一种锂电池的电池管理方法及系统技术方案

技术编号:39314868 阅读:13 留言:0更新日期:2023-11-12 15:58
本发明专利技术公开了一种锂电池的电池管理方法及系统,应用于在一段时间间隔内处于熄火状态的行驶车辆,方法包括:获取锂电池组的工作电压、工作电流、实时电量和环境温度并将其转换为对应的二进制数据;将上述二进制数据整合成8*4的第五矩阵和第六矩阵;将第五矩阵和第六矩阵共同输入至神经网络模型中进行预测,生成表征锂电池组是否存在漏电的输出结果;在判定锂电池组存在漏电的情况下,将存储模块电连接于锂电池组与负载之间,以将锂电池组的电能存储至存储模块。通过上述步骤,使得在预测结果为漏电的情况下,控制存储模块来接收锂电池组的剩余电能,以便后续车辆可正常行驶。以便后续车辆可正常行驶。以便后续车辆可正常行驶。

【技术实现步骤摘要】
一种锂电池的电池管理方法及系统


[0001]本专利技术涉及锂电池
,尤其涉及一种锂电池的电池管理方法及系统。

技术介绍

[0002]新能源汽车和传统燃油车相比新能源汽车用电器更多对启动电池的稳定性要求更高,启动电池稳定供电问题也有待提升,新能源车辆上车载用电设备较多,对电能比较依赖,如果车辆没有智能补电控制策略,车辆长时间不使用造成启动电池亏电,车辆无法启动,损伤启动电池。而对于新能源工程车而言,启动电池的稳定性更为重要,为了避免因启动电池亏电而导致新能源工程车无法正常启动、运行。

技术实现思路

[0003]本专利技术实施例提供了一种锂电池的电池管理方法及系统,能够在车辆锂电池组漏电的情况下及时储存剩余的电量,保证车辆日后可以继续使用。
[0004]本专利技术提供一种锂电池的电池管理方法,应用于在一段时间间隔内处于熄火状态的行驶车辆,所述方法包括:
[0005]获取锂电池组的工作电压、工作电流、实时电量和环境温度;
[0006]将所述实时电量的值转换为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第一矩阵中;
[0007]将所述工作电压的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第二矩阵中;
[0008]将所述工作电流的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第三矩阵中;
[0009]将所述环境温度的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第四矩阵中;
>[0010]将所述第一矩阵和第二矩阵合成为8*4的第五矩阵;
[0011]将所述第三矩阵和第四矩阵合成为8*4的第六矩阵;
[0012]将所述第五矩阵和所述第六矩阵共同输入至所述神经网络模型中进行预测,生成表征所述锂电池组是否存在漏电的输出结果;
[0013]在判定所述锂电池组存在漏电的情况下,将存储模块电连接于所述锂电池组与负载之间,以将所述锂电池组的电能存储至所述存储模块。
[0014]在一可实施方式中,所述获取锂电池组的实时电量,包括:
[0015]根据所述工作电流和预设的初始电量值,获取所述锂电池组当前的第一电量值;
[0016]根据所述工作电流、所述工作电压和所述锂电池组当前的第二内阻,获取电池当前的第二开路电压;
[0017]获取所述第二开路电压对应的第二电量值;
[0018]根据所述第一电量值和所述第二电量值,利用卡尔曼滤波算法获取电池当前的实
时电量。
[0019]在一可实施方式中,所述根据所述工作电流和预设的初始电量值,获取所述锂电池组当前的第一电量值,其公式为:
[0020]其中,X为第一电量值,X0为初始电量值,i为工作电流,C为预设电池额定容量,t为预设电池工作时刻,为预设电池充放电效率。
[0021]在一可实施方式中,所述根据所述工作电流、所述工作电压和所述锂电池组当前的第二内阻,获取电池当前的第二开路电压,包括:
[0022]ocd=V
c
+ir;
[0023]式中,ocd为所述第二开路电压,V
c
为所述工作电压,i为所述工作电流,r为所述第二内阻。
[0024]在一可实施方式中,所述神经网络模型包括第一子模型和第二子模型;
[0025]相应的,所述将所述第五矩阵和所述第六矩阵共同输入至所述神经网络模型中进行预测,生成表征所述锂电池组是否存在漏电的输出结果,包括:
[0026]将所述第五矩阵输入至第一子模型进行初步预测,生成表征所述锂电池组是否存在漏电的初步结果;
[0027]若所述初步结果表征所述锂电池组存在漏电,则将所述初步结果和第六矩阵输入至所述第二子模型中进行二次预测,生成表征所述锂电池组是否存在漏电的输出结果。
[0028]在一可实施方式中,所述第一子模型和第二子模型均包括卷积层、池化层和全连接层。
[0029]在一可实施方式中,在将存储模块电连接于所述锂电池组与负载之间之后,所述方法还包括:
[0030]计算所述存储模块单位时间内所获取到的电量;
[0031]若判定所获取到的电量低于预设值,则断开所述锂电池组与负载的连接。
[0032]在一可实施方式中,所述获取锂电池组的环境温度,包括:
[0033]获取当前温度校准值,所述当前温度校准值用于利用设备的工作热量进行所述设备的温度校准;
[0034]根据所述当前温度校准值和预设温度校准值,确定目标温度校准值;
[0035]获取所述设备检测到的当前实际温度值;
[0036]根据所述目标温度校准值和所述当前实际温度值,得到实际环境温度值。
[0037]在一可实施方式中,所述神经网络模型具体为卷积神经网络模型。
[0038]本专利技术另一方面提供一种锂电池的电池管理系统,应用于在一段时间间隔内处于熄火状态的行驶车辆,所述系统包括:
[0039]参数获取模块,用于获取锂电池组的工作电压、工作电流、实时电量和环境温度;
[0040]第一矩阵模块,用于将所述实时电量的值转换为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第一矩阵中;
[0041]第二矩阵模块,用于将所述工作电压的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第二矩阵中;
[0042]第三矩阵模块,用于将所述工作电流的值转为二进制数据,并在所述二进制数据
中选取前16个数值填入4*4的第三矩阵中;
[0043]第四矩阵模块,用于将所述环境温度的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第四矩阵中;
[0044]第一合成模块,用于将所述第一矩阵和第二矩阵合成为8*4的第五矩阵;
[0045]第二合成模块,用于将所述第三矩阵和第四矩阵合成为8*4的第六矩阵;
[0046]结果输出模块,用于将所述第五矩阵和所述第六矩阵共同输入至所述神经网络模型中进行预测,生成表征所述锂电池组是否存在漏电的输出结果;
[0047]存储连接模块,用于在判定所述锂电池组存在漏电的情况下,将存储模块电连接于所述锂电池组与负载之间,以将所述锂电池组的电能存储至所述存储模块。
[0048]在本专利技术实施例中,通过获取工作电压、工作电流、环境温度以及实时电量并以二进制矩阵的形式存储,接着将二进制矩阵进行组合并输入于神经网络模型进行预测,在预测结果为漏电的情况下,控制存储模块来接收锂电池组的剩余电能,以便后续车辆可正常行驶。
附图说明
[0049]通过参考附图阅读下文的详细描述,本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本专利技术的若干实施方式,其中:
[0050]在附图中,相同或对应的标号表示相同或对应的部分。
[0051]图1为本专利技术实施例一种锂电池本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池的电池管理方法,其特征在于,应用于在一段时间间隔内处于熄火状态的行驶车辆,所述方法包括:获取锂电池组的工作电压、工作电流、实时电量和环境温度;将所述实时电量的值转换为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第一矩阵中;将所述工作电压的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第二矩阵中;将所述工作电流的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第三矩阵中;将所述环境温度的值转为二进制数据,并在所述二进制数据中选取前16个数值填入4*4的第四矩阵中;将所述第一矩阵和第二矩阵合成为8*4的第五矩阵;将所述第三矩阵和第四矩阵合成为8*4的第六矩阵;将所述第五矩阵和所述第六矩阵共同输入至所述神经网络模型中进行预测,生成表征所述锂电池组是否存在漏电的输出结果;在判定所述锂电池组存在漏电的情况下,将存储模块电连接于所述锂电池组与负载之间,以将所述锂电池组的电能存储至所述存储模块。2.根据权利要求1所述的方法,其特征在于,所述获取锂电池组的实时电量,包括:根据所述工作电流和预设的初始电量值,获取所述锂电池组当前的第一电量值;根据所述工作电流、所述工作电压和所述锂电池组当前的第二内阻,获取电池当前的第二开路电压;获取所述第二开路电压对应的第二电量值;根据所述第一电量值和所述第二电量值,利用卡尔曼滤波算法获取电池当前的实时电量。3.根据权利要求2所述的方法,其特征在于,所述根据所述工作电流和预设的初始电量值,获取所述锂电池组当前的第一电量值,其公式为:其中,X为第一电量值,X0为初始电量值,i为工作电流,C为预设电池额定容量,t为预设电池工作时刻,为预设电池充放电效率。4.根据权利要求2所述的方法,其特征在于,所述根据所述工作电流、所述工作电压和所述锂电池组当前的第二内阻,获取电池当前的第二开路电压,包括:ocd=V
c
+ir;式中,ocd为所述第二开路电压,V
c
为所述工作电压,i为所述工作电流,r为所述第二内阻。5.根据权利要求1所述的方法,其特征在于,所述神经网络模型包括第一子模型和第二子模型;相应的,所述将所述第五矩阵和所述第六矩阵共同输入至所述神经网络模型中进行预测,生成表征所述锂电池组是否存在漏电的输出结果,包括:将所述第五矩...

【专利技术属性】
技术研发人员:冯梦云
申请(专利权)人:江西健大源宏新能源科技有限公司
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