CN114994539A - 一种电池健康状态的检测方法、装置及*** - Google Patents
一种电池健康状态的检测方法、装置及*** Download PDFInfo
- Publication number
- CN114994539A CN114994539A CN202210555717.7A CN202210555717A CN114994539A CN 114994539 A CN114994539 A CN 114994539A CN 202210555717 A CN202210555717 A CN 202210555717A CN 114994539 A CN114994539 A CN 114994539A
- Authority
- CN
- China
- Prior art keywords
- battery
- charging
- state
- new energy
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000036541 health Effects 0.000 title claims abstract description 54
- 238000007600 charging Methods 0.000 claims abstract description 145
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000007599 discharging Methods 0.000 claims abstract description 36
- 230000003068 static effect Effects 0.000 claims abstract description 29
- 230000028161 membrane depolarization Effects 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 239000000178 monomer Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 230000010287 polarization Effects 0.000 description 7
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 6
- 229910052744 lithium Inorganic materials 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明实施例涉及电池检测技术领域,公开了一种电池健康状态的检测方法、装置及***,该***包括新能源汽车,新能源汽车中设置有可充放电的电池,该方法首先获取所述新能源汽车中车辆充放电数据,然后根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态,接着根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量,最后根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态,本发明实施例提供的检测方法无论车辆是否充分静置,都能够准确计算出电池的当前可用容量,从而计算出新能源汽车当前的电池健康状态,实现电池健康状态的快速检测。
Description
技术领域
本发明实施例涉及电池检测技术领域,特别涉及一种电池健康状态的检测方法、装置及***。
背景技术
近些年来,随着电动汽车的飞速发展,电动汽车在汽车市场上的占有率逐年提升。锂电池作为电动汽车的动力来源,由于其复杂的工作环境和较难准确模拟的电化学机理,锂电池健康状态的快速检测技术及设备一直是亟待解决的难题。并且,不仅车主迫切需要了解自己车辆电池的健康状态,二手车市场、车辆维修站点、电池梯次利用厂商等也急需锂电池快速检测技术的突破。
目前,多数电池健康状态(State of Charge,SOH)的估算方式是通过离线测试同批次电池的相关实验数据,再通过曲线拟合或者插值方法进一步估算电池当前可用容量,通过与电池出厂标称容量比值从而估算出电池的当前健康状态SOH的。
其中,针对可用容量的估算,目前常用的方式是利用车端采集的电池管理***(Battery Management System,BMS)的数据,通过单体电压查询离线实验数据获得的开路电压-荷电状态关系(SOC-OCV)曲线,从而得到电池的充电起止荷电状态(State ofCharge,SOC)及充电过程中累计电量,估算出当前电池的可用容量。
在实现本发明实施例过程中,发明人发现以上相关技术中至少存在如下问题:上述对电池的可用容量的估算方式在工程应用中存在诸多不足,为了较准确获得充电起始荷电状态SOC,在充电前需要足够的静置时间去消除电池极化电压,而大多数车辆特别是营运车辆在充电前无法满足充分静置的条件。
发明内容
本申请实施例提供了一种电池健康状态的检测方法、装置及***。
本发明实施例的目的是通过如下技术方案实现的:
为解决上述技术问题,第一方面,本发明实施例中提供了一种电池健康状态的检测方法,应用于新能源汽车,所述新能源汽车中设置有可充放电的电池,所述方法包括:获取所述新能源汽车中车辆充放电数据;根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态;根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量;根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态。
在一些实施例中,所述根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态,包括:获取所述新能源汽车充电前的静置数据;根据所述静置数据,计算所述新能源汽车充电前的静置时间;获取预设的充分静置时间;判断所述静置时间是否大于所述充分静置时间;若是,则所述电池充电前已充分静置;若否,则所述电池充电前未充分静置。
在一些实施例中,所述根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量,包括:获取所述新能源汽车使用过程中的车辆充放电数据,选择不同模型以获取所述电池充电过程中起止荷电状态;根据所述车辆充电数据,通过安时积分法计算所述电池的充入总容量;根据所述充入总容量和所述电池起止荷电状态差值,计算所述电池的当前可用容量。
在一些实施例中,所述选择不同模型以获取所述电池充电过程中起止荷电状态,包括:在所述电池充电前已充分静置时,通过静置修正模型获取所述电池充电开始时的起始荷电状态;在所述电池充电前未充分静置时,通过去极化模型获取所述电池充电开始时的起始荷电状态。
在一些实施例中,所述通过静置修正模型获取所述电池充电开始时的起始荷电状态,包括:根据所述车辆充电数据,获取所述电池充电起始时刻的单体电压;根据所述电池充电起始时刻的单体电压,查询开路电压-荷电状态关系曲线,以得到所述电池充电开始时的起始荷电状态。
在一些实施例中,所述通过去极化模型获取所述电池充电开始时的起始荷电状态,包括:获取所述新能源汽车放电结束时刻的电压,以及获取所述新能源汽车放电结束及放电结束前荷电状态为预设百分比时刻间的放电数据;获取所述电池的去极化模型;将所述放电数据代入所述去极化模型进行预测,计算出电池充分静置时刻的电压;根据所述电池充分静置时刻的电压,查询开路电压-荷电状态关系曲线,以得到所述电池充电开始时的起始荷电状态。
在一些实施例中,所述获取所述电池的去极化模型,包括:获取与所述新能源汽车中的电池同类型或同款的电池的实验数据;对所述实验数据进行预处理;根据所述预处理后的实验数据,建立数据特征工程;根据所述数据特征工程进行去极化模型的训练。
在一些实施例中,所述获取与所述新能源汽车中的电池同类型或同款的电池的实验数据,包括:将实验电池充满电并充分静置;设置所述实验电池的放电电流并放电至一设定电量值;将所述实验电池进行充分静置;再次设置所述实验电池的放电电流并放电至下一电量初始值,直至所述实验电池放完电;记录所述放电过程中的电池电压、放电电流、放电温度、采样时间,以得到所述实验数据。
在一些实施例中,所述充电数据包括充电起始时间、充电结束时间、充电过程中的实时电流值,所述根据所述车辆充电数据,通过安时积分法计算所述电池的充入总容量,计算公式为:
其中,Qcharge表示所述充入总容量,t1表示所述充电起始时间,t2表示所述充电结束时间,I表示所述充电过程中实时电流值。
在一些实施例中,所述根据所述充入总容量和所述电池起止荷电状态差值,计算所述电池的当前可用容量,计算公式为:
其中,Qtotal表示所述电池的当前可用容量,Qcharge表示所述充入总容量,SOCend表示所述电池的充电结束时的荷电状态,SOCbeg表示所述电池充电开始时的荷电状态。
在一些实施例中,所述根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态,计算公式为:
其中,SOH表示所述新能源汽车当前的电池健康状态,Qtotal表示所述电池的当前可用容量,Qnormal表示所述电池的标称容量。
为解决上述技术问题,第二方面,本发明实施例提供了一种检测装置,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上第一方面所述的方法。
为解决上述技术问题,第三方面,本发明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存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上第一方面所述的方法。
为解决上述技术问题,第四方面,本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如上第一方面所述的方法。
为解决上述技术问题,第五方面,本发明实施例还提供了一种电池健康状态的检测***,包括:新能源汽车,所述新能源汽车中设置有可充放电的电池;如第二方面所述的检测装置,所述检测装置与所述新能源汽车连接,用于检测所述电池的电池健康状态。
与现有技术相比,本发明的有益效果是:区别于现有技术的情况,本发明实施例中提供了一种电池健康状态的检测方法、装置及***,该***包括新能源汽车,新能源汽车中设置有可充放电的电池,该方法首先获取所述新能源汽车中车辆充放电数据,然后根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态,接着根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量,最后根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态,本发明实施例提供的检测方法无论车辆是否充分静置,都能够计算出电池的当前可用容量,从而计算出新能源汽车当前的电池健康状态,实现电池健康状态的快速检测。
附图说明
一个或多个实施例中通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件/模块和步骤表示为类似的元件/模块和步骤,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例一提供的一种电池健康状态的检测方法的流程图;
图2是图1所示检测方法中步骤S200的一子流程图;
图3是图1所示检测方法中步骤S300的一子流程图;
图4是图3所示检测方法中步骤S310的一子流程图;
图5是本发明实施例提供的开路电压-荷电状态关系曲线图;
图6是图3所示检测方法中步骤S310的另一子流程图;
图7是本发明实施例提供的去极化模型的原理图;
图8是图6所示检测方法中步骤S312b的一子流程图;
图9是本发明实施例提供的锂电池放电-静置实验采样时间和采样的电池电压的一种采样示例图;
图10是本发明实施例二提供的一种电池健康状态的检测装置的硬件结构图;
图11是本发明实施例三中提供的一种电池健康状态的检测***的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
具体地,下面结合附图,对本发明实施例作进一步阐述。
实施例一
本发明实施例提供了一种电池健康状态的检测方法,该检测方法能够应用于新能源汽车中,所述新能源汽车中设置有可充放电的电池,请参见图1,其示出了本发明实施例提供的一种电池健康状态的检测方法的流程,所述方法包括但不限于以下步骤:
步骤S100:获取所述新能源汽车中车辆充放电数据;
在本发明实施例中,首先,需要获取所述新能源汽车中车辆电池的充电数据和放电数据,以进一步用于确定所述新能源汽车是否充分静置,并根据已有的充电数据和放电数据来计算出电池的当前可用容量和电池健康状态。其中,所述充放电数据包括充放电过程中的电流、温度,充放电过程中各时刻的电池单体电压和荷电状态,充电前的静置时间,数据采样时间等。且有,所述车辆充放电数据可通过所述新能源汽车中的电池管理***BMS采集。
步骤S200:根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态;
在本发明实施例中,获取到所述车辆的充放电数据后,需要判断所述电池是否充分静置,从而对于充分静置和未充分静置两种状态,采用不同的方式进行下一步的计算,具体地,请参见图2,其示出了图1所示检测方法中步骤S200的一子流程,所述根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态,包括:
步骤S210:获取所述新能源汽车充电前的静置数据;
步骤S220:根据所述静置数据,计算所述新能源汽车充电前的静置时间;
步骤S230:获取预设的充分静置时间;
步骤S240:判断所述静置时间是否大于所述充分静置时间;若是,则跳转至步骤S250;若否,则跳转至步骤S260;
步骤S250:所述电池充电前已充分静置;
步骤S260:所述电池充电前未充分静置。
在本发明实施例中,判断所述电池充电前是否充分静置的方式为,根据静置数据获取车辆充电前的静置时间ts,结合预先设定的车辆充分静置时间ta来判断,当ts>ta时,确定所述电池充电前已充分静置,接下来跳转至步骤S311a查询获取充电起始电荷状态即可,若ts<ta,则确定所述电池充电前未充分静置,则需要跳转至步骤S311b计算充电起始电荷状态。其中,所述预设的充分静置时间可根据专家经验、实验室数据、或者历史车辆数据的大数据分析等预先设置或计算得到,具体可根据实际需要进行设置。
步骤S300:根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量;
在本发明实施例中,针对电池充电前已充分静置和电池充电前未充分静置两种状态,选择并通过安时积分法和去极化模型两种不同的模型计算出电池充电过程中的的荷电状态,从而可以计算出所述电池的当前可用容量,具体地,请参见图3,其示出了图1所示检测方法中步骤S300的一子流程,所述根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量,包括:
步骤S310:获取所述新能源汽车使用过程中的车辆充放电数据,选择不同模型以获取所述电池充电过程中起止荷电状态;
一方面,所述选择不同模型以获取所述电池充电过程中起止荷电状态,在所述电池充电前已充分静置时,通过静置修正模型获取所述电池充电开始时的起始荷电状态;具体地,请参见图4,其示出了图3所示检测方法中步骤S310的一子流程,所述通过静置修正模型获取所述电池充电开始时的起始荷电状态,包括:
步骤S311a:根据所述车辆充电数据,获取所述电池充电起始时刻的单体电压;
步骤S312a:根据所述电池充电起始时刻的单体电压,查询开路电压-荷电状态关系曲线,以得到所述电池充电开始时的起始荷电状态。
在本发明实施例中,首先,通过分析所述车辆充放电数据,可以得到电池充电起始时刻的单体电压,然后,根据所述电池充电起始时刻的单体电压,查询如图5所示的开路电压-荷电状态关系曲线,即OCV-SOC曲线,即可得到车辆充电起始电荷状态SOCbeg。
另一方面,所述选择不同模型以获取所述电池充电过程中起止荷电状态,在所述电池充电前未充分静置时,通过去极化模型预测所述电池充电开始时的起始荷电状态;具体地,请参见图6,其示出了图3所示检测方法中步骤S310的另一子流程,所述通过去极化模型获取所述电池充电开始时的起始荷电状态,包括:
步骤S311b:获取所述新能源汽车放电结束时刻的电压,以及获取所述新能源汽车放电结束及放电结束前荷电状态为预设百分比时刻间的放电数据;
在本发明实施例中,请一并参见图7,其示出了去极化模型的原理图,图7中以预设百分比时刻为车辆放电结束前5%荷电状态的时刻为例,其中,t1为车辆放电结束前5%SOC的时刻,t2为车辆放电结束时刻,t3为车辆放电结束后充分静置时刻,首先,需要获取所述新能源汽车放电结束时刻t2的电压,以及获取所述新能源汽车放电结束前荷电状态为预设百分比时刻t1的电压。
步骤S312b:获取所述电池的去极化模型;
进一步地,获取电池的去极化模型以进一步计算荷电状态,其中,所述去极化模型需要在执行本申请的检测方法之前通过对同款电池或者同类型电池实验数据分析训练得到,具体地,请参见图8,其示出了图6所示检测方法中步骤S312b的一子流程,所述获取所述电池的去极化模型,包括:
步骤S3121b:获取与所述新能源汽车中的电池同类型或同款的电池的实验数据;
其中,需要在特定实验条件下进行放电-静置实验获取去极化模型实验数据,所述获取与所述新能源汽车中的电池同类型或同款的电池的实验数据,包括:将实验电池充满电并充分静置;设置所述实验电池的放电电流并放电至一设定电量值;将所述实验电池进行充分静置;再次设置所述实验电池的放电电流并放电至下一电量初始值,直至所述实验电池放完电;记录所述放电过程中的电池电压、放电电流、放电温度、采样时间,以得到所述实验数据。
具体地,请参见图9,其示出了锂电池放电-静置实验采样时间和采样的电池电压的一种采样示例,其采样步骤具体可以是:步骤1)将目标电池充满电并充分静置,此时电池为100%SOC;步骤2)设置电流为0.1C进行放电,放电至电量初始值-5%SOC;步骤3)进行充分静置,本发明中取静置时间为0.5小时;步骤4)循环进行步骤2)和3),直至电池SOC为0;需要说明的是,图8仅为记录电池电压的一种示例,在实验过程中,需要同步记录电池电压、放电电流、放电温度、采样时间等实验数据,且有,还需要在不同电流及不同温度的工况条件下进行,例如,不同电流工况可设置为0.1C、0.2C、0.3C、0.4C、0.5C,不同温度工况可设置为0℃、10℃、35℃、45℃。
步骤S3122b:对所述实验数据进行预处理;
在获取到所述实验数据之后,还需要对实验数据进行预处理,从而方便进行下一步的特征建立,所述对数据进行预处理,包括异常数据处理、充放电及静置工况标注等。
步骤S3123b:根据所述预处理后的实验数据,建立数据特征工程;
在本发明实施例中,由于电池的去极化过程受放电工况的诸多因素影响,因此,需要选择几种典型数据特征,来建立数据特征工程,所述数据特征可以优选为放电结束电压、平均放电倍率、放电时长、放电平均温度,记为xi(i=1,2,3,4)。需要说明的是,在建立所述数据特征工程的过程中,特征工程的建立可以不仅限于上述四种影响电池去极化的典型数据特征,本发明实施例仅采用放电结束电压、平均放电倍率、放电时长、放电平均温度这四种特征,是由于过多的特征可能会导致特征之间相关性增加,同时也会增加去极化模型的复杂度,在必要时,也可根据实际需要增加更多数据特征。
步骤S3124b:根据所述数据特征工程进行去极化模型的训练。
最后,统计每次充分放电静置后电压减放电结束电压得到的极化电压y,并选取合适的回归模型进行去极化模型的建立,其中,在建立所述数据特征工程的过程中,可深入研究去极化算法模型来提升模型预测极化电压精度;例如,选择线性回归模型时,去极化模型可表示为:
y=ω0+ω1x1+φ2x2+ω3x3+ω4x4+ξ
筛选该车辆n段符合充分静置条件的数据,将数据集转化成矩阵形式后,所述去极化模型可表示为:
对数据进行归一化处理,将数据转化在[0,1]的分布后,所述去极化模型可表示为:
其中,定义所述去极化模型模型的损失函数为:
通过参数调优、模型训练、模型优化,使得所述损失函数L(ω)的值最小化,最终评估出最优去极化模型,作为本发明实施例提供的检测方法在电池充电前未充分静置时计算电池起始荷电状态的去极化模型。
步骤S313b:将所述放电数据代入所述去极化模型进行预测,计算出电池充分静置时刻的电压;
请继续参见上述图7,根据去极化模型的原理可知,当车辆在t2时刻停止放电后其电压为uend,由于锂电池极化的作用,电压会逐渐上升直到充分静置时刻t3,此时电压为极化后电压ua,电压从t2时刻到t3时刻区间电压上升值为极化电压up,也即是,可以得到所述电池充分静置时刻的电压的计算公式为:
ua=uend+up
其中,ua表示所述电池充分静置时刻t3的电压,uend表示所述新能源汽车放电结束时刻t2的电压,up表示所述极化电压。
本发明实施例采用去极化模型可通过t1和t2之间数据,直接预测出车辆t3时刻电压ua,而无需车辆t2到t3之间静置时间。
步骤S314b:根据所述电池充分静置时刻的电压,查询开路电压-荷电状态关系曲线,以得到所述电池充电开始时的起始荷电状态。
在通过上述步骤S314b预测计算得到所述电池充分静置时刻的电压ua后,与步骤S312a相同地,通过查询如图5所示的开路电压-荷电状态关系曲线或开路电压-荷电状态关系表,即可得到车辆充电起始电荷状态SOCbeg。
步骤S320:根据所述车辆充电数据,通过安时积分法计算所述电池的充入总容量;
所述充电数据包括充电起始时间、充电结束时间、充电过程中的实时电流值,所述根据所述车辆充电数据,通过安时积分法计算所述电池的充入总容量,计算公式为:
其中,Qcharge表示所述充入总容量,t1表示所述充电起始时间,t2表示所述充电结束时间,I表示所述充电过程中实时电流值。
步骤S330:根据所述充入总容量和所述电池起止荷电状态的差值,计算所述电池的当前可用容量。
在通过步骤S320计算得到所述充入总容量,并通过步骤S310计算或预测计算得到电池的起始荷电状态后,通过充电数据查询所述电池的充电结束时的荷电状态,即可计算出所述电池的当前可用容量,具体地,所述根据所述充入总容量和所述电池起止荷电状态的差值,计算所述电池的当前可用容量,计算公式为:
其中,Qtotal表示所述电池的当前可用容量,Qcharge表示所述充入总容量,SOCend表示所述电池的充电结束时的荷电状态,SOCbeg表示所述电池充电开始时的起始荷电状态,SOCend-SOCbeg表示所述电池起止荷电状态的差值。
步骤S400:根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态。
在本发明实施例中,通过所述车辆电池的基本信息,获取所述电池的标称容量Qnormal,结合步骤S300计算得到的电池的当前可用容量Qtotal,即可计算得到所述新能源汽车当前的电池健康状态,其中,所述电池的基本信息,可根据所述电池的型号和类型等查询得到。具体地,所述根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态,计算公式为:
其中,SOH表示所述新能源汽车当前的电池健康状态,Qtotal表示所述电池的当前可用容量,Qnormal表示所述电池的标称容量。
实施例二
本发明实施例还提供了一种检测装置,请参见图10,其示出了能够执行图1至图9所述电池健康状态的检测方法的检测装置10的硬件结构。
所述检测装置10包括:至少一个处理器11;以及,与所述至少一个处理器11通信连接的存储器12,图10中以一个处理器11为例。所述存储器12存储有可被所述至少一个处理器11执行的指令,所述指令被所述至少一个处理器11执行,以使所述至少一个处理器11能够执行上述图1至图9所述的电池健康状态的检测方法。所述处理器11和所述存储器12可以通过总线或者其他方式连接,图10中以通过总线连接为例。
存储器12作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的电池健康状态的检测方法对应的程序指令/模块。处理器11通过运行存储在存储器12中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例电池健康状态的检测方法。
存储器12可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据电池健康状态的检测装置的使用所创建的数据等。此外,存储器12可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器12可选包括相对于处理器11远程设置的存储器,这些远程存储器可以通过网络连接至电池健康状态的检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器12中,当被所述一个或者多个处理器11执行时,执行上述任意方法实施例中的电池健康状态的检测方法,例如,执行以上描述的图1至图9的方法步骤。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图1至图9的方法步骤。
本申请实施例还提供了一种计算机程序产品,包括存储在非易失性计算机可读存储介质上的计算程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时时,使所述计算机执行上述任意方法实施例中的电池健康状态的检测方法,例如,执行以上描述的图1至图9的方法步骤。
实施例三
本发明实施例提供了一种电池健康状态的检测***,请参见图11,其示出了本发明实施例提供的一种电池健康状态的检测***的结构,所述电池健康状态的检测***100包括:新能源汽车20,所述新能源汽车20中设置有可充放电的电池BAT;如实施例二所述的检测装置10,所述检测装置10与所述新能源汽车20连接,用于检测所述电池BAT的电池健康状态。
需要说明的是,所述检测装置10可以是设置在所述新能源汽车20内的装置、模块或单元,或者,也可以是独立与所述新能源汽车20另外设置的设备,或者,也可以是汽车诊断设备中的装置、模块或单元等,所述检测装置10与所述新能源汽车20之间至少需要能够建立通信/通讯连接,具体地,所述检测装置10的实际结构、设置位置、连接方式等可根据实际应用场景的需要进行设置,不需要拘泥于本发明实施例的限定。
本发明实施例提供的检测***采用实施例一所示检测方法对车辆的电池健康状态进行检测,车辆充电前无需长时间静置,充电结束后即可立即并准确估算电池健康状态,且无需外接额外电池检测设备,仅仅通过一次电池BAT的一次真实充放电行为即可通过新能源汽车20中的电池管理***BMS获取车辆充放电数据,从而计算得到车辆电池当前健康状态,实现快速检测。
本发明实施例中提供了一种电池健康状态的检测方法、装置及***,该***包括新能源汽车,新能源汽车中设置有可充放电的电池,该方法首先获取所述新能源汽车中车辆充放电数据,然后根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态,接着根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量,最后根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态,本发明实施例提供的检测方法无论车辆是否充分静置,都能够计算出电池的当前可用容量,从而计算出新能源汽车当前的电池健康状态,实现电池健康状态的快速检测。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种电池健康状态的检测方法,其特征在于,应用于新能源汽车,所述新能源汽车中设置有可充放电的电池,所述方法包括:
获取所述新能源汽车中车辆充放电数据;
根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态;
根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量;
根据所述当前可用容量,计算所述新能源汽车当前的电池健康状态。
2.根据权利要求1所述的检测方法,其特征在于,
所述根据所述车辆充放电数据,判断所述电池是否充分静置,以确定所述电池的静置状态,包括:
获取所述新能源汽车充电前的静置数据;
根据所述静置数据,计算所述新能源汽车充电前的静置时间;
获取预设的充分静置时间;
判断所述静置时间是否大于所述充分静置时间;
若是,则所述电池充电前已充分静置;
若否,则所述电池充电前未充分静置。
3.根据权利要求1所述的检测方法,其特征在于,
所述根据所述电池的静置状态,选择不同模型计算所述电池的当前可用容量,包括:
获取所述新能源汽车使用过程中的车辆充放电数据,选择不同模型以获取所述电池充电过程中起止荷电状态;
根据所述车辆充电数据,通过安时积分法计算所述电池的充入总容量;
根据所述充入总容量和所述电池起止荷电状态的差值,计算所述电池的当前可用容量。
4.根据权利要求3所述的检测方法,其特征在于,
所述选择不同模型以获取所述电池充电过程中起止荷电状态,包括:
在所述电池充电前已充分静置时,通过静置修正模型获取所述电池充电开始时的起始荷电状态;
在所述电池充电前未充分静置时,通过去极化模型预测所述电池充电开始时的起始荷电状态。
5.根据权利要求4所述的检测方法,其特征在于,
所述通过静置修正模型获取所述电池充电开始时的起始荷电状态,包括:
根据所述车辆充电数据,获取所述电池充电起始时刻的单体电压;
根据所述电池充电起始时刻的单体电压,查询开路电压-荷电状态关系曲线,以得到所述电池充电开始时的起始荷电状态。
6.根据权利要求4所述的检测方法,其特征在于,
所述通过去极化模型获取所述电池充电开始时的起始荷电状态,包括:
获取所述新能源汽车放电结束时刻的电压,以及获取所述新能源汽车放电结束及放电结束前荷电状态为预设百分比时刻间的放电数据;
获取所述电池的去极化模型;
将所述放电数据代入所述去极化模型进行预测,计算出电池充分静置时刻的电压;
根据所述电池充分静置时刻的电压,查询开路电压-荷电状态关系曲线,以得到所述电池充电开始时的起始荷电状态。
7.根据权利要求6所述的检测方法,其特征在于,
所述获取所述电池的去极化模型,包括:
获取与所述新能源汽车中的电池同类型或同款的电池的实验数据;
对所述实验数据进行预处理;
根据所述预处理后的实验数据,建立数据特征工程;
根据所述数据特征工程进行去极化模型的训练。
8.根据权利要求7所述的检测方法,其特征在于,
所述获取与所述新能源汽车中的电池同类型或同款的电池的实验数据,包括:
将实验电池充满电并充分静置;
设置所述实验电池的放电电流并放电至一设定电量值;
将所述实验电池进行充分静置;
再次设置所述实验电池的放电电流并放电至下一电量初始值,直至所述实验电池放完电;
记录所述放电过程中的电池电压、放电电流、放电温度、采样时间,以得到所述实验数据。
12.一种检测装置,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-11任一项所述的方法。
13.一种电池健康状态的检测***,其特征在于,包括:
新能源汽车,所述新能源汽车中设置有可充放电的电池;
如权利要求12所述的检测装置,所述检测装置与所述新能源汽车连接,用于检测所述电池的电池健康状态。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210555717.7A CN114994539A (zh) | 2022-05-19 | 2022-05-19 | 一种电池健康状态的检测方法、装置及*** |
PCT/CN2023/078219 WO2023221589A1 (zh) | 2022-05-19 | 2023-02-24 | 一种电池健康状态的检测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210555717.7A CN114994539A (zh) | 2022-05-19 | 2022-05-19 | 一种电池健康状态的检测方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114994539A true CN114994539A (zh) | 2022-09-02 |
Family
ID=83027218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210555717.7A Pending CN114994539A (zh) | 2022-05-19 | 2022-05-19 | 一种电池健康状态的检测方法、装置及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114994539A (zh) |
WO (1) | WO2023221589A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023221589A1 (zh) * | 2022-05-19 | 2023-11-23 | 深圳市道通合创数字能源有限公司 | 一种电池健康状态的检测方法、装置及*** |
CN117367830A (zh) * | 2023-10-31 | 2024-01-09 | 中国汽车工程研究院股份有限公司 | 一种新能源车辆健康状态商检平台及方法 |
CN117686918A (zh) * | 2024-01-31 | 2024-03-12 | 深圳市卓芯微科技有限公司 | 电池soc预测方法、装置、电池管理设备及存储介质 |
WO2024060146A1 (zh) * | 2022-09-22 | 2024-03-28 | 宁德时代新能源科技股份有限公司 | Soh检测方法及装置、储能*** |
WO2024067388A1 (zh) * | 2022-09-26 | 2024-04-04 | 深蓝汽车科技有限公司 | 一种电池健康状态估算方法、***、设备和介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117471328B (zh) * | 2023-12-27 | 2024-04-12 | 高新兴科技集团股份有限公司 | 铅酸电池容量的确定方法、***和终端设备 |
CN118112449A (zh) * | 2024-04-29 | 2024-05-31 | 宁德时代新能源科技股份有限公司 | 环流测试方法及*** |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102162836A (zh) * | 2011-03-21 | 2011-08-24 | 浙江吉利汽车研究院有限公司 | 一种汽车电池soc的估算方法 |
TWI616667B (zh) * | 2014-04-01 | 2018-03-01 | 鴻海精密工業股份有限公司 | 電池健康狀態的估算方法及其裝置 |
CN106772097B (zh) * | 2017-01-20 | 2020-09-18 | 东莞市德尔能新能源股份有限公司 | 一种利用充电机矫正soc的方法 |
DE102017125274B3 (de) * | 2017-10-27 | 2019-03-21 | Borgward Trademark Holdings Gmbh | Verfahren zur Erfassung des Gesundheitszustands einer Batterie, zugehörige Einrichtung, zugehöriges System und Speichermedium |
CN107910607B (zh) * | 2017-11-22 | 2019-11-22 | 北京新能源汽车股份有限公司 | 电池健康度soh的修正方法、装置、电动汽车和存储介质 |
CN111381178B (zh) * | 2018-12-28 | 2022-12-20 | 奥动新能源汽车科技有限公司 | 锂离子电池的健康状态的估算方法及*** |
CN111812531B (zh) * | 2019-04-11 | 2023-04-07 | 东莞新能安科技有限公司 | 电池状态检测方法、设备及存储介质 |
CN111025168A (zh) * | 2019-11-29 | 2020-04-17 | 淮南师范学院 | 一种电池健康状态监控装置及电池荷电状态智能估算方法 |
CN111381180B (zh) * | 2020-03-26 | 2022-05-24 | 北京昇科能源科技有限责任公司 | 一种电池容量的确定方法和装置 |
CN111736083B (zh) * | 2020-06-24 | 2024-03-08 | 广州小鹏汽车科技有限公司 | 一种电池健康状态获取方法及装置、存储介质 |
CN112698218B (zh) * | 2021-01-12 | 2024-04-16 | 广州橙行智动汽车科技有限公司 | 一种电池健康状态获取方法及装置、存储介质 |
CN114994539A (zh) * | 2022-05-19 | 2022-09-02 | 深圳市道通合创新能源有限公司 | 一种电池健康状态的检测方法、装置及*** |
-
2022
- 2022-05-19 CN CN202210555717.7A patent/CN114994539A/zh active Pending
-
2023
- 2023-02-24 WO PCT/CN2023/078219 patent/WO2023221589A1/zh unknown
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023221589A1 (zh) * | 2022-05-19 | 2023-11-23 | 深圳市道通合创数字能源有限公司 | 一种电池健康状态的检测方法、装置及*** |
WO2024060146A1 (zh) * | 2022-09-22 | 2024-03-28 | 宁德时代新能源科技股份有限公司 | Soh检测方法及装置、储能*** |
WO2024067388A1 (zh) * | 2022-09-26 | 2024-04-04 | 深蓝汽车科技有限公司 | 一种电池健康状态估算方法、***、设备和介质 |
CN117367830A (zh) * | 2023-10-31 | 2024-01-09 | 中国汽车工程研究院股份有限公司 | 一种新能源车辆健康状态商检平台及方法 |
CN117686918A (zh) * | 2024-01-31 | 2024-03-12 | 深圳市卓芯微科技有限公司 | 电池soc预测方法、装置、电池管理设备及存储介质 |
CN117686918B (zh) * | 2024-01-31 | 2024-05-07 | 深圳市卓芯微科技有限公司 | 电池soc预测方法、装置、电池管理设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023221589A1 (zh) | 2023-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114994539A (zh) | 一种电池健康状态的检测方法、装置及*** | |
CN104577242B (zh) | 一种电池组管理***和方法 | |
CN113406523B (zh) | 一种储能电池状态评价方法、装置、电子设备及存储*** | |
CN111381180B (zh) | 一种电池容量的确定方法和装置 | |
CN112731155B (zh) | 一种磷酸铁锂电池的充放电状态的判断方法 | |
CN110133533A (zh) | 估算电池健康状态的方法和电池管理装置 | |
CN112924866B (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
CN114675188A (zh) | 一种电池健康状态信息确定方法、装置及电池*** | |
CN110806540B (zh) | 电芯测试数据处理方法、装置、***和存储介质 | |
CN110579716A (zh) | 一种电池检测方法及装置 | |
CN114578237A (zh) | 一种基于恒流充电时间的快速锂离子电池健康状态估计方法、***及设备 | |
CN114597992A (zh) | 一种充电截止电量的获取和设置方法、充电管理*** | |
CN110554329A (zh) | 一种电池内阻测量方法及装置 | |
CN113135116A (zh) | 电池***的防过充控制方法、装置及存储介质和电动车 | |
CN115184814A (zh) | 动力电池包寿命预测方法、装置、可读存储介质及设备 | |
CN113844311B (zh) | 车载电池荷电能力的评估方法、车辆和可读存储介质 | |
CN114200323A (zh) | 电池短路故障预警信息生成方法和装置、设备、介质 | |
CN108845267B (zh) | 一种动力电池的数据处理方法和装置 | |
CN112731162B (zh) | 一种基于v2g使用场景下的电池健康度检测方法 | |
CN117117345A (zh) | 低压铅酸蓄电池的状态管理方法、装置、设备及存储介质 | |
CN113300016B (zh) | 一种电池充放电控制方法和装置 | |
CN115166564A (zh) | 一种在线量化评估磷酸铁锂电池微短路程度的方法 | |
CN112578294B (zh) | 锂电池测定的方法、装置、车辆及介质 | |
CN118003973A (zh) | 一种电池数据采集方法、装置、设备和汽车 | |
CN111693871A (zh) | 锂离子电池寿命的预测方法、***、装置及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518000 The first, second, third and sixth floors of Rainbow Technology Building, No. 36, Gaoxin North 6th Road, Songpingshan Community, Xili Street, Nanshan District, Shenzhen, Guangdong Applicant after: Shenzhen Daotong Hechuang Digital Energy Co.,Ltd. Address before: 518000 6th floor, building B1, Zhiyuan, 1001 Xueyuan Avenue, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen daotonghe innovative energy Co.,Ltd. |