CN114706007A - 一种电池健康状态的确定方法及装置、电子设备 - Google Patents
一种电池健康状态的确定方法及装置、电子设备 Download PDFInfo
- Publication number
- CN114706007A CN114706007A CN202210337879.3A CN202210337879A CN114706007A CN 114706007 A CN114706007 A CN 114706007A CN 202210337879 A CN202210337879 A CN 202210337879A CN 114706007 A CN114706007 A CN 114706007A
- Authority
- CN
- China
- Prior art keywords
- battery
- working condition
- state
- condition
- health
- 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
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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电池健康状态的确定方法及装置、电子设备,该方法包括:获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重;根据多个电池容量和所述多个工况权重得到在线电池健康状态;利用所述在线电池健康状态得到所述电池的目标电池健康状态。本发明通过增加多次工况修正容量记录,并为不同的工况分配相应的权重,通过结合多种工况共同计算,从而兼顾算法精度与修正频率。
Description
技术领域
本发明涉及电池管理技术领域,具体涉及一种电池健康状态的确定方法及装置、电子设备。
背景技术
目前计算锂电池的SOH(电池剩余寿命)是BMS(电池管理系统)普遍具备的功能,目前行业的主流做法是根据吞吐量进行查表并结合电芯离线测试数据,得到电池的SOH值。部分企业使用了在线修正SOH的方法,通过在一定工况下两次进行电池的OCV(开路电压)修正,并统计两次修正间的吞吐量变化,从而使用ΔQ/ΔSOC得到电池容量,进而通过该容量与电池标称容量的比值,得到电池的计算SOH值。部分企业将两种方法结合,在触发在线修正时,以在线修正的SOH作为计算基准,在其他情况下以当前SOH为基础,根据吞吐量进行SOH接续计算。
但是,基于吞吐量进行计算SOH的方法中,SOH计算是基于离线数据,由于电芯的本征特性和运行环境存在一定差异,该方法计算的SOH误差会随电池老化程度的增加而逐渐增加,无法很好地反应电池真实老化状态。并且该方法无法保证对异常电芯的识别,例如电芯容量发生跳水时,该方法无法进行识别,此时SOH计算误差会急剧上升。
基于容量进行计算SOH的方法中,工况触发周期严重依赖工况,如果未触发特征工况,则SOH无法得到更新。工况选择困难,为提高算法精度,工况选择中应使两次OCV(开路电压)修正SOC之间的吞吐量尽可能多,但从工况触发概率的角度,又需要两次修正间吞吐量较少,也就是说,工况无法准确选择,如果选择的工况要求过高,触发频次就过低,不方便计算,可能有些驾驶人员驾驶习惯良好,甚至基本不会触发,如果选择的工况要求过低,触发频次就过高,此时对SOH的计算精度就明显下降,本方法很难做出平衡,如果提高触发频率,则SOH精度明显下降,如果提高计算精度,则部分用户的工况长期无法满足修正条件,造成SOH算法失效。
基于离线计算和在线修正结合的计算方法中,工况选择仍存在困难,如果长时间无法触发修正,则算法退化回离线算法,电池容量的计算精度无法保证;如果频繁触发修正,则算法精度无法保证,造成SOH误差较大且会出现频繁跳变。
发明内容
因此,本发明为了解决目前无法准确预测电池的老化程度的问题,从而提供一种电池健康状态的确定方法、装置及电子设备。
为实现上述目的,本发明采用如下技术方案:
本发明实施例提供了一种电池健康状态的确定方法,包括:获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重;根据多个电池容量和所述多个工况权重得到在线电池健康状态;利用所述在线电池健康状态得到所述电池的目标电池健康状态。
可选地,所述电池健康状态的确定方法,还包括:当所述电池为三元锂电池时,所述多个工况包括所述电池的开路电压修正后充电至充满工况、所述电池的开路电压修正后进行充电,充电后又触发所述电池的开路电压修正工况和跨驾驶循环放电工况;当所述电池为磷酸铁锂电池时,所述多个工况包括单驾驶循环充电工况和跨驾驶循环充电工况。
可选地,所述开路电压修正后充电至充满工况的辨识条件包括:初始SOC小于第一阈值、开路电压修正条件、初始SOC与本循环初始修正SOC之差小于第二阈值、充满时本循环总放电量与总容量的比值小于第三阈值、电池充满且满足SOC满电修正条件;和/或,所述开路电压修正后进行充电,充电后又触发开路电压修正工况的辨识条件包括:初始SOC小于第一阈值、开路电压修正条件、初始SOC与本循环初始修正SOC之差小于所述第二阈值、本循环总放电量小于所述第三阈值、电池充电后休眠时间大于第四阈值、电池充电后休眠时间小于第五阈值、下次上电时修正后SOC与充电枪连接时SOC的差值大于第六阈值;和/或,所述跨驾驶循环放电工况的辨识条件包括:初态和末态均满足开路电压修正条件、初态到末态总充电量小于第七阈值、初态SOC大于第八阈值、初态上电时修正SOC与末态上电时修正SOC的差值大于第九阈值、初态与末态时间间隔小于第十阈值。
可选地,所述单驾驶循环充电工况的辨识条件包括:本次休眠时间满足SOC修正条件、本驾驶循环电芯最低温度始终大于第十一阈值、本循环单体SOC差小于第十二阈值、本驾驶循环放电电量与电池标称容量比值小于第十三阈值、本驾驶循环充电至充满、EEPROM无故障、初始SOC小于第十四阈值;和/或,所述跨驾驶循环放电工况的辨识条件包括:充电满足满充条件且充满时温度大于第十五阈值、放电后经过SOC小于第十六阈值、末态上电修正时最大SOC与最小SOC的差值小于第十七阈值、放电过程回充容量与总容量的比值小于第十八阈值、充满到末态时间间隔小于第十九阈值、EEPROM无故障。
可选地,在获取所述每个工况对应的工况权重之前,还包括:针对任一工况,获取该工况的类型,根据所述类型确定该工况的类型权重;获取该工况中的电池容量变化,根据所述电池容量变化确定该工况的电池容量变化权重;获取该工况中的容量计算触发到当前的时间间隔,根据所述时间间隔确定该工况的时间间隔权重;判断该工况的电池容量是否小于预设的第一容量或大于预设的第二容量,得到电池容量权重;将所述类型权重、所述电池容量变化权重、所述时间间隔权重和所述电池容量权重相乘得到该工况的工况权重;遍历所述多个工况中的每个工况,得到所述每个工况对应的工况权重。
可选地,根据多个电池容量和所述多个工况权重得到在线电池健康状态包括:针对任一工况,利用该工况的电池容量和该工况的工况权重,得到该工况的子电池容量,遍历所述多个工况中的每个工况得到每个工况的子电池容量;将所述预设次数工况的子电池容量相加得到所述电池的总在线电池容量;将所述预设次数的工况权重相加得到所述电池的在线权重和;利用所述总在线电池容量和所述在线权重和得到所述在线电池健康状态。
可选地,利用所述在线电池健康状态得到所述电池的目标电池健康状态包括:获取离线电池健康状态;计算所述在线电池健康状态与所述离线电池健康状态的差异,得到当前差异电池健康状态;根据所述目标差异电池健康状态和所述离线电池健康状态,得到所述目标电池健康状态。
可选地,在得到当前差异电池健康状态之后还包括:获取历史差异电池健康状态;根据所述历史差异电池健康状态对所述当前差异电池健康状态进行修正。
可选地,根据所述历史差异电池健康状态对所述当前差异电池健康状态进行修正包括:根据所述在线权重和和所述预设次数,确定平均权重;根据所述当前差异电池健康状态、所述平均权重和所述历史差异电池健康状态,确定所述目标差异电池健康状态。
可选地,根据所述当前差异电池健康状态、所述平均权重和所述历史差异电池健康状态,确定所述目标差异电池健康状态,包括:将所述平均权重与预设的第一阈值进行比较,确定最小值;将所述第一阈值与平均权重做差得到差值,将所述差值与预设的的第二阈值进行比较,确定最大值;根据所述当前差异电池健康状态、所述最小值、所述历史差异电池健康状态和所述最大值,确定所述目标差异电池健康状态。
根据第二方面,本发明还公开了一种电池健康状态的确定装置,包括:获取模块,用于获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重;第一确定模块,用于根据多个电池容量和所述多个工况权重得到在线电池健康状态;第二确定模块,用于利用所述在线电池健康状态得到所述电池的目标电池健康状态。
根据第三方面,本发明实施例还公开了一种电子设备,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执行如第一方面或第一方面任一可选实施方式所述的电池健康状态的确定方法步骤。
根据第四方面,本发明实施方式还公开了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如第一方面或第一方面任一可选实施方式所述的电池健康状态的确定方法步骤。
本发明技术方案,具有如下优点:
1.本发明通过获取电池多个工况下每个工况对应的电池容量和每个工况对应的工况权重,根据多个电池容量和多个工况权重得到在线电池健康状态,并利用在线电池健康状态得到所述电池的目标电池健康状态。本发明通过增加多次工况修正容量记录,并为不同的工况分配相应的权重,通过结合多种工况共同计算,从而兼顾算法精度与修正频率。
2.本发明为了保证最新的在线修正能够获取最高的权重,增加在线修正后权重随时间推移而衰减的策略,保证了SOH变化的平滑性的同时增加了容量发生突变后的跟踪速率和跟踪精度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中电池健康状态的确定方法的流程示意图;
图2为本发明实施例中电池在工况1的一个示意图;
图3为本发明实施例中电池在工况2的一个示意图;
图4为本发明实施例中电池在工况3的一个示意图;
图5为本发明实施例中电池健康状态的确定方法三元锂电池的具体流程图;
图6为本发明实施例中电池健康状态的确定方法磷酸铁锂电池的具体流程图;
图7为本发明实施例中离线电池健康状态与在线电池健康状态融合计算的一个示意图;
图8为本发明实施例中一种电池健康状态的确定装置的结构示意图;
图9为本发明实施例中电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,在本申请说明书和所附权利要求书中使用的术语“及/和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明中的SOC,全称是State of Charge,电池荷电状态,也叫剩余电量,代表的是电池使用一段时间或长期搁置不用后的剩余可放电电量与其完全充电状态的电量的比值,常用百分数表示。其一般用一个字节也就是两位的十六进制表示(取值范围为0~100),含义是剩余电量为0%~100%,当SOC=0时表示电池放电完全,当SOC=100%时表示电池完全充满。
EEPROM,全称是Electrically Erasable Programmable read only memory,带电可擦可编程只读存储器。
OCV,全称是Open Circuit Voltage,开路电压。
本发明实施例公开了一种电池健康状态的确定方法,如图1所示,该方法包括如下步骤:
步骤101,获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重。
当电池为三元锂电池时,工况包括:所述电池的开路电压修正后充电至充满工况、电池的开路电压修正后进行充电,充电后又触发所述电池的开路电压修正工况和跨驾驶循环放电工况。
具体的,OCV修正后充电至充满工况(以下称为工况1)的辨识条件包括:初始SOC<第一阈值、OCV修正条件、初始SOC与本循环初始修正SOC之差小于第二阈值、充满时本循环总放电量与总容量的比值小于第三阈值、电池充满且满足SOC满电修正条件。
其中,初始SOC是指电池开始充电时的SOC,本循环初始修正SOC是电池的开路电压进行修正后的SOC;
其中,所述第一阈值为40%~60%,优选的为50%;第二阈值为3%~7%,优选的为5%;第三阈值为10%~30%,优选的为20%。
示例的,工况1的辨识条件包括下面5个:
1.充电枪连接时,SOC<50%;
2.本循环IG off time(车辆关火时间)>60min(满足SOC修正条件);
3.充电枪连接时SOC与本循环初始修正SOC之差小于5%;
4.电池充满时本循环总放电量小于20%总容量;
5.电池充满且满足SOC满电修正条件(压差小于30mV,电流小于0.1C(可根据充电MAP进行调整))。
也就是说,当全部满足上述5个条件时,判定属于工况1。
例如,当电池满足工况1的辨识条件时,如图2所示,电池在放电后,对该电池的开路电压进行修正后连接充电枪对该电池进行充电,直至充满状态,根据电池充满电后的电池容量与电池初始的电池容量进行计算得到电池本次容量,电池本次容量=[当前循环充电量-当前循环放电量]/(满充SOC-初始修正SOC)。
OCV修正后进行充电,充电后又触发OCV修正工况(以下称为工况2)的辨识条件包括:初始SOC<第一阈值、OCV修正条件、初始SOC与本循环初始修正SOC之差小于所述第二阈值、本循环总放电量小于所述第三阈值、电池充电后休眠时间大于第四阈值、电池充电后休眠时间小于第五阈值、下次上电时修正后SOC与充电枪连接时SOC的差值>第六阈值。
其中,所述第一阈值为40%~60%,优选的为50%;第二阈值为3%~7%,优选的为5%;第三阈值为10%~30%,优选的为20%;第四阈值为0.5h~1.5h,优选的为1h;第五阈值为110h~130h,优选的为120h;第六阈值为40%~60%,优选的为50%。
示例的,工况2的辨识条件包括下面7个:
1.充电枪连接时,SOC<50%;
2.本循环IG off time>60min(满足SOC修正条件);
3.充电枪连接时SOC与本循环初始修正SOC之差小于5%;
4.本循环总放电量小于20%;
5.电池充电后休眠时间大于1h;
6.电池充电后休眠时间小于120h;
7.下次上电时修正后SOC-充电枪连接时SOC>50%。
也就是说,当全部满足上述7个条件时,判定属于工况2。
例如,当电池满足工况2的辨识条件时,如图3所示,电池在放电后,对该电池的开路电压进行修正后连接充电枪对该电池进行充电,充电结束后,电池又经历了放电的过程触发了OCV修正工况,根据电池充电后的进行修正后的电池容量与电池初始修正后的电池容量进行计算得到电池本次容量,电池本次容量=[累计充电量-累计放电量]/max(本次循环修正后CellSOC(电池单体的SOC)-初始化修正后CellSOC)。
跨驾驶循环放电工况(以下称为工况3)的辨识条件包括:初态和末态均满足OCV修正条件、初态到末态总充电量小于第七阈值、初态SOC>第八阈值、初态上电时修正SOC与末态上电时修正SOC的差值>第九阈值、初态与末态时间间隔小于第十阈值。
其中,第七阈值为20%~40%,优选的为30%;第八阈值为70%~90%,优选的为80%;第九阈值为40%~60%,优选的为50%;第十阈值为110h~130h,优选的为120h。
示例的,工况3的辨识条件包括下面5个:
1.初态和末态均IG off time>60min(满足SOC修正条件);
2.初态到末态总充电量小于30%;
3.初态SOC大于80%;
4.初态上电时修正SOC-末态上电时修正SOC>50%;
5.初态与末态时间间隔小于120小时。
也就是说,当全部满足上述5个条件时,判定属于工况3。
容量计算在末态上电后进行,具体的计算公式为:电池容量=[累计放电量-累计充电量]/max(初态初始化修正CellSOC-末态初始化修正CellSOC).
例如,当电池满足工况3的辨识条件时,如图5所示,电池的SOC在校准之后,电池经过了汽车驾驶放电的过程,汽车休眠之后,再次对电池进行SOC校准,根据电池初态初始化修正后的电池容量与电池末态初始化修正后的电池容量进行计算得到电池本次容量,电池本次容量=[累计放电量-累计充电量]/max(初态初始化修正CellSOC-末态初始化修正CellSOC)。
当电池为磷酸铁锂电池时,工况包括:单驾驶循环充电工况和跨驾驶循环充电工况。
具体的,单驾驶循环充电工况(以下称为工况4)的辨识条件包括:本次休眠时间满足SOC修正条件、本驾驶循环电芯最低温度始终大于第十一阈值、本循环单体SOC差小于第十二阈值、本驾驶循环放电电量与电池标称容量比值小于第十三阈值、本驾驶循环充电至充满、EEPROM无故障、初始SOC小于第十四阈值。
其中,本循环单体SOC差指的是电池的最大电池单体SOC与最小电池单体SOC之间的差值,为了防止SOH计算不准确,因此需要最大电池单体SOC与最小电池单体SOC之间的差值不超过第十二阈值。
其中,第十一阈值为8度~12度,优选的为10度;第十二阈值为3%~7%,优选的为5%;第十三阈值为5%~15%,优选的为10%;第十四阈值为10%~30%,优选的为20%。
示例的,工况1的辨识条件包括下面7个:
1.保证本次休眠时间满足SOC修正条件;
2.本驾驶循环电芯最低温度始终大于10度;
3.本循环单体SOC差小于5%;
4.本驾驶循环放电电量小于电池标称容量的10%;
5.本驾驶循环充电至充满;
6.EEPROM无故障;
7.本驾驶循环初始SOC小于20%。
也就是说,当全部满足上述7个条件时,判定属于工况4。
具体的,工况4的容量计算公式为:电池容量=(本循环充电容量-本循环放电容量)/(100-初始最大CellSOC)。
跨驾驶循环放电工况(以下称为工况5)的辨识条件包括:充电满足满充条件且充满时温度大于第十五阈值、放电后的SOC与初始状态的SOC的差值小于第十六阈值、末态上电修正时最大SOC与最小SOC的差值小于第十七阈值、放电过程回充容量与总容量的比值小于第十八阈值、充满到末态时间间隔小于第十九阈值、EEPROM无故障。
其中,由于电池放电的时候会有能量进行回收,如果电池能量回收过多,电池的SOH计算就会出现误差,因此需要设定放电过程回充容量与总容量的比值小于第十八阈值。
其中,第十五阈值为10度~20度,优选的为15度;第十六阈值为10%~30%,优选的为20%;第十七阈值为10%~15%,优选的为5%;第十八阈值为20%~40%,优选的为30%;第十九阈值为110h~130h,优选的为120h。
示例的,工况5的辨识条件包括下面7个:
1.充电满足满充条件,充满时温度大于15度;
2.放电后经过充分静置放电后的SOC与初始状态的SOC的差值小于20%;
3.电池最低温度大于10度;
4.末态上电修正时最大最小SOC差小于5%;
5.放电过程回充容量小于总容量的30%;
6.充满到末态时间间隔小于120小时;
7.EEPROM无故障。
也就是说,当全部满足上述7个条件时,判定属于工况5。
具体的,工况5的容量计算公式为:电池容量=(多循环累积放电容量-多循环累积充电容量)/(100-修正后最大CellSOC)。
本发明可以通过根据不同的辨识条件,准确的判断出此时电所处的工况。
进一步的,在获取每个工况对应的工况权重之前,针对任一工况,获取该工况的类型,根据工况类型确定该工况的基础类型权重;获取该工况中的电池容量变化,根据电池容量变化确定该工况的电池容量变化权重;获取该工况中的容量计算触发到当前的时间间隔,根据时间间隔确定该工况的时间间隔权重;判断该工况的电池容量是否小于预设的第一容量或大于预设的第二容量,得到电池容量权重;将类型权重、SOC变化权重、时间间隔权重和电池容量权重相乘得到该工况的工况权重;遍历所述多个工况中的每个工况,得到所述每个工况对应的工况权重。
本发明通过增加多次工况修正容量记录,并为不同的工况分配相应的权重,从而保证低置信度工况也可以得到充分利用,从而既保证了算法精度,也保证了修正频率。
针对三元电芯,对各工况赋予不同的基础权重,OCV修正后充电至充满工况基础权重为0.5,OCV修正后进行充电,充电后又触发OCV修正工况和跨驾驶循环放电工况基础权重为1;根据电池容量SOC变化进行加权,SOC变化50%的系数为1,100%的系数为2,中间线性插值;根据容量计算触发到目前的时间间隔进行加权,小于7天的权重为1,大于90天的权重为0.01,中间线性插值;.如果计算得到的电池容量小于电池标称容量的60%或大于电池标称容量的115%,权重值赋为0。例如电池在OCV修正后充电至充满工况下。电池容量SOC变化为50%,容量计算触发到目前的时间间隔为90天,并且此时的电池容量为电池标称容量的70%,此时驾驶情况下的权重为0.5*1*0.01*1=0.005。
针对铁锂电芯,对单驾驶循环放电工况和跨驾驶循环放电工况基础权重都置为1;根据SOC变化进行加权,SOC变化80%的系数为1,100%的系数为1.5,中间线性插值;根据容量计算触发到目前的时间间隔进行加权,小于7天的权重为1,大于90天的权重为0.01,中间线性插值;如果计算得到的电池容量小于电池标称容量的60%或大于电池标称容量的115%,权重值赋为0。例如电池在跨驾驶循环工况下。电池容量SOC变化为80%,容量计算触发到目前的时间间隔为90天,并且此时的电池容量为电池标称容量的70%,此时驾驶情况下的权重为1*1*0.01*1=0.01。
本发明通过存储多次的在线离线SOH差异,并对数据进行了加权,对高置信度工况给予较高权重,低置信度工况给予较低权重,从而保证工况可信高时在线算法修正力度较强,工况可信度低时在线算法修正力度较弱,从而有效保证了在线算法触发频率和在线算法修正精度。并通过增加了在线修正后权重随时间推移而衰减的策略,保证最新的在线修正能够获取最高的权重,保证了SOH变化的平滑性的同时增加了容量发生突变后的跟踪速率和跟踪精度。
步骤102,根据多个电池容量和所述多个工况权重得到在线电池健康状态。
更进一步的,在每一种工况下,利用该工况的电池容量和该工况的工况权重,得到该工况的子电池容量,遍历多个工况中的每个工况得到每个工况的子电池容量;将预设次数工况的子电池容量相加得到所述电池的总在线电池容量;将预设次数的工况权重相加得到所述电池的在线权重和;利用总在线电池容量和在线权重和得到所述在线电池健康状态。
具体的,通过公式在线电池健康状态=Σ(工况SOH*工况权重)/Σ(工况权重),得到在线电池健康状态。
步骤103,利用所述在线电池健康状态得到所述电池的目标电池健康状态。
具体的,先获取离线电池健康状态,计算在线电池健康状态与离线电池健康状态的差异,得到当前差异电池健康状态,进而根据目标差异电池健康状态和离线电池健康状态,得到目标电池健康状态。
示例性的,根据电池离线测试的循环寿命数据和日历寿命数据进行离线SOH计算。上电时根据车辆休眠时间及电池当前最高温度及当前SOH查表确定本次休眠的日历寿命SOH衰减值。运行时对放电容量进行Ah积分,根据当前SOH、本次电池运行过程中电芯最高温度进行查表,得到电池本驾驶循环SOH下降数值。将NVM存储的离线SOH读取后减掉两部分衰减量后输出,离线SOH=当前SOH-日历寿命SOH衰减量-循环寿命SOH衰减量。在得到离线SOH之后,通过将在线SOH与离线SOH做差得到差异电池健康状态。
进一步的,获取历史差异电池健康状态,根据历史差异电池健康状态对所述当前差异电池健康状态进行修正。其中,历史差异电池健康状态为电池在当前离线状态前的预设次数下计算出来的在线电池健康状态与离线电池健康状态下的电池健康状态的差异,修正过程为根据所述在线权重和和所述预设次数,确定平均权重,将所述平均权重与第一阈值例如1进行比较,确定最小值,将所述第一阈值与平均权重做差得到差值,将所述差值与第二阈值例如0进行比较,确定最大值,根据所述当前差异电池健康状态、所述最小值、所述历史差异电池健康状态和所述最大值,确定所述目标差异电池健康状态。
具体的,当在线SOH算法触发后,根据最新在线离线SOH差异及总权重,与之前在线离线SOH差异结合,计算得到更新后的在线离线SOH差异,并据此计算目标输出SOH。计算公式为:目标差异电池健康状态=当前差异电池健康状态*min(总权重/10,1)+历史差异电池健康状态*max(1-总权重/10,0)。
进一步的,在得到目标差异电池健康状态之后,如图7所示,根据所述历史差异电池健康状态对所述目标差异电池健康状态进行修正得到目标的电池健康状态,目标电池健康状态=当前差异电池健康状态+离线差异电池健康状态。
更进一步的,当在线算法未触发时,从离线SOH模块获取当前计算的离线SOH值,加上NVM(非易失性存储器)读取的在线离线偏差值后输出,以保证每一时刻都有电池的SOH值输出显示给用户,方便查看。
本发明通过存储历史例如10次的在线离线SOH差异数据,并对数据进行了加权,对高置信度工况给予较高权重,低置信度工况给予较低权重,从而保证工况可信高时在线算法修正力度较强,工况可信度低时在线算法修正力度较弱,从而有效保证了在线算法触发频率和在线算法修正精度。并增加了权重随时间衰减的逻辑,历史进行的在线修正权重随时间推移不断下降,从而保证最新修正工况获得较高的权重赋值,有效应对电池容量跳水,容量跳水后SOH可以较快的速率跟踪上真实值。由于使用了10次在线计算值的加权和在线离线SOH加权,保证了SOH值不会出现较大的跳变,从而保证了算法的稳定性。
示例性的,作为本发明的一种可选实施方式,为了辨识三元锂电池的上述三种工况,可以执行如图5所示的流程。
步骤1:先检查NVM存储器(非易失性存储器)的数据是否有效,其主要是为了检查BMS读取功能是否正常,当NVM存储器的数据无效时,不进行工况判断直接输出默认值。
具体的,默认值是指工况的默认值,即工况计算标志为0,计算得到的容量输出也为0,本模块不输出SOH值,SOH值由融合计算模块实现,如果NVM数据无效,SOH输出为默认值100
步骤2:当NVM存储器的数据有效时,据之前驾驶循环存储的工况状态决定是否进入跨驾驶循环放电工况即工况3,当未进入工况3时,进入步骤3;当进入工况3之后,继续判断是否满足工况3的容量计算条件,当满足工况3的容量计算条件时,将在线SOH计算标志中的工况标志置为3并进行容量计算;当不满足工况3的容量计算条件时,需要判断是否满足OCV修正条件&&不满足继续累积吞吐量条件,其中满足OCV修正条件称为条件1,不满足继续累积吞吐量条件称为条件2;当条件1和条件2同时满足时,进入步骤4;当条件1和条件2中只有一个不满足时,需要继续判断是否满足继续累积吞吐量条件,当不满足时,工况标志清零,容量输出默认值;当满足时,继续进行吞吐量累积计算,输出累积充放电电量;
具体的,当同时满足初态IG off time>60min且初态SOC大于80%时,判定进入工况3,其中初态IG off time>60min也可称为OCV修正条件。当同时满足末态IG off time>60min、初态到末态总充电量小于30%、初态上电时修正SOC-末态上电时修正SOC>50%且初态与末态时间间隔小于120小时时,判定满足工况3的容量计算条件。
具体的,满足继续累积吞吐量条件可以理解为未来是否存在满足工况3容量计算的可能性,例如当初态与末态时间间隔大于120小时时,因为工况3的辨识条件之一为初态与末态时间间隔小于120小时,随着时间的推移在未来肯定不会满足工况3。
步骤3:判断是否满足OCV修正条件,当不满足OCV修正条件时,不进行工况判断输出默认值;当满足OCV修正条件时,首先判断是否进入工况2(即OCV修正后进行充电,充电后又触发OCV修正工况)且满足工况2的计算条件,当进入工况2且满足工况2的计算条件时,将在线SOH计算标志中的工况标志置为2并进行容量计算;当未进入工况2或不满足工况2的计算条件时,进入步骤4;
具体的,工况2的进入条件为:同时满足OCV修正条件且初始SOC<50%;工况2的计算条件为:同时满足充电枪连接时SOC与本循环初始修正SOC之差小于5%、本循环总放电量小于20%、电池充电后休眠时间大于1h、电池充电后休眠时间小于120h且下次上电时修正后SOC-充电枪连接时SOC>50%。
步骤4:判断是否满足初始SOC大于80%,当不满足时,进入步骤5;当满足时,判定此时满足工况3(即跨驾驶循环放电工况)的进入条件,继续判断是否满足工况3的容量计算条件,当满足时,将在线SOH计算标志中的工况标志置为2,当不满足时,将工况标志清零,容量输出默认值;
步骤5:判断是否满足初始SOC小于50%,当不满足时,不进行工况判断输出默认值;当满足时,判断符合工况2和工况1的进入条件,但因为工况1可以在工况2的基础上随时跳出,所以此处将工况标志置为2,进行吞吐量累计计算,继续判断是否满充,当满充时,将在线SOH计算标志中的工况标志置为1并进行容量计算;当不满充时,判断是否满足工况2的计算条件,当满足工况2的计算条件时,将在线SOH计算标志中的工况标志置为2并进行容量计算,当不满足工况2的计算条件时,将工况标志清零,容量输出默认值。
示例性的,作为本发明的一种可选实施方式,为了辨识磷酸铁锂电池的上述两种工况,可以采用如图6所示的流程。,
步骤1:先检查NVM存储器(非易失性存储器)的数据是否有效,其主要是为了检查BMS读取功能是否正常,当NVM存储器的数据无效时,会不进行工况判断直接输出默认值。
具体的,默认值是指工况的默认值,即工况计算标志为0,计算得到的容量输出也为0,本模块不输出SOH值,SOH值由融合计算模块实现,如果NVM数据无效,SOH输出为默认值100。
步骤2:当NVM存储器的数据有效时,判断是否进入跨驾驶循环放电工况即工况5,当未进入工况5时,进入步骤3;当进入工况5之后,继续判断是否满足工况5的容量计算条件,当满足工况5的容量计算条件时,将在线SOH计算标志中的工况标志置为2并进行容量计算;当不满足工况5的容量计算条件时,需要判断是否满足OCV修正条件&&不满足继续累积吞吐量条件,其中满足OCV修正条件称为条件1,不满足继续累积吞吐量条件称为条件2;当条件1和条件2同时满足时,进入步骤4;当条件1和条件2中只有一个不满足时,需要继续判断是否满足继续累积吞吐量条件,当不满足时,工况标志清零,容量输出默认值;当满足时,继续进行吞吐量累积计算,输出累积充放电电量;
具体的,当同时满足充电满足满充条件、充满时温度大于15度且EEPROM无故障时,判定进入工况5。当同时满足放电后SOC小于20%、电池最低温度大于10度、末态上电修正时最大最小SOC差小于5%、放电过程回充容量小于总容量的30%、充满到末态时间间隔小于120小时且EEPROM无故障时,判定满足工况5的容量计算条件。
同样,满足继续累积吞吐量条件可以理解为未来是否存在满足工况5容量计算的可能性,例如当充满到末态时间间隔大于120小时时,因为工况5的辨识条件之一为充满到末态时间间隔小于120小时,睡着时间的推移在未来肯定不会满足工况5。
步骤3:判断是否满足OCV修正条件,当不满足OCV修正条件时,进入步骤4;当满足OCV修正条件时,判断是否满足SOC小于20%,当初始SOC小于20%时,判定此时满足工况4的进入条件,将工况标志置为1,进行吞吐量累积计算,当满满时,将在线SOH计算标志中的工况标志置为1并进行容量计算;
步骤4:工况标志清零输出默认值,判断是否满充,当满充时,判断是否满足工况5的进入条件,当满足工况5的进入条件时,将工况标志置为5,并继续判断是否满足工况5的计算条件,当满足时,进行吞吐量累积计算;当不满足时,工况标志清零,容量输出默认值。
本发明还提供了一种电池健康状态的确定装置,如图8所示,该装置包括:
获取模块81,用于获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重,详细内容参考步骤101所述;
第一确定模块82,用于根据多个电池容量和所述多个工况权重得到在线电池健康状态,详细内容参考步骤102所述;
第二确定模块83,用于利用所述在线电池健康状态得到所述电池的目标电池健康状态,详细内容参考步骤103所述。
实施例3
本发明实施例还提供了一种电子设备,如图9所示,该电子设备可以包括处理器901和存储器902,其中处理器901和存储器902可以通过总线或者其他方式连接,图9中以通过总线连接为例。
处理器901可以为中央处理器(Central ProceAAing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital AignalProceAAor,DAP)、专用集成电路(Application Apecific Integrated Circuit,AAIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的电池健康状态的确定装置按键屏蔽方法对应的程序指令/模块(例如,图8所示的获取模块81、第一确定模块82和第二确定模块83)。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的电池健康状态的确定方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器902中,当被所述处理器901执行时,执行如图1-7所示实施例中的电池健康状态的确定方法。
上述电子设备具体细节可以对应参阅图1-7所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,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,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AcceAAMemory,RAM)、快闪存储器(FlaAhMemory)、硬盘(Hard DiAk Drive,缩写:HDD)或固态硬盘(Aolid-Atate Drive,AAD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种电池健康状态的确定方法,其特征在于,包括:
获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重;
根据多个电池容量和所述多个工况权重得到在线电池健康状态;
利用所述在线电池健康状态得到所述电池的目标电池健康状态。
2.根据权利要求1所述的方法,其特征在于,包括:
当所述电池为三元锂电池时,所述多个工况包括所述电池的开路电压修正后充电至充满工况、所述电池的开路电压修正后进行充电,充电后又触发所述电池的开路电压修正工况和跨驾驶循环放电工况;
当所述电池为磷酸铁锂电池时,所述多个工况包括单驾驶循环充电工况和跨驾驶循环充电工况。
3.根据权利要求2所述的方法,其特征在于:
当所述电池为三元锂电池时,
所述开路电压修正后充电至充满工况的辨识条件包括:初始SOC小于第一阈值、满足开路电压修正条件、初始SOC与本循环初始修正SOC之差小于第二阈值、充满时本循环总放电量与总容量的比值小于第三阈值、电池充满且满足SOC满电修正条件;
和/或,所述开路电压修正后进行充电,充电后又触发开路电压修正工况的辨识条件包括:初始SOC小于第一阈值、满足开路电压修正条件、初始SOC与本循环初始修正SOC之差小于所述第二阈值、本循环总放电量小于所述第三阈值、电池充电后休眠时间大于第四阈值、电池充电后休眠时间小于第五阈值、下次上电时修正后SOC与充电枪连接时SOC的差值大于第六阈值;
和/或,所述跨驾驶循环放电工况的辨识条件包括:初态和末态均满足开路电压修正条件、初态到末态总充电量小于第七阈值、初态SOC大于第八阈值、初态上电时修正SOC与末态上电时修正SOC的差值大于第九阈值、初态与末态时间间隔小于第十阈值;
当所述电池为磷酸铁锂电池时,
所述单驾驶循环充电工况的辨识条件包括:本次休眠时间满足SOC修正条件、本驾驶循环电芯最低温度始终大于第十一阈值、本循环单体SOC差小于第十二阈值、本驾驶循环放电电量与电池标称容量比值小于第十三阈值、本驾驶循环充电至充满、EEPROM无故障、初始SOC小于第十四阈值;
和/或,所述跨驾驶循环放电工况的辨识条件包括:充电满足满充条件且充满时温度大于第十五阈值、放电后的SOC与初始状态的SOC的差值小于第十六阈值、末态上电修正时最大SOC与最小SOC的差值小于第十七阈值、放电过程回充容量与总容量的比值小于第十八阈值、充满到末态时间间隔小于第十九阈值、EEPROM无故障。
4.根据权利要求1所述的方法,其特征在于,在获取所述每个工况对应的工况权重之前,还包括:
针对任一工况,获取该工况的类型,根据所述类型确定该工况的类型权重;
获取该工况中的电池容量变化,根据所述电池容量变化确定该工况的电池容量变化权重;
获取该工况中的容量计算触发到当前的时间间隔,根据所述时间间隔确定该工况的时间间隔权重;
判断该工况的电池容量是否小于预设的第一容量或大于预设的第二容量,得到电池容量权重;
将所述类型权重、所述电池容量变化权重、所述时间间隔权重和所述电池容量权重相乘得到该工况的工况权重;
遍历所述多个工况中的每个工况,得到所述每个工况对应的工况权重。
5.根据权利要求1所述的方法,其特征在于,根据多个电池容量和所述多个工况权重得到在线电池健康状态包括:
针对任一工况,利用该工况的电池容量和该工况的工况权重,得到该工况的子电池容量,遍历所述多个工况中的每个工况得到每个工况的子电池容量;
将所述预设次数工况的子电池容量相加得到所述电池的总在线电池容量;
将所述预设次数的工况权重相加得到所述电池的在线权重和;
利用所述总在线电池容量和所述在线权重和得到所述在线电池健康状态。
6.根据权利要求1所述的方法,其特征在于,利用所述在线电池健康状态得到所述电池的目标电池健康状态包括:
获取离线电池健康状态;
计算所述在线电池健康状态与所述离线电池健康状态的差异,得到当前差异电池健康状态;
获取历史差异电池健康状态;
根据所述历史差异电池健康状态对所述当前差异电池健康状态进行修正,确定目标差异电池健康状态;
根据所述目标差异电池健康状态和所述离线电池健康状态,得到所述目标电池健康状态。
7.根据权利要求6所述的方法,其特征在于,根据所述历史差异电池健康状态对所述当前差异电池健康状态进行修正,确定目标差异电池健康状态,包括:
根据所述在线权重和和所述预设次数,确定平均权重;
根据所述当前差异电池健康状态、所述平均权重和所述历史差异电池健康状态,确定所述目标差异电池健康状态。
8.根据权利要求7所述的方法,其特征在于,根据所述当前差异电池健康状态、所述平均权重和所述历史差异电池健康状态,确定所述目标差异电池健康状态,包括:
将所述平均权重与预设的第一阈值进行比较,确定最小值;
将所述第一阈值与平均权重做差得到差值,将所述差值与预设的的第二阈值进行比较,确定最大值;
根据所述当前差异电池健康状态、所述最小值、所述历史差异电池健康状态和所述最大值,确定所述目标差异电池健康状态。
9.一种电池健康状态的确定装置,其特征在于,包括:
获取模块,用于获取电池多个工况下每个工况对应的电池容量和所述每个工况对应的工况权重;
第一确定模块,用于根据多个电池容量和所述多个工况权重得到在线电池健康状态;
第二确定模块,用于利用所述在线电池健康状态得到所述电池的目标电池健康状态。
10.一种电子设备,其特征在于,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执行如权利要求1-8任一所述的电池健康状态的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210337879.3A CN114706007A (zh) | 2022-03-31 | 2022-03-31 | 一种电池健康状态的确定方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210337879.3A CN114706007A (zh) | 2022-03-31 | 2022-03-31 | 一种电池健康状态的确定方法及装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114706007A true CN114706007A (zh) | 2022-07-05 |
Family
ID=82173110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210337879.3A Pending CN114706007A (zh) | 2022-03-31 | 2022-03-31 | 一种电池健康状态的确定方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114706007A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930780A (zh) * | 2023-09-19 | 2023-10-24 | 惠州锐鉴兴科技有限公司 | 智能电量检测方法、检测装置及计算机可读存储介质 |
-
2022
- 2022-03-31 CN CN202210337879.3A patent/CN114706007A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930780A (zh) * | 2023-09-19 | 2023-10-24 | 惠州锐鉴兴科技有限公司 | 智能电量检测方法、检测装置及计算机可读存储介质 |
CN116930780B (zh) * | 2023-09-19 | 2024-02-23 | 惠州锐鉴兴科技有限公司 | 智能电量检测方法、检测装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110988690B (zh) | 电池健康状态修正方法、装置、管理系统以及存储介质 | |
CN108828461B (zh) | 动力电池soh值估算方法及系统 | |
CN103630843B (zh) | 电池状态推测装置及推测方法、电池控制装置、电池系统 | |
CN111239624B (zh) | 一种电池容量校准方法、装置、电子设备及存储介质 | |
CN107359378B (zh) | 电池充电方法、装置和设备 | |
CN110988702B (zh) | 电池可用容量确定方法、装置、管理系统以及存储介质 | |
CN103901347B (zh) | 一种显示电池电量的方法和终端 | |
JP4767558B2 (ja) | 電源装置用状態検知装置,電源装置及び電源装置に用いられる初期特性抽出装置 | |
US10845417B2 (en) | Battery state estimation device, battery control device, battery system, battery state estimation method | |
US20060181245A1 (en) | Method and apparatus for detecting charged state of secondary battery based on neural network calculation | |
US20110231122A1 (en) | Method and system for determining the kind of a battery | |
CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
EP3438684B1 (en) | Device for estimating degradation of secondary cell, and method for estimating degradation of secondary cell | |
CN111308374A (zh) | 一种电池组健康状态soh值的估算方法 | |
US10989759B1 (en) | Method and apparatus for correcting state of charge | |
EP3832331B1 (en) | Cell state estimation device and cell control device | |
CN113406523A (zh) | 一种储能电池状态评价方法、装置、电子设备及存储系统 | |
CN113219351A (zh) | 动力电池的监控方法及装置 | |
CN111913111A (zh) | 放电功率校正方法、装置、存储介质及电子设备 | |
CN112541260A (zh) | 一种电池均衡控制方法、系统、存储介质及电子设备 | |
CN114706007A (zh) | 一种电池健康状态的确定方法及装置、电子设备 | |
CN110988701B (zh) | 电池可用能量确定方法、装置、管理系统以及存储介质 | |
CN112379291B (zh) | 一种锂电池系统的soc估计方法及其系统 | |
CN112462917A (zh) | 储能系统的控制方法、装置、电子设备和存储介质 | |
CN115575829A (zh) | 一种锂电池电量显示方法及系统 |
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 |