CN115616409A - 电池荷电状态的计算方法、装置、车辆及存储介质 - Google Patents

电池荷电状态的计算方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN115616409A
CN115616409A CN202211065495.7A CN202211065495A CN115616409A CN 115616409 A CN115616409 A CN 115616409A CN 202211065495 A CN202211065495 A CN 202211065495A CN 115616409 A CN115616409 A CN 115616409A
Authority
CN
China
Prior art keywords
charge
state
battery pack
determining
battery
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
Application number
CN202211065495.7A
Other languages
English (en)
Inventor
詹迪
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 Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors Technology 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 Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN202211065495.7A priority Critical patent/CN115616409A/zh
Priority to EP22214164.0A priority patent/EP4332595A1/en
Publication of CN115616409A publication Critical patent/CN115616409A/zh
Pending legal-status Critical Current

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/545—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • 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
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
    • G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了一种电池荷电状态的计算方法、装置、车辆及存储介质。该方法应用于电池包，电池包包括电芯。该方法包括：获取电芯的荷电信息，荷电信息包括电芯的第一荷电状态和第二荷电状态；判断荷电信息是否满足指定的精度判定条件；若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态；若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。由于荷电信息在满足指定的精度判断条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得车辆对电池包的总荷电状态的估算能够更加准确。

Description

电池荷电状态的计算方法、装置、车辆及存储介质
技术领域
本申请涉及动力电池技术领域，更具体地，涉及一种电池荷电状态的计算方法、装置、车辆及存储介质。
背景技术
电池管理系统(Battery Management System,BMS)的开发对于提高电动汽车的安全性和使用性能起到关键作用，是目前电动汽车研发的核心技术。其中，电池包的电池荷电状态(State of Charge，SOC)估算是BMS开发的难点之一。
在相关技术中，SOC估算通常采用安时积分法与开路电压法联合算法。安时积分法从电量的定义出发直接利用电流进行积分计算，是SOC计算的基本方法。其缺点在于算法精度高度依赖于初始SOC的精度和传感器精度，一旦产生误差，该误差会随时间不断累计，无法消除。对此，加入开路电压法对安时积分计算的结果进行修正，其原理是利用开路电压(Open Circuit Voltage，OCV)和SOC之间线性关系，通过采集充分静置后的电池电压查表获得SOC值，作为修正值，可以一定程度上提高SOC估算精度。
但与三元电池不同，在磷酸铁锂电池的OCV曲线中，在SOC为30％～55％及 65％～99％的区域(即，平台区)内，OCV随SOC的变化非常小且该OCV变化幅度通过现有的电压采样设备无法进行测量，因此只能在有限的非平台区采用开路电压法对SOC进行修正。但磷酸铁锂电池还存在着显著的电压滞回特性且去极化速度慢的现象，因此，该电池受到前置充放电工况的影响，OCV的测量值最大可能存在超 20mV的误差，这就导致了在OCV存在较大误差的情况下，通过查表获得的SOC修正值也同样存在较大的误差，进而造成SOC的误修正，使计算得出的电池包SOC并不准确。
发明内容
本申请实施例提供一种电池荷电状态的计算方法、装置、车辆及存储介质。
第一方面，本申请一些实施例提供一种电池荷电状态的计算方法，应用于电池包，电池包包括电芯，该方法包括：获取电芯的荷电信息，荷电信息包括电芯的第一荷电状态和第二荷电状态，第一荷电状态是基于预设的积分算法确定的，第二荷电状态是基于预设的滤波算法确定的；判断荷电信息是否满足指定的精度判定条件，指定的精度判定条件至少包括第二荷电状态是否满足预设的第一状态范围，其中，荷电信息在满足指定的精度判定条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度；若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态，目标荷电状态用于作为计算电池包的总荷电状态的计算基础；若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。
第二方面，本申请一些实施例提供一种电池荷电状态的计算装置，应用于电池包，电池包包括电芯，该装置包括获取模块、判断模块、第一确定模块和第二确定模块。其中，获取模块用于获取电芯的荷电信息，所述荷电信息包括所述电芯的第一荷电状态和第二荷电状态，第一荷电状态是基于预设的积分算法确定的，第二荷电状态是基于预设的滤波算法确定的。判断模块用于判断荷电信息是否满足指定的精度判定条件，指定的精度判定条件至少包括第二荷电状态是否满足预设的第一状态范围，其中，荷电信息在满足指定的精度判定条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度。第一确定模块用于若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态，目标荷电状态用于作为计算电池包的总荷电状态的计算基础。第二确定模块用于若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。
第三方面，本申请一些实施例还提供一种车辆，该车辆包括电池包、一个或多个处理器、存储器以及一个或多个应用程序。其中，电池包包括电芯。一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行上述的方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序指令。其中，计算机程序指令可被处理器调用执行上述的方法。
第五方面，本申请实施例还提供一种计算机程序产品，该计算机程序产品被执行时，实现上述的方法。
本申请提供了一种电池荷电状态的计算方法、装置、车辆及存储介质。该方法应用于电池包，电池包包括电芯。该方法先获取基于预设的积分算法确定出的电芯的第一荷电状态以及基于预设的滤波算法确定出的电芯的第二荷电状态，进而在荷电信息(也即，电芯的第一荷电状态和第二荷电状态)满足指定的精度判断条件的情况下，将第二荷电状态确定为该电芯的目标荷电状态，也即后续通过电芯的第二荷电状态计算电池包的总荷电状态。此外，在荷电信息不满足指定的精度判断条件的情况下，将第一荷电状态确定为该电芯的目标荷电状态。
由于荷电信息在满足指定的精度判断条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得车辆对电池包的总荷电状态的估算能够更加准确，保证了驾驶员在车辆的行驶过程中能够对电池包的实时SOC进行准确把控。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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示出了本申请实施例提供的一种车辆的结构示意图。
图2示出了本申请第一实施例提供的一种电池荷电状态的计算方法的流程示意图。
图3示出了本申请第二实施例提供的一种电池荷电状态的计算方法的流程示意图。
图4示出了本申请第三实施例提供的一种电池荷电状态的计算方法的流程示意图。
图5示出了本申请实施例提供的一种电池荷电状态的计算装置的模块框图。
图6示出了本申请实施例提供的车辆的模块框图。
图7示出了本申请实施例提供的计算机可读存储介质的模块框图。
具体实施方式
下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性地，仅用于解释本申请，而不能理解为对本申请的限制。
为了使本技术领域的人员更好地理解本申请的方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
本申请提供了一种电池荷电状态的计算方法、装置、车辆及存储介质。该方法应用于电池包，电池包包括电芯。该方法先获取基于预设的积分算法确定出的电芯的第一荷电状态以及基于预设的滤波算法确定出的电芯的第二荷电状态，进而在荷电信息(也即，电芯的第一荷电状态和第二荷电状态)满足指定的精度判断条件的情况下，将第二荷电状态确定为该电芯的目标荷电状态，也即后续通过电芯的第二荷电状态计算电池包的总荷电状态。此外，在荷电信息不满足指定的精度判断条件的情况下，将第一荷电状态确定为该电芯的目标荷电状态。
由于荷电信息在满足指定的精度判断条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得车辆对电池包的总荷电状态的估算能够更加准确，保证了驾驶员在车辆的行驶过程中能够对电池包的实时SOC进行准确把控。
为了便于详细说明本申请方案，下面先结合附图对本申请实施例中的应用环境进行介绍。请参阅图1，本申请实施例提供的电池荷电状态的计算方法应用于车辆 100，车辆100是指以动力装置驱动或者牵引，供人员乘用或者用于运送物品的交通工具，其包括但不限于小轿车、中巴车、大巴车等等。具体地，本申请实施例中的车辆100包括电池包110和处理器120。
电池包110为车辆100提供动能。以车辆100为新能源汽车为例，电池包110能够为新能源汽车提供驱动力，并通过传动系统进而带动行驶系统(例如，车桥和车轮)进行工作。本申请实施例中的电池包110包括多个电芯1120，多个电芯1120通过彼此间串联或彼此间并联的方式构成电池包110。具体地，电芯1120可以是锂电池电芯、镍氢电池电芯、磷酸铁锂电池电芯等等，本申请实施例对电芯1120的具体类型以及连接方式不作具体限定。
在本申请实施例中，电池包110中还设有多个检测装置，检测装置用于获取电芯1120的检测数据，例如电流、电压、温度等数据。具体地，检测装置可以包括电流传感器(例如，电流互感器、霍尔电流传感器和磁通门电流传感器)、电压传感器 (例如，霍尔电压传感器、光纤电压传感器)、温度传感器(例如，铂热电阻温度传感器、热电偶温度传感器和热敏电阻温度传感器)等等，本申请对检测装置的具体实现方式不作限定。
处理器120是指具有数据读取、数据处理等功能的处理单元。在本申请实施例中，处理器120与电池包110之间电性连接，具体地，处理器120与电池包110中的多个检测装置电性连接，用于获取多个电芯1120的检测数据，进而基于检测数据，确定电池包110的总荷电状态，具体地，电池包110的总荷电状态的确定方式在下文方法实施例中进行详细阐述。
这里需要说明的是，本申请实施例所提供的电池荷电状态的计算方法的应用环境实施例仅是示意性的，该方法还可以应用于其他设有电池包的交通工具、电器设备、电子设备等等，本申请实施例不作具体限制。
请参阅图2，图2示意性地示出了本申请第一实施例提供的一种电池荷电状态的计算方法，该方法应用于电池包，电池包包括电芯。具体地，该方法包括步骤S210 至步骤S240。
步骤S210，获取电芯的荷电信息。
在本实施例中，荷电信息包括电芯的第一荷电状态和第二荷电状态。其中，第一荷电状态是基于预设的积分算法确定的。作为一种实施方式，第一荷电状态可以是由电池包对应的第一数据处理模块计算得出，处理器可以直接读取该第一数据处理模块的计算结果。作为另一种实施方式，处理器通过获取电芯的检测数据，并基于预设的积分算法确定电芯的第一荷电状态。
这里的计算主体以处理器为例进行介绍。处理器可以根据电芯的电流计算第一荷电状态，例如，处理器用于在当前采样周期内获取电芯的实际电流值，并通过预设的积分算法对该实际电流值进行积分处理，得到电芯的第一荷电状态。具体地，采样周期的时长可以是处理器中的默认值，处理器也可以基于电池荷电状态的更新频率对采样周期的时长进行调整，其中，采样周期的时长和更新频率呈负相关关系，也即，电池荷电状态的更新频率越高，则采样周期的时长就越短。
预设的积分算法可以是安时积分法，安时积分法的计算公式如下所示。
Figure RE-GDA0003976092000000051
其中，SOC1为第一荷电状态，SOC0为电芯的初始荷电状态，初始荷电状态为积分算法初始时刻(也即，t＝0)时对应的荷电状态值。作为一种实现方式，积分算法初始时刻可以是车辆的上电时刻，处理器获取该时刻下电芯的电荷状态值作为初始荷电状态。C为电芯的额定容量，t为当前时刻，η为电芯的充放电效率，I为当前时刻对应的电芯的实际电流值，其中，电芯的额定容量、充放电效率为电芯的默认参数，处理器通过读取电芯的相关参数信息即可确定。
在本实施例中，第二荷电状态是基于预设的滤波算法确定的。作为一种实施方式，第二荷电状态可以是由电池包对应的第二数据处理模块计算得出，处理器可以直接读取该第二数据处理模块的计算结果。作为另一种实施方式，处理器通过获取电芯的检测数据，并基于预设的滤波算法确定电芯的第二荷电状态。
这里的计算主体以处理器为例进行介绍。处理器可以根据电芯的电流和电压计算第二荷电状态，例如，处理器用于在当前采样周期内获取电芯的实际电流值和实际电压值，并通过预设的滤波算法对该实际电流值和实际电压值进行滤波处理，得到电芯的第二荷电状态。具体地，第一荷电状态和第二荷电状态可以同时获取，处理器也可以在确定第一荷电状态的情况下，再获取电芯的第二荷电状态，本实施例对第一荷电状态和第二荷电状态的获取顺序不作具体限定。预设的滤波算法可以是卡尔曼滤波(Kalman Filter)算法，卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出的观测数据，对系统状态进行最优估计的算法。在本实施例中，系统输入输出的观测数据为电芯的实际电流值和实际电压值，系统状态为电芯的第二荷电状态。具体地，卡尔曼滤波算法的表达式如下所示。
Figure RE-GDA0003976092000000061
其中，X(k)为状态变量矩阵，在本实施例中，第二荷电状态为状态变量矩阵中的某一参数；U(k)为输入变量矩阵，也即，电芯的实际电流值；W为过程噪声矩阵； Y(k)为输出变量矩阵，也即，电芯的实际电压值；V为测量噪声矩阵，具体地，W和 V可以对电池包进行相应的噪声测量确定。A、B、C、D为已知量，可以采用等效电路模型对电芯进行估算确定。k为当前采样周期对应的时刻，k-1为上一个采样周期对应的时刻，也即，处理器对上一个周期的状态变量矩阵X(k-1)进行更新，得到当前采样周期的X(k)，也即，第二荷电状态。
具体地，卡尔曼滤波算法可以是拓展卡尔曼滤波(Extended Kalman Filter，EKF)算法、无迹卡尔曼滤波(Unscented Kalman Filter，UKF)算法等等，本实施例对卡尔曼滤波算法的具体实现方式不作具体限定。
步骤S220，判断荷电信息是否满足指定的精度判定条件。
指定的精度判定条件至少包括第二荷电状态是否满足预设的第一状态范围，其中，预设的第一状态范围可以是一个数值区间，若第二荷电状态的取值在该数值区间内，则说明第二荷电状态满足预设的第一状态范围。反之，若第二荷电状态的取值不在该数值区间内，则说明第二荷电状态不满足预设的第一状态范围。示例性地，第一状态范围对应的数值区间可以是[SOCCLA，min，SOCCLA，max]，其中，数值区间的下限值SOCCLA，min和上限值SOCCLA，max可以由处理器基于车辆的实际工况进行动态调整。
作为一种实施方式，处理器通过获取车辆的工况指示位的取值，并基于预设的第一状态范围映射表，确定出第一状态范围对应的数值区间。其中，第一状态范围映射表表征工况指示位的取值与第一状态范围对应的数值区间之间的对应关系。具体地，第一状态范围映射表可以由研发人员基于大量的车辆工况测试数据总结得出，本实施例对第一状态范围映射表的具体确定方式不作限定。
由于本实施例中的荷电信息在满足指定的精度判定条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得处理器对电池包的总荷电状态的估算能够更加准确。具体地，研发人员发现，以第二荷电状态作为基础所估算的电池包的总荷电状态的精度可以大于97％，保证了驾驶员在车辆的行驶过程中能够对电池包的实时SOC进行把控，提高了驾驶员的行车体验。
步骤S230，若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态。
目标荷电状态用于作为计算电池包的总荷电状态的计算基础。作为一种实施方式，处理器在荷电信息满足指定的精度判定条件的情况下，将第二荷电状态作为电芯的目标荷电状态发送至总荷电状态计算模块，由总荷电状态计算模块基于第二荷电状态对电池包的总荷电状态进行计算。作为另一种实现方式，处理器直接在荷电信息满足指定的精度判定条件的情况下，将第二荷电状态作为电芯的目标荷电状态，并对电池包的总荷电状态进行计算。这里的计算主体以处理器为例进行介绍。作为一种实施方式，在处理器中存储有目标荷电状态对应的权重，处理器将目标荷电状态和权重之间的乘积作为电池包的总荷电状态。
这里需要说明的是，在当前采样周期内通过卡尔曼滤波算法计算出电芯的第二荷电状态的情况下，也即在步骤S210中，处理器会对卡尔曼滤波算法中的状态变量矩阵X(k)进行更新。在荷电信息满足指定的精度判定条件的情况下，处理器进一步会对误差协方差矩阵进行更新，进而将更新后的误差协方差矩阵P(k)和状态变量矩阵X(k)作为下一个采样周期内的卡尔曼滤波算法中的相关参数，也即完成了卡尔曼滤波算法的更新迭代过程。具体地，误差协方差矩阵的计算公式如下所示。
P(k)＝(I-K*C)P(k)′。
其中，P(k)为误差协方差矩阵，I为单位矩阵，K为卡尔曼增益，P(k)′为P(k)的转置矩阵。
步骤S240，若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。
由于荷电信息不满足指定的精度判定条件，则说明第二荷电状态存在较大的误差，为了保证电池包的总荷电状态的计算准确性，处理器则基于第一荷电状态确定电芯的目标荷电状态，并在后续过程中，基于第一荷电状态对电池包的总荷电状态进行计算。
这里需要说明的是，在荷电信息不满足指定的精度判定条件的情况下，处理器会对状态变量矩阵X(k)和误差协方差矩阵P(k)进行初始化，并将初始化后的状态变量矩阵X(0)和初始化后的误差协方差矩阵P(0)作为下一个采样周期内的卡尔曼滤波算法中的相关参数，也即，在下一个采样周期内，处理器会获取该采样周期内电芯的实际电流值和实际电压值，并基于X(0)和P(0)计算得出下一个采样周期内的第二荷电状态。具体地，X(0)和P(0)为处理器中的默认参数。由于在荷电信息不满足指定的精度判定条件的情况下，对X(k)和P(k)进行更新后的对应矩阵同样也会存在较大的误差，此时处理器对X(k)和P(k)分别进行初始化操作，可以对误差进行消除，保证后续采样周期内第二荷电状态的计算准确性。
本申请提供了一种电池荷电状态的计算方法。该方法先获取基于预设的积分算法确定出的电芯的第一荷电状态以及基于预设的滤波算法确定出的电芯的第二荷电状态，进而在荷电信息(也即，电芯的第一荷电状态和第二荷电状态)满足指定的精度判断条件的情况下，将第二荷电状态确定为该电芯的目标荷电状态，也即后续通过电芯的第二荷电状态计算电池包的总荷电状态。此外，在荷电信息不满足指定的精度判断条件的情况下，将第一荷电状态确定为该电芯的目标荷电状态。
由于荷电信息在满足指定的精度判断条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得车辆对电池包的总荷电状态的估算能够更加准确，保证了驾驶员在车辆的行驶过程中能够对电池包的实时SOC进行准确把控。
请参阅图3，图3示意性地示出了本申请第二实施例提供的一种电池荷电状态的计算方法，该方法应用于电池包，电池包包括多个电芯，本方法对上文实施例中的指定的精度判定条件进行详细说明。具体地，该方法包括步骤S310至步骤S370。
步骤S310，获取多个电芯的荷电信息。
本实施例中的多个电芯可以是电池包中的全部电芯，也可以是电池包中的部分电芯。作为一种实施方式，处理器随机选取全部电芯中指定数量的电芯，并获取多个指定数量的电芯对应的多个第一荷电状态，以及多个指定数量的电芯对应的多个第二荷电状态。其中，指定数量小于电芯的总数量，且指定数量可以是处理器中的默认值，处理器也可以基于处理器当前的计算资源对指定数量的取值进行调整，也即，处理器当前的计算资源越多，则指定数量的取值就越大。第一荷电状态的获取方式以及第二荷电状态的获取方式可以参考步骤S210中的相关介绍，在此不再赘述。由于本实施例中处理器仅确定部分电芯的荷电信息，可以加快处理器的计算速度，保证后续能够对电池包的总荷电状态进行及时更新。
步骤S330，若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态。
处理器在获取荷电信息后，进一步地判断荷电信息是否满足指定的精度判定条件，并在得到判断结果后，能够根据判断结果来确定所获得的电芯的目标荷电状态，使对电池包的总荷电状态的估算更精确。在本实施例中，指定的精度判定条件可以包括四个判定条件，分别是：
1、多个电芯对应的多个第二荷电状态满足预设的第一状态范围；
2、在满足条件1的情况下，电池包在预设时间内的目标放电量大于或等于指定放电量；
3、多个电芯对应的多个第一荷电状态均大于多个电芯对应的多个第二荷电状态；
4、在满足条件3的情况下，任意一个第一荷电状态与任意一个第二荷电状态之间的差值大于或等于预设差值。
处理器在确定上述四个判定条件均满足的情况下，则确定荷电信息满足指定的精度判定条件。反之，处理器在确定上述四个判定条件中存在至少一个判定条件未被满足的情况下，则确定荷电信息不满足指定的精度判定条件。具体地，处理器判断荷电信息是否满足指定的精度判定条件包括以下步骤S3301至步骤S3317。
步骤S3301，基于多个电芯对应的多个第二荷电状态，确定多个第二荷电状态中的第二荷电状态最大值和第二荷电状态最小值。
作为一种实施方式，处理器通过预设的排序算法对多个电芯对应的多个第二荷电状态进行排序，并将多个第二荷电状态中的最大值确定为第二荷电状态最大值，将多个第二荷电状态中的最小值确定为第二荷电状态最小值。具体地，预设的排序算法可以是选择排序法、冒泡排序法、插入排序法等等，本实施例对此不作限定。
步骤S3303，在第二荷电状态最大值或第二荷电状态最小值不满足第一状态范围的情况下，确定荷电信息不满足指定的精度判定条件。
第一状态范围的介绍可以参考步骤S220中的相关介绍。这里需要说明的是，本实施例中的第一状态范围通过数值区间[SOCCLA，min，SOCCLA，max]来表征，该数值区间是由发明人基于大量的电池包测试实验数据总结得出，若多个第二荷电状态均在该数值区间的范围内，则说明通过卡尔曼滤波算法计算出的第二荷电状态具有较高的准确性。反之，若存在未处在该数值区间的范围内的第二荷电状态，则说明计算出的第二荷电状态存在一定的偏差，后续无法使用第二荷电状态对电池包的总荷电状态进行估算。
具体地，处理器在第二荷电状态最大值或第二荷电状态最小值不满足第一状态范围的情况下，也即，在
Figure RE-GDA0003976092000000091
或者
Figure RE-GDA0003976092000000092
Figure RE-GDA0003976092000000093
的情况下，确定荷电信息不满足指定的精度判定条件。其中，SOC2，max为第二荷电状态最大值，SOC2，min为第二荷电状态最小值。在本实施例中，处理器在确定荷电信息不满足指定的精度判定条件(也即，上述的判定条件1)的情况下，后续执行步骤S370。反之，处理器在确定第二荷电状态最大值和第二荷电状态最小值均满足第一状态范围，也即，多个电芯对应的多个第二荷电状态满足预设的第一状态范围的情况下，则执行步骤S3305。
步骤S3305，在第二荷电状态最大值和第二荷电状态最小值均满足第一状态范围的情况下，获取电池包在预设时间内的目标放电量。
在本实施例中，处理器在第二荷电状态最大值和第二荷电状态最小值均满足第一状态范围的情况下，也即，在SOC2，max∈[SOCCLA，min，SOCCLA，max]并且SOC2，min∈ [SOCCLA，min，SOCCLA，max]的情况下，获取电池包在预设时间内的目标放电量。其中，预设时间可以为处理器中的默认参数，处理器也可以基于车辆的实际工况对预设时间进行动态调整。
作为一种实施方式，处理器对电池包在预设时间的电流变化情况进行采样，得到多个采样电流，进而计算多个采样电流对应的平均电流值，将该平均电流值和预设时间对应的时长进行乘积操作，并将乘积操作后的结果确定为电池包在预设时间内的目标放电量。
步骤S3307，在目标放电量小于指定放电量的情况下，确定荷电信息不满足指定的精度判定条件。
发明人通过大量的电池包测试实验数据总结得出，在电池包在预设时间内的目标放电量大于或等于的指定放电量情况下，基于第二荷电状态估算出的电池包的总荷电状态具有较高的准确率。反之，基于第二荷电状态估算出的电池包的总荷电状态则存在着较大的偏差。因此，在本实施例中，处理器在目标放电量小于指定放电量的情况下，也即，在AHCAL＜QCAL的情况下，确定荷电信息不满足指定的精度判定条件(也即，上述的判定条件2)。其中，QCAL为指定放电量，指定放电量可以为处理器中的默认参数，处理器也可以基于车辆的实际工况对指定放电量进行动态调整。处理器在确定荷电信息不满足指定的精度判定条件的情况下，后续执行步骤S370。反之，处理器在确定目标放电量大于或等于指定放电量的情况下，则执行步骤S3309。
步骤S3309，在目标放电量大于或等于指定放电量的情况下，基于多个电芯对应的多个第一荷电状态，确定多个第一荷电状态中的第一荷电状态最小值。
处理器在目标放电量大于或等于指定放电量的情况下，也即，在AHCAL≥QCAL的情况下，基于多个电芯对应的多个第一荷电状态，确定第一荷电状态最小值。作为一种实施方式，处理器通过预设的排序算法对多个电芯对应的多个第一荷电状态进行排序，并将多个第一荷电状态中的最小值确定为第二荷电状态最小值。具体地，预设的排序算法可以是选择排序法、冒泡排序法、插入排序法等等，本实施例对此不作限定。
步骤S3311，在第一荷电状态最小值小于或等于第一状态范围的上限值的情况下，确定荷电信息不满足指定的精度判定条件。
发明人通过大量的电池包测试实验数据总结得出，在多个电芯对应的多个第一荷电状态均大于多个电芯对应的多个第二荷电状态的情况下，基于第二荷电状态估算出的电池包的总荷电状态具有较高的准确率。反之，基于第二荷电状态估算出的电池包的总荷电状态则存在着较大的偏差。因此，在本实施例中，处理器在第一荷电状态最小值小于或等于第一状态范围的上限值的情况下，也即，在SOC1，min≤ SOCCLA，max的情况下，确定荷电信息不满足指定的精度判定条件(也即，上述的判定条件3)。其中，SOC1，min为第一荷电状态最小值。处理器在确定荷电信息不满足指定的精度判定条件的情况下，后续执行步骤S370。反之，处理器在第一荷电状态最小值大于第一状态范围的上限值的情况下，则执行步骤S3313。
步骤S3313，在第一荷电状态最小值大于第一状态范围的上限值的情况下，计算第一荷电状态最小值和第二荷电状态最大值之间的差值。
处理器在第一荷电状态最小值大于第一状态范围的上限值的情况下，也即，在SOC1，min＞SOCCLA，max的情况下，计算第一荷电状态最小值和第二荷电状态最大值之间的差值，也即，SOC1，min-SOC2，max。
步骤S3315，在差值大于或等于预设差值的情况下，确定荷电信息满足指定的精度判定条件。
发明人通过大量的电池包测试实验数据总结得出，在多个电芯对应的多个第一荷电状态与多个电芯对应的多个第二荷电状态之间存在一定差值的情况下，基于第二荷电状态估算出的电池包的总荷电状态具有较高的准确率。反之，基于第二荷电状态估算出的电池包的总荷电状态则存在着较大的偏差。因此，在本实施例中，处理器在差值大于或等于预设差值的情况下，也即，在SOC1，min-SOC2，max≥ΔSOCCLA的情况下，确定荷电信息满足指定的精度判定条件(也即，上述的判定条件1～4)。其中，预设差值可以为处理器中的默认参数，处理器也可以基于车辆的实际工况对预设差值进行动态调整。处理器在确定荷电信息满足指定的精度判定条件的情况下，后续执行步骤S350。
步骤S3317，在差值小于预设差值的情况下，确定荷电信息不满足指定的精度判定条件。
处理器在差值小于预设差值的情况下，也即，在SOC1，min-SOC2，max＜ΔSOCCLA的情况下，确定荷电信息不满足指定的精度判定条件(也即，上述的判定条件4)。处理器在确定荷电信息不满足指定的精度判定条件的情况下，后续执行步骤S370。
步骤S350，若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态。
在本实施例中，电芯的目标荷电状态包括最大目标荷电状态和最小目标荷电状态。具体地，处理器在确定荷电信息满足指定的精度判定条件的情况下，将将所述第二荷电状态最大值确定为最大目标荷电状态，将所述第二荷电状态最小值确定为最小目标荷电状态。后续处理器可以基于最大目标荷电状态和最小目标荷电状态确定电池包的总荷电状态，也可以将最大目标荷电状态和最小目标荷电状态发送至总荷电状态计算模块，由总荷电状态计算模块基于最大目标荷电状态和最小目标荷电状态对电池包的总荷电状态进行计算。
步骤S370，若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。
本申请实施例中，处理器在确定荷电信息不满足指定的精度判定条件的情况下，基于多个电芯对应的多个第一荷电状态，确定多个第一荷电状态中的第一荷电状态最大值和第一荷电状态最小值。作为一种实施方式，处理器通过预设的排序算法对多个电芯对应的多个第一荷电状态进行排序，并将多个第一荷电状态中的最大值确定为第一荷电状态最大值，将多个第一荷电状态中的最小值确定为第一荷电状态最小值。具体地，预设的排序算法可以是选择排序法、冒泡排序法、插入排序法等等，本实施例对此不作限定。处理器进而将第一荷电状态最大值确定为最大目标荷电状态，将第一荷电状态最小值确定为最小目标荷电状态。同样地，在后续过程中，处理器可以基于最大目标荷电状态和最小目标荷电状态确定电池包的总荷电状态。处理器也可以将最大目标荷电状态和最小目标荷电状态发送至总荷电状态计算模块，由总荷电状态计算模块确定电池包的总荷电状态。
在一些实施例中，处理器还用于计算电池包的总荷电状态。因此，在步骤S350 和步骤S370之后还分别包括步骤S390。
步骤S390，根据最大目标荷电状态和最小目标荷电状态，基于预设的加权算法，计算电池包的总荷电状态。
具体地，总荷电状态的计算公式如下所示。
SOC＝k1*SOCmax+k2*SOCmin。
其中，SOC为电池包的总荷电状态，SOCmax为最大目标荷电状态，SOCmin为最小目标荷电状态，k1和k2分别为SOCmax和SOCmin对应的权重。具体地，k1和k2可以为处理器中的默认参数，处理器也可以基于车辆的实际工况对权重进行动态调整。
本申请提供了一种电池荷电状态的计算方法。在本实施例中，对指定的精度判定条件进行详细阐述，使得荷电信息在满足指定的精度判断条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得车辆对电池包的总荷电状态的估算能够更加准确，保证了驾驶员在车辆的行驶过程中能够对电池包的实时SOC进行把控，提高了驾驶员的行车体验。
请参阅图4，图4示意性地示出了本申请第三实施例提供的一种电池荷电状态的计算方法，该方法应用于电池包，电池包包括电芯。具体地，该方法包括步骤S410 至步骤S480。
步骤S410，获取电芯的第一荷电状态。
步骤S410的具体实现方式可以参考步骤S210中的相关介绍，在此不再赘述。
步骤S420，获取电池包的至少一项状态参数。
其中，状态参数包括电池包的健康状态、电池包温度、电池包电流和电芯的电压。具体地，电池包温度、电池包电流和电芯的电压可以由处理器读取检测装置测量得到的检测数据确定，电池包的健康状态可以由处理器读取电池包对应的健康状态指示位确定。
步骤S430，在至少一项状态参数均处于对应的预设范围，且第一荷电状态满足预设的第二状态范围的情况下，则执行获取电芯的第二荷电状态的步骤。
发明人通过大量的电池包测试实验数据总结得出，在至少一项状态参数均处于对应的预设范围，且第一荷电状态满足预设的第二状态范围的情况下，则说明电池包处于良好的工作状态，此时获取电芯的第二荷电状态，进而基于第二荷电状态估算出的电池包的总荷电状态具有较高的准确率。反之，则说明电池包处于异常的工作状态，也即，获取到的电芯的第二荷电状态存在较大的误差。
在一些实施例中，状态参数包括电池包的健康状态，在健康状态对应的健康状态指示位的取值为预设值，也即，Stbattery∈{Ston，i|i}的情况下，处理器则确定电池包的健康状态处于对应的预设范围。其中，Stbattery为健康状态指示位的取值，Ston，i为预设值，i为预设值的数量。
在一些实施例中，状态参数包括电池包温度，在电池包温度在预设的温度区间内，也即，Tcurrent∈[Ton，min，Ton，max]的情况下，处理器则确定电池包温度处于对应的预设范围。其中，Tcurrent为电池包温度，[Ton，min，Ton，max]为预设的温度区间，具体地，温度区间的下限值Ton，min和上限值Ton，max可以由处理器基于车辆的实际工况进行动态调整。
在一些实施例中，状态参数包括电池包电流，在电池包电流在预设的电流区间内，也即，Icurrent∈[Ion，min，Ion，max]的情况下，处理器则确定电池包电流处于对应的预设范围。其中，Icurrent为电池包电流，[Ion，min，Ion，max]为预设的电流区间，具体地，电流区间的下限值Ion，min和上限值Ion，max可以由处理器基于车辆的实际工况进行动态调整。这里需要说明的是，本实施例中的电池包电流为稳定电流，作为一种实施方式，处理器对电池包在指定时长内的电流变化情况进行采样，得到多个采样电流，进而对多个采样电流进行滤波操作，得到稳定电流。具体地，滤波操作可以由预设的滤波算法实现，滤波算法可以是限幅滤波法、中位值滤波法、算数平均滤波法等等。
在一些实施例中，状态参数包括电芯的电压，在电芯的电压在预设的电压区间内，也即，Ucurrent∈[Uon，min，Uon，max]的情况下，处理器则确定电芯的电压处于对应的预设范围。其中，Ucurrent为电芯的电压，[Uon，min，Uon，max]为预设的电压区间，具体地，电压区间的下限值Uon，min和上限值Uon，max可以由处理器基于车辆的实际工况进行动态调整。
在至少一项状态参数均处于对应的预设范围的情况下，处理器进而判断第一荷电状态是否满足预设的第二状态范围，在第一荷电状态满足预设的第二状态范围的情况下，处理器则执行获取电芯的第二荷电状态的步骤，也即，步骤S450至步骤 S480。
其中，预设的第二状态范围可以是一个数值区间，若第一荷电状态的取值在该数值区间内，则说明第一荷电状态满足预设的第二状态范围。反之，若第一荷电状态的取值不在该数值区间内，则说明第一荷电状态不满足预设的第二状态范围。示例性地，第二状态范围对应的数值区间可以是[SOCon，min，SOCon，max]，其中，数值区间的下限值SOCon，min和上限值SOCon，max可以由处理器基于车辆的实际工况进行动态调整。
作为一种实施方式，处理器通过获取车辆的工况指示位的取值，并基于预设的第二状态范围映射表，确定出第二状态范围对应的数值区间。其中，第二状态范围映射表表征工况指示位的取值与第二状态范围对应的数值区间之间的对应关系。具体地，第二状态范围映射表可以由研发人员基于大量的车辆工况测试数据总结得出，本实施例对第二状态范围映射表的具体确定方式不作限定。
步骤S440，在存在任意一项状态参数未处于对应的预设范围，或第一荷电状态不满足预设的第二状态范围的情况下，则确定电芯的目标荷电状态为第一荷电状态。
处理器在存在任意一项状态参数未处于对应的预设范围，也即，
Figure RE-GDA0003976092000000141
Figure RE-GDA0003976092000000142
或
Figure RE-GDA0003976092000000143
或
Figure RE-GDA0003976092000000144
或
Figure RE-GDA0003976092000000145
Figure RE-GDA0003976092000000146
的情况下，或者处理器在第一荷电状态不满足预设的第二状态范围，也即，
Figure RE-GDA0003976092000000147
的情况下，则确定电芯的目标荷电状态为第一荷电状态。其中，目标荷电状态用于作为计算电池包的总荷电状态的计算基础。在本实施例中，处理器在确定电芯的目标荷电状态为第一荷电状态的情况下，后续不再执行步骤S450至步骤S480。
本实施例通过先获取电芯的第一荷电状态以及电池包的至少一项状态参数，进而在判断出电芯的第一荷电状态或者电池包的至少一项状态参数不满足对应的预设范围的情况下，不再执行后续获取电芯的第二荷电状态的步骤，能够节约处理器的计算资源。
步骤S450，获取电芯的第二荷电状态。
步骤S460，判断荷电信息是否满足指定的精度判定条件。
步骤S470，若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态。
步骤S480，若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。
步骤S450至步骤S480的具体实现方式可以参考步骤S210至步骤S240中的相关介绍，在此不再赘述。
请参阅图5，图5示意性地示出了本申请实施例提供的一种电池荷电状态的计算装置500的结构框图。该装置500应用于电池包，电池包包括电芯，该装置500包括获取模块510、判断模块520、第一确定模块530和第二确定模块540。其中，获取模块510用于获取电芯的荷电信息，荷电信息包括电芯的第一荷电状态和第二荷电状态，第一荷电状态是基于预设的积分算法确定的，第二荷电状态是基于预设的滤波算法确定的。判断模块520用于判断荷电信息是否满足指定的精度判定条件，指定的精度判定条件至少包括第二荷电状态是否满足预设的第一状态范围，其中，荷电信息在满足指定的精度判定条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度。第一确定模块530用于若荷电信息满足指定的精度判定条件，则基于第二荷电状态确定电芯的目标荷电状态，目标荷电状态用于作为计算电池包的总荷电状态的计算基础。第二确定模块540用于若荷电信息不满足指定的精度判定条件，则基于第一荷电状态确定电芯的目标荷电状态。
在一些实施例中，电芯的数量为多个，判断模块520还用于基于多个电芯对应的多个第二荷电状态，确定多个第二荷电状态中的第二荷电状态最大值和第二荷电状态最小值；在第二荷电状态最大值或第二荷电状态最小值不满足第一状态范围的情况下，确定荷电信息不满足指定的精度判定条件。
在一些实施例中，判断模块520还用于在第二荷电状态最大值和第二荷电状态最小值均满足第一状态范围的情况下，获取电池包在预设时间内的目标放电量；在目标放电量小于指定放电量的情况下，确定荷电信息不满足指定的精度判定条件。
在一些实施例中，判断模块520还用于在目标放电量大于或等于指定放电量的情况下，基于多个电芯对应的多个第一荷电状态，确定多个第一荷电状态中的第一荷电状态最小值；在第一荷电状态最小值小于或等于第一状态范围的上限值的情况下，确定荷电信息不满足指定的精度判定条件。
在一些实施例中，判断模块520还用于在第一荷电状态最小值大于第一状态范围的上限值的情况下，计算第一荷电状态最小值和第二荷电状态最大值之间的差值；在差值大于或等于预设差值的情况下，确定荷电信息满足指定的精度判定条件；在差值小于预设差值的情况下，确定荷电信息不满足指定的精度判定条件。
在一些实施例中，获取模块510还用于获取电芯的第一荷电状态；获取电池包的至少一项状态参数，状态参数包括：电池包的健康状态、电池包温度、电池包电流和电芯的电压。第二获取模块520还用于在至少一项状态参数均处于对应的预设范围，且第一荷电状态满足预设的第二状态范围的情况下，则获取电芯的第二荷电状态。
在一些实施例中，第二确定模块540还用于若存在任意一项状态参数未处于对应的预设范围，或第一荷电状态不满足预设的第二状态范围，则确定电芯的目标荷电状态为第一荷电状态，目标荷电状态用于作为计算电池包的总荷电状态的计算基础；且不执行判断荷电信息是否满足指定的精度判定条件的步骤。
在一些实施例中，第一确定模块530还用于将第二荷电状态最大值确定为最大目标荷电状态，将第二荷电状态最小值确定为最小目标荷电状态。第二确定模块540还用于基于多个电芯对应的多个第一荷电状态，确定多个第一荷电状态中的第一荷电状态最大值和第一荷电状态最小值；将第一荷电状态最大值确定为最大目标荷电状态，将第一荷电状态最小值确定为最小目标荷电状态。该装置500还包括总荷电状态计算模块(图中未示出)，总荷电状态计算模块用于根据最大目标荷电状态和最小目标荷电状态，基于预设的加权算法，计算电池包的总荷电状态。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
本申请提供了一种电池荷电状态的计算装置。该装置先获取基于预设的积分算法确定出的电芯的第一荷电状态以及基于预设的滤波算法确定出的电芯的第二荷电状态，进而在荷电信息(也即，电芯的第一荷电状态和第二荷电状态)满足指定的精度判断条件的情况下，将第二荷电状态确定为该电芯的目标荷电状态，也即后续通过电芯的第二荷电状态计算电池包的总荷电状态。此外，在荷电信息不满足指定的精度判断条件的情况下，将第一荷电状态确定为该电芯的目标荷电状态。
由于荷电信息在满足指定的精度判断条件的情况下，以第二荷电状态作为基础所计算的电池包的总荷电状态的精度大于以第一荷电状态作为基础所计算的电池包的总荷电状态的精度，使得车辆对电池包的总荷电状态的估算能够更加准确，保证了驾驶员在车辆的行驶过程中能够对电池包的实时SOC进行准确把控。
请参阅图6，其示出了本申请实施例还提供一种车辆600，该车辆600包括：一个或多个处理器610、存储器620、电池包630以及一个或多个应用程序。其中，电池包630包括电芯，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述实施例中所描述的方法。
处理器610可以包括一个或者多个处理核。处理器610利用各种接口和线路连接整个电池管理系统内的各种部分，通过运行或执行存储在存储器620内的指令、程序、代码集或指令集，以及调用存储在存储器620内的数据，执行电池管理系统的各种功能和处理数据。可选地，处理器610可以采用数字信号处理(Digital Signal Processing, DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(ProgrammableLogic Array,PLA)中的至少一种硬件形式来实现。处理器610可集成中央处理器610(Central Processing Unit,CPU)、图像处理器610(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器 610中，单独通过一块通信芯片进行实现。
存储器620可以包括随机存储器620(Random Access Memory,RAM)，也可以包括只读存储器620(Read-Only Memory,ROM)。存储器620可用于存储指令、程序、代码、代码集或指令集。存储器620可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(例如，触控功能、声音播放功能、图像播放功能等)、用于实现上述各种方法实施例的指令等。存储数据区还可以存储电子设备图在使用中所创建的数据(例如，电话本、音视频数据、聊天记录数据)等。
电池包630的相关介绍可以参考本申请中环境实施例中的详细阐述，在此不再赘述。
请参阅图7，其示出了本申请实施例还提供一种计算机可读存储介质700，该计算机可读存储介质700中存储有计算机程序指令710，计算机程序指令710可被处理器调用以执行上述实施例中所描述的方法。
计算机可读存储介质700可以是诸如闪存、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、电动程控只读存储器(Electrical Programmable Read Only Memory,EPROM)、硬盘或者只读存储器 (Read-Only Memory,ROM)。可选地，计算机可读存储介质包括非易失性计算机可读存储介质(Non-transitory Computer-readable Storage Medium)。计算机可读存储介质700具有执行上述方法中的任何方法步骤的计算机程序指令710的存储空间。这些计算机程序指令710可以从一个或者多个计算机程序产品中读出或者可以写入到这一个或者多个计算机程序产品中。
以上，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭示如上，然而并非用以限定本申请，任何本领域技术人员，在不脱离本申请技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本申请技术方案的范围内。

Claims (15)

1.一种电池荷电状态的计算方法，其特征在于，应用于电池包，所述电池包包括电芯，所述方法包括：
获取所述电芯的荷电信息，所述荷电信息包括所述电芯的第一荷电状态和第二荷电状态，所述第一荷电状态是基于预设的积分算法确定的，所述第二荷电状态是基于预设的滤波算法确定的；
判断所述荷电信息是否满足指定的精度判定条件，所述指定的精度判定条件至少包括所述第二荷电状态是否满足预设的第一状态范围，其中，所述荷电信息在满足所述指定的精度判定条件的情况下，以所述第二荷电状态作为基础所计算的所述电池包的总荷电状态的精度大于以所述第一荷电状态作为基础所计算的所述电池包的总荷电状态的精度；
若所述荷电信息满足所述指定的精度判定条件，则基于所述第二荷电状态确定所述电芯的目标荷电状态，所述目标荷电状态用于作为计算所述电池包的总荷电状态的计算基础；
若所述荷电信息不满足所述指定的精度判定条件，则基于所述第一荷电状态确定所述电芯的目标荷电状态。
2.根据权利要求1所述的方法，其特征在于，所述电芯的数量为多个，所述判断所述荷电信息是否满足指定的精度判定条件，包括：
基于多个所述电芯对应的多个第二荷电状态，确定多个所述第二荷电状态中的第二荷电状态最大值和第二荷电状态最小值；
在所述第二荷电状态最大值或所述第二荷电状态最小值不满足所述第一状态范围的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
3.根据权利要求2所述的方法，其特征在于，所述判断所述荷电信息是否满足指定的精度判定条件，还包括：
在所述第二荷电状态最大值和所述第二荷电状态最小值均满足所述第一状态范围的情况下，获取所述电池包在预设时间内的目标放电量；
在所述目标放电量小于指定放电量的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
4.根据权利要求3所述的方法，其特征在于，所述判断所述荷电信息是否满足指定的精度判定条件，还包括：
在所述目标放电量大于或等于所述指定放电量的情况下，基于多个所述电芯对应的多个所述第一荷电状态，确定多个所述第一荷电状态中的第一荷电状态最小值；
在所述第一荷电状态最小值小于或等于所述第一状态范围的上限值的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
5.根据权利要求4所述的方法，其特征在于，所述判断所述荷电信息否满足指定的精度判定条件，还包括：
在所述第一荷电状态最小值大于所述第一状态范围的上限值的情况下，计算所述第一荷电状态最小值和所述第二荷电状态最大值之间的差值；
在所述差值大于或等于预设差值的情况下，确定所述荷电信息满足所述指定的精度判定条件；
在所述差值小于预设差值的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述获取所述电芯的荷电信息，包括：
获取所述电芯的第一荷电状态；
获取所述电池包的至少一项状态参数，所述状态参数包括：所述电池包的健康状态、电池包温度、电池包电流和所述电芯的电压；
在至少一项所述状态参数均处于对应的预设范围，且所述第一荷电状态满足预设的第二状态范围的情况下，则获取所述电芯的第二荷电状态。
7.根据权利要求6所述的方法，其特征在于，
若存在任意一项所述状态参数未处于对应的所述预设范围，或所述第一荷电状态不满足预设的所述第二状态范围，则确定所述电芯的目标荷电状态为所述第一荷电状态，所述目标荷电状态用于作为计算所述电池包的总荷电状态的计算基础；且不执行所述判断所述荷电信息是否满足指定的精度判定条件的步骤。
8.根据权利要求2至5任一项所述的方法，其特征在于，基于所述第二荷电状态确定所述电芯的目标荷电状态，包括：将所述第二荷电状态最大值确定为最大目标荷电状态，将所述第二荷电状态最小值确定为最小目标荷电状态；
基于所述第一荷电状态确定所述电芯的目标荷电状态，包括：
基于多个所述电芯对应的多个第一荷电状态，确定多个所述第一荷电状态中的第一荷电状态最大值和第一荷电状态最小值；
将所述第一荷电状态最大值确定为最大目标荷电状态，将所述第一荷电状态最小值确定为最小目标荷电状态；
所述方法还包括：
根据所述最大目标荷电状态和所述最小目标荷电状态，基于预设的加权算法，计算所述电池包的总荷电状态。
9.一种电池荷电状态的计算装置，其特征在于，应用于电池包，所述电池包包括电芯，所述装置包括：
获取模块，用于获取所述电芯的荷电信息，所述荷电信息包括所述电芯的第一荷电状态和第二荷电状态，所述第一荷电状态是基于预设的积分算法确定的，所述第二荷电状态是基于预设的滤波算法确定的；
判断模块，用于判断所述荷电信息是否满足指定的精度判定条件，所述指定的精度判定条件至少包括所述第二荷电状态是否满足预设的第一状态范围，其中，所述荷电信息在满足所述指定的精度判定条件的情况下，以所述第二荷电状态作为基础所计算的所述电池包的总荷电状态的精度大于以所述第一荷电状态作为基础所计算的所述电池包的总荷电状态的精度；
第一确定模块，用于若所述荷电信息满足所述指定的精度判定条件，则基于所述第二荷电状态确定所述电芯的目标荷电状态，所述目标荷电状态用于作为计算所述电池包的总荷电状态的计算基础；
第二确定模块，用于若所述荷电信息不满足所述指定的精度判定条件，则基于所述第一荷电状态确定所述电芯的目标荷电状态。
10.根据权利要求9所述的装置，其特征在于，所述电芯的数量为多个，所述判断模块还用于基于多个所述电芯对应的多个第二荷电状态，确定多个所述第二荷电状态中的第二荷电状态最大值和第二荷电状态最小值；
在所述第二荷电状态最大值或所述第二荷电状态最小值不满足所述第一状态范围的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
11.根据权利要求10所述的装置，其特征在于，所述判断模块还用于在所述第二荷电状态最大值和所述第二荷电状态最小值均满足所述第一状态范围的情况下，获取所述电池包在预设时间内的目标放电量；
在所述目标放电量小于指定放电量的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
12.根据权利要求11所述的装置，其特征在于，所述判断模块还用于在所述目标放电量大于或等于所述指定放电量的情况下，基于多个所述电芯对应的多个所述第一荷电状态，确定多个所述第一荷电状态中的第一荷电状态最小值；
在所述第一荷电状态最小值小于或等于所述第一状态范围的上限值的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
13.根据权利要求12所述的装置，其特征在于，所述判断模块还用于在所述第一荷电状态最小值大于所述第一状态范围的上限值的情况下，计算所述第一荷电状态最小值和所述第二荷电状态最大值之间的差值；
在所述差值大于或等于预设差值的情况下，确定所述荷电信息满足所述指定的精度判定条件；
在所述差值小于预设差值的情况下，确定所述荷电信息不满足所述指定的精度判定条件。
14.一种车辆，其特征在于，包括：
电池包，所述电池包包括电芯；
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-8任一项所述的方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序指令，所述计算机程序指令可被处理器调用执行如权利要求1-8任一项所述的方法。
CN202211065495.7A 2022-08-31 2022-08-31 电池荷电状态的计算方法、装置、车辆及存储介质 Pending CN115616409A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211065495.7A CN115616409A (zh) 2022-08-31 2022-08-31 电池荷电状态的计算方法、装置、车辆及存储介质
EP22214164.0A EP4332595A1 (en) 2022-08-31 2022-12-16 Method and device for calculating state of charge, vehicle and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211065495.7A CN115616409A (zh) 2022-08-31 2022-08-31 电池荷电状态的计算方法、装置、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN115616409A true CN115616409A (zh) 2023-01-17

Family

ID=84537433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211065495.7A Pending CN115616409A (zh) 2022-08-31 2022-08-31 电池荷电状态的计算方法、装置、车辆及存储介质

Country Status (2)

Country Link
EP (1) EP4332595A1 (zh)
CN (1) CN115616409A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116338460A (zh) * 2023-04-11 2023-06-27 杭州禾美汽车科技有限公司 基于多参数分析的新能源汽车电池余量鉴定系统
CN116908706A (zh) * 2023-09-13 2023-10-20 绿进新能源科技(常熟)有限公司 与放电路径解耦合的soc估算方法、设备及存储介质
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

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150081237A1 (en) * 2013-09-19 2015-03-19 Seeo, Inc Data driven/physical hybrid model for soc determination in lithium batteries
FR3018360B1 (fr) * 2014-03-07 2016-02-26 Renault Sas Methode d'estimation d'un etat de charge d'une batterie comportant plusieurs cellules presentant une plage d'utilisation d'etat de charge variable
JP6657967B2 (ja) * 2016-01-06 2020-03-04 株式会社Ｇｓユアサ 状態推定装置、状態推定方法
KR102655790B1 (ko) * 2016-11-23 2024-04-09 삼성전자주식회사 배터리 상태 추정 방법 및 장치
KR102465294B1 (ko) * 2019-01-23 2022-11-08 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 관리 방법 및 배터리팩
KR20200097170A (ko) * 2019-02-07 2020-08-18 주식회사 엘지화학 배터리 관리 장치, 배터리 관리 방법 및 배터리팩
CN111220922A (zh) * 2020-01-21 2020-06-02 海马汽车有限公司 电池soc估算方法和装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116338460A (zh) * 2023-04-11 2023-06-27 杭州禾美汽车科技有限公司 基于多参数分析的新能源汽车电池余量鉴定系统
CN116338460B (zh) * 2023-04-11 2024-04-09 宁波禾旭汽车科技有限公司 基于多参数分析的新能源汽车电池余量鉴定系统
CN116908706A (zh) * 2023-09-13 2023-10-20 绿进新能源科技(常熟)有限公司 与放电路径解耦合的soc估算方法、设备及存储介质
CN116908706B (zh) * 2023-09-13 2023-12-12 绿进新能源科技(常熟)有限公司 与放电路径解耦合的soc估算方法、设备及存储介质
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

Also Published As

Publication number Publication date
EP4332595A1 (en) 2024-03-06

Similar Documents

Publication Publication Date Title
CN115616409A (zh) 电池荷电状态的计算方法、装置、车辆及存储介质
US11340298B2 (en) Apparatus and method for calculating state of charge of battery by reflecting noise
EP3904894B1 (en) Training device, estimation device, training method, estimation method, training program, and estimation program
CN109716150B (zh) 具有远程参数估计的二次电池管理系统
CN109196366B (zh) 使用高斯过程回归估计电池充电状态的方法和系统
CN104956233B (zh) 电池状态推断装置
CN107329094A (zh) 动力电池健康状态估算方法及装置
CN109100655B (zh) 一种动力电池的数据处理方法和装置
KR20160004077A (ko) 배터리의 상태를 추정하는 방법 및 장치
CN113093027B (zh) 电池soc校准方法、装置、系统、介质及程序产品
CN114818831B (zh) 基于多源感知的双向锂离子电池故障检测方法及系统
CN115236535B (zh) 电池soc预估方法、装置、设备及存储介质
CN111426960A (zh) 储能锂电池荷电状态监控方法与装置
CN113219336B (zh) 电池劣化判断系统、方法及存储有程序的非临时性存储介质
JP2023139227A (ja) 電池健康状態予測方法、装置、電子機器及び可読記憶媒体
CN114609530A (zh) 修正电池荷电状态的方法、装置、设备及介质
CN115610252A (zh) 一种车辆电池热管理启用方法、装置、设备及存储介质
CN116500458B (zh) 动力电池容量评估方法、装置、车辆及电子装置
CN115407217B (zh) 一种电动汽车锂电池荷电状态在线估计方法及系统
CN116068402A (zh) 新能源汽车锂电池状态预测方法、装置、设备及存储介质
CN116087809A (zh) 汽车电池的荷电状态值预测方法、装置、设备及存储介质
CN115469230A (zh) Ocv-soc在线估计方法、装置和计算机设备与存储介质
CN114264966A (zh) 电池的荷电状态的评估方法、装置、终端设备以及介质
CN108983100A (zh) 电池剩余电量的处理方法及装置
US20230176137A1 (en) Method and system for determining a remaining useful lifetime of a battery

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