CN112630665A - 一种基于智能网联的锂电池寿命预测系统 - Google Patents
一种基于智能网联的锂电池寿命预测系统 Download PDFInfo
- Publication number
- CN112630665A CN112630665A CN202011509866.7A CN202011509866A CN112630665A CN 112630665 A CN112630665 A CN 112630665A CN 202011509866 A CN202011509866 A CN 202011509866A CN 112630665 A CN112630665 A CN 112630665A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- temperature sensor
- life prediction
- system based
- remote server
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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"
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Abstract
本发明公开了一种基于智能网联的锂电池寿命预测系统,用于新能源汽车,锂电池内部设有第一温度传感器,外部设有第二温度传感器;容量计算单元,与锂电池连接,用于计算锂电池在充满电的状态下的电量;控制器,控制器与锂电池、第一温度传感器、第二温度传感器和容量计算单元电连接;控制器用于获取第一温度传感器的检测结果、第二温度传感器的检测结果和容量计算单元的计算结果;远程服务器,与控制器网络连接;远程服务器内设有寿命预测模型,寿命预测模型用于根据第一温度传感器的检测结果、第二温度传感器的检测结果和容量计算单元的计算结果对锂电池的寿命进行预测,并将预测结果反馈至对应的控制器。本发明能够对锂电池的寿命进行预测。
Description
技术领域
本发明涉及锂电池寿命预测技术领域,特别是一种基于智能网联的锂电池寿命预测系统。
背景技术
电池是汽车上的重要部件,不仅用于储存回收的能量,还用于在电机启动时提供能量。
而电池馈电是现有技术中研究的重点。现有的电池,无论是铅酸电池还是锂电池,都受到循环充电次数的限制,且在非适宜温度下的充放电效率极差。而我国在南北方向上的分布较方广,温度差异较大,尤其是冬季。在具体使用的过程中,如何对锂电池的使用寿命进行预测,是本领域亟待解决的重要问题之一。
发明内容
本发明的目的是提供一种基于智能网联的锂电池寿命预测系统,以解决现有技术中的不足,它能够对锂电池寿命进行预测。
本发明提供了一种基于智能网联的锂电池寿命预测系统,用于新能源汽车,其中,包括,
锂电池,内部设有第一温度传感器,外部设有第二温度传感器;
容量计算单元,与所述锂电池连接,用于计算所述锂电池在充满电的状态下的电量;
控制器,所述控制器与所述锂电池、所述第一温度传感器、所述第二温度传感器和所述容量计算单元电连接;所述控制器用于获取所述第一温度传感器的检测结果、所述第二温度传感器的检测结果和所述容量计算单元的计算结果;
远程服务器,与所述控制器网络连接;所述远程服务器内设有寿命预测模型,所述寿命预测模型用于根据所述第一温度传感器的检测结果、所述第二温度传感器的检测结果和所述容量计算单元的计算结果对所述锂电池的寿命进行预测,并将预测结果反馈至对应的所述控制器。
如上所述的基于智能网联的锂电池寿命预测系统,其中,可选的是,所述寿命预测模型为神经网络模型;
所述第二温度传感器和所述第一温度传感器用于实时检测;
使用时,第二温度传感器用于检测锂电池的环境温度,在同一环境温度下,计算充放电的电量,并对时间进行积分,获取不同环境温度下充放电的积分参数,并将该积分参数作为该寿命预测模型的输入参数。
如上所述的基于智能网联的锂电池寿命预测系统,其中,可选的是,所述第一温度传感器用于检测所述锂电池的内部温度,并统计在第一时间段内,所述内部温度的突变次数;
在第一时间段中,若所述锂电池的一次温度上升所用的时间小于第二时间段,则记为一次内部温度突变;所述第二时间段不大于所述第一时间段的1%。
如上所述的基于智能网联的锂电池寿命预测系统,其中,可选的是,根据所述突变次数和第一时间段,计算内部温度的突变频率;
根据所述突变频率获取衰减参数,所述衰减参数介于0-1之间,所述突变频率越大,所述衰减参数越小。
如上所述的基于智能网联的锂电池寿命预测系统,其中,可选的是,所述衰减参数用于与所述寿命预测模型的预测结果进行相乘,作为最终的预测结果。
如上所述的基于智能网联的锂电池寿命预测系统,其中,可选的是,所述远程服务器还包括反馈奖励单元;
用户在所述锂电池报废后,将所述锂电池具体参数上传给所述远程服务器后,向所述用户发送抵扣券;所述抵扣券用于购买指定平台的指定商品。
如上所述的基于智能网联的锂电池寿命预测系统,其中,可选的是,所述远程服务器还包括自我升级模块;
所述远程服务器在收到用户在所述锂电池报废后所上传的具体参数后,调取所述锂电池的所有历史参数,以及所有历史预测结果,并将预测结果与所述具体参数对比;若相符合,则自我升级模块将该锂电池的所有历史数据作为训练参数,以在合适的时机加入训练样本,对该寿命预测模型进行训练升级。
与现有技术相比,本发明通过基于智能网联,在远程服务器上设置一个寿命预测模型。通过上传不同的锂电池相关参数,即能够对不同锂电池的寿命进行预测,由于是设置于远程服务器上,能够基于大量的数据基础对寿命预测模型进行充分的修正、补充和训练,使其预测结果随着时间推移更加准确。
附图说明
图1是本发明整体结构框图;
具体实施方式
下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本发明的实施例:如图1所示,本发明提出了一种基于智能网联的锂电池寿命预测系统,用于新能源汽车,其中,包括,
锂电池,内部设有第一温度传感器,外部设有第二温度传感器;具体地,所述第一温度传感器用于检测电池单体内的温度,即锂电池的内部温度,所述第二温度传感器用于检测所述锂电池的外部温度,即锂电池的环境温度。
容量计算单元,与所述锂电池连接,用于计算所述锂电池在充满电的状态下的电量;具体实施时,所述容量计算单元也可以现有方式计算电池SOC的系统或模块。
控制器,所述控制器与所述锂电池、所述第一温度传感器、所述第二温度传感器和所述容量计算单元电连接;所述控制器用于获取所述第一温度传感器的检测结果、所述第二温度传感器的检测结果和所述容量计算单元的计算结果。远程服务器,与所述控制器网络连接;所述远程服务器内设有寿命预测模型,所述寿命预测模型用于根据所述第一温度传感器的检测结果、所述第二温度传感器的检测结果和所述容量计算单元的计算结果对所述锂电池的寿命进行预测,并将预测结果反馈至对应的所述控制器。具体地,所述控制器通过联网模块与所述远程服务器连接。
使用时,所述控制器实时获取所述第一温度传感器的检测结果和所述第二温度传感器的检测结果;并上传至远程服务器,而所述容量计算单元,则是在完成一次计算后,上传一次。在具体使用时,也可以是将一段时间内的所述第一温度传感器的检测结果和第二温度传感器的检测结果,与所述容量计算单元的计算结果一同上传。
作为一种较佳的实现方式,所述寿命预测模型为神经网络模型;所述第二温度传感器和所述第一温度传感器用于实时检测;使用时,第二温度传感器用于检测锂电池的环境温度,在同一环境温度下,计算充放电的电量,并对时间进行积分,获取不同环境温度下充放电的积分参数,并将该积分参数作为该寿命预测模型的输入参数。如此,能够充分反映使用环境温度对锂电池寿命的影响。
在锂电池的使用过程中,虽然大部分都能够通过上述方案进行预测,但对于偶然因素的影响,会导致锂电池使用过程中的异常情况,为了便于及时发现异常情况,并对该异常情况进行充分的考虑。发明人发现,这些异常情况,通常可以利用内部温度来反映,因此,本发明又作为了进一步的改进:所述第一温度传感器用于检测所述锂电池的内部温度,并统计在第一时间段内,所述内部温度的突变次数;在第一时间段中,若所述锂电池的一次温度上升所用的时间小于第二时间段,则记为一次内部温度突变;所述第二时间段不大于所述第一时间段的1%。如此,能够对内部温度突变进行充分的考虑。
更具体地,根据所述突变次数和第一时间段,计算内部温度的突变频率;根据所述突变频率获取衰减参数,所述衰减参数介于0-1之间,所述突变频率越大,所述衰减参数越小。所述衰减参数用于与所述寿命预测模型的预测结果进行相乘,作为最终的预测结果。在使用时,当衰减参数小于0.5时,所述控制器控制报警部件发出警报。
更进一步地,为了获取更多的准确数据,以提高预测模型的准确性,所述远程服务器还包括反馈奖励单元;用户在所述锂电池报废后,将所述锂电池具体参数上传给所述远程服务器后,向所述用户发送抵扣券;所述抵扣券用于购买指定平台的指定商品。
更进一步地,所述远程服务器还包括自我升级模块;所述远程服务器在收到用户在所述锂电池报废后所上传的具体参数后,调取所述锂电池的所有历史参数,以及所有历史预测结果,并将预测结果与所述具体参数对比;若相符合,则自我升级模块将该锂电池的所有历史数据作为训练参数,以在合适的时机加入训练样本,对该寿命预测模型进行训练升级。如此,能够使所述远程服务器越的准确性越来越高。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果,以上所述仅为本发明的较佳实施例,但本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (7)
1.一种基于智能网联的锂电池寿命预测系统,用于新能源汽车,其特征在于:包括,
锂电池,内部设有第一温度传感器,外部设有第二温度传感器;
容量计算单元,与所述锂电池连接,用于计算所述锂电池在充满电的状态下的电量;
控制器,所述控制器与所述锂电池、所述第一温度传感器、所述第二温度传感器和所述容量计算单元电连接;所述控制器用于获取所述第一温度传感器的检测结果、所述第二温度传感器的检测结果和所述容量计算单元的计算结果;
远程服务器,与所述控制器网络连接;所述远程服务器内设有寿命预测模型,所述寿命预测模型用于根据所述第一温度传感器的检测结果、所述第二温度传感器的检测结果和所述容量计算单元的计算结果对所述锂电池的寿命进行预测,并将预测结果反馈至对应的所述控制器。
2.根据权利要求1所述的基于智能网联的锂电池寿命预测系统,其特征在于:所述寿命预测模型为神经网络模型;
所述第二温度传感器和所述第一温度传感器用于实时检测;
使用时,第二温度传感器用于检测锂电池的环境温度,在同一环境温度下,计算充放电的电量,并对时间进行积分,获取不同环境温度下充放电的积分参数,并将该积分参数作为该寿命预测模型的输入参数。
3.根据权利要求2所述的基于智能网联的锂电池寿命预测系统,其特征在于:所述第一温度传感器用于检测所述锂电池的内部温度,并统计在第一时间段内,所述内部温度的突变次数;
在第一时间段中,若所述锂电池的一次温度上升所用的时间小于第二时间段,则记为一次内部温度突变;所述第二时间段不大于所述第一时间段的1%。
4.根据权利要求3所述的基于智能网联的锂电池寿命预测系统,其特征在于:根据所述突变次数和第一时间段,计算内部温度的突变频率;
根据所述突变频率获取衰减参数,所述衰减参数介于0-1之间,所述突变频率越大,所述衰减参数越小。
5.根据权利要求4所述的基于智能网联的锂电池寿命预测系统,其特征在于:所述衰减参数用于与所述寿命预测模型的预测结果进行相乘,作为最终的预测结果。
6.根据权利要求2所述的基于智能网联的锂电池寿命预测系统,其特征在于:所述远程服务器还包括反馈奖励单元;
用户在所述锂电池报废后,将所述锂电池具体参数上传给所述远程服务器后,向所述用户发送抵扣券;所述抵扣券用于购买指定平台的指定商品。
7.根据权利要求6所述的基于智能网联的锂电池寿命预测系统,其特征在于:所述远程服务器还包括自我升级模块;
所述远程服务器在收到用户在所述锂电池报废后所上传的具体参数后,调取所述锂电池的所有历史参数,以及所有历史预测结果,并将预测结果与所述具体参数对比;若相符合,则自我升级模块将该锂电池的所有历史数据作为训练参数,以在合适的时机加入训练样本,对该寿命预测模型进行训练升级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509866.7A CN112630665B (zh) | 2020-12-18 | 2020-12-18 | 一种基于智能网联的锂电池寿命预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509866.7A CN112630665B (zh) | 2020-12-18 | 2020-12-18 | 一种基于智能网联的锂电池寿命预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112630665A true CN112630665A (zh) | 2021-04-09 |
CN112630665B CN112630665B (zh) | 2021-11-02 |
Family
ID=75317530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011509866.7A Active CN112630665B (zh) | 2020-12-18 | 2020-12-18 | 一种基于智能网联的锂电池寿命预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112630665B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117554773A (zh) * | 2024-01-11 | 2024-02-13 | 青岛中微创芯电子有限公司 | 一种ipm模块寿命预测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理系统 |
US10147048B2 (en) * | 2015-02-05 | 2018-12-04 | Wistron Corporation | Storage device lifetime monitoring system and storage device lifetime monitoring method thereof |
CN110949175A (zh) * | 2019-11-12 | 2020-04-03 | 湖南交通工程学院 | 一种电动汽车用电池寿命控制方法 |
CN111523226A (zh) * | 2020-04-21 | 2020-08-11 | 南京工程学院 | 一种基于优化多层残差bp深度网络的蓄电池寿命预测方法 |
CN111965562A (zh) * | 2020-10-20 | 2020-11-20 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于随机森林模型预测锂电池剩余循环寿命的方法 |
-
2020
- 2020-12-18 CN CN202011509866.7A patent/CN112630665B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10147048B2 (en) * | 2015-02-05 | 2018-12-04 | Wistron Corporation | Storage device lifetime monitoring system and storage device lifetime monitoring method thereof |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理系统 |
CN110949175A (zh) * | 2019-11-12 | 2020-04-03 | 湖南交通工程学院 | 一种电动汽车用电池寿命控制方法 |
CN111523226A (zh) * | 2020-04-21 | 2020-08-11 | 南京工程学院 | 一种基于优化多层残差bp深度网络的蓄电池寿命预测方法 |
CN111965562A (zh) * | 2020-10-20 | 2020-11-20 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于随机森林模型预测锂电池剩余循环寿命的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117554773A (zh) * | 2024-01-11 | 2024-02-13 | 青岛中微创芯电子有限公司 | 一种ipm模块寿命预测系统 |
CN117554773B (zh) * | 2024-01-11 | 2024-03-29 | 青岛中微创芯电子有限公司 | 一种ipm模块寿命预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112630665B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2629109B1 (en) | Electrical storage device | |
WO2020152901A1 (ja) | 二次電池モジュールの余寿命診断方法及び余寿命診断システム | |
CN110873841B (zh) | 一种基于数据驱动与电池特性相结合的电池寿命预测方法 | |
CN110010987B (zh) | 一种基于大数据的电动汽车剩余充电时间预测方法 | |
CN110324383B (zh) | 云服务器、电动汽车及其中动力电池的管理系统、方法 | |
CN112505562B (zh) | 用于监测电池状态估计器的方法和装置 | |
CN112924866B (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
WO2023185601A1 (zh) | 一种电池健康状态信息确定方法、装置及电池系统 | |
KR20230057894A (ko) | 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법 | |
CN112630665B (zh) | 一种基于智能网联的锂电池寿命预测系统 | |
CN110687460B (zh) | 一种soc预估方法 | |
US11835589B2 (en) | Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine | |
CN114200313B (zh) | 铅酸蓄电池健康分析方法、系统及存储介质 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN102095953B (zh) | 一种蓄电池充电机性能在线检测方法 | |
CN110308398B (zh) | 一种铅酸电池寿命周期分析方法及监控系统 | |
CN116008834A (zh) | 移动式储能系统的电池监测运维方法、系统、设备及介质 | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
CN110687459B (zh) | 一种soc预估方法 | |
CN112677815B (zh) | 一种电池全寿命周期管理系统 | |
CN112083340B (zh) | 蓄电池组性能检测方法及装置、存储介质、终端 | |
CN110579710A (zh) | 一种soc预估装置 | |
CN110618385A (zh) | 一种soc预估装置 | |
CN117538767B (zh) | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 | |
CN116128156A (zh) | 车载电池监测方法及装置 |
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 |