电池健康度的确定方法及系统、电子设备及存储介质
文献发布时间:2023-06-19 13:48:08
技术领域
本发明属于电池技术领域,尤其涉及一种电池健康度的确定方法及系统、电子设备及存储介质。
背景技术
当今随着电子技术和新能源技术的不断发展,越来越多的机电设备或新能源系统均依赖于电池作为驱动。而对于电池健康程度的衡量,现阶段整个行业还没有统一认可的标准,常见的衡量方式是观察电池经过充电所能达到的最大剩余电量值。例如现有新能源汽车在销售时,主机厂通常提供以年限或者总里程数择一确定的电池健康度保证服务;如提供8年或12万公里,以先到者为准保证电池健康度不小于80%的质保服务,但各主机厂对于80%的具体定义则莫衷一是,从而为新能源汽车销售数年后可能的电池质保相关纠纷埋下了隐患,同时也会打击用户购买使用新能源车辆的积极性。
发明内容
本发明要解决的技术问题是为了克服现有技术中对于电池健康度缺乏统一、可靠的确定标准的缺陷,提供一种电池健康度的确定方法及系统、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种电池健康度的确定方法,包括步骤:
获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压;
分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值;
根据充电效率峰值确定所述电池的健康度;其中,所述充电效率峰值为所有所述比值中的最大值;
其中,所述目标充电过程跨越了从没电到满电的完整充电过程中的充电效率峰值。
较佳地,所述根据充电效率峰值确定所述电池的健康度的步骤具体包括:
根据所述电池初始若干次目标充电过程中的充电效率峰值和所述电池最近若干次目标充电过程中的充电效率峰值,确定所述充电效率峰值的衰减度;
根据所述充电效率峰值的衰减度,确定所述电池的健康度。
较佳地,所述根据所述充电效率峰值的衰减度,确定所述电池的健康度的步骤包括:
根据若干所述充电效率峰值的衰减度,确定所述电池的衰减参数;
根据所述衰减参数,获取所述电池未来某个目标充电过程对应的预期衰减度;
根据所述预期衰减度,确定所述电池未来某个目标充电过程后的健康度。
较佳地,确定所述充电效率峰值的衰减度的步骤包括:
获取第一均值;所述第一均值为所述电池前若干次充电过程中的充电效率峰值的均值;
获取第二均值;所述第二均值为所述电池最近若干次充电过程中的充电效率峰值的均值;
根据所述第一均值和所述第二均值的比值确定所述充电效率峰值的衰减度。
较佳地,所述获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压的步骤包括:
在电池进行充电的过程中,每隔预设时长记录一次剩余电量以及充电电压;
获取所述目标充电过程中记录的所有剩余电量以及充电电压。
本发明还提供了一种电池健康度的确定系统,包括:
获取模块,用于获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压;
计算模块,用于分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值;
确定模块,用于根据充电效率峰值确定所述电池的健康度;其中,所述充电效率峰值为所有所述比值中的最大值;
其中,所述目标充电过程跨越了从没电到满电的完整充电过程中的充电效率峰值。
较佳地,所述确定模块包括:
第一确定单元,用于根据所述电池初始若干次目标充电过程中的充电效率峰值和所述电池最近若干次目标充电过程中的充电效率峰值,确定所述充电效率峰值的衰减度;
第二确定单元,用于根据所述充电效率峰值的衰减度,确定所述电池的健康度。
较佳地,所述第二确定单元包括:
第一确定子单元,用于根据若干所述充电效率峰值的衰减度,确定所述电池的衰减参数;
第二确定子单元,用于根据所述衰减参数,获取所述电池未来某个目标充电过程对应的预期衰减度;
第三确定子单元,用于根据所述预期衰减度,确定所述电池未来某个目标充电过程后的健康度。
较佳地,所述第一确定单元包括:
第一均值子单元,用于获取第一均值;所述第一均值为所述电池前若干次充电过程中的充电效率峰值的均值;
第二均值子单元,用于获取第二均值;所述第二均值为所述电池最近若干次充电过程中的充电效率峰值的均值;
均值计算子单元,用于根据所述第一均值和所述第二均值的比值确定所述充电效率峰值的衰减度。
较佳地,所述获取模块包括:
记录单元,用于在电池进行充电的过程中,每隔预设时长记录一次剩余电量以及充电电压;
获取单元,用于获取所述目标充电过程中记录的所有剩余电量以及充电电压。
本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在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的电池健康度的确定方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的电池健康度的确定方法。
本发明的积极进步效果在于,本发明提供的电池健康度的确定方法及系统、电子设备及存储介质,通过对电池的目标充电过程中多个充电时刻对应的剩余电量以及充电电压的变化趋势进行分析,得到电池的充电效率峰值,进而确定电池的健康度,相比于仅通过查看最大剩余电量值,具有更高的准确度和科学性,有利于统一用户和销售方对于电池健康度的评价标准,避免因此而导致的纠纷,同时也提升了用户对新能源车辆的信任度和购车欲望。此外,通过对充电效率峰值的衰减度进行分析并预测,完善了目前电池评价领域中对电池未来健康度预警的空白。
附图说明
图1为本发明的实施例1的电池健康度的确定方法的流程示意图。
图2为本发明的实施例2的电池健康度的确定系统的模块示意图。
图3为本发明的实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
参见图1,本实施例具体提供了一种电池健康度的确定方法,包括步骤:
S1.获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压;
S2.分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值;
S3.根据充电效率峰值确定电池的健康度;其中,充电效率峰值为所有比值中的最大值;
其中,目标充电过程跨越了从没电到满电的完整充电过程中的充电效率峰值。
为了更好地描述本发明,以下以电动车辆的电池为例进行具体说明,当然本领域的技术人员可以知晓,本发明并不因此受到任何限定。
步骤S1获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压,对于上述数据的采集,可以通过电池所在车辆中的OBD(On-Board Diagnostics,车载自动诊断)系统实现,采集到充电过程中的电流、电压、剩余电量(State of Charge,动力电池荷电状态,简称为SOC)值等参数,为观察、分析电池健康度提供可靠数据来源。
具体地,步骤S1首先按照时间序列获取单体电池若干充电时刻对应的充电电压V和剩余电量(SOC)值。
较佳地,将充电电压V增加,以及剩余电量从初始值小于15%并增加至大于55%的终止值的每段过程视为一次目标充电过程,并且,在存在多次采集过程的情况下,可进一步为该目标充电过程添加序号N。
基于上述发明人的大量基于实际车况下验证得到的结果,对于上述数据的采集应尽量覆盖电池正常充电(即非快充)阶段的数据,并覆盖SOC值从15%(或以下)充到55%(或以上)的阶段。且基于ICA(Incremental capacity analysis,容量增量)微分法对于电池活性状态的分析结果,发明人发现,应尽量在最高充电温度25摄氏度以下进行上述的充电过程和数据采集,从而能够保证整个目标充电过程跨越电池从没电到满电的完整充电过程中的充电效率峰值(通常大约出现在充电电压为3.62V,或SOC值为40%左右对应的充电时刻)。同时,也有利于减少采集数据受外界环境的影响。
步骤S2分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值。具体地,根据发明人对多款纯电动新能源乘用汽车的多组实验得到的海量充电数据,发现在一次完整的目标充电过程中,充电电压值不断上升,电池的SOC值也不断上升。同时还发现,SOC值的增长速率在每次完整的目标充电过程中先变大后变小。
若将充电效率值(即电池充电的IC值)定义为SOC值对充电电压V的导数,则对于第k个电池的第N次目标充电过程,充电电压为V时的IC值为:
上述公式中,求得导数的意义在于,IC值作为同等的增量充电电压下带来的增量电量,其能够用于表征电池健康度。并且,为了进一步佐证上述观点,发明人基于实际车况验证IC峰值随充电次数的增加而衰减的规律。经过测试了超过500辆车辆,观测到随着里程增加,各车辆的电池在目标充电过程中的IC峰值逐渐减小,并且在车辆行驶里程数为60000公里之前呈线性递减关系,在车辆行驶里程数达到60000公里后则递减关系趋缓。这也证明了,电池的IC值对于电池健康度有着较好的表征置信度和参考精度,具有合理性和可推广性。
基于上述实验结果,对于任一次目标充电过程,步骤S2分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值(即IC值)。
如上所述,对于第k个电池的第N次目标充电过程,充电电压为V时的IC值为:
IC
可以理解,为了得到更为准确的结果,可以将上述公式中表征充电时刻的t+1和t之间设置尽量短的时间间隔,例如1秒,从而获得秒级精度的结果。为了获得上述的分析数据,在一种较佳的实施方式中,对应的数据采集步骤S1包括:在电池进行充电的过程中,每隔预设时长记录一次剩余电量以及充电电压;获取目标充电过程中记录的所有剩余电量以及充电电压。
本实施方式在电池的充电过程中,根据预设的时长确定若干个充电时刻,并记录每个充电时刻的两两对应的SOC值和充电电压V,并最终得到整个目标充电过程中的所有相关对应数据,以便基于各个相邻时刻进行上述计算,确定各个充电时刻对应的IC值。
步骤S3根据得到的充电效率峰值确定电池的健康度,充电效率峰值(即IC峰值)为所有上述相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值中的最大值,根据发明人多次的真实测试结果,显示若干同规格的电池在上述条件下得到的IC值的峰值叠加于同一区间,即表明该IC峰值能够较好地体现电池的健康度及其变化趋势。
在一种较佳的实施方式中,步骤S3包括:
根据电池初始若干次目标充电过程中的充电效率峰值和电池最近若干次目标充电过程中的充电效率峰值,确定充电效率峰值的衰减度;
根据充电效率峰值的衰减度,确定电池的健康度。
本实施方式中,在获得每个目标充电过程对应的IC峰值的基础上,进一步挖掘各个不同的目标充电过程对应的IC峰值之间的联系。前者(某一IC峰值)可以作为电池健康度的一个直接指标;而后者(多个IC峰值)进一步反应电池健康度的变化趋势,从而作为评估电池健康状态的一个间接指标。原因在于,正常情况下,电池的健康度必然会随着充电次数的增加呈现一个衰减的过程。发明人在多次实验中也观察到对于同款车,每一次完整充电带来的可行驶里程比较近似,而随着充电循环次数的增长,电池的IC峰值会呈现一种衰退的趋势,因此可以认为电池健康度是累计充电次数和行驶里程的单调递减函数,即电池的衰减度可以用来表征电池的健康度。
为了更清晰地体现这种衰减的趋势,可以对电池初始目标充电过程和最近目标充电过程中的充电效率峰值进行比较来确定充电效率峰值的衰减度。不过,为了避免单次充电过程中采集数据的不稳定性,保证得到的结果具有较高的置信度,因此在上述方式的基础上进行数据平滑处理,即将电池初始若干次目标充电过程中的充电效率峰值和电池最近若干次目标充电过程中的充电效率峰值分别作为一个整体进行分析。
较佳地,可以获取电池前若干次充电过程中的充电效率峰值的均值作为第一均值;获取电池最近若干次充电过程中的充电效率峰值的均值作为第二均值;并根据第一均值和第二均值的比值确定充电效率峰值的衰减度。
具体地,例如,以电池前5次充电的IC峰值的平均值作为第一均值,即初始电池健康度IC(1),并以最近5次充电的IC峰值的平均值作为第二均值,即当前IC峰值的估计值IC(T)。从而将当前IC值的衰减度定义为d(T)=IC(T)/IC(1),以此表示当前电池健康度的一个检测指标。
在一种较佳的实施方式中,上述根据充电效率峰值的衰减度确定电池的健康度的步骤包括:
根据若干充电效率峰值的衰减度,确定电池的衰减参数;
根据衰减参数,获取电池未来某个目标充电过程对应的预期衰减度;
根据预期衰减度,确定电池未来某个目标充电过程后的健康度。
基于发明人上述对于随着充电循环次数的增长,电池的IC峰值呈现衰退趋势的实验结果,本实施方式提供了一种电池健康度的预测方式,具体用于通过基于电池的IC峰值的衰减度来预测电池健康度的变化趋势和未来某个目标充电过程对应的IC峰值的预期衰减度,进而得到电池预期的健康度。
具体地,如上所述,通过采集的历史充电电流、充电电压和SOC值及对应时间序列,可以根据上述的衰减度定义,得到若干个IC至的衰减度。以上述当前IC值的衰减度的取得过程d(T)=IC(T)/IC(1)为例进一步说明,在取得d(T)之后,例如又在另一个目标充电过程后通过同样的方法取得了d(T+1)=IC(T+1)/IC(1);或根据同样原理得到的若干其他的衰减度。从而可以根据若干个衰减度,结合每个衰减度对应的时间序列进行拟合获取衰减参数;较佳地,拟合的方法包括但不限于利用最小二乘法差分算法进行拟合。最小二乘法差分算法又称最小平方法,是一种通过最小化误差的平方和寻找数据最佳函数匹配的数学优化技术,能够较为简便和准确地求得未知数据,并使这些数据与实际数据之间误差的平方和为最小;在本实施方式中,即基于d(T+1)-d(T)=u*d(T)对衰减系数u进行拟合,当然,基于上述设定,其中T为第6次到第T次之间的目标充电过程。
根据得到的衰减系数u,能够进一步获取电池未来某个目标充电过程对应的预期衰减度。可以理解,若某位电池(或设置有该电池的车辆)的使用者对于电池的充电习惯保持不变,例如保持每个月平均充电次数都为M次,则N个月后也就是在第T+N*M次目标充电过程后,电池IC峰值的预期衰减度为:
d(T+N*M)=d(T)*exp(-u*N*M),即N月后电池的预期衰减度,其中,衰减参数通过基于指数函数的最小二乘法差分算法获得。基于上述结果,可以理解,该预期衰减度可以用来确定电池当时的健康度。
本实施例提供的电池健康度的确定方法,通过对电池的目标充电过程中多个充电时刻对应的剩余电量以及充电电压的变化趋势进行分析,得到电池的充电效率峰值,进而确定电池的健康度,相比于仅通过查看最大剩余电量值,具有更高的准确度和科学性,有利于统一用户和销售方对于电池健康度的评价标准,避免因此而导致的纠纷,同时也提升了用户对新能源车辆的信任度和购车欲望。本实施例的电池健康度确定方法不仅克服了现有新能源汽车电池健康度的检测困境,还基于客观采集的电池数据挖掘秒级因子随着充电次数变化呈现的特征规律,填补了电池健康度预测领域的空白。
实施例2
参见图2,本实施例具体提供了一种电池健康度的确定系统,包括:
获取模块1,用于获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压;
计算模块2,用于分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值;
确定模块3,用于根据充电效率峰值确定电池的健康度;其中,充电效率峰值为所有比值中的最大值;
其中,目标充电过程跨越了从没电到满电的完整充电过程中的充电效率峰值。
为了更好地描述本发明,以下以电动车辆的电池为例进行具体说明,当然本领域的技术人员可以知晓,本发明并不因此受到任何限定。
获取模块1获取电池在目标充电过程中多个充电时刻对应的剩余电量以及充电电压,对于上述数据的采集,可以通过电池所在车辆中的OBD系统实现,采集到充电过程中的电流、电压、剩余电量值等参数,为观察、分析电池健康度提供可靠数据来源。
具体地,获取模块1首先按照时间序列获取单体电池若干充电时刻对应的充电电压V和剩余电量(SOC)值。
较佳地,将充电电压V增加,以及剩余电量从初始值小于15%并增加至大于55%的终止值的每段过程视为一次目标充电过程,当然,存在多次采集过程的情况下,可进一步为该目标充电过程添加序号N。
基于上述发明人的大量基于实际车况下验证得到的结果,对于上述数据的采集应尽量覆盖电池正常充电(即非快充)阶段的数据,并覆盖SOC值从15%(或以下)充到55%(或以上)的阶段。且基于ICA微分法对于电池活性状态的分析结果,发明人发现,应尽量在最高充电温度25摄氏度以下进行上述的充电过程和数据采集,从而能够保证整个目标充电过程跨越电池从没电到满电的完整充电过程中的充电效率峰值(通常大约出现在充电电压为3.62V,或SOC值为40%左右对应的充电时刻)。同时,也有利于减少采集数据受外界环境的影响。
计算模块2分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值。具体地,根据发明人对多款纯电动新能源乘用汽车的多组实验得到的海量充电数据,发现在一次完整的目标充电过程中,充电电压值不断上升,电池的SOC值也不断上升。同时还发现,SOC值的增长速率在每次完整的目标充电过程中先变大后变小。
若将充电效率值(即电池充电的IC值)定义为SOC值对充电电压V的导数,则对于第k个电池的第N次目标充电过程,充电电压为V时的IC值为:
上述公式中,求得导数的意义在于,IC值作为同等的增量充电电压下带来的增量电量,其能够用于表征电池健康度。并且,为了进一步佐证上述观点,发明人基于实际车况验证IC峰值随充电次数的增加而衰减的规律。经过测试了超过500辆车辆,观测到随着里程增加,各车辆的电池在目标充电过程中的IC峰值逐渐减小,并且在车辆行驶里程数为60000公里之前呈线性递减关系,在车辆行驶里程数达到60000公里后则递减关系趋缓。这也证明了,电池的IC值对于电池健康度有着较好的表征置信度和参考精度,具有合理性和可推广性。
基于上述实验结果,对于任一次目标充电过程,计算模块2分别计算相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值(即IC值)。如上所述,对于第k个电池的第N次目标充电过程,充电电压为V时的IC值为:
IC
可以理解,为了得到更为准确的结果,可以将上述公式中表征充电时刻的t+1和t之间设置尽量短的时间间隔,例如1秒,从而获得秒级精度的结果。为了获得上述的分析数据,在一种较佳的实施方式中,获取模块1包括:
记录单元11,用于在电池进行充电的过程中,每隔预设时长记录一次剩余电量以及充电电压;
获取单元12,用于获取目标充电过程中记录的所有剩余电量以及充电电压。
本实施方式在电池的充电过程中,根据预设的时长确定若干个充电时刻,并记录每个充电时刻的两两对应的SOC值和充电电压V,并最终得到整个目标充电过程中的所有相关对应数据,以便基于各个相邻时刻进行上述计算,确定各个充电时刻对应的IC值。
确定模块3根据得到的充电效率峰值确定电池的健康度,充电效率峰值(即IC峰值)为所有上述相邻充电时刻对应的剩余电量的增量与充电电压的增量之间的比值中的最大值,根据发明人多次的真实测试结果,显示若干同规格的电池在上述条件下得到的IC值的峰值叠加于同一区间,即表明该IC峰值能够较好地体现电池的健康度及其变化趋势。
在一种较佳的实施方式中,确定模块3包括:
第一确定单元301,用于根据电池初始若干次目标充电过程中的充电效率峰值和电池最近若干次目标充电过程中的充电效率峰值,确定充电效率峰值的衰减度;
第二确定单元32,用于根据充电效率峰值的衰减度,确定电池的健康度。本实施方式中,在获得每个目标充电过程对应的IC峰值的基础上,进一步挖掘各个不同的目标充电过程对应的IC峰值之间的联系。前者(某一IC峰值)可以作为电池健康度的一个直接指标;而后者(多个IC峰值)进一步反应电池健康度的变化趋势,从而作为评估电池健康状态的一个间接指标。原因在于,正常情况下,电池的健康度必然会随着充电次数的增加呈现一个衰减的过程。发明人在多次实验中也观察到对于同款车,每一次完整充电带来的可行驶里程比较近似,而随着充电循环次数的增长,电池的IC峰值会呈现一种衰退的趋势,因此可以认为电池健康度是累计充电次数和行驶里程的单调递减函数,即电池的衰减度可以用来表征电池的健康度。
为了更清晰地体现这种衰减的趋势,可以对电池初始目标充电过程和最近目标充电过程中的充电效率峰值进行比较来确定充电效率峰值的衰减度。不过,为了避免单次充电过程中采集数据的不稳定性,保证得到的结果具有较高的置信度,因此在上述方式的基础上进行数据平滑处理,即将电池初始若干次目标充电过程中的充电效率峰值和电池最近若干次目标充电过程中的充电效率峰值分别作为一个整体进行分析。
较佳地,第一确定单元301包括:
第一均值子单元311,用于获取电池前若干次充电过程中的充电效率峰值的均值作为第一均值;
第二均值子单元312,用于获取电池最近若干次充电过程中的充电效率峰值的均值作为第二均值;
均值计算子单元313,用于根据第一均值和第二均值的比值确定充电效率峰值的衰减度。
具体地,例如,以电池前5次充电的IC峰值的平均值作为第一均值,即初始电池健康度IC(1),并以最近5次充电的IC峰值的平均值作为第二均值,即当前IC峰值的估计值IC(T)。从而将当前IC值的衰减度定义为d(T)=IC(T)/IC(1),以此表示当前电池健康度的一个检测指标。
在一种较佳的实施方式中,第二确定单元32包括:
第一确定子单元321,用于根据若干充电效率峰值的衰减度,确定电池的衰减参数;
第二确定子单元322,用于根据衰减参数,获取电池未来某个目标充电过程对应的预期衰减度;
第三确定子单元323,用于根据预期衰减度,确定电池未来某个目标充电过程后的健康度。
基于发明人上述对于随着充电循环次数的增长,电池的IC峰值呈现衰退趋势的实验结果,本实施方式提供了一种电池健康度的预测方式,具体用于通过基于电池的IC峰值的衰减度来预测电池健康度的变化趋势和未来某个目标充电过程对应的IC峰值的预期衰减度,进而得到电池预期的健康度。
具体地,如上所述,通过采集的历史充电电流、充电电压和SOC值及对应时间序列,可以根据上述的衰减度定义,得到若干个IC至的衰减度。以上述当前IC值的衰减度的取得过程d(T)=IC(T)/IC(1)为例进一步说明,在取得d(T)之后,例如又在另一个目标充电过程后通过同样的方法取得了d(T+1)=IC(T+1)/IC(1);或根据同样原理得到的若干其他的衰减度。从而可以根据若干个衰减度,结合每个衰减度对应的时间序列进行拟合获取衰减参数;较佳地,拟合的方法包括但不限于利用最小二乘法差分算法进行拟合。最小二乘法差分算法又称最小平方法,是一种通过最小化误差的平方和寻找数据最佳函数匹配的数学优化技术,能够较为简便和准确地求得未知数据,并使这些数据与实际数据之间误差的平方和为最小;在本实施方式中,即基于d(T+1)-d(T)=u*d(T)对衰减系数u进行拟合,当然,基于上述设定,其中T为第6次到第T次之间的目标充电过程。
根据得到的衰减系数u,能够进一步获取电池未来某个目标充电过程对应的预期衰减度。可以理解,若某位电池(或设置有该电池的车辆)的使用者对于电池的充电习惯保持不变,例如保持每个月平均充电次数都为M次,则N个月后也就是在第T+N*M次目标充电过程后,电池IC峰值的预期衰减度为:
d(T+N*M)=d(T)*exp(-u*N*M),即N月后电池的预期衰减度,其中,衰减参数通过基于指数函数的最小二乘法差分算法获得。基于上述结果,可以理解,该预期衰减度可以用来确定电池当时的健康度。
本实施例提供的电池健康度的确定系统,通过对电池的目标充电过程中多个充电时刻对应的剩余电量以及充电电压的变化趋势进行分析,得到电池的充电效率峰值,进而确定电池的健康度,相比于仅通过查看最大剩余电量值,具有更高的准确度和科学性,有利于统一用户和销售方对于电池健康度的评价标准,避免因此而导致的纠纷,同时也提升了用户对新能源车辆的信任度和购车欲望。本实施例的电池健康度确定方法不仅克服了现有新能源汽车电池健康度的检测困境,还基于客观采集的电池数据挖掘秒级因子随着充电次数变化呈现的特征规律,填补了电池健康度预测领域的空白。
实施例3
图3为本发明实施例3提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现实施例1中的电池健康度的确定方法。图3显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1中的电池健康度的确定方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,程序被处理器执行时实现实施例1中的电池健康度的确定方法中的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行实现实施例1中的电池健康度的确定方法中的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
- 电池健康度的确定方法及系统、电子设备及存储介质
- 电池健康度状态的检测方法、装置、电子设备及存储介质