CN107037370A - 基于监控数据的电动汽车剩余电量计算方法 - Google Patents

基于监控数据的电动汽车剩余电量计算方法 Download PDF

Info

Publication number
CN107037370A
CN107037370A CN201710254826.4A CN201710254826A CN107037370A CN 107037370 A CN107037370 A CN 107037370A CN 201710254826 A CN201710254826 A CN 201710254826A CN 107037370 A CN107037370 A CN 107037370A
Authority
CN
China
Prior art keywords
data
dump energy
cloud database
calculation method
vehicle
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
Application number
CN201710254826.4A
Other languages
English (en)
Other versions
CN107037370B (zh
Inventor
徐科
鲍文光
王红梅
闫优胜
樊晓浒
何志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Know Beans Electric Vehicle Co Ltd
Original Assignee
Know Beans Electric Vehicle Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Know Beans Electric Vehicle Co Ltd filed Critical Know Beans Electric Vehicle Co Ltd
Priority to CN201710254826.4A priority Critical patent/CN107037370B/zh
Publication of CN107037370A publication Critical patent/CN107037370A/zh
Application granted granted Critical
Publication of CN107037370B publication Critical patent/CN107037370B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于监控数据的电动汽车剩余电量计算方法，包括以下步骤，步骤一：每隔一段时间就批量进行车辆行驶过程全状态数据采集；步骤二：BMS根据实时采集的车辆行驶过程全状态数据进行处理估算电池此状态下剩余电量Q0；步骤三：将车辆行驶过程全状态数据上传至云端数据库；步骤四：云端数据库存储并分类所有的车辆行驶过程全状态数据；步骤五：整车确认实时车辆行驶过程全状态数据；步骤六：根据确认的车辆行驶过程全状态数据，查找历史信息，得到云端数据库中相同类型的动力电池信息簇；步骤七：读取信息簇中车辆后期行驶过程数据，根据历史数据计算剩余电量后取平均值作为剩余电量Q1。

Description

基于监控数据的电动汽车剩余电量计算方法
技术领域
本发明涉及电动车电池保护技术领域，尤其涉及一种基于监控数据的电动汽车剩余电量计算方法。
背景技术
现电动汽车在汽车行业中的数量逐渐增加并已逐年递增的方式快速发展。同时电动汽车仍面临自身的诸多缺点严重制约行业的发展。电动汽车的历程焦虑是电动汽车用户面临的突出问题之一。如何准确计算电动汽车的剩余电量为成为电动汽车、动力电池、BMS（电池管理***）厂家面临的共同难题。现有动力电池剩余电量计算方法多基于动力电池模型和动力电池测试数据计算动力电池的剩余电量。此方法由于基于动力电池理想使用环境与实际应用存在一定偏差，尤其是动力电池使用一段时间之后误差逐渐增大。由于动力电池模型的建立需要对动力电池进行全面的测试来验证矫正模型，由于测试条件有限无法对动力电池全生命周期、各种使用环境条件下的电池状态进行测试。导致动力电池模型无法适用于全生命周期，动力电池在使用一段时间后出现剩余电量计算不准确现象。
中国专利公开号CN 103064026B，公开日2013-05-29，发明的名称一种车辆电池剩余电量监测方法，属于电池监测领域，本发明对电池组充、放电过程采用实时电流累积法进行控制，并进行实时温度修正；减少了剩余电量的误差，提高了剩余电量的准确度，能够得出更加准确的电池荷电状态，且同时提供了电池老化的判断方法，使得操作人员能够更加直观准确的了解电池的状态，给行驶者带来了极大方便。由于动力电池模型的建立需要对动力电池进行全面的测试来验证矫正模型，由于测试条件有限无法多动力电池全生命周期、各种使用环境条件下的电池状态进行测试。导致动力电池模型无法适用于全生命周期，动力电池在使用一段时间后出现剩余电量计算不准确现象。
发明内容
本发明的目的是存在由于测试条件有限无法对动力电池全生命周期、各种使用环境条件下的电池状态进行测试。导致动力电池模型无法适用于全生命周期，动力电池在使用一段时间后出现剩余电量计算不准确的问题，提供了一种基于监控数据的电动汽车剩余电量计算方法。
为了解决上述问题，本发明采用以下技术方案予以实现：一种基于监控数据的电动汽车剩余电量计算方法，包括以下步骤，
步骤一：每隔一段时间就批量进行车辆行驶过程全状态数据采集；
步骤二：BMS根据实时采集的车辆行驶过程全状态数据进行处理估算电池此状态下剩余电量Q0；
步骤三：将车辆行驶过程全状态数据上传至云端数据库；
步骤四：云端数据库存储并分类所有的车辆行驶过程全状态数据；
步骤五：整车确认实时车辆行驶过程全状态数据；
步骤六：根据确认的车辆行驶过程全状态数据，查找历史信息，得到云端数据库中相同状态的动力电池信息簇；
步骤七：读取信息簇中车辆后期行驶过程数据，根据历史数据计算剩余电量后取平均值作为剩余电量Q1。本发明提供了一种准确计算动力电池剩余电量的计算方法，与传统的计算模型相比此方法利用整车行驶数据有效识别电动汽车的实时状态，通过对比分析得到相同状态下车辆的剩余电量。逆向得出动力电池的剩余电量，为提高剩余电量计算的准确性提出了新的方向。此方法可以并行原有的剩余电量计算***，通过校准可以提高原有计算模型的准确性。本发明针对此问题，提出基于监控平台数据的剩余电量计算方法。此方法基于批量生产车辆动力电池的应用及状态数据库，对电池剩余电量进行计算。用所有车辆行驶过程的监控数据逆向计算单个车辆剩余电量的计算结果，为动力电池剩余电量计算提供了新的思路。相比BMS计算得到的剩余电量，由云数据计算得到的动力电池剩余电量Q1为实车监控数据，为相同批次动力电池此状态的真实剩余电量值。且Q1均基于整车实时采集数据，Q1与Q0为独立运算结果，可进行相互校正等运算。随着车辆运行数量逐年增加监控数据将更加全面Q1值与真值的误差会逐渐缩小。
作为优选，在所述步骤一中，采集所有相同型号动力电池的车辆行驶过程全状态数据，包括动力电池状态参数、环境参数和交互信息数据。
作为优选，所述动力电池状态参数包括电池温度、电池电压、电池电流、电池内阻和电池充放电状态，所述环境参数包括环境时间、环境温度、环境气压和车速，所述交互信息数据包括加速度和输出功率。
作为优选，剩余电量Q0和剩余电量Q1均告知使用者并上传至云端数据库；或，剩余电量Q0由剩余电量Q1修正后告知使用者并上传至云端数据库；或，剩余电量Q1由剩余电量Q0修正均告知使用者并上传至云端数据库；或，剩余电量Q1告知使用者并上传至云端数据库。当云端数据库建立的初期，剩余电量Q1的数量小于预定阈值的时候，剩余电量Q0和剩余电量Q1均告知使用者并上传至云端数据库； 当云端数据库建立的初期，剩余电量Q1的数量大于预定阈值且小于预定值的时候，若当前电池使用时间小于设定的使用时间，则剩余电量Q0由剩余电量Q1修正后告知使用者并上传至云端数据库；若当前电池使用时间大于等于设定的使用时间，则剩余电量Q1由剩余电量Q0修正后告知使用者并上传至云端数据库。剩余电量Q0由剩余电量Q1或剩余电量Q1由剩余电量Q0修正的方法均采用加权算法，剩余电量Q0作为主要数据加权值远大于剩余电量Q1；或剩余电量Q1作为主要数据加权值远大于剩余电量Q0，两者数据叠加即可达到相应目的。
作为优选，所述后期行驶过程数据包括行驶每公里电池电量消耗量。这个数据可以由云端数据库检索两个不同时间的剩余电量Q1相减直接计算得出，也可以由汽车BMS检索两个不同时间的剩余电量Q0相减直接计算得出。
作为优选，在所述步骤四中云端数据库首先对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均进行预设的分段，然后对各个数据进行模糊化分类的方式记录所有的车辆行驶过程全状态数据。
作为优选，在本基于监控数据的电动汽车剩余电量计算方法中剩余电量Q1的数量小于预定值的时候，云端数据库接收剩余电量Q0作为剩余电量Q1进行存储，当剩余电量Q1的数量大于等于预定值的时候，云端数据库只接收剩余电量Q1数据。
作为优选，当剩余电量Q1的数量大于等于预定值的时候，云端数据库每接收一次剩余电量Q1数据，则删除相应的一个作为剩余电量Q1进行存储的剩余电量Q0数据。
作为优选，当剩余电量Q1的数量大于设定值的时候，云端数据库更新对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均重新进行一次分段。这样设置主要是为了剩余电量Q1不足时候进行初始设置。
本发明的实质性效果是：此方法基于批量生产车辆动力电池的应用及状态数据库，对电池剩余电量进行计算。用所有车辆行驶过程的监控数据逆向计算单个车辆剩余电量的计算结果，为动力电池剩余电量计算提供了新的思路。相比BMS计算得到的剩余电量，由云数据计算得到的动力电池剩余电量Q1为实车监控数据，为相同批次动力电池此状态的真实剩余电量值。
附图说明
图1为本实施例的方法流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例1：
一种基于监控数据的电动汽车剩余电量计算方法，包括以下步骤，
步骤一：每隔一段时间就批量进行车辆行驶过程全状态数据采集；采集所有相同型号动力电池的车辆行驶过程全状态数据，尤其是动力电池状态参数、环境参数、交互信息等数据，包括电池***状态数据（例如温度、电压、电流、内阻、充放电状态等），环境状态数据（时间、环境温度、气压、车速等），驾驶输入参数（加速度、输出功率等）。
步骤二：BMS根据实时采集的车辆行驶过程全状态数据进行处理估算电池此状态下剩余电量Q0；BMS根据实时采集的整车状态参数进行处理根据已有电池模型估算电池此状态下剩余电量值Q0，将整车所有状态数据传输至整车无线数据传输模块。
步骤三：将车辆行驶过程全状态数据上传至云端数据库；无线数据传输模块将整车采集的状态数据收集并上传至车辆信息监控平台。整车监控平台获得的所有车辆状态实时状态信息经分类处理，上传至云端数据库。
步骤四：云端数据库存储并分类所有的车辆行驶过程全状态数据；云端数据库对整车监控平台上传的数据进行存储。
步骤五：整车确认实时车辆行驶过程全状态数据；整车通过数据监控获得待计算车辆动力电池实时状态信息，包括整车车辆信息、动力电池身份信息、实时电压、实时电流、内阻、温度等信息。将状态信息输入数据处理平台进行动力电池状态确认。
步骤六：根据确认的车辆行驶过程全状态数据，查找历史信息，得到云端数据库中相同状态的动力电池信息簇；数据处理平台根据确认的待计算车辆动力电池状态信息，查找其历史信息。得到监控数据中相同状态信息的动力电池信息簇。
步骤七：读取信息簇中车辆后期行驶过程数据，根据历史数据计算剩余电量后取平均值作为剩余电量Q1。在获取的信息簇中对电池此状态后的数据进行处理，读取信息簇中车辆后期行驶过程数据，根据历史数据计算剩余电量Q1a、Q1b、Q1c……，对剩余电量进行筛选后取平均值，为此车基于监控数据计算的剩余电量Q1。并将Q1反馈至待计算车辆，通过仪表显示给驾驶员。
实施例2：
与实施例1基本相同，不同之处在于，在所述步骤一中，采集所有相同型号动力电池的车辆行驶过程全状态数据，包括动力电池状态参数、环境参数和交互信息数据。
所述动力电池状态参数包括电池温度、电池电压、电池电流、电池内阻和电池充放电状态，所述环境参数包括环境时间、环境温度、环境气压和车速，所述交互信息数据包括加速度和输出功率。
当云端数据库建立的初期，剩余电量Q1的数量小于预定阈值的时候，剩余电量Q0和剩余电量Q1均告知使用者并上传至云端数据库； 当云端数据库建立的初期，剩余电量Q1的数量大于预定阈值且小于预定值的时候，若当前电池使用时间小于设定的使用时间，则剩余电量Q0由剩余电量Q1修正后告知使用者并上传至云端数据库；若当前电池使用时间大于等于设定的使用时间，则剩余电量Q1由剩余电量Q0修正后告知使用者并上传至云端数据库。剩余电量Q0由剩余电量Q1或剩余电量Q1由剩余电量Q0修正的方法均采用加权算法，剩余电量Q0作为主要数据加权值远大于剩余电量Q1；或剩余电量Q1作为主要数据加权值远大于剩余电量Q0，两者数据叠加即可达到相应目的。所述后期行驶过程数据包括行驶每公里电池电量消耗量。这个数据可以由云端数据库检索两个不同时间的剩余电量Q1相减直接计算得出，也可以由汽车BMS检索两个不同时间的剩余电量Q0相减直接计算得出。
在本基于监控数据的电动汽车剩余电量计算方法中剩余电量Q1的数量小于预定值的时候，云端数据库接收剩余电量Q0作为剩余电量Q1进行存储，当剩余电量Q1的数量大于等于预定值的时候，云端数据库只接收剩余电量Q1数据。当剩余电量Q1的数量大于等于预定值的时候，云端数据库每接收一次剩余电量Q1数据，则删除相应的一个作为剩余电量Q1进行存储的剩余电量Q0数据。当剩余电量Q1的数量大于设定值的时候，云端数据库更新对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均重新进行一次分段。这样设置主要是为了剩余电量Q1不足时候进行初始设置。
在所述步骤四中云端数据库首先对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均进行预设的分段，然后对各个数据进行模糊化分类的方式记录所有的车辆行驶过程全状态数据。当剩余电量Q1的数量大于设定值的时候，云端数据库更新对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均重新进行一次分段。
对各个数据进行模糊化分类主要是将电池温度、电池电压、电池电流、电池内阻和电池充放电状态，环境时间、环境温度、环境气压和车速，加速度和输出功率那么多项的参数和选项、状态，特别是有很多的数值都要进行合并，合并成相对较少的几个参数和选项、状态，例如电池使用状态、车辆状态、当前温度，核对的是电池电压参数，
然后对车辆行驶过程全状态数据进行模糊化计算，根据相应的数据进行转换，例如整合为电池状态好、加速过程中、温度高，则在相应的几个状态栏进行读取，然后再核对电池电压参数即可得到相应的历史数据： Q1a、Q1b、Q1c……，对剩余电量进行筛选后取平均值，为此车基于监控数据计算的剩余电量Q1。并将Q1反馈至待计算车辆，通过仪表显示给驾驶员。
此方法基于批量生产车辆动力电池的应用及状态数据库，对电池剩余电量进行计算。用所有车辆行驶过程的监控数据逆向计算单个车辆剩余电量的计算结果，为动力电池剩余电量计算提供了新的思路。相比BMS计算得到的剩余电量，由云数据计算得到的动力电池剩余电量Q1为实车监控数据，为相同批次动力电池此状态的真实剩余电量值。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (9)

1.一种基于监控数据的电动汽车剩余电量计算方法，其特征在于，包括以下步骤，
步骤一：每隔一段时间就批量进行车辆行驶过程全状态数据采集；
步骤二：BMS根据实时采集的车辆行驶过程全状态数据进行处理估算电池此状态下剩余电量Q0；
步骤三：将车辆行驶过程全状态数据上传至云端数据库；
步骤四：云端数据库存储并分类所有的车辆行驶过程全状态数据；
步骤五：整车确认实时车辆行驶过程全状态数据；
步骤六：根据确认的车辆行驶过程全状态数据，查找历史信息，得到云端数据库中相同状态的动力电池信息簇；
步骤七：读取信息簇中车辆后期行驶过程数据，根据历史数据计算剩余电量后取平均值作为剩余电量Q1。
2.根据权利要求1所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，在所述步骤一中，采集所有相同型号动力电池的车辆行驶过程全状态数据，包括动力电池状态参数、环境参数和交互信息数据。
3.根据权利要求2所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，所述动力电池状态参数包括电池温度、电池电压、电池电流、电池内阻和电池充放电状态，所述环境参数包括环境时间、环境温度、环境气压和车速，所述交互信息数据包括加速度和输出功率。
4.根据权利要求1所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，剩余电量Q0和剩余电量Q1均告知使用者并上传至云端数据库；或，剩余电量Q0由剩余电量Q1修正后告知使用者并上传至云端数据库；或，剩余电量Q1由剩余电量Q0修正均告知使用者并上传至云端数据库，或，剩余电量Q1告知使用者并上传至云端数据库。
5.根据权利要求1所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，所述后期行驶过程数据包括行驶每公里电池电量消耗量。
6.根据权利要求1所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，在所述步骤四中云端数据库首先对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均进行预设的分段，然后对各个数据进行模糊化分类的方式记录所有的车辆行驶过程全状态数据。
7.根据权利要求1所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，在本基于监控数据的电动汽车剩余电量计算方法中剩余电量Q1的数量小于预定值的时候，云端数据库接收剩余电量Q0作为剩余电量Q1进行存储，当剩余电量Q1的数量大于等于预定值的时候，云端数据库只接收剩余电量Q1数据。
8.根据权利要求7所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，当剩余电量Q1的数量大于等于预定值的时候，云端数据库每接收一次剩余电量Q1数据，则删除相应的一个作为剩余电量Q1进行存储的剩余电量Q0数据。
9.根据权利要求8所述的基于监控数据的电动汽车剩余电量计算方法，其特征在于，当剩余电量Q1的数量大于设定值的时候，云端数据库更新对动力电池状态参数、环境参数和交互信息数据三大项数据中每一类数据均重新进行一次分段。
CN201710254826.4A 2017-04-18 2017-04-18 基于监控数据的电动汽车剩余电量计算方法 Active CN107037370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710254826.4A CN107037370B (zh) 2017-04-18 2017-04-18 基于监控数据的电动汽车剩余电量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710254826.4A CN107037370B (zh) 2017-04-18 2017-04-18 基于监控数据的电动汽车剩余电量计算方法

Publications (2)

Publication Number Publication Date
CN107037370A true CN107037370A (zh) 2017-08-11
CN107037370B CN107037370B (zh) 2020-08-21

Family

ID=59536001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710254826.4A Active CN107037370B (zh) 2017-04-18 2017-04-18 基于监控数据的电动汽车剩余电量计算方法

Country Status (1)

Country Link
CN (1) CN107037370B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108107855A (zh) * 2017-12-15 2018-06-01 东华大学 类脑分层记忆机制下纤维拉伸环节的智能化控制方法
CN108985966A (zh) * 2018-07-13 2018-12-11 北京车和家信息技术有限公司 电量消耗计算方法、装置、车辆及计算机可读存储介质
CN109204063A (zh) * 2018-08-16 2019-01-15 北京新能源汽车股份有限公司 一种动力电池健康状态soh的获取方法、装置及车辆
CN109448157A (zh) * 2018-10-31 2019-03-08 北京摩拜科技有限公司 电动车故障的确定方法、***、服务器和存储介质
CN109591649A (zh) * 2019-01-07 2019-04-09 新乡学院 基于rfid通信和互联网技术的agv电源***
CN109733240A (zh) * 2019-01-07 2019-05-10 新乡学院 基于rfid通信和互联网技术的agv充电方法
CN110015106A (zh) * 2017-12-19 2019-07-16 郑州宇通客车股份有限公司 一种非车载充电机及充电安全保护方法
WO2019184864A1 (zh) * 2018-03-30 2019-10-03 比亚迪股份有限公司 电动汽车及根据其的用户使用习惯进行提示的***、方法
CN110376526A (zh) * 2019-07-08 2019-10-25 南京航空航天大学 一种高空飞行环境无人机动力电池的soc估计方法
CN111347923A (zh) * 2018-12-20 2020-06-30 北汽福田汽车股份有限公司 电池预警方法、装置及车辆
CN111497680A (zh) * 2020-05-12 2020-08-07 浙江吉利新能源商用车集团有限公司 一种用于混合动力车辆的动力电池的控制***和控制方法
CN112009273A (zh) * 2019-05-29 2020-12-01 长城汽车股份有限公司 一种功率确定方法、装置及车辆
CN112009307A (zh) * 2020-09-03 2020-12-01 三一专用汽车有限责任公司 车辆的语音提示方法、语音提示***和车辆
CN112994058A (zh) * 2021-02-22 2021-06-18 中科智能(广东)科技发展有限公司 一种基于云计算的在线分布式的电能存储***
CN113673712A (zh) * 2021-10-25 2021-11-19 深圳达人高科电子有限公司 剩余电量值计算方法及装置、服务器、存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103135058A (zh) * 2011-11-29 2013-06-05 联想(北京)有限公司 一种显示电池剩余电量的方法及电子设备
CN104578416A (zh) * 2014-12-30 2015-04-29 深圳市科陆电子科技股份有限公司 储能监控***
CN105235543A (zh) * 2015-10-27 2016-01-13 北京新能源汽车股份有限公司 用于电动汽车剩余行驶里程的处理方法、装置及***
CN105607008A (zh) * 2015-12-24 2016-05-25 东莞钜威新能源有限公司 一种电动车电池的剩余电量的获取方法及装置
CN105677901A (zh) * 2016-02-05 2016-06-15 北京长城华冠汽车科技股份有限公司 一种动力电池的荷电状态的确定方法及***
CN105717457A (zh) * 2016-02-03 2016-06-29 惠州市蓝微新源技术有限公司 一种采用大数据库分析进行电池组健康状态估算的方法
CN105946605A (zh) * 2016-05-04 2016-09-21 重庆长安汽车股份有限公司 一种电动汽车、动力电池电量管理方法及管理***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103135058A (zh) * 2011-11-29 2013-06-05 联想(北京)有限公司 一种显示电池剩余电量的方法及电子设备
CN104578416A (zh) * 2014-12-30 2015-04-29 深圳市科陆电子科技股份有限公司 储能监控***
CN105235543A (zh) * 2015-10-27 2016-01-13 北京新能源汽车股份有限公司 用于电动汽车剩余行驶里程的处理方法、装置及***
CN105607008A (zh) * 2015-12-24 2016-05-25 东莞钜威新能源有限公司 一种电动车电池的剩余电量的获取方法及装置
CN105717457A (zh) * 2016-02-03 2016-06-29 惠州市蓝微新源技术有限公司 一种采用大数据库分析进行电池组健康状态估算的方法
CN105677901A (zh) * 2016-02-05 2016-06-15 北京长城华冠汽车科技股份有限公司 一种动力电池的荷电状态的确定方法及***
CN105946605A (zh) * 2016-05-04 2016-09-21 重庆长安汽车股份有限公司 一种电动汽车、动力电池电量管理方法及管理***

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108107855A (zh) * 2017-12-15 2018-06-01 东华大学 类脑分层记忆机制下纤维拉伸环节的智能化控制方法
CN108107855B (zh) * 2017-12-15 2019-09-17 东华大学 类脑分层记忆机制下纤维拉伸环节的智能化控制方法
CN110015106A (zh) * 2017-12-19 2019-07-16 郑州宇通客车股份有限公司 一种非车载充电机及充电安全保护方法
WO2019184864A1 (zh) * 2018-03-30 2019-10-03 比亚迪股份有限公司 电动汽车及根据其的用户使用习惯进行提示的***、方法
CN108985966B (zh) * 2018-07-13 2021-03-02 北京车和家信息技术有限公司 电量消耗计算方法、装置、车辆及计算机可读存储介质
CN108985966A (zh) * 2018-07-13 2018-12-11 北京车和家信息技术有限公司 电量消耗计算方法、装置、车辆及计算机可读存储介质
CN109204063A (zh) * 2018-08-16 2019-01-15 北京新能源汽车股份有限公司 一种动力电池健康状态soh的获取方法、装置及车辆
CN109204063B (zh) * 2018-08-16 2021-08-31 北京新能源汽车股份有限公司 一种动力电池健康状态soh的获取方法、装置及车辆
CN109448157A (zh) * 2018-10-31 2019-03-08 北京摩拜科技有限公司 电动车故障的确定方法、***、服务器和存储介质
CN109448157B (zh) * 2018-10-31 2024-02-06 汉海信息技术(上海)有限公司 电动车故障的确定方法、***、服务器和存储介质
CN111347923A (zh) * 2018-12-20 2020-06-30 北汽福田汽车股份有限公司 电池预警方法、装置及车辆
CN109733240A (zh) * 2019-01-07 2019-05-10 新乡学院 基于rfid通信和互联网技术的agv充电方法
CN109591649B (zh) * 2019-01-07 2021-10-29 新乡学院 基于rfid通信和互联网技术的agv电源***
CN109591649A (zh) * 2019-01-07 2019-04-09 新乡学院 基于rfid通信和互联网技术的agv电源***
CN112009273A (zh) * 2019-05-29 2020-12-01 长城汽车股份有限公司 一种功率确定方法、装置及车辆
CN112009273B (zh) * 2019-05-29 2022-05-06 长城汽车股份有限公司 一种功率确定方法、装置及车辆
CN110376526B (zh) * 2019-07-08 2021-05-11 南京航空航天大学 一种高空飞行环境无人机动力电池的soc估计方法
CN110376526A (zh) * 2019-07-08 2019-10-25 南京航空航天大学 一种高空飞行环境无人机动力电池的soc估计方法
CN111497680A (zh) * 2020-05-12 2020-08-07 浙江吉利新能源商用车集团有限公司 一种用于混合动力车辆的动力电池的控制***和控制方法
CN112009307A (zh) * 2020-09-03 2020-12-01 三一专用汽车有限责任公司 车辆的语音提示方法、语音提示***和车辆
CN112994058A (zh) * 2021-02-22 2021-06-18 中科智能(广东)科技发展有限公司 一种基于云计算的在线分布式的电能存储***
CN113673712A (zh) * 2021-10-25 2021-11-19 深圳达人高科电子有限公司 剩余电量值计算方法及装置、服务器、存储介质
CN113673712B (zh) * 2021-10-25 2022-01-28 深圳达人高科电子有限公司 剩余电量值计算方法及装置、服务器、存储介质

Also Published As

Publication number Publication date
CN107037370B (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN107037370A (zh) 基于监控数据的电动汽车剩余电量计算方法
Hong et al. Online accurate state of health estimation for battery systems on real-world electric vehicles with variable driving conditions considered
Guo et al. Online estimation of SOH for lithium-ion battery based on SSA-Elman neural network
Qiao et al. Toward safe carbon–neutral transportation: Battery internal short circuit diagnosis based on cloud data for electric vehicles
CN109558988B (zh) 一种基于大数据融合的电动汽车能耗预测方法及***
Li et al. Data-driven battery state of health estimation based on interval capacity for real-world electric vehicles
CN107870306A (zh) 一种基于深度神经网络下的锂电池荷电状态预测算法
CN113343633A (zh) 动力锂电池热失控故障分类及风险预测方法、***
CN103576096A (zh) 电动汽车动力电池剩余电量的实时评估方法及装置
Bi et al. Residual range estimation for battery electric vehicle based on radial basis function neural network
CN112711892A (zh) 一种基于数字孪生和区块链技术的云电池管理***及方法
CN116381514B (zh) 一种电芯压差预警方法、装置、存储介质及设备
Hong et al. Thermal fault prognosis of lithium-ion batteries in real-world electric vehicles using self-attention mechanism networks
CN106650963A (zh) 一种电动汽车充电设备检测维修管理方法和装置
CN112904219B (zh) 一种基于大数据的动力电池健康状态的预测方法
CN115808922B (zh) 商用电动车辆能耗预测方法、装置和计算机设备
CN111191824B (zh) 一种动力电池容量衰减预测方法及***
CN113702843A (zh) 一种基于郊狼优化算法的锂电池参数辨识与soc估计方法
CN113159435B (zh) 一种新能源车辆剩余驾驶里程预测方法及***
CN106998086A (zh) 兆瓦级储能电站电池管理方法及其***
CN110687450A (zh) 基于相空间重构和粒子滤波的锂电池剩余寿命预测方法
CN108001261A (zh) 基于模糊算法的动力电池荷电状态计算方法及监测装置
CN106324514A (zh) 车辆电池性能试验方法及其***
Wu et al. A fault detection method of electric vehicle battery through Hausdorff distance and modified Z-score for real-world data
Wang et al. Research on electric vehicle (EV) driving range prediction method based on PSO-LSSVM

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
PP01 Preservation of patent right
PP01 Preservation of patent right

Effective date of registration: 20210112

Granted publication date: 20200821

PD01 Discharge of preservation of patent
PD01 Discharge of preservation of patent

Date of cancellation: 20240112

Granted publication date: 20200821