CN115754726A - 一种电池寿命预测及维持方法、电子设备和存储介质 - Google Patents
一种电池寿命预测及维持方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115754726A CN115754726A CN202211366954.5A CN202211366954A CN115754726A CN 115754726 A CN115754726 A CN 115754726A CN 202211366954 A CN202211366954 A CN 202211366954A CN 115754726 A CN115754726 A CN 115754726A
- Authority
- CN
- China
- Prior art keywords
- battery
- information
- charging
- user
- life
- 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
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池寿命预测及维持方法、系统、电子设备和存储介质,方法步骤包括:采集用户行为偏好信息和电池信息,根据用户的行为偏好信息和电池信息,输出电池的放电性能,建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。本发明公开的电池寿命预测及维持方法、系统、电子设备和存储介质可以基于车云数据融合实现寿命预测,并可以实现电池寿命的优化和调控,可有效提高模型预测的精度,对于整车寿命的准确评估和整车寿命的优化具有现实意义。
Description
技术领域
本发明涉及一种预测及维持方法、电子设备和存储介质,尤其涉及一种电池寿命预测及维持方法、电子设备和存储介质。
背景技术
精确的预测出电池的使用寿命,并如何想办法来提高电池的使用寿命是人们一直关注的要点。提供使用寿命又要以安全性为前提,这又使问题变更更加复杂。现在技术在预测电池寿命时,通常采用的离线预测方法,即根据电池离线充放电数据建立模型,评估电池的寿命。由于没有用户行驶数据作为输入,往往离线的数据并不能有效的评估电池的寿命,例如现有技术曾提出过一种评估在线电池寿命的方法,但这种方法需要考虑电池的热管理策略等设计过程参数,建模复杂,模型运转效率低,且没有对电池的实时数据监测有限,模型准确性不高,其功能也仅仅限于预测,对于电池寿命已经出现降低的现象却无能为力,已经不能满足人们的需求。
发明内容
本发明的目的在于提供一种电池寿命预测维持方法、电子设备和存储介质,首先要解决的技术问题是基于车云数据融合实现寿命预测或者维持电池的寿命,其次可以实现电池寿命的优化和调控,有效提高模型预测的精度。
本发明提供了下述方案:
一种电池寿命预测及维持方法,具体包括:
采集用户行为偏好信息和电池信息;
根据用户的行为偏好信息和电池信息,输出电池的放电性能;
建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。
进一步的,用户行为偏好信息包括驾驶行为信息和充电行为信息,电池信息包括:电池静置信息、电池放电信息和电池充电信息;
建立基于电池使用天数和电池工况的关联关系的电池平均温度数据集,对数据集进行聚类-分割处理;
建立电池寿命模型,根据不同的电池寿命模型,标定不同模型的参数。
进一步的,所述电池寿命模型包括第一预设场景和第二预设场景,在第一预设场景下,标定电池静置寿命模型的参数,在第二预设场景下,标定电池循环寿命模型的参数。
进一步的,输出电池的放电性能,与用户对电池的性能需求做比较,判断是否能满足用户对电池的性能需求,如果能够满足用户对电池的性能需求,则对电池寿命进行预测,如果不能满足用户对电池的需求,则变更电池的充电要素。
进一步的,利用信息采集装置采集用户行为偏好信息和电池信息;
利用数据处理装置输出电池的放电性能,所述数据处理装置包括电池管理系统、云端控制平台、逻辑器件、微控制器及其外围电路、车载计算装置;
利用智能交互装置输出电池容量衰减量、功率变化量和DCR变化量中的至少一项,并与用户进行智能交互。
进一步的,用户对电池的性能需求包括:预期充电时间、最佳充电时间、预期能量消耗、组件状态和老化、荷电状态、充电成本;
所述充电要素包括SOC、充电电流、充电温度、充电时长之中的至少一个。
进一步的,对放电性能进行数据分析,根据数据分析的结果,对电池寿命进行预测或变更电池的充电要素,具体为:对输出电池的放电特性进行数据分析,当容量满足用户需求时,进行寿命预测,并实现持续监测过程;
当容量衰减不能满足需求时,根据整车运行工况并结合电池寿命模型,输出电池衰减性能曲线,通过OTA变更电池的充电策略、电池存储温度、存储状态以满足用户需求。
一种电池寿命预测及维持系统,具体包括:
用户行为偏好和电池信息采集模块,用于采集用户行为偏好信息和电池信息;
电池放电性能输出模块,用于根据用户的行为偏好信息和电池信息,输出电池的放电性能;
电池寿命预测模块,用于建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。
一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行所述方法的步骤。
一种计算机可读存储介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述计算机程序在所述电子设备上运行时,使得所述电子设备执行所述方法的步骤。
本发明与现有技术相比具有以下的优点:
本发明公开的电池寿命预测维持方法、系统、电子设备和存储介质可以基于车云数据融合实现寿命预测及维持,并可以实现电池寿命的优化和调控,可有效提高模型预测的精度,对于整车寿命的准确评估和整车寿命的优化具有现实意义。
本发明通过信息采集装置、数据处理装置和智能交互装置及其外部元件实现电池寿命预测及维持,输出电池的放电容量、累计运行里程、寿命衰减状态、DCR增长、充电时间、充电电量等参数信息,根据用户需求判定,如满足按原使用习惯执行,预测电池寿命;如不满足用户需求,变换充电时间、充电电量、充电电流、SOC等充电信息由数据处理装置和充电装置互联实现,或变更用户驾驶的功率上限、通过热管理提高或降低电池温度等实现用户需求,可实现的用户需求包括:整车续航里程提高、性能提升、充电成本优化、充电时间减少等等,用于维持电池的寿命,实现电车驱动的长里程行驶。
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是电池寿命预测及维持方法的流程图。
图2是电池寿命预测及维持系统的架构图。
图3是本发明实施例基于用户使用行为的电池寿命预测及维持方法的流程图。
图4是本发明实施例基于用户使用行为的电池寿命预测及维持系统的架构图。
图5是电池寿命模型的预测及维持方法的流程图。
图6是电池寿命模型的系统架构图。
图7是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。
如图1所示的电池寿命预测及维持方法流程图,方法步骤包括:
步骤S1,采集用户行为偏好信息和电池信息;
具体的,用户行为偏好信息包括驾驶行为信息和充电行为信息,电池信息包括:电池静置信息、电池放电信息和电池充电信息;
示例性的,输出电池的放电性能包括:放电容量、累计运行里程、寿命衰减状态、DCR增长、充电时间、充电电量;
示例性的,用户的使用行为由行驶片段、充电片段、静置片段构成,各片段条件下电池的平均温度T;
具体的,建立基于电池使用天数和电池工况的关联关系的电池平均温度数据集,对数据集进行聚类-分割处理;
建立电池寿命模型,根据不同的电池寿命模型,标定不同模型的参数;
步骤S2,根据用户的行为偏好信息和电池信息,输出电池的放电性能;
具体的,电池寿命模型包括第一预设场景和第二预设场景,其中:
在第一预设场景下,标定电池静置寿命模型的参数;
示例性的,在第一预设场景中标定电池静置寿命模型,如:电池在45℃、60℃环境温度下搁置60天,容量保持率95%、92%,根据寿命衰减曲线,反向标定电池静置寿命参数;
在第二预设场景下,标定电池循环寿命模型的参数;
示例性的,如电池在25℃条件下以1C充电1C放电,满充慢放,2000圈容量损失85%,据此条件反向标定电池寿命模型参数。
示例性的,可以建立第一表格,在第一表格中包括与天数-工况关联的电池平均温度表格,第一表格中的字段(列)包括行驶、充电和静置,第一表格中的行为天数。
例如,以行驶数据处理为例,第一表格可以分出单次运行里程0-50km,50-100km,100-150km,150-200km……划分M个区域,统计各区域行驶里程的占比情况,计算出实际运行里程A-B km,占比a%。据此,实现三个工况的聚类和分离。
步骤S3,建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。
具体的,输出电池的放电性能,与用户对电池的性能需求做比较,判断是否能满足用户对电池的性能需求,如果能够满足用户对电池的性能需求,则对电池寿命进行预测,如果不能满足用户对电池的需求,则变更电池的充电要素,用于维持电池的寿命,保证电池能够支持车辆行驶足够的里程数;具体的,对输出电池的放电特性进行数据分析,当容量满足用户需求时,进行寿命预测,并实现持续监测过程,例如:对容量衰减曲线进行数据分析。
示例性的,云端处理终端接收行驶片段中的整车运行工况数据,如瞬时放电电流及电流持续时间,计算电池的输出功率,根据百公里电耗,计算电池单次续航里程,可建立续航里程和电池性能衰减关系。如之后紧接电池充电工况,根据电池前一时刻温度,和电池当前SOC状态查找电池充电MAP表,确定电池充电的具体电流,当电池到达目标SOC、充电截止电压停止充电。计算之前行驶片段的电池平均温度,当电池平均温度超过当前温度区间的充电电流时变换充电电流,形成表示电流跳变过程的第二表格,根据第二表格,如之后紧接电池静置工况,提取电池的瞬时温度、实时天气温度,电池静置时间。根据当前SOC、当前时刻电芯温度、静置时间计算电池静置寿命。电池温度可能存在一个从高温到低温的变化过程,可以设定为电池系统中所有温度传感器采集到的温度数据取平均值,考虑到数据处理的简化,可取电池包中最高温度和最低温度的平均,或者取最高温度/最低温度数据代替。或者根据各温度滞留时间加权计算后获得电池温度,电池寿命可根据运行工况和静置工况的占比加权计算。
可选的,利用信息采集装置采集用户行为偏好信息和电池信息;
利用数据处理装置输出电池的放电性能,数据处理装置包括电池管理系统、云端控制平台、逻辑器件、微控制器及其外围电路、车载计算装置;
利用智能交互装置输出电池容量衰减量、功率变化量和DCR变化量中的至少一项,并根据智能交互装置的输出结果进行智能交互操作。
可选的,用户对电池的性能需求包括:预期充电时间、最佳充电时间、预期能量消耗、组件状态和老化、荷电状态、充电成本;
充电要素包括SOC、充电电流、充电温度、充电时长之中的至少一个。
对于上述实施例公开的方法步骤,出于简单描述的目的将方法步骤表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
如图2所示的电池寿命预测及维持系统,具体包括:
用户行为偏好和电池信息采集模块,用于采集用户行为偏好信息和电池信息;
电池放电性能输出模块,用于根据用户的行为偏好信息和电池信息,输出电池的放电性能;
电池寿命预测模块,用于建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。变更电池充电要素的作用是维持电池的寿命,保证电池能够支持车辆行驶足够的里程数
值得注意的是,虽然在本发明实施例中只披露了一些基本功能模块,但并不意味着本系统的组成仅仅局限于上述基本功能模块,相反,本实施例所要表达的意思是:在上述基本功能模块的基础之上本领域技术人员可以结合现有技术任意添加一个或多个功能模块,形成无穷多个实施例或技术方案,也就是说本系统是开放式而非封闭式的,不能因为本实施例仅仅披露了个别基本功能模块,就认为本发明权利要求的保护范围局限于所公开的基本功能模块。同时,为了描述的方便,描述以上装置时以功能分为各种单元、模块分别描述。当然在实施本发明时可以把各单元、模块的功能在同一个或多个软件和/或硬件中实现。
以上所描述的系统的实施方式仅仅是示意性的,例如:其中作为系统中的各个功能模块、单元或子系统等可以是也可以不是物理上分开的,或者可以是或者也可以不是物理单元,即可以位于同一个地方,也可以分布到多个不同的系统及其子系统或模块上。本领域技术人员可以根据实际的需要选择其中的部分或者全部功能模块、单元或子系统来实现本实施方式方案的目的,对于上述情形本领域普通技术人员在不付出创造性劳动的情况下即可以理解并实施。
本发明实施例还公开了电池寿命预测及维持方法、系统在具体场景上的应用:
如图3所示的基于用户使用行为的电池寿命预测及维持方法流程,根据数据接收原则,信息采集装置1接收信息包括用户的驾驶行为、用户充电行为等行为偏好信息,信息采集装置1的信息由电池静置,电池放电,电池充电的N个连续片段组成,简化之,假设电池的整个寿命周期由M个重复的N个连续片段构成。
接收到数据后,数据处理装置2根据接收的数据处理,输出电池的放电性能。数据处理装置2可以位于电动车辆、充电装置或者元计算装置之类的装置中。数据处理装置2指具有用于处理数据能力的任何种类的装置,包括但不限于逻辑器件、微控制器、计算机、内核、云装置或CPU及其外围电路等。
根据输出的放电性能,与用户对电池的性能需求做比较,如果不能满足,变更电池的充电要素,充电要素包括SOC、充电电流、充电温度、充电时长等,直至满足用户需求为止。用户对电池性能需求包括预期充电时间以及最佳充电时间、预期能量消耗、组件状态和老化、荷电状态、充电成本以及系统已知的其他影响。最后通过智能交互装置3输出信息包括电池容量衰减、功率变化、DCR变化等数据至少一项,并通过智能交互装置3输出或展示的信息进行。
数据处理装置2计算后输出电池的放电容量、累计运行里程、寿命衰减状态、DCR增长、充电时间、充电电量等参数信息,根据用户需求判定,如果满足用户需求则按原先的使用习惯执行电池策略。如果不满足用户需求,则变换充电时间、充电电量、充电电流、SOC等充电信息由数据处理装置和充电装置互联实现,或变更用户驾驶的功率上限、通过热管理提高或降低电池温度实现用户需求。
通过本实施例可以看出,本发明实施例的电池寿命预测不仅仅局限在容量的衰减,还涉及多个决策因子,可根据预期寿命变换充电方法及变更充电要素,实现闭环控制。
如图4所示,电池寿命预测系统包括信息采集装置1、数据处理装置2、智能交互装置3、电池等。数据处理装置2接收电池的温度数据、整车运行工况数据、充电数据后,进行分析处理后输出电池的放电特性,如容量衰减曲线。当容量满足用户需求时,进行寿命预测,并实现持续监测过程。当容量衰减不能满足需求时,通过OTA变更电池的充电策略、电池存储温度、存储状态等以满足用户需求。
特殊地,云端控制平台(数据处理装置)接收到用户的历史运行数据、充电SOC区间数据、整车静置数据后,先对用户数据进行聚类,分为行驶片段、充电片段、静置片段三类。由于用户的行驶行为、充电行为、静置行为大多不会出现重复不变的现象,但为了数据处理装置运行速度和处理的便利性,此处需要进行数据的处理,处理方法包含机器学习、蒙特卡罗算法。处理后讲数据简化为N个重复的数据片段,该片段由重复的行驶片段、充电片段、静置片段构成,其中重复的行驶片段、充电片段、静置片段可不唯一。极特殊情况,可将数据简化成P天N个重复三片段的堆积。如第一表格所示,第一表格内的值代表某天某工况下电池的平均温度。第一表格是数据的排列和展示形式,具体数值可由经验值、先验值、数据库等方式进行填充。
第一表格某天某工况下电池平均温度
以行驶数据处理为例,可以分出单次运行里程0-50,50-100km,100-150km,150-200km……划分M个区域,统计各区域行驶里程的占比情况,计算出实际运行里程A-Bkm,占比a%。据此,实现三个工况的聚类和分离。
如图5和图6所示,在图5中采用离线的方法标定电池寿命模型,电池寿命模型由电池循环寿命模型和静置寿命模型两部分组成,静置寿命模型更多考虑正极CEI膜和负极SEI膜分解,运行寿命模型在考虑前面两种因素的基础上还需要考虑电池正负极结构变化、析锂、产气等问题。
先分别标定两种模型参数。在第一预设场景下,标定电池静置寿命模型。如电池在45℃、60℃环境下搁置60天,容量保持率分别为95%、92%,根据寿命衰减曲线,反向标定电池静置寿命参数。在第二预设场景下,标定电池循环寿命模型参数。如电池在25℃条件下,以1C充电1C放电,满充慢放,2000圈容量损失85%,据此条件反向标定电池寿命模型参数。为了模型的准确性可以采用多预设场景标定,如10℃条件下,以stepcharge充电1C放电,5-95%充放电,1500圈,容量损失87%。在标定好电池循环寿命模型和静置寿命模型后,根据整车运行工况分解的N个独立并重复的行驶工况、充电工况、静置工况,数据模型,输出电池衰减性能曲线。
在图6中,模型实现方式可以采用软件工具建模,如COMSOL-matlab、GT-autolion,也可依赖云端数据建立黑箱模型:
云端处理终端接收行驶片段中的整车运行工况数据,如:瞬时放电电流及电流持续时间,计算电池的输出功率,根据百公里电耗,计算电池单次续航里程,可建立续航里程和电池性能衰减关系。如之后紧接电池充电工况,则根据电池前一时刻温度,和电池当前SOC状态查找电池充电MAP表,确定电池充电的具体电流,当电池到达目标SOC、充电截止电压停止充电。计算之前行驶片段的电池平均温度,当电池平均温度超过当前温度区间的充电电流时变换充电电流,如第二表格所示:
第二表格:电流跳变过程
SOC1 | SOC2 | SOC3 | SOC4 | |
T1<=T<=T2 | I<sub>11</sub> | I<sub>12</sub> | I<sub>13</sub> | I<sub>14</sub> |
T3<=T<=T4 | I<sub>21</sub> | I<sub>22</sub> | I<sub>23</sub> | I<sub>24</sub> |
如之后紧接电池静置工况,提取电池的瞬时温度、实时天气温度,电池静置时间。根据当前SOC、当前时刻电芯温度、静置时间计算电池静置寿命。电池温度可能存在一个从高温到低温的变化过程,具体地,可以设定为电池系统中所有温度传感器采集到的温度数据取平均值,考虑到数据处理的简化,可取电池包中最高温度和最低温度的平均,或者取最高温度/最低温度数据代替,或者根据各温度滞留时间加权计算后获得电池温度,电池寿命可根据运行工况和静置工况的占比加权计算。
结合上述实施例、说明书文字描述及其附图可以看出,,本发明实施例的中心思想可以表述为:
本发明实施例基于用户使用行为进行电池寿命预测,电池寿命预测系统包括信息采集装置1、数据处理装置2、智能交互装置3:其中信息采集装置1采集或接收的信息包括:用户的驾驶行为、用户充电行为等行为偏好信息;数据处理装置2及其组件包括:电池管理系统、云端控制平台,可为实物组件或虚拟组件(如模型);智能交互装置3输出信息包括电池容量衰减、功率变化、DCR变化等数据至少一项。作为智能交互的手段,可以通过操作面板、控制面板、触摸屏幕等与外界进行交互。
优选的,数据处理装置根据数据接收原则接收来自输入端的信息,根据数据处理装置输出的电池放电性能,管理用户性能需求并对需求做出判断,如满足需求输出电池性能参数,如不满足需求,变更接收准则,并对性能需求重新判断直至满足性能需求,输出相关信息,维持电池寿命。其中,用户性能需求包括但不限于整车续航里程提高、电池性能(电、热、寿命安全)提升、充电成本优化、充电时间减少等。
优选的,接收信息包括用户的使用行为由行驶片段、充电片段、静置片段构成,各片段条件下电池的平均温度T。当电池开始充电时,数据处理装置计算电池的运行寿命和静置寿命,基于用户使用行为的电池寿命预测,可根据运行工况和静置工况的占比加权计算。当充电电流为0即为静置工况,充电电流不为零为运行工况。整车上电后电芯温度由温度传感器记录,整车下电后电芯温度根据下电前电池温度、实时天气温度和静置时间确定。
数据处理装置2根据实时SOC状态和电池上一时刻温度查找电池充电MAP表,确定充电时具体的充电电流,到达目标SOC或者根据用户充电时间需求停止充电。以充电工况和基于用户驾驶行为的放电工作计算电池的运行寿命。静置片段的寿命评估根据当前SOC、当前时刻电芯温度、静置时间计算。
智能交互装置3输出电池的放电容量、累计运行里程、寿命衰减状态、DCR增长、充电时间、充电电量等参数信息,根据用户需求判定,如满足按原使用习惯执行,如不满足用户需求,变换充电时间、充电电量、充电电流、SOC等充电信息由数据处理装置2和充电装置互联实现,或通过变更用户驾驶的功率上限、通过热管理提高或降低电池温度实现,具体的实现手段可通过触摸屏幕点击、远程操作等智能交互的方式实现。
优选的,用户充电片段特征获取办法包括特征用户的提取或者基于统计分析的用户常见使用习惯。
优选的,一种基于用户使用行为的电池寿命预测及维持方法和系统,信息采集装置接收信息包括用户输入信息、应用装置输入信息、云端数据信息的至少一种;信息采集装置的输入信息和智能交互装置的输出信息包括实时数据和历史数据;
优选的,各片段条件下电池平均温度来各片段运行时间的温度平均值;所述的电池充电MAP表包含不同温度区间不同SOC充电电流。
名词解释:Map图(表)、DCR、OTA
Map图:即脉谱图,是一种图形表示的数学模型。在发动机、内燃机上使用较多,也可以使用在电池管理系统上,其目的是为ECU的工作提供优化的工作参数,保证发动机在ECU的控制下始终处于最佳的工作状态,从而实现低油耗、低排放的理想效果。
Map图(脉谱图)的优点在于通过实验能够获得,控制结果的精确度取决于实验数据的充分性。Map图以数据点的形式存储于控制单元ROM中,以查表的方式获得所要的最佳结果,占用内存小,实用性强。
电池的SOC是多种参数综合影响的结果,各种参数都不是SOC的线性函数,SOC估算方法要求较强的实时性和动态性,估算结果要求较高的可靠性。使用Map方法进行电池SOC估算的目的在于通过建立基于电池稳态特性的数学模型,找到一种实用、快速、便捷的SOC估算方法,得到较为可靠的估算结果,从而为整车更好地应用电池组、延长电池组寿命提供依据。
Map图制取的一般方法为选取影响因子,确定模型参数;根据典型工况,设计实验;插值拟合实验数据,补充和细化未实验到的工况特性,得到完整的Map图;在实际工况中修正完整Map图,得到最终的Map图。
DCR(直流阻抗):电池在组装成模组或PACK时需要测试DCR值,测试的参数值主要评估电池内阻一致性,模组焊接或连接端的阻抗值,以及应用于评估放电功率或能量的能力。测试直流阻抗时,其电压不会随着时间的延续而发生改变,也就是说,电压频率为0,它表示的是元器件阻断直流电的能力。
电池在放电过程结束后,由于极化的存在,电池电压会出现反弹的现象。直流阻抗技术就是利用电池在间歇放电过程中,放电结束前一瞬间的电压与放电结束稳定后的电压差来计算电池内阻的。
OTA:OTA的英文全称叫做Over-the-Air Technology,译为空中下载技术或空间下载技术。空中下载(OTA)是通过移动通信的空中接口实现对移动终端设备及SIM卡数据进行远程管理的技术,实现对汽车控制器MCU里的软件进行更新。OTA可以通过移动通信的空中接口对SIM卡数据及应用进行远程管理的技术,空中接口可以采用WAP、GPRS、CDMA1X及短消息技术等。OTA技术的应用,使得移动通信不仅可以提供语音和数据服务,而且还能提供新业务下载。
例如:在汽车领域,特斯拉首先大规模使用OTA技术,2012年特斯拉推出的ModesS车型首次采用OTA技术,更新范围涉及人机交互、自动驾驶、动力、电池系统等模块,当时的特斯拉可以通过OTA完成钥匙卡漏洞、提升续航里程、提高最高速度、提升乘坐舒适度等,使用户不去4S店,利用车辆自身的系统也能升级车辆。
如图7所示,本发明实施例还公开了与电池寿命预测及维持方法、系统相对应的电子设备和存储介质:
一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行电池寿命预测及维持方法的步骤。
一种计算机可读存储介质,其存储有可由电子设备执行的计算机程序,当所述计算机程序在所述电子设备上运行时,使得所述电子设备执行电池寿命预测及维持方法的步骤。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、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。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
电子设备包括硬件层,运行在硬件层之上的操作系统层,以及运行在操作系统上的应用层。该硬件层包括中央处理器(CPU,Central Processing Unit)、内存管理单元(MMU,Memory Management Unit)和内存等硬件。该操作系统可以是任意一种或多种通过进程(Process)实现电子设备控制的计算机操作系统,例如,Linux操作系统、Unix操作系统、Android操作系统、iOS操作系统或windows操作系统等。并且在本发明实施例中该电子设备可以是智能手机、平板电脑等手持设备,也可以是桌面计算机、便携式计算机等电子设备,本发明实施例中并未特别限定。
本发明实施例中的电子设备控制的执行主体可以是电子设备,或者是电子设备中能够调用程序并执行程序的功能模块。电子设备可以获取到存储介质对应的固件,存储介质对应的固件由供应商提供,不同存储介质对应的固件可以相同可以不同,在此不做限定。电子设备获取到存储介质对应的固件后,可以将该存储介质对应的固件写入存储介质中,具体地是往该存储介质中烧入该存储介质对应固件。将固件烧入存储介质的过程可以采用现有技术实现,在本发明实施例中不做赘述。
电子设备还可以获取到存储介质对应的重置命令,存储介质对应的重置命令由供应商提供,不同存储介质对应的重置命令可以相同可以不同,在此不做限定。
此时电子设备的存储介质为写入了对应的固件的存储介质,电子设备可以在写入了对应的固件的存储介质中响应该存储介质对应的重置命令,从而电子设备根据存储介质对应的重置命令,对该写入对应的固件的存储介质进行重置。根据重置命令对存储介质进行重置的过程可以现有技术实现,在本发明实施例中不做赘述。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。本说明书中公开的任一特征,除非特别叙述,均可被其它等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而己。在整个说明书中,同样的附图标记指示同样的元件。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括相应的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括相应的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种电池寿命预测及维持方法,其特征在于,具体包括:
采集用户行为偏好信息和电池信息;
根据用户的行为偏好信息和电池信息,输出电池的放电性能;
建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。
2.根据权利要求1所述的电池寿命预测及维持方法,其特征在于,用户行为偏好信息包括驾驶行为信息和充电行为信息,电池信息包括:电池静置信息、电池放电信息和电池充电信息;
建立基于电池使用天数和电池工况的关联关系的电池平均温度数据集,对数据集进行聚类-分割处理;
建立电池寿命模型,根据不同的电池寿命模型,标定不同模型的参数。
3.根据权利要求2所述的电池寿命预测及维持方法,其特征在于,所述电池寿命模型包括第一预设场景和第二预设场景,在第一预设场景下,标定电池静置寿命模型的参数,在第二预设场景下,标定电池循环寿命模型的参数。
4.根据权利要求1所述的电池寿命预测及维持方法,其特征在于,输出电池的放电性能,与用户对电池的性能需求做比较,判断是否能满足用户对电池的性能需求,如果能够满足用户对电池的性能需求,则对电池寿命进行预测,如果不能满足用户对电池的需求,则变更电池的充电要素。
5.根据权利要求1所述的电池寿命预测及维持方法,其特征在于,
利用信息采集装置采集用户行为偏好信息和电池信息;
利用数据处理装置输出电池的放电性能,所述数据处理装置包括电池管理系统、云端控制平台、逻辑器件、微控制器及其外围电路、车载计算装置;
利用智能交互装置输出电池容量衰减量、功率变化量和DCR变化量中的至少一项,并与用户进行智能交互。
6.根据权利要求1所述的电池寿命预测及维持方法,其特征在于,用户对电池的性能需求包括:预期充电时间、最佳充电时间、预期能量消耗、组件状态和老化、荷电状态、充电成本;
所述充电要素包括SOC、充电电流、充电温度、充电时长之中的至少一个。
7.根据权利要求1所述的电池寿命预测及维持方法,其特征在于,对放电性能进行数据分析,根据数据分析的结果,对电池寿命进行预测或变更电池的充电要素,具体为:对输出电池的放电特性进行数据分析,当容量满足用户需求时,进行寿命预测,并实现持续监测过程;
当容量衰减不能满足需求时,根据整车运行工况并结合电池寿命模型,输出电池衰减性能曲线,通过OTA变更电池的充电策略、电池存储温度、存储状态以满足用户需求。
8.一种电池寿命预测及维持系统,其特征在于,具体包括:
用户行为偏好和电池信息采集模块,用于采集用户行为偏好信息和电池信息;
电池放电性能输出模块,用于根据用户的行为偏好信息和电池信息,输出电池的放电性能;
电池寿命预测模块,用于建立电池寿命预测模型,对电池的放电性能进行数据分析,对电池寿命进行预测或变更电池的充电要素。
9.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述计算机程序在所述电子设备上运行时,使得所述电子设备执行权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211366954.5A CN115754726A (zh) | 2022-11-01 | 2022-11-01 | 一种电池寿命预测及维持方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211366954.5A CN115754726A (zh) | 2022-11-01 | 2022-11-01 | 一种电池寿命预测及维持方法、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115754726A true CN115754726A (zh) | 2023-03-07 |
Family
ID=85356940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211366954.5A Pending CN115754726A (zh) | 2022-11-01 | 2022-11-01 | 一种电池寿命预测及维持方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115754726A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148169A (zh) * | 2023-10-30 | 2023-12-01 | 东方旭能(山东)科技发展有限公司 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
CN117669781A (zh) * | 2023-12-15 | 2024-03-08 | 梅威斯电气技术(上海)有限公司 | 一种锂电池充电主动均衡的预测控制方法 |
-
2022
- 2022-11-01 CN CN202211366954.5A patent/CN115754726A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148169A (zh) * | 2023-10-30 | 2023-12-01 | 东方旭能(山东)科技发展有限公司 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
CN117148169B (zh) * | 2023-10-30 | 2024-01-30 | 东方旭能(山东)科技发展有限公司 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
CN117669781A (zh) * | 2023-12-15 | 2024-03-08 | 梅威斯电气技术(上海)有限公司 | 一种锂电池充电主动均衡的预测控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duan et al. | Evaluation of battery inconsistency based on information entropy | |
Liu et al. | An advanced Lithium-ion battery optimal charging strategy based on a coupled thermoelectric model | |
CN115754726A (zh) | 一种电池寿命预测及维持方法、电子设备和存储介质 | |
Shen | State of available capacity estimation for lead-acid batteries in electric vehicles using neural network | |
CN112818602B (zh) | 基于大数据分析的电池数字孪生控制方法及装置 | |
CN108846227B (zh) | 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法 | |
CN110568359A (zh) | 一种锂电池剩余寿命预测方法 | |
CN105158699A (zh) | 电池健康状态的检测方法和装置 | |
Bashash et al. | Charge trajectory optimization of plug-in hybrid electric vehicles for energy cost reduction and battery health enhancement | |
CN110275119A (zh) | 一种电池健康状态评估模型构建方法、评估方法和装置 | |
CN109613440B (zh) | 电池的分级方法、装置、设备和存储介质 | |
CN110579716B (zh) | 一种电池检测方法及装置 | |
CN113064089B (zh) | 动力电池的内阻检测方法、装置、介质以及系统 | |
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 | |
CN110568360A (zh) | 一种基于模糊逻辑算法的锂电池老化诊断方法 | |
CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
CN111325402A (zh) | 基于bp神经网络的电动汽车用户充电行为的预测方法 | |
KR20230136084A (ko) | 배터리 건강 상태 예측 방법, 장치, 전자기기 및 판독가능한 저장 매체 | |
CN115805810A (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
CN117031310A (zh) | 一种电动汽车动力电池剩余使用寿命预测方法 | |
CN117148177A (zh) | 电池动态一致性评价方法、装置和计算机设备 | |
CN115389954A (zh) | 一种电池容量的估算方法、电子设备及可读存储介质 | |
CN113311346B (zh) | 一种电芯预警方法、装置、云平台及存储介质 | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
CN110068409B (zh) | 锂电池应力预测方法和装置 |
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 |