CN118226275A - 一种电池荷电状态估算方法、装置、电子设备及存储介质 - Google Patents
一种电池荷电状态估算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118226275A CN118226275A CN202410366765.0A CN202410366765A CN118226275A CN 118226275 A CN118226275 A CN 118226275A CN 202410366765 A CN202410366765 A CN 202410366765A CN 118226275 A CN118226275 A CN 118226275A
- Authority
- CN
- China
- Prior art keywords
- current
- charge
- state
- battery
- model
- 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 84
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims description 122
- 238000012093 association test Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction 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
- 238000013507 mapping Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明实施例公开了一种电池荷电状态估算方法、装置、电子设备及存储介质,其中,方法包括:在实时检测目标电池的过程中,获取目标电池的当前测量参考参数;其中,当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;根据当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;根据当前超声波信号、当前环境温度、当前工作倍率、当前荷电状态估算模型和荷电状态偏差补偿模型估算目标电池的当前荷电状态。本发明实施例的技术方案能够提高电池荷电状态估算的精度。
Description
技术领域
本发明实施例涉及电池检测技术领域,尤其涉及一种电池荷电状态估算方法、装置、电子设备及存储介质。
背景技术
电池荷电状态(State of Charge,SOC)估算是保障电池使用安全性、准确性和可靠性的重要环节,精准估计荷电状态可以实时掌握电池的剩余容量、预测电池的寿命以及延长电池的使用寿命,防止电池过度充电和放电,从而保证电池系统的运行安全和性能。
目前电池荷电状态估算分为基于测量值的方法和基于模型的算法。基于测量值的算法则主要采用电量积分法、扩展卡尔曼滤波法等方法。基于模型的算法是采用数学模型推导,采用线性模型、阶段性模型或等效电路模型等估算电池荷电状态,能够比较准确的描述电池系统的行为。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:基于测量值的算法对于传感器精度要求很高,容易产生累计误差。同时,如果初始荷电状态不准或者受到电池自放电和漏电效应等因素的影响,会降低基于测量值的算法的精度。基于模型的算法必须确定适合的电池模型参数,并且在实际应用中要进行定期校准。然而电池系统中的监测量是非常有限的,尤其针对磷酸铁锂电池本身的特性中存在较长的电压平台期,导致基于电压和电流等信号构建的数学模型往往因采集精度等问题无法准确估算电池荷电状态。
发明内容
本发明实施例提供一种电池荷电状态估算方法、装置、电子设备及存储介质,能够提高电池荷电状态估算的精度。
根据本发明的一方面,提供了一种电池荷电状态估算方法,包括:
在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;
根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;
根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
根据本发明的另一方面,提供了一种电池荷电状态估算装置,包括:
当前测量参考参数获取模块,用于在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;
当前荷电状态估算关联模型确定模块,用于根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;
当前荷电状态估算模块,用于根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电池荷电状态估算方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电池荷电状态估算方法。
本发明实施例通过在实时检测目标电池的过程中,获取当前超声波信号、当前环境温度和当前工作倍率等目标电池的当前测量参考参数,以根据当前环境温度和当前工作倍率从各荷电状态估算模型中确定匹配的当前荷电状态估算模型和荷电状态偏差补偿模型等当前荷电状态估算关联模型,进而根据当前超声波信号、当前环境温度、当前工作倍率、当前荷电状态估算模型和荷电状态偏差补偿模型估算目标电池的当前荷电状态,解决现有电池荷电状态估算精度较低的问题,能够提高电池荷电状态估算的精度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种电池荷电状态估算方法的流程图;
图2是本发明实施例二提供的一种电池荷电状态估算方法的流程图;
图3是本发明实施例二提供的一种对目标电池进行充放电测试的测试装置的结构示意图;
图4是本发明实施例二提供的一种对目标电池进行充放电测试的流程示意图;
图5是本发明实施例二提供的一种工况下超声-SOC曲线的示意图;
图6是现有技术中OCV-SOC曲线的示意图;
图7是本发明实施例二提供的一种电池荷电状态估算流程的示意图;
图8是本发明实施例三提供的一种电池荷电状态估算装置的示意图;
图9为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种电池荷电状态估算方法的流程图,本实施例可适用于根据荷电状态估算模型和荷电状态偏差补偿模型利用电池的测量参数估算电池荷电状态的情况,该方法可以由电池荷电状态估算装置来执行,该装置可以由软件和/或硬件的方式来实现,并一般可集成在电子设备中,该电子设备可以是终端设备,也可以是服务器设备,只要能够用于对电池进行检测和估算电池荷电状态即可,本发明实施例并不对电子设备的具体设备类型进行限定。相应的,如图1所示,该方法包括如下操作:
S110、在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率。
其中,目标电池可以是当前需要检测估算荷电状态的电池类型,例如可以包括但不限于锂电池或镍氢电池等,只要有电池荷电状态估算需求即可,本发明实施例并不对目标电池的电池类型进行限定。当前测量参考参数可以是对目标电池所采集的相关参数,可以用于作为参考估算目标电池的荷电状态。当前超声波信号可以是利用超声波传感器等相关装置对目标电池采集的超声波信号。当前环境温度可以是对目标电池采集的当前的环境温度信息。当前工作倍率可以是对目标电池测量的当前所处的工作状态,例如可以是当前电流工作倍率,也还可以是当前电压工作倍率等,只要能够反应目标电池的当前工作状态即可,本发明实施例并不对当前工作倍率的具体参数类型进行限定。其中,当前电流工作倍率可以为目标电池当前工作电流与标准工作电流之间的倍数值,当前电流工作倍率可以为目标电池当前工作电压与标准工作电压之间的倍数值。
在本发明实施例中,可以利用超声波测量装置对目标电池进行实时检测,以获取目标电池的当前超声波信号。同时,还可以实时测量目标电池的当前环境温度和当前工作倍率,以将当前超声波信号、当前环境温度和当前工作倍率作为当前测量参考参数,并根据当前测量参考参数对目标电池的当前荷电状态进行估计。
S120、根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型。
其中,荷电状态估算关联模型可以是根据环境温度、电池的工作倍率以及电池的超声波信号等参数所构建的多个相关的数学模型。当前荷电状态估算关联模型可以是与目标电池的当前工作状态和环境状态相匹配的荷电状态估算关联模型。当前荷电状态估算模型可以是当前用于对目标电池进行荷电状态估计的模型。荷电状态偏差补偿模型可以是用于对荷电状态估算模型的估算值进行偏差补偿,以解决荷电状态估算模型误差问题的模型。
在本发明实施例中,在进行电池荷电状态估算之前,可以首先根据目标电池类型的各项实验数据生成目标电池适用的荷电状态估算模型和荷电状态偏差补偿模型。其中,每个环境温度和工作倍率的测试环境可以对应生成一个荷电状态估算模型。也即,环境温度和工作倍率不同,其对应得到的荷电状态估算模型也不同。在荷电状态估算模型中,可以建立超声波信号与目标电池的荷电状态之间的映射关系,以使荷电状态估算模型可以根据测量的超声波信号推导荷电状态的估算值。
在生成目标电池适用的各个荷电状态估算模型之后,还可以根据各个荷电状态估算模型的估算偏差以及电池电压等相关参数,计算用于对荷电状态估算模型进行偏差补偿的荷电状态偏差补偿模型。由此可见,荷电状态偏差补偿模型可以是由多维相关参数生成的偏差补偿模型。可以理解的是,用于生成荷电状态偏差补偿模型的参数维度和对荷电状态影响的相关度越高,荷电状态偏差补偿模型的精度也越高。相应的,各个荷电状态估算模型和荷电状态偏差补偿模型可以构成荷电状态估算关联模型。
相应的,在得到目标电池适用的各个荷电状态估算模型和荷电状态偏差补偿模型之后,即可利用荷电状态估算模型和荷电状态偏差补偿模型对目标电池的荷电状态进行实时估算。具体的,可以在实时检测目标电池的过程中,依据实时获取的当前环境温度和当前工作倍率从各荷电状态估算模型中确定匹配的当前荷电状态估算模型,同时可以获取各荷电状态估算模型匹配的荷电状态偏差补偿模型,以通过当前荷电状态估算模型和荷电状态偏差补偿模型构成的当前荷电状态估算关联模型对目标电池的当前荷电状态进行测量估算。
S130、根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
具体的,由于荷电状态估算模型可以根据测量的超声波信号推导荷电状态的估算值,因此,在确定当前荷电状态估算模型之后,即可将测量得到的当前超声波信号作为当前荷电状态估算模型的变量值,利用当前荷电状态估算模型和当前超声波信号求解当前荷电状态的估算值。由于荷电状态偏差补偿模型是由多维相关参数生成的偏差补偿模型,因此,可以当前环境温度、当前工作倍率以及其他当前测量的相关的参数类型,结合荷电状态偏差补偿模型对当前荷电状态的估算值进行偏差补偿修正,从而得到较为精准的目标电池的当前荷电状态。
本发明实施例通过基于超声波信号与电池荷电状态间的耦合关系建立荷电状态估算模型,以基于荷电状态估算模型估算电池的荷电状态,从而优化传统按时积分或等效电路模型估算荷电状态的偏差问题。考虑到某些类型电池(如锂电池)的复杂特性,在有限的开发周期内很难进行电池全生命周期各影响因素的特性测试、建模和标定,因此基于多维信号数据建立荷电状态偏差补偿模型,与电压、电流和温度等信号一起联合修正电池荷电状态的估算值,实现状态标定不足造成的偏差补偿,从而提高电池荷电状态估算的精度。
本发明实施例通过在实时检测目标电池的过程中,获取当前超声波信号、当前环境温度和当前工作倍率等目标电池的当前测量参考参数,以根据当前环境温度和当前工作倍率从各荷电状态估算模型中确定匹配的当前荷电状态估算模型和荷电状态偏差补偿模型等当前荷电状态估算关联模型,进而根据当前超声波信号、当前环境温度、当前工作倍率、当前荷电状态估算模型和荷电状态偏差补偿模型估算目标电池的当前荷电状态,解决现有电池荷电状态估算精度较低的问题,能够提高电池荷电状态估算的精度。
实施例二
图2是本发明实施例二提供的一种电池荷电状态估算方法的流程图,本实施例以上述实施例为基础进行具体化,在本实施例中,给出了生成荷电状态估算模型和荷电状态偏差补偿模型,以及估算目标电池的当前荷电状态的多种具体可选的实现方式。相应的,如图2所示,本实施例的方法可以包括:
S210、获取所述目标电池在不同工况下的电池关联测试数据;其中,所述电池关联测试数据包括超声信号测试数据和电池荷电状态测试数据。
其中,电池关联测试数据可以是在目标电池进行测试的过程中所测量的相关数据。
在本发明实施例中,在对目标电池进行测试以生成各种荷电状态估算模型的过程中,可以设置不同工况的测试环境,并依据不同工况的测试环境利用超声波测量装置对目标电池进行测试,并在测试的过程中,获取超声信号测试数据和电池荷电状态测试数据作为电池关联测试数据。
可选的,每个工况可以由测试时设置的环境温度和对目标电池进行充放电的工作倍率两种环境因素所确定。
在本发明的一个可选实施例中,所述获取所述目标电池在不同工况下的电池关联测试数据,可以包括:设置当前工况下所述目标电池在测试温度箱内的当前测试环境温度;按照当前测试工作倍率对所述目标电池进行充放电测试;测量所述目标电池在充放电测试过程中的超声波信号和电池荷电状态数据,得到所述电池关联测试数据。
其中,测试温度箱可以是在测试过程中配置的温度箱,用于对目标电池提供恒定的测试温度。当前测试环境温度可以是当前测试工况下的环境温度,该温度值可以由测试温度箱配置设定。当前测试工作倍率可以是当前测试工况下对目标电池配置的工作倍率,例如可以是当前测试电流工作倍率,也还可以是当前测试电压工作倍率等。
在本发明的一个可选实施例中,所述按照当前测试工作倍率对所述目标电池进行充放电测试,可以包括:在确定所述目标电池的当前荷电状态达到第一预设荷电状态的情况下,按照所述当前测试工作倍率对所述目标电池进行充电,直到确定所述目标电池的当前荷电状态达到第二预设荷电状态;在确定所述目标电池的当前荷电状态达到第三预设荷电状态的情况下,按照所述当前测试工作倍率对所述目标电池进行放电,直到确定所述目标电池的当前荷电状态达到第四预设荷电状态。
其中,第一预设荷电状态可以是对目标电池进行充电测试时的起始荷电状态,例如可以是5%的荷电状态。第二预设荷电状态可以是目标电池在充电过程中的截止电压状态,例如可以是100%的荷电状态。第三预设荷电状态可以是对目标电池进行放电测试时的起始荷电状态,例如可以是100%的荷电状态。第四预设荷电状态可以是目标电池在放电过程中的截止电压状态,例如可以是5%的荷电状态。可以理解的是,第一预设荷电状态、第二预设荷电状态、第三预设荷电状态和第四预设荷电状态可以根据测试需求配置,本发明实施例并不对第一预设荷电状态、第二预设荷电状态、第三预设荷电状态和第四预设荷电状态的具体荷电状态的数值进行限定。
图3是本发明实施例二提供的一种对目标电池进行充放电测试的测试装置的结构示意图。在一个具体的例子中,如图3所示,在测试过程中,可以在目标电池的模组表面安装激励单元和接收单元,从而构成一个压电晶片有源传感器,该压电晶片有源传感器可以作为超声波传感器对目标电池进行超声波测试。具体的,在测试过程中,可以向激励单元施加电信号激励以驱动超声传感器发射超声信号,接收单元则接收超声信号并将其转换为电信号传输至数据采集控制器,以获取超声信号测试数据。
图4是本发明实施例二提供的一种对目标电池进行充放电测试的流程示意图。在一个具体的例子中,如图4所示,可以开展不同工况下目标电池模组应变超声信号的测试试验,以在测试过程中获取超声信号测试数据和对应的电池荷电状态测试数据。具体的,测试过程可以包括下述操作:
步骤一、利用充放电设备,根据GBT31467-2015对目标电池进行标准容量测试,以确定目标电池的标准容量。
步骤二、根据设定的测试循环次数开展测试,设置测试温度箱的当前测试环境温度。
其中,测试环境温度通常可以是-20度-50度的温度区间的任一温度值。
步骤三、按照当前测试工作倍率从目标电池的第一预设荷电状态开始对目标电池进行充电,将目标电池充电到第二预设荷电状态,如达到充电截止电压,并测量充电过程中目标电池的SOC和超声信号,得到当前测试环境温度和当前测试工作倍率工况下进行充电时的多组超声信号测试数据和对应的电池荷电状态测试数据。
可选的,当前测试工作倍率可以是设定的当前测试电流工作倍率。
步骤四、按照当前测试工作倍率从目标电池的第三预设荷电状态开始对目标电池进行放电,将目标电池放电到第四预设荷电状态,如达到放电截止电压,并测量放电过程中目标电池的SOC和超声信号,得到当前测试环境温度和当前测试工作倍率工况下进行放电时的多组超声信号测试数据和对应的电池荷电状态测试数据。
可选的,当前测试工作倍率可以是设定的当前测试电流工作倍率。
步骤五、保持当前测试环境温度不变,重复骤步三-步骤四完成当前测试电流工作倍率既定的循环次数。
可选的,测试电流工作倍率的数值不同,其对应的循环次数可以相同,也可以不同,本发明实施例对此并不进行限制。
步骤六、修改当前测试环境温度和当前测试电流工作倍率,重复步骤步二-步骤五。
S220、根据所述电池关联测试数据生成所述荷电状态估算模型。
相应的,在得到电池关联测试数据之后,即可建立每个工况下超声信号测试数据和电池荷电状态测试数据之间的耦合关系,并基于测试数据和电池荷电状态测试数据之间的耦合关系生成各工况下对于的荷电状态估算模型。
图5是本发明实施例二提供的一种工况下超声-SOC曲线的示意图,图6是现有技术中OCV-SOC曲线的示意图。在一个具体的例子中,如图5所示,通过一个测试轮次标定的超声信号测试数据和电池荷电状态测试数据等测试数据,可以建立膨胀应变超声信号与目标电池荷电状态间的耦合关系。如图5所示,膨胀应变超声信号随着荷电状态的变化有着明显的动态响应,可以更好的支撑荷电状态的估算。而传统测试方法中,如图6所示,电压在OCV-SOC曲线平台期的差异在1-5mv之间,在采样精度和误差的干扰下无法准确反映OCV和SOC之间的映射关系,因此电池荷电状态估算准确率较低。
在本发明的一个可选实施例中,所述根据所述电池关联测试数据生成所述荷电状态估算模型,可以包括:获取所述目标电池在当前工况下进行循环测试的多轮次的电池关联测试数据;对各轮次的电池关联测试数据生成单一轮次荷电状态估算模型;对各所述单一轮次荷电状态估算模型进行拟合处理,得到所述目标电池在当前工况下的荷电状态估算模型。
其中,单一轮次荷电状态估算模型可以是根据某一测试轮次的电池关联测试数据所生成的荷电状态估算模型。
相应的,在完成测试后,可以获取到每个测试轮次的电池关联测试数据。由于一个工况可以对应设置循环次数,因此一个工况可以对应获取多个测试轮次的电池关联测试数据。可选的,针对当前工况可以对各轮次的电池关联测试数据生成单一轮次荷电状态估算模型。进一步的,针对当前工况可以采用多项式拟合的方式,对各单一轮次荷电状态估算模型进行拟合处理,得到目标电池在当前工况下的荷电状态估算模型。
示例性的,可以针对当前工况下同一荷电状态对应的多个超声信号的数值进行求平均计算进行拟合处理,或者也还可以针对当前工况下同一荷电状态对应的多个超声信号的数值按照数据分布进行拟合处理等,本发明实施例并不对单一轮次荷电状态估算模型的拟合处理方式进行限定。
可以理解的是,针对当前工况生成的荷电状态估算模型可以以充电状态或放电状态为基准,对环境温度、工作倍率、SOC和超声信号等各项数据拟合出一条曲线。
S230、获取荷电状态估算模型的估算值和真实充放电能量数据之间的偏差数据。
可选的,可以通过生成的荷电状态估算模型估算某一环境温度和某一工作倍率下的荷电状态的估算值。同时,可以获取相同环境温度和相同工作倍率下充放电机设备上设定的充放电能量作为真实充放电能量数据。进一步的,对荷电状态估算模型的估算值和真实充放电能量数据计算差值,得到荷电状态估算模型的估算值和真实充放电能量数据之间的偏差数据。
S240、根据所述偏差数据和多维目标检测数据生成所述荷电状态偏差补偿模型。
其中,多维目标检测数据可以是不同维度的检测数据。可选的,多维目标检测数据包括以下至少一项:环境温度、工作倍率和电池电压。
相应的,为了提高偏差补偿模型的精度,可以根据计算得到的偏差数据,结合计算偏差数据对应工况下的工作温度、充放电工作倍率和电池电压等多维目标检测数据生成荷电状态偏差补偿模型。可选的,荷电状态偏差补偿模型可以对各个荷电状态偏差补偿模型进行偏差补偿。
示例性的,荷电状态偏差补偿模型例如可以是多元线性回归模型,还可以是支持向量机(support vector machines,SVM)模型等,只要能够用于计算估算值的偏差补偿值即可,本发明实施例并不对荷电状态偏差补偿模型的具体模型类型进行限定。
S250、在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率。
S260、根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型。
相应的,可以从各荷电状态估算模型中筛选测试环境温度与当前环境温度相同,且测试工作倍率与当前工作倍率相同的荷电状态估算模型作为当前荷电状态估算模型。
在本发明的一个可选实施例中,所述当前测量参考参数还可以包括所述目标电池的当前测量电压。其中,当前测量电压可以是对目标电池当前测量得到的电压。
相应的,上述方法还可以包括下述操作:
S270、根据所述当前超声波信号和所述当前荷电状态估算模型确定所述目标电池的当前荷电状态估算值。
相应的,在确定当前荷电状态估算模型之后,即可将当前超声波信号作为变量,利用当前荷电状态估算模型根据当前超声波信号求解得到目标电池的当前荷电状态估算值。示例性的,可以根据当前超声波信号读取当前荷电状态估算模型的拟合曲线,从而得到目标电池的当前荷电状态估算值。
S280、根据所述当前环境温度、所述当前工作倍率、所述当前测量电压和所述荷电状态偏差补偿模型确定所述目标电池的当前荷电状态估算值的偏差补偿值。
相应的,在确定荷电状态偏差补偿模型之后,即可将当前环境温度、当前工作倍率和当前测量电压等多维测试数据作为变量,利用荷电状态偏差补偿模型根据上述多维测试数据求解得到目标电池的当前荷电状态估算值的偏差补偿值。
S290、根据所述当前荷电状态估算值和所述当前荷电状态估算值的偏差补偿值估算所述目标电池的当前荷电状态。
相应的,在得到当前荷电状态估算值和当前荷电状态估算值的偏差补偿值之后,即可对当前荷电状态估算值和当前荷电状态估算值的偏差补偿值进行相加,得到目标电池的当前荷电状态最终估算值。
图7是本发明实施例二提供的一种电池荷电状态估算流程的示意图。在一个具体的例子中,如图7所示,一种基于多维信息融合的电池荷电状态估算方法可以包括以下操作步骤:
S1:针对给定类型的电池提供非介入式应变超声测量装置,并开展不同工况下模组外壳膨胀应变超声信号的测试试验。
S2:建立膨胀应变超声信号与锂电池荷电状态间的耦合关系,基于此关系估算电池的荷电状态,得到荷电状态估算模型。
S3:根据电池多维监测信号数据,构建荷电状态偏差补偿模型,并修正S2中荷电状态估算模型输出的初始结果。
对于某些电池类型,如锂电池,尤其是磷酸铁锂电池超宽的电压平台期和严重的两端极化不利于SOC的估算。本发明实施例采用超声波源实现超声应变信号与荷电状态间的量化关系,具体是通过在电池模组表面增加非介入式应变超声测量装置,通过循环测试试验,建立膨胀应变超声信号与电池荷电状态间的耦合关系以建立荷电状态估算模型,从而补充因电池存在电压平台造成的监测数据中有效信息不足的问题,避免传统方法中OCV-SOC平台期对于荷电状态估算的影响。同时,基于多维信息融合的回归补偿模型对估算值进行偏差补偿,进一步降低了估算误差,提升估算精度,能够提供精准的电池荷电状态的估算数据。通过模组表面膨胀应变超声信号监测荷电状态的变化,并未改变电池模组的结构,且超声波信号测量装置易于添加,本发明实施例提供的电池荷电状态估算方法易于实用化以及普及化,具有广阔的应用前景和巨大的实用价值。
需要说明的是,以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
实施例三
图8是本发明实施例三提供的一种电池荷电状态估算装置的示意图,如图8所示,所述装置包括:当前测量参考参数获取模块310、当前荷电状态估算关联模型确定模块320以及当前荷电状态估算模块330,其中:
当前测量参考参数获取模块310,用于在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;
当前荷电状态估算关联模型确定模块320,用于根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;
当前荷电状态估算模块330,用于根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
本发明实施例通过在实时检测目标电池的过程中,获取当前超声波信号、当前环境温度和当前工作倍率等目标电池的当前测量参考参数,以根据当前环境温度和当前工作倍率从各荷电状态估算模型中确定匹配的当前荷电状态估算模型和荷电状态偏差补偿模型等当前荷电状态估算关联模型,进而根据当前超声波信号、当前环境温度、当前工作倍率、当前荷电状态估算模型和荷电状态偏差补偿模型估算目标电池的当前荷电状态,解决现有电池荷电状态估算精度较低的问题,能够提高电池荷电状态估算的精度。
可选的,上述装置还包括荷电状态估算模型生成模块,用于:获取所述目标电池在不同工况下的电池关联测试数据;其中,所述电池关联测试数据包括超声信号测试数据和电池荷电状态测试数据;根据所述电池关联测试数据生成所述荷电状态估算模型。
可选的,荷电状态估算模型生成模块具体用于:设置当前工况下所述目标电池在测试温度箱内的当前测试环境温度;按照当前测试工作倍率对所述目标电池进行充放电测试;测量所述目标电池在充放电测试过程中的超声波信号和电池荷电状态数据,得到所述电池关联测试数据。
可选的,荷电状态估算模型生成模块具体用于:在确定所述目标电池的当前荷电状态达到第一预设荷电状态的情况下,按照所述当前测试工作倍率对所述目标电池进行充电,直到确定所述目标电池的当前荷电状态达到第二预设荷电状态;在确定所述目标电池的当前荷电状态达到第三预设荷电状态的情况下,按照所述当前测试工作倍率对所述目标电池进行放电,直到确定所述目标电池的当前荷电状态达到第四预设荷电状态。
可选的,荷电状态估算模型生成模块具体用于:获取所述目标电池在当前工况下进行循环测试的多轮次的电池关联测试数据;对各轮次的电池关联测试数据生成单一轮次荷电状态估算模型;对各所述单一轮次荷电状态估算模型进行拟合处理,得到所述目标电池在当前工况下的荷电状态估算模型。
可选的,上述电池荷电状态估算装置还包括荷电状态偏差补偿模型生成模块,用于:获取荷电状态估算模型的估算值和真实充放电能量数据之间的偏差数据;根据所述偏差数据和多维目标检测数据生成所述荷电状态偏差补偿模型;其中,所述多维目标检测数据包括以下至少一项:环境温度、工作倍率和电池电压。
可选的,所述当前测量参考参数还包括所述目标电池的当前测量电压;当前荷电状态估算模块330具体用于:根据所述当前超声波信号和所述当前荷电状态估算模型确定所述目标电池的当前荷电状态估算值;根据所述当前环境温度、所述当前工作倍率、所述当前测量电压和所述荷电状态偏差补偿模型确定所述目标电池的当前荷电状态估算值的偏差补偿值;根据所述当前荷电状态估算值和所述当前荷电状态估算值的偏差补偿值估算所述目标电池的当前荷电状态。
上述电池荷电状态估算装置可执行本发明任意实施例所提供的电池荷电状态估算方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的电池荷电状态估算方法。
由于上述所介绍的电池荷电状态估算装置为可以执行本发明实施例中的电池荷电状态估算方法的装置,故而基于本发明实施例中所介绍的电池荷电状态估算方法,本领域所属技术人员能够了解本实施例的电池荷电状态估算装置的具体实施方式以及其各种变化形式,所以在此对于该电池荷电状态估算装置如何实现本发明实施例中的电池荷电状态估算方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中电池荷电状态估算方法所采用的装置,都属于本申请所欲保护的范围。
实施例四
图9示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图9所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如电池荷电状态估算方法。
可选的,电池荷电状态估算方法可以包括:在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
在一些实施例中,电池荷电状态估算方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的电池荷电状态估算方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电池荷电状态估算方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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服务中,存在的管理难度大,业务扩展性弱的缺陷。
Claims (10)
1.一种电池荷电状态估算方法,其特征在于,包括:
在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;
根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;
根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
2.根据权利要求1所述的方法,其特征在于,在所述获取所述目标电池的当前测量参考参数之前,还包括:
获取所述目标电池在不同工况下的电池关联测试数据;其中,所述电池关联测试数据包括超声信号测试数据和电池荷电状态测试数据;
根据所述电池关联测试数据生成所述荷电状态估算模型。
3.根据权利要求2所述的方法,其特征在于,所述获取所述目标电池在不同工况下的电池关联测试数据,包括:
设置当前工况下所述目标电池在测试温度箱内的当前测试环境温度;
按照当前测试工作倍率对所述目标电池进行充放电测试;
测量所述目标电池在充放电测试过程中的超声波信号和电池荷电状态数据,得到所述电池关联测试数据。
4.根据权利要求3所述的方法,其特征在于,所述按照当前测试工作倍率对所述目标电池进行充放电测试,包括:
在确定所述目标电池的当前荷电状态达到第一预设荷电状态的情况下,按照所述当前测试工作倍率对所述目标电池进行充电,直到确定所述目标电池的当前荷电状态达到第二预设荷电状态;
在确定所述目标电池的当前荷电状态达到第三预设荷电状态的情况下,按照所述当前测试工作倍率对所述目标电池进行放电,直到确定所述目标电池的当前荷电状态达到第四预设荷电状态。
5.根据权利要求2所述的方法,其特征在于,所述根据所述电池关联测试数据生成所述荷电状态估算模型,包括:
获取所述目标电池在当前工况下进行循环测试的多轮次的电池关联测试数据;
对各轮次的电池关联测试数据生成单一轮次荷电状态估算模型;
对各所述单一轮次荷电状态估算模型进行拟合处理,得到所述目标电池在当前工况下的荷电状态估算模型。
6.根据权利要求1所述的方法,其特征在于,在所述获取所述目标电池的当前测量参考参数之前,还包括:
获取荷电状态估算模型的估算值和真实充放电能量数据之间的偏差数据;
根据所述偏差数据和多维目标检测数据生成所述荷电状态偏差补偿模型;
其中,所述多维目标检测数据包括以下至少一项:环境温度、工作倍率和电池电压。
7.根据权利要求1所述的方法,其特征在于,所述当前测量参考参数还包括所述目标电池的当前测量电压;
所述根据所述当前超声波信号、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态,包括:
根据所述当前超声波信号和所述当前荷电状态估算模型确定所述目标电池的当前荷电状态估算值;
根据所述当前环境温度、所述当前工作倍率、所述当前测量电压和所述荷电状态偏差补偿模型确定所述目标电池的当前荷电状态估算值的偏差补偿值;
根据所述当前荷电状态估算值和所述当前荷电状态估算值的偏差补偿值估算所述目标电池的当前荷电状态。
8.一种电池荷电状态估算装置,其特征在于,包括:
当前测量参考参数获取模块,用于在实时检测目标电池的过程中,获取所述目标电池的当前测量参考参数;其中,所述当前测量参考参数包括当前超声波信号、当前环境温度和当前工作倍率;
当前荷电状态估算关联模型确定模块,用于根据所述当前环境温度和所述当前工作倍率从各荷电状态估算关联模型中确定匹配的当前荷电状态估算关联模型;其中,所述当前荷电状态估算关联模型包括当前荷电状态估算模型和荷电状态偏差补偿模型;
当前荷电状态估算模块,用于根据所述当前超声波信号、所述当前环境温度、所述当前工作倍率、所述当前荷电状态估算模型和所述荷电状态偏差补偿模型估算所述目标电池的当前荷电状态。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一所述的电池荷电状态估算方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一所述的电池荷电状态估算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410366765.0A CN118226275A (zh) | 2024-03-28 | 2024-03-28 | 一种电池荷电状态估算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410366765.0A CN118226275A (zh) | 2024-03-28 | 2024-03-28 | 一种电池荷电状态估算方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118226275A true CN118226275A (zh) | 2024-06-21 |
Family
ID=91500084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410366765.0A Pending CN118226275A (zh) | 2024-03-28 | 2024-03-28 | 一种电池荷电状态估算方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118226275A (zh) |
-
2024
- 2024-03-28 CN CN202410366765.0A patent/CN118226275A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210328449A1 (en) | Battery charging method and apparatus | |
JP7289063B2 (ja) | 二次電池の残存性能評価方法、二次電池の残存性能評価プログラム、演算装置、及び残存性能評価システム | |
CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
CN106461732B (zh) | 用于估计电池的健康状态的方法 | |
CN110386029B (zh) | 一种根据动态电压修正锂电池soc方法 | |
CN106646256B (zh) | 电池容量计算方法 | |
CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
CN112578298B (zh) | 电池温度估算方法、装置、电子设备及存储介质 | |
CN116008827A (zh) | 一种锂离子电池析锂电位的确定方法、装置及电子设备 | |
CN113945302B (zh) | 一种电池内部温度的确定方法及其确定装置 | |
CN114137415B (zh) | 电池组的发热量检测方法、装置、车辆及存储介质 | |
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 | |
CN116559693A (zh) | 一种电池soc评估方法、装置、电子设备及存储介质 | |
CN116577686A (zh) | 一种基于局部阶段充电数据的多工况soh估计方法和系统 | |
CN118226275A (zh) | 一种电池荷电状态估算方法、装置、电子设备及存储介质 | |
CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
Pang et al. | A new method for determining SOH of lithium batteries using the real-part ratio of EIS specific frequency impedance | |
CN115656858A (zh) | 电池寿命确定方法、装置、电子设备及存储介质 | |
CN113900034A (zh) | 一种动力电池的检测方法及装置 | |
CN116224087B (zh) | 一种电池储能系统及其soc估算方法和装置 | |
Rong et al. | SOC estimation of electric vehicle based on the establishment of battery management system | |
CN114325429B (zh) | 锂电储能自适应高精度电量计量方法、系统及存储介质 | |
CN114814602A (zh) | 一种soc测量系统评估方法、装置及系统 | |
CN114019401A (zh) | Soc-ocv曲线更新方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |