CN117169749A - 电池容量预测模型的生成方法、预测方法及其装置 - Google Patents
电池容量预测模型的生成方法、预测方法及其装置 Download PDFInfo
- Publication number
- CN117169749A CN117169749A CN202210591009.9A CN202210591009A CN117169749A CN 117169749 A CN117169749 A CN 117169749A CN 202210591009 A CN202210591009 A CN 202210591009A CN 117169749 A CN117169749 A CN 117169749A
- Authority
- CN
- China
- Prior art keywords
- capacity
- battery
- target
- prediction model
- charge
- 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 65
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000007599 discharging Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Abstract
本申请提出了一种电池容量预测模型的生成方法、预测方法及其装置，涉及电池检测技术领域。该方法包括：对样本电池进行充放电测试，获取样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及目标开路电压下的目标荷电状态；获取初始容量预测模型；根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。可以有效缩短分容工艺流程时间，进而缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过对初始预测模型进行修正，生成目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
Description
技术领域
本申请涉及电池检测技术领域，尤其涉及一种电池容量预测模型的生成方法、预测方法及其装置。
背景技术
电池的容量是电池一项关键的技术指标，相关技术中，电池制造完成到电池出厂前，会对电池进行容量检测，通常的电池容量测试方式为：将电池充满电，然后用固定的电流对电池进行放电，放电至电池的截止电压后停止，放电的容量即视为电池的容量。这种工艺流程时间较长，影响电池的生产效率。因此，如何缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，已经成为重要的研究方向之一。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请第一方面实施例提出了一种电池容量预测模型的生成方法，包括：
对样本电池进行充放电测试，获取样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及目标开路电压下的目标荷电状态；
获取初始容量预测模型；
根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
本申请实施例中，可以有效缩短分容工艺流程时间，进而缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过对初始预测模型进行修正，生成目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
本申请第二方面实施例提出了一种电池总容量的预测方法，包括：
对待测电池进行充放电，获取待测电池在任一电压下的实际荷电状态和实际电池容量；
将实际荷电状态和实际电池容量输入目标容量预测模型中，以获取待测电池的预测总容量。
本申请实施例中，根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，可以实现根据实际电池容量和实际荷电状态预测电池的总容量，从而有效缩短分容工艺流程时间，缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
本申请第三方面实施例提出了一种电池容量预测模型的生成装置，包括：
第一获取模块，用于对样本电池进行充放电测试，获取样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及目标开路电压下的目标荷电状态；
第二获取模块，用于获取初始容量预测模型；
生成模块，用于根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
本申请第四方面实施例提出了一种电池总容量的预测装置，包括：
第一获取模块，用于对待测电池进行充放电，获取待测电池在任一电压下的实际荷电状态和实际电池容量；
第二获取模块，用于将实际荷电状态和实际电池容量输入目标容量预测模型中，以获取待测电池的预测总容量；其中，目标容量预测模型为采用第一方面实施例的模型生成方法生成的模型。
本申请第五方面实施例提出了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请第一方面实施例或第二方面实施例提供的方法。
本申请第六方面实施例提出了一种计算机可读存储介质，其上存储有计算机指令，其中，计算机指令用于使计算机执行根据本申请第一方面实施例或第二方面实施例提供的方法。
为达上述目的，本申请第七方面实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本申请第一方面实施例或第二方面实施例提供的方法。
为达上述目的，本申请第八方面实施例提出了一种车辆，该车辆包括：本申请第三方面实施例提出的电池容量预测模型的生成装置或第四方面实施例提出的电池总容量的预测装置。
附图说明
图1是本申请一个实施例的电池容量预测模型的生成方法的流程图；
图2是本申请一个实施例的SOC-OCV曲线的示意图；
图3是本申请一个实施例的获取目标开路电压的流程图；
图4是本申请一个实施例的SOC-dV/dSOC曲线的示意图；
图5是本申请一个实施例的电池容量预测模型的生成方法的流程图；
图6是本申请一个实施例的电池总容量的预测方法的流程图；
图7是本申请一个实施例的电池总容量的预测方法的示意图；
图8是本申请一个实施例的电池容量预测模型的生成装置的结构框图；
图9是本申请一个实施例的电池总容量的预测装置的结构框图；
图10是本申请一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面结合附图来描述本申请实施例的电池容量预测模型的生成方法、预测方法及其装置。
图1是本申请一个实施例的电池容量预测模型的生成方法的流程图，如图1所示，该方法包括以下步骤：
S101，对样本电池进行充放电测试，获取样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及目标开路电压下的目标荷电状态。
荷电状态(State of charge，SOC)可以用来反映电池的剩余容量，其数值上定义为剩余容量占电池容量的比值，常用百分数表示。其取值范围为[0，1]，用SOC表示荷电状态，当SOC＝0时表示电池放电完全，当SOC＝1时表示电池完全充满。
本申请实施例中，在恒温环境下以1C的电流强度对样本电池进行充放电测试，也就是说，以1C的电流强度对样本电池进行完全充电后，以1C的电流强度对样本电池进行完全放电。根据放电过程中的荷电状态数据、开路电压(Open Circuit Voltage，OCV)数据，生成图2所示的SOC-OCV曲线，如图2所示，其中OCV表示开路电压，SOC表示荷电状态，进而可以获取样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及目标开路电压下的目标荷电状态。
其中，C是用来表示电池充放电能力倍率。1C表示电池一小时完全放电时电流强度。如标称为2200mA·h的电池在1C的电流强度下放电1小时放电完成，此时该放电电流为2200mA。
可选地，可以在25℃的恒温环境下对样本电池进行充放电测试。
S102，获取初始容量预测模型。
为了实现对电池容量的精准预测，需要获取关于电池的总容量、任一电压下的荷电状态和任一电压下的电池容量这三者之间的拟合关系，根据拟合关系获取初始容量预测模型，以便于后续根据任一电压下的荷电状态和任一电压下的电池容量对电池的总容量进行预测。
在一些实现中，可以获取电池的总容量、任一电压下的荷电状态和任一电压下的电池容量的拟合函数，可选地，为了减小误差，提高电池容量预测的准确率，拟合函数还可以包含未知因子作为修正系数。
S103，根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
本申请实施例中，将测得的样本电池的总容量、目标开路电压下的目标电池容量和目标荷电状态代入初始预测模型，实现对初始预测模型进行修正，生成目标容量预测模型。
例如，可以将目标开路电压下的目标电池容量和目标荷电状态输入初始预测模型，进而对初始预测模型进行训练，当初始预测模型输出的预测容量与样本电池的总容量的差值在预设范围内时，结束训练，生成目标容量预测模型。
本申请实施例中，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
本申请实施例中，根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，可以实现根据实际电池容量和实际荷电状态预测电池的总容量，从而有效缩短分容工艺流程时间，缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过对初始预测模型进行修正，生成目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
图3是本申请一个实施例的获取目标开路电压的流程图，如图3所示，目标开路电压的获取过程包括以下步骤：
S301，对样本电池进行充放电测试，以获取样本电池的SOC-dV/dSOC曲线。
本申请实施例中，对样本电池进行dq/dv测试，也就是说，在恒温环境下以0.5C的电流强度对样本电池进行满充电，以0.1C的电流强度对样本电池进行放电，并对记录充放电参数，特别是荷电状态、电压数据。荷电状态为SOC，电压为V。
可选地，以第n+1个数据点的电压和荷电状态数据减去第n个数据点电压和荷电状态数据，可以获取一个dV和dSOC数据，依次对所有数据进行处理，可以获取一系列的dV和dSOC数据，然后以dV除以dSOC，获取dV/dSOC的值，如图4所示，以dV/dSOC做纵坐标，以SOC作为横坐标，可以获取样本电池的SOC-dV/dSOC曲线。
S302，根据预设条件和SOC-dV/dSOC曲线确定目标开路电压。
为了提高模型的准确度，本申请实施例中，选取充放电过程中最稳定的电压作为目标开路电压，也就是说，获取SOC-dV/dSOC曲线中任一荷电状态对应的斜率，响应于任一荷电状态对应的斜率及其相邻斜率在预设范围内，确认任一荷电状态为候选荷电状态，获取候选荷电状态中的最大值，确定最大值对应的电压为目标开路电压。举例说明，如图4所示的SOC-dV/dSOC曲线，图中的目标开路电压可以选取为3.750V。
本申请实施例中，对样本电池进行充放电测试，以获取样本电池的SOC-dV/dSOC曲线，根据预设条件和SOC-dV/dSOC曲线确定目标开路电压。本申请实施例可以提高模型的准确度及稳定性，减小电池容量预测的误差。
图5是本申请一个实施例的电池容量预测模型的生成方法的流程图，如图5所示，该方法包括以下步骤：
S501，对样本电池进行充放电测试，获取样本电池满充满放时的总容量、目标开路电压开路电压下的目标电池容量以及目标开路电压下的目标荷电状态。
S502，获取初始容量预测模型。
关于步骤S501-步骤S502的介绍可以参见上述实施例中的相关内容，此处不再赘述。
需要说明的是，本申请实施例中，初始容量预测模型为：
PV＝PVOCV/SOCOCV*α
其中，PV为预测容量，PVOCV为开路电压对应的容量，SOCOCV为开路电压对应的荷电状态，α为修正系数。
S503，获取样本电池的当前环境温度和当前环境温度对应的温度补偿系数。
在所有的环境因素中，温度对电池的充放电性能影响最大，随着环境温度的升高,电池的容量在一定范围内会增加。为了提高目标容量预测模型的准确率，本申请实施例中，还需要对样本电池的总容量和目标电池容量进行温度补偿。
可选地，首先对样本电池进行温度梯度，例如15℃→45℃下进行分容，检测分容充满时的放电容量，从而确定各个温度梯度下的样本电池的总容量，将各个温度梯度下的样本电池的总容量与标准温度对应的总容量进行拟合，推导出温度补偿系数。
可选地，本申请实施例中，温度补偿系数为将各个温度梯度下的样本电池的总容量与标准温度对应的总容量的比值，可选地，标准温度为25℃。
S504，根据温度补偿系数，对总容量和目标电池容量进行温度补偿，以得到补偿后的总容量和目标电池容量。
本申请实施例中，用该温度补偿系数对当前温度下的样本电池的总容量和目标电池容量进行补偿，也就是说，补偿到标准温度环境下的样本电池的总容量和目标电池容量。
S505，根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
根据温度补偿后的总容量、温度补偿后的目标电池容量和目标荷电状态，获取初始容量预测模型的修正系数，根据修正系数对初始容量预测模型进行修正，以生成目标容量预测模型。
例如，温度补偿后的总容量为4000mA·h，温度补偿后的目标电池容量为3000mA·h，目标荷电状态为76％，则获取初始容量预测模型的修正系数为1.013333，生成目标容量预测模型为PV＝PVOCV/SOCOCV*1.013333。
本申请实施例中，可以有效缩短分容工艺流程时间，进而缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，根据环境温度进行温度补偿，可以提高模型的准确度，减小电池容量预测的误差。
在一些实现中，对多个样本电池进行充放电测试，根据每个样本电池的总容量、目标开路电压下的目标电池容量和目标开路电压下的目标荷电状态，获取初始容量预测模型的多个候选修正系数，根据多个候选修正系数对初始容量预测模型进行修正，以生成目标容量预测模型。也就是说，根据多个样本电池的数据对初始容量预测模型进行修正，从而生成目标容量预测模型，以提高模型预测电池容量的准确度。
图6是本申请一个实施例的电池总容量的预测方法的流程图，如图6所示，该方法包括以下步骤：
S601，对待测电池进行充放电，获取待测电池在任一电压下的实际荷电状态和实际电池容量。
在一些实现中，将待测电池充电至预设电压后，再进行放电，获取待测电池在任一电压下的实际荷电状态和实际电池容量。
可选地，可以获取待测电池在目标开路电压下的实际荷电状态和实际电池容量。
在一些实现中，如图7所示，可以将待测电池恒流充电至4.3V，然后将待测电池恒压充电至4.3V，进而将待测电池放电至3.75V，进而获取3.75V下的实际荷电状态和实际电池容量。
S602，将实际荷电状态和实际电池容量输入目标容量预测模型中，以获取待测电池的预测总容量。
本申请实施例中，以修正系数为1.013333进行举例说明，若待测电池在目标开路电压下的实际荷电状态为76％，待测电池在目标开路电压下的实际电池容量为3000mA·h，则待测电池的预测总容量为39999.99868mA·h。
其中，目标容量预测模型为前述的电池容量预测模型的生成方法生成的模型。
本申请实施例中，将实际荷电状态和实际电池容量输入目标容量预测模型中，以获取待测电池的预测总容量，可以有效缩短分容工艺流程时间，进而缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
图8为本申请提出的电池容量预测模型的生成装置的结构框图，如图8所示，该电池容量预测模型的生成装置800，包括：
第一获取模块810，用于对样本电池进行充放电测试，获取样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及目标开路电压下的目标荷电状态；
第二获取模块820，用于获取初始容量预测模型；
生成模块830，用于根据总容量、目标电池容量和目标荷电状态，对初始预测模型进行修正，生成目标容量预测模型，目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
在一些实现中，第一获取模块810，还用于：对样本电池进行充放电测试，以获取样本电池的SOC-dV/dSOC曲线；根据预设条件和SOC-dV/dSOC曲线确定目标开路电压。
在一些实现中，第一获取模块810，还用于：获取SOC-dV/dSOC曲线中任一荷电状态对应的斜率；响应于任一荷电状态对应的斜率及其相邻斜率在预设范围内，确认任一荷电状态为候选荷电状态；获取候选荷电状态中的最大值，确定最大值对应的电压为目标开路电压。
在一些实现中，生成模块830，还用于：获取样本电池的当前环境温度和当前环境温度对应的温度补偿系数；根据温度补偿系数，对总容量和目标电池容量进行温度补偿，以得到补偿后的总容量和目标电池容量。
在一些实现中，生成模块830，还用于：根据总容量、目标电池容量和目标荷电状态，获取初始容量预测模型的修正系数；根据修正系数对初始容量预测模型进行修正，以生成目标容量预测模型。
在一些实现中，初始容量预测模型为：PV＝PVOCV/SOCOCV*α，其中，PV为预测容量，PVOCV为开路电压对应的容量，SOCOCV为开路电压对应的荷电状态，α为修正系数。
在一些实现中，生成模块830，还用于：对多个样本电池进行充放电测试，根据每个样本电池的总容量、目标开路电压下的目标电池容量和目标开路电压下的目标荷电状态，获取初始容量预测模型的多个候选修正系数；根据多个候选修正系数对初始容量预测模型进行修正，以生成目标容量预测模型。
本申请实施例中，可以有效缩短分容工艺流程时间，进而缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过对初始预测模型进行修正，生成目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
图9为本申请提出的一种电池总容量的预测装置的结构框图，如图9所示，该电池总容量的预测装置900，包括：
第一获取模块910，用于对待测电池进行充放电，获取待测电池在任一电压下的实际荷电状态和实际电池容量；
第二获取模块920，用于将实际荷电状态和实际电池容量输入目标容量预测模型中，以获取待测电池的预测总容量。其中，目标容量预测模型为电池容量预测模型的生成方法生成的模型。
本申请实施例中，可以有效缩短分容工艺流程时间，进而缩短电池容量的测试周期，精确的获取电池容量，提高生产效率，通过目标容量预测模型可以提高模型的准确度，减小电池容量预测的误差。
为了实现上述实施例，本申请实施例还提出一种电子设备1000，如图10所示，该电子设备1000包括：处理器1010和处理器通信连接的存储器1020，存储器1020存储有可被至少一个处理器执行的指令，指令被至少一个处理器1010执行，以实现如本申请的电池管理系统的自动化诊断方法或电池总容量的预测方法。
为了实现上述实施例，本申请实施例还提出一种车辆，该车辆包括：如本申请中介绍的电池管理系统的自动化诊断装置或电池总容量的预测装置。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
基于同一申请构思，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令用于使计算机执行上述实施例中的电池容量预测模型的生成方法或电池总容量的预测方法。
基于同一申请构思，本申请实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时上述实施例中的电池容量预测模型的生成方法或电池总容量的预测方法。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
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一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (13)
1.一种电池容量预测模型的生成方法，其特征在于，包括：
对样本电池进行充放电测试，获取所述样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及所述目标开路电压下的目标荷电状态；
获取初始容量预测模型；
根据所述总容量、所述目标电池容量和所述目标荷电状态，对所述初始预测模型进行修正，生成目标容量预测模型，所述目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
2.根据权利要求1所述的电池容量预测模型的生成方法，其特征在于，所述目标开路电压的获取过程为：
对所述样本电池进行充放电测试，以获取所述样本电池的SOC-dV/dSOC曲线；
根据预设条件和所述SOC-dV/dSOC曲线确定所述目标开路电压。
3.根据权利要求2所述的电池容量预测模型的生成方法，其特征在于，所述根据预设条件和所述SOC-dV/dSOC曲线确定所述目标开路电压，包括：
获取所述SOC-dV/dSOC曲线中任一荷电状态对应的斜率；
响应于所述任一荷电状态对应的斜率及其相邻斜率在预设范围内，确认所述任一荷电状态为候选荷电状态；
获取候选荷电状态中的最大值，确定所述最大值对应的电压为目标开路电压。
4.根据权利要求1所述的电池容量预测模型的生成方法，其特征在于，所述根据所述总容量、所述目标电池容量和所述目标荷电状态，对所述初始预测模型进行修正之前，还包括：
获取所述样本电池的当前环境温度和所述当前环境温度对应的温度补偿系数；
根据所述温度补偿系数，对所述总容量和所述目标电池容量进行温度补偿，以得到补偿后的总容量和目标电池容量。
5.根据权利要求1-4任一项所述的电池容量预测模型的生成方法，其特征在于，所述根据所述总容量、所述目标电池容量和所述目标荷电状态，生成目标容量预测模型，包括：
根据所述总容量、所述目标电池容量和所述目标荷电状态，获取所述初始容量预测模型的修正系数；
根据所述修正系数对所述初始容量预测模型进行修正，以生成所述目标容量预测模型。
6.根据权利要求5所述的电池容量预测模型的生成方法，其特征在于，所述初始容量预测模型为：
PV＝PVOCV/SOCOCV*α
其中，PV为预测容量，PVOCV为开路电压对应的容量，SOCOCV为开路电压对应的荷电状态，α为所述修正系数。
7.根据权利要求1-4任一项所述的电池容量预测模型的生成方法，其特征在于，还包括：
对多个样本电池进行充放电测试，根据每个所述样本电池的所述总容量、所述目标开路电压下的所述目标电池容量和目标开路电压下的所述目标荷电状态，获取所述初始容量预测模型的多个候选修正系数；
根据所述多个候选修正系数对所述初始容量预测模型进行修正，以生成所述目标容量预测模型。
8.一种电池总容量的预测方法，其特征在于，包括：
对所述待测电池进行充放电，获取所述待测电池在任一电压下的实际荷电状态和实际电池容量；
将所述实际荷电状态和实际电池容量输入目标容量预测模型中，以获取所述待测电池的预测总容量；其中，所述目标容量预测模型为采用权利要求1-7任一项所述的模型生成方法生成的模型。
9.一种电池容量预测模型的生成装置，其特征在于，包括：
第一获取模块，用于对样本电池进行充放电测试，获取所述样本电池满充满放时的总容量、目标开路电压下的目标电池容量以及所述目标开路电压下的目标荷电状态；
第二获取模块，用于获取初始容量预测模型；
生成模块，用于根据所述总容量、所述目标电池容量和所述目标荷电状态，对所述初始预测模型进行修正，生成目标容量预测模型，所述目标容量预测模型用于根据实际电池容量和实际荷电状态预测电池的总容量。
10.一种电池总容量的预测装置，其特征在于，包括：
第一获取模块，用于对所述待测电池进行充放电，获取所述待测电池在任一电压下的实际荷电状态和实际电池容量；
第二获取模块，用于将所述实际荷电状态和实际电池容量输入目标容量预测模型中，以获取所述待测电池的预测总容量。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1-7中任一项的方法或权利要求8的方法。
12.一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时实现如权利要求1-7中任一项的方法或权利要求8的方法。
13.一种车辆，其特征在于，该车辆包括：如权利要求9所述的电池容量预测模型的生成装置，或如权利要求10所述的电池总容量的预测装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210591009.9A CN117169749A (zh) | 2022-05-27 | 2022-05-27 | 电池容量预测模型的生成方法、预测方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210591009.9A CN117169749A (zh) | 2022-05-27 | 2022-05-27 | 电池容量预测模型的生成方法、预测方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117169749A true CN117169749A (zh) | 2023-12-05 |
Family
ID=88945555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210591009.9A Pending CN117169749A (zh) | 2022-05-27 | 2022-05-27 | 电池容量预测模型的生成方法、预测方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117169749A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117706376A (zh) * | 2024-02-04 | 2024-03-15 | 深圳海辰储能科技有限公司 | 电池容量预测方法、装置、电子设备及存储介质 |
-
2022
- 2022-05-27 CN CN202210591009.9A patent/CN117169749A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117706376A (zh) * | 2024-02-04 | 2024-03-15 | 深圳海辰储能科技有限公司 | 电池容量预测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5739788B2 (ja) | 充放電計画立案システムおよび充放電計画立案方法 | |
| CN109856542B (zh) | 一种锂电池soc-ocv曲线簇的标定方法、soc校正方法及装置 | |
| EP3306735A1 (en) | Device for estimating degree of battery degradation, and estimation method | |
| CN109782175A (zh) | 电动汽车电池容量校正测试方法及电子设备 | |
| AU2016201173A1 (en) | Energy storage device management apparatus, energy storage device management method, energy storage device module, energy storage device management program, and movable body | |
| US8823326B2 (en) | Method for determining the state of charge of a battery in charging or discharging phase | |
| US10054645B2 (en) | Deterioration determination method, deterioration determination device, and storage medium | |
| US20210173012A1 (en) | Method and system for estimation of open circuit voltage of a battery cell | |
| CN112379297A (zh) | 电池系统寿命预测方法、装置、设备及存储介质 | |
| CN110888065B (zh) | 电池包荷电状态修正方法和装置 | |
| CN112230147B (zh) | 剩余充电时间估算方法、装置及电子设备 | |
| JP2014025739A (ja) | 電池状態推定装置 | |
| CN111929603A (zh) | 电池单体自放电测算方法、装置及计算机可读存储介质 | |
| CN111562510B (zh) | 一种用于确定退役动力电池剩余寿命的方法及系统 | |
| CN115184814A (zh) | 动力电池包寿命预测方法、装置、可读存储介质及设备 | |
| CN117169749A (zh) | 电池容量预测模型的生成方法、预测方法及其装置 | |
| JP2023016707A (ja) | 蓄電池の容量損失を算定する方法、装置およびコンピュータプログラム製品 | |
| CN113484783B (zh) | 电池soh检测方法、装置、系统、介质及程序产品 | |
| CN112230152B (zh) | 测量单体电芯内阻增量的方法及系统 | |
| CN106680722B (zh) | 一种实时在线预测ocv-soc曲线的方法和装置 | |
| CN117148187A (zh) | 一种基于ocv校准的soh估算方法、系统及电子设备 | |
| CN112213659A (zh) | 电池容量修正方法及测试系统 | |
| CN112964999B (zh) | 电池荷电状态的获取方法、装置、设备及介质、程序产品 | |
| CN115015787B (zh) | 一种电池soc补偿方法、装置、设备及计算机可读存储介质 | |
| CN110673045A (zh) | 一种电池充放电数据处理方法 |
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 |