CN117368741A - 一种电池模型参数更新方法及装置 - Google Patents

一种电池模型参数更新方法及装置 Download PDF

Info

Publication number
CN117368741A
CN117368741A CN202311473173.0A CN202311473173A CN117368741A CN 117368741 A CN117368741 A CN 117368741A CN 202311473173 A CN202311473173 A CN 202311473173A CN 117368741 A CN117368741 A CN 117368741A
Authority
CN
China
Prior art keywords
battery
simulation
target identification
parameter
parameters
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
Application number
CN202311473173.0A
Other languages
English (en)
Inventor
陈显楚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GAC Aion New Energy Automobile Co Ltd
Original Assignee
GAC Aion New Energy Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GAC Aion New Energy Automobile Co Ltd filed Critical GAC Aion New Energy Automobile Co Ltd
Priority to CN202311473173.0A priority Critical patent/CN117368741A/zh
Publication of CN117368741A publication Critical patent/CN117368741A/zh
Pending legal-status Critical Current

Links

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
    • 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)
  • Secondary Cells (AREA)

Abstract

本申请提供一种电池模型参数更新方法及装置，该方法包括：获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；对电池实时运行数据进行参数辨识，得到实时电芯特性参数；基于实时电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数；对目标辨识参数进行电池镜像仿真，得到仿真结果；根据仿真结果判断是否需要对目标辨识参数进行修正；如果否，则将目标辨识参数反馈至电池管理系统，以使电池管理系统根据目标辨识参数对预设的电池模型进行参数更新。可见，该方法及装置能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题，从而提升电池管理效率。

Description

一种电池模型参数更新方法及装置
技术领域
本申请涉及电池仿真技术领域，具体而言，涉及一种电池模型参数更新方法及装置。
背景技术
SOC的估算是电池管理系统的一个重要任务，目前常用的算法是“安时积分+卡尔曼滤波”，可以获得比较准确的估算结果。其中，卡尔曼滤波在SOC估算中的实现，是指基于电芯的集总电路模型建立线性系统方程，构建观测器；通过系统的输入，通常是指电流，观测系统的输出，通常指单体电压，对系统状态，即SOC，进行最优估计。其中，电芯的模型参数是通过抽样进行HPPC试验获得数据，再进行拟合得到的电芯特性数据。这种算法高度依赖于电芯特性参数的准确性。这在电芯一致性较好、健康状态良好的初期，电池模型比较符合实际，可以获得比较好的估算结果。但是，随着电芯老化，电芯特性参数不断变化，观测器观测到的误差不断变大，将会导致SOC估计不准确，将产生系统性误差，并且使得SOC处于反复修正状态，这对于电池的管理是不利的。可见，随着电芯老化，电芯特性参数不断变化，容易产生误差，从而降低电池管理效率。
发明内容
本申请实施例的目的在于提供一种电池模型参数更新方法及装置，能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题，从而提升电池管理效率。
本申请第一方面提供了一种电池模型参数更新方法，包括：
获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；
对所述电池实时运行数据进行参数辨识，得到实时电芯特性参数；
基于所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数；
对所述目标辨识参数进行电池镜像仿真，得到仿真结果；
根据所述仿真结果判断是否需要对所述目标辨识参数进行修正；
如果否，则将所述目标辨识参数反馈至所述电池管理系统，以使所述电池管理系统根据所述目标辨识参数对预设的电池模型进行参数更新。
进一步地，所述对所述目标辨识参数进行电池镜像仿真，得到仿真结果，包括：
基于所述目标辨识参数建立基于计算机云平台的电池镜像仿真模型；
基于所述电池实时运行数据，提取实时激励数据和实际响应数据；
将所述实时激励数据输入至所述电池镜像仿真模型进行仿真，得到仿真结果。
进一步地，所述基于所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数，包括：
根据预设的加权系数和所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数。
进一步地，所述根据所述仿真结果判断是否需要对所述目标辨识参数进行修正，包括：
对所述仿真结果进行采样，得到仿真响应数据；
比对所述实际响应数据和所述仿真响应数据，得到比对结果；
基于所述比对结果，确定仿真误差；
判断所述仿真误差是否超过预设误差阈值；
当判断出所述仿真误差不超过所述预设误差阈值时，确定不需要对所述目标辨识参数进行修正，并执行所述的将所述目标辨识参数反馈至所述电池管理系统。
进一步地，所述方法还包括：
当判断出所述仿真误差超过所述预设误差阈值时，确定需要对所述目标辨识参数进行修正；
获取对所述原始电芯特性参数进行修正时的第一加权系数；
根据所述仿真误差对所述第一加权系数进行修正，得到第二加权系数；所述第二加权系数为修正后的加权系数；
基于所述第二加权系数和所述电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数，并执行所述的对所述目标辨识参数进行电池镜像仿真，得到仿真结果。
本申请第二方面提供了一种电池模型参数更新装置，所述电池模型参数更新装置包括：
获取单元，用于获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；
参数辨识单元，用于对所述电池实时运行数据进行参数辨识，得到实时电芯特性参数；
修正单元，用于基于所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数；
仿真单元，用于对所述目标辨识参数进行电池镜像仿真，得到仿真结果；
判断单元，用于根据所述仿真结果判断是否需要对所述目标辨识参数进行修正；
反馈单元，用于当判断出不对所述目标辨识参数进行修正时，则将所述目标辨识参数反馈至所述电池管理系统，以使所述电池管理系统根据所述目标辨识参数对预设的电池模型进行参数更新。
进一步地，所述仿真单元包括：
建立子单元，用于基于所述目标辨识参数建立基于计算机云平台的电池镜像仿真模型；
提取子单元，用于基于所述电池实时运行数据，提取实时激励数据和实际响应数据；
仿真子单元，用于将所述实时激励数据输入至所述电池镜像仿真模型进行仿真，得到仿真结果。
进一步地，所述修正单元，具体用于根据预设的加权系数和所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数。
进一步地，所述判断单元包括：
采样子单元，用于对所述仿真结果进行采样，得到仿真响应数据；
比对子单元，用于比对所述实际响应数据和所述仿真响应数据，得到比对结果；
确定子单元，用于基于所述比对结果，确定仿真误差；
判断子单元，用于判断所述仿真误差是否超过预设误差阈值；并在判断出所述仿真误差不超过所述预设误差阈值时，确定不需要对所述目标辨识参数进行修正，并出发所述反馈单元执行所述的将所述目标辨识参数反馈至所述电池管理系统。
进一步地，所述电池模型参数更新装置还包括：
确定单元，用于当判断出所述仿真误差超过所述预设误差阈值时，确定需要对所述目标辨识参数进行修正；
所述获取单元，还用于获取对所述原始电芯特性参数进行修正时的第一加权系数；
所述修正单元，还用于根据所述仿真误差对所述第一加权系数进行修正，得到第二加权系数；所述第二加权系数为修正后的加权系数；
所述修正单元，还用于基于所述第二加权系数和所述电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数，并触发所述仿真单元执行所述的对所述目标辨识参数进行电池镜像仿真，得到仿真结果。
本申请第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请第一方面中任一项所述的电池模型参数更新方法。
本申请第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请第一方面中任一项所述的电池模型参数更新方法。
本申请的有益效果为：该方法及装置能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题，从而提升电池管理效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种电池模型参数更新方法的流程示意图；
图2为本申请实施例提供的另一种电池模型参数更新方法的流程示意图；
图3为本申请实施例提供的一种电池模型参数更新装置的结构示意图；
图4为本申请实施例提供的另一种电池模型参数更新装置的结构示意图；
图5为本申请实施例提供的一种参数辨识与修正的流程架构图；
图6为本申请实施例提供的一种二阶的电路模型示意图；
图7为本申请实施例提供的一种电流-时间曲线示意图；
图8为本申请实施例提供的一种伏安特性曲线。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
请参看图1，图1为本实施例提供的一种电池模型参数更新方法的流程示意图。其中，该电池模型参数更新方法包括：
S101、获取电池管理系统上传的电池实时运行数据和原始电芯特性参数。
S102、对电池实时运行数据进行参数辨识，得到实时电芯特性参数。
S103、基于实时电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数。
S104、对目标辨识参数进行电池镜像仿真，得到仿真结果。
S105、根据仿真结果判断是否需要对目标辨识参数进行修正，若是，则结束本流程；若否，则执行步骤S106。
S106、将目标辨识参数反馈至电池管理系统，以使电池管理系统根据目标辨识参数对预设的电池模型进行参数更新。
请参照图5示出的参数辨识与修正的流程架构图，基于该图可以看出，该方法作为一种基于大数据及电池镜像仿真的电芯特性参数辨识与修正方法，主要要点如下所示：
(1)在云平台上，基于电池管理系统上传的电池实时运行数据，对电芯特性参数进行辨识。
(2)基于辨识的电芯特性参数，对原来的电芯特性参数进行修正，并基于修正后的电芯特性参数建立基于云计算的电池仿真镜像。
(3)基于建立的电池镜像，提取电池实时运行数据中的激励数据作为输入，生成观测数据。
(4)提取电池实时运行数据中的响应数据，与观测数据进行对比，计算观测误差。
(5)基于观测误差，修正电芯特性参数，并再一次进行电池镜像仿真。
(6)重复步骤3～5，直至观测误差小于许可值，输出最后的电芯特性参数。
(7)将修正后的电芯特性参数下载到实际运行的电池管理系统，更新模型参数。
本实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
在本实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
可见，实施本实施例所描述的电池模型参数更新方法，能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题。同时，还能够让仿真逐渐逼近真实，从而避开辨识结果容易发散的问题，进而获得稳定、精确的辨识结果，以及较为直观的判断依据。
实施例2
请参看图2，图2为本实施例提供的一种电池模型参数更新方法的流程示意图。其中，该电池模型参数更新方法包括：
S201、获取电池管理系统上传的电池实时运行数据和原始电芯特性参数。
S202、对电池实时运行数据进行参数辨识，得到实时电芯特性参数。
本实施例中，该方法在计算机云平台上，可以通过大数据系统获取电池管理系统上传的电池实时运行数据。并根据参数辨识原理选择合适的数据段，对特定的电芯参数进行辨识。
进一步地，该方法提出一种基于实时数据的电池特性参数辨识方法。其中，该方法先选择集总参数的电路模型来为电池进行建模，以下以二阶的电路模型为例(请参看图6，图6示出了一种二阶的电路模型示意图)。
根据电路理论知识，可以得到以下关系：
UL＝US+IR0+Ul+U2；
根据电路系统对激励响应的特点，该方法可以通过选择合适的数据，使得某一分量的作用起主要作用。具体的，可以采用但不限于以下场景进行参数辨识：
(1)场景一：在产生剧烈的电流变化时，进行欧姆内阻的辨识：
如图7所示，图7示出了一种电流-时间曲线示意图；如图8所示，图8示出了一种伏安特性曲线，其拟合的斜率代表欧姆内阻。拟合的结果用于修正欧姆内助参数。
(2)场景二：放电后静置的时间段内，电流为零，RC的电路响应可以认为是零输入响应，因此可以采用最小二乘拟合时间常数，拟合的结果用于修正时间参数τ1、τ2，拟合函数为：
UL＝US+U1+U2；
(3)场景三：在电池静置一段时间后的上电，可以认为零状态响应，可以用于辨识内阻R1、R2，拟合函数为：
UL＝US+IR0+U1+U2；
S203、根据预设的加权系数和实时电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数。
本实施例中，该方法可以对电芯的辨识参数进行修正。
举例来说，该方法可以采取加权的方法进行修正，修正的通用公式如下：
X3＝(1-k)X1+kX2；
其中，X1表示原来的参数；
X2表示辨识的结果；
X3表示基于辨识结果修正之后的参数；
k表示修正的加权系数。
S204、基于目标辨识参数建立基于计算机云平台的电池镜像仿真模型。
本实施例中，该方法可以基于修正后的电芯特性参数，建立基于计算机云平台的电池镜像仿真模型；作为特例，仿真模型包括但不限于二阶、三阶的集总参数模型，及其他可能的电池仿真模型。
S205、基于电池实时运行数据，提取实时激励数据和实际响应数据。
本实施例中，该方法可以基于电池实时运行的数据，提取实时的激励数据(包括但不限于电流数据)。
S206、将实时激励数据输入至电池镜像仿真模型进行仿真，得到仿真结果。
本实施例中，该方法可以将上述步骤提取到的数据输入电池镜像模型进行仿真。
S207、对仿真结果进行采样，得到仿真响应数据。
本实施例中，该方法可以基于电池镜像模型的仿真结果进行采样，获取仿真的响应数据(包括但不限于单体电压数据)。
S208、比对实际响应数据和仿真响应数据，得到比对结果。
本实施例中，该方法可以基于电池实时运行的数据，提取同步的实际响应数据(包括但不限于单体电压数据)。
S209、基于比对结果，确定仿真误差。
S210、判断仿真误差是否超过预设误差阈值，若是，则执行步骤S211；若否，则执行步骤S215。
S211、确定需要对目标辨识参数进行修正。
S212、获取对原始电芯特性参数进行修正时的第一加权系数。
S213、根据仿真误差对第一加权系数进行修正，得到第二加权系数；第二加权系数为修正后的加权系数。
本实施例中，该方法可以基于上述的仿真单体电压数据和实际单体电压数据进行比较，获取仿真误差，并以此来修正加权参数k。其中，关于误差的获取，可以采用多种数据统计的手段，包括但不限于平均值、方差、相似云等数学方法，以获得更加全面、精确的结果；对电芯特性参数进行修正时，每次只修正一个，循环进行修正。
S214、基于第二加权系数和电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数，并执行步骤S204。
S215、将目标辨识参数反馈至电池管理系统，以使电池管理系统根据目标辨识参数对预设的电池模型进行参数更新。
本实施例中，该方法可以通过上述步骤中的循环使得误差可以调整到可接受的范围；然后，再将最后的电芯特性参数下载到实际运行的电池管理系统，更新模型参数。
本实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
在本实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
可见，实施本实施例所描述的电池模型参数更新方法，能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题。同时，还能够让仿真逐渐逼近真实，从而避开辨识结果容易发散的问题，进而获得稳定、精确的辨识结果，以及较为直观的判断依据。
实施例3
请参看图3，图3为本实施例提供的一种电池模型参数更新装置的结构示意图。如图3所示，该电池模型参数更新装置包括：
获取单元310，用于获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；
参数辨识单元320，用于对电池实时运行数据进行参数辨识，得到实时电芯特性参数；
修正单元330，用于基于实时电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数；
仿真单元340，用于对目标辨识参数进行电池镜像仿真，得到仿真结果；
判断单元350，用于根据仿真结果判断是否需要对目标辨识参数进行修正；
反馈单元360，用于当判断出不对目标辨识参数进行修正时，则将目标辨识参数反馈至电池管理系统，以使电池管理系统根据目标辨识参数对预设的电池模型进行参数更新。
本实施例中，对于电池模型参数更新装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的电池模型参数更新装置，能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题。同时，还能够让仿真逐渐逼近真实，从而避开辨识结果容易发散的问题，进而获得稳定、精确的辨识结果，以及较为直观的判断依据。
实施例4
请参看图4，图4为本实施例提供的一种电池模型参数更新装置的结构示意图。如图4所示，该电池模型参数更新装置包括：
获取单元310，用于获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；
参数辨识单元320，用于对电池实时运行数据进行参数辨识，得到实时电芯特性参数；
修正单元330，用于基于实时电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数；
仿真单元340，用于对目标辨识参数进行电池镜像仿真，得到仿真结果；
判断单元350，用于根据仿真结果判断是否需要对目标辨识参数进行修正；
反馈单元360，用于当判断出不对目标辨识参数进行修正时，则将目标辨识参数反馈至电池管理系统，以使电池管理系统根据目标辨识参数对预设的电池模型进行参数更新。
作为一种可选的实施方式，仿真单元340包括：
建立子单元341，用于基于目标辨识参数建立基于计算机云平台的电池镜像仿真模型；
提取子单元342，用于基于电池实时运行数据，提取实时激励数据和实际响应数据；
仿真子单元343，用于将实时激励数据输入至电池镜像仿真模型进行仿真，得到仿真结果。
作为一种可选的实施方式，修正单元330，具体用于根据预设的加权系数和实时电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数。
作为一种可选的实施方式，判断单元350包括：
采样子单元351，用于对仿真结果进行采样，得到仿真响应数据；
比对子单元352，用于比对实际响应数据和仿真响应数据，得到比对结果；
确定子单元353，用于基于比对结果，确定仿真误差；
判断子单元354，用于判断仿真误差是否超过预设误差阈值；并在判断出仿真误差不超过预设误差阈值时，确定不需要对目标辨识参数进行修正，并出发反馈单元360执行的将目标辨识参数反馈至电池管理系统。
作为一种可选的实施方式，电池模型参数更新装置还包括：
确定单元370，用于当判断出仿真误差超过预设误差阈值时，确定需要对目标辨识参数进行修正；
获取单元310，还用于获取对原始电芯特性参数进行修正时的第一加权系数；
修正单元330，还用于根据仿真误差对第一加权系数进行修正，得到第二加权系数；第二加权系数为修正后的加权系数；
修正单元330，还用于基于第二加权系数和电芯特性参数对原始电芯特性参数进行修正，得到目标辨识参数，并触发仿真单元340执行的对目标辨识参数进行电池镜像仿真，得到仿真结果。
本实施例中，对于电池模型参数更新装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的电池模型参数更新装置，能够解决在电池产品中后期由于参数变化导致电池状态估计不准确的问题。同时，还能够让仿真逐渐逼近真实，从而避开辨识结果容易发散的问题，进而获得稳定、精确的辨识结果，以及较为直观的判断依据。
本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中的电池模型参数更新方法。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中的电池模型参数更新方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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存储介质中。基于这样的理解，本申请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(可以是个人计算机，服务器，或者网络设备等)执行本申请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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种电池模型参数更新方法，其特征在于，包括：
获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；
对所述电池实时运行数据进行参数辨识，得到实时电芯特性参数；
基于所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数；
对所述目标辨识参数进行电池镜像仿真，得到仿真结果；
根据所述仿真结果判断是否需要对所述目标辨识参数进行修正；
如果否，则将所述目标辨识参数反馈至所述电池管理系统，以使所述电池管理系统根据所述目标辨识参数对预设的电池模型进行参数更新。
2.根据权利要求1所述的电池模型参数更新方法，其特征在于，所述对所述目标辨识参数进行电池镜像仿真，得到仿真结果，包括：
基于所述目标辨识参数建立基于计算机云平台的电池镜像仿真模型；
基于所述电池实时运行数据，提取实时激励数据和实际响应数据；
将所述实时激励数据输入至所述电池镜像仿真模型进行仿真，得到仿真结果。
3.根据权利要求1所述的电池模型参数更新方法，其特征在于，所述基于所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数，包括：
根据预设的加权系数和所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数。
4.根据权利要求2所述的电池模型参数更新方法，其特征在于，所述根据所述仿真结果判断是否需要对所述目标辨识参数进行修正，包括：
对所述仿真结果进行采样，得到仿真响应数据；
比对所述实际响应数据和所述仿真响应数据，得到比对结果；
基于所述比对结果，确定仿真误差；
判断所述仿真误差是否超过预设误差阈值；
当判断出所述仿真误差不超过所述预设误差阈值时，确定不需要对所述目标辨识参数进行修正，并执行所述的将所述目标辨识参数反馈至所述电池管理系统。
5.根据权利要求4所述的电池模型参数更新方法，其特征在于，所述方法还包括：
当判断出所述仿真误差超过所述预设误差阈值时，确定需要对所述目标辨识参数进行修正；
获取对所述原始电芯特性参数进行修正时的第一加权系数；
根据所述仿真误差对所述第一加权系数进行修正，得到第二加权系数；所述第二加权系数为修正后的加权系数；
基于所述第二加权系数和所述电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数，并执行所述的对所述目标辨识参数进行电池镜像仿真，得到仿真结果。
6.一种电池模型参数更新装置，其特征在于，所述电池模型参数更新装置包括：
获取单元，用于获取电池管理系统上传的电池实时运行数据和原始电芯特性参数；
参数辨识单元，用于对所述电池实时运行数据进行参数辨识，得到实时电芯特性参数；
修正单元，用于基于所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数；
仿真单元，用于对所述目标辨识参数进行电池镜像仿真，得到仿真结果；
判断单元，用于根据所述仿真结果判断是否需要对所述目标辨识参数进行修正；
反馈单元，用于当判断出不对所述目标辨识参数进行修正时，则将所述目标辨识参数反馈至所述电池管理系统，以使所述电池管理系统根据所述目标辨识参数对预设的电池模型进行参数更新。
7.根据权利要求6所述的电池模型参数更新装置，其特征在于，所述仿真单元包括：
建立子单元，用于基于所述目标辨识参数建立基于计算机云平台的电池镜像仿真模型；
提取子单元，用于基于所述电池实时运行数据，提取实时激励数据和实际响应数据；
仿真子单元，用于将所述实时激励数据输入至所述电池镜像仿真模型进行仿真，得到仿真结果。
8.根据权利要求6所述的电池模型参数更新装置，其特征在于，所述修正单元，具体用于根据预设的加权系数和所述实时电芯特性参数对所述原始电芯特性参数进行修正，得到目标辨识参数。
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的电池模型参数更新方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至5任一项所述的电池模型参数更新方法。
CN202311473173.0A 2023-11-07 2023-11-07 一种电池模型参数更新方法及装置 Pending CN117368741A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311473173.0A CN117368741A (zh) 2023-11-07 2023-11-07 一种电池模型参数更新方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311473173.0A CN117368741A (zh) 2023-11-07 2023-11-07 一种电池模型参数更新方法及装置

Publications (1)

Publication Number Publication Date
CN117368741A true CN117368741A (zh) 2024-01-09

Family

ID=89389151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311473173.0A Pending CN117368741A (zh) 2023-11-07 2023-11-07 一种电池模型参数更新方法及装置

Country Status (1)

Country Link
CN (1) CN117368741A (zh)

Similar Documents

Publication Publication Date Title
US9952289B2 (en) Storage battery evaluating apparatus and method
CN108089135B (zh) 一种基于极限学习模型的电池状态预测系统及其实现方法
JP2020194767A (ja) Ｓｏｃ補正方法及び装置、電池管理システム、及び記憶媒体
EP3542173A1 (en) Determining a state of health of a battery and providing an alert
CN112858916B (zh) 一种基于模型与数据驱动融合的电池包荷电状态估计方法
WO2018112818A1 (zh) 一种电池循环寿命的快速预测方法及其快速预测装置
CN113176505A (zh) 车载动力电池荷电状态与健康状态在线估算方法、装置及存储介质
CN111044906A (zh) 一种基于极大似然准则的锂离子电池能量状态估算方法
CN111142025A (zh) 一种电池soc估算方法、装置、存储介质及电动汽车
EP4333242A1 (en) Battery state estimation device and power system
CN111413618A (zh) 一种锂离子电池的等效电路模型参数关系计算方法及系统
CN116298904A (zh) 一种基于分数阶多新息双无迹卡尔曼滤波联合估计锂电池soc和soh的方法
CN111222553A (zh) 机器学习模型的训练数据处理方法、装置和计算机设备
CN108108299B (zh) 一种用户界面测试方法及装置
CN117368741A (zh) 一种电池模型参数更新方法及装置
CN117129874A (zh) 电池等效电路模型的参数辨识方法及装置
CN116400223A (zh) 一种电池电量信息生成方法、设备及可读存储介质
CN111353526A (zh) 一种图像匹配方法、装置以及相关设备
CN113466718B (zh) 一种手机电池soc校正方法
CN113777497B (zh) 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备
CN116227674A (zh) 一种基于在线更新模型的碳排放预测方法
CN113125965B (zh) 电池析锂检测方法、装置、设备及存储介质
CN113030555B (zh) 储能器开路电压估计方法、装置、终端设备及存储介质
JP2014202654A (ja) バッテリ状態推定装置
CN111723454A (zh) 一种二阶pngv模型参数的在线生成方法、装置和计算机设备

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