[發明專利]充電電池荷電狀態確定方法及裝置

在審

• 申請號: 201711299372.9
• 申請日: 2017-12-08
• 公開（公告）號: CN108414937A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 焦然;馬龍飛;宮成;張寶群;李香龍;趙宇彤;王立永;丁屹峰;朱潔;楊爍;孫欽斐;梁安琪
• 申請（專利權）人: 國網北京市電力公司;國家電網公司
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙囡囡

本發明提供了一種充電電池荷電狀態確定方法及裝置，根據充電電池的充放電參數確定充電電池的充放電指數，其中，充放電指數用于指示充電電池的電容量；根據充電電池的環境狀態參數以及充放電指數確定充電電池的表現指數，其中，表現指數用于指示充電電池在環境狀態參數所指示的目標狀態下的電容量，解決了相關技術中充電電池荷電狀態確定過程中操作復雜且不夠準確的問題。

技術領域

本發明涉及充電電源領域，具體而言，涉及一種充電電池荷電狀態確定方法及裝置。

背景技術

在相關技術中，當今隨著電池技術的發展，電動汽車也在飛速發展，今后電動汽車的應用將會越來越廣泛。其中可充電鋰電池作為電動汽車上最重要的設備之一，在當前充電電池容量有限的技術條件下，針對充電電池剩余容量的估計直接影響了電動汽車的電能補給和使用環境。車載的BMS(Battery Management System，電池管理系統)集成了對電池的SOC(State of charge，荷電狀態)和SOH(State of health，健康狀態)的內容進行估計的功能，用來提供給駕駛員續航里程的參考。其中充電電池SOC估計的誤差主要來源是由于充電電池的老化，使得電池性能減弱導致充電電池SOC的估計誤差增大，誤差最大甚至達到20～30％，不僅會影響駕駛員的判斷，同時還會造成駕駛過程中一定的安全隱患。因此采用精準的充電電池SOC估計方法是十分必要且對充電電池的實際使用具有重要的意義的。

而在實際的應用場景中，對于考慮充電電池老化因素的電池SOC估計的方法主要包括完全放電法和內阻測量法。其中，完全放電法需要對充電電池進行完全充放電操作，不僅測算過程復雜并且，加快了充電電池的老化進程。另外內阻測量法雖然避免了上述完全放電法的缺點但是由于測量儀器等的限制，其測量精度不夠高。。

針對上述問題，目前還沒有有效的解決方案。

發明內容

本發明實施例提供了一種充電電池荷電狀態確定方法及裝置，以至少解決相關技術中充電電池荷電狀態確定過程中操作復雜且不夠準確的問題。

根據本發明的一個實施例，提供了一種充電電池荷電狀態確定方法，包括：根據充電電池的充放電參數確定上述充電電池的充放電指數，其中，上述充放電指數用于指示上述充電電池的電容量；根據上述充電電池的環境狀態參數以及上述充放電指數確定上述充電電池的表現指數，其中，上述表現指數用于指示上述充電電池在上述環境狀態參數所指示的目標狀態下的電容量；根據上述充放電指數以及上述表現指數確定上述充電電池的荷電狀態。

可選地，在根據充電電池的充放電參數確定上述充電電池的充放電指數之前，包括：獲取上述充放電參數，其中，上述充放電參數包括以下至少之一：上述充電電池的電池當前總電量、上述充電電池的電池內阻、充電時間以及放電時間。

可選地，在上述獲取上述充放電參數之后，包括：預先建立與上述充電電池相同型號的電池等效電路模型，獲取上述電池等效電路模型中電池容量的衰減曲線，其中，上述電池等效電路模型在執行循環充放電過程中根據電池容量變化得到上述衰減曲線；根據上述衰減曲線對上述充電電池的上述電池當前總電量進行修正，獲取修正后的電池當前總電量。

可選地，上述根據充電電池的充放電參數確定上述充電電池的充放電指數，包括：將上述修正后的電池當前總電量、上述電池內阻、上述充電時間以及上述放電時間輸入第一神經網絡訓練模型，輸出上述充放電指數，其中，上述第一神經網絡訓練模型為使用多組數據通過機器學習訓練得出的。

可選地，上述根據充電電池的充放電參數確定上述充電電池的充放電指數，還包括：將上述修正后的電池當前總電量、上述電池內阻以及上述充電時間輸入第二神經網絡訓練模型，其中，上述第二神經網絡訓練模型為使用多組數據通過機器學習訓練得出的；將上述修正后的電池當前總電量、上述電池內阻以及上述放電時間輸入第三神經網絡訓練模型，其中，上述第三神經網絡訓練模型為使用多組數據通過機器學習訓練得出的；根據上述第二神經網絡訓練模型以及上述第三神經網絡訓練模型的輸出結果確定上述充放電指數。