CN110888070A - 一种电池温度的估计方法、装置、设备及介质 - Google Patents
一种电池温度的估计方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110888070A CN110888070A CN201810935308.3A CN201810935308A CN110888070A CN 110888070 A CN110888070 A CN 110888070A CN 201810935308 A CN201810935308 A CN 201810935308A CN 110888070 A CN110888070 A CN 110888070A
- Authority
- CN
- China
- Prior art keywords
- battery
- open
- state
- established
- circuit voltage
- 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
Links
Images
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
Abstract
本发明实施例公开了一种电池温度的估计方法、装置、设备及介质，用于以易于实现的方式准确预测电池温度，解决现有技术中电池温度的估计方法无法在实际环境中使用的问题。所述电池温度的估计方法，包括：获取所述电池的工作电流和工作电压；以所述工作电流和所述工作电压作为预先建立的状态方程中的已知参数，求解所述状态方程得到所述电池的开路电压；根据所述电池的开路电压，利用预先建立的电池生热模型计算所述电池的发热量；基于所述电池的发热量和预先获取的所述电池的初始温度，预测所述电池的温度。
Description
技术领域
本发明涉及锂离子电池技术领域，尤其是涉及一种电池温度的估计方法、装置、设备及介质。
背景技术
锂离子电池的剩余放电能量受温度的影响很大，温度降低时，电池内阻增大，致使电池放电效率降低，同时截止荷电状态(State of Charge，SOC)增大，电池中的电量不能放尽，以上因素均导致电池剩余放电能量减小。
实际使用过程中，锂离子电池所处的环境温度受天气及季节的影响变化较大，同时，在电池充放电过程中，由于电池自身产热，电池温度也会发生变化。为了精确估计电池的剩余放电能量，需要综合考虑环境温度及未来温度变化的影响，换言之，需要建立电池温度预测模型，实现对电池未来温度变化的预测。
为了研究电池温度特性，现有技术中提出了多种电池热模型。电池热模型按照建模原理可分为集中参数模型、电化学阻抗模型和多维物理模型。
集中参数模型可以对电池表面温度进行估计，但忽略了熵变因素对生热的影响。电化学阻抗模型采用定频电化学阻抗谱，结合电池表面温度估计电池内部温度，虽然估计精度可以保证，但是阻抗谱方法仅限于实验室条件，难以在实际环境中推广使用。多维物理模型可以对电池内部复杂的电化学反应生热及扩散过程进行分析，该模型精度高，但是计算量大，很难实现在线估计推广应用。
综上所述，目前亟需一种电池温度的估计方法，以易于实现的方式准确预测电池温度，解决现有技术中电池温度的估计方法无法在实际环境中使用的问题。
发明内容
本发明实施例提供一种电池温度的估计方法、装置、设备及介质，用于以易于实现的方式准确预测电池温度，解决现有技术中电池温度的估计方法无法在实际环境中使用的问题。
第一方面，本发明实施例提供了一种电池温度的估计方法，包括：
获取电池的工作电流和工作电压；
以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压；
根据电池的开路电压，利用预先建立的电池生热模型计算电池的发热量；
基于电池的发热量和预先获取的电池的初始温度，预测电池的温度。
在一种可能的实施方式中，本发明实施例提供的上述方法中，状态方程是基于预先建立的电池模型建立的，预先建立的电池模型中采用极化电阻和极化电容并联连接的方式模拟电池的极化反应。
在一种可能的实施方式中，本发明实施例提供的上述方法中，以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压，包括：
计算状态方程中每个变量的偏导数，生成状态方程对应的雅可比系数矩阵；
基于工作电流、工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算电池的开路电压。
在一种可能的实施方式中，本发明实施例提供的上述方法中，方法还包括：
基于工作电流、工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算状态方程中每个变量的值；
利用计算出的每个变量的值，更新状态方程对应的雅可比系数矩阵。
在一种可能的实施方式中，本发明实施例提供的上述方法中，根据电池的开路电压，利用预先建立的电池生热模型计算电池的发热量，包括：
基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态；
根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势；
根据电池的开路电路和目标有效熵电势，利用预先建立的电池生热模型计算电池的发热量。
第二方面，本发明实施例提供一种电池温度的估计装置，包括：
获取单元，用于获取电池的工作电流和工作电压；
计算单元，用于以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压；
处理单元，用于根据电池的开路电压，利用预先建立的电池生热模型计算电池的发热量；
预测单元，用于基于电池的发热量和预先获取的电池的初始温度，预测电池的温度。
在一种可能的实施方式中，本发明实施例提供的上述装置中，状态方程是基于预先建立的电池模型建立的，预先建立的电池模型中采用极化电阻和极化电容并联连接的方式模拟电池的极化反应。
在一种可能的实施方式中，本发明实施例提供的上述装置中，计算单元具体用于：
计算状态方程中每个变量的偏导数，生成状态方程对应的雅可比系数矩阵；
基于工作电流、工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算电池的开路电压。
在一种可能的实施方式中，本发明实施例提供的上述装置中，计算单元，还用于：
基于工作电流、工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算状态方程中每个变量的值；
利用计算出的每个变量的值，更新状态方程对应的雅可比系数矩阵。
在一种可能的实施方式中，本发明实施例提供的上述装置中，处理单元具体用于：
基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态；
根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势；
根据电池的开路电路和目标有效熵电势，利用预先建立的电池生热模型计算电池的发热量。
第三方面，本发明实施例提供了一种电池温度的估计设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的方法。
本发明实施例提供的一种电池温度的估计方法、装置、设备及介质，通过获取电池的工作电流和工作电压，以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压，进而根据电池的开路电压，利用预先建立的电池生热模型计算电池的发热量，从而能够基于电池的发热量和预先获取的电池的初始温度，准确预测电池的温度。另外，本申请实施例提供的电池温度的估计方案易于实现，方便在实际环境中使用。
附图说明
图1本发明实施例提供的电池模型的结构示意图；
图2本发明实施例提供的电池温度的估计方法的示意流程图；
图3为本发明实施例提供的电池温度的估计方法的具体流程的示意流程图；
图4为本发明实施例提供的电池温度的估计装置的结构示意图；
图5为本发明实施例提供的电池温度的估计设备的结构示意图。
具体实施方式
下面结合附图，对本发明实施例提供的一种电池温度的估计方法、装置、设备及介质的具体实施方式进行详细地说明。
需要说明的是，本发明实施例提供的温度估计方案，不仅适用于新能源汽车中的锂离子电池，也适用于其它设备或者其它场景中使用的锂离子电池。
在介绍本发明实施例提供的电池温度的估计方案之前，首先对本发明实施例中所提到的预先建立的电池模型、基于预先建立的电池模型建立的状态方程以及预先建立的电池生热模型进行详细说明。
如图1所示，本发明实施例预先建立的电池模型，包括内阻R0、极化电阻R1和极化电容C1，其中，电池的开路电压(Open Circuit Voltage，OCV)是指电池在开路状态下的端电压，在图1中使用OCV表示。内阻R0为电池中电极材料、电解液以及隔膜造成的欧姆内阻。极化电阻R1和极化电容C1的并联连接结构用于模拟电池的极化反应，U1为电池的极化电压。I为电池的工作电流，U为电池的工作电压。
基于图1示出的电池模型，可以建立如下状态方程：
其中，Uk为k时刻电池的工作电压，OCVk为k时刻电池的开路电压，U1,k为k时刻电池的极化电压，Ik为k时刻电池的工作电流，R0,k为k时刻电池的内阻，U1,k+1为k+1时刻电池的极化电压，T为采集电池工作电流和电池工作电压的采样周期，τ为时间常数，τ1,k＝R1,k×C1,k，R1,k为k时刻电池的极化电阻，C1,k为k时刻电池的极化电容。
本发明实施例中预先建立的电池生热模型，其表达式如下：
其中，Qk为k时刻电池的发热量，OCVk为k时刻电池的开路电压，Uk为k时刻电池的工作电压，Ik为k时刻电池的工作电流，Tabs,k为k时刻电池的温度，
为电池的有效熵电势。
上述电池生热模型中第一部分(被减数)是电池阻性效应(例如，液相电势差、固相扩散、集流体压降等)产生的发热量(或者焦耳热)，其取决于电池的工作电流和电池的过电势(也即OCVk-Uk)，此部分中工作电流和工作电压采集获取，而电池的开路电压无法采集获取，需要预先建立的状态方程计算获取。
上述电池生热模型中第二部分(减数)是电化学反应产生的发热量(或者焦耳热)，其取决于工作电流和电池的有效熵电势。有效熵电势受电极材料影响较大，且很大程度上受电池SOC的影响，需要进行试验标定。
本发明实施例提供的电池温度的估计方案，具体实施时，基于预先建立的电池模型、预先建立的状态方程以及预先建立的电池生热模型估计电池的温度。
如图2所示，本发明实施例提供的电池温度的估计方法，其可以包括如下步骤：
步骤201，获取电池的工作电流和工作电压。
本步骤中，获取电池的工作电流和工作电压，可以在电池工作回路中通过测量进行获取，例如，在电池工作回路中通过电流测量设备测量获取工作电流，通过电压测量设备测量获取工作电压。
具体实施时，获取电池的工作电流和工作电压时，可以实时测量实时获取，也可以实时测量周期性获取，还可以周期性测量获取，本发明实施例对此不做限定。
步骤202，以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压。
在以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压时，首先计算状态方程中每个变量的偏导数，生成状态方程对应的雅可比系数矩阵。
具体实施时，在预先建立的状态方程中，以
为变量，计算每个变量的偏导数，生成状态方程对应的雅可比系数矩阵。具体计算时，生成的状态方程对应的雅可比系数矩阵包括如下系数矩阵A和系数矩阵C：
C＝[-1 0 0 -Ik 1]
计算状态方程中每个变量的偏导数，生成状态方程对应的雅可比系数矩阵之后，基于电池的工作电流、电池的工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算电池的开路电压。
具体来说，在k时刻，根据k-1时刻的变量xk和k时刻电池的工作电流，预测k时刻的变量xk，同时根据k-1时刻的误差协方差预测k时刻的误差，然后利用估计出的误差求解滤波器增益，再根据滤波器增益修正估计出的误差和k时刻的变量xk，得到k时刻的滤波器输出结果，也即k时刻的变量xk，变量xk中包括电池的开路电压。
在一个示例中，采用扩展卡尔曼滤波算法，计算电池的开路电压时，初始化变量x0和误差协方差矩阵P0，由于实时计算电池的开路电压，因此变量x0和P0的初始值对计算结果的影响不大。其中，变量x0的初始值可以测量获得，也可以根据经验值设定，P0的初始值可以根据经验值设定。
根据系统特性赋值过程噪声矩阵Q，根据测量设备精度赋值测量噪声R，Q和R不随系统状态变化。在整个递归计算过程中，Q和R这两个参数对变量xk的估算、更新有非常大的影响，Q决定了预测估计值的精度上限，R决定了预测估计值的精度下限。
具体计算k+1时刻电池的开路电压时，根据k时刻估计值
和k+1时刻电池的工作电流Ik+1，预测k+1时刻的变量
同时，根据k时刻的误差协方差矩阵Pk预测k+1时刻的误差协方差矩阵，具体计算公式为：Pk+1|k＝APkAT+Q。
利用估计出的k+1时刻的误差协方差矩阵计算卡尔曼滤波增益，具体计算公式为：Kk+1＝Pk+1|kCT[CPk+1|kCT+R]-1。
根据计算出的滤波器增益Kk+1，修正预测出的k+1时刻的变量，计算k+1时刻的变量，具体计算公式为：
需要说明的是，变量xk中包括电池的开路电压，因此，计算出k+1时刻的变量之后，即可确定k+1时刻电池的开路电路。
根据计算出的滤波器增益Kk+1，修正并更新误差协方差矩阵，具体计算公式为：Pk+1＝Pk+1|k-Kk+1CPk+1|k。
在一种可能的实施方式中，计算出k+1时刻的变量之后，还可以利用k+1时刻每个变量的值，更新状态方程对应的雅可比系数矩阵，以在计算下一时刻的变量时使用更新后的雅可比系数矩阵进行计算，提高准确性。
步骤203，根据电池的开路电压，利用预先建立的电池生热模型计算电池的发热量。
具体实施时，预先建立的电池生热模型中，第一部分(被减数)是电池阻性效应，其取决于电池的工作电流和电池的过电势(也即OCVk-Uk)，第二部分(减数)是电化学反应产生的发热量(或者焦耳热)，其取决于工作电流和电池的有效熵电势。其中，电池的工作电流和电池的工作电压可以通过测量采集获取，电池的开路电压已在步骤202中计算得到，因此，利用预先建立的电池生热模型计算电池的发热量时，还需要确定电池的有效熵电势。
本发明上述实施例中介绍电池的生热模型时，已提到电池的有效熵电势受电极材料影响较大，且很大程度上受电池SOC的影响，需要进行试验标定。本发明实施例中预先进行间歇性放电-静置实验，得到电池的荷电状态和开路电压的对应关系，同时对电池的有效熵电势进行试验标定，得到电池的荷电状态与有效熵电势的对应关系。
如此以来，在步骤202中计算得到电池的开路电压之后，可以基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态，然后根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势，也即确定出电池的开路电压对应的目标有效熵电势。
具体实施时，基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态时，可以生成电池的荷电状态与开路电压的对应关系曲线，然后在电池的荷电状态与开路电压的对应关系曲线中采用插值的方法确定电池的开路电压对应的目标荷电状态。
同理，在根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势时，也可以生成电池的荷电状态与有效熵电势的对应关系曲线，然后在电池的荷电状态与有效熵电势的对应关系曲线中采用插值的方法确定目标荷电状态对应的目标有效熵电势。
在确定出电池的开路电压对应的目标有效熵电势之后，即可根据电池的开路电路和目标有效熵电势，利用预先建立的电池生热模型计算电池的发热量。
步骤204，基于电池的发热量和预先获取的电池的初始温度，预测电池的温度。
具体实施时，在步骤203中计算得到电池的发热量之后，即可基于电池的发热量、电池的比热容以及电池的质量，计算出电池的温度升高值，然后基于预先获取的电池的初始温度和电池的温度升高值，预测电池的温度。例如，将电池的温度升高值与电池的初始温度之和，作为预测出的电池的温度。
需要说明的是，电池的初始温度是指电池开始工作时刻的温度。本发明实施例基于电池的初始温度以及电池在各个采样时刻的工作电流和工作电压，能够基于预先建立的状态方程和电池生热模型，准确预测电池在各个采样时刻的温度。同时，本发明实施例建立状态方程的电池模型中，采用极化电阻和极化电容的并联连接结构模拟电池的极化反应，易于工程实现和在实际应用环境中推广使用。
下面结合图3对本发明实施例提供的电池温度的估计方法进行详细说明。
如图3所示，本发明实施例提供的电池温度的估计方法，其具体步骤可以包括：
步骤301，获取电池的工作电流和电池的工作电压。具体可以在电池工作回路中通过测量获取。
步骤302，计算预先建立的状态方程的雅可比系数矩阵。
具体来说，状态方程是基于预先建立的电池模型建立的，预先建立的电池模型中采用极化电阻和极化电容的并联连接结构模拟电池的极化反应。
在建立状态方程之后，计算状态方程中每个变量的偏导数，生成状态方程对应的雅可比系数矩阵。
步骤303，基于电池的工作电流、电池的工作电压以及雅可比系数矩阵，采用卡尔曼滤波算法，计算电池的开路电压。
具体计算时，在当前时刻，根据前一时刻的变量和当前时刻电池的工作电流，预测当前时刻的变量，同时根据前一时刻的误差协方差预测当前时刻的误差，然后利用估计出的误差求解滤波器增益，再根据滤波器增益修正估计出的误差和当前时刻的变量，得到当前时刻的滤波器输出结果，也即当前时刻的变量，变量中包括电池的开路电压。
步骤304，基于预先存储的电池的荷电状态和开路电压的对应关系以及电池的荷电状态和有效熵电势的对应关系，确定电池的开路电压对应的目标有效熵电势。
其中，预先存储的电池的荷电状态和开路电压的对应关系，可以通过对电池进行放电-静置实验测试得到，预先存储的电池的荷电状态和有效熵电势的对应关系也可以进行试验标定。
基于预先存储的电池的荷电状态和开路电压的对应关系以及电池的荷电状态和有效熵电势的对应关系，确定电池的开路电压对应的目标有效熵电势，包括：基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态，以及根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势。
具体实施时，基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态时，可以生成电池的荷电状态与开路电压的对应关系曲线，然后在电池的荷电状态与开路电压的对应关系曲线中采用插值的方法确定电池的开路电压对应的目标荷电状态。
同理，在根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势时，也可以生成电池的荷电状态与有效熵电势的对应关系曲线，然后在电池的荷电状态与有效熵电势的对应关系曲线中采用插值的方法确定目标荷电状态对应的目标有效熵电势。
步骤305，基于电池的开路电压和目标有效熵电势，基于预先建立的电池生热模型，确定电池的发热量。
步骤306，基于预先获取的电池的初始温度和电池的发热量，预测电池的温度。
具体实施时，基于电池的发热量、电池的比热容以及电池的质量，计算出电池的温度升高值，然后基于预先获取的电池的初始温度和电池的温度升高值，预测电池的温度。例如，将电池的温度升高值与电池的初始温度之和，作为预测出的电池的温度。
另外，在步骤303中基于电池的工作电流、电池的工作电压以及雅可比系数矩阵，采用卡尔曼滤波算法，计算电池的开路电压时，还可以计算出状态方程中各个变量的值，在步骤303之后，还可以利用计算出的状态方程中各个变量的值，更新状态方程对应的雅可比系数矩阵，以在计算下一时刻的变量时使用更新后的雅可比系数矩阵进行计算，提高准确性。
基于相同的发明构思，本发明实施例还提供一种电池温度的估计装置。
如图4所示，本发明实施例提供的电池温度的估计装置，包括：
获取单元401，用于获取电池的工作电流和工作电压。
计算单元402，用于以工作电流和工作电压作为预先建立的状态方程中的已知参数，求解状态方程得到电池的开路电压。
处理单元403，用于根据电池的开路电压，利用预先建立的电池生热模型计算电池的发热量。
预测单元404，用于基于电池的发热量和预先获取的电池的初始温度，预测电池的温度。
在一种可能的实施方式中，状态方程是基于预先建立的电池模型建立的，预先建立的电池模型中采用极化电阻和极化电容并联连接的方式模拟电池的极化反应。
在一种可能的实施方式中，计算单元402具体用于：计算状态方程中每个变量的偏导数，生成状态方程对应的雅可比系数矩阵；基于工作电流、工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算电池的开路电压。
在一种可能的实施方式中，计算单元402，还用于：基于工作电流、工作电压以及雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算状态方程中每个变量的值；利用计算出的每个变量的值，更新状态方程对应的雅可比系数矩阵。
在一种可能的实施方式中，处理单元403具体用于：基于预先存储的电池的荷电状态和开路电压的对应关系，确定电池的开路电压对应的目标荷电状态；根据预先存储的电池的荷电状态与有效熵电势的对应关系，确定目标荷电状态对应的目标有效熵电势；根据电池的开路电路和目标有效熵电势，利用预先建立的电池生热模型计算电池的发热量。
另外，结合图2-图4描述的本发明实施例的电池温度的估计方法和装置可以由电池温度的估计设备来实现。图5示出了本发明实施例提供的电池温度的估计设备的硬件结构示意图。
电池温度的估计设备可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地，上述处理器501可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在数据处理装置的内部或外部。在特定实施例中，存储器502是非易失性固态存储器。在特定实施例中，存储器502包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现上述实施例中的任意一种电池温度的估计方法。
在一个示例中，电池温度的估计设备还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者，将电池温度的估计设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
该电池温度的估计设备可以基于获取到电池的工作电流和电池的工作电压，执行本发明实施例中的电池温度的估计方法，从而实现结合图2-图4描述的电池温度的估计方法和装置。
另外，结合上述实施例中的电池温度的估计方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种电池温度的估计方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种电池温度的估计方法，其特征在于，包括：
获取所述电池的工作电流和工作电压；
以所述工作电流和所述工作电压作为预先建立的状态方程中的已知参数，求解所述状态方程得到所述电池的开路电压；
根据所述电池的开路电压，利用预先建立的电池生热模型计算所述电池的发热量；
基于所述电池的发热量和预先获取的所述电池的初始温度，预测所述电池的温度。
2.根据权利要求1所述的方法，其特征在于，所述状态方程是基于预先建立的电池模型建立的，所述预先建立的电池模型中采用极化电阻和极化电容并联连接的方式模拟所述电池的极化反应。
3.根据权利要求1所述的方法，其特征在于，所述以所述工作电流和所述工作电压作为预先建立的状态方程中的已知参数，求解所述状态方程得到所述电池的开路电压，包括：
计算所述状态方程中每个变量的偏导数，生成所述状态方程对应的雅可比系数矩阵；
基于所述工作电流、所述工作电压以及所述雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算所述电池的开路电压。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
基于所述工作电流、所述工作电压以及所述雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算所述状态方程中每个变量的值；
利用计算出的每个变量的值，更新所述状态方程对应的雅可比系数矩阵。
5.根据权利要求1所述的方法，其特征在于，所述根据所述电池的开路电压，利用预先建立的电池生热模型计算所述电池的发热量，包括：
基于预先存储的所述电池的荷电状态和开路电压的对应关系，确定所述电池的开路电压对应的目标荷电状态；
根据预先存储的所述电池的荷电状态与有效熵电势的对应关系，确定所述目标荷电状态对应的目标有效熵电势；
根据所述电池的开路电路和所述目标有效熵电势，利用预先建立的电池生热模型计算所述电池的发热量。
6.一种电池温度的估计装置，其特征在于，包括：
获取单元，用于获取所述电池的工作电流和工作电压；
计算单元，用于以所述工作电流和所述工作电压作为预先建立的状态方程中的已知参数，求解所述状态方程得到所述电池的开路电压；
处理单元，用于根据所述电池的开路电压，利用预先建立的电池生热模型计算所述电池的发热量；
预测单元，用于基于所述电池的发热量和预先获取的所述电池的初始温度，预测所述电池的温度。
7.根据权利要求6所述的装置，其特征在于，所述状态方程是基于预先建立的电池模型建立的，所述预先建立的电池模型中采用极化电阻和极化电容并联连接的方式模拟所述电池的极化反应。
8.根据权利要求6所述的装置，其特征在于，所述计算单元具体用于：
计算所述状态方程中每个变量的偏导数，生成所述状态方程对应的雅可比系数矩阵；
基于所述工作电流、所述工作电压以及所述雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算所述电池的开路电压。
9.根据权利要求8所述的装置，其特征在于，所述计算单元，还用于：
基于所述工作电流、所述工作电压以及所述雅可比系数矩阵，采用扩展卡尔曼滤波算法，计算所述状态方程中每个变量的值；
利用计算出的每个变量的值，更新所述状态方程对应的雅可比系数矩阵。
10.根据权利要求6所述的装置，其特征在于，所述处理单元具体用于：
基于预先存储的所述电池的荷电状态和开路电压的对应关系，确定所述电池的开路电压对应的目标荷电状态；
根据预先存储的所述电池的荷电状态与有效熵电势的对应关系，确定所述目标荷电状态对应的目标有效熵电势；
根据所述电池的开路电路和所述目标有效熵电势，利用预先建立的电池生热模型计算所述电池的发热量。
11.一种电池温度的估计设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810935308.3A CN110888070A (zh) | 2018-08-16 | 2018-08-16 | 一种电池温度的估计方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810935308.3A CN110888070A (zh) | 2018-08-16 | 2018-08-16 | 一种电池温度的估计方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110888070A true CN110888070A (zh) | 2020-03-17 |
Family
ID=69744183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810935308.3A Pending CN110888070A (zh) | 2018-08-16 | 2018-08-16 | 一种电池温度的估计方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110888070A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111948540A (zh) * | 2020-06-29 | 2020-11-17 | 东风商用车有限公司 | 一种动力电池包温度预测方法及系统 |
| CN112834935A (zh) * | 2020-12-31 | 2021-05-25 | 东软睿驰汽车技术（沈阳）有限公司 | 一种获得电池电芯开路电压的方法及装置 |
| CN113139338A (zh) * | 2021-04-15 | 2021-07-20 | 广州小鹏汽车科技有限公司 | 温度预测方法、温度预测装置和车辆 |
| CN113836692A (zh) * | 2021-08-20 | 2021-12-24 | 合众新能源汽车有限公司 | 一种纯电动汽车慢充剩余时间自学习的估算方法及装置 |
| CN114137415A (zh) * | 2021-11-02 | 2022-03-04 | 广州小鹏汽车科技有限公司 | 电池组的发热量检测方法、装置、车辆及存储介质 |
| CN114184958A (zh) * | 2021-12-10 | 2022-03-15 | 中国华能集团清洁能源技术研究院有限公司 | 一种考虑热特性的锂离子电池建模方法 |
| WO2022116037A1 (zh) * | 2020-12-02 | 2022-06-09 | 宁德新能源科技有限公司 | 电量预测方法和设备 |
| CN115494896A (zh) * | 2022-11-17 | 2022-12-20 | 清华大学合肥公共安全研究院 | 一种激光器的升温控制方法、装置 |
| CN117648899A (zh) * | 2024-01-29 | 2024-03-05 | 浙江地芯引力科技有限公司 | 电池建模方法、装置、电子设备和存储介质 |
| CN117648899B (zh) * | 2024-01-29 | 2024-05-03 | 浙江地芯引力科技有限公司 | 电池建模方法、装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103033752A (zh) * | 2011-09-30 | 2013-04-10 | 吴昌旭 | 电动车电池寿命预测方法以及延长方法 |
| CN103502829A (zh) * | 2011-05-04 | 2014-01-08 | Ifp新能源公司 | 用于电化学存储系统热管理的优化方法 |
| CN104881550A (zh) * | 2015-06-15 | 2015-09-02 | 清华大学 | 动力电池运行温度的自适应预测方法 |
| CN105048021A (zh) * | 2014-04-15 | 2015-11-11 | 福特全球技术公司 | 电池温度估计系统 |
| CN107831441A (zh) * | 2017-09-20 | 2018-03-23 | 哈尔滨理工大学 | 锂电池充电电流的预测方法、预测系统及一种充电装置 |
-
2018
- 2018-08-16 CN CN201810935308.3A patent/CN110888070A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103502829A (zh) * | 2011-05-04 | 2014-01-08 | Ifp新能源公司 | 用于电化学存储系统热管理的优化方法 |
| CN103033752A (zh) * | 2011-09-30 | 2013-04-10 | 吴昌旭 | 电动车电池寿命预测方法以及延长方法 |
| CN105048021A (zh) * | 2014-04-15 | 2015-11-11 | 福特全球技术公司 | 电池温度估计系统 |
| CN104881550A (zh) * | 2015-06-15 | 2015-09-02 | 清华大学 | 动力电池运行温度的自适应预测方法 |
| CN107831441A (zh) * | 2017-09-20 | 2018-03-23 | 哈尔滨理工大学 | 锂电池充电电流的预测方法、预测系统及一种充电装置 |
Non-Patent Citations (2)
| Title |
|---|
| 孙金磊: "电动汽车动力电池温度在线估计方法", 《电工技术学报》 * |
| 江晶: "《运动传感器目标跟踪技术》", 31 December 2017 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111948540A (zh) * | 2020-06-29 | 2020-11-17 | 东风商用车有限公司 | 一种动力电池包温度预测方法及系统 |
| WO2022116037A1 (zh) * | 2020-12-02 | 2022-06-09 | 宁德新能源科技有限公司 | 电量预测方法和设备 |
| CN112834935A (zh) * | 2020-12-31 | 2021-05-25 | 东软睿驰汽车技术（沈阳）有限公司 | 一种获得电池电芯开路电压的方法及装置 |
| CN113139338A (zh) * | 2021-04-15 | 2021-07-20 | 广州小鹏汽车科技有限公司 | 温度预测方法、温度预测装置和车辆 |
| CN113836692A (zh) * | 2021-08-20 | 2021-12-24 | 合众新能源汽车有限公司 | 一种纯电动汽车慢充剩余时间自学习的估算方法及装置 |
| CN113836692B (zh) * | 2021-08-20 | 2024-03-12 | 合众新能源汽车股份有限公司 | 一种纯电动汽车慢充剩余时间自学习的估算方法及装置 |
| CN114137415A (zh) * | 2021-11-02 | 2022-03-04 | 广州小鹏汽车科技有限公司 | 电池组的发热量检测方法、装置、车辆及存储介质 |
| CN114184958A (zh) * | 2021-12-10 | 2022-03-15 | 中国华能集团清洁能源技术研究院有限公司 | 一种考虑热特性的锂离子电池建模方法 |
| CN114184958B (zh) * | 2021-12-10 | 2024-04-12 | 中国华能集团清洁能源技术研究院有限公司 | 一种考虑热特性的锂离子电池建模方法 |
| CN115494896A (zh) * | 2022-11-17 | 2022-12-20 | 清华大学合肥公共安全研究院 | 一种激光器的升温控制方法、装置 |
| CN115494896B (zh) * | 2022-11-17 | 2023-03-14 | 清华大学合肥公共安全研究院 | 一种激光器的升温控制方法、装置 |
| CN117648899A (zh) * | 2024-01-29 | 2024-03-05 | 浙江地芯引力科技有限公司 | 电池建模方法、装置、电子设备和存储介质 |
| CN117648899B (zh) * | 2024-01-29 | 2024-05-03 | 浙江地芯引力科技有限公司 | 电池建模方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110888070A (zh) | 一种电池温度的估计方法、装置、设备及介质 | |
| JP5944291B2 (ja) | バッテリのパラメータ等推定装置およびその推定方法 | |
| CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
| CN107690585B (zh) | 用于确定锂硫电池组的健康状况和充电状态的方法和装置 | |
| CN105334462B (zh) | 电池容量损失在线估算方法 | |
| JP6449303B2 (ja) | 電池の充電状態を推定するための方法、装置およびシステム | |
| CN112034349B (zh) | 锂电池健康状态在线预估方法 | |
| CN103003709B (zh) | 电池状态估计装置以及电池状态估计方法 | |
| Huria et al. | Simplified extended kalman filter observer for soc estimation of commercial power-oriented lfp lithium battery cells | |
| Nemes et al. | Modeling and simulation of first-order Li-Ion battery cell with experimental validation | |
| Barreras et al. | Datasheet-based modeling of Li-Ion batteries | |
| CN107894570B (zh) | 基于Thevenin模型的电池组SOC的估算方法和装置 | |
| JP2011053215A (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
| CN110795851A (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
| JP2016090330A (ja) | バッテリのパラメータ推定装置 | |
| CN112578298B (zh) | 电池温度估算方法、装置、电子设备及存储介质 | |
| JP2014182072A (ja) | 二次電池の状態推定装置及び二次電池の状態推定方法 | |
| JP5662438B2 (ja) | 電気化学蓄電池の較正方法 | |
| KR20120046355A (ko) | 배터리의 교환 시기 통보 장치 및 방법 | |
| CN114295982A (zh) | 锂离子电池参数及开路电压辨识方法、系统及介质 | |
| CN110196395A (zh) | 蓄电池soc估算方法 | |
| CN111060822B (zh) | 一种基于模型切换及融合的荷电状态估计方法 | |
| Karger et al. | Novel method for the on-line estimation of low-frequency impedance of lithium-ion batteries | |
| WO2019184879A1 (zh) | 动力电池组的rc网络参数获取方法、装置和电动汽车 | |
| Morello et al. | System on chip battery state estimator: E-bike case study |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200317 |