CN112881917A - 一种基于大数据平台的动力电池寿命预测方法及系统 - Google Patents

一种基于大数据平台的动力电池寿命预测方法及系统 Download PDF

Info

Publication number
CN112881917A
CN112881917A CN202110082330.XA CN202110082330A CN112881917A CN 112881917 A CN112881917 A CN 112881917A CN 202110082330 A CN202110082330 A CN 202110082330A CN 112881917 A CN112881917 A CN 112881917A
Authority
CN
China
Prior art keywords
power battery
mileage
corresponding relation
attenuation percentage
attenuation
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
Application number
CN202110082330.XA
Other languages
English (en)
Other versions
CN112881917B (zh
Inventor
杨辉
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.)
Sichuan Yema Automobile Co Ltd
Original Assignee
Sichuan Yema Automobile 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 Sichuan Yema Automobile Co Ltd filed Critical Sichuan Yema Automobile Co Ltd
Priority to CN202110082330.XA priority Critical patent/CN112881917B/zh
Publication of CN112881917A publication Critical patent/CN112881917A/zh
Application granted granted Critical
Publication of CN112881917B publication Critical patent/CN112881917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/367—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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供一种基于大数据平台的动力电池寿命预测方法及系统，包括根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与衰减百分比的第二对应关系；根据第二对应关系计算得到测试行驶里程与衰减百分比的第三对应关系；获取大数据平台采集到的目标车辆的历史行驶里程并分析历史行驶里程是否大于设定的阈值；若历史行驶里程大于阈值，则根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和台架测试数据预测动力电池在目标里程下的衰减百分比并进行提示；若历史行驶里程小于阈值，则根据第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。

Description

一种基于大数据平台的动力电池寿命预测方法及系统
技术领域
本发明涉及新能源汽车技术领域，具体而言，涉及一种基于大数据平台的动力电池寿命预测方法及系统。
背景技术
动力电池是新能源汽车的关键零部件，其成本占纯电动汽车总成本的近1/2。动力电池的寿命直接影响着用户的使用成本和整车的性能。基于此，对普通消费者而言，动力电池的使用寿命已成为消费者是否购买电动车的关键影响因素。但是，行业内针对动力电池使用寿命的预测主要以台架测试和单车数据为主。就台架测试而言，通过恒温环境，固定工况来测试，而在实车使用过程，工况复杂，环境多样，因此，基于台架测试的结果往往与实际不一致；基于单车数据的电池寿命预测，往往利用本次充放电数据进行预测，结果也很不理想。虽然也有部分基于互联网大数据平台进行动力电池寿命预测的方案(例如申请号为CN201610906400.8的专利)，但是这些方案仅仅考虑了动力电池的电压数据，预测结果存在较大误差。所以需要提供一种方案以便于更为准确地对动力电池的寿命进行预测和提醒，提升整车的安全性。
发明内容
本发明的目的在于提供一种基于大数据平台的动力电池寿命预测方法及系统，用以实现更为准确地对动力电池的寿命进行预测和提醒的技术效果。
第一方面，本发明提供了一种基于大数据平台的动力电池寿命预测方法，包括根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与所述衰减百分比的第二对应关系；根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系；获取大数据平台采集到的目标车辆的历史行驶里程并分析所述历史行驶里程是否大于设定的阈值；若所述历史行驶里程大于所述阈值，则根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示；若所述历史行驶里程小于所述阈值，则根据所述第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。
进一步地，若所述历史行驶里程大于所述阈值，则根据动力电池相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示的步骤包括：
根据所述动力电池在相等间隔里程段的固定放电深度分析每个里程段的实际放电容量；根据所述第一对应关系与每个里程段动力电池的平均温度分析动力电池的标称放电容量；根据所述实际放电容量和所述标称放电容量得到各个里程段的衰减百分比，并构成衰减百分比序列；将所述衰减百分比序列与未行使里程的台架测试数据进行拟合，得到拟合多项式；根据所述拟合多项式对目标里程对应的衰减百分比进行预测和提示。
进一步地，所述实际放电容量的计算方式为：
Figure BDA0002909523460000021
上式中，Ibus表示动力电池输出的母线电流，Ti表示采样时间间隔，SOC起表示动力电池的起始荷电状态，SOC终表示动力电池的终止荷电状态，C实表示实际放电容量。
进一步地，所述衰减百分比序列与未行使里程的台架测试数据进行拟合时采用最小二乘法拟合。
进一步地，根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系的步骤中：测试行驶里程＝循环次数x续航里程。
进一步地，所述方法还包括：根据所述台架测试数据分析动力电池的运行时间与衰减百分比的第四对应关系；获取大数据平台采集到的目标车辆的历史行驶时长并分析所述历史行驶时长是否大于设定时长；若所述历史行驶时长大于所述设定时长，则根据动力电池在相等时间间隔的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标驾驶时间下的衰减百分比并进行提示；若所述历史行驶时长小于所述设定时长，则根据所述第四对应关系预测动力电池在目标驾驶时间下的衰减百分比并进行提示。
第二方面，本发明提供一种基于大数据平台的动力电池寿命预测系统，包括：第一分析模块，所述第一分析模块用于根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与所述衰减百分比的第二对应关系；第二分析模块，所述第二分析模块用于根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系；获取模块，所述获取模块用于获取大数据平台采集到的目标车辆的历史行驶里程并分析所述历史行驶里程是否大于设定的阈值；预测与预警模块，所述预测与预警模块用于在所述历史行驶里程大于所述阈值时，根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示；在所述历史行驶里程小于所述阈值时，则根据所述第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。
进一步地，所述动力电池寿命预测系统还包括显示模块；所述显示模块用于控制显示器显示提示信息。
进一步地，所述动力电池寿命预测系统还包括语音提示模块，所述语音提示模块用于启动语音报警器进行语音提示。
本发明能够实现的有益效果是：本发明利用大数据平台上动力电池的历史数据以及台架试验数据对电池的寿命进行预测，通过动力电池的放电深度、工作温度等信息，可以更为全面地对动力电池的寿命进行预测，使结果更加精准。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明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发明的某些实施例，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为本发明实施例提供的一种基于大数据平台的动力电池寿命预测方法流程示意图；
图2为本发明实施例提供的一种台架测试行驶里程-衰减百分比曲线；
图3为本发明实施例提供的一种台架测试行驶里程-衰减百分比多项式拟合曲线；
图4为本发明实施例提供的一种基于大数据平台的动力电池寿命预测系统拓扑结构示意图。
图标：10-动力电池寿命预测系统；100-第一分析模块；200-第二分析模块；300-获取模块；400-预测与预警模块；500-显示模块；600-语音提示模块。
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，在本发明的描述中，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。
请参看图1、图2和图3，图1为本发明实施例提供的一种基于大数据平台的动力电池寿命预测方法流程示意图；图2为本发明实施例提供的一种台架测试行驶里程-衰减百分比曲线；图3为本发明实施例提供的一种台架测试行驶里程-衰减百分比多项式拟合曲线。
经申请人研究发现，行业内针对动力电池使用寿命的预测主要以台架测试和单车数据为主。就台架测试而言，通过恒温环境，固定工况来测试，而在实车使用过程，工况复杂，环境多样；因此，基于台架测试的结果往往与实际不一致。基于单车数据的电池寿命预测，往往利用本次充放电数据进行预测，而动力电池的寿命与工作温度，放电倍率和放电深度都相关；因此，往往也不理想。而基于互联网大数据平台进行动力电池寿命预测方案，也往往没有考虑工作温度，放电倍率和放电深度等属性，使得预测结果误差大。所以本发明提供一种基于大数据平台的动力电池寿命预测方法以提高动力电池寿命预测的准确性；具体内容如下所述。
步骤S101，根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与所述衰减百分比的第二对应关系。
在一种实施方式中，可以先获取动力电池出厂的台架测试数据，该台架测试数据中包括了动力电池的工作温度、循环次数、放电深度等信息；然后就可以根据获取到的台架测试数据分析得到“工作温度—动力电池衰减百分比”的对应关系(即第一对应关系)和“循环次数—动力电池衰减百分比”的对应关系(即第二对应关系)。
步骤S102，根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系。
在一种实施方式中，当获取到“循环次数—动力电池衰减百分比”的对应关系后，就可以根据动力电池的循环次数分析得到测试行驶里程与动力电池衰减百分比之间的对应关系(即第三对应关系)。
具体地，测试行驶里程的计算方式为：测试行驶里程＝循环次数x续航里程。
步骤S103，获取大数据平台采集到的目标车辆的历史行驶里程并分析所述历史行驶里程是否大于设定的阈值。
在一种实施方式中，可以从动力电池的台架测试数据中先获取上述阈值，然后再将目标车辆的历史行驶里程与该阈值进行比较。
步骤S104，若所述历史行驶里程大于所述阈值，则根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示；若所述历史行驶里程小于所述阈值，则根据所述第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。
在一种实施方式中，若目标车辆的历史行驶里程大于设置的阈值，则可以计算相等间隔里程段的固定放电深度下的实际放电容量。根据第一对应关系与每个里程段动力电池的平均温度分析动力电池的标称放电容量；然后根据实际放电容量和标称放电容量得到各个里程段的衰减百分比，并构成衰减百分比序列；将衰减百分比序列与未行使里程的台架测试数据进行拟合，得到拟合多项式；根据拟合多项式对目标里程对应的衰减百分比进行预测和提示。
具体地，实际放电容量的计算方式为：
Figure BDA0002909523460000061
式中，Ibus表示动力电池输出的母线电流，Ti表示采样时间间隔，SOC起表示动力电池的起始荷电状态，SOC终表示动力电池的终止荷电状态，C实表示实际放电容量。衰减百分比Pa的计算方式为：
Figure BDA0002909523460000071
在一种实施方式中，衰减百分比序列与未行使里程的台架测试数据进行拟合时采用最小二乘法拟合，拟合的具体方法如下：
设有输入数据集：
T＝[(x1,y1),(x2,y2),...,(xi,yi),...,(xN,yN)]
其中，xi为输入量，在本实施例中为行驶里程；yi为输出量，在本实施例中为衰减百分比，i＝1,2，…，N。
设拟合多项式为：
Figure BDA0002909523460000072
式中，xi为输入量，w0，w1，...，wM是系数。
根据最小二乘法，求取平方损失函数则有：
Figure BDA0002909523460000073
进一步地，对wj求偏导并令其等于0，从而得到线性方程组：
Figure BDA0002909523460000074
将输入数据集T和定义的拟合多项式借此M，即可求出拟合多项式的系数w0，w1，...，wM。
示例性地，本发明实施例采用二次曲线拟合，即M取2，x为台架测试的行驶里程，y为台架测试的衰减百分比。拟合曲线如图2所示，横坐标为行驶里程，纵坐标为衰减百分比，则拟合的二次多项式如下：
f2(x,w)＝-1.97×10-9x2+0.000189x+93.1
具体地，假设动力电池设置的阈值为5万公里；若大数据平台已采集到5万公里历史行驶里程，则可以首先以5000km为等距离间隔，按照放电50％深度，计算实际放电容量，并与根据温度查表的标称容量相除，得到该车型每5000km的动力电池的衰减百分比。
对经分析得到的实际数据(历史行驶里程和衰减百分比)与未行驶里程的台架测试数据一起做二次曲线拟合，即M＝2，x为实际行驶里程加台架测试行驶里程，y为实际的衰减百分比加台架测试的衰减百分比。拟合曲线如图3所示，横坐标为行驶里程，纵坐标为衰减百分比，拟合的二次多项式如下：
f2(x,w)＝-2.09×10-9x2+0.0002213x+93.1
通过步骤S104的方式对该车型行驶13万公里的电池寿命进行预测得到衰减百分比为84.518％。
在一种实施方式中，上述方法还包括：
根据台架测试数据分析动力电池的运行时间与衰减百分比的第四对应关系；
获取大数据平台采集到的目标车辆的历史行驶时长并分析历史行驶时长是否大于设定时长；
若历史行驶时长大于设定时长，则根据动力电池在相等时间间隔的固定放电深度、放电过程中的平均温度和台架测试数据预测动力电池在目标驾驶时间下的衰减百分比并进行提示；若历史行驶时长小于设定时长，则根据第四对应关系预测动力电池在目标驾驶时间下的衰减百分比并进行提示。
通过上述方式，也可以使用基于运行时间的方式按照基于行驶里程的方法对动力电池的寿命进行预测。
请参看图4，图4为本发明实施例提供的一种基于大数据平台的动力电池寿命预测系统拓扑结构示意图。
在一种实施方式中，本发明实施例还提供一种基于大数据平台的动力电池寿命预测系统10，包括第一分析模块100，第一分析模块100用于根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与衰减百分比的第二对应关系；
第二分析模块200，第二分析模块用于根据第二对应关系计算得到测试行驶里程与衰减百分比的第三对应关系；
获取模块300，获取模块用于获取大数据平台采集到的目标车辆的历史行驶里程并分析历史行驶里程是否大于设定的阈值；
预测与预警模块400，预测与预警模块用于在历史行驶里程大于阈值时，根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和台架测试数据预测动力电池在目标里程下的衰减百分比并进行提示；在历史行驶里程小于阈值时，则根据第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。
进一步地，动力电池寿命预测系统还包括显示模块500；显示模块500用于控制显示器显示提示信息。
进一步地，动力电池寿命预测系统还包括语音提示模块600，语音提示模块600用于启动语音报警器进行语音提示。
综上所述，本发明实施例提供一种基于大数据平台的动力电池寿命预测方法及系统，包括根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与衰减百分比的第二对应关系；根据第二对应关系计算得到测试行驶里程与衰减百分比的第三对应关系；获取大数据平台采集到的目标车辆的历史行驶里程并分析历史行驶里程是否大于设定的阈值；若历史行驶里程大于阈值，则根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和台架测试数据预测动力电池在目标里程下的衰减百分比并进行提示；若历史行驶里程小于阈值，则根据第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示，更为准确地对动力电池的寿命进行预测和提醒。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种基于大数据平台的动力电池寿命预测方法，其特征在于，包括:
根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与所述衰减百分比的第二对应关系；
根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系；
获取大数据平台采集到的目标车辆的历史行驶里程并分析所述历史行驶里程是否大于设定的阈值；
若所述历史行驶里程大于所述阈值，则根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示；若所述历史行驶里程小于所述阈值，则根据所述第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。
2.根据权利要求1所述的方法，其特征在于，若所述历史行驶里程大于所述阈值，则根据动力电池相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示的步骤包括：
根据所述动力电池在相等间隔里程段的固定放电深度分析每个里程段的实际放电容量；
根据所述第一对应关系与每个里程段动力电池的平均温度分析动力电池的标称放电容量；
根据所述实际放电容量和所述标称放电容量得到各个里程段的衰减百分比，并构成衰减百分比序列；
将所述衰减百分比序列与未行使里程的台架测试数据进行拟合，得到拟合多项式；
根据所述拟合多项式对目标里程对应的衰减百分比进行预测和提示。
3.根据权利要求2所述的方法，其特征在于，所述实际放电容量的计算方式为：
Figure FDA0002909523450000021
式中，Ibus表示动力电池输出的母线电流，Ti表示采样时间间隔，SOC起表示动力电池的起始荷电状态，SOC终表示动力电池的终止荷电状态，C实表示实际放电容量。
4.根据权利要求2所述的方法，其特征在于，所述衰减百分比序列与未行使里程的台架测试数据进行拟合时采用最小二乘法拟合。
5.根据权利要求1所述的方法，其特征在于，根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系的步骤中：测试行驶里程＝循环次数x续航里程。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述台架测试数据分析动力电池的运行时间与衰减百分比的第四对应关系；
获取大数据平台采集到的目标车辆的历史行驶时长并分析所述历史行驶时长是否大于设定时长；
若所述历史行驶时长大于所述设定时长，则根据动力电池在相等时间间隔的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标驾驶时间下的衰减百分比并进行提示；若所述历史行驶时长小于所述设定时长，则根据所述第四对应关系预测动力电池在目标驾驶时间下的衰减百分比并进行提示。
7.一种基于大数据平台的动力电池寿命预测系统，其特征在于，包括：
第一分析模块，所述第一分析模块用于根据动力电池的台架测试数据分析动力电池的工作温度与衰减百分比的第一对应关系以及循环次数与所述衰减百分比的第二对应关系；
第二分析模块，所述第二分析模块用于根据所述第二对应关系计算得到测试行驶里程与所述衰减百分比的第三对应关系；
获取模块，所述获取模块用于获取大数据平台采集到的目标车辆的历史行驶里程并分析所述历史行驶里程是否大于设定的阈值；
预测与预警模块，所述预测与预警模块用于在所述历史行驶里程大于所述阈值时，根据动力电池在相等间隔里程段的固定放电深度、放电过程中的平均温度和所述台架测试数据预测所述动力电池在目标里程下的衰减百分比并进行提示；在所述历史行驶里程小于所述阈值时，则根据所述第三对应关系预测动力电池在目标里程下的衰减百分比并进行提示。
8.根据权利要求7所述的动力电池寿命预测系统，其特征在于，所述动力电池寿命预测系统还包括显示模块；所述显示模块用于控制显示器显示提示信息。
9.根据权利要求7所述的动力电池寿命预测系统，其特征在于，所述动力电池寿命预测系统还包括语音提示模块，所述语音提示模块用于启动语音报警器进行语音提示。
CN202110082330.XA 2021-01-21 2021-01-21 一种基于大数据平台的动力电池寿命预测方法及系统 Active CN112881917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110082330.XA CN112881917B (zh) 2021-01-21 2021-01-21 一种基于大数据平台的动力电池寿命预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110082330.XA CN112881917B (zh) 2021-01-21 2021-01-21 一种基于大数据平台的动力电池寿命预测方法及系统

Publications (2)

Publication Number Publication Date
CN112881917A true CN112881917A (zh) 2021-06-01
CN112881917B CN112881917B (zh) 2022-11-22

Family

ID=76051563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110082330.XA Active CN112881917B (zh) 2021-01-21 2021-01-21 一种基于大数据平台的动力电池寿命预测方法及系统

Country Status (1)

Country Link
CN (1) CN112881917B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466716A (zh) * 2021-06-17 2021-10-01 深圳市道通科技股份有限公司 电池健康状态测算方法以及相关设备
US12109909B2 (en) * 2022-08-11 2024-10-08 GM Global Technology Operations LLC Goal-based electric vehicle charging

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105974326A (zh) * 2016-06-01 2016-09-28 华霆（合肥）动力技术有限公司 锂电池寿命预估方法及装置
CN107894571A (zh) * 2017-11-06 2018-04-10 北京长城华冠汽车科技股份有限公司 车载电池组寿命估算方法
CN108928245A (zh) * 2018-05-17 2018-12-04 四川野马汽车股份有限公司 一种电动汽车动力电池soc的动态校准方法
CN110531268A (zh) * 2019-08-26 2019-12-03 汉纳森（厦门）数据股份有限公司 一种电池寿命分析的方法和装置
US20200174079A1 (en) * 2017-07-10 2020-06-04 3M Innovative Properties Company State of health of partially discharged cells
CN111239606A (zh) * 2018-11-28 2020-06-05 湖南中车时代电动汽车股份有限公司 一种新能源汽车动力电池性能衰减检测方法
CN111239630A (zh) * 2020-03-09 2020-06-05 江苏中兴派能电池有限公司 一种储能电池寿命预测方法及管理系统
WO2020211456A1 (zh) * 2019-04-16 2020-10-22 北京嘀嘀无限科技发展有限公司 电动车辆续航里程测量方法、电子设备及存储介质
US20200341067A1 (en) * 2019-04-25 2020-10-29 Contemporary Amperex Technology Co., Limited Method and device for determining available capacity of battery, management system, and storage medium
CN111859294A (zh) * 2020-07-09 2020-10-30 北理新源(佛山)信息科技有限公司 一种基于大数据的电动汽车评估方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105974326A (zh) * 2016-06-01 2016-09-28 华霆（合肥）动力技术有限公司 锂电池寿命预估方法及装置
US20200174079A1 (en) * 2017-07-10 2020-06-04 3M Innovative Properties Company State of health of partially discharged cells
CN107894571A (zh) * 2017-11-06 2018-04-10 北京长城华冠汽车科技股份有限公司 车载电池组寿命估算方法
CN108928245A (zh) * 2018-05-17 2018-12-04 四川野马汽车股份有限公司 一种电动汽车动力电池soc的动态校准方法
CN111239606A (zh) * 2018-11-28 2020-06-05 湖南中车时代电动汽车股份有限公司 一种新能源汽车动力电池性能衰减检测方法
WO2020211456A1 (zh) * 2019-04-16 2020-10-22 北京嘀嘀无限科技发展有限公司 电动车辆续航里程测量方法、电子设备及存储介质
US20200341067A1 (en) * 2019-04-25 2020-10-29 Contemporary Amperex Technology Co., Limited Method and device for determining available capacity of battery, management system, and storage medium
CN110531268A (zh) * 2019-08-26 2019-12-03 汉纳森（厦门）数据股份有限公司 一种电池寿命分析的方法和装置
CN111239630A (zh) * 2020-03-09 2020-06-05 江苏中兴派能电池有限公司 一种储能电池寿命预测方法及管理系统
CN111859294A (zh) * 2020-07-09 2020-10-30 北理新源(佛山)信息科技有限公司 一种基于大数据的电动汽车评估方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
夏顺礼等: "某纯电动车电池系统可靠性性能分析", 《汽车工程学报》 *
李梦飞等: "基于实车行驶数据的某型号纯电动汽车健康状态模型研究", 《传动技术》 *
王真等: "电动汽车低温续航里程研究", 《汽车实用技术》 *
王颖等: "纯电动车动力电池包寿命的评价方法", 《合肥学院学报》 *
詹桉: "车载能源系统的匹配计算", 《客车技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466716A (zh) * 2021-06-17 2021-10-01 深圳市道通科技股份有限公司 电池健康状态测算方法以及相关设备
US12109909B2 (en) * 2022-08-11 2024-10-08 GM Global Technology Operations LLC Goal-based electric vehicle charging

Also Published As

Publication number Publication date
CN112881917B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
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
CN101034141B (zh) 检测可再充电电池内部状态的方法、装置和带有该装置的设备
US20200018797A1 (en) A battery cell state of charge estimation method and a battery state monitoring system
CN112881917B (zh) 一种基于大数据平台的动力电池寿命预测方法及系统
CN104635163A (zh) 一种电动车电池组soh在线估算预警方法
CN116381514B (zh) 一种电芯压差预警方法、装置、存储介质及设备
CN103529400A (zh) 一种具有温度自适应补偿的电池容量预测方法
CN110045291B (zh) 一种锂电池容量估计方法
CN115808922A (zh) 商用电动车辆能耗预测方法、装置和计算机设备
CN111679200B (zh) 一种电池荷电状态的校准方法、装置和车辆
CN117007973A (zh) 电池状态预测方法、装置、设备及存储介质
US20230375637A1 (en) Battery diagnostic system
CN115100756B (zh) 续驶里程确定方法、车辆及计算机可读存储介质
JP7321963B2 (ja) 二次電池の劣化推定方法、寿命推定方法、及び制御装置
WO2024099869A1 (en) Charging station recommendation for an electric vehicle
CN116819364A (zh) 电池健康度的确定方法、应用方法、电子设备及存储介质
CN111562513A (zh) 一种动力电池日历寿命估算方法
CN107599844B (zh) 一种电动汽车剩余里程检测方法
CN112950030B (zh) 电动汽车的残差评估方法、装置、电子设备及存储介质
CN116118571A (zh) 一种车辆续航里程的预测方法和装置
CN115139803A (zh) 新能源车剩余续航里程确定方法、装置、设备及存储介质
WO2022024847A1 (ja) 演算システム、電池の劣化予測方法、及び電池の劣化予測プログラム
US11512994B2 (en) Vehicle fuel volume consumption estimation and accuracy analysis systems and methods
CN114764600A (zh) 新能源车电池包的寿命预测方法、装置和电子设备
CN104749530B (zh) 一种动力电池放电自耗能性能衰变估算方法及装置

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