CN116819346B - 电池soc估算方法、装置、设备及存储介质 - Google Patents
电池soc估算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116819346B CN116819346B CN202311096848.4A CN202311096848A CN116819346B CN 116819346 B CN116819346 B CN 116819346B CN 202311096848 A CN202311096848 A CN 202311096848A CN 116819346 B CN116819346 B CN 116819346B
- Authority
- CN
- China
- Prior art keywords
- soc
- battery
- value
- acquiring
- soc estimation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000007599 discharging Methods 0.000 claims description 78
- 238000012360 testing method Methods 0.000 claims description 61
- 238000004088 simulation Methods 0.000 claims description 52
- 238000012937 correction Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 21
- 230000010354 integration Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000012706 support-vector machine Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000010287 polarization Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请涉及电池管理技术领域，公开了电池SOC估算方法、装置、设备及存储介质，其中，所述方法首先，根据电池的充放电接口信息确定与所述电池当前状态下匹配的SOC估算模型，并获取SOC关联参数信息，及基于所述SOC估算模型和所述SOC关联参数信息得到第一中间SOC估算值，然后，获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命‑SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值，最后，获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度‑SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。采用该方法可以提高电池SOC估算值的准确性。
Description
技术领域
本申请涉及电池管理技术领域，尤其涉及一种电池SOC估算方法、装置、设备及存储介质。
背景技术
电池的电量状态（英文简称：SOC）对于其性能、安全性和使用寿命等都有很多影响，因此，在电池的使用过程中需要进行SOC的估算，以对电池性能、安全性和使用寿命进行评估。目前，SOC估算方法主要分为模型方法和非模型方法两种，其中，模型方法也称为数学建模方法，通过建立神经网络模型来估算电池的SOC；非模型方法则不需要建立神经网络模型，主要借助于电池的特性曲线来估算其SOC值。但是，这些方法还存在估算结果不准确的问题，从而给电池的使用造成一定的安全隐患。
发明内容
本申请提供一种电池SOC估算方法、装置、设备及存储介质，以提高电池SOC估算值的准确性。
第一方面，本申请提供一种电池SOC估算方法，所述方法包括：
获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备；
基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型；
通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值；
获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值；
获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。
在一种实现方式中，所述放电SOC估算模型的训练方法，包括：
获取电池在放电状态下的SOC关联参数；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取训练试验电池在放电过程中的多个不同时刻的SOC关联参数集；
利用安时积分法分别计算每个所述不同时刻的SOC值，并针对每个所述不同时刻对应的所述SOC关联参数集和所述SOC值构建SOC关联参数集-SOC值匹配关系表；
构建支持向量机预测模型，并基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到初始放电SOC估算模型；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取校正试验电池在放电过程中的预设时刻的SOC关联参数集，并基于所述校正试验电池在所述预设时刻的SOC关联参数集和所述初始放电SOC估算模型获取所述校正试验电池在所述预设时刻的预测SOC值；
利用安时积分法获取所述校正试验电池在所述预设时刻的计算SOC值；
基于所述预测SOC值和所述计算SOC值获取所述初始放电SOC估算模型的预测损失值；
基于所述预测损失值对所述初始放电SOC估算模型的模型参数进行优化，得到所述放电SOC估算模型。
在一种实现方式中，所述获取电池在放电状态下的SOC关联参数，包括：
构建多个相同的仿真电池-仿真负载设备对；
针对每个所述仿真电池-仿真负载设备对，在同一时刻利用所述仿真电池以相同的恒定电流对所述仿真负载设备开始供电，以使所述仿真电池处于放电状态，并通过预设的仿真电池参数测试装置获取所述仿真电池在指定时刻的电池参数集；其中，针对任意两个所述仿真电池设置的所述指定时刻互不相同；
利用安时积分法分别计算每个所述仿真电池在各自对应的所述指定时刻的SOC值，并针对每个所述仿真电池对应的所述电池参数集和所述指定时刻的SOC值构建电池参数集-SOC值匹配关系表；
基于所述电池参数集-SOC值匹配关系表绘制所述电池参数集中的每类参数与所述SOC值之间的关系曲线；
对每个所述关系曲线进行平滑处理，并基于平滑处理后的所有所述关系曲线确定电池在放电状态下的SOC关联参数。
在一种实现方式中，所述获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值，包括：
基于所述设备类型获取与所述设备类型匹配的电池剩余寿命预测模型，所述电池剩余寿命预测模型包括充电状态下的电池剩余寿命预测模型和放电状态下的电池剩余寿命预测模型；
通过所述电池参数测试装置获取当前时刻下的剩余寿命关联参数信息，并将所述剩余寿命关联参数信息输入所述电池剩余寿命预测模型，以得到所述电池在所述当前时刻下的剩余寿命；
基于预设的剩余寿命-SOC曲线获取基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值；
基于所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值获取SOC修正系数，并基于SOC修正系数对所述第一中间SOC估算值进行修正，得到所述第二中间SOC估算值。
在一种实现方式中，所述环境温度-SOC曲线包括充电过程中的环境温度-SOC曲线和放电过程中的环境温度-SOC曲线，其中，放电过程中的环境温度-SOC曲线的生成方法包括：
获取用于生成放电过程中的所述环境温度-SOC曲线的数据集，所述数据集为多个相同型号的电池分别对同一型号的负载设备供电时，在除环境温度以外的其他条件完全一致时获取的多个映射关系；其中，所述映射关系为环境温度与SOC值的映射关系；
基于所述数据集生成放电过程中的所述环境温度-SOC曲线。
第二方面，本申请提供一种电池SOC估算装置，包括：
确定模块，用于获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备；
第一获取模块，用于基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型；
第二获取模块，用于基于所述SOC估算模型通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值；
第三获取模块，用于获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值；
第四获取模块，用于获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。
第三方面，本申请提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中，所述计算机程序被所述处理器执行时，实现如上所述的任一种电池SOC估算方法。
第四方面，本申请提供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有计算机程序，其中，所述计算机程序被所述处理器执行时，实现如上所述的任一种电池SOC估算方法。
本申请提供了电池SOC估算方法、装置、设备及存储介质，其中，所述方法首先，根据电池的充放电接口信息确定与所述电池当前状态下匹配的SOC估算模型，并获取SOC关联参数信息，及基于所述SOC估算模型和所述SOC关联参数信息得到第一中间SOC估算值，然后，获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值，最后，获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。采用该方法可以提高电池SOC估算值的准确性。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的电池SOC估算方法的流程示意图；
图2为本申请实施例提供的电池SOC估算装置的结构示意性框图；
图3为本申请实施例提供的终端设备的结构示意性框图。
具体实施方式
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的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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
电池的电量状态（英文简称：SOC）对于其性能、安全性和使用寿命等都有很多影响，因此，在电池的使用过程中需要进行SOC的估算，以对电池性能、安全性和使用寿命进行评估。目前，SOC估算方法主要分为模型方法和非模型方法两种，其中，模型方法也称为数学建模方法，通过建立神经网络模型来估算电池的SOC；非模型方法则不需要建立神经网络模型，主要借助于电池的特性曲线来估算其SOC值。但是，这些方法还存在估算结果不准确的问题，从而给电池的使用造成一定的安全隐患。为此，本申请实施例提供一种电池SOC估算方法、装置、设备及存储介质，以解决上述问题。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述实施例及实施例中的特征可以相互结合。
请参阅图1，图1为本申请实施例提供的电池SOC估算方法的流程示意图，如图1所示，本申请实施例提供的电池SOC估算方法包括步骤S100至步骤S500。
步骤S100、获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备。
其中，所述电池的充放电接口包括但不限于USB接口、Type-C接口等可以识别所述电池的接入设备的设备类型的接口。
步骤S200、基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型。
其中，所述放电SOC估算模型和所述充电SOC估算模型均采用神经网络训练得到，可以理解地，在电池的充电和放电过程中，影响电池SOC值的因素可能有所不同，因此，为提高SOC估算值的准确性，为电池的充电过程和放电过程分别训练独立的SOC估算模型。
步骤S300、通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值。
其中，所述电池参数测试装置可以测得当前状态下电池的所有参数的参数值，包括但不限于工作电流、工作电压、电池温度、电池内阻、开路电压、反应极化电动势、浓差极化电动势和欧姆极化电动势，但是，在所述电池参数测试装置测得的所有参数值中并不是每个参数值都与电池的SOC值有关，因此，在对电池的SOC值进行估算时，需要根据所述SOC估算模型获取与SOC值有关的参数值，即所述SOC关联参数信息。需要说明的是，分别基于所述放电SOC估算模型和所述充电SOC估算模型获取的参数值可能是不同的。
步骤S400、获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值。
其中，所述剩余寿命-SOC曲线包括充电过程中的剩余寿命-SOC曲线和放电过程中的剩余寿命-SOC曲线，可以理解地，步骤S400中的所述剩余寿命-SOC曲线的类型取决于所述电池的接入设备的设备类型。
示例性地，放电过程中的剩余寿命-SOC曲线的生成方法可以采用如下步骤生成：
获取用于生成放电过程中的剩余寿命-SOC曲线的数据集，所述数据集包括多个相同型号的电池在相同的供电条件下分别对同一型号的负载设备供电时获取的多个映射关系；其中，多个相同型号的所述电池中的任意两个电池的剩余寿命互不相同，所述映射关系为剩余寿命与SOC值的映射关系；
基于所述数据集生成放电过程中的所述剩余寿命-SOC曲线。
示例性地，充电过程中的剩余寿命-SOC曲线的生成方法可以采用如下步骤生成：
获取用于生成充电过程中的剩余寿命-SOC曲线的数据集，所述数据集包括同一型号的充电设备在相同的充电条件下分别对多个相同型号的电池充电时获取的多个映射关系；其中，多个相同型号的所述电池中的任意两个电池的剩余寿命互不相同，所述映射关系为剩余寿命与SOC值的映射关系；
基于所述数据集生成充电过程中的所述剩余寿命-SOC曲线。
步骤S500、获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。
其中，所述环境温度-SOC曲线包括充电过程中的环境温度-SOC曲线和放电过程中的环境温度-SOC曲线，可以理解地，步骤S500中的所述环境温度-SOC曲线的类型取决于所述电池的接入设备的设备类型。
示例性地，放电过程中的环境温度-SOC曲线的生成方法可以采用如下步骤生成：
获取用于生成放电过程中的所述环境温度-SOC曲线的数据集，所述数据集为多个相同型号的电池分别对同一型号的负载设备供电时，在除环境温度以外的其他条件完全一致时获取的多个映射关系；其中，所述映射关系为环境温度与SOC值的映射关系；
基于所述数据集生成放电过程中的所述环境温度-SOC曲线。
示例性地，充电过程中的环境温度-SOC曲线的生成方法可以采用如下步骤生成：
获取用于生成充电过程中的所述环境温度-SOC曲线的数据集，所述数据集为相同型号的充电设备分别对多个相同型号的电池充电时，在除环境温度以外的其他条件完全一致时获取的多个映射关系；其中，所述映射关系为环境温度与SOC值的映射关系；
基于所述数据集生成充电过程中的所述环境温度-SOC曲线。
本实施例提供的电池SOC估算方法，首先，根据电池的充放电接口信息确定与所述电池当前状态下匹配的SOC估算模型，并获取SOC关联参数信息，及基于所述SOC估算模型和所述SOC关联参数信息得到第一中间SOC估算值，然后，获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值，最后，获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。采用该方法可以提高电池SOC估算值的准确性。
在一些实施例中，所述放电SOC估算模型的训练方法，包括步骤S10至步骤S80。
步骤S10、获取电池在放电状态下的SOC关联参数。
可以理解地，电池在放电过程中的SOC值并不与电池的每个参数有关，在进行所述放电SOC估算模型的训练之前获取电池在放电状态下的SOC关联参数可以提高所述放电SOC估算模型的训练效果。
步骤S20、基于所有所述SOC关联参数，通过所述电池参数测试装置获取训练试验电池在放电过程中的多个不同时刻的SOC关联参数集。
步骤S30、利用安时积分法分别计算每个所述不同时刻的SOC值，并针对每个所述不同时刻对应的所述SOC关联参数集和所述SOC值构建SOC关联参数集-SOC值匹配关系表。
步骤S40、构建支持向量机预测模型，并基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到初始放电SOC估算模型。
步骤S50、基于所有所述SOC关联参数，通过所述电池参数测试装置获取校正试验电池在放电过程中的预设时刻的SOC关联参数集，并基于所述校正试验电池在所述预设时刻的SOC关联参数集和所述初始放电SOC估算模型获取所述校正试验电池在所述预设时刻的预测SOC值。
步骤S60、利用安时积分法获取所述校正试验电池在所述预设时刻的计算SOC值。
步骤S70、基于所述预测SOC值和所述计算SOC值获取所述初始放电SOC估算模型的预测损失值。
其中，所述预测损失值是指所述初始放电SOC估算模型的预测值与真实值之间的差距大小的指标。
步骤S80、基于所述预测损失值对所述初始放电SOC估算模型的模型参数进行优化，得到所述放电SOC估算模型。
本实施例的放电SOC估算模型基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到所述初始放电SOC估算模型，并基于所述预测损失值对所述初始放电SOC估算模型进行优化，得到所述放电SOC估算模型。采用本实施例的方法训练所述放电SOC估算模型，可以提高所述放电SOC估算模型的训练效果，从而提高所述放电SOC估算模型估算结果的准确性。
在一些实施例中，步骤S10获取电池在放电状态下的SOC关联参数，包括步骤S11至步骤15。
步骤S11、构建多个相同的仿真电池-仿真负载设备对。
步骤S12、针对每个所述仿真电池-仿真负载设备对，在同一时刻利用所述仿真电池以相同的恒定电流对所述仿真负载设备开始供电，以使所述仿真电池处于放电状态，并通过预设的仿真电池参数测试装置获取所述仿真电池在指定时刻的电池参数集；其中，针对任意两个所述仿真电池设置的所述指定时刻互不相同。
步骤S13、利用安时积分法分别计算每个所述仿真电池在各自对应的所述指定时刻的SOC值，并针对每个所述仿真电池对应的所述电池参数集和所述指定时刻的SOC值构建电池参数集-SOC值匹配关系表。
步骤S14、基于所述电池参数集-SOC值匹配关系表绘制所述电池参数集中的每类参数与所述SOC值之间的关系曲线。
步骤S15、对每个所述关系曲线进行平滑处理，并基于平滑处理后的所有所述关系曲线确定电池在放电状态下的SOC关联参数。
示例性地，所述基于平滑处理后的所有所述关系曲线确定电池在放电状态下的SOC关联参数可采用如下步骤实现：
针对每个平滑处理后的所述关系曲线，分析SOC值是否随所述关系曲线对应的参数的变化而变化；
若所述SOC值随所述关系曲线对应的参数的变化而变化，确定所述关系曲线对应的参数为电池在放电状态下的关联参数。
采用本实施例的方法可以准确获取电池在放电状态下的SOC关联参数。
在一些实施例中，步骤S400获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值，包括步骤S401至步骤S404。
S401、基于所述设备类型获取与所述设备类型匹配的电池剩余寿命预测模型，所述电池剩余寿命预测模型包括充电状态下的电池剩余寿命预测模型和放电状态下的电池剩余寿命预测模型。
其中，充电状态下的电池剩余寿命预测模型和放电状态下的电池剩余寿命预测模型均基于神经网络模型训练得到，可以理解地，在电池的充电和放电过程中，影响电池寿命的因素可能有所不同，因此，为提高电池寿命预测的准确性，为电池的充电过程和放电过程分别训练独立的电池剩余寿命预测模型。
S402、通过所述电池参数测试装置获取当前时刻下的剩余寿命关联参数信息，并将所述剩余寿命关联参数信息输入所述电池剩余寿命预测模型，以得到所述电池在所述当前时刻下的剩余寿命。
S403、基于预设的剩余寿命-SOC曲线获取基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值。
S404、基于所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值获取SOC修正系数，并基于SOC修正系数对所述第一中间SOC估算值进行修正，得到所述第二中间SOC估算值。
示例性地，步骤S404基于所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值获取SOC修正系数，并基于SOC修正系数对所述第一中间SOC估算值进行修正，得到所述第二中间SOC估算值，可采用如下步骤实现：
计算所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值之间的百分比：
利用所述百分比乘以所述第一中间SOC估算值，得到所述第二中间SOC估算值。
在一些实施例中，步骤S500、获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值，包括步骤S510至步骤S530。
步骤S510、通过环境温度传感器获取所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线，获取室温温度对应的SOC值和所述当前时刻下的环境温度对应的SOC值。
其中，所述室温温度为25℃。
步骤S520、基于所述室温温度对应的SOC值和所述当前时刻下的环境温度对应的SOC值获取SOC修正系数，并基于所述SOC修正系数对所述第二中间SOC值进行修正，得到所述电池的SOC值。
示例性地，步骤S520基于所述室温温度对应的SOC值和所述环境温度对应的SOC值获取SOC修正系数，并基于所述SOC修正系数对所述第二中间SOC值进行修正，得到所述电池的SOC值，可采用如下步骤实现：
计算所述室温温度对应的SOC值和所述当前时刻下的环境温度对应的SOC值之间的百分比：
利用所述百分比乘以所述第二中间SOC估算值，得到所述电池的SOC值。
请参阅图2，图2为本申请实施例提供的电池SOC估算装置100的结构示意性框图，如图2所示，电池SOC估算装置100包括：
确定模块110，用于获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备；
第一获取模块120，用于基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型；
第二获取模块130，用于基于所述SOC估算模型通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值；
第三获取模块140，用于获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值；
第四获取模块150，用于获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。
在一些实施例中，电池SOC估算装置100还包括模型训练模块，所述模型训练模块，包括：
第一获取单元，用于获取电池在放电状态下的SOC关联参数。
第二获取单元，用于基于所有所述SOC关联参数，通过所述电池参数测试装置获取训练试验电池在放电过程中的多个不同时刻的SOC关联参数集。
计算单元，用于利用安时积分法分别计算每个所述不同时刻的SOC值，并针对每个所述不同时刻对应的所述SOC关联参数集和所述SOC值构建SOC关联参数集-SOC值匹配关系表。
构建单元，用于构建支持向量机预测模型，并基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到初始放电SOC估算模型。
第三获取单元，用于基于所有所述SOC关联参数，通过所述电池参数测试装置获取校正试验电池在放电过程中的预设时刻的SOC关联参数集，并基于所述校正试验电池在所述预设时刻的SOC关联参数集和所述初始放电SOC估算模型获取所述校正试验电池在所述预设时刻的预测SOC值。
第四获取单元，用于利用安时积分法获取所述校正试验电池在所述预设时刻的计算SOC值。
第五获取单元，用于基于所述预测SOC值和所述计算SOC值获取所述初始放电SOC估算模型的预测损失值。
调整单元，用于基于所述预测损失值对所述初始放电SOC估算模型的模型参数进行优化，得到所述放电SOC估算模型。
在一些实施例中，所述第一获取单元在执行获取电池在放电状态下的SOC关联参数时执行如下步骤：
构建多个相同的仿真电池-仿真负载设备对；
针对每个所述仿真电池-仿真负载设备对，在同一时刻利用所述仿真电池以相同的恒定电流对所述仿真负载设备开始供电，以使所述仿真电池处于放电状态，并通过预设的仿真电池参数测试装置获取所述仿真电池在指定时刻的电池参数集；其中，针对任意两个所述仿真电池设置的所述指定时刻互不相同；
利用安时积分法分别计算每个所述仿真电池在各自对应的所述指定时刻的SOC值，并针对每个所述仿真电池对应的所述电池参数集和所述指定时刻的SOC值构建电池参数集-SOC值匹配关系表；
基于所述电池参数集-SOC值匹配关系表绘制所述电池参数集中的每类参数与所述SOC值之间的关系曲线；
对每个所述关系曲线进行平滑处理，并基于平滑处理后的所有所述关系曲线确定电池在放电状态下的SOC关联参数。
在一些实施例中，第三获取模块140，包括：
第六获取单元，用于基于所述设备类型获取与所述设备类型匹配的电池剩余寿命预测模型，所述电池剩余寿命预测模型包括充电状态下的电池剩余寿命预测模型和放电状态下的电池剩余寿命预测模型。
第七获取单元，用于通过所述电池参数测试装置获取当前时刻下的剩余寿命关联参数信息，并将所述剩余寿命关联参数信息输入所述电池剩余寿命预测模型，以得到所述电池在所述当前时刻下的剩余寿命。
第八获取单元，用于基于预设的剩余寿命-SOC曲线获取基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值。
第九获取单元，用于基于所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值获取SOC修正系数，并基于SOC修正系数对所述第一中间SOC估算值进行修正，得到所述第二中间SOC估算值。
需要说明的是，所属技术领域的技术人员可以清楚了解到，为了描述的方便和简洁，上述描述的装置和各个模块及单元的具体工作过程，可以参考前述电池SOC估算方法实施例中的对应过程，在此不再赘述。
上述实施例提供的电池SOC估算装置100可以实现为一种计算机程序的形式，该计算机程序可以在如图3所示的终端设备200上运行。
请参阅图3，图3为本申请实施例提供的终端设备200的结构示意性框图，终端设备200包括处理器201和存储器202，处理器201和存储器202通过系统总线203连接，其中，存储器202可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储计算机程序。该计算机程序包括程序指令，该程序指令被处理器201执行时，可使得处理器201执行上述任一种电池SOC估算方法。
处理器201用于提供计算和控制能力，支撑整个终端设备200的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器201执行时，可使得处理器201执行上述任一种电池SOC估算方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所涉及的终端设备200的限定，具体的终端设备200可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器201可以是中央处理单元 (Central Processing Unit，CPU)，该处理器201还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一些实施例中，处理器201用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备；
基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型；
通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值；
获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值；
获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值。
在一些实施例中，处理器201还用于实现：
获取电池在放电状态下的SOC关联参数；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取训练试验电池在放电过程中的多个不同时刻的SOC关联参数集；
利用安时积分法分别计算每个所述不同时刻的SOC值，并针对每个所述不同时刻对应的所述SOC关联参数集和所述SOC值构建SOC关联参数集-SOC值匹配关系表；
构建支持向量机预测模型，并基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到初始放电SOC估算模型；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取校正试验电池在放电过程中的预设时刻的SOC关联参数集，并基于所述校正试验电池在所述预设时刻的SOC关联参数集和所述初始放电SOC估算模型获取所述校正试验电池在所述预设时刻的预测SOC值；
利用安时积分法获取所述校正试验电池在所述预设时刻的计算SOC值；
基于所述预测SOC值和所述计算SOC值获取所述初始放电SOC估算模型的预测损失值；
基于所述预测损失值对所述初始放电SOC估算模型的模型参数进行优化，得到所述放电SOC估算模型。
在一些实施例中，处理器201在实现所述获取电池在放电状态下的SOC关联参数时，用于实现：
构建多个相同的仿真电池-仿真负载设备对；
针对每个所述仿真电池-仿真负载设备对，在同一时刻利用所述仿真电池以相同的恒定电流对所述仿真负载设备开始供电，以使所述仿真电池处于放电状态，并通过预设的仿真电池参数测试装置获取所述仿真电池在指定时刻的电池参数集；其中，针对任意两个所述仿真电池设置的所述指定时刻互不相同；
利用安时积分法分别计算每个所述仿真电池在各自对应的所述指定时刻的SOC值，并针对每个所述仿真电池对应的所述电池参数集和所述指定时刻的SOC值构建电池参数集-SOC值匹配关系表；
基于所述电池参数集-SOC值匹配关系表绘制所述电池参数集中的每类参数与所述SOC值之间的关系曲线；
对每个所述关系曲线进行平滑处理，并基于平滑处理后的所有所述关系曲线确定电池在放电状态下的SOC关联参数。
在一些实施例，处理器201在实现所述获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值时，用于实现：
基于所述设备类型获取与所述设备类型匹配的电池剩余寿命预测模型，所述电池剩余寿命预测模型包括充电状态下的电池剩余寿命预测模型和放电状态下的电池剩余寿命预测模型；
通过所述电池参数测试装置获取当前时刻下的剩余寿命关联参数信息，并将所述剩余寿命关联参数信息输入所述电池剩余寿命预测模型，以得到所述电池在所述当前时刻下的剩余寿命；
基于预设的剩余寿命-SOC曲线获取基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值；
基于所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值获取SOC修正系数，并基于SOC修正系数对所述第一中间SOC估算值进行修正，得到所述第二中间SOC估算值。
在一些实施例中，处理器201还用于实现：
获取用于生成放电过程中的所述环境温度-SOC曲线的数据集，所述数据集为多个相同型号的电池分别对同一型号的负载设备供电时，在除环境温度以外的其他条件完全一致时获取的多个映射关系；其中，所述映射关系为环境温度与SOC值的映射关系；
基于所述数据集生成放电过程中的所述环境温度-SOC曲线。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端设备200的具体工作过程，可以参考前述电池SOC估算方法的对应过程，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时使所述一个或多个处理器实现如本申请实施例提供的电池SOC估算方法。
其中，所述计算机可读存储介质可以是前述实施例终端设备200的内部存储单元，例如终端设备200的硬盘或内存。所述计算机可读存储介质也可以是终端设备200的外部存储设备，例如终端设备200配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求书的保护范围为准。
Claims (7)
1.一种电池SOC估算方法，其特征在于，包括：
获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备；
基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型；
通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值；
获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值；
获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值；
其中，所述放电SOC估算模型的训练方法，包括：
获取电池在放电状态下的SOC关联参数；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取训练试验电池在放电过程中的多个不同时刻的SOC关联参数集；
利用安时积分法分别计算每个所述不同时刻的SOC值，并针对每个所述不同时刻对应的所述SOC关联参数集和所述SOC值构建SOC关联参数集-SOC值匹配关系表；
构建支持向量机预测模型，并基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到初始放电SOC估算模型；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取校正试验电池在放电过程中的预设时刻的SOC关联参数集，并基于所述校正试验电池在所述预设时刻的SOC关联参数集和所述初始放电SOC估算模型获取所述校正试验电池在所述预设时刻的预测SOC值；
利用安时积分法获取所述校正试验电池在所述预设时刻的计算SOC值；
基于所述预测SOC值和所述计算SOC值获取所述初始放电SOC估算模型的预测损失值；
基于所述预测损失值对所述初始放电SOC估算模型的模型参数进行优化，得到所述放电SOC估算模型。
2.根据权利要求1所述的电池SOC估算方法，其特征在于，所述获取电池在放电状态下的SOC关联参数，包括：
构建多个相同的仿真电池-仿真负载设备对；
针对每个所述仿真电池-仿真负载设备对，在同一时刻利用所述仿真电池以相同的恒定电流对所述仿真负载设备开始供电，以使所述仿真电池处于放电状态，并通过预设的仿真电池参数测试装置获取所述仿真电池在指定时刻的电池参数集；其中，针对任意两个所述仿真电池设置的所述指定时刻互不相同；
利用安时积分法分别计算每个所述仿真电池在各自对应的所述指定时刻的SOC值，并针对每个所述仿真电池对应的所述电池参数集和所述指定时刻的SOC值构建电池参数集-SOC值匹配关系表；
基于所述电池参数集-SOC值匹配关系表绘制所述电池参数集中的每类参数与所述SOC值之间的关系曲线；
对每个所述关系曲线进行平滑处理，并基于平滑处理后的所有所述关系曲线确定电池在放电状态下的SOC关联参数。
3.根据权利要求1所述的电池SOC估算方法，其特征在于，所述获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值，包括：
基于所述设备类型获取与所述设备类型匹配的电池剩余寿命预测模型，所述电池剩余寿命预测模型包括充电状态下的电池剩余寿命预测模型和放电状态下的电池剩余寿命预测模型；
通过所述电池参数测试装置获取当前时刻下的剩余寿命关联参数信息，并将所述剩余寿命关联参数信息输入所述电池剩余寿命预测模型，以得到所述电池在所述当前时刻下的剩余寿命；
基于预设的剩余寿命-SOC曲线获取基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值；
基于所述基准剩余寿命对应的SOC值和所述当前时刻下的剩余寿命对应的SOC值获取SOC修正系数，并基于SOC修正系数对所述第一中间SOC估算值进行修正，得到所述第二中间SOC估算值。
4.根据权利要求1所述的电池SOC估算方法，其特征在于，所述环境温度-SOC曲线包括充电过程中的环境温度-SOC曲线和放电过程中的环境温度-SOC曲线，其中，放电过程中的环境温度-SOC曲线的生成方法包括：
获取用于生成放电过程中的所述环境温度-SOC曲线的数据集，所述数据集为多个相同型号的电池分别对同一型号的负载设备供电时，在除环境温度以外的其他条件完全一致时获取的多个映射关系；其中，所述映射关系为环境温度与SOC值的映射关系；
基于所述数据集生成放电过程中的所述环境温度-SOC曲线。
5.一种电池SOC估算装置，其特征在于，包括：
确定模块，用于获取电池的充放电接口信息，并根据所述充放电接口信息确定所述电池的接入设备的设备类型；其中，所述设备类型包括充电设备和负载设备；
第一获取模块，用于基于所述设备类型获取与所述设备类型匹配的SOC估算模型；其中，所述SOC估算模型包括放电SOC估算模型和充电SOC估算模型；
第二获取模块，用于基于所述SOC估算模型通过电池参数测试装置获取当前时刻下的SOC关联参数信息，并将所述SOC关联参数信息输入所述SOC估算模型，以得到第一中间SOC估算值；
第三获取模块，用于获取所述电池在所述当前时刻下的剩余寿命，并基于预设的剩余寿命-SOC曲线对所述第一中间SOC估算值进行修正，得到第二中间SOC估算值；
第四获取模块，用于获取所述电池在所述当前时刻下的环境温度，并基于预设的环境温度-SOC曲线对所述第二中间SOC估算值进行修正，得到所述电池的SOC估算值；
其中，所述放电SOC估算模型的训练方法，包括：
获取电池在放电状态下的SOC关联参数；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取训练试验电池在放电过程中的多个不同时刻的SOC关联参数集；
利用安时积分法分别计算每个所述不同时刻的SOC值，并针对每个所述不同时刻对应的所述SOC关联参数集和所述SOC值构建SOC关联参数集-SOC值匹配关系表；
构建支持向量机预测模型，并基于所述SOC关联参数集-SOC值匹配关系表对所述支持向量机预测模型进行训练，得到初始放电SOC估算模型；
基于所有所述SOC关联参数，通过所述电池参数测试装置获取校正试验电池在放电过程中的预设时刻的SOC关联参数集，并基于所述校正试验电池在所述预设时刻的SOC关联参数集和所述初始放电SOC估算模型获取所述校正试验电池在所述预设时刻的预测SOC值；
利用安时积分法获取所述校正试验电池在所述预设时刻的计算SOC值；
基于所述预测SOC值和所述计算SOC值获取所述初始放电SOC估算模型的预测损失值；
基于所述预测损失值对所述初始放电SOC估算模型的模型参数进行优化，得到所述放电SOC估算模型。
6.一种终端设备，其特征在于，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中，所述计算机程序被所述处理器执行时，实现如权利要求1至4中任一项所述的电池SOC估算方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器执行时，实现如权利要求1至4中任一项所述的电池SOC估算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311096848.4A CN116819346B (zh) | 2023-08-29 | 2023-08-29 | 电池soc估算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311096848.4A CN116819346B (zh) | 2023-08-29 | 2023-08-29 | 电池soc估算方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116819346A CN116819346A (zh) | 2023-09-29 |
| CN116819346B true CN116819346B (zh) | 2023-11-07 |
Family
ID=88126046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311096848.4A Active CN116819346B (zh) | 2023-08-29 | 2023-08-29 | 电池soc估算方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116819346B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117254562B (zh) * | 2023-10-27 | 2024-07-16 | 深圳市安德普电源科技有限公司 | 电池的充电管理方法、装置、设备及存储介质 |
| CN117688850A (zh) * | 2024-02-03 | 2024-03-12 | 深圳三晖能源科技有限公司 | 一种户外储能电池寿命预测方法、系统、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009193919A (ja) * | 2008-02-18 | 2009-08-27 | Panasonic Corp | 残寿命推定回路、及び残寿命推定方法 |
| CN201926746U (zh) * | 2011-01-12 | 2011-08-10 | 启明信息技术股份有限公司 | 电动汽车用电池管理系统电池荷电状态校准器 |
| CN103487759A (zh) * | 2013-09-18 | 2014-01-01 | 江苏大学 | 一种混合动力汽车电池soc预测方法 |
| CN103901354A (zh) * | 2014-04-23 | 2014-07-02 | 武汉市欧力普能源与自动化技术有限公司 | 一种电动汽车车载动力电池soc预测方法 |
| CN104714182A (zh) * | 2013-12-11 | 2015-06-17 | 广州汽车集团股份有限公司 | 一种确定电池荷电状态值的方法和系统 |
| CN106443480A (zh) * | 2016-11-04 | 2017-02-22 | 天津市捷威动力工业有限公司 | 一种锂离子电池系统soc估算方法 |
| CN106646243A (zh) * | 2016-11-09 | 2017-05-10 | 珠海格力电器股份有限公司 | 一种蓄电池荷电状态计算方法和装置 |
| CN107091994A (zh) * | 2017-06-22 | 2017-08-25 | 安徽锐能科技有限公司 | 用于估计电池soc的方法和计算机可读存储介质 |
| KR101835377B1 (ko) * | 2016-08-30 | 2018-03-09 | 조선대학교산학협력단 | 다변량 웨이블릿 변환 기반의 배터리팩 충전상태 추정 방법 및 그 장치 |
| CN109143102A (zh) * | 2018-08-10 | 2019-01-04 | 安徽力高新能源技术有限公司 | 一种安时积分估算锂电池soc方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2014083856A1 (ja) * | 2012-11-30 | 2017-01-05 | 三洋電機株式会社 | 電池管理装置、電源装置およびｓｏｃ推定方法 |
-
2023
- 2023-08-29 CN CN202311096848.4A patent/CN116819346B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009193919A (ja) * | 2008-02-18 | 2009-08-27 | Panasonic Corp | 残寿命推定回路、及び残寿命推定方法 |
| CN201926746U (zh) * | 2011-01-12 | 2011-08-10 | 启明信息技术股份有限公司 | 电动汽车用电池管理系统电池荷电状态校准器 |
| CN103487759A (zh) * | 2013-09-18 | 2014-01-01 | 江苏大学 | 一种混合动力汽车电池soc预测方法 |
| CN104714182A (zh) * | 2013-12-11 | 2015-06-17 | 广州汽车集团股份有限公司 | 一种确定电池荷电状态值的方法和系统 |
| CN103901354A (zh) * | 2014-04-23 | 2014-07-02 | 武汉市欧力普能源与自动化技术有限公司 | 一种电动汽车车载动力电池soc预测方法 |
| KR101835377B1 (ko) * | 2016-08-30 | 2018-03-09 | 조선대학교산학협력단 | 다변량 웨이블릿 변환 기반의 배터리팩 충전상태 추정 방법 및 그 장치 |
| CN106443480A (zh) * | 2016-11-04 | 2017-02-22 | 天津市捷威动力工业有限公司 | 一种锂离子电池系统soc估算方法 |
| CN106646243A (zh) * | 2016-11-09 | 2017-05-10 | 珠海格力电器股份有限公司 | 一种蓄电池荷电状态计算方法和装置 |
| CN107091994A (zh) * | 2017-06-22 | 2017-08-25 | 安徽锐能科技有限公司 | 用于估计电池soc的方法和计算机可读存储介质 |
| CN109143102A (zh) * | 2018-08-10 | 2019-01-04 | 安徽力高新能源技术有限公司 | 一种安时积分估算锂电池soc方法 |
Non-Patent Citations (2)
| Title |
|---|
| Insight into fast charging/discharging aging mechanism and degradation-safety analytics of 18650 lithium-ion batteries;Yibo Guo et a.;Journal of Energy Storage(第72期);第1-14页 * |
| 基于遗传算法最小二乘支持向量机蓄电池SOC 估测;李刚 等;电源技术;第36卷(第9期);第1331-1333页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116819346A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3745151B1 (en) | Method and apparatus for correcting soc, battery management system and storage medium | |
| CN116819346B (zh) | 电池soc估算方法、装置、设备及存储介质 | |
| US11408942B2 (en) | Method for predicting service life of retired power battery | |
| RU2361333C2 (ru) | Оценка состояния и параметров гальванического элемента | |
| CN108550928B (zh) | 电动汽车、充放电设备、电池soh的检测方法及系统 | |
| US12057557B2 (en) | Battery model and control application calibration systems and methods | |
| CN113111508B (zh) | 电芯一致性的评估方法、装置及服务器 | |
| CN111913109B (zh) | 一种电池峰值功率的预测方法及装置 | |
| US20220179003A1 (en) | Characterisation of lithium plating in rechargeable batteries | |
| US11275118B2 (en) | Battery estimation system, battery estimation method, and storage medium | |
| JP6330605B2 (ja) | 推定プログラム、推定方法および推定装置 | |
| JP6221884B2 (ja) | 推定プログラム、推定方法および推定装置 | |
| JP6421411B2 (ja) | 電池の充電率を推定する推定プログラム、電池の充電率を推定する推定方法、および、電池の充電率を推定する推定装置 | |
| CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
| CN110726937B (zh) | 用于确定状态噪声协方差矩阵的方法和相应设备 | |
| CN113125965B (zh) | 电池析锂检测方法、装置、设备及存储介质 | |
| CN111044924A (zh) | 一种全工况电池剩余容量确定方法及系统 | |
| CN111665443A (zh) | 电池性能公式的拟合方法、装置、存储介质和计算机设备 | |
| CN115015786A (zh) | 动力电池荷电状态确定方法、装置和电子设备 | |
| CN115113061A (zh) | 修正电池soc的方法及相关装置 | |
| CN114578229B (zh) | 动力电池健康状态确定方法、装置和可读存储介质 | |
| CN117200406B (zh) | 电池的电压平衡控制方法、装置、设备及存储介质 | |
| CN109991546B (zh) | 一种电池参数获取方法、装置及终端设备 | |
| CN116552322B (zh) | 基于can-bus的电池管理方法、系统、设备及存储介质 | |
| CN117254562B (zh) | 电池的充电管理方法、装置、设备及存储介质 |
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 |