CN111199104B - 一种电池残余性能分析方法、装置、设备及存储介质 - Google Patents

一种电池残余性能分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111199104B
CN111199104B CN201911416402.9A CN201911416402A CN111199104B CN 111199104 B CN111199104 B CN 111199104B CN 201911416402 A CN201911416402 A CN 201911416402A CN 111199104 B CN111199104 B CN 111199104B
Authority
CN
China
Prior art keywords
target battery
battery
data
target
historical
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
Application number
CN201911416402.9A
Other languages
English (en)
Other versions
CN111199104A (zh
Inventor
陈刚
李春燕
卢熠婷
黄云飞
刘亮
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.)
Shanxi Geely New Energy Commercial Vehicle Co ltd
Zhejiang Geely Holding Group Co Ltd
Zhejiang Geely New Energy Commercial Vehicle Group Co Ltd
Geely Sichuan Commercial Vehicle Co Ltd
Original Assignee
Shanxi Geely New Energy Commercial Vehicle Co ltd
Zhejiang Geely Holding Group Co Ltd
Zhejiang Geely New Energy Commercial Vehicle Group Co Ltd
Geely Sichuan Commercial Vehicle 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 Shanxi Geely New Energy Commercial Vehicle Co ltd, Zhejiang Geely Holding Group Co Ltd, Zhejiang Geely New Energy Commercial Vehicle Group Co Ltd, Geely Sichuan Commercial Vehicle Co Ltd filed Critical Shanxi Geely New Energy Commercial Vehicle Co ltd
Priority to CN201911416402.9A priority Critical patent/CN111199104B/zh
Publication of CN111199104A publication Critical patent/CN111199104A/zh
Application granted granted Critical
Publication of CN111199104B publication Critical patent/CN111199104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了一种电池残余性能分析方法、装置、设备及存储介质，所述方法包括获取目标电池的残余性能分析参数；获取目标电池的历史充电数据及历史放电数据；将目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；基于目标电池的残余性能分析参数、目标电池的续航里程预测曲线及目标电池的当前续航里程确定目标电池的残余性能数据。利用本申请提供的技术方案可以利用历史电池工况数据确定残余性能，方便确定电池的储能价值及续航价值，使性能分析结果更科学；利用电池残余性能分析模型进行残余性能分析，提高电池残余性能分析的效率。

Description

一种电池残余性能分析方法、装置、设备及存储介质
技术领域
本发明涉及电池测量技术领域，具体涉及一种电池残余性能分析方法、装置、设备及存储介质。
背景技术
电池应用价值主要包括：续航价值、储能价值、材料价值。续航价值是指电池在最低接受续航里程之前，以电池的续航里程角度来评估电池的残余价值。储能价值是指电池退役后一般用到储能方向或者低动力要求的方向，主要考量电池储电能力，电池在梯次利用时，以电池的容量角度来评估。材料价值是指电池在梯次利用后会进行拆解回收，以电池各成分的回收来评估。其中对于新能源汽车而言，续航价值、储能价值的科学评价尤为重要。
动力蓄电池作为新能源汽车的核心部件，对新能源汽车的安全使用、价值评估方面有重大的影响。同时，新能源汽车动力蓄电池溯源系统的搭建，对于电池全生命周期已经可以进行流转管理，同时也使基于电池的工况数据、流转数据进行分析挖掘成为可能，目前市场上，在动力电池回收利用企业的通常做法是收到废旧电池后，通过人工测量化学成份，得到折旧系数，并结合当前上海金属交易所的实时报价进行残余价值评估。但这种方式主要依靠人工检测剩余容量，评估效率较低，更多依赖仪器和经验，因此需要提供更有效的方案。
发明内容
为了解决现有技术的问题，本发明提供了一种电池残余性能分析方法、装置、计算机设备及存储介质。所述技术方案如下：
本申请一方面提供了一种电池残余性能分析方法，所述方法包括：
获取目标电池的残余性能分析参数；
获取目标电池的历史充电数据及历史放电数据；
分别对所述目标电池的历史充电数据及历史放电数据进行预处理；
将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；
基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。
本申请另一方面提供了一种电池残余性能分析装置，所述装置包括：
第一数据获取模块，用于获取目标电池的残余性能分析参数；
第二数据获取模块，用于获取目标电池的历史充电数据及历史放电数据；
预处理模块，用于分别对所述目标电池的历史充电数据及历史放电数据进行预处理；
续航里程确定模块，用于将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；
残余性能数据确定模块，用于基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。
本申请另一方面提供了一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述电池残余性能分析方法。
本申请另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述电池残余性能分析方法。
本申请提供的电池残余性能分析方法、装置、设备及存储介质，具有如下技术效果：
本申请通过获取目标电池的残余性能分析参数，获取目标电池的历史充电数据及历史放电数据，分别对所述目标电池的历史充电数据及历史放电数据进行预处理；将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。能够利用历史电池工况数据得到真实的电池剩余容量百分比及续航里程，方便进一步确定电池的储能价值及续航价值，且能够导入市场电池续航里程参考下限值，使得性能分析结果更加科学合理；通过利用电池残余性能分析模型进行电池残余性能分析，提高了电池残余性能分析的效率。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1是本申请实施例提供的一种电池残余性能分析方法的流程图；
图2是本申请实施例提供的分别对所述目标电池的历史充电数据及历史放电数据进行预处理的流程图；
图3是本申请实施例提供的电池残余性能分析模型的获取方法的流程图；
图4是本申请实施例提供的基于所述经过预处理的样本电池数据集对第一样本模型进行电池残余性能分析的训练，将模型输出的样本电池的续航里程预测曲线与实际的样本电池的续航里程预测曲线进行对比，调整模型参数，将当前的第一样本模型作为所述电池残余性能分析模型的流程图；
图5是本申请实施例提供的基于所述样本电池的容量衰减百分比、样本电池的内阻及所述样本电池的残余性能分析参数得到样本电池的续航里程预测曲线及目标电池的当前续航里程的流程图；
图6是本申请实施例提供的将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程的流程图；
图7是本申请实施例提供的基于所述目标电池的容量衰减百分比、目标电池的内阻及所述目标电池的残余性能分析参数得到目标电池的续航里程预测曲线及目标电池的当前续航里程的流程图；
图8是本申请实施例提供的实际应用中目标电池的续航里程预测曲线的示意图；
图9是本申请实施例提供的一种基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据计算原理示意图；
图10是本申请实施例提供的另一种基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据计算原理示意图；
图11是本申请实施例提供的一种电池残余性能分析装置示意图；
图12是本申请实施例提供的一种电池残余性能分析方法的服务器的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本申请实施例提供的一种电池残余性能分析方法的流程图，请参照图1，本实施例提供的电池残余性能分析方法包括如下步骤：
S101，获取目标电池的残余性能分析参数。
具体地，所述目标电池的残余性能分析参数可以包括：目标电池的残余性能分析静态参数和目标电池的残余性能分析动态参数；具体地，所述目标电池的残余性能分析静态参数是不随目标电池使用时长发生变化的参数，所述目标电池的残余性能分析动态参数是随着目标电池使用时长发生变化的参数。其中，所述目标电池的残余性能分析动态参数可以从预设车辆数据平台获取。
具体地，所述目标电池的残余性能分析静态参数可以包括但不限于：目标电池的续航里程预设下限值、目标电池初始性能数据及目标电池出厂OCV_SOV曲线。其中，所述目标电池初始性能数据可以包括但不限于目标电池的初始价格及目标电池标称容量。
在本说明书实施例中，所述目标电池续航里程预设下限值是用于表述该种电池市场最低接受续航里程的值，具体地，可以导入市场续航里程参考下限值作为所述目标电池续航里程预设下限值。
具体地，所述目标电池的残余性能分析动态参数可以包括但不限于：目标电池的历史平均预设里程的能耗、目标电池的使用年限及目标电池的每月续航里程。
S103，获取目标电池的历史充电数据及历史放电数据。
在本说明书实施例中，可以基于预设车辆数据平台获取所述目标电池的历史充电数据及历史放电数据。
具体地，所述历史充电数据可以包括但不限于：
充电采集时间、充电持续时间、充电电压信息、充电电流信息、电池温度收敛区间及充电桩电流及系统故障信息。
所述历史放电数据可以包括但不限于：
放电日期信息、放电持续时间、放电电压信息、放电电流信息、电池温度收敛区间及电流收敛区间。
S105，分别对所述目标电池的历史充电数据及历史放电数据进行预处理。
具体地，如图2所示，所述分别对所述目标电池的历史充电数据及历史放电数据进行预处理可以包括：
S201，从所述目标电池的历史充电数据中确定满足第一预设条件的目标电池的历史充电数据；
具体地，所述第一预设条件可以包括：
(1)充电之前的大功率放电停止时间大于或等于预设时间；
由于在较短的时间内，电池的电流和电压较为不稳定，因此要求电池充电之前的大功率放电停止时间大于或等于预设时间，这样能够使得获取的数据的电压值和电流稳定性更强。具体地，所述预设时间可以结合实际应用需要或数据特征进行确定，在实际应用中，所述预设时间可以包括：例如，10分钟。
(2)充电起始电池温度在电池温度收敛区间内；
由于电池温度不确定，需要查看电池温度收敛区间，这样能够保证在电池温度收敛区间内，获得的电压值和电流稳定性更强。
(3)充电持续时间大于预设阈值；
当充电时间过短时，数据量较少，电流较为不稳定，为了使结果更准确，选取充电持续时间大于预设阈值的数据，这样能够获取足够的数据量，电流的稳定性强。具体地，所述预设阈值可以结合实际应用需要或数据特征进行确定。
(4)充电桩电流在第一预设阈值范围内，未出现过早限流；
在实际应用中，例如，充电达到80％时候，电流会逐渐变小，为避免充电桩的影响，选取电流幅度在±5％内的数据。电流稳定幅度可以选取±1％内，但由于选取±1％内的数据量太少，不便于分析，这里选取±5％内的数据，具体地，所述第一预设阈值范围可以结合实际应用需要或数据特征进行确定。需要说明的是，在实际应用中还可以选取其他数据作为所述第一预设阈值范围，本发明并不以此为限。
(5)充电之前或充电过程中未出现系统故障；
若存在充电之前或充电过程中未出现系统故障的情况，会导致电池指标数据不准确，因此可以将电池有故障的数据直接删除，这里的系统故障包括电池故障、和电池有关的车辆故障。具体地，所述系统故障可以包括但不限于：过压、欠压、压差过大、过温、温差过大、内阻过大、继电器黏连、SOC偏差故障、电流采样偏差故障及总电压采样偏差故障。
在本说明书实施例中，通过从所述目标电池的历史充电数据中确定满足第一预设条件的目标电池的历史充电数据，相当于去除了不满足条件的历史充电数据，能够筛选出电压值、电流比较稳定的数据，有利于提升电池残余性能分析的可靠性。
S203，对每一满足第一预设条件的目标电池的历史充电数据划分充电行程；
S205，从所述目标电池的历史放电数据中确定满足第二预设条件的目标电池的历史放电数据；
具体地，所述第二预设条件可以包括：
(1)放电电流稳定在第二预设阈值范围内；
具体地，所述第二预设阈值范围可以结合实际应用需要进行确定，在实际应用中，所述第二预设阈值范围可以包括：例如，±5％。
(2)放电持续时间在第三预设阈值范围内；
具体地，所述第三预设阈值范围可以结合实际应用需要进行确定，在实际应用中，所述第三预设阈值范围可以包括：例如，5～30秒。
(2)放电温度在电池放电温度收敛区间内。
电池温度收敛区间是指电池在放电过程中一个恒温的区间。恒温的定义是电池温度在±5％以内，持续时间为5～30s。
由于电池温度不确定，需要查看电池温度收敛区间，这样能够保证在电池温度收敛区间内，获得的电压值和电流稳定性更强。
(3)放电电流在电流收敛区间内。
在本说明书实施例中，通过从所述目标电池的历史放电数据中确定满足第二预设条件的目标电池的历史放电数据，相当于去除了不满足条件的历史放电数据，能够筛选出电压值、电流比较稳定的数据，有利于提升电池残余性能分析的可靠性。
S207，对每一满足第二预设条件的目标电池的历史放电数据划分放电行程。
对所述每一满足第二预设条件的目标电池的历史放电数据，基于所述放电电流稳定在±5％以内及放电持续时间在预设阈值范围内的条件，可以对所述每一历史放电数据进行切片，划分预设个数的放电片段。具体地，所述预设个数可以根据实际应用需要进行确定。
S107，将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程。
在本说明书实施例中，所述方法还包括所述电池残余性能分析模型的获取方法，如图3所示，所述方法可以包括：
S301，获取样本电池数据集。
具体地，所述样本电池数据集包括每一样本电池的残余性能分析参数、历史充电数据及历史放电数据，所述样本电池可以包括已经退役回收的电池，因此在获取样本电池的残余性能分析参数、历史充电数据及历史放电数据时，能够获取从开始使用直到续航里程达到目标电池续航里程预设下限值之间的全部数据。
具体地，所述样本电池的残余性能分析参数可以包括：样本电池的残余性能分析静态参数和样本电池的残余性能分析动态参数；具体地，所述样本电池的残余性能分析静态参数是不随样本电池的使用时长发生变化的参数，所述样本电池的残余性能分析动态参数是随着样本电池的使用时长发生变化的参数。其中，所述样本电池的残余性能分析动态参数可以从预设车辆数据平台获取。
具体地，所述样本电池的残余性能分析静态参数可以包括但不限于：样本电池出厂OCV_SOV曲线。
具体地，所述样本电池的残余性能分析动态参数可以包括但不限于：样本电池历史平均预设里程的能耗、样本电池的使用年限及样本电池每月续航里程。
在实际应用中，样本电池的数量可以基于实际应用需要进行设定，具体地，例如，200个或300个。
具体地，所述获取样本电池数据集的具体步骤与步骤S101及S103类似，可以参见步骤S101及S103的相关描述，在此不再赘述。
S303，分别对所述样本电池的历史充电数据及历史放电数据进行预处理，得到经过预处理的样本电池数据集；
具体地，所述分别对所述样本电池的历史充电数据及历史放电数据进行预处理，得到经过预处理的样本电池数据集的具体步骤与步骤S105类似，可以参见步骤S105的相关描述，在此不再赘述。
S305，基于所述经过预处理的样本电池数据集对第一样本模型进行电池残余性能分析的训练，将模型输出的样本电池的续航里程预测曲线与实际的样本电池的续航里程预测曲线进行对比，调整模型参数，将当前的第一样本模型作为所述电池残余性能分析模型。
具体地，基于所述样本电池每月续航里程及样本电池的使用年限，可以获取样本电池的实际续航里程曲线；
基于所述经过预处理的样本电池数据集对基础模型进行训练学习，将所述基础模型输出的样本电池的续航里程预测曲线与样本电池的实际续航里程曲线进行对比，调整参数，直到所述基础模型输出的样本电池的续航里程预测曲线与所述样本电池的实际续航里程曲线之间的误差值满足第三预设条件时，将当前的基础模型作为所述电池残余性能分析模型。
具体地，所述第三预设条件可以根据实际应用需要进行设定。
具体地，所述基于所述经过预处理的样本电池数据集对第一样本模型进行电池残余性能分析的训练，将模型输出的样本电池的续航里程预测曲线与实际的样本电池的续航里程预测曲线进行对比，调整模型参数，将当前的第一样本模型作为所述电池残余性能分析模型可以包括：
S401，基于所述样本电池的经过预处理的历史充电数据确定每一充电数据对应的样本电池的容量衰减剩余百分比；
具体地，基于所述样本电池的经过预处理的历史充电数据确定每一充电数据对应的样本电池的容量衰减剩余百分比可以包括：基于所述样本电池的经过预处理的历史充电数据，得到样本电池的实际OCV_SOC曲线，再基于获取的样本电池的出厂OCV_SOV曲线，计算得到每一充电数据对应的样本电池的容量衰减剩余百分比，具体可以基于如下公式原理确定：
具体地，此时样本电池的实际OCV_SOC曲线斜率和样本电池的出厂OCV_SOV曲线斜率选取中间电压平稳的部分，因为两边电压变化较大，容量衰减百分比结果差异性较大。这样能够提升电池残余性能分析的可靠性。
S403，基于所述样本电池的经过预处理的历史放电数据确定每一放电数据对应的样本电池的内阻；
具体地，基于所述样本电池的经过预处理的历史放电数据，由于预处理时对所述每一历史放电数据进行切片，划分预设个数的放电片段，可以利用每个放电小片段的开始电压、结束电压及平均电流计算每个小片段的内阻。具体可以基于如下公式原理确定：
S405，基于所述样本电池的容量衰减百分比、样本电池的内阻及所述样本电池的残余性能分析参数得到样本电池的续航里程预测曲线及样本电池的当前续航里程。
具体地，如图5所示，所述基于所述样本电池的容量衰减百分比、样本电池的内阻及所述样本电池的残余性能分析参数得到样本电池的续航里程预测曲线及目标电池的当前续航里程可以包括：
S501，基于所述样本电池容量衰减剩余百分比及样本电池标称能量得到对应的样本电池能量；
具体地，所述样本电池标称能量可以基于样本电池标称容量计算得到，其中，所述样本电池标称容量是设计与制造样本电池时规定的，样本电池在预设放电条件下应该放出的最低限度的电量。
在本说明书实施例中，所述基于所述样本电池容量衰减剩余百分比及样本电池标称能量得到对应的样本电池能量可以基于如下公式原理确定：
电池能量＝电池标称能量*电池容量衰减剩余百分比
S503，基于所述样本电池内阻得到对应的样本电池内耗；
具体地，所述基于所述样本电池内阻得到对应的样本电池内耗可以基于如下公式原理确定：
S505，基于所述样本电池能量、样本电池内耗及所述样本电池历史平均预设里程的能耗确定对应的样本电池续航里程；
具体地，所述基于所述样本电池能量、样本电池内耗及所述样本电池历史平均预设里程的能耗确定对应的样本电池续航里程可以基于如下公式原理确定：
其中，单位里程能耗是基于样本电池历史平均预设里程的能耗计算得到的，在实际应用中，所述样本电池历史平均预设里程的能耗可以包括：例如，样本电池历史平均100千米的能耗，此时将所述样本电池历史平均100千米的能耗除以100，则得到了样本电池的单位里程能耗。
S507，基于所述样本电池续航里程及所述样本电池的使用年限，得到样本电池的续航里程预测曲线及样本电池的当前续航里程。
具体地，基于计算得到的样本电池续航里程得到的样本电池续航里程的历史数据及所述样本电池的使用年限，可获得样本电池的续航里程预测曲线及样本电池的当前续航里程。
具体地，如图6所示，所述将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程可以包括：
S601，在所述电池残余性能分析模型中，基于所述目标电池的经过预处理的历史充电数据确定每一充电数据对应的目标电池的容量衰减剩余百分比；
具体地，所述基于所述目标电池的经过预处理的历史充电数据确定每一充电数据对应的目标电池的容量衰减剩余百分比的具体步骤与S401类似，可参见S401的相关描述，在此不再赘述。
S603，基于所述目标电池的经过预处理的历史放电数据确定每一放电数据对应的目标电池的内阻；
具体地，所述基于所述目标电池的经过预处理的历史放电数据确定每一放电数据对应的目标电池的内阻的具体步骤与S403类似，可参见S403的相关描述，在此不再赘述。
S605，基于所述目标电池的容量衰减百分比、目标电池的内阻及所述目标电池的残余性能分析参数得到目标电池的续航里程预测曲线及目标电池的当前续航里程。
具体地，如图7所示，所述基于所述目标电池的容量衰减百分比、目标电池的内阻及所述目标电池的残余性能分析参数得到目标电池的续航里程预测曲线及目标电池的当前续航里程可以包括：
S701，基于所述目标电池容量衰减剩余百分比及目标电池标称能量得到对应的目标电池能量；
具体地，所述基于所述目标电池容量衰减剩余百分比及目标电池标称能量得到对应的目标电池能量的具体步骤与S501类似，可参见S501的相关描述，在此不再赘述。
S703，基于所述目标电池内阻得到对应的目标电池内耗；
具体地，所述基于所述目标电池内阻得到对应的目标电池内耗的具体步骤与S503类似，可参见S503的相关描述，在此不再赘述。
S705，基于所述目标电池能量、目标电池内耗及所述目标电池历史平均预设里程的能耗确定对应的目标电池续航里程；
具体地，所述基于所述目标电池能量、目标电池内耗及所述目标电池历史平均预设里程的能耗确定对应的目标电池续航里程的具体步骤与S505类似，可参见S505的相关描述，在此不再赘述。
S707，基于所述目标电池续航里程及所述目标电池的使用年限，得到目标电池的续航里程预测曲线及目标电池的当前续航里程。
具体地，基于计算得到的目标电池续航里程得到的目标电池续航里程的历史数据及所述目标电池的使用年限，可获得目标电池的续航里程预测曲线及目标电池的当前续航里程。
请参照图8，图8为实际应用中目标电池的续航里程预测曲线的示意图，其中，横坐标是目标电池的使用月份，纵坐标是目标电池的续航里程评估值。
S109，基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。
具体地，所述基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据可以包括：
(1)基于所述目标电池的续航里程曲线、目标电池的当前续航里程及所述目标电池续航里程预设下限值，确定目标电池剩余性能数据与目标电池有效性能数据的映射关系；
(2)基于所述目标电池剩余性能数据与目标电池有效性能数据的映射关系及所述目标电池初始性能数据，得到目标电池的残余性能数据。
具体地，计算原理可参照图9，通过对所述续航里程预测曲线进行积分，横坐标为目标电池的使用年限(单位为月)，纵坐标为目标电池的续航里程，积分后能够分别得到目标电池有效性能的面积及目标电池剩余性能的面积，图9中的阴影部分的面积是所述目标电池有效性能的面积(即从目标电池全新状态时的续航里程直到目标电池续航里程预设下限值之间的面积)，图10中的阴影部分的面积是所述目标电池剩余性能的面积(即从目标电池当前续航里程直到目标电池续航里程预设下限值之间的面积)；将所述目标电池有效性能的面积作为所述目标电池有效性能数据，将所述目标电池剩余性能的面积作为所述目标电池剩余性能数据。在一个实施例中，当所述目标电池的续航里程预设下限值为400公里时，所述目标电池有效性能的面积即从目标电池全新状态时的续航里程直到400公里分界线之间的面积，所述目标电池剩余性能的面积即从目标电池当前续航里程直到400公里分界线之间的面积。
具体地，所述目标电池剩余性能数据与目标电池有效性能数据的映射关系是用于反映目标电池剩余性能与目标电池有效性能比例的关系，具体地，所述目标电池剩余性能数据与目标电池有效性能数据的映射关系可以包括所述目标电池剩余性能面积与目标电池有效性能面积的比例。得到所述目标电池剩余性能面积与目标电池有效性能面积的比例后，再与目标电池初始性能数据相乘，即可得到目标电池的残余性能数据。例如，当所述目标电池的残余性能数据包括目标电池的初始价格时，将所述目标电池剩余性能面积与目标电池有效性能面积的比例与目标电池初始性能数据相乘，即可得到目标电池的残余价格，此时可将所述目标电池的残余价格作为所述目标电池的残余性能数据。
在实际应用中，若无法获取目标电池初始性能数据，仅通过所述目标电池剩余性能面积与目标电池有效性能面积的比例也可以反映目标电池的残余性能，本说明书实施例并不以此为限。
在本发明实施例中，通过获取目标电池的残余性能分析参数，获取目标电池的历史充电数据及历史放电数据，分别对所述目标电池的历史充电数据及历史放电数据进行预处理；将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。能够利用历史电池工况数据得到真实的电池剩余容量百分比及续航里程，方便进一步确定电池的储能价值及续航价值，且能够利用目标电池的续航里程预设下限值，使得性能分析结果更加科学合理；通过利用电池残余性能分析模型进行电池残余性能分析，提高了电池残余性能分析的效率。
本申请实施例还提供了一种电池残余性能分析装置，如图11所示，所述装置包括：
第一数据获取模块1110，用于获取目标电池的残余性能分析参数；
第二数据获取模块1120，用于获取目标电池的历史充电数据及历史放电数据；
预处理模块1130，用于分别对所述目标电池的历史充电数据及历史放电数据进行预处理；
续航里程确定模块1140，用于将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；
残余性能数据确定模块1150，用于基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。
具体地，所述电池残余性能分析装置的上述各模块可通过总线进行耦合及通信。
本发明实施例的电池残余性能分析装置通过获取目标电池的残余性能分析参数，获取目标电池的历史充电数据及历史放电数据，分别对所述目标电池的历史充电数据及历史放电数据进行预处理；将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。能够利用历史电池工况数据得到真实的电池剩余容量百分比及续航里程，方便进一步确定电池的储能价值及续航价值，且能够利用目标电池的续航里程预设下限值，使得性能分析结果更加科学合理；通过利用电池残余性能分析模型进行电池残余性能分析，提高了电池残余性能分析的效率。
本发明实施例提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的电池残余性能分析方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本发明实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行，即上述计算机设备可以包括移动终端、计算机终端、服务器或者类似的运算装置。以运行在服务器上为例，图12是本发明实施例提供的一种电池残余性能分析方法的服务器的硬件结构框图。如图12所示，该服务器1200可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，CPU)1210(处理器1210可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1230，一个或一个以上存储应用程序1223或数据1222的存储介质1220(例如一个或一个以上海量存储设备)。其中，存储器1230和存储介质1220可以是短暂存储或持久存储。存储在存储介质1220的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1210可以设置为与存储介质1220通信，在服务器1200上执行存储介质1220中的一系列指令操作。服务器1200还可以包括一个或一个以上电源1260，一个或一个以上有线或无线网络接口1250，一个或一个以上输入输出接口1240，和/或，一个或一个以上操作系统1221，例如Windows ServerTM，Mac OSXTM，UnixTM,LinuxTM，FreeBSDTM等等。
输入输出接口1240可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器1200的通信供应商提供的无线网络。在一个实例中，输入输出接口1240包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口1240可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解，图12所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器1200还可包括比图12中所示更多或者更少的组件，或者具有与图12所示不同的配置。
本发明的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种电池残余性能分析方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的电池残余性能分析方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本发明提供的电池残余性能分析方法、装置、计算机设备或存储介质的实施例可见，本发明通过获取目标电池的残余性能分析参数，获取目标电池的历史充电数据及历史放电数据，分别对所述目标电池的历史充电数据及历史放电数据进行预处理；将所述目标电池的残余性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池残余性能分析模型的输入，得到目标电池的续航里程预测曲线及目标电池的当前续航里程；基于所述目标电池的残余性能分析参数、所述目标电池的续航里程预测曲线及所述目标电池的当前续航里程确定目标电池的残余性能数据。能够利用历史电池工况数据得到真实的电池剩余容量百分比及续航里程，方便进一步确定电池的储能价值及续航价值，且能够利用目标电池的续航里程预设下限值，使得性能分析结果更加科学合理；通过利用电池残余性能分析模型进行电池残余性能分析，提高了电池残余性能分析的效率。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备和存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电池残余性能分析方法，其特征在于，所述方法包括：
获取目标电池的残余性能分析参数；所述目标电池的残余性能分析参数包括目标电池的续航里程预设下限值、目标电池初始性能数据、目标电池的历史平均预设里程的能耗、目标电池的使用年限及目标电池的每月续航里程；
获取目标电池的历史充电数据及历史放电数据；
分别对所述目标电池的历史充电数据及历史放电数据进行预处理；
在所述电池残余性能分析模型中，基于所述目标电池的经过预处理的历史充电数据确定每一充电数据对应的目标电池的容量衰减剩余百分比；基于所述目标电池的经过预处理的历史放电数据确定每一放电数据对应的目标电池的内阻；基于所述目标电池的容量衰减百分比、目标电池的内阻及所述目标电池的残余性能分析参数得到目标电池的续航里程预测曲线及目标电池的当前续航里程；
基于所述目标电池的续航里程预测曲线、所述目标电池的当前续航里程及所述目标电池的续航里程预设下限值，确定目标电池剩余性能数据与目标电池有效性能数据的映射关系；所述目标电池剩余性能数据与目标电池有效性能数据的映射关系用于反映目标电池剩余性能与目标电池有效性能比例的关系；
基于所述目标电池剩余性能数据与目标电池有效性能数据的映射关系及所述目标电池初始性能数据，得到目标电池的残余性能数据；其中，在所述目标电池剩余性能数据与目标电池有效性能数据的映射关系包括目标电池剩余性能面积与目标电池有效性能面积的比例的情况下，将所述目标电池剩余性能面积与目标电池有效性能面积的比例与所述目标电池初始性能数据相乘，得到所述目标电池的残余性能数据。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标电池的容量衰减百分比、目标电池的内阻及所述目标电池的残余性能分析参数得到目标电池的续航里程预测曲线及目标电池的当前续航里程包括：
基于所述目标电池的容量衰减剩余百分比及目标电池标称容量得到对应的目标电池能量；
基于所述目标电池的内阻得到对应的目标电池内耗；
基于所述目标电池能量、目标电池内耗及所述目标电池的历史平均预设里程的能耗确定对应的目标电池的续航里程；
基于所述目标电池续航里程及所述目标电池的使用年限，得到目标电池的续航里程预测曲线及目标电池的当前续航里程。
3.根据权利要求1所述的方法，其特征在于，所述分别对所述目标电池的历史充电数据及历史放电数据进行预处理包括：
从所述目标电池的历史充电数据中确定满足第一预设条件的目标电池的历史充电数据；
对每一满足第一预设条件的目标电池的历史充电数据划分充电行程；
从所述目标电池的历史放电数据中确定满足第二预设条件的目标电池的历史放电数据；
对每一满足第二预设条件的目标电池的历史放电数据划分放电行程。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取样本电池数据集，所述样本电池数据集包括每一样本电池残余性能分析参数、历史充电数据及历史放电数据；
分别对所述样本电池的历史充电数据及历史放电数据进行预处理，得到经过预处理的样本电池数据集；
基于所述经过预处理的样本电池数据集对第一样本模型进行电池残余性能分析的训练，将模型输出的样本电池的续航里程预测曲线与实际的样本电池的续航里程预测曲线进行对比，调整模型参数，将当前的第一样本模型作为所述电池残余性能分析模型。
5.一种电池残余性能分析装置，其特征在于，所述装置包括：
第一数据获取模块，用于获取目标电池的残余性能分析参数；所述目标电池的残余性能分析参数包括目标电池的续航里程预设下限值、目标电池初始性能数据、目标电池的历史平均预设里程的能耗、目标电池的使用年限及目标电池的每月续航里程；
第二数据获取模块，用于获取目标电池的历史充电数据及历史放电数据；
预处理模块，用于分别对所述目标电池的历史充电数据及历史放电数据进行预处理；
续航里程确定模块，用于在所述电池残余性能分析模型中，基于所述目标电池的经过预处理的历史充电数据确定每一充电数据对应的目标电池的容量衰减剩余百分比；基于所述目标电池的经过预处理的历史放电数据确定每一放电数据对应的目标电池的内阻；基于所述目标电池的容量衰减百分比、目标电池的内阻及所述目标电池的残余性能分析参数得到目标电池的续航里程预测曲线及目标电池的当前续航里程；
残余性能数据确定模块，用于基于所述目标电池的续航里程预测曲线、所述目标电池的当前续航里程及所述目标电池的续航里程预设下限值，确定目标电池剩余性能数据与目标电池有效性能数据的映射关系；所述目标电池剩余性能数据与目标电池有效性能数据的映射关系用于反映目标电池剩余性能与目标电池有效性能比例的关系；基于所述目标电池剩余性能数据与目标电池有效性能数据的映射关系及所述目标电池初始性能数据，得到目标电池的残余性能数据；其中，在所述目标电池剩余性能数据与目标电池有效性能数据的映射关系包括目标电池剩余性能面积与目标电池有效性能面积的比例的情况下，将所述目标电池剩余性能面积与目标电池有效性能面积的比例与所述目标电池初始性能数据相乘，得到所述目标电池的残余性能数据。
6.一种电池残余性能分析设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至4任一所述的电池残余性能分析方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至4任一所述的电池残余性能分析方法。
CN201911416402.9A 2019-12-31 2019-12-31 一种电池残余性能分析方法、装置、设备及存储介质 Active CN111199104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911416402.9A CN111199104B (zh) 2019-12-31 2019-12-31 一种电池残余性能分析方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911416402.9A CN111199104B (zh) 2019-12-31 2019-12-31 一种电池残余性能分析方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111199104A CN111199104A (zh) 2020-05-26
CN111199104B true CN111199104B (zh) 2024-04-16

Family

ID=70746401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911416402.9A Active CN111199104B (zh) 2019-12-31 2019-12-31 一种电池残余性能分析方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111199104B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112046784B (zh) * 2020-09-16 2022-04-08 南方电网数字电网研究院有限公司 无人机定位器续航时长分析方法、装置和无人机定位器
CN113378403B (zh) * 2021-06-28 2023-03-24 中国第一汽车股份有限公司 仿真测试建模方法、系统、测试方法、设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104597406A (zh) * 2014-12-30 2015-05-06 深圳市科陆电子科技股份有限公司 锂电池储能系统容量下降分析处理方法及分析处理装置
CN104986043A (zh) * 2015-07-30 2015-10-21 深圳东风汽车有限公司 一种电动汽车续航里程预测方法
CN105365592A (zh) * 2015-10-30 2016-03-02 北京新能源汽车股份有限公司 电动汽车的剩余续航里程估计方法、系统及电动汽车
CN105904981A (zh) * 2016-04-07 2016-08-31 北京现代汽车有限公司 一种电动汽车续航里程估计控制方法、装置及整车控制器
CN108063290A (zh) * 2017-12-14 2018-05-22 株洲广锐电气科技有限公司 Soc值及其续驶里程估算系统及其估算方法
CN108375739A (zh) * 2018-04-08 2018-08-07 深圳市海德森科技股份有限公司 电动车锂电池的荷电状态估算方法与荷电状态估算系统
CN108414937A (zh) * 2017-12-08 2018-08-17 国网北京市电力公司 充电电池荷电状态确定方法及装置
CN109738825A (zh) * 2018-12-27 2019-05-10 上海毅信环保科技有限公司 基于历史数据的退役电池可用容量与内阻检测方法及装置
CN109901072A (zh) * 2019-03-19 2019-06-18 上海毅信环保科技有限公司 基于历史数据与实验室测试数据的退役电池参数检测方法
CN110091751A (zh) * 2019-04-30 2019-08-06 深圳四海万联科技有限公司 基于深度学习的电动汽车续航里程预测方法、设备及介质
CN110103773A (zh) * 2019-05-22 2019-08-09 福建工程学院 一种电动汽车续驶里程预测方法和系统
CN110110365A (zh) * 2019-04-01 2019-08-09 华南理工大学 一种基于电池容量衰退轨迹线性化变换的电池rul预测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016107198A1 (zh) * 2014-12-30 2016-07-07 深圳市科陆电子科技股份有限公司 锂电池储能系统容量下降分析处理方法及分析处理装置
CN104597406A (zh) * 2014-12-30 2015-05-06 深圳市科陆电子科技股份有限公司 锂电池储能系统容量下降分析处理方法及分析处理装置
CN104986043A (zh) * 2015-07-30 2015-10-21 深圳东风汽车有限公司 一种电动汽车续航里程预测方法
CN105365592A (zh) * 2015-10-30 2016-03-02 北京新能源汽车股份有限公司 电动汽车的剩余续航里程估计方法、系统及电动汽车
CN105904981A (zh) * 2016-04-07 2016-08-31 北京现代汽车有限公司 一种电动汽车续航里程估计控制方法、装置及整车控制器
CN108414937A (zh) * 2017-12-08 2018-08-17 国网北京市电力公司 充电电池荷电状态确定方法及装置
CN108063290A (zh) * 2017-12-14 2018-05-22 株洲广锐电气科技有限公司 Soc值及其续驶里程估算系统及其估算方法
CN108375739A (zh) * 2018-04-08 2018-08-07 深圳市海德森科技股份有限公司 电动车锂电池的荷电状态估算方法与荷电状态估算系统
CN109738825A (zh) * 2018-12-27 2019-05-10 上海毅信环保科技有限公司 基于历史数据的退役电池可用容量与内阻检测方法及装置
CN109901072A (zh) * 2019-03-19 2019-06-18 上海毅信环保科技有限公司 基于历史数据与实验室测试数据的退役电池参数检测方法
CN110110365A (zh) * 2019-04-01 2019-08-09 华南理工大学 一种基于电池容量衰退轨迹线性化变换的电池rul预测方法
CN110091751A (zh) * 2019-04-30 2019-08-06 深圳四海万联科技有限公司 基于深度学习的电动汽车续航里程预测方法、设备及介质
CN110103773A (zh) * 2019-05-22 2019-08-09 福建工程学院 一种电动汽车续驶里程预测方法和系统

Also Published As

Publication number Publication date
CN111199104A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
EP4083643B1 (en) Soh test method and apparatus
US8340934B2 (en) Method of performance analysis for VRLA battery
CN103969587A (zh) 一种混合动力车用动力电池soc估算方法
CN111199104B (zh) 一种电池残余性能分析方法、装置、设备及存储介质
CN109188296B (zh) 一种bbu电量校验方法、装置、终端及fcc计算方法
CN104656021A (zh) 一种蓄电池剩余容量的预估方法及装置
CN105406532A (zh) 电动汽车及其电池可用能量的检测方法和装置
CN110133515B (zh) 电池剩余能量确定方法及其装置
CN114444370B (zh) 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质
CN112924866B (zh) 容量保持率的检测方法、检测装置、车辆及存储介质
CN110806540B (zh) 电芯测试数据处理方法、装置、系统和存储介质
CN109061482B (zh) 电池健康度预测方法及装置
US20230236261A1 (en) Method and device for acquiring battery capacity, storage medium, and server
CN116754984A (zh) 一种电池一致性的检测方法及相关装置
CN112946478B (zh) 电池的实时可用功率的确定方法及相关设备
CN116930763A (zh) 一种基于雨流计数法的电池剩余容量检测方法及应用
CN115395613B (zh) 电池充电管理方法、装置、电子设备及存储介质
CN116256651A (zh) 电池热失能预警方法、系统及可读存储介质
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
CN113484760B (zh) 一种电池热失控识别方法、装置、设备及存储介质
CN114035052A (zh) 一种基于能量窗的soc区间标定方法、系统及介质
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
CN113030750B (zh) 锂电池剩余使用参数的检测方法和装置
CN116774081B (zh) 一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质
CN117388737A (zh) 电池健康状态的评估方法、装置、设备及存储介质

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