CN117706390A - 一种电池荷电状态滚动优化估计方法及装置 - Google Patents
一种电池荷电状态滚动优化估计方法及装置 Download PDFInfo
- Publication number
- CN117706390A CN117706390A CN202410167377.XA CN202410167377A CN117706390A CN 117706390 A CN117706390 A CN 117706390A CN 202410167377 A CN202410167377 A CN 202410167377A CN 117706390 A CN117706390 A CN 117706390A
- Authority
- CN
- China
- Prior art keywords
- soc
- value
- battery
- estimation
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000005457 optimization Methods 0.000 title claims abstract description 62
- 238000005096 rolling process Methods 0.000 title claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000007599 discharging Methods 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 26
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请提出了一种电池荷电状态滚动优化估计方法及装置，该方法包括：S1:根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录SOC第一估计值的变化量；S2:当SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据‑SOC分段拟合函数进行的匹配，得到SOC第二估计值；S3:将当前的SOC第一估计值与SOC第二估计值的平均值作为滚动优化值，用滚动优化值替代当前的第一估计值；S4:重复步骤S2‑S3，依次得到电池放电全过程的滚动优化值，直到滚动优化值小于预设优化预估值。基于本申请提出的方案，能够提升电池放电过程中SOC的计算精度。
Description
技术领域
本申请涉及电池领域，尤其涉及一种电池荷电状态滚动优化估计方法及装置。
背景技术
安时计量法是目前广泛使用的SOC估计方法，但是，以开路电压值标定SOC的初始值，存在较大误差，且无法在随后的SOC计算过程中得到修正；同时，电流采样频率和检测精度的制约，将产生SOC估计值的累计误差。因此，在电池充放电过程中，研究SOC估计值的修正机制、并实现SOC估计值的滚动优化，是SOC估计技术的发展方向。
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，本申请的第一个目的在于提出一种电池荷电状态滚动优化估计方法。
本申请的第二个目的在于提出一种电池荷电状态滚动优化估计装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出一种电池荷电状态滚动优化估计方法，包括：
S1:根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录所述SOC第一估计值的变化量；
S2:当所述SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据/>-SOC分段拟合函数进行/>的匹配，得到SOC第二估计值；
S3:将当前的所述SOC第一估计值与所述SOC第二估计值的平均值作为滚动优化值，用所述滚动优化值替代当前的所述第一估计值；
S4:重复步骤S2-S3，依次得到电池放电全过程的滚动优化值，直到所述滚动优化值小于预设优化预估值。
可选的，当所述SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，包括：
每当所述SOC第一估计值的变化量达到预设变化量时，设置一个SOC测试点；
在每个SOC测试点下，设置多个测试电流，依次在每个所述测试电流下，放电3秒、充电3秒，记录所述测试电流和对应的电池放电电压；
将采集到的多组测试电流和对应的电池放电电压，按照电流从小到大排列，使得，计算当前SOC第一估计值下的电池放电外特性面积/>，公式化为：
其中，为当前SOC第一估计值下的电池放电外特性面积，/>和/>分别表示第j+1组和第j组的测试电流，/>和/>分别表示/>和/>对应的电池放电电压，n表示测试电流的组数。
可选的，所述-SOC分段拟合函数的获取过程，包括：
获取不同SOC下的电池放电外特性面积,根据不同SOC下电池放电外特性面积与SOC的对应关系，进行分段拟合，得到所述-SOC分段拟合函数的曲线图；
其中，所述-SOC分段拟合函数的表达式为：
当时，
当时，
当时，
其中，、/>、/>、/>、/>、/>、/>、/>、/>为不同的拟合常数，/>为常数。
为达上述目的，本申请第二方面实施例提出了一种电池荷电状态滚动优化估计装置，包括：
安时计量模块，用于根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录所述SOC第一估计值的变化量；
匹配模块，用于当所述SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据/>-SOC分段拟合函数进行/>的匹配，得到SOC第二估计值；
优化估计模块，用于将当前的所述SOC第一估计值与所述SOC第二估计值的平均值作为滚动优化值，用所述滚动优化值替代当前的所述第一估计值；
输出模块，用于重复匹配模块和优化估计模块中的相关步骤，依次得到电池放电全过程的滚动优化值，直到所述滚动优化值小于预设优化预估值。
为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如上述第一方面中任一项所述的方法。
为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述第一方面中任一项所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
通过电池放电外特性面积与SOC的相关联系构建拟合函数，在具体的应用场景和实际的电池放电过程中，通过采集电池放电电流和电压并计算放电外特性面积，与拟合函数中的SOC匹配，在相同放电特征下，实现一种新的SOC估计，该方法具有电池放电过程的SOC实时修正和快速收敛机制，且对SOC初始估计值不敏感，减小了电池电流检测精度和SOC安时计量法估计误差的影响，另外，本申请提出的方法工况适应性强、估计精度高。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本申请实施例示出的一种电池荷电状态滚动优化估计方法的流程图；
图2是根据本申请实施例示出的不同SOC下的电池放电外特性曲线图；
图3是根据本申请实施例示出的-SOC分段拟合函数的曲线图；
图4是根据本申请实施例示出的电池放电过程中电流随时间变化的曲线图；
图5是根据本申请实施例示出的电池放电过程中测试电流和对应的电池放电电压的分布图；
图6是根据本申请实施例示出的安时计量法与本申请方法的结果示意图；
图7是根据本申请实施例示出的一种电池荷电状态滚动优化估计装置的框图；
图8是一种电子设备的框图。
具体实施方式
下面详细描述本申请的实施例，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。
下面参考附图描述本申请实施例的一种电池荷电状态滚动优化估计方法和装置。
图1是根据本申请实施例示出的一种电池荷电状态滚动优化估计方法的流程图，如图1所示，该方法包括以下步骤：
S1:根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录SOC第一估计值的变化量。
本申请实施例中，检测电池的开路电压，根据电池开路电压与SOC的对应关系，确定SOC初始估计值，然后从电池充满电状态开始，以预设的倍率恒流放电，通过安时计量法对放电过程中的SOC进行实时估计，将估计的SOC值作为SOC第一估计值。
S2:当SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据/>-SOC分段拟合函数进行/>的匹配，得到SOC第二估计值。
本申请实施例中，每当SOC第一估计值的变化量达到预设变化量时，设置一个SOC测试点。
作为一种可能的实现方式，从电池充满电状态开始，以0.3C倍率恒流放电，在电池放电过程中，每间隔累计放电电量达到5%电池容量，设置一个SOC测试点，对应的SOC分别等于100%、95%、90%、……、5%，总共设置19个SOC测试点。
需要说明的是，C代表电池的放电能，即放电电流数值除以电池容量数值的倍数，1C相当于一个小时能把电全部放完电，或者充满电。
然后，在每个SOC测试点下，设置多个测试电流，依次在每个测试电流下，放电3秒、充电3秒，保证在SOC保持不变的前提下，记录测试电流和对应的电池放电电压，然后将采集到的多组测试电流和对应的电池放电电压，按照电流从小到大排列，使得。
计算当前SOC第一估计值下的电池放电外特性面积，公式化为：
其中，为当前SOC第一估计值下的电池放电外特性面积，/>和/>分别表示第j+1组和第j组的测试电流，/>和/>分别表示/>和/>对应的电池放电电压，n表示测试电流的组数。
可以理解的是，相连的两个点之间连线线段与I轴形成的电池放电外特性面积为：
总的电池放电外特性面积为全部点的集合面积。
需要说明的是，-SOC分段拟合函数是在相似的另一个场景内，通过获取不同SOC下的电池放电外特性面积,根据不同SOC下电池放电外特性面积与SOC的对应关系，进行分段拟合后得到的。
作为一种可能的实现方式，对于某一个动力电池，从电池充满电状态开始，以0.3C倍率恒流放电，在放电过程中，通过上述示出的公式得到SOC测试点下的电池放电外特性曲线，进而来计算该动力电池放电过程中19个SOC测试点对应的电池放电外特性面积，实际工作中，得到对应SOC从100%逐渐降低到5%的每间隔5%的19个SOC测试点下的一共19根电池放电外特性曲线。
一种可能的实施例中，SOC在0.8、0.5.0.3和0.2测试点的电池放电外特性曲线图如图2所示。
并且，为了更显著体现不同放电电流下的电池放电外特性面积，选取放电电流范围为-/>，得到不同SOC下电池放电外特性面积，将其进行拟合，得到如图3所示的曲线图。
需要说明的是，-SOC分段拟合函数采用三段不同的函数进行拟合，具体的：
当时，采用线性拟合：
当时，采用傅里叶拟合函数进行拟合：
当时，采用线性拟合：
其中，、/>、/>、/>、/>、/>、/>、/>、/>为不同的拟合常数，/>为常数。
一种可能的实施例中，采用如下所示的拟合常数，使得-SOC分段拟合函数的拟合度达到0.9994。
其中，各拟合常数为=1.5806、/>=-0.0131、/>=-0.0255、/>=-0.0086、/>=-0.0119、/>=-0.0029、/>=-0.0069、/>=-0.0026、/>=-0.0017，/>=0.0484。
上述-SOC分段拟合函数反映了电池在不同SOC下的放电特征，是SOC估计的参考性基准。
S3:将当前的SOC第一估计值与SOC第二估计值的平均值作为滚动优化值，用滚动优化值替代当前的第一估计值。
S4:重复步骤S2-S3，依次得到电池放电全过程的滚动优化值，直到滚动优化值小于预设优化预估值。
一种可能的实施例中，当最后的滚动优化值小于5％时，停止循环，得到19个测试点的滚动优化值。
为了更清晰的说明本申请提出的一种电池荷电状态滚动优化估计方法，下面给出一个应用场景实施例来进行说明。
伴随电动汽车的行驶，动力电池持续放电，以力神电池有限公司的1.5Ah的18650电芯为研究对象，结合城市工况，确定每节电芯的充放电电流和电压数据。
（1）检测电池的开路电压，根据电池开路电压与SOC的对应关系，确定SOC初始估计值，应用安时计量法对电池SOC进行实时估计，得到SOC第一估计值，同时，计算SOC第一估计值的变化量。
（2）当SOC第一估计值变化量达到5%时，采集电池放电电流电压值，其中，电流和电压的采样周期为20mS，采集500对电流和电压，需要10S时间，在此期间，SOC基本不变，电流随时间变化的曲线图如图4所示。
将所有的采集电流值，按照电流从小到大排列，绘制I-U曲线，如图5所示，在-电流范围内计算电池放电外特性面积，并通过/>-SOC分段拟合函数进行匹配，得到SOC第二估计值。
（3）将当前的SOC第一估计值与SOC第二估计值的平均值作为滚动优化值，用滚动优化值替代当前的第一估计值。
（4）重复（2）、（3），依次得到电池放电全过程的滚动优化值，直到SOC<5%。
本申请方法与传统的安时计量SOC估计结果比较如图6所示，虽然SOC初始值存在7.6%的估计误差，然后本申请具有电池放电过程的SOC实时修正和快速收敛机制，对SOC初始估计值不敏感，最终的估计误差只有2.05%。
本申请实施例通过电池放电外特性面积与SOC的相关联系构建拟合函数，在具体的应用场景和实际的电池放电过程中，通过采集电池放电电流和电压并计算放电外特性面积，与拟合函数中的SOC匹配，在相同放电特征下，实现一种新的SOC估计，该方法具有电池放电过程的SOC实时修正和快速收敛机制，且对SOC初始估计值不敏感，减小了电池电流检测精度和SOC安时计量法估计误差的影响，另外，本申请提出的方法工况适应性强、估计精度高。
图7是根据本申请实施例示出的一种电池荷电状态滚动优化估计装置10的框图，包括安时计量模块100、匹配模块200、优化估计模块300和输出模块400。
安时计量模块100，用于根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录SOC第一估计值的变化量；
匹配模块200，用于当SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据/>-SOC分段拟合函数进行/>的匹配，得到SOC第二估计值；
优化估计模块300，用于将当前的SOC第一估计值与SOC第二估计值的平均值作为滚动优化值，用滚动优化值替代当前的第一估计值；
输出模块400，用于重复匹配模块和优化估计模块中的相关步骤，依次得到电池放电全过程的滚动优化值，直到滚动优化值小于预设优化预估值。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图8示出了可以用来实施本申请的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，设备700包括计算单元701，其可以根据存储在只读存储器（ROM）702中的计算机程序或者从存储单元708加载到随机访问存储器（RAM）703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出（I/O）接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如语音指令响应方法。例如，在一些实施例中，语音指令响应方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的语音指令响应方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行语音指令响应方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务（"Virtual Private Server"，或简称 "VPS"）中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (6)
1.一种电池荷电状态滚动优化估计方法，其特征在于，包括：
S1:根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录所述SOC第一估计值的变化量；
S2:当所述SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据/>-SOC分段拟合函数进行/>的匹配，得到SOC第二估计值；
S3:将当前的所述SOC第一估计值与所述SOC第二估计值的平均值作为滚动优化值，用所述滚动优化值替代当前的所述第一估计值；
S4:重复步骤S2-S3，依次得到电池放电全过程的滚动优化值，直到所述滚动优化值小于预设优化预估值。
2.根据权利要求1所述的方法，其特征在于，当所述SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，包括：
每当所述SOC第一估计值的变化量达到预设变化量时，设置一个SOC测试点；
在每个SOC测试点下，设置多个测试电流，依次在每个所述测试电流下，放电3秒、充电3秒，记录所述测试电流和对应的电池放电电压；
将采集到的多组测试电流和对应的电池放电电压，按照电流从小到大排列，使得，计算当前SOC第一估计值下的电池放电外特性面积/>，公式化为：
其中，为当前SOC第一估计值下的电池放电外特性面积，/>和/>分别表示第j+1组和第j组的测试电流，/>和/>分别表示/>和/>对应的电池放电电压，n表示测试电流的组数。
3.根据权利要求1所述的方法，其特征在于，所述-SOC分段拟合函数的获取过程，包括：
获取不同SOC下的电池放电外特性面积,根据不同SOC下电池放电外特性面积与SOC的对应关系，进行分段拟合，得到所述-SOC分段拟合函数的曲线图；
其中，所述-SOC分段拟合函数的表达式为：
当时，
当时，
当时，
其中，、/>、/>、/>、/>、/>、/>、/>、/>为不同的拟合常数，/>为常数。
4.一种电池荷电状态滚动优化估计装置，其特征在于，包括：
安时计量模块，用于根据电池开路电压，确定电池荷电状态SOC初始估计值，根据安时计量法对放电过程中的SOC进行实时估计，得到SOC第一估计值，并记录所述SOC第一估计值的变化量；
匹配模块，用于当所述SOC第一估计值的变化量达到预设变化量时，计算当前SOC第一估计值下的电池放电外特性面积，根据/>-SOC分段拟合函数进行/>的匹配，得到SOC第二估计值；
优化估计模块，用于将当前的所述SOC第一估计值与所述SOC第二估计值的平均值作为滚动优化值，用所述滚动优化值替代当前的所述第一估计值；
输出模块，用于重复匹配模块和优化估计模块中的相关步骤，依次得到电池放电全过程的滚动优化值，直到所述滚动优化值小于预设优化预估值。
5.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-3中任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410167377.XA CN117706390B (zh) | 2024-02-06 | 2024-02-06 | 一种电池荷电状态滚动优化估计方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410167377.XA CN117706390B (zh) | 2024-02-06 | 2024-02-06 | 一种电池荷电状态滚动优化估计方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117706390A true CN117706390A (zh) | 2024-03-15 |
| CN117706390B CN117706390B (zh) | 2024-04-19 |
Family
ID=90148370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410167377.XA Active CN117706390B (zh) | 2024-02-06 | 2024-02-06 | 一种电池荷电状态滚动优化估计方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117706390B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1547037A (zh) * | 2003-11-28 | 2004-11-17 | 清华大学 | 蓄电池荷电状态-输出电压特性曲线的在线更新方法 |
| CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
| CN106483468A (zh) * | 2016-09-29 | 2017-03-08 | 中国科学院广州能源研究所 | 锂电池初始荷电状态的多因素估算方法 |
| CN107167743A (zh) * | 2017-06-29 | 2017-09-15 | 北京新能源汽车股份有限公司 | 基于电动车辆的荷电状态估算方法和装置 |
| CN112379270A (zh) * | 2020-11-13 | 2021-02-19 | 哈尔滨工业大学 | 一种电动汽车动力电池荷电状态滚动时域估计方法 |
| CN112415410A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置、存储介质和车辆 |
| CN114578231A (zh) * | 2022-03-10 | 2022-06-03 | 南京中科微电子有限公司 | 一种锂离子电池荷电状态估计电路及装置 |
| CN115932586A (zh) * | 2022-11-16 | 2023-04-07 | 阳光电源(南京)有限公司 | 一种电池荷电状态在线估算方法、装置、设备及介质 |
| CN116298927A (zh) * | 2023-04-10 | 2023-06-23 | 山东锂安新能源有限公司 | 一种电池容量估计方法和装置、计算机设备、存储介质 |
| CN116930763A (zh) * | 2023-06-30 | 2023-10-24 | 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) | 一种基于雨流计数法的电池剩余容量检测方法及应用 |
-
2024
- 2024-02-06 CN CN202410167377.XA patent/CN117706390B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1547037A (zh) * | 2003-11-28 | 2004-11-17 | 清华大学 | 蓄电池荷电状态-输出电压特性曲线的在线更新方法 |
| CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
| CN106483468A (zh) * | 2016-09-29 | 2017-03-08 | 中国科学院广州能源研究所 | 锂电池初始荷电状态的多因素估算方法 |
| CN107167743A (zh) * | 2017-06-29 | 2017-09-15 | 北京新能源汽车股份有限公司 | 基于电动车辆的荷电状态估算方法和装置 |
| CN112415410A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置、存储介质和车辆 |
| CN112379270A (zh) * | 2020-11-13 | 2021-02-19 | 哈尔滨工业大学 | 一种电动汽车动力电池荷电状态滚动时域估计方法 |
| CN114578231A (zh) * | 2022-03-10 | 2022-06-03 | 南京中科微电子有限公司 | 一种锂离子电池荷电状态估计电路及装置 |
| CN115932586A (zh) * | 2022-11-16 | 2023-04-07 | 阳光电源(南京)有限公司 | 一种电池荷电状态在线估算方法、装置、设备及介质 |
| CN116298927A (zh) * | 2023-04-10 | 2023-06-23 | 山东锂安新能源有限公司 | 一种电池容量估计方法和装置、计算机设备、存储介质 |
| CN116930763A (zh) * | 2023-06-30 | 2023-10-24 | 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) | 一种基于雨流计数法的电池剩余容量检测方法及应用 |
Non-Patent Citations (3)
| Title |
|---|
| 朱元 等: "电动汽车动力电池SOC预测技术研究", 电源技术, no. 03, 20 June 2000 (2000-06-20) * |
| 谢乐琼 等: "动力电池重要测试方法:混合脉冲功率特性测试", 电池工业, no. 05, 25 October 2018 (2018-10-25) * |
| 陈岚 等: "修正参数的安时法估算锂离子电池剩余电量", 上海应用技术学院学报(自然科学版), no. 04, 30 December 2014 (2014-12-30) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117706390B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2024131558A1 (zh) | 一种锂离子电池析锂电位的确定方法、装置及电子设备 | |
| CN107817448B (zh) | 一种适用于复杂工况的在线实时监测电池电量的方法 | |
| CN116774077B (zh) | 储能电站电池的健康检测方法、装置、设备及存储介质 | |
| CN117805621A (zh) | 一种电池容量估计方法、装置、设备及存储介质 | |
| CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
| CN115932634A (zh) | 一种对电池健康状态评估的方法、装置、设备及存储介质 | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| CN108594117B (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 | |
| CN115718265A (zh) | 电池直流电阻测试值的修正方法、电子设备及存储介质 | |
| Fang et al. | Estimation of lithium-ion battery soc model based on aga-foukf algorithm | |
| CN114779109A (zh) | 电池健康状态的确定方法、装置、电子设备及存储介质 | |
| CN110333451A (zh) | 一种锂离子电池荷电状态与开路电压模型建立方法 | |
| CN109061509A (zh) | 一种电池电量剩余值估算方法 | |
| CN117706390B (zh) | 一种电池荷电状态滚动优化估计方法及装置 | |
| CN115754772B (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
| CN116504322A (zh) | 电化学模型获取方法、装置、终端和存储介质 | |
| CN114200315B (zh) | 剩余充电时间的预测方法、装置、电子设备和存储介质 | |
| CN116559693A (zh) | 一种电池soc评估方法、装置、电子设备及存储介质 | |
| CN115128476A (zh) | 一种锂离子电池预锂量估计方法、装置、设备及存储介质 | |
| CN115542174A (zh) | 一种锂电池soc修正方法、装置、储能系统及存储介质 | |
| CN115656858A (zh) | 电池寿命确定方法、装置、电子设备及存储介质 | |
| CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
| CN118259183A (zh) | 一种电池健康度确定方法及装置 | |
| CN118376925A (zh) | 一种电池容量的估算方法及装置 | |
| CN116593916A (zh) | 基于互联网动态修正soh的方法、装置、电子设备及介质 |
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 |