CN112345954B - 电池寿命预测方法、装置、电子设备及介质 - Google Patents
电池寿命预测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112345954B CN112345954B CN202011134309.1A CN202011134309A CN112345954B CN 112345954 B CN112345954 B CN 112345954B CN 202011134309 A CN202011134309 A CN 202011134309A CN 112345954 B CN112345954 B CN 112345954B
- Authority
- CN
- China
- Prior art keywords
- battery
- average value
- charge
- actual
- battery cell
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000007599 discharging Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 22
- 239000000178 monomer Substances 0.000 claims description 26
- 238000013519 translation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 230000002238 attenuated effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005184 irreversible process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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
Abstract
本申请实施例公开了一种电池寿命预测方法、装置、电子设备及介质。该方法包括：在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。上述方案能够在电池充、方点过程中，根据当前获取的数据就可以实现对电池寿命的准确预测，而无需采集大量的历史数据，并且实现了在线的实时预测。
Description
技术领域
本申请实施例涉及电池寿命预测领域，尤其涉及一种电池寿命预测方法、装置、电子设备及介质。
背景技术
锂离子电池是一种能量存储和转换设备，但它并不是可以无限使用的，即它的循环使用寿命是有限的，因为在锂离子电池充放电的循环过程中，电池内部会发生一些不可逆的过程，导致内部阻抗等的变化，引起电池容量的衰减，从而影响了电池的循环使用寿命。
为了实现电池寿命的准确预估，需要对电池容量衰减趋势及电池剩余循环次数进行预测。但实际应用中，需要大量的历史数据支撑电池寿命的预估，而在实际应用过程中很难获取大量历史数据，并且锂离子电池的老化过程是由于电池内部复杂的电化学反应导致的，同时受外界因素如温度、负载等的影响，电池的剩余使用寿命与影响因素之间没有一个固定的可遵循的规律，难以建立模型表示电池退化过程，因此较难准确对电池寿命进行在线在线预测。
发明内容
本发明实施例提供一种电池寿命预测方法、装置、设备及存储介质，以在电池充、放电使用过程中，根据当前获取的一定数量的数据即可在在线实现较为准确的电池寿命预测。
在一个实施例中，本申请实施例提供了一种电池寿命预测方法，该方法包括：
在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
在另一个实施例中，本申请实施例还提供了一种电池寿命预测装置，该装置包括：
容量获取模块，用于在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
最优估计值确定模块，用于根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
关系确定模块，用于根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
可用循环次数确定模块，用于根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
在又一个实施例中，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例任一项所述的电池寿命预测方法。
在再一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例中任一项所述的电池寿命预测方法。
本申请实施例中，通过在电池充放电过程中，获取电池单体容量的至少一个实际平均值，并确定最优估计值，结合预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，得出电池单体容量实际平均值与实际充、放电循环次数的对应关系，在无需获取大量历史数据的情况下，仅通过当前获取到的电池单体容量平均值，以及预设的电池容量衰减情况，即可以准确预测电池的寿命，并且，在电池充放电的过程中即可以进行在线预测，提高了电池寿命预测的效率和实时性。
附图说明
图1为本发明一种实施例提供的电池寿命预测方法的流程图；
图2为本发明另一实施例提供的电池寿命预测方法的流程图；
图3为本发明另一实施例提供的最优估计值确定示意图；
图4为本发明又一种实施例提供的电池寿命预测方法的流程图；
图5为本发明又一实施例提供的关系曲线确定第一示意图；
图6为本发明又一实施例提供的关系曲线确定第二示意图；
图7为本发明又一实施例提供的关系曲线确定第三示意图；
图8为本发明再一实施例提供的具体实现流程图；
图9为本发明一种实施例提供的电池寿命预测装置的结构示意图；
图10为本发明一种实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明一种实施例提供的电池寿命预测方法的流程图。本实施例提供的电池寿命预测方法可适用于对电池的寿命进行预测的情况。典型的，本方法可以适用于对电子产品中的动力电池进行寿命预测的情况。其中，本发明实施例中的电子产品可以是任意以动力电池提供的电能为工作基础的产品，例如，可以是电动汽车等。该方法具体可以由电池寿命预测装置执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在具有电池寿命预测功能的电子设备中。参见图1，本申请实施例的方法具体包括：
S110、在电池充、放电过程中，获取电池单体容量的至少一个实际平均值。
其中，在电池系统上电后，电池处于充电、放电过程。电池从处于满电状态开始放电，至电池储存电量全部释放，再进行充电至满电状态的过程，为一个充、放电循环。或者，电池从没有储存电量的状态进行充电至满电，再进行放电，至电池储存电量全部释放的过程，为一个充、放电循环。
在电池充放电过程中，获取电池单体容量的至少一个实际平均值，是指在电池充、放电循环结束的节点，获取电池单体容量的实际平均值。可以在多个充、放电循环结束的节点，获取电池单体容量的实际平均值，因此能够得到至少一个实际平均值。电池中可以包括多个电池单体，各电池单体分别具有各自的额定容量和实际容量。将各电池单体实际容量值的和除以电池单体的个数，得到电池单体容量的实际平均值。由于电池单体的实际平均值能够更加准确地反映电池的整体容量性能和变化，因此在本申请实施例中，采用获取电池单体容量的实际平均值的方案。在实际的实现过程中，也可以采用获取电池单体容量的最小值，进行电池寿命预测的方案，在此不做限定。
在本申请实施例中，电池充、放电循环次数具体可以根据电池充、放电的累计电量与电池的额定电量确定。例如，从系统上电到当前时刻，分别确定电池充电累计电量和放电累计电量，将电池充电累计电量与放电累计电量加和，再除以2，得到电池充电累计计算电量或者电池放电累计计算电量。将电池充电累计计算电量除以电池的额定电量，得到当前电池充、放电循环次数，或者将电池放电累计计算电量除以电池的额定电量，得到当前电池充、放电循环次数。其中，电池充电累计电量、放电累计电量和电池额定电量的单位均为Ah。在电池充、放电循环次数为整数的节点，获取电池单体容量的平均值，具体的整数为多少，在此不作具体限制，可以根据实际检测需要进行设置。
S120、根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值。
其中，最优估计值可以为获取任意一个实际平均值时的电池充、放电循环次数对应的最优估计值。最优估计值的确定方式可以为：当实际平均值的数量为一个时，可以将该实际平均值作为最优估计值。当实际平均值的数量为两个及以上时，可以根据至少两个实际平均值以及对应的电池充、放电循环次数，进行线性拟合，得到关系直线，将位于关系直在线的电池充、放电循环次数对应点的纵坐标，作为电池单体的最优估计值。
上述方案的有益效果在于，能够降低平均值采集中存在的误差，对偏离较多的误差点进行校正，得到最优估计值，以提高后续寿命预测的准确性。
S130、根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系。
示例性的，在电池系统开发过程中，统计确认得到电池单体容量理论平均值与理论充、放电循环次数的对应关系。基于电池单体容量理论平均值与理论充、放电循环次数的对应关系，结合最优估计值，可以对电池单体容量实际平均值与实际充、放电循环次数的对应关系进行预测。例如，针对最优估计值对应的电池充、放电循环次数，通过电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定对应的电池单体容量理论平均值。若最优估计值与理论平均值的差值为零，则将电池单体容量理论平均值与理论充、放电循环次数的对应关系作为电池单体容量实际平均值与实际充、放电循环次数的对应关系。若最优估计值与理论平均值的差值不为零，则对电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线进行变换，以使电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线与最优估计值对应的点重合。变换可以为平移、旋转、缩放等。
上述方案的有益效果在于，根据最优估计值，结合电池单体容量理论平均值与理论充、放电循环次数的对应关系，实现对电池寿命的在线预测，无需采集大量的历史数据进行离线计算，只根据当前获取的数据即可以实现准确的电池寿命预测。
S140、根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
示例性的，可以预先设置电池单体容量衰减百分比阈值。例如，当电池单体容量衰减到最大容量的百分之八十时，认定该电池已老化无法继续使用，依据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定最大容量的百分之八十的电池单体容量对应的实际充、放电循环次数，作为可用充、放电循环次数。百分比阈值可以根据实际情况设置，在此不作具体限定。
本申请实施例中，通过在电池充放电过程中，获取电池单体容量的至少一个实际平均值，并确定最优估计值，结合预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，得出电池单体容量实际平均值与实际充、放电循环次数的对应关系，在无需获取大量历史数据的情况下，仅通过当前获取到的电池单体容量平均值，以及预设的电池容量衰减情况，即可以准确预测电池的寿命，并且，在电池充放电的过程中即可以进行在线预测，提高了电池寿命预测的效率和实时性。
图2为本发明另一实施例提供的电池寿命预测方法的流程图。本申请实施例为对上述实施例基础上对上述实施例进行优化，未在本实施例中详细描述的细节详见上述实施例。参见图2，本实施例提供的电池寿命预测方法可以包括：
S210、每当电池充、放电循环次数为预设数值的整数倍时，获取电池单体容量的实际平均值。
示例性的，为了使获取的实际平均值更具规律性，并且能够直观地反映电池衰减情况，因此，每当电池充、放电循环次数达到预设数值的整数倍时，即获取电池单体容量的实际平均值。例如，当电池充、放电循环次数为10时，获取电池单体容量的实际平均值，得到第一个数值。当电池充、放电循环次数为20时，获取电池单体容量的实际平均值，得到第二个数值。依次类推，得到至少一个实际平均值。
S220、每当获取电池单体容量的实际平均值的数量达到预设数量时，采用最小二乘法对预设数量的电池单体容量的实际平均值进行线性拟合。
其中，预设数量可以根据实际情况进行设置，例如，可以设置为5个。也就是电池充、放电循环次数达到50次时，得到5个实际平均值。采用最小二乘法对5个实际平均值进行线性拟合，得到直线方程。其中，直线方程y＝ax+b，y为实际平均值，x为电池充、放电循环次数。系数其中，xi为电池充、放电循环次数，yi为电池单体容量的实际平均值，n为实际平均值的个数，/>为xi平均值，/>为yi平均值。
另外，在电池充、放电循环次数从51次到100次期间，也会得到5个实际平均值，再次采用最小二乘法对预设数量的电池单体容量的实际平均值进行线性拟合。上述方案进行周期型循环执行。
S230、根据得到的第一线性拟合关系，确定最后一次充、放电循环对应的电池单体容量的估计平均值，作为所述电池单体容量的最优估计值。
示例性的，如图3所示。根据得到的5个实际平均值进行线性拟合，得到拟合直线，将最后一个充、放电循环对应的位于拟合直在线的点，作为最优估计点。最优估计点的纵坐标为最优估计值。在本申请实施例中，每当电池充、放电循环次数达到10的倍数，获取电池单体容量的实际平均值，当电池充、放电循环次数达到50时，共得到5个实际平均值进行直线拟合。在此时最后一次电池充、放电循环次数为第50次。当然，也可以每当电池充、放电循环次数达到20的倍数，获取电池单体容量的实际平均值，当电池充、放电循环次数达到200时，共得到10个实际平均值进行直线拟合。在此时最后一次电池充、放电循环次数为第200次。具体的实际平均值获取的节点和直线拟合的节点可以根据实际情况进行设置，在此不做具体性限定。
S240、从预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系中，确定与最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值。
示例性的，如果最优估计值对应的电池充、放电次数为第50次，则从电池单体容量理论平均值与理论充、放电循环次数的对应关系中确定第50次对应的电池单体容量理论平均值。相应地，下一个最优估计值对应的电池充、放电次数为第100次，从电池单体容量理论平均值与理论充、放电循环次数的对应关系中确定第100次对应的电池单体容量理论平均值。依次类推。
S250、确定最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值，以及所述最优估计值的差值。
对应于同一电池充、放电次数的最优估计值和电池单体容量理论平均值作差，得到最优估计值与对应电池单体容量理论平均值的差值。
S260、统计非零差值的数量。
当差值为零时，则说明电池容量并没有大幅度的衰减，因此可以将预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，作为电池单体容量实际平均值与实际充、放电循环次数的对应关系。
S270、根据所述非零差值的数量，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系。
如果存在不为零的差值，则根据差值的个数，适应性确定合适的变换方式，对预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系进行变换，从而得到电池单体容量实际平均值与实际充、放电循环次数的对应关系。
S280、根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
本申请实施例的技术方案，通过规律性地获取电池单体容量实际平均值，从而准确确定电池单体容量实际平均值的浮动规律，便于拟合得到关系直线。从而根据关系直线准确确定最优估计值，以结合最优估计值和电池单体容量理论平均值与理论充、放电循环次数的对应关系，在在线对电池寿命进行准确地预测。
图4为本发明又一实施例提供的电池寿命预测方法的流程图。本申请实施例为对上述实施例基础上对上述实施例中的S270进行细化，未在本实施例中详细描述的细节详见上述实施例。参见图4，本实施例提供的电池寿命预测方法可以包括：
S271、若所述非零差值的数量小于或等于第一预设个数，则将预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线平移至与最优估计点重合；其中，所述最优估计点的纵坐标为最优估计值，横坐标为所述最优估计值对应的实际充、放电循环次数。
其中，第一预设个数可以根据实际情况进行设置，可以设置为较小的数值，例如1。当非零差值为1个时，无法进行线性拟合，因此可以根据该非零差值，对预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线进行平移，如图5所示。以使平移后的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线与最优估计点重合，以平移后的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线，作为电池单体容量实际平均值与实际充、放电循环次数的对应关系。
S272、若所述非零差值的数量大于第一预设个数，且小于或等于第二预设个数，则对所述非零差值进行线性拟合。
其中，第二预设个数可以根据实际情况进行设置，例如可以设置为5。在非零差值的数量大于第一预设个数，且小于或等于第二预设个数时，对非零差值进行线性拟合能够更加准确直观地确定非零差值的规律，便于进一步准确地进行电池寿命预测。如图6所示，如果非零差值的个数为4个，则对4个非零差值进行线性拟合，得到第二线性拟合关系。
S273、根据得到的第二线性拟合关系，确定各理论充、放电循环次数对应的拟合差值。
示例性的，根据第二线性拟合关系，可以得到各电池充、放电循环次数对应的拟合差值。通过该拟合差值，对各理论充、放电循环次数对应的电池单体容量理论平均值进行调整，以进行电池单体容量实际平均值的准确预测。
S274、根据所述拟合差值，对各理论充、放电循环次数对应的电池单体容量理论平均值进行平移，得到电池单体容量实际平均值与实际充、放电循环次数的对应关系。
具体的，根据各电池充、放电循环次数对应的拟合差值，对各电池充、放电循环次数对应的电池单体容量理论平均值进行平移，得到各电池充、放电循环次数对应的电池单体容量实际平均值，进而得到电池单体容量实际平均值与实际充、放电循环次数的对应关系。
S275、若所述非零差值的数量大于第二预设个数，则根据第三预设数量的最优估计值进行n阶曲线拟合；其中n≥2。
其中，当非零差值的数量大于第二预设个数时，对最优估计值进行二阶以上曲线拟合，能够更加准确地反映最优估计值的趋势，以精确地对电池寿命进行预测。因此，在非零差值的数量大于第二预设个数时，如图7所示，采用n阶曲线拟合的方式，根据最优估计值确定电池容量的衰减情况。
具体的，以n＝2的情况进行详细介绍。假设抛物线拟合的函数形式为y＝a0+a1x+a2x2，其中y为电池单体容量的实际平均值，x为电池充、放电循环次数。三个系数a0、a1、a2需要求解，即求解三元线性方程组，其矩阵形式为：
其中需要分别计算的项分别为
其中，m为最优估计值的个数。yi为第i个最优估计值。xi为第i个最优估计值对应的电池充、放电循环次数。最优估计值的个数可以根据实际情况进行设置，可以选取合适的数量，以在满足方程组求解要求和准确性的基础上，降低计算量，保证处理器能够准确快速地执行。
其三元线性方程组的矩阵形式变为：
求解这个三元线性方程组，就可以得到抛物线拟合函数y的3个系数a0、a1、a2,将该系数代入公式y＝a0+a1x+a2x2中，得到电池单体容量实际平均值与实际充、放电循环次数的对应关系。
S276、将n阶曲线拟合得到的曲线关系，作为电池单体容量实际平均值与实际充、放电循环次数的对应关系。
在本申请实施例中，无需获取电池充、放电的所有历史数据，在电池充、放电过程中即可以根据获取的数据进行电池寿命的预测。无论得到的最优估计值为几个，都能够适应性地确定准确的方案，根据最优估计值确定电池单体容量实际平均值与实际充、放电循环次数的对应关系，实现了在在线对电池寿命的准确预测。
本申请实施例为电池寿命预测的具体实现过程，未在本实施例中详细描述的细节详见上述实施例。如图8所示，具体实现如下：
S1：系统上电后，进行电池开始工作到当前时刻的充、放电电量累计，累计单位为Ah。在控制器的带电可擦写只读存储器中指定空间存储电池当前已循环的周期内的充、放电电量累计值。将当前已循环周期内的充电电量累计绝对值与放电电量累计绝对值加和求平均，命名为电池放电累计值或电池充电累计值。该累计值除以电池额定容量，得到电池充、放电循环次数；
S2：系统在电池放电累计值达到电池额定容量一定整数倍时，例如10倍，计算系统中所有电池单体容量的实际平均值，将该值记录到控制器的带电可擦写只读存储器中，该空间存储信息为短周期充、放电循环次数的单体容量平均值。系统在再一次满足电池放电累计值达到电池额定容量10倍时，再次记录电池系统中单体容量实际平均值的变化情况。当短周期的单体容量实际平均值记录达到一定次数后，例如5次，进行短周期容量衰减最优估计；
S3：利用最小二乘法对记录的一定次数的单体容量平均值进行线性拟合计算，并对最后一次的记录值进行最优估计。估算公式如下：
基于最小二乘的回归直线方程系数其中xi为电池充、放电循环次数，yi为每次记录的所有电池单体容量实际平均值，n为记录的次数，/>为xi均值，/>为yi均值。
对最后一次的记录值进行最优估计yn＝a+bxn。将最后一次的估计值存储到带电可擦写只读存储器空间中，该空间存储信息为长周期充放电循环次数的单体容量平均值，即按照上述原则，每当电池充放电循环次数达到50次，进行一次估计值记录。
S4：查找当前系统放电电量累计值下，系统默认电池容量衰减值情况。
具体的，系统默认电池容量衰减值是指电池管理系统中写入的在电池系统开发过程中统计确认的标准使用情况下，电池放电电量累计值达到一定值时，对应电池衰减的容量值，是一个一维查表值，可以命名为标准充放电循环次数-容量对照表。
S5：用S3步骤得到的长周期充放电循环次数的单体容量平均值与S4步骤查得的电池容量标准值进行差值比较(基于指定的相同充放电循环次数)，将该差值(此处命名为单次容量差值)写入到带电可擦写只读存储器中。该差值在满足记录条件进行多次记录存储后，针对不同的记录存储个数进行不同方案的电池剩余充放电循环次数估算。
具体的计算方法如下：
S501：当系统存储的差值个数仅为1个时，基于该差值对标准充放电循环次数-容量对照关系曲线进行平移，得到当前电池的充放电循环次数-容量对照关系曲线，进而计算电池容量衰减到80％时，电池对应充放电循环次数。如图5所示。
S502：当系统存储的差值个数超过1个、小于等于5个时，通过这几个特征值进行最小二乘线性拟合，使用拟合后的线性关系估算当前最近一次容量差值，基于该差值对标准充放电循环次数-容量对照关系曲线进行平移，进而计算电池容量衰减到80％时，电池对应充放电循环次数。如图6所示。
S503：当系统存储的差值个数超过5个时，为了降低处理器的计算压力，因此控制参与计算读取的差值个数最多不超过10个，如果系统中存储的差值个数超过10个，以最近时刻的10个数据进行抛物线拟合。通过获得的累计放电量与对应单次容量差值进行二次抛物线拟合，使用拟合后的二次曲线进行逆向推导，计算电池容量衰减到80％时，电池对应充放电循环次数，如图7所示，具体估算方法及公式如下：
抛物线拟合的函数形式为y＝a0+a1x+a2x2，其中y为电池单体容量的实际平均值，x为电池充、放电循环次数。有三个系数a0、a1、a2需要求解，即求解三元线性方程组，其矩阵形式为：
其中需要分别计算的项分别为
其三元线性方程组的矩阵形式变为：
其中，m为最优估计值的个数。yi为第i个最优估计值。xi为第i个最优估计值对应的电池充、放电循环次数。
求解这个三元线性方程组，就可以得到抛物线拟合函数y的3个系数a0、a1、a2,将该系数代入公式y＝a0+a1x+a2x2中，计算电池容量衰减到80％时，电池对应充放电循环次数。
通过得到估算的电池容量衰减到80％时的充放电循环次数，实现电池寿命预测工作。
本申请实施例具有与上述实施例中的任意方案相同的有益效果。
图9为本发明一种实施例提供的电池寿命预测装置的结构示意图。该装置可适用于对电池的寿命进行预测的情况。典型的，本方法可以适用于对具有能量存储和转换功能的可充、放电电池进行寿命预测的情况。该装置可以由软件和/或硬件的方式实现，该装置可以集成在具有电池寿命预测功能的电子设备中。参见图9，该装置具体包括：
容量获取模块310，用于在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
最优估计值确定模块320，用于根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
关系确定模块330，用于根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
可用循环次数确定模块340，用于根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
在本申请实施例中，所述容量获取模块310，包括：
循环次数判断单元，用于每当电池充、放电循环次数为预设数值的整数倍时，获取电池单体容量的实际平均值。
再统计单元，用于每当获取电池单体容量的实际平均值的数量达到预设数量时，则将下一次获取的电池单体容量的实际平均值作为第一个数值，再次统计获取电池单体容量的实际平均值的数量。
在本申请实施例中，所述最优估计值确定模块320，包括：
拟合单元，用于每当获取电池单体容量的实际平均值的数量达到预设数量时，采用最小二乘法对预设数量的电池单体容量的实际平均值进行线性拟合。
最优估计单元，用于根据得到的第一线性拟合关系，确定最后一次充、放电循环对应的电池单体容量的估计平均值，作为所述电池单体容量的最优估计值。
在本申请实施例中，所述关系确定模块330，包括：
理论平均值确定单元，用于从预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系中，确定与最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值。
差值确定单元，用于确定最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值，以及所述最优估计值的差值。
数量统计单元，用于统计非零差值的数量。
在本申请实施例中，所述装置还包括：
平移模块，用于若所述非零差值的数量小于或等于第一预设个数，则将预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线平移至与最优估计点重合；其中，所述最优估计点的纵坐标为最优估计值，横坐标为所述最优估计值对应的实际充、放电循环次数。
在本申请实施例中，所述装置还包括：
线性拟合模块，用于若所述非零差值的数量大于第一预设个数，且小于或等于第二预设个数，则对所述非零差值进行线性拟合。
拟合差值确定模块，用于根据得到的第二线性拟合关系，确定各理论充、放电循环次数对应的拟合差值；
变换模块，用于根据所述拟合差值，对各理论充、放电循环次数对应的电池单体容量理论平均值进行平移，得到电池单体容量实际平均值与实际充、放电循环次数的对应关系。
在本申请实施例中，所述装置还包括：
曲线拟合模块，用于若所述非零差值的数量大于第二预设个数，则根据第三预设数量的最优估计值进行n阶曲线拟合；其中n≥2；
对应关系确定模块，用于将n阶曲线拟合得到的曲线关系，作为电池单体容量实际平均值与实际充、放电循环次数的对应关系。
本申请实施例所提供的电池寿命预测装置可执行本申请任意实施例所提供的电池寿命预测方法，具备执行方法相应的功能模块和有益效果。
图10为本发明一种实施例提供的电子设备的结构示意图。图10示出了适于用来实现本申请实施例的示例性电子设备412的框图。图10显示的电子设备412仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示，电子设备412可以包括：一个或多个处理器416；存储器428，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器416执行，使得所述一个或多个处理器416实现本申请实施例所提供的电池寿命预测方法，包括：
在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
电子设备412的组件可以包括但不限于：一个或者多个处理器或者处理器416，存储器428，连接不同设备组件(包括存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备412典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被电子设备412访问的可用存储介质，包括易失性和非易失性存储介质，可移动的和不可移动的存储介质。
存储器428可以包括易失性存储器形式的计算机设备可读存储介质，例如随机存取存储器(RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁存储介质(图10未显示，通常称为“硬盘驱动器”)。尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据存储介质接口与总线418相连。存储器428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储器428中，这样的程序模块442包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图10所示，网络适配器420通过总线418与电子设备412的其它模块通信。应当明白，尽管图10中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。
处理器416通过运行存储在存储器428中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的一种电池寿命预测方法。
本发明一种实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行电池寿命预测方法，包括：
在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形存储介质，该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。
计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种电池寿命预测方法，其特征在于，所述方法包括：
在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数；
根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系，包括：
从预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系中，确定与最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值；
确定最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值，以及所述最优估计值的差值；
统计非零差值的数量；
根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系，还包括：
若所述非零差值的数量小于或等于第一预设个数，则将预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线平移至与最优估计点重合；其中，所述最优估计点的纵坐标为最优估计值，横坐标为所述最优估计值对应的实际充、放电循环次数。
2.根据权利要求1所述的方法，其特征在于，在电池充、放电过程中，获取电池单体容量的至少一个实际平均值，包括：
每当电池充、放电循环次数为预设数值的整数倍时，获取电池单体容量的实际平均值；
每当获取电池单体容量的实际平均值的数量达到预设数量时，则将下一次获取的电池单体容量的实际平均值作为第一个数值，再次统计获取电池单体容量的实际平均值的数量。
3.根据权利要求2所述的方法，其特征在于，根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值，包括：
每当获取电池单体容量的实际平均值的数量达到预设数量时，采用最小二乘法对预设数量的电池单体容量的实际平均值进行线性拟合；
根据得到的第一线性拟合关系，确定最后一次充、放电循环对应的电池单体容量的估计平均值，作为所述电池单体容量的最优估计值。
4.根据权利要求1所述的方法，其特征在于，根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系，还包括：
若所述非零差值的数量大于第一预设个数，且小于或等于第二预设个数，则对所述非零差值进行线性拟合；
根据得到的第二线性拟合关系，确定各理论充、放电循环次数对应的拟合差值；
根据所述拟合差值，对各理论充、放电循环次数对应的电池单体容量理论平均值进行平移，得到电池单体容量实际平均值与实际充、放电循环次数的对应关系。
5.根据权利要求1所述的方法，其特征在于，根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系，还包括：
若所述非零差值的数量大于第二预设个数，则根据第三预设数量的最优估计值进行n阶曲线拟合；其中n≥2；
将n阶曲线拟合得到的曲线关系，作为电池单体容量实际平均值与实际充、放电循环次数的对应关系。
6.一种电池寿命预测装置，其特征在于，所述装置包括：
容量获取模块，用于在电池充、放电过程中，获取电池单体容量的至少一个实际平均值；
最优估计值确定模块，用于根据所述电池单体容量的至少一个实际平均值，确定所述电池单体容量的最优估计值；
关系确定模块，用于根据所述最优估计值，以及预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系，确定电池单体容量实际平均值与实际充、放电循环次数的对应关系；
可用循环次数确定模块，用于根据电池单体容量实际平均值与实际充、放电循环次数的对应关系，确定电池的可用充、放电循环次数；
所述关系确定模块，包括：
理论平均值确定单元，用于从预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系中，确定与最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值；
差值确定单元，用于确定最优估计值对应的实际充、放电循环次数下电池单体容量理论平均值，以及所述最优估计值的差值；
数量统计单元，用于统计非零差值的数量；
平移模块，用于若所述非零差值的数量小于或等于第一预设个数，则将预设的电池单体容量理论平均值与理论充、放电循环次数的对应关系曲线平移至与最优估计点重合；其中，所述最优估计点的纵坐标为最优估计值，横坐标为所述最优估计值对应的实际充、放电循环次数。
7.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一项所述的电池寿命预测方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的电池寿命预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011134309.1A CN112345954B (zh) | 2020-10-21 | 2020-10-21 | 电池寿命预测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011134309.1A CN112345954B (zh) | 2020-10-21 | 2020-10-21 | 电池寿命预测方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112345954A CN112345954A (zh) | 2021-02-09 |
| CN112345954B true CN112345954B (zh) | 2024-04-09 |
Family
ID=74359595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011134309.1A Active CN112345954B (zh) | 2020-10-21 | 2020-10-21 | 电池寿命预测方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112345954B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101359036A (zh) * | 2007-07-31 | 2009-02-04 | 比亚迪股份有限公司 | 电池荷电状态的测定方法 |
| JP2010249691A (ja) * | 2009-04-16 | 2010-11-04 | Nittetsu Elex Co Ltd | 校正曲線の作成方法 |
| CN102472803A (zh) * | 2010-03-05 | 2012-05-23 | 松下电器产业株式会社 | 满充电容量值修正电路、电池组件及充电系统 |
| CN103760494A (zh) * | 2014-01-21 | 2014-04-30 | 清华大学 | 电池容量在线估计方法及系统 |
| CN104977544A (zh) * | 2015-07-10 | 2015-10-14 | 重庆长安汽车股份有限公司 | 纯电动汽车用电池组剩余可用能量的估算方法和装置 |
| CN106932728A (zh) * | 2017-03-31 | 2017-07-07 | 奇瑞汽车股份有限公司 | 电池荷电状态soc修正方法、装置及电动汽车 |
| CN107219461A (zh) * | 2016-03-22 | 2017-09-29 | 珠海光宇电池有限公司 | 二次电池的寿命预测方法及电源管理方法 |
| CN109541490A (zh) * | 2018-11-16 | 2019-03-29 | 北汽福田汽车股份有限公司 | 电池的寿命估算方法、系统及车辆 |
| CN109633474A (zh) * | 2018-11-14 | 2019-04-16 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
| 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 |
-
2020
- 2020-10-21 CN CN202011134309.1A patent/CN112345954B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101359036A (zh) * | 2007-07-31 | 2009-02-04 | 比亚迪股份有限公司 | 电池荷电状态的测定方法 |
| JP2010249691A (ja) * | 2009-04-16 | 2010-11-04 | Nittetsu Elex Co Ltd | 校正曲線の作成方法 |
| CN102472803A (zh) * | 2010-03-05 | 2012-05-23 | 松下电器产业株式会社 | 满充电容量值修正电路、电池组件及充电系统 |
| CN103760494A (zh) * | 2014-01-21 | 2014-04-30 | 清华大学 | 电池容量在线估计方法及系统 |
| CN104977544A (zh) * | 2015-07-10 | 2015-10-14 | 重庆长安汽车股份有限公司 | 纯电动汽车用电池组剩余可用能量的估算方法和装置 |
| CN107219461A (zh) * | 2016-03-22 | 2017-09-29 | 珠海光宇电池有限公司 | 二次电池的寿命预测方法及电源管理方法 |
| CN106932728A (zh) * | 2017-03-31 | 2017-07-07 | 奇瑞汽车股份有限公司 | 电池荷电状态soc修正方法、装置及电动汽车 |
| CN109633474A (zh) * | 2018-11-14 | 2019-04-16 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
| CN109541490A (zh) * | 2018-11-16 | 2019-03-29 | 北汽福田汽车股份有限公司 | 电池的寿命估算方法、系统及车辆 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| Modeling of Lithium-Ion Battery Degradation for Cell Life Assessment;Bolun Xu 等;IEEE Transactions on Smart Grid;第9卷(第2期);第1131-1140页 * |
| 铅酸电池剩余放电时间预测的数学模型;宋剑萍;;电子设计工程(16);第54-57及62页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112345954A (zh) | 2021-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11408942B2 (en) | Method for predicting service life of retired power battery | |
| CN109613445B (zh) | 一种估计动力电池的健康状态的方法和装置 | |
| CN113794254B (zh) | 一种热管理策略配置方法、装置、计算机设备和存储介质 | |
| CN111231758B (zh) | 一种电池容量的估算方法、装置、电子设备及介质 | |
| CN112345954B (zh) | 电池寿命预测方法、装置、电子设备及介质 | |
| CN114371408B (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
| CN112014737A (zh) | 一种电芯的健康状态的检测方法、装置、设备及存储介质 | |
| CN112615405B (zh) | 一种电池组的被动均衡方法、设备及装置 | |
| CN114384436A (zh) | 退役锂离子动力电池的筛选方法、装置、设备和存储介质 | |
| CN110303941B (zh) | 一种电池均衡方法、系统、设备以及介质 | |
| CN113815481B (zh) | 电池包选择方法、装置、电子设备及存储介质 | |
| CN110850315A (zh) | 一种电池荷电状态的估算方法及装置 | |
| CN116299116A (zh) | 一种储能系统ocv-soc校准方法及电子设备 | |
| CN115267556A (zh) | 电池寿命衰降分析方法、存储介质及电子设备 | |
| CN115882530A (zh) | 储能电池组的均衡控制方法、装置、设备和存储介质 | |
| CN112782601A (zh) | 电池健康度的获取方法、系统、设备及可读存储介质 | |
| CN113805084B (zh) | 电池容量衰减的计算方法、装置、计算机设备及存储介质 | |
| CN114527395A (zh) | 电芯电性能评估方法、装置、电子设备和存储介质 | |
| CN117665576A (zh) | 一种电池荷电状态获得方法以及装置 | |
| CN115754774A (zh) | 锂电池混联系统的soc电量预测方法、装置及计算机设备 | |
| CN117852759A (zh) | 储能设备残值评估方法、装置、设备及存储介质 | |
| CN115117949A (zh) | 一种电池限流方法、设备及存储介质 | |
| Sausen et al. | PROPOSITION OF AN EXTENSION TO THE PEUKERT’S LAWMODEL APPLIED TO THE PREDICTION OF THE BATTERIESLIFETIME | |
| CN117559010A (zh) | 储能系统的功率控制装置、方法、存储介质及储能系统 | |
| CN116520159A (zh) | 确定锂离子电池充电截止电压的方法及电子设备 |
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 |