CN114755596A - 电池老化预测方法和汽车 - Google Patents

电池老化预测方法和汽车 Download PDF

Info

Publication number
CN114755596A
CN114755596A CN202111535344.9A CN202111535344A CN114755596A CN 114755596 A CN114755596 A CN 114755596A CN 202111535344 A CN202111535344 A CN 202111535344A CN 114755596 A CN114755596 A CN 114755596A
Authority
CN
China
Prior art keywords
battery
aging
index
current
prediction result
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
CN202111535344.9A
Other languages
English (en)
Other versions
CN114755596B (zh
Inventor
赵晓莉
何建标
刘植元
刘新波
刘广浩
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.)
Guangzhou Automobile Group Co Ltd
Original Assignee
Guangzhou Automobile Group 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 Guangzhou Automobile Group Co Ltd filed Critical Guangzhou Automobile Group Co Ltd
Priority to CN202111535344.9A priority Critical patent/CN114755596B/zh
Publication of CN114755596A publication Critical patent/CN114755596A/zh
Application granted granted Critical
Publication of CN114755596B publication Critical patent/CN114755596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392Determining battery ageing or deterioration, e.g. state of health
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明公开了一种电池老化预测方法和汽车,包括:获取当前车辆数据,当前车辆数据包括至少一个老化评估指标对应的当前指标值;获取至少一个老化评估指标对应的目标指标阈值;基于每一老化评估指标对应的当前指标值和目标指标阈值,获取每一老化评估指标对应的单一指标预测结果;基于至少一个老化评估指标对应的单一指标预测结果,获取老化预测结果。本技术方案能够提高电池老化预测放大的准确性和合理性。

Description

电池老化预测方法和汽车
技术领域
本发明涉及车辆安全管理技术领域,尤其涉及一种电池老化预测方法和汽车。
背景技术
目前,蓄电池广泛应用在汽车的汽车启动系统以及低压系统中,它是汽车必不可少的一部分。但蓄电池作为一种电化学反应装置,由于其自身的特性,在车辆长期停放或用户维护不当的情况下,极易造成蓄电池的老化,影响整车的功能使用甚至无法启动。因此,准确地对蓄电池进行老化预测,及时发现蓄电池的老化问题是目前亟待解决的技术问题。
发明内容
本发明实施例提供一种电池老化预测方法和汽车,以解决无法准确地对蓄电池进行老化预测的问题。
一种电池老化预测方法,包括:
获取当前车辆数据,所述当前车辆数据包括至少一个老化评估指标对应的当前指标值;
获取至少一个所述老化评估指标对应的目标指标阈值;
基于每一所述老化评估指标对应的当前指标值和目标指标阈值,获取每一所述老化评估指标对应的单一指标预测结果;
基于至少一个所述老化评估指标对应的单一指标预测结果,获取老化预测结果。
进一步地,所述当前指标值包括当前行驶里程,所述目标指标阈值包括里程判断阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较所述当前行驶里程和所述里程判断阈值;
若所述当前行驶里程大于或等于所述里程判断阈值,则获取存在老化的单一指标预测结果;
若所述当前行驶里程小于所述里程判断阈值,则获取不存在老化的单一指标预测结果。
进一步地,所述当前指标值包括当前使用时间,所述目标指标阈值包括时间判断阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较当前使用时间和时间判断阈值;
若所述当前使用时间大于或等于所述时间判断阈值,则获取存在老化的单一指标预测结果;
若所述当前使用时间小于所述时间判断阈值,则获取不存在老化的单一指标预测结果。
进一步地,所述当前指标值包括当前电池启动能力,所述目标指标阈值包括电池启动能力阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较当前电池启动能力和电池启动能力阈值;
若所述当前电池启动能力小于或等于所述电池启动能力阈值,则获取存在老化的单一指标预测结果;
若所述当前电池启动能力大于所述电池启动能力阈值,则获取不存在老化的单一指标预测结果。
进一步地,所述当前指标值包括当前电池可用容量,所述目标指标阈值包括电池可用容量阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较当前电池可用容量和电池可用容量阈值;
若所述当前电池可用容量小于或等于所述电池可用容量阈值,则获取存在老化的单一指标预测结果;
若所述当前电池可用容量大于所述电池可用容量阈值,则获取不存在老化的单一指标预测结果。
进一步地,所述基于至少一个所述老化评估指标对应的单一指标预测结果,获取老化预测结果,包括:
查询老化预测对照表,获取至少一个老化预测评估条件,每一所述老化预测评估条件对应一个或多个老化评估指标;
若所述基于至少一个所述老化评估指标对应的单一指标预测结果,满足任一所述老化预测评估条件,则获取存在老化的老化预测结果;
若所述基于至少一个所述老化评估指标对应的单一指标预测结果,不满足所有所述老化预测评估条件,则获取不存在老化的老化预测结果。
进一步地,在所述获取当前车辆数据之前,所述电池老化预测方法还包括:
获取历史车辆数据,所述历史车辆数据包括至少一个老化评估指标对应的历史指标值;
对至少一个所述老化评估指标对应的历史指标值进行处理,获取所述老化评估指标对应的目标指标阈值。
进一步地,所述获取历史车辆数据,包括:
从数据库中,获取实际电池SOC、实际行驶里程、实际使用时间和历史电池数据;
将所述实际电池SOC在第一SOC阈值区间内,且所述实际行驶里程小于或等于目标里程阈值的实际行驶里程,确定为所述历史行驶里程;
将所述实际电池SOC在第二SOC阈值区间内,且所述实际使用时间小于或等于目标使用时间的实际使用时间,确定为所述历史使用时间;
所述历史车辆数据包括所述历史行驶里程、所述历史使用时间和所述历史电池数据。
进一步地,所述历史指标值包括电池启动能力数据、电池活性物质丢失数据和电池硫化数据,所述目标指标阈值包括电池启动能力阈值和电池可用容量阈值;所述对至少一个所述老化评估指标对应的历史指标值进行处理,获取所述老化评估指标对应的目标指标阈值,包括:
对所述电池启动能力数据进行处理,获取所述电池启动能力阈值;
对所述电池活性物质丢失数据和所述电池硫化数据进行处理,分别获取目标活性物质丢失数据和目标硫化数据,根据所述目标活性物质丢失数据和所述目标硫化数据,获取所述电池可用容量阈值。
一种汽车,包括车载控制器,所述车载控制器用于实现上述的电池老化预测方法。
上述电池老化预测方法和汽车,采用至少一个老化评估指标对应的当前指标值及其对应的目标指标阈值,确定至少一个单一指标预测结果,以实现从单一维度确定是否存在电池老化现象;再基于至少一个所述老化评估指标对应的单一指标预测结果,获取老化预测结果,提高老化预测结果的准确性/合理性和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中电池老化预测方法的一流程图;
图2是本发明一实施例中电池老化预测方法的另一流程图;
图3是本发明一实施例中电池老化预测方法的另一流程图;
图4是本发明一实施例中电池老化预测方法的另一流程图;
图5是本发明一实施例中电池老化预测方法的另一流程图;
图6是本发明一实施例中电池老化预测方法的另一流程图;
图7是本发明一实施例中电池老化预测方法的另一流程图;
图8是本发明一实施例中电池老化预测方法的另一流程图;
图9是本发明一实施例中电池老化预测方法的另一流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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作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。
本实施例提供一种电池老化预测方法,该电池老化预测方法可应用与汽车上,该汽车包括蓄电池和车载控制器,该车载控制器包括但不限于存储器、处理器以及存储在存储器中并可在处理器上运行的电池老化预测程序,该处理器执行电池老化预测程序时实现本实施例中的电池老化预测方法,以对该汽车上的蓄电池进行老化预测。
在一实施例中,如图1所示,提供一种电池老化预测方法,以该方法应用在上述汽车中的车载控制器为例进行说明,包括如下步骤:
S101:获取当前车辆数据,当前车辆数据包括至少一个老化评估指标对应的当前指标值。
S102:获取至少一个老化评估指标对应的当前指标值。
S103:基于每一老化评估指标对应的当前指标值和目标指标阈值,获取每一老化评估指标对应的单一指标预测结果。
S104:基于至少一个老化评估指标对应的单一指标预测结果,获取老化预测结果。
其中,当前车辆数据是指当前时刻获取的车辆数据。老化评估指标是用于对蓄电池进行老化评估的指标。老化评估指标包括但不限于汽车行驶里程、汽车使用时间和汽车电池数据。当前指标值是指当前时刻获取的指标参数。当前指标值包括但不限于当前行驶里程、当前使用时间和当前电池数据。当前行驶里程是指当前时刻获取的汽车行驶的里程。当前使用时间是指当前时刻获取的汽车使用时间。当前电池数据是指当前时刻获取的与蓄电池对应的电池数据。该蓄电池为需要进行老化预测的电池。示例性地,当前电池数据包括但不限于当前电池启动能力和当前电池可用容量等。例如,该当前电池启动能力可以用于反映蓄电池的负载能力,随着蓄电池的老化,蓄电池的负载能力也越来越差,因此,根据当前电池启动能力,在后续步骤中对蓄电池进行老化预测,能够提高蓄电池老化预测的准确性。当前电池可用容量可用于反映蓄电池的容量,随着蓄电池的老化,蓄电池的容量将越来越少,因此,通过获取当前车辆数据中的当前电池可用容量,同样可以在后续步骤中对蓄电池进行老化预测,并达到提高蓄电池老化预测的准确性的目的。
作为一示例,步骤S101中,可通过目标汽车中的车载控制器实时采集当前车辆数据,并将该当前车辆数据通过该目标汽车对应的车端平台发送至云端平台,以使该云端平台中的云端服务器在后续步骤中对该当前车辆数据进行处理,实现对该目标汽车中的蓄电池进行老化预测。
在本示例中,当前车辆数据包括至少一个老化评估指标对应的当前指标值。该当前指标值包括当前行驶里程、当前使用时间和当前电池数据中的至少一个。在本示例中,由于当前行驶里程、当前使用时间和当前电池数据能够反映用户汽车的实际使用情况,通过将当前行驶里程、当前使用时间和当前电池数据中的至少一个作为判断蓄电池是否老化的参数,便能够提高蓄电池老化预测的准确度。
其中,目标指标阈值是指与老化评估指标对应的评估阈值。目标指标阈值包括但不限于与汽车里程对应的里程判断阈值,与汽车使用时间对应的时间判断阈值和与汽车电池数据对应的电池判断阈值。里程判断阈值是指用于对当前行驶里程进行判断的参数。时间判断阈值是指用于对当前使用时间进行判断的参数。电池判断阈值是指用于对当前电池数据进行判断的参数。
作为一示例,步骤S102中,目标指标阈值可以是预先存储在车端平台的数据库中的参数,可从该车端平台的数据库中获取目标指标阈值,即在需要对目标车辆进行老化预测时,可从车端平台的数据库中,获取目标指标阈值。
作为一示例,可通过对存储在车端平台的数据库中的历史车辆数据进行大数据分析,确定目标指标阈值,并将该目标指标阈值存储在车端平台的数据库中。示例性地,可通过设置合理的数据筛选策略,从该历史车辆数据中选取符合该数据筛选策略的历史车辆数据,并根据该历史车辆数据,获取目标指标阈值,该目标指标阈值中包括里程判断阈值、时间判断阈值和电池判断阈值中的至少一个。
作为另一示例,该数据筛选策略可以是根据实际需求合理地设置数据类型以及该数据类型对应的数据范围,通过该数据类型和数据范围对历史车辆数据进行筛选,选取符合该数据筛选策略的历史车辆数据。该数据类型例如可以是实际电池SOC(State ofCharge,电池荷电状态,简称SOC),数据范围可以是50%—60%的实际电池SOC,以筛选出实际电池SOC为50%—60%的历史车辆数据,进而根据该历史车辆数据确定目标指标阈值,以保证目标指标阈值的合理性和准确性。
作为另一示例,该目标指标阈值通过对历史车辆数据进行处理得到。示例性地,通过对历史车辆数据进行滤波处理和取平均值处理后得到目标指标阈值,以提高目标指标阈值的准确性。
在本实施例中,通过获取老化判断阈值,该老化判断阈值包括至少一个老化评估指标对应的目标指标阈值,目标指标阈值又包括里程判断阈值、时间判断阈值和电池判断阈值中的至少一个,因此,可从里程、时间和电池本身这几个维度对蓄电池是否老化进行预测判断,保障蓄电池的老化预测结果的准确性和可靠性。
其中,单一指标预测结果是指基于每一当前指标值和目标指标阈值获取的蓄电池老化预测结果。
作为一示例,在步骤S103中,车载控制器基于每一老化评估指标对应的当前指标值和目标指标阈值,获取每一老化评估指标对应的单一指标预测结果。示例性地,可将当前指标值中的当前行驶里程、当前使用时间和当前电池数据,分别与里程判断阈值、时间判断阈值和电池判断阈值进行对比分析,便能够单一指标预测结果。例如,根据当前指标值中的当前行驶里程和目标指标阈值中的里程判断阈值进行老化预测,便能够获取行驶里程这一维度对应的单一指标预测结果。或者根据当前指标值中的当前使用时间和目标指标阈值中时间判断阈值进行老化预测,便能够获取使用时间这一维度对应的单一指标预测结果。或者根据当前指标值中的当前电池数据和目标指标阈值中电池判断阈值进行老化预测,便能够获取电池本身这一维度对应的目标指标阈值。
其中,老化预测结果是指对蓄电池进行老化预测的判断结果。
作为一示例,在步骤S104中,车载控制器基于至少一个老化评估指标对应的单一指标预测结果,便能够获取老化预测结果。示例性地,若当前行驶里程和里程判断阈值进行预测的单一指标预测结果、当前使用时间和时间判断阈值进行预测的单一指标预测结果和当前电池数据和电池判断阈值进行预测的单一指标预测结果中,可根据某一单一指标预测结果评估确定其老化预测结果是否存在老化,也可根据多个单一指标预测结果结合评估确定其老化预测结果是否存在老化。例如,由于当前行驶里程、当前使用时间和当前电池数据能够较为真实的反映用户汽车的实际使用情况,可以在三个老化预测结果中的任一个存在老化,确定蓄电池存在老化,也可以根据三个老化预测结果中的至少两个存在老化时,确定蓄电池存在老化提高蓄电池老化预测的准确性、合理性和可靠性。
本实施例所提供的电池老化预测方法中,采用至少一个老化评估指标对应的当前指标值及其对应的目标指标阈值,确定至少一个单一指标预测结果,以实现从单一维度确定是否存在电池老化现象;再基于至少一个老化评估指标对应的单一指标预测结果,获取老化预测结果,提高老化预测结果的准确性/合理性和可靠性。
在一实施例中,如图2所示,步骤S103中,当前指标值包括当前行驶里程,目标指标阈值包括里程判断阈值;获取每一老化评估指标对应的单一指标预测结果,包括:
S201:比较当前行驶里程和里程判断阈值。
S202:若当前行驶里程大于或等于里程判断阈值,则获取存在老化的单一指标预测结果。
S203:若当前行驶里程小于里程判断阈值,则获取不存在老化的单一指标预测结果。
作为一示例,在步骤S201中,车载控制器执行比较当前行驶里程和里程判断阈值,以根据当前行驶里程与里程判断阈值之间的大小关系,来获取单一指标预测结果。
作为一示例,在步骤S202中,若当前行驶里程大于或等于里程判断阈值,则说明用户使用汽车的行驶里程过大,存在电池存在老化的情况,因此获取存在老化的单一指标预测结果。
作为一示例,在步骤S203中,若当前行驶里程小于里程判断阈值,则说明用户使用汽车的行驶里程过大,不存在电池存在老化的情况,因此获取不存在老化的单一指标预测结果。
在本实施例中,通过比较当前行驶里程和里程判断阈值,判断当前行驶里程和里程判断阈值的大小便能够判断蓄电池是否存在老化的情况,若当前行驶里程大于或等于里程判断阈值,则获取存在老化的单一指标预测结果,若当当前行驶里程小于里程判断阈值,则获取不存在老化的单一指标预测结果,提高蓄电池老化预测的准确性。
在一实施例中,如图3所示,步骤S103中,当前指标值包括当前行驶里程,目标指标阈值包括里程判断阈值;获取每一老化评估指标对应的单一指标预测结果,包括:
S301:比较当前使用时间和时间判断阈值。
S302:若当前使用时间大于或等于时间判断阈值,则获取存在老化的单一指标预测结果。
S303:若当前使用时间小于时间判断阈值,则获取不存在老化的单一指标预测结果。
作为一示例,在步骤S301中,车载控制器执行比较当前使用时间和时间判断阈值,以根据当前使用时间和时间判断阈值之间的大小关系,来获取单一指标预测结果。
作为一示例,在步骤S302中,当前使用时间大于或等于时间判断阈值,则说明用户使用汽车的时间过长,存在电池存在老化的情况,因此获取存在老化的单一指标预测结果。
作为一示例,在步骤S303中,当前使用时间小于时间判断阈值,则说明用户使用汽车的时间较短,不存在电池存在老化的情况,因此获取不存在老化的单一指标预测结果。
在本实施例中,通过比较当前使用时间和时间判断阈值,判断当前使用时间和时间判断阈值的大小便能够判断蓄电池是否存在老化的情况,若当前使用时间大于或等于时间判断阈值,则获取存在老化的单一指标预测结果,若当前使用时间小于时间判断阈值,则获取不存在老化的单一指标预测结果,提高蓄电池老化预测的准确性。
在一实施例中,如图4所示,步骤S103中,当前指标值包括当前电池启动能力,目标指标阈值包括电池启动能力阈值;获取每一老化评估指标对应的单一指标预测结果,包括:
S401:比较当前电池启动能力和电池启动能力阈值。
S402:若当前电池启动能力小于或等于电池启动能力阈值,则获取存在老化的单一指标预测结果。
S403:若当前电池启动能力大于电池启动能力阈值,则获取不存在老化的单一指标预测结果。
作为一示例,在步骤S401中,车载控制器执行比较当前电池启动能力和电池启动能力阈值,以根据当前电池启动能力和电池启动能力阈值之间的大小关系,来获取单一指标预测结果。
作为一示例,在步骤S402中,当当前电池启动能力小于或等于电池启动能力阈值时,则说明当前电池启动能力较小,存在电池存在老化的情况,因此获取存在老化的单一指标预测结果。
作为一示例,在步骤S403中,当当前电池启动能力大于电池启动能力阈值时,则说明当前电池启动能力较大,不存在电池存在老化的情况,因此获取不存在老化的单一指标预测结果。
在本实施例中,通过比较当前电池启动能力和电池启动能力阈值,判断当前电池启动能力和电池启动能力阈值的大小便能够判断蓄电池是否存在老化的情况,若当前电池启动能力小于或等于电池启动能力阈值,获取存在老化的单一指标预测结果。若当前电池启动能力大于电池启动能力阈值,则获取不存在老化的单一指标预测结果,提高蓄电池老化预测的准确性。
在一实施例中,如图5所示,步骤S103中,当前指标值包括当前电池可用容量,目标指标阈值包括电池可用容量阈值;获取每一老化评估指标对应的单一指标预测结果,包括:
S501:比较当前电池可用容量和电池可用容量阈值。
S502:若当前电池可用容量小于或等于电池可用容量阈值,则获取存在老化的单一指标预测结果。
S503:若当前电池可用容量大于电池可用容量阈值,则获取不存在老化的单一指标预测结果。
作为一示例,在步骤S501中,车载控制器执行比较当前电池可用容量和电池可用容量阈值,以根据当前电池可用容量和电池可用容量阈值之间的大小关系,来获取单一指标预测结果。
作为一示例,在步骤S503中,当当前电池可用容量小于或等于电池可用容量阈值时,则说明当前电池可用容量较小,存在电池存在老化的情况,因此获取存在老化的单一指标预测结果。
作为一示例,在步骤S503中,当当前电池可用容量大于电池可用容量阈值时,则说明当前电池可用容量较大,不存在电池存在老化的情况,因此获取不存在老化的单一指标预测结果。
在本实施例中,通过比较当前电池可用容量和电池可用容量阈值,判断当前电池可用容量和电池可用容量阈值的大小便能够判断蓄电池是否存在老化的情况,若当前电池可用容量小于或等于电池可用容量阈值,则获取存在老化的单一指标预测结果。若当前电池可用容量大于电池可用容量阈值,则获取不存在老化的单一指标预测结果,提高蓄电池老化预测的准确性。
在一实施例中,如图6所示,步骤S104中,基于至少一个老化评估指标对应的单一指标预测结果,获取老化预测结果,包括:
S601:查询老化预测对照表,获取至少一个老化预测评估条件,每一老化预测评估条件对应一个或多个老化评估指标。
S602:若基于至少一个老化评估指标对应的单一指标预测结果,满足任一老化预测评估条件,则获取存在老化的老化预测结果。
S603:若基于至少一个老化评估指标对应的单一指标预测结果,不满足所有老化预测评估条件,则获取不存在老化的老化预测结果。
其中,老化预测对照表是指包括至少一个老化预测评估条件,以及老化预测对照表,获取至少一个老化预测评估条件,每一老化预测评估条件对应一个或多个老化评估指标的对照表。老化预测评估条件是指用于判断蓄电池是否老化的条件。
作为一示例,在步骤S601中,车载控制器查询老化预测对照表,获取至少一个老化预测评估条件,每一老化预测评估条件对应一个或多个老化评估指标。示例性地,老化预测对照表中包括老化预测评估条件1、老化预测评估条件2、老化预测评估条件3,老化预测评估条件4、老化预测评估条件5、老化预测评估条件6和老化预测评估条件7。老化预测评估条件1为当前行驶里程大于或等于里程判断阈值。老化预测评估条件2为当前使用时间大于或等于时间判断阈值。老化预测评估条件3为当前电池启动能力小于或等于电池启动能力阈值。老化预测评估条件4为当前电池可用容量小于或等于电池可用容量阈值。老化预测评估条件5为当前行驶里程大于或等于里程判断阈值,且当前使用时间大于或等于时间判断阈值。需要说明的是,老化预测评估条件对应一个或多个老化评估指标,即汽车行驶里程、汽车使用时间和汽车电池数据中的一个及其组合,在此不再一一列举。
作为一示例,在步骤S602中,若基于至少一个老化评估指标对应的单一指标预测结果,满足任一老化预测评估条件,则说明蓄电池存在老化,车载控制器则获取存在老化的老化预测结果。
作为一示例,在步骤S603中,若基于至少一个老化评估指标对应的单一指标预测结果,不满足所有老化预测评估条件,则说明蓄电池存在老化,车载控制器则获取不存在老化的老化预测结果。
在本实施例中,车载控制器查询老化预测对照表,获取至少一个老化预测评估条件,每一老化预测评估条件对应一个或多个老化评估指标。当基于至少一个老化评估指标对应的单一指标预测结果,满足任一老化预测评估条件时,车载控制器便能够获取存在老化的老化预测结果。当基于至少一个老化评估指标对应的单一指标预测结果,不满足所有老化预测评估条件时,车载控制器便能够取不存在老化的老化预测结果。
在一实施例中,如图7所示,步骤S101之前,即在获取当前车辆数据之前,电池老化预测方法还包括:
S701:获取历史车辆数据,历史车辆数据包括至少一个老化评估指标对应的历史指标值。
S702:对至少一个老化评估指标对应的历史指标值进行处理,获取老化评估指标对应的目标指标阈值。
其中,历史车辆数据是指存储在数据库中的车辆数据。历史指标值是指老化评估指标对应的指标参数。历史指标值包括但不限于历史行驶里程、历史使用时间和历史电池数据。
历史行驶里程是指当前时刻之前形成并存储的汽车行驶的里程。历史使用时间是指当前时刻之前形成并存储的汽车使用时间。历史电池数据是指当前时刻之前形成并存储的与蓄电池对应的电池数据。
作为一示例,步骤S701中,由于历史行驶里程、历史使用时间和历史电池数据等历史指标值是在当前时刻之前形成并存储在数据库中的数据,因此,可从数据库中获取预先存储的历史行驶里程、历史使用时间和历史电池数据。示例性地,由于数据库中存储着大量的历史车辆数据,因此,为了提高里程判断阈值、时间判断阈值和电池判断阈值的合理性,通过预先设置好的数据筛选策略,对数据库中存储的大量历史车辆数据进行筛选分析,获取合理的历史行驶里程、历史使用时间和历史电池数据,从而能够在后续步骤中根据该历史行驶里程、历史使用时间和历史电池数据,获取合理的里程判断阈值、时间判断阈值和电池判断阈值,提高电池老化预测方法的合理性。
作为一示例,步骤S702中,车载控制器对至少一个老化评估指标对应的历史指标值进行处理,获取老化评估指标对应的目标指标阈值。示例性地,车载控制器在获取到历史行驶里程、历史使用时间和历史电池数据后,还需要对该历史行驶里程、历史使用时间和历史电池数据进行进一步地处理,以获取目标指标阈值,即里程判断阈值、时间判断阈值和电池判断阈值。
示例性地,在获取历史行驶里程、历史使用时间和历史电池数据的后,分别对该历史行驶里程、历史使用时间和历史电池数据进行滤波处理,以提高历史行驶里程、历史使用时间和历史电池数据的准确性。
例如,由于数据库中存储的历史行驶里程、历史使用时间和历史电池数据是用户在使用汽车开始后存储的所有历史车辆数据,因此,为了保证里程判断阈值、时间判断阈值和电池判断阈值的准确性和合理性,通过对历史行驶里程、历史使用时间和历史电池数据进行取平均值的方式,来获取里程判断阈值、时间判断阈值和电池判断阈值,便能够保证里程判断阈值、时间判断阈值和电池判断阈值。
在本实施例中,通过获取历史车辆数据,历史车辆数据包括至少一个老化评估指标对应的历史指标值,并对至少一个老化评估指标对应的历史指标值进行处理,获取老化评估指标对应的目标指标阈值,数据库中存储的历史行驶里程、历史使用时间和历史电池数据是用户在使用汽车开始后存储的所有历史车辆数据,因此,获取里程判断阈值、时间判断阈值和电池判断阈值等目标指标阈值,在后续对蓄电池进行老化预测时,能够提高蓄电池老化预测的合理性和准确性。
在一实施例中,如图8所示,步骤S701中,即获取历史行驶里程、历史使用时间和历史电池数据,包括:
S801:从数据库中,获取实际电池SOC、实际行驶里程、实际使用时间和历史电池数据。
S802:将实际电池SOC在第一SOC阈值区间内,且实际行驶里程小于或等于目标里程阈值的实际行驶里程,确定为历史行驶里程。
S803:将实际电池SOC在第二SOC阈值区间内,且实际使用时间小于或等于目标使用时间的实际使用时间,确定为历史使用时间。
其中,历史车辆数据包括历史行驶里程、历史使用时间和历史电池数据。
其中,实际电池SOC为蓄电池的实际电荷状态。实际行驶里程是指用户汽车实际行驶的里程。实际使用时间是指用户实际使用汽车的使用时间。历史电池数据为用户更换蓄电池前获取的电池数据。示例性地,历史电池数据包括但不限于电池启动能力数据、电池活性物质丢失数据和电池硫化数据等。
作为一示例,步骤S301中,车载控制器可从数据库中,获取实际电池SOC、实际行驶里程、实际使用时间和历史电池数据等数据,可根据实际电池SOC、实际行驶里程和实际使用时间进行筛选,确定历史行驶里程和历史使用时间。本示例中,实际电池SOC可用于筛选实际电池SOC在特定范围内的历史车辆数据,由于实际电池SOC可作为判断蓄电池是否老化的指标参数,因此,通过获取实际电池SOC,可在后续步骤中筛选出能够预测蓄电池是否老化的历史行驶里程、历史使用时间和历史电池数据。
其中,第一SOC阈值区间是指用户自定义设置的区间。目标里程阈值是指用户自定义设置的阈值。
作为一示例,步骤S302中,通过将实际电池SOC在第一SOC阈值区间内,且实际行驶里程小于或等于目标里程阈值的实际行驶里程,确定为历史行驶里程,由于经过合理设置的第一SOC阈值区间和目标里程阈值对实际行驶里程进行筛选,从而能够使得确定的历史行驶里程更具有合理性和准确性。可选地,第一SOC阈值区间可以是50%至60%的实际电池SOC或者是其他根据用户需求合理设置的实际电池SOC。目标里程阈值可以是20000Km或者是其他根据用户需求合理设置的目标里程阈值。例如,通过将实际电池SOC在50%至60%内的,且实际行驶里程小于或等于20000Km的实际行驶里程,确定为历史行驶里程,从而能够使该历史行驶里程更具有合理性和准确性。
其中,第二SOC阈值区间是指用户自定义设置的区间。目标使用时间是指用户自定义设置的阈值。可选地,第二SOC阈值区间可以与第一OC阈值区间相同,也可以与第一OC阈值区间不同。作为优选地,第二SOC阈值区间与第一OC阈值区间相同。
作为一示例,步骤S303中,通过将实际电池SOC在第二SOC阈值区间内,且实际使用时间小于或等于目标使用时间的实际使用时间,确定为历史使用时间,由于经过合理设置的第二SOC阈值区间和目标使用时间对实际使用时间进行筛选,从而能够使得确定的实际使用时间更具有合理性和准确性。可选地,第二SOC阈值区间可以是50%至60%的实际电池SOC或者是其他根据用户需求合理设置的实际电池SOC。目标使用时间可以是一年、两年或者是其他根据用户需求合理设置的目标使用时间。例如,通过将实际电池SOC在50%至60%内的,且实际使用时间小于或等于一年的实际使用时间,确定为历史使用时间,从而能够使该历史使用时间更具有合理性和准确性。
本实施例中,首先通过获取实际电池SOC、实际行驶里程、实际使用时间和历史电池数据,接着将实际电池SOC在第一SOC阈值区间内,且实际行驶里程小于或等于目标里程阈值的实际行驶里程,确定为历史行驶里程,并将实际电池SOC在第二SOC阈值区间内,且实际使用时间小于或等于目标使用时间的实际使用时间,确定为历史使用时间,通过合理设置的第一SOC阈值区间、目标里程阈值对实际行驶里程进行筛选,通过合理设置的第二SOC阈值区间和目标使用时间对实际使用时间进行筛选,以获取包含历史行驶里程、历史使用时间和历史电池数据的历史车辆数据,能够使得确定的历史行驶里程和历史使用时间更具有合理性和准确性。
在一实施例中,如图9所示,步骤S702中,历史指标值包括电池启动能力数据、电池活性物质丢失数据和电池硫化数据,目标指标阈值包括电池启动能力阈值和电池可用容量阈值;对至少一个老化评估指标对应的历史指标值进行处理,获取老化评估指标对应的目标指标阈值,包括:
S901:对电池启动能力数据进行处理,获取电池启动能力阈值。
S902:对电池活性物质丢失数据和电池硫化数据进行处理,分别获取目标活性物质丢失数据和目标硫化数据,根据目标活性物质丢失数据和目标硫化数据,获取电池可用容量阈值。
其中,电池启动能力阈值是指用于对当前电池启动能力进行判断的参数。
作为一示例,由于电池启动能力数据是预先当前时刻之前形成并存储的历史电池数据,在获取电池启动能力数据后,需对该电池启动能力数据进行处理,以获取电池启动能力阈值并保证电池启动能力阈值的准确性和合理性。
作为一示例,从数据库中获取电池启动能力数据后,首先对该电池启动能力数据进行滤波处理,以保证该电池启动能力数据的准确性,接着,对滤波处理后的电池启动能力数据进行取平均值处理,将对电池启动能力数据进行取平均值处理后得到的平均值确定为电池启动能力阈值。
其中,电池可用容量阈值是指用于对当前电池可用容量进行判断的参数。
作为一示例,从数据库中获取电池活性物质丢失数据和电池硫化数据后,首先对电池活性物质丢失数据和电池硫化数据进行滤波处理,获取滤波后的电池活性物质丢失数据和滤波后的电池硫化数据,接着对滤波后的电池活性物质丢失数据进行取平均值处理,得到一个电池活性物质丢失数据对应的平均值,并对滤波后的电池硫化数据进行取平均值处理,得到一个电池硫化数据对应的平均值,根据电池活性物质丢失数据对应的平均值和电池硫化数据对应的平均值,获取电池可用容量阈值。示例性地,将电池活性物质丢失数据对应的平均值与电池硫化数据对应的平均值的乘积确定为电池可用容量阈值。
在本实施例中,通过对电池启动能力数据进行处理,获取电池启动能力阈值,以保证该电池启动能力阈值具有合理性和准确性。通过对电池活性物质丢失数据和电池硫化数据进行处理,分别获取目标活性物质丢失数据和目标硫化数据,根据目标活性物质丢失数据和目标硫化数据,获取电池可用容量阈值,以保证该电池可用容量阈值具有合理性和准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本实施例还提供一种汽车,包括车载控制器,所述车载控制器用于实现上述实施例中的电池老化预测方法。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。

Claims (10)

1.一种电池老化预测方法,其特征在于,包括:
获取当前车辆数据,所述当前车辆数据包括至少一个老化评估指标对应的当前指标值;
获取至少一个所述老化评估指标对应的目标指标阈值;
基于每一所述老化评估指标对应的当前指标值和目标指标阈值,获取每一所述老化评估指标对应的单一指标预测结果;
基于至少一个所述老化评估指标对应的单一指标预测结果,获取老化预测结果。
2.如权利要求1所述的电池老化预测方法,其特征在于,所述当前指标值包括当前行驶里程,所述目标指标阈值包括里程判断阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较所述当前行驶里程和所述里程判断阈值;
若所述当前行驶里程大于或等于所述里程判断阈值,则获取存在老化的单一指标预测结果;
若所述当前行驶里程小于所述里程判断阈值,则获取不存在老化的单一指标预测结果。
3.如权利要求1所述的电池老化预测方法,其特征在于,所述当前指标值包括当前使用时间,所述目标指标阈值包括时间判断阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较当前使用时间和时间判断阈值;
若所述当前使用时间大于或等于所述时间判断阈值,则获取存在老化的单一指标预测结果;
若所述当前使用时间小于所述时间判断阈值,则获取不存在老化的单一指标预测结果。
4.如权利要求1所述的电池老化预测方法,其特征在于,所述当前指标值包括当前电池启动能力,所述目标指标阈值包括电池启动能力阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较当前电池启动能力和电池启动能力阈值;
若所述当前电池启动能力小于或等于所述电池启动能力阈值,则获取存在老化的单一指标预测结果;
若所述当前电池启动能力大于所述电池启动能力阈值,则获取不存在老化的单一指标预测结果。
5.如权利要求1所述的电池老化预测方法,其特征在于,所述当前指标值包括当前电池可用容量,所述目标指标阈值包括电池可用容量阈值;
所述获取每一所述老化评估指标对应的单一指标预测结果,包括:
比较当前电池可用容量和电池可用容量阈值;
若所述当前电池可用容量小于或等于所述电池可用容量阈值,则获取存在老化的单一指标预测结果;
若所述当前电池可用容量大于所述电池可用容量阈值,则获取不存在老化的单一指标预测结果。
6.如权利要求1所述的电池老化预测方法,其特征在于,所述基于至少一个所述老化评估指标对应的单一指标预测结果,获取老化预测结果,包括:
查询老化预测对照表,获取至少一个老化预测评估条件,每一所述老化预测评估条件对应一个或多个老化评估指标;
若所述基于至少一个所述老化评估指标对应的单一指标预测结果,满足任一所述老化预测评估条件,则获取存在老化的老化预测结果;
若所述基于至少一个所述老化评估指标对应的单一指标预测结果,不满足所有所述老化预测评估条件,则获取不存在老化的老化预测结果。
7.如权利要求1至6任一项所述的电池老化预测方法,其特征在于,在所述获取当前车辆数据之前,所述电池老化预测方法还包括:
获取历史车辆数据,所述历史车辆数据包括至少一个老化评估指标对应的历史指标值;
对至少一个所述老化评估指标对应的历史指标值进行处理,获取所述老化评估指标对应的目标指标阈值。
8.如权利要求7所述的电池老化预测方法,其特征在于,所述获取历史车辆数据,包括:
从数据库中,获取实际电池SOC、实际行驶里程、实际使用时间和历史电池数据;
将所述实际电池SOC在第一SOC阈值区间内,且所述实际行驶里程小于或等于目标里程阈值的实际行驶里程,确定为所述历史行驶里程;
将所述实际电池SOC在第二SOC阈值区间内,且所述实际使用时间小于或等于目标使用时间的实际使用时间,确定为所述历史使用时间;
其中,所述历史车辆数据包括所述历史行驶里程、所述历史使用时间和所述历史电池数据。
9.如权利要求7所述的电池老化预测方法,其特征在于,所述历史指标值包括电池启动能力数据、电池活性物质丢失数据和电池硫化数据,所述目标指标阈值包括电池启动能力阈值和电池可用容量阈值;
所述对至少一个所述老化评估指标对应的历史指标值进行处理,获取所述老化评估指标对应的目标指标阈值,包括:
对所述电池启动能力数据进行处理,获取所述电池启动能力阈值;
对所述电池活性物质丢失数据和所述电池硫化数据进行处理,分别获取目标活性物质丢失数据和目标硫化数据,根据所述目标活性物质丢失数据和所述目标硫化数据,获取所述电池可用容量阈值。
10.一种汽车,其特征在于,包括车载控制器,所述车载控制器用于实现如权利要求1至9任一项所述的电池老化预测方法。
CN202111535344.9A 2021-12-15 2021-12-15 电池老化预测方法和汽车 Active CN114755596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111535344.9A CN114755596B (zh) 2021-12-15 2021-12-15 电池老化预测方法和汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111535344.9A CN114755596B (zh) 2021-12-15 2021-12-15 电池老化预测方法和汽车

Publications (2)

Publication Number Publication Date
CN114755596A true CN114755596A (zh) 2022-07-15
CN114755596B CN114755596B (zh) 2023-07-14

Family

ID=82324918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111535344.9A Active CN114755596B (zh) 2021-12-15 2021-12-15 电池老化预测方法和汽车

Country Status (1)

Country Link
CN (1) CN114755596B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117970152A (zh) * 2024-01-04 2024-05-03 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 动力电池的状态评估方法、装置、计算机设备、存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008179284A (ja) * 2007-01-25 2008-08-07 Toyota Motor Corp 二次電池の劣化判定装置
CN104391252A (zh) * 2014-12-04 2015-03-04 上海理工大学 一种汽车铅酸蓄电池健康状态检测方法
US20150120225A1 (en) * 2013-10-31 2015-04-30 Hyundai Mobis Co., Ltd. Apparatus and method for determining degradation of high-voltage vehicle battery
CN106019161A (zh) * 2016-05-18 2016-10-12 北京新能源汽车股份有限公司 电动车辆动力电池组状态的评估方法及电池管理系统
CN106908741A (zh) * 2017-04-26 2017-06-30 广州汽车集团股份有限公司 混合动力汽车动力电池组soh估算方法和装置
CN108535661A (zh) * 2018-05-18 2018-09-14 东北大学 一种基于模型误差谱的动力电池健康状态在线估计方法
EP3444918A1 (en) * 2017-08-16 2019-02-20 Robert Bosch GmbH Method and apparatus for charging management, charging device and machine readable medium
CN110506214A (zh) * 2017-04-12 2019-11-26 日立化成株式会社 电池的寿命诊断装置和电池的寿命诊断方法
CN110907844A (zh) * 2019-11-19 2020-03-24 北京汽车股份有限公司 车载蓄电池状态检测方法、装置、可读存储介质和车辆
CN111091632A (zh) * 2018-10-24 2020-05-01 上海汽车集团股份有限公司 一种汽车蓄电池寿命预测方法和装置
US20200364661A1 (en) * 2019-05-14 2020-11-19 Toyota Jidosha Kabushiki Kaisha Battery information management system and battery information management method
CN112622693A (zh) * 2020-12-25 2021-04-09 广州橙行智动汽车科技有限公司 一种电池管理方法、装置及车辆
CN112834945A (zh) * 2020-12-31 2021-05-25 东软睿驰汽车技术(沈阳)有限公司 评估模型建立方法、电池健康状态评估方法及相关产品

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008179284A (ja) * 2007-01-25 2008-08-07 Toyota Motor Corp 二次電池の劣化判定装置
US20150120225A1 (en) * 2013-10-31 2015-04-30 Hyundai Mobis Co., Ltd. Apparatus and method for determining degradation of high-voltage vehicle battery
CN104391252A (zh) * 2014-12-04 2015-03-04 上海理工大学 一种汽车铅酸蓄电池健康状态检测方法
CN106019161A (zh) * 2016-05-18 2016-10-12 北京新能源汽车股份有限公司 电动车辆动力电池组状态的评估方法及电池管理系统
CN110506214A (zh) * 2017-04-12 2019-11-26 日立化成株式会社 电池的寿命诊断装置和电池的寿命诊断方法
CN106908741A (zh) * 2017-04-26 2017-06-30 广州汽车集团股份有限公司 混合动力汽车动力电池组soh估算方法和装置
EP3444918A1 (en) * 2017-08-16 2019-02-20 Robert Bosch GmbH Method and apparatus for charging management, charging device and machine readable medium
CN108535661A (zh) * 2018-05-18 2018-09-14 东北大学 一种基于模型误差谱的动力电池健康状态在线估计方法
CN111091632A (zh) * 2018-10-24 2020-05-01 上海汽车集团股份有限公司 一种汽车蓄电池寿命预测方法和装置
US20200364661A1 (en) * 2019-05-14 2020-11-19 Toyota Jidosha Kabushiki Kaisha Battery information management system and battery information management method
CN110907844A (zh) * 2019-11-19 2020-03-24 北京汽车股份有限公司 车载蓄电池状态检测方法、装置、可读存储介质和车辆
CN112622693A (zh) * 2020-12-25 2021-04-09 广州橙行智动汽车科技有限公司 一种电池管理方法、装置及车辆
CN112834945A (zh) * 2020-12-31 2021-05-25 东软睿驰汽车技术(沈阳)有限公司 评估模型建立方法、电池健康状态评估方法及相关产品

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PARK JINHYEONG等: "Integrated Approach Based on Dual Extended Kalman Filter and Multivariate Autoregressive Model for Predicting Battery Capacity Using Health Indicator and SOC/SOH", 《ENERGIES》 *
王开让等: "电动汽车动力电池梯次利用寿命预测方法研究", 《全球能源互联网》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117970152A (zh) * 2024-01-04 2024-05-03 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 动力电池的状态评估方法、装置、计算机设备、存储介质

Also Published As

Publication number Publication date
CN114755596B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
US9413182B2 (en) System and method for periodically charging sub-battery for an electric vehicle based on the SOC discharge rate
JP5413087B2 (ja) 情報管理システムおよび情報管理方法
US11187753B2 (en) System and method for determining a status of a vehicle battery
US11575271B2 (en) SOC and SOH estimation methods of battery pack
US11340307B2 (en) Battery deterioration judging system, battery deterioration judging method, and non-transitory storage medium that stores a battery deterioration judging program
CN110579716A (zh) 一种电池检测方法及装置
CN115427256A (zh) 用于监测电池单元老化的方法
CN113253117B (zh) 一种剩余soe值的估算方法及估算装置
CN115195527B (zh) 动力电池的能耗控制方法及装置
CN114755596A (zh) 电池老化预测方法和汽车
CN112700156A (zh) 一种新能源汽车运行安全性能评价体系构建方法
CN114690039A (zh) 一种确定电池的放电内阻模型和健康度的方法及装置
CN117007973A (zh) 电池状态预测方法、装置、设备及存储介质
JP6604478B2 (ja) 車両およびその電池状態検知システム
JP6375215B2 (ja) メモリ効果有無の判定方法及びメモリ効果有無の判定装置
KR20200002302A (ko) 배터리 교체 관리 시스템
US20230176137A1 (en) Method and system for determining a remaining useful lifetime of a battery
CN115078863B (zh) 充电设备的故障诊断方法、装置和车辆
KR101406191B1 (ko) 차량용 배터리의 수명 예측 장치 및 그 방법
CN114563707A (zh) 用于预测电池单元的使用寿命的方法
CN114872583A (zh) 动力电池的应用方法、装置、车辆及存储介质
CN114545278A (zh) 汽车蓄电池老化预测方法、系统、车辆及存储介质
US20240331454A1 (en) System, method, and computer-readable storage medium
CN118386848A (zh) 混合动力电池系统soh评估方法、装置、车辆及介质
US20240149745A1 (en) Information processing device, information processing method, and computer-readable storage medium

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