CN112433169A - 一种云端动力电池健康度评估系统及方法 - Google Patents
一种云端动力电池健康度评估系统及方法 Download PDFInfo
- Publication number
- CN112433169A CN112433169A CN202011334011.5A CN202011334011A CN112433169A CN 112433169 A CN112433169 A CN 112433169A CN 202011334011 A CN202011334011 A CN 202011334011A CN 112433169 A CN112433169 A CN 112433169A
- Authority
- CN
- China
- Prior art keywords
- data
- health
- real
- power battery
- standard database
- 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.)
- Granted
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
-
- 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
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
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)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及一种云端动力电池健康度评估系统及方法。该系统包括数据采集装置、云端数据平台、数据预处理装置以及动力电池健康评估系统；所述数据采集装置与运行的新能源汽车的动力电池连接；所述云端数据平台与所述数据采集装置连接；所述数据预处理装置与所述云端数据平台连接；所述动力电池健康评估系统与所述数据预处理装置连接；所述动力电池健康评估系统用于将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果。本发明实现对动力电池健康状态的低成本、实时在线、准确地评估。
Description
技术领域
本发明涉及动力电池健康状态评估领域，特别是涉及一种云端动力电池健康度评估系统及方法。
背景技术
随着新能源汽车越来越多的应用，车主、厂家、电池梯次利用回收企业和检测机构等对动力电池的健康状态也越来越重视。没有电池健康状态的准确判断，就无法对车辆进行合理的能量管理，也无法完成车辆价值的准确评估。因此，动力电池健康状态的评估十分必要。
目前对于动力电池健康状态评估的方法主要有以下三类：
第一类是基于电池充/放电数据，提取电压差分(DV)或容量增量(IC)特征进行评估。该方法在评估健康状态时需要进行完整或部分充电，对充电条件和电压电流采样频率与精度要求较高，否则误差较大。
第二类是基于不同寿命阶段电池OCV-SOC曲线查表进行评估。该方法需要电池全寿命周期的OCV-SOC曲线，这需要高成本长周期的寿命试验支撑。
第三类是基于模型(等效电路模型、经验模型、电化学模型等)的评估方法。然而模型参数需要通过试验或历史参数辨识，模型的精度和过拟合现象对评估的准确性影响较大，复杂的模型对计算量和存储也有很高要求，应用成本较高。
因此，亟需一种电池健康度的评估系统或方法，能够解决现有技术中的弊端，进而能够实现对动力电池健康状态的低成本、实时在线、准确地评估。
发明内容
本发明的目的是提供一种云端动力电池健康度评估系统及方法，实现对动力电池健康状态的低成本、实时在线、准确地评估。
为实现上述目的，本发明提供了如下方案：
一种云端动力电池健康度评估系统，包括：数据采集装置、数据发送装置、云端数据平台、数据预处理装置以及动力电池健康评估系统；
所述数据采集装置与运行的新能源汽车的动力电池连接；所述数据采集装置用于实时采集所述动力电池的实时的数据；所述数据包括：车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、最高和最低单体电压以及最高和最低温度；
所述云端数据平台与通过所述数据发送装置与所述数据采集装置连接；所述云端数据平台用于接收所述实时的数据，并将接收的所述实时的数据进行存储；
所述数据预处理装置与所述云端数据平台连接；所述数据预处理装置用于将所述实时的数据进行预处理；所述预处理包括：筛选、清洗、切片以及数据重构；
所述动力电池健康评估系统与所述数据预处理装置连接；所述动力电池健康评估系统用于将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果；所述特征标准数据库为所有车辆运行初期的数据；所述运行初期的数据为车辆在设定行程公里范围以内运行的数据。
可选的，所述云端数据平台包括：数据接收模块以及数据存储模块；
所述数据接收模块与所述数据发送装置连接；所述数据接收模块用于接收所述实时的数据；
所述数据存储模块分别与所述数据接收模块以及所述数据预处理装置连接；所述数据存储模块用于将接收的所述实时的数据进行存储。
可选的，所述动力电池健康评估系统包括：特征标准数据库模块和评估算法模块；
所述特征标准数据库模块用于将所述车辆运行初期的数据进行分类以及特征提取，确定特征标准数据库；所述特征标准数据库模块与所述数据预处理装置连接；所述特征标准数据库模块还用于将所述实时的数据进行分类以及进行特征提取；
所述评估算法模块与所述特征标准数据库模块连接；所述评估算法模块用于根据实时的数据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果。
可选的，所述特征标准数据库模块包括分类单元、电芯健康标准数据库以及整包健康标准数据库；
所述分类单元用于将数据根据车辆种类、电化学体系、充电截止条件和温度进行分类；
所述电芯健康标准数据库分别与所述分类单元以及所述评估算法模块连接；所述电芯健康标准数据库用于存储截止电压、SOC-OCV、自放电率以及内阻特征；
所述整包健康标准数据库分别与所述分类单元以及所述评估算法模块连接；所述整包健康标准数据库用于存储均衡效果、电压一致性、温度一致性以及续航里程。
可选的，所述动力电池健康评估系统还包括：评估分析报告生成模块；
所述评估分析报告生成模块与所述评估算法模块连接；所述评估分析报告生成模块用于根据所述电池健康评估结果生成评估分析报告。
可选的，所述动力电池健康评估系统还包括：显示模块；
所述显示模块与所述评估算法模块连接；所述显示模块用于将所述电池健康评估结果进行显示。
一种云端动力电池健康度评估方法，包括：
获取运行的新能源汽车的动力电池的实时的数据；所述数据包括：车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、最高和最低单体电压以及最高和最低温度；
将所述实时数据进行预处理；所述预处理包括：筛选、清洗、切片以及数据重构；
将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度；
根据所述电池健康度输出电池健康评估结果。
可选的，所述将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，具体包括：
对所述预处理后的实时的数据进行分类；
根据分类后的实时的数据，提取与电芯健康标准数据库中对应的特征；与所述电芯健康标准数据库中对应的特征包括：截止电压、SOC-OCV、自放电率以及内阻；
根据分类后的实时的数据，提取与整包健康标准数据库对应的特征；与所述整包健康标准数据库对应的特征包括：均衡效果、电压一致性、温度一致性以及续航里程；
根据实时的数据提取后的特征与所述电芯健康标准数据库中对应的特征以及与所述整包健康标准数据库对应的特征进行作差；
根据作差结果，基于机器学习算法确定电池健康度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种云端动力电池健康度评估系统及方法，基于全工况条件全工作区间的全量电动汽车运行数据，首先以新状态的车辆运行初期的数据为基础，建立特征标准数据库，并通过云端实时采集数据持续更新、优化、完善数据库内容。然后，接收单车实时运行数据，提取出与标准数据库里对应的特征。最后，评估算法完成评估，输出电池健康评估结果。全量数据的基础，可以保证实时数据的准确性。本发明提出的特征标准数据库的大大减少了传统数据驱动方法的存储需求，降低了大数据分析储存资源的成本。通过提取实时在线运行车辆的特征数据与标准数据库进行差值比较，大大降低了对模型运算资源的需求，并可以实时对运行车辆健康度进行评估。达到了低成本、实时在线、准确评估的目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种云端动力电池健康度评估系统结构示意图；
图2为本发明所提供的一种云端动力电池健康度评估系统架构图；
图3为本发明所提供的一种云端动力电池健康度评估方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种云端动力电池健康度评估系统及方法，实现对动力电池健康状态的低成本、实时在线、准确地评估。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种云端动力电池健康度评估系统结构示意图，图2为本发明所提供的一种云端动力电池健康度评估系统架构图，如图1和图2所示，本发明所提供的一种云端动力电池健康度评估系统，包括：数据采集装置1、数据发送装置、云端数据平台2、数据预处理装置3以及动力电池健康评估系统4。
所述数据采集装置1与运行的新能源汽车的动力电池连接；所述数据采集装置1用于实时采集所述动力电池的实时的数据；所述数据包括：车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、最高和最低单体电压以及最高和最低温度。
所述云端数据平台2通过所述数据发送装置与所述数据采集装置1连接；所述云端数据平台2用于接收所述实时的数据，并将接收的所述实时的数据进行存储。
所述数据预处理装置3与所述云端数据平台2连接；所述数据预处理装置3用于将所述实时的数据进行预处理；所述预处理包括：筛选、清洗、切片以及数据重构。
所述动力电池健康评估系统4与所述数据预处理装置3连接；所述动力电池健康评估系统4用于将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果；所述特征标准数据库为所有车辆运行初期的数据；所述运行初期的数据为车辆在设定行程公里范围以内运行的数据。为了持续更新完善数据库，实时接收的新车数据。
所述云端数据平台2包括：数据接收模块以及数据存储模块。
所述数据接收模块与所述数据发送装置连接；所述数据接收模块用于接收所述实时的数据。
所述数据存储模块分别与所述数据接收模块以及所述数据预处理装置3连接；所述数据存储模块用于将接收的所述实时的数据进行存储。
所述动力电池健康评估系统4包括：特征标准数据库模块和评估算法模块；
所述特征标准数据库模块用于将所述车辆运行初期的数据进行分类以及特征提取，确定特征标准数据库；所述特征标准数据库模块与所述数据预处理装置3连接；所述特征标准数据库模块还用于将所述实时的数据进行分类以及进行特征提取。
所述评估算法模块与所述特征标准数据库模块连接；所述评估算法模块用于根据实时的数据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果。
所述特征标准数据库模块包括分类单元、电芯健康标准数据库以及整包健康标准数据库。
所述分类单元用于将数据根据车辆种类、电化学体系、充电截止条件和温度进行分类。
所述电芯健康标准数据库分别与所述分类单元以及所述评估算法模块连接；所述电芯健康标准数据库用于存储截止电压、SOC-OCV、自放电率以及内阻特征。
所述整包健康标准数据库分别与所述分类单元以及所述评估算法模块连接；所述整包健康标准数据库用于存储均衡效果、电压一致性、温度一致性以及续航里程。
作为一个具体的实施例，车辆种类可以分为乘用车(可进一步分为私家车、共享租赁车、网约车、公务车等)、商用车(可进一步分为客车、专用车等)。电化学体系可以分为磷酸铁锂、三元锂、锰酸锂等类型。充电截止条件按照车辆满充截止电压大小分类。温度区间按照电池探针所测电池最低温度或最高温度每1℃或2℃进行分类。
所述动力电池健康评估系统4还包括：评估分析报告生成模块。
所述评估分析报告生成模块与所述评估算法模块连接；所述评估分析报告生成模块用于根据所述电池健康评估结果生成评估分析报告。
所述动力电池健康评估系统4还包括：显示模块。
所述显示模块与所述评估算法模块连接；所述显示模块用于将所述电池健康评估结果进行显示。
作为一个具体的实施例，车辆运行初期数据经过分类后，提取出满充截止电压、SOC-OCV曲线、自放电率、内阻等特征作为电芯健康评估的标准。提取出均衡效果、电压一致性、温度一致性、续航里程等特征作为整包健康评估标准。
单车实时的数据经由分类后，提取出满充截止电压、SOC-OCV曲线、自放电率、内阻、均衡效果、电压一致性、温度一致性、续航里程等特征，并对提取特征与标准数据库进行差值检测，从而输出电池健康评估结果。
图3为本发明所提供的一种云端动力电池健康度评估方法流程示意图，如图3所示，本发明所提供的一种云端动力电池健康度评估方法，包括：
S301，获取运行的新能源汽车的动力电池的实时的数据；所述数据包括：车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、最高和最低单体电压以及最高和最低温度。
S302，将所述实时数据进行预处理；所述预处理包括：筛选、清洗、切片以及数据重构。
S303，将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度。
S304，根据所述电池健康度输出电池健康评估结果。
S303具体包括：
对所述预处理后的实时的数据进行分类。
根据分类后的实时的数据，提取与电芯健康标准数据库中对应的特征；与所述电芯健康标准数据库中对应的特征包括：截止电压、SOC-OCV、自放电率以及内阻。
根据分类后的实时的数据，提取与整包健康标准数据库对应的特征；与所述整包健康标准数据库对应的特征包括：均衡效果、电压一致性、温度一致性以及续航里程。
根据实时的数据提取后的特征与所述电芯健康标准数据库中对应的特征以及与所述整包健康标准数据库对应的特征进行作差。
根据作差结果，基于机器学习算法确定电池健康度。
本发明基于全工况条件全工作区间的全量电动汽车运行数据，通过提取动力电池寿命初期(BOL)健康特征，建立一种电池健康度的评估方法，实现对动力电池健康状态的低成本、实时在线、准确评估。基于全工况条件全工作区间的全量数据提取电池BOL健康特征，形成特征标准数据库，降低后期模型运算复杂度和对大数据存储能力的要求，达到低成本评估的目的。通过接收车辆实时采集数据，评估模型提取重组数据，实时在线评估并输出结果。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种云端动力电池健康度评估系统，其特征在于，包括：数据采集装置、数据发送装置、云端数据平台、数据预处理装置以及动力电池健康评估系统；
所述数据采集装置与运行的新能源汽车的动力电池连接；所述数据采集装置用于实时采集所述动力电池的实时的数据；所述数据包括：车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、最高和最低单体电压以及最高和最低温度；
所述云端数据平台通过所述数据发送装置与所述数据采集装置连接；所述云端数据平台用于接收所述实时的数据，并将接收的所述实时的数据进行存储；
所述数据预处理装置与所述云端数据平台连接；所述数据预处理装置用于将所述实时的数据进行预处理；所述预处理包括：筛选、清洗、切片以及数据重构；
所述动力电池健康评估系统与所述数据预处理装置连接；所述动力电池健康评估系统用于将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果；所述特征标准数据库为所有车辆运行初期的数据；所述运行初期的数据为车辆在设定行程公里范围以内运行的数据。
2.根据权利要求1所述的一种云端动力电池健康度评估系统，其特征在于，所述云端数据平台包括：数据接收模块以及数据存储模块；
所述数据接收模块与所述数据发送装置连接；所述数据接收模块用于接收所述实时的数据；
所述数据存储模块分别与所述数据接收模块以及所述数据预处理装置连接；所述数据存储模块用于将接收的所述实时的数据进行存储。
3.根据权利要求1所述的一种云端动力电池健康度评估系统，其特征在于，所述动力电池健康评估系统包括：特征标准数据库模块和评估算法模块；
所述特征标准数据库模块用于将所述车辆运行初期的数据进行分类以及特征提取，确定特征标准数据库；所述特征标准数据库模块与所述数据预处理装置连接；所述特征标准数据库模块还用于将所述实时的数据进行分类以及进行特征提取；
所述评估算法模块与所述特征标准数据库模块连接；所述评估算法模块用于根据实时的数据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，并根据所述电池健康度输出电池健康评估结果。
4.根据权利要求3所述的一种云端动力电池健康度评估系统，其特征在于，所述特征标准数据库模块包括分类单元、电芯健康标准数据库以及整包健康标准数据库；
所述分类单元用于将数据根据车辆种类、电化学体系、充电截止条件和温度进行分类；
所述电芯健康标准数据库分别与所述分类单元以及所述评估算法模块连接；所述电芯健康标准数据库用于存储截止电压、SOC-OCV、自放电率以及内阻特征；
所述整包健康标准数据库分别与所述分类单元以及所述评估算法模块连接；所述整包健康标准数据库用于存储均衡效果、电压一致性、温度一致性以及续航里程。
5.根据权利要求3所述的一种云端动力电池健康度评估系统，其特征在于，所述动力电池健康评估系统还包括：评估分析报告生成模块；
所述评估分析报告生成模块与所述评估算法模块连接；所述评估分析报告生成模块用于根据所述电池健康评估结果生成评估分析报告。
6.根据权利要求3所述的一种云端动力电池健康度评估系统，其特征在于，所述动力电池健康评估系统还包括：显示模块；
所述显示模块与所述评估算法模块连接；所述显示模块用于将所述电池健康评估结果进行显示。
7.一种云端动力电池健康度评估方法，其特征在于，包括：
获取运行的新能源汽车的动力电池的实时的数据；所述数据包括：车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、最高和最低单体电压以及最高和最低温度；
将所述实时数据进行预处理；所述预处理包括：筛选、清洗、切片以及数据重构；
将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度；
根据所述电池健康度输出电池健康评估结果。
8.根据权利要求7所述的一种云端动力电池健康度评估方法，其特征在于，所述将预处理后的实时的数据进行特征提取，并根据提取后的特征与特征标准数据库中相对应的特征，基于机器学习算法确定电池健康度，具体包括：
对所述预处理后的实时的数据进行分类；
根据分类后的实时的数据，提取与电芯健康标准数据库中对应的特征；与所述电芯健康标准数据库中对应的特征包括：截止电压、SOC-OCV、自放电率以及内阻；
根据分类后的实时的数据，提取与整包健康标准数据库对应的特征；与所述整包健康标准数据库对应的特征包括：均衡效果、电压一致性、温度一致性以及续航里程；
根据实时的数据提取后的特征与所述电芯健康标准数据库中对应的特征以及与所述整包健康标准数据库对应的特征进行作差；
根据作差结果，基于机器学习算法确定电池健康度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011334011.5A CN112433169B (zh) | 2020-11-25 | 2020-11-25 | 一种云端动力电池健康度评估系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011334011.5A CN112433169B (zh) | 2020-11-25 | 2020-11-25 | 一种云端动力电池健康度评估系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112433169A true CN112433169A (zh) | 2021-03-02 |
| CN112433169B CN112433169B (zh) | 2022-11-29 |
Family
ID=74697410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011334011.5A Active CN112433169B (zh) | 2020-11-25 | 2020-11-25 | 一种云端动力电池健康度评估系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112433169B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113253128A (zh) * | 2021-05-12 | 2021-08-13 | 合肥国轩高科动力能源有限公司 | 一种电池系统soc一致性评估方法和内阻一致性评估方法 |
| CN113246796A (zh) * | 2021-05-24 | 2021-08-13 | 广东技术师范大学 | 一种基于5g网络的云端车载电池信息数据库 |
| CN113306449A (zh) * | 2021-06-15 | 2021-08-27 | 安徽信息工程学院 | 一种新能源汽车的电池健康提醒方法及系统 |
| CN113433466A (zh) * | 2021-05-28 | 2021-09-24 | 北京元代码科技有限公司 | 一种新能源汽车动力电池检测方法及系统 |
| CN113595174A (zh) * | 2021-06-29 | 2021-11-02 | 摩拜(北京)信息技术有限公司 | 电池管理方法、装置、设备和服务器 |
| CN113866655A (zh) * | 2021-09-27 | 2021-12-31 | 北京理工新源信息科技有限公司 | 融合车联网运行数据与测试数据的动力电池容量评估方法 |
| CN113858956A (zh) * | 2021-09-29 | 2021-12-31 | 北理新源(佛山)信息科技有限公司 | 新能源汽车数据采集与处理方法系统 |
| CN114264969A (zh) * | 2021-12-21 | 2022-04-01 | 蜂巢能源科技(无锡)有限公司 | 一种电芯自放电性能评估方法及装置 |
| CN114779098A (zh) * | 2022-04-14 | 2022-07-22 | 江苏金锋源新能源有限公司 | 一种锂离子电池的状态评估方法及系统 |
| CN115453400A (zh) * | 2022-09-30 | 2022-12-09 | 华南理工大学 | 车载动力电池健康度评估方法、系统及介质 |
| CN116148679A (zh) * | 2023-04-19 | 2023-05-23 | 深圳市伟创源科技有限公司 | 一种电池健康状态的预测方法及相关装置 |
| CN116609686A (zh) * | 2023-04-18 | 2023-08-18 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
| CN116707098A (zh) * | 2023-08-05 | 2023-09-05 | 速源芯(东莞)能源科技有限公司 | 电源充放电显示控制系统及方法 |
| CN118091471A (zh) * | 2024-04-25 | 2024-05-28 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种动力电池评估方法和系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150268308A1 (en) * | 2014-03-19 | 2015-09-24 | Toyota Jidosha Kabushiki Kaisha | Deterioration determining device for battery |
| CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理系统 |
| CN106696712A (zh) * | 2016-12-20 | 2017-05-24 | 常州普莱德新能源电池科技有限公司 | 动力电池故障检测方法、系统及电动车辆 |
| CN107122594A (zh) * | 2017-04-10 | 2017-09-01 | 湖南中车时代电动汽车股份有限公司 | 一种新能源车辆电池的健康预测方法和系统 |
| CN107797070A (zh) * | 2017-10-24 | 2018-03-13 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态的评估方法及评估装置 |
| CN109100655A (zh) * | 2018-06-29 | 2018-12-28 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
| CN110549902A (zh) * | 2018-03-30 | 2019-12-10 | 比亚迪股份有限公司 | 云服务器、电动汽车及其中动力电池的管理系统、方法 |
| CN110837058A (zh) * | 2019-11-06 | 2020-02-25 | 江苏科技大学 | 基于大数据的电池组健康状态评估装置及评估方法 |
-
2020
- 2020-11-25 CN CN202011334011.5A patent/CN112433169B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150268308A1 (en) * | 2014-03-19 | 2015-09-24 | Toyota Jidosha Kabushiki Kaisha | Deterioration determining device for battery |
| CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理系统 |
| CN106696712A (zh) * | 2016-12-20 | 2017-05-24 | 常州普莱德新能源电池科技有限公司 | 动力电池故障检测方法、系统及电动车辆 |
| CN107122594A (zh) * | 2017-04-10 | 2017-09-01 | 湖南中车时代电动汽车股份有限公司 | 一种新能源车辆电池的健康预测方法和系统 |
| CN107797070A (zh) * | 2017-10-24 | 2018-03-13 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态的评估方法及评估装置 |
| CN110549902A (zh) * | 2018-03-30 | 2019-12-10 | 比亚迪股份有限公司 | 云服务器、电动汽车及其中动力电池的管理系统、方法 |
| CN109100655A (zh) * | 2018-06-29 | 2018-12-28 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
| CN110837058A (zh) * | 2019-11-06 | 2020-02-25 | 江苏科技大学 | 基于大数据的电池组健康状态评估装置及评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈满等: "锂电池健康状态监测与评价技术研究", 《水电站机电技术》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113253128B (zh) * | 2021-05-12 | 2022-04-12 | 合肥国轩高科动力能源有限公司 | 一种电池系统soc一致性评估方法和内阻一致性评估方法 |
| CN113253128A (zh) * | 2021-05-12 | 2021-08-13 | 合肥国轩高科动力能源有限公司 | 一种电池系统soc一致性评估方法和内阻一致性评估方法 |
| CN113246796A (zh) * | 2021-05-24 | 2021-08-13 | 广东技术师范大学 | 一种基于5g网络的云端车载电池信息数据库 |
| CN113433466A (zh) * | 2021-05-28 | 2021-09-24 | 北京元代码科技有限公司 | 一种新能源汽车动力电池检测方法及系统 |
| CN113306449A (zh) * | 2021-06-15 | 2021-08-27 | 安徽信息工程学院 | 一种新能源汽车的电池健康提醒方法及系统 |
| CN113306449B (zh) * | 2021-06-15 | 2023-11-03 | 安徽信息工程学院 | 一种新能源汽车的电池健康提醒方法及系统 |
| CN113595174A (zh) * | 2021-06-29 | 2021-11-02 | 摩拜(北京)信息技术有限公司 | 电池管理方法、装置、设备和服务器 |
| CN113866655A (zh) * | 2021-09-27 | 2021-12-31 | 北京理工新源信息科技有限公司 | 融合车联网运行数据与测试数据的动力电池容量评估方法 |
| CN113858956A (zh) * | 2021-09-29 | 2021-12-31 | 北理新源(佛山)信息科技有限公司 | 新能源汽车数据采集与处理方法系统 |
| CN114264969A (zh) * | 2021-12-21 | 2022-04-01 | 蜂巢能源科技(无锡)有限公司 | 一种电芯自放电性能评估方法及装置 |
| CN114264969B (zh) * | 2021-12-21 | 2023-08-11 | 蜂巢能源科技(无锡)有限公司 | 一种电芯自放电性能评估方法及装置 |
| CN114779098A (zh) * | 2022-04-14 | 2022-07-22 | 江苏金锋源新能源有限公司 | 一种锂离子电池的状态评估方法及系统 |
| CN115453400A (zh) * | 2022-09-30 | 2022-12-09 | 华南理工大学 | 车载动力电池健康度评估方法、系统及介质 |
| CN115453400B (zh) * | 2022-09-30 | 2024-08-27 | 华南理工大学 | 车载动力电池健康度评估方法、系统及介质 |
| CN116609686A (zh) * | 2023-04-18 | 2023-08-18 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
| CN116609686B (zh) * | 2023-04-18 | 2024-01-05 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
| CN116148679A (zh) * | 2023-04-19 | 2023-05-23 | 深圳市伟创源科技有限公司 | 一种电池健康状态的预测方法及相关装置 |
| CN116707098A (zh) * | 2023-08-05 | 2023-09-05 | 速源芯(东莞)能源科技有限公司 | 电源充放电显示控制系统及方法 |
| CN116707098B (zh) * | 2023-08-05 | 2024-05-14 | 速源芯(东莞)能源科技有限公司 | 电源充放电显示控制系统及方法 |
| CN118091471A (zh) * | 2024-04-25 | 2024-05-28 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种动力电池评估方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112433169B (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112433169B (zh) | 一种云端动力电池健康度评估系统及方法 | |
| Song et al. | Intelligent state of health estimation for lithium-ion battery pack based on big data analysis | |
| CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
| CN110780203B (zh) | 一种纯电动汽车电池组soc在线估值方法 | |
| Baumann et al. | Cloud-connected battery management for decision making on second-life of electric vehicle batteries | |
| CN113696786B (zh) | 电池均衡方法及系统 | |
| CN112327170B (zh) | 基于神经网络的动力电池全周期剩余寿命估算方法 | |
| CN111948546A (zh) | 一种锂电池健康度评估方法及系统 | |
| CN113109729B (zh) | 基于加速老化试验与实车工况的车用动力电池soh评估方法 | |
| Huang et al. | State of health estimation of lithium-ion batteries based on the regional frequency | |
| CN102565710A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
| CN113866655B (zh) | 融合车联网运行数据与测试数据的动力电池容量评估方法 | |
| CN105631163A (zh) | 一种电动汽车动力电池能量消耗硬件在线仿真方法及装置 | |
| CN106772104A (zh) | 一种动力电池soc值估算方法 | |
| CN104485474A (zh) | 一种基于一致性指标的纯电动汽车电池组匹配方法 | |
| Yang et al. | State-of-health estimation for lithium-ion batteries based on decoupled dynamic characteristic of constant-voltage charging current | |
| CN106154164A (zh) | 一种电池健康状态评估方法 | |
| CN106998086A (zh) | 兆瓦级储能电站电池管理方法及其系统 | |
| CN111308381A (zh) | 一种纯电动公交车动力电池健康状态评估方法 | |
| CN110007234B (zh) | 动力电池/电池组的性能测试方法及系统、电动汽车 | |
| Barreras et al. | An improved parametrization method for Li-ion linear static Equivalent Circuit battery Models based on direct current resistance measurement | |
| CN114966411A (zh) | 一种基于电池充电片段数据快速进行电池容量估算的方法 | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
| CN113311346B (zh) | 一种电芯预警方法、装置、云平台及存储介质 | |
| CN213957574U (zh) | 一种用于电动汽车动力电池加速循环寿命测试的装置 |
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 |