CN116400223A - 一种电池电量信息生成方法、设备及可读存储介质 - Google Patents

Abstract

本发明提供一种电池电量信息生成方法、设备及可读存储介质，涉及动力电池技术领域，以解决实际应用中SOC估算精度较低的问题。该方法包括建立电池的等效电路模型，得到所述等效电路模型的数学表达式；基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式；获取所述电池的工作参数集，所述工作参数集包括预设时间段内，每隔预设时长采集到的工作参数；基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值；基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息。本发明可以使得SOC估算精度较高。

Description

一种电池电量信息生成方法、设备及可读存储介质

技术领域

本发明涉及动力电池技术领域，特别涉及一种电池电量信息生成方法、设备及可读存储介质。

背景技术

目前动力电池荷电状态(State of Charge，SOC)的估算方案是采用电流积分和开路电压(Open circuit voltage，OCV)修正的方法，但由于电流传感器采集存在误差且OCV修正需要满足一定的静置条件，所以该方案在实际应用中存在电流累计误差且在车辆运行时无法实时地修正SOC，导致SOC估算精度较低。

发明内容

本发明实施例提供了一种电池电量信息生成方法、设备及可读存储介质，在目前实际应用中，存在电流累计误差且在车辆运行时无法实时地修正SOC，导致SOC估算精度较低的问题。

为了解决以上问题，本发明实施例采用以下技术方案：

第一方面，本发明实施例提供了一种电池电量信息的生成方法，包括：

建立电池的等效电路模型，得到所述等效电路模型的数学表达式，所述数学表达式至少包括以下参数：欧姆内阻、极化内阻和电容；

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式；

获取所述电池的工作参数集，所述工作参数集包括预设时间段内，每隔预设时长采集到的工作参数，所述工作参数包括电压采集值和电流采集值；

基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值；

基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，所述SOC初始值为所述电池在预设时间段内的初始剩余容量。

可选地，所述预设时间段的结束时间点为当前时间点，所述基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，包括：

基于所述电压预测值和所述电压采集值，确定电压误差值，其中，所述电压误差值为所述电压预测值和所述电压采集值的差值；

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，所述SOC当前值为当前时间点SOC的值；

基于所述SOC当前值、所述电压误差值和所述龙贝格增益系数，生成SOC信息，所述SOC信息包括当前时间点的SOC修正值，所述SOC修正值为所述电压误差值和所述龙贝格增益系数的乘积与所述SOC当前值之和。

可选地，所述基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息之前，还包括：

基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，所述电池管理系统用于管理所述电池。

可选地，所述基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，包括：

在所述电池的温度低于第一预设阈值或者所述电池管理系统开启均衡功能的情况下，确定龙贝格增益系数为预设的第一增益值；

在所述SOC当前值低于第二预设阈值或者高于第三预设阈值的情况下，确定龙贝格增益系数为预设的第二增益值；

在所述电流预测值高于第四预设阈值的情况下，确定龙贝格增益系数为预设的所述第二增益值；

在所述SOC当前值位于所述第二预设阈值和所述第三预设阈值之间，并且所述电流预测值低于第五预设阈值的情况下，确定龙贝格增益系数为预设的第三增益值，其中，所述第一增益值小于所述第二增益值，所述第二增益值小于所述第三增益值。

可选地，所述建立电池的等效电路模型，得到所述等效电路模型的数学表达式，包括：

建立电池的一阶RC等效电路模型，得到所述一阶RC等效电路模型的数学表达式，如下公式所示：

其中，R₀为所述欧姆内阻、R₁为所述极化内阻，C₁为所述电容，

为dU₁/dt，即U₁对时间的导数，U_t为电池电压，U_oc为所述开路电压，U₁为R₁两端的电压，I_L为电池的充放电电流。

可选地，所述基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，包括：

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，如下公式所示：

U_t，k＝(1-a₁)U_oc，k+a₁U_t，k-1+a₂I_L，k+a₃I_L，k-1

其中，U_t为所述预测电压，τ₁＝R₁C₁，T为所述预设时长，k为当前采样时间点，k-1为上一采样时间点，a₁、a₂和a₃为常数系数。

可选地，所述基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值，包括：

基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，得到输出矩阵y_k，参数矩阵θ和数据矩阵Φ如下公式所示：

其中，I_L为所述电流采集值，U_L，为所述电压采集值；

利用遗忘因子递推最小二乘法求参数矩阵θ，得到参数值；

基于所述参数值，得到电压预测值。

可选地，所述基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，包括：

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，如下公式所示：

SOC_k＝SOC₀+∫I*dt/C_a

其中，SOC_k为所述SOC当前值，SOC₀为所述SOC初始值，I为所述电流采集值，C_a为所述电池容量。

第二方面，本发明实施例提供了一种电池电量信息生成设备，所述设备包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；

所述处理器，用于读取存储器中的程序实现如第一方面所述的方法中的步骤。

第三方面，本发明实施例提供了一种可读存储介质，用于存储程序，所述程序被处理器执行时实现如第一方面所述的方法中的步骤。

在本发明实施例中，所述方法可以基于根据电池模型的预测电压与实际采集电压的误差，结合龙贝格增益系数，实时在线修正当前SOC，从而使得SOC估算精度较高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种电池电量信息生成方法的流程图；

图2是本发明实施例提供的一种电池等效电路的模型图；

图3是本发明实施例提供的一种基于遗忘因子递推最小二乘法参数辨识的流程图；

图4是本发明实施例提供的一种基于龙贝格观测器的SOC估算的流程图；

图5是本发明实施例提供的一种电池电量信息生成设备的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。

除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。

请参见图1，图1为一种电池电量信息生成方法的流程图，如图1所示，包括：

步骤101，建立电池的等效电路模型，得到所述等效电路模型的数学表达式，所述数学表达式至少包括以下参数：欧姆内阻、极化内阻和电容。

具体地，所述等效电路模型可以是一阶RC等效电路模型、二阶RC等效电路模型和三阶RC等效电路模型等，所述欧姆内阻可以是用于等效所述电池内部的电阻，所述极化内阻和电容可以是用于等效所述电池在充放电过程中电极材料内部的电阻。

例如，图2为一种电池等效电路的模型图，如图2所示，等效电路模型是一阶RC等效电路模型，数学表达式如下所示：

其中，R₀为所述欧姆内阻、R₁为所述极化内阻，C₁为所述电容，

为dU₁/dt，即U₁对时间的导数，U_t为电池电压，U_oc为所述开路电压，U₁为R₁两端的电压，I_L为电池的充放电电流。

步骤102，基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式。

具体地，所述离散化处理可以是一个训练集预处理的方法，用于将连续的数值属性转化为离散的数值属性，所述预测电压表达式用于预测所述电池端的电压，例如，上述等效电路模型数学表达式进行离散化，得到预测电压表达式如下所示：

U_t,k＝(1-a₁)U_oc,k+a₁U_t,k-1+a₂I_L,k+a₃I_L,k-1

其中，U_t为所述预测电压，τ₁＝R₁C₁，T为预设的采样时间间隔，k为当前采样时间点，k-1为上一采样时间点，a₁、a₂和a₃为常数系数。

步骤103，获取所述电池的工作参数集，所述工作参数集包括预设时间段内，每隔预设时长采集到的工作参数，所述工作参数包括电压采集值和电流采集值。

具体地，所述工作参数集可以是对所述电池的工作参数进行实时采集，得到的数据集合，例如，所述工作参数集可以包括当前时刻采集的所述电池的电压值和电流值，以及上一时刻采集的所述电池的电压值和电流值，所述预设时间段可以是对所述电池的工作参数进行采样的时间段，例如上一采样时间点到当前采样时间点的时间段，所述预设时长可以是对工作参数进行采样的时间间隔，所述电压采集值和所述电流采集值可以是所述电池的电压和电流。

步骤104，基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值。

具体地，所述电池的开路电压可以是基于电池的OCV-SOC曲线得到的，遗忘因子可以是误差测度函数中的加权因子，最小二乘法可以通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小，所述遗忘因子递推最小二乘法可以是用于进行电池模型的参数辨识的算法，所述电压预测值可以是所述预设时间段当前时刻的所述电池端的电压；例如，图3为一种基于遗忘因子递推最小二乘法参数辨识的流程图，如图3所示，利用实时采集的电压采集值和电流采集值作为辨识算法的输入，算法实时在线地估算出此时电池模型的参数值，可得到输出矩阵y_k，参数矩阵θ和数据矩阵Φ：

利用遗忘因子最小二乘法将上式中参数矩阵θ求出，即可得到模型的参数，从而可以得到电压预测值。

步骤105，基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，所述SOC初始值为所述电池在预设时间段内的初始剩余容量。

具体地，所述初始剩余容量可以是所述电池在预设时间段内起始时间点的SOC，所述电池容量可以是在一定条件下电池放出的电量，所述龙贝格增益系数可以是基于龙贝格(Luenberger)观测器对SOC的误差进行调节的系数，所述SOC信息可以是SOC的校正信息。

在本发明实施例中，所述方法可以基于根据电池模型的预测电压与实际采集电压的误差，结合龙贝格增益系数，实时在线修正当前SOC，从而使得SOC估算精度较高。

可选地，所述预设时间段的结束时间点为当前时间点，所述基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，包括：

基于所述电压预测值和所述电压采集值，确定电压误差值，其中，所述电压误差值为所述电压预测值和所述电压采集值的差值；

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，所述SOC当前值为当前时间点SOC的值；

基于所述SOC当前值、所述电压误差值和所述龙贝格增益系数，生成SOC信息，所述SOC信息包括当前时间点的SOC修正值，所述SOC修正值为所述电压误差值和所述龙贝格增益系数的乘积与所述SOC当前值之和。

具体地，所述基于所述SOC当前值、所述电压误差值和所述龙贝格增益系数，生成SOC信息，可以用如下公式表示：

SOC_k+1＝SOC_k+K*(Vestm-Vmeas)

其中，SOC_k为所述SOC当前值，SOC_k+1为所述SOC修正值，K为所述龙贝格增益系数，Vestm-Vmeas表示所述电压误差值，Vestm为所述电压预测值和Vmeas为所述电压采集值，例如，图4为一种基于龙贝格观测器的SOC估算的流程图，如图4所示，龙贝格观测器结合上述电池模型表达式和遗忘因子递推最小二乘法公式，实时在线修正当前SOC。

在本发明实施例中，所述方法可以通过龙贝格观测器，结合电池模型的预测电压与采集电压的误差和所述龙贝格增益系数，对当前SOC进行实时修正，从而使得SOC估算精度较高。

可选地，所述基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息之前，还包括：

基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，所述电池管理系统用于管理所述电池。

具体地，电池管理系统是否开启均衡功能可以是在电池管理系统内部的电芯的电压差大于预设值的情况下，所述电池管理系统开启均衡功能。

在本发明实施例中，所述方法可以根据所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能对等效电路模型预测电压的精度产生的影响大小，确定龙贝格增益系数的数值，从而使得SOC估算精度较高。

可选地，所述基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，包括：

在所述电池的温度低于第一预设阈值或者所述电池管理系统开启均衡功能的情况下，确定龙贝格增益系数为预设的第一增益值；

在所述SOC当前值低于第二预设阈值或者高于第三预设阈值的情况下，确定龙贝格增益系数为预设的第二增益值；

在所述电流预测值高于第四预设阈值的情况下，确定龙贝格增益系数为预设的所述第二增益值；

在所述SOC当前值位于所述第二预设阈值和所述第三预设阈值之间，并且所述电流预测值低于第五预设阈值的情况下，确定龙贝格增益系数为预设的第三增益值，其中，所述第一增益值小于所述第二增益值，所述第二增益值小于所述第三增益值。

在本发明实施例中，所述方法可以根据所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能的具体情况，将龙贝格增益系数设置为三个区间，从而使得SOC估算的效率以及精度较高。

可选地，所述建立电池的等效电路模型，得到所述等效电路模型的数学表达式，包括：

建立电池的一阶RC等效电路模型，得到所述一阶RC等效电路模型的数学表达式，如下公式所示：

其中，R₀为所述欧姆内阻、R₁为所述极化内阻，C₁为所述电容，

为dU₁/dt，即U₁对时间的导数，U_t为电池电压，U_oc为所述开路电压，U₁为R₁两端的电压，I_L为电池的充放电电流。

可选地，所述基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，包括：

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，如下公式所示：

U_t，k＝(1-a₁)U_oc，k+a₁U_t，k-1+a₂I_L，k+a₃I_L，k-1

其中，U_t为所述预测电压，τ₁＝R₁C₁，T为所述预设时长，k为当前采样时间点，k-1为上一采样时间点，a₁、a₂和a₃为常数系数。

可选地，所述基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值，包括：

基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，得到输出矩阵y_k，参数矩阵θ和数据矩阵Φ，如下公式所示：

其中，I_L为所述电流采集值，U_L,为所述电压采集值；

利用遗忘因子递推最小二乘法求参数矩阵θ，得到参数值；

基于所述参数值，得到电压预测值。

可选地，所述基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，包括：

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，如下公式所示：

SOC_k＝SOC₀+∫I*dt/C_a

其中，SOC_k为所述SOC当前值，SOC₀为所述SOC初始值，I为所述电流采集值，C_a为所述电池容量。

本发明实施例提供了一种电池电量信息生成设备，如图5所示，所述信息生成设备包括：收发机501、存储器502、处理器500及存储在所述存储器上并可在所述处理器上运行的程序：

处理器500用于建立电池的等效电路模型，得到所述等效电路模型的数学表达式，所述数学表达式至少包括以下参数：欧姆内阻、极化内阻和电容；

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式；

收发机501用于获取所述电池的工作参数集，所述工作参数集包括预设时间段内，每隔预设时长采集到的工作参数，所述工作参数包括电压采集值和电流采集值；

处理器500还用于基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值；

基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，所述SOC初始值为所述电池在预设时间段内的初始剩余容量。

其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器500代表的一个或多个处理器和存储器502代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机501可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器500负责管理总线架构和通常的处理，存储器502可以存储处理器500在执行操作时所使用的数据。

可选地，所述预设时间段的结束时间点为当前时间点，处理器500还用于：

基于所述电压预测值和所述电压采集值，确定电压误差值，其中，所述电压误差值为所述电压预测值和所述电压采集值的差值；

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，所述SOC当前值为当前时间点SOC的值；

基于所述SOC当前值、所述电压误差值和所述龙贝格增益系数，生成SOC信息，所述SOC信息包括当前时间点的SOC修正值，所述SOC修正值为所述电压误差值和所述龙贝格增益系数的乘积与所述SOC当前值之和。

可选地，处理器500还用于：

基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，所述电池管理系统用于管理所述电池。

可选地，处理器500还用于：

在所述电池的温度低于第一预设阈值或者所述电池管理系统开启均衡功能的情况下，确定龙贝格增益系数为预设的第一增益值；

在所述SOC当前值低于第二预设阈值或者高于第三预设阈值的情况下，确定龙贝格增益系数为预设的第二增益值；

在所述电流预测值高于第四预设阈值的情况下，确定龙贝格增益系数为预设的所述第二增益值；

在所述SOC当前值位于所述第二预设阈值和所述第三预设阈值之间，并且所述电流预测值低于第五预设阈值的情况下，确定龙贝格增益系数为预设的第三增益值，其中，所述第一增益值小于所述第二增益值，所述第二增益值小于所述第三增益值。

可选地，处理器500还用于：

建立电池的一阶RC等效电路模型，得到所述一阶RC等效电路模型的数学表达式，如下公式所示：

其中，R₀为所述欧姆内阻、R₁为所述极化内阻，C₁为所述电容，

为dU₁/dt，即U₁对时间的导数，U_t为电池电压，U_oc为所述开路电压，U₁为R₁两端的电压，I_L为电池的充放电电流。

可选地，处理器500还用于：

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，如下公式所示：

U_t，k＝(1-a₁)U_oc，k+a₁U_t，k-1+a₂I_L，k+a₃I_L，k-1

其中，U_t为所述预测电压，τ₁＝R₁C₁，T为所述预设时长，k为当前采样时间点，k-1为上一采样时间点，a₁、a₂和a₃为常数系数。

可选地，处理器500还用于：

基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，得到输出矩阵y_k，参数矩阵θ和数据矩阵Φ如下公式所示：

其中，I_L为所述电流采集值，U_L，为所述电压采集值；

利用遗忘因子递推最小二乘法求参数矩阵θ，得到参数值；

基于所述参数值，得到电压预测值。

可选地，处理器500还用于：

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，如下公式所示：

SOC_k＝SOC₀+∫I*dt/C_a

其中，SOC_k为所述SOC当前值，SOC₀为所述SOC初始值，I为所述电流采集值，C_a为所述电池容量。

本发明实施例还提供一种可读存储介质，用于存储程序，所述程序可被处理器执行实现上述方法的实施例的各个过程，且其实现原理和技术效果类似，为避免重复，本实施例此处不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述是本发明的优选实施方式，应当指出，本发明的保护范围并不局限于此，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种电池电量信息的生成方法，其特征在于，包括：

建立电池的等效电路模型，得到所述等效电路模型的数学表达式，所述数学表达式至少包括以下参数：欧姆内阻、极化内阻和电容；

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式；

获取所述电池的工作参数集，所述工作参数集包括预设时间段内，每隔预设时长采集到的工作参数，所述工作参数包括电压采集值和电流采集值；

基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值；

基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，所述SOC初始值为所述电池在预设时间段内的初始剩余容量。

2.根据权利要求1所述的方法，其特征在于，所述预设时间段的结束时间点为当前时间点，所述基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息，包括：

基于所述电压预测值和所述电压采集值，确定电压误差值，其中，所述电压误差值为所述电压预测值和所述电压采集值的差值；

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，所述SOC当前值为当前时间点SOC的值；

基于所述SOC当前值、所述电压误差值和所述龙贝格增益系数，生成SOC信息，所述SOC信息包括当前时间点的SOC修正值，所述SOC修正值为所述电压误差值和所述龙贝格增益系数的乘积与所述SOC当前值之和。

3.根据权利要求2所述的方法，其特征在于，所述基于所述电池的荷电状态SOC初始值、所述电池的电池容量、所述电压预测值、所述电压采集值和龙贝格增益系数，生成SOC信息之前，还包括：

基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，所述电池管理系统用于管理所述电池。

4.根据权利要求3所述的方法，其特征在于，所述基于所述电池的温度、所述SOC当前值以及电池管理系统是否开启均衡功能，确定龙贝格增益系数的数值，包括：

在所述电池的温度低于第一预设阈值或者所述电池管理系统开启均衡功能的情况下，确定龙贝格增益系数为预设的第一增益值；

在所述SOC当前值低于第二预设阈值或者高于第三预设阈值的情况下，确定龙贝格增益系数为预设的第二增益值；

在所述电流预测值高于第四预设阈值的情况下，确定龙贝格增益系数为预设的所述第二增益值；

在所述SOC当前值位于所述第二预设阈值和所述第三预设阈值之间，并且所述电流预测值低于第五预设阈值的情况下，确定龙贝格增益系数为预设的第三增益值，其中，所述第一增益值小于所述第二增益值，所述第二增益值小于所述第三增益值。

5.根据权利要求1所述的方法，其特征在于，所述建立电池的等效电路模型，得到所述等效电路模型的数学表达式，包括：

建立电池的一阶RC等效电路模型，得到所述一阶RC等效电路模型的数学表达式，如下公式所示：

其中，R₀为所述欧姆内阻、R₁为所述极化内阻，C₁为所述电容，

为dU₁/dt，即U₁对时间的导数，U_t为电池电压，U_oc为所述开路电压，U₁为R₁两端的电压，I_L为电池的充放电电流。

6.根据权利要求5所述的方法，其特征在于，所述基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，包括：

基于所述等效电路模型的数学表达式进行离散化处理，得到预测电压表达式，如下公式所示：

U_t，k＝(1-a₁)U_oc，k+a₁U_t，k-1+a₂I_L，k+a₃I_L，k-1

其中，U_t为所述预测电压，τ₁＝R₁C₁，T为所述预设时长，k为当前采样时间点，k-1为上一采样时间点，a₁、a₂和a₃为常数系数。

7.根据权利要求6所述的方法，其特征在于，所述基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，利用遗忘因子递推最小二乘法，得到电压预测值，包括：

基于所述预测电压表达式、所述工作参数集和所述电池的开路电压，得到输出矩阵y_k，参数矩阵θ和数据矩阵Φ，如下公式所示：

其中，I_L为所述电流采集值，U_L为所述电压采集值；

利用遗忘因子递推最小二乘法求参数矩阵θ，得到参数值；

基于所述参数值，得到电压预测值。

8.根据权利要求2所述的方法，其特征在于，所述基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，包括：

基于SOC初始值、所述电流采集值和所述电池的电池容量，确定SOC当前值，如下公式所示：

SOC_k＝SOC₀+∫I*dt/C_a

其中，SOC_k为所述SOC当前值，SOC₀为所述SOC初始值，I为所述电流采集值，C_a为所述电池容量。

9.一种电池电量信息生成设备，所述设备包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，

所述处理器，用于读取存储器中的程序实现如权利要求1至8中任一项所述的方法中的步骤。

10.一种可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的方法中的步骤。

Images