CN110806544A - 电池剩余寿命的预测方法和装置 - Google Patents
电池剩余寿命的预测方法和装置 Download PDFInfo
- Publication number
- CN110806544A CN110806544A CN201810791065.0A CN201810791065A CN110806544A CN 110806544 A CN110806544 A CN 110806544A CN 201810791065 A CN201810791065 A CN 201810791065A CN 110806544 A CN110806544 A CN 110806544A
- Authority
- CN
- China
- Prior art keywords
- charging
- full charge
- historical
- battery
- capacity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 8
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 7
- 229910001416 lithium ion Inorganic materials 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本公开涉及一种电池剩余寿命的预测方法和装置,通过获取预设的历史时间段内电池的历史充电数据,然后根据该历史充电数据,利用预设的滤波算法获取该电池在该历史时间段内的多个历史剩余寿命值,再根据该多个历史剩余寿命值,预测该电池的当前剩余寿命值。本公开能够降低计算复杂度,提高预测准确性。
Description
技术领域
本公开涉及电池技术领域,尤其涉及一种电池剩余寿命的预测方法和装置。
背景技术
由于锂离子电池性能优异,即使从新能源汽车上退役,仍然具有很高的利用价值,因此需要一种能够准确预测锂离子电池剩余寿命的方法,来帮助完成锂离子电池的梯次利用、淘汰废旧。目前对电池的剩余寿命值的预测方法主要有:基于物理失效模型、基于数据驱动和基于数据融合的预测方法。
其中,基于物理失效模型的方法,主要思想是,应力(即:能量)会随时间的推移而积累,当达到一定量就会失效,即:应力超过某个强度元件就会失效;所以该方法主要是针对同型号的电池,选取其中一个在实验室内建立退化模型(从应力角度)和损伤积累模型(从时间的累积角度);但是该方法中涉及到的参数多,需要的数据量很大,涉及的理论计算量也很大,而且由于电池与电池之间存在个体差异,预测结构偏差较大。
而基于数据驱动的方法,是目前锂离子电池寿命预测的主流方法,该方法是通过采集运行状态下电池的有效失效数据和性能退化数据,建立锂离子电池性能退化的轨迹模型,最终实现锂离子电池的RUL(Remaining Useful Life,剩余有效工作时间)预测。该方法采集的数据一般是存储在电池管理系统BMS(Battery Management System,电池管理器)中的芯片内,其能够存储的数据量有限,所以在通过那些数据描述电池性能退化趋势时,存在描述不够准确,推测存在较大误差的问题。
基于数据融合的预测方法是将基于数据驱动的方法与基于物理失效模型的方法相融合的方法,融合参数复杂,具有数据有限,所需参数多,计算量大等问题。
因此解决目前电池剩余寿命预测方法中存在的由于参数多、计算量大以带来的计算复杂度高以及预测结果误差较大等问题显得尤为关键。
发明内容
本公开的目的是提供一种电池剩余寿命的预测方法和装置,用于解决目前电池寿命预测方法中的计算复杂度高、预测结果误差较大的问题。
为了实现上述目的,在本公开的第一方面,提供一种电池剩余寿命的预测方法,所述方法包括:
获取预设的历史时间段内电池的历史充电数据,所述历史充电数据中包括所述电池在所述历史时间段内多次充电的充电数据;
根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值;
根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值。
可选地,所述多次充电的充电数据包括:在所述多次充电中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流;所述根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值,包括:
从所述多次充电中的第一次充电起,采用递推的方式将所述多次充电划分为多组;
根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量;
根据所述多个满充充电容量,获取所述多个历史剩余寿命值。
可选地,所述根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量,包括:
根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量;其中,i的为正整数,i的起始值为1;
根据所述第i组对应的所述充电数据中的每一次充电过程中的所述电池充电前的剩余电量和充电截止时的剩余电量,以及所述第i组中的每一次充电所充入的电量,获取所述第i组中的每一次充电的满充充电容量;
根据所述第i组中的每一次充电的满充充电容量,获取所述第i组的平均满充充电容量;
判定所述平均满充充电容量是否有效;
当所述平均满充充电容量有效时,将所述平均满充充电容量作为所述第i组对应的满充充电容量;
当所述平均满充充电容量无效时,将第i-1组对应的满充充电容量确定为所述第i组对应的满充充电容量;
令i=i+1,并再次执行所述根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量,至所述判定所述平均满充充电容量是否有效的步骤,直至得到所述多组对应的多个满充充电容量。
可选地,所述判定所述平均满充充电容量是否有效,包括:
获取所述平均满充充电容量与所述第i-1组对应的满充充电容量的差值;
判断所述差值是否小于或等于预设阈值;
当所述差值小于或等于预设阈值时,确定所述平均满充充电容量有效;
当所述差值大于所述预设阈值时,确定所述平均满充充电容量无效。
可选地,所述根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量,还包括:
当所述平均满充充电容量无效时,将当前的连续触发计数加一,以得到更新后的连续触发计数;
当所述更新后的连续触发计数达到预设的计数上限时,放弃已获取的多组对应的满充充电容量,并重新执行所述获取预设的历史时间段内电池的历史充电数据,至所述根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值的步骤;
当在获得所述多组对应的多个满充充电容量后,所述更新后的连续触发计数仍未达到预设的计数上限时,将连续触发计数清零。
可选地,所述获取预设的历史时间段内电池的历史充电数据,所述历史充电数据中包括所述电池在所述历史时间段内多次充电的充电数据,包括:
从指定的车辆监控平台的数据库获取所述历史充电数据,所述车辆监控平台用于定期地获取多个车辆的充电数据并存储至所述数据库中。
可选地,所述根据所述多个满充充电容量,获取所述多个历史剩余寿命值,包括:
分别获取所述多个满充充电容量与所述电池的额定电容量的比值,作为所述多个历史剩余寿命值;或者,
将所述多个满充充电容量分别作为所述多个历史剩余寿命值。
在本公开的第二方面,提供了一种电池剩余寿命的预测装置,所述装置包括:
数据获取模块,用于获取预设的历史时间段内电池的历史充电数据,所述历史充电数据中包括所述电池在所述历史时间段内多次充电的充电数据;
数据处理模块,用于根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值;
预测模块,用于根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值。
可选地,所述多次充电的充电数据包括:在所述多次充电中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流;所述数据处理模块,包括:
分组子模块,用于从所述多次充电中的第一次充电起,采用递推的方式将所述多次充电划分为多组;
容量获取子模块,用于根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量;
历史寿命值获取子模块,用于根据所述多个满充充电容量,获取所述多个历史剩余寿命值。
可选地,所述容量获取子模块,包括:
充电容量获取子模块,用于根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量;其中,i的为正整数,i的起始值为1;
满充容量获取子模块,用于根据所述第i组对应的所述充电数据中的每一次充电过程中的所述电池充电前的剩余电量和充电截止时的剩余电量,以及所述第i组中的每一次充电所充入的电量,获取所述第i组中的每一次充电的满充充电容量;
平均值获取子模块,用于根据所述第i组中的每一次充电的满充充电容量,获取所述第i组的平均满充充电容量;
第一判定子模块,用于判定所述平均满充充电容量是否有效;当所述平均满充充电容量有效时,将所述平均满充充电容量作为所述第i组对应的满充充电容量;以及,当所述平均满充充电容量无效时,将第i-1组对应的满充充电容量确定为所述第i组对应的满充充电容量;
重复执行子模块,用于令i=i+1,并再次执行所述根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量,至所述判定所述平均满充充电容量是否有效的步骤,直至得到所述多组对应的多个满充充电容量。
可选地,所述第一判定子模块,包括:
差值获取子模块,用于获取所述平均满充充电容量与所述第i-1组对应的满充充电容量的差值;
第二判定子模块,用于判断所述差值是否小于或等于预设阈值;当所述差值小于或等于预设阈值时,确定所述平均满充充电容量有效;以及,当所述差值大于所述预设阈值时,确定所述平均满充充电容量无效。
可选地,所述容量获取子模块,还包括:
计数子模块,用于当所述平均满充充电容量无效时,将当前的连续触发计数加一,以得到更新后的连续触发计数;
第三判定子模块,用于当所述更新后的连续触发计数达到预设的计数上限时,放弃已获取的多组对应的满充充电容量,并重新执行所述获取预设的历史时间段内电池的历史充电数据,至所述根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值的步骤;
计数清零子模块,用于当在获得所述多组对应的多个满充充电容量后,所述更新后的连续触发计数仍未达到预设的计数上限时,将连续触发计数清零。
可选地,所述数据获取模块,还用于:
从指定的车辆监控平台的数据库获取所述历史充电数据,所述车辆监控平台用于定期地获取多个车辆的充电数据并存储至所述数据库中。
可选地,所述历史寿命值获取子模块,用于:
分别获取所述多个满充充电容量与所述电池的额定电容量的比值,作为所述多个历史剩余寿命值;或者,
将所述多个满充充电容量分别作为所述多个历史剩余寿命值。
通过上述技术方案,首先获取预设的历史时间段内电池的历史充电数据,再根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值;然后根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值。本公开中的电池剩余寿命的预测方法通过预设的算法处理相应的历史数据,然后得到电池的剩余寿命的变化趋势,进而预测出当前电池的剩余寿命,能够有效克服现有的电池剩余寿命预测方法中计算复杂度高、预测结果误差较大的问题,实现降低计算复杂度,提高预测准确性的效果。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据本公开一示例性示出的一种电池剩余寿命的预测方法的流程图;
图2是根据图1所示实施例示出的一种获取历史剩余寿命值方法的流程图;
图3是根据图2所示实施例示出的一种获取满充充电容量方法的流程图;
图4是根据本公开另一示例性示出的一种电池剩余寿命的预测装置的框图;
图5是根据图4所示实施例示出的一种数据处理模块的框图;
图6是根据图5所示实施例示出的一种容量获取子模块的框图;
图7是根据图5所示实施例示出的另一种容量获取子模块的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1是根据本公开一示例性示出的一种电池剩余寿命的预测方法的流程图,参见图1,所述电池剩余寿命的预测方法包括以下步骤:
步骤101,获取预设的历史时间段内电池的历史充电数据,该历史充电数据中包括该电池在该历史时间段内多次充电的充电数据。
示例地,可以定期地备份该电池的多次充电的充电数据,例如,由于国家新能源汽车安全监测平台存储电池充电数据的存储器内存有限,所以电池充电数据能够保存两个月,距当前时间两个月之前的数据会被覆盖或者删除,所以需要在数据丢失之前,将存储在存储器上的历史充电数据备份存储,以备需要预测电池的剩余寿命时用。该历史时间段例如可以是一周、一个月等等。
步骤102,根据该历史充电数据,利用预设的滤波算法获取该电池在该历史时间段内的多个历史剩余寿命值。
示例地,预设的滤波算法可以包括:递推平均滤波法、限幅滤波法或者数据校正法中的至少一种,通过该预设的滤波算法处理该电池历史时间段内多次充电的充电数据,从而可以得到多个该电池在该历史时间段内更准确的历史剩余寿命值,进而可以得到该电池的剩余寿命值的变化趋势。
步骤103,根据该多个历史剩余寿命值,预测该电池的当前剩余寿命值。
示例地,可以根据该电池在该历史时间段内的多个历史剩余寿命值,构建电池剩余寿命值的退化模型,或者画出电池剩余寿命值退化的曲线,从而清楚的预测出当前乃至以后某个时刻该电池的剩余寿命。例如,以该历史时刻电池的准确的剩余寿命和该历史时刻准确的剩余寿命对应的时间分别为横纵坐标,绘制该电池剩余寿命曲线,从而可以直观的从曲线图上得出任一时间电池的剩余寿命值。
在上述技术方案中,通过预设的滤波算法处理历史充电数据,从而得到该电池在该历史时间段内的更准确的历史剩余寿命值,进而得出更准确的电池剩余寿命值变化趋势,再根据该变化趋势推测出当前剩余寿命值。能够得到准确的电池剩余寿命值变化趋势,并基于该变化趋势准确预测出目前电池的剩余寿命,解决目前电池剩余寿命预测结果误差大的问题。
进一步地,上述的该多次充电的充电数据可以包括:在该多次充电中的每一次充电过程中,该电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流。
示例地,在某一次充电过程中,充电前的剩余电量为30%,充电截止时的剩余电量是98%,充电时长为1个小时,充电电流为2安培。仅需要电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流等参数即可通过步骤101至103所示的方法预测出电池的剩余寿命,由此可见,相对于现有的预测电池剩余寿命方法,上述方法能够大大减少预测电池剩余寿命所需要的参数数量。
进一步地,图2是根据图1所示实施例示出的一种获取历史剩余寿命值方法的流程图,参见图2,步骤102所述的根据该历史充电数据,利用预设的滤波算法获取该电池在该历史时间段内的多个历史剩余寿命值的步骤,可以包括以下步骤:
步骤1021:从该多次充电中的第一次充电起,采用递推的方式将该多次充电划分为多组。
示例地,可以将历史时间段内第一次充电的数据至第十次充电的数据为第一组,第二组为第二次充电至第十一次充电的数据,第三组为第三次充电至第十二次充电的数据,第n组为第n次充电至第n+9次充电的数据,其中n为1、2、3…。
步骤1022:根据每组对应的该充电数据中的每一次充电过程中,该电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到该多组对应的多个满充充电容量。
示例地,根据步骤1021中所示的分组方法得到的多组数据,针对其中的每一组,可以根据每一次充电过程中,该电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,确定出每一次的满充充电容量,从而依次确定每组对应的多个满充充电容量,之后再依次得到多组对应的多个满充充电容量。
步骤1023:根据该多个满充充电容量,获取该多个历史剩余寿命值。
示例地,通过对该多组对应的多个满充充电容量进行数据处理,得到多个更为准确的历史剩余寿命值。
进一步地,图3是根据图2所示实施例示出的一种获取满充充电容量方法的流程图,如图3所示,步骤1022所述的根据每组对应的该充电数据中的每一次充电过程中,该电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到该多组对应的多个满充充电容量的步骤,可以包括以下步骤:
步骤10221:根据第i组对应的该充电数据中的每一次充电过程中的充电时长和充电电流,获取该第i组中的每一次充电所充入的电量;其中,i的为正整数,i的起始值为1。
示例地,该第i组可以是根据步骤1021中所示的分组方法得到的多组数据中的任意一组,假设该第i组中某一次的充电时长为t,对应的充电电流为I,则该次充电所充入的电量可以表示为:
C=∫Idt。
步骤10222:根据该第i组对应的该充电数据中的每一次充电过程中的该电池充电前的剩余电量和充电截止时的剩余电量,以及该第i组中的每一次充电所充入的电量,获取该第i组中的每一次充电的满充充电容量。
示例地,剩余电量SOC(State Of Charge,荷电状态)为剩余容量与充满电状态的容量之比。示例的,电池充电前的剩余电量可以表示为SOC初始,充电截止时的剩余电量表示为SOC截止,该次充入电量表示为C,满充充电容量表示为Cf,则满充充电容量Cf可以通过以下公式表示:
步骤10223:根据该第i组中的每一次充电的满充充电容量,获取该第i组的平均满充充电容量。
示例地,第一组中第一次充电的满充充电容量为Cf1,第二次充电的满充充电容量为Cf2,第n次充电的满充充电容量为Cfn,则第一组的平均满充充电容量为(Cf1+Cf2+…+Cfn)/n,第二组中包括第二次至第n+1次充电的数据,则第二组的平均满充充电容量为(Cf2+Cf3+…+Cfn+1)/n,这样通过递推的方式分组后得出的多个平均满充充电容量中相邻两组的平均满充充电容量相差更小,能够使得通过该多个平均满充充电容量描述的变化趋势更准确性,误差更小。
步骤10224:判定该平均满充充电容量是否有效。
步骤10225:当该平均满充充电容量有效时,将该平均满充充电容量作为该第i组对应的满充充电容量。
步骤10226:当该平均满充充电容量无效时,将第i-1组对应的满充充电容量确定为该第i组对应的满充充电容量。
步骤10227:令i=i+1,并再次执行所述步骤10221-10224,直至得到该多组对应的多个满充充电容量。
可选地,步骤10224中所述判定该平均满充充电容量是否有效,包括:
获取该平均满充充电容量与该第i-1组对应的满充充电容量的差值;
判断该差值是否小于或等于预设阈值;
当该差值小于或等于预设阈值时,确定该平均满充充电容量有效;
当该差值大于该预设阈值时,确定该平均满充充电容量无效。
示例地,预设第i组的平均满充充电容量与该第i-1组对应的满充充电容量的差值不能超过第i-1组满充充电容量的10%;当第i组的平均满充充电容量与该第i-1组对应的满充充电容量的差值小于等于第i-1组满充充电容量的10%时,第i组的平均满充充电容量有效;当第i组的平均满充充电容量与该第i-1组对应的满充充电容量的差值大于第i-1组满充充电容量的10%时,第i组的平均满充充电容量无效,用第i-1组满充充电容量替代第i组的平均满充充电容量,作为该第i组对应的满充充电容量。通过对该平均满充充电容量有效性的判定,相当于对通过分组求平均值后的新数据做了限幅滤波,能够有效地克服偶然因素引起的脉冲干扰。
进一步地,步骤1022所述的根据每组对应的该充电数据中的每一次充电过程中,该电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到该多组对应的多个满充充电容量的步骤,还可以包括:
当该平均满充充电容量无效时,将当前的连续触发计数加一,以得到更新后的连续触发计数。
示例地,连续触发计数可以表示为M,M用于表示在连续多次执行步骤101-103的过程中,判定该平均满充充电容量为无效的连续次数;每当判定该平均满充充电容量为无效时,将当前的连续触发计数M加一,得到更新后的连续触发计数M。
当该更新后的连续触发计数达到预设的计数上限时,放弃已获取的多组对应的满充充电容量,并重新执行所述步骤101-103。
示例地,连续触发计数可以表示为M,当M等于预设的计数上限时,说明误差或者有误的数据过多,根据该数据确定的数据变化趋势不准确,所以需要舍弃该多组对应的多个满充充电容量,重新执行所述步骤101-103,重新获取历史数据,处理数据,得到准确的变化趋势,从而更准确的预测电池的剩余寿命值。
当在获得该多组对应的多个满充充电容量后,该更新后的连续触发计数仍未达到预设的计数上限时,将连续触发计数清零。
示例地,当判定了预设数量个满充充电容量后,累计的连续触发计数M仍然小于预设的计数上限,则说明该多个满充充电容量数据中误差大的数据很少,不会影响通过该组数据确定的数据变化趋势的准确性。
可选地,在一种实施方式中,步骤101所述的获取预设的历史时间段内电池的历史充电数据,该历史充电数据中包括该电池在该历史时间段内多次充电的充电数据的步骤,可以包括:
从指定的车辆监控平台的数据库获取该历史充电数据,该车辆监控平台用于定期地获取多个车辆的充电数据并存储至该数据库中。
示例地,由于国家工信部发文规定2017年1月1日起新能源汽车须安装车载终端、建立与国家监测平台对接的运营监控平台,因此可以利用该监控平台中所记录的数据。或者,该车辆监控平台也可以是其他第三方机构或组织所提供的监控平台,能够实时地监控各个车辆的数据(包括本公开中所涉及的充电数据),从而可以为本公开提供海量的数据。相应的,上述的历史充电数据可以从上述的车辆监控平台的数据库中获取,从而能够获取充足的历史充电数据。本公开充分利用该监控平台的数据库,能够克服现有的预测电池剩余寿命方法中,存储于BMS中的数据量有限且只能获取当前电池的充电数据的缺点,能够定期地(如每个月)都把现有车辆的电池数据进行该数据库内,等到电池需要从新能源汽车上退役时,数据量已经累计3-8年了,用这些累计了很多年的数据可以准确的预测电池剩余寿命,不需要BMS额外的存储空间,数据库统一管理,成本低廉,安全性也高。
可选地,在一种实现方式中,所述步骤103,包括:分别获取该多个满充充电容量与该电池的额定电容量的比值,作为所述多个历史剩余寿命值。
或者,在另一种实现方式中,所述步骤103中,将该多个满充充电容量分别作为该多个历史剩余寿命值。
通过上述技术方案,定期地备份该电池的历史数据并存储在预先设定的存储空间内,然后在需要查看电池的剩余寿命时,通过递推平均滤波法和限幅滤波法处理存储的历史时间段内的历史数据,得到更为准确的满充充电容量,最终根据所述更为准确的满充充电容量得到电池的剩余寿命值的变化趋势,然后根据该变化趋势预测该电池当前的剩余寿命。因此本公开能够解决目前电池剩余寿命预测方法中存在的可用历史数据有限,参数多,计算量大,预测结果误差较大的问题,能够快速、准确地预测出电池当前乃至以后某一时间该电池的剩余寿命。
图4是根据本公开另一示例性示出的一种电池剩余寿命的预测装置的框图,参见图4,所述装置400包括:
数据获取模块401,用于获取预设的历史时间段内电池的历史充电数据,该历史充电数据中包括该电池在该历史时间段内多次充电的充电数据;
数据处理模块402,用于根据该历史充电数据,利用预设的滤波算法获取该电池在该历史时间段内的多个历史剩余寿命值;
预测模块403,用于根据该多个历史剩余寿命值,预测该电池的当前剩余寿命值。
在上述技术方案中,先通过数据获取模块获取历史充电数据,再通过数据处理模块利用预设的滤波算法处理历史充电数据,从而得到该电池在该历史时间段内的更准确的历史剩余寿命值,进而得出更准确的电池剩余寿命值变化趋势,再根据该变化趋势推测出当前剩余寿命值。能够得到更准确的电池剩余寿命值变化趋势,解决目前电池剩余寿命预测结果误差大的问题。
进一步地,该数据获取模块401获取的所述多次充电的充电数据包括:在所述多次充电中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流。相应的,图5是根据图4所示实施例示出的一种数据处理模块的框图,参见图5,所述数据处理模块402,包括:
分组子模块4021,用于从该多次充电中的第一次充电起,采用递推的方式将该多次充电划分为多组;
容量获取子模块4022,用于根据每组对应的该充电数据中的每一次充电过程中,该电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到该多组对应的多个满充充电容量;
历史寿命值获取子模块4023,用于根据该多个满充充电容量,获取该多个历史剩余寿命值。
进一步地,图6是根据图5所示实施例示出的一种容量获取子模块的框图,参见图6,所述容量获取子模块4022,包括:
充电容量获取子模块40221,用于根据第i组对应的该充电数据中的每一次充电过程中的充电时长和充电电流,获取该第i组中的每一次充电所充入的电量;其中,i的为正整数,i的起始值为1;
满充容量获取子模块40222,用于根据该第i组对应的该充电数据中的每一次充电过程中的该电池充电前的剩余电量和充电截止时的剩余电量,以及该第i组中的每一次充电所充入的电量,获取该第i组中的每一次充电的满充充电容量;
平均值获取子模块40223,用于根据该第i组中的每一次充电的满充充电容量,获取该第i组的平均满充充电容量;
第一判定子模块40224,用于判定该平均满充充电容量是否有效;当该平均满充充电容量有效时,将该平均满充充电容量作为该第i组对应的满充充电容量;以及,当该平均满充充电容量无效时,将第i-1组对应的满充充电容量确定为该第i组对应的满充充电容量;
重复执行子模块40225,用于令i=i+1,并再次执行所述根据第i组对应的该充电数据中的每一次充电过程中的充电时长和充电电流,获取该第i组中的每一次充电所充入的电量,至所述判定所述平均满充充电容量是否有效的步骤,直至得到该多组对应的多个满充充电容量。
可选地,所述第一判定子模块,包括:
差值获取子模块,用于获取该平均满充充电容量与该第i-1组对应的满充充电容量的差值;
第二判定子模块,用于判断该差值是否小于或等于预设阈值;当该差值小于或等于预设阈值时,确定该平均满充充电容量有效;以及,当该差值大于该预设阈值时,确定该平均满充充电容量无效。
可选地,图7是根据图5所示实施例示出的另一种容量获取子模块的框图,参见图7,所述容量获取子模块4022,还包括:
计数子模块40226,用于当该平均满充充电容量无效时,将当前的连续触发计数加一,以得到更新后的连续触发计数;
第三判定子模块40227,用于当该更新后的连续触发计数达到预设的计数上限时,放弃已获取的多组对应的满充充电容量,并重新执行所述获取预设的历史时间段内电池的历史充电数据,至所述根据所述多个历史剩余寿命值,预测该电池的当前剩余寿命值的步骤;
计数清零子模块40228,用于当在获得该多组对应的多个满充充电容量后,该更新后的连续触发计数仍未达到预设的计数上限时,将连续触发计数清零。
可选地,所述数据获取模块401,还用于:
从指定的车辆监控平台的数据库获取该历史充电数据,该车辆监控平台用于定期地获取多个车辆的充电数据并存储至该数据库中。
可选地,在一种实现方式中,所述历史寿命值获取子模块4023,用于:
分别获取该多个满充充电容量与该电池的额定电容量的比值,作为该多个历史剩余寿命值。
或者,在另一种实施方式中,将该多个满充充电容量分别作为该多个历史剩余寿命值。
通过上述技术方案,通过分组子模块,给所述多次充电历史数据分组,然后通过容量获取子模块根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,得到所述多组对应的多个满充充电容量,再通过历史寿命值获取子模块根据所述多个满充充电容量,获取所述多个历史剩余寿命值,根据所述多个历史剩余寿命值,预测该电池的当前剩余寿命值。本公开中的电池剩余寿命的预测装置根据该多个历史剩余寿命值得到电池的剩余寿命的变化趋势,进而预测出当前电池的剩余寿命,能够有效克服其他的电池剩余寿命预测方法中历史数据有限,计算量大,参数复杂,预测结果误差较大的问题。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种电池剩余寿命的预测方法,其特征在于,所述方法包括:
获取预设的历史时间段内电池的历史充电数据,所述历史充电数据中包括所述电池在所述历史时间段内多次充电的充电数据;
根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值;
根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值。
2.根据权利要求1所述的方法,其特征在于,所述多次充电的充电数据包括:在所述多次充电中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流;所述根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值,包括:
从所述多次充电中的第一次充电起,采用递推的方式将所述多次充电划分为多组;
根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量;
根据所述多个满充充电容量,获取所述多个历史剩余寿命值。
3.根据权利要求2所述的方法,其特征在于,所述根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量,包括:
根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量;其中,i的为正整数,i的起始值为1;
根据所述第i组对应的所述充电数据中的每一次充电过程中的所述电池充电前的剩余电量和充电截止时的剩余电量,以及所述第i组中的每一次充电所充入的电量,获取所述第i组中的每一次充电的满充充电容量;
根据所述第i组中的每一次充电的满充充电容量,获取所述第i组的平均满充充电容量;
判定所述平均满充充电容量是否有效;
当所述平均满充充电容量有效时,将所述平均满充充电容量作为所述第i组对应的满充充电容量;
当所述平均满充充电容量无效时,将第i-1组对应的满充充电容量确定为所述第i组对应的满充充电容量;
令i=i+1,并再次执行所述根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量,至所述判定所述平均满充充电容量是否有效的步骤,直至得到所述多组对应的多个满充充电容量。
4.根据权利要求3所述的方法,其特征在于,所述判定所述平均满充充电容量是否有效,包括:
获取所述平均满充充电容量与所述第i-1组对应的满充充电容量的差值;
判断所述差值是否小于或等于预设阈值;
当所述差值小于或等于预设阈值时,确定所述平均满充充电容量有效;
当所述差值大于所述预设阈值时,确定所述平均满充充电容量无效。
5.根据权利要求3所述的方法,其特征在于,所述根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量,还包括:
当所述平均满充充电容量无效时,将当前的连续触发计数加一,以得到更新后的连续触发计数;
当所述更新后的连续触发计数达到预设的计数上限时,放弃已获取的多组对应的满充充电容量,并重新执行所述获取预设的历史时间段内电池的历史充电数据,至所述根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值的步骤;
当在获得所述多组对应的多个满充充电容量后,所述更新后的连续触发计数仍未达到预设的计数上限时,将连续触发计数清零。
6.根据权利要求1所述的方法,其特征在于,所述获取预设的历史时间段内电池的历史充电数据,所述历史充电数据中包括所述电池在所述历史时间段内多次充电的充电数据,包括:
从指定的车辆监控平台的数据库获取所述历史充电数据,所述车辆监控平台用于定期地获取多个车辆的充电数据并存储至所述数据库中。
7.根据权利要求2-6中任一项所述的方法,其特征在于,所述根据所述多个满充充电容量,获取所述多个历史剩余寿命值,包括:
分别获取所述多个满充充电容量与所述电池的额定电容量的比值,作为所述多个历史剩余寿命值;或者,
将所述多个满充充电容量分别作为所述多个历史剩余寿命值。
8.一种电池剩余寿命的预测装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设的历史时间段内电池的历史充电数据,所述历史充电数据中包括所述电池在所述历史时间段内多次充电的充电数据;
数据处理模块,用于根据所述历史充电数据,利用预设的滤波算法获取所述电池在所述历史时间段内的多个历史剩余寿命值;
预测模块,用于根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值。
9.根据权利要求8所述的装置,其特征在于,所述多次充电的充电数据包括:在所述多次充电中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流;所述数据处理模块,包括:
分组子模块,用于从所述多次充电中的第一次充电起,采用递推的方式将所述多次充电划分为多组;
容量获取子模块,用于根据每组对应的所述充电数据中的每一次充电过程中,所述电池充电前的剩余电量、充电截止时的剩余电量、充电时长以及充电电流,依次确定每组对应的满充充电容量,以得到所述多组对应的多个满充充电容量;
历史寿命值获取子模块,用于根据所述多个满充充电容量,获取所述多个历史剩余寿命值。
10.根据权利要求9所述的装置,其特征在于,所述容量获取子模块,包括:
充电容量获取子模块,用于根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量;其中,i的为正整数,i的起始值为1;
满充容量获取子模块,用于根据所述第i组对应的所述充电数据中的每一次充电过程中的所述电池充电前的剩余电量和充电截止时的剩余电量,以及所述第i组中的每一次充电所充入的电量,获取所述第i组中的每一次充电的满充充电容量;
平均值获取子模块,用于根据所述第i组中的每一次充电的满充充电容量,获取所述第i组的平均满充充电容量;
第一判定子模块,用于判定所述平均满充充电容量是否有效;当所述平均满充充电容量有效时,将所述平均满充充电容量作为所述第i组对应的满充充电容量;以及,当所述平均满充充电容量无效时,将第i-1组对应的满充充电容量确定为所述第i组对应的满充充电容量;
重复执行子模块,用于令i=i+1,并再次执行所述根据第i组对应的所述充电数据中的每一次充电过程中的充电时长和充电电流,获取所述第i组中的每一次充电所充入的电量,至所述判定所述平均满充充电容量是否有效的步骤,直至得到所述多组对应的多个满充充电容量。
11.根据权利要求10所述的装置,其特征在于,所述第一判定子模块,包括:
差值获取子模块,用于获取所述平均满充充电容量与所述第i-1组对应的满充充电容量的差值;
第二判定子模块,用于判断所述差值是否小于或等于预设阈值;当所述差值小于或等于预设阈值时,确定所述平均满充充电容量有效;以及,当所述差值大于所述预设阈值时,确定所述平均满充充电容量无效。
12.根据权利要求10所述的装置,其特征在于,所述容量获取子模块,还包括:
计数子模块,用于当所述平均满充充电容量无效时,将当前的连续触发计数加一,以得到更新后的连续触发计数;
第三判定子模块,用于当所述更新后的连续触发计数达到预设的计数上限时,放弃已获取的多组对应的满充充电容量,并重新执行所述获取预设的历史时间段内电池的历史充电数据,至所述根据所述多个历史剩余寿命值,预测所述电池的当前剩余寿命值的步骤;
计数清零子模块,用于当在获得所述多组对应的多个满充充电容量后,所述更新后的连续触发计数仍未达到预设的计数上限时,将连续触发计数清零。
13.根据权利要求8所述的装置,其特征在于,所述数据获取模块,还用于:
从指定的车辆监控平台的数据库获取所述历史充电数据,所述车辆监控平台用于定期地获取多个车辆的充电数据并存储至所述数据库中。
14.根据权利要求9-13中任一项所述的装置,其特征在于,所述历史寿命值获取子模块,用于:
分别获取所述多个满充充电容量与所述电池的额定电容量的比值,作为所述多个历史剩余寿命值;或者,
将所述多个满充充电容量分别作为所述多个历史剩余寿命值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810791065.0A CN110806544B (zh) | 2018-07-18 | 2018-07-18 | 电池剩余寿命的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810791065.0A CN110806544B (zh) | 2018-07-18 | 2018-07-18 | 电池剩余寿命的预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110806544A true CN110806544A (zh) | 2020-02-18 |
CN110806544B CN110806544B (zh) | 2021-09-17 |
Family
ID=69486555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810791065.0A Active CN110806544B (zh) | 2018-07-18 | 2018-07-18 | 电池剩余寿命的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110806544B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765726A (zh) * | 2020-12-31 | 2021-05-07 | 东软睿驰汽车技术(沈阳)有限公司 | 一种寿命预测方法及装置 |
CN113076701A (zh) * | 2021-06-07 | 2021-07-06 | 湖南博匠信息科技有限公司 | 基于健康信息的终端设备寿命预测方法及系统 |
CN113466706A (zh) * | 2021-07-26 | 2021-10-01 | 上海伟翔众翼新能源科技有限公司 | 基于卷积神经网络的锂电池梯次利用剩余寿命预测方法 |
CN113484779A (zh) * | 2021-06-28 | 2021-10-08 | 浙江吉利控股集团有限公司 | 一种电池剩余充电时间估算方法及装置 |
CN116736134A (zh) * | 2023-06-20 | 2023-09-12 | 深圳市赛格瑞电子有限公司 | 一种实时性储能电池数据监测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
CN106772100A (zh) * | 2017-02-06 | 2017-05-31 | 联想(北京)有限公司 | 一种预测电池寿命的方法及装置 |
CN107179512A (zh) * | 2017-07-12 | 2017-09-19 | 万帮充电设备有限公司 | 预测电池寿命的方法及装置 |
CN107478999A (zh) * | 2017-08-10 | 2017-12-15 | 中国科学院宁波材料技术与工程研究所 | 一种电池剩余有效寿命的预测方法及装置 |
CN107728072A (zh) * | 2017-10-10 | 2018-02-23 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池循环寿命的快速预测方法 |
-
2018
- 2018-07-18 CN CN201810791065.0A patent/CN110806544B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
CN106772100A (zh) * | 2017-02-06 | 2017-05-31 | 联想(北京)有限公司 | 一种预测电池寿命的方法及装置 |
CN107179512A (zh) * | 2017-07-12 | 2017-09-19 | 万帮充电设备有限公司 | 预测电池寿命的方法及装置 |
CN107478999A (zh) * | 2017-08-10 | 2017-12-15 | 中国科学院宁波材料技术与工程研究所 | 一种电池剩余有效寿命的预测方法及装置 |
CN107728072A (zh) * | 2017-10-10 | 2018-02-23 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池循环寿命的快速预测方法 |
Non-Patent Citations (3)
Title |
---|
李玥锌 等: "基于维纳过程的锂离子电池剩余寿命预测", 《大连理工大学学报》 * |
杨君 等: "电动汽车动力电池组管理系统设计", 《软件》 * |
苗强 等: "粒子滤波在锂离子电池剩余寿命预测中的应用", 《重庆大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765726A (zh) * | 2020-12-31 | 2021-05-07 | 东软睿驰汽车技术(沈阳)有限公司 | 一种寿命预测方法及装置 |
CN113076701A (zh) * | 2021-06-07 | 2021-07-06 | 湖南博匠信息科技有限公司 | 基于健康信息的终端设备寿命预测方法及系统 |
CN113484779A (zh) * | 2021-06-28 | 2021-10-08 | 浙江吉利控股集团有限公司 | 一种电池剩余充电时间估算方法及装置 |
CN113484779B (zh) * | 2021-06-28 | 2023-09-01 | 浙江吉利控股集团有限公司 | 一种电池剩余充电时间估算方法及装置 |
CN113466706A (zh) * | 2021-07-26 | 2021-10-01 | 上海伟翔众翼新能源科技有限公司 | 基于卷积神经网络的锂电池梯次利用剩余寿命预测方法 |
CN113466706B (zh) * | 2021-07-26 | 2022-07-29 | 上海伟翔众翼新能源科技有限公司 | 基于卷积神经网络的锂电池梯次利用剩余寿命预测方法 |
CN116736134A (zh) * | 2023-06-20 | 2023-09-12 | 深圳市赛格瑞电子有限公司 | 一种实时性储能电池数据监测方法及装置 |
CN116736134B (zh) * | 2023-06-20 | 2024-01-05 | 深圳市赛格瑞电子有限公司 | 一种实时性储能电池数据监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110806544B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110806544B (zh) | 电池剩余寿命的预测方法和装置 | |
CN113442787B (zh) | 异常单体电芯识别方法、装置、电子设备和存储介质 | |
CN106556802A (zh) | 一种蓄电池组异常单体电池识别方法及装置 | |
CN108398648B (zh) | 分析电池衰减率的方法、装置与充电桩 | |
CN103969587A (zh) | 一种混合动力车用动力电池soc估算方法 | |
US11888339B2 (en) | Method and control unit for monitoring an energy accumulator | |
CN111273176B (zh) | 一种故障诊断的优化方法及装置、系统和存储介质 | |
CN107817448B (zh) | 一种适用于复杂工况的在线实时监测电池电量的方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN108363018A (zh) | 一种电池荷电状态的修正方法、装置、设备和汽车 | |
CN115877238A (zh) | 电池容量的检测方法、装置、可读存储介质及电子设备 | |
CN112415399A (zh) | 电池单体ocv-soc曲线修正方法、设备及存储介质 | |
CN108535653B (zh) | 一种蓄电池内阻估算方法及装置 | |
CN114460484A (zh) | 一种基于累计耗损量的充电电池寿命预测方法和装置 | |
EP3579007B1 (en) | Method and apparatus for estimating a state of charge of a battery | |
CN112748343A (zh) | 一种动力电池功率边界的检测方法、装置及电动汽车 | |
CN115856655A (zh) | 新能源汽车电池实时状态评估方法、存储介质及电子设备 | |
CN104977535B (zh) | 一种蓄电池状态的确定方法及装置 | |
CN111551855B (zh) | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 | |
CN115704863A (zh) | 一种电池包中故障电池的检测方法及装置 | |
CN113665436A (zh) | 一种电池管理方法及装置 | |
CN113391228A (zh) | 电池内阻、健康状态监控方法以及电子装置 | |
CN116106757B (zh) | 电芯检测方法、装置、存储介质及电子设备 | |
CN111239628B (zh) | 一种检测二次蓄电池及串联模块衰减程度的方法及系统 | |
CN115840153B (zh) | 电池检测方法、装置存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |