CN110308396A - 电池状态监测方法、边缘处理器、系统及存储介质 - Google Patents

电池状态监测方法、边缘处理器、系统及存储介质 Download PDF

Info

Publication number
CN110308396A
CN110308396A CN201910594081.5A CN201910594081A CN110308396A CN 110308396 A CN110308396 A CN 110308396A CN 201910594081 A CN201910594081 A CN 201910594081A CN 110308396 A CN110308396 A CN 110308396A
Authority
CN
China
Prior art keywords
battery
parameters
data
state
model
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
CN201910594081.5A
Other languages
English (en)
Other versions
CN110308396B (zh
Inventor
王宏伟
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.)
China Express Jiangsu Technology Co Ltd
Original Assignee
China Express Jiangsu Technology 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 China Express Jiangsu Technology Co Ltd filed Critical China Express Jiangsu Technology Co Ltd
Priority to CN201910594081.5A priority Critical patent/CN110308396B/zh
Publication of CN110308396A publication Critical patent/CN110308396A/zh
Priority to PCT/CN2020/099868 priority patent/WO2021000905A1/zh
Application granted granted Critical
Publication of CN110308396B publication Critical patent/CN110308396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种电池状态监测方法、边缘处理器、系统及存储介质，该方法包括：接收电池管理系统采集的电池的实时运行数据，以及由电池管理系统根据实时运行数据和电池模型计算获得的电池状态数据；根据实时运行数据和电池状态数据对电池模型的参数进行修正，获得修正后的参数；根据实时运行数据，对修正后的参数进行验证；在验证通过后，将修正后的参数返回至电池管理系统，以使电池管理系统对修正后的参数进行再次验证，并在再次验证通过后，将修正后的参数更新到电池模型中，以应用更新后的电池模型监测所述电池的状态。本发明实施例保证了电池模型的精度，应用该电池模型可准确地监测电池的工作状态，从而保证电池安全工作。

Description

电池状态监测方法、边缘处理器、系统及存储介质
技术领域
本发明涉及动力电池技术领域，特别是涉及一种电池状态监测方法、边缘处理器、系统及存储介质。
背景技术
动力电池是电动汽车的重要组成部分，尤其是纯电动汽车，其是驱动车辆的唯一动力。其中，电池的荷电状态数据(SOC，State of charge)是表征电池状态的重要参数之一，通过荷电状态数据能够估计车辆的续航里程，以防止车辆在行驶过程中抛锚或电池过度放电造成电池本身受损；因此，准确计算荷电状态数据是电池安全的重要保证。
目前，普遍采用电池算法来计算荷电状态。但是，本发明人在实施本发明的过程中，发现现有技术至少存在以下技术问题：一方面，电池算法的精度依赖于电池模型的精度，然而，在电池老化或极端环境的情况下，电池模型的参数不再匹配电芯，电池模型的外部特性与电芯特性具有较大的差异；另一方面，由于电池管理系统(BMS，Batterymanagement system)的计算资源有限，电池管理系统难以利用电池的实时运行数据来修正电池模型的参数；因此，在电池老化或极端环境的情况下，电池模型的精度降低，造成荷电状态数据的计算误差过大，难以准确监测电池的工作状态。
发明内容
本发明的目的是提供一种电池状态监测方法、边缘处理器、系统及存储介质，其能够有效地避免在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大，不能准确监测电池的工作状态的问题。
为了解决上述技术问题，本发明实施例提供一种电池状态监测方法，包括：
接收电池管理系统采集的电池的实时运行数据，以及由所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据；
根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
根据所述实时运行数据，对所述修正后的参数进行验证；
在验证通过后，将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中，以应用更新后的电池模型监测所述电池的状态。
作为优选方案，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括：
基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
作为优选方案，所述根据所述实时运行数据，对所述修正后的参数进行验证，具体包括：
将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
作为优选方案，所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括：
所述电池管理系统检测电池的静置时间；
当所述电池的静置时间大于预设的时间阈值时，所述电池管理系统根据所述修正后的参数建立第二等效电路模型；
根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
为了解决相同的技术问题，本发明实施例还提供一种电池状态监测方法，包括：
采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据；
将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证；
接收所述边缘处理器返回的通过验证的所述修正后的参数；
根据所述实时运行数据对所述修正后的参数进行再次验证；
在再次验证通过后，将所述修正后的参数更新到所述电池模型中；
应用更新后的电池模型监测所述电池的状态。
作为优选方案，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括：
所述边缘处理器基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
作为优选方案，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，具体包括：
所述边缘处理器将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
作为优选方案，所述根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括：
检测电池的静置时间；
当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
为了解决相同的技术问题，本发明实施例还提供一种电池状态监测方法，包括：
电池管理系统采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据，并将所述实时运行数据和所述电池状态数据发送至边缘处理器；
所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，并在验证通过后，将所述修正后的参数返回至所述电池管理系统；
所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证；
在再次验证通过后，所述电池管理系统将所述修正后的参数更新到所述电池模型中，以应用更新后的电池模型监测所述电池的状态。
作为优选方案，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括：
所述边缘处理器基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
作为优选方案，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，具体包括：
所述边缘处理器将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
作为优选方案，所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括：
所述电池管理系统检测电池的静置时间；
当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
为了解决相同的技术问题，相应地，本发明实施例还提供一种边缘处理器，包括：
第一接收模块，用于接收电池管理系统采集的电池的实时运行数据，以及由所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据；
修正模块，用于根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
第一验证模块，用于根据所述实时运行数据，对所述修正后的参数进行验证；和，
第一发送模块，用于在验证通过后，将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中。
为了解决相同的技术问题，相应地，本发明实施例还提供一种电池管理系统，包括：
数据获取模块，用于采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据；
第二发送模块，用于将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证；
第二接收模块，用于接收所述边缘处理器返回的通过验证的所述修正后的参数；
第二验证模块，用于根据所述实时运行数据对所述修正后的参数进行再次验证；
模型更新模块，用于在再次验证通过后，将所述修正后的参数更新到所述电池模型中；和，
监测模块，用于应用更新后的电池模型监测所述电池的状态。
为了解决相同的技术问题，本发明实施例还提供一种电池状态监测系统，包括上述的边缘处理器和上述的电池管理系统。
为了解决相同的技术问题，本发明还提供一种计算机可读存储介质，所述存储介质上存储有程序，当程序运行时，实现上述实施例所述的电池状态监测方法。
与现有技术相比，本发明提供的一种电池状态监测方法、边缘处理器、系统及存储介质，通过所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，以获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证，且在验证通过后，再将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，所述电池管理系统将所述修正后的参数更新到所述电池模型中，从而保证了电池模型的精度，应用该电池模型可准确地监测电池的工作状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此保证了电池的最大能力输出，并保证了电池安全工作。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
附图说明
图1是本发明实施例一中的电池状态监测方法的流程示意图；
图2是本发明实施例中的电池模型的结构示意图；
图3是本发明实施例中的采用最小二乘法修正第一等效电路模型的参数的流程示意图；
图4是本发明实施例二中的电池状态监测方法的流程示意图；
图5是本发明实施例三中的电池状态监测方法的流程示意图；
图6是本发明实施例四中的边缘处理器的结构示意图；
图7是本发明实施例五中的电池管理系统的结构示意图；
图8是本发明实施例六中的电池状态监测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
参见图1，是本发明实施例一提供的电池状态监测方法的流程示意图。
本发明实施例提供的电池状态监测方法，可由边缘处理器执行，且本实施例均以边缘处理器作为执行主体进行说明。
在本发明实施例中，所述电池状态监测方法，包括以下步骤S11-S14：
S11、接收电池管理系统采集的电池的实时运行数据，以及由所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据。
可以理解的，所述电池管理系统采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得的电池状态数据，并通过通讯总线将所述实时运行数据和所述电池状态数据发送至所述边缘处理器，所述边缘处理器接收所述实时运行数据和所述电池状态数据。
其中，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据(SOH，state of health)；则，
所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据，具体包括：
所述电池管理系统根据所述电芯的当前电压、所述电池的当前电流、所述电芯的当前温度和电池模型，采用安时积分法计算电池的荷电状态数据和健康状态数据。
当然，本发明实施例还可以采用其他方法来计算电池的荷电状态数据和健康状态数据，本发明对此不做限制。
S12、根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数。
具体地，所述边缘处理器根据所述电池管理系统发送的所述实时运行数据和所述电池状态数据确定所述电池管理系统中的电池模型的参数，以根据该电池模型的参数建立相同的电池模型；然后，根据所述实时运行数据对所建立的电池模型的参数进行修正，从而获得修正后的参数。可以理解的，由于所述边缘处理器建立的电池模型与所述电池管理系统中的电池模型相同，因而可采用边缘处理器获得的修正后的参数来更新所述电池管理系统中的电池模型。
在本发明实施例中，通过由所述边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
结合图2和图3所示，在一种优选实施方式中，所述根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括以下步骤S121-S123：
S121、基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
S122、根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
S123、根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
可以理解的，在步骤S121中，不同的所述电芯的当前温度、所述荷电状态数据和所述健康状态数据对应的电池模型的参数不同，因此，可以根据所述电池管理系统发送的所述电芯的当前温度、所述荷电状态数据和所述健康状态数据确定相应的所述电池模型的参数，以保证所述边缘处理器获得的所述电池模型的参数与所述电池管理系统中当前的电池模型的参数一致，从而保证所述边缘处理器建立的电池模型与所述电池管理系统中的电池模型的一致性，进而保证所述边缘处理器能够获得有效的修正后的参数。
另外，在步骤S122中，以所述边缘处理器选取的所述电池模型的参数作为第一等效电路模型的参数，从而建立所述第一等效电路模型。具体地，结合图2所示，首先，根据所述电池模型的参数，建立第一等效电路方程：
然后，定义u＝IBat，y＝Ut，g(x1)＝UOC，并基于所述第一等效电路方程，建立所述第一等效电路模型：
如图3所示，在步骤S123中，所述边缘处理器根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法计算获得修正后的所述直流电阻R0，短时电阻R1，长时电阻R2，短时电容C1和长时电容C2。
S13、根据所述实时运行数据，对所述修正后的参数进行验证。
在一种优选实施方式中，所述根据所述实时运行数据，对所述修正后的参数进行验证，具体包括以下步骤S131-S132：
S131、将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
S132、判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
具体地，所述边缘处理器对所述电池模型的参数进行修正，获得修正后的参数后，将所述第一等效电路模型的参数相应替换为所述修正后的参数，从而获得修正后的第一等效电路模型；因此，在步骤S13中，所述边缘处理器可以通过将所述电池的当前电流输入所述修正后的第一等效电路模型中，从而获得电芯电压；接着，所述边缘处理器可以通过判断所计算出来的所述电芯电压与所述电池管理系统采集的所述电芯的当前电压是否相等来确认所述修正后的参数的有效性；具体地，当所计算出来的所述电芯电压与所述电芯的当前电压相等时，判定所述修正后的参数验证通过，即表明所述边缘处理器确认所述修正后的参数有效，进而可将所述修正后的参数返回至所述电池管理系统；当所计算出来的所述电芯电压与所述电芯的当前电压不相等时，判定所述修正后的参数验证未通过，即表明所述边缘处理器确认所述修正后的参数无效，进而可将所述修正后的参数丢弃。
S14、在验证通过后，将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中，以应用更新后的电池模型监测所述电池的状态。
具体地，所述边缘处理器在对所述修正后的参数验证通过后，通过通讯总线将所述修正后的参数返回至所述电池管理系统；所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在对所述修正后的参数再次验证通过后，所述电池管理系统将所述电池模型的参数替换为所述修正后的参数，从而更新所述电池模型，获得更新后的电池模型。获得所述更新后的电池模型后，能够应用该电池模型准确地计算出所述电池状态数据，如电荷状态数据、健康状态数据等，通过所计算出的所述电池状态数据可获知所述电池当前的状态，从而实现准确地监测所述电池的状态。
在一种优选实施方式中，所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括以下步骤S141-S144：
S141、所述电池管理系统检测电池的静置时间；
S142、当所述电池的静置时间大于预设的时间阈值时，所述电池管理系统根据所述修正后的参数建立第二等效电路模型；
S143、根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
S144、判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
具体地，在步骤S142中，所述电池管理系统以所述修正后的参数作为第二等效电路模型的参数，从而建立所述第二等效电路模型。可以理解的，由于所述电池管理系统接收的所述修正后的参数，是由所述边缘处理器修正所述第一等效电路模型的参数而获得的参数，因此，所述电池管理系统建立的所述第二等效电路模型与修正后的所述第一等效电路模型相同，即所述第二等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；需要说明的是，所述第二等效电路模型中的所述直流电阻R0，所述短时电阻R1，所述长时电阻R2，所述短时电容C1，所述长时电容C2为所述修正后的参数；另外，建立所述第二等效电路模型的过程具体可参考上述第一等效电路模型的建立过程，在此不做更多的赘述。
在步骤S143中，所述电池管理系统采用安时积分法计算荷电状态数据；当然，本发明实施例还可以采用除安时积分法以外的其他方法来计算电池的荷电状态数据，本发明对此不做限制。
在步骤S144中，所述电池管理系统可以通过判断所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据是否相等来确认所述修正后的参数的有效性；具体地，当所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据相等时，判定所述修正后的参数再次验证通过，即表明所述电池管理系统确认所述修正后的参数有效，进而可将所述修正后的参数更新到所述电池模型中；当所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据不相等时，判定所述修正后的参数再次验证未通过，即表明所述电池管理系统确认所述修正后的参数无效，进而将所述修正后的参数丢弃。需要说明的是，所述电池管理系统中预先配置有OCV-SOC表，因此，可以根据采集到的所述电芯的当前电压来查询所述OCV-SOC表，从而获得相应的标准荷电状态数据，即预先配置的标准荷电状态数据。
在本发明实施例中，通过所述边缘处理器和所述电池管理系统对所述修正后的参数进行相互验证，确保了所述修正后的参数的有效性，从而保证了更新后的电池模型的精度，使得能够应用该电池模型准确地监测电池的状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此确保了电池的最大能力输出，并保证了电池安全工作，从而改善了用户体验。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。另外，通过电池的所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，实现了针对特定的电池调整所述电池模型的参数，消除了因电池个体差异导致的大误差问题。
实施例二
参见图4，是本发明实施例二提供的电池状态监测方法的流程示意图；
本发明实施例提供的电池状态监测方法，可由电池管理系统执行，且本实施例均以电池管理系统作为执行主体进行说明。
在本发明实施例中，所述电池状态监测方法，包括以下步骤S21-S26：
S21、采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据。
其中，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据，具体包括：
采集电芯的当前电压、电池的当前电流和电芯的当前温度；
根据所述电芯的当前电压、所述电池的当前电流、所述电芯的当前温度和电池模型，采用安时积分法计算电池的荷电状态数据和健康状态数据。
当然，本发明实施例还可以采用其他方法来计算电池的荷电状态数据和健康状态数据，本发明对此不做限制。
S22、将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证。
具体地，所述电池管理系统通过通讯总线将所述实时运行数据和所述电池状态数据发送至边缘处理器，所述边缘处理器根据所述实时运行数据和所述电池状态数据确定所述电池管理系统中的电池模型的参数，以根据该电池模型的参数建立相同的电池模型；然后，再根据所述实时运行数据对所述电池模型的参数进行修正，从而获得修正后的参数；最后，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证。可以理解的，由于所述边缘处理器建立的电池模型与所述电池管理系统中的电池模型相同，因而可采用边缘处理器获得的修正后的参数来更新所述电池管理系统中的电池模型。
在本发明实施例中，所述电池管理系统通过将所述实时运行数据和所述电池状态数据发送至边缘处理器，使得能够由所述边缘处理器对电池模型的参数进行修正及校验，从而解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
在一种优选实施方式中，所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括以下步骤S2201-S2203：
S2201、所述边缘处理器基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
S2202、根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
S2203、根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
可以理解的，在步骤S2201中，不同的所述电芯的当前温度、所述荷电状态数据和所述健康状态数据对应的电池模型的参数不同，因此，可以根据所述电池管理系统发送的所述电芯的当前温度、所述荷电状态数据和所述健康状态数据确定相应的所述电池模型的参数，以保证所述边缘处理器获得的所述电池模型的参数与所述电池管理系统中的电池模型的参数一致，从而保证所述边缘处理器建立的电池模型与所述电池管理系统中的电池模型的一致性，进而保证所述边缘处理器能够获得有效的修正后的参数。
另外，在步骤S2202中，以所述边缘处理器选取的所述电池模型的参数作为第一等效电路模型的参数，从而建立所述第一等效电路模型。具体地，结合图2所示，首先，根据所述电池模型的参数，建立第一等效电路方程：
然后，定义u＝IBat，y＝Ut，g(x1)＝UOC，并根据所述第一等效电路方程，建立所述第一等效电路模型：
在步骤S2203中，所述边缘处理器根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法计算获得修正后的所述直流电阻R0，短时电阻R1，长时电阻R2，短时电容C1和长时电容C2，如图3所示。
在一种优选实施方式中，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，具体包括以下步骤S2211-S223：
S2212、所述边缘处理器将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
S2213、判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
具体地，所述边缘处理器对所述电池模型的参数进行修正，获得修正后的参数后，将所述第一等效电路模型的参数相应替换为所述修正后的参数，从而获得修正后的第一等效电路模型；因此，所述边缘处理器可以通过将所述电池的当前电流输入所述修正后的第一等效电路模型中，从而获得电芯电压；接着，所述边缘处理器可以通过判断所计算出来的所述电芯电压与所述电池管理系统采集的所述电芯的当前电压是否相等来确认所述修正后的参数的有效性；具体地，当所计算出来的所述电芯电压与所述电芯的当前电压相等时，判定所述修正后的参数验证通过，即表明所述边缘处理器确认所述修正后的参数有效，进而可将所述修正后的参数返回至所述电池管理系统；当所计算出来的所述电芯电压与所述电芯的当前电压不相等时，判定所述修正后的参数验证未通过，即表明所述边缘处理器确认所述修正后的参数无效，进而可将所述修正后的参数丢弃。
S23、接收所述边缘处理器返回的通过验证的所述修正后的参数；
具体地，在所述边缘处理器判定所述修正后的参数验证通过时，所述边缘处理器通过通讯总线向所述电池管理系统返回通过验证的所述修正后的参数，所述电池管理系统接收所述修正后的参数。
S24、根据所述实时运行数据对所述修正后的参数进行再次验证；
在一种优选实施方式中，所述根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括以下步骤S241-S244：
S241、检测电池的静置时间；
S242、当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
S243、根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
S244、判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
具体地，在步骤S242中，所述电池管理系统以所述修正后的参数作为第二等效电路模型的参数，从而建立所述第二等效电路模型。可以理解的，由于所述电池管理系统接收的所述修正后的参数，是由所述边缘处理器修正所述第一等效电路模型的参数而获得的参数，因此，所述电池管理系统建立的所述第二等效电路模型与修正后的所述第一等效电路模型相同，即所述第二等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；需要说明的是，所述第二等效电路模型中的所述直流电阻R0，所述短时电阻R1，所述长时电阻R2，所述短时电容C1，所述长时电容C2为所述修正后的参数；另外，建立所述第二等效电路模型的过程具体可参考上述第一等效电路模型的建立过程，在此不做更多的赘述。
在步骤S243中，所述电池管理系统采用安时积分法计算荷电状态数据；当然，本发明实施例还可以采用除安时积分法以外的其他方法来计算电池的荷电状态数据，本发明对此不做限制。
在步骤S244中，所述电池管理系统可以通过判断所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据是否相等来确认所述修正后的参数的有效性；具体地，当所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据相等时，判定所述修正后的参数再次验证通过，即表明所述电池管理系统确认所述修正后的参数有效，进而可将所述修正后的参数更新到所述电池模型中；当所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据不相等时，判定所述修正后的参数再次验证未通过，即表明所述电池管理系统确认所述修正后的参数无效，进而将所述修正后的参数丢弃。需要说明的是，所述电池管理系统中预先配置有OCV-SOC表，因此，可以根据采集到的所述电芯的当前电压来查询所述OCV-SOC表，从而获得相应的标准荷电状态数据，即预先配置的标准荷电状态数据。
S25、在再次验证通过后，将所述修正后的参数更新到所述电池模型中。
具体地，在所述电池管理系统判定所述修正后的参数再次验证通过后，将所述电池模型的参数替换为所述修正后的参数，从而更新所述电池模型，获得更新后的电池模型。
S26、应用更新后的电池模型监测所述电池的状态。
具体地，获得更新后的电池模型后，应用该电池模型可以准确地计算出所述电池状态数据，如电荷状态数据、健康状态数据等，通过所计算出的所述电池状态数据可获知所述电池当前的状态，从而实现准确地监测所述电池的状态。
在本发明实施例中，通过所述边缘处理器和所述电池管理系统对所述修正后的参数进行相互验证，确保了所述修正后的参数的有效性，从而保证了更新后的电池模型的精度，使得能够应用该电池模型准确地监测电池的状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此确保了电池的最大能力输出，并保证了电池安全工作，从而改善了用户体验。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。另外，通过电池的所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，实现了针对特定的电池调整所述电池模型的参数，消除了因电池个体差异导致的大误差问题。
实施例三
参见图5，是本发明实施例三提供的电池状态监测方法的流程示意图。
在本发明实施例中，所述电池状态监测方法，包括以下步骤S31-S35：
S31、电池管理系统采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据，并将所述实时运行数据和所述电池状态数据发送至边缘处理器。
具体地，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述电池管理系统采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据，并将所述实时运行数据和所述电池状态数据发送至边缘处理器，具体包括以下步骤：
所述电池管理系统采集电芯的当前电压、电池的当前电流和电芯的当前温度；
所述电池管理系统根据所述电芯的当前电压、所述电池的当前电流、所述电芯的当前温度和电池模型，采用安时积分法计算电池的荷电状态数据和健康状态数据；
所述电池管理系统将所述电芯的当前电压、所述电池的当前电流、所述电芯的当前温度、所述荷电状态数据和所述健康状态数据发送至边缘处理器。
当然，本发明实施例还可以采用其他方法来计算电池的荷电状态数据和健康状态数据，本发明对此不做限制。
S32、所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数。
具体地，所述边缘处理器根据所述电池管理系统发送的所述实时运行数据和所述电池状态数据确定所述电池管理系统中的电池模型的参数，以根据该电池模型的参数建立相同的电池模型；然后，再根据所述实时运行数据对所述电池模型的参数进行修正，从而获得修正后的参数。可以理解的，由于所述边缘处理器建立的电池模型与所述电池管理系统中的电池模型相同，因而可采用边缘处理器获得的修正后的参数来更新所述电池管理系统中的电池模型。
在本发明实施例中，通过由所述边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
结合图2和图3所示，在一种优选实施方式中，所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括以下步骤S321-S323：
S321、所述边缘处理器基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
S322、根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
S323、根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
可以理解的，在步骤S321中，不同的所述电芯的当前温度、所述荷电状态数据和所述健康状态数据对应的电池模型的参数不同，因此，可以根据所述电池管理系统发送的所述电芯的当前温度、所述荷电状态数据和所述健康状态数据确定相应的所述电池模型的参数，以保证所述边缘处理器获得的所述电池模型的参数与所述电池管理系统中的电池模型的参数一致，从而保证所述边缘处理器建立的电池模型与存储于所述电池管理系统中的电池模型的一致性，进而保证所述边缘处理器能够获得有效的修正后的参数。
另外，在步骤S322中，以所述边缘处理器选取的所述电池模型的参数作为第一等效电路模型的参数，从而建立所述第一等效电路模型。具体地，结合图2所示，首先，根据所述电池模型的参数，建立第一等效电路方程：
然后，定义u＝IBat，y＝Ut，g(x1)＝UOC，并根据所述第一等效电路方程，建立所述第一等效电路模型：
在步骤S123中，所述边缘处理器根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法计算获得修正后的所述直流电阻R0，短时电阻R1，长时电阻R2，短时电容C1和长时电容C2，如图3所示。
S33、所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，并在验证通过后，将所述修正后的参数返回至所述电池管理系统。
在一种优选实施方式中，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，具体包括以下步骤S331-S332：
S331、所述边缘处理器将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
S332、判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
具体地，所述边缘处理器对所述电池模型的参数进行修正，获得修正后的参数后，将所述第一等效电路模型的参数相应替换为所述修正后的参数，从而获得修正后的第一等效电路模型；因此，在步骤S33中，所述边缘处理器可以通过将所述电池的当前电流输入所述修正后的第一等效电路模型中，从而获得电芯电压；接着，所述边缘处理器可以通过判断所计算出来的所述电芯电压与所述电池管理系统采集的所述电芯的当前电压是否相等来确认所述修正后的参数的有效性；具体地，当所计算出来的所述电芯电压与所述电芯的当前电压相等时，判定所述修正后的参数验证通过，即表明所述边缘处理器确认所述修正后的参数有效，进而通过通讯总线将所述修正后的参数返回至所述电池管理系统；当所计算出来的所述电芯电压与所述电芯的当前电压不相等时，判定所述修正后的参数验证未通过，即表明所述边缘处理器确认所述修正后的参数无效，进而可将所述修正后的参数丢弃。
S34、所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证。
在一种优选实施方式中，所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括以下步骤S341-S344：
S341、所述电池管理系统检测电池的静置时间；
S342、当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
S343、根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
S344、判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
具体地，在步骤S342中，所述电池管理系统以所述修正后的参数作为第二等效电路模型的参数，从而建立所述第二等效电路模型。可以理解的，由于所述电池管理系统接收的所述修正后的参数，是由所述边缘处理器修正所述第一等效电路模型的参数而获得的参数，因此，所述电池管理系统建立的所述第二等效电路模型与修正后的所述第一等效电路模型相同，即所述第二等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；需要说明的是，所述第二等效电路模型中的所述直流电阻R0，所述短时电阻R1，所述长时电阻R2，所述短时电容C1，所述长时电容C2为所述修正后的参数；另外，建立所述第二等效电路模型的过程具体可参考上述第一等效电路模型的建立过程，在此不做更多的赘述。
在步骤S343中，所述电池管理系统采用安时积分法计算荷电状态数据；当然，本发明实施例还可以采用除安时积分法以外的其他方法来计算电池的荷电状态数据，本发明对此不做限制。
在步骤S344中，所述电池管理系统可以通过判断所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据是否相等来确认所述修正后的参数的有效性；具体地，当所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据相等时，判定所述修正后的参数再次验证通过，即表明所述电池管理系统确认所述修正后的参数有效，进而可将所述修正后的参数更新到所述电池模型中；当所计算出来的所述荷电状态数据与预先配置的标准荷电状态数据不相等时，判定所述修正后的参数再次验证未通过，即表明所述电池管理系统确认所述修正后的参数无效，进而可将所述修正后的参数丢弃。需要说明的是，所述电池管理系统中预先配置有OCV-SOC表，因此，可以根据采集到的所述电芯的当前电压来查询所述OCV-SOC表，从而获得相应的标准荷电状态数据，即预先配置的标准荷电状态数据。
S35、在再次验证通过后，所述电池管理系统将所述修正后的参数更新到所述电池模型中，以应用更新后的电池模型监测所述电池的状态。
具体地，在所述电池管理系统判定所述修正后的参数再次验证通过后，所述电池管理系统将所述电池模型的参数替换为所述修正后的参数，从而更新所述电池模型，获得更新后的电池模型。获得所述更新后的电池模型后，能够应用该电池模型准确地计算出所述电池状态数据，如电荷状态数据、健康状态数据等，通过所计算出的所述电池状态数据可获知所述电池当前的状态，从而实现准确地监测所述电池的状态。
在本发明实施例中，通过所述边缘处理器和所述电池管理系统对所述修正后的参数进行相互验证，确保了所述修正后的参数的有效性，从而保证了更新后的电池模型的精度，使得能够应用该电池模型准确地监测电池的状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此确保了电池的最大能力输出，并保证了电池安全工作，从而改善了用户体验。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。另外，通过电池的所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，实现了针对特定的电池调整所述电池模型的参数，消除了因电池个体差异导致的大误差问题。
实施例四
参见图6，是本发明实施例四提供的边缘处理器的结构示意图；
在本发明实施例中，所述边缘处理器1，包括：
第一接收模块11，用于接收电池管理系统采集的电池的实时运行数据，以及由所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据；
修正模块12，用于根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
第一验证模块13，用于根据所述实时运行数据，对所述修正后的参数进行验证；和，
第一发送模块14，用于在验证通过后，将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中。
在本发明实施例中，所述第一验证模块13在对所述修正后的参数验证通过后，由所述第一发送模块14通过通讯总线将所述修正后的参数返回至所述电池管理系统，使得所述电池管理系统能够根据所述实时运行数据对所述修正后的参数进行再次验证，并在对所述修正后的参数再次验证通过后，所述电池管理系统将所述电池模型的参数替换为所述修正后的参数，从而更新所述电池模型，获得更新后的电池模型。获得所述更新后的电池模型后，能够应用该电池模型准确地计算出所述电池状态数据，如电荷状态数据、健康状态数据等，通过所计算出的所述电池状态数据可获知所述电池当前的状态，从而实现准确地监测所述电池的状态。
进一步地，在本发明实施例中，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述修正模块12具体包括：
参数选取单元，用于基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
第一模型建立单元，用于根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；和，
参数修正单元，用于根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
进一步地，本实施例中的所述第一验证模块13具体包括：
电芯电压计算单元，用于将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；和，
第一验证判决单元，用于判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
在本发明实施例中，通过所述修正模块12根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，以获得修正后的参数，并由所述第一验证模块13根据所述实时运行数据，对所述修正后的参数进行验证，最后由所述第一发送模块14在验证通过后，再将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中，从而保证了电池模型的精度，应用该电池模型可准确地监测电池的工作状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此保证了电池的最大能力输出，并保证了电池安全工作。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
此外，所述边缘处理器还可包括其他模块/单元，使得所述边缘处理器能够实现上述实施例一所述的电池状态监测方法的其他步骤，在此不做更多的赘述。
实施例五
参见图7，是本发明实施例五提供的电池管理系统的结构示意图；
在本发明实施例中，所述电池管理系统2，包括：
数据获取模块21，用于采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据；
第二发送模块22，用于将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证；
第二接收模块23，用于接收所述边缘处理器返回的通过验证的所述修正后的参数；
第二验证模块24，用于根据所述实时运行数据对所述修正后的参数进行再次验证；
模型更新模块25，用于在再次验证通过后，将所述修正后的参数更新到所述电池模型中；和，
监测模块26，用于应用更新后的电池模型监测所述电池的状态。
需要说明的是，在所述第二验证模块24判定所述修正后的参数再次验证通过后，由所述模型更新模块25将所述电池模型的参数替换为所述修正后的参数，从而更新所述电池模型，获得更新后的电池模型。最后，由监测模块26应用所述更新后的电池模型可以准确地计算出所述电池状态数据，如电荷状态数据、健康状态数据等，通过所计算出的所述电池状态数据可获知所述电池当前的状态，从而实现准确地监测所述电池的状态。
在本发明实施例中，优选地，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据。
进一步地，本实施例中所述第二验证模块24具体包括：
静置时间检测单元，用于检测电池的静置时间；
第二模型建立单元，用于当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
荷电状态计算单元，用于根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
第二验证判决单元，用于判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
在本发明实施例中，通过所述第二发送模块22将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，以获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证，再由所述第二验证模块24根据所述实时运行数据对所述修正后的参数进行再次验证，以使所述模型更新模块25在再次验证通过后，将所述修正后的参数更新到所述电池模型中，从而保证了电池模型的精度，应用该电池模型可准确地监测电池的工作状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此保证了电池的最大能力输出，并保证了电池安全工作。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
此外，所述电池管理系统还可包括其他模块/单元，使得所述电池管理系统能够实现上述实施例二所述的电池状态监测方法的其他步骤，在此不做更多的赘述。
实施例六
参见图8，是本发明实施例六提供的电池状态监测系统的结构示意图；
在本发明实施例中，所述电池状态监测系统，包括上述实施例四所述的边缘处理器1和上述实施例五所述的电池管理系统2。
具体地，如图8所示，所述边缘处理器1与所述电池管理系统2电连接。另外，所述电池管理系统2还与电池电连接，用于采集所述电池的实时运行数据。
需要说明的是，所述边缘处理器1的构造和工作原理可参考上述实施例四，所述电池管理系统2的构造和工作原理可参考上述实施例五，在此不做更多的赘述。
在本发明实施例中，通过所述边缘处理器1根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，以获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证，且在验证通过后，再将所述修正后的参数返回至所述电池管理系统2，使得所述电池管理系统2能够根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中，从而保证了电池模型的精度，应用该电池模型可准确地监测电池的工作状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此保证了电池的最大能力输出，并保证了电池安全工作。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
实施例七
为了解决相同的技术问题，本发明实施例七还提供一种计算机可读存储介质，所述存储介质上存储有程序，当程序运行时，实现上述实施例一所述的电池状态监测方法。其中，该电池状态监测方法具体可参考上述实施例一的描述，在此不做更多的赘述。
为了解决相同的技术问题，本发明实施例七还提供另一种计算机可读存储介质，所述存储介质上存储有程序，当程序运行时，实现上述第二实施例所述的电池状态监测方法。其中，该电池状态监测方法具体可参考上述实施例二的描述，在此不做更多的赘述。
综上，本发明提供的一种电池状态监测方法、边缘处理器、系统及存储介质，通过所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，以获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证，且在验证通过后，再将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中，从而保证了电池模型的精度，应用该电池模型可准确地监测电池的工作状态，有效地避免了在电池老化或极端环境的情况下，电池模型的精度降低而导致的荷电状态数据的计算误差过大的问题，因此保证了电池的最大能力输出，并保证了电池安全工作。此外，本发明实施例由边缘处理器对电池模型的参数进行修正及校验，解决了电池管理系统的计算资源有限，难以利用电池的实时运行数据来修正电池模型的参数的问题。而且，也无需将电池的实时运行数据发送至远程的云服务器，以借助云服务器来修正电池模型参数，从而减少了远程数据传输量。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (20)

1.一种电池状态监测方法，其特征在于，包括：
接收电池管理系统采集的电池的实时运行数据，以及由所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据；
根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
根据所述实时运行数据，对所述修正后的参数进行验证；
在验证通过后，将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中，以应用更新后的电池模型监测所述电池的状态。
2.如权利要求1所述的电池状态监测方法，其特征在于，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括：
基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
3.如权利要求2所述的电池状态监测方法，其特征在于，所述根据所述实时运行数据，对所述修正后的参数进行验证，具体包括：
将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
4.如权利要求2或3所述的电池状态监测方法，其特征在于，所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括：
所述电池管理系统检测电池的静置时间；
当所述电池的静置时间大于预设的时间阈值时，所述电池管理系统根据所述修正后的参数建立第二等效电路模型；
根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
5.一种电池状态监测方法，其特征在于，包括：
采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据；
将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证；
接收所述边缘处理器返回的通过验证的所述修正后的参数；
根据所述实时运行数据对所述修正后的参数进行再次验证；
在再次验证通过后，将所述修正后的参数更新到所述电池模型中；
应用更新后的电池模型监测所述电池的状态。
6.如权利要求5所述的电池状态监测方法，其特征在于，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括：
所述边缘处理器基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
7.如权利要求6所述的电池状态监测方法，其特征在于，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，具体包括：
所述边缘处理器将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
8.如权利要求6或7所述的电池状态监测方法，其特征在于，所述根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括：
检测电池的静置时间；
当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
9.一种电池状态监测方法，其特征在于，包括：
电池管理系统采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据，并将所述实时运行数据和所述电池状态数据发送至边缘处理器；
所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，并在验证通过后，将所述修正后的参数返回至所述电池管理系统；
所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证；
在再次验证通过后，所述电池管理系统将所述修正后的参数更新到所述电池模型中，以应用更新后的电池模型监测所述电池的状态。
10.如权利要求9所述的电池状态监测方法，其特征在于，所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；则，
所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，具体包括：
所述边缘处理器基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；
根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
11.如权利要求10所述的电池状态监测方法，其特征在于，所述边缘处理器根据所述实时运行数据，对所述修正后的参数进行验证，具体包括：
所述边缘处理器将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；
判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
12.如权利要求10或11所述的电池状态监测方法，其特征在于，所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，具体包括：
所述电池管理系统检测电池的静置时间；
当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
13.一种边缘处理器，其特征在于，包括：
第一接收模块，用于接收电池管理系统采集的电池的实时运行数据，以及由所述电池管理系统根据所述实时运行数据和电池模型计算获得的电池状态数据；
修正模块，用于根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数；
第一验证模块，用于根据所述实时运行数据，对所述修正后的参数进行验证；和，
第一发送模块，用于在验证通过后，将所述修正后的参数返回至所述电池管理系统，以使所述电池管理系统根据所述实时运行数据对所述修正后的参数进行再次验证，并在再次验证通过后，将所述修正后的参数更新到所述电池模型中。
14.如权利要求13所述的边缘处理器，其特征在于，包括：
所述实时运行数据包括电芯的当前电压、电池的当前电流和电芯的当前温度；所述电池状态数据包括电池的荷电状态数据和健康状态数据；
所述修正模块具体包括：
参数选取单元，用于基于所述电芯的当前温度、所述荷电状态数据和所述健康状态数据选取所述电池模型的参数；其中，所述电池模型的参数包括直流电阻、短时电阻、长时电阻、短时电容和长时电容；
第一模型建立单元，用于根据所述电池模型的参数，建立第一等效电路模型；其中，所述第一等效电路模型为：
其中，u＝IBat，y＝Ut，g(x1)＝UOC；R0为直流电阻；R1为短时电阻；R2为长时电阻；C1为短时电容；C2为长时电容；Cap为容值；UC1为R1C1回路的电压；UC2为R2C2回路的电压；IBat为电池电流；Ut为端电压；UOC为开路电压；SOC为荷电状态数据；和，
参数修正单元，用于根据所述电芯的当前电压和所述电池的当前电流，采用最小二乘法修正所述第一等效电路模型的参数，即对所述电池模型的参数进行修正，获得修正后的参数。
15.如权利要求14所述的边缘处理器，其特征在于，所述第一验证模块具体包括：
电芯电压计算单元，用于将所述电池的当前电流应用于修正后的第一等效电路模型中，计算获得电芯电压；和，
第一验证判决单元，用于判断所计算出来的电芯电压是否等于所述电芯的当前电压；若是，则判定所述修正后的参数验证通过；若否，则判定所述修正后的参数验证未通过。
16.一种电池管理系统，其特征在于，包括：
数据获取模块，用于采集电池的实时运行数据，根据所述实时运行数据和电池模型计算获得电池状态数据；
第二发送模块，用于将所述实时运行数据和所述电池状态数据发送至边缘处理器，以使所述边缘处理器根据所述实时运行数据和所述电池状态数据对所述电池模型的参数进行修正，获得修正后的参数，并根据所述实时运行数据，对所述修正后的参数进行验证；
第二接收模块，用于接收所述边缘处理器返回的通过验证的所述修正后的参数；
第二验证模块，用于根据所述实时运行数据对所述修正后的参数进行再次验证；
模型更新模块，用于在再次验证通过后，将所述修正后的参数更新到所述电池模型中；和，
监测模块，用于应用更新后的电池模型监测所述电池的状态。
17.如权利要求16所述的电池管理系统，其特征在于，所述第二验证模块具体包括：
静置时间检测单元，用于检测电池的静置时间；
第二模型建立单元，用于当所述电池的静置时间大于预设的时间阈值时，根据所述修正后的参数建立第二等效电路模型；
荷电状态计算单元，用于根据所述第二等效电路模型、所述电芯的当前电压、所述电池的当前电流以及所述电芯的当前温度，采用安时积分法计算荷电状态数据；
第二验证判决单元，用于判断所计算出来的荷电状态数据与预先配置的标准荷电状态数据是否相等；若是，则判定所述修正后的参数再次验证通过；若否，则判定所述修正后的参数再次验证未通过。
18.一种电池状态监测系统，其特征在于，包括边缘处理器和电池管理系统，所述边缘处理器为权利要求13至15任一项所述的边缘处理器，所述电池管理系统为权利要求16或17所述的电池管理系统。
19.一种计算机可读存储介质，其特征在于，所述存储介质上存储有程序，当程序运行时，实现如权利要求1至4任一项所述的电池状态监测方法。
20.一种计算机可读存储介质，其特征在于，所述存储介质上存储有程序，当程序运行时，实现如权利要求5至8任一项所述的电池状态监测方法。
CN201910594081.5A 2019-07-03 2019-07-03 电池状态监测方法、边缘处理器、系统及存储介质 Active CN110308396B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910594081.5A CN110308396B (zh) 2019-07-03 2019-07-03 电池状态监测方法、边缘处理器、系统及存储介质
PCT/CN2020/099868 WO2021000905A1 (zh) 2019-07-03 2020-07-02 电池状态监测方法、边缘处理器、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910594081.5A CN110308396B (zh) 2019-07-03 2019-07-03 电池状态监测方法、边缘处理器、系统及存储介质

Publications (2)

Publication Number Publication Date
CN110308396A true CN110308396A (zh) 2019-10-08
CN110308396B CN110308396B (zh) 2020-09-25

Family

ID=68078058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910594081.5A Active CN110308396B (zh) 2019-07-03 2019-07-03 电池状态监测方法、边缘处理器、系统及存储介质

Country Status (2)

Country Link
CN (1) CN110308396B (zh)
WO (1) WO2021000905A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111736860A (zh) * 2020-05-21 2020-10-02 华人运通(江苏)技术有限公司 车辆电池管理软件更新方法、装置及设备
WO2021000905A1 (zh) * 2019-07-03 2021-01-07 华人运通(江苏)技术有限公司 电池状态监测方法、边缘处理器、系统及存储介质
CN112444748A (zh) * 2020-10-12 2021-03-05 武汉蔚来能源有限公司 电池异常检测方法、装置、电子设备及存储介质
CN113125982A (zh) * 2019-12-31 2021-07-16 比亚迪股份有限公司 电池寿命预测方法及装置
CN113655384A (zh) * 2021-08-19 2021-11-16 山东浪潮科学研究院有限公司 一种云边端计算的电池状态计算方法
CN113866637A (zh) * 2020-06-30 2021-12-31 宁德时代新能源科技股份有限公司 动力电池soc的调整方法、装置、设备和介质
CN114300763A (zh) * 2021-12-06 2022-04-08 华人运通(江苏)技术有限公司 基于车云协调的电池内阻异常监测方法、设备及存储介质
CN114355184A (zh) * 2022-01-05 2022-04-15 国网江苏省电力有限公司宿迁供电分公司 一种基于在线学习的高压断路器状态监测预警系统及方法
CN114750638A (zh) * 2022-04-07 2022-07-15 潍柴动力股份有限公司 一种动力电池电流控制方法、装置、电动汽车及存储介质
WO2023088202A1 (zh) * 2021-11-17 2023-05-25 江苏天合储能有限公司 储能电池管理系统的修正方法、装置、系统及介质
CN118690703A (zh) * 2024-08-20 2024-09-24 深圳市德兰明海新能源股份有限公司 一种锂电池的等效电路模型、soc估计方法及相关装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI825686B (zh) * 2022-04-22 2023-12-11 大葉大學 智能電源管理邊緣估算系統及建置方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102062841A (zh) * 2009-11-11 2011-05-18 北汽福田汽车股份有限公司 动力电池荷电状态的估测方法及系统
CN102230953A (zh) * 2011-06-20 2011-11-02 江南大学 蓄电池剩余容量及健康状况预测方法
CN102508167A (zh) * 2011-10-25 2012-06-20 上海交通大学 一种电池管理系统自动测试、自动标定参数的装置和方法
CN102862490A (zh) * 2012-09-19 2013-01-09 合肥工业大学 一种电动汽车电池管理系统自适应控制方法
CN103675703A (zh) * 2013-11-30 2014-03-26 西安交通大学 一种用于电池荷电状态估计方法
CN104569835A (zh) * 2014-12-16 2015-04-29 北京理工大学 一种估计电动汽车的动力电池的荷电状态的方法
CN107843843A (zh) * 2017-09-30 2018-03-27 江苏理工学院 一种基于大数据和极限学习机的车载电池soc在线预测方法
CN108508369A (zh) * 2018-03-30 2018-09-07 潍柴动力股份有限公司 一种汽车动力电池的校正方法、装置和系统
CN109061506A (zh) * 2018-08-29 2018-12-21 河海大学常州校区 基于神经网络优化ekf的锂离子动力电池soc估计方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130311115A1 (en) * 2012-05-16 2013-11-21 Robert Bosch Gmbh Battery System and Method with Parameter Estimator
CN103293485A (zh) * 2013-06-10 2013-09-11 北京工业大学 基于模型的蓄电池荷电状态估计方法
CN104237791A (zh) * 2013-06-20 2014-12-24 电子科技大学 一种锂电池荷电状态估算方法及电池管理系统和电池系统
CN105044606B (zh) * 2015-07-01 2018-03-02 西安交通大学 一种基于参数自适应电池模型的soc估计方法
GB2557611A (en) * 2016-12-12 2018-06-27 Virtuosys Ltd Edge computing system
EP3593155B1 (en) * 2017-03-06 2021-04-07 Volvo Truck Corporation A battery cell state of charge estimation method and a battery state monitoring system
CN109031134A (zh) * 2018-06-20 2018-12-18 国安慧云高新科技（镇江）有限公司 基于北斗和量子安全应用的锂离子电池远程管理应用系统
CN109669134A (zh) * 2019-02-27 2019-04-23 浙江科技学院 一种基于卡尔曼滤波法的soc的估算方法
CN109884550B (zh) * 2019-04-01 2020-01-17 北京理工大学 一种动力电池系统在线参数辨识与回溯方法
CN110308396B (zh) * 2019-07-03 2020-09-25 华人运通(江苏)技术有限公司 电池状态监测方法、边缘处理器、系统及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102062841A (zh) * 2009-11-11 2011-05-18 北汽福田汽车股份有限公司 动力电池荷电状态的估测方法及系统
CN102230953A (zh) * 2011-06-20 2011-11-02 江南大学 蓄电池剩余容量及健康状况预测方法
CN102508167A (zh) * 2011-10-25 2012-06-20 上海交通大学 一种电池管理系统自动测试、自动标定参数的装置和方法
CN102862490A (zh) * 2012-09-19 2013-01-09 合肥工业大学 一种电动汽车电池管理系统自适应控制方法
CN103675703A (zh) * 2013-11-30 2014-03-26 西安交通大学 一种用于电池荷电状态估计方法
CN104569835A (zh) * 2014-12-16 2015-04-29 北京理工大学 一种估计电动汽车的动力电池的荷电状态的方法
CN107843843A (zh) * 2017-09-30 2018-03-27 江苏理工学院 一种基于大数据和极限学习机的车载电池soc在线预测方法
CN108508369A (zh) * 2018-03-30 2018-09-07 潍柴动力股份有限公司 一种汽车动力电池的校正方法、装置和系统
CN109061506A (zh) * 2018-08-29 2018-12-21 河海大学常州校区 基于神经网络优化ekf的锂离子动力电池soc估计方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021000905A1 (zh) * 2019-07-03 2021-01-07 华人运通(江苏)技术有限公司 电池状态监测方法、边缘处理器、系统及存储介质
CN113125982A (zh) * 2019-12-31 2021-07-16 比亚迪股份有限公司 电池寿命预测方法及装置
WO2021232872A1 (zh) * 2020-05-21 2021-11-25 华人运通(江苏)技术有限公司 车辆电池管理软件更新方法、装置及设备
CN111736860A (zh) * 2020-05-21 2020-10-02 华人运通(江苏)技术有限公司 车辆电池管理软件更新方法、装置及设备
CN113866637A (zh) * 2020-06-30 2021-12-31 宁德时代新能源科技股份有限公司 动力电池soc的调整方法、装置、设备和介质
CN113866637B (zh) * 2020-06-30 2024-04-26 宁德时代新能源科技股份有限公司 动力电池soc的调整方法、装置、设备和介质
CN112444748A (zh) * 2020-10-12 2021-03-05 武汉蔚来能源有限公司 电池异常检测方法、装置、电子设备及存储介质
CN113655384A (zh) * 2021-08-19 2021-11-16 山东浪潮科学研究院有限公司 一种云边端计算的电池状态计算方法
WO2023088202A1 (zh) * 2021-11-17 2023-05-25 江苏天合储能有限公司 储能电池管理系统的修正方法、装置、系统及介质
CN114300763A (zh) * 2021-12-06 2022-04-08 华人运通(江苏)技术有限公司 基于车云协调的电池内阻异常监测方法、设备及存储介质
CN114300763B (zh) * 2021-12-06 2023-10-20 华人运通(江苏)技术有限公司 基于车云协调的电池内阻异常监测方法、设备及存储介质
CN114355184A (zh) * 2022-01-05 2022-04-15 国网江苏省电力有限公司宿迁供电分公司 一种基于在线学习的高压断路器状态监测预警系统及方法
CN114355184B (zh) * 2022-01-05 2023-09-26 国网江苏省电力有限公司宿迁供电分公司 一种基于在线学习的高压断路器状态监测预警方法
CN114750638A (zh) * 2022-04-07 2022-07-15 潍柴动力股份有限公司 一种动力电池电流控制方法、装置、电动汽车及存储介质
CN118690703A (zh) * 2024-08-20 2024-09-24 深圳市德兰明海新能源股份有限公司 一种锂电池的等效电路模型、soc估计方法及相关装置

Also Published As

Publication number Publication date
CN110308396B (zh) 2020-09-25
WO2021000905A1 (zh) 2021-01-07

Similar Documents

Publication Publication Date Title
CN110308396B (zh) 电池状态监测方法、边缘处理器、系统及存储介质
JP6400205B2 (ja) 無線ネットワークに基づく電池管理システム
CN108369258B (zh) 状态估计装置、状态估计方法
CN105301509B (zh) 锂离子电池荷电状态、健康状态与功率状态的联合估计方法
Kim et al. Online SOC and SOH estimation for multicell lithium-ion batteries based on an adaptive hybrid battery model and sliding-mode observer
JP4692246B2 (ja) 二次電池の入出力可能電力推定装置
KR101160545B1 (ko) 이차전지 건강상태 진단장치
CN107091992A (zh) 电池组荷电状态soc估计方法及估计系统
CN109633479B (zh) 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法
EP3742539B1 (en) Battery control method and battery control device
CN109669131B (zh) 一种工况环境下动力电池soc估算方法
CN110400987B (zh) 电池充放电电流的限制方法、电池管理系统及存储介质
CN104569835A (zh) 一种估计电动汽车的动力电池的荷电状态的方法
CN104569833B (zh) 放电过程中动力电池的荷电状态计算方法和装置
CN108508369A (zh) 一种汽车动力电池的校正方法、装置和系统
JP2010019595A (ja) 蓄電デバイスの残存容量演算装置
JP6455914B2 (ja) 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム
CN108828448B (zh) 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法
CN105699910A (zh) 一种锂电池剩余电量在线估计方法
CN112955762A (zh) 参数估计系统、参数估计装置、车辆、计算机程序和参数估计方法
CN112327183A (zh) 一种锂离子电池soc估算方法和装置
CN112384814A (zh) 二次电池参数估计装置、二次电池参数估计方法和程序
CN104535931A (zh) 充电过程中动力电池的荷电状态计算方法和装置
CN110333460B (zh) 动力电池组的rc网络参数获取方法、装置和电动汽车
Baba et al. State of charge estimation of lithium-ion battery using Kalman filters

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
PP01 Preservation of patent right

Effective date of registration: 20240222

Granted publication date: 20200925

PP01 Preservation of patent right