CN109061483A - 电池健康状态的检测方法、装置、存储介质和处理器 - Google Patents
电池健康状态的检测方法、装置、存储介质和处理器 Download PDFInfo
- Publication number
- CN109061483A CN109061483A CN201810689947.6A CN201810689947A CN109061483A CN 109061483 A CN109061483 A CN 109061483A CN 201810689947 A CN201810689947 A CN 201810689947A CN 109061483 A CN109061483 A CN 109061483A
- Authority
- CN
- China
- Prior art keywords
- battery
- electricity
- charge
- state
- accumulative
- 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
- 230000036541 health Effects 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims description 26
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000005611 electricity Effects 0.000 claims description 149
- 230000003862 health status Effects 0.000 claims description 58
- 238000007599 discharging Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 230000001419 dependent effect Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101001033754 Homo sapiens Mediator of RNA polymerase II transcription subunit 31 Proteins 0.000 description 1
- 102100039122 Mediator of RNA polymerase II transcription subunit 31 Human genes 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电池健康状态的检测方法、装置、存储介质和处理器。其中，该方法包括：在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量；根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达；根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值；输出所述实际健康状态值。本发明解决了电池的健康状态估算误差比较大的技术问题。
Description
技术领域
本发明涉及电池领域，具体而言，涉及一种电池健康状态的检测方法、装置、存储介质和处理器。
背景技术
动力电池作为新能源汽车的动力来源，其状态受电池管理***(BMS)的严格控制。其中，电池的剩余电量(SOC，State of Charge)和电池的健康状态(SOH，State of Health)参数具有极其重要的意义，是估算新能源汽车的续航里程以及预测动力电池的使用寿命的关键参数。行业内对SOC的估算精度具有严格的要求，且随着SOC估算技术的进步，SOC的估算精度将会越来越精确，但行业内关于电池SOH的估算具有不确定性。目前常用的SOH估算方法是电池放电法和电池内阻法，由于SOH的估算不是测量电池的实际物理参数获得，而是通过一个或多个权重参数对SOH进行估算(如电池的内阻、使用温度、电池容量、电池的充放电倍率、放电深度等等)，才能得到一个准确的SOH预测值，因此，动力电池的SOH估算方法较为复杂，且误差比较大。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电池健康状态的检测方法、装置、存储介质和处理器，以至少解决电池的健康状态估算误差比较大的技术问题。
根据本发明实施例的一个方面，提供了一种电池健康状态的检测方法，包括：在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量；根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达；根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值；输出所述实际健康状态值。
可选地，在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量包括：在所述电池处于充电的状态下，检测所述电池的初始荷电电量、当前剩余电量和充电电量的累计电荷变化量；根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果包括：根据所述当前剩余电量、所述初始荷电电量和所述充电电量的累计电荷变化量进行线性拟合，得到第一斜率。
可选地，根据所述拟合结果生成所述电池的实际健康状态值包括：获取所述充电电量的累计电荷变化量的第一表达式和第二表达式，其中，所述第一表达式包括实际健康状态值，所述第二表达式采用所述第一斜率表示；根据所述第一表达式和第二表达式确定所述实际健康状态值。
可选地，在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量包括：在所述电池处于放电的状态下，检测所述电池的初始荷电电量、当前剩余电量和放电电量的累计电荷变化量；根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果包括：根据所述当前剩余电量、所述初始荷电电量和所述放电电量的累计电荷变化量进行线性拟合，得到第二斜率。
可选地，根据所述拟合结果生成所述电池的实际健康状态值包括：获取所述放电电量的累计电荷变化量的第三表达式和第四表达式，其中，所述第三表达式包括实际健康状态值，所述第四表达式采用所述第二斜率表示；根据所述第三表达式和第四表达式确定所述实际健康状态值。
可选地，在检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量之前，所述方法还包括：检测所述电池是否处于充电状态或者放电状态；在所述电池未处于所述充电状态，且未处于所述放电状态的情况下，获取所述电池的当前健康状态值；将所述当前健康状态值作为所述实际健康状态值。
根据本发明实施例的另一方面，还提供了一种电池健康状态的检测装置，包括：检测单元，用于在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量；拟合单元，用于根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达；生成单元，用于根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值；输出单元，用于输出所述实际健康状态值。
可选地，所述检测单元包括：检测模块，用于在所述电池处于充电的状态下，检测所述电池的初始荷电电量、当前剩余电量和充电电量的累计电荷变化量；所述拟合单元包括：拟合模块，用于根据所述当前剩余电量、所述初始荷电电量和所述充电电量的累计电荷变化量进行线性拟合，得到第一斜率。
可选地，所述生成单元包括：获取模块，用于获取所述充电电量的累计电荷变化量的第一表达式和第二表达式，其中，所述第一表达式包括实际健康状态值，所述第二表达式采用所述第一斜率表示；确定模块，用于根据所述第一表达式和第二表达式确定所述实际健康状态值。
本发明实施例利用电池的剩余电量参数与电池的健康参数的关联性，以及根据当前电量和累计变化电量得到的线性拟合结果，再根据线性拟合结果确定出电池的实际健康状态值，基于电池的SOC值来输出实际健康状态值SOH，使实际健康状态值的估算算法更加简，且估算精度更高。解决了现有技术输出实际健康状态值SOH的误差比较大的技术问题。并且，本实施例获取实际健康状态值SOH的方法可实现充放电过程中的动态估算，实时准确监控电池的健康状态，提高电池的维护效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的电池健康状态的检测方法的流程图；
图2是根据本发明实施例的一种充电曲线拟合的示意图；
图3是根据本发明实施例的一种放电曲线拟合的示意图；
图4是根据本发明实施例的一种电池健康状态的检测方法的流程图；
图5是根据本发明实施例的一种电池健康状态的检测装置的示意图。
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、***、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。
根据本发明实施例，提供了一种电池健康状态的检测方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的电池健康状态的检测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量。
本发明揭示了一种基于电池SOC估算SOH的估算方法，估算基本原理如下：
基于电池电量估算SOH的定义公式如下：
其中：Q为电池满充时电量、Qend为电池报废时阈值电量、Q0为电池出厂时额定电量。
初始荷电电量采用SOC1表示、当前剩余电量SOC2表示和累计电荷变化量,在充电状态下，累计电荷变化量为充电电量的累计电荷变化量Qcharge和放电电量的累计电荷变化量Qdischarge。
步骤S104，根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达。
线性拟合以SOC值为自变量，以Qdischarge或者Qcharge为因变量，作线性拟合曲线，拟合曲线斜率k。
步骤S106，根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值。
电池的电量属性包括电池报废时阈值电量end、电池出厂时额定电量Q0。
步骤S108，输出所述实际健康状态值。
本发明实施例利用电池的剩余电量参数与电池的健康参数的关联性，以及根据当前电量和累计变化电量得到的线性拟合结果，再根据线性拟合结果确定出电池的实际健康状态值，基于电池的SOC值来输出实际健康状态值SOH，使实际健康状态值的估算算法更加简，且估算精度更高。解决了现有技术输出实际健康状态值SOH的误差比较大的技术问题。并且，本实施例获取实际健康状态值SOH的方法可实现充放电过程中的动态估算，实时准确监控电池的健康状态，提高电池的维护效率。
可选地在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量包括：在所述电池处于充电的状态下，检测所述电池的初始荷电电量、当前剩余电量和充电电量的累计电荷变化量；根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果包括：根据所述当前剩余电量、所述初始荷电电量和所述充电电量的累计电荷变化量进行线性拟合，得到第一斜率。
可选地，根据所述拟合结果生成所述电池的实际健康状态值包括：获取所述充电电量的累计电荷变化量的第一表达式和第二表达式，其中，所述第一表达式包括实际健康状态值，所述第二表达式采用所述第一斜率表示；根据所述第一表达式和第二表达式确定所述实际健康状态值。
电池充电过程：
荷电状态为SOC1的电池，在电池充电过程中，电池荷电状态SOC2值随着累计充电电量Qcharge(充电为正，放电为负)一直变化，可求得电池满充状态下电池电量Q：
因此，电池累计充电电量Qcharge与电池荷电状态SOC的变化值的关系如下第一表达式：
Qcharge＝[SOH×(Q0-Qend)+Qend]×ΔSOC
其中，由于电池的健康状态在同一次充放电过程中，可视为固定值；在不同的充放电循环中，可视为不同，因此上式中SOH值为定值，Q0、Qend为已知固定值，则同一次电池充放电过程中，第一斜率k为固定值，即第二表达式表示如下：
k＝SOH×(Q0-Qend)+Qend
通过BMS采集电池充电过程中电池的累积充电电量Qcharge和对应状态下电池的SOC值一系列数据，以SOC值为自变量，Qcharge为因变量，作线性拟合曲线(理论下为线性，但实际过程中可能有偏差，故须线性拟合)，示意图如图2所示，得到线性拟合曲线斜率k，则电池的SOH值有：
可选地，在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量包括：在所述电池处于放电的状态下，检测所述电池的初始荷电电量、当前剩余电量和放电电量的累计电荷变化量；根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果包括：根据所述当前剩余电量、所述初始荷电电量和所述放电电量的累计电荷变化量进行线性拟合，得到第二斜率。
可选地，根据所述拟合结果生成所述电池的实际健康状态值包括：获取所述放电电量的累计电荷变化量的第三表达式和第四表达式，其中，所述第三表达式包括实际健康状态值，所述第四表达式采用所述第二斜率表示；根据所述第三表达式和第四表达式确定所述实际健康状态值。
电池放电过程：
荷电状态为SOC1的电池，在电池放电过程中，电池荷电状态SOC2值随着累计放电电量Qdischarge(充电为正，放电为负)一直变化，由此，可求得电池满充状态下电池电量Q：
同理，电池累计放电电量Qdischarge与电池荷电状态SOC的变化值的关系如下：
Qdischarge＝[SOH×(Q0-Qend)+Qend]×ΔSOC＝k×ΔSOC
电池放电过程SOH估算原理同充电过程，通过BMS采集电池放电过程中电池的累积放电电量Qdischarge和对应状态下电池的SOC值，通过多个累积放电电量Qdischarge和对应状态下电池的SOC值，以SOC值为自变量，以Qdischarge为因变量，作线性拟合曲线，示意图如图3所示，得到线性拟合曲线斜率k，则电池的SOH值有：
综上所述，基于电池SOC估算SOH的估算方法控制流程如图4所示，具体实施步骤如下：
步骤1，BMS监测当前电池组的荷电状态SOC1，以及当前SOH值；
步骤2，BMS监测判断电池组是否处于静置状态。如果电池组处于静置状态，BMS则输出初始电池组荷电状态SOC1和健康状态SOH；如果电池处于充放电状态则进行步骤3估算；即，在检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量之前，所述方法还包括：检测所述电池是否处于充电状态或者放电状态；在所述电池未处于所述充电状态，且未处于所述放电状态的情况下，获取所述电池的当前健康状态值；将所述当前健康状态值作为所述实际健康状态值。
步骤3，BMS采集电池组不同剩余电量SOC2下的累计充电电量Qcharge或累计放电电量Qdischarge(充电为正，放电为负)，理论上满足公式：
Qcharge＝[SOH×(Q0-Qend)+Qend]×ΔSOC
或Qdischarge＝[SOH×(Q0-Qend)+Qend]×ΔSOC
步骤4，BMS的SOH估算单元，以SOC值为自变量，以Qdischarge为因变量，作线性拟合曲线，拟合曲线斜率k为：
k＝SOH×(Q0-Qend)+Qend
步骤5，BMS得到电池SOH：
SOH＝(k-Qend)/(Q0-Qend)
步骤6，输出电池SOH。
本发明中的SOH估算方法：1)、不仅适用于电池单体，也适用于电池组(可基于电池组SOC估算电池组SOH)；2)、并且也可以估算所有成组的单体电池SOH，则电池组SOH值为成组单体电池的SOH最小值，即：电池组SOH＝成组单体电池min{SOH1，SOH2，SOH3······SOHn}。
本发明实施例还提供了一种电池健康状态的检测装置的实施例。图5是根据本发明实施例的电池健康状态的检测装置的示意图。如图5所示，该电池健康状态的检测装置包括:
检测单元502，用于在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量；
本发明揭示了一种基于电池SOC估算SOH的估算方法，估算基本原理如下：
基于电池电量估算SOH的定义公式如下：
其中：Q为电池满充时电量、Qend为电池报废时阈值电量、Q0为电池出厂时额定电量。
拟合单元504，用于根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达；
初始荷电电量采用SOC1表示、当前剩余电量SOC2表示和累计电荷变化量,在充电状态下，累计电荷变化量为充电电量的累计电荷变化量Qcharge和放电电量的累计电荷变化量Qdischarge。
生成单元506，用于根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值；
电池的电量属性包括电池报废时阈值电量end、电池出厂时额定电量Q0。
输出单元508，用于输出所述实际健康状态值。
本发明实施例利用电池的剩余电量参数与电池的健康参数的关联性，以及根据当前电量和累计变化电量得到的线性拟合结果，再根据线性拟合结果确定出电池的实际健康状态值，基于电池的SOC值来输出实际健康状态值SOH，使实际健康状态值的估算算法更加简，且估算精度更高。解决了现有技术输出实际健康状态值SOH的误差比较大的技术问题。并且，本实施例获取实际健康状态值SOH的方法可实现充放电过程中的动态估算，实时准确监控电池的健康状态，提高电池的维护效率。
可选地，所述检测单元包括：检测模块，用于在所述电池处于充电的状态下，检测所述电池的初始荷电电量、当前剩余电量和充电电量的累计电荷变化量；所述拟合单元包括：拟合模块，用于根据所述当前剩余电量、所述初始荷电电量和所述充电电量的累计电荷变化量进行线性拟合，得到第一斜率。
可选地，所述生成单元包括：获取模块，用于获取所述充电电量的累计电荷变化量的第一表达式和第二表达式，其中，所述第一表达式包括实际健康状态值，所述第二表达式采用所述第一斜率表示；确定模块，用于根据所述第一表达式和第二表达式确定所述实际健康状态值。
电池充电过程：
荷电状态为SOC1的电池，在电池充电过程中，电池荷电状态SOC2值随着累计充电电量Qcharge(充电为正，放电为负)一直变化，可求得电池满充状态下电池电量Q：
因此，电池累计充电电量Qcharge与电池荷电状态SOC的变化值的关系如下第一表达式：
Qcharge＝[SOH×(Q0-Qend)+Qend]×ΔSOC
其中，由于电池的健康状态在同一次充放电过程中，可视为固定值；在不同的充放电循环中，可视为不同，因此上式中SOH值为定值，Q0、Qend为已知固定值，则同一次电池充放电过程中，第一斜率k为固定值，即第二表达式表示如下：
k＝SOH×(Q0-Qend)+Qend
通过BMS采集电池充电过程中电池的累积充电电量Qcharge和对应状态下电池的SOC值一系列数据，以SOC值为自变量，Qcharge为因变量，作线性拟合曲线(理论下为线性，但实际过程中可能有偏差，故须线性拟合)，示意图如图2所示，得到线性拟合曲线斜率k，则电池的SOH值有：
电池放电过程：
荷电状态为SOC1的电池，在电池放电过程中，电池荷电状态SOC2值随着累计放电电量Qdischarge(充电为正，放电为负)一直变化，由此，可求得电池满充状态下电池电量Q：
同理，电池累计放电电量Qdischarge与电池荷电状态SOC的变化值的关系如下：
Qdischarge＝[SOH×(Q0-Qend)+Qend]×ΔSOC＝k×ΔSOC
电池放电过程SOH估算原理同充电过程，通过BMS采集电池放电过程中电池的累积放电电量Qdischarge和对应状态下电池的SOC值，通过多个累积放电电量Qdischarge和对应状态下电池的SOC值，以SOC值为自变量，以Qdischarge为因变量，作线性拟合曲线，示意图如图3所示，得到线性拟合曲线斜率k，则电池的SOH值有：
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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全部或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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种电池健康状态的检测方法，其特征在于，包括：
在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量；
根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达；
根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值；
输出所述实际健康状态值。
2.根据权利要求1所述的方法，其特征在于，
在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量包括：在所述电池处于充电的状态下，检测所述电池的初始荷电电量、当前剩余电量和充电电量的累计电荷变化量；
根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果包括：根据所述当前剩余电量、所述初始荷电电量和所述充电电量的累计电荷变化量进行线性拟合，得到第一斜率。
3.根据权利要求2所述的方法，其特征在于，根据所述拟合结果生成所述电池的实际健康状态值包括：
获取所述充电电量的累计电荷变化量的第一表达式和第二表达式，其中，所述第一表达式包括实际健康状态值，所述第二表达式采用所述第一斜率表示；
根据所述第一表达式和第二表达式确定所述实际健康状态值。
4.根据权利要求1所述的方法，其特征在于，
在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量包括：在所述电池处于放电的状态下，检测所述电池的初始荷电电量、当前剩余电量和放电电量的累计电荷变化量；
根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果包括：根据所述当前剩余电量、所述初始荷电电量和所述放电电量的累计电荷变化量进行线性拟合，得到第二斜率。
5.根据权利要求4所述的方法，其特征在于，根据所述拟合结果生成所述电池的实际健康状态值包括：
获取所述放电电量的累计电荷变化量的第三表达式和第四表达式，其中，所述第三表达式包括实际健康状态值，所述第四表达式采用所述第二斜率表示；
根据所述第三表达式和第四表达式确定所述实际健康状态值。
6.根据权利要求1所述的方法，其特征在于，在检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量之前，所述方法还包括：
检测所述电池是否处于充电状态或者放电状态；
在所述电池未处于所述充电状态，且未处于所述放电状态的情况下，获取所述电池的当前健康状态值；
将所述当前健康状态值作为所述实际健康状态值。
7.一种电池健康状态的检测装置，其特征在于，包括：
检测单元，用于在所述电池处于充电或者放电的状态下,检测所述电池的初始荷电电量、当前剩余电量和累计电荷变化量；
拟合单元，用于根据所述当前剩余电量、所述初始荷电电量和所述累计变化电量进行线性拟合，得到拟合结果，其中，所述拟合结果通过所述电池的实际健康状态值表达；
生成单元，用于根据所述拟合结果和所述电池的电量属性生成所述电池的实际健康状态值；
输出单元，用于输出所述实际健康状态值。
8.根据权利要求7所述的装置，其特征在于，
所述检测单元包括：检测模块，用于在所述电池处于充电的状态下，检测所述电池的初始荷电电量、当前剩余电量和充电电量的累计电荷变化量；
所述拟合单元包括：拟合模块，用于根据所述当前剩余电量、所述初始荷电电量和所述充电电量的累计电荷变化量进行线性拟合，得到第一斜率。
9.根据权利要求8所述的装置，其特征在于，所述生成单元包括：
获取模块，用于获取所述充电电量的累计电荷变化量的第一表达式和第二表达式，其中，所述第一表达式包括实际健康状态值，所述第二表达式采用所述第一斜率表示；
确定模块，用于根据所述第一表达式和第二表达式确定所述实际健康状态值。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的电池健康状态的检测方法。
11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的电池健康状态的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810689947.6A CN109061483A (zh) | 2018-06-28 | 2018-06-28 | 电池健康状态的检测方法、装置、存储介质和处理器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810689947.6A CN109061483A (zh) | 2018-06-28 | 2018-06-28 | 电池健康状态的检测方法、装置、存储介质和处理器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109061483A true CN109061483A (zh) | 2018-12-21 |
Family
ID=64817861
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810689947.6A Pending CN109061483A (zh) | 2018-06-28 | 2018-06-28 | 电池健康状态的检测方法、装置、存储介质和处理器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109061483A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110018419A (zh) * | 2019-03-29 | 2019-07-16 | 深圳猛犸电动科技有限公司 | 锂离子电池的soc与soh联合估计方法、装置及终端设备 |
| CN110441693A (zh) * | 2019-07-22 | 2019-11-12 | 南方电网科学研究院有限责任公司 | 一种电池组电量直流测算方法、装置及存储介质 |
| CN110568375A (zh) * | 2019-09-03 | 2019-12-13 | 昆山宝创新能源科技有限公司 | 动力电池健康状态soh确定方法及装置 |
| CN110579718A (zh) * | 2019-09-03 | 2019-12-17 | 北京海博思创科技有限公司 | 电池和电池包的健康度soh获取方法及装置 |
| CN111983495A (zh) * | 2020-09-02 | 2020-11-24 | 海马汽车有限公司 | 电池组健康度确定方法及相关装置 |
| CN112259813A (zh) * | 2020-01-20 | 2021-01-22 | 蜂巢能源科技有限公司 | 电池充放电功率确定方法、***及设备 |
| CN112526352A (zh) * | 2020-12-17 | 2021-03-19 | 合肥工业大学 | 一种退役锂离子电池的soh估计方法 |
| CN112540302A (zh) * | 2020-11-02 | 2021-03-23 | 珠海格力电器股份有限公司 | 一种电池soc估算方法及*** |
| CN113614554A (zh) * | 2021-06-17 | 2021-11-05 | 香港应用科技研究院有限公司 | 退役锂离子电池和电池模块的健康状态评估 |
| CN115071496A (zh) * | 2022-05-27 | 2022-09-20 | 中国第一汽车股份有限公司 | 电池电量的显示控制方法和装置、存储介质及电子装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150293183A1 (en) * | 2012-11-30 | 2015-10-15 | Sanyo Electric Co., Ltd. | Battery management device, power supply, and soc estimation method |
| US20170205469A1 (en) * | 2016-01-14 | 2017-07-20 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating state of battery |
| CN107765188A (zh) * | 2017-11-28 | 2018-03-06 | 惠州市蓝微新源技术有限公司 | 电池健康状态获取方法 |
-
2018
- 2018-06-28 CN CN201810689947.6A patent/CN109061483A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150293183A1 (en) * | 2012-11-30 | 2015-10-15 | Sanyo Electric Co., Ltd. | Battery management device, power supply, and soc estimation method |
| US20170205469A1 (en) * | 2016-01-14 | 2017-07-20 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating state of battery |
| CN107765188A (zh) * | 2017-11-28 | 2018-03-06 | 惠州市蓝微新源技术有限公司 | 电池健康状态获取方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110018419A (zh) * | 2019-03-29 | 2019-07-16 | 深圳猛犸电动科技有限公司 | 锂离子电池的soc与soh联合估计方法、装置及终端设备 |
| CN110441693A (zh) * | 2019-07-22 | 2019-11-12 | 南方电网科学研究院有限责任公司 | 一种电池组电量直流测算方法、装置及存储介质 |
| CN110568375A (zh) * | 2019-09-03 | 2019-12-13 | 昆山宝创新能源科技有限公司 | 动力电池健康状态soh确定方法及装置 |
| CN110579718A (zh) * | 2019-09-03 | 2019-12-17 | 北京海博思创科技有限公司 | 电池和电池包的健康度soh获取方法及装置 |
| CN112259813A (zh) * | 2020-01-20 | 2021-01-22 | 蜂巢能源科技有限公司 | 电池充放电功率确定方法、***及设备 |
| CN112259813B (zh) * | 2020-01-20 | 2022-03-29 | 蜂巢能源科技有限公司 | 电池充放电功率确定方法、***及设备 |
| CN111983495A (zh) * | 2020-09-02 | 2020-11-24 | 海马汽车有限公司 | 电池组健康度确定方法及相关装置 |
| CN112540302A (zh) * | 2020-11-02 | 2021-03-23 | 珠海格力电器股份有限公司 | 一种电池soc估算方法及*** |
| CN112526352A (zh) * | 2020-12-17 | 2021-03-19 | 合肥工业大学 | 一种退役锂离子电池的soh估计方法 |
| CN112526352B (zh) * | 2020-12-17 | 2023-10-31 | 合肥工业大学 | 一种退役锂离子电池的soh估计方法 |
| CN113614554A (zh) * | 2021-06-17 | 2021-11-05 | 香港应用科技研究院有限公司 | 退役锂离子电池和电池模块的健康状态评估 |
| CN115071496A (zh) * | 2022-05-27 | 2022-09-20 | 中国第一汽车股份有限公司 | 电池电量的显示控制方法和装置、存储介质及电子装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109061483A (zh) | 电池健康状态的检测方法、装置、存储介质和处理器 | |
| CN105158699B (zh) | 电池健康状态的检测方法和装置 | |
| EP3748380A1 (en) | Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method | |
| Sassi et al. | Comparative study of ANN/KF for on-board SOC estimation for vehicular applications | |
| Watrin et al. | Multiphysical lithium-based battery model for use in state-of-charge determination | |
| Kim et al. | Complementary cooperation algorithm based on DEKF combined with pattern recognition for SOC/capacity estimation and SOH prediction | |
| CN107015166B (zh) | 用于估计电池能量状态的方法及计算机可读存储介质 | |
| EP2963433B1 (en) | Method and apparatus for estimating state of battery | |
| CN101359036B (zh) | 电池荷电状态的测定方法 | |
| CN105021994B (zh) | 一种检测电池组内单体电池一致性的方法和装置 | |
| CN106451592B (zh) | 电池充放电的控制方法、电池充放电的控制设备和电动车 | |
| CN107329094A (zh) | 动力电池健康状态估算方法及装置 | |
| TW202127052A (zh) | 電池健全性之評估方法及系統 | |
| CN108680869A (zh) | 一种动力电池健康状态的评估方法和装置 | |
| CN112622693A (zh) | 一种电池管理方法、装置及车辆 | |
| CN107167743A (zh) | 基于电动车辆的荷电状态估算方法和装置 | |
| CN110383094A (zh) | 电池功率状态估计方法和电池状态监测*** | |
| Chen et al. | Analysis and prediction of the discharge characteristics of the lithium–ion battery based on the Grey system theory | |
| Li et al. | Real-time estimation of lead-acid battery parameters: A dynamic data-driven approach | |
| CN110133515B (zh) | 电池剩余能量确定方法及其装置 | |
| CN112083346B (zh) | 基于lstm的并联电池组内部电流分布估计方法及*** | |
| Sheikhan et al. | State of charge neural computational models for high energy density batteries in electric vehicles | |
| CN108957331A (zh) | 电池性能检测方法及电池性能检测*** | |
| JP6737022B2 (ja) | シミュレーション方法及びシミュレーション装置 | |
| CN110673037A (zh) | 基于改进模拟退火算法的电池soc估算方法及*** |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
| RJ01 | Rejection of invention patent application after publication |