CN112698207A - 一种电池容量检测方法及装置 - Google Patents
一种电池容量检测方法及装置 Download PDFInfo
- Publication number
- CN112698207A CN112698207A CN202011413574.3A CN202011413574A CN112698207A CN 112698207 A CN112698207 A CN 112698207A CN 202011413574 A CN202011413574 A CN 202011413574A CN 112698207 A CN112698207 A CN 112698207A
- Authority
- CN
- China
- Prior art keywords
- capacity detection
- battery
- capacity
- detection scheme
- scheme
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 292
- 238000000034 method Methods 0.000 claims description 49
- 238000012360 testing method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 208000028659 discharge Diseases 0.000 description 65
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请实施例提供一种电池容量检测方法及装置，涉及电池领域，该电池容量检测方法包括：在检测电池容量时，先获取待检测电池的开路电压和历史预测结果；然后根据开路电压确定容量检测方案，并根据容量检测方案对待检测电池进行容量检测，得到容量检测结果；进一步地，再判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值；当容量检测结果和历史预测结果之间的误差差值不大于预设阈值时，输出容量检测结果，进而实现对待检测电池的电池容量的准确估计，误差小。
Description
技术领域
本申请涉及电池领域，具体而言，涉及一种电池容量检测方法及装置。
背景技术
目前，电子设备发展越来越快，应用于电子设备的电池也随着快速发展。然而，在实践中发现，电子设备的电池往往具有固定的寿命，而该寿命由于电池的电池容量相关，这就使得如何对电池容量进行准确估计成为急待解决的问题之一。
发明内容
本申请实施例的目的在于提供一种电池容量检测方法及装置，能够准确地估计电池容量。
本申请实施例第一方面提供了一种电池容量检测方法，包括：
获取待检测电池的开路电压和历史预测结果；
根据所述开路电压确定容量检测方案；
根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果；
判断所述容量检测结果和所述历史预测结果之间的误差差值是否大于预设阈值；
当所述容量检测结果和所述历史预测结果之间的误差差值不大于预设阈值时，输出所述容量检测结果。
在上述实现过程中，在检测电池容量时，先获取待检测电池的开路电压和历史预测结果；然后根据开路电压确定容量检测方案，并根据容量检测方案对待检测电池进行容量检测，得到容量检测结果；进一步地，再判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值；当容量检测结果和历史预测结果之间的误差差值不大于预设阈值时，输出容量检测结果，进而实现对待检测电池的电池容量的准确估计，误差小。可见，实施这种实施方式，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
进一步地，所述根据所述开路电压确定容量检测方案的步骤包括：
根据预设的电压阶段范围，确定所述开路电压所在的电压阶段；
根据所述电压阶段确定容量检测方案。
在上述实现过程中，根据其放电特性曲线，可以将电池放电过程分为三个电压阶段，根据不同的电压阶段确定不同的容量检测方案，不仅能够适应不同的电压阶段的电池，还能够有针对性地确定出相匹配的容量检测方案，有利于提升电池容量检测精度。
进一步地，所述容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
在上述实现过程中，容量检测方案包括多种不同的检测方案，能够适应不同的电压阶段的电池，还能够有针对性地确定出相匹配的容量检测方案，有利于提升电池容量检测精度。
进一步地，所述根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果的步骤包括：
当所述容量检测方案为所述卡尔曼滤波检测方案时，对所述待检测电池进行放电测试，得到放电测试数据；
对所述放电测试数据进行异常数据去除处理，得到处理数据；
根据所述处理数据进行曲线拟合处理，得到开路电压-荷电状态曲线；
根据预设的卡尔曼滤波算法和所述开路电压-荷电状态曲线进行计算，得到荷电状态预测值；
确定所述荷电状态预测值为容量检测结果。
在上述实现过程中，卡尔曼滤波检测方案是针对在电池上电后会随着负载的大小产生不同的下拉情况的容量检测方案，使用卡尔曼滤波检测方案进行容量检测，能够在任意的初始条件下快速收敛进而以预测实际的容量检测结果。
进一步地，所述根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果的步骤包括：
当所述容量检测方案为所述安时积分检测方案时，检测所述待检测电池的放电电流；
根据预设的积分算法和所述放电电流进行计算，得到放电容量；
计算所述放电容量占预存的历史总容量的容量百分比；
根据所述容量百分比和所述放电容量，计算所述待检测电池的总测试容量；
确定所述总测试容量为容量检测结果。
在上述实现过程中，通过安时积分检测方案，能够有效针对放电特性曲线中的线性阶段，计算释放的容量和剩余容量的估计，进而得到准确的容量检测结果。
进一步地，所述根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果的步骤包括：
当所述容量检测方案为所述神经网络检测方案时，获取所述待检测电池放电过程的放电数据；
根据预设的神经网络模型对所述放电数据进行处理，得到容量检测结果。
在上述实现过程中，通过神经网络检测方案，能够有效针对放电特性曲线中的指数变化阶段，在电池放电末端，其开路电压变化幅度较大，通过神经网络检测方案进行预测，更能体现电池的实际容量情况，得到的容量检测结果的准确性更高。
本申请实施例第二方面提供了一种电池容量检测装置，所述电池容量检测装置包括：
获取单元，用于获取待检测电池的开路电压和历史预测结果；
确定单元，用于根据所述开路电压确定容量检测方案；
检测单元，用于根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果；
判断单元，用于判断所述容量检测结果和所述历史预测结果之间的误差差值是否大于预设阈值；
输出单元，用于当所述容量检测结果和所述历史预测结果之间的误差差值不大于预设阈值时，输出所述容量检测结果。
在上述实现过程中，在检测电池容量时，获取单元先获取待检测电池的开路电压和历史预测结果；然后确定单元根据开路电压确定容量检测方案，检测单元根据容量检测方案对待检测电池进行容量检测，得到容量检测结果；进一步地，判断单元再判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值；输出单元在判断出容量检测结果和历史预测结果之间的误差差值不大于预设阈值时，输出容量检测结果，进而实现对待检测电池的电池容量的准确估计，误差小。
进一步地，所述容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
在上述实现过程中，根据其放电特性曲线，可以将电池放电过程分为三个电压阶段，根据不同的电压阶段确定不同的容量检测方案，不仅能够适应不同的电压阶段的电池，还能够有针对性地确定出相匹配的容量检测方案，有利于提升电池容量检测精度。
本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的电池容量检测方法。
本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的电池容量检测方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1为本申请实施例一提供的一种电池容量检测方法的流程示意图；
图2为本申请实施例二提供的一种电池容量检测方法的流程示意图；
图3为本申请实施例三提供的一种电池容量检测方法的流程示意图；
图4为本申请实施例四提供的一种电池容量检测方法的流程示意图；
图5为本申请实施例五提供的一种电池容量检测装置的结构示意图；
图6为本申请实施例六提供的一种电池容量检测装置的结构示意图；
图7为本申请实施例六提供的一种电池容量检测装置的结构示意图；
图8为本申请实施例六提供的一种电池容量检测装置的结构示意图。
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描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
请参看图1，图1为本申请实施例提供了一种电池容量检测方法的流程示意图。其中，该电池容量检测方法包括：
S101、获取待检测电池的开路电压和历史预测结果。
本实施例中，锂电池的放电过程通常包括三个阶段，其中，第一阶段的开路电压为4.2V到4.0V，第二阶段的开路电压为4.0V到3.5V，第三阶段的开路电压为3.5V到3.0V。
S102、根据开路电压确定容量检测方案。
本实施例中，在确定出开路电压之后，根据开路电压进行容量检测方案的确定。
在本实施例中，根据开路电压可以确定出电池的放电阶段，然后再根据电池的放电阶段确定容量检测方案。
S103、根据容量检测方案对待检测电池进行容量检测，得到容量检测结果。
本实施例中，容量检测方案时对应于放电的某一阶段的，因此是用特定容量检测方案能够提高对电池容量的检测精度。
在本实施例中，容量检测结果用于表示电池的总电量，也用于表示电池的健康程度。
S104、判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值，如果是，则结束本流程；如果否，则执行步骤S105。
本实施例中，当误差差值大于预设阈值时可以认为测量失准，从而不对该数据进行任何进一步的处理与分析。
S105、输出容量检测结果。
本实施例中，容量检测结果用于表示电池的总电量，也用于表示电池的健康程度。
本申请实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
在本申请实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
可见，实施本实施例所描述的电池容量检测方法，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
实施例2
请参看图2，图2为本申请实施例提供的一种电池容量检测方法的流程示意图。如图2所示，其中，该电池容量检测方法包括：
S201、获取待检测电池的开路电压和历史预测结果。
本实施例中，历史预测结果可以为电池上次检测所得到的容量检测结果。
S202、根据预设的电压阶段范围，确定开路电压所在的电压阶段。
S203、根据电压阶段确定容量检测方案。
本申请实施例中，实施上述步骤S202～步骤S203，能够根据开路电压确定容量检测方案。
本申请实施例中，容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
本实施例中，当开路电压为4.2V到4.0V时，确定容量检测方案为卡尔曼滤波检测方案。
本实施例中，当开路电压为4.0V到3.5V时，确定容量检测方案为安时积分检测方案。
本实施例中，当开路电压为3.5V到3.0V时，确定容量检测方案为神经网络检测方案。
在步骤S203之后，还包括以下步骤：
S204、当容量检测方案为卡尔曼滤波检测方案时，对待检测电池进行放电测试，得到放电测试数据。
本实施例中，该方法可以对满电电池进行放电，同时，使用工况电流对电池进行HPPC放电测试，并在放电测试中记录放电电流、各串电压、总电压、温度、单次脉冲放电时间。
在本实施例中，该方法还可以将上述参数代入相应公式进行计算，得到极化参数和内阻。
在本实施例中，该方法可以继续使用极化参数和内阻进行后续的EKF预测计算。
本实施例中，该方法可以预先获取到每串电池电压、总电压、负载电流、温度等等的放电测试数据，同时还可以通过MATLAB对放点测数据生成曲线，为后续的计算过程提供便利。
S205、对放电测试数据进行异常数据去除处理，得到处理数据。
本实施例中，该方法可以再上述曲线中去掉个别异常跳点，然后再使用拟合工具进行曲线拟合，如使用MATLAB对曲线进行拟合。
在步骤S205之后，还包括以下步骤：
S206、根据处理数据进行曲线拟合处理，得到开路电压-荷电状态曲线。
本实施例中，开路电压-荷电状态曲线为在先拟合得到的曲线，同时开路电压-荷电状态曲线对应于OCV-SOC状态函数。
S207、根据预设的卡尔曼滤波算法和开路电压-荷电状态曲线进行计算，得到荷电状态预测值。
本实施例中，该方法可以使用预设的EKF算法，对状态方程进行预测计算，得到荷电状态预测值。
在步骤S207之后，还包括以下步骤：
S208、确定荷电状态预测值为容量检测结果。
本申请实施例中，实施上述步骤S204～步骤S208，能够根据容量检测方案对待检测电池进行容量检测，得到容量检测结果。
S209、判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值，如果是，则结束本流程；如果否，则执行步骤S210。
S210、输出容量检测结果。
实施这种实施方式，能够在电池放电的第一阶段中，采用EKF(扩展卡尔曼滤波)的方式来对电池上电后会随着负载的大小产生不同的下拉情况进行准确检测，从而使得EKF可以在任意的初始条件下进行快速收敛，进而确定出容量检测结果。
本申请实施例中，对于电池容量检测装置的解释说明可以参照实施例1中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的电池容量检测方法，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
实施例3
请参看图3，图3为本申请实施例提供的一种电池容量检测方法的流程示意图。如图3所示，其中，该电池容量检测方法包括：
S301、获取待检测电池的开路电压和历史预测结果。
S302、根据开路电压确定容量检测方案。
本申请实施例中，容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
本实施例中，当开路电压为4.2V到4.0V时，确定容量检测方案为卡尔曼滤波检测方案。
本实施例中，当开路电压为4.0V到3.5V时，确定容量检测方案为安时积分检测方案。
本实施例中，当开路电压为3.5V到3.0V时，确定容量检测方案为神经网络检测方案。
S303、当容量检测方案为安时积分检测方案时，检测待检测电池的放电电流。
本实施例中，该方法可以使用传感器检测放电电流。
S304、根据预设的积分算法和放电电流进行计算，得到放电容量。
本实施例中，该步骤为使用积分法对电池放电电流进行积分处理的步骤。
S305、计算放电容量占预存的历史总容量的容量百分比。
本实施例中，该步骤相当于计算放电容量占上次总容量的百分比的步骤。
在步骤S305之后，还包括以下步骤：
S306、根据容量百分比和放电容量，计算待检测电池的总测试容量。
S307、确定总测试容量为容量检测结果。
本申请实施例中，实施上述步骤S303～步骤S307，能够根据容量检测方案对待检测电池进行容量检测，得到容量检测结果。
在步骤S307之后，还包括以下步骤：
S308、判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值，如果是，则结束本流程；如果否，则执行步骤S309。
S309、输出容量检测结果。
本申请实施例中，对于电池容量检测方法的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的电池容量检测方法，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
实施例4
请参看图4，图4为本申请实施例提供的一种电池容量检测方法的流程示意图。如图4所示，其中，该电池容量检测方法包括：
S401、获取待检测电池的开路电压和历史预测结果。
S402、根据开路电压确定容量检测方案。
本申请实施例中，容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
本实施例中，当开路电压为4.2V到4.0V时，确定容量检测方案为卡尔曼滤波检测方案。
本实施例中，当开路电压为4.0V到3.5V时，确定容量检测方案为安时积分检测方案。
本实施例中，当开路电压为3.5V到3.0V时，确定容量检测方案为神经网络检测方案。
S403、当容量检测方案为神经网络检测方案时，获取待检测电池放电过程的放电数据。
本实施例中，该放电数据需要对大量的电池进行放电测试，放电时尤其关注第二段拐点后的该部分数据，该部分数据为电池末端电压数据，跳变和误差较大。
在本实施例中，该方法可以将放电数据分成三个子集：训练集、验证集、测试集。其中，训练集、验证集、测试集分别占总数据的70％，15％，15％，数据采用随机抽取方法进行划分。
在本实施例中，该方法可以将训练集代入MATLAB进行训练，并设定误差目标值。当训练结果值小于设定误差目标值时，可以记录神经元参数。
在本实施例中，该方法使用验证集、测试集对神经元参数进行验证，比较误差曲线和误差分布。
在本实施例中，当误差曲线和误差分布皆满足要求时，则可以确定预设的神经网络模型。不满足的话，则继续对原始网络模型进行训练。
在本实施例中，在得到预设的神经网络模型之后，再使用DSP模块浮点进行运算实现，从而通过模拟验证的方式判断神经网络模型是否适用。
S404、根据预设的神经网络模型对放电数据进行处理，得到容量检测结果。
本申请实施例中，实施上述步骤S403～步骤S404，能够根据容量检测方案对待检测电池进行容量检测，得到容量检测结果。
S405、判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值，如果是，则结束本流程；如果否，则执行步骤S406。
S406、输出容量检测结果。
本申请实施例中，对于电池容量检测方法的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的电池容量检测方法，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
实施例5
请参看图5，图5为本申请实施例提供的一种电池容量检测装置的结构示意图。如图5所示，该电池容量检测装置包括：
获取单元510，用于获取待检测电池的开路电压和历史预测结果；
确定单元520，用于根据开路电压确定容量检测方案；
检测单元530，用于根据容量检测方案对待检测电池进行容量检测，得到容量检测结果；
判断单元540，用于判断容量检测结果和历史预测结果之间的误差差值是否大于预设阈值；
输出单元550，用于当容量检测结果和历史预测结果之间的误差差值不大于预设阈值时，输出容量检测结果。
本申请实施例中，对于电池容量检测装置的解释说明可以参照实施例1、实施例2、实施例3或者实施例4中的描述，对此本实施例中不再多加赘述。
可见，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
实施例6
请一并参阅图6，图6是本申请实施例提供的一种电池容量检测装置的结构示意图。其中，图6所示的电池容量检测装置是由图5所示的电池容量检测装置进行优化得到的。如图6所示，确定单元520包括：
第一确定子单元521，用于根据预设的电压阶段范围，确定开路电压所在的电压阶段；
第二确定子单元522，用于根据电压阶段确定容量检测方案。
本申请实施例中，容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
作为一种可选的实施方式，检测单元530包括：
放电子单元531，用于当容量检测方案为卡尔曼滤波检测方案时，对待检测电池进行放电测试，得到放电测试数据；
去除子单元532，用于对放电测试数据进行异常数据去除处理，得到处理数据；
拟合子单元533，根据处理数据进行曲线拟合处理，得到开路电压-荷电状态曲线；
计算子单元534，根据预设的卡尔曼滤波算法和开路电压-荷电状态曲线进行计算，得到荷电状态预测值；
结果确定子单元534，用于确定荷电状态预测值为容量检测结果。
请参阅图7，图7是本申请实施例提供的另一种电池容量检测装置的结构示意图。其中，图7所示的电池容量检测装置是由图5所示的电池容量检测装置进行优化得到的。如图7所示，确定单元520包括：
第一确定子单元521，用于根据预设的电压阶段范围，确定开路电压所在的电压阶段；
第二确定子单元522，用于根据电压阶段确定容量检测方案。
作为一种可选的实施方式，检测单元530包括：
检测子单元531，用于当容量检测方案为安时积分检测方案时，检测待检测电池的放电电流；
计算子单元532，用于根据预设的积分算法和放电电流进行计算，得到放电容量；以及计算放电容量占预存的历史总容量的容量百分比；以及根据容量百分比和放电容量，计算待检测电池的总测试容量；
结果确定子单元533，用于确定总测试容量为容量检测结果。
请参阅图8，图8是本申请实施例提供的另一种电池容量检测装置的结构示意图。其中，图8所示的电池容量检测装置是由图5所示的电池容量检测装置进行优化得到的。如图8所示，确定单元520包括：
第一确定子单元521，用于根据预设的电压阶段范围，确定开路电压所在的电压阶段；
第二确定子单元522，用于根据电压阶段确定容量检测方案。
作为一种可选的实施方式，检测单元530包括：
获取子单元531，用于当容量检测方案为神经网络检测方案时，获取待检测电池放电过程的放电数据；
处理子单元532，用于根据预设的神经网络模型对放电数据进行处理，得到容量检测结果。
本申请实施例中，对于电池容量检测装置的解释说明可以参照实施例1、实施例2、实施例3或者实施例4中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的电池容量检测装置，能够对针对电池的放电电压确定最适合的容量检测方案，从而获取到最符合实际情况的容量检测结果，进而能够准确地估计电池容量。
本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中任一项电池容量检测方法。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中任一项电池容量检测方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种电池容量检测方法，其特征在于，包括：
获取待检测电池的开路电压和历史预测结果；
根据所述开路电压确定容量检测方案；
根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果；
判断所述容量检测结果和所述历史预测结果之间的误差差值是否大于预设阈值；
当所述容量检测结果和所述历史预测结果之间的误差差值不大于预设阈值时，输出所述容量检测结果。
2.根据权利要求1所述的电池容量检测方法，其特征在于，所述根据所述开路电压确定容量检测方案的步骤包括：
根据预设的电压阶段范围，确定所述开路电压所在的电压阶段；
根据所述电压阶段确定容量检测方案。
3.根据权利要求1所述的电池容量检测方法，其特征在于，所述容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
4.根据权利要求3所述的电池容量检测方法，其特征在于，所述根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果的步骤包括：
当所述容量检测方案为所述卡尔曼滤波检测方案时，对所述待检测电池进行放电测试，得到放电测试数据；
对所述放电测试数据进行异常数据去除处理，得到处理数据；
根据所述处理数据进行曲线拟合处理，得到开路电压-荷电状态曲线；
根据预设的卡尔曼滤波算法和所述开路电压-荷电状态曲线进行计算，得到荷电状态预测值；
确定所述荷电状态预测值为容量检测结果。
5.根据权利要求3所述的电池容量检测方法，其特征在于，所述根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果的步骤包括：
当所述容量检测方案为所述安时积分检测方案时，检测所述待检测电池的放电电流；
根据预设的积分算法和所述放电电流进行计算，得到放电容量；
计算所述放电容量占预存的历史总容量的容量百分比；
根据所述容量百分比和所述放电容量，计算所述待检测电池的总测试容量；
确定所述总测试容量为容量检测结果。
6.根据权利要求3所述的电池容量检测方法，其特征在于，所述根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果的步骤包括：
当所述容量检测方案为所述神经网络检测方案时，获取所述待检测电池放电过程的放电数据；
根据预设的神经网络模型对所述放电数据进行处理，得到容量检测结果。
7.一种电池容量检测装置，其特征在于，所述电池容量检测装置包括：
获取单元，用于获取待检测电池的开路电压和历史预测结果；
确定单元，用于根据所述开路电压确定容量检测方案；
检测单元，用于根据所述容量检测方案对所述待检测电池进行容量检测，得到容量检测结果；
判断单元，用于判断所述容量检测结果和所述历史预测结果之间的误差差值是否大于预设阈值；
输出单元，用于当所述容量检测结果和所述历史预测结果之间的误差差值不大于预设阈值时，输出所述容量检测结果。
8.根据权利要求7所述的电池容量检测装置，其特征在于，所述容量检测方案至少包括卡尔曼滤波检测方案、安时积分检测方案或者神经网络检测方案。
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至6中任一项所述的电池容量检测方法。
10.一种可读存储介质，其特征在于，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至6任一项所述的电池容量检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011413574.3A CN112698207A (zh) | 2020-12-03 | 2020-12-03 | 一种电池容量检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011413574.3A CN112698207A (zh) | 2020-12-03 | 2020-12-03 | 一种电池容量检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112698207A true CN112698207A (zh) | 2021-04-23 |
Family
ID=75506300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011413574.3A Pending CN112698207A (zh) | 2020-12-03 | 2020-12-03 | 一种电池容量检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112698207A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102119338A (zh) * | 2008-08-08 | 2011-07-06 | 株式会社Lg化学 | 基于电池电压变化模式估计电池健康状态的方法及装置 |
| CN102725647A (zh) * | 2010-02-19 | 2012-10-10 | 三美电机株式会社 | 电池状态检测装置和电池状态检测方法 |
| CN103091642A (zh) * | 2013-01-22 | 2013-05-08 | 北京交通大学 | 一种锂电池容量快速估计方法 |
| CN104849671A (zh) * | 2015-05-22 | 2015-08-19 | 大连理工大学 | 一种基于组合神经网络的电池组容量检测系统 |
| CN106786893A (zh) * | 2016-12-26 | 2017-05-31 | 宁德时代新能源科技股份有限公司 | 电池间容量差值的获取方法和装置 |
| CN107167743A (zh) * | 2017-06-29 | 2017-09-15 | 北京新能源汽车股份有限公司 | 基于电动车辆的荷电状态估算方法和装置 |
| CN109061506A (zh) * | 2018-08-29 | 2018-12-21 | 河海大学常州校区 | 基于神经网络优化ekf的锂离子动力电池soc估计方法 |
| CN109061521A (zh) * | 2018-10-30 | 2018-12-21 | 四川长虹电源有限责任公司 | 蓄电池组荷电状态计算方法及系统 |
| AU2017387185A1 (en) * | 2016-12-30 | 2019-07-11 | Huawei Technologies Co., Ltd. | Battery leakage current detection method, device and circuit |
| CN110967636A (zh) * | 2019-06-24 | 2020-04-07 | 宁德时代新能源科技股份有限公司 | 电池的荷电状态修正方法、装置、系统和存储介质 |
| CN111680848A (zh) * | 2020-07-27 | 2020-09-18 | 中南大学 | 基于预测模型融合的电池寿命预测方法及存储介质 |
| CN111781521A (zh) * | 2020-07-10 | 2020-10-16 | 深圳市道通科技股份有限公司 | 一种车辆的蓄电池检测的方法以及电池检测设备 |
-
2020
- 2020-12-03 CN CN202011413574.3A patent/CN112698207A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102119338A (zh) * | 2008-08-08 | 2011-07-06 | 株式会社Lg化学 | 基于电池电压变化模式估计电池健康状态的方法及装置 |
| CN102725647A (zh) * | 2010-02-19 | 2012-10-10 | 三美电机株式会社 | 电池状态检测装置和电池状态检测方法 |
| CN103091642A (zh) * | 2013-01-22 | 2013-05-08 | 北京交通大学 | 一种锂电池容量快速估计方法 |
| CN104849671A (zh) * | 2015-05-22 | 2015-08-19 | 大连理工大学 | 一种基于组合神经网络的电池组容量检测系统 |
| CN106786893A (zh) * | 2016-12-26 | 2017-05-31 | 宁德时代新能源科技股份有限公司 | 电池间容量差值的获取方法和装置 |
| AU2017387185A1 (en) * | 2016-12-30 | 2019-07-11 | Huawei Technologies Co., Ltd. | Battery leakage current detection method, device and circuit |
| CN107167743A (zh) * | 2017-06-29 | 2017-09-15 | 北京新能源汽车股份有限公司 | 基于电动车辆的荷电状态估算方法和装置 |
| CN109061506A (zh) * | 2018-08-29 | 2018-12-21 | 河海大学常州校区 | 基于神经网络优化ekf的锂离子动力电池soc估计方法 |
| CN109061521A (zh) * | 2018-10-30 | 2018-12-21 | 四川长虹电源有限责任公司 | 蓄电池组荷电状态计算方法及系统 |
| CN110967636A (zh) * | 2019-06-24 | 2020-04-07 | 宁德时代新能源科技股份有限公司 | 电池的荷电状态修正方法、装置、系统和存储介质 |
| CN111781521A (zh) * | 2020-07-10 | 2020-10-16 | 深圳市道通科技股份有限公司 | 一种车辆的蓄电池检测的方法以及电池检测设备 |
| CN111680848A (zh) * | 2020-07-27 | 2020-09-18 | 中南大学 | 基于预测模型融合的电池寿命预测方法及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108646190B (zh) | 电池剩余充电时间估算方法、装置和设备 | |
| EP3508867B1 (en) | Detection method and device for micro short circuit of battery | |
| JP5944291B2 (ja) | バッテリのパラメータ等推定装置およびその推定方法 | |
| EP2206191B1 (en) | System and method for estimating long term characteristics of battery | |
| WO2009025512A2 (en) | System and method for estimating long term characteristics of battery | |
| JP2015060761A (ja) | 二次電池の劣化診断システム及び劣化診断方法 | |
| KR20160067510A (ko) | 배터리의 상태를 추정하는 방법 및 장치 | |
| KR20160017416A (ko) | 패턴 정보에 기초하여 사용자 특성에 따른 배터리 수명을 추정하는 장치 및 방법 | |
| EP3171186A1 (en) | Battery state detection device, secondary battery system, program product, and battery state detection method | |
| JP2020148560A (ja) | 電池寿命学習装置、方法、プログラム、電池寿命予測装置、方法及びプログラム | |
| CN108205114B (zh) | 电池寿命的预测方法及系统 | |
| JP2009145065A (ja) | 二次電池の状態検出装置 | |
| CN110888065B (zh) | 电池包荷电状态修正方法和装置 | |
| JP2018141665A (ja) | 電池管理方法、電池管理装置、及びコンピュータプログラム | |
| JP6755162B2 (ja) | 推定装置 | |
| EP2743667B1 (en) | Load cell residual fatigue life estimation system and method | |
| JP4587299B2 (ja) | 車両用蓄電装置の内部状態検出方式 | |
| JP6161133B2 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
| KR101960090B1 (ko) | 지능형 배터리 센서 및 이의 반복 연산을 이용한 배터리 공칭 용량 추정방법 | |
| CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
| US10422824B1 (en) | System and method for efficient adaptive joint estimation of battery cell state-of-charge, resistance, and available energy | |
| CN112698207A (zh) | 一种电池容量检测方法及装置 | |
| WO2017002953A1 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
| US20160231389A1 (en) | Deterioration function calculation device, deterioration rate estimation device, deterioration rate estimation system, deterioration function calculation method, deterioration rate estimation method, and program | |
| CN114740389A (zh) | 电池健康评估方法、装置、电子设备和可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210423 |
|
| RJ01 | Rejection of invention patent application after publication |