CN116930774B - 一种电池健康状态估计校正方法及装置 - Google Patents
一种电池健康状态估计校正方法及装置 Download PDFInfo
- Publication number
- CN116930774B CN116930774B CN202311181105.7A CN202311181105A CN116930774B CN 116930774 B CN116930774 B CN 116930774B CN 202311181105 A CN202311181105 A CN 202311181105A CN 116930774 B CN116930774 B CN 116930774B
- Authority
- CN
- China
- Prior art keywords
- battery
- soh
- management system
- battery management
- value
- 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 139
- 230000036541 health Effects 0.000 title claims abstract description 34
- 238000012937 correction Methods 0.000 title claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 113
- 239000011159 matrix material Substances 0.000 claims description 68
- 230000008569 process Effects 0.000 claims description 51
- 238000005259 measurement Methods 0.000 claims description 36
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 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 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect 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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种电池健康状态估计校正方法及装置，包括：获取电池管理系统上电后的历史采样数据和当前采样数据，建立电池SOH估计模型；当电池管理系统的运行状态为充电结束状态时，根据电池SOH估计模型对历史存储数据和当前采样数据进行计算，得到电池管理系统中单体电池的第一SOH值；确定第一高压充电拐点的第一拐点采样数据，根据电池SOH估计模型对历史采样数据和第一拐点采样数据进行计算，得到电池管理系统中单体电池对应的第二SOH值；根据每个单体电池对应的第一SOH值和第二SOH值，对电池管理系统的综合SOH值和每个单体电池的运行SOH值进行校正。本发明实现了提高电池管理系统的综合SOH估计精度的目的。
Description
技术领域
本发明涉及电池SOH估计技术领域，具体涉及一种电池健康状态估计校正方法及装置。
背景技术
锂离子动力电池是现代电动汽车、电动船舶等系统的主要能源来源之一，因此对其健康状态的监测和评估具有重要意义。其中，SOH(State of Health，健康状态)是指单个电池单元的健康程度，通常表示为百分比。高SOH意味着电池的寿命更长，性能更好，因此对锂离子动力电池的SOH估计和监测具有重要的实际应用价值。鉴于汽车和船舶的行驶状态复杂不固定，同时电池模型参数与电池参数之间的非线性关系，导致单一的SOH估计算法不足以匹配电池的所有工况，综合估计精度较低。
因此，急需提出一种电池健康状态估计校正方法及装置，解决现有技术中汽车和船舶的行驶状态复杂不固定，电池模型参数与电池参数之间的非线性关系，导致单一的SOH估计算法不足以匹配电池的所有工况，从而导致综合估计精度较低的技术问题。
发明内容
有鉴于此，有必要提供一种电池健康状态估计校正方法及装置，用以解决现有技术中电池模型参数与电池参数之间的非线性关系，导致单一的SOH估计算法不足以匹配电池的所有工况，从而导致综合估计精度较低的技术问题。
一方面，本发明提供了一种电池健康状态估计校正方法，包括：
获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史存储数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正。
在一些可能的实现方式中，所述电池管理系统包括第二高压充电拐点；
所述方法还包括：
当所述电池管理系统当前时刻的运行状态为正常运行状态时，将所述当前采样数据中所述第二高压充电拐点对应的采样数据去除，得到目标采样数据；
根据所述电池SOH估计模型对所述历史存储数据和所述目标采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第三SOH值；
根据所述每个单体电池对应的第三SOH值对所述每个单体电池对应的运行SOH值进行替换，得到替换后的运行SOH值；
根据所述预设个数单体电池的所有第三SOH值，对所述电池管理系统的所述综合SOH值进行替换，以使所述电池管理系统在下一时刻根据替换后的所述每个单体电池对应的运行SOH值和所述电池管理系统的综合SOH值进行运行，并将所述下一时刻确定为所述当前时刻，重新进行“获取电池管理系统上电后的历史采样数据和当前采样数据”的步骤。
在一些可能的实现方式中，所述根据所述电池SOH估计模型对所述历史存储数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值，包括：
根据预设容量变化公式对所述历史存储数据进行计算，得到所述预设个数单体电池对应的当前时刻的实际容量；
根据预设安时积分法对所述历史存储数据和所述当前时刻的实际容量进行计算，得到所述预设个数单体电池对应的当前时刻的观测参数；
对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值；
对所述状态估计值进行计算，得到所述预设个数单体电池对应的当前时刻的第一SOH值。
在一些可能的实现方式中，所述对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值，包括：
根据预设滤波算法对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的系统状态；
根据所述当前时刻的系统状态对所述电池管理系统进行测量更新，得到所述预设个数单体电池对应的当前时刻的状态估计值。
在一些可能的实现方式中，所述历史采样数据包括所述预设个数单体电池在高压充电阶段中对应的第一电池包电量，以及所述预设个数单体电池为新电池时对应的满电容量，所述第一拐点采样数据包括所述第一高压充电拐点的第二电池包电量；
所述根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值，包括：
分别根据所述第一电池包电量对所述第二电池包电量进行计算，得到所述预设个数单体电池对应的当前最大可用容量；
分别根据所述预设个数单体电池对应的所述满电容量对所述当前最大可用容量进行计算，得到所述预设个数单体电池对应的第二SOH值。
在一些可能的实现方式中，所述根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正，包括：
根据所述电池管理系统中所述预设个数单体电池的所有第二SOH值，计算出所述电池管理系统的平均SOH值；
分别根据所述每个单体电池对应的所述第一SOH值对所述平均SOH值进行计算，得到所述每个单体电池对应的校正SOH值；
根据所述平均SOH值对所述电池管理系统的所述综合SOH值进行校正；
根据所述每个单体电池对应的所述校正SOH值对所述每个单体电池对应的所述运行SOH值进行校正。
在一些可能的实现方式中，所述当所述电池管理系统当前时刻的运行状态为充电结束状态时之前，还包括：
判断所述电池管理系统的荷电状态是否达到预设区间；
若不是，则所述电池管理系统正常运行；
若是，则对所述电池管理系统当前时刻的所述运行状态进行判断。
在一些可能的实现方式中，所述预设容量变化公式为：
式中，为k时刻的单体电池的实际容量；/>为k-1时刻的单体电池的实际容量；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；为k-1时刻SOC的估计值；η为电池充放电效率；/>为k-1时刻的电流测量值；/>为采样时间间隔；其中，η通常情况下取为1。
在一些可能的实现方式中，所述预设安时积分法为：
式中，为k+1时刻单体电池的观测参数；/>为k时刻的电流测量值；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；/>为k+1时刻SOC的估计值；/>为采样时间间隔；η为电池充放电效率；/>为k时刻的单体电池的实际容量。
另一方面，本发明还提供了一种电池健康状态估计校正装置，包括：
数据获取模块，用于获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
第一SOH值计算模块，用于当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史存储数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
第二SOH值计算模块，用于确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
数据校正模块，用于根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正。
采用上述实施例的有益效果是：本发明提供的电池健康状态估计校正方法，通过设置电池SOH估计模型对电池管理系统中每个单体电池在不同的运行状态下的SOH值进行计算，从而实现了不同运行状态的SOH值的计算，解决了因为行驶状态复杂不固定，以及电池SOH估计模型与电池参数的非线性关系，导致单一的SOH估计算法精度不高的技术问题。进一步的，还对电池管理系统的综合SOH值和每个单体电池的运行SOH值进行校正，使电池管理系统在下次运行时，可以根据更加精准的SOH值进行运行，提高了电池管理系统的综合SOH值的估计精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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为本发明提供的电池健康状态估计校正方法的一个实施例流程示意图；
图2为本发明提供的不同运行状态对应过程的一个实施例结构示意图；
图3为本发明提供的电池健康状态估计校正装置的一个实施例结构示意图；
图4为本发明提供的电子设备的一个实施例结构示意图。
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，所描述的实施例仅仅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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
本发明实施例提供了一种电池健康状态估计校正方法及装置，以下分别进行说明。
图1为本发明提供的电池健康状态估计校正方法的一个实施例流程示意图，如图1所示，电池健康状态估计校正方法包括：
S101、获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
S102、当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史存储数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
S103、确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
S104、根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正。
与现有技术相比，本发明实施例提供的电池健康状态估计校正方法，通过设置电池SOH估计模型对电池管理系统中每个单体电池在不同的运行状态下的SOH值进行计算，从而实现了不同运行状态的SOH值的计算，解决了因为行驶状态复杂不固定，以及电池SOH估计模型与电池参数的非线性关系，导致单一的SOH估计算法精度不高的技术问题。进一步的，还对电池管理系统的综合SOH值和每个单体电池的运行SOH值进行校正，使电池管理系统在下次运行时，可以根据更加精准的SOH值进行运行，提高了电池管理系统的综合SOH值的估计精度。
应当理解的是：步骤S101中获取电池管理系统上电后的历史采样数据可以包括从上电初始化之后每个单体电池开始采样的数据，也可以包括每个单体电池的基本信息，比如，新电池充满电时的容量。
在本发明的具体实施例中，电池管理系统中设置有第一高压充电拐点和第二高压充电拐点，第一高压充电拐点可以是处于电池管理系统尾端的拐点，第二高压充电拐点可以是处于电池管理系统中部的拐点，其中，步骤S102中进行计算的当前采样数据可以是去除第二高压充电拐点的采样数据之后的数据。
需要说明的是：为了使电池管理系统可以在符合条件的情况下进行判断，在本发明的一些实施例中，所述当所述电池管理系统当前时刻的运行状态为充电结束状态时之前，还包括：
判断所述电池管理系统的荷电状态是否达到预设区间；
若不是，则所述电池管理系统正常运行；
若是，则对所述电池管理系统当前时刻的所述运行状态进行判断。
在本发明的具体实施例中，预设区间可以为荷电状态达到30%-100%，如果电池管理系统的荷电状态属于30%之前的，表示电池管理系统刚刚启动没有多久，暂时还不需要进行处理，可以在荷电状态达到30%-100%时，进行后续的判断步骤，从而进行后续的流程。其中，具体的预设区间可以根据实际情况进行设置，本发明实施例在此不加以限制。
需要说明的是：为了对不同运行状态下的电池管理系统进行处理，在本发明的一些实施例中，所述电池管理系统包括第二高压充电拐点；
所述方法还包括：
当所述电池管理系统当前时刻的运行状态为正常运行状态时，将所述当前采样数据中所述第二高压充电拐点对应的采样数据去除，得到目标采样数据；
根据所述电池SOH估计模型对所述历史存储数据和所述目标采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第三SOH值；
根据所述每个单体电池对应的第三SOH值对所述每个单体电池对应的运行SOH值进行替换，得到替换后的运行SOH值；
根据所述预设个数单体电池的所有第三SOH值，对所述电池管理系统的所述综合SOH值进行替换，以使所述电池管理系统在下一时刻根据替换后的所述每个单体电池对应的运行SOH值和所述电池管理系统的综合SOH值进行运行，并将所述下一时刻确定为所述当前时刻，重新进行“步骤S101”的步骤。
在本发明的具体实施例中，如图2所示，图2为不同运行状态对应过程的一个实施例结构示意图，在电池管理系统上电（步骤S201）之后，可以每隔采样时间间隔获取当前时刻的当前采样数据，以及上电之后到当前时刻之前采样的历史采样数据（步骤S202），然后判断电池管理系统的电荷状态是否达到了预设区间（步骤S203），如果不是，则返回上一步，在下一时刻再次获取历史采样数据和当前采样数据。如果是，则表示可以对电池管理系统的运行状态进行判断，判断电池管理系统在当前时刻的运行状态（步骤S204）；
如果运行状态为正常运行状态（步骤S205），则表示电池管理系统还处于充电状态，此时需要根据电池SOH估计模型对历史存储数据和除去第二高压充电拐点的采样数据之后的目标采样数据进行处理，得到每个单体电池对应的第三SOH值，从而可以得到电池管理系统上预设个数单体电池的所有第三SOH值，可以根据每个单体电池对应的第三SOH值对每个单体电池对应的运行SOH值进行替换（步骤S206），根据所有第三SOH值可以得到所有第三SOH值的平均值，根据第三SOH值的平均值对电池管理系统的综合SOH值进行替换，再根据采样时间间隔将下一时刻确定为当前时刻，然后重新获取电池管理系统在当前时刻的当前采样数据和历史采样数据，并进行后续步骤，从而进行循环；其中，此时的当前采样数据是电池管理系统根据替换后的运行SOH和综合SOH值进行运行的数据。
如果运行状态为充电结束状态（步骤S207），则表示电池管理系统已经结束了充电工作需要通过电池SOH估计模型电对历史存储数据和当前采样数据进行处理，得到每个单体电池对应的第一SOH值，其中，当前采样数据是除去第二高压充电拐点的采样数据之后的采样数据；计算第一SOH值的过程与计算第三SOH值的过程相同，因此，后续步骤中计算第一SOH值的详细步骤也适用于计算出第三SOH值。还可以根据电池SOH估计模型和第一高压充电拐点的数据进行计算（步骤S208），得到每个单体电池对应的第二SOH值，从而可以根据每个单体电池对应的第一SOH值和第二SOH值对每个单体电池对应的运行SOH进行校正（步骤S209），还可以通过所有的第一SOH值得到平均值，根据第一SOH值的平均值对综合SOH值进行校正，结束流程（步骤S210），从而可以提高电池管理系统的综合SOH值的估计精度。
需要说明的是：为了解决电池模型参数与电池容量之间的非线性关系，本发明建立了电池SOH估计模型，在本发明的一些实施例中，步骤S102包括：
根据预设容量变化公式对所述历史存储数据进行计算，得到所述预设个数单体电池对应的当前时刻的实际容量；
根据预设安时积分法对所述历史存储数据和所述当前时刻的实际容量进行计算，得到所述预设个数单体电池对应的当前时刻的观测参数；
对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值；
对所述状态估计值进行计算，得到所述预设个数单体电池对应的当前时刻的第一SOH值。
在本发明的具体实施例中，电池SOH估计模型可以通过预设容量变化公式计算出每个单体电池对应的当前时刻的实际容量，还可以根据预设安时积分法对实际容量进行计算得到每个单体电池对应的观测参数，再通过扩展卡尔曼滤波算法对观测参数进行估算，确定每个单体电池对应的状态估计值，从而可以通过SOH估计公式对状态估计值进行计算，得到每个单体电池对应的第一SOH值。其中，历史存储数据中可以包括当前时刻之前采集到的每个单体电池对应实际容量、采样时间间隔、电流测量值、开机前存储的SOC值和电池管理系统的采样时间等信息。
在本发明的一些实施例中，预设容量变化公式如公式（1）和公式（2）所示：
式中，为k时刻的单体电池的实际容量；/>为k-1时刻的单体电池的实际容量；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；为k-1时刻SOC的估计值；η为电池充放电效率；/>为k-1时刻的电流测量值；/>为采样时间间隔；其中，η通常情况下取为1。
在本发明的一些实施例中，预设安时积分法如公式（3）所示：
式中，为k+1时刻单体电池的观测参数；/>为k时刻的电流测量值；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；/>为k+1时刻SOC的估计值；/>为采样时间间隔；η为电池充放电效率；/>为k时刻的单体电池的实际容量。
在本发明具体实施例中，可以通过公式（1）计算出每个单体电池的当前时刻的实际容量，将实际容量/>代入公式（2）可以计算出每个单体电池的当前时刻的SOC的估计值/>，从而可以将估计值/>带入到公式（3）中，计算出每个单体电池对应的当前时刻的观测参数/>。
在本发明的一些实施例中，所述对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值，包括：
根据预设滤波算法对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的系统状态；
根据所述当前时刻的系统状态对所述电池管理系统进行测量更新，得到所述预设个数单体电池对应的当前时刻的状态估计值。
在本发明的具体实施例中，预设滤波算法可以为扩展卡尔曼滤波算法，扩展卡尔曼滤波算法可以包括Kalman滤波方程和矩阵方程，Kalman滤波方程如公式（4）所示：
式中，是电池管理系统的非线性方程表达式；均为方差为零的高斯白噪声，分别为电池管理系统的系统噪声和测量噪声；/>为电池管理系统k时刻的系统状态；/>为电池管理系统在k时刻的输入量；/>是电池管理系统k时刻的输出量；其中，/>等于/>。
矩阵方程如公式（5）所示：
式中，为电池管理系统的状态转移矩阵中k-1时刻的值；其中，/>等于/>。
可以将公式（5）代入公式（4）中，从而可以计算出每个单体电池对应的当前时刻的系统状态。
还可以根据当前时刻的系统状态对电池管理系统进行测量更新，在测量更新可以进行初始化和时间更新；初始化可以是在电池管理系统上电时进行的，初始化如公式（6）所示：
式中，E(a)为求取a的期望；、P 0、W 0和V 0分别为电池管理系统的初始先验估计值、协方差矩阵中的初始值、噪声协方差矩阵中的初始值和测量噪声的协方差矩阵中的初始值。其中，a可以为/>、P 0、W 0和V 0根据实际情况提前设置好的值。
当电池管理系统根据初始化之后的参数进行运行后，当前时刻的x 0为x k，还可以对当前时刻进行时间更新，时间更新如公式（7）所示：
测量更新如公式（8）所示：
式中，为k+1时刻电池管理系统的状态转移矩阵；/>为k时刻电池管理系统的运行状态的状态估计值；/>为k时刻电池管理系统的运行状态的先验估计值；/>为k时刻电池管理系统的状态协方差矩阵的估计值；/>为k+1时刻电池管理系统的状态协方差矩阵的估计值；/>为k时刻电池管理系统的噪声协方差矩阵。/>为卡尔曼增益矩阵；/>为k时刻的测量雅克比矩阵；/>为测量噪声的协方差矩阵；I为单位矩阵；其中，/>，状态转移矩阵、状态协方差矩阵、噪声协方差矩阵、卡尔曼增益矩阵、测量噪声的协方差矩阵和单位矩阵都是可以根据实际情况提前设置好的，可以包括每个时刻对应的数值，具体的内容本发明实施例在此不加以限制。
测量雅克比矩阵的的计算如公式（9）所示：
式中，。
在通过时间更新之后，可以对当前时刻进行更新，如果当前的运行状态为正常充电状态，则可以将当前时刻更新为下一时刻，为下一时刻做准备。可以通过公式（8）计算出每个单体电池的当前的计算过程做准备。
还可以根据SOH估计方程对每个单体电池的状态时刻的状态估计值，而卡尔曼增益矩阵K k和状态协方差矩阵的估计值可以为下一时刻估计值进行计算，得到每个单体电池对应的第一SOH值，SOH估计方程如公式（10）所示：
式中，SOH为第一SOH值；为单体电池在当前状态下的最大可用电量（Ah）；为新电池充满电的容量（开机前存储的SOC值）（Ah）；其中，每个单体电池对应的当前时刻的状态估计值/>等于每个单体电池对应的当前状态下的最大可用电量/>。
其中，在运行状态是正常运行状态的情况下，循环时间更新和测量更新的过程，可以得到实时的第一SOH值。
在本发明的一些实施例中，所述历史采样数据包括所述预设个数单体电池在高压充电阶段中对应的第一电池包电量，以及所述预设个数单体电池为新电池时对应的满电容量，所述第一拐点采样数据包括所述第一高压充电拐点的第二电池包电量；步骤S103包括：
分别根据所述第一电池包电量对所述第二电池包电量进行计算，得到所述预设个数单体电池对应的当前最大可用容量；
分别根据所述预设个数单体电池对应的所述满电容量对所述当前最大可用容量进行计算，得到所述预设个数单体电池对应的第二SOH值。
在本发明的具体实施例中，当前最大可用容量的计算如公式（11）所示：
式中，为单体电池的在高压充电阶段中的第一电池包电量；/>为第一高压充电拐点的第二电池包电量；/>为单体电池的当前最大可用容量。
根据公式（11）可以得到每个单体电池对应的当前最大可用容量，还可以将公式（11）带入到公式（12）中，可以计算出每个单体电池对应的第二SOH值，公式（12）如下所示：
式中，为每个单体电池对应的第二SOH值。
在本发明的一些实施例中，步骤S104包括：
根据所述电池管理系统中所述预设个数单体电池的所有第二SOH值，计算出所述电池管理系统的平均SOH值；
分别根据所述每个单体电池对应的所述第一SOH值对所述平均SOH值进行计算，得到所述每个单体电池对应的校正SOH值；
根据所述平均SOH值对所述电池管理系统的所述综合SOH值进行校正；
根据所述每个单体电池对应的所述校正SOH值对所述每个单体电池对应的所述运行SOH值进行校正。
在本发明的具体实施例中，在得到每个单体电池对应的第一SOH值和第二SOH值之后，可以根据所有单体电池的所有第二SOH值，计算出电池管理系统的平均SOH值，用平均SOH值/>代替电池管理系统的综合SOH值，起到对综合SOH值进行校正的作用。还可以对第一SOH值和平均SOH值进行计算，得到每个单体电池对应的校正SOH值，如公式（13）所示：
式中，为单体电池对应的校正SOH值。
可以通过每个单体电池对应的校正SOH值对每个单体电池对应运行SOH值进行校正，从而可以使电池管理系统根据更加精准的SOH值进行运行，提高了电池管理系统的综合SOH值的估计精度。
为了更好实施本发明实施例中的电池健康状态估计校正方法，在电池健康状态估计校正方法基础之上，对应地，本发明实施例还提供了一种电池健康状态估计校正装置，如图3所示，电池健康状态估计校正装置包括：
数据获取模块301，用于获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
第一SOH值计算模块302，用于当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史存储数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
第二SOH值计算模块303，用于确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
数据校正模块304，用于根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正。
上述实施例提供的电池健康状态估计校正装置可实现上述电池健康状态估计校正方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述电池健康状态估计校正方法实施例中的相应内容，此处不再赘述。
如图4所示，本发明还相应提供了一种电子设备400。该电子设备400包括处理器401、存储器402及显示器403。图4仅示出了电子设备400的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器402在一些实施例中可以是电子设备400的内部存储单元，例如电子设备400的硬盘或内存。存储器402在另一些实施例中也可以是电子设备400的外部存储设备，例如电子设备400上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。
进一步地，存储器402还可既包括电子设备400的内部储存单元也包括外部存储设备。存储器402用于存储安装电子设备400的应用软件及各类数据。
处理器401在一些实施例中可以是一中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行存储器402中存储的程序代码或处理数据，例如本发明中的电池健康状态估计校正方法。
显示器403在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。显示器403用于显示在电子设备400的信息以及用于显示可视化的用户界面。电子设备400的部件401-403通过系统总线相互通信。
在本发明的一些实施例中，当处理器401执行存储器402中的电池健康状态估计校正程序时，可实现以下步骤：
获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史存储数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正。
应当理解的是：处理器401在执行存储器402中的电池健康状态估计校正程序时，除了上面的功能之外，还可实现其他功能，具体可参见前面相应方法实施例的描述。
进一步地，本发明实施例对提及的电子设备400的类型不做具体限定，电子设备400可以为手机、平板电脑、个人数字助理（personal digitalassistant，PDA）、可穿戴设备、膝上型计算机（laptop）等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备，诸如具有触敏表面（例如触控面板）的膝上型计算机（laptop）等。还应当理解的是，在本发明其他一些实施例中，电子设备400也可以不是便携式电子设备，而是具有触敏表面（例如触控面板）的台式计算机。
相应地，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述各方法实施例提供的电池健康状态估计校正方法步骤或功能。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件（如处理器，控制器等）来完成，计算机程序可存储于计算机可读存储介质中。其中，计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上对本发明所提供的电池健康状态估计校正方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种电池健康状态估计校正方法，其特征在于，包括：
获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史采样数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正；
所述根据所述电池SOH估计模型对所述历史采样数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值，包括：
根据预设容量变化公式对所述历史采样数据进行计算，得到所述预设个数单体电池对应的当前时刻的实际容量；
根据预设安时积分法对所述历史采样数据和所述当前时刻的实际容量进行计算，得到所述预设个数单体电池对应的当前时刻的观测参数；
对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值；
对所述状态估计值进行计算，得到所述预设个数单体电池对应的当前时刻的第一SOH值；
所述历史采样数据包括所述预设个数单体电池在高压充电阶段中对应的第一电池包电量，以及所述预设个数单体电池为新电池时对应的满电容量，所述第一拐点采样数据包括所述第一高压充电拐点的第二电池包电量；
所述预设容量变化公式为：
式中，为k时刻的单体电池的实际容量；/>为k-1时刻的单体电池的实际容量；为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；为k-1时刻SOC的估计值；η为电池充放电效率；/>为k-1时刻的电流测量值；/>为采样时间间隔；其中，η通常情况下取为1；
所述预设安时积分法为：
式中，为k+1时刻单体电池的观测参数；/>为k时刻的电流测量值；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；/>为k+1时刻SOC的估计值；/>为采样时间间隔；η为电池充放电效率；/>为k时刻的单体电池的实际容量；
所述对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值，包括：
根据预设滤波算法对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的系统状态；
根据所述当前时刻的系统状态对所述电池管理系统进行测量更新，得到所述预设个数单体电池对应的当前时刻的状态估计值；
所述预设滤波算法为扩展卡尔曼滤波算法，所述扩展卡尔曼滤波算法包括Kalman滤波方程和矩阵方程；所述Kalman滤波方程为：
式中，f(x k，u k)、g(x k，u k)是电池管理系统的非线性方程表达式；w k、v k均为方差为零的高斯白噪声，分别为电池管理系统的系统噪声和测量噪声；x k为电池管理系统k时刻的系统状态；u k为电池管理系统在k时刻的输入量；y k是电池管理系统k时刻的输出量；其中，y k等于d k；
所述矩阵方程为：
式中，A k-1为电池管理系统的状态转移矩阵中k-1时刻的值；其中，u k等于i k；
测量更新包括初始化和时间更新；所述初始化为：
式中，E(a)为求取a的期望；、P 0、W 0和V 0分别为电池管理系统的初始先验估计值、协方差矩阵中的初始值、噪声协方差矩阵中的初始值和测量噪声的协方差矩阵中的初始值；
所述时间更新为：
测量更新为：
式中，A k+1为k+1时刻电池管理系统的状态转移矩阵；为k时刻电池管理系统的运行状态的状态估计值；/>为k时刻电池管理系统的运行状态的先验估计值；P k为k时刻电池管理系统的状态协方差矩阵的估计值；/>为k+1时刻电池管理系统的状态协方差矩阵的估计值；W k为k时刻电池管理系统的噪声协方差矩阵；K k为卡尔曼增益矩阵；H k为k时刻的测量雅克比矩阵；V k为测量噪声的协方差矩阵；I为单位矩阵；
所述测量雅克比矩阵的的H k为：
式中，；
计算所述第一SOH值的SOH估计方程为：
式中，SOH为第一SOH值；Q now为单体电池在当前状态下的最大可用电量（Ah）；Q new为新电池充满电的容量（开机前存储的SOC值）（Ah）；其中，每个单体电池对应的当前时刻的状态估计值等于每个单体电池对应的当前状态下的最大可用电量Q now；
所述根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值，包括：
分别根据所述第一电池包电量对所述第二电池包电量进行计算，得到所述预设个数单体电池对应的当前最大可用容量；
分别根据所述预设个数单体电池对应的所述满电容量对所述当前最大可用容量进行计算，得到所述预设个数单体电池对应的第二SOH值；
所述当前最大可用容量的计算为：
式中，Q HVP为单体电池的在高压充电阶段中的第一电池包电量；Q HVTP为第一高压充电拐点的第二电池包电量；Q now为单体电池的当前最大可用容量；
所述第二SOH值的计算为：
式中，SOH g为每个单体电池对应的第二SOH值；
所述根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正，包括：
根据所述电池管理系统中所述预设个数单体电池的所有第二SOH值，计算出所述电池管理系统的平均SOH值；
分别根据所述每个单体电池对应的所述第一SOH值对所述平均SOH值进行计算，得到所述每个单体电池对应的校正SOH值；
根据所述平均SOH值对所述电池管理系统的所述综合SOH值进行校正；
根据所述每个单体电池对应的所述校正SOH值对所述每个单体电池对应的所述运行SOH值进行校正；
所述校正SOH值的计算为：
式中，SOH k为单体电池对应的校正SOH值。
2.根据权利要求1所述的电池健康状态估计校正方法，其特征在于，所述电池管理系统包括第二高压充电拐点；
所述方法还包括：
当所述电池管理系统当前时刻的运行状态为正常运行状态时，将所述当前采样数据中所述第二高压充电拐点对应的采样数据去除，得到目标采样数据；
根据所述电池SOH估计模型对所述历史采样数据和所述目标采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第三SOH值；
根据所述每个单体电池对应的第三SOH值对所述每个单体电池对应的运行SOH值进行替换，得到替换后的运行SOH值；
根据所述预设个数单体电池的所有第三SOH值，对所述电池管理系统的所述综合SOH值进行替换，以使所述电池管理系统在下一时刻根据替换后的所述每个单体电池对应的运行SOH值和所述电池管理系统的综合SOH值进行运行，并将所述下一时刻确定为所述当前时刻，重新进行“获取电池管理系统上电后的历史采样数据和当前采样数据”的步骤。
3.根据权利要求1所述的电池健康状态估计校正方法，其特征在于，所述当所述电池管理系统当前时刻的运行状态为充电结束状态时之前，还包括：
判断所述电池管理系统的荷电状态是否达到预设区间；
若不是，则所述电池管理系统正常运行；
若是，则对所述电池管理系统当前时刻的所述运行状态进行判断。
4.一种电池健康状态估计校正装置，其特征在于，包括：
数据获取模块，用于获取电池管理系统上电后的历史采样数据和当前采样数据，并建立电池SOH估计模型；所述电池管理系统包括第一高压充电拐点；
第一SOH值计算模块，用于当所述电池管理系统当前时刻的运行状态为充电结束状态时，根据所述电池SOH估计模型对所述历史采样数据和所述当前采样数据进行计算，得到所述电池管理系统中预设个数单体电池对应的第一SOH值；
第二SOH值计算模块，用于确定所述第一高压充电拐点的第一拐点采样数据，并根据所述电池SOH估计模型对所述历史采样数据和所述第一拐点采样数据进行计算，得到所述电池管理系统中所述预设个数单体电池对应的第二SOH值；
数据校正模块，用于根据每个单体电池对应的第一SOH值和第二SOH值，对所述电池管理系统的综合SOH值和所述每个单体电池对应的运行SOH值进行校正；
所述第一SOH值计算模块包括根据预设容量变化公式对所述历史采样数据进行计算，得到所述预设个数单体电池对应的当前时刻的实际容量；根据预设安时积分法对所述历史采样数据和所述当前时刻的实际容量进行计算，得到所述预设个数单体电池对应的当前时刻的观测参数；对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值；对所述状态估计值进行计算，得到所述预设个数单体电池对应的当前时刻的第一SOH值；
所述历史采样数据包括所述预设个数单体电池在高压充电阶段中对应的第一电池包电量，以及所述预设个数单体电池为新电池时对应的满电容量，所述第一拐点采样数据包括所述第一高压充电拐点的第二电池包电量；
所述预设容量变化公式为：
式中，为k时刻的单体电池的实际容量；/>为k-1时刻的单体电池的实际容量；为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；为k-1时刻SOC的估计值；η为电池充放电效率；/>为k-1时刻的电流测量值；/>为采样时间间隔；其中，η通常情况下取为1；
所述预设安时积分法为：
式中，为k+1时刻单体电池的观测参数；/>为k时刻的电流测量值；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；/>为k+1时刻SOC的估计值；/>为采样时间间隔；η为电池充放电效率；/>为k时刻的单体电池的实际容量；
所述对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值，包括：
根据预设滤波算法对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的系统状态；
根据所述当前时刻的系统状态对所述电池管理系统进行测量更新，得到所述预设个数单体电池对应的当前时刻的状态估计值；
所述预设滤波算法为扩展卡尔曼滤波算法，所述扩展卡尔曼滤波算法包括Kalman滤波方程和矩阵方程；所述Kalman滤波方程为：
式中，f(x k，u k)、g(x k，u k)是电池管理系统的非线性方程表达式；w k、v k均为方差为零的高斯白噪声，分别为电池管理系统的系统噪声和测量噪声；x k为电池管理系统k时刻的系统状态；u k为电池管理系统在k时刻的输入量；y k是电池管理系统k时刻的输出量；其中，y k等于d k；
所述矩阵方程为：
式中，A k-1为电池管理系统的状态转移矩阵中k-1时刻的值；其中，u k等于i k；
测量更新包括初始化和时间更新；所述初始化为：
式中，E(a)为求取a的期望；、P 0、W 0和V 0分别为电池管理系统的初始先验估计值、协方差矩阵中的初始值、噪声协方差矩阵中的初始值和测量噪声的协方差矩阵中的初始值；
所述时间更新为：
测量更新为：
式中，A k+1为k+1时刻电池管理系统的状态转移矩阵；为k时刻电池管理系统的运行状态的状态估计值；/>为k时刻电池管理系统的运行状态的先验估计值；P k为k时刻电池管理系统的状态协方差矩阵的估计值；/>为k+1时刻电池管理系统的状态协方差矩阵的估计值；W k为k时刻电池管理系统的噪声协方差矩阵；K k为卡尔曼增益矩阵；H k为k时刻的测量雅克比矩阵；V k为测量噪声的协方差矩阵；I为单位矩阵；
所述测量雅克比矩阵的的H k为：
式中，；
计算所述第一SOH值的SOH估计方程为：
式中，SOH为第一SOH值；Q now为单体电池在当前状态下的最大可用电量（Ah）；Q new为新电池充满电的容量（开机前存储的SOC值）（Ah）；其中，每个单体电池对应的当前时刻的状态估计值等于每个单体电池对应的当前状态下的最大可用电量Q now；所述预设容量变化公式为：
式中，为k时刻的单体电池的实际容量；/>为k-1时刻的单体电池的实际容量；为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；为k-1时刻SOC的估计值；η为电池充放电效率；/>为k-1时刻的电流测量值；/>为采样时间间隔；其中，η通常情况下取为1；
所述预设安时积分法为：
式中，为k+1时刻单体电池的观测参数；/>为k时刻的电流测量值；/>为均值为零的高斯白噪声，表示电池容量模型的噪声；/>为k时刻SOC的估计值；/>为k+1时刻SOC的估计值；/>为采样时间间隔；η为电池充放电效率；/>为k时刻的单体电池的实际容量；
所述对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的状态估计值，包括：
根据预设滤波算法对所述当前时刻的观测参数进行计算，得到所述预设个数单体电池对应的当前时刻的系统状态；
根据所述当前时刻的系统状态对所述电池管理系统进行测量更新，得到所述预设个数单体电池对应的当前时刻的状态估计值；
所述预设滤波算法为扩展卡尔曼滤波算法，所述扩展卡尔曼滤波算法包括Kalman滤波方程和矩阵方程；所述Kalman滤波方程为：
式中，f(x k，u k)、g(x k，u k)是电池管理系统的非线性方程表达式；w k、v k均为方差为零的高斯白噪声，分别为电池管理系统的系统噪声和测量噪声；x k为电池管理系统k时刻的系统状态；u k为电池管理系统在k时刻的输入量；y k是电池管理系统k时刻的输出量；其中，y k等于d k；
所述矩阵方程为：
式中，A k-1为电池管理系统的状态转移矩阵中k-1时刻的值；其中，u k等于i k；
测量更新包括初始化和时间更新；所述初始化为：
式中，E(a)为求取a的期望；、P 0、W 0和V 0分别为电池管理系统的初始先验估计值、协方差矩阵中的初始值、噪声协方差矩阵中的初始值和测量噪声的协方差矩阵中的初始值；
所述时间更新为：
测量更新为：
式中，A k+1为k+1时刻电池管理系统的状态转移矩阵；为k时刻电池管理系统的运行状态的状态估计值；/>为k时刻电池管理系统的运行状态的先验估计值；P k为k时刻电池管理系统的状态协方差矩阵的估计值；/>为k+1时刻电池管理系统的状态协方差矩阵的估计值；W k为k时刻电池管理系统的噪声协方差矩阵；K k为卡尔曼增益矩阵；H k为k时刻的测量雅克比矩阵；V k为测量噪声的协方差矩阵；I为单位矩阵；
所述测量雅克比矩阵的的H k为：
式中，；
计算所述第一SOH值的SOH估计方程为：
式中，SOH为第一SOH值；Q now为单体电池在当前状态下的最大可用电量（Ah）；Q new为新电池充满电的容量（开机前存储的SOC值）（Ah）；其中，每个单体电池对应的当前时刻的状态估计值等于每个单体电池对应的当前状态下的最大可用电量Q now；
所述第二SOH值计算模块包括：分别根据所述第一电池包电量对所述第二电池包电量进行计算，得到所述预设个数单体电池对应的当前最大可用容量；分别根据所述预设个数单体电池对应的所述满电容量对所述当前最大可用容量进行计算，得到所述预设个数单体电池对应的第二SOH值；
所述当前最大可用容量的计算为：
式中，Q HVP为单体电池的在高压充电阶段中的第一电池包电量；Q HVTP为第一高压充电拐点的第二电池包电量；Q now为单体电池的当前最大可用容量；
所述第二SOH值的计算为：
式中，SOH g为每个单体电池对应的第二SOH值；
所述数据校正模块包括根据所述电池管理系统中所述预设个数单体电池的所有第二SOH值，计算出所述电池管理系统的平均SOH值；分别根据所述每个单体电池对应的所述第一SOH值对所述平均SOH值进行计算，得到所述每个单体电池对应的校正SOH值；根据所述平均SOH值对所述电池管理系统的所述综合SOH值进行校正；根据所述每个单体电池对应的所述校正SOH值对所述每个单体电池对应的所述运行SOH值进行校正；
所述校正SOH值的计算为：
式中，SOH k为单体电池对应的校正SOH值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311181105.7A CN116930774B (zh) | 2023-09-14 | 2023-09-14 | 一种电池健康状态估计校正方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311181105.7A CN116930774B (zh) | 2023-09-14 | 2023-09-14 | 一种电池健康状态估计校正方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116930774A CN116930774A (zh) | 2023-10-24 |
| CN116930774B true CN116930774B (zh) | 2023-12-22 |
Family
ID=88389934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311181105.7A Active CN116930774B (zh) | 2023-09-14 | 2023-09-14 | 一种电池健康状态估计校正方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116930774B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114355211A (zh) * | 2021-12-09 | 2022-04-15 | 武汉船用电力推进装置研究所（中国船舶重工集团公司第七一二研究所） | 一种锂离子动力电池剩余电量估计方法 |
| WO2022082328A1 (es) * | 2020-10-23 | 2022-04-28 | Litiohm Spa | Un método para monitorear y controlar al menos una batería recargable. una batería recargable. un sistema recargable de suministro de energía |
| CN116400241A (zh) * | 2022-12-09 | 2023-07-07 | 国网信息通信产业集团有限公司 | 基于全生命周期运行数据的电池健康评估方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114050633B (zh) * | 2021-06-11 | 2023-11-10 | 上海玫克生储能科技有限公司 | 一种锂电池储能系统的动态管控方法、装置和电子设备 |
-
2023
- 2023-09-14 CN CN202311181105.7A patent/CN116930774B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022082328A1 (es) * | 2020-10-23 | 2022-04-28 | Litiohm Spa | Un método para monitorear y controlar al menos una batería recargable. una batería recargable. un sistema recargable de suministro de energía |
| CN114355211A (zh) * | 2021-12-09 | 2022-04-15 | 武汉船用电力推进装置研究所（中国船舶重工集团公司第七一二研究所） | 一种锂离子动力电池剩余电量估计方法 |
| CN116400241A (zh) * | 2022-12-09 | 2023-07-07 | 国网信息通信产业集团有限公司 | 基于全生命周期运行数据的电池健康评估方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116930774A (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109716150B (zh) | 具有远程参数估计的二次电池管理系统 | |
| JP6738433B2 (ja) | 複数のオブザーバを備えた電池管理システム | |
| US11340298B2 (en) | Apparatus and method for calculating state of charge of battery by reflecting noise | |
| US20100066377A1 (en) | Method for determining the battery capacity with the aid of capacity-dependent parameters | |
| CN111707955B (zh) | 电池剩余寿命的估算方法、装置和介质 | |
| CN117110891A (zh) | 锂离子电池荷电状态估计值的计算方法和计算装置 | |
| CN114371408A (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
| CN114609530A (zh) | 修正电池荷电状态的方法、装置、设备及介质 | |
| CN115453400A (zh) | 车载动力电池健康度评估方法、系统及介质 | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| JP2014174172A (ja) | バッテリーの残存容量の決定方法 | |
| CN108344952B (zh) | 电池电量计算方法及其装置 | |
| CN116930774B (zh) | 一种电池健康状态估计校正方法及装置 | |
| CN116559693A (zh) | 一种电池soc评估方法、装置、电子设备及存储介质 | |
| CN116699415A (zh) | 一种动态可重构电池系统电量估计方法、系统及电子设备 | |
| CN115951236A (zh) | 锂电池状态监测方法及系统、装置、存储介质 | |
| CN114200315B (zh) | 剩余充电时间的预测方法、装置、电子设备和存储介质 | |
| CN108983100A (zh) | 电池剩余电量的处理方法及装置 | |
| CN113359050A (zh) | 充电电池老化校准方法、设备及计算机可读介质 | |
| CN117110895B (zh) | 一种船用锂离子动力电池剩余能量估计方法、设备及介质 | |
| CN114706004B (zh) | 电池包内电芯剩余电量的确定方法、装置、设备及介质 | |
| CN116718933A (zh) | 蓄电池剩余电量预测方法、装置、电子设备及存储介质 | |
| CN113030750B (zh) | 锂电池剩余使用参数的检测方法和装置 | |
| US20230375622A1 (en) | Kalman filter-based soc estimation method, system, medium and electronic device | |
| CN115951238A (zh) | 电池电量获取方法、装置和计算机可读存储介质 |
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 |