CN113447824A - 电池最大充放电电流的估算方法、装置及存储介质 - Google Patents
电池最大充放电电流的估算方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113447824A CN113447824A CN202110719229.0A CN202110719229A CN113447824A CN 113447824 A CN113447824 A CN 113447824A CN 202110719229 A CN202110719229 A CN 202110719229A CN 113447824 A CN113447824 A CN 113447824A
- Authority
- CN
- China
- Prior art keywords
- battery
- current
- estimated
- parameter
- voltage
- 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
- 238000007599 discharging Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims description 113
- 230000010287 polarization Effects 0.000 claims description 87
- 238000012937 correction Methods 0.000 claims description 76
- 230000014509 gene expression Effects 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000000306 component Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 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]
- G01R31/367—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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明公开了一种电池最大充放电电流的估算方法、装置及存储介质，涉及汽车电池领域。其中方法包括：读取待估算电池的电压序列值和电流序列值，其中，电压序列值包括多个连续时刻的端电压值，电流序列值包括多个连续时刻的电流值；利用递推最小二乘法，根据待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数；根据当前时刻的电池特性参数，得到待估算电池在当前时刻的最大充放电电流。上述方法可以提高电池最大充放电电流估算结果的精确度。
Description
技术领域
本发明涉及汽车电池领域，尤其是涉及一种电池最大充放电电流的估算方法、装置及存储介质。
背景技术
随着全球石油能源的不断减少以及节能环保力度的加大，新能源汽车成为了汽车工业长远发展的首选产品，其中以电能为动力源，电机为驱动装置的电动汽车发展尤为显著。动力电池及电池管理系统作为电动汽车的核心部件，对汽车的续驶里程、使用寿命、安全性能等有着直接的影响，电池充放电能力(SOF)，即电池最大充放电电流是电池管理系统状态估算的重要参数，其估算结果对电池管理系统至关重要。
现有技术中，对电池最大充放电电流的估算主要是根据电池温度和电池电荷状态(SOC)来确定的，即首先经过实验获得多组温度、SOC值和最大放电电流之间的对应关系，然后通过测得实际电池温度和估算得到的SOC值查找实验数据表格，以获得电池的最大放电电流。
然而，目前的估算方法过度依赖实验数据，当实验数据不充分或实验数据的不准确时，都会影响到电池最大充放电电流估算的精确度。
发明内容
有鉴于此，本申请提供了一种电池最大充放电电流的估算方法、装置及存储介质，主要目的在于解决电池最大充放电电流的估算结果精确度低的技术问题。
根据本发明的第一个方面，提供了一种电池最大充放电电流估算方法，该方法包括：
读取待估算电池的电压序列值和电流序列值，其中，电压序列值包括多个连续时刻的端电压值，电流序列值包括多个连续时刻的电流值；
利用递推最小二乘法，根据待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；
通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数；
根据当前时刻的电池特性参数，得到待估算电池在当前时刻的最大充放电电流。
根据本发明的第二个方面，提供了一种电池最大充放电电流估算装置，该装置包括：
数据获取模块，用于读取待估算电池的电压序列值和电流序列值，其中，电压序列值包括多个连续时刻的端电压值，电流序列值包括多个连续时刻的电流值；
待估参数估算模块，用于利用递推最小二乘法，根据待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；
电池特性参数估算模块，用于通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数；
最大充放电电流估算模块，用于根据当前时刻的电池特性参数，得到待估算电池在当前时刻的最大充放电电流。
根据本发明的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述电池最大充放电电流估算方法。
根据本发明的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述电池最大充放电电流估算方法。
本发明提供的一种电池最大充放电电流的估算方法、装置及存储介质，首先读取待估算电池的电压序列值和电流序列值，然后利用最小二乘法，估算出当前时刻的待估参数，继而根据二阶RC等效电池模型得到待估参数和电池特性参数之间的对应关系，从而通过对应关系，得到当前时刻的电池特性参数，最后根据电池特性参数与最大充放电电流之间的关系，得到当前时刻的最大充放电电流。上述方法通过二阶RC等效电池模型，能够准确的模拟出电池的状态，而且，利用二阶RC等效电池模型与递推最小二乘法相结合的方法，还能够对待估参数和电池特性参数进行精确的估算，提高了电池特性参数估算结果的精确度，同时也提高了电池最大充放电电流估算结果的精确度。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本发明实施例提供的一种电池最大充放电电流的估算方法的流程示意图；
图2示出了本发明实施例提供的一种二阶RC等效电池模型的示意图；
图3示出了本发明实施例提供的另一种电池最大充放电电流的估算方法的流程示意图；
图4示出了本发明实施例提供的另一种电池最大充放电电流的估算方法的流程示意图；
图5示出了本发明实施例提供的一种电池最大充放电电流的估算装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在一个实施例中，如图1所示，提供了一种电池最大充放电电流的估算方法，以该方法应用于计算机设备为例进行说明，包括以下步骤：
101、读取待估算电池的电压序列值和电流序列值，其中，所述电压序列值包括多个连续时刻的端电压值，所述电流序列值包括多个连续时刻的电流值。
其中，待估算电池是指需要对其进行估算最大充放电电流的电池。待估算电池的电压序列值和电流序列值指的是多组连续时刻的电池端电压值和多组连续时刻的电流值，其中，连续时刻可以是从初始时刻到当前时刻；并且电压序列值和电流序列值均是离散的数据。例如，电压序列值和电流序列值可以为初始时刻的端电压值、当前时刻的端电压值、上一时刻的端电压值、初始时刻的电流值、当前时刻的电流值和上一时刻的电流值等等。并且，电压序列值和电流序列值可以通过电压电流传感器读取，然后存储到数据库中，以供接下来的估算电池最大充放电电流使用。在本实施例中，估算电池最大充放电电流需要用到电压电流参数矩阵和相对矩阵，而这两个矩阵都是由端电压值和电流值构成，其中，端电压值和电流值可以在数据库中获取。
102、利用递推最小二乘法，根据所述待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数。
其中，递推算法是指在上一时刻的参数基础上，进行一系列的递推运算得到当前时刻参数，再通过当前时刻参数递推下一时刻参数，以这种方式对时变参数进行估算。常见的递推算法包括：递推最小二乘法、卡尔曼滤波参数估计和递推辅助变量法等等，其中，递推最小二乘法对参数的估算精确度最高。
具体的，递推最小二乘法估算参数的基本思想是新的参数在旧的参数和修正项的基础上形成。在本实施例中，可以根据读取的上一时刻的电压序列值和上一时刻的电流序列值，经过一系列的变化运算得到上一时刻的电压电流参数矩阵，从而利用递推最小二乘法，并根据上一时刻电压电流参数矩阵和上一时刻待估参数进行递推运算，获得当前时刻的待估参数。进一步的，再通过当前时刻的待估参数和当前时刻的电压电流参数矩阵，利用递推最小二乘法，递推运算得到下一时刻的待估参数。其中，上一时刻的待估参数可以根据初始时刻设定的待估参数随时间的变化不断进行修正获得。
103、通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据所述待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数。
具体的，待估算电池的最大充放电电流需要借助于电池特性参数获得，而在计算电池参数时，很多特性参数无法直接测得，在本实施例中，可以通过建立等效电池模型的方式，利用电池状态方程中的待估参数计算出电池的各种特性参数，进而求解电池的最大充放电电流。其中，常用的电池模型有一阶RC等效电池模型、二阶RC等效电池模型、内阻等效电池模型、PNGV等效电池模型和GNL等效电池模型等等。不同的等效电池模型对电池建模的精确度影响较大，在几种模型中，含RC的等效模型精准度最高，且RC阶数越高，精准度越好。由于电池充放电过程中会产生内阻、浓差极化反应和电化学极化反应，因此，二阶RC电池等效模型由一个欧姆内阻和两个由电容和电阻构成的RC回路串联组成，如图2所示，其中，两组电容电阻分别为浓差极化内阻、浓差极化电容和电化学极化内阻、电化学极化电容。在本实施例中，要利用电池状态方程中的待估参数估算电池的特性参数，主要需要估算出开路电压、欧姆内阻、浓差极化内阻、浓差极化电容、电化学极化内阻和电化学极化电容等电池特性参数。
在本实施例中，可以通过建立二阶RC等效模型，得到电池状态方程。二阶RC等效模型可以通过一系列的转换，得到差分方程，进而，根据差分方程和电池状态方程之间的对应关系，得到待估参数和电池特性参数之间的对应关系。
104、根据所述当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流。
具体的，电池的欧姆压降、浓差极化压降和电化学极化压降与电池充放电电流有一定的对应关系，其中，欧姆压降可以根据电池充放电电流和欧姆内阻计算而得，电化学极化压降可由上一时刻的电化学极化压降和电池充放电电流计算而得，浓差极化压降可根据上一时刻的浓差极化压降和电池充放电电流计算而得。进而根据电池充放电截止电压为开路电压与欧姆压降、浓差极化压降和电化学极化压降之差的关系，进一步推导出电池充放电电流与充放电截止电压、欧姆内阻、电化学极化内阻、浓差极化内阻、电化学极化电容、浓差极化电容、上一时刻电化学极化压降、上一时刻浓差极化压降和开路电压之间的关系式。最后，将当前时刻电池特性参数带入到关系式中，即可计算出当前时刻最大充放电电流。
本实施例提供的电池最大充放电电流的估算方法，首先读取待估算电池的电压序列值和电流序列值，然后利用最小二乘法，估算出当前时刻的待估参数，继而根据二阶RC等效电池模型得到待估参数和电池特性参数之间的对应关系，从而通过对应关系，得到当前时刻的电池特性参数，最后根据电池特性参数与最大充放电电流之间的关系，得到当前时刻的最大充放电电流。上述方法通过二阶RC等效电池模型，能够准确的模拟出电池的状态，而且，利用二阶RC等效电池模型与递推最小二乘法相结合的方法，还能够对待估参数和电池特性参数进行精确的估算，提高了电池特性参数估算结果的精确度，同时也提高了电池最大充放电电流估算结果的精确度。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的实施过程，提供了电池最大充放电电流估算方法，如图3所示，该方法包括以下步骤：
201、读取待估算电池的电压序列值和电流序列值。
202、根据所述待估算电池的电压序列值和电流序列值，得到上一时刻的电压电流参数矩阵，并获取上一时刻的相对矩阵、上一时刻的待估参数和预设的遗忘因子。
具体的，首先利用电压电流传感器读取多组连续时刻的端电压值和电流值，包括k时刻、k-1时刻和k-2时刻的端电压值和电流值，然后根据多组端电压值和电流值得到电压电流参数矩阵。同时从数据库中获取上一时刻的相对矩阵和上一时刻的待估参数，其中，相对矩阵同样由电压值和电流值组成。进一步的，预设遗忘因子，以防止增益矩阵急剧衰减，使得增益矩阵能保持对待估参数具有一定的修正能力。其中，遗忘因子可以为0-1之间的数值。
203、根据上一时刻的电压电流参数矩阵、上一时刻的相对矩阵和预设的遗忘因子，得到当前时刻的增益矩阵。
204、根据所述上一时刻的电压电流参数矩阵的转置矩阵与上一时刻的待估参数的乘积和当前时刻的端电压值之间的差值，得到当前时刻的估算误差值。
205、根据当前时刻的增益矩阵和当前时刻的估算误差值之间的乘积，对上一时刻的待估参数进行递推运算，得到当前时刻的待估参数。
具体的，增益矩阵可以为上一时刻的相对矩阵与上一时刻的电压电流参数矩阵之积，与引入遗忘因子的上一时刻的相对矩阵、上一时刻的电压电流参数矩阵和上一时刻的电压电流参数矩阵的转置矩阵之积之间的比值。在本实施例中，主要是通过增益矩阵对新的参数进行修正，并且结合估算误差，得到更准确的估算结果。
在一个具体的实施例中，增益矩阵可以通过以下表达式计算：
其中，G(k)为k时刻的增益矩阵，P(k-1)为k-1时刻的相对矩阵，
为k-1时刻的电压电流参数矩阵，a为遗忘因子，
为k-1时刻的电压电流参数矩阵的转置矩阵，P(k-1)为k-1时刻的相对矩阵。在上式中，P(k-1)和
可以是从数据库中直接获取的上一时刻的数据，并且遗忘因子a是设定的数值，因此通过以上表达式可以根据上一时刻的相对矩阵和上一时刻的电压电流参数矩阵，并通过遗忘因子的修正，计算出增益矩阵，进而通过增益矩阵增加待估参数的估算结果精确度。
进一步的，估算误差可以为当前时刻实际测得的端电压值与根据上一时刻待估参数和上一时刻的电压电流参数矩阵求得的端电压之间的差值。
在一个具体的实施例中，估算误差可以根据以下表达式计算：
其中，α(k)为k时刻的估算误差值，V(k)为k时刻的端电压值，
为k-1时刻的电压电流参数矩阵的转置矩阵，θ(k-1)为k-1时刻的待估参数。在上式中，V(k)为直接读取的数据，
可以根据k-1时刻电压电流参数值计算得到，θ(k-1)可以从数据库中获取得到，从而计算出估算误差值。估算误差和增益矩阵相结合，可以使得待估参数的估算结果更加准确。
进一步的，根据递推最小二乘法的基本思想，当前时刻待估参数可以根据上一时刻的待估参数和修正项计算得到，本实施例中，当前时刻待估参数可以是上一时刻待估参数与修正项之和。另外，当前时刻待估参数也可以为上一时刻待估参数与修正项之差或乘积等等，本申请在此不做具体限定。在本实施例中，修正项可以根据增益矩阵和估算误差得到，具体可以为增益矩阵和估算误差的乘积。
在一个具体实施例中，当前时刻待估参数可以根据以下表达式计算：
θ(k)＝θ(k-1)+G(k)α(k)，
其中，θ(k)为k时刻的待估参数，θ(k-1)为k-1时刻的待估参数，G(k)为k时刻的增益矩阵，α(k)为k时刻的估算误差值。在上式中，θ(k-1)可以从数据库中获取，G(k)和α(k)可以根据以上表达式计算获得，将已知的数据代入以上表达式中，可以求得当前时刻的待估参数。
206、根据所述上一时刻的电压电流参数矩阵的转置矩阵与所述当前时刻的增益矩阵的乘积和当前时刻的电流值之间的差值，对所述上一时刻的相对矩阵进行递推运算，得到当前时刻的相对矩阵。
其中，相对矩阵是电压电流值构成的矩阵，在本实施例中，相对矩阵会在计算增益矩阵时使用，即计算当前时刻的增益矩阵需要使用上一时刻的相对矩阵，计算下一时刻的增益矩阵需要当前时刻的相对矩阵，因而，需要对上一时刻的相对矩阵进行递推运算得到当前时刻的相对矩阵，存储到数据库中，从而在计算下一时刻的增益矩阵时使用，其中，初始时刻的相对矩阵是在估算过程的开始设定的电压电流矩阵，进而通过不断的递推，可以得到当前时刻相对矩阵。
具体的，当前时刻的相对矩阵可以根据当前时刻电流值与当前时刻增益矩阵和上一时刻的电压电流参数矩阵的乘积之间的差值和上一时刻的相对矩阵计算得到。本实施例中，当前时刻的相对矩阵可以是当前时刻电流值与当前时刻增益矩阵和上一时刻的电压电流参数矩阵的乘积之间的差值与上一时刻的相对矩阵之间的乘积。
在具体的实施例中，当前相对矩阵可以根据以下表达式计算：
其中，P(k)为k时刻的相对矩阵，I(k)为k时刻的电流值，G(k)为k时刻的增益矩阵，
为k-1时刻的电压电流参数矩阵的转置矩阵，P(k-1)为k-1时刻的相对矩阵。在上式中，I(k)为可以直接测量的数据，G(k)可以根据计算的到，
可以根据k-1时刻的电压电流值计算得到，P(k-1)可以直接从数据库中获取，进而将所有已知数据带入以上表达式中，可以求得当前时刻相对矩阵，并存储至数据库中，以供估算下一时刻的待估参数时使用。
207、通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据所述待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数。
具体的，本步骤具体可以通过以下方式实现：首先通过Z函数转换将二阶RC等效电池模型的等效表达式转换为差分方程，然后建立二阶RC等效电池离散时间模型，得到电池状态方程，最后根据所述差分方程和电池状态方程之间的对应关系，得到待估参数和电池特性参数之间的对应关系。
其中，Z函数转换是将离散的数学模型转换成差分方程或代数方程，从而方便计算。
具体的，由于电池在充放电过程中会产生内阻和极化反应，其中极化反应包括电化学极化和浓差极化，因此，本实施例建立二阶RC等效电池模型，得到的等效表达式为电池端电压是开路电压、欧姆压降、电化学极化电压和浓差极化电压之和。进一步的，可以将浓差极化电压和电化学极化电压离散化，得到浓差极化电压和浓差极化电阻、浓差极化电容以及上一时刻输出电流值之间的关系，并得到电化学极化电压和电化学极化电阻、电化学极化电容以及上一时刻输出电流值之间的关系。然后，可以根据Z函数转换，将离散化的二阶RC等效电池模型转换成差分方程。
在具体的实施例中，二阶RC等效电池模型的等效表达式为：
V＝Voc+IBRΩ+Vs+Vm，
其中，V为端电压值，Voc为开路电压，IB为电流值，RΩ为欧姆内阻，Vs为浓差极化电压，Vm为电化学极化电压；
离散后的浓差极化电压的表达式为：
Vs(k)＝e-△t/RsCs Vs(k-1)+IB(k-1)Rs(1-e-△t/RsCs)，
其中，Vs(k)为k时刻电池浓差极化电压，e为常数，△t为电压序列值和电流序列值的采样周期，Vs(k-1)为k-1时刻电池浓差极化电压，IB(k-1)为k-1时刻电流值，Rs为浓差极化内阻，Cs为浓差极化电容。
离散后的电化学极化电压的表达式为：
Vm(k)＝e-△t/RmCm Vm(k-1)+IB(k-1)Rm(1-e-△t/RmCm)，
其中，Vm(k)为k时刻电池电化学极化电压，Vm(k-1)为k-1时刻电池电化学极化电压，Rm为电化学极化内阻，Cm为电化学极化电容。
引入第一中间参数、第二中间参数、第三中间参数和第四中间参数a1、b1、a2、b2，
a1＝e-△t/RsCs，b1＝Rs(1-e-△t/RsCs)，a2＝e-△t/RmCm，b2＝Rm(1-e-△t/RmCm)；
则Vs(k)＝a1Vs(k-1)+b1IB(k-1)、Vm(k)＝a2Vm(k-1)+b2IB(k-1)。
根据Z函数转换，将离散后的二阶RC等效电池模型转换为差分方程，其表达式为：
V(k)＝(a1+a2)V(k-1)-a1a2V(k-2)+RΩI(k)+[b1-b2-RΩ(a1+a2)]I(k-1)
+(a1a2RΩ-b1a2-b2a1)I(k-2)+[1-(a1+a2)+a1a2]Voc，
其中，V(k)为待估算电池在k时刻的端电压，a1、b1、a2、b2分别为第一中间参数、第二中间参数、第三中间参数和第四中间参数，e为常数，△t为电压序列值和电流序列值的采样周期，Voc为开路电压，RΩ为欧姆内阻，Rs为浓差极化内阻，Rm为电化学极化内阻，Cs为浓差极化电容，Cm为电化学极化电容。
通过上述关系式，可以得到二阶RC等效电池模型的差分方程。
进一步的，二阶RC等效电池离散时间模型是二阶RC等效模型的一种根据离散时间形成的表达形式，方程表达式可以为端电压、待估参数和电压电流参数矩阵之间的关系式。其中，待估参数可以包含多个参数向量，本领域技术人员可知，参数向量的数量越多，待估参数的估计越精确，在本实施例中，待估参数可以包括六个参数向量，分别为第一参数向量、第二参数向量、第三参数向量、第四参数向量、第五参数向量和第六参数向量，在其他实施例中，待估参数的参数向量的个数也可以不限于此。根据待估参数的数量，可以读取相应数量的电压值电流值，构成电压电流参数矩阵。其中，电压电流参数矩阵也可以由六个不同时刻的电压电流值构成，从而与待估参数的六个参数向量相对应。
具体的，二阶RC等效电池离散时间模型的电池状态方程为端电压值是待估参数和电压电流参数矩阵的乘积，将多个参数向量代入到电池状态方程中，得到端电压与多个参数向量和多个电压电流值的等式关系。进一步的，差分方程和电池状态方程都是关于端电压的等式，根据他们之间的对应关系，得到待估参数和电池特性参数之间的对应关系。
在具体的实施例中，电池状态方程的表达式为：
其中，V(k)为待估算电池在k时刻的端电压，θ为待估参数，θ1、θ2、θ3、θ4、θ5、θ6分别为待估参数的第一参数向量、第二参数向量、第三参数向量、第四参数向量、第五参数向量和第六参数向量，θk为待估参数的转置矩阵，
为电压电流参数矩阵，V(k-1)为待估算电池在k-1时刻的端电压，V(k-2)为待估算电池在k-2时刻的端电压，I(k)为待估算电池在k时刻的电流值，I(k-1)为待估算电池在k-1时刻的电流值，I(k-2)为待估算电池在k-2时刻的电流值。
进一步的，根据差分方程和电池状态方程的对应关系可以得到：
a1+a2＝θ1，-a1a2＝θ2，RΩ＝θ3，b1-b2-RΩ(a1+a2)＝θ4，
a1a2RΩ-b1a2-b2a1＝θ5，[1-(a1+a2)+a1a2]Voc＝θ6，Voc＝θ6/(1-θ1-θ2)，
a1＝e-△t/RsCs，b1＝Rs(1-e-△t/RsCs)，a2＝e-△t/RmCm，b2＝Rm(1-e-△t/RmCm)，
其中，θ1、θ2、θ3、θ4、θ5、θ6分别为待估参数的第一参数向量、第二参数向量、第三参数向量、第四参数向量、第五参数向量和第六参数向量，a1、b1、a2、b2分别为第一中间参数、第二中间参数、第三中间参数和第四中间参数，e为常数，△t为电压序列值和电流序列值的采样周期，Voc为开路电压，RΩ为欧姆内阻，Rs为浓差极化内阻，Rm为电化学极化内阻，Cs为浓差极化电容，Cm为电化学极化电容。
进而，通过差分方程和电池状态方程的对应关系，即可得到待估参数和电池特性参数之间的关系。
208、根据所述当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流。
具体的，本步骤可以包括以下方法：首先根据开路电压、欧姆压降、电化学极化压降、浓差极化压降值之和与充放电截止电压之间的等式关系，得到电池最大充放电流与电池特性参数之间的关系式，然后将当前时刻的电池特性参数输入到电池最大充放电流与电池特性参数之间的关系式中，得到待估算电池在当前时刻的最大充放电电流。
其中，充放电截止电压是由锂电池特性决定，例如，放电截止电压可以为3.2V～3.5V，充电截止电压4.1V～4.3V。
具体的，电池充放电截止电压为开路电压与欧姆压降、电化学极化压降、浓差极化压降之差。其中，欧姆压降可以为电池充放电电流与电池欧姆内阻的乘积；电化学极化压降可以为上一时刻的电化学极化压降和电池充放电电流的乘积；浓差极化压降可以为上一时刻的浓差极化压降和电池充放电电流的乘积，进而可以得到电池充放电电流与电池特性参数之间的等式关系。进一步的，将当前时刻的待估参数，可以得到当前时刻的电池特性参数，进而可求得当前电池的最大充放电电流。
在具体的实施例中，充放电截止电压与开路电压、欧姆压降、电化学极化压降、浓差极化压降值之间的等式关系为：
Vt(k)＝Voc(k)–Vr(k)-Vs(k)-Vm(k)，
其中，Vt(k)电池充放电截止电压，Voc(k)为开路电压，Vr(k)为电池的欧姆压降，Vs(k)为电化学极化压降，Vm(k)为浓差极化压降。
欧姆压降、电化学极化压降、浓差极化压降与电池充放电电流的关系式分别为：
Vr(k)＝IBRΩ；
Vs(k)＝IBRs(1-e-k/RsCs)-Vs(k-1)e-k/RsCs；
Vm(k)＝IBRm(1-e-k/RmCm)-Vm(k-1)e-k/RmCm，
进一步的，充放电截止电压与电池特性参数之间的关系式为：
Vt(t)＝Voc(t)-IBRΩ–(IBRs(1-e-k/RsCs)-Vs(k-1)e-k/RsCs)–(IBRm(1-e-k/RmCm)-Vm(k-1)e-k/RmCm)，
进一步的，最大充放电电流与电池特性参数之间的关系式为：
IBmax(k)＝(Voc(k)+Vs(k-1)e-k/RsCs+Vm(k-1)e-k/RmCm-Vt(k))/(RΩ+Rs(1-e-k/RsCs)+Rm(1-e-k/RmCm))，
其中，IBmax(k)为k时刻的最大充放电电流，e为常数，k为电压序列值和电流序列值的采样时刻，Voc(k)为k时刻的开路电压，Vs(k-1)为k-1时刻的浓差极化压降，Vm(k-1)为k-1时刻的电化学极化压降，Vt(k)为k时刻的充放电截止电压，RΩ为欧姆内阻，Rs为浓差极化内阻，Rm为电化学极化内阻，Cs为浓差极化电容，Cm为电化学极化电容。进一步的，将根据待估参数计算得到的电池特性参数代入到关系式中，即可求得电池当前时刻的最大充放电电流。
209、获取待估算电池的修正因子，并根据待估算电池的修正因子，得到待估算电池的修正系数。
210、根据待估算电池在当前时刻的最大充放电电流与待估算电池的修正系数之间的乘积，得到待估算电池在当前时刻的最大充放电电流修正值。
具体的，待估算电池的修正因子可以包括当前的温度值、最低电压值、最高电压值、功能故障信息和安全故障信息等等，修正因子可以是其中的一种，也可以是多种组合，本申请在此不做限定。并且，根据修正因子，可以得到待估算电池的修正系数，修正系数可以是0-1之间的数值，并且修正系数可以随修正因子的变化而变化。进一步的，根据估算电池在当前时刻的最大充放电电流与待估算电池的修正系数之间的乘积，可以得到待估算电池在当前时刻的最大充放电电流修正值。
在一个实施例中，电池的修正因子为电池温度，当电池温度在0℃-40℃之间时，修正系数为1，当电池温度在此区间之外时，随着温度升高或降低，修正系数逐渐减小到0，根据估算电池在当前时刻的最大充放电电流与温度修正系数之间的乘积，可得到待估算电池在当前时刻的最大充放电电流修正值。
在一个实施例中，电池的修正因子为电池的最低电压值，当电池最低电压在3.7V-4.2V范围内时，修正系数为1，随着电压降低，修正系数逐渐减小到0，根据估算电池在当前时刻的最大充放电电流与最低电压修正系数之间的乘积，可得到待估算电池在当前时刻的最大充放电电流修正值。
在一个实施例中，电池的修正因子为电池的最高电压值，当电池最高电压在3.2V-3.7V范围内时，修正系数为1，随着电压升高，修正系数逐渐减小到0，根据估算电池在当前时刻的最大充放电电流与最高电压修正系数之间的乘积，可得到待估算电池在当前时刻的最大充放电电流修正值。
在一个实施例中，电池的修正因子为功能故障信息，其中电池故障信息可以包括多个等级，每个等级对应一个修正系数，例如，一级故障修正系数可以为0.7，二级故障修正系数可以为0.5，三级故障修正系数可以为0，根据估算电池在当前时刻的最大充放电电流与电池故障信息修正系数之间的乘积，可得到待估算电池在当前时刻的最大充放电电流修正值。
在一个实施例中，电池的修正因子为安全故障信息，其中，安全故障信息可以包括多个等级，每个等级对应一个修正系数，例如，当电池系统发生故障，并且车速大于20km/h时，修正系数为0.5；当电池系统发生故障，并且车速小于20km/h时，修正系数为0；电池系统发生短路、短路或者碰撞安全故障时，修正系数为0.7。根据估算电池在当前时刻的最大充放电电流与安全故障信息修正系数之间的乘积，可得到待估算电池在当前时刻的最大充放电电流修正值。
211、检测所述待估算电池的充放电模态。
212、当待估算电池处于放电模态时，将充电桩的最大充电电流设置为0A，并根据待估算电池在当前时刻的最大充放电电流得到充电桩的最大放电电流。
213、当所述待估算电池处于充电模态时，将所述待估算电池的最大放电电流设置为0A，并根据所述待估算电池在当前时刻的最大充放电电流设置充电桩的最大充电电流和最大制动能量回收电流。
其中，电池的充放电模态是指电池处于充电模态或放电模态；充电桩是为电动汽车电池充电的设备；最大制动能量回收电流为车辆在减速或制动过程中，动能转变为电能所产生的电流。
具体的，首先检测待估电池当前的充放电模态，当待估电池处于放电模态时，将充电桩最大充电电流限制为0A，并且充电桩的最大放电电流可以根据待估算电池在当前时刻的最大充放电电流得到；当待估电池处于充电模态时，将电池的放电电流限制为0A，并且充电桩最大充电电流和最大制动能量回收电流可以根据估算出的电池最大充放电电流值得到。
电动汽车的电池在实际使用的过程中，电池的温度、电压值、电池功能故障和电池安全故障以及电池充放电模态都会影响电池的寿命，因此在提高估算电池最大充放电电流的精确度的同时，还应该考虑电池的温度、电压值、电池功能故障、电池安全故障以及电池充放电模态等因素对电池的最大充放电电流的影响，进而提高电池使用寿命。本实施例提供的电池最大充放电电流估算方法，设定一与温度、电压等相关的修正系数，通过修正系数对电池最大充放电电流进行修正，所得到的最大充放电电流修正值可以在准确估算最大充放电电流的基础上，考虑电池的温度、电压值、电池功能故障、电池安全故障以及电池充放电模态等因素对电池的影响，提高了电池寿命。
进一步的，为了具体说明上述各实施例所述的电池最大充放电电流的估算方法，本实施例提供了一种电池最大充放电电流的估算方法的流程示意图，如图4所示。
具体的，首先进行数据的初始化，从数据库中获取多组连续时刻的电压电流值、上一时刻待估参数、上一时刻相对矩阵和电池温度。然后根据读取的电压电流值计算电压电流参数矩阵，接下来依次计算增益矩阵和估算误差，并根据增益矩阵、估算误差和上一时刻的待估参数利用递推最小二乘法计算出当前时刻的待估参数和当前时刻的相对矩阵，并存储至数据库中。进而根据当前时刻的待估参数，得到电池的电池特性参数。进一步的，获取电池特性参数中的的开路电压值，若开路电压值低于一定数值，则发出停车充电的指令；若开路电压值高于一定数值，则继续估算电池当前最大充放电电流值。本实施例提供的方法可以实时监测电池的电池特性参数和最大充放电电流，并根据电池特性参数和最大充放电电流为用户指示是否需要停车充电，通过这种方式，可以提高电池最大充放电电流估算的准确性和实时性，从而提高电池的使用寿命。
进一步的，作为图1至图4所示方法的具体实现，本实施例提供了一种电池最大充放电电流估算装置，如图5所示，该装置包括：数据获取模块31、待估参数估算模块32、电池特性参数估算模块33和最大充放电电流估算模块34。
数据获取模块31，可用于读取待估算电池的电压序列值和电流序列值，其中，所述电压序列值包括多个连续时刻的端电压值，所述电流序列值包括多个连续时刻的电流值；
待估参数估算模块32，可用于利用递推最小二乘法，根据所述待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；
电池特性参数估算模块33，可用于通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据所述待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数
最大充放电电流估算模块34，可用于根据所述当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流。
在具体的应用场景中，所述待估参数估算模块32，具体可用于根据所述待估算电池的电压序列值和电流序列值，得到上一时刻的电压电流参数矩阵，并获取上一时刻的相对矩阵、上一时刻的待估参数和预设的遗忘因子；根据所述上一时刻的电压电流参数矩阵、上一时刻的相对矩阵和预设的遗忘因子，得到当前时刻的增益矩阵；根据所述上一时刻的电压电流参数矩阵的转置矩阵与上一时刻的待估参数的乘积和当前时刻的端电压值之间的差值，得到当前时刻的估算误差值；根据所述当前时刻的增益矩阵和所述当前时刻的估算误差值之间的乘积，对所述上一时刻的待估参数进行递推运算，得到当前时刻的待估参数。
在具体的应用场景中，所述待估参数估算模块32，还可用于根据所述上一时刻的电压电流参数矩阵的转置矩阵与所述当前时刻的增益矩阵的乘积和当前时刻的电流值之间的差值，对所述上一时刻的相对矩阵进行递推运算，得到当前时刻的相对矩阵。
在具体的应用场景中，所述电池特性参数估算模块33，具体可用于通过Z函数转换将二阶RC等效电池模型的等效表达式转换为差分方程；建立二阶RC等效电池离散时间模型，得到电池状态方程；根据所述差分方程和电池状态方程之间的对应关系，得到待估参数和电池特性参数之间的对应关系；其中，所述待估参数包括第一参数向量、第二参数向量、第三参数向量、第四参数向量、第五参数向量和第六参数向量；所述电池特性参数包括开路电压、欧姆内阻、浓差极化内阻、浓差极化电容、电化学极化内阻和电化学极化电容。
在具体的应用场景中，所述最大充放电电流估算模块34，具体可用于根据开路电压、欧姆压降、电化学极化压降、浓差极化压降值之和与充放电截止电压之间的等式关系，得到电池最大充放电流与电池特性参数之间的关系式；将所述当前时刻的电池特性参数输入到所述电池最大充放电流与电池特性参数之间的关系式中，得到所述待估算电池在当前时刻的最大充放电电流。
在具体的应用场景中，所述最大充放电电流估算模块34，还可用于获取待估算电池的修正因子，其中，所述修正因子包括当前温度值、最低电压值、最高电压值、功能故障信息和安全故障信息中的一种或多种；根据所述待估算电池的修正因子，得到待估算电池的修正系数，其中，所述修正系数包括温度修正系数、低电压修正系数、高电压修正系数、功能故障修正系数和功能故障修正系数中的一种或多种；根据所述待估算电池在当前时刻的最大充放电电流与所述待估算电池的修正系数之间的乘积，得到待估算电池在当前时刻的最大充放电电流修正值。
在具体的应用场景中，所述最大充放电电流估算模块34，还可用于检测所述待估算电池的充放电模态；当所述待估算电池处于放电模态时，将充电桩的最大充电电流设置为0A，并根据所述待估算电池在当前时刻的最大充放电电流设置所述待估算电池的最大放电电流；当所述待估算电池处于充电模态时，将所述待估算电池的最大放电电流设置为0A，并根据所述待估算电池在当前时刻的最大充放电电流设置充电桩的最大充电电流和最大制动能量回收电流。
需要说明的是，本实施例提供的一种电池最大充放电电流估算装置所涉及各功能单元的其它相应描述，可以参考图1至图4中的对应描述，在此不再赘述。
基于上述如图1至图4所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1至图4所示的电池最大充放电电流估算方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该待识别软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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场景所述的方法。
基于上述如图1至图4所示的电池最大充放电电流估算方法，以及图5所示的电池最大充放电电流估算装置实施例，为了实现上述目的，本实施例还提供了一种电池最大充放电电流估算的实体设备，具体可以为个人计算机、服务器、智能手机、平板电脑、智能手表、或者其它网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图4所示的方法。
可选的，该实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种电池最大充放电电流估算的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述实体设备硬件和待识别软件资源的程序，支持信息处理程序以及其它待识别软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，首先读取待估算电池的电压序列值和电流序列值，其中，电压序列值包括多个连续时刻的端电压值，电流序列值包括多个连续时刻的电流值；然后利用递推最小二乘法，根据待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；再通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数；最后根据当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流。与现有技术相比，本申请的技术方案提高了电池最大充放电电流估算结果的精确度。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种电池最大充放电电流的估算方法，其特征在于，所述方法包括：
读取待估算电池的电压序列值和电流序列值，其中，所述电压序列值包括多个连续时刻的端电压值，所述电流序列值包括多个连续时刻的电流值；
利用递推最小二乘法，根据所述待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；
通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据所述待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数；
根据所述当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流。
2.根据权利要求1所述的方法，其特征在于，所述利用递推最小二乘法，根据所述待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数，包括：
根据所述待估算电池的电压序列值和电流序列值，得到上一时刻的电压电流参数矩阵，并获取上一时刻的相对矩阵、上一时刻的待估参数和预设的遗忘因子；
根据所述上一时刻的电压电流参数矩阵、上一时刻的相对矩阵和预设的遗忘因子，得到当前时刻的增益矩阵；
根据所述上一时刻的电压电流参数矩阵的转置矩阵与上一时刻的待估参数的乘积和当前时刻的端电压值之间的差值，得到当前时刻的估算误差值；
根据所述当前时刻的增益矩阵和所述当前时刻的估算误差值之间的乘积，对所述上一时刻的待估参数进行递推运算，得到当前时刻的待估参数。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述上一时刻的电压电流参数矩阵的转置矩阵与所述当前时刻的增益矩阵的乘积和当前时刻的电流值之间的差值，对所述上一时刻的相对矩阵进行递推运算，得到当前时刻的相对矩阵。
4.根据权利要求1所述的方法，其特征在于，所述通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，包括：
通过Z函数转换将二阶RC等效电池模型的等效表达式转换为差分方程；
建立二阶RC等效电池离散时间模型，得到电池状态方程；
根据所述差分方程和电池状态方程之间的对应关系，得到待估参数和电池特性参数之间的对应关系；
其中，所述待估参数包括第一参数向量、第二参数向量、第三参数向量、第四参数向量、第五参数向量和第六参数向量；所述电池特性参数包括开路电压、欧姆内阻、浓差极化内阻、浓差极化电容、电化学极化内阻和电化学极化电容。
5.根据权利要求1所述的方法，其特征在于，所述根据所述当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流，包括：
根据开路电压、欧姆压降、电化学极化压降、浓差极化压降值之和与充放电截止电压之间的等式关系，得到电池最大充放电流与电池特性参数之间的关系式；
将所述当前时刻的电池特性参数输入到所述电池最大充放电流与电池特性参数之间的关系式中，得到所述待估算电池在当前时刻的最大充放电电流。
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：
获取待估算电池的修正因子，其中，所述修正因子包括当前温度值、最低电压值、最高电压值、功能故障信息和安全故障信息中的一种或多种；
根据所述待估算电池的修正因子，得到待估算电池的修正系数，其中，所述修正系数包括温度修正系数、低电压修正系数、高电压修正系数、功能故障修正系数和功能故障修正系数中的一种或多种；
根据所述待估算电池在当前时刻的最大充放电电流与所述待估算电池的修正系数之间的乘积，得到待估算电池在当前时刻的最大充放电电流修正值。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
检测所述待估算电池的充放电模态；
当所述待估算电池处于放电模态时，将充电桩的最大充电电流设置为0A，并根据所述待估算电池在当前时刻的最大充放电电流设置所述待估算电池的最大放电电流；
当所述待估算电池处于充电模态时，将所述待估算电池的最大放电电流设置为0A，并根据所述待估算电池在当前时刻的最大充放电电流设置充电桩的最大充电电流和最大制动能量回收电流。
8.一种电池最大充放电电流的估算装置，其特征在于，所述装置包括：
数据获取模块，用于读取待估算电池的电压序列值和电流序列值，其中，所述电压序列值包括多个连续时刻的端电压值，所述电流序列值包括多个连续时刻的电流值；
待估参数估算模块，用于利用递推最小二乘法，根据所述待估算电池的电压序列值和电流序列值，得到当前时刻的待估参数；
电池特性参数估算模块，用于通过二阶RC等效电池模型得到待估参数与电池特性参数之间的对应关系，并根据所述待估参数与电池特性参数之间的对应关系，得到当前时刻的电池特性参数；
最大充放电电流估算模块，用于根据所述当前时刻的电池特性参数，得到所述待估算电池在当前时刻的最大充放电电流。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110719229.0A CN113447824A (zh) | 2021-06-28 | 2021-06-28 | 电池最大充放电电流的估算方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110719229.0A CN113447824A (zh) | 2021-06-28 | 2021-06-28 | 电池最大充放电电流的估算方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113447824A true CN113447824A (zh) | 2021-09-28 |
Family
ID=77813234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110719229.0A Pending CN113447824A (zh) | 2021-06-28 | 2021-06-28 | 电池最大充放电电流的估算方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113447824A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113871727A (zh) * | 2021-12-02 | 2021-12-31 | 深圳市铂纳特斯自动化科技有限公司 | 一种提高锂离子一致性的自适应化成方法及系统 |
| CN114413448A (zh) * | 2022-01-25 | 2022-04-29 | 南京天朗防务科技有限公司 | 空调所属建筑物一阶模型实时参数辨识方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102656469A (zh) * | 2009-10-27 | 2012-09-05 | F.I.A.M.M.股份公司 | 用于持续测量电池(尤其是安装在机动车内的电池)效率的方法以及利用该方法的设备 |
| KR20150040599A (ko) * | 2013-10-07 | 2015-04-15 | 현대자동차주식회사 | 배터리 센서의 sof 추정 방법 및 장치 |
| CN104678316A (zh) * | 2015-02-28 | 2015-06-03 | 北京交通大学 | 锂离子电池荷电状态估算方法和装置 |
| WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| CN105548896A (zh) * | 2015-12-25 | 2016-05-04 | 南京航空航天大学 | 基于n-2rc模型的动力电池soc在线闭环估计方法 |
| CN108490365A (zh) * | 2018-04-18 | 2018-09-04 | 北京理工大学 | 一种估计电动汽车的动力电池的剩余寿命的方法 |
| CN108594135A (zh) * | 2018-06-28 | 2018-09-28 | 南京理工大学 | 一种用于锂电池均衡充放电控制的soc估算方法 |
| CN109596984A (zh) * | 2018-12-12 | 2019-04-09 | 上海电力学院 | 一种基于粒子滤波算法的电池荷电状态的估计方法 |
| WO2019242472A1 (zh) * | 2018-06-19 | 2019-12-26 | 华为技术有限公司 | 一种电池荷电状态的估计方法及装置 |
| CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
-
2021
- 2021-06-28 CN CN202110719229.0A patent/CN113447824A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102656469A (zh) * | 2009-10-27 | 2012-09-05 | F.I.A.M.M.股份公司 | 用于持续测量电池(尤其是安装在机动车内的电池)效率的方法以及利用该方法的设备 |
| KR20150040599A (ko) * | 2013-10-07 | 2015-04-15 | 현대자동차주식회사 | 배터리 센서의 sof 추정 방법 및 장치 |
| WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| CN104678316A (zh) * | 2015-02-28 | 2015-06-03 | 北京交通大学 | 锂离子电池荷电状态估算方法和装置 |
| CN105548896A (zh) * | 2015-12-25 | 2016-05-04 | 南京航空航天大学 | 基于n-2rc模型的动力电池soc在线闭环估计方法 |
| CN108490365A (zh) * | 2018-04-18 | 2018-09-04 | 北京理工大学 | 一种估计电动汽车的动力电池的剩余寿命的方法 |
| WO2019242472A1 (zh) * | 2018-06-19 | 2019-12-26 | 华为技术有限公司 | 一种电池荷电状态的估计方法及装置 |
| CN108594135A (zh) * | 2018-06-28 | 2018-09-28 | 南京理工大学 | 一种用于锂电池均衡充放电控制的soc估算方法 |
| CN109596984A (zh) * | 2018-12-12 | 2019-04-09 | 上海电力学院 | 一种基于粒子滤波算法的电池荷电状态的估计方法 |
| CN111208432A (zh) * | 2020-01-16 | 2020-05-29 | 北方工业大学 | 用于电池的二阶rc等效电路模型参数实时辨识方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113871727A (zh) * | 2021-12-02 | 2021-12-31 | 深圳市铂纳特斯自动化科技有限公司 | 一种提高锂离子一致性的自适应化成方法及系统 |
| CN114413448A (zh) * | 2022-01-25 | 2022-04-29 | 南京天朗防务科技有限公司 | 空调所属建筑物一阶模型实时参数辨识方法 |
| CN114413448B (zh) * | 2022-01-25 | 2023-08-22 | 南京天朗防务科技有限公司 | 空调所属建筑物一阶模型实时参数辨识方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | State-of-charge estimation of lithium-ion battery using an improved neural network model and extended Kalman filter | |
| Wang et al. | Modeling and state-of-charge prediction of lithium-ion battery and ultracapacitor hybrids with a co-estimator | |
| CN102119338B (zh) | 基于电池电压变化模式估计电池健康状态的方法及装置 | |
| US11156668B2 (en) | Method for iteratively identifying parameters of equivalent circuit model of battery | |
| WO2014054259A1 (ja) | バッテリのパラメータ推定装置およびその推定方法 | |
| Nemes et al. | Modeling and simulation of first-order Li-Ion battery cell with experimental validation | |
| CN113447824A (zh) | 电池最大充放电电流的估算方法、装置及存储介质 | |
| CN110579716A (zh) | 一种电池检测方法及装置 | |
| CN111913109B (zh) | 一种电池峰值功率的预测方法及装置 | |
| Guo et al. | A parameter adaptive method with dead zone for state of charge and parameter estimation of lithium-ion batteries | |
| CN113777510A (zh) | 一种锂电池荷电状态估计方法及装置 | |
| CN113093015A (zh) | 电池寿命估算方法、装置、电池管理系统、汽车及介质 | |
| CN114609530A (zh) | 修正电池荷电状态的方法、装置、设备及介质 | |
| CN111231758B (zh) | 一种电池容量的估算方法、装置、电子设备及介质 | |
| CN112462282A (zh) | 基于机理模型的用于确定电池组实时荷电状态的方法 | |
| EP4152022B1 (en) | Method for determining full-charge capacity of battery pack, method for determining state of health of battery pack, system, and apparatus | |
| CN111044924A (zh) | 一种全工况电池剩余容量确定方法及系统 | |
| CN113484762A (zh) | 电池健康状态估算方法、装置、设备及存储介质 | |
| CN114137415A (zh) | 电池组的发热量检测方法、装置、车辆及存储介质 | |
| CN106970328B (zh) | 一种soc估算方法及装置 | |
| 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 | |
| CN111665443A (zh) | 电池性能公式的拟合方法、装置、存储介质和计算机设备 | |
| CN113933718B (zh) | 一种退役电池容量分选方法、装置、设备及存储介质 | |
| CN114264964B (zh) | 一种电池容量评估的方法、装置、设备及介质 | |
| CN115980583A (zh) | 基于微分代数方程的锂电池等效电路模型参数辨识四步法 |
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 |