车辆的SOF估算方法、装置和车辆制造方法及图纸

本发明专利技术提供了一种车辆的SOF估算方法、装置和车辆。涉及新能源汽车技术领域。该方法包括：可以结合动态工况以及静态工况的特点，综合确定出更精确的SOF，并且用于估算SOF的模型可以由云端基于历史数据进行训练得到，车端将实时获取的数据发送至云端，以便云端及时的对模型进行更新，更能够适应车辆电池的当前状态，以便得到更准确的SOF。以便得到更准确的SOF。以便得到更准确的SOF。

【技术实现步骤摘要】
车辆的SOF估算方法、装置和车辆


[0001]本专利技术涉及新能源汽车
，尤其是涉及一种车辆的SOF估算方法、装置和车辆。

技术介绍

[0002]现阶段，新能源汽车高速发展，其中以电能为动力源，电机为驱动装置的新能源汽车发展显著。动力电池及电池管理系统是电动汽车的关键部件。电池SOF(State of Function，充放电能力)是电池管理系统状态估算的重要参数，SOF估算精度不高，容易出现电池欠压、或者过充，影响电池的安全与使用，或者能量过于保守影响驾驶体验。准确的估算电池的最大充放电能力一直是国内外研究的重点和难点。
[0003]目前新能源电动汽车主流的SOF估算方法为查表方法，即经过大量的试验得到试验数据，考虑温度和当前SOC状态，查二维功率电流表得到当前电池的最大充放电能力。但电池随着使用是不断变化的，该种方式再应对该种情况较为死板。

技术实现思路

[0004]本专利技术的目的在于提供一种车辆的SOF估算方法、装置和车辆，以缓解了现有技术中存在的SOF估算准确度底的技术问题。
[0005]第一方面，本专利技术提供一种车辆的SOF估算方法，还包括：
[0006]基于当前工况下的电池工作状态数据以及预先确定的动态电流限制预测模型确定第一限制电流值；
[0007]基于当前工况下的电池工作状态数据以及预先确定的充放电功率曲线确定第二限制电流值；其中，所述动态电流限制预测模型和所述充放电功率曲线是预先基于历史电池工作状态数据以及电池系统的SOF在云端进行全局优化得到的；
[0008]基于所述第一限制电流值以及所述第二限制电流值中最小的一个目标限制电流值确定电池系统的SOF。
[0009]在可选的实施方式中，所述方法还包括：
[0010]基于所述基于当前工况下的电池工作状态数据以及电池系统的SOF在本地对所述动态电流限制预测模型以及所述充放电功率曲线进行局部优化，以便在接收到云端发送的全局优化后的动态电流限制预测模型以及全局优化后的充放电功率曲线之前，基于局部优化后的动态电流限制预测模型以及局部优化后的充放电功率曲线进行下一工况下的电池系统的SOF的估算。
[0011]在可选的实施方式中，所述预先确定的动态电流限制预测模型基于蒙特卡洛算法对极限工况进行模拟得到的限制条件确定。
[0012]在可选的实施方式中，所述电池工作状态数据包括电流测量值、温度测量值、功率能力、SOC参数以及SOH参数中的一项或多项。
[0013]在可选的实施方式中，所述充放电功率曲线包括与SOC参数和温度相关的第一充
放电功率曲线，以及与SOH相关的第二充放电功率曲线。
[0014]在可选的实施方式中，在对充放电功率曲线进行优化过程中基于充放电策略进行优化，所述充放电策略包括健康充放电策略以及快速充放电策略。
[0015]在可选的实施方式中，基于所述第一限制电流值以及所述第二限制电流值中最小的一个目标限制电流值确定电池系统的SOF，包括：
[0016]基于所述目标限制电流值、所述第一限制电流值以及预测因子，确定第一限制电压值；
[0017]基于所述目标限制电流值以及所述第一限制电压值，确定电池系统的SOF。
[0018]在可选的实施方式中，基于所述目标限制电流值以及所述第一限制电压值，确定电池系统的SOF，包括：
[0019]基于所述第一限制电压值以及第三充放电功率曲线，进行电压限制降额，确定降额后的第二限制电压值；
[0020]基于所述目标限制电流值以及所述第二限制电压值，确定电池系统的SOF。
[0021]第二方面，本专利技术提供一种BMS，还包括：
[0022]动态模块，用于基于当前工况下的电池工作状态数据以及预先确定的动态电流限制预测模型确定第一限制电流值；
[0023]静态模块，用于基于当前工况下的电池工作状态数据以及预先确定的充放电功率曲线确定第二限制电流值；其中，所述动态电流限制预测模型和所述充放电功率曲线是预先基于历史电池工作状态数据以及电池系统的SOF在云端进行全局优化得到的；
[0024]综合模块，用于基于所述第一限制电流值以及所述第二限制电流值中最小的一个目标限制电流值确定电池系统的SOF。
[0025]在可选的实施方式中，还包括：优化模块，用于基于所述基于当前工况下的电池工作状态数据以及电池系统的SOF再本地对所述动态电流限制预测模型以及所述充放电功率曲线进行局部优化，以便在接收到云端发送的全局优化后的动态电流限制预测模型以及全局优化后的充放电功率曲线之前，基于局部优化后的动态电流限制预测模型以及局部优化后的充放电功率曲线进行下一工况下的电池系统的SOF的估算。
[0026]在可选的实施方式中，所述预先确定的动态电流限制预测模型基于蒙特卡洛算法对极限工况进行模拟得到的限制条件确定。
[0027]在可选的实施方式中，所述电池工作状态数据包括电流测量值、温度测量值、功率能力、SOC参数以及SOH参数等中的一项或多项。
[0028]在可选的实施方式中，所述充放电功率曲线包括与SOC参数和温度相关的第一充放电功率曲线，以及与SOH相关的第二充放电功率曲线。
[0029]在可选的实施方式中，在对充放电功率曲线进行优化过程中基于充放电策略进行优化，所述充放电策略包括健康充放电策略以及快速充放电策略。
[0030]在可选的实施方式中，所述综合模块具体用于：
[0031]基于所述目标限制电流值、所述第一限制电流值以及预测因子，确定第一限制电压值；
[0032]基于所述目标限制电流值以及所述第一限制电压值，确定电池系统的SOF。
[0033]在可选的实施方式中，所述综合模块具体用于：
[0034]基于所述第一限制电压值以及第三充放电功率曲线，进行电压限制降额，确定降额后的第二限制电压值；
[0035]基于所述目标限制电流值以及所述第二限制电压值，确定电池系统的SOF。
[0036]第三方面，本专利技术提供一种车辆，包括电池管理系统BMS，所述BMS包括存储器、处理器，所述存储器中存储有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计算机程序时实现上述前述实施方式任一项所述的方法的步骤。
[0037]本专利技术提供的本专利技术提供一种车辆的SOF估算方法、装置和车辆。通过基于当前工况下的电池工作状态数据以及预先确定的动态电流限制预测模型确定第一限制电流值；基于当前工况下的电池工作状态数据以及预先确定的充放电功率曲线确定第二限制电流值；基于所述第一限制电流值以及所述第二限制电流值中最小的一个目标限制电流值确定电池系统的电池功能状态SOF；基于当前工况下的电池工作状态数据以及电池系统的SOF上传至云端，以便云端基于当前工况下的电池工作状态数据以及电池系统的SOF对所述动态电流限制预测模型以及所述充放电功率曲线进行全局优化，并将全局优化后的动态电流限制预测模型以及全局优化后的充放电功率曲线发送至车端；基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆的SOF估算方法，其特征在于，还包括：基于当前工况下的电池工作状态数据以及预先确定的动态电流限制预测模型确定第一限制电流值；基于当前工况下的电池工作状态数据以及预先确定的充放电功率曲线确定第二限制电流值；其中，所述动态电流限制预测模型和所述充放电功率曲线是预先基于历史电池工作状态数据以及电池系统的SOF在云端进行全局优化得到的；基于所述第一限制电流值以及所述第二限制电流值中最小的一个目标限制电流值确定电池系统的SOF。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述基于当前工况下的电池工作状态数据以及电池系统的SOF在本地对所述动态电流限制预测模型以及所述充放电功率曲线进行局部优化，以便在接收到云端发送的全局优化后的动态电流限制预测模型以及全局优化后的充放电功率曲线之前，基于局部优化后的动态电流限制预测模型以及局部优化后的充放电功率曲线进行下一工况下的电池系统的SOF的估算。3.根据权利要求1所述的方法，其特征在于，所述预先确定的动态电流限制预测模型基于蒙特卡洛算法对极限工况进行模拟得到的限制条件确定。4.根据权利要求1所述的方法，其特征在于，所述电池工作状态数据包括电流测量值、温度测量值、功率能力、SOC参数以及SOH参数中的一项或多项。5.根据权利要求4所述的方法，其特征在于，所述充放电功率曲线包括与SOC参数和温度相关的第一充放电功率曲线，以及与SOH相关的第二充放电功率曲线。6.根据权利要求1所述的方法，其特征在于，在对充放电功率曲线进行优化过程中基于充放电策略进行优...

【专利技术属性】
技术研发人员：阎全忠，李洁辰，
申请(专利权)人：上海洛轲智能科技有限公司，
类型：发明
国别省市：