CN116413626A - 一种电池老化状态的评估方法、电子设备及存储介质 - Google Patents
一种电池老化状态的评估方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116413626A CN116413626A CN202111656196.6A CN202111656196A CN116413626A CN 116413626 A CN116413626 A CN 116413626A CN 202111656196 A CN202111656196 A CN 202111656196A CN 116413626 A CN116413626 A CN 116413626A
- Authority
- CN
- China
- Prior art keywords
- characteristic value
- curve
- battery
- target battery
- capacity
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title abstract description 4
- 238000007600 charging Methods 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000004590 computer program Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000010277 constant-current charging Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本公开提供了一种电池老化状态的评估方法、电子设备及存储介质，该方法包括：获取待评估的目标电池的特征值数据库，所述特征值数据库基于所述目标电池的历史满充数据得到；根据所述目标电池的当前充电数据和预定的充电数据拟合模型，得到所述目标电池的增量曲线特征值，其中，所述当前充电数据包括未满充的充电数据；根据所述增量曲线特征值和所述特征值数据库，得到所述目标电池的当前容量，其中，所述特征值数据库中的目标电池的增量曲线特征值与目标电池的容量值具有第一预设关系；根据所述当前容量，确定所述目标电池的老化状态。
Description
技术领域
本公开实施例涉及电池技术领域，更具体地，涉及一种电池老化状态的评估方法、一种电子设备及一种计算机可读存储介质。
背景技术
SOHC是描述锂电池容量老化状态的指标，可以用来标定电池老化状态并进行寿命预估，电池老化状态的评估对电池的使用、维护和经济性分析具有指导意义。
在现有技术中，可以通过容量增量分析法(incremental capacity analysis，ICA)，利用峰高和峰位的变化定性分析锂电池老化机理，后续通过提取特征值与容量衰减进行拟合，从而可以通过特征值定量估算当前容量，进而实现SOHC的定量估算。
但是这种利用ICA估算SOHC的方法，需要完整的充电段数据，例如电池容量从0％到100％的满充数据，这在实车工况中极少出现，造成算法触发概率极低，进而导致适用性很低。
因此，提出一种高适用性的评估电池容量老化状态的方法是十分有价值的。
发明内容
本公开实施例的一个目的是提供一种准确评估电池老化状态的新的技术方案。
根据本公开的第一方面，提供了一种电池老化状态的评估方法，包括：获取待评估的目标电池的特征值数据库，所述特征值数据库基于所述目标电池的历史满充数据得到；根据所述目标电池的当前充电数据和预定的充电数据拟合模型，得到所述目标电池的当前增量曲线特征值，其中，所述当前充电数据包括未满充的充电数据；根据所述当前增量曲线特征值和所述特征值数据库，得到所述目标电池的当前容量值，其中，所述特征值数据库包括具有第一预设关系的目标电池的增量曲线特征值和电池容量值；根据所述当前容量值，确定所述目标电池的老化状态。
可选的，在获取待评估的目标电池的特征值数据库之前，所述方法还包括：获取所述目标电池的历史满充数据；根据所述历史满充数据和所述预定的充电数据拟合模型，拟合得到所述目标电池的容量增量曲线，以及所述容量增量曲线的增量曲线特征值；根据所述增量曲线特征值，创建所述特征值数据库；其中，所述容量增量曲线具有至少一组增量曲线特征值，每组所述增量曲线特征值包括一一对应的峰高、峰位和峰面积。
可选的，所述根据所述增量曲线特征值，创建所述特征值数据库，包括：对每一所述增量曲线特征值进行与电池容量值的相关性分析，得到每一增量曲线特征值与所述电池容量值的相关性系数；根据所述相关性系数在预设阈值内的增量曲线特征值，创建所述特征值数据库。
可选的，所述预定的充电数据拟合模型根据洛伦兹公式创建，所述预定的充电数据拟合模型用于在拟合过程中得到所述增量曲线特征值，所述洛伦兹公式为；
其中，Q为充电电量，Qmax是恒流充电过程中的最大充电容量，ai是每个峰的权重系数，n是容量增量曲线的峰数，由电池相变过程决定，V是充电电压，V0i是第i个峰的峰位，i≤n，wi是第i个峰的半高宽，Cr是积分常数。
可选的，根据所述目标电池的当前充电数据和预定的充电数据拟合模型，得到所述目标电池的增量曲线特征值，包括：获取所述目标电池的当前充电数据；根据所述充电数据拟合模型和所述当前充电数据进行拟合，得到待选取的增量曲线特征值；对所述待选取的增量曲线特征值进行有效性判定，得到所述目标电池的增量曲线特征值。
可选的，所述待选取的增量曲线特征值包括目标峰位，所述对所述待选取的增量曲线特征值进行有效性判定，得到所述目标电池的增量曲线特征值，包括：获取与所述待选取的增量曲线特征值对应的所述当前充电数据的起始充电电压；根据所述起始充电电压与所述目标峰位的距离，得到所述目标电池的增量曲线特征值。
可选的，根据所述起始充电电压与所述目标峰位的距离，得到所述目标电池的增量曲线特征值，包括：根据所述起始充电电压，查询预设的线性关系表，得到所述增量曲线特征值，所述线性关系表包括不同的起始充电电压，以及每一起始充电电压到目标峰位的距离。
可选的，根据所述增量曲线特征值和所述特征值数据库，得到所述目标电池的当前容量值，包括：根据所述增量曲线特征值和所述第一预设关系，进行插值计算，得到所述目标电池的当前容量值。
根据本公开的第二方面，还提供了一种电子设备，包括存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序，以实现根据本公开第一方面所述的方法。
根据本公开的第三方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序在被处理器执行时实现根据本公开的第一方面所述的方法。
本公开实施例的一个有益效果在于，通过本公开的实施例，根据历史满充数据离线建立目标电池的特征值数据库，再根据目标电池的当前充电数据和预定的充电数据拟合模型，在线得到目标电池的增量曲线特征值，根据增量曲线特征值和特征值数据库，得到目标电池的当前容量，根据当前容量，确定目标电池的老化状态。可以在线根据未满充的充电数据对电池的容量老化状态进行评估，具有很强的适用性。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开实施例的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开实施例的原理。
图1是可用于实现本公开的实施例的电子设备的硬件配置的示意性框图；
图2是根据一个实施例的电池老化状态的评估方法的流程示意图；
图3是根据一个实施例的电子设备的方框原理图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
下面，参照附图描述根据本发明的各个实施例和例子。
<硬件配置>
图1是可用于实现本公开实施例的电子设备的结构示意图。
该电子设备1000可以是智能手机、便携式电脑、台式计算机、平板电脑、服务器等，在此不做限定。
该电子设备1000可以包括但不限于处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、图形处理器GPU、微处理器MCU等，用于执行计算机程序，该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、并行接口等。通信装置1400例如能够利用光纤或电缆进行有线通信，或者进行无线通信，具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。扬声器1700用于输出音频信号。麦克风1800用于采集音频信号。
应用于本公开实施例中，电子设备1000的存储器1200用于存储计算机程序，该计算机程序用于控制所述处理器1100进行操作以实现根据本公开实施例的方法。技术人员可以根据本公开所公开方案设计该计算机程序。该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。该电子设备1000可以安装有智能操作系统(例如Windows、Linux、安卓、IOS等系统)和应用软件。
本领域技术人员应当理解，尽管在图1中示出了电子设备1000的多个装置，但是，本公开实施例的电子设备1000可以仅涉及其中的部分装置，例如，只涉及处理器1100和存储器1200等。
<方法实施例>
图2是根据一个实施例的电池老化状态的评估方法的流程示意图，该实施例可以由电子设备实施。例如，该电子设备可以是如图1所示的电子设备1000。
如图2所示，本实施例的电池老化状态的评估方法可以包括如下所示的步骤S2100～S2400：
步骤S2100，获取待评估的目标电池的特征值数据库。
在本实施例中，特征值数据库是由电子设备在离线状态下创建的，具体地，离线创建特征值数据库的方式包括：获取目标电池的历史满充数据；根据历史满充数据和预定的充电数据拟合模型，拟合得到目标电池的容量增量曲线，以及容量增量曲线的增量曲线特征值；根据增量曲线特征值，创建该特征值数据库。
在本实施例中，目标电池的历史满充数据，可以是记录在使用该目标电池的电子设备中，由执行本实施例方法的电子设备从使用该目标电池的电子设备中直接获取。或者，还可以是由执行本实施例方法的电子设备从使用该目标电池的电子设备获取目标电池的使用数据，并根据该使用数据得到目标电池的使用时间、充电电压和电池容量等数据。
其中，可以根据历史满充数据中的电池的电压和电池容量建立容量增量(incremental capacity,IC)曲线，该曲线若要得到峰高、峰位以及峰面积数据，需要利用高斯滤波、平均滤波等方法平滑IC曲线，然后利用相关算法可以获取峰高、峰位的信息，但随着电池的老化，其IC曲线中的峰高、峰位以及峰面积会不断变化，导致需要计算的数据量很大，得到的IC曲线误差大，提取的峰高、峰位和峰面积特征值精度不高。
对于此，本实施例中根据预定的充电数据拟合模型得到目标电池的容量增量曲线，并在拟合的过程中获取容量增量曲线的增量曲线特征值，进而得到特征值数据库。其中，预定的充电数据拟合模型根据洛伦兹公式创建，可以在拟合的过程中得到容量增量曲线的增量曲线特征值，其中，容量增量曲线具有至少一组增量曲线特征值，每组增量曲线特征值包括一一对应的峰高、峰位和峰面积。
具体地，洛伦兹公式为：
其中，Q为充电电量，Qmax是恒流充电过程中的最大充电容量，ai是每个峰的权重系数，n是容量增量曲线的峰数，也就是IC峰的个数，由电池相变过程决定，V是充电电压，i≤n，V0i是第i个峰的峰位，wi是第i个峰的半高宽，Cr是积分常数。
本实施例充电数据拟合模型作为模型的输入为包含有充电电压和充电电量的充电数据，输出为对充电数据拟合后得到的充电电量，在拟合的过程中可以得到容量增量曲线的增量曲线特征值。例如，V0i具有初始数值，输入充电数据后，根据不同的充电电压V对模型进行训练，直至模型收敛，得到峰位参数V0i，该峰位参数V0i用于计算增量曲线特征值的峰位。
本实施例可以在拟合过程中自动得到各个峰对应的峰高、峰位、峰面积的信息，从而构成特征值数据库，同时不需要设计复杂的平滑算法，不需要对IC曲线进行去噪处理，提取特征值过程的可靠性极大提高。
本实施例在根据洛伦兹公式得到峰高、峰位、峰面积之后，为了得使特征值数据库中的增量曲线特征值更加精确，本实施例对增量曲线特征值中的每一增量曲线特征值进行与电池容量值的相关性分析，得到每一增量曲线特征值与电池容量值的相关性系数；根据相关性系数在预设阈值内的增量曲线特征值，创建特征值数据库，也就是将相关性系数在预设阈值内的增量曲线特征值作为特征值数据库的子数据。
在一个例子中，相关性分析可以使用皮尔逊相关系数分析法，第一预设关系可以是增量曲线特征值与电池容量值的相关性系数，具体地，皮尔逊公式为：
其中，Ri的范围是[-1，1]，Ri的值越接近+1或-1表示相关性越强，
是FOI的平均值，/>
是FOI容量的平均值，k代表老化循环次数。
在一个例子中，特征值与电池容量的相关性验证结果如表1所示。
表1
由表1可知，不同的特征值与电池的容量值之间存在一定的相关性，不同的特征值与电池的容量值之间的相关性系数大小不一致，可以选取相关性大的特征值来创建特征值数据库，可以理解的是，在实际应用中，充电数据存在不可预测性，为了增加算法的触发概率，提高充电数据拟合模型的适用性，可以将相关性系数在预设阈值内的增量曲线特征值作为特征值数据库的子数据。例如，该预设阈值为-0.985～0.998，根据相关性系数在该预设阈值内的增量曲线特征值，得到特征值数据库，进而可以使特征值数据库中的子数据更加精确。进而根据特征值数据库中的增量曲线特征值来预估电池的当前容量值。
本实施例中，在得到精确度较高的增量曲线特征值之后，还建立特征值数据库中的每一增量曲线特征值与电池容量值的第一预设关系，以便使每一增量曲线特征值对应有一电池容量值，例如，建立增量曲线特征值与电池容量值关系表，以便在后续的实际计算中，可以通过实际增量曲线特征值查表得到对应的电池容量值。
需要说明的是，在实际应用中，当同一组增量曲线特征值中的峰高、峰位电压、峰面积查表得到的电池容量值不同的情况下，选取峰高、峰位电压、峰面积三者中与电池容量值相关性最大的特征值对应的电池容量值最为最终的电池容量值。
以上为本实施例建立充电数据拟合模型以及特征值数据库的过程，特征值提取的过程可靠，计算量相小，且通本实施例得到的特征值数据库，具有数据精确度高的特点。
步骤S2200，根据目标电池的当前充电数据和预定的充电数据拟合模型，得到目标电池的当前增量曲线特征值。
考虑到在实际工况中，充电数据很少有满充的情况，大部分的充电起点不为零，因此，上述创建充电数据拟合模型的过程为离线过程。本实施例通过离线创建充电数据拟合模型，再在线根据当前充电数据对电池的容量老化状态进行评估，具有更高的算法触发率，适用性更强。
本实施例中，通过获取目标电池的当前充电数据；基于当前充电数据，利用充电数据拟合模型，进行数据拟合，得到待选取的增量曲线特征值；对待选取的增量曲线特征值进行有效性判定，得到目标电池的增量曲线特征值。
本实施例中，目标电池的当前充电数据包括目标电池的充电电压和充电电量，两者均作为充电数据拟合模型的输入，通过数据拟合，得到目标电池的增量曲线特征值。
具体地，本实施例的充电数据拟合模型为步骤S2100中的数据拟合模型模型。可以理解的是，在线的当前充电数据大多是未满充的充电数据，也就是当前充电数据的起始电量不为零。例如，在一个充电数据中，起始充电的电池容量为满电的25％，直至充满。
本实施例中，若直接利用未满充的数据得到增量曲线特征值，会存在计算误差。这是因为不同充电起点所得到的增量曲线特征值不同，进而会给电池容量的估算带来误差。
例如，表2给出了不同的起始充电数据对不同的增量曲线特征值的平均电池容量误差表。
表2
表2中CC-100，CC-200，CC-300，CC-400分别代表未满充CC段数据起始点到容量零点的距离，例如CC-100表征电池从5％SOC往上充电，CC-200，表征电池从10％SOC往上充电，CC-300表征电池从15％SOC往上充电，CC-400可能表示在某一个充电循环电池从25％SOC往上充电，CC-n00具体表征的电量可以根据实际情况自定义。从表2中可以看出在根据增量曲线特征值计算电池容量时，具有不同起始容量的数据得到的增量曲线特征值存在不同，得到的增量曲线特征值也不同，会导致计算误差大，那么也会影响根据增量曲线特征值得到的电池容量值。
其中，由上述实施例可知，本实施例中的容量增量曲线特征值具有不同的线性相关性且与充电数据的起始充电电压有关。例如，若在实际应用中，目标电池的起始充电电压为3.9V，而第一峰和第二峰的峰位分别为3.95V和3.8V，此时目标电池的起始充电电压大于第二峰的峰位3.8V，若还用第二峰的相关特征值(即峰高，峰位，峰面积)进行电池容量的插值计算，会由于第二峰的峰位小于起始充电电压，第二峰对应的相关特征信息被部分破坏，造成计算出的电池容量存在较大误差。因此，为了减小未满充数据对预估结果的影响，本实施例对待选取的增量曲线特征值进行有效性判定，得到目标电池的增量曲线特征值。即，增量曲线特征值的有效性是对增量曲线特征值的筛选，得到更有效，精度更高的增量曲线特征值。
需要说明的是，待选取的增量曲线特征值包括目标峰位，其中，目标峰位是目标电池的自身属性，也就是说在根据历史满充数据，得到目标电池的容量增量曲线之后，就可以得到该电池的峰位，基于是同一电池，所以当采用当前充电数据得到增量曲线特征值时，其输出的目标峰位与特征值数据库中对应峰位一致。
本实施例中，对待选取的增量曲线特征值进行有效性判定，得到目标电池的增量曲线特征值，包括：获取与待选取的增量曲线特征值对应的当前充电数据的起始充电电压；根据起始充电电压与目标峰位的距离，得到目标电池的增量曲线特征值。
在一个例子中，可以根据待选取的增量曲线特征值对应的当前充电数据的起始充电电压，查询预设的线性关系表，得到增量曲线特征值，其中，线性关系表包括不同的起始充电电压，以及每一起始充电电压到目标峰位的距离。也就是说，预先设置多组具有第二预设关系的起始充电电压、目标峰位、起始充电电压与目标峰位之间距离的线性关系表，即该线性关系表中包含有与当前充电数据的起始充电电压相对应的电压值、该电压值到目标峰位的距离数据、每一距离数据对应的峰位。
当得到起始充电电压到目标峰位的距离后，就可以查询该线性关系表，得到该初始电压对应的峰位，从而可以确定与该峰位一一对应的峰高和峰面积，即一组增量曲线特征值，进而可以在该组增量曲线特征值中根据相关性系数的大小，确定相关性大的增量曲线特征值来计算目标电池的当前容量值。
本实施例可以根据目标电池的初始电压，对特征值数据库中的增量曲线特征值进行有效性判定，得到适配与当前初始电压的增量曲线特征值，根据该增量曲线特征值进行当前电池容量的预估，提高预估结果的可靠性。
步骤S2300，根据当前增量曲线特征值和特征值数据库，得到目标电池的当前容量值。
由步骤S2100可知，在创建特征值数据库的过程中，特征值数据库中的目标电池的增量曲线特征值与目标电池的容量值具有第一预设关系，也就是说每一增量曲线特征值对应有一电池容量值。例如，建立增量曲线特征值与电池容量值关系表，可以通过实际增量曲线特征值查表得到对应的电池容量值。
本实施例中，也可以根据增量曲线特征值和第一预设关系，进行插值计算，得到目标电池的当前容量。
步骤S2400，根据当前容量，确定目标电池的老化状态。
本实施例中，目标电池的老化状态可以表示为：
其中，Cnp为目标电池的当前容量值，CnB为目标电池的初始电量，也就是目标电池在寿命初期的电量。
通过本公开的实施例，根据历史满充数据离线建立目标电池的特征值数据库，再根据目标电池的当前充电数据和预定的充电数据拟合模型，在线得到目标电池的当前增量曲线特征值，根据当前增量曲线特征值和特征值数据库，得到目标电池的当前容量值，根据当前容量值，确定目标电池的老化状态。可以在线根据未满充的充电数据对电池的容量老化状态进行评估，具有很强的适用性。
<设备实施例>
图3是根据另一个实施例的电子设备的硬件结构示意图。
如图3所示，该电子设备3000包括处理器3100和存储器3200，该存储器3200用于存储可执行的计算机程序，该处理器3100用于根据该计算机程序的控制，执行如以上任意方法实施例的方法。
该电子设备3000可以是智能手机、便携式电脑、台式计算机、平板电脑、服务器、计算机集群等电子产品。
以上电子设备3000的各模块可以由本实施例中的处理器3100执行存储器3200存储的计算机程序实现，也可以通过其他电路结构实现，在此不做限定。
<计算机可读存储介质实施例>
本实施例提供了一种计算机可读存储介质，该存储介质中存储有可执行命令，该可执行命令被处理器执行时，执行本说明书任意方法实施例中描述的方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种电池老化状态的评估方法，其特征在于，包括：
获取待评估的目标电池的特征值数据库，所述特征值数据库基于所述目标电池的历史满充数据得到；
根据所述目标电池的当前充电数据和预定的充电数据拟合模型，得到所述目标电池的当前增量曲线特征值，其中，所述当前充电数据包括未满充的充电数据；
根据所述当前增量曲线特征值和所述特征值数据库，得到所述目标电池的当前容量值，其中，所述特征值数据库包括具有第一预设关系的目标电池的增量曲线特征值和电池容量值；
根据所述当前容量值，确定所述目标电池的老化状态。
2.根据权利要求1所述的电池老化状态的评估方法，其特征在于，在获取待评估的目标电池的特征值数据库之前，所述方法还包括：
获取所述目标电池的历史满充数据；
根据所述历史满充数据和所述预定的充电数据拟合模型，拟合得到所述目标电池的容量增量曲线，以及所述容量增量曲线的增量曲线特征值；
根据所述增量曲线特征值，创建所述特征值数据库；
其中，所述容量增量曲线具有至少一组增量曲线特征值，每组所述增量曲线特征值包括一一对应的峰高、峰位和峰面积。
3.根据权利要求2所述的电池老化状态的评估方法，其特征在于，所述根据所述增量曲线特征值，创建所述特征值数据库，包括：
对每一所述增量曲线特征值进行与电池容量值的相关性分析，得到每一增量曲线特征值与所述电池容量值的相关性系数；
根据所述相关性系数在预设阈值内的增量曲线特征值，创建所述特征值数据库。
4.根据权利要求1所述的电池老化状态的评估方法，其特征在于，所述预定的充电数据拟合模型根据洛伦兹公式创建，所述预定的充电数据拟合模型用于在拟合过程中得到所述增量曲线特征值，所述洛伦兹公式为；
其中，Q为充电电量，Qmax是恒流充电过程中的最大充电容量，ai是每个峰的权重系数，n是容量增量曲线的峰数，由电池相变过程决定，V是充电电压，V0i是第i个峰的峰位，i≤n，wi是第i个峰的半高宽，Cr是积分常数。
5.根据权利要求1所述的电池老化状态的评估方法，其特征在于，根据所述目标电池的当前充电数据和预定的充电数据拟合模型，得到所述目标电池的增量曲线特征值，包括：
获取所述目标电池的当前充电数据；
根据所述充电数据拟合模型和所述当前充电数据进行拟合，得到待选取的增量曲线特征值；
对所述待选取的增量曲线特征值进行有效性判定，得到所述目标电池的增量曲线特征值。
6.根据权利要求5所述的电池老化状态的评估方法，其特征在于，所述待选取的增量曲线特征值包括目标峰位，所述对所述待选取的增量曲线特征值进行有效性判定，得到所述目标电池的增量曲线特征值，包括：
获取与所述待选取的增量曲线特征值对应的所述当前充电数据的起始充电电压；
根据所述起始充电电压与所述目标峰位的距离，得到所述目标电池的增量曲线特征值。
7.根据权利要求6所述的电池老化状态的评估方法，其特征在于，根据所述起始充电电压与所述目标峰位的距离，得到所述目标电池的增量曲线特征值，包括：
根据所述起始充电电压，查询预设的线性关系表，得到所述增量曲线特征值，所述线性关系表包括不同的起始充电电压，以及每一起始充电电压到目标峰位的距离。
8.根据权利要求1所述的电池老化状态的评估方法，其特征在于，根据所述增量曲线特征值和所述特征值数据库，得到所述目标电池的当前容量值，包括：
根据所述增量曲线特征值和所述第一预设关系，进行插值计算，得到所述目标电池的当前容量值。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于在所述计算机程序的控制下，执行如权利要求1至8中任一项所述的电池老化状态的评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至8中任一项所述的电池老化状态的评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111656196.6A CN116413626A (zh) | 2021-12-30 | 2021-12-30 | 一种电池老化状态的评估方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111656196.6A CN116413626A (zh) | 2021-12-30 | 2021-12-30 | 一种电池老化状态的评估方法、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116413626A true CN116413626A (zh) | 2023-07-11 |
Family
ID=87053311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111656196.6A Pending CN116413626A (zh) | 2021-12-30 | 2021-12-30 | 一种电池老化状态的评估方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116413626A (zh) |
-
2021
- 2021-12-30 CN CN202111656196.6A patent/CN116413626A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10228425B2 (en) | Method and apparatus for learning and estimating battery state information | |
| CN104459560A (zh) | 基于小波降噪和相关向量机的锂电池剩余寿命预测方法 | |
| US20150316618A1 (en) | Methods and apparatus for battery power and energy availability prediction | |
| CN104089624A (zh) | 计步方法及终端设备 | |
| CN110503013B (zh) | 振感相似度评价方法、装置及存储介质 | |
| CN111279209B (zh) | 用于改进定位模型的指纹数据预处理方法 | |
| CN107608863B (zh) | 一种电量显示的校准方法及移动终端 | |
| CN103902004A (zh) | 一种充电剩余时间计算方法、装置及移动设备 | |
| CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
| CN111971200B (zh) | 用于确定电池的老化状态的方法、计算机程序、存储装置、控制设备和车辆 | |
| US10790688B2 (en) | Method for measuring battery parameters under discharge or charge | |
| JP2017502390A (ja) | データに基づく関数モデルを定めるための方法及び装置 | |
| CN116559667A (zh) | 模型训练方法及装置、电池检测方法及装置、设备、介质 | |
| CN111798263A (zh) | 一种交易趋势的预测方法和装置 | |
| CN114243867A (zh) | 电池均衡优化容量估计方法、系统、电子设备及存储介质 | |
| CN113740755A (zh) | 电池包荷电状态的显示处理方法、装置及可读介质 | |
| CN116451593B (zh) | 基于数据质量评估的强化联邦学习动态采样方法及设备 | |
| CN116413626A (zh) | 一种电池老化状态的评估方法、电子设备及存储介质 | |
| CN110874635A (zh) | 一种深度神经网络模型压缩方法及装置 | |
| CN116449081A (zh) | 具有自适应调控功能的数据采集系统、装置及存储介质 | |
| CN114089204B (zh) | 一种电池容量跳水拐点预测方法及装置 | |
| CN112474435B (zh) | 一种电池模组的快速分选方法和装置 | |
| US20130191071A1 (en) | System and method for automatic modal parameter extraction in structural dynamics analysis | |
| CN114741047A (zh) | 一种音量调节方法及音量调节系统 | |
| CN117134468B (zh) | 一种动态调整功率的稳定pd快充系统及方法 |
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 |