CN110324383A - 云服务器、电动汽车及其中动力电池的管理***、方法 - Google Patents
云服务器、电动汽车及其中动力电池的管理***、方法 Download PDFInfo
- Publication number
- CN110324383A CN110324383A CN201810287724.7A CN201810287724A CN110324383A CN 110324383 A CN110324383 A CN 110324383A CN 201810287724 A CN201810287724 A CN 201810287724A CN 110324383 A CN110324383 A CN 110324383A
- Authority
- CN
- China
- Prior art keywords
- power battery
- reference curve
- cloud server
- battery
- bms
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 61
- 230000032683 aging Effects 0.000 claims description 12
- 238000003483 aging Methods 0.000 claims description 10
- 241000208340 Araliaceae Species 0.000 claims description 9
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 9
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 9
- 235000008434 ginseng Nutrition 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 8
- 238000004321 preservation Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 102100028667 C-type lectin domain family 4 member A Human genes 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 101000766908 Homo sapiens C-type lectin domain family 4 member A Proteins 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种云服务器、电动汽车及其中动力电池的管理***、方法。电池管理***包括云服务器和设置在所述电动汽车之上的BMS,其中,BMS,用于采集电动汽车中动力电池的状态信息,并根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将动力电池的状态信息和多个第一参考曲线簇发送至云服务器,以及接收并保存云服务器发送的第二参考曲线簇;云服务器,用于保存动力电池的历史数据,并根据历史数据和多个第一参考曲线簇生成第二参考曲线簇,由此,可不断更新BMS中的参考曲线簇,通过更新后的参考曲线簇能够准确预估动力电池的各项状态信息,便于对动力电池进行有效管理,有利于提高动力电池的使用寿命。
Description
技术领域
本发明涉及电动汽车技术领域,特别涉及一种电动汽车中动力电池的管理***、一种电动汽车中动力电池的管理方法、一种电动汽车和一种云服务器。
背景技术
锂离子电池因其比能量高、循环寿命长、荷电保持能力强、环境污染低、无记忆效应等诸多优点,已成为目前电动汽车上最常用的储能设备,因此其性能和工作状态对整车而言是至关重要的。为确保动力电池组的良好性能,充分利用动力电池的能量,以及延长电池的使用寿命,对其进行有效的管理和控制将显得尤为重要。
目前现有的BMS(Battery Management System,电池管理***)由BCU(BatteryControl Unit,电池控制单元)和BIC(Battery Information Collector,电池信息采集器)组成,且每个电池单体pack均配有BIC与BCU。其中,BIC用于电池单体电压的采样和监控、电池均衡、电池包温度采样和监控,BCU用于母线电流检测、***绝缘监测、电池***上/下电管理、电池***热管理、电池荷电状态估算、电池健康状态估算、电池功率状态估算、故障诊断、整车通讯及在线程序更新、数据记录等。
在该技术中,对电池状态进行估算时,通过调用BCU中预存的OCV(Open CircuitVoltage,开路电压)-SOC(State of Charge,荷电状态)曲线查表进行校正,然后根据事先预存的参考曲线查表得出动力电池的状态参数,包括电动汽车剩余里程(公里kM),同时实现状态监测、充放电控制、故障诊断、CAN通信等功能。
电池状态参数受温度、充放电倍率、老化程度及电池使用历史等因素的影响。而上述技术中BCU中预存的OCV-SOC曲线,通常是实验室条件下利用同等型号电池在特定温度、特定充电倍率下测得的一条曲线,由于引入的影响因素被固化成一个常数,而非参考变量,故该曲线并不能反映电池状态参数随温度、充放电倍率、老化程度以及电池使用历史各因素之间的变化关系,也不能预估电池的状态参数变化趋势,于是估算出的电动汽车在全工况范围内的电池状态参数存在较大的误差。且随着电池包的衰减程度的加深,该误差会不断累积扩大,致使车辆在行驶过程中出现SOC跳变以及续驶里程不准的问题。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种电动汽车中动力电池的管理***,以准确预估动力电池的各项状态信息,实现对动力电池进行有效管理。
本发明的第二个目的在于提出一种电动汽车中动力电池的管理方法。
本发明的第三个目的在于提出一种电动汽车。
本发明的第四个目的在于提出一种云服务器。
为达到上述目的,本发明第一方面实施例提出了一种电动汽车中动力电池的管理***,包括云服务器和设置在所述电动汽车之上的电池管理***BMS,其中,所述BMS,用于采集所述电动汽车中动力电池的状态信息,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述动力电池的状态信息和所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇,以更新所述BMS中的参考曲线簇;所述云服务器,用于保存所述动力电池的历史数据,并根据所述历史数据和所述多个第一参考曲线簇生成所述第二参考曲线簇。
根据本发明实施例的电动汽车中动力电池的管理***,通过BMS根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,进而通过服务器根据历史数据和多个第一参考曲线簇生成第二参考曲线簇,且通过BMS接收并保存该第二参考曲线簇,由此,能够不断更新BMS中的参考曲线,便于准确估计动力电池当前的各项状态信息,有利于对动力电池进行有效管理,提高动力电池的使用寿命。
另外,根据本发明上述实施例提出的电动汽车中动力电池的管理***还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述BMS根据多重拟合算法估算拟合所述多个第一参考曲线簇。
根据本发明的一个实施例,所述云服务器,还用于根据所述历史数据生成所述动力电池的预测曲线,并将所述预测曲线发送至所述BMS,以更新所述BMS中的参考曲线簇。
根据本发明的一个实施例,所述BMS包括:多个电池信息采集器BIC,多个BIC分别与所述动力电池中的多个电池单体相对应;电池控制单元BCU,BCU与所述多个BIC相连,并与所述云服务器进行通信,所述BCU用于根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
根据本发明的一个实施例,所述BCU包括:第一控制器,用于根据所述动力电池的状态信息进行整车控制;第二控制器,用于与所述云服务器进行通信,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
根据本发明的一个实施例,所述多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
为达到上述目的,本发明第二方面实施例提出了一种电动汽车中动力电池的管理方法,其中,在所述电动汽车之上设置有电池管理***BMS,所述方法包括以下步骤:所述BMS 采集所述电动汽车中动力电池的状态信息,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述动力电池的状态信息和所述多个第一参考曲线簇发送至云服务器;所述云服务器根据所述动力电池的历史数据和所述多个第一参考曲线簇生成所述第二参考曲线簇;所述BMS接收并保存所述云服务器发送的第二参考曲线簇,以更新所述BMS中的参考曲线簇。
根据本发明实施例的电动汽车中动力电池的管理方法,通过BMS根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,进而通过服务器根据历史数据和多个第一参考曲线簇生成第二参考曲线簇,且通过BMS接收并保存该第二参考曲线簇,由此,能够不断更新BMS中的参考曲线,便于准确估计动力电池当前的各项状态信息,有利于对动力电池进行有效管理,提高动力电池的使用寿命。
另外,根据本发明上述实施例提出的电动汽车中动力电池的管理方法还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述BMS根据多重拟合算法估算拟合所述多个第一参考曲线簇。
根据本发明的一个实施例,所述云服务器还根据所述历史数据生成所述动力电池的预测曲线,并将所述预测曲线发送至所述BMS,以更新所述BMS中的参考曲线簇。
根据本发明的一个实施例,所述多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
为达到上述目的,本发明第三方面实施例提出了一种电动汽车,在所述电动汽车之上设置有电池管理***BMS,其中,所述BMS用于:采集所述电动汽车中动力电池的状态信息,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述动力电池的状态信息和所述多个第一参考曲线簇发送至所述云服务器,以使所述云服务器根据保存的所述动力电池的历史数据和所述多个第一参考曲线簇生成第二参考曲线簇;以及接收并保存所述云服务器发送的所述第二参考曲线簇,以更新所述BMS中的参考曲线簇。
根据本发明实施例的电动汽车,通过BMS根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,以通过服务器根据历史数据和多个第一参考曲线簇生成第二参考曲线簇,进而通过BMS接收并保存该第二参考曲线簇。由此,能够不断更新BMS中的参考曲线,便于准确估计动力电池当前的各项状态信息,进而有利于对动力电池进行有效管理,提高动力电池的使用寿命。
另外,根据本发明上述实施例提出的电动汽车中动力电池的管理方法还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述BMS根据多重拟合算法估算拟合所述多个第一参考曲线簇。
根据本发明的一个实施例,所述BMS包括:多个电池信息采集器BIC,多个BIC分别与所述动力电池中的多个电池单体相对应;电池控制单元BCU,所述BCU与所述多个BIC 相连,并与所述云服务器进行通信,所述BCU用于根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
根据本发明的一个实施例,所述BCU包括:第一控制器,用于根据所述动力电池的状态信息进行整车控制;第二控制器,用于与所述云服务器进行通信,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
根据本发明的一个实施例,所述多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
为达到上述目的,本发明第四方面实施例提出一种云服务器,包括:接收模块,用于接收电动汽车中电池管理***BMS发送的所述电动汽车中动力电池的状态信息和多个第一参考曲线簇,其中,所述BMS根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的所述多个第一参考曲线簇;存储模块,用于存储所述动力电池的状态信息,以作为所述动力电池的历史数据;第一生成模块,用于根据所述历史数据和所述多个第一参考曲线簇生成第二参考曲线簇;发送模块,用于将所述第二参考曲线簇发送至所述BMS,以更新所述BMS中的参考曲线簇。
本发明实施例的云服务器,通过接收模块接收电动汽车中BMS发送的电动汽车中动力电池的状态信息和多个第一参考曲线簇,通过第一生成模块根据包含动力电池的历史状态参数的历史数据和多个第一参考曲线簇生成第二参考曲线簇,并通过发送模块将第二参考曲线簇发送给BMS,由此,能够不断更新BMS中的参考曲线,便于准确估计动力电池当前的各项状态信息,有利于对动力电池进行有效管理,提高动力电池的使用寿命。
另外,根据本发明上述实施例提出的云服务器还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述云服务器,还包括:第二生成模块,用于根据所述历史数据生成所述动力电池的预测曲线,其中,所述发送模块还将所述预测曲线发送至所述 BMS,以更新所述BMS中的参考曲线簇。
附图说明
图1是根据本发明实施例的电动汽车中动力电池的管理***的结构框图;
图2是根据本发明一个具体实施例的电动汽车中动力电池的管理***的结构框图;
图3是根据本发明另一个具体实施例的电动汽车中动力电池的管理***的结构框图;
图4是根据本发明一个具体实施例的电动汽车中动力电池的管理***的工作流程图;
图5是根据本发明实施例的电动汽车中动力电池的管理方法的流程图;
图6是根据本发明实施例的电动汽车的结构框图;
图7是根据本发明一个实施例的云服务器的结构框图;以及
图8是根据本发明另一个实施例的云服务器的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面结合附图来描述本发明实施例的电动汽车及其电池管理***和管理方法。
图1为根据本发明实施例的电动汽车中动力电池的管理***的方框图。如图1所示,该电动汽车中动力电池的管理***100包括云服务器10和设置在电动汽车之上的电池管理***BMS20。
其中,BMS20用于采集电动汽车中动力电池的状态信息,并根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将动力电池的状态信息和多个第一参考曲线簇发送至云服务器10,以及接收并保存云服务器10发送的第二参考曲线簇,进而根据第二参考曲线簇更新BMS20中的参考曲线簇。云服务器10用于保存动力电池的历史数据,并根据历史数据和多个第一参考曲线簇生成第二参考曲线簇。
可选地,动力电池的状态信息包括动力电池的总电压、电池单体的电压、电池均衡情况、电池单体的温度、母线电流等;历史数据包括动力电池的历史状态信息和动力电池的历史参考曲线簇。其中,动力电池的历史状态信息即BMS20发送的所有动力电池的状态信息,历史参考曲线簇可以包括云服务器10接收到的BMS20发送的所有第一参考曲线簇和云服务器10生成的所有第二参考曲线簇。
在该实施例中,多个工况包括多个电池温度、多个充放电倍率或多个老化程度,第一参考曲线簇、第二参考曲线簇均是指电池单体在不同温度、不同充放电倍率或不同老化程度下的多条状态参数变化曲线。
具体地,BMS20可以每隔预设时间t采集电动汽车中动力电池的状态信息,如在t时刻(首次)采集到动力电池的状态信息,则根据该动力电池的状态信息获取对应的动力电池的在多个工况之下的多个第一参考曲线簇,进而将t时刻的动力电池的状态信息和对应的多个第一参考曲线簇发送至云服务器10。云服务器10接收t时刻的动力电池的状态信息和对应的多个第一参考曲线簇,并将t时刻的动力电池的状态信息放入历史数据库保存,进而根据当前历史数据库中的历史数据和多个第一参考曲线簇生成第二参考曲线簇,并将第二参考曲线簇回传至BMS20,同时云服务器10还可将该第二参考曲线簇保存至历史数据库中。BMS20接收并保存云服务器10回传的第二参考曲线簇,以及将BMS20中当前的参考曲线簇替换为接收到的第二参考曲线簇,以作为电池预测管理的参考曲线。
进一步地,BMS20在2*t时刻采集到动力电池的状态信息,根据该动力电池的状态信息获取对应的动力电池的在多个工况之下的多个第一参考曲线簇,进而将2*t时刻的动力电池的状态信息和对应的多个第一参考曲线簇发送至云服务器10。云服务器10接收2*t时刻的动力电池的状态信息和对应的多个第一参考曲线簇,并将2*t时刻的动力电池的状态信息放入历史数据库保存,进而根据当前历史数据库中的历史数据和多个第一参考曲线簇生成第二参考曲线簇,并将第二参考曲线簇回传至BMS20,同时云服务器10还可将该第二参考曲线簇保存至历史数据库中。BMS20接收并保存云服务器10回传的第二参考曲线簇,以及将BMS20中当前的参考曲线簇替换为接收到的第二参考曲线簇,以作为电池预测管理的参考曲线。
如此,随着动力电池充放电循环的深入,BMS20不断拟合估算得到新的第一参考曲线簇并上传至云服务器10,云服务器10根据历史数据不断生成新的第二参考曲线簇并回传至BMS10,不断的循环迭代,由此,能够使整个电池***预测结果更接近动力电池的真实状态,有利于对动力电池进行有效管理,提高动力电池的使用寿命。
在本发明的一个实施例中,BMS20根据多重拟合算法估算拟合多个第一参考曲线簇。
例如,BMS20基于目标跟踪滤波算法和电池模型构建的双估算或联合估算架构的BMS 算法估算拟合多个第一参考曲线簇。
其中,目标跟踪滤波算法可以是卡尔曼滤波算法;电池模型,即动力电池的参考曲线初始值,该初始值可以是在实验室条件下测得的多条参考曲线簇,在该参考曲线簇即影响因素(如电流I、温度T、电荷状态SOC、健康状态SOH)对电池模型参数(电池内阻DCIR、电阻R0、电阻R1、电容C1)和电池状态量(Cap容量、SOC、SOH、SOP、SOE)的函数关系曲线。可选地,该参考曲线簇可以是电动汽车出厂时预先存储在BMS20中的。
举例而言,BMS20可根据所采集的动力电池的当前状态信息和电池模型,并利用卡尔曼滤波算法估算拟合得到多个工况下的多个第一参考曲线簇。进一步地,服务器10可根据动力电池的历史数据(至少包括动力电池的历史状态信息)和多个第一参考曲线簇对应生成多个第二参考曲线簇,并将其发送至BMS20,BMS20接收该第二参考曲线簇,并对BMS20中当前存储的参考曲线簇进行更新,并将更新后的参考曲线簇用于电池状态参数估算算法的查表输入。需要说明的是,BMS20中的参考曲线簇是不断更新的。
在本发明的一个实施例中,还可采用多项式、神经网络模型等相结合的拟合算法估算拟合得到第二参考曲线簇。
可以理解,BMS20中存储的参考曲线初始值是始终存在的,是用于估算拟合第一参考曲线簇的,存储的参考曲线簇则是在接收到云服务器10发送的第二参考曲线簇之后更新的。其中,每当云服务器10根据BMS20上传的数据,拟合得出第二参考曲线簇时,继续将第二参考曲线簇回传至BMS用于更新BMS20中当前存储的参考曲线簇。
进一步地,BMS20可根据更新后的参考曲线簇估算动力电池的功率状态SOP(Stateof Power),并预估动力电池在当前工况下的最大功率,以提高动力电池的放电效率。BMS20还可根据更新后的参考曲线簇估算动力电池的能量状态SOE(State of Energy),为准确估算电动汽车的剩余里程提供直接参考。
在本发明的一个实施例中,云服务器10还用于根据历史数据生成动力电池的预测曲线,并将预测曲线发送至BMS20。
具体地,云服务器10可对动力电池的历史数据(如动力电池的历史状态参数、历史参考曲线簇等)进行大数据分析,例如,动力汽车当前行驶在高速路上,则可获取该工况下的所有历史数据,并据此预测出动力电池的未来状态,即预测曲线,以为BMS20的控制策略(如预估动力电池的功率状态SOP、能量状态SOE等)提供重要参考依据。
可以看出,相较于相关技术中的电池管理***,本发明的电动汽车中动力电池的管理***,不仅具有传统BMS的电池状态管理功能,还具有电池状态预测功能,即能通过分析动力电池状态信息的历史变化曲线,在准确监控动力电池当前状态的同时,还能准确预估动力电池的未来状态。
在该实施例中,BMS20具有快速识别、精确追踪并监控各电池单体状态信息及状态参数的能力,云服务器10具有云端数据收集、大数据统计分析、个性化实时更新等功能。由此,该***100能够记录并监控所有电池单体pack的历史状态和当前状态,并根据数理统计算法预估未来状态,以优化动力电池的性能及寿命,并为其分级利用提供数据支持。
在本发明的一个具体实施例中,如图2所示,BMS20包括多个电池信息采集器BIC21和电池控制单元BCU22。
其中,多个BIC21分别与动力电池中的多个电池单体相对应;BCU22与多个BIC21相连,并与云服务器10进行通信,BCU22用于根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将多个第一参考曲线簇发送至云服务器10,以及接收并保存云服务器10发送的第二参考曲线簇。需要说明的是,BCU22可以将第二参考曲线簇保存至BMS20中的当前参考曲线簇对应的位置,以更新BMS20中的参考曲线簇。
可选地,每个BIC21均可通过CAN(Controller Area Network控制器局域网络)、车载网络FlexRay或Daisy Chain(菊花链)将数据发送至BCU22。
在该实施例中,BCU22和所有的BIC21可与所有的电池单体pack一起装配在电动汽车的车舱内部。
具体地,BIC21用于电池单体电压采样和监控、电池均衡、电池包温度采样和监控,BCU22用于母线电流检测、***绝缘监测、电池***上/下电管理、电池***热管理、电池荷电状态SOC(State of Charge)估算、电池健康状态SOH(State of Health)估算、电池功率状态SOP(State of Power)估算、故障诊断、整车通讯及在线程序更新、数据记录等。
进一步地,如图3所示,BCU22包括第一控制器22a和第二控制器22b。其中,第一控制器22a用于根据动力电池的状态信息进行整车控制;第二控制器22b用于与云服务器 10进行通信,并根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将多个第一参考曲线簇发送至云服务器10,以及接收并保存云服务器发送的第二参考曲线簇。需要说明的是,第二控制器22b可以将第二参考曲线簇保存至BMS20中的当前参考曲线簇对应的位置,以更新BMS20中的参考曲线簇。
在该实施例中,BCU22具有强大的数据存储空间与高速数据处理速度的双MCU(即第一控制器22a和第二控制器22b),具有离线数据处理能力,并可通过无线通讯模块,借助无线通讯方式与云服务器10进行数据交互。进而由云服务器10对动力电池整个生命周期的电池状态信息和状态参数进行云计算与大数据分析,实现对动力电池的当前状态管理与未来状态预测。
为便于理解本发明实施例的电动汽车中动力电池的管理***的工作流程,可结合图4 进行说明:
如图4所示,首先,启动BMS20采集动力电池的状态信息,包括BIC21采集的动力电池的电压V总、每个电池单体的电压Vcell、动力电池的温度T,以及BCU22采集的母线电流I总,且BIC21将V总、Vcell、T发送至BCU22。
然后,BCU22中的第一控制器22a根据V总、Vcell、T执行整车控制策略,包括控制外部高低压部件的动作、故障诊断、过充保护、过放保护、过温保护、均衡控制等;BCU22 中的第二控制器22b一方面可利用双模型算法根据V总、Vcell、T和I总估算拟合不同工况下的第一参考曲线簇,另一方面,可根据V总、Vcell、T和I总对SOC、SOH、SOP、SOE、RM 等状态参数进行估算和预测。进而,可通过2/3/4/5G或bluetooth(蓝牙)等无线通信技术,将第一参考曲线簇以及状态参数估算结果上传至云服务器10。
进一步地,云服务器10对第一参考曲线簇以及状态参数估算结果进行整合,并根据第一参考曲线簇和已存储的动力电池的历史数据(如之前接收到的状态信息和状态参数),拟合成最接近动力电池当前状态的第二参考曲线簇,然后将第二参考曲线簇通过2/3/4/5G 或bluetooth等无线通信技术回传至BCU22,用于更新存储在第二控制器22b中的参考曲线簇。
如此,可通过上述方式不断迭代更新BMS20中的参考曲线簇,以使电池***的预测结果更接近电池的真实状态,便于对动力电池的准确管理。
同时,云服务器10还可对动力电池的历史状态信息和状态参数等进行分析,以预测电池未来状态,为BMS控制策略提供重要参考依据。
可以理解,在结束本次数据处理后,即可进入下一个循环。
综上,根据本发明实施例的电动汽车中动力电池的管理***,不仅能够更加准确的预估电池各项状态参数,包括SOC、SOH、SOE、SOP和SOP的最大值,便于估算电动汽车的剩余里程、指导车辆在放电阶段以最大功率释放能量或限制当前时刻车辆可释放的最大功率,以有效的保护动力电池,提高动力电池的使用寿命,还可预测电池未来状态,便于对电动汽车以及动力电池状态提出预见性的维护保养建议或维修。另外,通过云计算与大数据分析,可以准确了解不同类型、不同批次、不同配比条件下的动力电池特性表现,为动力电池设计提供重要的设计参考;且当动力电池在电动汽车上的达到退役条件时,可利用云数据对退役的电池包进行分析和筛选,便于退役动力电池的分级与梯次利用。
图5是根据本发明实施例的电动汽车中动力电池的管理方法的流程图。
在本发明的实施例中,在电动汽车之上设置有BMS。
如图5所示,该电动汽车中动力电池的管理方法,方法包括以下步骤:
S101,BMS采集电动汽车中动力电池的状态信息,并根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将动力电池的状态信息和多个第一参考曲线簇发送至云服务器。
其中,多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
在本发明的一个实施例中,BMS根据多重拟合算法估算模拟多个第一参考曲线簇。
S102,云服务器根据动力电池的历史数据和多个第一参考曲线簇生成第二参考曲线簇。
S103,BMS接收并保存云服务器发送的第二参考曲线簇,以更新BMS中的参考曲线簇。
在本发明的一个实施例中,云服务器还根据历史数据生成动力电池的预测曲线,并将预测曲线发送至BMS,以更新BMS中的参考曲线簇。
需要说明的是,本发明实施例的电动汽车中动力电池的管理方法的其他具体实施方式可参照上述实施例的电动汽车中动力电池的管理***的具体实施方式。
根据本发明实施例的电动汽车中动力电池的管理方法,不仅能够更加准确的预估电池各项状态参数,包括SOC、SOH、SOE、SOP和SOP的最大值,便于估算电动汽车的剩余里程、指导车辆在放电阶段以最大功率释放能量或限制当前时刻车辆可释放的最大功率,以有效的保护动力电池,提高动力电池的使用寿命,还可预测电池未来状态,便于对电动汽车以及动力电池状态提出预见性的维护保养建议或维修。另外,通过云计算与大数据分析,可以准确了解不同类型、不同批次、不同配比条件下的动力电池特性表现,为动力电池设计提供重要的设计参考;且当动力电池在电动汽车上的达到退役条件时,可利用云数据对退役的电池包进行分析和筛选,便于退役动力电池的分级与梯次利用。
图6是根据本发明实施例的电动汽车的结构框图。
如图6所示,在该电动汽车200之上设置有BMS20,其中,BMS20用于采集电动汽车中动力电池的状态信息,并根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将动力电池的状态信息和多个第一参考曲线簇发送至云服务器,以使云服务器根据保存的动力电池的历史数据和多个第一参考曲线簇生成第二参考曲线簇,进而BMS20还接收并保存云服务器发送的第二参考曲线簇,以更新BMS中的参考曲线簇。
其中,多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
具体地,在本发明的一个实施例中,BMS20根据多重拟合算法估算拟合多个第一参考曲线簇。
在本发明的一个实施例中,参照图2,BMS20包括:多个电池信息采集器BIC21和电池控制单元BCU22。
其中,多个BIC21分别与动力电池中的多个电池单体相对应。BCU22与多个BIC21相连,并与云服务器进行通信,BCU22用于根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将多个第一参考曲线簇发送至云服务器,以及接收并保存云服务器发送的第二参考曲线簇。
进一步地,参照图3,BCU22包括:第一控制器22a和第二控制器22b。
其中,第一控制器22a用于根据动力电池的状态信息进行整车控制。第二控制器22b 用于与云服务器进行通信,并根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇,并将多个第一参考曲线簇发送至云服务器,以及接收并保存云服务器发送的第二参考曲线簇。
需要说明的是,本发明实施例的电动汽车的其他具体实施方式可参照上述实施例的电动汽车中动力电池的管理***的具体实施方式。
根据本发明实施例的电动汽车,不仅能够更加准确的预估电池各项状态信息,包括 SOC、SOH、SOE、SOP和SOP的最大值,便于估算电动汽车的剩余里程、指导车辆在放电阶段以最大功率释放能量或限制当前时刻车辆可释放的最大功率,以有效的保护动力电池,提高动力电池的使用寿命。
另外,根据本发明实施例的电动汽车的其他构成及其作用对本领域的技术人员而言是已知的,为减少冗余,此处不做赘述。
图7是根据本发明一个实施例的云服务器的结构框图。如图7所示,该云服务器10包括:接收模块11、存储模块12、第一生成模块13和发送模块14。
其中,接收模块11用于接收电动汽车中BMS发送的电动汽车中动力电池的状态信息和多个第一参考曲线簇,其中,BMS根据动力电池的状态信息获取动力电池的在多个工况之下的多个第一参考曲线簇。存储模块12用于存储动力电池的状态信息,以作为动力电池的历史数据。第一生成模块13用于根据历史数据和多个第一参考曲线簇生成第二参考曲线簇。发送模块14用于将第二参考曲线簇发送至BMS,以更新BMS中的参考曲线簇。
在本发明的一个实施例中,如图8所示,云服务器10还包括第二生成模块15。第二生成模块15用于根据历史数据生成动力电池的预测曲线。
在该实施例中,发送模块14还将预测曲线发送至BMS,以更新BMS中的参考曲线簇。
需要说明的是,本发明实施例的云服务器10的其它具体实施方式可参照本发明上述实施例的电动汽车中动力电池的管理***中云服务器10的具体实施方式。
根据本发明实施例的云服务器,通过不断对电池历史状态参数的分析生成第二参考曲线簇,以不断更新BMS中的参考曲线簇,便于BMS准确估计动力电池当前的各项状态信息,有利于对动力电池进行有效管理,提高动力电池的使用寿命。另外,通过云计算与大数据分析,可以准确了解不同类型、不同批次、不同配比条件下的动力电池特性表现,为动力电池设计提供重要的设计参考;且当动力电池在电动汽车上的达到退役条件时,可利用云数据对退役的电池包进行分析和筛选,便于退役动力电池的分级与梯次利用。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (17)
1.一种电动汽车中动力电池的管理***,其特征在于,包括云服务器和设置在所述电动汽车之上的电池管理***BMS,其中,
所述BMS,用于采集所述电动汽车中动力电池的状态信息,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述动力电池的状态信息和所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇,以更新所述BMS中的参考曲线簇;
所述云服务器,用于保存所述动力电池的历史数据,并根据所述历史数据和所述多个第一参考曲线簇生成所述第二参考曲线簇。
2.如权利要求1所述的电动汽车中动力电池的管理***,其特征在于,所述BMS根据多重拟合算法估算拟合所述多个第一参考曲线簇。
3.如权利要求1所述的电动汽车中动力电池的管理***,其特征在于,所述云服务器,还用于根据所述历史数据生成所述动力电池的预测曲线,并将所述预测曲线发送至所述BMS,以更新所述BMS中的参考曲线簇。
4.如权利要求1所述的电动汽车中动力电池的管理***,其特征在于,所述BMS包括:
多个电池信息采集器BIC,所述多个BIC分别与所述动力电池中的多个电池单体相对应;
电池控制单元BCU,所述BCU与所述多个BIC相连,并与所述云服务器进行通信,所述BCU用于根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
5.如权利要求4所述的电动汽车中动力电池的管理***,其特征在于,所述BCU包括:
第一控制器,用于根据所述动力电池的状态信息进行整车控制;
第二控制器,用于与所述云服务器进行通信,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
6.如权利要求1所述的电动汽车中动力电池的管理***,其特征在于,所述多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
7.一种电动汽车中动力电池的管理方法,其特征在于,其中,在所述电动汽车之上设置有电池管理***BMS,所述方法包括以下步骤:
所述BMS采集所述电动汽车中动力电池的状态信息,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至云服务器;
所述云服务器根据所述动力电池的历史数据和所述多个第一参考曲线簇生成所述第二参考曲线簇;
所述BMS接收并保存所述云服务器发送的第二参考曲线簇,以更新所述BMS中的参考曲线簇。
8.如权利要求7所述的电动汽车中动力电池的管理方法,其特征在于,所述BMS根据多重拟合算法估算拟合所述多个第一参考曲线簇。
9.如权利要求7所述的电动汽车中动力电池的管理方法,其特征在于,所述云服务器还根据所述历史数据生成所述动力电池的预测曲线,并将所述预测曲线发送至所述BMS,以更新所述BMS中的参考曲线簇。
10.如权利要求7所述的电动汽车中动力电池的管理方法,其特征在于,所述多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
11.一种电动汽车,其特征在于,在所述电动汽车之上设置有电池管理***BMS,其中,所述BMS用于:
采集所述电动汽车中动力电池的状态信息,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以使所述云服务器根据保存的所述动力电池的历史数据和所述多个第一参考曲线簇生成第二参考曲线簇;以及
接收并保存所述云服务器发送的所述第二参考曲线簇,以更新所述BMS中的参考曲线簇。
12.如权利要求11所述的电动汽车,其特征在于,所述BMS根据多重拟合算法估算拟合所述多个第一参考曲线簇。
13.如权利要求1所述的电动汽车,其特征在于,所述BMS包括:
多个电池信息采集器BIC,多个BIC分别与所述动力电池中的多个电池单体相对应;
电池控制单元BCU,所述BCU与所述多个BIC相连,并与所述云服务器进行通信,所述BCU用于根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
14.如权利要求13所述的电动汽车,其特征在于,所述BCU包括:
第一控制器,用于根据所述动力电池的状态信息进行整车控制;
第二控制器,用于与所述云服务器进行通信,并根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的多个第一参考曲线簇,并将所述多个第一参考曲线簇发送至所述云服务器,以及接收并保存所述云服务器发送的第二参考曲线簇。
15.如权利要求11所述的电动汽车,其特征在于,所述多个工况包括多个电池温度、多个充放电倍率或多个老化程度。
16.一种云服务器,其特征在于,包括:
接收模块,用于接收电动汽车中电池管理***BMS发送的所述电动汽车中动力电池的状态信息和多个第一参考曲线簇,其中,所述BMS根据所述动力电池的状态信息获取所述动力电池的在多个工况之下的所述多个第一参考曲线簇;
存储模块,用于存储所述动力电池的状态信息,以作为所述动力电池的历史数据;
第一生成模块,用于根据所述历史数据和所述多个第一参考曲线簇生成第二参考曲线簇;
发送模块,用于将所述第二参考曲线簇发送至所述BMS。
17.如权利要求16所述的云服务器,其特征在于,还包括:
第二生成模块,用于根据所述历史数据生成所述动力电池的预测曲线,其中,
所述发送模块还将所述预测曲线发送至所述BMS。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810287724.7A CN110324383B (zh) | 2018-03-30 | 2018-03-30 | 云服务器、电动汽车及其中动力电池的管理***、方法 |
PCT/CN2019/079446 WO2019184841A1 (zh) | 2018-03-30 | 2019-03-25 | 电动汽车及其中动力电池的管理***、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810287724.7A CN110324383B (zh) | 2018-03-30 | 2018-03-30 | 云服务器、电动汽车及其中动力电池的管理***、方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110324383A true CN110324383A (zh) | 2019-10-11 |
CN110324383B CN110324383B (zh) | 2021-09-03 |
Family
ID=68062229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810287724.7A Active CN110324383B (zh) | 2018-03-30 | 2018-03-30 | 云服务器、电动汽车及其中动力电池的管理***、方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110324383B (zh) |
WO (1) | WO2019184841A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848430A (zh) * | 2021-10-20 | 2021-12-28 | 广东电网有限责任公司广州供电局 | 一种电能故障监测方法和装置 |
CN114152884A (zh) * | 2021-12-29 | 2022-03-08 | 联方云天科技(北京)有限公司 | 基于锂电池组bms大数据的智能评估及动态调整方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113306412A (zh) * | 2021-06-17 | 2021-08-27 | 江苏云快充新能源科技有限公司 | 车辆充电安全防护方法、装置、充电平台及存储介质 |
CN114035098A (zh) * | 2021-12-14 | 2022-02-11 | 北京航空航天大学 | 一种融合未来工况信息和历史状态信息的锂电池健康状态预测方法 |
CN114629905B (zh) * | 2022-02-16 | 2022-10-28 | 福建时代星云科技有限公司 | 一种基于云端数据的储能***sop优化方法及装置 |
DE102022115777A1 (de) | 2022-06-24 | 2024-01-04 | Accure Battery Intelligence Gmbh | Verfahren und System zur Früherkennung von kritischen Fehlern einer Batterie |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102862490A (zh) * | 2012-09-19 | 2013-01-09 | 合肥工业大学 | 一种电动汽车电池管理***自适应控制方法 |
DE102013112533A1 (de) * | 2012-12-12 | 2014-06-12 | GM Global Technology Operations LLC | Plug-In Ladungskapazitätsschätzungsverfahren für Lithium-Eisenphosphatbatterien |
CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理*** |
KR101653700B1 (ko) * | 2013-09-24 | 2016-09-02 | (주)아이비티 | 입출력부 일체 배터리 관리 시스템 |
CN106080251A (zh) * | 2016-08-05 | 2016-11-09 | 合肥工业大学 | 具有完备故障自诊断功能的电动汽车动力电池管理*** |
US20160339794A1 (en) * | 2014-01-16 | 2016-11-24 | Robert Bosch Gmbh | Method for monitoring a battery |
CN106998086A (zh) * | 2017-03-10 | 2017-08-01 | 常州新慧能电力服务有限公司 | 兆瓦级储能电站电池管理方法及其*** |
WO2018025276A1 (en) * | 2016-08-05 | 2018-02-08 | Mahindra & Mahindra Limited | Estimation of soc of a lead-acid battery |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676139B (zh) * | 2016-01-22 | 2018-04-06 | 深圳市智锂能源科技有限公司 | 一种对动力电池进行智能管理与追溯的方法及装置 |
CN106772101B (zh) * | 2017-02-16 | 2019-05-17 | 欣旺达电子股份有限公司 | 电池soc的修正方法、修正装置及电池soh估算方法 |
CN107831442A (zh) * | 2017-10-18 | 2018-03-23 | 苏州协鑫集成储能科技有限公司 | 远程估算soc的方法、装置、存储介质及计算机设备 |
-
2018
- 2018-03-30 CN CN201810287724.7A patent/CN110324383B/zh active Active
-
2019
- 2019-03-25 WO PCT/CN2019/079446 patent/WO2019184841A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102862490A (zh) * | 2012-09-19 | 2013-01-09 | 合肥工业大学 | 一种电动汽车电池管理***自适应控制方法 |
DE102013112533A1 (de) * | 2012-12-12 | 2014-06-12 | GM Global Technology Operations LLC | Plug-In Ladungskapazitätsschätzungsverfahren für Lithium-Eisenphosphatbatterien |
KR101653700B1 (ko) * | 2013-09-24 | 2016-09-02 | (주)아이비티 | 입출력부 일체 배터리 관리 시스템 |
US20160339794A1 (en) * | 2014-01-16 | 2016-11-24 | Robert Bosch Gmbh | Method for monitoring a battery |
CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理*** |
CN106080251A (zh) * | 2016-08-05 | 2016-11-09 | 合肥工业大学 | 具有完备故障自诊断功能的电动汽车动力电池管理*** |
WO2018025276A1 (en) * | 2016-08-05 | 2018-02-08 | Mahindra & Mahindra Limited | Estimation of soc of a lead-acid battery |
CN106998086A (zh) * | 2017-03-10 | 2017-08-01 | 常州新慧能电力服务有限公司 | 兆瓦级储能电站电池管理方法及其*** |
Non-Patent Citations (2)
Title |
---|
CHAOYONG HOU; JIZHONG CHEN: ""An online calibration algorithm of SOC for LiFePO4 battery by using characteristic curve"", 《2015 5TH INTERNATIONAL CONFERENCE ON ELECTRIC UTILITY DEREGULATION AND RESTRUCTURING AND POWER TECHNOLOGIES (DRPT)》 * |
张娟: ""基于远程监控***的纯电动汽车锂离子电池SOC估算算法研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848430A (zh) * | 2021-10-20 | 2021-12-28 | 广东电网有限责任公司广州供电局 | 一种电能故障监测方法和装置 |
CN114152884A (zh) * | 2021-12-29 | 2022-03-08 | 联方云天科技(北京)有限公司 | 基于锂电池组bms大数据的智能评估及动态调整方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110324383B (zh) | 2021-09-03 |
WO2019184841A1 (zh) | 2019-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110324383A (zh) | 云服务器、电动汽车及其中动力电池的管理***、方法 | |
Guo et al. | Online estimation of SOH for lithium-ion battery based on SSA-Elman neural network | |
CN108544925B (zh) | 电池管理*** | |
CN110549902A (zh) | 云服务器、电动汽车及其中动力电池的管理***、方法 | |
CN110324382A (zh) | 电动汽车及其数据处理***和数据处理方法 | |
CN110716148A (zh) | 一种复合动力储能实时安全监测*** | |
CN109917298A (zh) | 一种电池荷电状态预测方法和*** | |
CN101860056A (zh) | 一种基于Map模型的动力锂电池组均衡管理*** | |
CN103713262A (zh) | 用于计算绿色车辆的可能行驶距离的***和方法 | |
CN110324394A (zh) | 云服务器、电动汽车及其提示***、方法 | |
CN107367698A (zh) | 电动汽车锂电池组的健康状态预测方法 | |
CN112924866B (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
CN112186275A (zh) | 一种基于云端的bms体系 | |
CN110673039A (zh) | 一种基于大数据的磷酸铁锂电池soc充电在线校正方法 | |
CN109633456B (zh) | 一种基于分段电压识别法的动力锂电池组soc估算方法 | |
CN116609676B (zh) | 一种基于大数据处理的混合储能电池状态监控方法及*** | |
CN109606200A (zh) | 一种新能源汽车电池管理*** | |
CN110174619A (zh) | 电池管理*** | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
US11821958B2 (en) | Systems, methods, and devices for state-of-health estimation in energy storage systems | |
CN102959791A (zh) | 用于确定多个蓄电池单元的至少一个状态的方法、计算机程序、蓄电池和机动车 | |
CN116298927B (zh) | 一种电池容量估计方法和装置、计算机设备、存储介质 | |
CN107958136A (zh) | 一种基于模型迁移的电池模型构建方法、***及装置 | |
JP7168336B2 (ja) | 二次電池制御装置 | |
CN115407217B (zh) | 一种电动汽车锂电池荷电状态在线估计方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |