CN116859278A - 动力电池的soh修正方法、装置、车辆及存储介质 - Google Patents
动力电池的soh修正方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN116859278A CN116859278A CN202310959845.2A CN202310959845A CN116859278A CN 116859278 A CN116859278 A CN 116859278A CN 202310959845 A CN202310959845 A CN 202310959845A CN 116859278 A CN116859278 A CN 116859278A
- Authority
- CN
- China
- Prior art keywords
- soh
- battery
- estimation strategy
- charging
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000036541 health Effects 0.000 claims abstract description 15
- 230000003068 static effect Effects 0.000 claims description 94
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 62
- 238000004422 calculation algorithm Methods 0.000 description 16
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本申请涉及电池管理技术领域,特别涉及一种动力电池的SOH修正方法、装置、车辆及存储介质,其中,方法包括:获取动力电池的电池类型和电池数据;根据电池类型确定动力电池的电池健康状态SOH的估算策略的执行顺序,其中,估算策略包括车端估算策略和云端估算策略;按照执行顺序执行估算策略,根据估算策略和电池数据计算动力电池的目标SOH,将动力电池的当前SOH修正为目标SOH。由此,解决了现有技术中SOH修正方法覆盖率低,适应性差,无法适应不同类型的电池,估算SOH偏差较大等问题。
Description
技术领域
本发明涉及电池管理技术领域,具体涉及动力电池的SOH(State Of Health,电池健康状态)修正方法、装置、车辆及存储介质。
背景技术
随着混合动力和电动汽车技术的不断进步,大多数汽车制造商大量采用锂离子电池作为现有和未来汽车的储能设备和动力驱动。虽然锂离子电池广泛的运用在各种电动汽车上,但随着使用温度过低和使用年限增加,锂电池的综合性能尤其是循环寿命不断降低,影响到电动汽车的输出功率和充电倍率,电池的剩余使用电量也会相应减小,所以为了提高使用锂电池的安全性,进一步打开电动汽车市场,SOH估计对于电动汽车的性能和成本效益来说是一个极其重要的关注点。为了确保电动汽车的高效安全,防止电池过度充电和过度放电,延长锂离子电池系统的寿命并预测其最终寿命,估计电池的SOH是必要和重要的。
现有专利基于融合车联网运行数据和测试数据的动力电池容量评估方法(申请号:202111137547.2)公开了一种根据测试数据和云端监控车辆运行数据进行SOH估算的方法,该方法主要是通过建立数据库,并与车联网运行数据进行比对,来获得所需的电池健康状态,最重要的是数据库的建立,通过在不同温度、不同倍率、不同工况下对电池进行容量测试试验,获取充放电时的SOC(State of Charge,荷电状态)-OCV(Open circuitvoltage,开路电压)数据库,同时在不同温度、不同倍率和不同工况下进行满充试验,建立对应的新车容量数据库,并根据当前车辆的车辆网运行数据的温度、倍率、工况等关键词分别从两个数据库中提取对应的容量信息,经计算后可估算电池的容量信息,虽然该方法考虑了不同温度、不同倍率和不同工况对电池健康状态估算的影响,但通过数据库的方式依然无法覆盖所有的温度和倍率,且工况基于理论场景,而真实的行车工况更加复杂。
现有专利基于机器学习及荷电状态联合的锂电池健康状态估算方法(申请号:202110152863.0)公开了一种建立在离线数据上的机器学习方法,通过建立OCV-SOC拟合关系、建立锂电池等效电路模型,然后对一个充放电周期内的电压回弹特性曲线进行参数辨识,得到机器学习模型并计算SOH,该方法给计算带来较大的计算负担,所以在车端运用需要增大计算成本,类似在车端搭建经验模型的方法为了提高电池状态估算的准确性,常常需要大量的数据样本进行训练和优化,这极大的增加了计算难度,一般在车端并不具备这样的实时计算条件,所以结合云端服务器和电池建模的方式显得尤为重要和迫切。
发明内容
本发明的目的之一在于提供一种动力电池的SOH修正方法,以解决现有技术中SOH修正方法覆盖率低,适应性差,无法适应不同类型的电池,估算SOH偏差较大的问题;目的之二在于提供一种动力电池的SOH修正装置;目的之三在于提供一种车辆;目的之四在于提供一种计算机可读存储介质。
为了实现上述目的,本发明采用的技术方案如下:
一种动力电池的SOH修正方法,所述方法应用于车辆,其中,所述方法包括以下步骤:获取动力电池的电池类型和电池数据;根据所述电池类型确定所述动力电池的电池健康状态SOH的估算策略的执行顺序,其中,所述估算策略包括车端估算策略和云端估算策略;按照所述执行顺序执行所述估算策略,根据所述估算策略和所述电池数据计算所述动力电池的目标SOH,将所述动力电池的当前SOH修正为所述目标SOH。
根据上述技术手段,本申请实施例可以根据不同的电池类型确定动力电池的SOH的估算策略的执行顺序,能够提供不同的SOH的估算策略,适应不同类型的车辆,根据估算策略得到的结果和电池数据计算动力电池的目标SOH,利用目标SOH修正动力电池的SOH,合理利用车端估算策略和云端估算策略,通过车云融合的方式提升SOH估算的适用性,减少了车端计算负担,提高了计算结果的更新频率同时保证了SOH计算的准确性,提高了SOH修正方法的覆盖性和适应性。
进一步,所述车端估算策略包括动态估算策略和静态估算策略。
进一步,所述根据所述电池类型确定所述动力电池的电池健康状态SOH的估算策略的执行顺序,包括:若所述电池类型为第一电池类型,则所述执行顺序依次为所述动态估算策略、所述静态估算策略和所述云端估算策略,或者,所述执行顺序依次为所述动态估算策略、所述云端估算策略和所述静态估算策略,其中,所述第一电池类型的电压随荷电状态SOC的变化曲率大于预设曲率;若所述电池类型为第二电池类型,则所述执行顺序依次为所述静态估算策略、所述云端估算策略和所述静态估算策略,或者,所述执行顺序依次为所述云端估算策略、所述静态估算策略和所述动态估算策略,其中,所述第一电池类型的电压随SOC的变化曲率小于或等于预设曲率。
根据上述技术手段,本申请实施例可以根据不同的电池类型执行不同的估算策略顺,考虑到了不同电池类型需要进行SOH的情况。
进一步,所述根据所述估算策略和所述电池数据计算所述动力电池的目标SOH,包括:判定当前估算策略估算的SOH是否满足预设合理条件;若当前估算策略估算的SOH满足所述预设合理条件,则将所述当前估算策略估算的SOH作为所述目标SOH,否则继续执行下一个估算策略;若最后一个估算策略估算的SOH不满足所述预设合理条件,则不执行所述动力电池的SOH的更新。
根据上述技术手段,本申请实施例可以在估算的SOH满足预设合理条件时,将其作为动力电池的目标SOH,否则继续执行下一个策略,以保证计算的准确性。
进一步,若所述电池类型为第一电池类型,且最后一个估算策略估算的SOH满足所述预设合理条件,还包括:将SOH不满足所述预设合理条件的估算策略的历史SOH的均值作为对应估算策略的SOH;根据所有估算策略估算的SOH和各自权重进行加权平均得到加权平均值,利用所述加权平均值修正所述动力电池的SOC和/或剩余充电时间。
根据上述技术手段,本申请实施例可以将不满足预设合理条件的估算策略得历史SOH的均值作为对应估算策略的SOH,将所有估算策略估算的SOH进行加权平均,修正动力电池的SOC和/或剩余充电时间。
进一步,若所述电池类型为第二电池类型,且静态估算策略估算的SOH不满足所述预设合理条件,还包括:根据所述云端估算策略估算的SOH修正充电倍率和/或放电功率。
根据上述技术手段,本申请实施例可以在电池类型为第二电池类型且静态估算策略的SOH不满足预设合理条件时,利用云端估算策略估算的SOH修正充电倍率和/或放电功率,以保证估算的准确性。
进一步,所述判定当前估算策略估算的SOH是否满足预设合理条件,包括:判断所述当前估算策略估算的SOH是否处于预设范围内;若所述当前估算策略估算的SOH处于所述预设范围内,则判定所述当前估算策略估算的SOH满足预设合理性条件。
根据上述技术手段,本申请实施例可以估算策略估算的SOH处于预设范围内,判断估算的SOH满足预设合理条件。
进一步,所述电池数据包括充电前后静置时间、充电温度、充电开始时开路电压OCV、充电结束时OCV、充电电流和充电时长中的一种或多种,所述动态估算策略包括:根据所述充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC;根据所述充电电流和所述充电时长安时积分得到实际充电容量,并根据所述充电前后的SOC计算SOC变化量;根据所述实际充电容量和所述SOC变化量计算所述动力电池的当前容量,基于所述当前容量和所述动力电池的初始容量计算所述动力电池的车端SOH。
根据上述技术手段,本申请实施例可以对充电电流和充电时长进行安时积分计算得到实际充电容量,并根据获取的充电前的SOC和充电后的SOC计算SOC变化量,根据实际充电容量和SOC变化量计算动力电池的当前容量,最后根据当前容量和动力电池的初始容量计算得到车端动态的SOH。
进一步,所述电池数据还包括充电前后静置时长,在根据所述充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC之前,还包括:判断所述充电前后静置时长是否小于或等于时长阈值;判断所述充电前后静置时长小于或等于所述时长阈值,则拟合所述充电前后静置时长和OCV,得到所述充电开始时OCV和充电结束时OCV。
根据上述技术手段,本申请实施例可以判断充电前后静置时长是否达到规定阈值,如果未达到根据拟合的静置时长与OCV关系式获取电压再进行后续计算,获得动态计算SOH。
进一步,所述静态估算策略包括:获取车辆的当前车型;根据所述当前车型确定所述电池数据的修正系数;根据所述修正系数修正所述电池数据,利用修正后的电池数据计算所述动力电池的第一车端SOH。
根据上述技术手段,本申请实施例可以根据不同的车型对电池数据进行修正,利用修正后的数据计算动力电池的车端SOH,实现了根据不同的车型计算动力电池的车端SOH,提高了SOH计算的准确性。
进一步,所述电池数据包括累计充电容量、累计放电容量、累计行驶里程、累计驻车时间、纯电行驶里程和油驱行驶里程中的一种或多种。
进一步,所述当前车型包括第一车型和第二车型,所述根据所述当前车型确定所述电池数据的修正系数,包括:若所述当前车型为所述第一车型,则根据所述累计放电容量和所述累计充电容量计算所述电池数据的第一修正系数;若所述当前车型为所述第二车型,则根据所述纯电行驶里程和所述油驱行驶里程计算所述电池数据的第二修正系数。
根据上述技术手段,本申请实施例可以根据不同的车型利用不同的计算方法得到电池数据的修正系数,以用于不同车型的电池数据的修正。
进一步,所述根据所述修正系数修正所述电池数据,包括:若所述当前车型为所述第一车型,则利用所述第一修正系数修正所述累计充电容量和所述累计驻车时间;若所述当前车型为所述第二车型,则利用所述第二修正系数修正所述累计充电容量和所述累计驻车时间。
进一步,在根据所述累计放电容量和所述累计充电容量计算所述电池数据的第一修正系数之前,还包括:根据所述累计行驶里程修正所述累计放电容量。
进一步,所述云端估算策略应用于服务器,所述云端估算策略包括:获取车辆上传的动力电池的电池数据;对所述电池数据进行聚类得到聚类数量和聚类参数,根据所述聚类数量和所述聚类参数计算所述电池数据中每个数据点的隶属度矩阵;根据所述隶属度矩阵更新聚类中心,并进行迭代聚类直到所述聚类中心不变或者达到预设迭代次数,根据所述聚类中心确定所述电池数据的聚类结果;根据聚类结果计算所述动力电池的云端SOH。
根据上述技术手段,本申请实施例可以对电池数据进行聚类得到聚类数量和聚类参数,并且根据聚类数量和聚类参数计算电池数据中每个数据点的隶属度矩阵,利用其更新聚类中心,直到聚类中心不再变化或达到预定的迭代次数,根据聚类中心确定电池数据的聚类结果,最后根据聚类结果计算云端SOH,合理利用云端的计算资源。
进一步,所述车辆上传的电池数据包括电压、电流和温度中的一种或多种。
进一步,所述聚类结果包括电压最大值和电压最小值,所述根据聚类结果计算所述动力电池的云端SOH,包括:根据所述电压和所述电压最小值计算第一电压差值;根据所述电压和所述电压最大值计算第二电压差值;根据所述第一电压差值和所述第二电压差值计算所述动力电池的云端SOH。
根据上述技术手段,本申请实施例可以根据电压计算云端SOH。
进一步,在对所述电池数据进行聚类得到聚类数量和聚类参数之前,还包括:对所述电池数据进行归一化处理,得到归一化后的电池数据。
根据上述技术手段,本申请实施例可以对电池数据进行归一化处理以消除属性之间的差异,提高后续计算的收敛速度和准确性。
一种动力电池的SOH修正装置,所述装置应用于车辆,其中,所述装置包括:获取模块,用于获取动力电池的电池类型和电池数据;确定模块,用于根据所述电池类型确定所述动力电池的电池健康状态SOH的估算策略的执行顺序,其中,所述估算策略包括车端估算策略和云端估算策略;修正模块,用于按照所述执行顺序执行所述估算策略,根据所述估算策略和所述电池数据计算所述动力电池的目标SOH,将所述动力电池的当前SOH修正为所述目标SOH。
进一步,所述车端估算策略包括动态估算策略和静态估算策略。
进一步,所述确定模块进一步用于:若所述电池类型为第一电池类型,则所述执行顺序依次为所述动态估算策略、所述静态估算策略和所述云端估算策略,或者,所述执行顺序依次为所述动态估算策略、所述云端估算策略和所述静态估算策略,其中,所述第一电池类型的电压随荷电状态SOC的变化曲率大于预设曲率;若所述电池类型为第二电池类型,则所述执行顺序依次为所述静态估算策略、所述云端估算策略和所述静态估算策略,或者,所述执行顺序依次为所述云端估算策略、所述静态估算策略和所述动态估算策略,其中,所述第一电池类型的电压随SOC的变化曲率小于或等于预设曲率。
进一步,所述修正模块进一步用于:判定当前估算策略估算的SOH是否满足预设合理条件;若当前估算策略估算的SOH满足所述预设合理条件,则将所述当前估算策略估算的SOH作为所述目标SOH,否则继续执行下一个估算策略;若最后一个估算策略估算的SOH不满足所述预设合理条件,则不执行所述动力电池的SOH的更新。
进一步,所述修正模块进一步用于:将SOH不满足所述预设合理条件的估算策略的历史SOH的均值作为对应估算策略的SOH;根据所有估算策略估算的SOH和各自权重进行加权平均得到加权平均值,利用所述加权平均值修正所述动力电池的SOC和/或剩余充电时间。
进一步,所述修正模块进一步用于:根据所述云端估算策略估算的SOH修正充电倍率和/或放电功率。
进一步,所述修正模块进一步用于:判断所述当前估算策略估算的SOH是否处于预设范围内;若所述当前估算策略估算的SOH处于所述预设范围内,则判定所述当前估算策略估算的SOH满足预设合理性条件。
进一步,所述电池数据包括充电前后静置时间、充电温度、充电开始时开路电压OCV、充电结束时OCV、充电电流和充电时长中的一种或多种,所述动态估算策略包括:根据所述充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC;根据所述充电电流和所述充电时长安时积分得到实际充电容量,并根据所述充电前后的SOC计算SOC变化量;根据所述实际充电容量和所述SOC变化量计算所述动力电池的当前容量,基于所述当前容量和所述动力电池的初始容量计算所述动力电池的车端SOH。
进一步,所述电池数据还包括充电前后静置时长,所述动力电池的SOH修正装置还包括:判断模块,用于在根据所述充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC之前,判断所述充电前后静置时长是否小于或等于时长阈值;判断所述充电前后静置时长小于或等于所述时长阈值,则拟合所述充电前后静置时长和OCV,得到所述充电开始时OCV和充电结束时OCV。
进一步,所述静态估算策略包括:获取车辆的当前车型;根据所述当前车型确定所述电池数据的修正系数;根据所述修正系数修正所述电池数据,利用修正后的电池数据计算所述动力电池的车端SOH。
进一步,所述电池数据包括累计充电容量、累计放电容量、累计行驶里程、累计驻车时间、纯电行驶里程和油驱行驶里程中的一种或多种。
进一步,所述当前车型包括第一车型和第二车型,所述根据所述当前车型确定所述电池数据的修正系数,包括:若所述当前车型为所述第一车型,则根据所述累计放电容量和所述累计充电容量计算所述电池数据的第一修正系数;若所述当前车型为所述第二车型,则根据所述纯电行驶里程和所述油驱行驶里程计算所述电池数据的第二修正系数。
进一步,所述根据所述修正系数修正所述电池数据,包括:若所述当前车型为所述第一车型,则利用所述第一修正系数修正所述累计充电容量和所述累计驻车时间;若所述当前车型为所述第二车型,则利用所述第二修正系数修正所述累计充电容量和所述累计驻车时间。
进一步,在根据所述累计放电容量和所述累计充电容量计算所述电池数据的第一修正系数之前,还包括:根据所述累计行驶里程修正所述累计放电容量。
进一步,所述云端估算策略应用于服务器,所述云端估算策略包括:获取车辆上传的动力电池的电池数据;对所述电池数据进行聚类得到聚类数量和聚类参数,根据所述聚类数量和所述聚类参数计算所述电池数据中每个数据点的隶属度矩阵;根据所述隶属度矩阵更新聚类中心,并进行迭代聚类直到所述聚类中心不变或者达到预设迭代次数,根据所述聚类中心确定所述电池数据的聚类结果;根据聚类结果计算所述动力电池的云端SOH。
进一步,所述车辆上传的电池数据包括电压、电流和温度中的一种或多种。
进一步,所述聚类结果包括电压最大值和电压最小值,所述根据聚类结果计算所述动力电池的云端SOH,包括:根据所述电压和所述电压最小值计算第一电压差值;根据所述电压和所述电压最大值计算第二电压差值;根据所述第一电压差值和所述第二电压差值计算所述动力电池的云端SOH。
进一步,在对所述电池数据进行聚类得到聚类数量和聚类参数之前,还包括:对所述电池数据进行归一化处理,得到归一化后的电池数据。
一种车辆,包括: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计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的动力电池的SOH修正方法。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的动力电池的SOH修正方法。
本发明的有益效果:
本申请实施例可以根据电池的类型提供不同的SOH的估算策略以及确定估算策略的执行顺序,结合了云端SOH估算策略和车端估算策略,合理利用车端估算策略和云端估算策略,通过车云融合的方式提升SOH估算的适用性,利用云端SOH估算结果,并结合车端的估算策略,减小了车端计算负担,提高了计算结果的更新频率同时保证了SOH计算的准确性,提高了SOH估算方法的覆盖度和适应性。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
图1为本发明实施例提供的动力电池的SOH修正方法的流程示意图;
图2为本发明具体实施例提供的电池SOH估计方法的示意图;
图3为本发明实施例提供的三种SOH估计方法不同应用场景下的更新顺序示意图;
图4为本发明实施例提供的动力电池的SOH修正装置的方框示意图;
图5为本发明实施例提供的车辆的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
具体而言,图1为本申请实施例所提供的一种动力电池的SOH修正方法的流程示意图。
如图1所示,该动力电池的SOH修正方法,应用于车辆,包括以下步骤:
在步骤S101中,获取动力电池的电池类型和电池数据。
其中,动力电池的电池类型有多种,包括三元电池、磷酸铁锂电池等。
在本申请实施中,电池数据包括充电前后静置时间、充电温度、充电开始时开路电压OCV、充电结束时OCV、充电电流和充电时长中的一种或多种。
在步骤S102中,根据电池类型确定动力电池的电池健康状态SOH的估算策略的执行顺序,其中,估算策略包括车端估算策略和云端估算策略。
其中,车端估算策略包括动态估算策略和静态估算策略。
可以理解的是,本申请实施例可以根据电池类型,确定动力电池的电池健康状态SOH的估算策略的执行顺序,具体的电池类型的估算策略的划分如下。
在本申请实施例中,根据电池类型确定动力电池的电池健康状态SOH的估算策略的执行顺序,包括:若电池类型为第一电池类型,则执行顺序依次为动态估算策略、静态估算策略和云端估算策略,或者,执行顺序依次为动态估算策略、云端估算策略和静态估算策略,其中,第一电池类型的电压随荷电状态SOC的变化曲率大于预设曲率;若电池类型为第二电池类型,则执行顺序依次为静态估算策略、云端估算策略和静态估算策略,或者,执行顺序依次为云端估算策略、静态估算策略和动态估算策略,其中,第一电池类型的电压随SOC的变化曲率小于或等于预设曲率。
其中,第一电池类型可以为三元电池,第二电池类型可以为磷酸铁锂电池。
可以理解的是,本申请实施例中若电池类型为第一电池类型,采用动态估算策略为主,静态估算策略和云端估算策略为辅的估算原则,具体执行顺序可以为动态估算策略、静态估算策略和云端估算策略,或者可以为动态估算策略、云端估算策略和静态估算策略;若电池类型为第二电池类型,采用静态估算策略和云端估算策略为主,动态估算策略为辅的估算原则,具体执行顺序可以为云端估算策略、静态估算策略和动态估算策略。
下述实施例将分别阐述动态估算策略、静态估算策略和云端估算策略。
一、动态估算策略
其中,动态估算策略中所用到的电池数据包括充电前后静置时间、充电温度、充电开始时开路电压OCV、充电结束时OCV、充电电流和充电时长中的一种或多种。动态估算策略包括:根据充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC;根据充电电流和充电时长安时积分得到实际充电容量,并根据充电前后的SOC计算SOC变化量;根据实际充电容量和SOC变化量计算动力电池的当前容量,基于当前容量和动力电池的初始容量计算动力电池的车端SOH。
可以理解的是,本申请可以根据不同电池类型、充电温度、充电开始时OCV和充电结束时OCV进行查表,得到充电前后的SOC,根据充电电流和充电时长进行安时积分计算得到实际充电容量,并根据之前获取得到的充电前的SOC和充电后的SOC,获得SOC变化量ΔSOC,根据实际充电容量和SOC变化量计算出当前容量,进一步根据当前容量和动力电池的初始容量计算动力电池的车端SOH。
具体的计算当前容量的公式为:
计算SOH的公式为:
在本申请实施例中,电池数据还包括充电前后静置时长,在根据充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC之前,还包括:判断充电前后静置时长是否小于或等于时长阈值;判断充电前后静置时长小于或等于时长阈值,则拟合充电前后静置时长和OCV,得到充电开始时OCV和充电结束时OCV。
可以理解的是,本申请实施例在在根据充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC之前,判断充电前后静置时长是否达到时长阈值,如果静置时长未达到时长阈值,拟合充电前后静置时长和OCV得到充电开始时OCV和充电结束时OCV,进行后续的计算,否则直接利用获取到的电压进行后续计算即可。
具体的OCV拟合函数的公式为:
V(t)=OCV(t)-a1*exp(-b1*t)-a2*exp(-b2*t)-a3*exp(-b3*t),
其中,a1,a2,a3,b1,b2,b3表示拟合系数。
需要说明的是,本申请实施例所述的动态估算策略运用在车端,由于车端并不适用于大型的电池模型进行实时的训练更新,所以采用充电片段充电前后的容量增量和SOC计算获取,此法计算量小、有较高的准确度,但需要较长的静置时间,才能获取准确的OCV值,为了减小这一弊端的影响,针对不同的静置时间进行OCV拟合,从而获取较为准确的SOH,但该法在实际运用中更适用于三元电池包,对磷酸铁锂来说会存在难触发更新的情况。因此针对磷酸铁锂的平台期较长、高低端触发更新能力有限等问题,设计了下述的一种静态估算策略。
二、静态估算策略
其中,静态估算策略中所用到的电池数据包括累计充电容量、累计放电容量、累计行驶里程、累计驻车时间、纯电行驶里程和油驱行驶里程中的一种或多种,静态估算策略包括:获取车辆的当前车型;根据当前车型确定电池数据的修正系数;根据修正系数修正电池数据,利用修正后的电池数据计算动力电池的车端SOH。
其中,当前车型包括第一车型和第二车型。
需要说明的是,如果上述的动态估算策略应用在磷酸铁锂电池上SOH长期未更新的情况,则可采用静态估算策略,即可以根据车辆的车型确定电池数据的修正系数,根据修正系数修正电池数据,利用修正后的电池数据(具体为累计充电容量和累计驻车时间)计算动力电池的车端SOH。
在本申请实施例中,根据当前车型确定电池数据的修正系数,包括:若当前车型为第一车型,则根据累计放电容量和累计充电容量计算电池数据的第一修正系数;若当前车型为第二车型,则根据纯电行驶里程和油驱行驶里程计算电池数据的第二修正系数。
其中,第一车型可以为弱混车型,第二车型可以为强混车型。
可以理解的是,本申请实施例可以根据不同的车型,计算电池数据的修正系数,当,当当前车型为第一车型时,根据累计放电容量和累计充电容量计算电池数据的第一修正系数,当当前车型为第二车型时,根据纯电行驶里程和油驱行驶里程计算电池数据的第二修正系数。
下述以第一车型为弱混车型、第二车型为强混车型为例进行阐述修正系数的计算方法。
(1)当当前车型为弱混时,α=累计放电容量/累计充电容量,其中累计放电容量根据累计里程进行修正,其中,α表示第一修正系数。
(2)当当前车型为强混时,β=纯电行驶里程/(纯电行驶里程+油驱行驶里程),其中,β表示第二修正系数。
在本申请实施例中,在根据累计放电容量和累计充电容量计算电池数据的第一修正系数之前,还包括:根据累计行驶里程修正累计放电容量。
可以理解的是,本申请实施例在计算修正系数之前,判断上电时获取到的累计充电容量、累计放电容量、累计行驶里程、累计驻车时间是否有效,如累计行驶里程小于某一阈值,累计驻车时间小于或等于设定阈值,同理进行累计充电容量、累计放电容量有效性判断,然后根据累计行驶里程修正累计放电容量,其中,设定阈值可以具体标定。
在本申请实施例中,根据修正系数修正电池数据,包括:若当前车型为第一车型,则利用第一修正系数修正累计充电容量和累计驻车时间;若当前车型为第二车型,则利用第二修正系数修正累计充电容量和累计驻车时间。
具体而言,当当前车型为第一车型时,利用第一修正系数修正累计充电容量,累计充电容量=α*Q纯,其中Q纯为用于确定纯电池组SOH的累计充电容量,同理,累计驻车时间=α*T纯,T纯为纯电池组对应的累计驻车时间;当当前车型为第二车型时,利用第二修正系数修正累计充电容量,累计充电容量=β*Q纯,其中Q纯为用于确定纯电池组SOH的累计充电容量,同理,累计驻车时间=β*T纯,T纯为纯电池组对应的累计驻车时间。
需要说明的是,本申请实施例所述的静态估算策略,可以根据累计吞吐量、驻车时间、累计里程等电动汽车行驶数据进行估算,并进一步根据不同车的混动程度对上述数据进行修正,获取某混合程度的车辆电池健康状态。但是针对本申请实施例所述的静态估算策略,可能会因为极端情况存在计算偏差的情况,因此可以利用结合下述的云端估算策略进行辅助修正,能够更准确的估算SOH同时有效避免磷酸铁锂平台期太长导致的难触发问题。
三、云端估算策略
云端估算策略应用于服务器,云端估算策略包括:获取车辆上传的动力电池的电池数据;对电池数据进行聚类得到聚类数量和聚类参数,根据聚类数量和聚类参数计算电池数据中每个数据点的隶属度矩阵;根据隶属度矩阵更新聚类中心,并进行迭代聚类直到聚类中心不变或者达到预设迭代次数,根据聚类中心确定电池数据的聚类结果;根据聚类结果计算动力电池的云端SOH。
其中,车辆上传的电池数据包括电压、电流和温度中的一种或多种。预设迭代次数可以依据具体情况进行设定,对此不做具体限定。
具体而言,本申请实施例所述的云端估算策略包括:
1、确定聚类数量和聚类参数
在使用模糊聚类FCM算法进行聚类之前,可以根据上传云端的电压、电流、温度确定聚类数和参数,分别为数据集组数和模糊因子和聚类中心的初始值。可以通过使用模型选择技术和试验优化来确定;并使用聚类中心算法(如K-Means算法)来初始化聚类中心。
2、计算隶属度矩阵
FCM算法中最重要的步骤是计算隶属度矩阵,将每个数据点分配给每个聚类的隶属度;隶属度表示数据点属于每个聚类的程度。
3、更新聚类中心
基于隶属度矩阵,重新计算每个聚类的中心,即每个聚类的均值向量。
4、重复迭代和结果确定
重复步骤1-3,直到聚类中心不再变化或达到预定的迭代次数,根据隶属度矩阵将每个数据点分配到最接近的聚类中心并明确聚类结果,并根据电压计算出所需的SOH值。
在本申请实施例中,聚类结果可以包括电压最大值和电压最小值,根据聚类结果计算动力电池的云端SOH,包括:根据电压和电压最小值计算第一电压差值;根据电压和电压最大值计算第二电压差值;根据第一电压差值和第二电压差值计算动力电池的云端SOH。
可以理解的是,本申请实施例中聚类结果包括电压最大值和电压最小值,根据电压值和电压最小值计算第一电压差值,根据电压和电压最大值计算第二电压差值,最后根据第一电压差值和第二电压差值计算动力电池的云端SOH。
在本申请实施例中,在对电池数据进行聚类得到聚类数量和聚类参数之前,还包括:对电池数据进行归一化处理,得到归一化后的电池数据。
可以理解的是,为计算云端SOH,将电压、电流、温度等电池数据上传至云端服务器之前,本申请实施例可以对采集到的电池数据进行归一化预处理以消除属性之间的差异,用以提高后续算法的收敛速度和准确性。
在步骤S103中,按照执行顺序执行估算策略,根据估算策略和电池数据计算动力电池的目标SOH,将动力电池的当前SOH修正为目标SOH。
可以理解的是,本申请实施例可以根据电池类型确定得到的动力电池的SOH的估算策略的执行顺序,根据执行顺序执行估算策略和电池数据计算得到动力电池的目标SOH,将动力电池的当前SOH修正为目标SOH。
在本申请实施例中,根据估算策略和电池数据计算动力电池的目标SOH,包括:判定当前估算策略估算的SOH是否满足预设合理条件;若当前估算策略估算的SOH满足预设合理条件,则将当前估算策略估算的SOH作为目标SOH,否则继续执行下一个估算策略;若最后一个估算策略估算的SOH不满足预设合理条件,则不执行动力电池的SOH的更新。
可以理解的是,本申请实施例可以判断当前估算策略估算的SOH是否满足预设合理条件,如果当前估算策略估算的SOH满足预设合理条件,将当前的SOH作为目标SOH,否则继续执行下一个估算策略,直至满足预设合理条件,若是最后一个估算策略估算的SOH仍不满足预设合理条件,则不执行动力电池的SOH的更新。
在本申请实施例中,当前估算策略估算的SOH是否满足预设合理条件,包括:判断当前估算策略估算的SOH是否处于预设范围内;若当前估算策略估算的SOH处于预设范围内,则判定当前估算策略估算的SOH满足预设合理性条件。
可以理解的是,本申请实施例通过判断当前估算策略估算的SOH是否处于预设范围内,判定SOH满足预设合理性条件,以便后续将满足条件的SOH作为动力电池的目标SOH。
在本申请实施例中,若电池类型为第一电池类型,且最后一个估算策略估算的SOH满足预设合理条件,还包括:将SOH不满足预设合理条件的估算策略的历史SOH的均值作为对应估算策略的SOH;根据所有估算策略估算的SOH和各自权重进行加权平均得到加权平均值,利用加权平均值修正动力电池的SOC和/或剩余充电时间。
可以理解的是,若电池类型为第一电池类型,将SOH不满足预设合理条件的估算策略的历史SOH均值作为对应估算策略的SOH,对SOH和各自权重进行加权平均得到加权平均值,利用加权平均值修正动力电池的SOC、剩余充电时间中的一种或多种。
其中,计算公式为:
SOH=W1*SOH1+W2*SOH2+W3*SOH3,
其中,SOH1、SOH2、SOH3分别对应三种估算策略的估算SOH,W 1、W 2、W 3对应各自的分权平均值。
具体可以理解为,当某一种估算策略所获得的SOH为无效值时,可以采用滑窗均值利用滑窗均值smooth(SOH,n)为替代值。
在本申请实施例中,若电池类型为第二电池类型,且静态估算策略估算的SOH不满足预设合理条件,还包括:根据云端估算策略估算的SOH修正充电倍率和/或放电功率。
可以理解的是,若电池类型为第二电池类型,且静态估算策略估算的SOH不满足预设合理条件是,本申请实施例根据云端估算策略估算的SOH修正充电倍率、放电功率中的一种或多种。
具体来说,若电池类型为第一电池类型,则执行顺序时遵循动态计算为主、静态估算结果和云端更新为辅的更新原则,在满足动态算法计算的各前提条件的基础上,计算的SOH在合理范围内,则用于修正当前的SOH,同时用于修正充电倍率大小、放电功率大小、SOC和剩余充电时间的计算;如果上述车端动态计算长期不更新或计算值超出有效更新范围,则根据车端运行数据——累积充电容量、累积放电容量、累积驻车时间、累积行驶里程等,进行静态估计,该静态估算结果在合理范围内则用于修正充电倍率大小、放电功率大小,否则采用云端计算结果进行更新,同时计算三种方法估算SOH值的加权平均值:SOH=W1*SOH1+W2*SOH2+W3*SOH3,某一种估算方法所获得的SOH为无效值则用滑窗均值方法给出,最终估算结果利用滤波给出,用于修正SOC和剩余充电时间的计算的SOH;第一电池类型的电压随荷电状态SOC的变化曲率大于预设曲率;
若电池类型为第二电池类型,所执行的顺序遵循静态计算和云端计算为主、动态估算结果为辅的更新原则,利用当前的累计充电容量、累计放电容量、累计行驶里程、累计驻车时间进行插值计算可获取静态SOH来修正充电倍率大小、放电功率大小,均值滤波后的SOH用于SOC修正和剩余充电时间的计算;如果静态估算的结果超出合理范围内,则可以采用云端估算结果进行充电倍率和放电功率的修正,第一电池类型的电压随SOC的变化曲率小于或等于预设曲率。
综上,本申请实施例可以根据车辆的不同电池的类型、车辆混动程度的不同等不同的应用场景提供了不同的SOH估算策略,以三元电池和磷酸铁锂电池为例进行阐述。
一、针对三元电池采用动态估算为主,静态估算和云端估算为辅的更新原则,包括以下步骤:
步骤S11:进行车端动态更新前,首先要判断静置时间是否达到规定阈值,如果达到,则利用获取的电压正常计算即可,否则,根据拟合的静置时间与OCV关系式获取电压再进行后续计算,获得动态计算SOH。
步骤S12:基于上述步骤,分别判断车端动态计算的SOH是否在合理范围;判断原则为一定使用年限和行驶里程、累计吞吐量范围内,电池健康状态衰减量不得超过规定阈值,另外未达到静置时间阈值的情况下,该判定条件应当更加严苛,合理估算值可直接用于修正充电倍率大小、放电功率大小、SOC和剩余充电时间的计算。
步骤S13:上述车端动态计算如果长期不更新或计算值超出有效更新范围,则根据车端运行数据——累积充电容量、累积放电容量、累积驻车时间、累积行驶里程等,进行静态估计,该静态估算结果在合理范围内则用于修正充电倍率大小、放电功率大小,否则采用云端更新结果进行更新;并计算三种方法估算SOH值的加权平均值:SOH=W1*SOH1+W2*SOH2+W3*SOH3,某一种估算方法所获得的SOH为无效值则用滑窗均值方法给出,最终估算结果利用滤波给出,用于修正SOC和剩余充电时间的计算的SOH。
二、针对磷酸铁锂电池尤其是不同混合程度的磷酸铁锂混合车载电池遵循静态估算和云端估算为主、动态估算结果为辅的更新原则,包括以下步骤:
步骤S21:针对以电池为唯一动力的车(即纯电电动车)来说,利用当前的累计充电容量、累计放电容量、累计行驶里程、累计驻车时间进行插值计算可获取静态SOH来修正充电倍率大小、放电功率大小,均值滤波后的SOH用于SOC修正和剩余充电时间的计算;如果静态估算的结果超出合理范围内,则直接采用云端估算结果进行充电倍率和放电功率的修正,同时仍利用均值滤波后的SOH用于SOC修正和剩余充电时间的计算。
步骤S22:静态计算方法用于混动车型时需要进行实时修正,对于弱混(增程)车型,利用累计充放电容量比值对当前的行驶数据(累计驻车时间、累计充电容量等)进行校准,获取修正后的SOH;针对强混车型,需计算电驱行驶里程与总里程的占比来修正当前行驶数据,进而获取所需SOH值,除此之外的更新原则与S21保持一致。
采用上述的方法对动力电池的SOH进行修正,具有如下优点:
(1)针对车端因为极端情况计算的SOH出现较大偏差的、混动车系磷酸铁锂因平台期太长难更新而带来的充电隐患和电池寿命减少等问题,本发明根据车载电池类型、车辆混动程度的不同等不同的应用场景提供了不同的SOH更新估算策略。
(2)三元电池和磷酸铁锂电池SOH计算更新都结合了云端SOH和静态、动态计算SOH,修正结果在不同用途和使用场景上做了合理的区分,并提出了相应的策略,既提高了电池的更新频率,又保证了结果合理性。
(3)通过合理利用云端SOH估算结果,并结合车端的算法,减小了车端计算负担,提高了计算结果的更新频率同时保证了结果的准确性。
下面通过一个具体实施例来阐述本申请的基于车云融合的集成式车用电池SOH估计方法的示意图,如图2所示,以电池类型为三元电池和磷酸铁锂电池,车型为弱混和强混为例,包括以下步骤:
步骤1:基于HPPC测试数据,构建OCV拟合函数,具体描述如下:
V(t)=OCV(t)-a1*exp(-b1*t)-a2*exp(-b2*t)-a3*exp(-b3*t),
其中,a1,a2,a3,b1,b2,b3表示拟合系数。
步骤2:根据车端充电前后静置时间大小判断是否需要拟合,获得充电开始和充电结束时的OCV。
步骤3:针对不同电池类型、温度和OCV进行查表,获得充电前后的SOC。
步骤4:基于充电电流(I)和充电时长(t)进行安时积分计算,并根据之前获取的充电前的SOC和充电后的SOC,获得SOC变化量ΔSOC,计算出当前容量,计算公式如下:
最后根据如下公式进行计算,得到车端动态SOH,如果不在合理范围内,则进行静态计算和云端更新:
步骤5:上述步骤1-4为动态算法的实现方式,针对动态算法应用在磷酸铁锂电池上SOH长期未更新的情况,则可采用静态更新的方法,利用上电时获取的累计充电容量、累计放电容量、累计行驶里程、累计驻车时间,先判断各个信号值是否有效,如累计行驶里程小于某一阈值,累计驻车时间不得大于设定阈值,同理进行累计充电容量、累计放电容量有效性判断,具体内容包括步骤6-8。
步骤6:基于各累计信号有效的前提,进一步判断当前车型的混合程度,如已知当前车辆为纯电车型,则根据当前获取的累计充电容量、累计放电容量、累计行驶里程、累计驻车时间进行静态SOH的对应插值计算。
步骤7:当前车型为弱混时,通过修正获取当前累计充电容量=α*Q纯,其中Q纯为用于确定纯电池组SOH的累计充电容量,α=累计放电容量/累计充电容量,其中累计放电容量根据累计里程进行修正;同理当前累计驻车时间=α*T纯、T纯为纯电池组对应的累计驻车时间。分别采用修正后的累计充电容量和累计驻车时间进行静态估计。
步骤8:当前车型为强混时,根据当前累计充电容量=β*Q纯,其中Q纯为用于确定纯电池组SOH的累计充电容量,β=纯电行驶里程/(纯电行驶里程+油驱行驶里程);同理当前累计驻车时间=β*T纯、T纯为纯电池组对应的累计驻车时间。分别采用修正后的累计充电容量和累计驻车时间进行静态估计;如果静态算法结果偏差大,可采用云端的计算结果进行修正更新。
步骤9:为计算云端SOH,将电压、电流、温度等信息上传云端服务器,并对采集的信号进行归一化预处理以消除属性之间的差异,并提高算法的收敛速度和准确性。
步骤10:确定聚类数和参数:在使用FCM算法进行聚类之前,需要根据上传云端的电压、电流、温度确定聚类数和参数,分别为数据集组数和模糊因子和聚类中心的初始值。可以通过使用模型选择技术和试验优化来确定;并使用聚类中心算法(如K-Means算法)来初始化聚类中心。
步骤11:计算隶属度矩阵:模糊聚类(FCM)算法中最重要的步骤是计算隶属度矩阵,将每个数据点分配给每个聚类的隶属度;隶属度表示数据点属于每个聚类的程度。
步骤12:更新聚类中心:基于隶属度矩阵,重新计算每个聚类的中心,即每个聚类的均值向量。
步骤13:重复迭代和结果确定:重复执行步骤11-12,直到聚类中心不再变化或达到预定的迭代次数,根据隶属度矩阵将每个数据点分配到最接近的聚类中心并明确聚类结果,并根据电压计算出所需的SOH值。
步骤14:上述步骤9-13为云端计算的基本过程,当获取各个SOH估算结果后,根据电池的类型、电动汽车混合程度的不同、更新频率的快慢、估算结果的合理性,对三种估算方式的结果加权平均,获得当前的SOH值,必要时采用该值用于修正SOC和剩余充电时间的计算:
SOH=W1*SOH1+W2*SOH2+W3*SOH3,
其中SOH1、SOH2、SOH3分别对应三种算法的估算SOH,W 1、W 2、W 3对应各自的分权平均值,如果某一种估算方法的估算结果为失效值的时候则采用滑窗均值利用滑窗均值smooth(SOH,n)为替代值,三元和磷酸铁锂运算时同理。具体的三种SOH估计方法不同应用场景下的更新顺序示意图如图3所示,能够解决端因为极端情况计算SOH出现较大偏差和车用磷酸铁锂因平台期太长而导致的长期难触发更新的问题,尤其是能改善混动车系磷酸铁锂难更新而带来的充电隐患和电池寿命减少问题,保证电池健康状态计算的准确性。
根据本申请实施例提出的动力电池的SOH修正方法,根据电池的类型提供不同的SOH的估算策略以及确定估算策略的执行顺序,结合了云端SOH估算策略和车端估算策略,合理利用车端估算策略和云端估算策略,通过车云融合的方式提升SOH估算的适用性,利用云端SOH估算结果,并结合车端的估算策略,减小了车端计算负担,提高了计算结果的更新频率同时保证了SOH计算的准确性,提高了SOH估算方法的覆盖度和适应性。
其次参照附图描述根据本申请实施例提出的动力电池的SOH修正装置。
图4是本申请实施例的动力电池的SOH修正装置的方框示意图。
如图4所示,该动力电池的SOH修正装置10,应用于车辆,包括:获取模块100、确定模块200和修正模块300。
其中,获取模块100用于获取动力电池的电池类型和电池数据;确定模块200用于根据电池类型确定动力电池的电池健康状态SOH的估算策略的执行顺序,其中,估算策略包括车端估算策略和云端估算策略;修正模块300用于按照执行顺序执行估算策略,根据估算策略和电池数据计算动力电池的目标SOH,将动力电池的当前SOH修正为目标SOH。
在本申请实施例中,车端估算策略包括动态估算策略和静态估算策略。
在本申请实施例中,确定模块200进一步用于:若电池类型为第一电池类型,则执行顺序依次为动态估算策略、静态估算策略和云端估算策略,或者,执行顺序依次为动态估算策略、云端估算策略和静态估算策略,其中,第一电池类型的电压随荷电状态SOC的变化曲率大于预设曲率;若电池类型为第二电池类型,则执行顺序依次为静态估算策略、云端估算策略和静态估算策略,或者,执行顺序依次为云端估算策略、静态估算策略和动态估算策略,其中,第一电池类型的电压随SOC的变化曲率小于或等于预设曲率。
在本申请实施例中,修正模块300进一步用于:判定当前估算策略估算的SOH是否满足预设合理条件;若当前估算策略估算的SOH满足预设合理条件,则将当前估算策略估算的SOH作为目标SOH,否则继续执行下一个估算策略;若最后一个估算策略估算的SOH不满足预设合理条件,则不执行动力电池的SOH的更新。
在本申请实施例中,修正模块300进一步用于:将SOH不满足预设合理条件的估算策略的历史SOH的均值作为对应估算策略的SOH;根据所有估算策略估算的SOH和各自权重进行加权平均得到加权平均值,利用加权平均值修正动力电池的SOC和/或剩余充电时间。
在本申请实施例中,修正模块300进一步用于:根据云端估算策略估算的SOH修正充电倍率和/或放电功率。
在本申请实施例中,修正模块300进一步用于:判断当前估算策略估算的SOH是否处于预设范围内;若当前估算策略估算的SOH处于预设范围内,则判定当前估算策略估算的SOH满足预设合理性条件。
在本申请实施例中,电池数据包括充电前后静置时间、充电温度、充电开始时开路电压OCV、充电结束时OCV、充电电流和充电时长中的一种或多种,动态估算策略包括:根据充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC;根据充电电流和充电时长安时积分得到实际充电容量,并根据充电前后的SOC计算SOC变化量;根据实际充电容量和SOC变化量计算动力电池的当前容量,基于当前容量和动力电池的初始容量计算动力电池的车端SOH。
在本申请实施例中,电池数据还包括充电前后静置时长,本申请实施例的装置10还包括:判断模块。
其中,判断模块用于在根据充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC之前,判断充电前后静置时长是否小于或等于时长阈值;判断充电前后静置时长小于或等于时长阈值,则拟合充电前后静置时长和OCV,得到充电开始时OCV和充电结束时OCV。
在本申请实施例中,静态估算策略包括:获取车辆的当前车型;根据当前车型确定电池数据的修正系数;根据修正系数修正电池数据,利用修正后的电池数据计算动力电池的车端SOH。
在本申请实施例中,电池数据包括累计充电容量、累计放电容量、累计行驶里程、累计驻车时间、纯电行驶里程和油驱行驶里程中的一种或多种。
在本申请实施例中,当前车型包括第一车型和第二车型,根据当前车型确定电池数据的修正系数,包括:若当前车型为第一车型,则根据累计放电容量和累计充电容量计算电池数据的第一修正系数;若当前车型为第二车型,则根据纯电行驶里程和油驱行驶里程计算电池数据的第二修正系数。
在本申请实施例中,根据修正系数修正电池数据,包括:若当前车型为第一车型,则利用第一修正系数修正累计充电容量和累计驻车时间;若当前车型为第二车型,则利用第二修正系数修正累计充电容量和累计驻车时间。
在本申请实施例中,在根据累计放电容量和累计充电容量计算电池数据的第一修正系数之前,还包括:根据累计行驶里程修正累计放电容量。
在本申请实施例中,云端估算策略应用于服务器,云端估算策略包括:获取车辆上传的动力电池的电池数据;对电池数据进行聚类得到聚类数量和聚类参数,根据聚类数量和聚类参数计算电池数据中每个数据点的隶属度矩阵;根据隶属度矩阵更新聚类中心,并进行迭代聚类直到聚类中心不变或者达到预设迭代次数,根据聚类中心确定电池数据的聚类结果;根据聚类结果计算动力电池的云端SOH。
在本申请实施例中,车辆上传的电池数据包括电压、电流和温度中的一种或多种。
在本申请实施例中,聚类结果包括电压最大值和电压最小值,根据聚类结果计算动力电池的云端SOH,包括:根据电压和电压最小值计算第一电压差值;根据电压和电压最大值计算第二电压差值;根据第一电压差值和第二电压差值计算动力电池的云端SOH。
在本申请实施例中,在对电池数据进行聚类得到聚类数量和聚类参数之前,还包括:对电池数据进行归一化处理,得到归一化后的电池数据。
需要说明的是,前述对动力电池的SOH修正方法实施例的解释说明也适用于该实施例的动力电池的SOH修正装置,此处不再赘述。
根据本申请实施例提出的动力电池的SOH修正装置,根据电池的类型提供不同的SOH的估算策略以及确定估算策略的执行顺序,结合了云端SOH估算策略和车端估算策略,合理利用车端估算策略和云端估算策略,通过车云融合的方式提升SOH估算的适用性,利用云端SOH估算结果,并结合车端的估算策略,减小了车端计算负担,提高了计算结果的更新频率同时保证了SOH计算的准确性,提高了SOH估算方法的覆盖度和适应性。
图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的动力电池的SOH修正方法。
进一步地,车辆还包括:
通信接口503,用于存储器501和处理器502之间的通信。
存储器501,用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现,则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器501、处理器502及通信接口503,集成在一块芯片上实现,则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的动力电池的SOH修正方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (21)
1.一种动力电池的SOH修正方法,其特征在于,所述方法应用于车辆,其中,所述方法包括以下步骤:
获取动力电池的电池类型和电池数据;
根据所述电池类型确定所述动力电池的电池健康状态SOH的估算策略的执行顺序,其中,所述估算策略包括车端估算策略和云端估算策略;
按照所述执行顺序执行所述估算策略,根据所述估算策略和所述电池数据计算所述动力电池的目标SOH,将所述动力电池的当前SOH修正为所述目标SOH。
2.根据权利要求1所述的动力电池的SOH修正方法,其特征在于,所述车端估算策略包括动态估算策略和静态估算策略。
3.根据权利要求2所述的动力电池的SOH修正方法,其特征在于,所述根据所述电池类型确定所述动力电池的电池健康状态SOH的估算策略的执行顺序,包括:
若所述电池类型为第一电池类型,则所述执行顺序依次为所述动态估算策略、所述静态估算策略和所述云端估算策略,或者,所述执行顺序依次为所述动态估算策略、所述云端估算策略和所述静态估算策略,其中,所述第一电池类型的电压随荷电状态SOC的变化曲率大于预设曲率;
若所述电池类型为第二电池类型,则所述执行顺序依次为所述静态估算策略、所述云端估算策略和所述静态估算策略,或者,所述执行顺序依次为所述云端估算策略、所述静态估算策略和所述动态估算策略,其中,所述第一电池类型的电压随SOC的变化曲率小于或等于预设曲率。
4.根据权利要求1或3所述的动力电池的SOH修正方法,其特征在于,所述根据所述估算策略和所述电池数据计算所述动力电池的目标SOH,包括:
判定当前估算策略估算的SOH是否满足预设合理条件;
若当前估算策略估算的SOH满足所述预设合理条件,则将所述当前估算策略估算的SOH作为所述目标SOH,否则继续执行下一个估算策略;
若最后一个估算策略估算的SOH不满足所述预设合理条件,则不执行所述动力电池的SOH的更新。
5.根据权利要求4所述的动力电池的SOH修正方法,其特征在于,若所述电池类型为第一电池类型,且最后一个估算策略估算的SOH满足所述预设合理条件,还包括:
将SOH不满足所述预设合理条件的估算策略的历史SOH的均值作为对应估算策略的SOH;
根据所有估算策略估算的SOH和各自权重进行加权平均得到加权平均值,利用所述加权平均值修正所述动力电池的SOC和/或剩余充电时间。
6.根据权利要求4所述的动力电池的SOH修正方法,其特征在于,若所述电池类型为第二电池类型,且静态估算策略估算的SOH不满足所述预设合理条件,还包括:
根据所述云端估算策略估算的SOH修正充电倍率和/或放电功率。
7.根据权利要求4所述的动力电池的SOH修正方法,其特征在于,所述判定当前估算策略估算的SOH是否满足预设合理条件,包括:
判断所述当前估算策略估算的SOH是否处于预设范围内;
若所述当前估算策略估算的SOH处于所述预设范围内,则判定所述当前估算策略估算的SOH满足预设合理性条件。
8.根据权利要求2或3所述的动力电池的SOH修正方法,其特征在于,所述电池数据包括充电前后静置时间、充电温度、充电开始时开路电压OCV、充电结束时OCV、充电电流和充电时长中的一种或多种,所述动态估算策略包括:
根据所述充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC;
根据所述充电电流和所述充电时长通过安时积分得到实际充电容量,并根据所述充电前后的SOC计算SOC变化量;
根据所述实际充电容量和所述SOC变化量计算所述动力电池的当前容量,基于所述当前容量和所述动力电池的初始容量计算所述动力电池的第一车端SOH。
9.根据权利要求8所述的动力电池的SOH修正方法,其特征在于,所述电池数据还包括充电前后静置时长,在根据所述充电温度、充电开始时OCV和充电结束时OCV确定充电前后的SOC之前,还包括:
判断所述充电前后静置时长是否小于或等于时长阈值;
判断所述充电前后静置时长小于或等于所述时长阈值,则拟合所述充电前后静置时长和OCV,得到所述充电开始时OCV和充电结束时OCV。
10.根据权利要求2或3所述的动力电池的SOH修正方法,其特征在于,所述静态估算策略包括:
获取车辆的当前车型;
根据所述当前车型确定所述电池数据的修正系数;
根据所述修正系数修正所述电池数据,利用修正后的电池数据计算所述动力电池的车端SOH。
11.根据权利要求10所述的动力电池的SOH修正方法,其特征在于,所述电池数据包括累计充电容量、累计放电容量、累计行驶里程、累计驻车时间、纯电行驶里程和油驱行驶里程中的一种或多种。
12.根据权利要求11所述的动力电池的SOH修正方法,其特征在于,所述当前车型包括第一车型和第二车型,所述根据所述当前车型确定所述电池数据的修正系数,包括:
若所述当前车型为所述第一车型,则根据所述累计放电容量和所述累计充电容量计算所述电池数据的第一修正系数;
若所述当前车型为所述第二车型,则根据所述纯电行驶里程和所述油驱行驶里程计算所述电池数据的第二修正系数。
13.根据权利要求12所述的动力电池的SOH修正方法,其特征在于,所述根据所述修正系数修正所述电池数据,包括:
若所述当前车型为所述第一车型,则利用所述第一修正系数修正所述累计充电容量和所述累计驻车时间;
若所述当前车型为所述第二车型,则利用所述第二修正系数修正所述累计充电容量和所述累计驻车时间。
14.根据权利要求12所述的动力电池的SOH修正方法,其特征在于,在根据所述累计放电容量和所述累计充电容量计算所述电池数据的第一修正系数之前,还包括:
根据所述累计行驶里程修正所述累计放电容量。
15.根据权利要求1所述的动力电池的SOH修正方法,其特征在于,所述云端估算策略应用于服务器,所述云端估算策略包括:
获取车辆上传的动力电池的电池数据;
对所述电池数据进行聚类得到聚类数量和聚类参数,根据所述聚类数量和所述聚类参数计算所述电池数据中每个数据点的隶属度矩阵;
根据所述隶属度矩阵更新聚类中心,并进行迭代聚类直到所述聚类中心不变或者达到预设迭代次数,根据所述聚类中心确定所述电池数据的聚类结果;
根据聚类结果计算所述动力电池的云端SOH。
16.根据权利要求15所述的动力电池的SOH修正方法,其特征在于,所述车辆上传的电池数据包括电压、电流和温度中的一种或多种。
17.根据权利要求16所述的动力电池的SOH修正方法,其特征在于,所述聚类结果包括电压最大值和电压最小值,所述根据聚类结果计算所述动力电池的云端SOH,包括:
根据所述电压和所述电压最小值计算第一电压差值;
根据所述电压和所述电压最大值计算第二电压差值;
根据所述第一电压差值和所述第二电压差值计算所述动力电池的云端SOH。
18.根据权利要求15所述的动力电池的SOH修正方法,其特征在于,在对所述电池数据进行聚类得到聚类数量和聚类参数之前,还包括:
对所述电池数据进行归一化处理,得到归一化后的电池数据。
19.一种动力电池的SOH修正装置,其特征在于,所述装置应用于车辆,其中,所述装置包括:
获取模块,用于获取动力电池的电池类型和电池数据;
确定模块,用于根据所述电池类型确定所述动力电池的电池健康状态SOH的估算策略的执行顺序,其中,所述估算策略包括车端估算策略和云端估算策略;
修正模块,用于按照所述执行顺序执行所述估算策略,根据所述估算策略和所述电池数据计算所述动力电池的目标SOH,将所述动力电池的当前SOH修正为所述目标SOH。
20.一种车辆,其特征在于,包括: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计算机程序,所述处理器执行所述程序,以实现如权利要求1-18任一项所述的动力电池的SOH修正方法。
21.一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,该程序被处理器执行,以用于实现如权利要求1-18任一项所述的动力电池的SOH修正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310959845.2A CN116859278A (zh) | 2023-07-28 | 2023-07-28 | 动力电池的soh修正方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310959845.2A CN116859278A (zh) | 2023-07-28 | 2023-07-28 | 动力电池的soh修正方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116859278A true CN116859278A (zh) | 2023-10-10 |
Family
ID=88230580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310959845.2A Pending CN116859278A (zh) | 2023-07-28 | 2023-07-28 | 动力电池的soh修正方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116859278A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117485199A (zh) * | 2023-12-25 | 2024-02-02 | 力高(山东)新能源技术股份有限公司 | 一种基于电压回弹特性的快速soc修正方法 |
CN118254641A (zh) * | 2024-02-29 | 2024-06-28 | 深蓝汽车科技有限公司 | Soc修正方法、装置、车辆、服务器及存储介质 |
-
2023
- 2023-07-28 CN CN202310959845.2A patent/CN116859278A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117485199A (zh) * | 2023-12-25 | 2024-02-02 | 力高(山东)新能源技术股份有限公司 | 一种基于电压回弹特性的快速soc修正方法 |
CN117485199B (zh) * | 2023-12-25 | 2024-03-19 | 力高(山东)新能源技术股份有限公司 | 一种基于电压回弹特性的快速soc修正方法 |
CN118254641A (zh) * | 2024-02-29 | 2024-06-28 | 深蓝汽车科技有限公司 | Soc修正方法、装置、车辆、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368619B (zh) | 一种扩展卡尔曼滤波soc估算方法 | |
CN109507611B (zh) | 一种电动汽车的soh修正方法及系统 | |
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
CN116859278A (zh) | 动力电池的soh修正方法、装置、车辆及存储介质 | |
CN107402353B (zh) | 一种对锂离子电池的荷电状态进行滤波估计的方法及系统 | |
CN107576918B (zh) | 锂电池的剩余电量的估算方法及系统 | |
CN106443478B (zh) | 基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法 | |
CN110888064B (zh) | 一种评估电池系统电芯容量分布区间的算法 | |
CN106585422B (zh) | 一种动力电池soh估算方法 | |
CN114035072B (zh) | 一种基于云边协同的电池组多状态联合估计方法 | |
CN111581904A (zh) | 考虑循环次数影响的锂电池soc及soh协同估算方法 | |
CN110133507B (zh) | 一种基于narx-ukf算法的电池剩余电量估计方法 | |
CN107589379A (zh) | 一种在线估计锂电池soc和阻抗的方法 | |
CN104101838A (zh) | 动力电池系统及其荷电状态、最大充放电功率估算方法 | |
CN112158105B (zh) | 新能源汽车动力电池soh评估装置、方法及系统 | |
CN113625175A (zh) | 一种基于云端大数据平台的soc估算方法和系统 | |
CN112098893B (zh) | 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法 | |
CN113406523A (zh) | 一种储能电池状态评价方法、装置、电子设备及存储系统 | |
CN110682831A (zh) | 一种车载动力电池均衡方法、装置及汽车 | |
CN113135116A (zh) | 电池系统的防过充控制方法、装置及存储介质和电动车 | |
CN116404281A (zh) | 电池功率map切换方法、系统、存储介质及切换设备 | |
CN115173511A (zh) | 一种动力电池均衡方法及装置 | |
CN118209889A (zh) | 一种基于云边协同的电动汽车电池组早期内短路故障诊断方法 | |
CN114624600A (zh) | 一种动力电池电芯容量差计算方法和计算机可读存储介质 | |
CN117368767A (zh) | 一种基于安时积分法的锂电池荷电状态预估方法及系统 |
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 |