CN117665597A - 一种锂电池ocv估值方法、系统、电子设备及介质 - Google Patents
一种锂电池ocv估值方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN117665597A CN117665597A CN202410128819.XA CN202410128819A CN117665597A CN 117665597 A CN117665597 A CN 117665597A CN 202410128819 A CN202410128819 A CN 202410128819A CN 117665597 A CN117665597 A CN 117665597A
- Authority
- CN
- China
- Prior art keywords
- preset time
- value
- lithium battery
- sampling
- ocv
- 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.)
- Granted
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 83
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 131
- 230000008859 change Effects 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000007599 discharging Methods 0.000 claims abstract description 9
- 238000010278 pulse charging Methods 0.000 claims abstract description 9
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开一种锂电池OCV估值方法、系统、电子设备及介质,涉及新能源技术领域,方法包括:获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线;在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各预设时间段的采样值组;以各预设时间段的终止时刻的先后顺序,将各采样值组进行排序;计算各采样值组的最大有效值及最大有效值对应的时刻,得到排序后的多个最大有效值的坐标;根据各最大有效值的坐标,计算各最大有效值之间的相似度,得到多个相似值;根据各相似值与预设阈值范围的关系,确定锂电池OCV估值。本发明能够方便地在线得到锂电池的OCV估值。
Description
技术领域
本发明涉及新能源技术领域,特别是涉及一种锂电池OCV估值方法、系统、电子设备及介质。
背景技术
锂电池的开路电压(Open Circuit Voltage,简称OCV)是指在电池没有任何负载或电流流经时,电池的电压水平。OCV是一个重要的电池性能参数,具有以下意义。
1.电池状态指示:OCV可以用来估计电池的充电状态。一般来说,锂电池的OCV与其充电状态之间存在一定的关系。通过测量OCV,可以初步了解电池的电荷水平,判断电池是处于充电、放电还是储存状态。
2.电池健康状态检测:OCV还可以用来评估电池的健康状态。随着时间的推移,电池的性能可能会下降,导致OCV的变化。通过定期测量OCV,可以监测电池的健康状况,并及早发现电池可能存在的问题。
在现有技术中,获得准确的锂电池开路电压(OCV)通常需要电池处于离线静置状态,这是为了确保准确性。OCV是电池在没有负载或电流流经时的电压,因此在以下情况下进行测量通常更准确。
1.离线状态:电池应该不处于充电或放电状态,以确保测量不受电流的影响。这通常需要将电池从电池组或设备中断开。
2.静置时间:电池需要在离线状态下静置一段时间(通常为2小时),以确保其内部化学反应趋于稳定。这段时间的长度取决于电池类型和状态,通常为数小时至数天。
然而这就无法保证其在线使用。
发明内容
本发明的目的是提供一种锂电池OCV估值方法、系统、电子设备及介质,能够在保证OCV估值的准确度的基础上,能够在线进行锂电池OCV估值,提高了锂电池的OCV估值的便捷性。
为实现上述目的,本发明提供了如下方案:一种锂电池OCV估值方法,所述估值方法包括:获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线。
根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组;所述采样值组内包括预设数量的采样值。
以各所述预设时间段的终止时刻的先后顺序,将各所述采样值组进行排序,得到排序后的多个采样值组。
计算各所述采样值组的最大有效值及所述最大有效值对应的时刻,得到排序后的多个最大有效值的坐标。
根据各所述最大有效值的坐标,计算各所述采样值组的最大有效值之间的相似度,得到多个相似值。
根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值。
可选地,所述估值方法还包括:对各所述预设时间段的预设数量的采样值进行滤波。
可选地,根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值,具体包括:判断各所述相似值是否在预设阈值范围内。
当各所述相似值不在预设阈值范围内时,从多个所述预设时间段中去掉初始预设时间段,并增加最新预设时间段,得到更新后的多个预设时间段,并根据所述更新后的多个预设时间段,返回步骤“根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组”继续执行;其中,所述初始预设时间段为终止时刻最早的预设时间段;所述最新预设时间段为终止时刻最晚的预设时间段。
当各所述相似值在预设阈值范围内时,根据各所述最大有效值,得到锂电池OCV估值。
可选地,应用Canny算法计算各所述采样值组的最大有效值。
可选地,应用皮尔森相关系数公式计算各所述采样值组的最大有效值之间的相似度。
可选地,根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,具体包括:根据所述变化曲线,以所述预设时刻为各所述预设时间段的起始时刻,在多个预设时间段内对锂电池OCV值进行采样。
可选地,根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组,具体包括:根据所述变化曲线,以所述预设时刻为第1预设时间段的起始时刻,以第i-1预设时间段的终止时刻作为第i预设时间段的起始时刻,以第i预设时间段的终止时刻作为第i+1预设时间段的起始时刻,在多个预设时间段内对锂电池OCV值进行采样;其中,所述多个预设时间段包括N个预设时间段;1<i≤N;i和N均为正整数。
一种锂电池OCV估值系统,应用上述的锂电池OCV估值方法,所述估值系统包括获取模块、采样模块、排序模块、第一计算模块、第二计算模块和结果确定模块。
获取模块,用于获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线。
采样模块,用于根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组;所述采样值组内包括预设数量的采样值。
排序模块,用于以各所述预设时间段的终止时刻的先后顺序,将各所述采样值组进行排序,得到排序后的多个采样值组。
第一计算模块,用于计算各所述采样值组的最大有效值及所述最大有效值对应的时刻,得到排序后的多个最大有效值的坐标。
第二计算模块,用于根据各所述最大有效值的坐标,计算各所述采样值组的最大有效值之间的相似度,得到多个相似值。
结果确定模块,用于根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值。
一种电子设备,包括存储器及处理器,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上述的锂电池OCV估值方法。
一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述的锂电池OCV估值方法。
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:本发明通过获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线;并在在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各预设时间段的采样值组;然后以各预设时间段的终止时刻的先后顺序,将各采样值组进行排序;计算各采样值组的最大有效值及最大有效值对应的时刻,得到排序后的多个最大有效值的坐标;最后,根据各最大有效值的坐标,计算各采样值组的最大有效值之间的相似度,得到多个相似值;根据各相似值与预设阈值范围的关系,确定锂电池OCV估值。本发明通过各相似值与预设阈值范围的关系来保证OCV估值的准确度,通过在脉冲式充放电过程中得到的可重构电池模组的锂电池OCV值随时间的变化曲线然后根据该曲线得到锂电池OCV估值,实现了在线进行锂电池OCV估值,从而提高了锂电池的OCV估值的便捷性。
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为本发明锂电池OCV估值方法流程图。
图2为本发明锂电池OCV估值方法实际应用流程图。
图3为本发明可重构电池模组在脉冲式充放电过程中电压随时间变化的曲线图。
图4为本发明重构电池模组在脉冲式充放电过程中电流随时间变化的曲线图。
图5为本发明重构电池模组在采样时间段内的工作电压变化曲线上的最大有效值点示意图。
图6为本发明重构电池模组在采样时间段内的工作电压变化量曲线上的最大有效值点示意图。
图7为本发明重构电池模组在脉冲式充放电过程中进行数据采样的模块连接示意图。
图8为本发明Canny算法计算过程流程图。
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。
本发明的目的是提供一种锂电池OCV估值方法、系统、电子设备及介质,能够在保证OCV估值的准确度的基础上,能够在线进行锂电池OCV估值,提高了锂电池的OCV估值的便捷性。
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,本发明提供了一种锂电池OCV估值方法,所述估值方法包括步骤S1至步骤S6。
步骤S1:获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线。
在实际应用中,如图7所示,利用可重构电池模组能够实现在线开关某一模组的工作状态,而保证输出电压和电流不变的特性,获得的锂电池OCV值随时间的变化曲线。
获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线如图3和图4所示。
步骤S2:根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组;所述采样值组内包括预设数量的采样值。
步骤S2包括两种采样方式,第一种采样方式具体包括:根据所述变化曲线,以所述预设时刻为各所述预设时间段的起始时刻,在多个预设时间段内对锂电池OCV值进行采样。
具体地,如图2所示,以所述预设时刻为各所述预设时间段的起始时刻,多个预设时间段包括N个预设时间段;1<i≤N;i和N均为正整数。第2个预设时间段的时间长度是第1个预设时间段的时间长度的1倍,依次类推,第N个预设时间段的时间长度是第1个预设时间段的时间长度的N倍。N个预设时间段的采样值组包括N个采样值组,第1个预设时间段的采样值组的采样值的数量为第1预设数量,第2个预设时间段的采样值组的采样值的数量为第2预设数量,依次类推,第N个预设时间段的采样值组的采样值的数量为第N预设数量,其中,第2预设数量是第1预设数量的2倍,以此类推,第N预设数量是第1预设数量的N倍。
作为一个具体的实施方式,第1个预设时间段的时间长度可以设置为20s,第1预设数量为100个。
在实际应用中,可以根据需要设置预设时刻、第1个预设时间段的时间长度和第1预设数量。
第二种采样方式具体包括:根据所述变化曲线,以所述预设时刻为第1预设时间段的起始时刻,以第i-1预设时间段的终止时刻作为第i预设时间段的起始时刻,以第i预设时间段的终止时刻作为第i+1预设时间段的起始时刻,在多个预设时间段内对锂电池OCV值进行采样;其中,所述多个预设时间段包括N个预设时间段;1<i≤N;i和N均为正整数。
具体地,N个预设时间段的每一个预设时间段的时间长度均相等,N个预设时间段的采样值组包括N个采样值组,各采样值组的采样值的数量均一致。
作为一个具体的实施方式,每一个预设时间段的时间长度可以设置为20s,各采样值组的采样值的数量为100个。
在步骤S3之前,还包括:对各所述预设时间段的预设数量的采样值进行滤波。
具体地,应用卡尔曼滤波方法对各所述预设时间段的预设数量的采样值进行滤波。
步骤S3:以各所述预设时间段的终止时刻的先后顺序,将各所述采样值组进行排序,得到排序后的多个采样值组。
步骤S4:计算各所述采样值组的最大有效值及所述最大有效值对应的时刻,得到排序后的多个最大有效值的坐标。
具体地,如图5和图6所示,应用Canny算法计算各所述采样值组的最大有效值。
进一步地,如图8所示,下面介绍Canny算法的计算过程。
1.首先用高斯模糊过滤掉噪声。
2.然后用改进的Sobel过滤器确定一段曲线的梯度极值。
3.对sobel的输出使用非极大抑制来观察每段曲线,选出局部最大的极值点。
其中,canny算子中非最大抑制(Non-maximum suppression)负责实现:判断当前的梯度值在梯度方向上是否为一个局部最大值,即,要把当前位置的梯度值与梯度方向上两侧的梯度值进行比较。
未改进的Sobel过滤器为:。
。
。
。
其中,G为采样值组构成的矩阵A的梯度矩阵;θ为采样值组构成的矩阵A的梯度方向矩阵;Gx为水平方向Sobel算子与采样值组构成的矩阵A作用结果;Gy为垂直方向Sobel算子与采样值组构成的矩阵A作用结果;Sx为水平方向Sobel算子;Sy为垂直方向Sobel算子;A为采样值组构成的矩阵。具体地,A为步骤S3得到的采样值组构成的矩阵。
在本发明中,采样值组是含有100个点的数据集,S是1行3列的改进sobel算子。具体地,改进sobel算子为:S=[-1,0,1]。
应用(G_i为梯度值),依次计算出所有的梯度值,取梯度值极值中的极大值。
步骤S5:根据各所述最大有效值的坐标,计算各所述采样值组的最大有效值之间的相似度,得到多个相似值。
具体地,应用皮尔森相关系数公式计算各所述采样值组的最大有效值之间的相似度。
进一步地,皮尔森相关系数公式为:。
其中,x为任意两个最大有效值在X方向上的坐标;y为任意两个最大有效值在Y方向上的坐标;xi为最大有效值坐标x的第i个值;yi为最大有效值坐标y的第i个值;为最大有效值坐标x的均值;/>为最大有效值坐标y的均值。
步骤S6:根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值。
步骤S6具体包括步骤S61至步骤S63。
步骤S61:判断各所述相似值是否在预设阈值范围内。
步骤S62:当各所述相似值不在预设阈值范围内时,从多个所述预设时间段中去掉初始预设时间段,并增加最新预设时间段,得到更新后的多个预设时间段,并根据所述更新后的多个预设时间段,返回步骤S2继续执行;其中,所述初始预设时间段为终止时刻最早的预设时间段;所述最新预设时间段为终止时刻最晚的预设时间段。
步骤S63:当各所述相似值在预设阈值范围内时,根据各所述最大有效值,得到锂电池OCV估值。
在实际数据采集过程中,从预设时刻开始,按照预设采样规则实时进行数据采样,当采集得到N个预设时间段的采样值组后,计算各所述相似值是否在预设阈值范围内,当各所述相似值在预设阈值范围内时,根据各所述最大有效值,得到锂电池OCV估值。
当各所述相似值不在预设阈值范围内时,如果在采用时选用的是第一种采样方式,那么去掉第1预设时间段的采样值组,并将第2预设时间段的采样值组作为更新后的第1预设时间段的采样值组,以此类推,第N预设时间段的采样值组作为更新后的第N-1预设时间段的采样值组,重新预设一个采样终止时刻,并将该采样终止时刻作为更新后的第N预设时间段的终止时刻,继续从第N-1预设时间段的终止时刻实时进行采样,采样到更新后的第N预设时间段的终止时刻,得到更新后的第N预设时间段的采样值组,然后再继续计算更新后的第N预设时间段的采样值组的最大有效值,继而计算更新后的第1预设时间段的采样值组的最大有效值、更新后的第2预设时间段的采样值组的最大有效值、……、更新后的第N预设时间段的采样值组的最大有效值之间的相似值,从而实现实时在线获得锂电池OCV估值。也就是说,初始预设时间段为第1预设时间段;最新预设时间段为更新后的第N预设时间段。
当各所述相似值不在预设阈值范围内时,如果在采用时选用的是第二种采样方式,那么去掉第1预设时间段的采样值组,并将第2预设时间段的采样值组作为更新后的第1预设时间段的采样值组,以此类推,第N预设时间段的采样值组作为更新后的第N-1预设时间段的采样值组,将更新后的第N-1预设时间段的终止时刻作为最新预设时间段的起始时刻,从最新预设时间段的起始时刻开始实时获取采样值,直到最新预设时间段的终止时刻,从而得到更新后的第N预设时间段的采样值组,再继续计算更新后的第N预设时间段的采样值组的最大有效值,继而计算更新后的第1预设时间段的采样值组的最大有效值、更新后的第2预设时间段的采样值组的最大有效值、……、更新后的第N预设时间段的采样值组的最大有效值之间的相似值,从而实现实时在线获得锂电池OCV估值。也就是说,初始预设时间段为第1预设时间段;最新预设时间段为更新后的第N预设时间段。
实施例二:为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种锂电池OCV估值系统,所述估值系统包括获取模块、采样模块、排序模块、第一计算模块、第二计算模块和结果确定模块。
获取模块,用于获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线。
采样模块,用于根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组;所述采样值组内包括预设数量的采样值。
排序模块,用于以各所述预设时间段的终止时刻的先后顺序,将各所述采样值组进行排序,得到排序后的多个采样值组。
第一计算模块,用于计算各所述采样值组的最大有效值及所述最大有效值对应的时刻,得到排序后的多个最大有效值的坐标。
第二计算模块,用于根据各所述最大有效值的坐标,计算各所述采样值组的最大有效值之间的相似度,得到多个相似值。
结果确定模块,用于根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值。
实施例三:本发明实施例提供一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行计算机程序以使电子设备执行实施例一的锂电池OCV估值方法。
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锂电池OCV估值方法。
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 (10)
1.一种锂电池OCV估值方法,其特征在于,所述估值方法包括:
获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线;
根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组;所述采样值组内包括预设数量的采样值;
以各所述预设时间段的终止时刻的先后顺序,将各所述采样值组进行排序,得到排序后的多个采样值组;
计算各所述采样值组的最大有效值及所述最大有效值对应的时刻,得到排序后的多个最大有效值的坐标;
根据各所述最大有效值的坐标,计算各所述采样值组的最大有效值之间的相似度,得到多个相似值;
根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值。
2.根据权利要求1所述的锂电池OCV估值方法,其特征在于,所述估值方法还包括:
对各所述预设时间段的预设数量的采样值进行滤波。
3.根据权利要求1所述的锂电池OCV估值方法,其特征在于,根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值,具体包括:
判断各所述相似值是否在预设阈值范围内;
当各所述相似值不在预设阈值范围内时,从多个所述预设时间段中去掉初始预设时间段,并增加最新预设时间段,得到更新后的多个预设时间段,并根据所述更新后的多个预设时间段,返回步骤“根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组”继续执行;其中,所述初始预设时间段为终止时刻最早的预设时间段;所述最新预设时间段为终止时刻最晚的预设时间段;
当各所述相似值在预设阈值范围内时,根据各所述最大有效值,得到锂电池OCV估值。
4.根据权利要求1所述的锂电池OCV估值方法,其特征在于,应用Canny算法计算各所述采样值组的最大有效值。
5.根据权利要求1所述的锂电池OCV估值方法,其特征在于,应用皮尔森相关系数公式计算各所述采样值组的最大有效值之间的相似度。
6.根据权利要求1所述的锂电池OCV估值方法,其特征在于,根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,具体包括:
根据所述变化曲线,以所述预设时刻为各所述预设时间段的起始时刻,在多个预设时间段内对锂电池OCV值进行采样。
7.根据权利要求1所述的锂电池OCV估值方法,其特征在于,根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组,具体包括:
根据所述变化曲线,以所述预设时刻为第1预设时间段的起始时刻,以第i-1预设时间段的终止时刻作为第i预设时间段的起始时刻,以第i预设时间段的终止时刻作为第i+1预设时间段的起始时刻,在多个预设时间段内对锂电池OCV值进行采样;其中,所述多个预设时间段包括N个预设时间段;1<i≤N;i和N均为正整数。
8.一种锂电池OCV估值系统,其特征在于,所述估值系统包括:
获取模块,用于获取在脉冲式充放电过程中可重构电池模组的锂电池OCV值随时间的变化曲线;
采样模块,用于根据所述变化曲线,在预设时刻之后,多个预设时间段内对锂电池OCV值进行采样,得到各所述预设时间段的采样值组;所述采样值组内包括预设数量的采样值;
排序模块,用于以各所述预设时间段的终止时刻的先后顺序,将各所述采样值组进行排序,得到排序后的多个采样值组;
第一计算模块,用于计算各所述采样值组的最大有效值及所述最大有效值对应的时刻,得到排序后的多个最大有效值的坐标;
第二计算模块,用于根据各所述最大有效值的坐标,计算各所述采样值组的最大有效值之间的相似度,得到多个相似值;
结果确定模块,用于根据各所述相似值与预设阈值范围的关系,确定锂电池OCV估值。
9.一种电子设备,其特征在于,包括存储器及处理器,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根据权利要求1至7中任一项所述的锂电池OCV估值方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的锂电池OCV估值方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410128819.XA CN117665597B (zh) | 2024-01-31 | 2024-01-31 | 一种锂电池ocv估值方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410128819.XA CN117665597B (zh) | 2024-01-31 | 2024-01-31 | 一种锂电池ocv估值方法、系统、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117665597A true CN117665597A (zh) | 2024-03-08 |
CN117665597B CN117665597B (zh) | 2024-04-12 |
Family
ID=90068362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410128819.XA Active CN117665597B (zh) | 2024-01-31 | 2024-01-31 | 一种锂电池ocv估值方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117665597B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009049589A1 (de) * | 2009-10-16 | 2011-04-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Bestimmung und/oder Vorhersage der maximalen Leistungsfähigkeit einer Batterie |
US20110285356A1 (en) * | 2010-05-21 | 2011-11-24 | Nadim Maluf | Method and Circuitry to Adaptively Charge a Battery/Cell |
CN103308865A (zh) * | 2013-07-09 | 2013-09-18 | 福州瑞芯微电子有限公司 | 测算二次电池soc及自学习ocv-soc曲线的方法与电子设备 |
WO2015129117A1 (ja) * | 2014-02-25 | 2015-09-03 | 三菱電機株式会社 | 二次電池のsoc推定装置 |
CN107658914A (zh) * | 2016-07-26 | 2018-02-02 | 北京普莱德新能源电池科技有限公司 | 一种电池组电量均衡控制方法和装置 |
CN112909354A (zh) * | 2019-11-19 | 2021-06-04 | 东莞新能源科技有限公司 | 电池循环中的电池模组均衡方法、电子装置及存储介质 |
CN115469230A (zh) * | 2022-09-27 | 2022-12-13 | 华电内蒙古能源有限公司 | Ocv-soc在线估计方法、装置和计算机设备与存储介质 |
WO2023197939A1 (zh) * | 2022-04-14 | 2023-10-19 | 长城汽车股份有限公司 | Ocv-soc标定及估算方法、装置、介质和车辆 |
CN117007969A (zh) * | 2023-05-26 | 2023-11-07 | 云储新能源科技有限公司 | 可重构电池系统中单个模组soc确定方法、系统及设备 |
CN117048344A (zh) * | 2023-09-26 | 2023-11-14 | 梅赛德斯-奔驰集团股份公司 | 在车辆中估计和/或预测电池最大可用容量的方法和系统 |
WO2023222978A1 (fr) * | 2022-05-20 | 2023-11-23 | Safran Electrical & Power | Estimation d'un état d'énergie d'une batterie |
CN117148187A (zh) * | 2023-08-30 | 2023-12-01 | 杭州鹏成新能源科技有限公司 | 一种基于ocv校准的soh估算方法、系统及电子设备 |
-
2024
- 2024-01-31 CN CN202410128819.XA patent/CN117665597B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009049589A1 (de) * | 2009-10-16 | 2011-04-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Bestimmung und/oder Vorhersage der maximalen Leistungsfähigkeit einer Batterie |
US20110285356A1 (en) * | 2010-05-21 | 2011-11-24 | Nadim Maluf | Method and Circuitry to Adaptively Charge a Battery/Cell |
CN103308865A (zh) * | 2013-07-09 | 2013-09-18 | 福州瑞芯微电子有限公司 | 测算二次电池soc及自学习ocv-soc曲线的方法与电子设备 |
WO2015129117A1 (ja) * | 2014-02-25 | 2015-09-03 | 三菱電機株式会社 | 二次電池のsoc推定装置 |
CN107658914A (zh) * | 2016-07-26 | 2018-02-02 | 北京普莱德新能源电池科技有限公司 | 一种电池组电量均衡控制方法和装置 |
CN112909354A (zh) * | 2019-11-19 | 2021-06-04 | 东莞新能源科技有限公司 | 电池循环中的电池模组均衡方法、电子装置及存储介质 |
WO2023197939A1 (zh) * | 2022-04-14 | 2023-10-19 | 长城汽车股份有限公司 | Ocv-soc标定及估算方法、装置、介质和车辆 |
WO2023222978A1 (fr) * | 2022-05-20 | 2023-11-23 | Safran Electrical & Power | Estimation d'un état d'énergie d'une batterie |
CN115469230A (zh) * | 2022-09-27 | 2022-12-13 | 华电内蒙古能源有限公司 | Ocv-soc在线估计方法、装置和计算机设备与存储介质 |
CN117007969A (zh) * | 2023-05-26 | 2023-11-07 | 云储新能源科技有限公司 | 可重构电池系统中单个模组soc确定方法、系统及设备 |
CN117148187A (zh) * | 2023-08-30 | 2023-12-01 | 杭州鹏成新能源科技有限公司 | 一种基于ocv校准的soh估算方法、系统及电子设备 |
CN117048344A (zh) * | 2023-09-26 | 2023-11-14 | 梅赛德斯-奔驰集团股份公司 | 在车辆中估计和/或预测电池最大可用容量的方法和系统 |
Non-Patent Citations (2)
Title |
---|
NI LIN 等: "A novel low-cost online state of charge estimation method for reconfigurable battery pack", 《2016 IEEE APPLIED POWER ELECTRONICS CONFERENCE AND EXPOSITION (APEC)》, 12 May 2016 (2016-05-12) * |
梁嘉宁 等: "基于容积卡尔曼滤波算法估计动力锂电池荷电状态", 《集成技术》, 24 October 2018 (2018-10-24) * |
Also Published As
Publication number | Publication date |
---|---|
CN117665597B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102452548B1 (ko) | 배터리 열화 상태 추정장치, 그를 포함한 시스템 및 그 방법 | |
JP5058814B2 (ja) | バッテリーの状態及びパラメーターの推定システム及び方法 | |
CN103630843B (zh) | 电池状态推测装置及推测方法、电池控制装置、电池系统 | |
CN111060834A (zh) | 一种动力电池健康状态估算方法 | |
JP2006242880A (ja) | 電源装置用状態検知装置,電源装置及び電源装置に用いられる初期特性抽出装置 | |
CN108693472A (zh) | 电池等效模型参数在线辨识方法 | |
JP2010508507A (ja) | バッテリが平衡状態にないときのそのバッテリの充電状態の判定のための装置及び方法 | |
CN114184962B (zh) | 一种多算法融合的锂离子电池soc和soh联合估算方法 | |
CN114371408B (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
CN112816879A (zh) | 一种用于变工况车用动力电池SoE在线估计方法 | |
CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
CN109782182B (zh) | 一种串联电池组能量状态在线估计方法和装置 | |
CN117665597B (zh) | 一种锂电池ocv估值方法、系统、电子设备及介质 | |
CN113759258A (zh) | 一种动力电池soc估计方法、装置及纯电动汽车 | |
CN109298340B (zh) | 一种基于可变时间尺度的电池容量在线估计方法 | |
CN116559693A (zh) | 一种电池soc评估方法、装置、电子设备及存储介质 | |
CN117148187A (zh) | 一种基于ocv校准的soh估算方法、系统及电子设备 | |
CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
CN116819364A (zh) | 电池健康度的确定方法、应用方法、电子设备及存储介质 | |
CN117007969A (zh) | 可重构电池系统中单个模组soc确定方法、系统及设备 | |
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 | |
CN116699414A (zh) | 一种基于ukf-lstm算法的锂电池soc估计方法与系统 | |
CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
CN113447826B (zh) | 一种基于稳态等效电路模型的soc确定方法及装置 | |
CN116400223A (zh) | 一种电池电量信息生成方法、设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |