CN113759255A - 一种获取电池soh的方法及装置 - Google Patents

一种获取电池soh的方法及装置 Download PDF

Info

Publication number
CN113759255A
CN113759255A CN202010507075.4A CN202010507075A CN113759255A CN 113759255 A CN113759255 A CN 113759255A CN 202010507075 A CN202010507075 A CN 202010507075A CN 113759255 A CN113759255 A CN 113759255A
Authority
CN
China
Prior art keywords
battery
soc
data
soh
initial
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
CN202010507075.4A
Other languages
English (en)
Other versions
CN113759255B (zh
Inventor
张立科
周雪松
孙艳艳
赵世超
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.)
Zhengzhou Yutong Bus Co Ltd
Original Assignee
Zhengzhou Yutong Bus 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 Zhengzhou Yutong Bus Co Ltd filed Critical Zhengzhou Yutong Bus Co Ltd
Priority to CN202010507075.4A priority Critical patent/CN113759255B/zh
Publication of CN113759255A publication Critical patent/CN113759255A/zh
Application granted granted Critical
Publication of CN113759255B publication Critical patent/CN113759255B/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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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

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)

Abstract

本发明涉及一种获取电池SOH的方法及装置。该方法对电池的历史数据进行数据筛选，以筛选出需要的电池充电过程数据，使用经过数据筛选保留的电池充电过程数据，计算出电池的SOH。本发明采用电池电压、电池电流、环境温度均较为稳定的电池充电过程数据作为计算SOH的数据，并将SOC‑OCV拟合函数的曲线中充电起始阶段的起始SOC和起始电压的区分度最明显的区域(即OCV随SOC增大的变化趋势变缓处附近)，作为数据筛选条件(判据)，选取其中的起始电压或起始SOC小于设定值的电池充电过程数据，舍弃掉不满足该条件的电池数据，从而使得影响精度的电池充电过程数据不参与电池SOH的计算。

Description

一种获取电池SOH的方法及装置
技术领域
本发明涉及获取电池SOH的方法及装置。
背景技术
新能源汽车的动力电池的健康状态SOH(State of Health)反映了电池的老化程度，电池使用越久越不耐用，续航里程也越小，因此准确获取电源系统SOH，是准确获取车辆续驶里程和确定电池使用寿命的前提。同样，由于电池使用越久实际容量越小，因此可以用放电过程反映的当前容量与额定容量的比值来定义，即SOH＝当前容量/额定容量，另外电池使用越久内阻越大，所以也可以用内阻的变化来定义SOH。现有技术中的通过BMS(Battery Management System电池管理系统)在线计算电池SOH的技术，例如，申请公布号为CN109204063A的中国发明专利申请公开了一种计算动力电池SOH的方法，由BMS采集车辆使用期间产生的历史数据，并进行数据处理，计算得到对应的动力电池健康状态SOH。
现有技术存在的问题在于，SOH的计算准确度都比较低。因此一般SOH不介入其他电池性能参数的计算，只作为参考值，缺乏实际指导作用。
发明内容
本发明的目的是提供一种获取电池SOH的方法，以提高其准确度；本发明还提供了一种获取电池SOH的装置，以执行上述获取电池SOH的方法，提高其可靠性。
为解决上述技术问题而提供一种获取电池SOH的方法：包括：
获得电池的身份信息和历史数据，历史数据包括：数据采样的时间点以及对应时间点采集的电池参数，电池参数包括电池的电流、电压；
对历史数据进行数据筛选，以筛选出需要的电池充电过程数据，电池充电过程数据是某个充电起始时间点到充电结束时间点期间的历史数据，所述数据筛选进行至少一个筛选判断，在筛选判断的结果为真时保留该段电池充电过程数据，在筛选判断的结果为假时舍弃该段电池充电过程数据；
所述筛选判断包括：
判断一：
判断起始电压是否小于起始电压设定值，起始电压是电池充电过程数据中的充电起始时间点的电压，起始电压设定值是OCV随SOC增大的变化趋势变缓处附近的SOC-OCV拟合函数的曲线所对应范围内的OCV值，起始电压小于起始电压设定值的情况下判断一的结果为真，否则为假；
或者，判断起始SOC修正值是否小于起始SOC设定值，起始SOC修正值由SOC-OCV拟合函数、电池充电过程数据中的充电起始时间点的电压得到，起始SOC设定值是OCV随SOC增大的变化趋势变缓处附近的SOC-OCV拟合函数的曲线所对应范围内的SOC值，起始SOC修正值小于起始SOC设定值的情况下，判断一的判断结果为真，否则为假；
使用经过数据筛选保留的电池充电过程数据，计算出电池的SOH。
进一步的，所述计算出电池的SOH，是使用经过数据筛选保留的电池充电过程数据，由计算公式：SOH＝充电电量/(100％-起始SOC修正值)/电池额定容量，获得SOH，其中，充电电量用安时积分法计算，起始SOC修正值由SOC-OCV拟合函数、电池充电过程数据中的充电起始时间点的电压得到。
进一步的，所述起始SOC设定值为25％～30％。
进一步的，所述筛选判断包括判断二：
根据电池充电前的电流为零的持续时间，判断充电前电池静置时间是否大于静置时间设定值，在判断出静置时间大于静置时间设定值的情况下，判断二的判断结果为真，否则为假。
进一步的，所述筛选判断包括判断三：
根据充电结束时间点以后电池的电压是否大于结束电压设定值，判断电池充电结束时的结束SOC是否等于100％，在判断出充电结束时间点以后电池的电压是大于结束电压设定值的情况下，判断三的判断结果为真，否则为假。
进一步的，所述筛选判断包括判断四：
根据相邻两个时间点的间隔是否是否小于时间跳变设定值，判断该电池充电过程中的时间点是否出现数据异常，在判断出电池充电过程中任意两个相邻时间点的时间间隔都小于时间跳变设定值的情况下，判断四的判断结果为真，否则为假。
进一步的，电池参数包括BMS计算的SOC值，所述筛选判断包括判断五：
根据相邻两个时间点的SOC的差值是否小于SOC跳变设定值，判断该电池充电过程中的时间点是否出现数据异常，在判断出电池充电过程中任意两个相邻时间点的SOC值的差值都小于SOC跳变设定值的情况下，判断五的判断结果为真，否则为假。
进一步的，所述电池为多台车辆上的电池，电池的身份信息和历史数据来自多台车辆的BMS，通过获得设定时间内的多台车辆的SOH，计算SOH的偏差量，如果偏差量超限，则提高数据筛选精度，提高筛选精度通过提高数据采样的频率或者缩小或者扩大筛选判断中的相应设定值来实现。
进一步的，所述电池为多台车辆上的电池，电池的身份信息和历史数据来自多台车辆的BMS，通过获得设定时间内的多台车辆的SOH，计算SOH的偏差量，如果偏差量超限，则提高安时积分法的积分计算精度。
本发明提供的一种获取电池SOH的装置，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序运行时执行上述获取电池SOH的方法。
本发明采用电池电压、电池电流、环境温度均较为稳定的电池充电过程数据作为计算SOH的数据，并将SOC-OCV拟合函数的曲线中充电起始阶段的起始SOC和起始电压的区分度最明显的区域(即OCV随SOC增大的变化趋势变缓处附近)，作为数据筛选条件(判据)，选取其中的起始电压或起始SOC小于设定值的电池充电过程数据，舍弃掉不满足该条件的电池数据，从而使得影响精度的电池充电过程数据不参与电池SOH的计算，经验证，本发明的获取电池SOH的方法的准确度明显提高。
附图说明
图1为本发明的获取电池SOH的方法的实施例1的流程图；
图2为本发明的获取电池SOH的方法的实施例1中获得的电池的历史数据中的电池充电过程数据的示意图；
图3为本发明的获取电池SOH的方法的实施例1中计算出的SOH与相应的电池充电过程数据的起始SOC修正值的关系图；
图4为本发明的获取电池SOH的方法的实施例1的程序迭代过程的SOH偏差分布对比图；
图5为本发明的获取电池SOH的方法的实施例1中电池的SOC-OCV拟合曲线图之一；
图6为本发明的获取电池SOH的方法的实施例1中电池的SOC-OCV拟合曲线图之二；
图7为本发明的获取电池SOH的方法的实施例2的流程图。
附图标记说明：1-左侧框，2-右侧框。
具体实施方式
本发明的获取电池SOH的方法的实施例1：
该方法基于车辆的电源系统大数据的SOH获取方法，是远程监控平台通过执行程序来实现的，如图1所示，包括以下步骤：
1、通过车辆的车载终端T-Box将各个车辆的车辆id、车辆BMS储存的电池身份信息和历史数据上传到远程监控平台，电池身份信息包括电池型号、电池额定容量，历史数据是电池使用过程中的以设定频率采样获得的电池参数，数据采样的电池参数有：采样时刻的时间点、电池电压(OCV)、电池电流、SOC(电池荷电状态，电池当前带电容量除以电池满充满放情况下的实际放电容量)，数据采样频率越高，计算结果会更准确，本实施例的数据采样间隔为20秒。
2、远程监控平台通过执行计算机程序，对步骤1中的历史数据进行筛选，以提升SOH准确度，其选取规则为：对历史数据中的电池充电过程数据进行筛选判断，在筛选判断的结果为真时保留该段电池充电过程数据，在筛选判断的结果为假时舍弃该段电池充电过程数据。通常情况下锂电池在低SOC区间随着电压的减小SOC变化更明显，并且充电时段电压电流更稳定，所以本发明采用充电过程数据。
电池充电过程数据是某个充电起始时间点到充电结束时间点期间的历史数据，充电过程的充电起始时间点、充电结束时间点可以通过电池参数来判断，电流从0开始升高的时刻即为充电开始，电流由某值突变为0的时刻为充电结束，或者是以电压到达设定值(根据电池类型、型号确定，比如磷酸铁锂电池的电压到3.6V为充满电)的时刻为充电结束。
筛选判断有如下五个判断：
判断一，判断起始SOC修正值是否小于起始SOC设定值，充电起始时间点的电池电压即为起始电压，即电流为0的最高电压，根据SOC-OCV拟合公式(不同厂家、不同版本的电池SOC-OCV拟合公式不一致，能够通过实验的方式获取然后拟合获得)，由起始电压计算出起始SOC修正值，判断一要求起始SOC修正值低于25％，满足该条件则保留该段电池充电过程数据，不满足则舍弃。
在判断一之前还有判断二：判断充电前电池静置时间是否大于静置时间设定值，静置时间足够长能够提高判断一中的起始SOC修正值的准确性。原因在于：由于电池静置时间不够长的话，电池的电压会随着时间的降低而降低，而静置时间足够长后的电池电压较为稳定，使用该时段的电压来修正起始SOC会比较准确。判断三要求静置时间大于10分钟，具体可以根据电池充电前的电流为零的持续时间来计量，满足则保留该段电池充电过程数据，不满足则舍弃。
判断三，判断电池充电结束时的结束SOC是否等于100％，判断三目的在于选取那些最后将电池充满的电池充电过程数据，具体可以通过充电结束时刻电压是否到达设定值(根据电池类型、型号确定，比如磷酸铁锂电池的电压到3.6V)来判断，判断三要求结束SOC等于100％，满足则保留该段电池充电过程数据，不满足则舍弃。
判断四，判断电池充电过程中的时间点是否出现“时间跳变”导致的数据异常，判断四要求任意两个相邻时间点的时间间隔都小于时间跳变设定值，本实施例中的时间跳变设定值为20秒，满足则保留该段电池充电过程数据，不满足则舍弃。如图2所示，其中左侧框1中显示的即为时间跳变，时间间隔大于20秒。
判断五，判断电池充电过程中的时间点是否出现“SOC跳变”导致的数据异常，判断五要求任意两个相邻时间点的SOC值的时间间隔都小于差值都小于SOC跳变设定值，本实施例中的SOC跳变设定值为1.6％，满足则保留该段电池充电过程数据，不满足则舍弃。如图2所示，其中右侧框2中显示的即为SOC跳变，差值大于1.6％。
3、通过安时积分计算充电过程充电电量及充入SOC，算出当前动力电池SOH值。
具体的，本实施例1中的SOH＝充电电量/(100％-起始SOC修正值)/电池额定容量，其中充电电量的计算基于步骤2中筛选出的电池充电过程数据，根据该数据中的时间点和电流，通过安时积分即可得到充电电量。
实际上，本实施例1中的SOH仍为电池实际电容量与额定容量的比值，只不过实际电容量是用充电电量与SOC的变化量的比值。
4、通过验证单车短期SOH偏差的方式，快速查找SOH偏差大的原因，以压缩偏差为目标修改代码并迭代程序。
选取市场所有装有同型号的磷酸铁锂电池的车辆，计算近3个月所有车辆的单车SOH。计算单车最大SOH与最小SOH差值。以SOH差值不超过10％为目标，可以采取如下的措施来减小偏差：(1)当差值超限时，提高步骤2中的筛选判断的精度，比如提高程序识别异常数据得准确度，将异常数据剔除，然后再参与计算；(2)当差值超限时，提高程序计算安时积分电量的准确度。
因为单车SOH在3个月内变化不大，所以最大SOH与最小SOH差值(最大偏差)在模型计算准确的情况下偏差不会很大(如超过10％)，将最大偏差保留到小数点后两位，即精确到1％，然后做最大偏差的分布，如图4所示(图4为程序迭代后的单车3个月偏差分布对比图，横轴为SOH最大值与最小值的差值，纵轴为某差值在所有车辆中的占比)，通过不断升版程序，以涵盖95％(即纵轴占比的值为0.95)的数据点为参考，从第一版程序的最大偏差28％缩减到第四版的8％，见图1，如果仅以最大偏差和最小偏差的平均值作为最后输出的SOH，那么偏差将被控制在±4％。
由于市场车辆基数大，每天上传的数据量过亿，数据传输过程中涉及到的技术点多，上传上来的数据难免出现缺失、异常的情况。本发明的方法除了可以对比每版程序升级后的效果并压缩偏差范围以外，还具有辅助查找偏差产生原因的作用。偏差产生的原因多种多样，有原始数据缺失导致的，有筛选条件设置不合理导致的。单车原因查找后，通过升版程序可以压缩最大偏差同时改善有相同原因的其他车辆，整体提升了SOH数据的计算质量。
如图3所示，通过对比所有单车短期内的数据我们发现，绝大部分车辆均符合的特点是：修正起始SOC(图3中的修正SOC)升高，SOH下降，且SOH下降速度越来越快。而修正起始SOC大于30％的计算结果偏离图3中数据的中心点(图3中的各偏离点被圈出)，这验证了本实施例中上述步骤2中判断一的有效性。进而从理论上分析研究，如图5所示，这种误差(即修正起始SOC大于30％情况下，计算得到的SOH值不准)的来源是由SOC-OCV曲线随着SOC增加到一定程度(25％～30％)而曲线斜率越来越小决定的，无论是新电池还是老电池都是如此(而且SOC越小，新旧电池的SOC的偏差也越小)，即SOC-OCV曲线斜率降低至趋近于0处周围的所对应范围内的起始SOC和起始电压的区分度最明显，从而起始SOC修正值的可信度就更高，由此就不容易导致SOH计算结果的混淆。因此，本实施例中的可信度最高的点是起始SOC修正值最小时对应的SOH，所以上述实施例在计算过程中将会把修正后充电起始SOC大于25％的充电过程数据剔除掉，以保证SOH计算的准确性。
同时，由上述现象进行理论分析，起始SOC修正值不得大于的“起始SOC设定值”并不局限本实施例中给出的25％～30％，因为不同型号的电池可能有所区别，但是其SOC-OCV曲线都满足上述的变化规律，因此在本发明的其他实施例中，可以选择满足“OCV随SOC增大的变化趋势变缓处附近的所对应范围内的SOC值”作为起始SOC设定值。优选的，如图6(图6中的横坐标为SOC值、纵坐标为OCV值)所示，选择电压随SOC增大的变化趋势变缓处之前(该处在图6中被圈出，靠近原点的方向为前)，也即SOC-OCV曲线中OCV随着SOC增加到一定程度(25％～30％)而曲线斜率越来越小而趋近于0之前。
而基于上述分析，由于起始SOC修正值是基于SOC-OCV拟合函数获得的，即起始电压与起始SOC修正值是对应的，因此，在本发明的其他实施例中，对于上述判断一，也可以用起始电压作为判断一的判据，即判断起始电压是否小于起始电压设定值，起始电压是电池充电过程数据中的充电起始时间点的电压，起始电压设定值是OCV随SOC增大的变化趋势变缓处附近的SOC-OCV拟合函数的曲线所对应范围内的OCV值，充电过程数据的起始电压小于起始电压设定值则保留，否则就剔除掉。
再者，本发明的获取电池SOH的方法的具体实施方式，并不限于必须采用五个筛选判断的方式，除了判断一外，其他四个判断可以根据实际需要进行取舍。而且筛选判断的顺序也并不局限于将判断一置于其他判断之前，因此本发明的获取电池SOH的方法的实施方式还包括将判断一至于其他判断之后的方式，具体为获取电池SOH的方法的实施例2，与实施例1不之处仅在于，如图7所示，判断一的“根据SOC-OCV拟合函数得到初始SOC修正值”以及“初始SOC修正值是否低于25％”的步骤，被移到“判断SOC数值连续性”下方，即判断一被置于筛选判断过程的最后。
本发明的获取电池SOH的装置的实施例：
包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器在运行计算机程序时实现上述各方法实施例中的步骤，其执行过程已在上述方法实施例中详细介绍，此处不再详细赘述。该装置被安装在远程监控平台上。
最后应当说明的是，以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解，本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在本发明的权利要求保护范围之内。

Claims (10)

1.一种获取电池SOH的方法，其特征在于，包括：
获得电池的身份信息和历史数据，历史数据包括：数据采样的时间点以及对应时间点采集的电池参数，电池参数包括电池的电流、电压；
对历史数据进行数据筛选，以筛选出需要的电池充电过程数据，电池充电过程数据是某个充电起始时间点到充电结束时间点期间的历史数据，所述数据筛选进行至少一个筛选判断，在筛选判断的结果为真时保留该段电池充电过程数据，在筛选判断的结果为假时舍弃该段电池充电过程数据；
所述筛选判断包括：
判断一：
判断起始电压是否小于起始电压设定值，起始电压是电池充电过程数据中的充电起始时间点的电压，起始电压设定值是OCV随SOC增大的变化趋势变缓处附近的SOC-OCV拟合函数的曲线所对应范围内的OCV值，起始电压小于起始电压设定值的情况下判断一的结果为真，否则为假；
或者，判断起始SOC修正值是否小于起始SOC设定值，起始SOC修正值由SOC-OCV拟合函数、电池充电过程数据中的充电起始时间点的电压得到，起始SOC设定值是OCV随SOC增大的变化趋势变缓处附近的SOC-OCV拟合函数的曲线所对应范围内的SOC值，起始SOC修正值小于起始SOC设定值的情况下，判断一的判断结果为真，否则为假；
使用经过数据筛选保留的电池充电过程数据，计算出电池的SOH。
2.根据权利要求1所述的获取电池SOH的方法，其特征在于，所述计算出电池的SOH，是使用经过数据筛选保留的电池充电过程数据，由计算公式：SOH＝充电电量/(100％-起始SOC修正值)/电池额定容量，获得SOH，其中，充电电量用安时积分法计算，起始SOC修正值由SOC-OCV拟合函数、电池充电过程数据中的充电起始时间点的电压得到。
3.根据权利要求1所述的获取电池SOH的方法，其特征在于，所述起始SOC设定值为25％～30％。
4.根据权利要求1所述的获取电池SOH的方法，其特征在于，所述筛选判断包括判断二：根据电池充电前的电流为零的持续时间，判断充电前电池静置时间是否大于静置时间设定值，在判断出静置时间大于静置时间设定值的情况下，判断二的判断结果为真，否则为假。
5.根据权利要求1所述的获取电池SOH的方法，其特征在于，所述筛选判断包括判断三：根据充电结束时间点以后电池的电压是否大于结束电压设定值，判断电池充电结束时的结束SOC是否等于100％，在判断出充电结束时间点以后电池的电压是大于结束电压设定值的情况下，判断三的判断结果为真，否则为假。
6.根据权利要求1所述的获取电池SOH的方法，其特征在于，所述筛选判断包括判断四：根据相邻两个时间点的间隔是否是否小于时间跳变设定值，判断该电池充电过程中的时间点是否出现数据异常，在判断出电池充电过程中任意两个相邻时间点的时间间隔都小于时间跳变设定值的情况下，判断四的判断结果为真，否则为假。
7.根据权利要求1所述的获取电池SOH的方法，其特征在于，电池参数包括BMS计算的SOC值，所述筛选判断包括判断五：
根据相邻两个时间点的SOC的差值是否小于SOC跳变设定值，判断该电池充电过程中的时间点是否出现数据异常，在判断出电池充电过程中任意两个相邻时间点的SOC值的差值都小于SOC跳变设定值的情况下，判断五的判断结果为真，否则为假。
8.根据权利要求1-7中任意一项所述的获取电池SOH的方法，其特征在于，所述电池为多台车辆上的电池，电池的身份信息和历史数据来自多台车辆的BMS，通过获得设定时间内的多台车辆的SOH，计算SOH的偏差量，如果偏差量超限，则提高数据筛选精度，提高筛选精度通过提高数据采样的频率或者缩小或者扩大筛选判断中的相应设定值来实现。
9.根据权利要求2所述的获取电池SOH的方法，其特征在于，所述电池为多台车辆上的电池，电池的身份信息和历史数据来自多台车辆的BMS，通过获得设定时间内的多台车辆的SOH，计算SOH的偏差量，如果偏差量超限，则提高安时积分法的积分计算精度。
10.一种获取电池SOH的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序运行时执行权利要求1-9中任一项所述的获取电池SOH的方法。
CN202010507075.4A 2020-06-05 2020-06-05 一种获取电池soh的方法及装置 Active CN113759255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010507075.4A CN113759255B (zh) 2020-06-05 2020-06-05 一种获取电池soh的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010507075.4A CN113759255B (zh) 2020-06-05 2020-06-05 一种获取电池soh的方法及装置

Publications (2)

Publication Number Publication Date
CN113759255A true CN113759255A (zh) 2021-12-07
CN113759255B CN113759255B (zh) 2023-09-08

Family

ID=78785118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010507075.4A Active CN113759255B (zh) 2020-06-05 2020-06-05 一种获取电池soh的方法及装置

Country Status (1)

Country Link
CN (1) CN113759255B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117452265A (zh) * 2023-12-22 2024-01-26 合众新能源汽车股份有限公司 动力电池的容量衰减估算方法、系统及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308865A (zh) * 2013-07-09 2013-09-18 福州瑞芯微电子有限公司 测算二次电池soc及自学习ocv-soc曲线的方法与电子设备
US20150276887A1 (en) * 2014-04-01 2015-10-01 Hon Hai Precision Industry Co., Ltd. Method and apparatus of estimating state of health of battery
CN106597287A (zh) * 2015-10-20 2017-04-26 郑州宇通客车股份有限公司 电池soc和soh测算方法
CN107807333A (zh) * 2017-10-31 2018-03-16 暨南大学 一种退役动力电池组的soc估算方法
CN108196199A (zh) * 2018-01-23 2018-06-22 广州小鹏汽车科技有限公司 一种整车状态下的锂电池容量估算方法、系统和装置
CN109298348A (zh) * 2018-11-30 2019-02-01 北京长城华冠汽车科技股份有限公司 电池的寿命估算方法
US20190170826A1 (en) * 2017-12-06 2019-06-06 Cadex Electronics Inc. Battery state-of-health determination upon charging

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308865A (zh) * 2013-07-09 2013-09-18 福州瑞芯微电子有限公司 测算二次电池soc及自学习ocv-soc曲线的方法与电子设备
US20150276887A1 (en) * 2014-04-01 2015-10-01 Hon Hai Precision Industry Co., Ltd. Method and apparatus of estimating state of health of battery
CN106597287A (zh) * 2015-10-20 2017-04-26 郑州宇通客车股份有限公司 电池soc和soh测算方法
CN107807333A (zh) * 2017-10-31 2018-03-16 暨南大学 一种退役动力电池组的soc估算方法
US20190170826A1 (en) * 2017-12-06 2019-06-06 Cadex Electronics Inc. Battery state-of-health determination upon charging
CN108196199A (zh) * 2018-01-23 2018-06-22 广州小鹏汽车科技有限公司 一种整车状态下的锂电池容量估算方法、系统和装置
CN109298348A (zh) * 2018-11-30 2019-02-01 北京长城华冠汽车科技股份有限公司 电池的寿命估算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈翌 等: "数据驱动的锂电池健康状态估算方法比较", 《储能科学与技术》, vol. 8, no. 6, pages 1204 - 1210 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117452265A (zh) * 2023-12-22 2024-01-26 合众新能源汽车股份有限公司 动力电池的容量衰减估算方法、系统及设备

Also Published As

Publication number Publication date
CN113759255B (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN112540313B (zh) 修正电池可用容量的方法及车辆、介质
US8548761B2 (en) Method for measuring SOC of a battery management system and the apparatus thereof
KR101846690B1 (ko) Ｗｌｓ 기반 ｓｏｈ 추정 시스템 및 방법
CN107167743B (zh) 基于电动车辆的荷电状态估算方法和装置
KR100911317B1 (ko) 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
US7688033B2 (en) Method for detecting state of secondary battery and device for detecting state of secondary battery
KR20100019249A (ko) 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
CN110780207B (zh) 用于监控电池状态的方法、监控装置以及机动车
CN112698218B (zh) 一种电池健康状态获取方法及装置、存储介质
CN110045291B (zh) 一种锂电池容量估计方法
CN113866649A (zh) 电池状态的计算方法和计算装置以及存储介质
CN113135116A (zh) 电池系统的防过充控制方法、装置及存储介质和电动车
CN111679200B (zh) 一种电池荷电状态的校准方法、装置和车辆
CN113759255A (zh) 一种获取电池soh的方法及装置
CN114518537A (zh) 用于确定电池单体的参数的值的方法、控制装置和机动车
CN115113049A (zh) 确定电池soc初始值的方法及相关装置
CN112415399B (zh) 电池单体ocv-soc曲线修正方法、设备及存储介质
CN116540099A (zh) 锂离子动力电池的使用寿命预测方法、装置、设备及介质
WO2023184880A1 (zh) 电池容量确定方法和装置、以及存储介质
CN114284586B (zh) 一种电池快充方法和装置
KR102255914B1 (ko) 저온 환경에서의 예측 정확도 향상을 위한 리튬이차전지 잔량 예측방법 및 예측장치
CN115032551A (zh) 一种soc值的校准方法、装置和车辆
KR101937591B1 (ko) 배터리 수명 예측장치 및 방법
CN117368743B (zh) 电池健康状态评估方法、装置、计算机设备及存储介质
CN114646878A (zh) 一种荷电状态值修正方法、系统及车辆

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 6, Yutong Road, Guancheng Hui District, Zhengzhou, Henan 450061

Applicant after: Yutong Bus Co.,Ltd.

Address before: No.1, Shibali Heyu Road, Guancheng Hui District, Zhengzhou City, Henan Province

Applicant before: ZHENGZHOU YUTONG BUS Co.,Ltd.

GR01 Patent grant
GR01 Patent grant