基于电动汽车云端数据的电池组单体容量估计方法和装置制造方法及图纸

本发明专利技术涉及一种基于电动汽车云端数据的电池组单体容量估计方法和装置，方法包括以下步骤：1)基于电动汽车云端充电数据，运用安时积分法，获取第一电池组容量，然后通过模糊卡尔曼滤波算法，修正所述第一电池组容量，得到第二电池组容量；2)基于电动汽车云端单体电压数据，估计单体剩余充电电量；3)基于电动汽车云端单体电压数据，估计单体剩余放电电量；4)根据所述第二电池组容量、单体剩余充电电量和单体剩余放电电量，计算电池组单体容量。与现有技术相比，本发明专利技术基于电动汽车云端海量数据，融合了模糊卡尔曼滤波以及RCC、RDC算法，进行电池单体容量的估计，有效提高单体容量的估计精度。

【技术实现步骤摘要】
基于电动汽车云端数据的电池组单体容量估计方法和装置
本专利技术涉及电池组单体容量估计领域，尤其是涉及基于电动汽车云端数据的电池组单体容量估计方法和装置。
技术介绍
近年来随着电池技术的不断进步，电动汽车由于符合当今社会对于节能环保方面的需求，因此具有广阔的发展前景。电动汽车电池组一般由多个电池单体串联叠置组成，相同规格的电池单体由于制造过程中存在工艺上的问题和材质的不均匀等问题，使其在出厂时便存在很微小的差别。此外，在电池组投入使用后，受电池组中各个单体的电解液密度、温度和通风条件、自放电程度及充放电过程等差别的影响，同一批次出厂的同一型号电池容量和内阻可能存在差异性。如果电池组中的一个单体的容量稍微低于其他电池，那么经过多个充电/放电周期后，其充电状态将逐渐偏离其它单体。如果这个单体的充电状态没有周期性地与其它单体平衡，那么它最终将进入深度放电状态，从而导致损坏，并最终形成电池组故障，所以目前准确估计电池组中各个单体的状态至关重要。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种准确估计电池组中各个单体的状态的基于电动汽车云端数据的电池组单体容量估计方法和装置。本专利技术的目的可以通过以下技术方案来实现：一种基于电动汽车云端数据的电池组单体容量估计方法，包括以下步骤：电池组容量估计步骤：基于电动汽车云端充电数据，运用安时积分法，获取第一电池组容量，然后通过模糊卡尔曼滤波算法，修正所述第一电池组容量，得到第二电池组容量；单体剩余充电电量估计步骤：基于电动汽车云端单体电压数据，估计单体剩余充电电量；单体剩余放电电量估计步骤：基于电动汽车云端单体电压数据，估计单体剩余放电电量；电池组单体容量估计步骤：根据所述第二电池组容量、单体剩余充电电量和单体剩余放电电量，计算电池组单体容量。进一步地，所述单体剩余放电电量估计步骤中，根据充电单体电压曲线一致性假设，估计单体剩余充电电量；所述电池组单体容量估计步骤中，根据充电单体电压曲线一致性假设，估计单体剩余放电电量。进一步地，所述电池组单体容量的计算表达式为：Qi＝Qsys+RCCi+RDCi式中，Qi为电池组中单体i的容量，Qsys为第二电池组容量，RCCi为电池组中单体i的单体剩余充电电量，RDCi为电池组中单体i的单体剩余放电电量。进一步地，所述单体剩余充电电量估计步骤具体包括以下步骤：S101：根据电动汽车云端单体电压数据，获取电池组的充电截止时间，并将电池组中第一个充电到充电截止电压的单体作为充电基准单体；S102：从电池组中选取除充电基准单体的一单体作为被测单体，通过平移单体的充电单体电压曲线，从而获取被测单体的剩余充电时间，进而计算被测单体的单体剩余充电电量。进一步地，通过插值法计算被测单体的单体剩余充电电量。进一步地，所述单体剩余充电电量的计算表达式为：式中，RCCi为单体i的单体剩余充电电量，I为充电电流，Δti,C为单体i的剩余充电时间，tCE为充电截止时间。进一步地，所述单体剩余放电电量估计步骤具体包括以下步骤：S201：根据电动汽车云端单体电压数据，获取电池组的放电截止时间，并将电池组中第一个放电到放电截止电压的单体作为放电基准单体；S202：从电池组中选取除放电基准单体的一单体作为被测单体，通过平移单体的充电单体电压曲线，从而获取被测单体的剩余放电时间，进而计算被测单体的单体剩余放电电量。进一步地，所述单体剩余放电电量的计算表达式为：式中，RDCi为单体i的单体剩余放电电量，I为充电电流，Δti,D为单体i的剩余放电时间，tDE为放电截止时间。进一步地，电池组容量估计步骤中，所述第一电池组容量的计算表达式为：式中，QP为第一电池组容量，t1为一充电段的充电起始时间，t2为该充电段的充电结束时间，I(t)为该充电段中t时刻的电流值。进一步地，电池组容量估计步骤中，所述模糊卡尔曼滤波算法的状态方程的表达式为：xn+1＝xn+ωn式中，xn为第n次迭代的第二电池组容量，xn+1为第n+1次迭代的第二电池组容量，ωn为第n次迭代的输入噪声；所述模糊卡尔曼滤波算法的系统输出方程的表达式为：yn＝xn+υn式中，yn为第n次迭代的第一电池组容量，υn为第n次迭代的输出噪声；所述模糊卡尔曼滤波算法的状态估计时间更新表达式为：式中，为第n次迭代中利用上一状态预测的结果，为第n-1次迭代中对上一状态修正后最优的结果；所述模糊卡尔曼滤波算法的误差协方差时间更新表达式为：式中，为对应的协方差，为对应的协方差，Q为ωn的协方差；所述模糊卡尔曼滤波算法的卡尔曼增益更新表达式为：式中，Ln为第n次迭代中当前状态卡尔曼增益，R为υn的协方差；所述模糊卡尔曼滤波算法的状态估计测量更新表达式为：所述模糊卡尔曼滤波算法的误差协方差测量更新表达式为：本专利技术还提供一种基于电动汽车云端数据的电池组单体容量估计装置，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行如上所述的方法的步骤。与现有技术相比，本专利技术具有以下优点：(1)本专利技术基于电动汽车云端充电数据，运用安时积分法初步估计电池组容量，通过模糊卡尔曼滤波获得符合真实衰减趋势的电池组容量估计结果，并结合云端数据中的单体电压数据，计算电池组中各个单体的RCC、RDC，实现基于云端大数据离线估计单体容量，更加符合真实衰减情况，估计结果更加准确；(2)本专利技术基于充电单体电压曲线一致性假设，计算每个单体的RCCi和RDCi，最后求和获得每个单体的容量，基于电动汽车云端海量数据以及离线的巨大算力，融合了模糊卡尔曼滤波以及RCC、RDC算法从长时间尺度估计电池单体的容量，有效减小容量估计的误差，提高单体容量的估计精度，实现基于电动汽车云端数据的电池组单体容量估计。附图说明图1为基于电动汽车云端数据的电池组单体容量估计方法的流程示意图；图2为本专利技术实施例所选取模糊控制规则图；图3为单体剩余充电电量估计和单体剩余放电电量估计的原理示意图；图4为基于安时积分估计直接获得的单体容量结果示意图；图5为加入模糊卡尔曼滤波的单体容量结果示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例1本实施例提供一种基于电动汽车云端数据的电池组单体容量估计方法，本实施例提供一种基于电动汽车云端数据的电池组单体容量估计方法，融合了模糊卡尔曼滤波算法以及RCC、RDC算法，基于云端海量数据以及离线的巨大算力从长时本文档来自技高网...

【技术保护点】
1.一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，包括以下步骤：/n电池组容量估计步骤：基于电动汽车云端充电数据，运用安时积分法，获取第一电池组容量，然后通过模糊卡尔曼滤波算法，修正所述第一电池组容量，得到第二电池组容量；/n单体剩余充电电量估计步骤：基于电动汽车云端单体电压数据，估计单体剩余充电电量；/n单体剩余放电电量估计步骤：基于电动汽车云端单体电压数据，估计单体剩余放电电量；/n电池组单体容量估计步骤：根据所述第二电池组容量、单体剩余充电电量和单体剩余放电电量，计算电池组单体容量。/n

【技术特征摘要】
1.一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，包括以下步骤：
电池组容量估计步骤：基于电动汽车云端充电数据，运用安时积分法，获取第一电池组容量，然后通过模糊卡尔曼滤波算法，修正所述第一电池组容量，得到第二电池组容量；
单体剩余充电电量估计步骤：基于电动汽车云端单体电压数据，估计单体剩余充电电量；
单体剩余放电电量估计步骤：基于电动汽车云端单体电压数据，估计单体剩余放电电量；
电池组单体容量估计步骤：根据所述第二电池组容量、单体剩余充电电量和单体剩余放电电量，计算电池组单体容量。


2.根据权利要求1所述的一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，所述单体剩余放电电量估计步骤中，根据充电单体电压曲线一致性假设，估计单体剩余充电电量；
所述电池组单体容量估计步骤中，根据充电单体电压曲线一致性假设，估计单体剩余放电电量。


3.根据权利要求1所述的一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，所述电池组单体容量的计算表达式为：
Qi＝Qsys+RCCi+RDCi
式中，Qi为电池组中单体i的容量，Qsys为第二电池组容量，RCCi为电池组中单体i的单体剩余充电电量，RDCi为电池组中单体i的单体剩余放电电量。


4.根据权利要求1所述的一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，所述单体剩余充电电量估计步骤具体包括以下步骤：
S101：根据电动汽车云端单体电压数据，获取电池组的充电截止时间，并将电池组中第一个充电到充电截止电压的单体作为充电基准单体；
S102：从电池组中选取除充电基准单体的一单体作为被测单体，通过平移单体的充电单体电压曲线，从而获取被测单体的剩余充电时间，进而计算被测单体的单体剩余充电电量。


5.根据权利要求4所述的一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，所述单体剩余充电电量的计算表达式为：



式中，RCCi为单体i的单体剩余充电电量，I为充电电流，Δti,C为单体i的剩余充电时间，tCE为充电截止时间。


6.根据权利要求1所述的一种基于电动汽车云端数据的电池组单体容量估计方法，其特征在于，所述单体剩余放电电量估计步骤具体包括以下步骤：
S201：根据电动汽车云端单体电压数据，获取电池组的放电截止时间，并将电池组中第一...

【专利技术属性】
技术研发人员：周正，厉凯，李家琦，陆一凡，郑岳久，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31