CN117110879A - 实车电池容量估计方法、装置及计算机设备 - Google Patents
实车电池容量估计方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN117110879A CN117110879A CN202310884587.6A CN202310884587A CN117110879A CN 117110879 A CN117110879 A CN 117110879A CN 202310884587 A CN202310884587 A CN 202310884587A CN 117110879 A CN117110879 A CN 117110879A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- circuit voltage
- open circuit
- charging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012512 characterization method Methods 0.000 claims abstract description 89
- 238000005070 sampling Methods 0.000 claims abstract description 42
- 238000005562 fading Methods 0.000 claims abstract description 13
- 238000007600 charging Methods 0.000 claims description 140
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 69
- 229910001416 lithium ion Inorganic materials 0.000 claims description 69
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000013075 data extraction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000000178 monomer Substances 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 9
- 230000015556 catabolic process Effects 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010277 constant-current charging Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本申请涉及一种实车电池容量估计方法、装置及计算机设备，该方法中通过检测目标电池包包含的每个电池单体当前的目标电压曲线信息；针对每个电池单体，将目标采样时间点在目标电压曲线信息的实际电压信息、标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；根据目标衰退状态表征参数和标定电势曲线信息，确定每个电池单体的初始开路电压信息和结束开路电压信息，并基于电池荷电状态‑开路电压曲线信息，确定目标电池包的容量信息。基于上述方法可以准确的确定出近似与电池单体实际衰退状态表征参数的目标衰退状态表征参数，进而可以准确进行电池单体及目标电池包的容量估计。
Description
技术领域
本发明涉及电池管理系统技术领域，特别是涉及一种实车电池容量估计方法、装置及计算机设备。
背景技术
随着纯电动汽车的普及，作为其动力源的锂离子电池不可避免的会发生老化从而导致容量下降，性能衰退。而电池内部的衰减机理十分复杂，严重挑战电动汽车的电池健康管理，这使得准确对电池容量进行估计显得尤为重要。
然而，在实车运营过程中经常存在按照车辆BMS采集的SOC数据计算得到的实车动力电池包的整包容量与其标定容量差距大的问题，导致对实车电池容量估计的准确度低。
发明内容
基于此，有必要针对上述技术问题，提供一种实车电池容量估计方法、装置及计算机设备。
第一方面，本申请提供了一种实车电池容量估计方法。所述方法包括：
检测目标电池包包含的每个电池单体当前的目标电压曲线信息；
针对每个所述电池单体，将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；
根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息；
基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息。
在其中一个实施例中，所述检测目标电池包包含的每个电池单体当前的目标电压曲线信息，包括：
采集所述电池单体的充电数据信息，并根据预设数据提取条件从所述充电数据信息提取目标数据信息；
基于所述目标数据信息，利用支持向量回归算法，确定所述目标电压曲线信息。
在其中一个实施例中，所述充电数据信息包括充电荷电状态信息，所述根据预设数据提取条件从所述充电数据信息提取目标数据信息，包括：
将满足预设荷电范围条件的充电电池荷电状态信息对应的充电数据信息，作为所述目标数据信息。
在其中一个实施例中，所述将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数，包括：
确定所述目标采样时间点在所述目标电压曲线信息对应的所述实际电压信息，并生成多个候选衰退状态表征参数；
针对每个所述候选衰退状态表征参数，根据各所述目标采样时间点对应的充电电量、以及所述候选衰退状态表征参数，确定各所述目标采样时间点的荷电状态信息；
在所述标定电势曲线信息中，确定各所述目标采样时间点的荷电状态信息对应的正负极电势；
根据所述正负极电势，确定所述估计电压信息，并根据所述估计电压信息和所述实际电压信息，确定电压差值；
通过遗传算法确定所述电压差值满足最小条件的候选衰退状态表征参数，作为所述目标衰退状态表征参数。
在其中一个实施例中，所述目标衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量，所述根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息，包括：
在所述标定电势曲线信息中，确定所述正极充电初始锂离子分数对应的初始正极电势和所述负极充电初始锂离子分数对应的初始负极电势；
根据整体充电电量、所述正极充电初始锂离子分数和所述正极容量，确定正极充电结束锂离子分数，并根据所述整体充电电量、所述负极充电初始锂离子分数和所述负极容量，确定负极充电结束锂离子分数；
在所述标定电势曲线信息中，确定所述正极充电结束锂离子分数对应的结束正极电势和所述负极充电初始锂离子分数的结束负极电势；
根据所述初始正极电势和所述初始负极电势，确定所述初始开路电压信息，并根据所述结束正极电势和所述结束负极电势，确定所述结束开路电压信息。
在其中一个实施例中，所述目标电池包包括多个所述电池单体，所述基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息，包括：
基于多个所述电池单体的初始开路电压信息，将数值最小的所述初始开路电压信息，作为目标初始开路电压信息；
基于多个所述电池单体的结束开路电压信息，将数值最大的所述结束开路电压信息，作为目标结束开路电压信息；
根据所述目标初始开路电压信息、所述目标结束开路电压信息和所述电池荷电状态-开路电压曲线信息，确定目标初始荷电状态信息和目标结束荷电状态信息；
基于所述目标初始荷电状态信息和所述目标结束荷电状态信息，利用两点间容量累计法确定所述目标电池包的容量信息。
第二方面，本申请还提供了一种实车电池容量估计装置。所述装置包括：
检测模块，用于检测目标电池包包含的每个电池单体当前的目标电压曲线信息；
参数确定模块，用于针对每个所述电池单体，将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；
开路电压确定模块，用于根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息；
容量信息确定模块，用于基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息。
在其中一个实施例中，所述检测模块具体用于：
采集所述电池单体的充电数据信息，并根据预设数据提取条件从所述充电数据信息提取目标数据信息；
基于所述目标数据信息，利用支持向量回归算法，确定所述目标电压曲线信息。
在其中一个实施例中，所述充电数据信息包括充电荷电状态信息，所述检测模块具体用于：
将满足预设荷电范围条件的充电电池荷电状态信息对应的充电数据信息，作为所述目标数据信息。
在其中一个实施例中，所述参数确定模块具体用于：
确定所述目标采样时间点在所述目标电压曲线信息对应的所述实际电压信息，并生成多个候选衰退状态表征参数；
针对每个所述候选衰退状态表征参数，根据各所述目标采样时间点对应的充电电量、以及所述候选衰退状态表征参数，确定各所述目标采样时间点的荷电状态信息；
在所述标定电势曲线信息中，确定各所述目标采样时间点的荷电状态信息对应的正负极电势；
根据所述正负极电势，确定所述估计电压信息，并根据所述估计电压信息和所述实际电压信息，确定电压差值；
通过遗传算法确定所述电压差值满足最小条件的候选衰退状态表征参数，作为所述目标衰退状态表征参数。
在其中一个实施例中，所述目标衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量，所述开路电压确定模块具体用于：
在所述标定电势曲线信息中，确定所述正极充电初始锂离子分数对应的初始正极电势和所述负极充电初始锂离子分数对应的初始负极电势；
根据整体充电电量、所述正极充电初始锂离子分数和所述正极容量，确定正极充电结束锂离子分数，并根据所述整体充电电量、所述负极充电初始锂离子分数和所述负极容量，确定负极充电结束锂离子分数；
在所述标定电势曲线信息中，确定所述正极充电结束锂离子分数对应的结束正极电势和所述负极充电初始锂离子分数的结束负极电势；
根据所述初始正极电势和所述初始负极电势，确定所述初始开路电压信息，并根据所述结束正极电势和所述结束负极电势，确定所述结束开路电压信息。
在其中一个实施例中，所述目标电池包包括多个所述电池单体，所述容量信息确定模块具体用于：
基于多个所述电池单体的初始开路电压信息，将数值最小的所述初始开路电压信息，作为目标初始开路电压信息；
基于多个所述电池单体的结束开路电压信息，将数值最大的所述结束开路电压信息，作为目标结束开路电压信息；
根据所述目标初始开路电压信息、所述目标结束开路电压信息和所述电池荷电状态-开路电压曲线信息，确定目标初始荷电状态信息和目标结束荷电状态信息；
基于所述目标初始荷电状态信息和所述目标结束荷电状态信息，利用两点间容量累计法确定所述目标电池包的容量信息。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面的步骤。
上述实车电池容量估计方法、装置及计算机设备，该方法中通过检测目标电池包包含的每个电池单体当前的目标电压曲线信息；针对每个所述电池单体，将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息；基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息。基于上述方法可以准确的确定出近似与电池单体实际衰退状态表征参数的目标衰退状态表征参数，同时基于实车的实际充电数据获得的目标衰退状态表征参数，准确进行电池单体及目标电池包的容量估计。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中实车电池容量估计方法的流程示意图；
图2为另一个实施例中实车电池容量估计方法的流程示意图；
图3为另一个实施例中实车电池容量估计方法的流程示意图；
图4为一个实施例中实车电池容量估计装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本申请的一个实施例中，如图1所示，提供了一实车电池容量估计方法，本实施例以该方法应用于终端(可称为管理终端)进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机及笔记本电脑。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：
步骤101，检测目标电池包包含的每个电池单体当前的目标电压曲线信息。
其中，目标电池包中包括多个电池单体。当前的目标电压曲线信息可以为电池单体在充电过程中的电压曲线信息，该电压曲线信息为电池单体的电压随时间变化的曲线。需要注意的是，该目标电压曲线信息为经过平滑处理后的电压曲线，对电压曲线进行平滑处理的方式包括但不限于支持向量回归算法对实车采集到的多阶段恒流充电电压曲线中出现的电压阶跃进行平滑处理。
步骤102，针对每个电池单体，将目标采样时间点在目标电压曲线信息的实际电压信息、标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数。
其中，上述标定电势曲线信息为终端存储的目标电池包的标定正负极电势曲线，该正负极电势曲线包括正极电势随电池荷电状态变化的曲线和负极电势随电池荷电状态变化的曲线。需要注意的是，目标采样时间点在目标电压曲线信息的实际电压信息、标定电势曲线信息均满足预设双水箱模型输入需求，均为平滑曲线信息。
具体的，终端将目标采样时间点在目标电压曲线信息的实际电压信息、标定电势曲线信息输入预设双水箱模型，得到的满足预设真实条件的目标衰退状态表征参数为校准后的目标电池包对应的实际衰退状态表征参数。
步骤103，根据目标衰退状态表征参数和标定电势曲线信息，确定每个电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息。
其中，终端可以根据目标衰退状态表征参数，确定电池单体在充电开始时的正负极电池荷电状态和充电结束时正负极正负极电池荷电状态，进而终端可以根据标定电势曲线确定出，实际充电开始时的初始开路电压和实际充电结束时的结束开路电压。
步骤104，基于每个电池单体的初始开路电压信息、结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定目标电池包的容量信息。
其中，对于每个电池单体而言，终端可以根据初始开路电压信息和结束开路电压信息，在电池荷电状态-开路电压曲线中，确定出电池单体对应的初始电池荷电状态和结束电池荷电状态，进而可以准确对目标电池包进行容量估计，确定出目标电池包的容量信息。
基于上述方法可以准确的确定出近似与电池单体实际衰退状态表征参数的目标衰退状态表征参数，解决了实车变工况充电下电池正负极衰退状态内部表征参数难以辨识的问题，实现整车单体层级的老化机理定量分析。同时基于实车的实际充电数据获得的目标衰退状态表征参数，准确进行电池单体及目标电池包的容量估计，从而更加精准的感知电池单体及目标电池包的健康状态。
在本申请的一个实施例中，上述步骤101，检测目标电池包包含的每个电池单体当前的目标电压曲线信息，包括：
采集电池单体的充电数据信息，并根据预设数据提取条件从充电数据信息提取目标数据信息；
基于目标数据信息，利用支持向量回归算法，确定目标电压曲线信息。
其中，充电数据信息为目标电池包每个电池单体的实际充电数据。目标电压曲线信息为电压随时间变化的曲线。
具体的，针对每个电池单体，终端将根据预设数据提取条件从实际充电数据信息中提取目标数据信息。基于此，终端还可以根据预设高斯双核支持向量机方法，确定出目标电压曲线。计算公式，如下所示:
上式中，β＝β1,β2,…,βn]T∈R1×n均为常数系数，n代表要拟合电压数据的总数，x此时代表的是时间，而y代表的是采样电压，μ是偏移常数，κ(x)是高斯核函数，表示为：
式中，σ是高斯核函数的标准差，也是为了控制κ(xk,x)形状的预设参数。
上述实车电池容量估计方法中，利用向量回归算法拟合出的目标电压曲线与实际上的目标充电数据信息近似，可以准确的反应出实际的电压变化趋势，有利于进一步提高容量估计的准确性。本申请中利用双核高斯算法，可以提高目标电压曲线的准确度，进一步提高容量估计的精度。
在本申请的一个实施例中，上述充电数据信息包括充电荷电状态信息，根据预设数据提取条件从充电数据信息提取目标数据信息，包括：
将满足预设荷电范围条件的充电电池荷电状态信息对应的充电数据信息，作为目标数据信息。
具体的，预设荷电范围条件包括充电荷电状态信息最低值低于20％至充电荷电状态信息最高值高于90％范围，因此，终端提取到的目标数据信息包括充电荷电状态信息低于20％至高于90％范围对应的充电数据信息。
由于，充电荷电状态在20％至90％阶段对应的充电数据信息具有很高的稳定性，可以随着充电时间平稳增长，并且充电荷电状态在20％至90％阶段对应的充电数据信息符合使用用户充电习惯，便于多次获得该范围内的充电数据，因此，上述实车电池容量估计方法中，根据电池单体包括的充电荷电状态信息低于20％至高于90％范围的实际充电数据信息，确定出的目标数据信息，可以提高目标电压曲线的准确度，进一步提高容量估计的精度。
在本申请的一个实施例中，如图2所示，上述步骤102，将目标采样时间点在目标电压曲线信息的实际电压信息、标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数，包括：
步骤201，确定目标采样时间点在目标电压曲线信息对应的实际电压信息，并生成多个候选衰退状态表征参数。
需要说明的是，目标采样时间点的设置可以根据实际需求进行设定。衰退状态表征参数包括各个子衰退状态表征参数，终端存储有各个子衰退状态表征参数的阈值范围，并可以根据各个阈值范围随机生成多组子衰退状态表征参数对应于不同数值的候选衰退状态表征参数。
步骤202，针对每个候选衰退状态表征参数，根据各目标采样时间点对应的充电电量、以及候选衰退状态表征参数，确定各目标采样时间点的荷电状态信息。
具体的，终端可以根据实际充电数据将实车的变工况充电等效为恒流充电，并确定该恒流充电对应的电流信息。终端还可以根据目标采样时间点和上述电流信息，直接确定出目标采样时间点对应的实际充电电量。除此之外，终端存储有基于充电电量、衰退状态表征参数确定荷电状态信息的计算公式，因此，终端可以根据目标采样时间点对应的充电电量、候选衰退状态表征参数和上述计算公式，确定目标采样时间点的荷电状态信息。
步骤203，在标定电势曲线信息中，确定各目标采样时间点的荷电状态信息对应的正负极电势。
具体的，上述标定电势曲线信息为终端存储的目标电池包的标定正负极电势曲线，该正负极电势曲线包括正极电势随电池荷电状态变化的曲线和负极电势随电池荷电状态变化的曲线，因此，终端可根据各个目标采样时间点对应的荷点状态信息，在上述曲线中确定出各个目标采样时间点对应的正负极电池。
需要说明的是，标定电势曲线信息可以为实验室人员通过拆解与目标电池包类型一致、未经使用的电池制成纽扣电池，进行实验获得的正负极电势曲线信息。
步骤204，根据正负极电势，确定估计电压信息，并根据估计电压信息和实际电压信息，确定电压差值。
具体的，终端根据目标采样时间点对应的正负极电势的差值，确定出估计电压。终端还可以在目标电压曲线信息中，确定该目标采样时间点对应的实际电压信息，进而可以确定实际电压与估计电压的电压差值，该差值可以表征候选衰退状态表征参数与目标电池包的实际衰退状态表征参数的接近程度。
根据正负极电势，确定估计电压的计算公式如下：
其中，I为等效恒流充电对应的电流，R是电池单体的内部的阻抗，Up(y)和Un(x)即为对应于相应的正负极电势。
电压差值计算公式如下：
其中，t1是充电起始时刻，tn是充电结束时刻，n表示在充电时刻共采样了n个点，是估计电压，V(t)是实际电压。
步骤205，通过遗传算法确定电压差值满足最小条件的候选衰退状态表征参数，作为目标衰退状态表征参数。
具体的，终端可以利用遗传算法确定在电压差值最小时，对应的候选衰退状态表征参数作为目标衰退状态表征参数。
基于上述方法，由于确定的目标衰退状态表征参数对应的电压差值满足最小条件，可以确定该目标衰退状态表征参数等效于电池单体的实际衰退状态表征参数。在目标电池包的使用过程中，各电池单体的实际的衰退状态表征参数可能会发生变化，与标定的衰退状态表征参数存在差异，因此，可以通过上述方法准确的确定出各电池单体的实际的衰退状态表征参数，从而可以准确的对目标电池包进行电池容量估计。
在本申请的一个实施例中，目标衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量，如图3所示，上述步骤103，根据目标衰退状态表征参数和标定电势曲线信息，确定每个电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息，包括：
步骤301，在标定电势曲线信息中，确定正极充电初始锂离子分数对应的初始正极电势和负极充电初始锂离子分数对应的初始负极电势。
其中，目标衰退状态表征参数包括的子衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量。
需要说明的是，正极充电初始锂离子分数对应的初始正极电池荷电状态、负极充电初始锂离子分数对应的初始负极电池荷电状态。终端可以直接在标定电势曲线信息中，确定正极充电初始锂离子分数对应的初始正极电势和负极充电初始锂离子分数对应的初始负极电势。
步骤302，根据整体充电电量、正极充电初始锂离子分数和正极容量，确定正极充电结束锂离子分数，并根据整体充电电量、负极充电初始锂离子分数和负极容量，确定负极充电结束锂离子分数。
其中，终端根据整体充电电量、正极充电初始锂离子分数和正极容量，确定正极充电结束锂离子分数的计算公式如下：
其中，Cp是正极容量，y0为正极充电初始的锂离子分数，Qt为整体充电电量即目标电池包在实际充电过程中对应的总充电量。
进一步的，终端根据整体充电电量、负极充电初始锂离子分数和负极容量，确定负极充电结束锂离子分数的计算公式如下：
其中，Cp是负极容量，x0为负极充电结束锂离子分数，Qt为整体充电电量。
步骤303，在标定电势曲线信息中，确定正极充电结束锂离子分数对应的结束正极电势和负极充电初始锂离子分数的结束负极电势。
需要说明的是，正极充电结束锂离子分数对应的结束正极电池荷电状态、负极充电结束锂离子分数对应的结束负极电池荷电状态。终端可以直接在标定电势曲线信息中，确定正极充电结束锂离子分数对应的结束正极电势和负极充电结束锂离子分数对应的初始负极电势。
步骤304，根据初始正极电势和初始负极电势，确定初始开路电压信息，并根据结束正极电势和结束负极电势，确定结束开路电压信息。
其中，计算公式如下：
OCV0＝Up0-Un0
OCVend＝Up end-Un end
式中，OCV0为初始开路电压，Up和Un分别是初始正极电势和初始负极电势，OCVend是结束开路电压，Up和Un分别是结束正极电势和结束负极电势。
本方法中，终端通过修正后的衰退状态表征参数即目标衰退状态表征参数，可以进一步确定电池单体修正后的初始开路电压和修正后的结束开路电压，进而可以准确的进行电池容量估计。
在本申请的一个实施例中，目标电池包包括多个电池单体，目标衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量，上述步骤104，基于每个电池单体的初始开路电压信息、结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定目标电池包的容量信息，包括：
基于多个电池单体的初始开路电压信息，将数值最小的初始开路电压信息，作为目标初始开路电压信息；
基于多个电池单体的结束开路电压信息，将数值最大的结束开路电压信息，作为目标结束开路电压信息；
根据目标初始开路电压信息、目标结束开路电压信息和电池荷电状态-开路电压曲线信息，确定目标初始荷电状态信息和目标结束荷电状态信息；
基于目标初始荷电状态信息和目标结束荷电状态信息，利用两点间容量累计法确定目标电池包的容量信息。
具体的，在进行目标电池包容量估计的过程中，将各个电池单体对应的初始开路电压中数值最小的初始开路电压，作为目标电池包的目标初始开路电压；将各个电池单体对应的结束开路电压中数值最大的结束开路电压，作为目标电池包的目标结束开路电压。
需要说明的是，电池荷电状态-开路电压曲线信息可以为实验室人员通过对目标电池包类型一致、未经使用的电池进行实验获得的。因此，终端可以直接在电池荷电状态-开路电压曲线信息中确定出目标初始开路电压对应的目标初始荷电状态信息和目标结束开路电压对应的目标结束荷电状态信息。
进一步的，终端可以基于目标初始荷电状态信息和目标结束荷电状态信息，利用两点间容量累计法确定目标电池包的容量信息。对于每个电池单体而言，终端可以直接在电池荷电状态-开路电压曲线信息中确定出初始开路电压对应的初始荷电状态信息和结束开路电压对应的结束荷电状态信息，进而可以利用两点间容量累计法，对电池单体的容量进行估计。
本方法中，基于目标电池包包括的多个电池单体的初始开路电压信息和结束开路电压信息进行目标电池包的容量估计，可以有效提高该估计方法的精确度。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的实车电池容量估计方法的实车电池容量估计装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个实车电池容量估计装置实施例中的具体限定可以参见上文中对于实车电池容量估计方法的限定，在此不再赘述。
如图4所示，在本申请的一个实施例中，提供了一种实车电池容量估计装置400，包括：检测模块410、参数确定模块420、开路电压确定模块430和容量信息确定模块440，其中：
检测模块410，用于检测目标电池包包含的每个电池单体当前的目标电压曲线信息；
参数确定模块420，用于针对每个电池单体，将目标采样时间点在目标电压曲线信息的实际电压信息、标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；
开路电压确定模块430，用于根据目标衰退状态表征参数和标定电势曲线信息，确定每个电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息；
容量信息确定模块440，用于基于每个电池单体的初始开路电压信息、结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定目标电池包的容量信息。
在本申请的一个实施例中，检测模块410具体用于：
采集电池单体的充电数据信息，并根据预设数据提取条件从充电数据信息提取目标数据信息；
基于目标数据信息，利用支持向量回归算法，确定目标电压曲线信息。
在本申请的一个实施例中，充电数据信息包括充电荷电状态信息，检测模块410具体用于：
将满足预设荷电范围条件的充电电池荷电状态信息对应的充电数据信息，作为目标数据信息。
在本申请的一个实施例中，参数确定模块420具体用于：
确定目标采样时间点在目标电压曲线信息对应的实际电压信息，并生成多个候选衰退状态表征参数；
针对每个候选衰退状态表征参数，根据各目标采样时间点对应的充电电量、以及候选衰退状态表征参数，确定各目标采样时间点的荷电状态信息；
在标定电势曲线信息中，确定各目标采样时间点的荷电状态信息对应的正负极电势；
根据正负极电势，确定估计电压信息，并根据估计电压信息和实际电压信息，确定电压差值；
通过遗传算法确定电压差值满足最小条件的候选衰退状态表征参数，作为目标衰退状态表征参数。
在本申请的一个实施例中，目标衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量，开路电压确定模块430具体用于：
在标定电势曲线信息中，确定正极充电初始锂离子分数对应的初始正极电势和负极充电初始锂离子分数对应的初始负极电势；
根据整体充电电量、正极充电初始锂离子分数和正极容量，确定正极充电结束锂离子分数，并根据整体充电电量、负极充电初始锂离子分数和负极容量，确定负极充电结束锂离子分数；
在标定电势曲线信息中，确定正极充电结束锂离子分数对应的结束正极电势和负极充电初始锂离子分数的结束负极电势；
根据初始正极电势和初始负极电势，确定初始开路电压信息，并根据结束正极电势和结束负极电势，确定结束开路电压信息。
在本申请的一个实施例中，目标电池包包括多个电池单体，容量信息确定模块440具体用于：
基于多个电池单体的初始开路电压信息，将数值最小的初始开路电压信息，作为目标初始开路电压信息；
基于多个电池单体的结束开路电压信息，将数值最大的结束开路电压信息，作为目标结束开路电压信息；
根据目标初始开路电压信息、目标结束开路电压信息和电池荷电状态-开路电压曲线信息，确定目标初始荷电状态信息和目标结束荷电状态信息；
基于目标初始荷电状态信息和目标结束荷电状态信息，利用两点间容量累计法确定目标电池包的容量信息。
上述实车电池容量估计装置的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请的一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种实车电池容量估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在本申请的一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种实车电池容量估计方法，其特征在于，所述方法包括：
检测目标电池包包含的每个电池单体当前的目标电压曲线信息；
针对每个所述电池单体，将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；
根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息；
基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息。
2.根据权利要求1所述的方法，其特征在于，所述检测目标电池包包含的每个电池单体当前的目标电压曲线信息，包括：
采集所述电池单体的充电数据信息，并根据预设数据提取条件从所述充电数据信息提取目标数据信息；
基于所述目标数据信息，利用支持向量回归算法，确定所述目标电压曲线信息。
3.根据权利要求2所述的方法，其特征在于，所述充电数据信息包括充电荷电状态信息，所述根据预设数据提取条件从所述充电数据信息提取目标数据信息，包括：
将满足预设荷电范围条件的充电电池荷电状态信息对应的充电数据信息，作为所述目标数据信息。
4.根据权利要求1所述的方法，其特征在于，所述将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数，包括：
确定所述目标采样时间点在所述目标电压曲线信息对应的所述实际电压信息，并生成多个候选衰退状态表征参数；
针对每个所述候选衰退状态表征参数，根据各所述目标采样时间点对应的充电电量、以及所述候选衰退状态表征参数，确定各所述目标采样时间点的荷电状态信息；
在所述标定电势曲线信息中，确定各所述目标采样时间点的荷电状态信息对应的正负极电势；
根据所述正负极电势，确定所述估计电压信息，并根据所述估计电压信息和所述实际电压信息，确定电压差值；
通过遗传算法确定所述电压差值满足最小条件的候选衰退状态表征参数，作为所述目标衰退状态表征参数。
5.根据权利要求1所述的方法，其特征在于，所述目标衰退状态表征参数包括正极充电初始锂离子分数、正极容量、负极充电初始锂离子分数和负极容量，所述根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息，包括：
在所述标定电势曲线信息中，确定所述正极充电初始锂离子分数对应的初始正极电势和所述负极充电初始锂离子分数对应的初始负极电势；
根据整体充电电量、所述正极充电初始锂离子分数和所述正极容量，确定正极充电结束锂离子分数，并根据所述整体充电电量、所述负极充电初始锂离子分数和所述负极容量，确定负极充电结束锂离子分数；
在所述标定电势曲线信息中，确定所述正极充电结束锂离子分数对应的结束正极电势和所述负极充电初始锂离子分数的结束负极电势；
根据所述初始正极电势和所述初始负极电势，确定所述初始开路电压信息，并根据所述结束正极电势和所述结束负极电势，确定所述结束开路电压信息。
6.根据权利要求5所述的方法，其特征在于，所述目标电池包包括多个所述电池单体，所述基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息，包括：
基于多个所述电池单体的初始开路电压信息，将数值最小的所述初始开路电压信息，作为目标初始开路电压信息；
基于多个所述电池单体的结束开路电压信息，将数值最大的所述结束开路电压信息，作为目标结束开路电压信息；
根据所述目标初始开路电压信息、所述目标结束开路电压信息和所述电池荷电状态-开路电压曲线信息，确定目标初始荷电状态信息和目标结束荷电状态信息；
基于所述目标初始荷电状态信息和所述目标结束荷电状态信息，利用两点间容量累计法确定所述目标电池包的容量信息。
7.一种实车电池容量估计装置，其特征在于，所述装置包括：
检测模块，用于检测目标电池包包含的每个电池单体当前的目标电压曲线信息；
参数确定模块，用于针对每个所述电池单体，将目标采样时间点在所述目标电压曲线信息的实际电压信息、所述标定电势曲线信息输入预设双水箱模型，得到满足预设真实条件的目标衰退状态表征参数；
开路电压确定模块，用于根据所述目标衰退状态表征参数和所述标定电势曲线信息，确定每个所述电池单体在充电开始时实际的初始开路电压信息和在充电结束时实际的结束开路电压信息；
容量信息确定模块，用于基于每个所述电池单体的所述初始开路电压信息、所述结束开路电压信息和预先存储的电池荷电状态-开路电压曲线信息，确定所述目标电池包的容量信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884587.6A CN117110879A (zh) | 2023-07-19 | 2023-07-19 | 实车电池容量估计方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884587.6A CN117110879A (zh) | 2023-07-19 | 2023-07-19 | 实车电池容量估计方法、装置及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117110879A true CN117110879A (zh) | 2023-11-24 |
Family
ID=88799206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310884587.6A Pending CN117110879A (zh) | 2023-07-19 | 2023-07-19 | 实车电池容量估计方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117110879A (zh) |
-
2023
- 2023-07-19 CN CN202310884587.6A patent/CN117110879A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Life prediction of lithium-ion batteries based on stacked denoising autoencoders | |
| Goh et al. | Capacity estimation algorithm with a second-order differential voltage curve for Li-ion batteries with NMC cathodes | |
| Shen et al. | Accurate state of charge estimation with model mismatch for li-ion batteries: A joint moving horizon estimation approach | |
| Hoque et al. | Data driven analysis of lithium-ion battery internal resistance towards reliable state of health prediction | |
| US20210066945A1 (en) | Method and apparatus for charging battery | |
| CN113111508B (zh) | 电芯一致性的评估方法、装置及服务器 | |
| Shi et al. | A fast state-of-health estimation method using single linear feature for lithium-ion batteries | |
| CN105550452B (zh) | 基于启发式算法的锂离子电池p2d模型参数的辨识方法 | |
| Takyi-Aninakwa et al. | Enhanced multi-state estimation methods for lithium-ion batteries considering temperature uncertainties | |
| CN114114020A (zh) | 用于电池状态估计的方法和设备 | |
| CN115805810B (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
| CN114509695B (zh) | 电池析锂检测方法、装置、设备、存储介质和计算机程序 | |
| Avvari et al. | A battery chemistry-adaptive fuel gauge using probabilistic data association | |
| CN117148177A (zh) | 电池动态一致性评价方法、装置和计算机设备 | |
| Greenbank et al. | Piecewise-linear modelling with automated feature selection for Li-ion battery end-of-life prognosis | |
| He et al. | State of health estimation for lithium-ion batteries using a hybrid neural network model with Multi-scale Convolutional Attention Mechanism | |
| CN117723978A (zh) | 电芯功率状态确定方法、装置、计算机设备和存储介质 | |
| CN116068408B (zh) | 电池老化数据确定方法、装置、计算机设备和存储介质 | |
| CN117031292A (zh) | 电池健康状态预测方法、装置、计算机设备和存储介质 | |
| CN116435624A (zh) | 析锂窗口确定方法、装置、设备、存储介质和程序产品 | |
| CN116299006A (zh) | 电池包的健康状况预测方法、装置、设备和存储介质 | |
| US20240006670A1 (en) | Battery management apparatus and method | |
| US12078682B2 (en) | Method and apparatus for estimating state of battery | |
| CN117110879A (zh) | 实车电池容量估计方法、装置及计算机设备 | |
| CN117996887A (zh) | 电池系统均衡方法、装置、设备、存储介质和程序产品 |
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 |