CN110098437A - 一种新能源汽车动力电池老化分析系统 - Google Patents

一种新能源汽车动力电池老化分析系统 Download PDF

Info

Publication number
CN110098437A
CN110098437A CN201910400245.6A CN201910400245A CN110098437A CN 110098437 A CN110098437 A CN 110098437A CN 201910400245 A CN201910400245 A CN 201910400245A CN 110098437 A CN110098437 A CN 110098437A
Authority
CN
China
Prior art keywords
data
new
energy automobile
automobile power
power battery
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.)
Pending
Application number
CN201910400245.6A
Other languages
English (en)
Inventor
李建良
鞠传坤
孙鹏宇
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.)
Tianjin University of Science and Technology
Original Assignee
Tianjin University of Science and Technology
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 Tianjin University of Science and Technology filed Critical Tianjin University of Science and Technology
Priority to CN201910400245.6A priority Critical patent/CN110098437A/zh
Publication of CN110098437A publication Critical patent/CN110098437A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285—Testing apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明型公开了一种新能源汽车动力电池老化分析系统，包括电池信息采集系统，电池管理系统，进行数据上传的与充电桩一体的交互模块，用于数据存放的SQL数据库，用于数据处理的机器学习模型，以及对用户数据进行展示的汽车状态显示模块和它的控制模块整车控制模块(VCU)，以及线上网络平台。通过对电池充放电中的相关物理量采集作为基础数据，加以机器模型进行锻炼，达到对电池老化程度进行精确分析的作用，并结合线上平台为用户提供一个车辆信息监测的完备系统。

Description

一种新能源汽车动力电池老化分析系统
技术领域
本发明型属于新能源汽车动力电池管理领域，具体设计一种电池老化状态的分析系统。
背景技术
在新能源汽车的大力发展下，电池技术一直作为新能源汽车设计的难点，电池老化状态分析作为电池质量的检测指标更是需要大量的关注。
对于新能源汽车，其动力电池与传统电池使用不同，动力电池功率密度大，对能量的瞬间释放要求高，又需要高充放次数加持，并且，传统电池老化程度检测主要通过实验室数据，对成品电池进行高次数充放，计算相应电池容量从而达到老化检测的目的，但是对于新能源汽车在其复杂的工作状态下实验室数据相应就缺少说服力，仅可以作为参考指标。在这种状态下就会出现对汽车动力电池老化程度判断的不准确，轻则导致驾驶人员对电池管理系统产生不信任感，重则导致汽车在行驶中由于电池的状态估计不准确而导致的未达到目的地而消耗尽电能。
目前对电池老化的判断主要依靠出厂参数，进行一定充放后的电池容量的大概范围，但是对于新能源汽车的动力电池系统，在复杂的工况下，以及在不确定的用户充放电状态下，就显得极为困难，因此设计一套电池老化状态分析系统也是眼下新能源汽车领域难点。
发明内容
设计思路：在以STM32作为汽车电池管理系统主控芯片的前提下，对采样精度进行严苛的要求。对采样周期进行相应的缩短，并将采集数据存放于微处理器STM32的外设ROM中，并以充电周期为单位进行上传至以汽车充电器为通讯介质的上位机。当然，充电过程中采集同样要求严苛，充电过程不与传统的充电协议完全相同，需要进行相应的电池容量检测过程。这种容量检测会相应降低充电效率，所以检测周期不会以每次充电为单位，而是8-10次充放周期后才会采集一次，并通过汽车针对不同用户的不同工况采集构成一个完备的数据库，再针对不同汽车电池的选材进行分类。设计一个完备的存储汽车电池物理量采集数据的数据库。
在数据库形成后，在车辆初步开始时使用时以初始电池组出厂测试数据为依托，进行相应的状态分析，并以专车专用的设计思路进行相应的曲线拟合，达到近似估计电池老化的作用，当汽车大致进行100至200次的充放后，默认为汽车经过相应磨合期，进行机器模型的搭建，首先通过聚类算法，对不同工作环境下的汽车进行分类，然后通过处于类似工作状态的全部车辆的电池容量检测数据，以及电流、电压值等物理量进行对机器模型的训练。在学习初期大约200-500次充放过程中，依然需要对电池的实验曲线SOC-EMF曲线进行参考，当经过一段模型学习磨合期后，可以横向比较不同针对不同用户的不同工况的进行拓展学习。
模型在进行学习后，通过充电时的通信接口汇入电池管理系统相应的微处理器，具体方法为设置一个电池容量阈值，因为电池老化程度是以电池组内部可放出能量作为参考，同样，对于汽车动力电池的SOC状态估计，电池老化程度也提供了相应的依据。并且在汽车主控页面上也应有相应提示以展示相应的电池老化程度的状态。
此电池老化分析系统因为经过庞大的机器学习，所以在功能上具有多样化的特征，经过对数据的比对和机器的学习，建立一个相应的线上系统对个人用户汽车的保养提供建议，需要向用户展示自己的车辆的工作环境，以及对用户的使用习惯进行展示，并通过数据支撑对车主提供防止电池组提前老化的行驶习惯的建议。
附图说明
图1为新能源汽车动力电池老化分析系统结构图。
图2为新能源汽车动力电池老化分析系统网络平台登陆界面。
图3为新能源汽车动力电池老化分析系统网络平台角色管理界面。
图4为新能源汽车动力电池老化分析系统网络平台电池信息管理界面。
具体实施方式
通过电池组采集模块(BCU)首先对电池信息进行采集，并通过CAN总线上传至电池管理系统(BMS)，电池管理系统在用户非充电状态下与总车控制系统(VCU)协作进行动力电池控制，其中包括通过对电池工作状态的显示、电池异常情况的告警、电池老化程度的显示。
当新能源汽车进行充电时，充电器作为交互的媒介对汽车的充电、放电的数据进行上传，电桩接入TCP/IP网关协议，与SQL数据库进行结合，作为数据存放的媒介。
数据库中的数据作为机器学习的数据源，首先对数据进行分析，以采集的物理量作为自变量名称进行特征选择，接着进行向量化处理，拆分数据集，然后采用算法进行相应训练。训练后进行多次评估与SOC-EMF进行比对，并反复调整，达到训练有效的目的，接下来进行文件整理、接口封装等操作，最终学习模型搭建完毕，模型上线。
如图2，为用户及管理员登陆网上平台界面，用户可以注册账号或者使用已有账号进行登陆，登陆后会进入相应板块供用户查看相应汽车状态。
如图4，对于机器学习的结果，通过相应线上平台可以被用户查询，并能为车主提供近阶段的车辆使用数据，以及相应建议。而另一方面，其数据也能通过充电端口进行数据返回车辆系统的电源管理系统，经过整车控制系统直观的显示在用户操作台主控面板中，从而达到精确电池老化状态的功能。
如图3，网络平台提供相应基础管理模式，可以对用户权限进行分配，也可以对管理人员进行权限修改与编辑，从而达到用户管理与管理人员的联合统一平台，管理人员权限较大，可以通过查阅用户技术数据从而达到对车辆电池性能进行采集的目的，从而进行更完善的汽车电池选取方面的改进。
对于此老化分析系统，经过长时间的机器模型对数据的分析积累，可以达到精确的提升，同时，在系统投放使用初期，应对数据量偏少，数据准确度不高的环境下，通过电池出场经验数据来进行车辆使用寿命的预估，大大降低了不准确性，在机器学习的同时，如果出现老化程度的跳变量过大，既电池老化程度骤降或反升幅度很大，是不被允许的，通过出场老化函数曲线为参考，而不会以机器学习的欠拟合值做参考，这也是本系统的特点之一。
在汽车实际使用中，如果遇到相应电池组老化程度过高，而导致的汽车行驶里程数下降，系统通过老化系数返回值，会通过汽车电源管理系统经过总线上至车辆主控显示模块，并提示车主进行电池更换。

Claims (9)

1.一种新能源汽车动力电池老化分析系统，其特征在于：包括：电池信息采集系统(BCU)，电池管理系统(BMS)，进行数据上传的与充电桩一体的交互模块，用于数据存放的SQL数据库，用于数据处理的机器学习模型，以及对用户数据进行展示的汽车状态显示模块和它的控制模块整车控制模块(VCU)，以及线上网络平台。
2.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：通过电池信息采集系统(BCU)进行数据采集，并通过CAN总线上传至以STM32为MCU的电池管理系统。
3.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：区别于传统汽车使用内部电池采集系统的数据简单通过相应电池曲线从而估计老化程度，而是借用上位机平台达到提高精度的目的。
4.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：搭建网络数据开放平台，使行车数据能被用户明确的得知，便于用户通过数据判断车辆状态。
5.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：通过机器学习模型的搭建，降低对电池管理系统(BMS)的功能要求，降低其结构的复杂度。
6.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：通过结合充电桩进行数据上传，做到资源合理运用。
7.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：机器模型通过结合多种不同工作车辆状态，达到不同工况合理分析的作用，比之传统模型准确性更高。
8.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：所诉的数据库系统保证长期的数据存放功能，便于汽车电池生产商就行分析。
9.根据权利要求1所诉的一种新能源汽车动力电池老化分析系统，其特征在于：所诉的电池管理系统具有基本的荷电状态(SOC)估算、电池热管理、故障管理、充放电管理等基本功能。
CN201910400245.6A 2019-05-10 2019-05-10 一种新能源汽车动力电池老化分析系统 Pending CN110098437A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910400245.6A CN110098437A (zh) 2019-05-10 2019-05-10 一种新能源汽车动力电池老化分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910400245.6A CN110098437A (zh) 2019-05-10 2019-05-10 一种新能源汽车动力电池老化分析系统

Publications (1)

Publication Number Publication Date
CN110098437A true CN110098437A (zh) 2019-08-06

Family

ID=67448090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910400245.6A Pending CN110098437A (zh) 2019-05-10 2019-05-10 一种新能源汽车动力电池老化分析系统

Country Status (1)

Country Link
CN (1) CN110098437A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110556595A (zh) * 2019-08-21 2019-12-10 国网江苏省电力有限公司经济技术研究院 储能用磷酸铁锂电池安全管理系统的质态失衡预测方法
CN111025159A (zh) * 2019-11-29 2020-04-17 深圳猛犸电动科技有限公司 电动车电池异常检测方法、装置、智能设备及存储介质
CN111055725A (zh) * 2019-11-29 2020-04-24 深圳猛犸电动科技有限公司 电动车电池老化识别方法、装置、终端设备及存储介质
CN111060831A (zh) * 2019-11-29 2020-04-24 深圳猛犸电动科技有限公司 电动车电池异常的检测方法、装置、智能设备及存储介质
CN111060832A (zh) * 2019-11-29 2020-04-24 深圳猛犸电动科技有限公司 电动车电池老化识别方法、装置、终端设备及存储介质
CN112622693A (zh) * 2020-12-25 2021-04-09 广州橙行智动汽车科技有限公司 一种电池管理方法、装置及车辆
CN113829952A (zh) * 2021-09-29 2021-12-24 华人运通(江苏)技术有限公司 电动汽车的电池控制方法、系统及电动汽车
WO2022126906A1 (zh) * 2020-12-14 2022-06-23 广州汽车集团股份有限公司 优化电池管理系统模型的方法和系统以及存储介质和电动汽车

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110556595A (zh) * 2019-08-21 2019-12-10 国网江苏省电力有限公司经济技术研究院 储能用磷酸铁锂电池安全管理系统的质态失衡预测方法
CN110556595B (zh) * 2019-08-21 2020-09-04 国网江苏省电力有限公司经济技术研究院 储能用磷酸铁锂电池安全管理系统的质态失衡预测方法
CN111025159A (zh) * 2019-11-29 2020-04-17 深圳猛犸电动科技有限公司 电动车电池异常检测方法、装置、智能设备及存储介质
CN111055725A (zh) * 2019-11-29 2020-04-24 深圳猛犸电动科技有限公司 电动车电池老化识别方法、装置、终端设备及存储介质
CN111060831A (zh) * 2019-11-29 2020-04-24 深圳猛犸电动科技有限公司 电动车电池异常的检测方法、装置、智能设备及存储介质
CN111060832A (zh) * 2019-11-29 2020-04-24 深圳猛犸电动科技有限公司 电动车电池老化识别方法、装置、终端设备及存储介质
CN111055725B (zh) * 2019-11-29 2021-03-19 深圳猛犸电动科技有限公司 电动车电池老化识别方法、装置、终端设备及存储介质
CN111060831B (zh) * 2019-11-29 2021-04-27 深圳猛犸电动科技有限公司 电动车电池异常的检测方法、装置、智能设备及存储介质
CN111025159B (zh) * 2019-11-29 2021-04-27 深圳猛犸电动科技有限公司 电动车电池异常检测方法、装置、智能设备及存储介质
WO2022126906A1 (zh) * 2020-12-14 2022-06-23 广州汽车集团股份有限公司 优化电池管理系统模型的方法和系统以及存储介质和电动汽车
CN112622693A (zh) * 2020-12-25 2021-04-09 广州橙行智动汽车科技有限公司 一种电池管理方法、装置及车辆
CN113829952A (zh) * 2021-09-29 2021-12-24 华人运通(江苏)技术有限公司 电动汽车的电池控制方法、系统及电动汽车

Similar Documents

Publication Publication Date Title
CN110098437A (zh) 一种新能源汽车动力电池老化分析系统
Tian et al. Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles
CN110045298A (zh) 一种动力电池组参数不一致性的诊断方法
CN113064939B (zh) 一种新能源车辆三电系统安全特征数据库构建方法
CN105868942B (zh) 电动汽车的有序充电调度方法
CN102024999B (zh) 电动车行动力管理系统
CN105607004B (zh) 一种锂离子电池包健康状态评估方法及系统
CN105676138B (zh) 一种预测电池的剩余电量的方法和系统
CN109932663A (zh) 电池健康状态评估方法、装置、存储介质及电子装置
Carter et al. An improved lead–acid battery pack model for use in power simulations of electric vehicles
CN110398697A (zh) 一种基于充电过程的锂离子健康状态估计方法
CN107037370A (zh) 基于监控数据的电动汽车剩余电量计算方法
CN112433169A (zh) 一种云端动力电池健康度评估系统及方法
CN106338695A (zh) 一种基于粒子群算法的电池模型参数辨识方法
CN102756661A (zh) 车用电池荷电状态的确定方法及装置
CN113696786B (zh) 电池均衡方法及系统
CN112327170B (zh) 基于神经网络的动力电池全周期剩余寿命估算方法
CN109795476A (zh) 发动机启动控制方法及装置
CN106998086A (zh) 兆瓦级储能电站电池管理方法及其系统
CN104166102A (zh) 车用动力电池组的soc使用区间的判定方法
Darabi et al. Plug-in hybrid electric vehicles: Charging load profile extraction based on transportation data
CN108001261A (zh) 基于模糊算法的动力电池荷电状态计算方法及监测装置
CN103529397A (zh) 一种估算电池电量的方法及电池电量管理系统
CN111859294A (zh) 一种基于大数据的电动汽车评估方法及系统
Gao et al. Charging load forecasting of electric vehicle based on Monte Carlo and deep learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190806