CN111157909B - 一种电量曲线更新方法、装置、云服务器及电池 - Google Patents
一种电量曲线更新方法、装置、云服务器及电池 Download PDFInfo
- Publication number
- CN111157909B CN111157909B CN201910643440.1A CN201910643440A CN111157909B CN 111157909 B CN111157909 B CN 111157909B CN 201910643440 A CN201910643440 A CN 201910643440A CN 111157909 B CN111157909 B CN 111157909B
- Authority
- CN
- China
- Prior art keywords
- battery
- electric quantity
- curve
- quantity curve
- information
- 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.)
- Active
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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种电量曲线更新方法、装置、云服务器及电池,电量曲线更新方法包括:预先存储与云服务器通信的电池上传的原电量曲线;获取电池上传的电池信息、电池电压、电池温度以及充放电电流;根据电池信息、电池电压、电池温度以及充放电电流对云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;将新电量曲线发送至电池以供电池对原电量曲线进行更新,并供电池根据新电量曲线计算电池的电量。本发明的电池拥有网络功能,可以将电池信息、电池电压、电池温度以及充放电电流上传至云服务器。云服务器可以依据电池的大数据,动态的更新电量曲线并下发至电池,以令电池可以根据更新后的新电量曲线精确的计算出电池的电量。
Description
技术领域
本发明涉及智能控制领域,特别是涉及一种电量曲线更新方法、装置、云服务器及电池。
背景技术
随着共享出行和新能源的发展,共享电池已被广泛应用。目前计算电池电量主要集中在芯片方案,该方案存在局限性,由于目前电池核心芯片运算能力有限,只能在出厂时写入特定的电量曲线,后续只能依据出厂前的电量曲线来判断电池电量。特定电量曲线由于时间的限制只用少量的电池和运行工况验证后取中间值得到。电量判断的累积误差大,现亟需根据电池的运行情况对电池的电量曲线进行修正,以获得较为准确的电量。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种电量曲线更新方法、装置、云服务器及电池,用于解决现有技术中不能根据电池的运行情况对电池的电量曲线进行更新等的问题。
为实现上述目的及其他相关目的,本发明提供一种电量曲线更新方法,运行于云服务器中,所述电量曲线更新方法包括:预先存储与所述云服务器通信的电池上传的原电量曲线;获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量。
于本发明一具体实施例中,所述电池信息包括电池识别标签,且根据所述电池识别标签,分别获取关于各所述电池的所述新电量曲线后,将各所述新电量曲线分别下发至各所述电池。
于本发明一具体实施例中,所述电池信息包括电池识别标签,所述电池识别标签包含位置信息和/或批号信息,根据所述位置信息和/或批号信息对所述电池进行分类后,分别获取关于各类别的所述电池的所述新电量曲线后,将各类别对应的所述新电量曲线分别下发至各类别所对应的所述电池。
于本发明一具体实施例中,还用以根据获取的关于所述电池的健康状态对所述电池的所述原电量曲线进行修正。
于本发明一具体实施例中,还包括以下步骤:根据预设的温度范围和预设的电流范围划分多个电池区间,每个所述电池区间对应指定的温度区间和电流区间。
于本发明一具体实施例中,根据所述电池信息、电池电压、电池温度以及充放电电流对所述电池的原电量曲线进行修正以获得新电量曲线的步骤包括:根据神经网络算法将所述电池信息按照所述电池信息对应的电池温度所在的温度区间和所述电池信息对应的充放电电流所在的电流区间进行分类,以确定所述电池信息所在的所述电池区间,且根据所述分类的结果和预先获取的电池的历史运行数据,对所述电池的所述原电量曲线进行修正,以获得所述新电量曲线。
于本发明一具体实施例中,所述电池信息至少包括以下信息中的一种:电池生产厂家、电池容量、电池种类、电池批次号以及历史运行数据。
于本发明一具体实施例中,所述云服务器预先建立关于各所述电池的数据库,且所述数据库中分别获取并存储关于各所述电池的电量曲线、电池生产批次号、电池运行数据以及电池健康状态。
为实现上述目的及其他相关目的,本发明还提供一种电量曲线更新装置,运行于云服务器中,所述电量曲线更新装置包括:预存模块,用以预先存储与所述云服务器通信的电池上传的原电量曲线;信息获取模块,用以获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;曲线更新模块,用以根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;信息发送模块,用以将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量。
为实现上述目的及其他相关目的,本发明还提供一种云服务器,所述云服务器包括处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述云服务器执行如上任一项所述电量曲线更新方法。
为实现上述目的及其他相关目的,本发明还提供一种电量曲线更新方法,运行于电池中,所述电池与如上所述的云服务器通信,所述电量曲线更新方法包括:向所述云服务器上传所述电池的原电量曲线、电池信息、电池电压、电池温度以及充放电电流,以供所述云服务器根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,且将所述新电量曲线发送至所述电池;接收所述云服务器下发的关于所述电池的新电量曲线,且根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新;根据所述新电量曲线计算所述电池的电量。
为实现上述目的及其他相关目的,本发明还提供一种电量曲线更新装置,运行于电池中,所述电池与如上所述的云服务器通信,所述电量曲线更新装置包括:信息上传模块,用以向所述云服务器上传所述电池的原电量曲线、电池信息、电池电压、电池温度以及充放电电流,以供所述云服务器根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,且将所述新电量曲线发送至所述电池;曲线更新模块,用以接收所述云服务器下发的关于所述电池的新电量曲线,且根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新;电量计算模块,用以根据所述新电量曲线计算所述电池的电量。
为实现上述目的及其他相关目的,本发明还提供一种电池,所述电池包括处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电池执行如上所述电量曲线更新方法。
如上所述,本发明提供一种电量曲线更新方法、装置、云服务器及电池,所述电量曲线更新方法包括预先存储与所述云服务器通信的电池上传的原电量曲线;获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量。本发明的电池拥有网络功能,可以将电池信息、电池电压、电池温度以及充放电电流上传至云服务器。云服务器可以依据电池的大数据,动态的更新电量曲线并下发至电池,以令电池可以根据更新后的新电量曲线精确的计算出电池的电量。
附图说明
图1显示为本发明的电量曲线更新方法在一具体实施例中的流程示意图。
图2显示为本发明的电量曲线更新装置在一具体实施例中的组成示意图。
图3显示为本发明的云服务器在一具体实施例中的组成示意图。
图4显示为本发明的电量曲线更新方法在一具体实施例中的流程示意图。
图5显示为本发明的电量曲线更新装置在一具体实施例中的组成示意图。
图6显示为本发明的电池在一具体实施例中的组成示意图。
图7显示为一具体实施例中应用神经网络算法更新电量曲线的流程示意图。
元件标号说明
1 电量曲线更新装置
11 预存模块
12 信息获取模块
13 曲线更新模块
14 信息发送模块
2 云服务器
21 处理器
22 存储器
3 电量曲线更新装置
31 信息上传模块
32 曲线更新模块
33 电量计算模块
4 电池
41 处理器
42 存储器
S11~S14、S21~S23 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,显示为本发明的电量曲线更新方法在一具体实施例中的流程示意图。所述电量曲线更新方法,运行于云服务器中,所述电量曲线更新方法S1包括:
S11:预先存储与所述云服务器通信的电池上传的原电量曲线。所述电池增加网络功能,所述电池在使用时将每次采集到的单体电池电压、单体温度、充放电电流保存至本地。当电池处于空闲状态时将本地保存的数据和电池编号上传至云平台(云服务器)。
S12:获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流。云平台(云服务器)收集电池的电池信息、电池电压、电池温度以及充放电电流的数据进行归类和分析。其中,电池的数量既可以是单个,也可以是多个。
S13:根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存。
S14:将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量。
其中,云平台(云服务器)既可以对收集的电池信息、电池电压、电池温度以及充放电电流的数据进行归类和分析,获取新电量曲线,然后将新电量曲线下发至该颗电池。或者,云平台(云服务器)也可以根据收集到的电池信息、电池电压、电池温度以及充放电电流的数据获得修正参数,然后根据该修正参数修正原电量曲线,获得新电量曲线,或者,云平台(云服务器)也可以根据收集到的电池信息、电池电压、电池温度以及充放电电流的数据获得修正参数,然后将该修正参数下发至目标电池,目标电池本地根据修正参数获得新电量曲线。
在一些具体实施例中,所述电池信息包括电池识别标签,且根据所述电池识别标签,分别获取关于各所述电池的新电量曲线后,将各所述新电量曲线分别下发至各所述电池。即,根据单个电池上传的电池信息、电池电压、电池温度以及充放电电流,获取关于该单个电池的新电量曲线。然后根据电池识别标签将针对各单个电池的新电量曲线分别下发至对应的电池。
在一些具体实施例中,所述电池信息至少包括以下信息中的一种:电池生产厂家、电池容量、电池种类、电池批次号以及历史运行数据。根据电池信息可以将电池进行分类,处于同一类别的电池对应同一新电量曲线。例如,同一生产厂家、相同容量、同一种类、同一批次号以及历史运行数据处于同一范围的电池可以归为同一类别。当获得该类别中某颗电池的新电量曲线时,可以将该新电量曲线下发至该类别中的其他电池,以对原电量曲线进行更新。同一类别的电池使用相同的新电量曲线,提高了电量曲线更新的效率。
在一些具体实施例中,所述电池信息包括电池识别标签,所述电池识别标签包含位置信息和/或批号信息,根据所述位置信息和/或批号信息对所述电池进行分类后,分别获取关于各类别的所述电池的所述新电量曲线后,将各类别对应的所述新电量曲线分别下发至各类别所对应的所述电池。例如,对具有同一位置信息的电池统一进行电量曲线的修正,以获得新电量曲线,且将该新电量曲线统一下发至具有该同一位置信息的电池中。又例如,对具有同一批号信息的电池统一进行电量曲线的修正,以获得新电量曲线,且将该新电量曲线统一下发至具有该同一批号信息的电池中。
在一些具体实施例中,还用以根据获取的关于所述电池的健康状态对所述电池的原电量曲线进行修正。所述电池的健康状态例如包括电池的续航时间。
在一些具体实施例中,根据预设的温度范围和预设的电流范围划分多个电池区间,每个所述电池区间对应指定的温度区间和电流区间。在本实施例中,电池的预设温度范围为-40℃~50℃,每隔10℃为一个温度区间。预设的电流范围为-1.05C~1.05C,每隔0.1C为一个电流区间。因此,根据预设的温度范围和预设的电流范围可以将划分为189个温度区间和电流区间。每个电池区间对应指定的温度区间和电流区间。根据不同的电池区间对原电量曲线进行修正,进而获取新电量曲线,提高电池电量的计算精度。
在一些具体实施例中,根据所述电池信息、电池电压、电池温度以及充放电电流对所述电池的原电量曲线进行修正以获得新电量曲线的步骤包括:将所述电池信息按照所述电池信息对应的电池温度所在的温度区间和所述电池信息对应的充放电电流所在的电流区间进行分类,以确定所述电池信息所在的所述电池区间,且根据所述分类的结果和预先获取的电池的历史运行数据,对所述电池的所述原电量曲线进行修正,以获得所述新电量曲线。在本实施例中,可以通过神经网络算法确定电池信息所在的电池区间,其中,所述神经网络算法例如为BP神经网络算法。其中,BP神经网络算法是一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer)。
在一些具体实施例中,所述云服务器预先建立关于各所述电池的数据库,且所述数据库中分别获取并存储关于各所述电池的电量曲线、电池生产批次号、电池运行数据以及电池健康状态。可对每颗电池建立单独的数据库,电池编号即为该数据库的ID。
请参阅图2,显示为本发明的电量曲线更新装置在一具体实施例中的组成示意图。
所述电量曲线更新装置1,运行于云服务器中,所述电量曲线更新装置1包括:预存模块11、信息获取模块12、曲线更新模块13以及信息发送模块14。
所述预存模块11用以预先存储与所述云服务器通信的电池上传的原电量曲线;
所述信息获取模块12用以获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;
所述曲线更新模块13用以根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;
所述信息发送模块14用以将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算电池的电量。
所述电量曲线更新装置1为与图1所示的电量曲线更新方法对应的装置项,所有关于图1所示的电量曲线更新方法的描述均可应用于此实施例中,在此不加赘述。
请参阅图3,显示为本发明的云服务器在一具体实施例中的组成示意图。所述云服务器2,包括处理器21及存储器22;
所述存储器22用于存储计算机程序,所述处理器21用于执行所述存储器22存储的计算机程序,以使所述云服务器2执行如图1所示的电量曲线更新方法S1。
所述存储器22可包括高速随机存取存储器,并且还可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中,存储器22还可以包括远离一个或多个处理器21的存储器22,例如经由RF电路或外部端口以及通信网络访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等,或其适当组合。存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器22的访问。
所述处理器21可操作地与存储器22和/或非易失性存储设备耦接。更具体地,处理器21可执行在存储器22和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器21可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
请参阅图4,显示为本发明的电量曲线更新方法在一具体实施例中的流程示意图。
所述电量曲线更新方法S2,运行于电池中,所述电池与如图3所示的云服务器2通信,所述电量曲线更新方法S2包括:
S21:向所述云服务器上传所述电池的原电量曲线、电池信息、电池电压、电池温度以及充放电电流,以供所述云服务器根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,且将所述新电量曲线发送至所述电池;
S22:接收所述云服务器下发的关于所述电池的新电量曲线,且根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新;
S23:根据所述新电量曲线计算电池的电量。
在一些具体实施例中,所述电池信息包括电池识别标签,且所述云服务器2根据所述电池识别标签,分别获取关于各所述电池的新电量曲线后,将各所述新电量曲线分别下发至各所述电池。即根据单个电池上传的电池信息、电池电压、电池温度以及充放电电流,获取关于该单个电池的新电量曲线,且将针对各单个电池的新电量曲线分别下发至对应的电池。
在一些具体实施例中,所述电池信息包括电池识别标签,且所述云服务器2根据所述电池识别标签所包含的位置信息和/或批号信息对所述电池进行分类后,分别获取关于各所述类别的电池的新电量曲线后,将各类别对应的新电量曲线分别下发至各类别所对应的电池。例如,对具有同一位置信息的电池统一进行电量曲线的修正,以获得新电量曲线,且将该新电量曲线统一下发至具有该同一位置信息的电池中。又例如,对具有同一批号信息的电池统一进行电量曲线的修正,以获得新电量曲线,且将该新电量曲线统一下发至具有该同一批号信息的电池中。
请参阅图5,显示为本发明的电量曲线更新装置在一具体实施例中的组成示意图。
所述电量曲线更新装置3,运行于电池中,所述电池与如图3所示的云服务器2通信,所述电量曲线更新装置3包括:信息上传模块31、曲线更新模块32以及电量计算模块33。
所述信息上传模块31用以向所述云服务器2上传所述电池的原电量曲线、电池信息、电池电压、电池温度以及充放电电流,以供所述云服务器2根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,且将所述新电量曲线发送至所述电池;
所述曲线更新模块32用以接收所述云服务器2下发的关于所述电池的新电量曲线,且根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新;
所述电量计算模块33用以根据所述新电量曲线计算电池的电量。
请参阅图6,显示为本发明的电池在一具体实施例中的组成示意图。
所述电池4,包括处理器41及存储器42;
所述存储器42用于存储计算机程序,所述处理器41用于执行所述存储器42存储的计算机程序,以使所述电池4执行如图4所示的电量曲线更新方法S2。
所述存储器42可包括高速随机存取存储器,并且还可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中,存储器42还可以包括远离一个或多个处理器41的存储器42,例如经由RF电路或外部端口以及通信网络访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等,或其适当组合。存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器42的访问。
所述处理器41可操作地与存储器42和/或非易失性存储设备耦接。更具体地,处理器41可执行在存储器42和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器41可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
其中,在一具体实施例中,将电池使用时每次采集到的单体电池电压、单体温度、充放电电流保存至本地。当电池空闲状态时将本地保存的数据和电池编号上传至云平台。将云平台下发的电量曲线,用来更新本地的电量曲线。本地可以依据电量曲线修正当前的电量。电量曲线包含当前的信息为当前电池健康状态、不同温度电流单体电压工况下对应剩余电量值和满电电量值。
云平台(云服务器)实现功能为:云平台(云服务器)对每颗电池建立单独的数据库,电池编号为该数据库的ID,电池数据库中包含电池生产批次号、电池运行数据、电池电量曲线以及电池健康状态;云平台(云服务器)依据BP神经网络算法将温度充放电电流在同一区间运行环境下的电池和电池信息分别进行分类,温度从-40℃~50℃每隔10℃为一个区间,电流从-1.05C~1.05C每隔0.1C为一个区间,温度和电流总共189个区间;电池信息包含电池生产厂家、电池容量、电池种类、电池批次号、历史运行数据;云平台(云服务器)每次接收到的数据依据BP神经网络算法运行过程如图7所示,依据电池信息、电流区间、温度区间进行分类对当前所有信息进行记忆,结合分类信息和之前运行数据的记忆得出新的电量曲线。电量曲线计算公式如下:
其中,
ω代表各层之间关系;
m1,m2和m3分别为各层神经元的个数;
k1、k2和k3分别为神经元的层数;
X、C和T分别代表电池信息、电流区间和温度区间。
现以具体实例进一步说明,在电池获取新电量曲线后,计算电池电量的方法流程:
1、获取电量变化Q;
2、根据电池的当前温度、电流获取电池满电容量Qmax;
3、获取上一时刻的剩余容量soc_old;
4、Soc_cur=soc_old+Q/Qmax;
5、根据电池电压、电流、温度获取电量,且在新电量曲线上获取soc_correction;
6、即当前电量为:soc_now=soc_cur+(soc_cur-soc_correction)t/T;其中,t为电池电量计算流程间隔时间,T为当前soc和新电量曲线电量值一致设置的时间。
本发明的云服务器通过电池大数据动态更新电池电量曲线,以增加电池的电量计算精度,其中:云服务器可根据同一批次同一区域的电池电量、充放电电流、温度、电压等,修正在先的原电量曲线以获得新电量曲线后,再下发至各电池本地保存。
或者,可以根据每个电池的数据单独修正关于各电池的原电量曲线以获得关于各电池的新电量曲线后,再将新电量曲线分别下发至各电池,或者对同一分类的电池统一修正原电量曲线获得新电量曲线后,统一下发相同的新电量曲线。
综上所述,本发明提供一种电量曲线更新方法、装置、云服务器及电池,所述电量曲线更新方法包括预先存储与所述云服务器通信的电池上传的原电量曲线;获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量。本发明的电池拥有网络功能,可以将电池信息、电池电压、电池温度以及充放电电流上传至云服务器。云服务器可以依据电池的大数据,动态的更新电量曲线并下发至电池,以令电池可以根据更新后的新电量曲线精确的计算出电池的电量。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种电量曲线更新方法,其特征在于,运行于云服务器中,所述电量曲线更新方法包括:
预先存储与所述云服务器通信的电池上传的原电量曲线;
获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;
根据预设的温度范围和预设的电流范围划分多个电池区间,每个所述电池区间对应指定的温度区间和电流区间;根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存;
将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量;
其中,所述根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,包括:
2.根据权利要求1所述的电量曲线更新方法,其特征在于,所述电池信息包括电池识别标签,所述电池识别标签包含位置信息和/或批号信息,根据所述位置信息和/或批号信息对所述电池进行分类后,分别获取关于各类别的所述电池的所述新电量曲线后,将各类别对应的所述新电量曲线分别下发至各类别所对应的所述电池。
3.根据权利要求1所述的电量曲线更新方法,其特征在于,所述电池信息包括电池识别标签,所述电池识别标签包含位置信息和/或批号信息,根据所述位置信息和/或批号信息对所述电池进行分类后,分别获取关于各类别的所述电池的所述新电量曲线后,将各类别对应的所述新电量曲线分别下发至各类别所对应的所述电池。
4.根据权利要求1所述的电量曲线更新方法,其特征在于,还用以根据获取的关于所述电池的健康状态对所述电池的所述原电量曲线进行修正。
5.根据权利要求1所述的电量曲线更新方法,其特征在于,所述电池信息至少包括以下信息中的一种:电池生产厂家、电池容量、电池种类、电池批次号以及历史运行数据。
6.根据权利要求1所述的电量曲线更新方法,其特征在于,所述云服务器预先建立关于各所述电池的数据库,且所述数据库中分别获取并存储关于各所述电池的电量曲线、电池生产批次号、电池运行数据以及电池健康状态。
7.一种电量曲线更新装置,其特征在于,运行于云服务器中,所述电量曲线更新装置包括:
预存模块,用以预先存储与所述云服务器通信的电池上传的原电量曲线;
信息获取模块,用以获取所述电池上传的电池信息、电池电压、电池温度以及充放电电流;
曲线更新模块,用以根据预设的温度范围和预设的电流范围划分多个电池区间,每个
所述电池区间对应指定的温度区间和电流区间;根据所述电池信息、电池电压、电池温度以
及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进
行保存;其中,所述曲线更新模块,具体用以将所述电池信息按照所述电池信 息对应的电
池温度所在的温度区间和所述电池信息对应的充放电电流所在的电流区间进行分 类,以
确定所述电池信息所在的所述电池区间,且根据所述分类的结果和预先获取的电池的 历
史运行数据,对所述电池的所述原电量曲线进行修正,以获得所述新电量曲线,电量曲线计
算公式如下:,其中,代表各层之间关系;,,
和分别为各层神经元的个数;、和分别为神经元的层数;X、C和T分别代表电池信
息、电流区间和温度区间;
信息发送模块,用以将所述新电量曲线发送至所述电池以供所述电池根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新,并供所述电池根据所述新电量曲线计算所述电池的电量。
8.一种云服务器,其特征在于,所述云服务器包括处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述云服务器执行如权利要求1至6中任一项所述电量曲线更新方法。
9.一种电量曲线更新方法,其特征在于,运行于电池中,所述电池与如权利要求8所述的云服务器通信,所述电量曲线更新方法包括:
向所述云服务器上传所述电池的原电量曲线、电池信息、电池电压、电池温度以及充放电电流,以供所述云服务器根据预设的温度范围和预设的电流范围划分多个电池区间,每个所述电池区间对应指定的温度区间和电流区间,根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,且将所述新电量曲线发送至所述电池;
接收所述云服务器下发的关于所述电池的新电量曲线,且根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新;
根据所述新电量曲线计算所述电池的电量。
10.一种电量曲线更新装置,其特征在于,运行于电池中,所述电池与如权利要求9所述的云服务器通信,所述电量曲线更新装置包括:
信息上传模块,用以向所述云服务器上传所述电池的原电量曲线、电池信息、电池电压、电池温度以及充放电电流,以供所述云服务器根据预设的温度范围和预设的电流范围划分多个电池区间,每个所述电池区间对应指定的温度区间和电流区间,根据所述电池信息、电池电压、电池温度以及充放电电流对所述云服务器存储的电池的原电量曲线进行修正以获得新电量曲线并进行保存,且将所述新电量曲线发送至所述电池;
曲线更新模块,用以接收所述云服务器下发的关于所述电池的新电量曲线,且根据所述新电量曲线对所述电池存储的所述原电量曲线进行更新;
电量计算模块,用以根据所述新电量曲线计算所述电池的电量。
11.一种电池,其特征在于,所述电池包括处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电池执行如权利要求9所述电量曲线更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910643440.1A CN111157909B (zh) | 2019-07-17 | 2019-07-17 | 一种电量曲线更新方法、装置、云服务器及电池 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910643440.1A CN111157909B (zh) | 2019-07-17 | 2019-07-17 | 一种电量曲线更新方法、装置、云服务器及电池 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111157909A CN111157909A (zh) | 2020-05-15 |
CN111157909B true CN111157909B (zh) | 2020-09-15 |
Family
ID=70555837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910643440.1A Active CN111157909B (zh) | 2019-07-17 | 2019-07-17 | 一种电量曲线更新方法、装置、云服务器及电池 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111157909B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884916A (zh) * | 2020-07-02 | 2022-01-04 | 聚众联合科技股份有限公司 | 电量判断模块及其电量校正的方法 |
CN115389958B (zh) * | 2022-10-28 | 2023-03-24 | 江苏海铂德能源科技有限公司 | 一种锂离子电池运行安全性评估方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101153894B (zh) * | 2006-09-26 | 2010-09-29 | 鸿富锦精密工业(深圳)有限公司 | 电量检测方法、使用此方法的电量检测系统及电子设备 |
JP2015038444A (ja) * | 2013-08-19 | 2015-02-26 | 株式会社東芝 | 二次電池の残量推定方法及びその装置 |
CN105759211A (zh) * | 2014-12-19 | 2016-07-13 | 宇龙计算机通信科技(深圳)有限公司 | 电池剩余电量值显示方法和系统 |
CN105071449B (zh) * | 2015-06-29 | 2018-02-23 | 努比亚技术有限公司 | 终端电池充放电曲线参数调整方法和装置 |
CN106249168B (zh) * | 2016-08-31 | 2019-03-26 | 福州瑞芯微电子股份有限公司 | 一种电池曲线修正方法和装置 |
CN107102269A (zh) * | 2017-04-27 | 2017-08-29 | 北京新能源汽车股份有限公司 | 一种电池容量的测量方法、装置、服务器及系统 |
CN108983100B (zh) * | 2017-05-31 | 2022-03-01 | 东莞前沿技术研究院 | 电池剩余电量的处理方法及装置 |
CN109407013B (zh) * | 2018-09-29 | 2020-12-18 | 广州小鹏汽车科技有限公司 | 一种备用电池电量状态监测电路及方法 |
CN109633457B (zh) * | 2019-02-22 | 2022-01-28 | 上海度普新能源科技有限公司 | 一种剩余电量的获取方法及获取系统 |
CN109991545B (zh) * | 2019-03-29 | 2021-05-14 | 深圳猛犸电动科技有限公司 | 一种电池包电量检测方法、装置及终端设备 |
-
2019
- 2019-07-17 CN CN201910643440.1A patent/CN111157909B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111157909A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111162575B (zh) | 一种充电曲线更新方法、装置、云服务器及电池 | |
EP3822880A1 (en) | Load prediction method and apparatus based on neural network | |
Hernandez et al. | A survey on electric power demand forecasting: future trends in smart grids, microgrids and smart buildings | |
Wu et al. | Evolving RBF neural networks for rainfall prediction using hybrid particle swarm optimization and genetic algorithm | |
CN105184424B (zh) | 实现多源异构数据融合的多核函数学习SVM的Mapreduce化短期负荷预测方法 | |
CN108280551A (zh) | 一种利用长短期记忆网络的光伏发电功率预测方法 | |
CN111157909B (zh) | 一种电量曲线更新方法、装置、云服务器及电池 | |
CN104951846A (zh) | 微电网短期功率和负荷预测系统及误差分类动态修正方法 | |
Dong et al. | Applying the ensemble artificial neural network-based hybrid data-driven model to daily total load forecasting | |
CN115759413B (zh) | 一种气象预测方法、装置、存储介质及电子设备 | |
CN113486585A (zh) | 设备剩余使用寿命预测方法、装置、电子设备及存储介质 | |
Jaber et al. | Short term load forecasting for electrical dispatcher of Baghdad city based on SVM-PSO method | |
CN111106415B (zh) | 一种电池管理方法、装置及云服务器 | |
CN114282704A (zh) | 充电站充电负荷预测方法、装置、计算机设备和存储介质 | |
Eck et al. | Scalable deployment of AI time-series models for IoT | |
CN115525979B (zh) | 一种主动配电网可调度能力的多时间尺度评估方法及系统 | |
CN116722541A (zh) | 一种基于卷积神经网络的电力系统负荷预测方法及装置 | |
CN115796302A (zh) | 电能功率模型训练方法、传输功率获取方法和相关设备 | |
CN110837889A (zh) | 神经网络的训练方法及装置、存储介质、电子装置 | |
CN110543805A (zh) | 基于图像识别和智能调配的电力应急物资需求提报平台 | |
CN113644682B (zh) | 高渗透有源配电网多台区协同管控方法、装置和终端设备 | |
CN113723670B (zh) | 变时间窗口的光伏发电功率短期预测方法 | |
CN111123108B (zh) | 一种电池管理方法、装置、电池及云服务器 | |
CN112348235A (zh) | 风光母线负荷自适应预测方法、装置、计算机设备 | |
CN113283638A (zh) | 一种基于融合模型的负荷极值曲线预测方法及系统 |
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 |