状态估计装置100。接收器110从电压传感器接收电压数据。在另一示例中，电流传感器通过以预设间隔(例如，为1秒的每个时间间隔)感测电池的电流来生成电池的电流数据，并且将所生成的电流数据发送到电池状态估计装置100。接收器110从电流传感器接收电流数据。电压传感器和电流传感器仅仅是传感器的示例，并且在不脱离所描述的说明性示例的精神和范围的情况下可以使用其他传感器。
预处理器120预处理感测数据。例如，预处理器120从感测数据中去除噪声。在一个示例中，预处理器120对感测数据进行下采样。例如，当以为1秒的每个时间间隔检测电池的电压150分钟时，接收器110顺序地接收9000个电压数据。预处理器120以预设下采样速率(例如，每分钟)对9000个电压数据进行下采样。在该示例中，在下采样之后保留150个电压数据。上述的去除和下采样仅仅是预处理的示例，并且由预处理器120执行的预处理不限于上述处理。
选择器130获取经预处理的感测数据的特征信息，并且基于特征信息来确定是否将要选择经预处理的感测数据。例如，选择器130基于特征信息来确定经预处理的感测数据是否适合于估计电池的状态或者经预处理的感测数据是否可靠。
在一个示例中，选择器130验证经预处理的感测数据的数据长度，并且基于数据长度来确定是否要选择经预处理的感测数据。当数据长度大于或等于阈值长度时，选择器130选择经预处理的感测数据。当数据长度小于阈值长度时，选择器130不选择经预处理的感测数据。例如，当感测数据被下采样之后剩余的感测数据的数量大于或等于感测数据的数量(例如，130个感测数据)时，选择器130选择经预处理的感测数据。在一个示例中，当感测数据被下采样之后剩余的感测数据的数量小于预定的感测数据的数量时，选择器130不选择经预处理的感测数据。以下将参照图2进一步描述数据长度。
在另一示例中，选择器130确定经预处理的感测数据的统计信息。选择器130基于统计信息来确定是否选择经预处理的感测数据。统计信息包括例如方差，并且可以在不脱离所描述的说明性示例的精神和范围的情况下使用其他统计信息传感器。下面将参照图3和图4进一步描述统计信息。
根据选择器130的确定结果，状态估计器140基于电池的经预处理的感测数据或先前的状态信息中的至少一个来确定电池的状态信息。状态信息包括，例如，电池的容量或寿命信息(例如，健康状态(SOH))。状态信息不限于上述状态信息，并且在不脱离所描述的说明性示例的精神和范围的情况下，可以使用其他状态信息，例如充电状态(SOC)。
当选择器130选择经预处理的感测数据时，状态估计器140基于经预处理的感测数据来确定状态信息。例如，状态估计器140使用电池模型基于经预处理的感测数据来确定状态信息。电池模型是被配置为响应于感测数据的输入而输出状态信息的模型。例如，电池模型被配置为响应于电池的感测数据(或经预处理的感测数据)的输入来输出电池的SOH。电池模型包括，例如，电化学模型或基于神经网络(例如，循环神经网络(RNN))的模型。电池模型不限于上述模型，并且可以在不脱离所描述的说明性示例的精神和范围的情况下使用其他电池模型。
电池模型被存储在电池状态估计装置100中的存储器(未示出)中。施加于电池模型的至少一个参数也存储在存储器中。
当选择器130不选择经预处理的感测数据时，状态估计器140基于先前的状态信息确定状态信息。下面将参照图5和图6描述当选择器130未选择经预处理的感测数据时状态估计器140的操作的示例。
电池状态估计装置100不基于不适合于状态估计的感测数据执行操作，因此可以节省计算资源。此外，电池状态估计装置100基于适合于状态估计的感测数据执行操作，以估计电池的状态，因此可以提高对电池的电流状态的估计准确度。
图2示出了针对每个数据长度的估计误差的分布的示例。
图2是示出估计误差的分布的图200。
在曲线图200中，x轴代表估计误差。估计误差是电池的实际容量与电池的估计容量之间的差。估计误差的增加指示估计电池容量的低准确度。在图2中，值“3”指示约5％的估计误差。
在图2中，y轴代表充电周期长度。充电周期长度是充电持续时间。将要生成的感测数据的量随着充电周期的长度增加而增加，因此，充电周期长度是感测数据的数据长度。
在一个示例中，当充电周期长度小于长度x时，估计误差分布在具有大于“0”且小于或等于“6”的值的区域中。随着数据长度的减小，估计误差分布的范围增加。因此，当基于对应于短的充电周期长度(即，短的数据长度)的感测数据来估计电池的电流状态时，难以保证估计的电流状态的估计误差低。例如，当基于对应于100分钟(min)的充电周期长度的感测数据来估计电池的电流容量时，估计电流容量的估计误差对应于曲线图200中的小于“1”的值或大于“3”的值。难以保证估计的电流状态的估计误差对应于小于“1”的值。因此，具有短数据长度的感测数据对于状态估计具有低可靠性，并且不适合于状态估计。
在另一示例中，当充电周期长度大于或等于长度x时，估计误差主要分布在具有小于“1”的值的区域中。换句话说，随着数据长度的增加，估计误差的分布范围减小并且估计准确度提高。因此，当基于对应于长充电周期长度(即，长数据长度)的感测数据来估计电池的电流状态时，估计电流状态的估计误差低。例如，当基于对应于400分钟的充电周期长度的感测数据来估计电池的电流容量时，估计的电流容量的估计误差具有小于曲线图200中的“1”的值的概率高。因此，具有长数据长度的感测数据对于状态估计具有高可靠性，并且适合于状态估计。
感测数据(或经预处理的感测数据)的数据长度与感测数据(或经预处理的感测数据)的可靠性和估计准确度相关联。因此，选择器130基于数据长度来选择感测数据(或经预处理的感测数据)。
图3和图4示出了感测数据的统计信息的示例。
图3示出电池1的电压数据。选择器130确定电池1的电压数据的统计信息(例如，偏差的方差)。例如，选择器130计算电池1的电压数据的采样值之间的偏差，并且基于偏差来确定统计信息。在图3中，选择器130计算第一采样值和第二采样值之间的差值ΔV1_1以及第二采样值和第三采样值之间的差值ΔV1_2。类似地，选择器130计算差值ΔV1_3和ΔV1_4。选择器130将差值ΔV1_1至ΔV1_4的方差确定为统计信息。电池1的电压数据的统计信息由var1表示。
在图3中，差值ΔV1_1对应于电池1的电压数据的最大偏差。差值ΔV1_2小于差值ΔV1_1，并且差值ΔV1_3小于差值ΔV1_2。当电池1的电压数据的采样值之间的偏差逐渐减小时，获得相对少量的统计信息var1，并且选择器130选择电池1的电压数据。换句话说，选择器130将电池1的电压数据确定为具有高可靠性或者适合于估计电池1的状态。
图4示出了电池2的电压数据。电池2的电压数据包括噪声(未示出)。在图4中，选择器130计算差值ΔV2_1、ΔV2_2、ΔV2_3和ΔV2_4，并且将差值ΔV2_1至ΔV2_4的方差确定为电池2的电压数据的统计信息。电池2的电压数据的状态信息为由var2表示。
在图4中，由于噪声，电池2的电压数据的采样值之间的偏差不会逐渐降低。样本值之间的偏差不规则地变化，例如减小然后增加，而不是逐渐减小。例如，由于噪声，差值ΔV2_2小于差值ΔV2_1，并且差值ΔV2_3大于差值ΔV2_2。当电池2的电压数据的采样值之间的偏差没有逐渐减小时，获得相对较大量的统计信息var2，并且选择器130不选择电池2的电压数据。换句话说，选择器130确定电池2的电压数据具有低可靠性或不适合于估计电池2的状态。
噪声对电池状态的估计准确度有影响。由于噪声，出现估计误差。因此，在估计电池的状态时，选择器130不选择期望产生估计误差的感测数据。
图3的电压数据和图4的电压数据仅仅是感测数据的示例，并且感测数据不限于图3或图4的电压数据。图3和图4的上述描述也适用于与电池的其他物理量相关联的数据(例如，电流数据或温度数据)。
图5和图6示出了当感测数据不适合于估计状态时电池状态的估计的示例。
图5示出了电池的容量相对于时间和感测数据的可靠性。
感测数据的可靠性被数字化。例如，选择器130基于感测数据的特征信息来计算或确定可靠性。在一个示例中，选择器130基于数据长度或统计信息来确定可靠性。
选择器130基于数据长度和统计信息两者来计算可靠性。例如，选择器130基于查找表来确定对应于数据长度的第一评分和对应于统计信息的第二评分，并且确定第一评分和第二评分之和作为可靠性。在一个示例中，将权重施加于第一评分和/或第二评分。可靠性也被称为适合性。
在时刻t1感测数据的可靠性大于参考值。因此，选择器130确定时刻t1的感测数据适合于状态估计，并且状态估计器140基于时刻t1的感测数据估计容量510。
在时刻t2感测数据的可靠性大于参考值，因此，选择器130选择时刻t2的感测数据。状态估计器140基于时刻t2的感测数据来估计容量520。类似地，状态估计器140基于在时刻t3的感测数据来估计容量530。
在时刻t4感测数据的可靠性小于参考值。例如，当感测数据包括噪声，例如传感器误差，或者当因为电池在相对短的时间段内被充电而数据长度不够长时，感测数据的可靠性小于参考值。选择器130确定在时刻t4的感测数据不适合于状态估计。状态估计器140基于已经估计的容量510、520和/或530，而不是使用在时刻t4的感测数据来估计容量540。因此，状态估计器140不需要基于在时刻t4的感测数据执行操作，以防止资源的不必要的使用。
在一个示例中，参考图5，状态估计器140将容量540确定为等于容量530。换句话说，状态估计器140将容量540确定为容量530。在一个示例中，状态估计器140向容量510、520和/或530应用外推来估计容量540。状态估计器140将容量510至530的平均值确定为容量540。各种外推方案可以适用于容量540的估计。
在另一示例中，参考图6，状态估计器140基于由于循环次数的增加而导致的效率的降低来估计容量540。在一个示例中，将时刻t3的累计的充电和放电循环数量假设为n1，将时刻t4的累计的充电和放电循环次数假设为n2。在这个示例中，状态估计器140确定效率降低了通过从n2中减去n1而获得的值，并且将降低的效率施加于容量530以估计容量540。当降低的效率由cap1表示时，容量540被确定为通过从容量530中减去cap1而获得的值。
当时刻t4的感测数据的可靠性小于参考值时，状态估计器140在时刻t4跳过对电池的状态的估计。换句话说，当时刻t4的感测数据的可靠性小于参考值时，不估计时刻t4的容量540。
图7示出了电池状态估计结果的示例。
图7示出了一段时间的电池容量。
在可靠性小于参考值的时刻t4、t8和t9，不估计电池的容量。
例如，当从服务器接收到对电池的估计容量的请求时，需要电池在时刻t4、t8和t9的估计容量。在一个示例中，状态估计器140对估计的容量应用插值，以估计时刻t4、t8和t9的容量。
图8和图9示出了具有主-从结构的电池管理系统(BMS)的示例。
参考图8和图9，BMS包括从管理器810或910以及主管理器820或920。在另一示例中，BMS包括多个从管理器810或910。
从管理器810或910管理和/或控制包括在电池组830或930中的电池单元中的每一个。主管理器820或920控制从管理器810或910。
从管理器810或910和主管理器820或920执行图1的上述电池状态估计装置100的功能或操作。下面将描述图8和图9的示例。
在图8的示例中，从管理器810包括接收器110、预处理器120和选择器130，并且主管理器820包括状态估计器140。
在图8中，从管理器810从传感器接收电池单元中的每一个的感测数据，预处理感测数据，以及确定是否选择经预处理的感测数据。当选择了经预处理的感测数据时，从管理器810将经预处理的感测数据发送到主管理器820。
当接收到来自从管理器810的经预处理的感测数据时，主管理器820基于经预处理的感测数据确定电池单元中的每一个的状态信息。当未接收到来自管理器810的经预处理的感测数据时，主管理器820基于先前的状态信息确定电池单元中的每一个的状态信息。主管理器820基于电池单元中的每一个的状态信息来确定电池组830的状态信息。
根据示例，当选择了经预处理的感测数据时，从管理器810基于经预处理的感测数据来确定电池单元中的每一个的状态信息，而不是将经预处理的感测数据发送到主管理器820。主管理器820接收来自从管理器810的电池单元中的每一个的状态信息，并且基于所接收的状态信息确定电池组830的状态信息。
在图9的示例中，从管理器910包括接收器110，并且主管理器920包括预处理器120、选择器130和状态估计器140。
从管理器910从传感器接收电池单元中的每一个的感测数据，并且将感测数据发送到主管理器920。主管理器920预处理感测数据，并且确定是否要选择经预处理的感测数据。当选择了经预处理的感测数据时，主管理器920基于经预处理的感测数据确定电池单元中的每一个的状态信息。主管理器920基于电池单元中的每一个的状态信息来确定电池组930的状态信息。
根据示例，从管理器910预处理电池单元中的每一个的感测数据，并且将经预处理的感测数据发送到主管理器920。主管理器920确定是否选择经预处理的感测数据。当选择了经预处理的感测数据时，主管理器920基于经预处理的感测数据确定电池单元中的每一个的状态信息。此外，主管理器920基于电池单元中的每一个的状态信息来确定电池组930的状态信息。
上述图1至图7的描述也可适用于图8和图9的示例，因此在此不再重复。
图10是示出电池状态估计方法的示例的图。可以按照所示的顺序和方式执行图10中的操作，尽管可以在不脱离所描述的说明性示例的精神和范围的情况下改变某些操作的顺序或省略操作中的一些。可以并行或同时地执行图10中所显示的许多操作。可以由执行指定功能的专用的基于硬件的计算机或专用硬件和计算机指令的组合来实施图10的一个或多个块以及块的组合。除了以下图10的描述之外，上述图1至图9的描述也适用于图10，并且通过引用并入本文。因此，在此不再重复以上描述。
例如，由电池状态估计装置执行图10的电池状态估计方法。
参考图10，在1010中，电池状态估计装置接收电池的感测数据。
在1020中，电池状态估计装置预处理感测数据。
在1030中，电池状态估计装置基于经预处理的感测数据的特征信息来确定是否要选择经预处理的感测数据。在一个示例中，当经预处理的感测数据的长度大于或等于一个长度时，电池状态估计装置选择经预处理的感测数据。在另一示例中，电池状态估计装置计算经预处理的感测数据的样本值中的每一个与样本值中的每一个的先前样本值之间的偏差。电池状态估计装置基于计算出的偏差的方差来选择经预处理的感测数据。
在1040中，当选择了经预处理的感测数据时，电池状态估计装置基于经预处理的感测数据来确定电池的状态信息。
在1050中，当未选择经预处理的感测数据时，电池状态估计装置基于电池先前的状态信息来确定状态信息。
图11和图12示出了使用电池状态估计装置的车辆的示例。
参考图11，车辆1110使用电能进行推进。车辆1110包括，例如，电动车辆(EV)、插电式混合电动车辆(PHEV)或混合电动车辆(HEV)。
车辆1110包括电池系统1120。
电池系统1120包括电池组1130和BMS 1140。在图11中，BMS 1140位于电池组1130的外部，然而这仅仅是示例。在另一示例中，BMS 1140可以被包括在电池组1130中。
电池组1130包括电池模块1131、1132和1133。电池模块1131、1132和1133中的每一个包括至少一个电池单元。
从管理器1141、11122和1143以及主管理器1144执行图1的上述电池状态估计装置100的功能或操作。例如，从管理器1141、1142和1143中的每一个对应于图8的从管理器810或图9的从管理器910，并且主管理器1144对应于图8的主管理器820或图9的主管理器920。主管理器1144确定电池组1130的状态信息。
主管理器1144使用车辆控制器(未示出)在车辆1110中的显示器上显示电池组1130的状态信息。例如，参考图12，在显示器上显示电池组的状态信息1210。在一个示例中，显示器可以是包括提供呈现用户界面和/或接收用户输入的能力的一个或多个硬件组件的物理结构。显示器可以包含显示区域、手势捕获区域、触敏显示器和/或可配置区域的任何组合。在一个示例中，显示器可以嵌入在电池状态估计装置中。在一个示例中，显示器是可以附接到电池状态估计装置并从电池状态估计装置分离的外部外围设备。显示器可以是单屏幕或多屏幕显示器。单个物理屏幕可以包括作为允许不同的内容显示在尽管是同一物理屏幕的一部分的单独的显示器上的单独的逻辑显示器管理的多个显示器。在一个示例中，显示器是平视显示器(head-updisplay，HUD)、车辆信息娱乐系统、车辆中的仪表板或车辆中使用增强现实的屏幕。显示器也可以被实施为包括单目眼镜或双目眼睛的眼镜显示器(EGD)。
根据示例，主控管理器1144使用车辆控制器声学地输出电池组1130的状态信息。
图1至图10也适用于图11的示例，在此不再重复。
在一个示例中，电池状态估计装置或BMS被包括在大容量电池系统中，例如能量存储系统(ESS)中。
在一个示例中，电池状态估计装置或BMS被包括在设备管理系统或包括可再充电电池的电子设备中，例如，诸如智能代理(intelligent agent)、移动电话、蜂窝电话、智能手机、可戴式智能装置(例如，诸如戒指、手表、眼镜、眼镜型设备、手镯，脚镯、带、项链、耳环、头带、头盔、嵌入衣物的装置)、个人计算机(PC)、笔记本电脑、笔记本、小型笔记本、上网本或超移动PC(UMPC)、平板个人计算机(平板PC)、平板手机、移动互联网设备(MID)、个人数字助理(PDA)、企业数字助理(EDA)、数码相机、数字摄像机、便携式游戏机、MP3播放器、便携式/个人多媒体播放器(PMP)、手持电子书、超移动个人计算机(UMPC)、便携式膝上型电脑、全球定位系统(GPS)导航、个人导航设备或便携式导航设备(PND)、手持式游戏机、电子书以及诸如下述设备，高分辨率电视(HDTV)、光盘播放器、DVD播放器、蓝光播放器、机顶盒、机器人清洁器、家用电器、智能家电、内容播放器、通信系统、图像处理系统、图形处理系统、其他消费电子/信息技术(CE/IT)设备或者与在此所公开一致的、能够进行无线通信或网络通信的任何其他设备或通过网络控制的各种其他物联网(IoT)设备。
电子设备也可以被实施为穿戴在用户身体上的可穿戴设备。在一个示例中，可穿戴设备可以自安装在用户的身体上，例如，诸如戒指、手表、眼镜、眼镜型设备、手镯、脚镯、带、环，脚踝、带状项链、耳环、头带、头盔、嵌入衣物中的设备，或作为包括单目眼镜或双目眼睛的眼镜显示器(EGD)。
电池状态估计装置100、接收器110、预处理器120、选择器130、状态估计器140、从管理器1141、1142、1143、810或910、主管理器820、1144或920、BMS 1140以及其他装置、单元、模块、设备、组件通过硬件组件来实施。可以用于适当地执行本应用中描述的操作的硬件组件的示例包括控制器、传感器、发生器、驱动器、存储器、比较器、算术逻辑单元、加法器、减法器、乘法器、分频器、积分器和被配置为执行本应用程序中描述的操作的任何其他电子组件。在其他示例中，执行本申请中描述的操作的一个或多个硬件组件通过例如由一个或多个处理器或计算机的计算硬件来实施。处理器或计算机可以由一个或多个处理元件来实施，诸如逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或被配置为以定义的方式响应并运行指令以实现期望的结果任何其他设备或设备的组合。在一个示例中，处理器或计算机包括或连接到存储由处理器或计算机运行的指令或软件的一个或多个存储器。由处理器或计算机实现的硬件组件可以运行诸如操作系统(OS)和在OS上运行的一个或多个软件应用的指令或软件，以执行本申请中描述的操作。响应于指令或软件的执行，硬件组件还可以访问、操纵、处理、创建和存储数据。为了简单起见，在本申请中描述的示例的描述中可以使用单数术语“处理器”或“计算机”，但是在其他示例中，可以使用多个处理器或计算机；或者处理器或计算机可以包括多个处理元件，或多种类型的处理元件，或两者兼而有之。例如，单个硬件组件或者两个或多个硬件组件可以由单个处理器或者两个或更多个处理器或处理器和控制器来实施。一个或多个硬件组件可以由一个或多个处理器或处理器和控制器实现，并且一个或多个其他硬件组件可以由一个或多个其他处理器或另一个处理器和另一个控制器实现。一个或多个处理器，或者处理器和控制器可以实施单个硬件组件或者两个或多个硬件组件。硬件组件可以具有不同处理配置中的一个或多个，其示例包括单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理和多指令多数据(MIMD)多处理。
图10中所示的执行本申请中描述的操作的方法由计算硬件来执行，例如，由如实现为如上述运行指令或软件以执行在本申请中描述的由该方法执行的操作的一个或多个处理器或计算机执行。例如，单个操作或者两个或更多个操作可以由单个处理器，或者两个或更多个处理器，或者处理器和控制器执行。一个或多个操作可以由一个或多个处理器，或者处理器和控制器执行，并且一个或多个其他操作可以由一个或多个其他处理器，或另一个处理器和另一个控制器来执行。一个或多个处理器，或处理器和控制器可以执行单个操作或者两个或更多个操作。
用于控制处理器或计算机以实现硬件组件并且执行如上所述的方法的指令或软件被写为计算机程序、代码段、指令或其任何组合，用于单独地或共同地指示或配置处理器或计算机作为机器或专用计算机进行操作，以执行由上述硬件部件和方法执行的操作。在一个示例中，指令或软件包括由处理器或计算机直接执行的机器代码，诸如由编译器产生的机器代码。在另一示例中，指令或软件包括由处理器或计算机使用解释器执行的高级代码。本领域普通编程人员可以基于附图中所示的框图和流程图以及公开了用于执行由如上所述的硬件组件和方法执行的操作的算法的说明书中的对应的描述很容易地编写指令或软件。
用于控制处理器或计算机来实现硬件组件并且执行如上所述的方法的指令或软件，以及任何相关数据、数据文件和数据结构被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪速存储器、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储、硬盘驱动器(HDD)、固态驱动器(SSD)、闪存、诸如多媒体卡微卡或卡(例如安全数字(SD)或极限数字(XD))的卡型存储器、磁带、软盘、磁光数据存储设备、光学数据存储设备、硬盘、固态盘以及被配置为以非暂时方式存储指令或软件以及任何相关联的数据、数据文件和数据结构并向处理器或计算机提供指令或软件以及任何相关联的数据、数据文件和数据结构使得处理器或计算机可以执行指令的任何其他设备。
虽然本公开包括具体示例，但是对于本领域普通技术人员来说显而易见的是，在不脱离权利要求及其等同物的精神和范围的情况下，可以在这些示例中进行形式和细节上的各种改变。这里描述的示例仅在描述性意义上被考虑，而不是为了限制的目的。每个示例中的特征或方面的描述被认为可适用于其他示例中的类似特征或方面。如果描述的技术以不同的顺序执行，和/或如果描述的系统、架构、设备或电路中的组件以不同的方式组合和/或由其他组件或他们的等同物替代或补充，则可以得到合适的结果。因此，本公开的范围不是由详细描述而是由权利要求及其等同物定义，并且权利要求及其等同物的范围内的所有变化将被解释为被包括在本公开中。

Claims (21)

1.一种电池状态估计方法，包括：
接收电池的感测数据；
通过预处理感测数据获取特征信息；
基于特征信息选择经预处理的感测数据；以及
基于所选择的经预处理的感测数据和先前的电池的状态信息中的任何一者或两者来确定电池的状态信息。
2.如权利要求1所述的电池状态估计方法，其中，所述特征信息包括经预处理的感测数据的数据大小和经预处理的感测数据的方差值中的任何一者或任何组合。
3.如权利要求1所述的电池状态估计方法，其中，选择经预处理的感测数据包括：
基于特征信息计算经预处理的感测数据的可靠性；以及
通过将可靠性与阈值进行比较来选择经预处理的感测数据。
4.如权利要求1所述的电池状态估计方法，其中，选择经预处理的感测数据包括响应于经预处理的感测数据的长度大于或等于阈值来选择经预处理的感测数据。
5.如权利要求1所述的电池状态估计方法，其中，选择经预处理的感测数据包括：
计算经预处理的感测数据的样本值中的每一个与样本值中的每一个的先前样本值之间的偏差；以及
基于计算出的偏差的方差来选择经预处理的感测数据。
6.如权利要求1所述的电池状态估计方法，其中，确定状态信息包括响应于未选择经预处理的感测数据、基于先前的状态信息来确定状态信息。
7.如权利要求1所述的电池状态估计方法，其中，确定状态信息包括响应于未选择经预处理的感测数据来确定先前的状态信息作为状态信息。
8.如权利要求1所述的电池状态估计方法，其中，确定状态信息包括响应于选择了经预处理的感测数据、基于经预处理的感测数据来确定状态信息。
9.如权利要求1所述的电池状态估计方法，其中，获取特征信息包括：
过滤感测数据；以及
对过滤后的感测数据进行下采样。
10.如权利要求1所述的电池状态估计方法，其中
响应于选择了经预处理的感测数据，经预处理的感测数据对应于适合于估计电池的状态的数据，以及
响应于未选择经预处理的感测数据，经预处理的感测数据对应于不适合于估计电池的状态的数据。
11.一种存储指令的非暂时性计算机可读存储介质，所述指令当由处理器运行时，使处理器执行权利要求1所述的电池状态估计方法。
12.一种电池状态估计装置，包括：
控制器，被配置为接收电池的感测数据，通过预处理感测数据获取特征信息，基于特征信息选择经预处理的感测数据，以及基于所选择的经预处理的感测数据和先前的电池的状态信息中的任何一者或两者来确定电池的状态信息。
13.如权利要求12所述的电池状态估计装置，其中，所述特征信息包括经预处理的感测数据的数据大小和经预处理的感测数据的方差值中的任何一者或任意组合。
14.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为基于特征信息来计算经预处理的感测数据的可靠性，并且通过将可靠性与阈值进行比较来选择经预处理的感测数据。
15.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为响应于经预处理的感测数据的长度大于或等于阈值来选择经预处理的感测数据。
16.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为计算经预处理的感测数据的样本值中的每一个与样本值中的每一个的先前样本值之间的偏差，并且基于计算出的偏差的方差选择经预处理的感测数据。
17.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为响应于未选择经预处理的感测数据、基于先前的状态信息来确定状态信息。
18.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为响应于未选择经预处理的感测数据来确定先前的状态信息为状态信息。
19.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为响应于选择了经预处理的感测数据、基于经预处理的感测数据来确定状态信息。
20.如权利要求12所述的电池状态估计装置，其中，所述控制器还被配置为对感测数据进行过滤并且对过滤后的感测数据进行下采样。
21.如权利要求12所述的电池状态估计装置，其中
响应于选择了经预处理的感测数据，经预处理的感测数据对应于适合于估计电池的状态的数据，以及
响应于未选择经预处理的感测数据，经预处理的感测数据对应于不适合于估计电池的状态的数据。
CN201810039365.3A 2017-01-17 2018-01-16 用于估计电池状态的方法和装置 Active CN108333519B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170007869A KR20180084358A (ko) 2017-01-17 2017-01-17 배터리 상태 추정 방법 및 장치
KR10-2017-0007869 2017-01-17

Publications (2)

Publication Number Publication Date
CN108333519A true CN108333519A (zh) 2018-07-27
CN108333519B CN108333519B (zh) 2022-09-13

Family

ID=60953777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810039365.3A Active CN108333519B (zh) 2017-01-17 2018-01-16 用于估计电池状态的方法和装置

Country Status (4)

Country Link
US (2) US10509077B2 (zh)
EP (1) EP3349026B1 (zh)
KR (1) KR20180084358A (zh)
CN (1) CN108333519B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110927588A (zh) * 2018-09-20 2020-03-27 三星电子株式会社 估计电池状态的装置和方法
CN112567255A (zh) * 2018-08-17 2021-03-26 祖克斯有限公司 冗余电池管理系统架构
CN115097336A (zh) * 2022-05-30 2022-09-23 中国第一汽车股份有限公司 一种电池荷电状态值估算系统、方法、电子设备及介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10270678B2 (en) * 2016-08-30 2019-04-23 SK Hynix Inc. System including master device and slave device, and operation method of the system
KR20180084358A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 배터리 상태 추정 방법 및 장치
CN109144214B (zh) * 2018-08-06 2022-05-03 交叉信息核心技术研究院(西安)有限公司 能量管理系统、方法、电子设备、装置及非易失处理器
CN111856282B (zh) * 2019-04-19 2022-08-26 武汉理工大学 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法
JP2023033811A (ja) * 2021-08-30 2023-03-13 株式会社デンソー 電池管理システムおよび電池管理方法
CN116068444A (zh) * 2021-11-03 2023-05-05 标致雪铁龙汽车股份有限公司 电池健康度估算方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799367A (zh) * 2010-01-27 2010-08-11 北京信息科技大学 一种机电设备神经网络故障趋势预测方法
US20110279124A1 (en) * 2010-05-14 2011-11-17 Liebert Corporation Float current monitor
CN105319512A (zh) * 2014-07-30 2016-02-10 三星电子株式会社 用于估计电池的状态的方法和设备
US20160231388A1 (en) * 2015-02-06 2016-08-11 Samsung Electronics Co., Ltd. Method and apparatus to estimate state of battery based on battery charging voltage data

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5371682A (en) * 1993-02-04 1994-12-06 At&T Corp. Method and apparatus for predicting battery reserve time to a specified end-voltage
JP3607105B2 (ja) * 1999-01-26 2005-01-05 本田技研工業株式会社 バッテリ残容量検出装置
TWI286218B (en) * 2006-04-27 2007-09-01 Ablerex Electronics Co Ltd Method for determining state-of-health of batteries
KR100804697B1 (ko) 2006-08-11 2008-02-18 삼성에스디아이 주식회사 배터리 관리 시스템 및 그의 구동 방법
KR100836391B1 (ko) 2007-06-21 2008-06-09 현대자동차주식회사 하이브리드 전기자동차용 배터리의 잔존용량 추정방법
FR2929409B1 (fr) 2008-03-27 2010-04-02 Continental Automotive France Procede d'estimation de la charge d'une batterie d'un vehicule automobile
JP4561859B2 (ja) * 2008-04-01 2010-10-13 トヨタ自動車株式会社 二次電池システム
US8519674B2 (en) 2009-11-12 2013-08-27 GM Global Technology Operations LLC Method for estimating battery degradation in a vehicle battery pack
KR101277733B1 (ko) 2010-01-27 2013-06-24 주식회사 엘지화학 배터리의 ｓｏｃ를 추정하는 장치 및 방법
JP5520657B2 (ja) 2010-03-30 2014-06-11 古河電気工業株式会社 充電率推定方法、充電率推定装置及び二次電池電源システム
WO2011156776A2 (en) 2010-06-10 2011-12-15 The Regents Of The University Of California Smart electric vehicle (ev) charging and grid integration apparatus and methods
US8525519B2 (en) 2010-11-30 2013-09-03 GM Global Technology Operations LLC Algorithm for determining the capacity of a battery while in service
EP2535729A1 (en) * 2011-06-16 2012-12-19 ST-Ericsson SA Battery charge determination
KR101352841B1 (ko) 2012-01-03 2014-01-20 주식회사 엘지화학 전지 ｓｏｃ 추정 방법 및 시스템
KR20150024561A (ko) 2013-08-27 2015-03-09 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
KR101543263B1 (ko) 2014-06-12 2015-08-11 국방과학연구소 전지의 잔존 용량 추정 장치 및 방법
EP2990818B1 (en) 2014-09-01 2019-11-27 Yokogawa Electric Corporation Secondary battery capacity measurement system and secondary battery capacity measurement method
JP6470022B2 (ja) 2014-11-20 2019-02-13 エイブリック株式会社 電池残量予測装置及びバッテリパック
KR20180084358A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 배터리 상태 추정 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799367A (zh) * 2010-01-27 2010-08-11 北京信息科技大学 一种机电设备神经网络故障趋势预测方法
US20110279124A1 (en) * 2010-05-14 2011-11-17 Liebert Corporation Float current monitor
CN105319512A (zh) * 2014-07-30 2016-02-10 三星电子株式会社 用于估计电池的状态的方法和设备
US20160231388A1 (en) * 2015-02-06 2016-08-11 Samsung Electronics Co., Ltd. Method and apparatus to estimate state of battery based on battery charging voltage data

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戚宗锋、李林、刘文钊等编著: "《电子信息系统仿真可信度评估理论方法》", 31 May 2013, 北京：国防工业出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112567255A (zh) * 2018-08-17 2021-03-26 祖克斯有限公司 冗余电池管理系统架构
CN110927588A (zh) * 2018-09-20 2020-03-27 三星电子株式会社 估计电池状态的装置和方法
CN115097336A (zh) * 2022-05-30 2022-09-23 中国第一汽车股份有限公司 一种电池荷电状态值估算系统、方法、电子设备及介质

Also Published As

Publication number Publication date
CN108333519B (zh) 2022-09-13
EP3349026A1 (en) 2018-07-18
KR20180084358A (ko) 2018-07-25
US20200088798A1 (en) 2020-03-19
US10908220B2 (en) 2021-02-02
EP3349026B1 (en) 2023-05-10
US20180203072A1 (en) 2018-07-19
US10509077B2 (en) 2019-12-17

Similar Documents

Publication Publication Date Title
CN108333519A (zh) 用于估计电池状态的方法和装置
US10935608B2 (en) Apparatus and method for estimating state of battery
CN109425836A (zh) 用于估计电池的状态的方法和装置
US10338661B2 (en) Planning and managing the power utilization of a battery-powered device
CN106456000B (zh) 生物测定信号的基于运动的估计
CN109087335A (zh) 一种人脸跟踪方法、装置和存储介质
US10847986B2 (en) Systems and methods to determine time at which battery is to be charged
US20160261122A1 (en) Smart battery charging to improve the lifespan of batteries
US11489344B2 (en) Altering battery charging rate based on physical activity
US11476695B2 (en) Electronic device and method for adjusting charge cycle or discharge cycle of battery
US20170182906A1 (en) Apparatus and method for managing battery in consideration of rest period of battery
US10444292B2 (en) Battery management apparatus and method
CN102163081A (zh) 用于屏幕交互的方法、电子设备和装置
TWI655801B (zh) 對電池充電之技術
CN110046986A (zh) 基于大数据的借款逾期客户分群方法及装置
US10679451B2 (en) User alerts based on image capturing by a bill storage device
CN113545593A (zh) 智能包
CN105301500B (zh) 通过跟踪温度梯度的车辆电池状态检测
CN109841912A (zh) 电池管理方法和装置
US11444475B2 (en) Method and apparatus for charging battery
CN107003379A (zh) 基于多个位置的电池寿命估计
CN110520826A (zh) 增强和/或虚拟现实环境中的智能命令合批
CN105709400B (zh) 确定用于记录用户运动时长的方法及装置、电子设备
CN105891719B (zh) 电子设备和预计电池续航时间的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant