CN117022055A - 电池的加热方法、装置、处理器和车辆 - Google Patents
电池的加热方法、装置、处理器和车辆 Download PDFInfo
- Publication number
- CN117022055A CN117022055A CN202311195671.3A CN202311195671A CN117022055A CN 117022055 A CN117022055 A CN 117022055A CN 202311195671 A CN202311195671 A CN 202311195671A CN 117022055 A CN117022055 A CN 117022055A
- Authority
- CN
- China
- Prior art keywords
- battery
- information
- vehicle
- heating
- target
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 262
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000008569 process Effects 0.000 claims abstract description 54
- 238000011217 control strategy Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 89
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 56
- 238000005265 energy consumption Methods 0.000 claims description 51
- 230000007704 transition Effects 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 8
- 238000005094 computer simulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 26
- 238000007599 discharging Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 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
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
- B60L58/27—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by heating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
本发明公开了一种电池的加热方法、装置、处理器和车辆。其中，该方法包括：在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态；基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能；基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态；基于目标加热数据对应的控制策略，对电池执行加热操作。本发明解决了对电池进行加热的效果差的技术问题。
Description
技术领域
本发明涉及车辆领域，具体而言，涉及一种电池的加热方法、装置、处理器和车辆。
背景技术
在相关技术中，若需要对电池进行加热，则可以对电池当前的温度进行检测，当电池温度达到一定阈值，则需要控制电池的加热装置对电池进行加热，然而，由于无法根据不同的工况实时计算加热所带来的收益和付出的代价来对电池进行加热，且由于加热需要消耗电池自身的电能，会存在使得车辆续航变差的情况，因此，仍存在对电池进行加热的效果差的技术问题。
针对上述相关技术存在对电池进行加热的效果差的技术问题，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电池的加热方法、装置、处理器和车辆，以至少解决对电池进行加热的效果差的技术问题。
根据本发明实施例的一个方面，提供了一种电池的加热方法。该方法可以包括：在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态；基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能；基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态；基于目标加热数据对应的控制策略，对电池执行加热操作。
可选地，在车辆运行的过程中，获取车辆的行驶工况信息，包括：获取到车辆运行过程中的导航信息；基于车辆的历史行驶数据和导航信息，对行驶工况信息进行预测。
可选地，基于车辆的历史行驶数据和导航信息，对行驶工况信息进行预测，包括：对历史行驶数据中的速度数据和导航信息中的速度数据进行离散化处理，得到离散结果；基于离散结果，确定车辆的状态转移概率，其中，状态转移概率用于表示车辆当前时刻的速度状态到车辆的下一时刻的速度状态的转移概率；根据状态转移概率，生成车辆的状态转移概率矩阵；基于状态转移概率矩阵，确定车辆的初始速度状态向量与发生状态转移后的目标速度状态向量；基于初始速度状态向量和目标速度状态向量，生成预测模型；基于预测模型，对行驶工况信息进行预测。
可选地，状态信息至少包括电池的放电功率信息、电池的充电功率信息、电池的第一耗能信息和电池的加热装置的第二耗电信息，基于行驶工况信息和状态信息，确定电池的电能信息，包括：对放电功率信息和充电功率信息进行微分处理，得到微分处理结果；基于微分处理结果、第一耗能信息和第二耗能信息，得到第一计算模型，其中，第一耗能信息用于表示电池消耗的电能，第二耗能信息用于表示加热装置中的水泵设备消耗的电能；基于第一计算模型，确定电能信息。
可选地，在基于电能信息，确定电池的目标加热数据之前，该方法还包括：根据第一耗能信息、电池的初始温度和电池的目标温度，生成第二计算模型，其中，第二计算模型用于确定第一耗能信息；根据充电功率信息、初始温度、电池的温升速率以及电池的荷电状态，生成第三计算模型，其中，第三计算模型用于确定充电功率信息；根据温升速度、初始温度和目标温度，生成第四计算模型，其中，第四计算模型用于确定温升速率；根据第二耗能信息和水泵设备信息，生成第五计算模型，其中，第五计算模型用于确定第二耗能信息；根据水泵设备信息、初始温度和目标温度，生成第六计算模型，其中，第六计算模型用于确定水泵设备信息；基于荷电状态、放电功率信息、充电功率信息、目标温度和水泵设备信息，确定目标加热数据的约束条件。
可选地，基于电能信息，确定电池的目标加热数据，包括：基于第一计算模型、第二计算模型、第三计算模型、第四计算模型、第五计算模型、第六计算模型和约束条件，对电能信息进行能量消耗最小处理，确定目标加热数据。
可选地，基于目标加热数据对应的控制策略，对电池执行加热操作，包括：响应于电池的实际温度低于目标加热数据，控制电池的加热装置以目标负荷和目标转速进行运作，以使加热装置执行加热操作；响应于电池的实际温度等于目标加热数据，控制加热装置以目标转速的一半运作目标时间，以使加热装置执行加热操作。
根据本发明实施例的另一方面，还提供了一种电池的加热装置。该装置可以包括：获取单元，用于在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态；第一确定单元，用于基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能大小；第二确定单元，用于基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态；执行单元，用于基于目标加热数据对应的控制策略，对电池执行加热操作。
根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的车辆中电池的加热方法。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质。该计算机可读存储介质包括存储的程序，其中，在程序被处理器运行时控制存储介质所在设备执行本发明实施例的车辆中电池的加热方法。
根据本发明实施例的另一方面，还提供一种车辆。该车辆用于执行本发明实施例的车辆中电池的加热方法。
在本发明实施例中，在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态；基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能；基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态；基于目标加热数据对应的控制策略，对电池执行加热操作。也就是说，本发明实施例在车辆运行的过程中，可以获取车辆的行驶工况信息和车辆中电池的状态信息，根据上述行驶工况信息和状态信息，确定电池的电能信息，从而确定电池的目标加热数据，根据上述目标加热数据对应的控制策略，可以对电池进行加热操作。由于考虑到车辆的实际的行驶工况，以及车辆在运行过程中整个车辆中各种装置所消耗的电能信息等信息，来对电池加热的控制策略进行综合考量，从而保证得到的控制策略不仅整体上满足用户动力性需求，还能延长车辆低温续航里程，进而解决了对电池进行加热的效果差的技术问题，实现了提高对电池进行加热的效果的技术效果。
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是根据本发明实施例的一种电池的加热方法的流程图；
图2是根据本发明实施例的一种导航系统的纯电动汽车动力电池的加热控制系统的示意图；
图3是根据本发明实施例的一种加热系统原理图的示意图；
图4是根据本发明实施例的一种动力电池加热方法的流程图；
图5是根据本发明实施例的一种电池的加热装置的示意图。
具体实施方式
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。
实施例1
根据本发明实施例，提供了一种电池的加热方法的实施例，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。
图1是根据本发明实施例的一种电池的加热方法的流程图，如图1所示，该方法可以包括如下步骤：
步骤S101，在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态。
在本发明上述步骤S101提供的技术方案中，可以获取车辆的行驶工况信息和车辆中电池的状态信息。其中，电池可以为动力电池，也可以为电池包。车辆可以为纯电动车辆。行驶工况信息可以为通过导航系统采集的前方路况信息，也可以为行驶工况的预测信息，比如，距离终点的距离、距离终点的预计行驶时间、车流的平均速度等。需要说明的是，上述行驶工况中的预测信息仅为举例说明，此处不做具体限制。
可选地，电池的状态信息可以为通过电池管理系统(Battery ManagementSystem，简称为BMS)发送的电池信息，比如，电池温度、电池的荷电状态(State of Charge，简称为SOC)、电池的许用充放电功率等。需要说明的是，此处仅为获取电池的状态信息的一种优选的实施方式，不对获取电池的状态信息的方法和过程进行具体限定，此处不一一列举。
在本发明实施例中，可以实时检测车辆在运行过程中的起始位置、中断位置、平均车速、总距离、平均加速度等，从而将上述数据通过云端进行存储，且云端也可以对车辆的行驶工况信息进行预测，其中，云端将存储后的数据可以成为历史大数据。比如，可以通过历史大数据来对车辆在当前行驶过程中的行驶工况进行预测。此时由于考虑到车辆在不同时刻的行驶工况信息，从而实现了提高获取车辆在运行过程中行驶工况信息的准确性的技术效果。
步骤S102，基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能。
在本发明上述步骤S102提供的技术方案中，根据步骤S101中获得的行驶工况信息和状态信息，可以确定车辆中电池的电能信息，以达到获得车辆在运行过程中所消耗的电能的目的。其中，电能信息可以为电池端在整个路段预计消耗的总能量，可以通过电池端总能量模型来获取，也可以通过Ebatt进行表示。
可选地，车辆在运行过程中，根据车辆中的不同设备的供电需求，车辆中的电池需要为不同设备进行供电，从而由于这些设备会消耗电池的电量，因此，在确定电池的能量信息之前，需要考虑各个设备所消耗的电能，从而确定出电池的能量信息。比如，整个加热过程中电动水泵消耗的电能，每一时刻电池端的瞬时放电功率、瞬时充电功率、加热电池消耗的电能等，建立出确定电能信息的总能量模型。其中，车辆在整个路段中的加热电池消耗的电能与电池包加热的初始温度和目标温度相关。电池端的瞬时充电功率与电池包的荷电状态和电池温度相关。
需要说明的是，此处仅为确定电池的电能信息的一种优选的实施方式，不对确定电池的电能信息的方法和过程进行具体限定，此处不一一列举。
在本发明实施例中，基于获得车辆在运行过程中的起始位置、中断位置、平均车速、总距离、平均加速度等行驶工况信息，以及电池温度、电池的荷电状态、电池的许用充放电功率等电池的状态信息，可以确定车辆中电池的电能信息。由于考虑到根据车辆在不同工况下的行驶工况信息和电池状态信息，确定电池的电能信息，实现了提高确定电池的电能信息的准确性的技术效果。
步骤S103，基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态。
在本发明上述步骤S103提供的技术方案中，在获得电池的电能信息之后，可以确定电池的目标加热数据，从而可以准确获得在对电池加热后，电池所处的工作状态。其中，目标加热数据可以为电池加热目标温度，电池加热目标温度可以为电池进行加热后，电池所要达到的目标温度，电池可以称为电池包，电池加热目标温度可以根据消耗电能最小的原则，通过整车控制器(Vehicle Control Unit，简称为VCU)计算车辆在整个路段消耗的电池端总能量模型获得。需要说明的是，此处仅为获取电池加热目标温度的一种优选的实施方式，不对获取电池加热目标温度的过程和方法进行具体限定。
可选地，可以基于对车辆在整个路段加热电池消耗的电能最小的原则，利用动态规划算法对车辆在整个路段消耗的电池端总能量模型进行求解，从而获得最优的电池包加热目标温度，以便表征在对电池进行加热后时，电池所处的工作状态。
在本发明实施例中，根据车辆在整个路段每一时刻电池端的瞬时放电功率、瞬时充电功率、加热电池消耗的电能，以及在整个加热过程中电动水泵消耗的电能，确定电池的电能信息后，通过整车控制器对车辆在整个路段消耗的电池端总能量模型进行计算获取电池的目标加热数据，以达到对加热后的电池的所处状态进行表示的目的。
步骤S104，基于目标加热数据对应的控制策略，对电池执行加热操作。
在本发明上述步骤S104提供的技术方案中，在确定电池的目标加热数据之后，可以根据目标加热数据对应的控制策略，对电池执行加热操作，以达到对电池进行加热的目的。其中，控制策略可以为满足预设的条件后，对电池执行加热操作的策略。
可选地，控制策略可以为将电池的实际温度和目标加热数据进行对比，如果电池的实际温度低于目标加热数据，则控制电池的加热装置进行加热操作；如果电池的实际温度等于目标加热数据，使得加热装置以目标转速的一半运作一段时间，以达到对电池执行加热操作的目的。需要说明的是，此处仅为控制策略的执行过程的一种优选的实施方式，不对控制策略的实现方式和过程进行具体限定。
本申请上述步骤S101至步骤S104，在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态；基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能；基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态；基于目标加热数据对应的控制策略，对电池执行加热操作。也就是说，本发明实施例在车辆运行的过程中，可以获取车辆的行驶工况信息和车辆中电池的状态信息，根据上述行驶工况信息和状态信息，确定电池的电能信息，从而确定电池的目标加热数据，根据上述目标加热数据对应的控制策略，可以对电池进行加热操作。由于考虑到车辆的实际的行驶工况，以及车辆在运行过程中整个车辆中各种装置所消耗的电能信息等信息，来对电池加热的控制策略进行综合考量，从而保证得到的控制策略不仅整体上满足用户动力性需求，还能延长车辆低温续航里程，进而解决了对电池进行加热的效果差的技术问题，实现了提高对电池进行加热的效果的技术效果。
下面对该实施例的上述方法进行进一步介绍。
作为一种可选的实施例方式，步骤S101，在车辆运行的过程中，获取车辆的行驶工况信息，包括：获取到车辆运行过程中的导航信息；基于车辆的历史行驶数据和导航信息，对行驶工况信息进行预测。
在该实施例中，可以获取车辆在运行过程中的导航信息，根据车辆的历史行驶数据和导航数据，可以对车辆的行驶工况信息进行预测。其中，导航信息可以为通过导航系统发送的路段交通信息，比如，车流的平均速度，车辆从起点到终点的距离，或者预计车辆到达终点的时间等。行驶工况信息可以简称为工况信息。车辆的历史行驶数据可以通过车辆的云端服务器进行存储，也可以为车辆的历史使用数据，可以简称为历史大数据。
可选地，可以基于导航信息和在云端服务器存储的历史大数据，采用车辆的整车控制器对车辆的行驶工况信息进行预测。
可选地，车辆的导航控制器可以记录，并存储每一个驾驶循环对应的车辆起点位置、终点位置，VCU记录并存储每一个驾驶循环车辆的平均车速、行驶的总距离、平均加速度等，空调控制器存储每一个驾驶循环外界平均环境温度数据。再经过每一个驾驶循环后，导航和VCU将这些信息上传到云端服务器进行存储。
作为一种可选的实施例方式，步骤S101，基于车辆的历史行驶数据和导航信息，对行驶工况信息进行预测，包括：对历史行驶数据中的速度数据和导航信息中的速度数据进行离散化处理，得到离散结果；基于离散结果，确定车辆的状态转移概率，其中，状态转移概率用于表示车辆当前时刻的速度状态到车辆的下一时刻的速度状态的转移概率；根据状态转移概率，生成车辆的状态转移概率矩阵；基于状态转移概率矩阵，确定车辆的初始速度状态向量与发生状态转移后的目标速度状态向量；基于初始速度状态向量和目标速度状态向量，生成预测模型；基于预测模型，对行驶工况信息进行预测。
在该实施例中，根据车辆的历史行驶数据和导航信息，在对行驶工况信息进行预测时，可以先对历史行驶数据中的速度数据和导航信息中的速度数据进行离散化处理，获得离散结果，从而可以确定车辆的状态转移概率，根据获得的车辆的状态转移概率，生成车辆的状态转移概率矩阵，进而确定车辆的初始速度状态向量和与发生状态转移后的目标速度状态向量，基于获得的初始速度状态向量和目标速度状态向量，可以生成预测模型，以便达到可以对车辆的行驶工况信息进行预测的目的。其中，可以将历史行驶数据中的速度数据和导航信息中的速度数据统称为行驶车速。
可选地，可以采用近邻法对历史行驶数据中的速度数据和导航信息中的速度数据进行离散化处理，从而可以将上述车速离散为有限数值。其中，将车速离散为有限数值可以表示为vs∈{v1,v2,…,vN}，其中，v1、v2、vN和vs可以表示为车辆在不同时刻的车速。此处仅对离散化处理的结果进行举例说明，不对离散化处理的结果进行具体限定。
可选地，可以根据离散结果，先将车辆在行驶过程中的车速分为不同的状态，基于不同的状态，可以确定车辆的状态转移概率。比如，将车辆在行驶过程的车速划分为100个可能的状态，速度离散间隔取值5千米每小时(km/h)，行驶车速状态编号U＝1,2,…,25，汽车行驶的车速由当前车速状态Ui到下一时刻的车速状态Uj的概率为状态转移概率Pi,j。在当前时刻行驶车速为vi时，下一时刻行驶车速为vj的概率为：
Pi,j＝P(v(k+1)＝vj∣v(k)＝vi)
其中，Pi,j表示的是状态转移概率矩阵的第i行第j列元素。
可选地，Pi,j的值可以通过最大似然估计法求得，也即，通过下述公式获得：其中，Fi,j是指车辆的行驶车速从vi转移到vj的次数，Fi是指车辆的行驶车速从vi转移的总次数，且i，j＝0,1,…,N。
可选地，状态转移概率矩阵可以为马尔科夫转移概率矩阵，可以通过P进行表示。其中，可以通过计算当前行驶车速到下一行驶车速的转移概率和次数，将每个状态概率值进行组合，生成马尔科夫转移概率矩阵P，且该矩阵P如下所示：
可选地，初始速度状态向量可以为初始车速状态向量。比如，假设系统有n个相互独立的行驶车速状态，则系统的初始车速状态向量为：S(0)＝[S1(0),S2(0),…,Sm(0),…,Sn(0)]，其中，Sm(0)是指当车速状态为m时的初始概率。
可选地，目标速度状态向量可以为经过状态转移后的状态向量。比如，经过k步状态转移，系统在车速状态m的概率为Sm(k)，在经过状态转移后的状态向量为：S(k)＝[S1(k),S2(k),…,Sm(k),…,Sn(k)]，其中，Sm(k)是指系统在k时刻处于状态m的概率。
可选地，预测模型可以为马尔科夫预测模型，则马尔科夫预测模型可以表示为且基于马尔科夫链的预测模型和状态转移矩阵的求解，得到预测速度值为：
v(k)＝[(Uk-1)+rk]d
其中，v(k)表示的是在k时刻时，车辆的行驶车速，Uk表示的是在k时刻的行驶车速状态，d表示的是速度状态的划分长度，且取值可以为5，r表示的是在k时刻均匀分布的随机数。
作为一种可选的实施例方式，步骤S102，状态信息至少包括电池的放电功率信息、电池的充电功率信息、电池的第一耗能信息和电池的加热装置的第二耗电信息，基于行驶工况信息和状态信息，确定电池的电能信息，包括：对放电功率信息和充电功率信息进行微分处理，得到微分处理结果；基于微分处理结果、第一耗能信息和第二耗能信息，得到第一计算模型，其中，第一耗能信息用于表示电池消耗的电能，第二耗能信息用于表示加热装置中的水泵设备消耗的电能；基于第一计算模型，确定电能信息。
在该实施例中，可以对电池的放电功率信息和电池的充电功率信息进行微分处理，以获得微分处理结果，基于上述获得的微分处理结果、第一耗能信息和第二耗能信息，可以获得第一计算模型，进而确定电池的电能信息。
可选地，水泵设备可以为电动水泵。电池的放电功率信息可以为车辆在经过整个路段时，电池端在每一时刻的瞬时放电功率。电池的充电功率信息可以为车辆在经过整个路段时，电池端在每一时刻的瞬时充电功率。电池的第一耗能信息可以为车辆在整个路段时，加热电池所消耗的电能。电池的第一耗能信息可以为在整个加热过程中，电动水泵消耗的电能。
可选地，第一计算模型可以为车辆在整个路段所消耗的电池端的总能量，可以通过下述公式进行表示：
Ebatt＝∫Pdischardt-∫Pchardt+ΔEheat+ΔEpump
其中，Pdischar表示的是车辆在整个路段时，每一时刻电池端的瞬时放电功率。Pchar表示的是车辆在整个路段时，每一时刻电池端的瞬时充电功率。ΔEheat表示的是车辆在整个路段加热电池所消耗的电能。ΔEpump表示的是在整个加热过程中，电动水泵所消耗的电能。
作为一种可选的实施例方式，步骤S102，在基于电能信息，确定电池的目标加热数据之前，该方法还包括：根据第一耗能信息、电池的初始温度和电池的目标温度，生成第二计算模型，其中，第二计算模型用于确定第一耗能信息；根据充电功率信息、初始温度、电池的温升速率以及电池的荷电状态，生成第三计算模型，其中，第三计算模型用于确定充电功率信息；根据温升速度、初始温度和目标温度，生成第四计算模型，其中，第四计算模型用于确定温升速率；根据第二耗能信息和水泵设备信息，生成第五计算模型，其中，第五计算模型用于确定第二耗能信息；根据水泵设备信息、初始温度和目标温度，生成第六计算模型，其中，第六计算模型用于确定水泵设备信息；基于荷电状态、放电功率信息、充电功率信息、目标温度和水泵设备信息，确定目标加热数据的约束条件。
在该实施例中，根据第一耗能信息、电池的初始温度和电池的目标温度，生成第二计算模型，以便确定第一能耗信息。根据电池的充电功率信息、电池的初始温度、电池的温升速率以及电池的荷电状态，生成第三计算模型，以便确定电池的充电功率。根据电池的温升速度、初始温度和目标温度，生成第四计算模型，以便确定电池的温升速率。根据水泵设备信息、初始温度和目标温度，生成第六计算模型，以便确定水泵设备信息。其中，水泵设备信息可以为水泵转速。
可选地，第二计算模型可以为确定整个路段加热电池所消耗电能的模型，可以通过下述公式进行表示：ΔEheat＝f1(T0_batt,Ttarget_batt)，其中，T0_batt表示的是电池包加热的初始温度，Ttarget_batt表示的是电池包加热的目标温度。
可选地，第三计算模型可以为确定车辆在整个路段时，每一时刻电池端的瞬时充电功率的模型，可以通过下述公式进行表示：
Pchar＝f2(SOC,T_batt)＝f2(SOC,T0_batt+Kheat*t)
其中，T0_batt表示的是电池包加热的初始温度，T_batt表示的是通过计算获得的电池包的温度数据，Kheat表示的是电池包的温升速率，t表示的是时间，SOC表示的是当前电池包的荷电状态。
可选地，第四计算模型可以为确定电池包的温升速率的模型，可以通过下述公式进行表示：Kheat＝f3(Ttarget_batt)。
可选地，第五计算模型可以为确定在整个加热过程中电动水泵消耗的电能的模型，可以通过下述公式进行表示：ΔEpump＝f4(n_pump)，其中，n_pump表示的是电动水泵的转速。
可选地，第六计算模型可以为确定电动水泵的转速的模型，可以通过下述公式进行表示：n_pump＝f5(T0_batt,Ttarget_batt)，其中，电动水泵转速可以通过电池包加热的初始温度和电池包加热的目标温度进行确定。
作为一种可选的实施例方式，步骤S102，基于电能信息，确定电池的目标加热数据，包括：基于第一计算模型、第二计算模型、第三计算模型、第四计算模型、第五计算模型、第六计算模型和约束条件，对电能信息进行能量消耗最小处理，确定目标加热数据。
在该实施例中，基于获得的第一计算模型、第二计算模型、第三计算模型、第四计算模型、第五计算模型、第六计算模型，以及约束条件，可以对电池的电能信息进行能力消耗最小处理，以便确定目标加热数据。
可选地，约束条件可以包括对电池的荷电状态的约束条件、对电池端的瞬时放电功率的约束条件、对电池端的瞬时充电功率的约束条件、对电池的目标温度的约束条件、对电动水泵的转速的约束条件。其中，上述约束条件可以通过下述公式进行表示：
其中，SOCmax表示的是当前电池包的最大荷电状态，SOCmin表示的是当前电池包的最小荷电状态，表示的是整个路段每一时刻电池端的最大瞬时放电功率，/>表示的是整个路段每一时刻电池端的最小瞬时放电功率，/>表示的是整个路段每一时刻电池端的最大瞬时充电功率，/>表示的是整个路段每一时刻电池端的最小瞬时充电功率，表示的是电池包加热的最大目标温度，/>表示的是电池包加热的最小目标温度，/>表示的是电动水泵的最大转速，/>表示的是电动水泵的最小转速。
可选地，基于对电池的荷电状态、对电池端的瞬时放电功率、对电池端的瞬时充电功率、对电池的目标温度和对电动水泵的转速的约束条件，根据能量消耗ΔEheat最小原则，通过动态规划算法求解，得出最优的电池包加热目标温度。
作为一种可选的实施例方式，步骤S104，基于目标加热数据对应的控制策略，对电池执行加热操作，包括：响应于电池的实际温度低于目标加热数据，控制电池的加热装置以目标负荷和目标转速进行运作，以使加热装置执行加热操作；响应于电池的实际温度等于目标加热数据，控制加热装置以目标转速的一半运作目标时间，以使加热装置执行加热操作。
在该实施例中，在基于目标加热数据对应的控制策略，对电池执行加热操作时，如果获得的电池的实际温度小于目标加热数据，则需要控制电池的加热状态以目标负荷和目标转速进行运作，以达到使得加热装置执行加热操作的目的；如果电池的实际温度等于目标加热数据，则需要控制加热装置用目标转速的一半转速运作目标时间。
举例而言，在整车控制器控制电动水泵和加热装置，对电池进行加热时，在电池包温度到达目标温度以前，加热装置以最大负荷工作，且电动水泵以最高转速进行工作；当电池包温度到达目标温度以后，加热装置负荷为0，电动水泵以50％*最高转速的转速工作一段时间T秒(s)以后，使得水泵停止工作。
在本发明实施例中，在车辆运行的过程中，可以获取车辆的行驶工况信息和车辆中电池的状态信息，根据上述行驶工况信息和状态信息，确定电池的电能信息，从而确定电池的目标加热数据，根据上述目标加热数据对应的控制策略，可以对电池进行加热操作。由于考虑到车辆的实际的行驶工况，以及车辆在运行过程中整个车辆中各种装置所消耗的电能信息等信息，来对电池加热的控制策略进行综合考量，从而保证得到的控制策略不仅整体上满足用户动力性需求，还能延长车辆低温续航里程，进而解决了对电池进行加热的效果差的技术问题，实现了提高对电池进行加热的效果的技术效果。
实施例2
下面结合优选的实施方式对本发明实施例的技术方案进行举例说明。
目前，当前动力电池在低温时，内阻较大，且无论是放电性能还是充电回收性能都较常温有显著下降，动力电池放电功率下降会导致整车加速性变差，动力电池回收功率下降导致车辆制动回收能量减少，电耗升高，则直接影响车辆的动力性和续航里程。现有技术中为了解决低温动力电池性能差的问题，提出了各种各样的动力电池加热方法，有的是利用电池自身电量采用外部加热设备进行加热，有的是利用电机脉冲和电池形成自放电和自充电回路进行电池加热，有的是利用电机堵转进行加热，但是由于上述方法无法根据不同的工况实时计算加热所带来的收益(比如，目标加热数据)和付出的代价(比如，电能信息)来对电池进行加热，且由于加热需要消耗电池自身的带能，会存在使得车辆续航变差的情况，因此，仍存在对电池进行加热的效果差的技术问题。
在一种相关技术中，提出了一种动力电池的加热系统，该系统包括热源装置、循环管路和控制器；其中，热源装置用于提供热能，循环管路上设置循环泵和加热室，且纯电动汽车的动力电池包连接到该循环管路，循环泵用于驱动冷凝剂在循环管路内循环，冷凝剂流经力口热室时吸收热源装置提供的热能以被加热，加热之后的冷凝剂循环至动力电池包时，对动力电池包中的动力电池进行加热；控制器根据加热启动信号控制热源装置和循环泵。
在另一种相关技术中，提出了一种动力电池自加热控制方法、系统以及汽车。该方法在动力电池的实时温度低于预设低温阈值，切换至动力电池的自加热模式；根据当前SOC获取动力电池当前的开路电压和交流内阻之后，确定加热电路对动力电池进行加热所需的开关频率和占空比；根据确定的开关频率和占空比控制三相桥式结构模块中晶体管的通断状态，令三相桥式结构模块与动力电池之间的自加热回路导通；通过导通的自加热回路对动力电池进行自加热操作，直至动力电池的实时温度高于预设目标温度阈值时，断开自加热回路并退出动力电池的自加热模式。
然而，上述方法仍对电池进行加热的效果差的技术问题。
为了解决上述问题，本发明实施例提出了一种电池的加热方法，该方法在车辆运行的过程中，可以获取车辆的行驶工况信息和车辆中电池的状态信息，根据上述行驶工况信息和状态信息，确定电池的电能信息，进而确定电池的目标加热数据，根据上述目标加热数据对应的控制策略，可以对电池进行加热操作，由于可以对电池加热进行综合考量，保证整体上满足用户动力性需求并延长车辆低温续航里程，从而解决了对电池进行加热的效果差的技术问题，实现了提高对电池进行加热的效果的技术效果。
下面对本发明实施例进行进一步的介绍。
图2是根据本发明实施例的一种导航系统的纯电动汽车动力电池的加热控制系统的示意图，如图2所示，该加热控制系统可以包括：车载导航系统201、整车控制器(VCU)202、加热装置203、电池管理系统(BMS)204和云端服务器205。
在该实施例中，VCU作为整个控制的核心，可以接收导航系统发送的路段交通信息，包括车流平均速度、起点到终点距离、预计到达终点时间等。VCU可以接收BMS发送的电池信息，主要有电池温度、电池SOC(荷电状态)、电池的许用充放电功率等。VCU可以接收云端服务器存储的车辆历史大数据。VCU控制加热装置可以为电池加热，加热装置上报自身的工作状态(负荷)。
图3是根据本发明实施例的一种加热系统原理图的示意图，如图3所示，该加热系统可以包括：动力电池301、电动水泵302、膨胀水箱303和加热装置304。
在该实施例中，可以通过动力电池301、电动水泵302、膨胀水箱303和加热装置304等几种部件形成一个加热回路，加热装置发热后，可以将热量通过电动水泵运转传递给动力电池，供动力电池升温。
图4是根据本发明实施例的一种动力电池加热方法的流程图，如图4所示，该动力电池加热方法可以包括以下步骤：
步骤S401，导航系统采集前方路况信息，并发给VCU。
本发明上述步骤S401提供的技术方案中，导航系统采集前方路况信息，并发给VCU，具体路况信息包括距离终点的距离、距离终点的预计行驶时间，车流的平均速度等。此处仅做举例说明，不做具体限定。
步骤S402，VCU根据导航信息和历史大数据进行工况预测。
本发明上述步骤S402提供的技术方案中，VCU根据导航信息和云端服务器存储的历史大数据进行工况预测。
可选地，通过导航控制器记录并存储每一个驾驶循环对应的车辆起点位置、终点位置，VCU记录并存储每一个驾驶循环车辆的平均车速、行驶的总距离、平均加速度，空调控制器存储每一个驾驶循环外界平均环境温度数据。表1是车辆的历史使用数据，上述获得的存储的车辆历史使用数据如表1所示。然后，经过每一个驾驶循环后，导航和VCU将这些信息上传到云端服务器进行存储。
表1车辆的历史使用数据
可选地，根据马尔科夫理论进行工况预测，且具体实现及操作方法如下：先计算状态转移概率矩阵，利用近邻法将行驶车速离散为有限的数值：vs∈{v1,v2,…,vN}，其中，v1、v2、vN和vs可以表示为车辆在不同时刻的车速。
可选地，将行驶过程的车速划分为100个可能的状态，速度离散间隔取值5km/h，行驶车速状态编号U＝1,2,…,25，汽车行驶的车速由当前车速状态Ui到下一时刻的车速状态Uj的概率为状态转移概率Pi,j。在当前时刻行驶车速为vi时，下一时刻行驶车速为vj的概率为：
Pi,j＝P(v(k+1)＝vj∣v(k)＝vi)
其中，Pi,j表示的是状态转移概率矩阵的第i行第j列元素。Pi,j的值可以通过最大似然估计法求得，也即，通过下述公式获得：其中，Fi,j是指车辆的行驶车速从vi转移到vj的次数，Fi是指车辆的行驶车速从vi转移的总次数，且i，j＝0,1,…,N。
可选地，可以通过计算当前行驶车速到下一行驶车速的转移概率和次数，将每个状态概率值进行组合，生成马尔科夫转移概率矩阵P，且该矩阵P如下所示：假设系统有n个相互独立的行驶车速状态，则系统的初始车速状态向量为：S(0)＝[S1(0),S2(0),…,Sm(0),…,Sn(0)]，其中，Sm(0)是指当车速状态为m时的初始概率。经过k步状态转移，系统在车速状态m的概率为Sm(k)，在经过状态转移后的状态向量为：S(k)＝[S1(k),S2(k),…,Sm(k),…,Sn(k)]，其中，Sm(k)是指系统在k时刻处于状态m的概率。马尔科夫预测模型可以表示为/>且基于马尔科夫链的预测模型和状态转移矩阵的求解，得到预测速度值为：
v(k)＝[(Uk-1)+rk]d
其中，v(k)表示的是在k时刻时，车辆的行驶车速，Uk表示的是在k时刻的行驶车速状态，d表示的是速度状态的划分长度，且取值可以为5，r表示的是在k时刻均匀分布的随机数。
步骤S403，根据预测的工况，计算车辆通过整个路段预计消耗的电能。
在该实施例中，VCU可以根据预测的工况，计算车辆通过整个路段预计消耗的电能，计算方式如下所示：
Ebatt＝∫Pdischardt-∫Pchardt+ΔEheat+ΔEpump
其中，Ebatt表示的是整个路段消耗的电池端总能量，Pdischar表示的是整个路段每一时刻电池端的瞬时放电功率，Pchar表示的是整个路段每一时刻电池端的瞬时充电功率，ΔEheat表示的是整个路段加热电池消耗的电能，ΔEpump表示的是整个加热过程中电动水泵消耗的电能。
可选地，消耗电能可以通过ΔEheat来进行表示，ΔEheat与电池包加热的目标温度和初始温度相关，也即，ΔEheat＝f1(T0_batt,Ttarget_batt)，Ttarget_batt表示的是电池包加热的目标温度。
可选地，Pchar与电池包SOC和电池温度相关，Pchar可以通过下述公式进行表示：Pchar＝f2(SOC,T_batt)＝f2(SOC,T0_batt+Kheat*t)，其中，T0_batt表示的是电池包加热的初始温度，T_batt表示的是通过计算获得的电池包的温度数据，Kheat表示的是电池包的温升速率，t表示的是时间，SOC表示的是当前电池包的荷电状态。
可选地，Kheat与电池包初始温度和电池包目标加热温度相关，且电池包的温升速率可以表示为Kheat＝f3(Ttarget_batt)。
可选地，ΔEpump与电动水泵的转速相关，且可以通过下述公式进行表示：ΔEpump＝f4(n_pump)，n_pump＝f5(T0_batt,Ttarget_batt)，其中，n_pump表示的是电动水泵的转速，电动水泵转速可以通过电池包加热的初始温度和电池包加热的目标温度进行确定。
步骤S404，根据消耗电能最小原则，计算电池加热目标温度。
在该实施例中，可以根据消耗电能最小原则，通过VCU计算电池加热的目标温度。其中，通过消耗电能最小原则建立约束条件，则约束条件如下所示：
其中，SOCmax表示的是当前电池包的最大荷电状态，SOCmin表示的是当前电池包的最小荷电状态，表示的是整个路段每一时刻电池端的最大瞬时放电功率，/>表示的是整个路段每一时刻电池端的最小瞬时放电功率，/>表示的是整个路段每一时刻电池端的最大瞬时充电功率，/>表示的是整个路段每一时刻电池端的最小瞬时充电功率，表示的是电池包加热的最大目标温度，/>表示的是电池包加热的最小目标温度，/>表示的是电动水泵的最大转速，/>表示的是电动水泵的最小转速。
可选地，基于对电池的荷电状态、对电池端的瞬时放电功率、对电池端的瞬时充电功率、对电池的目标温度和对电动水泵的转速的约束条件，根据能量消耗ΔEheat最小原则，通过动态规划算法求解，得出最优的电池包加热目标温度。
步骤S405，VCU控制电动水泵和加热装置，为动力电池加热。
在该实施例中，在电池包温度到达目标温度以前，加热装置以最大负荷工作，电动水泵以最高转速工作，当电池包温度到达目标温度以后，加热装置负荷为0，电动水泵以50％*最高转速的转速工作一段时间T秒以后，电动水泵停止工作。
在本发明实施例中，可以通过导航系统采集前方的路况信息，并将路况信息发给VCU，VCU根据导航信息和历史大数据进行工况预测，然后根据预测的工况结果，可以计算车辆通过整个路段预计消耗的电能，最终根据消耗电能最小原则，计算电池加热的目标温度，从而控制电动水泵和加热装置为动力电池加热，解决了对电池进行加热的效果差的技术问题，实现了提高对电池进行加热的效果的技术效果。
实施例3
根据本发明实施例，还提供了一种电池的加热装置。需要说明的是，该电池的加热装置可以用于执行实施例1中的电池的加热方法。
图5是根据本发明实施例的一种电池的加热装置的示意图，如图5所示，该电池的加热装置500可以包括：获取单元501、第一确定单元502、第二确定单元503和执行单元504。
获取单元501，用于在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态。
第一确定单元502，用于基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能大小。
第二确定单元503，用于基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态。
执行单元504，用于基于目标加热数据对应的控制策略，对电池执行加热操作。
可选地，获取单元501可以包括：第一获取模块，用于获取到车辆运行过程中的导航信息；预测模块，用于基于车辆的历史行驶数据和导航信息，对行驶工况信息进行预测。
可选地，预测模块可以包括：获取子模块，用于对历史行驶数据中的速度数据和导航信息中的速度数据进行离散化处理，得到离散结果；第一确定子模块，用于基于离散结果，确定车辆的状态转移概率，其中，状态转移概率用于表示车辆当前时刻的速度状态到车辆的下一时刻的速度状态的转移概率；第一生成子模块，用于根据状态转移概率，生成车辆的状态转移概率矩阵；第二确定子模块，用于基于状态转移概率矩阵，确定车辆的初始速度状态向量与发生状态转移后的目标速度状态向量；第二生成子模块，用于基于初始速度状态向量和目标速度状态向量，生成预测模型；预测子模块，用于基于预测模型，对行驶工况信息进行预测。
可选地，第一确定单元502可以包括：第二获取模块，用于对放电功率信息和充电功率信息进行微分处理，得到微分处理结果；第三获取模块，用于基于微分处理结果、第一耗能信息和第二耗能信息，得到第一计算模型，其中，第一耗能信息用于表示电池消耗的电能，第二耗能信息用于表示加热装置中的水泵设备消耗的电能；第二确定模块，用于基于第一计算模型，确定电能信息。
可选地，该装置还可以包括：第一生成单元，用于根据第一耗能信息、电池的初始温度和电池的目标温度，生成第二计算模型，其中，第二计算模型用于确定第一耗能信息；第二生成单元，用于根据充电功率信息、初始温度、电池的温升速率以及电池的荷电状态，生成第三计算模型，其中，第三计算模型用于确定充电功率信息；第三生成单元，用于根据温升速度、初始温度和目标温度，生成第四计算模型，其中，第四计算模型用于确定温升速率；第四生成单元，用于根据第二耗能信息和水泵设备信息，生成第五计算模型，其中，第五计算模型用于确定第二耗能信息；第五生成单元，用于根据水泵设备信息、初始温度和目标温度，生成第六计算模型，其中，第六计算模型用于确定水泵设备信息；第三确定单元，用于基于荷电状态、放电功率信息、充电功率信息、目标温度和水泵设备信息，确定目标加热数据的约束条件。
可选地，该装置还可以包括：第四确定单元，用于基于第一计算模型、第二计算模型、第三计算模型、第四计算模型、第五计算模型、第六计算模型和约束条件，对电能信息进行能量消耗最小处理，确定目标加热数据。
可选地，执行单元504可以包括：第一控制模块，用于响应于电池的实际温度低于目标加热数据，控制电池的加热装置以目标负荷和目标转速进行运作，以使加热装置执行加热操作；第二控制模块，用于响应于电池的实际温度等于目标加热数据，控制加热装置以目标转速的一半运作目标时间，以使加热装置执行加热操作。
在本发明实施例中，通过获取单元在车辆运行的过程中，获取车辆的行驶工况信息以及车辆中电池的状态信息，其中，状态信息用于表征车辆在运行过程中电池的工作状态；第一确定单元，用于基于行驶工况信息和状态信息，确定电池的电能信息，其中，电能信息用于表征车辆在运行过程中所消耗的电能大小；第二确定单元，用于基于电能信息，确定电池的目标加热数据，其中，目标加热数据用于表征加热后的电池所处的工作状态；执行单元，用于基于目标加热数据对应的控制策略，对电池执行加热操作，从而解决了对电池进行加热的效果差的技术问题，实现了提高对电池进行加热的效果的技术效果。
实施例4
根据本发明实施例，还提供了一种计算机可读存储介质，该存储介质包括存储的程序，其中，程序执行实施例1中的电池的加热方法。
实施例5
根据本发明实施例，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中的电池的加热方法。
实施例6
根据本发明实施例，还提供了一种车辆，该车辆用于执行本发明实施例1中的电池的加热方法。
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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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)
1.一种电池的加热方法，其特征在于，包括：
在车辆运行的过程中，获取所述车辆的行驶工况信息以及所述车辆中电池的状态信息，其中，所述状态信息用于表征所述车辆在运行过程中所述电池的工作状态；
基于所述行驶工况信息和所述状态信息，确定所述电池的电能信息，其中，所述电能信息用于表征所述车辆在运行过程中所消耗的电能；
基于所述电能信息，确定所述电池的目标加热数据，其中，所述目标加热数据用于表征加热后的所述电池所处的工作状态；
基于所述目标加热数据对应的控制策略，对所述电池执行加热操作。
2.根据权利要求1所述的方法，其特征在于，在车辆运行的过程中，获取所述车辆的行驶工况信息，包括：
获取到所述车辆运行过程中的导航信息；
基于所述车辆的历史行驶数据和所述导航信息，对所述行驶工况信息进行预测。
3.根据权利要求2所述的方法，其特征在于，基于所述车辆的历史行驶数据和所述导航信息，对所述行驶工况信息进行预测，包括：
对所述历史行驶数据中的速度数据和所述导航信息中的速度数据进行离散化处理，得到离散结果；
基于所述离散结果，确定所述车辆的状态转移概率，其中，所述状态转移概率用于表示所述车辆当前时刻的速度状态到所述车辆的下一时刻的速度状态的转移概率；
根据所述状态转移概率，生成所述车辆的状态转移概率矩阵；
基于所述状态转移概率矩阵，确定所述车辆的初始速度状态向量与发生状态转移后的目标速度状态向量；
基于所述初始速度状态向量和所述目标速度状态向量，生成所述预测模型；
基于所述预测模型，对所述行驶工况信息进行预测。
4.根据权利要求1所述的方法，其特征在于，所述状态信息至少包括所述电池的放电功率信息、所述电池的充电功率信息、所述电池的第一耗能信息和所述电池的加热装置的第二耗电信息，基于所述行驶工况信息和所述状态信息，确定所述电池的电能信息，包括：
对所述放电功率信息和所述充电功率信息进行微分处理，得到微分处理结果；
基于所述微分处理结果、所述第一耗能信息和所述第二耗能信息，得到第一计算模型，其中，所述第一耗能信息用于表示所述电池消耗的电能，所述第二耗能信息用于表示所述加热装置中的水泵设备消耗的电能；
基于所述第一计算模型，确定所述电能信息。
5.根据权利要求4所述的方法，其特征在于，在基于所述电能信息，确定所述电池的目标加热数据之前，所述方法还包括：
根据所述第一耗能信息、所述电池的初始温度和所述电池的目标温度，生成第二计算模型，其中，所述第二计算模型用于确定所述第一耗能信息；
根据所述充电功率信息、所述初始温度、所述电池的温升速率以及所述电池的荷电状态，生成第三计算模型，其中，所述第三计算模型用于确定所述充电功率信息；
根据所述温升速度、所述初始温度和所述目标温度，生成第四计算模型，其中，所述第四计算模型用于确定所述温升速率；
根据所述第二耗能信息和所述水泵设备信息，生成第五计算模型，其中，所述第五计算模型用于确定所述第二耗能信息；
根据所述水泵设备信息、所述初始温度和所述目标温度，生成第六计算模型，其中，所述第六计算模型用于确定所述水泵设备信息；
基于所述荷电状态、所述放电功率信息、所述充电功率信息、所述目标温度和所述水泵设备信息，确定所述目标加热数据的约束条件。
6.根据权利要求5所述的方法，其特征在于，基于所述电能信息，确定所述电池的目标加热数据，包括：
基于所述第一计算模型、所述第二计算模型、所述第三计算模型、所述第四计算模型、所述第五计算模型、所述第六计算模型和所述约束条件，对所述电能信息进行能量消耗最小处理，确定所述目标加热数据。
7.根据权利要求1所述的方法，其特征在于，基于所述目标加热数据对应的控制策略，对所述电池执行加热操作，包括：
响应于所述电池的实际温度低于所述目标加热数据，控制所述电池的加热装置以目标负荷和目标转速进行运作，以使所述加热装置执行所述加热操作；
响应于所述电池的实际温度等于所述目标加热数据，控制所述加热装置以所述目标转速的一半运作目标时间，以使所述加热装置执行所述加热操作。
8.一种电池的加热装置，其特征在于，所述装置包括：
获取单元，用于在车辆运行的过程中，获取所述车辆的行驶工况信息以及所述车辆中电池的状态信息，其中，所述状态信息用于表征所述车辆在运行过程中所述电池的工作状态；
第一确定单元，用于基于所述行驶工况信息和所述状态信息，确定所述电池的电能信息，其中，所述电能信息用于表征所述车辆在运行过程中所消耗的电能大小；
第二确定单元，用于基于所述电能信息，确定所述电池的目标加热数据，其中，所述目标加热数据用于表征加热后的所述电池所处的工作状态；
执行单元，用于基于所述目标加热数据对应的控制策略，对所述电池执行加热操作。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被所述处理器运行时执行权利要求1至7中任意一项所述的方法。
10.一种车辆，其特征在于，用于执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311195671.3A CN117022055A (zh) | 2023-09-15 | 2023-09-15 | 电池的加热方法、装置、处理器和车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311195671.3A CN117022055A (zh) | 2023-09-15 | 2023-09-15 | 电池的加热方法、装置、处理器和车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117022055A true CN117022055A (zh) | 2023-11-10 |
Family
ID=88631926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311195671.3A Pending CN117022055A (zh) | 2023-09-15 | 2023-09-15 | 电池的加热方法、装置、处理器和车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117022055A (zh) |
-
2023
- 2023-09-15 CN CN202311195671.3A patent/CN117022055A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zou et al. | Reinforcement learning-based real-time energy management for a hybrid tracked vehicle | |
| JP5932596B2 (ja) | 車両の回生制御装置 | |
| CN111055722A (zh) | 一种预估充电时间的方法，装置及存储介质 | |
| JP4265629B2 (ja) | 二次電池の充放電制御装置およびそれを搭載したハイブリッド車両 | |
| JP6624084B2 (ja) | 電動車両 | |
| CN107253477B (zh) | 控制具有压燃式发动机的混合动力车辆的方法 | |
| KR101509745B1 (ko) | 공조장치 소비전력 산출방법 | |
| JP6017017B2 (ja) | 車両電力管理装置 | |
| WO2008026525A1 (en) | Secondary battery control system and hybrid vehicle equipped with same | |
| KR102581332B1 (ko) | 하이브리드 차량의 충전 상태를 관리하기 위한 방법 | |
| JP6860367B2 (ja) | 車両の情報処理装置 | |
| Vatanparvar et al. | Eco-friendly automotive climate control and navigation system for electric vehicles | |
| JP7366975B2 (ja) | バッテリ劣化推定装置、バッテリ劣化推定システム、バッテリ劣化推定方法、およびプログラム | |
| JP2016031876A (ja) | バッテリ冷却状態判定装置、電動車両、及びバッテリ冷却状態判定方法 | |
| CN114572058A (zh) | 控制电池系统温度的方法、装置和电子设备 | |
| KR20140095780A (ko) | 전기 자동차의 주행 가능 거리를 예측하기 위한 장치 및 그 방법 | |
| CN115817183A (zh) | 一种纯电动汽车续驶里程预测方法及预测装置 | |
| Wang et al. | Real-time energy management strategy for a plug-in hybrid electric bus considering the battery degradation | |
| Li et al. | Energy sources durability energy management for fuel cell hybrid electric bus based on deep reinforcement learning considering future terrain information | |
| CN117141315A (zh) | 车辆中电池的冷却方法、装置、处理器和车辆 | |
| Jia et al. | Health-conscious deep reinforcement learning energy management for fuel cell buses integrating environmental and look-ahead road information | |
| CN116424160A (zh) | 电动车电池加热控制方法、装置、计算机设备及存储介质 | |
| CN117022055A (zh) | 电池的加热方法、装置、处理器和车辆 | |
| Enthaler et al. | Method for reducing uncertainties of predictive range estimation algorithms in electric vehicles | |
| JP2020174489A (ja) | 電池システム、鉄道車両および電池管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |