System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于云计算的电动汽车动力电池健康状态监测方法技术_技高网

基于云计算的电动汽车动力电池健康状态监测方法技术

技术编号:42330027 阅读:11 留言:0更新日期:2024-08-14 16:07
本发明专利技术公开了一种基于云计算的电动汽车动力电池健康状态监测方法,本发明专利技术的主要设计构思在于,通过车载终端将车上配置的电池管理系统上传的动力电池相关数据上报到云端服务器,同时在云端创建电池容量自学习算法,实时估计在线车辆的动力电池健康状态,尤其重点监控动力电池寿命异常衰减以及寿命即将中止的车辆,从而可以做到提前预警,告知用户及时进店维修或更换动力电池。本发明专利技术适用于电动车汽车动力电池在整个生命周期内的电池健康状态监测,不需要大量的离线数据进行数据训练,大大降低了对模型精度以及运算资源的需求,同时更加贴合电动汽车实际应用场景,有效保证了电动汽车动力电池的安全可靠运行。

【技术实现步骤摘要】

本专利技术涉及电动汽车,尤其涉及一种基于云计算的电动汽车动力电池健康状态监测方法


技术介绍

1、随着纯电动汽车的高速发展,以锂离子电池为主的车载动力电池应用已愈发广泛,伴随着电池衰减以及电芯一致性造成的电池寿命问题,在soh(电池健康状态)衰减到70%左右时认为达到了电池寿命中止的条件,因此迫切需要对动力电池soh进行有效的估计和监测。

2、当前针对电池健康状态的估计方法主要分为两类,一类为以电池等效模型为代表的模型估计方法,通过建立电池寿命衰减过程中的特征量与soh的映射关系对soh进行估计,该方法的缺点为对特征量的测量精度要求较高;另一类为以神经网络为代表的数据驱动方法,其优点在与无需建立电池内部等效模型,通过外部充放电数据总结其电气特性的变化规律,但是该方法的缺点是需要包含动力电池全生命周期的大量离线充放电样本数据,对于电动汽车动力电池而言,从生产下线到寿命中止是一个很长的过程,数据样本的采集并非易事,同时电芯的生产一致性问题也会导致这类黑箱估计方法缺乏普适性。


技术实现思路

1、鉴于上述,本专利技术旨在提供一种基于云计算的电动汽车动力电池健康状态监测方法,以解决前述提及的技术问题。

2、本专利技术采用的技术方案如下:

3、本专利技术提供了一种基于云计算的电动汽车动力电池健康状态监测方法,其中包括:

4、由电池管理系统将采集到的电池数据通过车载终端上传并存储至云端服务器;

5、对所述电池数据进行筛选及预处理,从中过滤无效数据并识别出满充和放空两种特殊工况下的数据,并将间断的充放电数据整合为完整的从满电至放空的充放电循环数据;

6、云端服务器利用预先建立的动力电池容量预估策略,对预处理后的电池数据进行分析,预估电池健康状态;

7、基于预估结果筛选出电池寿命衰减异常以及寿命接近中止的车辆。

8、在其中至少一种可能的实现方式中,所述对预处理后的电池数据进行分析包括:当车辆存在一次放空后交流满充工况,基于电池管理系统采集的当前动力电池实际充入容量,结合额定容量计算当前电池实际soh,并对充入容量增加加权系数。

9、在其中至少一种可能的实现方式中,所述对预处理后的电池数据进行分析包括:通过动力电池静置时间和累计充电容量,分别计算日历寿命衰减量和循环寿命衰减量,经由上述两个寿命衰减量的叠加得到当前电池包的使用寿命衰减量。

10、在其中至少一种可能的实现方式中,所述对预处理后的电池数据进行分析包括:如果上报数据的车载终端的时间出错,则根据车辆当前总行驶里程,以查表方式估计当前车辆soh。

11、在其中至少一种可能的实现方式中,所述对预处理后的电池数据进行分析包括:使用预设特定点到慢充充满之间的容量差和soc差,等比例计算soc为100%时对应的满电容量值,将所述容量值与额定容量参数的比值作为容量自学习soh预估结果,其中,所述预设特定点至少包括如下一种:ocv修正点、慢充修正点。

12、在其中至少一种可能的实现方式中,若采用ocv修正点进行容量自学习soh计算,则在进行ocv修正点判定以及在整个充电过程中,电池的最低温度不低于25℃。

13、在其中至少一种可能的实现方式中,所述对预处理后的电池数据进行分析还包括:根据预设的以月为时间单元的更新周期,将更新周期中每月月度的容量自学习soh预估结果,通过最小二乘法进行线性拟合得到经过该更新周期衰减后的最终估计soh值,其中,每月月度的容量自学习soh预估结果通过当月若干次容量自学习结果取均值得到。

14、在其中至少一种可能的实现方式中,所述电池数据至少包括如下一种或多种的组合:电池总电压、电流、最高最低单体电压、最高最低单体温度、充放电容量、累计充电容量、累计行驶里程。

15、与现有技术相比,本专利技术的主要设计构思在于,通过车载终端(如tbox)将车上配置的电池管理系统上传的动力电池相关数据上报到云端服务器,同时在云端创建电池容量自学习算法,实时估计在线车辆的动力电池健康状态,尤其重点监控动力电池寿命异常衰减以及寿命即将中止的车辆,从而可以做到提前预警,告知用户及时进店维修或更换动力电池。本专利技术适用于电动车汽车动力电池在整个生命周期内的电池健康状态监测,不需要大量的离线数据进行数据训练,大大降低了对模型精度以及运算资源的需求,同时更加贴合电动汽车实际应用场景,有效保证了电动汽车动力电池的安全可靠运行。

本文档来自技高网...

【技术保护点】

1.一种基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,包括:

2.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:当车辆存在一次放空后交流满充工况,基于电池管理系统采集的当前动力电池实际充入容量,结合额定容量计算当前电池实际SOH,并对充入容量增加加权系数。

3.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:通过动力电池静置时间和累计充电容量,分别计算日历寿命衰减量和循环寿命衰减量,经由上述两个寿命衰减量的叠加得到当前电池包的使用寿命衰减量。

4.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:如果上报数据的车载终端的时间出错,则根据车辆当前总行驶里程,以查表方式估计当前车辆SOH。

5.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:使用预设特定点到慢充充满之间的容量差和SOC差,等比例计算SOC为100%时对应的满电容量值,将所述容量值与额定容量参数的比值作为容量自学习SOH预估结果,其中,所述预设特定点至少包括如下一种:OCV修正点、慢充修正点。

6.根据权利要求5所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,若采用OCV修正点进行容量自学习SOH计算,则在进行OCV修正点判定以及在整个充电过程中,电池的最低温度不低于25℃。

7.根据权利要求5所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析还包括:根据预设的以月为时间单元的更新周期,将更新周期中每月月度的容量自学习SOH预估结果,通过最小二乘法进行线性拟合得到经过该更新周期衰减后的最终估计SOH值,其中,每月月度的容量自学习SOH预估结果通过当月若干次容量自学习结果取均值得到。

8.根据权利要求1~7任一项所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述电池数据至少包括如下一种或多种的组合:电池总电压、电流、最高最低单体电压、最高最低单体温度、充放电容量、累计充电容量、累计行驶里程。

...

【技术特征摘要】

1.一种基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,包括:

2.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:当车辆存在一次放空后交流满充工况,基于电池管理系统采集的当前动力电池实际充入容量,结合额定容量计算当前电池实际soh,并对充入容量增加加权系数。

3.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:通过动力电池静置时间和累计充电容量,分别计算日历寿命衰减量和循环寿命衰减量,经由上述两个寿命衰减量的叠加得到当前电池包的使用寿命衰减量。

4.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:如果上报数据的车载终端的时间出错,则根据车辆当前总行驶里程,以查表方式估计当前车辆soh。

5.根据权利要求1所述的基于云计算的电动汽车动力电池健康状态监测方法,其特征在于,所述对预处理后的电池数据进行分析包括:使用预设特定点到慢充充满之间的容量...

【专利技术属性】
技术研发人员:叶超任珂范存浩刘樱蕊
申请(专利权)人:钇威汽车科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1