CN113835036A - 电池健康状态评估方法、装置、计算机设备和存储介质 - Google Patents
电池健康状态评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113835036A CN113835036A CN202010587880.2A CN202010587880A CN113835036A CN 113835036 A CN113835036 A CN 113835036A CN 202010587880 A CN202010587880 A CN 202010587880A CN 113835036 A CN113835036 A CN 113835036A
- Authority
- CN
- China
- Prior art keywords
- battery
- application
- test
- unmanned aerial
- aerial vehicle
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 127
- 230000036541 health Effects 0.000 title claims abstract description 96
- 238000012360 testing method Methods 0.000 claims abstract description 307
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000007667 floating Methods 0.000 claims description 46
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003862 health status Effects 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000007599 discharging Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种电池健康状态评估方法、装置、计算机设备和存储介质。该方法包括:基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池;在测试阶段,在应用场景中获取电池关键性能指标在预设时间段内对应的测试指标数据,根据测试指标数据构建场景测试模型;测试指标数据由测试无人机在应用场景中执行测试任务时,针对所装载的电池采集并发送的;在应用阶段,在应用场景中动态获取电池关键性能指标对应的应用指标数据,根据应用指标数据与场景测试模型,得到电池健康状态评估结果;应用指标数据由应用无人机在应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。采用本方法能够提高电池健康状态的评估准确性与效率。
Description
技术领域
本申请涉及无人机锂电池技术领域,特别是涉及一种电池健康状态评估方法、装置、计算机设备和存储介质。
背景技术
随着无人机锂电池技术的发展,锂电池的电池健康状态的研究越来越受到重视,电池健康状态的评估对电池的使用、维护与评估具有重要意义。目前,通常是基于电池厂家建立的电池的老化模型进行电池分析,并为电池的使用和维护提供理论指导。但是,在实际应用场景中,该种电池健康状态评估方式,存在评估准确性与效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电池健康状态的评估准确性与效率的电池健康状态评估方法、装置、计算机设备和存储介质。
一种电池健康状态评估方法,所述方法包括:
基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池;
在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据所述测试指标数据构建所述应用场景的场景测试模型;所述测试指标数据由所述测试无人机在所述应用场景中执行测试任务时,针对所装载的电池采集并发送的;
在应用阶段,在所述应用场景中动态获取所述电池关键性能指标对应的应用指标数据,根据所述应用指标数据与所述场景测试模型,得到相应的电池健康状态评估结果;所述应用指标数据由应用无人机在所述应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
在其中一个实施例中,所述根据所述测试指标数据构建所述应用场景的场景测试模型,包括:
根据所述每个电池关键性能指标在所述预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线;
由各电池关键性能指标各自对应的性能指标衰减曲线,构建所述应用场景的场景测试模型。
在其中一个实施例中,所述测试无人机有多个;所述根据所述每个电池关键性能指标在所述预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线,包括:
对所述每个电池关键性能指标在所述预设时间段内的每个时间点对应的多个测试指标数据求平均,得到相应时间点的平均测试指标数据;
根据所述每个电池关键性能指标在所述预设时间段内的每个时间点对应的平均测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线。
在其中一个实施例中,所述根据所述应用指标数据与所述场景测试模型,得到相应的电池健康状态评估结果,包括:
根据所述应用无人机所装载的电池的运行时长,按照所述场景测试模型确定所述每个电池关键性能指标对应的参考指标数据;
计算所述每个电池关键性能指标对应的参考指标数据与应用指标数据之间的浮动值;
根据各所述电池关键性能指标各自对应的浮动值与浮动阈值,得到所述应用无人机所装载的电池的电池健康状态评估结果。
在其中一个实施例中,所述根据各所述电池关键性能指标各自对应的浮动值与浮动阈值,得到所述应用无人机所装载的电池的电池健康状态评估结果,包括:
根据各所述电池关键性能指标各自对应的浮动值与浮动阈值,得到所述应用无人机的运行风险评估结果;所述电池关键性能指标包括电流、电量与电池容量;
根据所述电量与所述电池容量各自对应的应用指标数据,得到所述应用无人机所装载的电池的属性评估结果;
根据所述运行风险评估结果与所述属性评估结果,得到所述应用无人机所装载的电池的电池健康状态评估结果。
在其中一个实施例中,所述方法还包括:
当根据所述电池健康状态评估结果判定所述应用无人机存在运行风险时,触发安全预警;
当根据所述电池健康状态评估结果判定所述应用无人机所装载的电池的电量不足时,触发电池维护提醒;
当根据所述电池健康状态评估结果判定所述应用无人机所装载的电池的电池容量不足时,触发电池更换提醒。
在其中一个实施例中,所述在所述应用场景中动态获取所述电池关键性能指标对应的应用指标数据之前,所述方法还包括:
在所述应用阶段,获取所述应用场景下的候选电池当前的电池容量,以及应用无人机的飞行任务;
根据每个候选电池当前的电池容量与所述应用无人机的飞行任务,从所述候选电池中选取装载于所述应用无人机的电池。
一种电池健康状态评估装置,所述装置包括:
匹配模块,用于基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池;
构建模块,用于在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据所述测试指标数据构建所述应用场景的场景测试模型;所述测试指标数据由所述测试无人机在所述应用场景中执行测试任务时,针对所装载的电池采集并发送的;
评估模块,用于在应用阶段,在所述应用场景中动态获取所述电池关键性能指标对应的应用指标数据,根据所述应用指标数据与所述场景测试模型,得到相应的电池健康状态评估结果;所述应用指标数据由应用无人机在所述应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述各实施例中的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述各实施例中的步骤。
上述电池健康状态评估方法、装置、计算机设备和存储介质,基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池,并在测试节点通过测试无人机装载相应电池进行应用场景下的装机带载测试,能够在保证测试无人机的安全性的情况下,获取测试无人机所装载的电池对应的每个电池关键性能指标在预设时间段内所对应的测试指标数据,并基于测试指标数据建立相应应用场景下的场景测试模型,以便于在应用阶段,基于应用无人机在应用场景中执行飞行任务时,针对应用无人机所装载的电池对应的每个电池关键性能指标动态获取的应用指标数据,以及该应用场景下所建立的场景测试模型,动态评估应用无人机所装载的电池的电池健康状态,能够提高电池健康状态评估的准确性与效率。
附图说明
图1为一个实施例中电池健康状态评估方法的应用环境图;
图2为一个实施例中电池健康状态评估方法的流程示意图;
图3为一个实施例中在测试阶段构建应用场景对应的场景测试模型的步骤的流程示意图;
图4为一个实施例中在应用阶段基于预先构建的场景测试模型进行电池状态评估的步骤的流程示意图;
图5为一个实施例中电池健康状态评估方法对应的电池健康状态评估系统的框图;
图6为一个实施例中电池健康状态评估装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的电池健康状态评估方法,可以应用于如图1所示的应用环境中。其中,无人机管控平台102与无人机104通过网络进行通信。无人机104包括测试无人机1042与应用无人机1044。无人机管控平台102基于电池出厂配置与无人机测试任务确定每个测试无人机1042所装载的电池;无人机管控平台102在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据测试指标数据构建应用场景的场景测试模型;测试指标数据由测试无人机1042在应用场景中执行测试任务时,针对所装载的电池采集并发送的;无人机管控平台102在应用阶段,在应用场景中动态获取电池关键性能指标对应的应用指标数据,根据应用指标数据与场景测试模型,得到相应的电池健康状态评估结果;应用指标数据由应用无人机1044在应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。无人机管控平台102可以是终端或服务器,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,测试无人机1042与应用无人机1044可以是相同的无人机。测试无人机1042与应用无人机1044均可有一个或多个。
在一个实施例中,如图2所示,提供了一种电池健康状态评估方法,以该方法应用于图1中的无人机管控平台102为例进行说明,包括以下步骤:
步骤202,基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池。
其中,电池出厂配置是指电池在出厂时所配置的理论参数值,包括但不限于是电池充放电次数与电池容量的理论关系,以及电池所支持的理论航程。无人机测试任务是指测试无人机在测试阶段所需执行的测试任务,比如测试无人机在测试阶段需对所装载的电池进行预设充放电次数的飞行测试,还比如测试无人机在测试阶段进行单次航程为预设航程的飞行测试,还比如测试无人机在测试阶段按照测试航线进行飞行测试。举例说明,假设电池的电池出厂配置为电池充放电次数为500次时,电池容量衰减值80%,则可选取无人机测试任务为对电池进行预设充放电次数大于500次的飞行测试测试无人机,作为装载该电池的无人机,假设电池所支持的理论航程为10公里,则可选取无人机测试任务为单次航程小于10公里的飞行测试的测试无人机,作为装载该电池的无人机。
具体地,无人机管控平台获取每个电池型号的电池对应的电池出厂配置,以及每个应用场景下的测试无人机对应的无人机测试任务,并根据电池对应的电池出厂配置与测试无人机对应的无人机测试任务,建立电池型号与应用场景的匹配关系,也即确定每个应用场景下的每个测试无人机所装载的电池对应的电池型号,进而确定每个测试无人机所装载的电池。可以理解,相同电池型号的电池具有相同的电池出厂配置,同一应用场景下的测试无人机具有相同的无人机测试任务。
在一个实施例中,每个应用场景下配置有一架或多架测试无人机,每个应用场景下的一架或多架测试无人机均装载与该应用场景相匹配的电池。
步骤204,在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据测试指标数据构建应用场景的场景测试模型;测试指标数据由测试无人机在应用场景中执行测试任务时,针对所装载的电池采集并发送的。
其中,应用场景是指电池应用时实际所处的场景,也即是装载有电池的无人机的飞行场景。在本实施例中的应用场景具体可以是具有代表性的应用场景,也即典型应用场景,比如海拔5000米,正常冬季11月份白天温度为-5至5摄氏度,最大风力等级为20m/s的高原场景。电池关键性能指标是指电池的关键性能指标,包括但不限于是电量、电池容量、电流与电压等。预设时间段是预先设定的时间段或时间区间,具体可以由预设的起始时间点与结束时间点确定的时间区间,还可以是由预设的时间长度与结束时间点确定的时间区间。测试指标数据是在测试阶段针对电池关键性能指标采集到的测试数据。场景测试模型是指在测试阶段针对实际的应用场景建立的、与应用场景相关联的测试模型。
具体地,在测试阶段,测试无人机装载有基于电池出场配置与无人机测试任务所匹配到的电池,按照测试无人机自身的无人机测试任务在相应的应用场景中执行测试任务,并在执行任务的过程中针对所装载的电池,在预设时间段内实时采集每个电池关键性能指标对应的测试指标数据,并将所采集到的测试指标数据发送至无人机管控平台。无人机管控平台接收每个测试无人机在相应应用场景下,针对每个电池关键性能指标在预设时间段内采集并发送的多个测试指标数据,并根据针对应用场景所接收到的测试指标数据构建该应用场景所对应的场景测试模型。
在一个实施例中,场景测试模型包括一个或多个电池关键性能指标各自对应的性能指标衰减曲线,每个电池关键性能指标对应的性能指标衰减曲线,由该电池关键性能指标在预设时间段内对应的多个测试指标数据构建。其中,性能指标衰减曲线用于表征电池关键性能指标随着电池的运行时长或使用时长的衰减情况。
在一个实施例中,每个应用场景下配置有多个装载有相同电池型号的电池的测试无人机,该多个测试无人机分别在该应用场景下执行测试任务,并将执行测试任务时针对各自所装载的电池所采集到的测试指标数据发送至无人机管控平台。无人机管控平台对每个应用场景下由多个测试无人机各自采集的测试指标数据进行综合分析,得到该多个测试无人机所装载的电池在该应用场景下对应的场景测试模型,也即得到该相同电池型号的电池在该应用场景下对应的场景测试模型。可以理解,相同型号的电池在相同的应用场景下,每个电池关键性能指标对应的性能指标衰减曲线通常是一致的,但是由于执行测试任务过程中的其他外在因素,可能导致不同测试无人机针对各自所装载的电池所采集的测试指标数据存在差异,由此,基于单个测试无人机在应用场景下采集的测试指标数据,构建该应用场景的场景测试模型可能存在偏差,而基于相同应用场景下的多个测试无人机各自采集的测试指标数据,综合构建该应用场景的场景测试模型,能够降低外在因素的干扰,从而能够提高场景测试模型的准确性。
在一个实施例中,应用场景有多个,针对每个应用场景按照上述方式分别构建相应的场景测试模型。其中,选取具有代表性的应用场景构建相应的场景测试模型,针对具有代表性的应用场景构建的场景测试模型具有场景覆盖性,比如极限环境下的场景测试模型能够适用于场景环境,还比如高原场景下的场景测试模型能够适用于平原场景。
步骤206,在应用阶段,在应用场景中动态获取电池关键性能指标对应的应用指标数据,根据应用指标数据与场景测试模型,得到相应的电池健康状态评估结果;应用指标数据由应用无人机在应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
其中,应用指标数据是指在应用阶段由应用无人机在实际的应用场景中执行飞行任务时,针对电池关键性能指标采集的数据。电池健康状态评估结果是用于表征电池健康状态的评估结果。电池健康状态评估结果具体可包括装载有相应电池的应用无人机的运行风险评估结果,还可包括相应电池的属性评估结果。应用无人机的运行风险评估结果是表征应用无人机是否存在运行风险的评估结果,当应用无人机的运行风险评估结果为存在运行风险时,表明应用无人机的继续运行会对所装载的电池的电池健康状态造成较大影响,比如影响电池的电池寿命,还比如导致电池的电量急剧降低,还比如导致电池的电流过大等。
具体地,在应用阶段,应用无人机装载有适配的电池,按照应用无人机自身的无人机飞行任务在相应的应用场景中执行飞行任务,在执行飞行任务的过程中针对所装载的电池,动态采集每个电池关键性能指标对应的应用指标数据,并将所采集的应用指标数据发送至无人机管控平台。无人机管控平台在接收到应用场景下的应用无人机,针对所装载的电池对应的每个电池关键性能指标所发送的应用指标数据后,将所接收到的应用指标数据与在测试阶段针对该应用场景构建的场景测试模型进行匹配,以根据匹配结果得到相应电池所对应的电池健康状态评估结果。
在一个实施例中,无人机管控平台在获取应用无人机所装载的电池对应的每个电池关键性能指标对应的应用指标数据的同时,获取该电池的运行时长,也即获取每个应用指标数据与电池的运行时长的对应关系。进一步地,无人机管控平台将每个电池关键性能指标对应的应用指标数据,按照该应用指标数据对应的运行时长,与相应场景测试模型中该电池关键性能指标对应的性能指标衰减曲线进行匹配,并根据各电池关键性能指标对应的匹配结果得到电池健康状态评估结果。具体地,无人机管控平台将每个电池关键性能指标对应的应用指标数据,与相应性能指标衰减曲线中运行时长与应用指标数据对应的运行时长一致的参考指标数据进行匹配,得到每个电池关键性能指标对应的匹配结果。
在一个实施例中,应用场景有多个,每个应用场景下可运行有多个应用无人机。无人机管控平台根据每个应用无人机所发送的应用指标数据,以及该应用无人机所处的应用场景所对应的场景测试模型,对该每个应用无人机所装载的电池进行电池健康状态评估。
在一个实施例中,无人机管控平台根据电池健康状态评估结果触发相应的提示信息,并将触发生成的提示信息发送至相应应用无人机和/或相应应用无人机所对应的控制终端。其中,提示信息包括安全预警、电池维护提醒与电池更换提醒等。
上述电池健康状态评估方法,基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池,并在测试节点通过测试无人机装载相应电池进行应用场景下的装机带载测试,能够在保证测试无人机的安全性的情况下,获取测试无人机所装载的电池对应的每个电池关键性能指标在预设时间段内所对应的测试指标数据,并基于测试指标数据建立相应应用场景下的场景测试模型,以便于在应用阶段,基于应用无人机在应用场景中执行飞行任务时,针对应用无人机所装载的电池对应的每个电池关键性能指标动态获取的应用指标数据,以及该应用场景下所建立的场景测试模型,动态评估应用无人机所装载的电池的电池健康状态,能够提高电池健康状态评估的准确性与效率。
在一个实施例中,根据测试指标数据构建应用场景的场景测试模型,包括:根据每个电池关键性能指标在预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线;由各电池关键性能指标各自对应的性能指标衰减曲线,构建应用场景的场景测试模型。
具体地,在应用阶段,无人机管控平台针对测试无人机所装载的电池,在应用场景中获取每个电池关键性能指标对应的测试指标数据的同时,还会获取该电池的运行时长,也即在应用场景中获取电池的运行时长,以及该运行时长下每个电池关键性能指标对应的测试指标数据。进一步地,针对每个应用场景,无人机管控平台根据电池对应的每个电池关键性能指标在预设时间段内对应的多个测试指标数据,以及每个测试指标数据与该电池的运行时长的对应关系,确定每个电池关键性能指标的衰减情况与电池的运行情况的对应关系,并构建每个电池关键性能指标对应的性能指标衰减曲线。无人机管控平台根据应用场景下各电池关键性能指标各自对应的性能指标衰减曲线,确定该应用场景的场景测试模型,也即应用场景的场景测试模型包括该应用场景下各电池关键性能指标各自对应的性能指标衰减曲线。
上述实施例中,在测试阶段基于测试无人机在应用场景下执行测试任务时针对所装载的电池所采集的测试指标数据,构建各电池关键性能指标对应的性能指标衰减曲线,进而构建应用场景的场景测试模型,该种基于实际应用场景的测试指标数据构建应用场景的场景测试模型,以便于基于该场景测试模型进行进行相应场景下的电池健康状态评估时,能够提高电池健康状态评估的准确性。
在一个实施例中,测试无人机有多个;根据每个电池关键性能指标在预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线,包括:对每个电池关键性能指标在预设时间段内的每个时间点对应的多个测试指标数据求平均,得到相应时间点的平均测试指标数据;根据每个电池关键性能指标在预设时间段内的每个时间点对应的平均测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线。
具体地,每个应用场景下配置多个装载有相同电池型号的电池的测试无人机,由该多个测试无人机针对各自装载的电池,在该应用场景下采集每个电池关键性能指标在预设时间段内的每个时间点的测试指标数据,并将所采集的测试指标数据发送至无人机管控平台。无人机管控平台在接收到同一应用场景的下的多个测试无人机分别发送的测试指标数据后,能够得到该应用场景下每个电池关键性能指标,在预设时间段内的每个时间点对应的多个测试指标数据,并对每个电池关键性能指标在该每个时间点对应的多个测试指标数据分别求平均,得到每个电池关键性能指标在每个时间点对应的平均测试指标数据。进一步地,无人机管控平台根据每个电池关键性能指标在预设时间段内的每个时间点对应的平均测试指标数据,以及每个时间点对应的电池的运行时长,构建该电池关键性能指标对应的性能指标衰减曲线。
在一个实施例中,无人机管控平台对每个电池关键性能指标在每个时间点对应的多个测试指标数据求平均,得到该时间点的平均测试指标数据。其中,求平均可以是加权平均,也可以是算术平均,在此不作具体限定。
上述实施例中,通过应用场景下的多个测试无人机分别采集测试指标数据,得到每个电池关键性能指标在每个时间点对应的多个测试指标数据,并基于每个电池关键性能指标在每个时间点对应的多个测试指标数据,构建相应的性能指标衰减曲线,能够提高性能指标衰减曲线的准确性。
在一个实施例中,根据应用指标数据与场景测试模型,得到相应的电池健康状态评估结果,包括:根据应用无人机所装载的电池的运行时长,按照场景测试模型确定每个电池关键性能指标对应的参考指标数据;计算每个电池关键性能指标对应的参考指标数据与应用指标数据之间的浮动值;根据各电池关键性能指标各自对应的浮动值与浮动阈值,得到应用无人机所装载的电池的电池健康状态评估结果。
其中,运行时长是指电池自开始运行时起运行的累计时长。浮动值是指应用指标数据相较于参考指标数据的浮动程度,具体可以是指应用指标数据与参考指标数据之间的绝对差值,绝对差值是指差值的绝对值。浮动阈值是用于与浮动值进行比较,以确定电池健康状态评估结果的数值,具体可以根据实际情况自定义,以电池关键性能指标为电池容量为例,电池容量对应的浮动阈值为5安时。
具体地,无人机管控平台根据应用无人机所装载的电池当前的运行时长,从相应场景测试模型中每个电池关键性能指标对应的性能指标衰减曲线中,获取该运行时长对应的参考指标数据,也即基于场景测试模型获取每个电池关键性能指标在电池的该运行时长下所对应的参考指标数据。针对每个电池关键性能指标,无人机管控平台计算参考指标数据与相应应用指标数据之间的浮动值,并将计算得到的浮动值与该电池关键性能指标对应的浮动阈值进行比较。当每个电池关键性能指标对应的浮动值均小于或等于相应浮动阈值,无人机管控平台则判定相应无人机所装载的电池的电池健康状态评估结果为可用。当存在至少一个电池关键性能指标对应的浮动值大于相应浮动阈值,无人机管控平台则判定相应电池的电池健康状态评估结果为不可用。
在一个实施例中,在应用阶段,基于每个应用场景下的多个应用无机人在执行飞行任务过程中,针对所装载的电池对应的每个电池关键性能指标所采集的应用指标数据,对在测试阶段针对该应用场景所构建的场景测试模型进行修正或优化。可以理解,基于应用阶段每个应用场景下的大量应用指标数据,对相应应用场景的场景测试模型进行优化,能够提高场景测试模型的准确性。
上述实施例中,基于应用阶段实际采集的应用指标数据,与测试阶段基于大规模实测确定的参考指标数据之间的浮动值,以及相应浮动阈值进行电池健康状态的评估,能够提高电池健康状态评估的准确性。
在一个实施例中,根据各电池关键性能指标各自对应的浮动值与浮动阈值,得到应用无人机所装载的电池的电池健康状态评估结果,包括:根据各电池关键性能指标各自对应的浮动值与浮动阈值,得到应用无人机的运行风险评估结果;电池关键性能指标包括电流、电量与电池容量;根据电量与电池容量各自对应的应用指标数据,得到应用无人机所装载的电池的属性评估结果;根据运行风险评估结果与属性评估结果,得到应用无人机所装载的电池的电池健康状态评估结果。
其中,应用无人机的运行风险评估结果是表征应用无人机的运行风险的评估结果,包括存在运行风险与不存在运行风险。电池的属性评估结果是对电池的本身属性进行评估所得到的评估结果,电池的属性包括电池容量与电量,相应的属性评估结果包括电量不足、电量充足、电池容量不足与电池容量充足等。
具体地,电池对应的电池关键性能指标包括电流、电量与电池容量相应地,场景测试模型包括电流、电量与电池容量各自对应的性能指标衰减曲线。无人机管控平台按照上述方式,能够分别得到电流、电量与电池容量各自对应的浮动值,并将电流、电量与电池容量各自对应的浮动值与浮动阈值,得到相应应用无人机的运行风险评估指标。进一步地,无人机管控平台将电量对应的应用指标数据与电量阈值进行比较,以及将电池容量对应的应用指标数据与电池容量阈值进行比较,并根据电量与电池容量各自对应的比较结果,得到相应无人机所装载的电池的属性评估结果。当电量对应的应用指标数据大于或等于电量阈值时,则判定相应电池的电量充足,相应地,当电池容量对应的应用指标数据大于或等于电池容量阈值时,则判定相应电池的电池容量充足,并根据电量与电池容量各自对应的评估结果得到电池的属性评估结果,比如电量充足、且电池容量充足。无人机管控平台根据每个应用无人机的运行风险评估结果,以及该应用无人机所装载的电池的属性评估结果,得到该电池对应的电池健康状态评估结果。
在一个实施例中,针对每个应用无人机所装载的电池,在基于电量与电池容量各自对应的应用指标数据确定该电池的属性评估结果的过程中,用于作为参照的电量阈值与电池容量阈值,是基于该应用无人机的飞行任务确定的。比如,若应用无人机的飞行任务要求其所装载的电池的电池容量大于或等于60%,则该应用无人机所装载的电池对应的电池容量阈值为60%。还比如,若应用无人机的飞行任务要求其所装载的电池的电量大于或等于80%,则该电池对应的电量阈值为80%。这样,基于当前的电量与电量阈值,以及当前的电池容量与电池容量阈值,来评估电池的属性评估结果,并基于属性评估结果指导相应应用无人机的运行,以保证应用无人机运行的安全性。
上述实施例中,基于电流、电量与电池容量各自对应的浮动值与浮动阈值,确定相应应用无人机的运行风险评估结果,以及基于电量与电池容量各自对应的应用指标数据,确定电池的属性评估结果,并基于运行风险评估结果与属性评估结果得到电池健康状态评估结果,能够提高电池健康状态评估的全面性与准确性。
在一个实施例中,上述电池健康状态评估方法还包括:当根据电池健康状态评估结果判定应用无人机存在运行风险时,触发安全预警;当根据电池健康状态评估结果判定应用无人机所装载的电池的电量不足时,触发电池维护提醒;当根据电池健康状态评估结果判定应用无人机所装载的电池的电池容量不足时,触发电池更换提醒。
具体地,无人机管控平台按照上述方式得到的电池健康状态评估结果,包括应用无人机的运行风险评估结果,以及应用无人机所装载的电池的电池属性评估结果。无人机管控平台根据电池健康状态评估结果指导相应应用无人机的运行。当根据电池健康状态评估结果中的运行风险评估结果判定相应应用无人机存在运行风险时,无人机管控平台则针对该应用无人机触发相应的安全预警,以指示该应用无人机中止当次飞行任务。当根据电池健康状态评估结果中的属性评估结果判定相应电池的电量不足时,无人机管控平台则针对该电池触发电池维护提醒,以指示装载有该电池的应用无人机及时对所装载的电池进行充电。当根据电池健康状态评估结果中的属性评估结果判定相应电池的电池容量不足时,无人机管控平台则针对该电池触发电池更换提醒,以使之装载有该电池的应用无人机及时更换电池。
上述实施例中,基于动态评估得到的电池健康状态评估结果触发相应的提示信息,以指导相应应用无人机的安全运行。
在一个实施例中,在应用场景中动态获取电池关键性能指标对应的应用指标数据之前,上述电池健康状态评估方法还包括:在应用阶段,获取应用场景下的候选电池当前的电池容量,以及应用无人机的飞行任务;根据每个候选电池当前的电池容量与应用无人机的飞行任务,从候选电池中选取装载于应用无人机的电池。
其中,候选电池是在应用阶段可被选作为装载于应用无人机、以支持应用无人机的运行的电池。可以理解,候选电池包括尚未运行的电池,还包括基于电池更换提醒被更换后的电池。
具体地,在应用阶段,应用无人机在相应应用场景中执行飞行任务之前,需要针对每个应用无人机选取适用于该应用无人机的电池。无人机管控平台获取应用无人机所处的应用场景下的每个候选电池当前的电池容量,以及该应用场景下每个应用无人机的飞行任务,并根据该应用场景下每个候选电池当前的电池容量与每个应用无人机的飞行任务,从该应用场景下的候选电池中选取每个应用无人机所适用的电池,以便于应用无人机装载所适用于的电池执行飞行任务时,能够保证应用无人机的运行安全性。
在一个实施例中,由于上述一个或多个实施例中选取的应用场景,是具有代表性的典型应用场景,每个典型应用场景具有一定的场景覆盖性,也即每个应用场景对应的场景测试模型能够适用于应用阶段的多个应用场景。由此,每个应用场景包括多个飞行任务,不同飞行任务对电池容量的要求可不一致,这样,按照电池容量与飞行任务的适配性确定每个应用无人机所装载的电池,能够在保证应用无人机安全运行的前提下,充分发挥电池的使用潜力。
举例说明,假设一个应用场景下包括一个对电池容量要求为80%的飞行任务A,以及一个对电池容量要求为60%的飞行任务B,按照上述电池健康状态评估方式,在判定执行飞行任务A的应用无人机所装载的电池的电池容量小于80%时,会针对该应用无人机触发电池更换提醒,以指示该应用无人机将当前苏装载的电池替换为其他电池容量大于或等于80%的电池,可以理解,该被替换掉的电池的电池容量仍然大于飞行任务B所要求的电池容量,由此,该被替换掉的电池能够装载于执行飞行任务B的应用无人机。
上述实施例中,基于电池当前的电池容量与应用无人机的飞行任务,选取适用于每个应用无人机的电池,能够在保证应用无人机安全运行的前提下,充分发挥电池的使用潜力。
图3为一个实施例中在测试阶段构建应用场景对应的场景测试模型的步骤的流程示意图。在测试阶段构建应用场景对应的场景测试模型的步骤具体包括:
步骤302,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据;测试指标数据由测试无人机在应用场景中执行测试任务时,针对所装载的电池采集并发送的;测试无人机有多个。
步骤304,对每个电池关键性能指标在预设时间段内的每个时间点对应的多个测试指标数据求平均,得到相应时间点的平均测试指标数据。
步骤306,根据每个电池关键性能指标在预设时间段内的每个时间点对应的平均测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线。
步骤308,由各电池关键性能指标各自对应的性能指标衰减曲线,构建应用场景的场景测试模型。
图4为一个实施例中在应用阶段基于预先构建的场景测试模型进行电池状态评估的步骤的流程示意图。在应用阶段基于预先构建的场景测试模型进行电池状态评估的步骤具体包括:
步骤402,在应用场景中动态获取电池关键性能指标对应的应用指标数据。应用指标数据由应用无人机在应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
步骤404,根据应用无人机所装载的电池的运行时长,按照场景测试模型确定每个电池关键性能指标对应的参考指标数据。
步骤406,计算每个电池关键性能指标对应的参考指标数据与应用指标数据之间的浮动值。
步骤408,根据各电池关键性能指标各自对应的浮动值与浮动阈值,得到应用无人机的运行风险评估结果;电池关键性能指标包括电流、电量与电池容量。
步骤410,根据电量与电池容量各自对应的应用指标数据,得到应用无人机所装载的电池的属性评估结果。
步骤412,根据运行风险评估结果与属性评估结果,得到应用无人机所装载的电池的电池健康状态评估结果。
步骤414,当根据电池健康状态评估结果判定应用无人机存在运行风险时,触发安全预警。
步骤416,当根据电池健康状态评估结果判定应用无人机所装载的电池的电量不足时,触发电池维护提醒。
步骤418,当根据电池健康状态评估结果判定应用无人机所装载的电池的电池容量不足时,触发电池更换提醒。
在一个实施例中,在测试阶段,针对每个应用场景下的每个测试无人机,都配置有规范的使用方式与维护手段、且所有的测试过程由系统控制,比如针对外场飞行测试,固定航线,保持正常额定的功率输出等,还比如针对台架测试,固定测试科目,维持正常工作状态等,以尽量减少人为操作不当造成的数据采集失效。这样,在应用阶段,客户按照规范的使用方式与维护手段操作应用无人机,将不会对无人机所装载的电池的电池健康状态造成过大的影响。
在一个实施例中,在测试阶段,若应用场景的环境气象样本足够丰富,将使得该应用场景具有典型代表特征,比如选取高原山区进行无人机测试运行,由于高原山区下午通常刮风,当风力等级过大时,不进行外场飞行测试,只进行外场台架测试,避免环境气象对整机造成其他影响,从而影响电池健康状态评估。可以理解,通过对测试阶段的人为操作与环境气象等不确定因素进行控制,能够得到特定应用场景下的场景测试模型,从而建立准确的电池健康评估体系。
在一个实施例中,在测试阶段,基于在正常工作状态按照指定功率执行测试任务的测试无人机,针对所装载的电池所采集的电池容量,以及该电池对应的充放电次数,构建该电池在实际应用场景下的电池全寿命周期模型,也即是构建电池寿命周期曲线。由于测试阶段的测试时间通常比电池生命周期短,由此,在应用阶段,基于应用无人机在应用场景下执行飞行任务时所采集的电池容量,以及电池对应的充放电次数优化相应的电池全寿命周期模型。可以理解,电池全寿命周期模型用于表征电池充放电次数与电池容量之间的对应关系,由此,基于电池全寿命周期模型能够对电池进行批量预警,比如当判定电池的电池容量低于20%时,则判定该电池不能再被选作为装载于应用无人机的电池。
在一个实施例中,上述一个或多个实施例中,测试无人机与应用无人机可按照下述映射关系动态采集所装载的电池当前的电池容量。映射关系如下:
Φ’=Φ*μ*ε1*(100%-λ1*t-2)
其中,Φ为电池的标称容量,也即电池的初始容量,Φ’为电池的实际容量,t为电池的使用时间,具体可以是指电池充放电次数,λ1为衰减系数,衰减系数是指随着电池的运行时间的增加,电池储能越少,内阻越大,放电量越少,μ为温度(环境)修正系数,温度修正系数用于表征不同环境温度,电池充放电效果不一样,ε1为历史状态修正参数,历史状态修正参数用于表征电池历史使用状态,也即用于表征电池是否没按照规范操作进行充放电而存在电池过充过放的问题,以及存在电池历史异常或故障等。由此,随着电池的不断使用,电池容量不断衰减。
可以理解,上述电池容量与充放电次数的映射关系,在不同无人机机型、不同动力系统、不同电池下可能存在较大差异,其主要作用在于建立电池全寿命周期模型,以基于该电池全寿命周期模型对无人机运营及使用提供有效指导和建议。
图5为一个实施例中电池健康状态评估方法对应的电池健康状态评估系统的框图。如图5所示,该电池健康状态评估系统包括典型应用场景、电池性能状态、电池健康状态评估、系统分析、系统结论/输出几个部分。其中,典型应用场景包括常规工况、极限工况、常规环境与极限环境等应用场景,还包括各应用场景下的工作任务、测试需求与环境气象采集等,工作任务比如航线、航程与载重等,测试需求比如电池充放电次数达到预设次数,还比如单次航程的剩余电量为20%等,环境气象数据采集是指采集气压、温度、光照、辐射强度、风速风向、降雨量与降雪量等气象数据,以便于将电池对应的性能指标衰减曲线与气象进行关联,形成特定气象下的电池性能指标对比,比如风速风向所无人机的运行影响较大,可作为特殊因素重点考虑,将风速风向与电池性能指标衰减进行关联分析。
电池性能状态包括常规性能指标与关键性能指标,常规性能指标包括能量密度、充放电倍率、自放电率、内阻等,关键性能指标包括容量、电量与电流等。电池健康状态评估是指基于电池关键性能指标对应的性能指标衰减曲线进行电池健康状态评估。系统分析是指构建特定应用场景下的电池全寿命周期模型,以便于基于电池全寿命周期模型进行电池的批量预警。系统结论/输出是指基于电池健康状态评估结果触发相应的安全/设备预警、维护提醒与更换提醒等。
上述电池健康状态评估系统对于无人机运营商和终端用户具有重要的意义,尤其是无人机运营商,需要通过无人机飞行来完成作业任务,需要在满足无人机安全的前提条件下,尽可能发挥无人机的使用价值,而电池作为无人机中价值昂贵的耗材对无人机的寿命起决定作用,对电池的使用状态进行实时监测,提前预警,能有效保证电池的性能状态,释放电池的使用价值。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种电池健康状态评估装置600,包括:匹配模块601、构建模块602和评估模块603,其中:
匹配模块601,用于基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池;
构建模块602,用于在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据测试指标数据构建应用场景的场景测试模型;测试指标数据由测试无人机在应用场景中执行测试任务时,针对所装载的电池采集并发送的;
评估模块603,用于在应用阶段,在应用场景中动态获取电池关键性能指标对应的应用指标数据,根据应用指标数据与场景测试模型,得到相应的电池健康状态评估结果;应用指标数据由应用无人机在应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
在一个实施例中,构建模块602,还用于根据每个电池关键性能指标在预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线;由各电池关键性能指标各自对应的性能指标衰减曲线,构建应用场景的场景测试模型。
在一个实施例中,测试无人机有多个;构建模块602,还用于对每个电池关键性能指标在预设时间段内的每个时间点对应的多个测试指标数据求平均,得到相应时间点的平均测试指标数据;根据每个电池关键性能指标在预设时间段内的每个时间点对应的平均测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线。
在一个实施例中,评估模块603,还用于根据应用无人机所装载的电池的运行时长,按照场景测试模型确定每个电池关键性能指标对应的参考指标数据;计算每个电池关键性能指标对应的参考指标数据与应用指标数据之间的浮动值;根据各电池关键性能指标各自对应的浮动值与浮动阈值,得到应用无人机所装载的电池的电池健康状态评估结果。
在一个实施例中,评估模块603,还用于根据各电池关键性能指标各自对应的浮动值与浮动阈值,得到应用无人机的运行风险评估结果;电池关键性能指标包括电流、电量与电池容量;根据电量与电池容量各自对应的应用指标数据,得到应用无人机所装载的电池的属性评估结果;根据运行风险评估结果与属性评估结果,得到应用无人机所装载的电池的电池健康状态评估结果。
在一个实施例中,评估模块603,还用于当根据电池健康状态评估结果判定应用无人机存在运行风险时,触发安全预警;当根据电池健康状态评估结果判定应用无人机所装载的电池的电量不足时,触发电池维护提醒;当根据电池健康状态评估结果判定应用无人机所装载的电池的电池容量不足时,触发电池更换提醒。
在一个实施例中,评估模块603,还用于在应用阶段,获取应用场景下的候选电池当前的电池容量,以及应用无人机的飞行任务;根据每个候选电池当前的电池容量与应用无人机的飞行任务,从候选电池中选取装载于应用无人机的电池。
关于电池健康状态评估装置的具体限定可以参见上文中对于电池健康状态评估方法的限定,在此不再赘述。上述电池健康状态评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是用作无人机管控平台的服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储每个应用场景的场景测试模型。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电池健康状态评估方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电池健康状态评估方法,其特征在于,所述方法包括:
基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池;
在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据所述测试指标数据构建所述应用场景的场景测试模型;所述测试指标数据由所述测试无人机在所述应用场景中执行测试任务时,针对所装载的电池采集并发送的;
在应用阶段,在所述应用场景中动态获取所述电池关键性能指标对应的应用指标数据,根据所述应用指标数据与所述场景测试模型,得到相应的电池健康状态评估结果;所述应用指标数据由应用无人机在所述应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
2.根据权利要求1所述的方法,其特征在于,所述根据所述测试指标数据构建所述应用场景的场景测试模型,包括:
根据所述每个电池关键性能指标在所述预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线;
由各电池关键性能指标各自对应的性能指标衰减曲线,构建所述应用场景的场景测试模型。
3.根据权利要求2所述的方法,其特征在于,所述测试无人机有多个;所述根据所述每个电池关键性能指标在所述预设时间段内对应的多个测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线,包括:
对所述每个电池关键性能指标在所述预设时间段内的每个时间点对应的多个测试指标数据求平均,得到相应时间点的平均测试指标数据;
根据所述每个电池关键性能指标在所述预设时间段内的每个时间点对应的平均测试指标数据,构建相应电池关键性能指标对应的性能指标衰减曲线。
4.根据权利要求1所述的方法,其特征在于,所述根据所述应用指标数据与所述场景测试模型,得到相应的电池健康状态评估结果,包括:
根据所述应用无人机所装载的电池的运行时长,按照所述场景测试模型确定所述每个电池关键性能指标对应的参考指标数据;
计算所述每个电池关键性能指标对应的参考指标数据与应用指标数据之间的浮动值;
根据各所述电池关键性能指标各自对应的浮动值与浮动阈值,得到所述应用无人机所装载的电池的电池健康状态评估结果。
5.根据权利要求4所述的方法,其特征在于,所述根据各所述电池关键性能指标各自对应的浮动值与浮动阈值,得到所述应用无人机所装载的电池的电池健康状态评估结果,包括:
根据各所述电池关键性能指标各自对应的浮动值与浮动阈值,得到所述应用无人机的运行风险评估结果;所述电池关键性能指标包括电流、电量与电池容量;
根据所述电量与所述电池容量各自对应的应用指标数据,得到所述应用无人机所装载的电池的属性评估结果;
根据所述运行风险评估结果与所述属性评估结果,得到所述应用无人机所装载的电池的电池健康状态评估结果。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当根据所述电池健康状态评估结果判定所述应用无人机存在运行风险时,触发安全预警;
当根据所述电池健康状态评估结果判定所述应用无人机所装载的电池的电量不足时,触发电池维护提醒;
当根据所述电池健康状态评估结果判定所述应用无人机所装载的电池的电池容量不足时,触发电池更换提醒。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述在所述应用场景中动态获取所述电池关键性能指标对应的应用指标数据之前,所述方法还包括:
在所述应用阶段,获取所述应用场景下的候选电池当前的电池容量,以及应用无人机的飞行任务;
根据每个候选电池当前的电池容量与所述应用无人机的飞行任务,从所述候选电池中选取装载于所述应用无人机的电池。
8.一种电池健康状态评估装置,其特征在于,所述装置包括:
匹配模块,用于基于电池出厂配置与无人机测试任务确定每个测试无人机所装载的电池;
构建模块,用于在测试阶段,在应用场景中获取每个电池关键性能指标在预设时间段内对应的测试指标数据,根据所述测试指标数据构建所述应用场景的场景测试模型;所述测试指标数据由所述测试无人机在所述应用场景中执行测试任务时,针对所装载的电池采集并发送的;
评估模块,用于在应用阶段,在所述应用场景中动态获取所述电池关键性能指标对应的应用指标数据,根据所述应用指标数据与所述场景测试模型,得到相应的电池健康状态评估结果;所述应用指标数据由应用无人机在所述应用场景中执行飞行任务时,针对所装载的电池动态采集并发送的。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010587880.2A CN113835036B (zh) | 2020-06-24 | 电池健康状态评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010587880.2A CN113835036B (zh) | 2020-06-24 | 电池健康状态评估方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113835036A true CN113835036A (zh) | 2021-12-24 |
CN113835036B CN113835036B (zh) | 2024-09-27 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493372A (zh) * | 2022-03-31 | 2022-05-13 | 一道新能源科技(衢州)有限公司 | 用于太阳能电池大数据分析的数据收集方法及系统 |
CN117549883A (zh) * | 2024-01-12 | 2024-02-13 | 山东赛马力发电设备有限公司 | 一种混动汽车电池组安全监管系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869255A (zh) * | 2014-03-18 | 2014-06-18 | 南京航空航天大学 | 微小型电动无人机续航时间估算方法 |
US20160003919A1 (en) * | 2012-12-19 | 2016-01-07 | Schneider Electric USA, Inc. | Battery voltage profile monitoring during generator start |
US20180143257A1 (en) * | 2016-11-21 | 2018-05-24 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
CN108254696A (zh) * | 2017-12-29 | 2018-07-06 | 上海电气集团股份有限公司 | 电池的健康状态评估方法及系统 |
CN108303649A (zh) * | 2017-01-13 | 2018-07-20 | 重庆邮电大学 | 一种电池健康状态识别方法 |
CN109752656A (zh) * | 2019-03-07 | 2019-05-14 | 深圳市计量质量检测研究院 | 一种在多时间尺度下用电动汽车电池soh评估方法 |
KR101992051B1 (ko) * | 2018-03-19 | 2019-06-21 | 충북대학교 산학협력단 | 배터리 잔량 예측 방법 및 배터리 잔량 예측 시스템 |
CN110135527A (zh) * | 2019-06-12 | 2019-08-16 | 哈尔滨工业大学 | 一种高效能的无人机锂离子电池荷电状态估计系统及方法 |
CN110406423A (zh) * | 2018-04-27 | 2019-11-05 | 松下电器(美国)知识产权公司 | 控制方法、服务器、车载装置及记录介质 |
CN110441706A (zh) * | 2019-08-23 | 2019-11-12 | 优必爱信息技术(北京)有限公司 | 一种电池soh估计方法及设备 |
CN110596604A (zh) * | 2019-09-26 | 2019-12-20 | 海南鼎立信科技有限责任公司 | 一种基于安时积分法的锂电池soc估计方法 |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160003919A1 (en) * | 2012-12-19 | 2016-01-07 | Schneider Electric USA, Inc. | Battery voltage profile monitoring during generator start |
CN103869255A (zh) * | 2014-03-18 | 2014-06-18 | 南京航空航天大学 | 微小型电动无人机续航时间估算方法 |
US20180143257A1 (en) * | 2016-11-21 | 2018-05-24 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
CN108303649A (zh) * | 2017-01-13 | 2018-07-20 | 重庆邮电大学 | 一种电池健康状态识别方法 |
CN108254696A (zh) * | 2017-12-29 | 2018-07-06 | 上海电气集团股份有限公司 | 电池的健康状态评估方法及系统 |
KR101992051B1 (ko) * | 2018-03-19 | 2019-06-21 | 충북대학교 산학협력단 | 배터리 잔량 예측 방법 및 배터리 잔량 예측 시스템 |
CN110406423A (zh) * | 2018-04-27 | 2019-11-05 | 松下电器(美国)知识产权公司 | 控制方法、服务器、车载装置及记录介质 |
CN109752656A (zh) * | 2019-03-07 | 2019-05-14 | 深圳市计量质量检测研究院 | 一种在多时间尺度下用电动汽车电池soh评估方法 |
CN110135527A (zh) * | 2019-06-12 | 2019-08-16 | 哈尔滨工业大学 | 一种高效能的无人机锂离子电池荷电状态估计系统及方法 |
CN110441706A (zh) * | 2019-08-23 | 2019-11-12 | 优必爱信息技术(北京)有限公司 | 一种电池soh估计方法及设备 |
CN110596604A (zh) * | 2019-09-26 | 2019-12-20 | 海南鼎立信科技有限责任公司 | 一种基于安时积分法的锂电池soc估计方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493372A (zh) * | 2022-03-31 | 2022-05-13 | 一道新能源科技(衢州)有限公司 | 用于太阳能电池大数据分析的数据收集方法及系统 |
CN117549883A (zh) * | 2024-01-12 | 2024-02-13 | 山东赛马力发电设备有限公司 | 一种混动汽车电池组安全监管系统 |
CN117549883B (zh) * | 2024-01-12 | 2024-03-29 | 山东赛马力发电设备有限公司 | 一种混动汽车电池组安全监管系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3916884B1 (en) | Secondary battery module remaining life diagnosis method and remaining life diagnosis system | |
US10254349B2 (en) | Method for predicting state of health of battery based on numerical simulation data | |
US11336104B2 (en) | Method of performing a state of health estimation for a rechargeable battery energy storage system | |
US9846886B2 (en) | Strategic modeling for economic optimization of grid-tied energy assets | |
JP6383500B2 (ja) | 蓄電池制御装置、制御方法、プログラム、蓄電システム、電力システム | |
KR102633335B1 (ko) | 리튬이온 배터리팩의 비정상 셀 검출 및 soh 예측 방법 | |
CN114072684A (zh) | 在服务器侧表征能重复充电的电池 | |
US20150197164A1 (en) | Receding horizon regression analysis for battery impedance parameter estimation | |
US9450427B2 (en) | State of charge determination for an electrical accumulator | |
US11821959B2 (en) | Method for estimating state of health of a battery | |
KR101852664B1 (ko) | 배터리 잔존수명 추정 장치 및 방법 | |
US20210181263A1 (en) | Method and battery management system for ascertaining a state of health of a secondary battery | |
KR20190056743A (ko) | 배터리 저항 추정 장치 및 방법 | |
JP5038258B2 (ja) | 残容量推定方法および残容量推定装置 | |
CN112924866B (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
CN110324383B (zh) | 云服务器、电动汽车及其中动力电池的管理系统、方法 | |
US20230059529A1 (en) | Characterization of Rechargeable Batteries Using Machine-Learned Algorithms | |
KR20160098348A (ko) | 복수의 배터리들의 잔류 용량들을 추정하는 방법 | |
CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
AU2022266288A1 (en) | Battery management device, and electric power system | |
CN109001645A (zh) | 一种电梯电池检测方法、装置、设备及存储介质 | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
Soto et al. | Influence of renewable power fluctuations on the lifetime prediction of lithium-ion batteries in a microgrid environment | |
CN108919132B (zh) | 跟踪电池过放电的方法和装置、芯片、电池及飞行器 | |
CN113835036A (zh) | 电池健康状态评估方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant |