CN117572244A - 一种基于高算力平台的soc估算方法、系统及设备 - Google Patents
一种基于高算力平台的soc估算方法、系统及设备 Download PDFInfo
- Publication number
- CN117572244A CN117572244A CN202311489321.8A CN202311489321A CN117572244A CN 117572244 A CN117572244 A CN 117572244A CN 202311489321 A CN202311489321 A CN 202311489321A CN 117572244 A CN117572244 A CN 117572244A
- Authority
- CN
- China
- Prior art keywords
- soc
- time
- soc value
- value
- charging end
- 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 33
- 238000012937 correction Methods 0.000 claims abstract description 41
- 230000006870 function Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 230000007774 longterm Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 230000000750 progressive 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]
- G01R31/367—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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开一种基于高算力平台的SOC估算方法、系统及设备，涉及电池管理技术领域，方法包括：采用高算力平台获取目标电池系统的运行数据集合，确定剩余可用容量；基于运行数据集合，确定当下充电结束时刻及对应的SOC值；若目标电池系统处于满充状态，则将当下充电结束时刻的SOC值标记为满充SOC值；若未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，进而推算校正后的当下充电结束时刻的SOC值；基于校正后的当下充电结束时刻的SOC值及剩余可用容量，推算第二预设时段内的SOC值。本发明实现全生命周期全场景SOC高精度估算和校正。
Description
技术领域
本发明涉及电池管理技术领域，特别是涉及一种基于高算力平台的SOC估算方法、系统及设备。
背景技术
电池荷电状态SOC(stateofcharge)代表电池当前荷电量与当前可用容量比例，对于车主衡量可行驶里程、决策充电起关键影响，当前行业技术水平可保障SOC估算误差低于8％，且随着技术进步，部分技术可保障SOC误差低于5％。但当电池衰老、容量不均衡、长期无满充矫正的情况下，SOC容易出现远远高于8％的误差，甚至出现可高达50％以上的误差，致使SOC显示值维持在50％以上时突然出现电池单体欠压报警、SOC短时间降低至0％、车辆动力被限甚至抛锚等现象。以上问题的发生，是由于电池管理系统BMS算力低，无法识别出衰老、不一致、无满充SOC偏差大等原因导致，尤其是采用磷酸铁锂作为正极材料的电池体系，因磷酸铁锂电池电压平台较平，难以识别准确的SOC状态，以上问题的发生概率显著偏多。
发明内容
本发明的目的是提供一种基于高算力平台的SOC估算方法、系统及设备，实现全生命周期全场景SOC高精度估算和校正。
为实现上述目的，本发明提供了如下方案：
第一方面，本发明提供一种基于高算力平台的SOC估算方法，包括：
采用高算力平台获取目标电池系统的运行数据集合；所述运行数据集合包括第一预设时段内各运行时刻的电压、电流及时间值；
基于所述运行数据集合，确定所述目标电池系统的剩余可用容量；
基于所述运行数据集合，确定当下充电结束时刻及对应的SOC值；
若在所述当下充电结束时刻，所述目标电池系统处于满充状态，则将所述当下充电结束时刻的SOC值标记为满充SOC值；
若在所述当下充电结束时刻，所述目标电池系统未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数；
基于所述校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值；
基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值；所述第二预设时段的起始时刻为所述当下充电结束时刻。
第二方面，本发明提供一种基于高算力平台的SOC估算系统，包括：
运行数据获取模块，用于采用高算力平台获取目标电池系统的运行数据集合；所述运行数据集合包括第一预设时段内各运行时刻的电压、电流及时间值；
可用容量确定模块，用于基于所述运行数据集合，确定所述目标电池系统的剩余可用容量；
充电结束确定模块，用于基于所述运行数据集合，确定当下充电结束时刻及对应的SOC值；
第一满充标记模块，用于若在所述当下充电结束时刻，所述目标电池系统处于满充状态，则将所述当下充电结束时刻的SOC值标记为满充SOC值；
校正模块，用于若在所述当下充电结束时刻，所述目标电池系统未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数；
第二满充标记模块，用于基于所述校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值；
SOC推算模块，用于基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值；所述第二预设时段的起始时刻为所述当下充电结束时刻。
第三方面，本发明提供一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行基于高算力平台的SOC估算方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种基于高算力平台的SOC估算方法、系统及设备，基于高算力平台确定目标电池系统的剩余可用容量，将其用作后续SOC变化的依据，解决衰老、不均衡导致的SOC误差问题；基于运行数据集合，确定当下充电结束时刻及对应的SOC值；若在当下充电结束时刻，目标电池系统处于满充状态，则将对应的SOC值标记为满充SOC值；若在当下充电结束时刻，未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数，从而解决长期无满充导致的SOC误差问题；最后，基于校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值，进而推算第二预设时段内的SOC值。本发明能够解决现有技术方案在电池衰老、容量不均衡、长期无满充等情况下SOC误差极大的问题，可实现全生命周期全场景SOC高精度估算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于高算力平台的SOC估算方法的流程示意图；
图2为本发明实例示意图；
图3为本发明基于高算力平台的SOC估算系统的示意图。
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，都属于本发明保护的范围。
截至目前，已存在的SOC估算方法都为基于BMS硬件建立的方法，无数据存储功能以及利用历史数据校正当前SOC的功能，主要采用卡尔曼滤波、安时积分和特殊电压点校正的方法，无法避免系统容量出现异常以及长时间无满充情况下的SOC误差极大的问题，易发生SOC偏高车辆抛锚的问题。基于此，本发明提供了一种基于高算力平台的SOC估算方法、系统及设备，由高算力平台，接收电池系统的电流、电压、时间等信息后，由高算力平台替代电池管理系统(BMS)进行SOC估算。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示，本发明提供一种基于高算力平台的SOC估算方法，包括：
步骤100，采用高算力平台获取目标电池系统的运行数据集合，具体地，为BMS存储在高算力平台中的历史运行数据；所述运行数据集合包括第一预设时段内各运行时刻的电压、电流及时间值。其中，电压可以为目标电池系统中所有单体电池在各运行时刻的最高/最低单体电压值，也可以为容量最低单体电池的电压值；而高算力平台可以为车机系统或者车载电脑等具备高算力的设备。
步骤200，基于所述运行数据集合，确定所述目标电池系统的剩余可用容量；具体地，设计电池SOH估算系统，利用高算力平台存储的运行数据集合估算电池的剩余可用容量SOHsys。
步骤300，基于所述运行数据集合，确定当下充电结束时刻及对应的SOC值。
步骤400，若在所述当下充电结束时刻，所述目标电池系统处于满充状态，则将所述当下充电结束时刻的SOC值标记为满充SOC值。其中，目标电池系统处于满充状态指电池达到充电的上限，可由目标电池系统直接给出结果。
步骤500，若在所述当下充电结束时刻，所述目标电池系统未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数。
所述上次充电后的开路电压的确定过程，具体包括：
(1)以所述当下充电结束时刻t3为起始，依据时间顺序往前推，以确定当下充电开始时刻t2。
(2)以所述当下充电开始时刻t2为起始，依据时间顺序往前推，以确定上次充电结束时刻t1。
(3)基于所述上次充电结束时刻t1与所述当下充电开始时刻t2之间的时段，确定所述目标电池系统在上次充电后的开路电压。具体地，设计电池模型(可为等效电路模型、单颗粒电化学模型、伪二维电化学模型等)，利用辨识算法计算开路电压。进一步来说，所述上次充电后的开路电压的确定算法(即辨识算法)包括最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法及智能机器学习优化算法。在实际应用中，所有能辨识得到OCV的算法均可使用。
以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数，具体包括：
以如下公式对所述开路电压误差进行优化计算：
J＝std(OCV12-Uoc12)。
OCV12(k)＝f(θ(k))。
其中，J表示开路电压误差的值，std()表示标准差函数，OCV12表示校正后的开路电压，Uoc12表示上次充电后利用电池模型辨识得到的开路电压，f()为SOC-OCV拟合函数，为高斯函数、多项式函数、双曲正切函数、插值函数及平滑函数的其中之一；SOCbegin为上次充电结束时刻的SOC值，其最大值为100，最小值为0；λ为校正系数，在单次求解过程中为固定值；Q(1)表示第1时刻的电池容量值，所述第1时刻指上次充电结束时刻t1，Q(1)为设定值，通常设置为Qn；Q(k)表示第k时刻的电池容量值，第k时刻的电池容量值是根据时间、电流安时积分计算得到的；Qn表示额定容量。
在计算SOCbegin，λ时，可以基于t1-t2时间段的数据同时求解，也可以利用比t1时刻更早期出现满充t0时刻至t0时刻之后充电前t0’时间段内对应的数据求解，此时SOCbegin已知为100，只需单独求解λ，将求解的λ带入t1-t2时间段内仅需求解SOCbegin。
步骤600，基于所述校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值。
具体地，求解得到SOCbegin，λ后，依据上文中θ(k)公式计算当下充电开始时刻t2的θ，标记为θt2，依据如下公式计算t3时刻的真实SOC值，标记为SOCt3，即校正后的当下充电结束时刻的SOC值的计算公式为：
其中，Qcharge表示t2至t3时间段内充电容量值。
在一个具体实例中，方法还包括：
(1)基于所述当下充电结束时刻的SOC值及所述校正后的当下充电结束时刻的SOC值，计算SOC误差值；根据公式Error_SOC＝SOC’-SOCt3计算SOC误差值；SOC’代表当前显示SOC值，即当下充电结束时刻的SOC值；Error_SOC为SOC误差值。
(2)当所述SOC误差值处于预设误差阈值范围内时，将所述当下充电结束时刻的SOC值标记为输出SOC值。
(3)当所述SOC误差值未处于预设误差阈值范围内时，将所述校正后的当下充电结束时刻的SOC值标记为输出SOC值，并依据所述SOC误差值对所述目标电池系统进行误差矫正，具体可依据一定的误差矫正规律将Error_SOC平摊至之后的时段中，以使得Error_SOC逐渐校正为0。
步骤700，基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值；所述第二预设时段的起始时刻为所述当下充电结束时刻。
步骤700，具体包括：根据如下公式计算第二预设时段内的SOC值：
其中，SOC(k)表示目标电池系统中第k时刻电池的SOC值，SOC(k-1)表示目标电池系统中第k-1时刻电池的SOC值，I(k)表示目标电池系统中第k时刻电池的电流，t(k)表示第k时刻的时间，t(k-1)表示第k-1时刻的时间。
如图2所示，在一个具体实例中，包括目标电池系统、电池管理系统(BMS)及高算力平台，目标电池系统与BMS相连接，互相通信，BMS通过采集到的电池系统的信息对电池系统进行管理。高算力平台与BMS系统相连接互相通信，BMS将采集到的电池系统的电压、电流、SOC、时间等参数传输给高算力平台，高算力平台依据BMS传输的参数对电池系统的可用剩余可用容量(SOHsys)进行估算、判断其当下充电结束时刻的SOC值是否为满充SOC值并进行相应的校正和计算，然后将剩余可用容量、满充SOC值或校正后的当下充电结束时刻的SOC值传递回给BMS，同时基于SOC误差值触发校正。BMS基于接收到的触发校正的数据进行相应调控。至此，实现初始的校正和估算。
综上，本发明通过搭建电池模型估算电池剩余可用容量以及设计满充与非满充情况下不同的校正方法，避免了电池系统可用容量异常以及长期无满充引发SOC误差过大的问题，从而可确保异常状态下SOC的准确估算。本发明能解决现有技术方案SOC在电池系统容量异常以及长期非满充时SOC误差极大的问题，可通过车载高算力平台实现车端应用。
实施例二
如图3所示，为了实现实施例一中的技术方案，以达到相应的功能和技术效果，本实施例还提供了一种基于高算力平台的SOC估算系统，包括：
运行数据获取模块，用于采用高算力平台获取目标电池系统的运行数据集合；所述运行数据集合包括第一预设时段内各运行时刻的电压、电流及时间值。
可用容量确定模块，用于基于所述运行数据集合，确定所述目标电池系统的剩余可用容量。
充电结束确定模块，用于基于所述运行数据集合，确定当下充电结束时刻及对应的SOC值。
第一满充标记模块，用于若在所述当下充电结束时刻，所述目标电池系统处于满充状态，则将所述当下充电结束时刻的SOC值标记为满充SOC值。
校正模块，用于若在所述当下充电结束时刻，所述目标电池系统未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数。
第二满充标记模块，用于基于所述校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值。
SOC推算模块，用于基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值；所述第二预设时段的起始时刻为所述当下充电结束时刻。
实施例三
本实施例提供一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行实施例一的基于高算力平台的SOC估算方法。可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的基于高算力平台的SOC估算方法。
相较于现有技术，本发明还具有如下优点：
1)本发明依据电池模型求取电池剩余可用容量，依此进行SOC估算，避免了因电池衰老或者不均衡问题导致系统容量降低时引起的SOC极大误差问题。
2)本发明依据充电结束时刻满充和非满充状态，依次采用不同的SOC校正方法，避免了长期不满充引起的SOC误差增大的问题。
3)本发明高算力平台具备较高算力和存储功能，与BMS互相通信，可通过二者协作，更高效、准确地实现SOC估算。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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，对于本领域的一般技术人员，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 (9)
1.一种基于高算力平台的SOC估算方法，其特征在于，方法包括：
采用高算力平台获取目标电池系统的运行数据集合；所述运行数据集合包括第一预设时段内各运行时刻的电压、电流及时间值；
基于所述运行数据集合，确定所述目标电池系统的剩余可用容量；
基于所述运行数据集合，确定当下充电结束时刻及对应的SOC值；
若在所述当下充电结束时刻，所述目标电池系统处于满充状态，则将所述当下充电结束时刻的SOC值标记为满充SOC值；
若在所述当下充电结束时刻，所述目标电池系统未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数；
基于所述校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值；
基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值；所述第二预设时段的起始时刻为所述当下充电结束时刻。
2.根据权利要求1所述的基于高算力平台的SOC估算方法，其特征在于，所述上次充电后的开路电压的确定过程，具体包括：
以所述当下充电结束时刻为起始，依据时间顺序往前推，以确定当下充电开始时刻；
以所述当下充电开始时刻为起始，依据时间顺序往前推，以确定上次充电结束时刻；
基于所述上次充电结束时刻与所述当下充电开始时刻之间的时段，确定所述目标电池系统在上次充电后的开路电压。
3.根据权利要求1所述的基于高算力平台的SOC估算方法，其特征在于，所述上次充电后的开路电压的确定算法包括最小二乘辨识算法、卡尔曼滤波算法、H无穷大算法及智能机器学习优化算法。
4.根据权利要求1所述的基于高算力平台的SOC估算方法，其特征在于，以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数，具体包括：
以如下公式对所述开路电压误差进行优化计算：
J＝std(OCV12-Uoc12)；
OCV12(k)＝f(θ(k))；
其中，J表示开路电压误差的值，std()表示标准差函数，OCV12表示校正后的开路电压，Uoc12表示上次充电后利用电池模型辨识得到的开路电压，f()为SOC-OCV拟合函数，SOCbegin为上次充电结束时刻的SOC值，λ为校正系数；Q(1)表示第1时刻的电池容量值，所述第1时刻指上次充电结束时刻；Q(k)表示目标第k时刻的电池容量值；Qn表示额定容量。
5.根据权利要求1所述的基于高算力平台的SOC估算方法，其特征在于，基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值，具体包括：
根据如下公式计算第二预设时段内的SOC值：
其中，SOC(k)表示目标电池系统中第k时刻电池的SOC值，SOC(k-1)表示目标电池系统中第k-1时刻电池的SOC值，I(k)表示目标电池系统中第k时刻电池的电流，t(k)表示第k时刻的时间，t(k-1)表示第k-1时刻的时间，SOHsys表示剩余可用容量，Qn表示额定容量。
6.根据权利要求1所述的基于高算力平台的SOC估算方法，其特征在于，方法还包括：
基于所述当下充电结束时刻的SOC值及所述校正后的当下充电结束时刻的SOC值，计算SOC误差值；
当所述SOC误差值处于预设误差阈值范围内时，将所述当下充电结束时刻的SOC值标记为输出SOC值；
当所述SOC误差值未处于预设误差阈值范围内时，将所述校正后的当下充电结束时刻的SOC值标记为输出SOC值，并依据所述SOC误差值对所述目标电池系统进行误差矫正。
7.根据权利要求4所述的基于高算力平台的SOC估算方法，其特征在于，所述SOC-OCV拟合函数为高斯函数、多项式函数、双曲正切函数、插值函数及平滑函数的其中之一。
8.一种基于高算力平台的SOC估算系统，其特征在于，系统包括：
运行数据获取模块，用于采用高算力平台获取目标电池系统的运行数据集合；所述运行数据集合包括第一预设时段内各运行时刻的电压、电流及时间值；
可用容量确定模块，用于基于所述运行数据集合，确定所述目标电池系统的剩余可用容量；
充电结束确定模块，用于基于所述运行数据集合，确定当下充电结束时刻及对应的SOC值；
第一满充标记模块，用于若在所述当下充电结束时刻，所述目标电池系统处于满充状态，则将所述当下充电结束时刻的SOC值标记为满充SOC值；
校正模块，用于若在所述当下充电结束时刻，所述目标电池系统未处于满充状态，则获取上次充电后的开路电压，并以开路电压误差最小为目标，对上次充电后的SOC值进行校正，以确定校正后的上次充电结束时刻的SOC值及对应的校正系数；
第二满充标记模块，用于基于所述校正后的上次充电结束时刻的SOC值及对应的校正系数，推算校正后的当下充电结束时刻的SOC值；
SOC推算模块，用于基于所述校正后的当下充电结束时刻的SOC值及所述剩余可用容量，推算第二预设时段内的SOC值；所述第二预设时段的起始时刻为所述当下充电结束时刻。
9.一种电子设备，其特征在于，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行权利要求1-7任一项所述的基于高算力平台的SOC估算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311489321.8A CN117572244A (zh) | 2023-11-10 | 2023-11-10 | 一种基于高算力平台的soc估算方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311489321.8A CN117572244A (zh) | 2023-11-10 | 2023-11-10 | 一种基于高算力平台的soc估算方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117572244A true CN117572244A (zh) | 2024-02-20 |
Family
ID=89894590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311489321.8A Pending CN117572244A (zh) | 2023-11-10 | 2023-11-10 | 一种基于高算力平台的soc估算方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117572244A (zh) |
-
2023
- 2023-11-10 CN CN202311489321.8A patent/CN117572244A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109507611B (zh) | 一种电动汽车的soh修正方法及系统 | |
| CN109557477B (zh) | 一种电池系统健康状态估算方法 | |
| US9533597B2 (en) | Parameter identification offloading using cloud computing resources | |
| KR100759706B1 (ko) | 하이브리드 차량용 배터리의 충전상태 추정 방법 | |
| US8000915B2 (en) | Method for estimating state of charge of a rechargeable battery | |
| WO2015106691A1 (zh) | 一种混合动力车用动力电池soc估算方法 | |
| CN105548898A (zh) | 一种离线数据分段矫正的锂电池soc估计方法 | |
| CN109669131B (zh) | 一种工况环境下动力电池soc估算方法 | |
| CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
| CN107064847A (zh) | 一种电动汽车电池荷电状态校正方法及装置 | |
| CN108445422B (zh) | 基于极化电压恢复特性的电池荷电状态估算方法 | |
| CN111707955B (zh) | 电池剩余寿命的估算方法、装置和介质 | |
| CN110320477B (zh) | 动力电池组的soc计算方法、装置和电动汽车 | |
| US11835587B2 (en) | Method for determining full-charge capacity of battery pack, method for determining state of health of battery pack, system, and apparatus | |
| CN111913111A (zh) | 放电功率校正方法、装置、存储介质及电子设备 | |
| CN112415399B (zh) | 电池单体ocv-soc曲线修正方法、设备及存储介质 | |
| CN117250514A (zh) | 一种动力电池系统全生命周期soc的修正方法 | |
| CN116027203A (zh) | 电池短路故障的检测方法及装置 | |
| CN116859278A (zh) | 动力电池的soh修正方法、装置、车辆及存储介质 | |
| CN110554319A (zh) | 基于改进型锂离子电池数学模型的电池参数检测方法 | |
| CN117572244A (zh) | 一种基于高算力平台的soc估算方法、系统及设备 | |
| CN116256642A (zh) | 一种适用于稀疏数据的磷酸铁锂电池故障诊断方法 | |
| CN114740367A (zh) | 一种环艺割草机电池组荷电状态预估方法 | |
| CN114706004B (zh) | 电池包内电芯剩余电量的确定方法、装置、设备及介质 | |
| KR102672694B1 (ko) | 저장 매체를 이용한 배터리 관리 시스템의 soc 보정방법 |
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 |