CN116500458A - 动力电池容量评估方法、装置、车辆及电子装置 - Google Patents
动力电池容量评估方法、装置、车辆及电子装置 Download PDFInfo
- Publication number
- CN116500458A CN116500458A CN202310761390.3A CN202310761390A CN116500458A CN 116500458 A CN116500458 A CN 116500458A CN 202310761390 A CN202310761390 A CN 202310761390A CN 116500458 A CN116500458 A CN 116500458A
- Authority
- CN
- China
- Prior art keywords
- capacity
- battery capacity
- battery
- power battery
- charge
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000036541 health Effects 0.000 claims abstract description 19
- 238000007499 fusion processing Methods 0.000 claims abstract description 16
- 230000014759 maintenance of location Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 41
- 238000001914 filtration Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 46
- 230000014509 gene expression Effects 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000010287 polarization Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明公开了一种动力电池容量评估方法、装置、车辆及电子装置，涉及车辆技术领域。其中，该方法包括：确定动力电池的充电数据；基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；基于预设电池容量标准值对第三电池容量进行评估，得到评估结果，其中，评估结果用于表示动力电池的健康状态。本发明解决了相关技术中通过充放电循环、动态调节两个分量的权重以及机器学习模型、黑箱模型对动力电池容量进行评估，导致抗干扰性差，准确性较低，可靠性较低，不易实现，成本较高，耗时较久的技术问题。
Description
技术领域
本发明涉及车辆技术领域，具体而言，涉及一种动力电池容量评估方法、装置、车辆及电子装置。
背景技术
随着“双碳”战略的实施，电动汽车的应用愈加广泛，动力电池系统作为电动汽车的主要功能系统之一，其性能的优劣影响电动汽车的发展，特别是动力电池系统中动力电池的健康状态，而动力电池容量又作为动力电池的健康状态重要评价指标。因此，针对动力电池容量的评估方法是十分必要的。
目前，通过充放电循环的方式对动力电池容量进行评估，但该方法仅适用于实验室条件，抗干扰性差，评估准确性较低。或者通过车辆上传的电池健康第一分量与云端模型计算的电池健康第二分量，再通过行驶里程动态调节两个分量的权重对动力电池容量进行评估，但该方法需要车辆上传高精度的分量或参数，可靠性较低，不易实现。以及通过机器学习模型、黑箱模型对动力电池容量进行评估，但该方法需要大量的数据进行训练与测试，并且需要尽可能的覆盖电池的全生命周期，成本较高，耗时较久。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种动力电池容量评估方法、装置、车辆及电子装置，以至少解决相关技术中通过充放电循环、动态调节两个分量的权重以及机器学习模型、黑箱模型对动力电池容量进行评估，导致抗干扰性差，准确性较低，可靠性较低，不易实现，成本较高，耗时较久的技术问题。
根据本发明其中一实施例，提供了一种动力电池容量评估方法，包括：确定动力电池的充电数据；基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；基于预设电池容量标准值对第三电池容量进行评估，得到评估结果，其中，评估结果用于表示动力电池的健康状态。
可选地，基于等效电路模型和充电数据确定第一电池容量包括：对等效电路模型进行离散化处理，得到离散化电路模型；基于离散化电路模型和卡尔曼滤波算法对充电数据进行预测处理，确定第一容量估计值和第二容量估计值；根据第一容量估计值和第二容量估计值确定第一电池容量。
可选地，充电数据包括动力电池充电开始时的第一荷电状态、动力电池充电结束时的第二荷电状态和动力电池充电过程中的第一电流值，基于充电数据中动力电池的荷电状态确定第二电池容量包括：根据第一荷电状态和第二荷电状态确定第三荷电状态；对第一电流值进行积分，得到动力电池的第四电池容量；基于第三荷电状态和第四电池容量确定第二电池容量。
可选地，对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量包括：根据多个第一电池容量确定第一容量方差，以及根据多个第二电池容量确定第二容量方差；基于第一电池容量、第二电池容量、第一容量方差和第二容量方差确定第三电池容量。
可选地，该方法还包括：获取车辆的车辆信息，其中，车辆信息包括车辆型号、充电倍率、充电温度和电池容量；根据预设分组方式对车辆信息进行分组处理，得到分组数据；对分组数据进行聚合处理，得到聚合数据；对聚合数据进行插值处理，得到预设电池容量标准值。
可选地，基于预设电池容量标准值对第三电池容量进行评估，得到评估结果包括：根据预设电池容量标准值和第三电池容量确定动力电池的第一容量保持率和第一容量衰减率；基于第一容量保持率和第一容量衰减率确定评估结果。
可选地，基于第一容量保持率和第一容量衰减率确定评估结果包括：对第一容量保持率进行滤波处理，得到第二容量保持率，以及对第一容量衰减率进行滤波处理，得到第二容量衰减率；基于第二容量保持率和第二容量衰减率确定评估结果。
根据本发明其中一实施例，还提供了一种动力电池容量评估装置，包括：第一确定模块，第一确定模块用于确定动力电池的充电数据；第二确定模块，第二确定模块用于基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；融合模块，融合模块用于对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；评估模块，评估模块用于基于预设电池容量标准值对第三电池容量进行评估，得到评估结果，其中，评估结果用于表示动力电池的健康状态。
可选地，第二确定模块还用于对等效电路模型进行离散化处理，得到离散化电路模型；基于离散化电路模型和卡尔曼滤波算法对充电数据进行预测处理，确定第一容量估计值和第二容量估计值；根据第一容量估计值和第二容量估计值确定第一电池容量。
可选地，第二确定模块还用于根据第一荷电状态和第二荷电状态确定第三荷电状态；对第一电流值进行积分，得到动力电池的第四电池容量；基于第三荷电状态和第四电池容量确定第二电池容量。
可选地，融合模块还用于根据多个第一电池容量确定第一容量方差，以及根据多个第二电池容量确定第二容量方差；基于第一电池容量、第二电池容量、第一容量方差和第二容量方差确定第三电池容量。
可选地，评估结果还用于获取车辆的车辆信息，其中，车辆信息包括车辆型号、充电倍率、充电温度和电池容量；根据预设分组方式对车辆信息进行分组处理，得到分组数据；对分组数据进行聚合处理，得到聚合数据；对聚合数据进行插值处理，得到预设电池容量标准值。
可选地，评估结果还用于根据预设电池容量标准值和第三电池容量确定动力电池的第一容量保持率和第一容量衰减率；基于第一容量保持率和第一容量衰减率确定评估结果。
可选地，评估结果还用于对第一容量保持率进行滤波处理，得到第二容量保持率，以及对第一容量衰减率进行滤波处理，得到第二容量衰减率；基于第二容量保持率和第二容量衰减率确定评估结果。
根据本申请其中一实施例，还提供了一种车辆，车辆用于执行上述任一项中的动力电池容量评估方法。
根据本发明其中一实施例，还提供了一种计算机可读存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为在计算机或处理器上运行时，执行上述任一项中的动力电池容量评估方法。
根据本发明其中一实施例，还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的动力电池容量评估方法。
在本发明实施例中，通过确定动力电池的充电数据，并基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量，并对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量，最后基于预设电池容量标准值对第三电池容量进行评估，得到评估结果，其中，评估结果用于表示动力电池的健康状态，从而能够在车辆实际工况使用情况下进行动力电池容量状态评估，达到覆盖全气候不同温度工况以及车辆实际工况实现动力电池容量评估的技术效果，抗干扰性强，准确性较高，可靠性较高，易于实现，成本较低，耗时较短，进而解决了相关技术中通过充放电循环、动态调节两个分量的权重以及机器学习模型、黑箱模型对动力电池容量进行评估，导致抗干扰性差，准确性较低，可靠性较低，不易实现，成本较高，耗时较久的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明其中一实施例的动力电池容量评估方法的流程图；
图2是根据本发明其中一实施例的离散化电路模型示意图；
图3是根据本发明其中一实施例的动力电池容量评估方法的框架图；
图4是根据本发明其中一实施例的动力电池容量评估装置的结构框图。
具体实施方式
为了便于理解，示例性地给出了部分与本发明实施例相关概念的说明以供参考。如下所示：
卡尔曼滤波算法：一种利用当前时刻的状态估计值和观测值来更新对状态变量的估计，得到当前时刻的最优估计值，并进行状态变量的更新的算法。在实际应用中，噪声在一些场合下是无法满足传统卡尔曼滤波的假设条件的，不合适的噪声初值信息会使得估计结果发散。因此，通过使用基于噪声信息协方差匹配算法的自适应卡尔曼滤波算法，用来提高对噪声不确定场景的适应性。
示例性地，对于任意非线性离散系统，以f（xk，uk）为系统状态方程函数，以h（xk，uk）为系统观测方程函数，其状态方程和观测方程的一般形式可以通过数学表达式表示，具体表达形式如下述公式（1）所示：
（1）
其中，上述公式（1）中x表示n维系统状态向量，u表示r维系统输入向量，y为m维系统输出向量或观测值，v表示观测噪声。ωk-1表示系统白噪声，均值为零，vk表示均值为零的测量白噪声，ωk-1和vk相互独立。则在每一个时刻，对f（xk，uk）和h（xk，uk）用一阶泰勒展开线性化，可以得到一阶泰勒展开的f（xk，uk）和h（xk，uk）的数学表达式，具体表达形式如下述公式（2）所示：
（2）
其中，上述公式（2）中表示xk的估计值，此时用Ak和Ck表示上述公式（2）中的变量，定义形式可以通过数学表达式表示，具体表达形式如下述公式（3）-（4）所示：
（3）
（4）
再将上述公式（2）代入到上述公式（1）中，可得到线性化后的系统状态方程和观测方程，具体表达形式如下述公式（5）所示：
（5）
在本发明实施例中，可以通过卡尔曼滤波算法对充电数据进行预测处理，确定第一容量估计值和第二容量估计值。
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明其中一实施例，提供了一种动力电池容量评估方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
该方法实施例可以在包含存储器和处理器的电子装置、类似的控制装置或者系统中执行。以电子装置为例，电子装置可以包括一个或多个处理器和用于存储数据的存储器。可选地，上述电子装置还可以包括用于通信功能的通信设备以及显示设备。本领域普通技术人员可以理解，上述结构描述仅为示意，其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比上述结构描述更多或者更少的组件，或者具有与上述结构描述不同的配置。
处理器可以包括一个或多个处理单元。例如：处理器可以包括中央处理器（central processing unit，CPU）、图形处理器（graphics processing unit，GPU）、数字信号处理（digital signal processing，DSP）芯片、微处理器（microcontroller unit，MCU）、可编程逻辑器件（field－programmable gate array，FPGA）、神经网络处理器（neural-network processing unit ，NPU）、张量处理器（tensor processing unit ，TPU）、人工智能（artificial intelligent，AI）类型处理器等的处理装置。其中，不同的处理单元可以是独立的部件，也可以集成在一个或多个处理器中。在一些实例中，电子装置也可以包括一个或多个处理器。
存储器可用于存储计算机程序，例如存储本发明实施例中的动力电池容量评估方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而实现上述的动力电池容量评估方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至电子装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信设备用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，通信设备包括一个网络适配器（network interface controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，通信设备可以为射频（radio frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
显示设备可以例如触摸屏式的液晶显示器（liquid crystal display，LCD）和触摸显示器（也被称为“触摸屏”或“触摸显示屏”）。该液晶显示器可使得用户能够与移动终端的用户界面进行交互。在一些实施例中，上述移动终端具有图形用户界面（graphical userinterface，GUI），用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互，此处的人机交互功能可选的包括如下交互：创建网页、绘图、文字处理、制作电子文档、游戏、视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。
在本实施例中提供了一种运行于电子装置的动力电池容量评估方法，图1是根据本发明其中一实施例的动力电池容量评估方法的流程图，如图1所示，该流程包括如下步骤：
步骤S10，确定动力电池的充电数据；
动力电池的充电数据可以理解为车辆动力电池的实时车联网数据，例如可以包括动力电池的车辆型号、时间戳、总电压、总电流、电池温度、各单体电压、车型配置信息等，本发明实施例不予限制。
可选地，可以通过车辆中的车身传感器获取动力电池的充电数据，本发明实施例不予限制。示例性地，可以通过车辆中的电池温度传感器获取动力电池的温度，由此确定动力电池的充电数据，本发明实施例不予限制。
在一种可选的实施例中，获取动力电池的充电数据后，可以对动力电池的充电数据进行系列处理，从而确定动力电池的充电数据，进而能够提高动力电池的充电数据的准确度，本发明实施例不予限制。
示例性地，获取动力电池的充电数据后，可以对动力电池的充电数据进行片段划分、数据重组、空值处理、异常值处理等，本发明实施例不予限制。具体地，动力电池的充电数据进行片段划分后，车辆连续上传的数据被划分为行驶片段、停车充电片段、停车片段，其中，可以对每种片段进行标记，包括片段的开始和片段结束，本发明实施例不予限制。
步骤S11，基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；
等效电路模型可以理解为动力电池的内部电路的等效模型，可选地，可以通过根据动力电池的型号类型获取动力电池的内部电路的等效模型，从而确定等效电路模型，本发明实施例不予限制。
第一电池容量可以理解为动力电池在当前充电过程中的等效满电容量值，第二电池容量可以理解为动力电池在当前充电过程中的满电最大容量值，动力电池的荷电状态可以理解为动力电池在充电时的充入容量状态。
该步骤可以理解为基于动力电池的内部电路的等效模型和充电数据确定动力电池在当前充电过程中的等效满电容量值，以及基于充电数据中动力电池在充电时的充入容量状态确定动力电池在当前充电过程中动力电池的满电最大容量值。
步骤S12，对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；
第三电池容量可以理解为动力电池在当前充电过程中的融合满电容量值，该步骤可以理解为对动力电池在当前充电过程中的等效满电容量值和满电最大容量值进行加权融合处理，得到动力电池在当前充电过程中的融合满电容量值。
可以理解的是，第一电池容量基于等效电路模型和充电数据确定，即第一电池容量表示该动力电池在当前车辆中的理想满电容量值，第二电池容量基于充电数据中动力电池的荷电状态确定，即第二电池容量表示该动力电池在充电过程中的实际满电最大容量值。
即该步骤可以理解为对动力电池在当前车辆中的理想满电容量值和实际满电最大容量值进行加权融合处理，动力电池在当前充电过程中的融合满电容量值，即第三电池容量，从而能够提高第三电池容量的准确性，进而保证后续评估结果的准确性。
步骤S13，基于预设电池容量标准值对第三电池容量进行评估，得到评估结果。
其中，评估结果用于表示动力电池的健康状态。
预设电池容量标准值可以理解为动力电池充电过程中的满电容量标准值，可以理解的是，不同车型、不同动力电池以及不同工况环境均会影响动力电池充电过程中的合理满电容量值，可选地，可以根据不同车型、不同动力电池以及不同工况环境确定动力电池充电过程中的合理满电容量值，即预设电池容量标准值，本发明实施例不予限制。
该步骤可以理解为基于动力电池充电过程中的满电容量标准值对动力电池在充电过程中的融合满电容量值进行评估，得到用于表示动力电池的健康状态的评估结果。
可以理解的是，当评估结果表示动力电池的健康状态为健康，表示当前动力电池在充电过程中的充电容量正常。当评估结果表示动力电池的健康状态为异常，表示当前动力电池在充电过程中的充电容量异常。
通过上述步骤，通过确定动力电池的充电数据，并基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量，并对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量，最后基于预设电池容量标准值对第三电池容量进行评估，得到评估结果，其中，评估结果用于表示动力电池的健康状态，从而能够在车辆实际工况使用情况下进行动力电池容量状态评估，达到覆盖全气候不同温度工况以及车辆实际工况实现动力电池容量评估的技术效果，抗干扰性强，准确性较高，可靠性较高，易于实现，成本较低，耗时较短，进而解决了相关技术中通过充放电循环、动态调节两个分量的权重以及机器学习模型、黑箱模型对动力电池容量进行评估，导致抗干扰性差，准确性较低，可靠性较低，不易实现，成本较高，耗时较久的技术问题。
可选地，在步骤S11中，基于等效电路模型和充电数据确定第一电池容量可以包括以下执行步骤：
步骤S110，对等效电路模型进行离散化处理，得到离散化电路模型；
该步骤可以理解为对动力电池的内部电路的等效模型进行离散化处理，得到离散化电路模型。
示例性地，图2是根据本发明其中一实施例的离散化电路模型示意图，如图2所示，图2中为常见动力电池等效电路模型中的戴维宁（Thevenin）模型，图2中动力电池Thevenin模型包括欧姆内阻Ri、极化内阻RD、极化电容CD。图2中动力电池Thevenin模型在运行时，当电路处于开路状态，测定离散化电路的开路电压（Open Circuit Voltage，OCV），当电路处于回路状态，将回路电压记为Ut，回路电流记为iL，极化电压记为UD。
可选地，可以将开路电压OCV记为Uoc，由上述图2中动力电池Thevenin模型可以确定极化电压UD的相量以及回路电压Ut的数学表达式，具体表达形式如下述公式（6）所示：
（6）
可选地，动力电池的等效电路模型参数在单位采用时间内可以视为固定值，则单位采用时间内可将动力电池模型线性化，并看作时变定常系统进行相应的简约化计算，则上述公式（6）的基本解可以通过数学表达式表示，具体表达形式如下述公式（7）所示：
（7）
其中，上述公式（7）中t表示当前时刻，t0=表示初始时刻，表示时间常数。对等效电路模型进行离散化处理，可以理解为取t0=kΔt，t=（k+1）Δt，k=0，1，2...，由此对动力电池的等效电路模型进行离散化处理，得到离散化电路模型方程可以通过数学表达式表示，具体表达形式如下述公式（8）所示：
（8）
由此确定动力电池的离散化电路模型，动力电池的离散化电路模型可以通过数学表达式表示，具体表达形式如下述公式（9）所示：
（9）
其中，上述公式（9）中的zk表示时刻荷电状态，zk-1表示下一时刻荷电状态，η表示动力电池充放电效率，Ca表示当前电池最大可用容量。
步骤S111，基于离散化电路模型和卡尔曼滤波算法对充电数据进行预测处理，确定第一容量估计值和第二容量估计值；
第一容量估计值可以理解为动力电池在车辆停车充电前的充入容量估计值，第二容量估计值可以理解为动力电池在车辆停车充电结束的充入容量估计值。
该步骤可以理解为基于离散化电路模型和卡尔曼滤波算法对充电数据进行预测处理，确定动力电池在车辆停车充电前的充入容量估计值和动力电池在车辆停车充电结束的充入容量估计值。
可选地，可以将充电数据中的荷电状态和极化电压状态向量的初始值记为x0，将系统白噪声初始值记为P0，将系统白噪声协方差初始值记为Q0，将观测白噪声协方差初始值记为R0，首次对充电数据进行时间更新，完成动力电池充电状态由时间（k-1）+到时间（k）-的推算。具体地，将状态和协方差估计从前一时刻推算到当前时刻，自适应扩展卡尔曼滤波器的时间更新方程可以通过数学表达式表示，以f（xk，uk）为系统状态方程函数，则系统状态预估值具体表达形式如下述公式（10）所示：
（10）
其中，上述公式（10）的x表示上述图2中等效电路模型n维系统极化电压向量，u表示上述图2中等效电路模型r维系统电流向量。则误差的协方差预估值PK -具体表达形式如下述公式（11）所示：
（11）
其中，上述公式（11）中的A表示状态转移矩阵。
再对充电数据进行测量更新，完成动力电池充电状态由时间（k）-到时间（k）+的推算。具体地，采用k时刻的充电数据中的系统输出向量（端电压）Yk校正状态估计值和协方差估计值，估计结果分别用和Pk +表示，则使用自适应卡尔曼滤波器的策略更新后的新息矩阵ek可以通过数学表达式表示，具体表达形式如下述公式（12）所示：
（12）
使用自适应卡尔曼滤波器的策略更新后的卡尔曼增益矩阵Kk可以通过数学表达式表示，具体表达形式如下述公式（13）所示：
（13）
其中，上述公式（13）中的Ck表示观测矩阵，使用自适应卡尔曼滤波器的策略更新后的自适应噪声协方差匹配Hk，Rk，以及Qk可以通过数学表达式表示，具体表达形式如下述公式（14）-（16）所示：
（14）
（15）
（16）
其中，上述公式（14）中的M表示自适应噪声协方差匹配系数，e表示新息矩阵。系统状态修正值可以通过数学表达式表示，具体表达形式如下述公式（17）所示：
（17）
最后对充电数据进行时间尺度更新，完成动力电池充电状态由时间（k）+到时间（k+1）-的推算，由此完成对第一容量估计值和第二容量估计值的准备，本发明实施例不予限制。
可选地，可以按照车辆识别代码和算法函数语句，例如group_id函数语句对上述处理过的数据进行分组，再按照数据采集时间升序排序，并对每组数据进行动力电池在车辆停车充电前的充入容量估计和动力电池在车辆停车充电结束的充入容量估计，由此确定第一容量估计值和第二容量估计值，本发明实施例不予限制。
具体地，将上述每组数据中动力电池在停车充电前的总电流、单体电压平均值或单体电压中位数输入模型，直至模型运行到最后一帧数据，得到最后的充入容量即为第一容量估计值。将上述每组数据中动力电池在停车充电过程的总电流、单体电压平均值、单体电压中位数输入模型，直至模型运行到最后一帧数据，得到最后的充入容量即为第二容量估计值。
步骤S112，根据第一容量估计值和第二容量估计值确定第一电池容量。
该步骤可以理解为根据动力电池在车辆停车充电前的充入容量估计值和动力电池在车辆停车充电结束的充入容量估计值确定动力电池在车辆停车充电过程中的等效满电容量值。
可选地，可以将第一容量估计值记为SOCstart，将第二容量估计值记为SOCend，则动力电池在车辆停车充电过程中的等效满电容量值Qeq可以通过数学公式计算，具体计算过程如下述公式（18）所示：
（18）
其中，上述公式（18）中的I表示动力电池的第一电流值，t表示当前时刻，由此确定动力电池在车辆停车充电过程中的等效满电容量值，即第一电池容量，本发明实施例不予限制。
可选地，在步骤S11中，充电数据包括动力电池充电开始时的第一荷电状态、动力电池充电结束时的第二荷电状态和动力电池充电过程中的第一电流值，基于充电数据中动力电池的荷电状态确定第二电池容量可以包括以下执行步骤：
步骤S113，根据第一荷电状态和第二荷电状态确定第三荷电状态；
第三荷电状态可以理解为动力电池充电开始至充电结束充入的电容状态，该步骤可以理解为根据动力电池充电开始时的第一荷电状态和动力电池充电结束时的第二荷电状态确定动力电池充电开始至充电结束充入的电容状态，即第三荷电状态。
可选地，可以在对车辆的运行数据进行划分后，选取停车充电片段根据第一荷电状态和第二荷电状态确定第三荷电状态，本发明实施例不予限制。具体地，将第一荷电状态记为SOCstart，将第二荷电状态记为SOCend，第三荷电状态SOCdelta可以通过数学计算确定，具体计算过程如下述公式（19）所示：
（19）
由此确定第三荷电状态，本发明实施例不予限制。
步骤S114，对第一电流值进行积分，得到动力电池的第四电池容量；
第四电池容量可以理解为动力电池在充电过程中充入的容量，可选地，可以将动力电池的第一电流值记为I，动力电池的第四电池容量Qdelta可以通过数学计算确定，具体计算过程如下述公式（20）所示：
（20）
由此确定第四电池容量，本发明实施例不予限制。
步骤S115，基于第三荷电状态和第四电池容量确定第二电池容量。
该步骤可以理解为基于动力电池充电开始至充电结束充入的电容状态和电池在充电过程中充入的容量确定动力电池在当前充电过程中的满电最大容量值，可选地，可以将第三荷电状态记为SOCdelta，将第四电池容量记为Qdelta，则第二电池容量Qnow可以通过数学计算确定，具体计算过程如下述公式（21）所示：
（21）
由此确定第二电池容量，本发明实施例不予限制。
可选地，在步骤S12中，对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量可以包括以下执行步骤：
步骤S120，根据多个第一电池容量确定第一容量方差，以及根据多个第二电池容量确定第二容量方差；
该步骤可以理解为根据多个动力电池在充电过程中的等效满电容量值确定第一容量方差，以及根据多个动力电池在充电过程中的满电最大容量值确定第二容量方差。
可选地，可以通过选取一段时间内，例如三个月内的动力电池在多个充电过程中的等效满电容量值确定多个第一电池容量，以及通过计算动力电池在多个充电过程中的满电最大容量值确定第二容量方差确定多个第二电池容量，本发明实施例不予限制。
示例性地，可以根据三个月内的动力电池在多个充电过程中的等效满电容量值通过计算确定第一容量方差，根据三个月内的动力电池在多个充电过程中的满电最大容量值计算确定第二容量方差，本发明实施例不予限制。
步骤S121，基于第一电池容量、第二电池容量、第一容量方差和第二容量方差确定第三电池容量。
该步骤可以理解为基于动力电池在充电过程中的等效满电容量、动力电池在充电过程中的满电最大容量值、第一容量方差和第二容量方差确定动力电池在充电过程中的融合满电容量值。
可选地，可以通过数学公式计算确定第三电池容量，本发明实施例不予限制。示例性地，可以将第一电池容量记为Qeq，将第二电池容量记为Qnow，将第一容量方差记为σ2 est，将第二容量方差记为σ2 veh，则第三电池容量Qstd可以通过数学公式计算得出，具体计算过程如下述公式（22）所示：
（22）
由此确定第三电池容量，本发明实施例不予限制。
可选地，在步骤S13中，还可以包括以下执行步骤：
步骤S130，获取车辆的车辆信息；
其中，车辆信息包括车辆型号、充电倍率、充电温度和电池容量。
可以理解的是，由于车辆的动力电池在充电过程中，温度因素会对电池的充入与放出容量产生影响，因此需要考虑不同温度工况下电池充入的容量，即获取车辆的车辆型号、充电倍率、充电温度和电池容量。
步骤S131，根据预设分组方式对车辆信息进行分组处理，得到分组数据；
预设分组方式可以理解为根据不同因素进行分组的方式，可选地，可以按照不同车辆型号、不同充电倍率、不同充电温度对车辆信息进行分组处理，得到分组数据，本发明实施例不予限制。
具体地，可以按照充电速度，例如快充或慢充对车辆信息中的不同充电倍率进行分组处理，或通过预设倍率阈值，例如按照不同倍率下的容量大小做聚类分析后，根据聚类结果划分为[0，a），[a，b），[b，c）等区间对车辆信息中的不同充电倍率进行分组处理其中，a＜b＜c。可以通过温度值数据量大小，例如数据量较大时，可以每m℃进行划分，如果数据量小，可以每n℃对车辆信息中的不同充电温度进行划分，其中，m＜n。
步骤S132，对分组数据进行聚合处理，得到聚合数据；
该步骤可以理解为对分组后的车辆信息进行聚合处理，得到聚合数据。
可选地，可以通过中位数或者平均数的方式为对分组后的车辆信息进行聚合处理，得到聚合数据，本发明实施例不予限制。
步骤S133，对聚合数据进行插值处理，得到预设电池容量标准值。
可以理解的是，由于数据量的分布不均匀或者数据量较少的问题，部分分组数据中可能没有数据，并且温度作影响动力电池充电容量的重要因素，需要覆盖各地区环境温度，因此对聚合数据进行插值处理，得到预设电池容量标准值，从而能够解决部分分组数据中缺失值对预设电池容量标准值造成的影响，进而保证预设电池容量标准值的准确性。
可选地，可以通过将聚合数据中的温度数据分组的每一组温度与容量标准值进行多项式或其他回归拟合操作，插值填充空缺的温度和容量标准值，从而完成插值处理，本发明实施例不予限制。
可选地，在步骤S13中，基于预设电池容量标准值对第三电池容量进行评估，得到评估结果可以包括以下执行步骤：
步骤S134，根据预设电池容量标准值和第三电池容量确定动力电池的第一容量保持率和第一容量衰减率；
第一容量保持率可以理解为动力电池在使用过程中最大满电容量的保持率，当第一容量保持率越高，表示动力电池在使用过程中最大满电容量的保持程度越好。第一容量衰减率可以理解为动力电池在使用过程中最大满电容量的衰减率，当第一容量衰减率越高，表示动力电池在使用过程中最大满电容量的衰减程度越大。
该步骤可以理解为根据动力电池充电过程中的满电容量标准值和动力电池充电过程中的融合满电容量值确定动力电池的第一容量保持率和第一容量衰减率。
可选地，可以通过数学公式计算确定动力电池的第一容量保持率和第一容量衰减率，本发明实施例不予限制。示例性地，可以将预设电池容量标准值记为Qnew，将第三电池容量记为Qnow，则第一容量保持率R和第一容量衰减率d可以通过数学公式计算得出，具体计算过程如下述公式（23）-（24）所示：
（23）
（24）
由此确定动力电池的第一容量保持率和第一容量衰减率，本发明实施例不予限制。
步骤S135，基于第一容量保持率和第一容量衰减率确定评估结果。
该步骤可以理解为基于动力电池在使用过程中最大满电容量的保持率和动力电池在使用过程中最大满电容量的衰减率确定动力电池的健康状态。
可选地，在步骤S135中，基于第一容量保持率和第一容量衰减率确定评估结果可以包括以下执行步骤：
步骤S1350，对第一容量保持率进行滤波处理，得到第二容量保持率，以及对第一容量衰减率进行滤波处理，得到第二容量衰减率；
可以理解的是，用于第一容量保持率和第一容量衰减率一般为通过多次结果随时间或运行里程的散点图，由于测量误差、系统误差等原因仍然可能会导致有异常数值，因此需要对第一容量保持率和第一容量衰减率进行滤波处理，从而能够提高第一容量保持率和第一容量衰减率的精度，进而提高评估结果的准确性。
可选地，可以通过提取历次第一容量保持率和第一容量衰减率后，以时间或运行里程为x轴，以第一容量保持率或第一容量衰减率为y轴，使用多项式或支持向量回归算法（Support Vector Regression，SVR）等算法进行回归或拟合，以达到平滑稳定的效果，本发明实施例不予限制。
步骤S1351，基于第二容量保持率和第二容量衰减率确定评估结果。
该步骤可以理解为基于通过滤波处理后的动力电池在使用过程中最大满电容量的保持率和动力电池在使用过程中最大满电容量的衰减率确定动力电池的健康状态，当第二容量保持率越高或第二容量衰减率越低时，表示动力电池的健康状态越优。
图3是根据本发明其中一实施例的动力电池容量评估方法的框架图，如图3所示，综合说明上述步骤的具体实现过程。图3中包括车辆充电数据确定模块、数据预处理模块、第一电池容量确定模块、第二电池容量确定模块、融合计算模块、动力电池容量评估模块、电池容量标准值确定模块、容量结果滤波模块。
其中，车辆充电数据确定模块用于确定车辆的充电数据，数据预处理模块用于对车辆充电数据进行预处理，第一电池容量确定模块用于确定动力电池在充电过程中的等效满电容量值，第二电池容量确定模块用于确定动力电池在充电过程中的满电最大容量值，融合计算模块用于确定动力电池在充电过程中的融合满电容量值，动力电池容量评估模块用于确定动力电池在使用过程中最大满电容量的保持率和衰减率，电池容量标准值确定模块用于确定预设电池容量标准值，容量结果滤波模块用于确定动力电池健康状态的评估结果。
图3中的动力电池容量评估方法框架在运行时，通过车辆充电数据确定模块确定车辆的充电数据，并通过数据预处理模块车辆充电数据进行预处理（即步骤S10）。
通过第一电池容量确定模块基于数据预处理模块提供的车辆充电数据确定动力电池在充电过程中的等效满电容量值，具体地，通过对动力电池的等效电路模型进行离散化处理（即步骤S110），并基于离散化电路模型和卡尔曼滤波算法对充电数据进行预测处理，估计充电前后的容量值（即步骤S111），再基于容量估计值计算第一电池容量（即步骤S112）。通过第二电池容量确定模块基于数据预处理模块提供的车辆充电数据确定动力电池在充电过程中的满电最大容量值，具体地，获取动力电池充电前后的荷电状态计算得到第二电池容量（即步骤S113至步骤S115），从而确定第一电池容量和第二电池容量（即步骤S11）。
得到第一电池容量和第二电池容量后，通过融合计算模块提取最近一段时间的第一电池容量和第二电池容量，并对两种电池容量数据进行方差计算（即步骤S120），再根据方差大小的关系进行融合，得到融合满电容量值（即步骤S121），即第三电池容量（即步骤S12）。
得到第三电池容量后，通过电池容量标准值确定模块先对车辆数据进行分组处理（即步骤S130至步骤S131），再对每组内的满电容量进行聚合处理（即步骤S132），最后对聚合数据按照温度进行差值处理，得到电池容量标准值（即步骤S133）。
得到第三电池容量后，通过动力电池容量评估模块先获取历次满电容量值，并根据公式确定每次满电容量相对新车标准值的比值，从而确定动力电池在使用过程中最大满电容量的保持率和衰减率（即步骤S134）。
最后通过容量结果滤波模块对历次的容量比值进行回归或拟合（即步骤S1350），并通过获取当前回归曲线上的数值达到滤波效果，最后输出评估结果（即步骤S1351），从而确定动力电池健康状态的评估结果（即步骤S13），由此完成对动力电池容量的评估。
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根据上述实施例的方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，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的方法。
在本实施例中还提供了一种动力电池容量评估装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明其中一实施例的动力电池容量评估装置的结构框图，如图4所示，以动力电池容量评估装置400进行示例，该装置包括：第一确定模块401，第一确定模块401用于确定动力电池的充电数据；第二确定模块402，第二确定模块402用于基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；融合模块403，融合模块403用于对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；评估模块404，评估模块404用于基于预设电池容量标准值对第三电池容量进行评估，得到评估结果，其中，评估结果用于表示动力电池的健康状态。
可选地，第二确定模块402还用于对等效电路模型进行离散化处理，得到离散化电路模型；基于离散化电路模型和卡尔曼滤波算法对充电数据进行预测处理，确定第一容量估计值和第二容量估计值；根据第一容量估计值和第二容量估计值确定第一电池容量。
可选地，第二确定模块402还用于根据第一荷电状态和第二荷电状态确定第三荷电状态；对第一电流值进行积分，得到动力电池的第四电池容量；基于第三荷电状态和第四电池容量确定第二电池容量。
可选地，融合模块403还用于根据多个第一电池容量确定第一容量方差，以及根据多个第二电池容量确定第二容量方差；基于第一电池容量、第二电池容量、第一容量方差和第二容量方差确定第三电池容量。
可选地，评估结果404还用于获取车辆的车辆信息，其中，车辆信息包括车辆型号、充电倍率、充电温度和电池容量；根据预设分组方式对车辆信息进行分组处理，得到分组数据；对分组数据进行聚合处理，得到聚合数据；对聚合数据进行插值处理，得到预设电池容量标准值。
可选地，评估结果404还用于根据预设电池容量标准值和第三电池容量确定动力电池的第一容量保持率和第一容量衰减率；基于第一容量保持率和第一容量衰减率确定评估结果。
可选地，评估结果还用于对第一容量保持率进行滤波处理，得到第二容量保持率，以及对第一容量衰减率进行滤波处理，得到第二容量衰减率；基于第二容量保持率和第二容量衰减率确定评估结果。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本申请的实施例还提供了一种车辆，该车辆用于执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述车辆可以被设置为存储用于执行以下步骤的计算机程序：
步骤S1，确定动力电池的充电数据；
步骤S2，基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；
步骤S3，对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；
步骤S4，基于预设电池容量标准值对第三电池容量进行评估，得到评估结果。
本发明的实施例还提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为在计算机或处理器上运行时，执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序：
步骤S1，确定动力电池的充电数据；
步骤S2，基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；
步骤S3，对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；
步骤S4，基于预设电池容量标准值对第三电池容量进行评估，得到评估结果。
可选地，在本实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子装置中的处理器可以被设置为运行计算机程序以执行以下步骤：
步骤S1，确定动力电池的充电数据；
步骤S2，基于等效电路模型和充电数据确定第一电池容量，以及基于充电数据中动力电池的荷电状态确定第二电池容量；
步骤S3，对第一电池容量和第二电池容量进行加权融合处理，得到第三电池容量；
步骤S4，基于预设电池容量标准值对第三电池容量进行评估，得到评估结果。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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存在，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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以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，本发明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全部或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（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种动力电池容量评估方法，其特征在于，包括：
确定动力电池的充电数据；
基于等效电路模型和所述充电数据确定第一电池容量，以及基于所述充电数据中所述动力电池的荷电状态确定第二电池容量；
对所述第一电池容量和所述第二电池容量进行加权融合处理，得到第三电池容量；
基于预设电池容量标准值对所述第三电池容量进行评估，得到评估结果，其中，所述评估结果用于表示所述动力电池的健康状态。
2.根据权利要求1所述的方法，其特征在于，所述基于等效电路模型和所述充电数据确定第一电池容量包括：
对所述等效电路模型进行离散化处理，得到离散化电路模型；
基于所述离散化电路模型和卡尔曼滤波算法对所述充电数据进行预测处理，确定第一容量估计值和第二容量估计值；
根据所述第一容量估计值和所述第二容量估计值确定所述第一电池容量。
3.根据权利要求1所述的方法，其特征在于，所述充电数据包括所述动力电池充电开始时的第一荷电状态、所述动力电池充电结束时的第二荷电状态和所述动力电池充电过程中的第一电流值，所述基于所述充电数据中所述动力电池的荷电状态确定第二电池容量包括：
根据所述第一荷电状态和所述第二荷电状态确定第三荷电状态；
对所述第一电流值进行积分，得到所述动力电池的第四电池容量；
基于所述第三荷电状态和所述第四电池容量确定所述第二电池容量。
4.根据权利要求1所述的方法，其特征在于，所述对所述第一电池容量和所述第二电池容量进行加权融合处理，得到第三电池容量包括：
根据多个所述第一电池容量确定第一容量方差，以及根据多个所述第二电池容量确定第二容量方差；
基于所述第一电池容量、所述第二电池容量、所述第一容量方差和所述第二容量方差确定所述第三电池容量。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取车辆的车辆信息，其中，所述车辆信息包括车辆型号、充电倍率、充电温度和电池容量；
根据预设分组方式对所述车辆信息进行分组处理，得到分组数据；
对所述分组数据进行聚合处理，得到聚合数据；
对所述聚合数据进行插值处理，得到所述预设电池容量标准值。
6.根据权利要求5所述的方法，其特征在于，所述基于预设电池容量标准值对所述第三电池容量进行评估，得到评估结果包括：
根据所述预设电池容量标准值和所述第三电池容量确定所述动力电池的第一容量保持率和第一容量衰减率；
基于所述第一容量保持率和所述第一容量衰减率确定所述评估结果。
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一容量保持率和所述第一容量衰减率确定所述评估结果包括：
对所述第一容量保持率进行滤波处理，得到第二容量保持率，以及对所述第一容量衰减率进行滤波处理，得到第二容量衰减率；
基于所述第二容量保持率和所述第二容量衰减率确定所述评估结果。
8.一种动力电池容量评估装置，其特征在于，包括：
第一确定模块，所述第一确定模块用于确定动力电池的充电数据；
第二确定模块，所述第二确定模块用于基于等效电路模型和所述充电数据确定第一电池容量，以及基于所述充电数据中所述动力电池的荷电状态确定第二电池容量；
融合模块，所述融合模块用于对所述第一电池容量和所述第二电池容量进行加权融合处理，得到第三电池容量；
评估模块，所述评估模块用于基于预设电池容量标准值对所述第三电池容量进行评估，得到评估结果，其中，所述评估结果用于表示所述动力电池的健康状态。
9.一种车辆，其特征在于，所述车辆用于执行上述权利要求1至7任一项中所述的动力电池容量评估方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述权利要求1至7任一项中所述的动力电池容量评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310761390.3A CN116500458B (zh) | 2023-06-27 | 2023-06-27 | 动力电池容量评估方法、装置、车辆及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310761390.3A CN116500458B (zh) | 2023-06-27 | 2023-06-27 | 动力电池容量评估方法、装置、车辆及电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116500458A true CN116500458A (zh) | 2023-07-28 |
| CN116500458B CN116500458B (zh) | 2023-09-22 |
Family
ID=87327002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310761390.3A Active CN116500458B (zh) | 2023-06-27 | 2023-06-27 | 动力电池容量评估方法、装置、车辆及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116500458B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117239940A (zh) * | 2023-11-15 | 2023-12-15 | 国能世界(北京)科技有限公司 | 一种磁性电容储能芯片器件及电能管理系统 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103399277A (zh) * | 2013-07-29 | 2013-11-20 | 重庆长安汽车股份有限公司 | 一种动力电池实际容量估算方法 |
| US20180143257A1 (en) * | 2016-11-21 | 2018-05-24 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
| CN110161424A (zh) * | 2018-02-11 | 2019-08-23 | 北汽福田汽车股份有限公司 | 动力电池的健康状态检测方法、及系统及车辆 |
| CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
| CN110658462A (zh) * | 2019-10-25 | 2020-01-07 | 北京航空航天大学 | 一种基于数据融合与arima模型的锂电池在线寿命预测方法 |
| CN111060834A (zh) * | 2019-12-19 | 2020-04-24 | 中国汽车技术研究中心有限公司 | 一种动力电池健康状态估算方法 |
| CN111610447A (zh) * | 2020-05-22 | 2020-09-01 | 上海理工大学 | 一种基于开路电压的电池容量估计方法 |
| JP2020169943A (ja) * | 2019-04-05 | 2020-10-15 | 株式会社日立産機システム | 蓄電池状態評価システム |
| CN112363075A (zh) * | 2019-11-21 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
| CN112415402A (zh) * | 2021-01-25 | 2021-02-26 | 浙江纽联科技有限公司 | 锂电池容量估计、电芯异常预测的方法和系统 |
| CN112710955A (zh) * | 2020-12-16 | 2021-04-27 | 上海理工大学 | 一种用于提高电池容量估计精度的算法 |
| CN113866655A (zh) * | 2021-09-27 | 2021-12-31 | 北京理工新源信息科技有限公司 | 融合车联网运行数据与测试数据的动力电池容量评估方法 |
| CN114646888A (zh) * | 2022-03-17 | 2022-06-21 | 彩虹无线（北京）新技术有限公司 | 一种动力电池容量衰减的评估方法及系统 |
| CN114924191A (zh) * | 2022-05-13 | 2022-08-19 | 上海瑞浦青创新能源有限公司 | 一种电池容量的在线估测方法和装置 |
| CN115097313A (zh) * | 2022-06-27 | 2022-09-23 | 重庆理工大学 | 适用于多工况全电量区间的动力电池状态估算方法 |
| CN115453376A (zh) * | 2022-10-26 | 2022-12-09 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 电动汽车动力电池的状态监控方法、系统及电动汽车 |
| CN115825782A (zh) * | 2022-01-24 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 一种动力电池的容量计算方法及装置 |
| CN115932634A (zh) * | 2022-12-29 | 2023-04-07 | 天津市捷威动力工业有限公司 | 一种对电池健康状态评估的方法、装置、设备及存储介质 |
| CN115951229A (zh) * | 2023-01-29 | 2023-04-11 | 浙江极氪智能科技有限公司 | 车辆电池的驱动寿命评估方法、装置、车辆及存储介质 |
-
2023
- 2023-06-27 CN CN202310761390.3A patent/CN116500458B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103399277A (zh) * | 2013-07-29 | 2013-11-20 | 重庆长安汽车股份有限公司 | 一种动力电池实际容量估算方法 |
| US20180143257A1 (en) * | 2016-11-21 | 2018-05-24 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
| CN110161424A (zh) * | 2018-02-11 | 2019-08-23 | 北汽福田汽车股份有限公司 | 动力电池的健康状态检测方法、及系统及车辆 |
| JP2020169943A (ja) * | 2019-04-05 | 2020-10-15 | 株式会社日立産機システム | 蓄電池状態評価システム |
| CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
| CN110658462A (zh) * | 2019-10-25 | 2020-01-07 | 北京航空航天大学 | 一种基于数据融合与arima模型的锂电池在线寿命预测方法 |
| CN112363075A (zh) * | 2019-11-21 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
| CN111060834A (zh) * | 2019-12-19 | 2020-04-24 | 中国汽车技术研究中心有限公司 | 一种动力电池健康状态估算方法 |
| CN111610447A (zh) * | 2020-05-22 | 2020-09-01 | 上海理工大学 | 一种基于开路电压的电池容量估计方法 |
| CN112710955A (zh) * | 2020-12-16 | 2021-04-27 | 上海理工大学 | 一种用于提高电池容量估计精度的算法 |
| CN112415402A (zh) * | 2021-01-25 | 2021-02-26 | 浙江纽联科技有限公司 | 锂电池容量估计、电芯异常预测的方法和系统 |
| CN113866655A (zh) * | 2021-09-27 | 2021-12-31 | 北京理工新源信息科技有限公司 | 融合车联网运行数据与测试数据的动力电池容量评估方法 |
| CN115825782A (zh) * | 2022-01-24 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 一种动力电池的容量计算方法及装置 |
| CN114646888A (zh) * | 2022-03-17 | 2022-06-21 | 彩虹无线（北京）新技术有限公司 | 一种动力电池容量衰减的评估方法及系统 |
| CN114924191A (zh) * | 2022-05-13 | 2022-08-19 | 上海瑞浦青创新能源有限公司 | 一种电池容量的在线估测方法和装置 |
| CN115097313A (zh) * | 2022-06-27 | 2022-09-23 | 重庆理工大学 | 适用于多工况全电量区间的动力电池状态估算方法 |
| CN115453376A (zh) * | 2022-10-26 | 2022-12-09 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 电动汽车动力电池的状态监控方法、系统及电动汽车 |
| CN115932634A (zh) * | 2022-12-29 | 2023-04-07 | 天津市捷威动力工业有限公司 | 一种对电池健康状态评估的方法、装置、设备及存储介质 |
| CN115951229A (zh) * | 2023-01-29 | 2023-04-11 | 浙江极氪智能科技有限公司 | 车辆电池的驱动寿命评估方法、装置、车辆及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117239940A (zh) * | 2023-11-15 | 2023-12-15 | 国能世界(北京)科技有限公司 | 一种磁性电容储能芯片器件及电能管理系统 |
| CN117239940B (zh) * | 2023-11-15 | 2024-01-26 | 国能世界(北京)科技有限公司 | 一种磁性电容储能芯片器件及电能管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116500458B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110068774B (zh) | 锂电池健康状态的估计方法、装置及存储介质 | |
| CN109946623B (zh) | 一种锂电池的soc在线估测方法 | |
| CN109196366B (zh) | 使用高斯过程回归估计电池充电状态的方法和系统 | |
| CN110011374B (zh) | 一种电池充放电电流的控制方法、系统及终端设备 | |
| CN108107372A (zh) | 基于soc分区估算的蓄电池健康状况量化方法及系统 | |
| CN110346725B (zh) | 一种电池健康度评估模型的构建方法、评估方法和装置 | |
| CN109100655B (zh) | 一种动力电池的数据处理方法和装置 | |
| CN116500458B (zh) | 动力电池容量评估方法、装置、车辆及电子装置 | |
| CN107677967B (zh) | 确定电池电量的方法及装置 | |
| CN103760494B (zh) | 电池容量在线估计方法及系统 | |
| CN104242393A (zh) | 基于动态soc估算系统的电池管理系统 | |
| CN113093027B (zh) | 电池soc校准方法、装置、系统、介质及程序产品 | |
| CN115902647B (zh) | 一种电池状态智能监测方法 | |
| CN113111508A (zh) | 电芯一致性的评估方法、装置及服务器 | |
| CN112505569A (zh) | 电池状态信息的生成方法、装置及终端设备 | |
| CN115542186B (zh) | 一种储能电池状态及一致性评价方法、装置、设备及介质 | |
| CN115616409A (zh) | 电池荷电状态的计算方法、装置、车辆及存储介质 | |
| CN115107566A (zh) | 车辆续驶里程的计算方法、装置、车辆及存储介质 | |
| CN115575842A (zh) | 电池管理方法、装置、电子设备以及存储介质 | |
| CN112485695A (zh) | 动力电池的检测方法及装置 | |
| CN115629315A (zh) | 电池状态估计方法、电池状态估计装置、设备及存储介质 | |
| US20230324463A1 (en) | Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods | |
| CN116811658A (zh) | 电动车辆低温充电补偿时间确定方法、系统、设备及介质 | |
| CN113447821B (zh) | 评估电池荷电状态的方法 | |
| CN108983100A (zh) | 电池剩余电量的处理方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |