CN114200315B - 剩余充电时间的预测方法、装置、电子设备和存储介质 - Google Patents
剩余充电时间的预测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114200315B CN114200315B CN202111146374.0A CN202111146374A CN114200315B CN 114200315 B CN114200315 B CN 114200315B CN 202111146374 A CN202111146374 A CN 202111146374A CN 114200315 B CN114200315 B CN 114200315B
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- stage
- actual
- total
- 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.)
- Active
Links
- 238000007600 charging Methods 0.000 title claims abstract description 266
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010277 constant-current charging Methods 0.000 claims abstract description 54
- 230000008859 change Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229910006123 SOCa Inorganic materials 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本公开公开了一种剩余充电时间的预测方法,包括:获取动力电池的单体电压值;基于所述单体电压值和SOC‑OCV关系表,确定所述动力电池的实际SOCa值;根据所述实际SOCa确定恒流充电阶段的充电总时间Td;读取所述动力电池的实际充电倍率Ca;基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。这样确定的剩余充电时间由于是经过了实际充电倍率Ca进行校正,使得获得的剩余充电时间更加准确,从而提高用户体验。
Description
技术领域
本公开涉及电池技术领域,尤其涉及一种剩余充电时间的预测方法、装置、电子设备和存储介质。
背景技术
电动汽车充电过程中,精确估算剩余充电时间,不仅有助于节省用户时间让用户更满意,更有助于最大化充电桩的利用率。
目前行业内对电动车剩余充电时间的估算方法都是根据电池所处充电阶段进行单独估算,或者根据预设电量预估剩余充电时间,忽略了电池衰老、温度变化、充电故障等因素引起降低充电电流导致充电时间变化问题。
发明内容
本公开提供了一种剩余充电时间的预测方法、装置、电子设备和存储介质。
本公开一方面,提供了一种剩余充电时间的预测方法,包括:
获取动力电池的单体电压值;
基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;
根据所述实际SOCa确定恒流充电阶段的充电总时间Td;
读取所述动力电池的实际充电倍率Ca;
基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。
示例性的,根据所述实际SOCa确定恒流充电阶段的充电总时间Td,包括:
根据所述实际SOCa基于Tem-SOC-C关系表,确定各恒流充电阶段的充电电量Qx以及充电倍率Cx;
基于所述充电电量Qx和所述充电倍率Cx,确定各充电阶段Tx,以获得所述充电总时间Td。
示例性的,所述基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,包括:
获取恒流充电阶段的理论充电倍率Cs,
基于所述实际充电倍率Ca与所述理论充电倍率Cs的比值,修正所述恒流充电阶段的充电总时间Td,以获得第一修正恒流阶段充电总时间Td’。
示例性的,上述方法还包括:
在出现故障引起充电电流变化的情况下,基于预设降利系数ε修正所述第一修正恒流阶段充电总时间Td’,以生成第二修正恒流阶段充电总时间Td”,其中,所述预设降利系数ε大于等于0且小于等于1。
示例性的,上述方法还包括:
获取所述恒流充电阶段结束时的充电倍率Cn和电芯温度Temn;
基于所述充电倍率Cn、电芯温度Temn以及预设C-Tem-T2关系表,通过线性插值法确定降流充电阶段的充电总时间T2;
基于所述恒流充电阶段的充电总时间Td的修正结果和所述降流充电阶段的充电总时间T2,确定所述剩余充电时间关系样本数据。
示例性的,上述方法还包括:
生成所述降流充电阶段的充电总时间T2
基于所述充电倍率Cn和所述降流充电阶段的充电总时间T2,确定所述降流充电阶段的充电总电量Q2,生成所述降流充电阶段的充电容量关系样本数据。
示例性的,上述方法还包括:
选择与实际充电情况匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行存储,以训练所述C-Tem-T2关系表以及C-Tem-Q2;
对与实际充电情况不匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行丢弃。
本公开的另一方面,提供了一种剩余充电时间的预测装置,包括:
获取单元,用于获取动力电池的单体电压值;
第一确定单元,用于基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;
第二确定单元,用于根据所述实际SOCa确定恒流充电阶段的充电总时间 Td;
读取单元,用于读取所述动力电池的实际充电倍率Ca;
第三确定单元,用于基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。
本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的剩余充电时间的预测方法。
本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序,所述计算机指令用于使所述计算机执行上述一方面实施例所述的剩余充电时间的预测方法。
本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述一方面实施例所述的剩余充电时间的预测方法。
本公开提供的剩余充电时间的预测方法、装置、电子设备和存储介质,可以通过获取动力电池的单体电压值;基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;根据所述实际SOCa确定恒流充电阶段的充电总时间Td;读取所述动力电池的实际充电倍率Ca;基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。这样确定的剩余充电时间由于是经过了实际充电倍率Ca进行校正,使得获得的剩余充电时间更加准确,从而提高用户体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开一实施例提供的一种剩余充电时间的预测方法的流程示意图;
图2为本公开另一实施例提供的一种剩余充电时间的预测装置的结构示意图;
图3为用来实现本公开实施例的剩余充电时间的预测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的剩余充电时间的预测方法、装置、电子设备和存储介质。
本公开实施例的剩余充电时间的预测方法,可由本公开实施例提供的剩余充电时间的预测装置执行,该装置可配置于电子设备中。
图1为本公开实施例提供的一种剩余充电时间的预测方法的流程示意图。
如图1所示,该剩余充电时间的预测方法,可以包括以下步骤:
S101,获取动力电池的单体电压值。
示例性的,上述动力电池可是为电动车辆提供动力的电池。上述动力电池可以包括多个电池单体。
示例性的,可以先分别获取上述动力电池的每个单体的单体电压值。
S102,基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值。其中,SOC(State of Charge,荷电状态)也叫剩余电量, OCV(Open circuit voltage,开路电压),指的是电池不放电开路时,两极之间的电位差。
示例性的,可以先初始化上述SOC-OCV关系表。
S103,根据所述实际SOCa确定恒流充电阶段的充电总时间Td。
示例性的,还可以初始化充电数据:根据不同环境温度t、不同SOC 下对应的恒流充电阶段的充电倍率C,形成Tem-SOC-C关系表;
需要说明的是,充电倍率亦可理解为充放电倍率,指电池在规定的时间内放出其额定容量时所需要的电流值,它在数据值上等于电池额定容量的倍数,通常以字母C表示。一般充放电电流的大小常用充放电倍率来表示,即:充放电倍率=充放电电流/额定容量;例如:额定容量为100mAh的电池用20mA放电时,其放电倍率为0.2C。电池放电C率,1C,2C,0.2C是电池放电速率:表示放电快慢的一种量度。所用的容量1小时放电完毕,称为1C放电;5小时放电完毕,则称为1/5=0.2C放电。一般可以通过不同的放电电流来检测电池的容量。对于24AH电池来说,2C放电电流为48A,0.5C 放电电流为12A。
示例性的,可以计算当前电池的可用总容量Qa=Qr×SOH,其中,Qa是电池当前可用总容量,Qr是电池额定容量,SOH是电池老化寿命,即当前容量剩余衰减率。
S104,读取所述动力电池的实际充电倍率Ca。
S105,基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间 Td,以确定所述剩余充电时间
根据上述实施例提供的剩余充电时间的预测方法,可以通过获取动力电池的单体电压值;基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;根据所述实际SOCa确定恒流充电阶段的充电总时间 Td;读取所述动力电池的实际充电倍率Ca;基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。这样确定的剩余充电时间由于是经过了实际充电倍率Ca进行校正,使得获得的剩余充电时间更加准确,从而提高用户体验。
示例性的,根据所述实际SOCa确定恒流充电阶段的充电总时间Td,包括:
根据所述实际SOCa基于Tem-SOC-C关系表,确定各恒流充电阶段的充电电量Qx以及充电倍率Cx;
基于所述充电电量Qx和所述充电倍率Cx,确定各充电阶段Tx,以获得所述充电总时间Td。
示例性的,根据SOCa、Tem-SOC-C关系表,确定各恒流阶段的充电电量Qx,充电倍率Cx,x∈[s,n],s∈[1,n],n是Tem-SOC-C关系表中总的充电分段数量,s是Tem-SOC-C关系表中剩余的充电分段数量。
示例性的,所述基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,包括:
获取恒流充电阶段的理论充电倍率Cs,
基于所述实际充电倍率Ca与所述理论充电倍率Cs的比值,修正所述恒流充电阶段的充电总时间Td,以获得第一修正恒流阶段充电总时间Td’。
示例性的,上述方法还包括:
在出现故障引起充电电流变化的情况下,基于预设降利系数ε修正所述第一修正恒流阶段充电总时间Td’,以生成第二修正恒流阶段充电总时间Td”,其中,所述预设降利系数ε大于等于0且小于等于1。
需要说明的是,由于基于预设降利系数ε修正所述第一修正恒流阶段充电总时间Td’,能够实现降低充电电流引起的充电时间自适应调整。设定单位时间为u,现可设定单位时间为u/ε,定时器无需重新配置。一方面防止充电时间递增现象出现,另一方面防止充电剩余时间忽快忽慢现象出现。
示例性的,上述方法还包括:
获取所述恒流充电阶段结束时的充电倍率Cn和电芯温度Temn;
基于所述充电倍率Cn、电芯温度Temn以及预设C-Tem-T2关系表,通过线性插值法确定降流充电阶段的充电总时间T2;
基于所述恒流充电阶段的充电总时间Td的修正结果和所述降流充电阶段的充电总时间T2,确定所述剩余充电时间关系样本数据。
需要说明的是,通过线性插值法能够高效地获取降流充电阶段的充电总时间T2。
需要说明的是,上述剩余充电时间实际包括上述修正后的恒流充电阶段的充电总时间Td”,也即第二修正恒流阶段充电总时间Td”,上述剩余充电时间实际还应包括上述降流充电阶段的充电总时间T2,因此可以通过计算上述第二修正恒流阶段充电总时间Td”与上述降流充电阶段的充电总时间T2来计算确定上述剩余充电时间。
示例性的,上述方法还包括:
生成所述降流充电阶段的充电总时间T2;
基于所述充电倍率Cn和所述降流充电阶段的充电总时间T2,确定所述降流充电阶段的充电总电量Q2,生成所述降流充电阶段的充电容量关系样本数据。
需要说明的是,为了生成更准确完善的充电容量关系,可以基于所述降流充电阶段的充电容量关系样本数据不断训练和完善充电容量关系表 C-Tem-Q2。
需要说明的是,为了生成更准确完善的剩余充电时间关系,可以基于剩余充电时间关系样本数据不断训练和完善充电容量关系表C-Tem-T2。
示例性的,上述方法还包括:
选择与实际充电情况匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行存储,以训练所述C-Tem-T2关系表以及C-Tem-Q2;
对与实际充电情况不匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行丢弃。
为了实现上述实施例,本公开还提出一种剩余充电时间的预测装置。
图2为本公开实施例提供的一种剩余充电时间的预测装置的结构示意图。
如图2所示,剩余充电时间的预测装置300,包括:获取单元310、第一确定单元320、第二确定单元330、读取单元340、以及第三确定单元 350。
其中,获取单元310,用于获取动力电池的单体电压值;
第一确定单元320,用于基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;
第二确定单元330,用于根据所述实际SOCa确定恒流充电阶段的充电总时间Td;
读取单元340,用于读取所述动力电池的实际充电倍率Ca;
第三确定单元350,用于基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。
可选的,所述第二确定单元330,具体用于:
根据所述实际SOCa基于Tem-SOC-C关系表,确定各恒流充电阶段的充电电量Qx以及充电倍率Cx;
基于所述充电电量Qx和所述充电倍率Cx,确定各充电阶段Tx,以获得所述充电总时间Td。
可选的,所述第二确定单元330,具体用于:
获取恒流充电阶段的理论充电倍率Cs,
基于所述实际充电倍率Ca与所述理论充电倍率Cs的比值,修正所述恒流充电阶段的充电总时间Td,以获得第一修正恒流阶段充电总时间Td’
可选的,所述第三确定单元350,还用于:
在出现故障引起充电电流变化的情况下,基于预设降利系数ε修正所述第一修正恒流阶段充电总时间Td’,以生成第二修正恒流阶段充电总时间Td”,其中,所述预设降利系数ε大于等于0且小于等于1。
可选的,所述第三确定单元350,还用于:
获取所述恒流充电阶段结束时的充电倍率Cn和电芯温度Temn;
基于所述充电倍率Cn、电芯温度Temn以及预设C-Tem-T2关系表,通过线性插值法确定降流充电阶段的充电总时间T2;
基于所述恒流充电阶段的充电总时间Td的修正结果和所述降流充电阶段的充电总时间T2,确定所述剩余充电时间关系样本数据。
可选的,所述第三确定单元350,还用于:
生成所述降流充电阶段的充电总时间T2
基于所述充电倍率Cn和所述降流充电阶段的充电总时间T2,确定所述降流充电阶段的充电总电量Q2,生成所述降流充电阶段的充电容量关系样本数据。
可选的,所述第三确定单元350,还用于:
选择与实际充电情况匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行存储,以训练所述C-Tem-T2关系表以及C-Tem-Q2;
对与实际充电情况不匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行丢弃。
需要说明的是,每次充电过程中,根据记录值自学习C-Tem-T2, C-Tem-Q2形成动态规则库,便于后续充电查表。
本公开实施例中的上述各模块的功能及具体实现原理,可参照上述各方法实施例,此处不再赘述。
本公开实施例的剩余充电时间的预测装置,可以通过获取动力电池的单体电压值;基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;根据所述实际SOCa确定恒流充电阶段的充电总时间Td;读取所述动力电池的实际充电倍率Ca;基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。这样确定的剩余充电时间由于是经过了实际充电倍率Ca进行校正,使得获得的剩余充电时间更加准确,从而提高用户体验。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图3示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602 中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603 中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如语音的识别方法。例如,在一些实施例中,语音的识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602 和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的语音的识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行剩余充电时间的预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开的技术方案,可以通过获取动力电池的单体电压值;基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;根据所述实际SOCa确定恒流充电阶段的充电总时间Td;读取所述动力电池的实际充电倍率Ca;基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间。这样确定的剩余充电时间由于是经过了实际充电倍率Ca进行校正,使得获得的剩余充电时间更加准确,从而提高用户体验。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (9)
1.一种剩余充电时间的预测方法,其特征在于,包括:
获取动力电池的单体电压值;
基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;
根据所述实际SOCa确定恒流充电阶段的充电总时间Td;
读取所述动力电池的实际充电倍率Ca;
基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间;
所述基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,包括:
获取恒流充电阶段的理论充电倍率Cs,
基于所述实际充电倍率Ca与所述理论充电倍率Cs的比值,修正所述恒流充电阶段的充电总时间Td,以获得第一修正恒流阶段充电总时间Td ’。
2.如权利要求1所述的方法,其特征在于,所述根据所述实际SOCa确定恒流充电阶段的充电总时间Td,包括:
根据所述实际SOCa基于Tem-SOC-C关系表,确定各恒流充电阶段的充电电量Qx以及充电倍率Cx;
基于所述充电电量Qx和所述充电倍率Cx,确定各充电阶段Tx,以获得所述充电总时间Td。
3.如权利要求1所述的方法,其特征在于,还包括:
在出现故障引起充电电流变化的情况下,基于预设降利系数ε修正所述第一修正恒流阶段充电总时间Td ’,以生成第二修正恒流阶段充电总时间Td ”,其中,所述预设降利系数ε大于等于0且小于等于1。
4.如权利要求1所述的方法,其特征在于,还包括:
获取所述恒流充电阶段结束时的充电倍率Cn和电芯温度Temn;
基于所述充电倍率Cn、电芯温度Temn以及预设C-Tem-T2关系表,通过线性插值法确定降流充电阶段的充电总时间T2;
基于所述恒流充电阶段的充电总时间Td的修正结果和所述降流充电阶段的充电总时间T2,确定所述剩余充电时间关系样本数据。
5.如权利要求4所述的方法,其特征在于,还包括:
生成所述降流充电阶段的充电总时间T2
基于所述充电倍率Cn和所述降流充电阶段的充电总时间T2,确定所述降流充电阶段的充电总电量Q2,生成所述降流充电阶段的充电容量关系样本数据。
6.如权利要求5所述的方法,其特征在于,还包括:
选择与实际充电情况匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行存储,以训练所述C-Tem-T2关系表以及C-Tem-Q2;
对与实际充电情况不匹配的剩余充电时间关系样本数据和降流充电阶段的充电容量关系样本数据进行丢弃。
7.一种剩余充电时间的预测装置,包括:
获取单元,用于获取动力电池的单体电压值;
第一确定单元,用于基于所述单体电压值和SOC-OCV关系表,确定所述动力电池的实际SOCa值;
第二确定单元,用于根据所述实际SOCa确定恒流充电阶段的充电总时间Td;
读取单元,用于读取所述动力电池的实际充电倍率Ca;
第三确定单元,用于基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,以确定所述剩余充电时间;
所述基于所述实际充电倍率Ca修正所述恒流充电阶段的充电总时间Td,包括:
获取恒流充电阶段的理论充电倍率Cs,
基于所述实际充电倍率Ca与所述理论充电倍率Cs的比值,修正所述恒流充电阶段的充电总时间Td,以获得第一修正恒流阶段充电总时间Td ’。
8.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111146374.0A CN114200315B (zh) | 2021-09-28 | 2021-09-28 | 剩余充电时间的预测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111146374.0A CN114200315B (zh) | 2021-09-28 | 2021-09-28 | 剩余充电时间的预测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114200315A CN114200315A (zh) | 2022-03-18 |
CN114200315B true CN114200315B (zh) | 2023-07-04 |
Family
ID=80646126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111146374.0A Active CN114200315B (zh) | 2021-09-28 | 2021-09-28 | 剩余充电时间的预测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114200315B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371047B (zh) * | 2023-12-07 | 2024-03-08 | 福建中科星泰数据科技有限公司 | 一种基于区块链技术的储能电池回收管理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728566A (zh) * | 2013-12-20 | 2014-04-16 | 惠州市亿能电子有限公司 | 一种基于不同温度和倍率充电曲线修正soc的方法 |
CN105353316A (zh) * | 2015-09-30 | 2016-02-24 | 南京林业大学 | 动力电池充电时soc变化量及充电电量折算系数测量方法 |
WO2018039900A1 (zh) * | 2016-08-30 | 2018-03-08 | 宁德新能源科技有限公司 | 电池的充电方法、装置及电池系统 |
CN108023130A (zh) * | 2017-12-13 | 2018-05-11 | 中国科学技术大学 | 一种锂离子电池充电优化方法 |
CN108062086A (zh) * | 2017-12-08 | 2018-05-22 | 中航锂电技术研究院有限公司 | 基于Simscape电池组模型验证电池充放电控制策略的方法 |
CN108445400A (zh) * | 2018-02-09 | 2018-08-24 | 惠州市亿能电子有限公司 | 一种电池组剩余充电时间估算方法 |
CN108693476A (zh) * | 2018-04-02 | 2018-10-23 | 浙江南都电源动力股份有限公司 | 预测电池在任一倍率上剩余可放电时间方法、装置和系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3428389B2 (ja) * | 1997-09-05 | 2003-07-22 | 日産自動車株式会社 | 充電残時間演算方法,充電残時間表示装置および充電装置 |
US8712708B2 (en) * | 2010-10-25 | 2014-04-29 | Matti Samuli Halme | Method of estimating remaining constant current/constant voltage charging time |
TWI523298B (zh) * | 2015-01-16 | 2016-02-21 | 新普科技股份有限公司 | 預估鋰離子電池剩餘充電時間之方法以及充電監測器 |
CN107192960A (zh) * | 2017-06-26 | 2017-09-22 | 北京普莱德新能源电池科技有限公司 | 一种对电池的剩余充电时间进行估算的方法及装置 |
CN112415410A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置、存储介质和车辆 |
CN110794307A (zh) * | 2019-10-21 | 2020-02-14 | 南京金邦动力科技有限公司 | 一种自学习的soc估算校准方法 |
TWI723694B (zh) * | 2019-12-20 | 2021-04-01 | 國家中山科學研究院 | 一種快速評估電池剩餘可用容量的方法 |
CN112557926B (zh) * | 2020-12-04 | 2024-01-02 | 湖北亿纬动力有限公司 | 一种计算剩余充电时间的方法和装置 |
-
2021
- 2021-09-28 CN CN202111146374.0A patent/CN114200315B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728566A (zh) * | 2013-12-20 | 2014-04-16 | 惠州市亿能电子有限公司 | 一种基于不同温度和倍率充电曲线修正soc的方法 |
CN105353316A (zh) * | 2015-09-30 | 2016-02-24 | 南京林业大学 | 动力电池充电时soc变化量及充电电量折算系数测量方法 |
WO2018039900A1 (zh) * | 2016-08-30 | 2018-03-08 | 宁德新能源科技有限公司 | 电池的充电方法、装置及电池系统 |
CN108062086A (zh) * | 2017-12-08 | 2018-05-22 | 中航锂电技术研究院有限公司 | 基于Simscape电池组模型验证电池充放电控制策略的方法 |
CN108023130A (zh) * | 2017-12-13 | 2018-05-11 | 中国科学技术大学 | 一种锂离子电池充电优化方法 |
CN108445400A (zh) * | 2018-02-09 | 2018-08-24 | 惠州市亿能电子有限公司 | 一种电池组剩余充电时间估算方法 |
CN108693476A (zh) * | 2018-04-02 | 2018-10-23 | 浙江南都电源动力股份有限公司 | 预测电池在任一倍率上剩余可放电时间方法、装置和系统 |
Non-Patent Citations (1)
Title |
---|
Optimum charging rate for a lithium-ion battery using COMSOL livelink for Matlab model;M. E. Farrag.;IEEE;第677-682页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114200315A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180316206A1 (en) | Method, apparatus and device for charging a battery | |
JP6171897B2 (ja) | 近似関数作成プログラム、近似関数作成方法、近似関数作成装置および充電率推定プログラム | |
CN110470995B (zh) | 电池剩余放电时间获取方法、系统及终端设备 | |
CN116008827A (zh) | 一种锂离子电池析锂电位的确定方法、装置及电子设备 | |
CN114200315B (zh) | 剩余充电时间的预测方法、装置、电子设备和存储介质 | |
CN114705990A (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
CN114609530A (zh) | 修正电池荷电状态的方法、装置、设备及介质 | |
CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
CN115718265A (zh) | 电池直流电阻测试值的修正方法、电子设备及存储介质 | |
CN110658476B (zh) | 一种随机充放电条件下锂电池容量加速衰减的判定方法 | |
CN117096478A (zh) | 一种电池分容方法、装置、电子设备和存储介质 | |
CN116504322A (zh) | 电化学模型获取方法、装置、终端和存储介质 | |
CN116559693A (zh) | 一种电池soc评估方法、装置、电子设备及存储介质 | |
CN116359764A (zh) | 电池剩余充电时间计算方法、装置、电子设备及存储介质 | |
CN113507154B (zh) | 充电方法、装置、充电机和电子设备 | |
CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
CN113777497B (zh) | 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 | |
WO2022133975A1 (zh) | 充电方法、电子装置以及存储介质 | |
CN114879042A (zh) | 电芯分容放电容量预测方法、装置及电子设备 | |
CN114264966A (zh) | 电池的荷电状态的评估方法、装置、终端设备以及介质 | |
CN117706390B (zh) | 一种电池荷电状态滚动优化估计方法及装置 | |
CN118259183A (zh) | 一种电池健康度确定方法及装置 | |
CN117970131A (zh) | 一种放电map确定方法、装置、设备及存储介质 | |
CN117406125B (zh) | 电池健康状态确认方法、装置、设备及存储介质 | |
CN116593916A (zh) | 基于互联网动态修正soh的方法、装置、电子设备及介质 |
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 | ||
GR01 | Patent grant |