CN118226282A - 电池soc跳变异常的确定方法、装置、电子设备及存储介质 - Google Patents
电池soc跳变异常的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118226282A CN118226282A CN202410658991.6A CN202410658991A CN118226282A CN 118226282 A CN118226282 A CN 118226282A CN 202410658991 A CN202410658991 A CN 202410658991A CN 118226282 A CN118226282 A CN 118226282A
- Authority
- CN
- China
- Prior art keywords
- soc
- jump
- battery
- determining
- scene
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 91
- 230000007704 transition Effects 0.000 claims description 75
- 238000012937 correction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本申请提供电池SOC跳变异常的确定方法、装置、电子设备及存储介质，应用于汽车动力电池技术领域，基于车端实时上传的车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景，并确定车辆电池的SOC跳变异常类型。这样，在云端接收到车端发送的车辆运行信息以及车辆电池信息后，及时通过预先建立的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，对车辆电池的SOC跳变异常的目标异常场景进行确定，并有针对性地针对于目标异常场景确定车辆电池的SOC跳变异常类型，有助于提升对于SOC跳变类型判断的效率以及准确率。
Description
技术领域
本申请涉及汽车动力电池技术领域，尤其是涉及电池SOC跳变异常的确定方法、装置、电子设备及存储介质。
背景技术
随着科技的发展，新能源汽车逐渐走进用户的生活，动力电池是电动汽车的核心零部件，关乎着用车的安全，为了保证车辆的行驶安全，需要实时对电池的数据进行分析以及预测。
其中，动力电池SOC是衡量电池电量的关键指标之一，对于电池管理和性能至关重要。电池在日常工作中，受各种因素的影响，会造成电池管理系统（Battery ManagementSystem，BMS）计算的SOC与电池实际的SOC产生偏差，当偏差达到一定条件时，就要做修正。修正体现在仪表或云端，就是SOC跳变。
现有技术中对于SOC跳变的原因判断还是采用统一的判断标准，需要耗费大量时间准确对SOC跳变原因以及跳变类型进行确定，导致存在对于SOC跳变类型判断的效率以及准确率均较低的问题。
发明内容
有鉴于此，本申请的目的在于提供电池SOC跳变异常的确定方法、装置、电子设备及存储介质，在云端接收到车端发送的车辆运行信息以及车辆电池信息后，及时通过预先建立的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，对车辆电池的SOC跳变异常的目标异常场景进行确定，并有针对性地针对于目标异常场景确定车辆电池的SOC跳变异常类型，有助于提升对于SOC跳变类型判断的效率以及准确率。
第一方面，本申请实施例提供了一种电池SOC跳变异常的确定方法，应用于云端；所述确定方法包括：
接收车端实时上传的车辆运行信息以及车辆电池信息；
基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；
基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
在一种可能的实施方式中，所述电池SOC跳变场景数据库中包括多个SOC跳变类型，每个SOC跳变类型下包括至少一个SOC跳变场景；所述电池SOC跳变特征数据库中包括多个SOC跳变类型，每个SOC跳变类型下包括至少一个SOC跳变场景，每个SOC跳变场景对应具体的电池数据特征以及运行数据特征；
所述SOC跳变场景包括以下至少一种：
精度内满充跳变场景、精度外满充跳变场景、未达静置时间跳变场景、达阈值静置跳变场景、未达阈值静置跳变场景、数据丢失场景。
在一种可能的实施方式中，所述检测所述车端的车辆电池是否处于SOC跳变异常的情况，包括：
基于所述车辆运行信息中的里程信息以及运行时间信息，结合所述车辆电池信息中的SOC信息，确定所属的目标SOC跳变场景以及目标SOC跳变类型；
基于所述目标SOC跳变类型下的目标SOC跳变类型对应的异常跳变信息，检测所述车端的车辆电池是否处于SOC跳变异常的情况。
在一种可能的实施方式中，异常跳变场景包括以下至少一种：
精度外满充跳变场景、未达静置时间跳变场景、未达阈值静置跳变场景以及数据丢失场景。
在一种可能的实施方式中，当所述目标异常场景为所述精度外满充跳变场景时，所述基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型，包括：
基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在所述跳变时间之前满足预设统计条件的第一目标时间；其中，所述第一目标时间为电池满充时对应的时间或者达到SOC修正条件时对应的时间；
基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差；
若所述SOC偏差大于第一偏差阈值，确定所述车辆电池的SOC跳变异常类型为精度不足跳变类型。
在一种可能的实施方式中，所述基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差，包括：
基于所述辆电池信息，计算所述目标时间段内所述车辆电池的充放电总容量；
基于所述充放电总容量以及所述车辆电池的额定容量，确定所述目标时间段内的充放电循环数量；
针对于每一个充放电循环，基于所述充放电循环数量以及所述车辆电池在所述目标时间段内的SOC跳变数量，确定该充放电循环的SOC偏差。
在一种可能的实施方式中，当所述目标异常场景为所述未达静置时间跳变场景或者未达阈值静置跳变场景时，所述基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型，包括：
基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在跳变时间之前预设时间阈值内的第二目标时间；
基于所述车辆电池信息，确定所述跳变时间对应的第一电芯电压、所述第二目标时间对应的第二电芯电压、所述跳变时间对应的第一SOC值以及所述第二目标时间对应的第二SOC值；
基于所述第一电芯电压以及所述第二电芯电压，确定目标电压差值；
基于所述第一SOC值以及计算得到的所述车辆电池的实际SOC值，确定第一SOC差值，并基于所述第二SOC值以及所述实际SOC值，确定第二SOC差值；
若所述目标电压差值大于预设电压差值阈值，且第一SOC差值的绝对值小于第一SOC阈值，所述第二SOC差值的绝对值大于第一SOC阈值，确定所述车辆电池的SOC跳变异常类型为BMS阈值异常跳变类型。
在一种可能的实施方式中，所述确定方法还包括：
若所述目标电压差值小于或者等于预设电压差值阈值，或者第一SOC差值的绝对值大于或者等于第一SOC阈值，或者所述第二SOC差值的绝对值小于或者等于第二SOC阈值，确定所述车辆电池的SOC跳变异常类型为数据丢失异常类型。
在一种可能的实施方式中，通过以下步骤构建所述电池SOC跳变场景数据库：
获取预设时间段内的多个SOC跳变数据，并确定多个SOC跳变场景以及各个SOC跳变场景所属的跳变类型；
针对于每个SOC跳变场景，确定该跳变场景是否为异常跳变场景，并生成该SOC跳变场景对应的异常跳变信息；
将属于同一跳变类型的SOC跳变场景以及对应的异常跳变信息集合，生成所述电池SOC跳变场景数据库。
在一种可能的实施方式中，通过以下步骤构建所述电池SOC跳变特征数据库：
基于所述电池SOC跳变场景数据库，构建初始数据特征；
基于所述初始数据特征对获取到的多个SOC跳变数据进行聚类分析，确定SOC跳变场景分类结果；
基于所述SOC跳变场景分类结果，调整各个数据特征对应的数据特征阈值，并删除异常数据特征后，构建所述电池SOC跳变特征数据库；
其中，所述数据特征阈值是基于所述车辆电池的SOC精度以及BMS阈值设置。
在一种可能的实施方式中，在所述基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型之后，所述确定方法还包括：
基于所述SOC跳变异常类型，修正所述车端的SOC算法。
第二方面，本申请实施例还提供了一种电池SOC跳变异常的确定装置，应用于云端；所述确定装置包括：
信息接收模块，用于接收车端实时上传的车辆运行信息以及车辆电池信息；
跳变场景确定模块，用于基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；
跳变类型确定模块，用于基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如第一方面任一项所述电池SOC跳变异常的确定方法的步骤。
第四方面，本申请实施例还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上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面任一项所述的电池SOC跳变异常的确定方法的步骤。
本申请实施例提供的电池SOC跳变异常的确定方法、装置、电子设备及存储介质，接收车端实时上传的车辆运行信息以及车辆电池信息；基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。这样，在云端接收到车端发送的车辆运行信息以及车辆电池信息后，及时通过预先建立的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，对车辆电池的SOC跳变异常的目标异常场景进行确定，并有针对性地针对于目标异常场景确定车辆电池的SOC跳变异常类型，有助于提升对于SOC跳变类型判断的效率以及准确率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例所提供的一种电池SOC跳变异常的确定方法的流程图；
图2为本申请实施例所提供的一种电池SOC跳变异常的确定装置的结构示意图之一；
图3为本申请实施例所提供的一种电池SOC跳变异常的确定装置的结构示意图之二；
图4为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于汽车动力电池技术领域。
随着科技的发展，新能源汽车逐渐走进用户的生活，动力电池是电动汽车的核心零部件，关乎着用车的安全，为了保证车辆的行驶安全，需要实时对电池的数据进行分析以及预测。
其中，动力电池SOC是衡量电池电量的关键指标之一，对于电池管理和性能至关重要。电池在日常工作中，受各种因素的影响，会造成电池管理系统（Battery ManagementSystem，BMS）计算的SOC与电池实际的SOC产生偏差，当偏差达到一定条件时，就要做修正。修正体现在仪表或云端，就是SOC跳变。
现有技术中对于SOC跳变的原因判断还是采用统一的判断标准，需要耗费大量时间准确对SOC跳变原因以及跳变类型进行确定，导致存在对于SOC跳变类型判断的效率以及准确率均较低的问题。
基于此，本申请实施例提供了一种电池SOC跳变异常的确定方法，以提升对于SOC跳变类型判断的效率以及准确率。
请参阅图1，图1为本申请实施例所提供的一种电池SOC跳变异常的确定方法的流程图。如图1中所示，本申请实施例提供的电池SOC跳变异常的确定方法，包括：
S101、接收车端实时上传的车辆运行信息以及车辆电池信息。
S102、基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景。
S103、基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
本申请实施例提供的一种电池SOC跳变异常的确定方法，在云端接收到车端发送的车辆运行信息以及车辆电池信息后，及时通过预先建立的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，对车辆电池的SOC跳变异常的目标异常场景进行确定，并有针对性地针对于目标异常场景确定车辆电池的SOC跳变异常类型，有助于提升对于SOC跳变类型判断的效率以及准确率。
下面对本申请实施例示例性的各步骤进行说明：
S101、接收车端实时上传的车辆运行信息以及车辆电池信息。
在本申请实施例中，在一种可能的实施方式中，可以是通过无线网络实时将车辆运行信息以及车辆电池信息等上传至云端，云端对数据进行分析。
在一种可能的实施方式中，针对的车辆可以是新能源汽车，采集的车辆电池信息可以针对的是车辆上安装的电池进行的，可以包括汽车运行过程中或者是车辆充电过程中的电池信息。其中，对于车辆运行信息的采集可以是车辆行驶过程中以及车辆进行充电过程中进行采集的。
在一种可能的实施方式中，云端可以根据车端实时上传的车辆运行信息以及车辆电池信息对车端的车辆电池状态进行分析。
在一种可能的实施方式中，车端可以是按照预设的时间频率向云端发送车辆运行信息以及车辆电池信息，时间频率可以根据测量需求以及网络传输速度进行设置，车端在上传车辆运行信息以及车辆电池信息时，会同步上传对应的时间戳信息，以便后续云端根据时间信息进行数据分析。
其中，车辆运行信息包括车辆的里程信息，车辆电池信息包括车辆运行（行驶、充电等）过程中的电流、电芯温度、电芯电压、SOC等数据。
在本申请实施例中，针对的是电池的SOC异常状态进行的判断，电池SOC(State ofcharge)，即荷电状态，是用来反映电池的剩余容量的，其数值上定义为剩余容量占电池容量的比值，常用百分数表示。其取值范围为0~1，当SOC=0时表示电池放电完全，当SOC=1时表示电池完全充满。
其中，动力电池SOC是衡量电池电量的关键指标之一，对于电池管理和性能至关重要。电池在日常工作中，受各种因素的影响，会造成电池管理系统（Battery ManagementSystem，BMS）计算的SOC与电池实际的SOC产生偏差，当偏差达到一定条件时，就要做修正。修正体现在仪表或云端，就是SOC跳变。
其中，SOC跳变是指电池的荷电状态（SOC）显示值发生异常变化的现象。这种现象可能由多种原因引起，包括但不限于SOC计算程序异常、电池包故障、高压配电箱故障、电池管理器故障等。在新能源汽车中，如果发现SOC跳变，首先需要估算电池的实际SOC值，以确定是否为SOC计算程序异常所导致。如果是程序异常，应根据实际SOC值校准仪表显示的SOC值；如果不是程序异常，则需通过工程师分析历史数据来确定是否为电池本身或其它硬件故障所致。
进一步的，在云端获取到车端实时上传的车辆运行信息以及车辆电池信息后，会根据车辆运行信息以及车辆电池信息对车辆的SOC状态是否跳变异常以及导致SOC跳变异常的原因进行分析。
S102、基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景。
在本申请实施例中，需要针对于历史SOC异常数据以及对应的数据特征构建电池SOC跳变场景数据库以及电池SOC跳变特征数据库，云端根据接收的车端的车辆运行信息以及车辆电池信息，结合电池SOC跳变场景数据库以及电池SOC跳变特征数据库对车端的车辆电池是否存在SOC跳变异常以及导致异常的原因进行分析。
在一种可能的实施方式中，需要预先根据历史SOC异常数据以及对应的数据特征构建电池SOC跳变场景数据库以及电池SOC跳变特征数据库，存储在云端，在分析车端实时上传的数据时，进行比对，进一步减少再次获取数据库的效率，提升对于车辆SOC跳变类型确定的效率。
下面将分别对电池SOC跳变场景数据库以及电池SOC跳变特征数据库的构建过程进行阐述。
具体地，通过以下步骤构建所述电池SOC跳变场景数据库：
a1：获取预设时间段内的多个SOC跳变数据，并确定多个SOC跳变场景以及各个SOC跳变场景所属的跳变类型。
a2：针对于每个SOC跳变场景，确定该跳变场景是否为异常跳变场景，并生成该SOC跳变场景对应的异常跳变信息。
a3：将属于同一跳变类型的SOC跳变场景以及对应的异常跳变信息集合，生成所述电池SOC跳变场景数据库。
在一种可能的实施方式中，预设时间段可以是车辆从生产之后投入使用的时间，并且获取到的多个SOC跳变数据可以是同一车型在不同时间端内的SOC跳变数据，也可以是多个不同车型在同一时间段内的SOC跳变数据。
进一步的，在获取到多个SOC跳变数据后，需要对多个SOC数据进行分析，确定出多个SOC跳变场景以及每个SOC跳变场景所属的跳变类型，并需要针对于每个SOC跳变场景，确定当前SOC跳变场景是否是异常跳变场景，并生成对应的异常跳变信息，将属于同一跳变类型的SOC跳变场景以及对应的异常跳变信息进行聚类后，生成电池SOC跳变场景数据库。
在一种可能的实施方式中，SOC跳变场景包括以下至少一种：
精度内满充跳变场景、精度外满充跳变场景、未达静置时间跳变场景、达阈值静置跳变场景、未达阈值静置跳变场景、数据丢失场景。
其中，异常跳变场景包括以下至少一种：
精度外满充跳变场景、未达静置时间跳变场景、未达阈值静置跳变场景以及数据丢失场景。
同时，多个SOC跳变类型包括以下至少一种：
满充跳变类别、非静置跳变类别、静置跳变类别、数据问题类别。
在一种可能的是实施方式中，满充跳变类别包括精度内满充跳变场景以及精度外满充跳变场景；非静置跳变类别包括未达静置时间跳变场景；静置跳变类别包括达阈值静置跳变场景以及未达阈值静置跳变场景；数据问题类别包括数据丢失场景。
示例性地，以电池SOC跳变场景数据库以表格形式存储为例。
请参阅表1，表1为电池SOC跳变场景数据表，如表1中所示，包括多个SOC跳变类型，每个SOC跳变类型中包括至少一个SOC跳变场景，以及每个SOC跳变场景对应的异常跳变信息。
表1电池SOC跳变场景数据表
进一步的，在构建电池SOC跳变场景数据库后，根据电池SOC跳变场景数据库中包括的多个SOC跳变类型以及每个SOC跳变类型下包括的至少一个SOC跳变场景后，可以分析各个SOC跳变场景下的数据体征，进而构建电池SOC跳变特征数据库。
具体地，通过以下步骤构建所述电池SOC跳变特征数据库：
b1：基于所述电池SOC跳变场景数据库，构建初始数据特征。
b2：基于所述初始数据特征对获取到的多个SOC跳变数据进行聚类分析，确定SOC跳变场景分类结果。
b3：基于所述SOC跳变场景分类结果，调整各个数据特征对应的数据特征阈值，并删除异常数据特征后，构建所述电池SOC跳变特征数据库。
在本申请实施例中，根据构建的电池SOC跳变场景数据库，确定出多个SOC跳变类型以及每个SOC跳变类型下包括的至少一个SOC跳变场景，进而根据每个SOC跳变场景下的初始数据特征，并根据获取到的多个SOC跳变数据进行聚类分析，确定SOC跳变场景分类结果，同时对于数据特征中不符合条件的异常数据删除后，构建电池SOC跳变特征数据库。
其中，不符合条件的异常数据可以包括明显错误记录的数据。
具体地，数据特征可以包括时间差以及里程信息、SOC数值等。
示例性地，以电池SOC跳变特征数据库以表格形式存储为例。
请参阅表2，表2为电池SOC跳变特征数据表，如表2中所示，包括多个SOC跳变类型，每个SOC跳变类型中包括至少一个SOC跳变场景，以及每个SOC跳变场景对应的数据特征。
表2电池SOC跳变特征数据表
其中，数据特征阈值（a*、b*）是基于所述车辆电池的SOC精度以及BMS初始设置的阈值进行设置。
其中，里程差指的是发生SOC跳变时的当前帧与前一帧之间的里程差值，示例性的，发生跳变的当前帧对应的里程数为5000公里，而发生跳变的上一帧对应的里程为4900公里，那么当前里程差为100公里。
进一步的，在云端接收到车端上传的车辆运行信息以及车辆电池信息后，根据车辆运行信息以及车辆电池信息，与电池SOC跳变特征数据库中的数据特征进行对比，确定当前车辆电池所述的跳变类型以及跳变场景，进而根据电池SOC跳变场景数据库，确定当前车辆跳变场景是否属于目标异常场景。
具体地，步骤“检测所述车端的车辆电池是否处于SOC跳变异常的情况”，包括：
c1：基于所述车辆运行信息中的里程信息以及运行时间信息，结合所述车辆电池信息中的SOC信息，确定所属的目标SOC跳变场景以及目标SOC跳变类型。
c2：基于所述目标SOC跳变类型下的目标SOC跳变类型对应的异常跳变信息，检测所述车端的车辆电池是否处于SOC跳变异常的情况。
在一种可能的实施方式中，结合电池SOC跳变特征数据库以及车端实时上传的车辆运行信息中的里程信息以及车辆电池信息中的SOC信息，结合对应的时间信息，确定出当前车辆所处的目标SOC跳变场景，进而根据电池SOC跳变场景数据库，确定出当前目标SOC跳变场景是否为SOC跳变异常场景。
示例性地，若是根据车辆运行信息中的里程信息，确定当前里程差为0，根据车辆电池信息中的SOC信息可知，当前SOC=100，并且时间差小于5分钟，同时，根据时间戳获取前一帧的SOC数值小于等于预设阈值，此时，根据电池SOC跳变特征数据库，可知当前车辆电池属于精度外满充跳变的跳变场景，再根据电池SOC跳变场景数据库可知，精度外满充跳变场景是异常跳变场景，即，可以确定车端的车辆电池是否处于SOC跳变异常。
进一步的，在确定出当前车辆电池处于SOC异常情况下，可以根据确定出的当前车辆电池所处的目标异常场景，确定出当前引发车辆电池SOC跳变异常的异常跳变类型，进而可以针对于异常跳变类型对车辆电池进行诊断以及维修，同时修改正SOC算法。
S103、基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
在本申请实施例中，针对于不同的SOC异常场景对于SOC跳变异常类型的确定方式存在不同，下面将针对于不同的异常跳变类型阐述具体的SOC跳变异常类型的确定方式。
第一方面，当目标异常场景为所述精度外满充跳变场景时，步骤“基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型”，包括：
d1：基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在所述跳变时间之前满足预设统计条件的第一目标时间；其中，所述第一目标时间为电池满充时对应的时间或者达到SOC修正条件时对应的时间。
d2：基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差。
d3：若所述SOC偏差大于第一偏差阈值，确定所述车辆电池的SOC跳变异常类型为精度不足跳变类型。
在本申请实施例中，针对于精度外满充跳变场景，需要预先确定出当前发生SOC跳变的跳变时间，进而根据获取到的历史车端上传的车辆电池信息，确定出池满充时或者达到SOC修正条件时的第一目标时间。
进一步的，根据车辆电池信息计算出车辆电池在第一目标时间至跳变时间的目标时间段内包括的各个充放电循环的SOC偏差。
其中，对于各个充放电循环的SOC偏差的计算方法可以是先确定出车辆电池在第一目标时间至跳变时间的目标时间段内包括的循环数量，进而再进行计算。
具体地，步骤“基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差”，包括：
e1：基于所述辆电池信息，计算所述目标时间段内所述车辆电池的充放电总容量。
e2：基于所述充放电总容量以及所述车辆电池的额定容量，确定所述目标时间段内的充放电循环数量。
e3：针对于每一个充放电循环，基于所述充放电循环数量以及所述车辆电池在所述目标时间段内的SOC跳变数量，确定该充放电循环的SOC偏差。
在一种可能的实施方式中，可以是根据安时积分计算目标时间段内车辆电池的充放电总容量C1；也可以是根据其他针对于SOC计算方式计算出目标时间段内车辆电池的充放电总容量C1。
其中，对于SOC 估算方法有：开路电压法、安时积分法、内阻法、神经网络和卡尔曼滤波法，开路电压法由于要预计开路电压，因此需要长时间静置电池组，内阻法存在着估算内阻的困难，在硬件上也难以实现，神经网络和卡尔曼滤波法则由于系统设置的困难，而且在电池管理系统中应用时成本很高，不具备优势，因此相对于开路电压法、内阻法、神经网络和卡尔曼滤波法本而言，安时积分由于简单，综上，在进行SOC 估算时，优先选择安时积分。
具体地，安时积分法是最常用的SOC估计方法。如果充放电起始状态记为SOC0，那么当前状态的SOC为：
；
其中，SOC为当前状态的SOC，SOC0为充放电起始状态，C0为车辆电池的额定容量，I为车辆电池的充放电电流，η为充放电效率，t为充放电时间。
进一步的，可以根据充放电总容量以及所述车辆电池的额定容量，确定所述目标时间段内的充放电循环数量；具体地，可以根据以下公式确定目标时间段内的充放电循环数量：
；
其中，L为目标时间段内的充放电循环数量；C1为目标时间段内的总容量；C0为车辆电池的额定容量。
进一步的，在确定出目标时间段内的充放电循环数量后，可以基于充放电循环数量以及车辆电池在所述目标时间段内的SOC跳变数量，具体地，可以通过如下公式确定充放电循环的SOC偏差：
；
其中，L为目标时间段内的充放电循环数量；ΔSOC0为充放电循环的SOC偏差；a为SOC跳变数量。
在一种可能的实施方式中，若是确定计算出的SOC偏差大于第一偏差阈值，此时，确定车辆电池的SOC跳变异常类型为精度不足跳变类型。
其中，第一偏差阈值可以根据车辆电池的电池类型或者是车辆的车辆运行参数等进行设置，示例性地，第一偏差阈值可以设置为3。
第二方面，当目标异常场景为所述未达静置时间跳变场景或者未达阈值静置跳变场景时，两者对于车辆电池的SOC跳变异常类型的计算类型是一致的。
具体地，步骤“基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型”，包括：
f1：基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在跳变时间之前预设时间阈值内的第二目标时间。
f2：基于所述车辆电池信息，确定所述跳变时间对应的第一电芯电压、所述第二目标时间对应的第二电芯电压、所述跳变时间对应的第一SOC值以及所述第二目标时间对应的第二SOC值。
f3：基于所述第一电芯电压以及所述第二电芯电压，确定目标电压差值。
f4：基于所述第一SOC值以及计算得到的所述车辆电池的实际SOC值，确定第一SOC差值，并基于所述第二SOC值以及所述实际SOC值，确定第二SOC差值。
f5：若所述目标电压差值大于预设电压差值阈值，且第一SOC差值的绝对值小于第一SOC阈值，所述第二SOC差值的绝对值大于第一SOC阈值，确定所述车辆电池的SOC跳变异常类型为BMS阈值异常跳变类型。
在本申请实施例中，在确定处于SOC跳变异常的情况后，确定当前发生SOC跳变的跳变时，进而以当前时间为基准，确定出在跳变时间之前预设时间阈值内的第二目标时间。
其中，预设时间阈值可以设置为一个小时，即，第二目标时间与当前跳变时间之间的时间小于或者等于一小时。
进一步的，根据当前车端的车辆电池信息确定出跳变时间对应的第一电芯电压、跳变时间对应的第一SOC值（SOCbms）；并根据历史时间段内获取到的历史电池信息，确定出第二目标时间对应的第二电芯电压以及第二目标时间对应的第二SOC值（SOCbms-pre）。并根据跳变时间对应的第一电芯电压以及第二目标时间对应的第二电芯电压计算出跳变时间与第二目标时间之间的目标电压差值。
在一种可能的实施方式中，可以根据获取到的电芯电压以及OCV-SOC曲线计算车辆电池的实际SOC值（SOCcalc-pre）；进而基于第一SOC值以及计算得到的车辆电池的实际SOC值，计算出第一SOC差值（SOCcalc-pre-SOCbms）；进而基于第二SOC值以及计算得到的车辆电池的实际SOC值，计算出第二SOC差值（SOCcalc-pre-SOCbms-pre）。
进一步的，若是确定计算出的目标电压差值大于预设电压差值阈值，并且第一SOC差值的绝对值小于第一SOC阈值，所述第二SOC差值的绝对值大于第一SOC阈值，此时，可以确定车辆电池的SOC跳变异常类型为BMS阈值异常跳变类型。
示例性地，预设电压差值阈值可以设置为50mV；第一SOC阈值可以设置为1%；第二SOC阈值可以设置为5%。
即，当目标电压差值大于50mV并且| SOCcalc-pre-SOCbms|<1%，|SOCcalc-pre-SOCbms-pre|>5%时，确定车辆电池的SOC跳变异常类型为BMS阈值异常跳变类型。
在一种可能的实施方式中，若是不满足上述条件，则确定车辆电池的SOC跳变异常类型为数据丢失异常类型。
具体地，所述确定方法还包括：
g1：若所述目标电压差值小于或者等于预设电压差值阈值，或者第一SOC差值的绝对值大于或者等于第一SOC阈值，或者所述第二SOC差值的绝对值小于或者等于第二SOC阈值，确定所述车辆电池的SOC跳变异常类型为数据丢失异常类型。
在本申请实施例中，若是确定目标电压差值小于或者等于预设电压差值阈值，且第一SOC差值的绝对值大于或者等于第一SOC阈值，或者第二SOC差值的绝对值小于或者等于第二SOC阈值，此时确定车辆电池的SOC跳变异常类型为数据丢失异常类型。
示例性地，针对于上述示例，当目标电压差值小于或者50mV，或者| SOCcalc-pre-SOCbms|≥1%，| SOCcalc-pre-SOCbms-pre|≤5%时，确定车辆电池的SOC跳变异常类型为数据丢失异常类型。
进一步的，若是确定车辆存在SOC跳变异常，需要通知车端进行SOC算法修正，以保证车端电池的正常运行。
具体地，在步骤“基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型”之后，所述确定方法还包括：
h1：基于所述SOC跳变异常类型，修正所述车端的SOC算法。
在本申请实施例中，可以是根据云端判定结果（SOC跳变异常类型），对SOC算法进行修正，并进行OTA升级。
其中，OTA升级，即Over-the-Air Technology，意为“空中下载技术”，是一种无需通过有线连接即可下载并安装更新软件的技术。在汽车领域，OTA升级允许汽车通过无线网络接收并安装更新，从而提升车辆性能和系统功能。这一技术主要适用于纯电动汽车或搭载互联网车机系统的车型。
在一种可能的实施方式中，具体更新方式为云端基于判定结果确定出SOC跳变异常类型，并将SOC跳变异常类型发送至对应的车端，车端在再一次上电启动时，修正SOC算法，以修正当前存在的SOC跳变异常。
本申请实施例提供的电池SOC跳变异常的确定方法，接收车端实时上传的车辆运行信息以及车辆电池信息；基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。这样，在云端接收到车端发送的车辆运行信息以及车辆电池信息后，及时通过预先建立的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，对车辆电池的SOC跳变异常的目标异常场景进行确定，并有针对性地针对于目标异常场景确定车辆电池的SOC跳变异常类型，有助于提升对于SOC跳变类型判断的效率以及准确率。
基于同一发明构思，本申请实施例中还提供了与电池SOC跳变异常的确定方法对应的电池SOC跳变异常的确定装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述电池SOC跳变异常的确定方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
请参阅图2、图3，图2为本申请实施例所提供的一种电池SOC跳变异常的确定装置的结构示意图之一，图3为本申请实施例所提供的一种电池SOC跳变异常的确定装置的结构示意图之二。如图2中所示，所述确定装置200包括：
信息接收模块210，用于接收车端实时上传的车辆运行信息以及车辆电池信息；
跳变场景确定模块220，用于基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；
跳变类型确定模块230，用于基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
在一种可能的实施方式中，如图3所示，所述确定装置200还包括场景数据库构建模块240，所述场景数据库构建模块240用于通过以下步骤构建所述电池SOC跳变场景数据库：
获取预设时间段内的多个SOC跳变数据，并确定多个SOC跳变场景以及各个SOC跳变场景所属的跳变类型；
针对于每个SOC跳变场景，确定该跳变场景是否为异常跳变场景，并生成该SOC跳变场景对应的异常跳变信息；
将属于同一跳变类型的SOC跳变场景以及对应的异常跳变信息集合，生成所述电池SOC跳变场景数据库。
在一种可能的实施方式中，如图3所示，所述确定装置200还包括特征数据库构建模块250，所述特征数据库构建模块250用于通过以下步骤构建所述电池SOC跳变特征数据库：
基于所述电池SOC跳变场景数据库，构建初始数据特征；
基于所述初始数据特征对获取到的多个SOC跳变数据进行聚类分析，确定SOC跳变场景分类结果；
基于所述SOC跳变场景分类结果，调整各个数据特征对应的数据特征阈值，并删除异常数据特征后，构建所述电池SOC跳变特征数据库；
其中，所述数据特征阈值是基于所述车辆电池的SOC精度以及BMS阈值设置。
在一种可能的实施方式中，如图3所示，所述确定装置200还包括算法修正模块260，所述算法修正模块260用于：
基于所述SOC跳变异常类型，修正所述车端的SOC算法。
在一种可能的实施方式中，所述电池SOC跳变场景数据库中包括多个SOC跳变类型，每个SOC跳变类型下包括至少一个SOC跳变场景；所述电池SOC跳变特征数据库中包括多个SOC跳变类型，每个SOC跳变类型下包括至少一个SOC跳变场景，每个SOC跳变场景对应具体的电池数据特征以及运行数据特征；
所述SOC跳变场景包括以下至少一种：
精度内满充跳变场景、精度外满充跳变场景、未达静置时间跳变场景、达阈值静置跳变场景、未达阈值静置跳变场景、数据丢失场景。
在一种可能的实施方式中，所述跳变场景确定模块220在用于检测所述车端的车辆电池是否处于SOC跳变异常的情况时，所述跳变场景确定模块220用于：
基于所述车辆运行信息中的里程信息以及运行时间信息，结合所述车辆电池信息中的SOC信息，确定所属的目标SOC跳变场景以及目标SOC跳变类型；
基于所述目标SOC跳变类型下的目标SOC跳变类型对应的异常跳变信息，检测所述车端的车辆电池是否处于SOC跳变异常的情况。
在一种可能的实施方式中，异常跳变场景包括以下至少一种：
精度外满充跳变场景、未达静置时间跳变场景、未达阈值静置跳变场景以及数据丢失场景。
在一种可能的实施方式中，当所述目标异常场景为所述精度外满充跳变场景时，所述跳变类型确定模块230在用于基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型时，所述跳变类型确定模块230用于：
基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在所述跳变时间之前满足预设统计条件的第一目标时间；其中，所述第一目标时间为电池满充时对应的时间或者达到SOC修正条件时对应的时间；
基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差；
若所述SOC偏差大于第一偏差阈值，确定所述车辆电池的SOC跳变异常类型为精度不足跳变类型。
在一种可能的实施方式中，所述跳变类型确定模块230在用于基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差时，所述跳变类型确定模块230用于：
基于所述辆电池信息，计算所述目标时间段内所述车辆电池的充放电总容量；
基于所述充放电总容量以及所述车辆电池的额定容量，确定所述目标时间段内的充放电循环数量；
针对于每一个充放电循环，基于所述充放电循环数量以及所述车辆电池在所述目标时间段内的SOC跳变数量，确定该充放电循环的SOC偏差。
在一种可能的实施方式中，当所述目标异常场景为所述未达静置时间跳变场景或者未达阈值静置跳变场景时，所述跳变类型确定模块230在用于基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型时，所述跳变类型确定模块230用于：
基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在跳变时间之前预设时间阈值内的第二目标时间；
基于所述车辆电池信息，确定所述跳变时间对应的第一电芯电压、所述第二目标时间对应的第二电芯电压、所述跳变时间对应的第一SOC值以及所述第二目标时间对应的第二SOC值；
基于所述第一电芯电压以及所述第二电芯电压，确定目标电压差值；
基于所述第一SOC值以及计算得到的所述车辆电池的实际SOC值，确定第一SOC差值，并基于所述第二SOC值以及所述实际SOC值，确定第二SOC差值；
若所述目标电压差值大于预设电压差值阈值，且第一SOC差值的绝对值小于第一SOC阈值，所述第二SOC差值的绝对值大于第一SOC阈值，确定所述车辆电池的SOC跳变异常类型为BMS阈值异常跳变类型。
在一种可能的实施方式中，所述跳变类型确定模块230还用于：
若所述目标电压差值小于或者等于预设电压差值阈值，或者第一SOC差值的绝对值大于或者等于第一SOC阈值，或者所述第二SOC差值的绝对值小于或者等于第二SOC阈值，确定所述车辆电池的SOC跳变异常类型为数据丢失异常类型。
本申请实施例提供的电池SOC跳变异常的确定装置，接收车端实时上传的车辆运行信息以及车辆电池信息；基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。这样，在云端接收到车端发送的车辆运行信息以及车辆电池信息后，及时通过预先建立的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，对车辆电池的SOC跳变异常的目标异常场景进行确定，并有针对性地针对于目标异常场景确定车辆电池的SOC跳变异常类型，有助于提升对于SOC跳变类型判断的效率以及准确率。
请参阅图4，图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示，所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令，当电子设备400运行时，所述处理器410与所述存储器420之间通过总线430通信，所述机器可读指令被所述处理器410执行时，可以执行如上述图1所示方法实施例中的电池SOC跳变异常的确定方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的电池SOC跳变异常的确定方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (14)
1.一种电池SOC跳变异常的确定方法，其特征在于，应用于云端；所述确定方法包括：
接收车端实时上传的车辆运行信息以及车辆电池信息；
基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；
基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
2.根据权利要求1所述的电池SOC跳变异常的确定方法，其特征在于，所述电池SOC跳变场景数据库中包括多个SOC跳变类型，每个SOC跳变类型下包括至少一个SOC跳变场景；所述电池SOC跳变特征数据库中包括多个SOC跳变类型，每个SOC跳变类型下包括至少一个SOC跳变场景，每个SOC跳变场景对应具体的电池数据特征以及运行数据特征；
所述SOC跳变场景包括以下至少一种：
精度内满充跳变场景、精度外满充跳变场景、未达静置时间跳变场景、达阈值静置跳变场景、未达阈值静置跳变场景、数据丢失场景。
3.根据权利要求2所述的电池SOC跳变异常的确定方法，其特征在于，所述检测所述车端的车辆电池是否处于SOC跳变异常的情况，包括：
基于所述车辆运行信息中的里程信息以及运行时间信息，结合所述车辆电池信息中的SOC信息，确定所属的目标SOC跳变场景以及目标SOC跳变类型；
基于所述目标SOC跳变类型下的目标SOC跳变类型对应的异常跳变信息，检测所述车端的车辆电池是否处于SOC跳变异常的情况。
4.根据权利要求2所述的电池SOC跳变异常的确定方法，其特征在于，异常跳变场景包括以下至少一种：
精度外满充跳变场景、未达静置时间跳变场景、未达阈值静置跳变场景以及数据丢失场景。
5.根据权利要求4所述的电池SOC跳变异常的确定方法，其特征在于，当所述目标异常场景为所述精度外满充跳变场景时，所述基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型，包括：
基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在所述跳变时间之前满足预设统计条件的第一目标时间；其中，所述第一目标时间为电池满充时对应的时间或者达到SOC修正条件时对应的时间；
基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差；
若所述SOC偏差大于第一偏差阈值，确定所述车辆电池的SOC跳变异常类型为精度不足跳变类型。
6.根据权利要求5所述的电池SOC跳变异常的确定方法，其特征在于，所述基于所述车辆电池信息，计算所述车辆电池在所述第一目标时间至所述跳变时间的目标时间段内包括的各个充放电循环的SOC偏差，包括：
基于所述辆电池信息，计算所述目标时间段内所述车辆电池的充放电总容量；
基于所述充放电总容量以及所述车辆电池的额定容量，确定所述目标时间段内的充放电循环数量；
针对于每一个充放电循环，基于所述充放电循环数量以及所述车辆电池在所述目标时间段内的SOC跳变数量，确定该充放电循环的SOC偏差。
7.根据权利要求4所述的电池SOC跳变异常的确定方法，其特征在于，当所述目标异常场景为所述未达静置时间跳变场景或者未达阈值静置跳变场景时，所述基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型，包括：
基于所述车辆电池信息，确定当前发生SOC跳变的跳变时间，以及在跳变时间之前预设时间阈值内的第二目标时间；
基于所述车辆电池信息，确定所述跳变时间对应的第一电芯电压、所述第二目标时间对应的第二电芯电压、所述跳变时间对应的第一SOC值以及所述第二目标时间对应的第二SOC值；
基于所述第一电芯电压以及所述第二电芯电压，确定目标电压差值；
基于所述第一SOC值以及计算得到的所述车辆电池的实际SOC值，确定第一SOC差值，并基于所述第二SOC值以及所述实际SOC值，确定第二SOC差值；
若所述目标电压差值大于预设电压差值阈值，且第一SOC差值的绝对值小于第一SOC阈值，所述第二SOC差值的绝对值大于第一SOC阈值，确定所述车辆电池的SOC跳变异常类型为BMS阈值异常跳变类型。
8.根据权利要求7所述的电池SOC跳变异常的确定方法，其特征在于，所述电池SOC跳变异常的确定方法还包括：
若所述目标电压差值小于或者等于预设电压差值阈值，或者第一SOC差值的绝对值大于或者等于第一SOC阈值，或者所述第二SOC差值的绝对值小于或者等于第二SOC阈值，确定所述车辆电池的SOC跳变异常类型为数据丢失异常类型。
9.根据权利要求1所述的电池SOC跳变异常的确定方法，其特征在于，通过以下步骤构建所述电池SOC跳变场景数据库：
获取预设时间段内的多个SOC跳变数据，并确定多个SOC跳变场景以及各个SOC跳变场景所属的跳变类型；
针对于每个SOC跳变场景，确定该跳变场景是否为异常跳变场景，并生成该SOC跳变场景对应的异常跳变信息；
将属于同一跳变类型的SOC跳变场景以及对应的异常跳变信息集合，生成所述电池SOC跳变场景数据库。
10.根据权利要求1所述的电池SOC跳变异常的确定方法，其特征在于，通过以下步骤构建所述电池SOC跳变特征数据库：
基于所述电池SOC跳变场景数据库，构建初始数据特征；
基于所述初始数据特征对获取到的多个SOC跳变数据进行聚类分析，确定SOC跳变场景分类结果；
基于所述SOC跳变场景分类结果，调整各个数据特征对应的数据特征阈值，并删除异常数据特征后，构建所述电池SOC跳变特征数据库；
其中，所述数据特征阈值是基于所述车辆电池的SOC精度以及BMS阈值设置。
11.根据权利要求1所述的电池SOC跳变异常的确定方法，其特征在于，在所述基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型之后，所述电池SOC跳变异常的确定方法还包括：
基于所述SOC跳变异常类型，修正所述车端的SOC算法。
12.一种电池SOC跳变异常的确定装置，其特征在于，应用于云端；所述确定装置包括：
信息接收模块，用于接收车端实时上传的车辆运行信息以及车辆电池信息；
跳变场景确定模块，用于基于所述车辆运行信息以及车辆电池信息，结合预先构建的电池SOC跳变场景数据库以及电池SOC跳变特征数据库，检测所述车端的车辆电池是否处于SOC跳变异常的情况，以及处于SOC跳变异常的目标异常场景；
跳变类型确定模块，用于基于所述目标异常场景以及所述车辆电池信息，确定所述车辆电池的SOC跳变异常类型。
13.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至11任一项所述的电池SOC跳变异常的确定方法的步骤。
14.一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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至11任一项所述的电池SOC跳变异常的确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410658991.6A CN118226282A (zh) | 2024-05-27 | 2024-05-27 | 电池soc跳变异常的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410658991.6A CN118226282A (zh) | 2024-05-27 | 2024-05-27 | 电池soc跳变异常的确定方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118226282A true CN118226282A (zh) | 2024-06-21 |
Family
ID=91512151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410658991.6A Pending CN118226282A (zh) | 2024-05-27 | 2024-05-27 | 电池soc跳变异常的确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118226282A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109839595A (zh) * | 2019-03-14 | 2019-06-04 | 上海大学 | 一种基于充电电压特性的电池荷电状态确定方法及系统 |
| CN114683960A (zh) * | 2020-12-31 | 2022-07-01 | 宝能汽车集团有限公司 | 动力电池soc显示控制方法与装置、存储介质、管理系统 |
| CN115891767A (zh) * | 2022-10-29 | 2023-04-04 | 重庆长安汽车股份有限公司 | 一种混动汽车动力电池soc平衡点设置方法、装置及汽车 |
| CN116754963A (zh) * | 2023-08-22 | 2023-09-15 | 深圳市德兰明海新能源股份有限公司 | 锂电池soc显示值的计算方法 |
| CN117148167A (zh) * | 2023-09-25 | 2023-12-01 | 浙江欣动能源科技有限公司 | 电池荷电状态计算方法、装置、电子设备及可读存储介质 |
| CN117949830A (zh) * | 2024-01-30 | 2024-04-30 | 深蓝汽车科技有限公司 | 识别soc跳变方法、装置、服务器及存储介质 |
-
2024
- 2024-05-27 CN CN202410658991.6A patent/CN118226282A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109839595A (zh) * | 2019-03-14 | 2019-06-04 | 上海大学 | 一种基于充电电压特性的电池荷电状态确定方法及系统 |
| CN114683960A (zh) * | 2020-12-31 | 2022-07-01 | 宝能汽车集团有限公司 | 动力电池soc显示控制方法与装置、存储介质、管理系统 |
| CN115891767A (zh) * | 2022-10-29 | 2023-04-04 | 重庆长安汽车股份有限公司 | 一种混动汽车动力电池soc平衡点设置方法、装置及汽车 |
| CN116754963A (zh) * | 2023-08-22 | 2023-09-15 | 深圳市德兰明海新能源股份有限公司 | 锂电池soc显示值的计算方法 |
| CN117148167A (zh) * | 2023-09-25 | 2023-12-01 | 浙江欣动能源科技有限公司 | 电池荷电状态计算方法、装置、电子设备及可读存储介质 |
| CN117949830A (zh) * | 2024-01-30 | 2024-04-30 | 深蓝汽车科技有限公司 | 识别soc跳变方法、装置、服务器及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 姜华强等: "基于大数据的汽车动力电池状态评估综述", 《汽车文摘》, no. 11, 31 December 2022 (2022-12-31), pages 26 - 35 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3916884B1 (en) | Secondary battery module remaining life diagnosis method and remaining life diagnosis system | |
| WO2021169487A1 (zh) | 动力电池内单体电池的短路监测方法、系统以及装置 | |
| CN110967645B (zh) | Soc修正方法和装置、电池管理系统和存储介质 | |
| CN109507611B (zh) | 一种电动汽车的soh修正方法及系统 | |
| US11982720B2 (en) | Method and battery management system for ascertaining a state of health of a secondary battery | |
| US20110231122A1 (en) | Method and system for determining the kind of a battery | |
| CN113589174B (zh) | 一种锂离子动力电池系统电芯一致性预测方法及装置 | |
| CN105677901B (zh) | 一种动力电池的荷电状态的确定方法及系统 | |
| KR20090077656A (ko) | 배터리 관리 시스템에서 배터리의 ｓｏｃ 측정 방법 및 장치 | |
| CN110045291B (zh) | 一种锂电池容量估计方法 | |
| US11835589B2 (en) | Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine | |
| CN114675188A (zh) | 一种电池健康状态信息确定方法、装置及电池系统 | |
| CN113728242A (zh) | 对可充电电池中的析锂进行表征 | |
| CN113547955A (zh) | 电池的充电控制方法、装置、电池管理系统和介质 | |
| CN113075554A (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
| CN115257457A (zh) | 车辆电池单体一致性评估方法、装置、设备及存储介质 | |
| CN112379270A (zh) | 一种电动汽车动力电池荷电状态滚动时域估计方法 | |
| US9702941B2 (en) | Method and devices for making available information for the purpose of performing maintenance and servicing of a battery | |
| CN116323288A (zh) | 确定显示荷电状态的方法、装置和电池管理芯片 | |
| CN112798968A (zh) | 电池并联方法、估算电池并联系统soc的方法及相关设备 | |
| US20230213587A1 (en) | Method and System for Efficiently Monitoring Battery Cells of a Device Battery in an External Central Processing Unit Using a Digital Twin | |
| CN118226282A (zh) | 电池soc跳变异常的确定方法、装置、电子设备及存储介质 | |
| CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
| CN115307933A (zh) | 一种确定车辆寿命的方法、装置、设备和车辆 | |
| CN116415821A (zh) | 一种充电保护方法、装置、计算机设备、存储介质及产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |