CN116243178A - 动力电池的剩余充电时间估算方法及装置 - Google Patents
动力电池的剩余充电时间估算方法及装置 Download PDFInfo
- Publication number
- CN116243178A CN116243178A CN202310343627.6A CN202310343627A CN116243178A CN 116243178 A CN116243178 A CN 116243178A CN 202310343627 A CN202310343627 A CN 202310343627A CN 116243178 A CN116243178 A CN 116243178A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- battery
- charging
- estimation model
- parameters
- 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 104
- 238000012360 testing method Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 239000012634 fragment Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 238000011161 development Methods 0.000 description 10
- 230000018109 developmental process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000032683 aging Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000002945 steepest descent method Methods 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
-
- 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)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本申请涉及一种动力电池的剩余充电时间估算方法及装置,其中,方法包括:根据至少一个车辆的历史充电数据和目标车辆的历史充电数据得到目标车辆的剩余充电时间估算模型的参数的更新信息;发送更新信息至目标车辆,并将目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型。本申请实施例利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。
Description
技术领域
本申请涉及汽车电池管理技术领域,特别涉及一种动力电池的剩余充电时间估算方法及装置。
背景技术
剩余充电时间指通过充电桩或者其他方式对新能源动力电池进行充电的时候,充电到目标状态时刻所需要的时间。随着新能源汽车的推广和普及,准确的动力电池充电时间、剩余充电时间估算能够极大提升用户使用体验,能够帮助用户根据情况合理安排充电状况及生活安排,为用户提供极大的便利。
相关技术中,剩余充电时间估算方法一般包括以下两种:一种方法是采用剩余未充电量除以当前实时电流,从而得到充电剩余时间;另一种方法是对充电过程进行分段处理,通过估算电池不同阶段的充电电流和充电电量,以此估算充电时间。
然而,相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确的问题,亟待解决。
发明内容
本申请提供一种动力电池的剩余充电时间估算方法及装置,以解决相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确等问题。
本申请第一方面实施例提供一种动力电池的剩余充电时间估算方法,应用于服务器,其中,所述方法包括以下步骤:获取与目标车辆相匹配的至少一个车辆的历史充电数据;根据所述至少一个车辆的历史充电数据和所述目标车辆的历史充电数据得到所述目标车辆的剩余充电时间估算模型的参数的更新信息;发送所述更新信息至所述目标车辆,以利用所述更新信息更新所述剩余充电时间估算模型的当前参数,并将所述目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
根据上述技术手段,本申请实施例可以通过前期建立模型进行估算,训练剩余充电时间估算模型,充分利用历史充电数据,对充电剩余时间进行充分考虑,利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。
可选地,在本申请的一个实施例中,所述剩余充电时间估算模型包括整体估算模型和单车估算模型。
根据上述技术手段,本申请实施例可以实现整体估算模型和单车估算模型等剩余充电时间估算模型参数的更新,实现对动力电池剩余充电时间的估算。
可选地,在本申请的一个实施例中,所述根据所述至少一个车辆的历史充电数据和所述目标车辆的历史充电数据得到所述目标车辆的剩余充电时间估算模型的参数的更新信息,包括:从所述历史充电数据提取充满或者充电至目标SOC的充电片段,并获取输入参数对应的剩余充电时间,生成同一车型同一电池的第一样本库和不同车辆单车的每次充电数据的第二样本库;利用所述第一样本库和所述第二样本库进行训练和测试,分别得到所述整体估算模型和所述单车估算模型的更新参数,并根据测试结果分别分配所述整体估算模型和所述单车估算模型的权重;根据所述更新参数和所述权重生成所述更新信息。
根据上述技术手段,本申请实施例可以获取输入参数对应的剩余充电时间,根据测试结果分别分配整体估算模型和单车估算模型的权重,根据更新参数和权重生成更新信息,从而考虑车辆充电方式和终止目标SOC情况,对充电剩余时间进行充分考虑,更新模型参数,实现更加精准的剩余充电时间估算,提升车辆的智能性和实用性。
可选地,在本申请的一个实施例中,所述权重的计算公式为:
其中,at1、at2分别为模型对应的权重,E1、E2分别表示整体估算模型和单车估算模型对测试样本的平均误差。
根据上述技术手段,本申请实施例可以根据权重的计算公式,实现更加精准的剩余充电时间计算,提升计算的准确性和可靠性。
本申请第二方面实施例提供一种动力电池的剩余充电时间估算方法,应用于车辆,其中,所述方法包括以下步骤:接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息;利用所述更新信息更新所述剩余充电时间估算模型的当前参数;将所述本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
根据上述技术手段,本申请实施例可以获取本车的剩余充电时间估算模型的参数的更新信息,将本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出目标车辆的实际剩余充电时间,从而进一步地实现对动力电池剩余充电时间的估算,保证车辆的智能性和实用性。
本申请第三方面实施例提供一种动力电池的剩余充电时间估算装置,应用于服务器,其中,所述装置包括:获取模块,用于获取与目标车辆相匹配的至少一个车辆的历史充电数据;更新模块,用于根据所述至少一个车辆的历史充电数据和所述目标车辆的历史充电数据得到所述目标车辆的剩余充电时间估算模型的参数的更新信息;发送模块,用于发送所述更新信息至所述目标车辆,以利用所述更新信息更新所述剩余充电时间估算模型的当前参数,并将所述目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
可选地,在本申请的一个实施例中,所述剩余充电时间估算模型包括整体估算模型和单车估算模型。
可选地,在本申请的一个实施例中,所述更新模块包括:提取单元,用于从所述历史充电数据提取充满或者充电至目标SOC的充电片段,并获取输入参数对应的剩余充电时间,生成同一车型同一电池的第一样本库和不同车辆单车的每次充电数据的第二样本库;分配单元,用于利用所述第一样本库和所述第二样本库进行训练和测试,分别得到所述整体估算模型和所述单车估算模型的更新参数,并根据测试结果分别分配所述整体估算模型和所述单车估算模型的权重;生成单元,用于根据所述更新参数和所述权重生成所述更新信息。
可选地,在本申请的一个实施例中,所述权重的计算公式为:
其中,at1、at2分别为模型对应的权重,E1、E2分别表示整体估算模型和单车估算模型对测试样本的平均误差。
本申请第四方面实施例提供一种动力电池的剩余充电时间估算装置,应用于车辆,其中,所述装置包括:接收模块,用于接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息;更新模块,用于利用所述更新信息更新所述剩余充电时间估算模型的当前参数;估算模块,用于将所述本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
本申请五方面实施例提供一种服务器,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的动力电池的剩余充电时间估算方法。
本申请第六方面实施例提供一种车辆,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的动力电池的剩余充电时间估算方法。
本申请第七方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的动力电池的剩余充电时间估算方法。
本申请实施例的有益效果:
(1)本申请实施例利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。
(2)本申请实施例可以实现整体估算模型和单车估算模型等剩余充电时间估算模型参数的更新,实现对动力电池剩余充电时间的估算,提高车辆的智能性与实用性。
(3)本申请实施例可以获取输入参数对应的剩余充电时间,根据测试结果分别分配整体估算模型和单车估算模型的权重,根据更新参数和权重生成更新信息,从而考虑车辆充电方式和终止目标SOC情况,对充电剩余时间进行充分考虑,更新模型参数,实现更加精准的剩余充电时间估算。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种动力电池的剩余充电时间估算方法的流程图;
图2为根据本申请实施例提供的另一种动力电池的剩余充电时间估算方法的流程图;
图3为根据本申请一个实施例的动力电池的剩余充电时间估算方法的流程图;
图4为根据本申请一个实施例的动力电池的剩余充电时间估算方法的原理示意图;
图5为根据本申请一个实施例的动力电池的剩余充电时间估算方法的结构框图;
图6为根据本申请实施例提供的一种动力电池的剩余充电时间估算装置的结构示意图;
图7为根据本申请实施例提供的另一种动力电池的剩余充电时间估算装置的结构示意图;
图8为根据本申请实施例提供的服务器的结构示意图。
图9为根据本申请实施例提供的车辆的结构示意图。
其中,10-动力电池的剩余充电时间估算装置、100-获取模块、200-更新模块、300-发送模块;20-动力电池的剩余充电时间估算装置、400-接收模块、500-更新模块、600-估算模块。
具体实施方式
下面详细描述本申请的实施例,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,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的动力电池的剩余充电时间估算方法及装置。针对上述背景技术中心提到的相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确的问题,本申请提供了一种动力电池的剩余充电时间估算方法,在该方法中,利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。由此,解决了相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确等问题。
具体而言,图1为本申请实施例所提供的一种动力电池的剩余充电时间估算方法的流程示意图。
如图1所示,该动力电池的剩余充电时间估算方法,应用于服务器,其中,方法包括以下步骤:
在步骤S101中,获取与目标车辆相匹配的至少一个车辆的历史充电数据。
在实际执行过程中,本申请实施例首先可以进行性能测试和仿真测试,通过项目开发过程中的充电数据和仿真测试数据等,获取动力电池的充电片段,将充电不同时间点划分成多个电池当前状态向量和剩余充电时间,从而获取与目标车辆相匹配的至少一个车辆的历史充电数据,便于后续获得目标车辆的剩余充电时间估算模型的参数的更新信息,从而实现对动力电池剩余充电时间的估算,提高车辆智能性的同时,提升了估算的准确性与可靠性。
在步骤S102中,根据至少一个车辆的历史充电数据和目标车辆的历史充电数据得到目标车辆的剩余充电时间估算模型的参数的更新信息。
作为一种可能实现的方式,本申请实施例可以通过至少一个车辆使用过程中上传车联网平台的历史充电数据,根据但不限于车辆充电方式、热管理情况和终止目标SOC的情况,对充电剩余时间进行充分考虑,并在车辆运行过程中,对目标车辆的剩余充电时间估算模型的参数进行更新,进而根据至少一个车辆的历史充电数据和目标车辆的历史充电数据,得到目标车辆的剩余充电时间估算模型的参数的更新信息,从而进一步地实现对动力电池剩余充电时间的估算,提升估算的准确性与可靠性。
可选地,在本申请的一个实施例中,剩余充电时间估算模型包括整体估算模型和单车估算模型。
一些实施例中,可以建立剩余充电时间估算模型,建立一个输入层数为M,隐含层数为I,输出层数为J的BP(back propagation)神经网络,其中,M表示当前SOC(System onChip,***级芯片)、充电桩最大输出电流等特征参数的个数,J表示输出层数,可以但不限于为1,只有剩余充电时间一个输出,隐含层个数I的计算方式为:
其中,M表示输入层个数,J表示输出层个数,a表示[0,10]之间的常数。
本申请实施例可以初始化模型参数,初始化各层之前的权重值,权重初值为标准差为的分布值,n表示前一层的节点个数;本申请实施例可以选取样本数据,分为训练集和测试集对模型进行训练,以误差反向传播和最速下降法进行说明,其中,本申请实施例不局限于该方法。
在实际执行过程中,本申请实施例可以建立剩余充电时间估算模型,将样本划分为训练集和测试集,通过性能测试集仿真测试数据划分训练集和测试集,利用训练集训练剩余充电时间估算模型,将剩余充电时间估算模型分为两个模型,一个表示同类型车型整体的充电剩余时间估算模型,另一个表示该车辆剩余充电时间估算模型,即整体估算模型和单车估算模型。初始状态中的整体估算模型和单车估算模型相同,参数和权重一致,且可以将两个模型同步部署在车端与云端,从而通过剩余充电时间估算模型,充分利用真实测试数据,实现模型参数的更新,进一步地实现对动力电池剩余充电时间的估算。
可选地,在本申请的一个实施例中,根据至少一个车辆的历史充电数据和目标车辆的历史充电数据得到目标车辆的剩余充电时间估算模型的参数的更新信息,包括:从历史充电数据提取充满或者充电至目标SOC的充电片段,并获取输入参数对应的剩余充电时间,生成同一车型同一电池的第一样本库和不同车辆单车的每次充电数据的第二样本库;利用第一样本库和第二样本库进行训练和测试,分别得到整体估算模型和单车估算模型的更新参数,并根据测试结果分别分配整体估算模型和单车估算模型的权重;根据更新参数和权重生成更新信息。
可以理解的是,本申请实施例中的样本选择原则为:时间越接近计算时刻的挑选概率越高,时间越靠前的概率越低,且单车剩余充电时间估算模型的训练集中该车辆充电样本的比例要高于整体剩余充电时间估算模型,测试样本按照单车训练样本的方法进行挑选,且两个模型的测试样本一致。
一些实施例中,可以进行训练样本的获取,通过车辆的运行,按照企业标准和国家标准上传对应的数据信号的大数据平台,从历史充电数据提取充满或者充电至目标SOC的充电片段,获取输入参数并计算对应剩余充电时间,并将样本划分为两类,同一车型同一电池作为第一样本库,不同车辆单车的每次充电数据作为第二样本库。
进一步地,本申请实施例可以提取训练样本进行训练,从第一样本库和第二样本库中提取部分样本进行训练和测试,分别得到整体估算模型和单车估算模型的更新参数,将训练后的模型参数更新,并且根据测试准确率分配两个计算模型的计算权重,从而可以根据更新参数和权重生成更新信息。
本申请实施例可以获取输入参数对应的剩余充电时间,根据测试结果分别分配整体估算模型和单车估算模型的权重,根据更新参数和权重生成更新信息,从而考虑车辆充电方式和终止目标SOC情况,对充电剩余时间进行充分考虑,更新模型参数,实现更加精准的剩余充电时间估算,提升车辆的智能性和实用性。
可选地,在本申请的一个实施例中,权重的计算公式为:
其中,at1、at2分别为模型对应的权重,E1、E2分别表示整体估算模型和单车估算模型对测试样本的平均误差。
在实际执行过程中,本申请实施例可以计算两个训练后的模型的计算权重,其中,权重的计算公式为:
其中,at1、at2分别为模型对应的权重,E1、E2分别表示整体估算模型和单车估算模型对测试样本的平均误差。
本申请实施例中的剩余充电时间的计算通过信号在模型中正向传播计算所得,如图4所示,输入层的输出等于模型的输入信号,需要对之前特征参数进行归一化处理:
其中f(·)表示激活函数,如sigmoid函数:
输出层第j个神经元误差为:
网络总误差为:
其中,输出层个数J=1,dj()表示第n次迭代时刻的真实剩余充电时间。
通过误差反向传播进行权值调整,隐含层和输出层权值调整为:
wij(+1)=wij()+△wij,
其中,
输入层和隐含层之间权值调整为:
本申请实施例可以计算两个训练后的模型的计算权重,重复上述公式的计算直到满足截止条件,根据权重的计算公式,可以实现更加精准的剩余充电时间计算,提升计算的准确性和可靠性。
在步骤S103中,发送更新信息至目标车辆,以利用更新信息更新剩余充电时间估算模型的当前参数,并将目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出目标车辆的实际剩余充电时间。
可以理解的是,本申请实施例可以将充电不同时间点划分成多个电池当前状态向量和剩余充电时间,其中,当前状态向量包括但不限于影响电池剩余充电时间的特征数值,如但不限于目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流、车端充电功率限制情况、充电方式等,同时可以截取部分充电片段进行设定目标SOC和剩余充电时间。
另一些实施例中,可以发送更新信息至目标车辆,如通过车端与云端融合的手段,将更新后的模型参数wij、wmi以及两个模型对应的权重at1、at2下发到目标车辆,以利用更新信息更新剩余充电时间估算模型的当前参数,并将目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项,输入至基于参数更新后的剩余充电时间估算模型,并输出目标车辆的实际剩余充电时间,其中,目标车辆TBOX接收到大数据平台的更新需求后,接收相关参数,并且反馈值目标车辆电池管理***BMS,BMS更新参数后反馈更新成功。
进一步地,本申请实施例中的车辆充电后,提取模型所需输入参数,分别利用整体剩余充电时间估算模型和单车剩余充电时间估算模型进行计算,计算结果可以为t1和t2,将两者进行加权后作为剩余充电时间模型输出进行输出;
t=at1·t1+at2·t2,
其中,t表示剩余充电时间的估算结果。
本申请实施例可以利用更新信息更新剩余充电时间估算模型的当前参数,将目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,实现对动力电池剩余充电时间的估算,提升计算值的准确性与可靠性,提升车辆的智能化水平。
根据本申请实施例提出的动力电池的剩余充电时间估算方法,利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。由此,解决了相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确的问题。
并且,如图2所示,图2为本申请实施例所提供的另一种动力电池的剩余充电时间估算方法的流程示意图。
如图2所示,该动力电池的剩余充电时间估算方法,应用于车辆,包括以下步骤:
在步骤S201中,接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息。
在实际执行过程中,本申请实施例可以将训练好的剩余充电时间估算模型进行更新,接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息,从而有利于后续更新剩余充电时间模型参数,实现更加精准的剩余充电时间估算。
在步骤S202中,利用更新信息更新剩余充电时间估算模型的当前参数。
作为一种可能实现的方式,本申请实施例可以将训练后的模型参数发送至目标车辆,目标车辆对两个模型参数以及权重进行更新,从而利用更新信息更新剩余充电时间估算模型的当前参数,以此实现剩余充电时间模型的持续更新和计算,进而提升计算值的准确性。
在步骤S203中,将本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出目标车辆的实际剩余充电时间。
本申请实施例可以通过项目开发过程中的充电数据和仿真测试数据等,获取动力电池的充电片段,将充电不同时间点划分成多个电池当前状态向量和剩余充电时间,其中当前状态向量包括影响电池剩余充电时间的特征数值,如通过将本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出目标车辆的实际剩余充电时间,实现对动力电池剩余充电时间的估算,提升估算值的准确性与可靠性,提升车辆的智能化水平。
根据本申请实施例提出的动力电池的剩余充电时间估算方法,利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。由此,解决了相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确的问题。
根据本申请实施例提出的上述动力电池的剩余充电时间估算方法可以分别应用在服务器和车辆,下面以一个具体实施例对本申请实施例的具体工作原理进行详细阐述。
如图3所示,图3为本申请一个具体实施例的动力电池的剩余充电时间估算方法的流程图,可以包括以下步骤:
步骤S301:建立样本库。本申请实施例可以建立样本库,从而便于进行样本的获取。
步骤S302:训练模型。本申请实施例可以进行模型训练,建立剩余充电时间估算模型,将样本划分为训练集和测试集,通过性能测试集仿真测试数据划分训练集和测试集,利用训练集训练剩余充电时间估算模型,训练完成的剩余充电时间估算模型,并将分成两个模型(整体估算模型和单车估算模型)布置在车辆上,初始阶段,两个模型计算结果权重相等。
步骤S303:更新车端计算模型参数。本申请实施例可以更新车端计算模型参数,根据至少一个车辆的历史充电数据和目标车辆的历史充电数据,得到目标车辆的剩余充电时间估算模型的参数的更新信息。
步骤S304:计算剩余充电时间。本申请实施例可以将训练好的模型参数发送到至目标车辆,目标车辆对整体估算模型和单车估算模型等两个模型参数以及权重进行更新,以此实现剩余充电时间模型的持续更新和计算。
步骤S305:显示剩余充电时间。本申请实施例可以在充电时刻获取相关输出参数,分别进行整体剩余充电时间计算和单车剩余充电时间计算,按照不同权重划分计算最终剩余充电时间,并通过平滑化的方式显示,利用滤波方式如卡尔曼滤波等方式进行平滑显示,展示在车机及手机APP上。
本申请实施例中的剩余充电时间的计算通过信号在模型中正向传播计算所得,如图4所示,输入层的输出等于模型的输入信号,需要对之前特征参数进行归一化处理:
其中f(·)表示激活函数,如sigmoid函数:
输出层第j个神经元误差为:
网络总误差为:
其中,输出层个数J=1,dj()表示第n次迭代时刻的真实剩余充电时间。
通过误差反向传播进行权值调整,隐含层和输出层权值调整为:
wij(+1)=wij()+△wij,
其中,
输入层和隐含层之间权值调整为:
如图5所示,本申请实施例可以通过车辆接收大数据平台的更新需求,本申请实施例中的车辆可以在充电时刻获取相关输出参数,分别进行整体剩余充电时间计算和单车剩余充电时间计算,按照不同权重划分计算最终剩余充电时间,并通过平滑化的方式显示,利用滤波方式如卡尔曼滤波等方式进行平滑显示,展示在车机及手机APP上。
其次参照附图描述根据本申请实施例提出的动力电池的剩余充电时间估算装置。
图6是本申请实施例的动力电池的剩余充电时间估算装置的结构示意图。
如图6所示,该动力电池的剩余充电时间估算装置10应用于服务器,其中,装置10包括:获取模块100、更新模块200和发送模块300。
具体地,获取模块100,用于获取与目标车辆相匹配的至少一个车辆的历史充电数据。
更新模块200,用于根据至少一个车辆的历史充电数据和目标车辆的历史充电数据得到目标车辆的剩余充电时间估算模型的参数的更新信息。
发送模块300,用于发送更新信息至目标车辆,以利用更新信息更新剩余充电时间估算模型的当前参数,并将目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出目标车辆的实际剩余充电时间。
可选地,在本申请的一个实施例中,剩余充电时间估算模型包括整体估算模型和单车估算模型。
可选地,在本申请的一个实施例中,更新模块200包括:提取单元、分配单元和生成单元。
其中,提取单元,用于从历史充电数据提取充满或者充电至目标SOC的充电片段,并获取输入参数对应的剩余充电时间,生成同一车型同一电池的第一样本库和不同车辆单车的每次充电数据的第二样本库。
分配单元,用于利用第一样本库和第二样本库进行训练和测试,分别得到整体估算模型和单车估算模型的更新参数,并根据测试结果分别分配整体估算模型和单车估算模型的权重。
生成单元,用于根据更新参数和权重生成更新信息。
可选地,在本申请的一个实施例中,权重的计算公式为:
其中,at1、at2分别为模型对应的权重,E1、E2分别表示整体估算模型和单车估算模型对测试样本的平均误差。
需要说明的是,前述对动力电池的剩余充电时间估算方法实施例的解释说明也适用于该实施例的动力电池的剩余充电时间估算装置,此处不再赘述。
根据本申请实施例提出的动力电池的剩余充电时间估算装置,利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。由此,解决了相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确的问题。
并且,图7为本申请实施例的动力电池的剩余充电时间估算装置的结构示意图。
如图7所示,该动力电池的剩余充电时间估算装置20,应用于车辆,其中,装置20包括:接收模块400、更新模块500和估算模块600。
具体地,接收模块400,用于接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息。
更新模块500,用于利用更新信息更新剩余充电时间估算模型的当前参数。
估算模块600,用于将本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出目标车辆的实际剩余充电时间。
根据本申请实施例提出的动力电池的剩余充电时间估算装置,利用至少一个车辆的历史充电数据和目标车辆的历史充电数据更新剩余充电时间估算模型,以估算目标车辆的准确剩余充电时间,从而提高车辆智能性的同时,提升了估算的准确性与可靠性。由此,解决了相关技术中,基于项目开发过程中建立的电池模型进行估算方法,未充分利用大量量产后同类型车辆真实剩余充电时间的数据,且由于充电模块参数统一设置,较少考虑电池老化过程中的参数变化,无法对车端模型参数进行更新,在特定情况下易出现充电时间估算不准确的问题。
图8为本申请实施例提供的服务器的结构示意图。该服务器可以包括:
存储器801、处理器802及存储在存储器801上并可在处理器802上运行的计算机程序。
处理器802执行程序时实现上述实施例中提供的动力电池的剩余充电时间估算方法。
进一步地,服务器还包括:
通信接口803,用于存储器801和处理器802之间的通信。
存储器801,用于存放可在处理器802上运行的计算机程序。
存储器801可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器801、处理器802和通信接口803独立实现,则通信接口803、存储器801和处理器802可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,在具体实现上,如果存储器801、处理器802及通信接口803,集成在一块芯片上实现,则存储器801、处理器802及通信接口803可以通过内部接口完成相互间的通信。
处理器802可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
图9为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器901、处理器902及存储在存储器901上并可在处理器902上运行的计算机程序。
处理器902执行程序时实现上述实施例中提供的动力电池的剩余充电时间估算方法。
进一步地,车辆还包括:
通信接口903,用于存储器901和处理器902之间的通信。
存储器901,用于存放可在处理器902上运行的计算机程序。
存储器901可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器901、处理器902和通信接口903独立实现,则通信接口903、存储器901和处理器902可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,在具体实现上,如果存储器901、处理器902及通信接口903,集成在一块芯片上实现,则存储器901、处理器902及通信接口903可以通过内部接口完成相互间的通信。
处理器902可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的动力电池的剩余充电时间估算方法。
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申请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N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。
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至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种动力电池的剩余充电时间估算方法,其特征在于,应用于服务器,其中,所述方法包括以下步骤:
获取与目标车辆相匹配的至少一个车辆的历史充电数据;
根据所述至少一个车辆的历史充电数据和所述目标车辆的历史充电数据得到所述目标车辆的剩余充电时间估算模型的参数的更新信息;
发送所述更新信息至所述目标车辆,以利用所述更新信息更新所述剩余充电时间估算模型的当前参数,并将所述目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
2.根据权利要求1所述的方法,其特征在于,所述剩余充电时间估算模型包括整体估算模型和单车估算模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述至少一个车辆的历史充电数据和所述目标车辆的历史充电数据得到所述目标车辆的剩余充电时间估算模型的参数的更新信息,包括:
从所述历史充电数据提取充满或者充电至目标SOC的充电片段,并获取输入参数对应的剩余充电时间,生成同一车型同一电池的第一样本库和不同车辆单车的每次充电数据的第二样本库;
利用所述第一样本库和所述第二样本库进行训练和测试,分别得到所述整体估算模型和所述单车估算模型的更新参数,并根据测试结果分别分配所述整体估算模型和所述单车估算模型的权重;
根据所述更新参数和所述权重生成所述更新信息。
5.一种动力电池的剩余充电时间估算方法,其特征在于,应用于车辆,其中,所述方法包括以下步骤:
接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息;
利用所述更新信息更新所述剩余充电时间估算模型的当前参数;
将所述本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
6.一种动力电池的剩余充电时间估算装置,其特征在于,应用于服务器,其中,所述装置包括:
获取模块,用于获取与目标车辆相匹配的至少一个车辆的历史充电数据;
更新模块,用于根据所述至少一个车辆的历史充电数据和所述目标车辆的历史充电数据得到所述目标车辆的剩余充电时间估算模型的参数的更新信息;
发送模块,用于发送所述更新信息至所述目标车辆,以利用所述更新信息更新所述剩余充电时间估算模型的当前参数,并将所述目标车辆的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
7.一种动力电池的剩余充电时间估算装置,其特征在于,应用于车辆,其中,所述装置包括:
接收模块,用于接收服务器发送的根据至少一个车辆的历史充电数据和本车的历史充电数据得到的本车的剩余充电时间估算模型的参数的更新信息;
更新模块,用于利用所述更新信息更新所述剩余充电时间估算模型的当前参数;
估算模块,用于将所述本车的电池当前SOC、目标SOC、电池最高温度、电池最低温度、环境温度、电池最高电压、电池最低电压、车辆SOH、充电桩最大输出电流和车端充电功率限制情况中的至少一项输入至基于参数更新后的剩余充电时间估算模型,输出所述目标车辆的实际剩余充电时间。
8.一种服务器,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-4任一项所述的动力电池的剩余充电时间估算方法。
9.一种车辆,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求5所述的动力电池的剩余充电时间估算方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-4任一项所述的动力电池的剩余充电时间估算方法或者以实现如权利要求5所述的动力电池的剩余充电时间估算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343627.6A CN116243178A (zh) | 2023-03-31 | 2023-03-31 | 动力电池的剩余充电时间估算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343627.6A CN116243178A (zh) | 2023-03-31 | 2023-03-31 | 动力电池的剩余充电时间估算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116243178A true CN116243178A (zh) | 2023-06-09 |
Family
ID=86631462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310343627.6A Pending CN116243178A (zh) | 2023-03-31 | 2023-03-31 | 动力电池的剩余充电时间估算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116243178A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117141293A (zh) * | 2023-11-01 | 2023-12-01 | 深圳市安德普电源科技有限公司 | 充电桩的智能控制方法及*** |
CN117434463A (zh) * | 2023-09-21 | 2024-01-23 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 动力电池的剩余寿命评估方法、装置、设备和存储介质 |
-
2023
- 2023-03-31 CN CN202310343627.6A patent/CN116243178A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434463A (zh) * | 2023-09-21 | 2024-01-23 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 动力电池的剩余寿命评估方法、装置、设备和存储介质 |
CN117141293A (zh) * | 2023-11-01 | 2023-12-01 | 深圳市安德普电源科技有限公司 | 充电桩的智能控制方法及*** |
CN117141293B (zh) * | 2023-11-01 | 2024-04-30 | 深圳市安德普电源科技有限公司 | 充电桩的智能控制方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116243178A (zh) | 动力电池的剩余充电时间估算方法及装置 | |
CN109196366B (zh) | 使用高斯过程回归估计电池充电状态的方法和*** | |
KR20180055192A (ko) | 배터리 상태를 추정하는 방법 및 장치 | |
CN110412470B (zh) | 电动汽车动力电池soc估计方法 | |
CN109001640B (zh) | 一种动力电池的数据处理方法和装置 | |
CN113625175B (zh) | 一种基于云端大数据平台的soc估算方法和*** | |
WO2019199219A1 (en) | Methods and control units for determining an extended state of health of a component and for control of a component | |
KR102090476B1 (ko) | 클라우드 및 빅데이터를 활용한 bms 최적화 시스템 | |
CN108985966B (zh) | 电量消耗计算方法、装置、车辆及计算机可读存储介质 | |
CN109874349A (zh) | 电池模型及控制应用校准***和方法 | |
CN112860411A (zh) | 一种基于模型压缩和服务分发的边缘计算方法及*** | |
CN114347834A (zh) | 车辆控制方法、充电时长预测模型的生成方法及装置 | |
US20240003981A1 (en) | Method for estimating a power or current limit for an electrical energy storage system | |
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 | |
CN116338463A (zh) | 剩余充电时间估算方法及相关装置 | |
JP2021124419A (ja) | バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム | |
CN115769092A (zh) | 信息处理方法以及信息处理装置 | |
US20230176137A1 (en) | Method and system for determining a remaining useful lifetime of a battery | |
CN114966452B (zh) | 一种电池状态确定方法及相关装置 | |
CN113687237B (zh) | 一种保障电气安全的锂电池剩余充电时间预测方法 | |
CN116298945A (zh) | 电池剩余可用能量的确定方法、装置和存储介质 | |
US12012014B2 (en) | Method and apparatus for optimizing battery management system | |
CN117124923A (zh) | 样本的获取方法、模型训练以及预测方法 | |
CN116298944A (zh) | 充电剩余时间显示控制方法、装置、设备、车辆及介质 | |
JP2021124420A (ja) | バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム |
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 |