CN115656846A - 一种新能源汽车电控***及方法 - Google Patents
一种新能源汽车电控***及方法 Download PDFInfo
- Publication number
- CN115656846A CN115656846A CN202211405660.9A CN202211405660A CN115656846A CN 115656846 A CN115656846 A CN 115656846A CN 202211405660 A CN202211405660 A CN 202211405660A CN 115656846 A CN115656846 A CN 115656846A
- Authority
- CN
- China
- Prior art keywords
- real
- parameter
- discharge
- battery
- time
- 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 29
- 230000017525 heat dissipation Effects 0.000 claims abstract description 116
- 238000012360 testing method Methods 0.000 claims abstract description 34
- 238000007599 discharging Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 19
- 208000028659 discharge Diseases 0.000 description 128
- 230000033228 biological regulation Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Secondary Cells (AREA)
Abstract
本发明公开了一种新能源汽车电控***及方法，涉及智能控制技术领域，所述方法包括：通过采集目标车辆的实时温度信息和实时放电信息；将实时温度信息和实时放电信息作为当前温度节点状态；通过电池散热控制模型获得调整散热控制参数进行散热控制；采用预设测试方法测试获得目标电池在多个电压状态下的多个放电均衡性参数；采集实时电压参数和荷电状态参数；根据实时电压参数获得对应的实时放电均衡性参数，通过续航预测模型获得续航预测结果；基于续航预测结果进行控制。解决了现有技术电池控制准确性差，影响电池电能的实际均衡控制效果的问题。达到了提高电池控制个性化程度和智能化程度，最终优化电池电能控制能力和控制效果的技术效果。
Description
技术领域
本发明涉及智能控制技术领域，尤其涉及一种新能源汽车电控***及方法。
背景技术
随着社会的发展，各行各业对能源的需求和依赖度快速上升，世界石油能源日益枯竭，生态环境严重恶化，能源供需矛盾日益尖锐，因此，极大地促进了新能源的研究和推广应用，也因此使得新能源成为解决能源问题的重要途径。实际生产消费过程中，新能源产品的电池电量控制情况对消费者接受新能源产品产生极大的影响。示范性的如新能源汽车。现有技术中存在无法基于电池的实时应用数据，对电池进行散热、续航的针对性智能控制，从而导致电池控制准确性差，影响电池电能的实际均衡控制效果的技术问题。因此，研究利用计算机技术对新能源产品的电池组进行智能控制，对于保障电池组安全运行、提升电池应用效率，进而提升新能源产品的推广度、利用率，最终节约能源、保护生态环境等，具有重要意义。
然而，现有技术中无法基于电池的实时应用数据对电池进行散热、续航的动态智能控制，从而导致电池控制准确性差，影响电池电能的实际均衡控制效果的技术问题。
发明内容
本发明的目的是提供一种新能源汽车电控***及方法，用以解决现有技术中无法基于电池的实时应用数据对电池进行散热、续航的动态智能控制，从而导致电池控制准确性差，影响电池电能的实际均衡控制效果的技术问题。
鉴于上述问题，本发明提供了一种新能源汽车电控***及方法。
第一方面，本发明提供了一种新能源汽车电控***，用于执行一种新能源汽车电控方法，其中，所述***包括：信息采集模块，所述信息采集模块用于采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；模型构建模块，所述模型构建模块用于构建电池散热控制模型；第一控制执行模块，所述第一控制执行模块用于将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；测试获得模块，所述测试获得模块用于采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；参数采集模块，所述参数采集模块用于采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；预测获得模块，所述预测获得模块用于根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；第二控制执行模块，所述第二控制执行模块用于基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。
第二方面，本发明还提供了一种新能源汽车电控方法，所述方法通过如第一方面所述的一种新能源汽车电控***实现，其中，所述方法包括：通过采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；构建电池散热控制模型；将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；构建电池散热控制模型；将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。通过对目标电池的实时温度和实时放电数据进行采集，实现了为后续对目标电池进行智能散热调控提供调控数据基础和依据，提高调控准确性和可靠性的技术目标。通过测试确定目标电池在不同电压状态下的放电均衡性参数，并结合实时电压参数得到实时放电均衡性参数，进而通过续航预测模型智能化分析得到目标电池的续航预测数据，达到了提高电池续航预测准确性，进而提高电池控制个性化程度和智能化程度，最终优化电池电能控制能力和控制效果的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明一种新能源汽车电控***的结构示意图；
图2为本发明一种新能源汽车电控方法的流程示意图；
图3为本发明一种新能源汽车电控方法中采集目标车辆的目标电池当前的温度信息和放电信息的流程示意图；
图4为本发明一种新能源汽车电控方法中构建电池散热控制模型的流程示意图；
图5为本发明一种新能源汽车电控方法中获得续航预测结果的流程示意图。
附图标记说明：
信息采集模块M100，模型构建模块M200，第一控制执行模块M300，测试获得模块M400，参数采集模块M500，预测获得模块M600，第二控制执行模块M700。
具体实施方式
本发明通过提供一种新能源汽车电控***及方法，解决了现有技术中无法基于电池的实时应用数据对电池进行散热、续航的动态智能控制，从而导致电池控制准确性差，影响电池电能的实际均衡控制效果的技术问题。通过对目标电池进行散热控制，结合目标电池续航预测结果进行目标电池的智能控制，达到了提高电池控制个性化程度和智能化程度，最终优化电池电能控制能力和控制效果的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
本发明提供了一种新能源汽车电控***，请参阅附图1，其中，所述***包括：
信息采集模块M100，所述信息采集模块M100用于采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；
模型构建模块M200，所述模型构建模块M200用于构建电池散热控制模型；
第一控制执行模块M300，所述第一控制执行模块M300用于将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；
测试获得模块M400，所述测试获得模块M400用于采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；
参数采集模块M500，所述参数采集模块M500用于采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；
预测获得模块M600，所述预测获得模块M600用于根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；
第二控制执行模块M700，所述第二控制执行模块M700用于基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。
进一步的，所述***中的所述信息采集模块M100还用于：
采集所述目标电池当前多个位置的温度信息，获得多个位置温度信息；
根据所述多个位置温度信息，计算获得所述实时温度信息；
采集所述目标电池当前的放电电压信息、放电电流信息和内阻信息；
将所述放电电压信息、放电电流信息和内阻信息作为所述实时放电信息。
进一步的，所述***中的所述模型构建模块M200还用于：
构建电池散热控制数据库；
基于所述电池散热控制数据库，获得第一温度节点状态和第一散热控制参数；
基于所述电池散热控制数据库，获得第二温度节点状态和第二散热控制参数，其中，所述第二温度节点状态为采用所述第一散热控制参数对所述第一温度节点状态进行散热控制后获得的；
继续获得第N温度节点状态和第N-1散热控制参数；
构建所述第N温度节点状态和第N-1散热控制参数的映射关系，获得所述电池散热控制模型。
进一步的，所述***中的所述模型构建模块M200还用于：
采集所述目标电池在不同状态下的温度信息和放电信息，获得多个样本温度信息和多个样本放电信息；
采集对不同状态下所述目标电池设置的散热控制参数，获得多个样本散热控制参数；
基于所述多个样本温度信息和多个样本放电信息，获得多个样本温度节点状态；
根据所述多个样本温度节点状态和所述多个样本散热控制参数，构建获得所述电池散热控制数据库。
进一步的，所述***中的所述测试获得模块M400还用于：
对所述目标电池进行充电，充电至预设充电截止电压，完成充电；
对所述目标电池采用恒定放电电流，按照0.75倍率进行放电，在第一预设时间周期后，判断所述目标电池的阶段电压是否低于预设保护电压；
若是，则测试结束，若否，则停止运转所述目标电池，在第二预设时间周期后，继续对所述目标电池进行放电，直到所述目标电池的阶段电压低于所述预设保护电压，测试结束，获得多个阶段电压；
基于所述多个阶段电压，计算所述目标电池在所述多个阶段电压时的放电量，获得多个放电量，通过下式：
其中，K为放电量，I为恒定放电电流，α为所述目标电池的充放电效率，β为常规计算系数；
根据所述多个阶段电压和所述预设充电截止电压，计算获得多个电压差值；
根据所述多个电压差值和所述多个放电量，计算获得所述多个放电均衡性参数。
进一步的，所述***中的所述预测获得模块M600还用于：
根据所述电压参数和所述预设保护电压，获得实时电压差值参数；
根据所述实时电压差值参数，获得对应的所述实时放电均衡性参数；
构建所述续航预测模型；
将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入所述续航预测模型内，获得所述续航预测结果。
进一步的，所述***中的所述预测获得模块M600还用于：
获取所述目标电池的多个样本电压参数；
获取所述目标电池的多个样本荷电状态参数；
根据所述多个样本电压参数和所述多个放电均衡性参数，获得多个样本续航预测结果；
对所述多个样本电压参数、多个放电均衡性参数、多个样本荷电状态参数和多个样本续航预测结果进行数据标识，获得构建数据集；
基于BP神经网络，构建所述续航预测模型的网络结构，其中，所述续航预测模型的输入数据为电压参数、放电均衡性参数和荷电状态参数，输出数据为续航预测结果；
采用所述构建数据集对所述续航预测模型进行迭代监督训练和验证，直到所述续航预测模型的准确率符合预设要求，获得构建完成的所述续航预测模型。
实施例二
请参阅附图2，基于与前述实施例中一种新能源汽车电控***，同样发明构思，本发明还提供了一种新能源汽车电控方法，其中，所述方法应用于一种新能源汽车电控***，所述方法具体包括如下步骤：
步骤S100：采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；
进一步的，如附图3所示，本发明步骤S100还包括：
步骤S110：采集所述目标电池当前多个位置的温度信息，获得多个位置温度信息；
步骤S120：根据所述多个位置温度信息，计算获得所述实时温度信息；
步骤S130：采集所述目标电池当前的放电电压信息、放电电流信息和内阻信息；
步骤S140：将所述放电电压信息、放电电流信息和内阻信息作为所述实时放电信息。
具体而言，所述一种新能源汽车电控方法应用于所述一种新能源汽车电控***，可以通过对目标电池进行散热控制，结合目标电池的续航预测结果进行目标电池的智能控制，提高电池控制针对性、智能化程度，最终优化电池控制效果。
所述目标车辆是指任意一个使用所述目标电池进行能源供给的新能源汽车。其中，所述目标电池是指所述目标车辆中的电池。在采集得到所述目标电池的所述实时温度信息和所述实时放电信息前，首先对所述目标电池的多个位置分别进行实时温度数据的采集，从而得到所述目标电池的不同部位的实时温度信息，即所述多个位置温度信息。然后对所述多个位置温度信息进行分析处理，从而得到所述实时温度信息。示范性的如结合电池历史使用和控制经验，为电池不同位置温度指标信息对电池整体温度控制的影响数据进行影响程度权重赋值，进而对多个位置温度信息进行标准化处理，进而加权计算得到电池的实时温度信息。接着，对所述目标电池的放电电压、放电电流和内阻依次进行采集，从而得到所述放电电压信息、放电电流信息和内阻信息，并将所述放电电压信息、所述放电电流信息和所述内阻信息作为所述实时放电信息。
通过对目标电池的实时温度和实时放电数据进行采集，实现了为后续对目标电池进行智能散热调控提供调控数据基础和依据，提高调控准确性和可靠性的技术目标。
步骤S200：构建电池散热控制模型；
进一步的，如附图4所示，本发明步骤S200还包括：
步骤S210：构建电池散热控制数据库；
进一步的，本发明还包括如下步骤：
步骤S211：采集所述目标电池在不同状态下的温度信息和放电信息，获得多个样本温度信息和多个样本放电信息；
步骤S212：采集对不同状态下所述目标电池设置的散热控制参数，获得多个样本散热控制参数；
步骤S213：基于所述多个样本温度信息和多个样本放电信息，获得多个样本温度节点状态；
步骤S214：根据所述多个样本温度节点状态和所述多个样本散热控制参数，构建获得所述电池散热控制数据库。
步骤S220：基于所述电池散热控制数据库，获得第一温度节点状态和第一散热控制参数；
步骤S230：基于所述电池散热控制数据库，获得第二温度节点状态和第二散热控制参数，其中，所述第二温度节点状态为采用所述第一散热控制参数对所述第一温度节点状态进行散热控制后获得的；
步骤S240：继续获得第N温度节点状态和第N-1散热控制参数；
步骤S250：构建所述第N温度节点状态和第N-1散热控制参数的映射关系，获得所述电池散热控制模型。
步骤S300：将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；
具体而言，在采集得到所述实时温度信息和所述实时放电信息后，通过分析构建电池散热控制模型可以实现对所述目标电池的智能散热控制。首先对处于不同状态下的目标电池进行温度信息和放电信息的数据监测采集，得到多个样本温度信息和多个样本放电信息，同时采集不同状态下所述目标电池设置的散热控制参数，即得到所述多个样本散热控制参数。接着，将所述多个样本温度信息和多个样本放电信息作为所述多个样本温度节点状态，并结合所述多个样本散热控制参数构建得到所述电池散热控制数据库。
进一步的，基于所述电池散热控制数据库，提取得到所述第一温度节点状态和所述第一散热控制参数，其中，所述第一温度节点状态包括第一样本温度信息、第一样本放电信息，所述第一样本温度信息是指所述目标电池在任意一个状态下的温度信息和放电信息，所述第一散热控制参数是指在所述任意一个状态下的温度信息和放电信息，即所述第一样本温度信息、第一样本放电信息下的进行目标电池散热控制的控制方案参数。然后，基于所述电池散热控制数据库，获得第二温度节点状态和第二散热控制参数，其中，所述第二温度节点状态为采用所述第一散热控制参数对所述第一温度节点状态进行散热控制后获得的，也就是说，所述第二温度节点状态包括第二样本温度信息、第二样本放电信息，是在基于所述第一散热控制参数对所述目标电池进行散热控制处理后的目标电池的实时参数信息，所述第二散热控制参数是指针对于所述第二温度节点状态的实际情况数据，由***自动针对性调整后的散热控制参数。接着，继续迭代并获得第N温度节点状态和第N-1散热控制参数，进而构建所述第N温度节点状态和第N-1散热控制参数的映射关系，最后根据映射关系构建得到所述电池散热控制模型。进一步的，将所述目标电池的所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，通过所述电池散热控制模型的智能化分析后输出调整散热控制参数，最终通过调整散热控制参数进行所述目标电池的散热控制。
通过构建电池散热控制模型，实现了为后续基于目标电池的实时温度和放电信息监测采集数据针对性生成散热控制方案提供模型基础的技术目标，达到了提高散热控制精度和控制智能化程度的技术效果。
步骤S400：采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；
进一步的，本发明步骤S400还包括：
步骤S410：对所述目标电池进行充电，充电至预设充电截止电压，完成充电；
步骤S420：对所述目标电池采用恒定放电电流，按照0.75倍率进行放电，在第一预设时间周期后，判断所述目标电池的阶段电压是否低于预设保护电压；
步骤S430：若是，则测试结束，若否，则停止运转所述目标电池，在第二预设时间周期后，继续对所述目标电池进行放电，直到所述目标电池的阶段电压低于所述预设保护电压，测试结束，获得多个阶段电压；
步骤S440：基于所述多个阶段电压，计算所述目标电池在所述多个阶段电压时的放电量，获得多个放电量，通过下式：
步骤S450：其中，K为放电量，I为恒定放电电流，α为所述目标电池的充放电效率，β为常规计算系数；
步骤S460：根据所述多个阶段电压和所述预设充电截止电压，计算获得多个电压差值；
步骤S470：根据所述多个电压差值和所述多个放电量，计算获得所述多个放电均衡性参数。
具体而言，在采集所述目标电池在不同电压状态下的放电均衡性参数数据时，首先对所述目标电池进行充电，充电至达到预设充电截止电压时即完成对所述目标电池的充电。其中，所述预设充电截止电压是指所述目标电池充满电时的电压。然后，采用恒定放电电流，按照0.75倍率对所述目标电池进行放电处理，示范性的如利用负载器控制目标电池的放电电流恒定，进而以0.75倍率进行电池放电处理。接着，在所述目标电池的放电时长达到所述第一预设时间周期后，判断所述目标电池的阶段电压是否低于预设保护电压。其中，所述第一预设时间周期是指由相关技术人员综合分析后对电池放电过程的周期划分，并得到放电阶段周期，存储于***中。示范性的如以150秒作为一个放电周期，即是指在目标电池放电150秒后，***对这150秒内的电池电压进行遍历，并判断目标电池的电压是否低于预设保护电压，如2.0V。其中，所述预设保护电压是指目标电池需要进行充电的电压。进而，当所述目标电池的在所述第一预设时间周期内的阶段电压低于所述预设保护电压时，则对所述目标电池的测试结束，当所述目标电池的在所述第一预设时间周期内的阶段电压均高于所述预设保护电压时，则停止运转所述目标电池，示范性的如停止运转3000秒，并在第二预设时间周期后继续对所述目标电池进行放电，直到所述目标电池的阶段电压低于所述预设保护电压，则对所述目标电池的测试结束，同时获得多个阶段电压。
进一步的，基于所述多个阶段电压，计算所述目标电池在所述多个阶段电压时的放电量，获得多个放电量，通过下式：
其中，K为放电量，I为恒定放电电流，α为所述目标电池的充放电效率，β为常规计算系数，优选为0.5。根据所述多个阶段电压和所述预设充电截止电压，计算获得多个电压差值。最后根据所述多个电压差值和所述多个放电量计算得到所述多个放电均衡性参数。其中，所述多个放电均衡性参数用于衡量目标电池的电能均衡控制能力。
通过对目标电池进行充、放电实验测试，得到目标电池在多个电压差值下的放电量数据，进而计算得到多个放电均衡性参数，实现了为预测电池续航提供指标参数基础的技术目标。
步骤S500：采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；
步骤S600：根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；
进一步的，如附图5所示，本发明步骤S600还包括：
步骤S610：根据所述电压参数和所述预设保护电压，获得实时电压差值参数；
步骤S620：根据所述实时电压差值参数，获得对应的所述实时放电均衡性参数；
步骤S630：构建所述续航预测模型；
进一步的，本发明还包括如下步骤：
步骤S631：获取所述目标电池的多个样本电压参数；
步骤S632：获取所述目标电池的多个样本荷电状态参数；
步骤S633：根据所述多个样本电压参数和所述多个放电均衡性参数，获得多个样本续航预测结果；
步骤S634：对所述多个样本电压参数、多个放电均衡性参数、多个样本荷电状态参数和多个样本续航预测结果进行数据标识，获得构建数据集；
步骤S635：基于BP神经网络，构建所述续航预测模型的网络结构，其中，所述续航预测模型的输入数据为电压参数、放电均衡性参数和荷电状态参数，输出数据为续航预测结果；
步骤S636：采用所述构建数据集对所述续航预测模型进行迭代监督训练和验证，直到所述续航预测模型的准确率符合预设要求，获得构建完成的所述续航预测模型。
步骤S640：将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入所述续航预测模型内，获得所述续航预测结果。
步骤S700：基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。
具体而言，对所述目标电池当前的电压参数和荷电状态参数进行采集，从而得到所述实时电压参数和荷电状态参数。
采集得到所述目标电池的多个样本电压参数，并对所述多个样本电压参数下的目标电池的荷电状态进行采集，即得到所述多个样本荷电状态参数。然后根据所述多个样本电压参数和所述多个放电均衡性参数得到多个样本续航预测结果，并对所述多个样本电压参数、多个放电均衡性参数、多个样本荷电状态参数和多个样本续航预测结果进行数据标识，进而组建得到构建续航预测模型的所述构建数据集。接下来，利用BP神经网络原理构建所述续航预测模型的网络结构，其中，所述续航预测模型的输入数据为电压参数、放电均衡性参数和荷电状态参数，输出数据为续航预测结果。最后，采用所述构建数据集对所述续航预测模型进行迭代监督训练和验证，直到所述续航预测模型的准确率符合预设要求，即构建完成所述续航预测模型。
进一步的，基于所述实时电压参数获得对应的实时放电均衡性参数，并将所述实时放电均衡性参数、所述实时电压参数和所述荷电状态参数作为输入信息，输入预构建的续航预测模型中，通过续航预测模型智能化分析获得续航预测结果。根据所述电压参数和所述预设保护电压获得实时电压差值参数，并根据所述实时电压差值参数，获得对应的所述实时放电均衡性参数。进而将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入所述续航预测模型内，获得所述续航预测结果。最后根据所述续航预测结果对所述目标车辆和所述目标电池进行控制。通过测试确定目标电池在不同电压状态下的放电均衡性参数，并结合实时电压参数得到实时放电均衡性参数，进而通过续航预测模型智能化分析得到目标电池的续航预测数据，达到了提高电池续航预测准确性，进而提高电池控制个性化程度和智能化程度，最终优化电池电能控制能力和控制效果的技术效果。
综上所述，本发明所提供的一种新能源汽车电控方法具有如下技术效果：
通过采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；构建电池散热控制模型；将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。通过对目标电池的实时温度和实时放电数据进行采集，实现了为后续对目标电池进行智能散热调控提供调控数据基础和依据，提高调控准确性和可靠性的技术目标。通过测试确定目标电池在不同电压状态下的放电均衡性参数，并结合实时电压参数得到实时放电均衡性参数，进而通过续航预测模型智能化分析得到目标电池的续航预测数据，达到了提高电池续航预测准确性，进而提高电池控制个性化程度和智能化程度，最终优化电池电能控制能力和控制效果的技术效果。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种新能源汽车电控***和具体实例同样适用于本实施例的一种新能源汽车电控方法，通过对一种新能源汽车电控方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种新能源汽车电控***。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种新能源汽车电控***，其特征在于，包括：
信息采集模块，所述信息采集模块用于采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；
模型构建模块，所述模型构建模块用于构建电池散热控制模型；
第一控制执行模块，所述第一控制执行模块用于将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；
测试获得模块，所述测试获得模块用于采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；
参数采集模块，所述参数采集模块用于采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；
预测获得模块，所述预测获得模块用于根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；
第二控制执行模块，所述第二控制执行模块用于基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。
2.根据权利要求1所述的***，其特征在于，所述信息采集模块，还用于：
采集所述目标电池当前多个位置的温度信息，获得多个位置温度信息；
根据所述多个位置温度信息，计算获得所述实时温度信息；
采集所述目标电池当前的放电电压信息、放电电流信息和内阻信息；
将所述放电电压信息、放电电流信息和内阻信息作为所述实时放电信息。
3.根据权利要求2所述的***，其特征在于，所述模型构建模块，还用于：
构建电池散热控制数据库；
基于所述电池散热控制数据库，获得第一温度节点状态和第一散热控制参数；
基于所述电池散热控制数据库，获得第二温度节点状态和第二散热控制参数，其中，所述第二温度节点状态为采用所述第一散热控制参数对所述第一温度节点状态进行散热控制后获得的；
继续获得第N温度节点状态和第N-1散热控制参数；
构建所述第N温度节点状态和第N-1散热控制参数的映射关系，获得所述电池散热控制模型。
4.根据权利要求3所述的***，其特征在于，所述构建电池散热控制数据库，还包括：
采集所述目标电池在不同状态下的温度信息和放电信息，获得多个样本温度信息和多个样本放电信息；
采集对不同状态下所述目标电池设置的散热控制参数，获得多个样本散热控制参数；
基于所述多个样本温度信息和多个样本放电信息，获得多个样本温度节点状态；
根据所述多个样本温度节点状态和所述多个样本散热控制参数，构建获得所述电池散热控制数据库。
5.根据权利要求1所述的***，其特征在于，所述测试获得模块，还用于：
对所述目标电池进行充电，充电至预设充电截止电压，完成充电；
对所述目标电池采用恒定放电电流，按照0.75倍率进行放电，在第一预设时间周期后，判断所述目标电池的阶段电压是否低于预设保护电压；
若是，则测试结束，若否，则停止运转所述目标电池，在第二预设时间周期后，继续对所述目标电池进行放电，直到所述目标电池的阶段电压低于所述预设保护电压，测试结束，获得多个阶段电压；
基于所述多个阶段电压，计算所述目标电池在所述多个阶段电压时的放电量，获得多个放电量，通过下式：
其中，K为放电量，I为恒定放电电流，α为所述目标电池的充放电效率，β为常规计算系数；
根据所述多个阶段电压和所述预设充电截止电压，计算获得多个电压差值；
根据所述多个电压差值和所述多个放电量，计算获得所述多个放电均衡性参数。
6.根据权利要求5所述的***，其特征在于，所述预测获得模块，还用于：
根据所述电压参数和所述预设保护电压，获得实时电压差值参数；
根据所述实时电压差值参数，获得对应的所述实时放电均衡性参数；
构建所述续航预测模型；
将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入所述续航预测模型内，获得所述续航预测结果。
7.根据权利要求6所述的***，其特征在于，所述构建所述续航预测模型，还包括：
获取所述目标电池的多个样本电压参数；
获取所述目标电池的多个样本荷电状态参数；
根据所述多个样本电压参数和所述多个放电均衡性参数，获得多个样本续航预测结果；
对所述多个样本电压参数、多个放电均衡性参数、多个样本荷电状态参数和多个样本续航预测结果进行数据标识，获得构建数据集；
基于BP神经网络，构建所述续航预测模型的网络结构，其中，所述续航预测模型的输入数据为电压参数、放电均衡性参数和荷电状态参数，输出数据为续航预测结果；
采用所述构建数据集对所述续航预测模型进行迭代监督训练和验证，直到所述续航预测模型的准确率符合预设要求，获得构建完成的所述续航预测模型。
8.一种新能源汽车电控方法，其特征在于，包括：
采集目标车辆的目标电池当前的温度信息和放电信息，获得实时温度信息和实时放电信息；
构建电池散热控制模型；
将所述实时温度信息和实时放电信息作为当前温度节点状态，输入所述电池散热控制模型，获得调整散热控制参数，进行所述目标电池的散热控制；
采用预设测试方法对所述目标电池进行测试，获得所述目标电池在多个电压状态下的多个放电均衡性参数；
采集所述目标电池当前的电压参数和荷电状态参数，获得实时电压参数和荷电状态参数；
根据所述实时电压参数，获得对应的实时放电均衡性参数，将所述实时放电均衡性参数、实时电压参数和荷电状态参数输入预构建的续航预测模型中，获得续航预测结果；
基于所述续航预测结果对所述目标车辆和所述目标电池进行控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211405660.9A CN115656846B (zh) | 2022-11-10 | 2022-11-10 | 一种新能源汽车电控***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211405660.9A CN115656846B (zh) | 2022-11-10 | 2022-11-10 | 一种新能源汽车电控***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115656846A true CN115656846A (zh) | 2023-01-31 |
| CN115656846B CN115656846B (zh) | 2024-07-16 |
Family
ID=85021658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211405660.9A Active CN115656846B (zh) | 2022-11-10 | 2022-11-10 | 一种新能源汽车电控***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115656846B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130009600A1 (en) * | 2011-07-08 | 2013-01-10 | Samsung Electro-Mechanics Co., Ltd | Electric energy storage apparatus, voltage equalization module and voltage equalization method |
| CN105539446A (zh) * | 2015-12-21 | 2016-05-04 | 东软集团股份有限公司 | 用于预测续航里程的方法和装置 |
| CN107219469A (zh) * | 2016-11-17 | 2017-09-29 | 深圳市海盈科技股份有限公司 | 适用于无人机电池的续航电量预测方法 |
| CN108417906A (zh) * | 2018-01-10 | 2018-08-17 | 中山大学 | 带有智能热管理***控制功能的电池管理*** |
| CN109301369A (zh) * | 2018-08-26 | 2019-02-01 | 延锋伟世通电子科技（南京）有限公司 | 新能源充放电热控制方法及电池热管理*** |
| CN109802466A (zh) * | 2019-03-14 | 2019-05-24 | 上海大学 | 一种电池组有源均衡电路装置及其控制方法 |
| CN109995102A (zh) * | 2019-03-01 | 2019-07-09 | 中国第一汽车股份有限公司 | 一种电动汽车用动力电池均衡***及控制方法 |
| CN110941911A (zh) * | 2019-12-04 | 2020-03-31 | 西南交通大学 | 一种基于正交试验法的锂离子电池的散热仿真优化方法 |
| CN111143974A (zh) * | 2019-12-06 | 2020-05-12 | 重庆大学 | 一种面向控制的锂电池热模型建立方法 |
| DE102020005010A1 (de) * | 2020-08-17 | 2020-10-01 | Daimler Ag | Reichweitenprognose und Verfahren zur Kapazitätsbestimmung für ein Kraftfahrzeug |
| EP3766724A1 (de) * | 2019-07-18 | 2021-01-20 | Siemens Mobility GmbH | Fahrzeug und verfahren zum betreiben eines fahrzeugs |
| CN112477698A (zh) * | 2020-11-17 | 2021-03-12 | 中山大学 | 一种动力电池主动热管理***及控制方法 |
| CN112964992A (zh) * | 2019-11-28 | 2021-06-15 | 比亚迪股份有限公司 | 基于aukf的电池内部温度信息处理方法、设备和介质 |
| CN113022374A (zh) * | 2021-02-04 | 2021-06-25 | 东风汽车集团股份有限公司 | 电动汽车电池管理***的被动均衡控制方法及*** |
| CN113325327A (zh) * | 2021-05-25 | 2021-08-31 | 上海工程技术大学 | 基于内阻测试的动力电池瞬态产热率的测算方法 |
| CN113335131A (zh) * | 2020-02-18 | 2021-09-03 | 宁波吉利汽车研究开发有限公司 | 一种车辆续航里程预测方法、装置、设备和存储介质 |
| CN113555939A (zh) * | 2021-07-28 | 2021-10-26 | 深圳市超思维电子股份有限公司 | 一种分布式bms电池主动均衡管理*** |
| CN114179678A (zh) * | 2021-11-24 | 2022-03-15 | 华人运通(江苏)技术有限公司 | 车辆续航辅助控制方法、***、存储介质及车辆 |
| CN114274780A (zh) * | 2022-01-10 | 2022-04-05 | 中国第一汽车股份有限公司 | 车辆续航里程预测方法、装置、设备和存储介质 |
-
2022
- 2022-11-10 CN CN202211405660.9A patent/CN115656846B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130009600A1 (en) * | 2011-07-08 | 2013-01-10 | Samsung Electro-Mechanics Co., Ltd | Electric energy storage apparatus, voltage equalization module and voltage equalization method |
| CN105539446A (zh) * | 2015-12-21 | 2016-05-04 | 东软集团股份有限公司 | 用于预测续航里程的方法和装置 |
| CN107219469A (zh) * | 2016-11-17 | 2017-09-29 | 深圳市海盈科技股份有限公司 | 适用于无人机电池的续航电量预测方法 |
| CN108417906A (zh) * | 2018-01-10 | 2018-08-17 | 中山大学 | 带有智能热管理***控制功能的电池管理*** |
| CN109301369A (zh) * | 2018-08-26 | 2019-02-01 | 延锋伟世通电子科技（南京）有限公司 | 新能源充放电热控制方法及电池热管理*** |
| CN109995102A (zh) * | 2019-03-01 | 2019-07-09 | 中国第一汽车股份有限公司 | 一种电动汽车用动力电池均衡***及控制方法 |
| CN109802466A (zh) * | 2019-03-14 | 2019-05-24 | 上海大学 | 一种电池组有源均衡电路装置及其控制方法 |
| EP3766724A1 (de) * | 2019-07-18 | 2021-01-20 | Siemens Mobility GmbH | Fahrzeug und verfahren zum betreiben eines fahrzeugs |
| CN112964992A (zh) * | 2019-11-28 | 2021-06-15 | 比亚迪股份有限公司 | 基于aukf的电池内部温度信息处理方法、设备和介质 |
| CN110941911A (zh) * | 2019-12-04 | 2020-03-31 | 西南交通大学 | 一种基于正交试验法的锂离子电池的散热仿真优化方法 |
| CN111143974A (zh) * | 2019-12-06 | 2020-05-12 | 重庆大学 | 一种面向控制的锂电池热模型建立方法 |
| CN113335131A (zh) * | 2020-02-18 | 2021-09-03 | 宁波吉利汽车研究开发有限公司 | 一种车辆续航里程预测方法、装置、设备和存储介质 |
| DE102020005010A1 (de) * | 2020-08-17 | 2020-10-01 | Daimler Ag | Reichweitenprognose und Verfahren zur Kapazitätsbestimmung für ein Kraftfahrzeug |
| CN112477698A (zh) * | 2020-11-17 | 2021-03-12 | 中山大学 | 一种动力电池主动热管理***及控制方法 |
| CN113022374A (zh) * | 2021-02-04 | 2021-06-25 | 东风汽车集团股份有限公司 | 电动汽车电池管理***的被动均衡控制方法及*** |
| CN113325327A (zh) * | 2021-05-25 | 2021-08-31 | 上海工程技术大学 | 基于内阻测试的动力电池瞬态产热率的测算方法 |
| CN113555939A (zh) * | 2021-07-28 | 2021-10-26 | 深圳市超思维电子股份有限公司 | 一种分布式bms电池主动均衡管理*** |
| CN114179678A (zh) * | 2021-11-24 | 2022-03-15 | 华人运通(江苏)技术有限公司 | 车辆续航辅助控制方法、***、存储介质及车辆 |
| CN114274780A (zh) * | 2022-01-10 | 2022-04-05 | 中国第一汽车股份有限公司 | 车辆续航里程预测方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115656846B (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | Health prognosis for electric vehicle battery packs: A data-driven approach | |
| CN108805217B (zh) | 一种基于支持向量机的锂离子电池健康状态估计方法及*** | |
| CN112666464B (zh) | 电池健康状态预测方法、装置、电子设备和可读存储介质 | |
| CN111142036A (zh) | 基于容量增量分析的锂离子电池在线快速容量估计方法 | |
| US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
| CN108663634B (zh) | 一种动力电池内阻的确定方法和装置 | |
| CN104956233A (zh) | 电池状态推断装置 | |
| 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 | |
| CN113071373B (zh) | 一种基于云端智能互联大数据的温度预测和装置 | |
| CN114818831B (zh) | 基于多源感知的双向锂离子电池故障检测方法及*** | |
| CN112630662A (zh) | 一种基于数据驱动及多参数融合的动力电池soh估算方法 | |
| CN111191824B (zh) | 一种动力电池容量衰减预测方法及*** | |
| US20230305073A1 (en) | Method and apparatus for providing a predicted aging state of a device battery based on a predicted usage pattern | |
| CN113128672A (zh) | 一种基于迁移学习算法的锂离子电池组soh估计方法 | |
| CN112838247A (zh) | 燃料电池***功率模型预测计算方法、装置、介质及设备 | |
| CN111325402A (zh) | 基于bp神经网络的电动汽车用户充电行为的预测方法 | |
| CN112287980A (zh) | 基于典型特征向量的动力电池筛选方法 | |
| CN115754726A (zh) | 一种电池寿命预测及维持方法、电子设备和存储介质 | |
| CN114492019A (zh) | 一种电池模组的自适应温度调控的评估方法及*** | |
| CN115656846B (zh) | 一种新能源汽车电控***及方法 | |
| CN117207781A (zh) | 基于历史实时能耗的燃料电池汽车续驶里程预测方法 | |
| Tian et al. | Consistency evaluation of electric vehicle battery pack: multi-feature information fusion approach | |
| CN116718921A (zh) | 基于多模型的电池荷电状态预测方法及装置 | |
| CN116224078A (zh) | 一种新能源汽车动力电池内阻计算及预测方法 | |
| CN112993344A (zh) | 基于神经网络的燃料电池***输出性能预测方法及装置 |
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 |