CN110901470A - 电动汽车电池寿命预测方法、装置、设备及存储介质 - Google Patents
电动汽车电池寿命预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110901470A CN110901470A CN201911210556.2A CN201911210556A CN110901470A CN 110901470 A CN110901470 A CN 110901470A CN 201911210556 A CN201911210556 A CN 201911210556A CN 110901470 A CN110901470 A CN 110901470A
- Authority
- CN
- China
- Prior art keywords
- life
- data
- calendar
- cycle
- 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
Links
Images
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
- B60L58/16—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]
- G01R31/392—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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种电动汽车电池寿命预测方法、装置、设备及存储介质，本发明通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
Description
技术领域
本发明涉及电池领域，尤其涉及一种电动汽车电池寿命预测方法、装置、设备及存储介质。
背景技术
随着动力电池在使用过程中随着容量的不断衰减，电池的一致性的差异逐渐变大，纯电动汽车电池组的使用寿命也在不断的衰减；在电动车使用过程中，需要能够对电池组的寿命进行估算，以评价电池组还剩多少容量能被有效利用。
锂离子电池工作过程涉及电化学反应、质量传递、电荷传递以及热量传递等多个相互耦合过程，具有强烈的非线性动态特性；单体、模组、电池包的循环寿命及日历寿命试验条件，相比整车实际使用工况较单一，直接采用得到的数据相加预测电池包使用寿命，精度较差；目前国内外对电池包使用寿命的准确估算方面已经做出了大量的研究，主要是基于黑箱模型和等效电路模型，但实际应用不广泛。
综上所述，现有技术中对电池包的使用寿命评估主要是依据单体、模组、电池包的循环及日历寿命的简单加和，因此，评估的依据具有局限性，而黑箱模型和等效电路模型这两种评价方法非常依赖专业技术人员的知识和经验水平。
发明内容
本发明的主要目的在于提供一种电动汽车电池寿命预测方法、装置、设备及存储介质，旨在解决现有技术中电池包使用寿命评估方式单一、精度较差、且具有使用局限性的缺陷的问题。
为实现上述目的，本发明提供一种电动汽车电池寿命预测方法，所述电动汽车电池寿命预测方法包括以下步骤：
获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；
根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；
根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
优选地，所述根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据，包括：
根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据；
根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据。
优选地，所述根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据，包括：
利用阿伦尼乌斯公式结合不同的预设搁置温度和不同的预设荷电状态对所述日历数据进行拟合，获得多条拟合日历曲线；
根据预设第一衰减值计算获得各拟合日历曲线的搁置天数，并根据所述搁置天数获得每个衰减区间内每天的第一衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的寿命预测边界条件；
获取所述寿命预测边界条件中不同工况对应的占有比例；
将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据。
优选地，所述获取所述寿命预测边界条件中不同工况对应的占有比例，包括：
获取所述寿命预测边界条件中不同工况对应的搁置荷电状态比和搁置温度比；
根据所述搁置荷电状态比和所述搁置温度比确定占有比例。
优选地，所述将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据，包括：
分别计算不同工况的各占有比例和所述第一衰减容量的乘积，将各乘积作为各工况在循环衰减中的目标衰减值；
将每个衰减周期中不同工况的各目标衰减值进行累加，获得所述目标电动汽车的日历寿命衰减曲线及对应的日历寿命数据。
优选地，所述根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据，包括：
利用阿伦尼乌斯公式结合不同的预设搁置温度、不同的预设放电深度和不同的预设循环制式对所述日历数据进行拟合，获得多条拟合循环曲线；
根据预设第二衰减值计算获得各拟合循环曲线的循环周数，并根据所述循环周数获得每个衰减区间内每天的第二衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比；
根据所述每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比确定不同工况对应的循环占有比例；
分别计算不同工况的各循环占有比例和所述第二衰减容量的乘积，将各乘积作为各工况在循环衰减中的循环衰减值；
将每个衰减周期中不同工况的各循环衰减值进行累加，获得所述目标电动汽车的循环寿命衰减曲线及对应的循环寿命数据。
优选地，所述根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，包括：
获取所述目标电动汽车的里程数、每日平均运行公里数和电池包原始寿命；
根据所述里程数和所述每日平均运行公里数确定所述目标电动汽车的车辆运行天数和车辆搁置天数；
根据所述车辆运行天数和循环寿命数据确定循环寿命衰减值；
根据所述车辆搁置天数和所述日历寿命天数确定日历寿命衰减值；
根据所述电池包原始寿命、所述循环寿命衰减值和所述日历寿命衰减值获得所述待检测电池包的电池使用寿命。
此外，为实现上述目的，本发明还提出一种电动汽车电池寿命预测设备，所述电动汽车电池寿命预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电动汽车电池寿命预测程序，所述电动汽车电池寿命预测程序配置为实现如上文所述的电动汽车电池寿命预测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有电动汽车电池寿命预测程序，所述电动汽车电池寿命预测程序被处理器执行时实现如上文所述的电动汽车电池寿命预测方法的步骤。
此外，为实现上述目的，本发明还提出一种电动汽车电池寿命预测装置，所述电动汽车电池寿命预测装置包括：
数据获取模块，用于获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；
拟合模块，用于根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；
预测模块，用于根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
本发明提出的电动汽车电池寿命预测方法，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的电动汽车电池寿命预测设备结构示意图；
图2为本发明电动汽车电池寿命预测方法第一实施例的流程示意图；
图3为本发明电动汽车电池寿命预测方法第二实施例的流程示意图；
图4为本发明电动汽车电池寿命预测装置第一实施例的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：本发明通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率，解决了现有技术中电池包使用寿命评估方式单一、精度较差、且具有使用局限性的缺陷的技术问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的电动汽车电池寿命预测设备结构示意图。
如图1所示，该电动汽车电池寿命预测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储。
本领域技术人员可以理解，图1中示出的电动汽车电池寿命预测设备结构并不构成对该电动汽车电池寿命预测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户端接口模块以及电动汽车电池寿命预测程序。
本发明电动汽车电池寿命预测设备通过处理器1001调用存储器1005中存储的电动汽车电池寿命预测程序，并执行以下操作：
获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；
根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；
根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
进一步地，处理器1001可以调用存储器1005中存储的电动汽车电池寿命预测程序，还执行以下操作：
根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据；
根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据。
进一步地，处理器1001可以调用存储器1005中存储的电动汽车电池寿命预测程序，还执行以下操作：
利用阿伦尼乌斯公式结合不同的预设搁置温度和不同的预设荷电状态对所述日历数据进行拟合，获得多条拟合日历曲线；
根据预设第一衰减值计算获得各拟合日历曲线的搁置天数，并根据所述搁置天数获得每个衰减区间内每天的第一衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的寿命预测边界条件；
获取所述寿命预测边界条件中不同工况对应的占有比例；
将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据。
进一步地，处理器1001可以调用存储器1005中存储的电动汽车电池寿命预测程序，还执行以下操作：
获取所述寿命预测边界条件中不同工况对应的搁置荷电状态比和搁置温度比；
根据所述搁置荷电状态比和所述搁置温度比确定占有比例。
进一步地，处理器1001可以调用存储器1005中存储的电动汽车电池寿命预测程序，还执行以下操作：
分别计算不同工况的各占有比例和所述第一衰减容量的乘积，将各乘积作为各工况在循环衰减中的目标衰减值；
将每个衰减周期中不同工况的各目标衰减值进行累加，获得所述目标电动汽车的日历寿命衰减曲线及对应的日历寿命数据。
进一步地，处理器1001可以调用存储器1005中存储的电动汽车电池寿命预测程序，还执行以下操作：
利用阿伦尼乌斯公式结合不同的预设搁置温度、不同的预设放电深度和不同的预设循环制式对所述日历数据进行拟合，获得多条拟合循环曲线；
根据预设第二衰减值计算获得各拟合循环曲线的循环周数，并根据所述循环周数获得每个衰减区间内每天的第二衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比；
根据所述每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比确定不同工况对应的循环占有比例；
分别计算不同工况的各循环占有比例和所述第二衰减容量的乘积，将各乘积作为各工况在循环衰减中的循环衰减值；
将每个衰减周期中不同工况的各循环衰减值进行累加，获得所述目标电动汽车的循环寿命衰减曲线及对应的循环寿命数据。
进一步地，处理器1001可以调用存储器1005中存储的电动汽车电池寿命预测程序，还执行以下操作：
获取所述目标电动汽车的里程数、每日平均运行公里数和电池包原始寿命；
根据所述里程数和所述每日平均运行公里数确定所述目标电动汽车的车辆运行天数和车辆搁置天数；
根据所述车辆运行天数和循环寿命数据确定循环寿命衰减值；
根据所述车辆搁置天数和所述日历寿命天数确定日历寿命衰减值；
根据所述电池包原始寿命、所述循环寿命衰减值和所述日历寿命衰减值获得所述待检测电池包的电池使用寿命。
本实施例通过上述方案，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
基于上述硬件结构，提出本发明电动汽车电池寿命预测方法实施例。
参照图2，图2为本发明电动汽车电池寿命预测方法第一实施例的流程示意图。
在第一实施例中，所述电动汽车电池寿命预测方法包括以下步骤：
步骤S10、获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据。
需要说明的是，所述日历数据为所述目标电动汽车中待检测电池包的每个单体电池每天的运行记录数据，所述循环数据为所述目标电动汽车中待检测电池包的每个单体电池的循环次数以及相应的容量数据，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据，能够为下一步的电池寿命预测分析做准备。
步骤S20、根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据。
可以理解的是，所述阿伦尼乌斯公式为化学反应速率常数随温度变化关系的经验公式，通过所述阿伦尼乌斯公式可以根据电池内部的不同化学反应来拟合在不同工况下的循环寿命数据和日历寿命数据。
步骤S30、根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
应当理解的是，通过对所述循环寿命数据和日历寿命数据结合分析，可以获得所述待检测电池包的电池使用寿命，即所述待检测电池包在不同的工况下的对应的电池使用寿命。
进一步地，所述步骤S30包括以下步骤：
获取所述目标电动汽车的里程数、每日平均运行公里数和电池包原始寿命；
根据所述里程数和所述每日平均运行公里数确定所述目标电动汽车的车辆运行天数和车辆搁置天数；
根据所述车辆运行天数和循环寿命数据确定循环寿命衰减值；
根据所述车辆搁置天数和所述日历寿命天数确定日历寿命衰减值；
根据所述电池包原始寿命、所述循环寿命衰减值和所述日历寿命衰减值获得所述待检测电池包的电池使用寿命。
可以理解的是，根据所述里程数和所述每日平均运行公里数确定所述目标电动汽车的车辆运行天数和车辆搁置天数；根据所述车辆运行天数和循环寿命数据确定循环寿命衰减值；根据所述车辆搁置天数和所述日历寿命天数确定日历寿命衰减值；根据所述电池包原始寿命、所述循环寿命衰减值和所述日历寿命衰减值获得所述待检测电池包的电池使用寿命；通过根据需要预测的里程数及车辆每日平均运行公里数，得到车辆运行天数，找出相应的循环寿命衰减值，再根据车辆运行搁置比，得到搁置天数，找出相应的日历寿命衰减值，将日历寿命和循环寿命的数据相加，即可得到对应里程数的电池包使用寿命。
本实施例通过上述方案，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
进一步地，图3为本发明电动汽车电池寿命预测方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明电动汽车电池寿命预测方法第二实施例，在本实施例中，所述步骤S20具体包括以下步骤：
步骤S21、根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据。
需要说明的是，根据所述日历数据并利用阿伦尼乌斯公式可以拟合不同工况，即不同温度、不同放电深度和不同充电速度的数据作为所述日历寿命数据。
进一步地，所述步骤S21具体包括以下步骤：
利用阿伦尼乌斯公式结合不同的预设搁置温度和不同的预设荷电状态对所述日历数据进行拟合，获得多条拟合日历曲线；
根据预设第一衰减值计算获得各拟合日历曲线的搁置天数，并根据所述搁置天数获得每个衰减区间内每天的第一衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的寿命预测边界条件；
获取所述寿命预测边界条件中不同工况对应的占有比例；
将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据。
应当理解的是，所述预设搁置温度为预先设置的温度，所述预设荷电状态为预先设置的荷电状态，通过利用阿伦尼乌斯公式结合不同的预设搁置温度和不同的预设荷电状态对所述日历数据进行拟合，可以获得多条拟合日历曲线，所述预设第一衰减值为预先设置的固定衰减值，例如可以设置为0.5％的固定衰减值，当然也可以设置为其他数值的衰减值，根据所述预设第一衰减值计算获得各拟合日历曲线的搁置天数，并根据所述搁置天数获得每个衰减区间内每天的第一衰减容量，进而在根据目标电动汽车的车辆使用程度，进而从预设程度参数表中查找到与所述车辆使用程度对应的寿命预测边界条件，所述预设程度参数表为反映不同车辆使用程度和不同寿命预测边界条件之间对应关系的映射表；通过获取所述寿命预测边界条件中不同工况对应的占有比例，根据所述占有比例和所述第一衰减容量进行拟合后，可以生成日历寿命衰减曲线及对应的日历寿命数据。
进一步地，所述步骤获取所述寿命预测边界条件中不同工况对应的占有比例包括以下步骤：
获取所述寿命预测边界条件中不同工况对应的搁置荷电状态比和搁置温度比；
根据所述搁置荷电状态比和所述搁置温度比确定占有比例。
可以理解的是，通过所述搁置荷电状态比和所述搁置温度比可以确定相应的占有比例，在实际操作中，一般可以通过统计车辆使用工况，确定寿命预测边界条件，即获得搁置温度比和所述搁置荷电状态进而确定预测边界条件即占有比例。
进一步地，所述步骤将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据，包括：
分别计算不同工况的各占有比例和所述第一衰减容量的乘积，将各乘积作为各工况在循环衰减中的目标衰减值；
将每个衰减周期中不同工况的各目标衰减值进行累加，获得所述目标电动汽车的日历寿命衰减曲线及对应的日历寿命数据。
可以理解的是，不同工况下对应的占有比例并不相同，通过计算各比例与第一衰减容量的乘积，可以确定不同工况在循环衰减时的目标衰减值，通过将不同工况的各目标衰减值进行累加，进而可以确定目标电动汽车的日历寿命衰减曲线以及对应的日历寿命数据。
在具体实现中，可以设置预测边界条件即所述寿命预测边界条件为搁置荷电状态比，即SOC占比：50％：80％：100％＝10％：10％：80％；搁置温度占比：25℃：35℃＝95％：5％，依据各边界条件共6条拟合曲线，在每衰减0.5％的条件下每条日历寿命曲线对应一个b值，每条工况所占的整车整体运行比例计算如下：25℃，SOC＝100％搁置＝80％*95％＝0.76；那该工况在整车一圈循环衰减中所占的衰减值为0.76b；按照得出每个工况的衰减值，累计加和就是整车一天日历的衰减值，当整车累计衰减0.5％，采用下一个0.5％区间内每条循环曲线对应一个b值，进行重复计算，即可得到整车日历寿命曲线。
步骤S22、根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据。
需要说明的是，通过所述循环数据可以利用阿伦尼乌斯公式拟合各单体电池在不同工况下的循环寿命数据，即在不同温度、不同放电深度和不同充电速度的循环寿命数据。
进一步地，所述步骤S22具体包括以下步骤：
利用阿伦尼乌斯公式结合不同的预设搁置温度、不同的预设放电深度和不同的预设循环制式对所述日历数据进行拟合，获得多条拟合循环曲线；
根据预设第二衰减值计算获得各拟合循环曲线的循环周数，并根据所述循环周数获得每个衰减区间内每天的第二衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比；
根据所述每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比确定不同工况对应的循环占有比例；
分别计算不同工况的各循环占有比例和所述第二衰减容量的乘积，将各乘积作为各工况在循环衰减中的循环衰减值；
将每个衰减周期中不同工况的各循环衰减值进行累加，获得所述目标电动汽车的循环寿命衰减曲线及对应的循环寿命数据。
可以理解的是，通过获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比确定循环搁置荷电状态比确定不同工况对应的循环占有比例，进而各乘积作为各工况在循环衰减中的循环衰减值；将每个衰减周期中不同工况的各循环衰减值进行累加，获得所述目标电动汽车的循环寿命衰减曲线及对应的循环寿命数据。
在具体实现中，可以通过已有单体循环数据，通过阿伦尼乌斯公式进行循环衰减数据拟合，即拟合不同温度、不同循环制式和不同放电程度，通过设置的一个固定衰减值，即针对每条拟合的循环曲线，求得每次衰减值对应的循环周数，通过针对每条拟合的循环曲线，计算出每个衰减区间内的衰减容量，通过统计车辆使用工况，可以确定寿命预测边界条件，即每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比和搁置荷电状态比等，通过利用统计的边界条件中不同工况所占的比例和衰减曲线内各循环曲线每周衰减容量，进行拟合，形成整车循环衰减曲线，在实际操作中，在边界条件为：快充次数：慢充次数＝50％：50％；运行温度占比：25℃：35℃：40℃＝50％：40％：5％；运行DOD％比：65％：90％＝80％：20％；依据各边界条件共12条拟合曲线，在每衰减0.5％的条件下每条循环曲线对应一个a值；每条工况所占的整车整体运行比例计算如下：例25℃，快充，循环DOD(65％)＝50％*50％*80％＝0.2；那该工况在整车一圈循环衰减中所占的衰减值为0.2a；按照上述方法得出每个工况的衰减值，累计加和就是整车一周循环的衰减值；当整车累计衰减0.5％，采用下一个0.5％区间内每条循环曲线对应一个a值，进行重复计算，即可得到整车衰减曲线。
本实施例通过上述方案，通过根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据；根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
本发明进一步提供一种电动汽车电池寿命预测装置。
参照图4，图4为本发明电动汽车电池寿命预测装置第一实施例的功能模块图。
本发明电动汽车电池寿命预测装置第一实施例中，该电动汽车电池寿命预测装置包括：
数据获取模块10，用于获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据。
需要说明的是，所述日历数据为所述目标电动汽车中待检测电池包的每个单体电池每天的运行记录数据，所述循环数据为所述目标电动汽车中待检测电池包的每个单体电池的循环次数以及相应的容量数据，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据，能够为下一步的电池寿命预测分析做准备。
拟合模块20，用于根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据。
可以理解的是，所述阿伦尼乌斯公式为化学反应速率常数随温度变化关系的经验公式，通过所述阿伦尼乌斯公式可以根据电池内部的不同化学反应来拟合在不同工况下的循环寿命数据和日历寿命数据。
预测模块30，用于根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
应当理解的是，通过对所述循环寿命数据和日历寿命数据结合分析，可以获得所述待检测电池包的电池使用寿命，即所述待检测电池包在不同的工况下的对应的电池使用寿命。
本实施例通过上述方案，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
本发明所述电动汽车电池寿命预测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有电动汽车电池寿命预测程序，所述电动汽车电池寿命预测程序被处理器执行时实现如下操作：
获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；
根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；
根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
进一步地，所述电动汽车电池寿命预测程序被处理器执行时还实现如下操作：
根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据；
根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据。
进一步地，所述电动汽车电池寿命预测程序被处理器执行时还实现如下操作：
利用阿伦尼乌斯公式结合不同的预设搁置温度和不同的预设荷电状态对所述日历数据进行拟合，获得多条拟合日历曲线；
根据预设第一衰减值计算获得各拟合日历曲线的搁置天数，并根据所述搁置天数获得每个衰减区间内每天的第一衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的寿命预测边界条件；
获取所述寿命预测边界条件中不同工况对应的占有比例；
将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据。
进一步地，所述电动汽车电池寿命预测程序被处理器执行时还实现如下操作：
获取所述寿命预测边界条件中不同工况对应的搁置荷电状态比和搁置温度比；
根据所述搁置荷电状态比和所述搁置温度比确定占有比例。
进一步地，所述电动汽车电池寿命预测程序被处理器执行时还实现如下操作：
分别计算不同工况的各占有比例和所述第一衰减容量的乘积，将各乘积作为各工况在循环衰减中的目标衰减值；
将每个衰减周期中不同工况的各目标衰减值进行累加，获得所述目标电动汽车的日历寿命衰减曲线及对应的日历寿命数据。
进一步地，所述电动汽车电池寿命预测程序被处理器执行时还实现如下操作：
利用阿伦尼乌斯公式结合不同的预设搁置温度、不同的预设放电深度和不同的预设循环制式对所述日历数据进行拟合，获得多条拟合循环曲线；
根据预设第二衰减值计算获得各拟合循环曲线的循环周数，并根据所述循环周数获得每个衰减区间内每天的第二衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比；
根据所述每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比确定不同工况对应的循环占有比例；
分别计算不同工况的各循环占有比例和所述第二衰减容量的乘积，将各乘积作为各工况在循环衰减中的循环衰减值；
将每个衰减周期中不同工况的各循环衰减值进行累加，获得所述目标电动汽车的循环寿命衰减曲线及对应的循环寿命数据。
进一步地，所述电动汽车电池寿命预测程序被处理器执行时还实现如下操作：
获取所述目标电动汽车的里程数、每日平均运行公里数和电池包原始寿命；
根据所述里程数和所述每日平均运行公里数确定所述目标电动汽车的车辆运行天数和车辆搁置天数；
根据所述车辆运行天数和循环寿命数据确定循环寿命衰减值；
根据所述车辆搁置天数和所述日历寿命天数确定日历寿命衰减值；
根据所述电池包原始寿命、所述循环寿命衰减值和所述日历寿命衰减值获得所述待检测电池包的电池使用寿命。
本实施例通过上述方案，通过获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，能够提高电池寿命预测的精确度，且不受限依赖于专业技术人员的知识和经验水平，操作简便快捷，提高了电动汽车的电池寿命预测速度和效率。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电动汽车电池寿命预测方法，其特征在于，所述电动汽车电池寿命预测方法包括：
获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；
根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；
根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
2.如权利要求1所述的电动汽车电池寿命预测方法，其特征在于，所述根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据，包括：
根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据；
根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据。
3.如权利要求2所述的电动汽车电池寿命预测方法，其特征在于，所述根据所述日历数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的日历寿命数据，包括：
利用阿伦尼乌斯公式结合不同的预设搁置温度和不同的预设荷电状态对所述日历数据进行拟合，获得多条拟合日历曲线；
根据预设第一衰减值计算获得各拟合日历曲线的搁置天数，并根据所述搁置天数获得每个衰减区间内每天的第一衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的寿命预测边界条件；
获取所述寿命预测边界条件中不同工况对应的占有比例；
将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据。
4.如权利要求3所述的电动汽车电池寿命预测方法，其特征在于，所述获取所述寿命预测边界条件中不同工况对应的占有比例，包括：
获取所述寿命预测边界条件中不同工况对应的搁置荷电状态比和搁置温度比；
根据所述搁置荷电状态比和所述搁置温度比确定占有比例。
5.如权利要求3所述的电动汽车电池寿命预测方法，其特征在于，所述将所述占有比例和所述第一衰减容量进行拟合，生成日历寿命衰减曲线及对应的日历寿命数据，包括：
分别计算不同工况的各占有比例和所述第一衰减容量的乘积，将各乘积作为各工况在循环衰减中的目标衰减值；
将每个衰减周期中不同工况的各目标衰减值进行累加，获得所述目标电动汽车的日历寿命衰减曲线及对应的日历寿命数据。
6.如权利要求2所述的电动汽车电池寿命预测方法，其特征在于，所述根据所述循环数据利用阿伦尼乌斯公式拟合各单体电池在不同温度、不同放电深度和不同充电速度的循环寿命数据，包括：
利用阿伦尼乌斯公式结合不同的预设搁置温度、不同的预设放电深度和不同的预设循环制式对所述日历数据进行拟合，获得多条拟合循环曲线；
根据预设第二衰减值计算获得各拟合循环曲线的循环周数，并根据所述循环周数获得每个衰减区间内每天的第二衰减容量；
获得所述目标电动汽车的车辆使用程度，从预设程度参数表中查找到与所述车辆使用程度对应的每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比；
根据所述每日运行静置时间比、快充慢充比、运行温度比、运行放电深度比、循环搁置荷电状态比确定不同工况对应的循环占有比例；
分别计算不同工况的各循环占有比例和所述第二衰减容量的乘积，将各乘积作为各工况在循环衰减中的循环衰减值；
将每个衰减周期中不同工况的各循环衰减值进行累加，获得所述目标电动汽车的循环寿命衰减曲线及对应的循环寿命数据。
7.如权利要求6所述的电动汽车电池寿命预测方法，其特征在于，所述根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命，包括：
获取所述目标电动汽车的里程数、每日平均运行公里数和电池包原始寿命；
根据所述里程数和所述每日平均运行公里数确定所述目标电动汽车的车辆运行天数和车辆搁置天数；
根据所述车辆运行天数和循环寿命数据确定循环寿命衰减值；
根据所述车辆搁置天数和所述日历寿命天数确定日历寿命衰减值；
根据所述电池包原始寿命、所述循环寿命衰减值和所述日历寿命衰减值获得所述待检测电池包的电池使用寿命。
8.一种电动汽车电池寿命预测装置，其特征在于，所述电动汽车电池寿命预测装置包括：
数据获取模块，用于获取目标电动汽车中待检测电池包的各单体电池的日历数据和循环数据；
拟合模块，用于根据所述日历数据和循环数据利用阿伦尼乌斯公式拟合各单体电池在不同工况的循环寿命数据和日历寿命数据；
预测模块，用于根据所述循环寿命数据和日历寿命数据获得所述待检测电池包的电池使用寿命。
9.一种电动汽车电池寿命预测设备，其特征在于，所述电动汽车电池寿命预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电动汽车电池寿命预测程序，所述电动汽车电池寿命预测程序配置为实现如权利要求1-7中任一项所述的电动汽车电池寿命预测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有电动汽车电池寿命预测程序，所述电动汽车电池寿命预测程序被处理器执行时实现如权利要求1-7中任一项所述的电动汽车电池寿命预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911210556.2A CN110901470A (zh) | 2019-11-29 | 2019-11-29 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911210556.2A CN110901470A (zh) | 2019-11-29 | 2019-11-29 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110901470A true CN110901470A (zh) | 2020-03-24 |
Family
ID=69821069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911210556.2A Pending CN110901470A (zh) | 2019-11-29 | 2019-11-29 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110901470A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111562513A (zh) * | 2020-04-30 | 2020-08-21 | 汉腾新能源汽车科技有限公司 | 一种动力电池日历寿命估算方法 |
| CN112014736A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种电池寿命预测方法、装置、设备及存储介质 |
| CN112379297A (zh) * | 2020-10-22 | 2021-02-19 | 欣旺达电动汽车电池有限公司 | 电池系统寿命预测方法、装置、设备及存储介质 |
| CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
| CN112731164A (zh) * | 2020-12-21 | 2021-04-30 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
| CN113075557A (zh) * | 2021-05-20 | 2021-07-06 | 张家港清研检测技术有限公司 | 一种车主自适应的动力电池剩余寿命预测方法 |
| CN113246797A (zh) * | 2021-06-04 | 2021-08-13 | 广州小鹏汽车科技有限公司 | 一种电池寿命预测的方法和装置 |
| CN113406522A (zh) * | 2021-06-18 | 2021-09-17 | 合肥国轩高科动力能源有限公司 | 一种电动车锂电池系统寿命预测评估方法及系统 |
| WO2021195840A1 (zh) * | 2020-03-30 | 2021-10-07 | 宁德时代新能源科技股份有限公司 | 电池包温度控制方法及装置、电池管理系统及存储介质 |
| CN115079029A (zh) * | 2022-04-29 | 2022-09-20 | 中国第一汽车股份有限公司 | 一种动力电池寿命等效估算方法及装置 |
| CN115184830A (zh) * | 2022-09-13 | 2022-10-14 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
| CN115267546A (zh) * | 2022-06-24 | 2022-11-01 | 重庆长安汽车股份有限公司 | 一种电池寿命模型参数拟合方法 |
| CN116430233A (zh) * | 2023-03-02 | 2023-07-14 | 北京理工大学重庆创新中心 | 一种基于大数据方法的动力电池寿命评价方法及装置 |
| CN117434453A (zh) * | 2023-12-21 | 2024-01-23 | 南昌大学 | 一种锂离子电池寿命异常检测方法 |
| CN117538767A (zh) * | 2024-01-09 | 2024-02-09 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
| CN107271922A (zh) * | 2017-08-02 | 2017-10-20 | 合肥国轩高科动力能源有限公司 | 一种新能源汽车整车电池系统寿命预测的方法 |
| CN108732500A (zh) * | 2017-04-18 | 2018-11-02 | 华为技术有限公司 | 电池健康状态的估计方法及装置 |
| CN109613445A (zh) * | 2018-12-28 | 2019-04-12 | 蜂巢能源科技有限公司 | 一种估计动力电池的健康状态的方法和装置 |
| CN109747428A (zh) * | 2019-02-27 | 2019-05-14 | 合肥国轩高科动力能源有限公司 | 一种电动汽车电池包剩余容量估算方法 |
| CN110133503A (zh) * | 2019-03-13 | 2019-08-16 | 北京车和家信息技术有限公司 | 一种电芯检测方法及装置 |
| CN110261790A (zh) * | 2019-04-10 | 2019-09-20 | 北京海博思创科技有限公司 | 电池健康状态的预估方法、装置及系统 |
-
2019
- 2019-11-29 CN CN201911210556.2A patent/CN110901470A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108732500A (zh) * | 2017-04-18 | 2018-11-02 | 华为技术有限公司 | 电池健康状态的估计方法及装置 |
| CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
| CN107271922A (zh) * | 2017-08-02 | 2017-10-20 | 合肥国轩高科动力能源有限公司 | 一种新能源汽车整车电池系统寿命预测的方法 |
| CN109613445A (zh) * | 2018-12-28 | 2019-04-12 | 蜂巢能源科技有限公司 | 一种估计动力电池的健康状态的方法和装置 |
| CN109747428A (zh) * | 2019-02-27 | 2019-05-14 | 合肥国轩高科动力能源有限公司 | 一种电动汽车电池包剩余容量估算方法 |
| CN110133503A (zh) * | 2019-03-13 | 2019-08-16 | 北京车和家信息技术有限公司 | 一种电芯检测方法及装置 |
| CN110261790A (zh) * | 2019-04-10 | 2019-09-20 | 北京海博思创科技有限公司 | 电池健康状态的预估方法、装置及系统 |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021195840A1 (zh) * | 2020-03-30 | 2021-10-07 | 宁德时代新能源科技股份有限公司 | 电池包温度控制方法及装置、电池管理系统及存储介质 |
| US11152656B1 (en) | 2020-03-30 | 2021-10-19 | Contemporary Amperex Technology Co.. Limited | Method and apparatus for controlling temperature of battery pack, battery management system and storage medium |
| CN111562513A (zh) * | 2020-04-30 | 2020-08-21 | 汉腾新能源汽车科技有限公司 | 一种动力电池日历寿命估算方法 |
| CN112014736A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种电池寿命预测方法、装置、设备及存储介质 |
| CN112379297A (zh) * | 2020-10-22 | 2021-02-19 | 欣旺达电动汽车电池有限公司 | 电池系统寿命预测方法、装置、设备及存储介质 |
| CN112379297B (zh) * | 2020-10-22 | 2024-06-11 | 欣旺达动力科技股份有限公司 | 电池系统寿命预测方法、装置、设备及存储介质 |
| CN112595980B (zh) * | 2020-12-17 | 2023-08-15 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
| CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
| CN112731164A (zh) * | 2020-12-21 | 2021-04-30 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
| CN112731164B (zh) * | 2020-12-21 | 2024-03-15 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
| CN113075557A (zh) * | 2021-05-20 | 2021-07-06 | 张家港清研检测技术有限公司 | 一种车主自适应的动力电池剩余寿命预测方法 |
| CN113246797A (zh) * | 2021-06-04 | 2021-08-13 | 广州小鹏汽车科技有限公司 | 一种电池寿命预测的方法和装置 |
| CN113406522A (zh) * | 2021-06-18 | 2021-09-17 | 合肥国轩高科动力能源有限公司 | 一种电动车锂电池系统寿命预测评估方法及系统 |
| CN113406522B (zh) * | 2021-06-18 | 2022-05-03 | 合肥国轩高科动力能源有限公司 | 一种电动车锂电池系统寿命预测评估方法及系统 |
| CN115079029A (zh) * | 2022-04-29 | 2022-09-20 | 中国第一汽车股份有限公司 | 一种动力电池寿命等效估算方法及装置 |
| CN115267546A (zh) * | 2022-06-24 | 2022-11-01 | 重庆长安汽车股份有限公司 | 一种电池寿命模型参数拟合方法 |
| CN115184830A (zh) * | 2022-09-13 | 2022-10-14 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
| CN115184830B (zh) * | 2022-09-13 | 2022-12-27 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
| CN116430233B (zh) * | 2023-03-02 | 2024-01-23 | 北京理工大学重庆创新中心 | 一种基于大数据方法的动力电池寿命评价方法及装置 |
| CN116430233A (zh) * | 2023-03-02 | 2023-07-14 | 北京理工大学重庆创新中心 | 一种基于大数据方法的动力电池寿命评价方法及装置 |
| CN117434453A (zh) * | 2023-12-21 | 2024-01-23 | 南昌大学 | 一种锂离子电池寿命异常检测方法 |
| CN117434453B (zh) * | 2023-12-21 | 2024-02-20 | 南昌大学 | 一种锂离子电池寿命异常检测方法 |
| CN117538767A (zh) * | 2024-01-09 | 2024-02-09 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 |
| CN117538767B (zh) * | 2024-01-09 | 2024-03-22 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110901470A (zh) | 电动汽车电池寿命预测方法、装置、设备及存储介质 | |
| US11408942B2 (en) | Method for predicting service life of retired power battery | |
| CN111448468B (zh) | 用于检测电池组一致性的方法、装置及系统 | |
| US20180080997A1 (en) | Method for testing battery cycle life based on environmental temperature | |
| CN111766524B (zh) | 一种电池健康状态的确定方法、装置、设备及存储介质 | |
| CN104577242B (zh) | 一种电池组管理系统和方法 | |
| CN105866698B (zh) | 考虑电池一致性的电池的健康状态估计方法 | |
| CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
| CN112014735A (zh) | 一种基于全寿命周期的电芯老化寿命预测方法及装置 | |
| CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
| CN114994539A (zh) | 一种电池健康状态的检测方法、装置及系统 | |
| CN113281656B (zh) | 电池健康度的确定方法和装置 | |
| CN113125967B (zh) | 一种基于温升预测的锂电池soe计算方法 | |
| CN113093027B (zh) | 电池soc校准方法、装置、系统、介质及程序产品 | |
| CN113687235A (zh) | 一种动力电池半经验日历寿命预测评估方法 | |
| CN116298927B (zh) | 一种电池容量估计方法和装置、计算机设备、存储介质 | |
| CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
| CN114252788A (zh) | 电池健康状态soh的估算方法和装置 | |
| CN111983456A (zh) | 一种动力电池剩余容量预测方法和系统 | |
| CN113608132A (zh) | 一种锂离子电池剩余容量的确定方法、系统及存储介质 | |
| WO2022068652A1 (zh) | 获取电池容量的方法、装置、存储介质及服务器 | |
| CN115184814A (zh) | 动力电池包寿命预测方法、装置、可读存储介质及设备 | |
| CN115267552A (zh) | 车辆电池健康状态评估方法、装置、设备及存储介质 | |
| CN115113083A (zh) | 电池健康状态估算方法及相关装置 | |
| CN113484783A (zh) | 电池soh检测方法、装置、系统、介质及程序产品 |
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: 20200324 |