CN117825961A - 计算电池放电量的方法、储能产品、设备和存储介质 - Google Patents

Abstract

本发明涉及电量计算技术领域，特别是一种计算电池放电量的方法、电子设备和存储介质。该方法包括：采集不同温度下，将电池放电至截止电压时，在相同的剩余电量的条件下的第一拐点电压数据和温度数据；根据第一拐点电压数据和温度数据获取第一关系方程；采集在相同的剩余电量和温度的条件下，将电池按照不同放电倍率进行放电时的第二拐点电压数据和电流数据；根据第二拐点电压数据和电流数据获取第二关系方程；根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程。本发明能够提升对拐点电压的估算准确度，从而提升基于该拐点电压的放电末端的电量估计的准确度。

Description

计算电池放电量的方法、储能产品、设备和存储介质

技术领域

本发明涉及电量计算技术领域，特别是一种计算电池放电量的方法、电子设备和存储介质。

背景技术

电池的电压拐点是指在充放电期间的电压-电量特性曲线的拐点现象。这是电池本身的电化学特性使然，电池的电压拐点在动力电池的健康状态(Stateofhealth，SOH)的估计、电池组的目标均衡电量的计算等方面有着广泛应用。

常规做法是在常温环境下以1C放电时测量拐点电压，并将其作为参考值。但是，在不同温度和放电倍率下，拐点电压的差异非常大，这可能导致以该拐点电压为基础做出的电量估计不准确，甚至出现电量跳变的情况。

发明内容

本发明实施例要解决的技术问题在于，提供一种计算电池放电量的方法，以解决现有技术中获取的拐点电压不准确，导致放电末端电量估计不准确的问题。

本发明公开了一种计算电池放电量的方法，包括：

采集不同温度下，将电池放电至截止电压时，在相同的剩余电量的条件下的第一拐点电压数据和温度数据；

根据所述第一拐点电压数据和所述温度数据获取第一关系方程；

采集在相同的剩余电量和温度的条件下，将所述电池按照不同放电倍率进行放电时的第二拐点电压数据和电流数据；

根据所述第二拐点电压数据和所述电流数据获取第二关系方程；

根据所述第一关系方程和所述第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程。

较佳方案是，所述根据所述第一关系方程和所述第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程的步骤之后，包括：

检测到目标电池处于放电状态时，采集当前温度和当前电流，将所述当前温度和所述当前电流代入所述目标方程获取拐点电压；

检测目标电池的当前电压，当所述当前电压低于或等于所述拐点电压时，通过电压跟随法计算并提示剩余荷电状态。

较佳方案是，所述检测目标电池的当前电压的步骤之后，还包括：

当所述当前电压高于所述拐点电压时，基于当前电流和采样时间间隔计算并提示所述剩余荷电状态。

较佳方案是，所述根据所述第一拐点电压数据和所述温度数据获取第一关系方程的步骤，包括：

构建第一线性模型，将所述第一拐点电压数据和所述温度数据代入所述第一线性模型获取所述第一关系方程。

较佳方案是，所述根据所述第二拐点电压数据和所述电流数据获取第二关系方程的步骤，包括：

获取构建第二线性模型，将所述第二拐点电压数据和所述电流数据代入所述第二线性模型获取所述第二关系方程。

较佳方案是，所述根据所述第一关系方程和所述第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程的步骤，包括：

获取所述第一关系方程中拐点电压和温度的第一线性关系，以及所述第二关系方程的中拐点电压和电流的第二线性关系；

根据所述第一线性关系和所述第二线性关系设定所述目标方程的初始模型；

将所述第一拐点电压数据和所述温度数据以及所述第二拐点电压数据和所述电流数据代入所述初始模型获取所述目标方程。

较佳方案是，所述目标方程为：

U＝2872+0.0205*I+12.87*T

其中，U表示拐点电压，I表示电流，T表示温度。

本发明还公开了一种储能产品，包括：

电池管理模块，用于实现如上所述的计算电池放电量的方法；

逆变模块，用于将电池提供的直流电转换为交流电；

直流模块，用于将电池输出的电压进行升压或者降压；

最大功率点跟踪模块，用于提取最大功率的工作点。

本发明还公开了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上所述方法的步骤。

本发明还公开了一种储能设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述方法的步骤。

与现有技术相比，本发明实施例提供的计算电池放电量的方法的有益效果在于：通过多次测量获取在相同剩余电量的条件下用于描述拐点电压和温度关系的第一关系方程和用于描述拐点电压和电流关系的第二关系方程，根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程，由于第一关系方程和第二关系方程已经考虑了温度和电流对拐点电压的影响，因此由第一关系方程和第二关系方程得出的目标方程能够准确估计出当前温度和电流条件下对应的拐点电压，从而能够基于准确的拐点电压能够更准确的估计出放电末端电量。

附图说明

下面将结合附图及实施例对本发明的方案作进一步详细的说明，附图中：

图1是本发明提供的计算电池放电量的方法的一实施例的流程示意图；

图2是表1提供的第一拐点电压数据和温度数据对应的散点图；

图3是表2提供的第二拐点电压数据和电流数据对应的散点图；

图4是本发明提供的目标方程的拟合图；

图5是本发明提供的计算电池放电量的方法的另一实施例的流程示意图；

图6是本发明提供的储能产品的一实施例的结构示意图；

图7是本发明提供的电池管理模块的结构示意图；

图8是本发明提供的储能设备的一实施例的结构示意图。

图中各附图标记为：

10、储能产品；11、电池管理模块；111、AFE芯片；112、单片机；113、数码管；114、热敏电阻；115、电流采样电阻；12、逆变模块；13、直流模块；14、最大功率点跟踪模块。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。现结合附图，对本发明的较佳实施例作详细说明。

当使用电压跟随的方法计算电量时，拐点电压的确定对于准确计算电量是至关重要的。拐点电压是指在电容器放电过程中，电压曲线出现明显变化的点，通常是电容器电压下降速度明显减缓的位置。在电压跟随的方法中，电量的计算是基于电容器电压与电量之间的关系。通过确定拐点电压，可以准确地确定电容器的放电末端，从而确保电量计算的准确性。如果未正确确定拐点电压，可能会导致电量计算错误，进而影响对电容器能量存储能力的评估。

请参阅图1，图1是本发明提供的计算电池放电量的方法的一实施例的流程示意图。本发明提供的计算电池放电量的方法包括如下步骤：

S101：采集不同温度下，将电池放电至截止电压时，在相同的剩余电量的条件下的第一拐点电压数据和温度数据。

在一个具体的实施场景中，以电池的额定容量为基准进行放电，并在电池电压降至2.3V时停止放电，这种放电方式常用于评估电池的性能和容量衰减情况。在不同温度条件下重复上述的放电步骤，当放电至SOC(StateofCharge，电池的充放电状态)为20％时，采集第一拐点电压数据和温度数据，观察到了温度T和拐点电压U之间存在某种关系。

温度是电池内部反应速率的重要因素之一。在不同温度下，电池内部的化学反应速率可能会有所不同。温度变化还会影响电池内部的电阻。电池内部电阻的变化会导致电池在放电过程中产生不同程度的电压降。温度对电池容量衰减也有一定影响。在不同温度下，电池的实际可用容量可能会有所变化。这些因素可能导致在不同温度下，电池放电至特定SOC时，观察到的拐点电压值不同。

请结合参阅表1，表1是不同温度下采集到的第一拐点电压数据和温度数据的表格。

温度℃	拐点电压mV	SOC
			-20	2500	20
-10	2582	20
			0	2780	20
10	2890	20
			25	3055	20

表1

S102：根据第一拐点电压数据和温度数据获取第一关系方程。

在一个具体的实施场景中，将第一拐点电压数据和温度数据进行配对。将温度作为自变量，第一拐点电压作为因变量，绘制散点图。每个数据点代表一个温度下的第一拐点电压。请结合参阅图2，图2是表1提供的第一拐点电压数据和温度数据对应的散点图。

根据实验数据的分布情况，选择适当的直线拟合方法或者曲线拟合方法。可以尝试线性回归、多项式回归或其他适合的曲线拟合方法。拟合的直线或曲线可以用来描述温度和第一拐点电压之间的关系。根据拟合直线或曲线的方程，得到温度和第一拐点电压之间的关系方程。该方程可以表示为y＝f(x)，其中y是第一拐点电压，x是温度。评估拟合直线或曲线的拟合程度和方程的准确性。可以计算拟合曲线的拟合优度指标(如R-squared值)来评估模型的质量。

在一个实施场景中，构建第一线性模型，线性模型一般形式为y＝m1x+b1，其中y是第一拐点电压，x是温度，m1是斜率，b1是截距。使用线性回归方法，可以通过最小二乘法来拟合温度数据和第一拐点电压数据的线性关系。根据拟合结果，得到斜率和截距的值，从而得到第一关系方程的形式。方程的形式为y＝m1x+b1，其中m1和b1是线性回归的结果。评估线性模型的拟合程度和方程的准确性。可以计算拟合优度指标(如R-squared值)来评估模型的质量。

在一个实施场景中，置信边界为95％，对于斜率m1，估计值为12.83，置信边界为(9.996,15.66)。这意味着对真实斜率值的估计是12.83，且有95％的置信度认为真实斜率值位于区间(9.996,15.66)内。对于截距b1，估计值为2749，置信边界为(2704,2793)，这意味着对真实截距值的估计是2749，且有95％的置信度认为真实斜率值位于区间(2704,2793)内。

在一个实施场景中，通过以下拟合优度指标评估第一关系方程的拟合程度和预测能力。SSE(SumofSquaredErrors，平方误差和)：表示模型预测值与实际观测值之间的差异的平方和。较小的SSE值表示模型对数据的拟合程度较好。本实施场景中SSE为2894。R方(R-squared)：也称为决定系数，表示模型对因变量变异性的解释程度。R方的取值范围在0和1之间，越接近1表示模型对数据的拟合程度越好。在这本实施场景汇总，R方为0.9858，说明模型可以解释因变量(第一拐点电压)变异的98.58％。调整R方(AdjustedR-squared)：对模型复杂度进行调整后的R方值，考虑了自变量的数量和样本量。调整R方的取值范围也在0和1之间，越接近1表示模型对数据的拟合程度越好。在本实施场景中，调整R方为0.981。RMSE(RootMeanSquareError，均方根误差)：表示模型预测值与实际观测值之间的差异的平方根的均值。较小的RMSE值表示模型对数据的拟合程度较好。在本实施场景中，RMSE为31.06。

S103：采集在相同的剩余电量和温度的条件下，将电池按照不同放电倍率进行放电时的第二拐点电压数据和电流数据。

在一个具体的实施场景中，放电倍率的不同对拐点电压有一定的影响。较高的放电倍率会导致电池内阻升高，因为电池内部化学反应和离子传输速率受限。电池内阻的增加会导致电池放电时的电压降低，并可能影响拐点电压的值。在高放电倍率下，电池的极化效应可能会增加。极化效应是指电池在放电过程中产生的电化学反应导致电极表面形成极化层，阻碍电荷传输。这可能导致电池的电压降低，并对拐点电压产生影响。较高的放电倍率会使电池更快地放电，因此在相同电量的情况下，电池容量的有效使用时间会减少。这可能导致电池在较早的阶段达到拐点电压。

确定要测试的不同放电倍率。放电倍率是指电池在单位时间内放电的速率。可以选择不同的放电倍率，例如1C、2C、3C等。"C"是电池的容量倍率，表示电池在1小时内放电完毕的速率。例如，对于一个1000mAh(毫安时)的电池，1C放电速率就是1000mA(毫安)。按照所选的放电倍率，将电容器连接到负载电阻或其他放电装置上，并进行放电。同时记录下放电过程中的电流和第二拐点电压数据。重复上述步骤，使用不同的放电倍率进行多次放电，并记录相应的电流和第二拐点电压数据。在进行不同放电倍率的实验时，确保温度保持恒定，可以使用温控设备或在恒温环境中进行实验。在每个放电倍率下，当电池电量降至20％时，记录此时的第二拐点电压和电流数据。

请结合参阅表2，表2是不同放电倍率采集到的第二拐点电压数据和电流数据的表格。

电流mA	拐点电压mV
		-600	3200
-1200	3152
		-3000	3131
-6000	3055
		-12000	2950

表2

S104：根据第二拐点电压数据和电流数据获取第二关系方程。

在一个具体的实施场景中，将第二拐点电压数据和电流数据进行配对。将电流作为自变量，第二拐点电压作为因变量，绘制散点图。每个数据点代表一个温度下的第一拐点电压。请结合参阅图3，图3是表2提供的第二拐点电压数据和电流数据对应的散点图。

根据实验数据的分布情况，选择适当的直线拟合方法或者曲线拟合方法。可以尝试线性回归、多项式回归或其他适合的曲线拟合方法。拟合的直线或曲线可以用来描述温度和第一拐点电压之间的关系。根据拟合直线或曲线的方程，得到温度和第一拐点电压之间的关系方程。该方程可以表示为y＝f(x)，其中y是第一拐点电压，x是温度。评估拟合直线或曲线的拟合程度和方程的准确性。可以计算拟合曲线的拟合优度指标(如R-squared值)来评估模型的质量。

在一个实施场景中，构建第二线性模型，线性模型一般形式为y＝m2x+b2，其中y是第二拐点电压，x是电流，m2是斜率，b2是截距。使用线性回归方法，可以通过最小二乘法来拟合温度数据和第一拐点电压数据的线性关系。根据拟合结果，得到斜率和截距的值，从而得到第一关系方程的形式。方程的形式为y＝m2x+b2，其中m2和b2是线性回归的结果。评估线性模型的拟合程度和方程的准确性。可以计算拟合优度指标(如R-squared值)来评估模型的质量。

在一个实施场景中，置信边界为95％，对于斜率m2，估计值为0.02073，置信边界为(0.01497,0.02649)。这意味着对真实斜率值的估计是0.02073，且有95％的置信度认为真实斜率值位于区间(0.01497,0.02649)内。对于截距b2，估计值为3192，置信边界为(3157,3228)，这意味着对真实截距值的估计是3192，且有95％的置信度认为真实斜率值位于区间(3157,3228)内。

在一个实施场景中，通过以下拟合优度指标评估第一关系方程的拟合程度和预测能力。SSE(SumofSquaredErrors，平方误差和)：表示模型预测值与实际观测值之间的差异的平方和。较小的SSE值表示模型对数据的拟合程度较好。本实施场景中SSE为852.7。R方(R-squared)：也称为决定系数，表示模型对因变量变异性的解释程度。R方的取值范围在0和1之间，越接近1表示模型对数据的拟合程度越好。在这本实施场景汇总，R方为0.9777，说明模型可以解释因变量(第一拐点电压)变异的97.77％。调整R方(AdjustedR-squared)：对模型复杂度进行调整后的R方值，考虑了自变量的数量和样本量。调整R方的取值范围也在0和1之间，越接近1表示模型对数据的拟合程度越好。在本实施场景中，调整R方为0.9702。RMSE(RootMeanSquareError，均方根误差)：表示模型预测值与实际观测值之间的差异的平方根的均值。较小的RMSE值表示模型对数据的拟合程度较好。在本实施场景中，RMSE为16.86。

S105：根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程。

在一个具体的实施场景中，根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程。假设第一关系方程描述了拐点电压(V)与温度(T)之间的关系，表示为V＝f1(T)。假设第二关系方程描述了拐点电压(V)与电流(I)之间的关系，表示为V＝f2(I)。将第一关系方程和第二关系方程结合起来，得到目标方程表示为V＝f(T,I)。使用拟合方法将目标方程V＝f(T,I)拟合到数据集上，以获得最佳的函数形式和参数。具体的目标方程形式取决于第一关系方程和第二关系方程的形式以及数据的特点。可以根据实际情况选择适当的函数形式，例如使用多项式函数、指数函数、对数函数等。

在一个实施场景中，获取第一关系方程中拐点电压和温度的第一线性关系y＝m1x+b1，以及第二关系方程的中拐点电压和电流的第二线性关系y＝m2x+b2。根据第一关系方程和第二关系方程可以得出拐点电压与温度、电流呈线性关系。可以设定目标方程的初始模型为V＝a1*T+b1+a2*I+b2。可以将第一拐点电压数据和温度数据以及第二拐点电压数据和电流数据代入初始模型，使用拟合方法来确定参数a1、a2和b1+b2的值，从而获取最终的目标方程。拟合方法的选择可以根据数据的特点和需求来确定，例如最小二乘法、非线性最小二乘法等。

在一个实施场景中，整合第一拐点电压数据和温度数据以及第二拐点电压数据和电流数据可以得出以下数组：

T(温度)＝[-20 -10 0 10 25 25 25 25 25]；

I(电流)＝[-6000 -6000 -6000 -6000 -600 -1200 -3000 -6000 -12000]；

U(拐点电压)＝[2500 2582 2780 2890 3200 3152 3131 3055 2950]；

进行一次多项式线性拟合V＝a1*T+b1+a2*I+b2，请结合参阅图4，图4是本发明提供的目标方程的拟合图。

在本个实施场景中，拟合出的目标方程为：

U＝2872+0.0205*I+12.87*T

其中，U表示拐点电压，I表示电流，T表示温度。

置信边界为95％，对于斜率a1，估计值为0.0205，置信边界为(0.01416,0.02685)。对于斜率a2，估计值为12.87，置信边界为(11.66,14.09)。对于截距b1+b2，估计值为2872，置信边界为(2829,2915)。

在一个实施场景中，通过以下拟合优度指标评估目标方程的拟合程度和预测能力。SSE(Sum of Squared Errors，平方误差和)：表示模型预测值与实际观测值之间的差异的平方和。较小的SSE值表示模型对数据的拟合程度较好。本实施场景中SSE为3543。R方(R-squared)：也称为决定系数，表示模型对因变量变异性的解释程度。R方的取值范围在0和1之间，越接近1表示模型对数据的拟合程度越好。在这本实施场景汇总，R方为0.993，说明模型可以解释因变量(第一拐点电压)变异的99.30％。调整R方(Adjusted R-squared)：对模型复杂度进行调整后的R方值，考虑了自变量的数量和样本量。调整R方的取值范围也在0和1之间，越接近1表示模型对数据的拟合程度越好。在本实施场景中，调整R方为0.9907。RMSE(Root Mean Square Error，均方根误差)：表示模型预测值与实际观测值之间的差异的平方根的均值。较小的RMSE值表示模型对数据的拟合程度较好。在本实施场景中，RMSE为24.3。

通过上述描述可知，在本实施例中通过多次测量获取在相同剩余电量的条件下用于描述拐点电压和温度关系的第一关系方程和用于描述拐点电压和电流关系的第二关系方程，根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程，由于第一关系方程和第二关系方程已经考虑了温度和电流对拐点电压的影响，因此由第一关系方程和第二关系方程得出的目标方程能够准确估计出当前温度和电流条件下对应的拐点电压，从而能够基于准确的拐点电压能够更准确的估计出放电末端电量。

请参阅图5，图5是本发明提供的计算电池放电量的方法的另一实施例的流程示意图。本发明提供的计算电池放电量的方法包括：

S201：检测到目标电池处于放电状态时，采集当前温度和当前电流，将当前温度和当前电流代入目标方程获取拐点电压。

在一个具体的实施场景中，检测目标电池的电压或者电流，基于电压或者电流判断目标电池是否处于放电状态，当判定目标电池当前处于放电状态时，可以通过传感器和电流表采集当前温度和当前电流，将当前温度和当前电流代入目标方程获取拐点电压。目标方程即为上文中计算出的目标方程，例如可以是：U＝2872+0.0205*I+12.87*T

其中，U表示拐点电压，I表示电流，T表示温度。

需要说明的是，在实际使用中，温度和电流可能是处于变化中的，例如负载电阻大的时候，电流变小，但是可能由于负载发热的关系导致温度变高。因此可以实时采集温度和电流，拐点电压也是可能实时变化的。

S202：检测目标电池的当前电压。当当前电压低于或等于拐点电压时，执行步骤S203，当当前电压高于拐点电压时，执行步骤S204。

在一个具体的实施场景中，使用适当的电压测量设备或传感器来获取目标电池的当前电压值，并将所得到的当前电压值与之前计算得到的拐点电压进行比较。

S203：通过电压跟随法计算并提示剩余荷电状态。

在一个具体的实施场景中，当当前电压低于或等于拐点电压时，使用电压跟随法来估计目标电池的剩余荷电状态。获取电池的额定容量，额定容量是指电池在满电状态下可以释放的电荷量，通常以安时(Ah)为单位。根据当前电压和拐点电压之间的差异，以及电池的放电曲线和特性，估计剩余容量。将估计的剩余容量与额定容量进行比较，并将其转换为一个百分比，以表示剩余荷电状态。根据计算得到的剩余荷电状态，可以进行相应的提示或显示。例如，输出一个剩余电量百分比或显示一个电池图标，以提醒用户目标电池的剩余荷电状态。

S204：基于当前电流和采样时间间隔计算并提示剩余荷电状态。

在一个具体的实施场景中，当当前电压高于拐点电压时，获取采样时间间隔，采样时间间隔是预先确定的，例如每分钟、每小时或每天进行一次采样。根据当前电流和采样时间间隔，计算电荷的流入或流出量。如果电流为正，表示电荷正在流入电池；如果电流为负，表示电荷正在流出电池。乘以时间间隔可以得到电荷的量。根据电荷流入/流出量和电池的额定容量，估计目标电池的剩余荷电状态。剩余荷电状态可以表示为一个百分比，例如剩余容量与额定容量的比例。根据计算得到的剩余荷电状态，可以进行相应的提示或显示。例如，输出一个剩余电量百分比或显示一个电池图标，以提醒用户目标电池的剩余荷电状态。

通过上述描述可知，在本实施例中采用的目标方程能够准确估计出当前温度和电流条件下对应的拐点电压，因此能够基于准确的拐点电压能够更准确的估计出放电末端电量。

请结合参阅图6和图7，图6是本发明提供的储能产品的一实施例的结构示意图，图7是本发明提供的电池管理模块的结构示意图。

储能产品10包括电池管理模块11、逆变模块12、直流模块13、最大功率点跟踪模块14。电池管理模块11、逆变模块12、直流模块13、最大功率点跟踪模块14均与储能产品10中的电池连接。

电池管理模块11用于实现上文中的步骤，具体的说是：采集不同温度下，将电池放电至截止电压时，在相同的剩余电量的条件下的第一拐点电压数据和温度数据；根据第一拐点电压数据和温度数据获取第一关系方程；采集在相同的剩余电量和温度的条件下，将电池按照不同放电倍率进行放电时的第二拐点电压数据和电流数据；根据第二拐点电压数据和电流数据获取第二关系方程；根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程。

其中，根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程的步骤之后，包括：

检测到目标电池处于放电状态时，采集当前温度和当前电流，将当前温度和当前电流代入目标方程获取拐点电压；

检测目标电池的当前电压，当当前电压低于或等于拐点电压时，通过电压跟随法计算并提示剩余荷电状态。

其中，检测目标电池的当前电压的步骤之后，还包括：

当当前电压高于拐点电压时，基于当前电流和采样时间间隔计算并提示剩余荷电状态。

其中，根据第一拐点电压数据和温度数据获取第一关系方程的步骤，包括：

构建第一线性模型，将第一拐点电压数据和温度数据代入第一线性模型获取第一关系方程。

其中，根据第二拐点电压数据和电流数据获取第二关系方程的步骤，包括：

获取构建第二线性模型，将第二拐点电压数据和电流数据代入第二线性模型获取第二关系方程。

其中，根据第一关系方程和第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程的步骤，包括：

获取第一关系方程中拐点电压和温度的第一线性关系，以及第二关系方程的中拐点电压和电流的第二线性关系；

根据第一线性关系和第二线性关系设定目标方程的初始模型；

将第一拐点电压数据和温度数据以及第二拐点电压数据和电流数据代入初始模型获取目标方程。

其中，目标方程为：

U＝2872+0.0205*I+12.87*T

其中，U表示拐点电压，I表示电流，T表示温度。

逆变模块12用于将电池提供的直流电转换为交流电；直流模块13用于将电池输出的电压进行升压或者降压；最大功率点跟踪模块14用于提取最大功率的工作点。

电池管理模块11包括AFE(Analog Front End，模拟前端)芯片111、单片机112和数码管113。AFE芯片111连接热敏电阻114，以获取当前温度，连接电流采样电阻115，以获取当前电流。

使用AFE芯片111来采集每颗电芯的电压、电流和温度等电芯数据。AFE芯片通常具有多个通道，每个通道可以连接到一个电芯，以实时监测其状态。采集到的电芯数据将通过通信接口传输给单片机112。常见的通信接口包括UART(串行通信)、I2C(串行总线)或SPI(串行外设接口)等。单片机112将使用这些数据执行电量算法。该单片机112负责执行电量算法和控制数码管113显示电量。单片机112可以根据电芯数据计算剩余电量，并将结果转换为适当的格式以供数码管113显示。

电池管理模块11还可以包括电芯保护电路，用于监测电芯的工作状态并采取必要的措施以确保其安全运行。这可以包括过压保护、欠压保护、过流保护和过温保护等功能。

电池管理模块11可能还包括电源管理电路，用于提供适当的电源供应给AFE芯片、单片机和其他相关电路。这可以包括电池充电管理、电源切换和电源监测等功能。

请参阅图8，图8是本发明提供的储能设备的一实施例的结构示意图。该储能设备具体可以是终端，也可以是服务器。如图8所示，该储能设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该储能设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现年龄识别方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行年龄识别方法。本领域技术人员可以理解，图X中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的储能设备的限定，具体的储能设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提出了一种储能设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上文中所述的步骤。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上文中所述的步骤。

区别于现有技术中取常温环境1C放电的拐点电压作为参考，本发明采用用于描述拐点电压和温度、电流的关系的目标方程来计算拐点电压，在计算拐点电压时考虑到了温度和电流对拐点电压的影响，因此计算出的拐点电压更为准确，根据准确的拐点电压也可以计算出准确的放电末端电量。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

应当理解的是，以上实施例仅用以说明本发明的技术方案，而非对其限制，对本领域技术人员来说，可以对上述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而所有这些修改和替换，都应属于本发明所附权利要的保护范围。

Claims (10)

1.一种计算电池放电量的方法，其特征在于，包括：

采集不同温度下，将电池放电至截止电压时，在相同的剩余电量的条件下的第一拐点电压数据和温度数据；

根据所述第一拐点电压数据和所述温度数据获取第一关系方程；

采集在相同的剩余电量和温度的条件下，将所述电池按照不同放电倍率进行放电时的第二拐点电压数据和电流数据；

根据所述第二拐点电压数据和所述电流数据获取第二关系方程；

根据所述第一关系方程和所述第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程。

2.根据权利要求1所述的计算电池放电量的方法，其特征在于，所述根据所述第一关系方程和所述第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程的步骤之后，包括：

检测到目标电池处于放电状态时，采集当前温度和当前电流，将所述当前温度和所述当前电流代入所述目标方程获取拐点电压；

检测目标电池的当前电压，当所述当前电压低于或等于所述拐点电压时，通过电压跟随法计算并提示剩余荷电状态。

3.根据权利要求2所述的计算电池放电量的方法，其特征在于，所述检测目标电池的当前电压的步骤之后，还包括：

当所述当前电压高于所述拐点电压时，基于当前电流和采样时间间隔计算并提示所述剩余荷电状态。

4.根据权利要求1所述的计算电池放电量的方法，其特征在于，所述根据所述第一拐点电压数据和所述温度数据获取第一关系方程的步骤，包括：

构建第一线性模型，将所述第一拐点电压数据和所述温度数据代入所述第一线性模型获取所述第一关系方程。

5.根据权利要求4所述的计算电池放电量的方法，其特征在于，所述根据所述第二拐点电压数据和所述电流数据获取第二关系方程的步骤，包括：

获取构建第二线性模型，将所述第二拐点电压数据和所述电流数据代入所述第二线性模型获取所述第二关系方程。

6.根据权利要求5所述的计算电池放电量的方法，其特征在于，所述根据所述第一关系方程和所述第二关系方程获取用于描述拐点电压和温度、电流的关系的目标方程的步骤，包括：

获取所述第一关系方程中拐点电压和温度的第一线性关系，以及所述第二关系方程的中拐点电压和电流的第二线性关系；

根据所述第一线性关系和所述第二线性关系设定所述目标方程的初始模型；

将所述第一拐点电压数据和所述温度数据以及所述第二拐点电压数据和所述电流数据代入所述初始模型获取所述目标方程。

7.根据权利要求6所述的计算电池放电量的方法，其特征在于，所述目标方程为：

U＝2872+0.0205*I+12.87*T

其中，U表示拐点电压，I表示电流，T表示温度。

8.一种储能产品，其特征在于，包括：

电池管理模块，用于实现权利要1-7中任一项所述的计算电池放电量的方法；

逆变模块，用于将电池提供的直流电转换为交流电；

直流模块，用于将电池输出的电压进行升压或者降压；

最大功率点跟踪模块，用于提取最大功率的工作点。

9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

10.一种储能设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。