CN116184216B

CN116184216B - 电池状态检测方法及装置

Info

Publication number: CN116184216B
Application number: CN202310477605.9A
Authority: CN
Inventors: 费为伟; 倪鹏飞; 邓瑞阳; 王军
Original assignee: GAC Aion New Energy Automobile Co Ltd
Current assignee: GAC Aion New Energy Automobile Co Ltd
Priority date: 2023-04-28
Filing date: 2023-04-28
Publication date: 2023-07-14
Anticipated expiration: 2043-04-28
Also published as: CN116184216A

Abstract

本申请涉及能量检测技术领域，提供一种电池状态检测方法及装置。所述方法包括：根据电池的当前电池参数，得到电池的当前状态预估值；根据当前状态预估值以及当前电池参数组成的当前案例，从各历史案例中获取与当前案例对应的目标案例；根据目标案例对应的误差值和当前状态预估值，得到电池状态检测结果；其中，历史案例包括电池的历史电池参数，以及根据历史电池参数得到的历史状态预估值；历史案例对应的误差值根据历史状态预估值，以及电池在处于历史电池参数的情况下测得的理想状态值确定。本申请实施例提供的电池状态检测方法能够提高电池状态的检测精度。

Description

电池状态检测方法及装置

技术领域

本申请涉及能量检测技术领域，具体涉及一种电池状态检测方法及装置。

背景技术

目前，电池已被许多可再生能源系统用作能量存储设备，并大规模应用于新能源汽车，如新能源汽车以大规模的使用锂离子电池作为动力来源。作为电池系统的关键参数之一，准确的电池状态，如电池荷电状态(SOC)、电池健康状态（SOH）或电池剩余能量（SOE）能帮助BMS（Battery Management System，电池管理系统）更好地进行能量管理，其变化直接影响电池的使用性能、可靠性及安全性。

相关技术中，对于电池状态检测，通常采用安时积分法或开路电压法来对电池状态进行估算，以确定电池的电池荷电状态、电池健康状态或电池剩余能量。然而，由于利用安时积分和开路电压检测到的电池状态，未能准确表征电池状态在估算过程中存在的累积误差，导致检测精度不足。

发明内容

本申请旨在至少解决相关技术中存在的技术问题之一。为此，本申请提出一种电池状态检测方法，能够提高电池状态的检测精度。

本申请还提出一种电池状态检测装置。

本申请还提出一种电子设备。

本申请还提出一种计算机可读存储介质。

根据本申请第一方面实施例的电池状态检测方法，包括：

根据电池的当前电池参数，得到所述电池的当前状态预估值；

根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例；

根据所述目标案例对应的误差值和所述当前状态预估值，得到电池状态检测结果；

其中，所述历史案例包括所述电池的历史电池参数，以及根据所述历史电池参数得到的历史状态预估值；

所述历史案例对应的误差值根据所述历史状态预估值，以及所述电池在处于所述历史电池参数的情况下测得的理想状态值确定。

通过利用电池的当前电池参数，得到电池的当前状态预估值后，根据当前状态预估值以及当前电池参数组成的当前案例，从各历史案例中获取与当前案例对应的目标案例，再利用目标案例对应的误差值对电池的当前状态预估值进行误差补偿。由于目标案例对应的误差值是根据目标案例的历史状态预估值，以及电池在处于历史电池参数的情况下测得的理想状态值确定的，因此能够提高对当前状态预估值进行补偿的误差值的置信度，从而有效地弥补了电池状态在估算过程中存在的累积误差，提高了对电池状态的检测精度。

根据本申请的一个实施例，根据电池的当前电池参数，得到所述电池的当前状态预估值，包括：

对所述当前电池参数根据拓展卡尔曼滤波依次进行电池状态的先验估计和后验估计，得到所述当前状态预估值。

根据本申请的一个实施例，根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例，包括：

根据所述当前案例的所述当前状态预估值，从各所述历史案例中，获取历史状态预估值与所述当前状态预估值处于同一预设数值区间的各备选案例；

根据当前案例的当前电池参数与各所述备选案例的历史电池参数的相似度，从各所述备选案例中确定所述目标案例。

根据本申请的一个实施例，还包括：

根据各所述历史案例的状态预估值之间的相似度，对各所述历史案例进行分组，得到各第一历史案例集；

根据所述第一历史案例集中各历史案例的历史状态预估值的最大值和最小值，确定所述第一历史案例集中各所述历史案例所处的所述预设数值区间。

根据本申请的一个实施例，还包括：

根据所述历史案例的历史状态预估值，以及所述电池在处于所述历史案例的历史电池参数的情况下测得的理想状态值，得到所述历史案例对应的初始误差；

根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例的初始误差进行调整，得到各所述历史案例对应的误差值。

根据本申请的一个实施例，所述根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例的初始误差进行调整，得到各所述历史案例对应的误差值，包括：

根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例进行分组，得到各第二历史案例集；

根据所述第二历史案例集中各所述历史案例对应的初始误差，得到所述第二历史案例集中各所述历史案例对应的误差值；

其中，同一所述历史案例集的各所述历史案例对应的误差值相同。

根据本申请的一个实施例，所述电池状态检测结果包括电池荷电状态检测结果、电池健康状态检测结果或电池剩余能量检测结果中的至少一种。

根据本申请第二方面实施例的电池状态检测装置，包括：

荷电状态预估模块，用于根据电池的当前电池参数，得到所述电池的当前状态预估值；

目标案例获取模块，用于根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例；

荷电状态确定模块，用于根据所述目标案例对应的误差值和所述当前状态预估值，得到所述电池状态检测结果；

根据本申请第三方面实施例的电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现上述任一实施例所述的电池状态检测方法。

根据本申请第四方面实施例的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的电池状态检测方法。

根据本申请第五方面实施例的计算机程序产品，包括：所述计算机程序被处理器执行时实现如上述任一实施例所述的电池状态检测方法。

本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的电池状态检测方法的第一流程示意图；

图2是本申请实施例中电池的等效电路模型图；

图3是本申请实施例提供的电池状态检测方法的第二流程示意图；

图4是本申请实施例提供的电池状态检测方法的第三流程示意图；

图5是本申请实施例提供的电池状态检测方法的第四流程示意图；

图6是本申请实施例提供的电池状态检测方法的第五流程示意图；

图7是本申请实施例提供的电池状态检测装置的结构示意图；

图8是本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面，将通过几个具体的实施例对本申请实施例提供的电池状态检测方法及装置进行详细介绍和说明。

在一些实施例中，提供了一种电池状态检测方法，该方法应用于控制器，用于进行电池状态检测。其中，控制器可以为单片机、控制芯片或服务器等控制设备，服务器可以是独立的服务器或者是多个服务器组成的服务器集群来实现，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能采样点设备等基础云计算服务的云服务器。

如图1所示，本实施例提供的一种电池状态检测方法包括：

步骤101，根据电池的当前电池参数，得到所述电池的当前状态预估值；

步骤102，根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例；

步骤103，根据所述目标案例对应的误差值和所述当前状态预估值，得到所述电池状态检测结果；

在一些实施例中，电池的当前电池参数可根据需要检测的当前电池状态确定。其中，电池状态可以是电池荷电状态(SOC)、电池健康状态（SOH）或电池剩余能量（SOE）。示例性的，假设需要检测的当前电池状态为电池荷电状态，则可获取电池的温度、开路电压、欧姆内阻、电池端电压、电池电流、电池极化电阻、极化电容和极化电压等作为电池的当前电池参数。

对于电池的电池参数，可以是通过等效电路来获取。示例性的，可根据电池特性，建立合适的等效电路模型，以根据其空间状态方程来确定电池参数。以图2一阶RC模型（Thevenin模型）为例，一阶RC模型的空间状态方程为：

其中，U_OC表示电池的开路电压，R₀表示电池的欧姆内阻，U_t表示电池端电压，i_L表示电池电流，R_p、C_p、U_p分别表电池极化电阻、极化电容和极化电压。

通过上述空间状态方程进行离线HPPC试验或在线参数辨识等方式进行处理，即可得到电池的电池参数。

在利用上述空间状态方程得到当前电池参数后，可使用安时积分法、开路电压法、粒子滤波法和神经网络法等方式，对当前电池参数进行处理，来得到电池的当前状态预估值，如得到电池的当前荷电状态预估值。

在得到电池的当前状态预估值后，将该当前状态预估值与当前电池参数进行组合，来得到包括有当前状态预估值与当前电池参数的集合，即当前案例。然后，将该当前案例与各历史案例进行匹配，以从各历史案例中，选取与当前案例的相似度大于阈值的历史案例作为目标案例。其中，历史案例包括利用上述空间状态方程得到的历史电池参数，以及利用该历史电池参数进行状态估算得到的历史状态预估值。

而针对任意一个历史案例，均在实验室采用专用高精度设备，预先实时计算电池在处于该历史案例的历史电池参数的情况下的理想状态值。以电池荷电状态检测为例，可针对不同工况，在实验室采用专用高精度设备，使用AH积分法实时计算得到电池在处于某个历史案例的历史电池参数的情况下的理想SOC值。然后，根据该理想状态值和该历史案例的历史状态预估值，即可确定该历史案例对应的误差值。

而为进一步提高历史案例对应的误差值的可信度，在得到某个历史状态预估值时，可先判断该历史状态预估值的合理性。如针对电池荷电状态评估，其历史状态预估值的合理百分比区间应该为[0,1]，若得到的历史状态预估值位于该区间外，则表示该历史状态预估值不合理，将其剔除；否则，将其与对应的历史电池参数进行组合，形成目标案例。或者，可以是在得到历史案例对应的误差值后，判断该误差值是否不合理，如是否大于预设值；若大于预设值，则表示该误差值不合理，此时则将该历史案例剔除，从而保证历史案例的质量，提高后续电池状态检测的准确度。

这样，当从各历史案例中获取与当前案例对应的目标案例后，即可使用该目标案例对应的误差值对电池的当前状态预估值进行补偿，从而得到电池的状态检测结果。

而为提高获取到的当前状态预估值的精度，在一些实施例中，可利用拓展卡尔曼滤波对当前电池参数依次进行电池状态的先验估计和后验估计，来得到当前状态预估值。

作为一种可能的实施方式，假设需检测的电池状态为电池荷电状态，电池的等效模型如图2所示，则可选取

为状态变量，建立如下状态方程：

此时确定状态转移矩阵：

输出矩阵：

即观测矩阵和测量矩阵为：

结合拓展卡尔曼滤波算法，荷电状态估计如下：

步骤1：初始化

对于

，设定P₀，Q，R

步骤2：先验估计

状态先验估计：

状态协方差先验估计：

步骤3：后验估计

卡尔曼增益矩阵：

状态后验估计：

状态协方差后验估计：

步骤4：时间更新

令 k = k+1，返回步骤 2）。

其中：x_k, y_k, u_k分别表示等效电路模型的状态量、输出量和输入量，Q 和 R分别表示等效电路模型的过程噪声和测量噪声的协方差矩阵。

在通过拓展卡尔曼滤波得到电池的当前状态预估值后，即可根据当前状态预估值以及当前电池参数组成的当前案例，来获取与当前案例对应的目标案例，以利用目标案例的误差值对该当前状态预估值进行补偿，以弥补拓展卡尔曼滤波算法受到未知非高斯干扰的影响，增强拓展卡尔曼滤波算法的适用性和鲁棒性。

考虑到针对不同极端状态的电池的状态估算的误差相差较大，如进行电池荷电状态检测时，针对高、低SOC电池的SOC估算的误差相差较大，若将当前案例与历史案例进行整体的相似度匹配，可能会因状态预估值的影响被弱化而出现匹配到的历史案例的历史状态预估值，与当前案例的当前状态预估值差距较大的情况，影响电池状态检测的准确性。为此，在一些实施例中，如图3所示，根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例，包括：

步骤201，根据所述当前案例的所述当前状态预估值，从各所述历史案例中，获取历史状态预估值与所述当前状态预估值处于同一预设数值区间的各备选案例；

步骤202，根据当前案例的当前电池参数与各所述备选案例的历史电池参数的相似度，从各所述备选案例中确定所述目标案例。

在一些实施例中，可预先设置有多个预设数值区间。在获取到当前案例后，根据该当前案例的当前状态预估值，确定当前状态预估值所属的预设数值区间，以从各历史案例中，获取历史状态预估值也处于该预设数值区间的各历史案例作为各备选案例。

在获取到各备选案例后，再通过KNN算法，将当前案例的当前电池参数，与各备选案例的历史电池参数进行相似度计算，以得到与当前电池参数的相似度最高的历史电池参数对应的备选案例，作为目标案例。

通过当前案例的当前状态预估值，从各历史案例中，获取历史状态预估值与当前状态预估值处于同一预设数值区间的各备选案例后，再根据当前案例的当前电池参数与各备选案例的历史电池参数的相似度，从各备选案例中确定目标案例，从而避免获取到的目标案例的历史状态预估值与当前状态预估值的误差过大，提高后续得到的误差值的执行度，进而提高电池状态检测的准确性。

在一些实施例中，如图4所示，对于预设数值区间的设置，可以包括：

步骤301，根据各所述历史案例的状态预估值之间的相似度，对各所述历史案例进行分组，得到各第一历史案例集；

步骤302，根据所述第一历史案例集中各历史案例的状态预估值的最大值和最小值，确定所述第一历史案例集中各所述历史案例所处的所述预设数值区间。

在一些实施例中，可通过KNN算法，来对各历史案例的历史状态预估值进行相似度计算，以对各历史状态预估值进行分组，得到各第一历史案例集。然后，针对第一历史案例集，将该第一历史案例集中数值最小的历史状态预估值，作为与该第一历史案例集对应的预设数值区间的最小值，同时将该第一历史案例集中数值最大的历史状态预估值，作为与该第一历史案例集对应的预设数值区间的最大值。这样，便可根据多组第一历史案例集的历史状态预估值，来得到多个预设数值区间。

在得到各预设数值区间后，即可根据当前案例的当前状态预估值，来获取历史状态预估值与当前状态预估值处于同一预设数值区间的各备选案例，再通过KNN算法，将当前案例的当前电池参数，与各备选案例的历史电池参数进行相似度计算。

其中，任意两个案例的电池参数的相似度计算可以为：

其中，D_k和Y_k表示两个不同的案例，

是案例中第i个电池参数的权重，表示各电池参数对相似度计算的影响程度，约束条件为：

权重分配可根据各电池参数对电池状态估算误差的影响程度进行设置，如可采用均权法，即

。

通过上述相似度的计算方式，即可从各历史案例中，得到与当前电池参数的相似度最高的历史电池参数对应的备选案例作为目标案例。在得到目标案例后，即可获取与该目标案例对应的误差值来对当前状态预估值进行补偿，以得到电池状态检测结果。

而针对历史案例对应的误差值，可以是将历史案例的历史状态预估值，与电池在处于所述历史案例的历史电池参数的情况下测得的理想状态值相减，来得到其对应的误差值。此外，在一些实施例中，如图5所示，历史案例对应的误差值的确定，还可以是：

步骤401，根据所述历史案例的历史状态预估值，以及所述电池在处于所述历史案例的历史电池参数的情况下测得的理想状态值，得到所述历史案例对应的初始误差；

步骤402，根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例的初始误差进行调整，得到各所述历史案例对应的误差值。

在一些实施例中，可先将历史案例的历史状态预估值，与电池在处于所述历史案例的历史电池参数的情况下测得的理想状态值相减，来得到其对应的初始误差。同时，针对各历史案例的历史电池参数，可通过KNN算法进行相似度计算，来得到各历史案例的历史电池参数之间的相似度。然后，若任意两个历史案例的历史电池参数之间的相似度大于阈值λ，则调整这两个历史案例对应的初始误差，直至两个历史案例对应的初始误差的差值小于设定值。

具体的，如图6所示，根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例的初始误差进行调整，得到各所述历史案例对应的误差值，包括：

步骤501，根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例进行分组，得到各第二历史案例集；

步骤502，根据所述第二历史案例集中各所述历史案例对应的初始误差，得到所述第二历史案例集中各所述历史案例对应的误差值；

其中，同一所述历史案例集的各所述历史案例对应的误差值相同

作为一种可能的实施方式，可通过KNN算法，来对各历史案例的历史电池参数进行相似度计算，以对各历史电池参数进行分组，得到各第二历史案例集。然后，针对任一第二历史案例集，将该第二历史案例集中各历史案例对应的初始误差进行求平均，以将第二历史案例集中各历史案例对应的初始误差的平均值，作为该第二历史案例集中各历史案例对应的误差值。或者，针对任一第二历史案例集，还可以计算该第二历史案例集中各历史案例对应的初始误差的中值，以将第二历史案例集中各历史案例对应的初始误差的中值，作为该第二历史案例集中各历史案例对应的误差值。

下面对本申请提供的电池状态检测装置进行描述，下文描述的电池状态检测装置与上文描述的电池状态检测方法可相互对应参照。

在一些实施例中，如图7所示，提供了一种电池状态检测装置，包括：

荷电状态预估模块210，用于根据电池的当前电池参数，得到所述电池的当前状态预估值；

目标案例获取模块220，用于根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例；

荷电状态确定模块230，用于根据所述目标案例对应的误差值和所述当前状态预估值，得到所述电池状态检测结果；

在一些实施例中，荷电状态预估模块210具体用于：

在一些实施例中，目标案例获取模块220具体用于：

在一些实施例中，目标案例获取模块220还用于：

在一些实施例中，目标案例获取模块220具体用于：

在一些实施例中，所述电池状态检测结果包括电池荷电状态检测结果、电池健康状态检测结果或电池剩余能量检测结果中的至少一种。

图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器（processor）810、通信接口（Communication Interface）820、存储器（memory）830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序，以执行电池状态检测方法，例如包括：

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本申请实施例还提供一种存储介质，存储介质包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各实施例所提供的电池状态检测方法，例如包括：

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims

1.一种电池状态检测方法，其特征在于，包括：

所述历史案例对应的误差值根据所述历史状态预估值，以及所述电池在处于所述历史电池参数的情况下测得的理想状态值确定；

根据所述当前状态预估值以及所述当前电池参数组成的当前案例，从各历史案例中获取与所述当前案例对应的目标案例，包括：

2.根据权利要求1所述的电池状态检测方法，其特征在于，根据电池的当前电池参数，得到所述电池的当前状态预估值，包括：

3.根据权利要求1所述的电池状态检测方法，其特征在于，还包括：

4.根据权利要求1或3所述的电池状态检测方法，其特征在于，还包括：

5.根据权利要求4所述的电池状态检测方法，其特征在于，所述根据各所述历史案例的历史电池参数之间的相似度，对各所述历史案例的初始误差进行调整，得到各所述历史案例对应的误差值，包括：

6.根据权利要求1所述的电池状态检测方法，其特征在于，所述电池状态检测结果包括电池荷电状态检测结果、电池健康状态检测结果或电池剩余能量检测结果中的至少一种。

7.一种电池状态检测装置，其特征在于，包括：

所述目标案例获取模块具体用于：

8.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的电池状态检测方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的电池状态检测方法。