CN116068413A - 一种电池电压预测方法、装置、设备及存储介质 - Google Patents
一种电池电压预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116068413A CN116068413A CN202310284916.3A CN202310284916A CN116068413A CN 116068413 A CN116068413 A CN 116068413A CN 202310284916 A CN202310284916 A CN 202310284916A CN 116068413 A CN116068413 A CN 116068413A
- Authority
- CN
- China
- Prior art keywords
- voltage value
- sampling time
- current sampling
- lowest
- fuel cell
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 295
- 238000005070 sampling Methods 0.000 claims abstract description 350
- 239000000446 fuel Substances 0.000 claims abstract description 245
- 230000008569 process Effects 0.000 claims description 180
- 230000008859 change Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 abstract description 13
- 238000006731 degradation reaction Methods 0.000 abstract description 13
- 230000003111 delayed effect Effects 0.000 abstract description 4
- 210000004027 cell Anatomy 0.000 description 464
- 238000007689 inspection Methods 0.000 description 27
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000009897 systematic effect Effects 0.000 description 8
- 230000009191 jumping Effects 0.000 description 6
- 238000002054 transplantation Methods 0.000 description 6
- 238000012417 linear regression Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000012528 membrane Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 3
- 239000012495 reaction gas Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 210000000227 basophil cell of anterior lobe of hypophysis Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000005984 hydrogenation reaction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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
-
- 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
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fuel Cell (AREA)
Abstract
本申请提供一种电池电压预测方法、装置、设备及存储介质，包括对燃料电池发动机进行采样检测，获取当前采样时刻下燃料电池发动机中的最低单体电池电压值、前一采样时刻下燃料电池发动机中的最低单体电池电压值；再将当前采样时刻的最低单体电池电压值与前一采样时刻的最低单体电池电压值进行比对，得到对应的比对结果；最后根据比对结果，利用当前采样时刻的最低单体电池电压值预测未来时刻下燃料电池发动机中的最低单体电池电压值。本申请可以利用最低单体电池电压历史数据，来提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而及时地对燃料电池发动机进行控制干预，延缓最差单体电池的性能劣化，避免单体电池加速寿命衰减。
Description
技术领域
本申请涉及燃料电池技术领域，具体涉及一种电池电压预测方法、装置、设备及存储介质。
背景技术
燃料电池汽车因其具有零排放、高效率和加氢速度快等优点而备受关注。作为燃料电池汽车核心的发电部件，燃料电池堆的性能和耐久性决定了整车的驾驶性能和使用寿命。一个车用燃料电池堆是由几十至上百个单体电池串联堆叠并通过压力机压装而成。然而，要制造一个高性能燃料电池堆需要保证每一个单体电池性能均匀一致，即需要保证每一个单体电池的关键组件性能一致。但是，在制造过程中很难保证多达上百个单体电池及其关键组件的性能一致。因此，燃料电池堆中往往存在某一个单体电池性能较其他单体电池差，而燃料电池堆的使用寿命取决于性能和寿命最差的单体电池，这称之为燃料电池堆的“短板”效应。“短板”单体电池会遭遇比其他单体电池更快的寿命衰减，有效反应面积减少速度更快，膜内阻以更快速率增大，同样的工作电流下该单体电池的电化学反应效率变低，使得该单体电池发热较其他单体电池更加严重，而过度的局部发热又容易带动相邻单体电池加速衰减，从而逐渐使燃料电池堆的整体性能和寿命劣化。所以，为了提高燃料电池堆的使用寿命，需要准确地在线监测性能和寿命最差的单体电池运行情况，从而能及早地对燃料电池发动机进行系统性控制干预，避免最差单体电池加速劣化，延缓寿命衰减。
然而，现有文件1（CN112883645A）虽然公开了一种单体电池电压不一致故障预测方法、装置及服务器，但是其只能监控单体电池电压不均衡，并不能准确检测出性能最差的单体电池。同时，现有文件2（CN111948541A）虽然公开了一种车辆电池过压预测方法、装置、服务器及存储介质，但是其仅仅是对单体电池进行过压预测，也无法检测出性能最差的单体电池。
而目前对单体电池运行情况进行在线监测的主流手段通常为单体电池电压巡检器（Cell Voltage Monitor，CVM）。虽然CVM能够在线测量燃料电池堆中的每一个单体电池电压，从而搜索出性能最差的单体电池，即电压最低的单体电池。然而，因为其工作原理为按顺序扫描巡检，当燃料电池堆单体电池数量过多时，其完成一次从头至尾的单体电池电压巡检最短也需要300ms，而燃料电池发动机控制单元（Fuel Cell Engine Control Unit，简称FCCU）的计算步长为10ms甚至更短，这意味着在至少30个FCCU计算周期内最低单体电池电压数据将保持为同一个数值。因此，CVM巡检报出的最低单体电池电压数据会相对实际的最低单体电池电压数据产生时间上的滞后，即某一时刻的实际最低单体电池电压可能远低于CVM巡检报出的最低单体电池电压数据。尤其是当燃料电池快速加载时，最低单体电池电压往往会急速下降，过长的报出数据滞后会导致无法感知实际的最低单体电池电压。对于实时控制而言，这种迟滞将造成燃料电池发动机的控制调节出现滞后，影响控制效果，甚至导致对最差单体电池的性能调控失效，起不到保护燃料电池堆的作用。
发明内容
鉴于以上所述现有技术的缺点，本申请提供一种电池电压预测方法、装置、设备及存储介质，以解决燃料电池发动机在实际运行过程中存在的CVM报出最低单体电池电压数据存在迟滞的技术问题。
本申请提供一种电池电压预测方法，包括以下步骤：
对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)，ts表示单次采样步长；
将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果；
根据所述比对结果，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，β表示预测步长。
于本申请的一实施例中，将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果的过程包括：
计算当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)的电压差值；
若所述电压差值不等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值存在变化；
若所述电压差值等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化。
于本申请的一实施例中，在前一采样时刻与当前采样时刻的最低单体电池电压值存在变化时，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)的数值等于Umin(t0)的数值，以及令b(t0)=0；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。
于本申请的一实施例中，在前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化时，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
将前一采样时刻t0-ts的第二过程变量b(t0-ts)的数值与单次采样步长ts的数值进行相加，得到第一数值；
判断所述第一数值是否小于第二过程变量限量值bmax；如果所述第一数值小于第二过程变量限量值bmax，则对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)= a(t0-ts)，以及令b(t0)= b(t0-ts)+ ts；如果所述第一数值大于或等于第二过程变量限量值bmax，则令a(t0)= a(t0-ts)，b(t0)=bmax；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。
于本申请的一实施例中，根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)时，包括：
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，构建单体电池电压值预测模型，利用所述单体电池电压值预测模型预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，所述单体电池电压值预测模型包括：Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β。
于本申请的一实施例中，对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值的过程包括：
利用第一控制模块向片选电路模块发送所述燃料电池发动机中待进行电压采集的单体电池编号，并由所述片选电路模块根据所述单体电池编号连接导通对应的电压采集线束；
基于片选电路模块中的片选方向，利用采样电路对与所述单体电池编号对应的单体电池进行电压采集，并将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值；其中，所述采样电路与所述第一控制模块、所述片选电路模块连接。
于本申请的一实施例中，将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值后，所述方法还包括：记录当前采样时刻，并利用比较器对采集的所有单体电池电压值进行比较，获取当前采样时刻下所述燃料电池发动机中的最低单体电池电压值。
于本申请的一实施例中，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)后，所述方法还包括：
判断所述第一控制模块是否接收到燃料电池发动机停机信号；
若所述第一控制模块接收到燃料电池发动机停机信号，则停止对燃料电池发动机进行采样检测；
若所述第一控制模块未接收到燃料电池发动机停机信号，则获取下一采样时刻下所述燃料电池发动机中的最低单体电池电压值。
本申请还提供一种电池电压预测装置，所述装置包括有：
采集模块，用于对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)，ts表示单次采样步长；
比对模块，用于将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果；
预测模块，用于根据所述比对结果，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，β表示预测步长。
于本申请的一实施例中，若所述比对结果为前一采样时刻与当前采样时刻的最低单体电池电压值存在变化，则所述预测模块利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)的数值等于Umin(t0)的数值，以及令b(t0)=0；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。
于本申请的一实施例中，若所述比对结果为前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化，则所述预测模块利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
将前一采样时刻t0-ts的第二过程变量b(t0-ts)的数值与单次采样步长ts的数值进行相加，得到第一数值；
判断所述第一数值是否小于第二过程变量限量值bmax；如果所述第一数值小于第二过程变量限量值bmax，则对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)= a(t0-ts)，以及令b(t0)= b(t0-ts)+ ts；如果所述第一数值大于或等于第二过程变量限量值bmax，则令a(t0)= a(t0-ts)，b(t0)=bmax；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。
本申请还提供一种电池电压预测设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述设备实现如上述中任一项所述的电池电压预测方法。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如上述中任一项所述的电池电压预测方法。
如上所述，本申请提供一种电池电压预测方法、装置、设备及存储介质，具有以下有益效果：
本申请首先对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻下所述燃料电池发动机中的最低单体电池电压值、前一采样时刻下所述燃料电池发动机中的最低单体电池电压值；再将当前采样时刻的最低单体电池电压值与前一采样时刻的最低单体电池电压值进行比对，得到对应的比对结果；最后根据所述比对结果，利用当前采样时刻的最低单体电池电压值预测未来时刻下所述燃料电池发动机中的最低单体电池电压值。由此可知，本申请可以利用最低单体电池电压时间序列历史数据，并基于预测算法实现低实施成本的燃料电池堆最低单体电池电压在线预测方法，提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而能及时地对燃料电池发动机进行系统性控制干预，延缓最差单体电池的性能劣化，避免“短板”单体电池带动相邻单体电池加速寿命衰减和进一步的整堆寿命衰减。此外，本申请不需要改变现有单体电池电压巡检器内部的电路结构，不会增加硬件成本。同时，本申请具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器，即可实现电池电压预测方案的移植。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。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，对于本领域普通技术者来讲，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。在附图中：
图1为本申请中一实施例提供的对单体电池进行电压巡检的原理示意图；
图2为本申请中一实施例提供的电压巡检器报出的最低单体电池电压数据的迟滞示意图；
图3为应用本申请中一个或多个实施例中技术方案的示例性系统架构的示意图；
图4为本申请中一实施例提供的电池电压预测方法的流程示意图；
图5为本申请中另一实施例提供的电池电压预测方法的流程示意图；
图6为本申请中一实施例提供的最低单体电池电压预测算法模块的工作流程示意图；
图7为本申请中一实施例提供的电池电压预测结果示意图；
图8为本申请中一实施例提供的电池电压预测装置额硬件结构示意图；
图9为适用于实现本申请中一个或多个实施例的电池电压预测设备的硬件结构示意图。
实施方式
以下将参照附图和优选实施例来说明本申请的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本申请，而不是为了限制本申请的保护范围。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本申请中的“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请中所涉及的多个，是指两个或两个以上。
在本申请的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
另外，在本申请实施例中，“示例的”一词用于表示作例子、例证或说明。本申请中被描述为“示例”的任何实施例或实现方案不应被解释为比其它实施例或实现方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。
在下文描述中，探讨了大量细节，以提供对本申请实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本申请的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本申请的实施例难以理解。
为了提高燃料电池堆的使用寿命，需要准确地在线监测性能和寿命最差的单体电池运行情况，从而能及早地对燃料电池发动机进行系统性控制干预，避免最差单体电池加速劣化，延缓寿命衰减。目前，对单体电池运行情况进行在线监测的主流手段通常为单体电池电压巡检器（Cell Voltage Monitor，CVM），其工作原理如图1所示。CVM的控制及数据处理中枢为数字信号处理器（Digital Signal Processor，DSP）或微控制器（Micro ControlUnit，MCU），DSP/MCU发送控制信号（待采集单体电池编号）至片选电路芯片，片选电路按照DSP/MCU所发送信号选择性地控制接通单体电池电压采集线束中的某两条信号线，从而导通高精度采样电路与对应被采集单体电池之间的回路，完成对某一片单体电池电压采集，以此类推，按照顺序完成从第一片至最后一片的单体电池电压循环检测。其中，本申请中的单体电池也可以简称为单体，每个单体电池或单体均由双极板、膜电极（表面喷涂催化剂后的质子交换膜装配体）、扩散层（通常为碳纸）等关键组件所组成。其中，双极板起到形成并分隔燃料电池阴阳极的反应气体流道以及冷却水流道的作用；膜电极主要提供反应物质的电化学催化反应界面与质子传输场所；扩散层为反应气体提供扩散和传输的三维立体通道，提高反应气体在反应界面的均匀性，并为膜电极提供机械支撑强度。
虽然CVM能够在线测量燃料电池堆中的每一个单体电池电压，从而搜索出性能最差即电压最低的单体电池，然而因为其工作原理为按顺序扫描巡检，当燃料电池堆单体电池数量过多时，其完成一次从头至尾的单体电池电压巡检最短也需要300ms，而燃料电池发动机控制单元FCCU的计算步长为10ms甚至更短，这意味着在至少30个FCCU计算周期内最低单体电池电压数据将保持为同一个数值，如图2所示。因此，CVM巡检报出的最低单体电池电压数据会相对实际的最低单体电池电压数据产生时间上的滞后，即某一时刻的实际最低单体电池电压可能远低于CVM巡检报出的最低单体电池电压数据。尤其是当燃料电池快速加载时，最低单体电池电压往往会急速下降，过长的报出数据滞后会导致无法感知实际的最低单体电池电压。对于实时控制而言，这种迟滞将造成燃料电池发动机的控制调节出现滞后，影响控制效果，甚至导致对最差单体电池的性能调控失效，起不到保护燃料电池堆的作用。
如何解决CVM报出最低单体电池电压数据出现迟滞的问题，现有的技术解决方案主要思路集中在如何改善片选电路的巡检速度，通常采用性能更优的控制芯片来实现，导致硬件成本上升。目前尚无基于软件算法实现的低成本解决方案。
因此，为了解决目前CVM报出最低单体电池电压数据出现迟滞的问题，图3示出了一种可以应用本申请中一个或多个实施例中技术方案的示例性系统架构的示意图。如图3所示，系统架构100可以包括终端设备110、网络120和服务器130。终端设备110可以包括智能手机、平板电脑、笔记本电脑、台式电脑等各种电子设备。服务器130可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。网络120可以是能够在终端设备110和服务器130之间提供通信链路的各种连接类型的通信介质，例如可以是有线通信链路或者无线通信链路。
根据实现需要，本申请实施例中的系统架构可以具有任意数目的终端设备、网络和服务器。例如，服务器130可以是由多个服务器设备组成的服务器群组。另外，本申请实施例提供的技术方案可以应用于终端设备110，也可以应用于服务器130，或者可以由终端设备110和服务器130共同实施，本申请对此不做特殊限定。
在本申请的一个实施例中，本申请的终端设备110或服务器130可以对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻下所述燃料电池发动机中的最低单体电池电压值、前一采样时刻下所述燃料电池发动机中的最低单体电池电压值；再将当前采样时刻的最低单体电池电压值与前一采样时刻的最低单体电池电压值进行比对，得到对应的比对结果；最后根据所述比对结果，利用当前采样时刻的最低单体电池电压值预测未来时刻下所述燃料电池发动机中的最低单体电池电压值。利用终端设备110或服务器130执行电池电压预测方法，可以利用最低单体电池电压时间序列历史数据，并基于预测算法实现低实施成本的燃料电池堆最低单体电池电压在线预测方法，提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而能及时地对燃料电池发动机进行系统性控制干预，延缓最差单体电池的性能劣化，避免“短板”单体电池带动相邻单体电池加速寿命衰减和进一步的整堆寿命衰减。不需要改变现有单体电池电压巡检器内部的电路结构，也不会增加硬件成本。同时，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器，即可实现电池电压预测方案的移植。
以上部分介绍了应用本申请技术方案的示例性系统架构的内容，接下来继续介绍本申请中可以解决上述问题的电池电压预测方法。
图4示出了本申请一实施例提供的电池电压预测方法流程示意图。具体地，在一示例性实施例中，如图4所示，本实施例提供一种电池电压预测方法，该方法包括以下步骤：
S410，对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)，ts表示单次采样步长。作为示例，本实施例在对燃料电池发动机进行采样检测时，可以通过电池电压巡检器CVM来采集燃料电池发动机中的单体电池电压值。例如通过电池电压巡检器CVM来采集当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)。
S420，将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果；
S430，根据所述比对结果，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，β表示预测步长。
由此可知，本实施例可以利用最低单体电池电压时间序列历史数据，并基于预测算法实现低实施成本的燃料电池堆最低单体电池电压在线预测方法，提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而能及时地对燃料电池发动机进行系统性控制干预，延缓最差单体电池的性能劣化，避免“短板”单体电池带动相邻单体电池加速寿命衰减和进一步的整堆寿命衰减。此外，本实施例不需要改变现有单体电池电压巡检器内部的电路结构，不会增加硬件成本。同时，本实施例具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器，即可实现电池电压预测方案的移植。
在一示例性实施例中，将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果的过程包括：计算当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)的电压差值；若所述电压差值不等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值存在变化；若所述电压差值等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化。具体地，计算当前采样时刻t0的最低单体电池电压值Umin(t0)与前一采样时刻t0-ts的最低单体电池电压值Umin(t0-ts)之间的电压差值
，判断
是否等于0；如果
，则确定前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化；如果
，则确定前一采样时刻与当前采样时刻的最低单体电池电压值存在变化。
根据上述记载，在一示例性实施例中，在前一采样时刻与当前采样时刻的最低单体电池电压值存在变化时，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)的数值等于Umin(t0)的数值，以及令b(t0)=0；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。其中，根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)时，包括：根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，构建单体电池电压值预测模型，利用所述单体电池电压值预测模型预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，所述单体电池电压值预测模型包括：Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β。
根据上述记载，在另一示例性实施例中，在前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化时，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
将前一采样时刻t0-ts的第二过程变量b(t0-ts)的数值与单次采样步长ts的数值进行相加，得到第一数值；
判断所述第一数值是否小于第二过程变量限量值bmax；如果所述第一数值小于第二过程变量限量值bmax，则对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)= a(t0-ts)，以及令b(t0)= b(t0-ts)+ ts；如果所述第一数值大于或等于第二过程变量限量值bmax，则令a(t0)= a(t0-ts)，b(t0)=bmax；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。其中，根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)时，包括：根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，构建单体电池电压值预测模型，利用所述单体电池电压值预测模型预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，所述单体电池电压值预测模型包括：Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β。
在一示例性实施例中，对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值的过程包括：利用第一控制模块向片选电路模块发送所述燃料电池发动机中待进行电压采集的单体电池编号，并由所述片选电路模块根据所述单体电池编号连接导通对应的电压采集线束；基于片选电路模块中的片选方向，利用采样电路对与所述单体电池编号对应的单体电池进行电压采集，并将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值；其中，所述采样电路与所述第一控制模块、所述片选电路模块连接。此外，本实施例将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值后，还可以包括：记录当前采样时刻，并利用比较器对采集的所有单体电池电压值进行比较，获取当前采样时刻下所述燃料电池发动机中的最低单体电池电压值。
在一示例性实施例中，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)后，还可以包括：判断所述第一控制模块是否接收到燃料电池发动机停机信号；若所述第一控制模块接收到燃料电池发动机停机信号，则停止对燃料电池发动机进行采样检测；若所述第一控制模块未接收到燃料电池发动机停机信号，则获取下一采样时刻下所述燃料电池发动机中的最低单体电池电压值。根据图7所示，当CVM报出的最低单体电池电压数据有变化时，本实施例会记录CVM报出数据有变化的时刻t0所对应的最低单体电池电压值Umin(t0)，并计算相对于变化前数值的差值d(t0)，以及前一次更新最低单体电池电压数据的时刻与本次更新最低单体电池电压数据的时刻之间的时间差c(t0)，假设期望的预测步长为β，根据上述实施例的描述可以预测获得t0+β时刻的最低单体电池电压数据，如图7中标注的诸多空心圆点。可以明显看出，在每次CVM报出新数据的瞬间，本实施例所得到的预测数据点（如空心圆点所示）均低于CVM实际采集到的数值Umin(t0)，且具有明显规律，即：当d(t0)越大，c(t0)越小，预测数据点相对于CVM实际采集数据点更低。因此，根据图7的实测效果，本实施例能够起到一定的提前感知最低单体电池电压的功能，从而在一定程度上能够缓解CVM报出数据迟滞的问题，便于及时对燃料电池发动机进行控制干预。
在本申请另一示例性实施例中，本实施例中所使用的燃料电池单体电池电压巡检器CVM的巡检采集基本原理如图1所示，主要包括单体电池电压采集线束、片选电路及控制芯片、高精度采样电路和DSP/MCU控制芯片。基于图1所示的CVM硬件原理可以实现对最低单体电池电压的巡检采集和数据报出，具体实施流程如下：步骤1、DSP/MCU控制芯片向片选电路芯片发送待采集单体电池编号；步骤2、片选电路芯片根据所接收的待采集单体电池编号来控制接通对应单体电池的电压采集线束，完成对应采集线路的导通；步骤3、高精度采样电路对步骤2中所接通的单体电池进行电压采集和A/D模数转换，然后向DSP/MCU控制芯片发送所采集的单体电池电压的数字信号；步骤4、按照一定片选方向，循环执行步骤1至步骤3，采用比较器进行单体电池电压数据比较，如果当前采集的单体电池电压数据低于上一个最低单体电池电压数据则将当前采集的单体电池电压数据作为新的最低单体电池电压数据更新并报出。由于在多达上百片单体电池中巡检扫描出最低单体电池电压需要一定时间，因此单体电池电压巡检器CVM一般会间隔一段时间才报出新的最低单体电池电压数据，在此期间会一直保持上一个数据，因此存在报出数据时间迟滞。
为提高对性能短板单体电池运行状态的感知能力，本申请还提供一种电池电压预测方法，用于对未来时刻最低单体电池电压数据进行预测，如图5所示，具体包括以下步骤：
S1、启动燃料电池发动机，电池电压巡检器CVM单体电池电压巡检器供电后开始工作，跳转至S2。
S2、CVM单体电池电压巡检器对燃料电池电堆中所有单体电池的电压进行巡检，报出当前时刻t0的最低单体电池电压值Umin(t0)，跳转至S3；
S3、将当前时刻最低单体电池电压值Umin(t0)输入最低单体电池电压预测算法模块，得到未来某时刻t0+β的最低单体电池电压预测值Upre(t0+β)，这里β为预测步长，即被预测未来时刻相对于当前时刻的时间长度，完成预测后跳转至S4；其中看，本实施例中的最低单体电池电压预测算法模块如图6所示。
S4、将最低单体电池电压预测算法模块所输出的未来某时刻的最低单体电池电压预测值Upre(t0+β)报出至其他相关控制策略模块，跳转至S5；
S5、判断是否接收到燃料电池发动机停机信号，若是则燃料电池发动机停机，CVM单体电池电压巡检器中断供电，若否则进入下一采样时刻，跳转回S2。
其中，步骤S3中所述的最低单体电池电压预测算法模块具体执行流程如图6所示，具体地：
S31、启动最低单体电池电压预测算法模块，输入当前时刻t0的最低单体电池电压值Umin(t0)，跳转至S32；
S32、计算当前时刻t0的最低单体电池电压值Umin(t0)与前一采样时刻t0-ts的最低单体电池电压值Umin(t0-ts)之间的差值∆U(t0)，跳转至S33；
S33、判断∆U(t0)是否不等于0，若是则跳转至S34，若否则跳转至S35；
S34、对当前时刻t0的过程变量a和b进行赋值操作，令a(t0)= Umin(t0)，b(t0)=0，跳转至S38；
S35、判断b(t0-ts)+ ts＜bmax是否成立，若成立则跳转至S36，若不成立则跳转至S37，这里bmax是用于限制过程变量b上限的经验设定值；
S36、对当前时刻t0的过程变量a和b进行赋值操作，令a(t0)= a(t0-ts)，b(t0)= b(t0-ts)+ ts，跳转至S38；
S37、对当前时刻t0的过程变量a和b进行赋值操作，令a(t0)= a(t0-ts)，b(t0)=bmax，跳转至S38；
S38、判断前一采样时刻t0-ts的过程变量b是否不等于0，即判断b(t0-ts)≠0是否成立，若成立则跳转至S39，若不成立则跳转至S310；
S39、对当前时刻t0的过程变量c进行赋值操作，令c(t0)= b(t0-ts)，跳转至S311；
S310、对当前时刻t0的过程变量c进行赋值操作，令c(t0)=ccon，这里ccon为经验设定值，跳转至S311；
S311、对当前时刻t0的过程变量d进行赋值操作，令d(t0)= Umin(t0)- a(t0-ts)，跳转至S312；
S312、根据公式Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β计算获得以当前时刻点t0为起点向后β时间长度的未来时刻点t0+β所对应的最低单体电池电压预测值Upre(t0+β)，这里β为预测步长，输出Upre(t0+β)至S4，跳转回S32循环执行直至燃料电池发动机停机下电。
由此可知，本实施例不必改变现有的单体电池电压巡检器CVM的片选电路和采样电路芯片以及DSP/MCU控制芯片，具有不增加CVM硬件成本的优势。同时，本实施例可以以现有燃料电池发动机控制器的采样周期ts为步长，基于步骤S36中的循环计数器b(t0)= b(t0-ts)+ ts的原理，检测并计算相邻两次CVM更新最低单体电池电压数据的时间间隔，根据步骤S312中的线性回归原理Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β来递推未来时刻t0+β的预测值，数学原理简单，易于在现有的低成本控制器硬件中实施，无需增加额外的高算力计算单元。此外，本实施例具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器CVM，即可实现本申请算法移植。相当于本实施例针对燃料电池发动机在实际运行过程中存在的CVM报出最低单体电池电压数据存在迟滞的问题，提供了一种低实施成本的燃料电池堆最低单体电池电压在线预测方法。本实施例所提供的最低单体电池电压在线预测方法首先基于燃料电池发动机现有的单体电池电压巡检器CVM进行单体电池电压巡检采集，然后以现有燃料电池发动机控制器的采样周期为步长，基于循环计数器原理，检测相邻两次CVM更新最低单体电池电压数据的时间间隔，最后根据相邻两次CVM更新的最低单体电池电压数据差值，依据线性回归原理递推未来时刻的最低单体电池电压预测值。使用此方法不会改变现有CVM硬件方案及成本；数学原理简单，易于在现有的低成本控制器硬件中实施，无需增加额外的高算力计算单元；具有较强适配性，能够移植于不同功率等级的燃料电池发动机中使用。
在本申请另一示例性实施例中，本申请还提供一种低实施成本的燃料电池堆最低单体电池电压在线预测方法，包括以下步骤：
1、按图1所示的燃料电池单体电池电压巡检原理搭建实验系统，将单体电池电压采集线束与燃料电池堆的每一个单体电池对应连接；
2、根据步骤S31至S312所述，按照图6所示算法原理，在Matlab/Simulink中完成最低单体电池电压预测算法模块的应用层软件模型搭建，并将搭建好的软件模型集成到燃料电池发动机控制器FCCU的软件架构中；
3、将集成了最低单体电池电压预测算法模块的燃料电池发动机控制器FCCU软件模型进行C代码编译，并通过USBCAN设备上载到实际控制器；
4、将燃料电池发动机与测试台架连接，并向燃料电池发动机供给低压电源， CVM和FCCU上电开始工作，CVM报出的数据通过CAN总线发送到燃料电池发动机控制器FCCU中；
5、向燃料电池发动机供给高压电源，并开通测试台架供氢回路和冷却水供给回路，通过INCA软件请求燃料电池发动机开机启动；
6、步骤3中的集成了最低单体电池电压预测算法模块的燃料电池发动机控制器FCCU软件模型将按照图6所示算法原理，依据步骤S31至S312，实时在线预测每个时刻对应的最低单体电池电压未来数据，测试数据通过CANalyzer记录并保存。
由此可知，基于本实施例中的最低单体电池电压在线预测方法，可以实现如图7所示的实际效果。根据图7，当CVM报出的最低单体电池电压数据有变化时，本实施例会记录CVM报出数据有变化的时刻t0所对应的最低单体电池电压值Umin(t0)，并计算相对于变化前数值的差值d(t0)，以及前一次更新最低单体电池电压数据的时刻与本次更新最低单体电池电压数据的时刻之间的时间差c(t0)，假设期望的预测步长为β，根据步骤S312可以预测获得t0+β时刻的最低单体电池电压数据，如图7中标注的诸多空心圆点。可以明显看出，在每次CVM报出新数据的瞬间，本实施例所得到的预测数据点（如空心圆点所示）均低于CVM实际采集到的数值Umin(t0)，且具有明显规律，即：当d(t0)越大，c(t0)越小，预测数据点相对于CVM实际采集数据点更低。因此，根据图7的实测效果，本实施例能够起到一定的提前感知最低单体电池电压的功能，从而在一定程度上能够缓解CVM报出数据迟滞的问题，便于及时对燃料电池发动机进行控制干预。
综上所述，本申请提供一种电池电压预测方法，首先对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻下所述燃料电池发动机中的最低单体电池电压值、前一采样时刻下所述燃料电池发动机中的最低单体电池电压值；再将当前采样时刻的最低单体电池电压值与前一采样时刻的最低单体电池电压值进行比对，得到对应的比对结果；最后根据所述比对结果，利用当前采样时刻的最低单体电池电压值预测未来时刻下所述燃料电池发动机中的最低单体电池电压值。由此可知，本申请可以利用最低单体电池电压时间序列历史数据，并基于预测算法实现低实施成本的燃料电池堆最低单体电池电压在线预测方法，提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而能及时地对燃料电池发动机进行系统性控制干预，延缓最差单体电池的性能劣化，避免“短板”单体电池带动相邻单体电池加速寿命衰减和进一步的整堆寿命衰减。此外，本申请不需要改变现有单体电池电压巡检器内部的电路结构，不会增加硬件成本。同时，本申请具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器，即可实现电池电压预测方案的移植。本方法不必改变现有的单体电池电压巡检器CVM的片选电路和采样电路芯片以及DSP/MCU控制芯片，具有不增加CVM硬件成本的优势。同时，本方法可以以现有燃料电池发动机控制器的采样周期ts为步长，基于步骤S36中的循环计数器b(t0)= b(t0-ts)+ ts的原理，检测并计算相邻两次CVM更新最低单体电池电压数据的时间间隔，根据上述记载的线性回归原理Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β来递推未来时刻t0+β的预测值，数学原理简单，易于在现有的低成本控制器硬件中实施，无需增加额外的高算力计算单元。此外，本方法具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器CVM，即可实现本申请算法移植。相当于本方法针对燃料电池发动机在实际运行过程中存在的CVM报出最低单体电池电压数据存在迟滞的问题，提供了一种低实施成本的燃料电池堆最低单体电池电压在线预测方案。本方法所提供的最低单体电池电压在线预测方法首先基于燃料电池发动机现有的单体电池电压巡检器CVM进行单体电池电压巡检采集，然后以现有燃料电池发动机控制器的采样周期为步长，基于循环计数器原理，检测相邻两次CVM更新最低单体电池电压数据的时间间隔，最后根据相邻两次CVM更新的最低单体电池电压数据差值，依据线性回归原理递推未来时刻的最低单体电池电压预测值。使用此方法不会改变现有CVM硬件方案及成本；数学原理简单，易于在现有的低成本控制器硬件中实施，无需增加额外的高算力计算单元；具有较强适配性，能够移植于不同功率等级的燃料电池发动机中使用。此外，使用本方法的最低单体电池电压在线预测方案，应实现图7所示的实际效果。根据图7，当CVM报出的最低单体电池电压数据有变化时，本申请会记录CVM报出数据有变化的时刻t0所对应的最低单体电池电压值Umin(t0)，并计算相对于变化前数值的差值d(t0)，以及前一次更新最低单体电池电压数据的时刻与本次更新最低单体电池电压数据的时刻之间的时间差c(t0)，假设期望的预测步长为β，则可以预测获得t0+β时刻的最低单体电池电压数据，如图7中标注的诸多空心圆点。可以明显看出，在每次CVM报出新数据的瞬间，本申请所得到的预测数据点（如空心圆点所示）均低于CVM实际采集到的数值Umin(t0)，且具有明显规律，即：当d(t0)越大，c(t0)越小，预测数据点相对于CVM实际采集数据点更低。因此，根据图7的实测效果，本申请能够起到一定的提前感知最低单体电池电压的功能，从而在一定程度上能够缓解CVM报出数据迟滞的问题，便于及时对燃料电池发动机进行控制干预。
如图8所示，本申请还提供一种电池电压预测装置，所述装置包括有：
采集模块810，用于对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)，ts表示单次采样步长。作为示例，本实施例在对燃料电池发动机进行采样检测时，可以通过电池电压巡检器CVM来采集燃料电池发动机中的单体电池电压值。例如通过电池电压巡检器CVM来采集当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)。
比对模块820，用于将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果；
预测模块830，用于根据所述比对结果，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，β表示预测步长。
由此可知，本实施例可以利用最低单体电池电压时间序列历史数据，并基于预测算法实现低实施成本的燃料电池堆最低单体电池电压在线预测方法，提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而能及时地对燃料电池发动机进行系统性控制干预，延缓最差单体电池的性能劣化，避免“短板”单体电池带动相邻单体电池加速寿命衰减和进一步的整堆寿命衰减。此外，本实施例不需要改变现有单体电池电压巡检器内部的电路结构，不会增加硬件成本。同时，本实施例具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器，即可实现电池电压预测方案的移植。
在一示例性实施例中，比对模块820将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果的过程包括：计算当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)的电压差值；若所述电压差值不等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值存在变化；若所述电压差值等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化。具体地，计算当前采样时刻t0的最低单体电池电压值Umin(t0)与前一采样时刻t0-ts的最低单体电池电压值Umin(t0-ts)之间的电压差值
，判断
是否等于0；如果
，则确定前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化；如果
，则确定前一采样时刻与当前采样时刻的最低单体电池电压值存在变化。
在一示例性实施例中，若所述比对结果为前一采样时刻与当前采样时刻的最低单体电池电压值存在变化，则所述预测模块830利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)的数值等于Umin(t0)的数值，以及令b(t0)=0；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。其中，根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)时，包括：根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，构建单体电池电压值预测模型，利用所述单体电池电压值预测模型预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，所述单体电池电压值预测模型包括：Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β。
根据上述记载，在另一示例性实施例中，若所述比对结果为前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化，则所述预测模块830利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)的过程包括：
将前一采样时刻t0-ts的第二过程变量b(t0-ts)的数值与单次采样步长ts的数值进行相加，得到第一数值；
判断所述第一数值是否小于第二过程变量限量值bmax；如果所述第一数值小于第二过程变量限量值bmax，则对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)= a(t0-ts)，以及令b(t0)= b(t0-ts)+ ts；如果所述第一数值大于或等于第二过程变量限量值bmax，则令a(t0)= a(t0-ts)，b(t0)=bmax；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)。其中，根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)时，包括：根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，构建单体电池电压值预测模型，利用所述单体电池电压值预测模型预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)；其中，所述单体电池电压值预测模型包括：Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β。
在一示例性实施例中，采样模块810对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值的过程包括：利用第一控制模块向片选电路模块发送所述燃料电池发动机中待进行电压采集的单体电池编号，并由所述片选电路模块根据所述单体电池编号连接导通对应的电压采集线束；基于片选电路模块中的片选方向，利用采样电路对与所述单体电池编号对应的单体电池进行电压采集，并将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值；其中，所述采样电路与所述第一控制模块、所述片选电路模块连接。此外，本实施例将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值后，还可以包括：记录当前采样时刻，并利用比较器对采集的所有单体电池电压值进行比较，获取当前采样时刻下所述燃料电池发动机中的最低单体电池电压值。
在一示例性实施例中，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre(t0+β)后，还可以包括：判断所述第一控制模块是否接收到燃料电池发动机停机信号；若所述第一控制模块接收到燃料电池发动机停机信号，则停止对燃料电池发动机进行采样检测；若所述第一控制模块未接收到燃料电池发动机停机信号，则获取下一采样时刻下所述燃料电池发动机中的最低单体电池电压值。根据图7所示，当CVM报出的最低单体电池电压数据有变化时，本实施例会记录CVM报出数据有变化的时刻t0所对应的最低单体电池电压值Umin(t0)，并计算相对于变化前数值的差值d(t0)，以及前一次更新最低单体电池电压数据的时刻与本次更新最低单体电池电压数据的时刻之间的时间差c(t0)，假设期望的预测步长为β，根据上述实施例的描述可以预测获得t0+β时刻的最低单体电池电压数据，如图7中标注的诸多空心圆点。可以明显看出，在每次CVM报出新数据的瞬间，本实施例所得到的预测数据点（如空心圆点所示）均低于CVM实际采集到的数值Umin(t0)，且具有明显规律，即：当d(t0)越大，c(t0)越小，预测数据点相对于CVM实际采集数据点更低。因此，根据图7的实测效果，本实施例能够起到一定的提前感知最低单体电池电压的功能，从而在一定程度上能够缓解CVM报出数据迟滞的问题，便于及时对燃料电池发动机进行控制干预。
综上所述，本申请提供一种电池电压预测装置，首先对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻下所述燃料电池发动机中的最低单体电池电压值、前一采样时刻下所述燃料电池发动机中的最低单体电池电压值；再将当前采样时刻的最低单体电池电压值与前一采样时刻的最低单体电池电压值进行比对，得到对应的比对结果；最后根据所述比对结果，利用当前采样时刻的最低单体电池电压值预测未来时刻下所述燃料电池发动机中的最低单体电池电压值。由此可知，本申请可以利用最低单体电池电压时间序列历史数据，并基于预测算法实现低实施成本的燃料电池堆最低单体电池电压在线预测方法，提高对燃料电池堆中性能表现最差的单体电池的运行状态感知能力，从而能及时地对燃料电池发动机进行系统性控制干预，延缓最差单体电池的性能劣化，避免“短板”单体电池带动相邻单体电池加速寿命衰减和进一步的整堆寿命衰减。此外，本申请不需要改变现有单体电池电压巡检器内部的电路结构，不会增加硬件成本。同时，本申请具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器，即可实现电池电压预测方案的移植。本装置不必改变现有的单体电池电压巡检器CVM的片选电路和采样电路芯片以及DSP/MCU控制芯片，具有不增加CVM硬件成本的优势。同时，本装置可以以现有燃料电池发动机控制器的采样周期ts为步长，基于步骤S36中的循环计数器b(t0)= b(t0-ts)+ ts的原理，检测并计算相邻两次CVM更新最低单体电池电压数据的时间间隔，根据上述记载的线性回归原理Upre(t0+β)= Umin(t0)+ d(t0)÷c(t0)×β来递推未来时刻t0+β的预测值，数学原理简单，易于在现有的低成本控制器硬件中实施，无需增加额外的高算力计算单元。此外，本装置具有较强适配性，不同功率等级的燃料电池发动机只需配备基本的单体电池电压巡检器CVM，即可实现本申请算法移植。相当于本装置针对燃料电池发动机在实际运行过程中存在的CVM报出最低单体电池电压数据存在迟滞的问题，提供了一种低实施成本的燃料电池堆最低单体电池电压在线预测方案。本装置所提供的最低单体电池电压在线预测方法首先基于燃料电池发动机现有的单体电池电压巡检器CVM进行单体电池电压巡检采集，然后以现有燃料电池发动机控制器的采样周期为步长，基于循环计数器原理，检测相邻两次CVM更新最低单体电池电压数据的时间间隔，最后根据相邻两次CVM更新的最低单体电池电压数据差值，依据线性回归原理递推未来时刻的最低单体电池电压预测值。使用此方法不会改变现有CVM硬件方案及成本；数学原理简单，易于在现有的低成本控制器硬件中实施，无需增加额外的高算力计算单元；具有较强适配性，能够移植于不同功率等级的燃料电池发动机中使用。此外，使用本装置的最低单体电池电压在线预测方案，应实现图7所示的实际效果。根据图7，当CVM报出的最低单体电池电压数据有变化时，本申请会记录CVM报出数据有变化的时刻t0所对应的最低单体电池电压值Umin(t0)，并计算相对于变化前数值的差值d(t0)，以及前一次更新最低单体电池电压数据的时刻与本次更新最低单体电池电压数据的时刻之间的时间差c(t0)，假设期望的预测步长为β，则可以预测获得t0+β时刻的最低单体电池电压数据，如图7中标注的诸多空心圆点。可以明显看出，在每次CVM报出新数据的瞬间，本申请所得到的预测数据点（如空心圆点所示）均低于CVM实际采集到的数值Umin(t0)，且具有明显规律，即：当d(t0)越大，c(t0)越小，预测数据点相对于CVM实际采集数据点更低。因此，根据图7的实测效果，本申请能够起到一定的提前感知最低单体电池电压的功能，从而在一定程度上能够缓解CVM报出数据迟滞的问题，便于及时对燃料电池发动机进行控制干预。
需要说明的是，上述实施例所提供的电池电压预测装置与上述实施例所提供的电池电压预测方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。上述实施例所提供的电池电压预测装置在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，本处也不对此进行限制。
本申请的实施例还提供了一种电池电压预测设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电池电压预测设备实现上述各个实施例中提供的电池电压预测方法。
图9示出了适于用来实现本申请实施例的电池电压预测设备的计算机装置的结构示意图。需要说明的是，图9示出的电池电压预测设备的计算机系统1000仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统1000包括中央处理单元（Central Processing Unit，CPU）1001，其可以根据存储在只读存储器（Read-Only Memory，ROM）1002中的程序或者从储存部分1008加载到随机访问存储器（Random Access Memory，RAM）1003中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 1003中，还存储有系统操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出（Input /Output，I/O）接口1005也连接至总线1004。
以下部件连接至I/O接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分1007；包括硬盘等的储存部分1008；以及包括诸如LAN（Local AreaNetwork，局域网）卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入储存部分1008。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元（CPU）1001执行时，执行本申请的装置中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机的处理器执行时，使计算机执行如前所述的电池电压预测方法。该计算机可读存储介质可以是上述实施例中描述的电池电压预测设备中所包含的，也可以是单独存在，而未装配入该电池电压预测设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的电池电压预测方法。
上述实施例仅示例性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。
Claims (13)
1.一种电池电压预测方法，其特征在于，所述方法包括以下步骤：
对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)，ts表示单次采样步长；
将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果；
根据所述比对结果，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)；其中，β表示预测步长。
2.根据权利要求1所述的电池电压预测方法，其特征在于，将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果的过程包括：
计算当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)的电压差值；
若所述电压差值不等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值存在变化；
若所述电压差值等于零，则确定前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化。
3.根据权利要求2所述的电池电压预测方法，其特征在于，在前一采样时刻与当前采样时刻的最低单体电池电压值存在变化时，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)的过程包括：
对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)的数值等于Umin(t0)的数值，以及令b(t0)=0；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)。
4.根据权利要求2所述的电池电压预测方法，其特征在于，在前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化时，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)的过程包括：
将前一采样时刻t0-ts的第二过程变量b(t0-ts)的数值与单次采样步长ts的数值进行相加，得到第一数值；
判断所述第一数值是否小于第二过程变量限量值bmax；如果所述第一数值小于第二过程变量限量值bmax，则对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)= a(t0-ts)，以及令b(t0)= b(t0-ts)+ ts；如果所述第一数值大于或等于第二过程变量限量值bmax，则令a(t0)= a(t0-ts)，b(t0)=bmax；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)。
5.根据权利要求3或4所述的电池电压预测方法，其特征在于，根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)时，包括：
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，构建单体电池电压值预测模型，利用所述单体电池电压值预测模型预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)；其中，所述单体电池电压值预测模型包括：Upre (t0+β)= Umin(t0)+ d(t0)÷c(t0)×β。
6.根据权利要求1所述的电池电压预测方法，其特征在于，对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值的过程包括：
利用第一控制模块向片选电路模块发送所述燃料电池发动机中待进行电压采集的单体电池编号，并由所述片选电路模块根据所述单体电池编号连接导通对应的电压采集线束；
基于片选电路模块中的片选方向，利用采样电路对与所述单体电池编号对应的单体电池进行电压采集，并将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值；其中，所述采样电路与所述第一控制模块、所述片选电路模块连接。
7.根据权利要求6所述的电池电压预测方法，其特征在于，将采集后的单体电池电压进行模数转换，得到对应的单体电池电压值后，所述方法还包括：记录当前采样时刻，并利用比较器对采集的所有单体电池电压值进行比较，获取当前采样时刻下所述燃料电池发动机中的最低单体电池电压值。
8.根据权利要求7所述的电池电压预测方法，其特征在于，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)后，所述方法还包括：
判断所述第一控制模块是否接收到燃料电池发动机停机信号；
若所述第一控制模块接收到燃料电池发动机停机信号，则停止对燃料电池发动机进行采样检测；
若所述第一控制模块未接收到燃料电池发动机停机信号，则获取下一采样时刻下所述燃料电池发动机中的最低单体电池电压值。
9.一种电池电压预测装置，其特征在于，所述装置包括有：
采集模块，用于对燃料电池发动机进行采样检测，获取所述燃料电池发动机中的单体电池电压值；其中，所述燃料电池发动机中的单体电池电压值包括：当前采样时刻t0下所述燃料电池发动机中的最低单体电池电压值Umin(t0)、前一采样时刻t0-ts下所述燃料电池发动机中的最低单体电池电压值Umin(t0-ts)，ts表示单次采样步长；
比对模块，用于将当前采样时刻的最低单体电池电压值Umin(t0)与前一采样时刻的最低单体电池电压值Umin(t0-ts)进行比对，得到对应的比对结果；
预测模块，用于根据所述比对结果，利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)；其中，β表示预测步长。
10.根据权利要求9所述的电池电压预测装置，其特征在于，若所述比对结果为前一采样时刻与当前采样时刻的最低单体电池电压值存在变化，则所述预测模块利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)的过程包括：
对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)的数值等于Umin(t0)的数值，以及令b(t0)=0；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)。
11.根据权利要求9所述的电池电压预测装置，其特征在于，若所述比对结果为前一采样时刻与当前采样时刻的最低单体电池电压值不存在变化，则所述预测模块利用当前采样时刻的最低单体电池电压值Umin(t0)预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)的过程包括：
将前一采样时刻t0-ts的第二过程变量b(t0-ts)的数值与单次采样步长ts的数值进行相加，得到第一数值；
判断所述第一数值是否小于第二过程变量限量值bmax；如果所述第一数值小于第二过程变量限量值bmax，则对当前采样时刻t0的第一过程变量a(t0)和当前采样时刻t0的第二过程变量b(t0)进行赋值，令a(t0)= a(t0-ts)，以及令b(t0)= b(t0-ts)+ ts；如果所述第一数值大于或等于第二过程变量限量值bmax，则令a(t0)= a(t0-ts)，b(t0)=bmax；
判断前一采样时刻t0-ts的第二过程变量b(t0-ts)是否不等于0；如果b(t0-ts)≠0，则对当前采样时刻t0的第三过程变量c(t0)进行第一赋值，令c(t0)= b(t0-ts)；如果b(t0-ts)=0，则对当前采样时刻t0的第三过程变量c(t0)进行第二赋值，令c(t0)=ccon；其中，ccon为预设值；
对当前采样时刻t0的第四过程变量d(t0)进行赋值，令d(t0)= Umin(t0)- a(t0-ts)；
根据当前采样时刻t0的第三过程变量c(t0)、当前采样时刻t0的第四过程变量d(t0)、当前采样时刻t0的最低单体电池电压值Umin(t0)和预测步长β，预测未来时刻t0+β下所述燃料电池发动机中的最低单体电池电压值Upre (t0+β)。
12.一种电池电压预测设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述设备实现如权利要求1至8中任一项所述的电池电压预测方法。
13.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如权利要求1至8中任一项所述的电池电压预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310284916.3A CN116068413B (zh) | 2023-03-22 | 2023-03-22 | 一种电池电压预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310284916.3A CN116068413B (zh) | 2023-03-22 | 2023-03-22 | 一种电池电压预测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116068413A true CN116068413A (zh) | 2023-05-05 |
| CN116068413B CN116068413B (zh) | 2023-08-18 |
Family
ID=86178827
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310284916.3A Active CN116068413B (zh) | 2023-03-22 | 2023-03-22 | 一种电池电压预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116068413B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1023674A (ja) * | 1996-07-01 | 1998-01-23 | Fujitsu Ltd | 電池残量予測方法、電池ユニット及び電池ユニットを使用する装置 |
| CN111948541A (zh) * | 2020-08-13 | 2020-11-17 | 中国第一汽车股份有限公司 | 车辆电池过压预测方法、装置、服务器及存储介质 |
| CN112363060A (zh) * | 2020-11-11 | 2021-02-12 | 集美大学 | 固体氧化物燃料电池电压预测方法、终端设备及存储介质 |
| CN112883645A (zh) * | 2021-02-18 | 2021-06-01 | 中国第一汽车股份有限公司 | 单体电池电压不一致故障预测方法、装置及服务器 |
| CN113406505A (zh) * | 2021-07-22 | 2021-09-17 | 中国第一汽车股份有限公司 | 一种燃料电池的剩余寿命预测方法及装置 |
| CN113589174A (zh) * | 2021-07-26 | 2021-11-02 | 蜂巢能源科技有限公司 | 一种锂离子动力电池系统电芯一致性预测方法及装置 |
| CN113791350A (zh) * | 2021-08-06 | 2021-12-14 | 陕西汽车集团股份有限公司 | 电池故障预测方法 |
| CN115453185A (zh) * | 2022-08-30 | 2022-12-09 | 沙龙机甲科技有限公司 | 电池包的电压采样检测方法及装置、车辆和存储介质 |
-
2023
- 2023-03-22 CN CN202310284916.3A patent/CN116068413B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1023674A (ja) * | 1996-07-01 | 1998-01-23 | Fujitsu Ltd | 電池残量予測方法、電池ユニット及び電池ユニットを使用する装置 |
| CN111948541A (zh) * | 2020-08-13 | 2020-11-17 | 中国第一汽车股份有限公司 | 车辆电池过压预测方法、装置、服务器及存储介质 |
| CN112363060A (zh) * | 2020-11-11 | 2021-02-12 | 集美大学 | 固体氧化物燃料电池电压预测方法、终端设备及存储介质 |
| CN112883645A (zh) * | 2021-02-18 | 2021-06-01 | 中国第一汽车股份有限公司 | 单体电池电压不一致故障预测方法、装置及服务器 |
| CN113406505A (zh) * | 2021-07-22 | 2021-09-17 | 中国第一汽车股份有限公司 | 一种燃料电池的剩余寿命预测方法及装置 |
| WO2023000985A1 (zh) * | 2021-07-22 | 2023-01-26 | 中国第一汽车股份有限公司 | 燃料电池的剩余寿命预测方法及装置 |
| CN113589174A (zh) * | 2021-07-26 | 2021-11-02 | 蜂巢能源科技有限公司 | 一种锂离子动力电池系统电芯一致性预测方法及装置 |
| CN113791350A (zh) * | 2021-08-06 | 2021-12-14 | 陕西汽车集团股份有限公司 | 电池故障预测方法 |
| CN115453185A (zh) * | 2022-08-30 | 2022-12-09 | 沙龙机甲科技有限公司 | 电池包的电压采样检测方法及装置、车辆和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 江一艇: "基于边缘计算的动力电池电压故障诊断系统研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 02, pages 035 - 1690 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116068413B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109324291B (zh) | 一种针对质子交换膜燃料电池寿命预测的预测方法 | |
| CN108287317B (zh) | 电池功率预测模型生成方法及系统、功率预测方法及系统 | |
| CN112446976B (zh) | 巡检机器人、巡检系统、巡检方法 | |
| CN111812518A (zh) | 电池状态监控方法、存储介质和系统 | |
| CN108347352A (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
| CN116565402A (zh) | 储能电池冷却系统及控制方法 | |
| Xiao et al. | Fault diagnosis method for proton exchange membrane fuel cells based on EIS measurement optimization | |
| CN117192391A (zh) | 储能电池异常识别方法、系统、装置及储能站 | |
| CN116068413B (zh) | 一种电池电压预测方法、装置、设备及存储介质 | |
| He et al. | A quick evaluation method for the lifetime of the fuel cell MEA with the particle filter algorithm | |
| CN118209865A (zh) | 一种燃料电池电堆寿命预测方法及其应用的发动机系统及车辆 | |
| CN104156285A (zh) | 基于vba模块的分区燃料电池实验数据处理方法及系统 | |
| CN117471325A (zh) | 故障诊断方法及装置 | |
| CN116430259A (zh) | 一种基于ecsa的质子交换膜燃料电池寿命预测方法及系统 | |
| Azzouz et al. | Analysis of the critical failure modes and developing an aging assessment methodology for lithium iron phosphate batteries | |
| CN116118533A (zh) | 一种电动汽车充电故障智能诊断方法、系统及存储介质 | |
| CN114924202A (zh) | 一种燃料电池使用寿命的检测方法和检测装置 | |
| CN115128986A (zh) | 基于SaaS级的工业互联网产量实时监控系统及方法 | |
| CN109740797A (zh) | 一种基于条件概率的电力设备缺陷事件预警方法 | |
| CN112630665B (zh) | 一种基于智能网联的锂电池寿命预测系统 | |
| CN114244681A (zh) | 设备连接故障预警方法、装置、存储介质及电子设备 | |
| CN112083340B (zh) | 蓄电池组性能检测方法及装置、存储介质、终端 | |
| Li et al. | Health state monitoring and predicting of proton exchange membrane fuel cells: A review | |
| Hu et al. | Review on State of Health Definition in Relation to Proton Exchange Membrane Fuel Cells in Fuel Cell Electric Vehicles | |
| CN115995586A (zh) | 一种燃料电池发动机功率控制方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 5/F, Block A, Science and Innovation Building, Huizhi Industrial Park, Lishui Economic Development Zone, Nanjing, Jiangsu 211200 Patentee after: Shenzhen Blue Automobile Nanjing Research Institute Co.,Ltd. Address before: 5/F, Block A, Science and Innovation Building, Huizhi Industrial Park, Lishui Economic Development Zone, Nanjing, Jiangsu 211200 Patentee before: Chang'an new energy Nanjing Research Institute Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |