【技术实现步骤摘要】
车载电池监测方法及装置
[0001]本专利技术涉及车载动力锂电池领域，具体涉及一种车载电池监测方法及装置。
技术介绍
[0002]锂电池由于高能量密度、可重复充放电、循环寿命长、无自放电等优点，被广泛应用于新能源汽车行业。通常车内的电池串由单体电池串联构成，在多次循环充放电的过程中，电池性能会老化衰减。部分单体电池的衰减程度会明显快于与其串联的电池，电池的一致性降低会导致充放电过程中单体电池过充或过放，降低电池包的使用寿命。因此，对单体电池的健康状态(State of Health，SOH)的精准预测以及对电芯衰减趋势的判断对于保证电池的安全性以及提高电池使用寿命都有重要的作用。
[0003]近年来对电池SOH的预测估计方法得到广泛研究，常见的分析方法有等效电路模型预测以及基于数据驱动的SOH预测模型。等效电路模型的应用广泛，但是由于这类方法需要构建等效模型，计算量较大，时效性较低，无法在线快速评估。基于数据驱动的SOH预测方法可以减少复杂模型建立，提高预测效率，但是这类方法需要大量的数据作为基础，模型的准确性与数据
【技术保护点】
【技术特征摘要】
1.一种车载电池监测方法，其特征在于，所述方法包括：预先基于一定时间段内的单体电池循环使用数据，分别建立第一预测模型和第二预测模型；实时监测车载电池数据，并分别根据所述第一预测模型和第二预测模型进行预测，得到第一组SOH值和第二组SOH值；根据所述第一组SOH值生成累积充电量
‑
预测SOH值的第一数据序列，并根据所述第二组SOH值生成累积充电量
‑
预测SOH值的第二数据序列；根据所述第一数据序列和所述第二数据序列确定电芯是否异常、和/或电芯衰减趋势是否异常。2.根据权利要求1所述的方法，其特征在于，所述分别建立第一预测模型和第二预测模型包括：采集一定时间段内的单体电池循环使用数据，并根据所述循环使用数据得到多种特征参数；分别基于不同的特征参数建立第一预测模型和第二预测模型。3.根据权利要求2所述的方法，其特征在于，所述多种特征参数包括以下任意一项或多项：不同电压区间恒流充电时间、充电电流、温度、温度区间持续时间比例、累计充电量、对应的电池SOH值；所述分别基于不同的特征参数建立第一预测模型和第二预测模型包括：根据所述累计充电量、温度区间持续时间比例，建立第一预测模型；根据所述不同电压区间恒流充电时间、充电电流、温度特征，建立第二预测模型。4.根据权利要求1所述的方法，其特征在于，所述第一预测模型和第二预测模型均为神经网络模型。5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述第一数据序列和所述第二数据序列确定电芯是否异常包括：分别计算从首次循环周期到当前循环周期时间内所述第一数据序列的平均值和所述第二数据序列的平均值；计算两个平均值的差值；如果所述差值大于设定阈值，则确定电芯存在异常。6.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述第一数据序列和所述第二数据序列确定电芯衰减趋势是否异常包括：计算所述第一数据序列和所述第...
【专利技术属性】
技术研发人员：梁益嘉，周永涛，杨允杰，
申请(专利权)人：华鼎国联动力电池有限公司，
类型：发明
国别省市：
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。