电池包均衡方法、系统以及计算机可读存储介质与流程

本申请涉及电池均衡的领域，具体而言，涉及电池包均衡方法、系统以及计算机可读存储介质。

背景技术：

1、随着电动汽车的大力发展与普及，用户对电池性能及能耗的要求越来越高。电池需要运行在合适的温度下，从而保证其性能以及安全。而冬季电池的能耗问题对电池管理系统是一个巨大的挑战。特别是在需要加热或者保温的情况下，可能需要消耗大量的能量来维持电池的性能。电动汽车当前比较常用的加热器可以为与冷却系统复合在一起的加热器，例如，可以为热泵空调、热管、相变材料等。另一种理论上可行的加热器是针对电动汽车在寒冷环境下工作需要而专门设计的一套独立的加热器加热设备，例如，可以为电热膜。但电热膜并没有在道路车辆上大量应用的先例，这是因为它的安全性和可靠性还需要进一步验证。

2、另外，理论上也可以使用均衡产生的热量来使得电池维持在合适的工作温度。这一方面可以降低能耗，另一方面也能增加电池包的安全性。

3、有鉴于此，需要提出一种改进的电池均衡机制。

技术实现思路

1、本申请的实施例提供了电池包均衡方法、系统以及计算机可读存储介质，用于使得电池包中的电芯得到均衡的同时也能利用均衡产生的热量使得电池包维持在合适的工作温度。

2、根据本申请的一方面，提供一种电池包均衡方法。所述方法包括：获取所述电池包中每个电芯的待均衡量；以及根据所述待均衡量并通过强化学习模型确定所述每个电芯各自的均衡时间点和目标均衡量，其中，所述强化学习模型基于所述电池包在不同使用场景下的使用习惯和温度特性、环境温度、所述每个电芯在不同使用场景下的发热情况工作，并且所述目标均衡量是关于所述待均衡量的调整值。

3、在本申请的一些实施例中，可选地，所述使用习惯包括以下至少一者：所述电池包在长行程场景下的开始时间、持续时间以及能量消耗；所述电池包在短行程场景下的开始时间、持续时间以及能量消耗；所述电池包在长期静置场景下的开始时间及持续时间；以及所述电池包在短期静置场景下的开始时间及持续时间。

4、在本申请的一些实施例中，可选地，所述温度特性包括以下至少一者：所述电池包在长行程场景下的温度场以及温升情况；所述电池包在短行程场景下的温度场以及温升情况；以及所述电池包在不同环境温度和荷电状态下的静置温度场。

5、在本申请的一些实施例中，可选地，所述环境温度包括当前环境温度以及未来预定时间段内的温度。

6、在本申请的一些实施例中，可选地，所述发热情况包括以下至少一者：电芯在长行程场景下的内部发热情况；以及电芯在短行程场景下的内部发热情况。

7、在本申请的一些实施例中，可选地，所述强化学习模型的配置信息包括：environment：所述电池包在不同使用场景下的使用习惯和温度特性、环境温度、所述每个电芯在不同使用场景下的发热情况；agent：均衡时间点、关于目标均衡量的均衡量调整步长；reward：

8、。

9、在本申请的一些实施例中，可选地，所述方法还包括：向所述电池包发送所述每个电芯各自的均衡时间点和目标均衡量以用于实现均衡操作。

10、在本申请的一些实施例中，可选地，所述方法还包括：收集所述均衡操作产生的评估数据，其中所述评估数据包括以下至少一者：所述电池包的热效益、放电能量收益和/或充电能量收益；以及根据所述评估数据评估所述均衡操作的效果和/或修改所述强化学习模型。

11、根据本申请的另一方面，提供一种电池包均衡系统。所述系统包括：存储器，其配置成存储指令；处理器，其配置成执行所述指令以便执行如上文所述的任意一种方法。

12、根据本申请的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令由处理器执行时，使得所述处理器执行如上文所述的任意一种方法。

技术特征：

1.一种电池包均衡方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其中，所述使用习惯包括以下至少一者：

3.根据权利要求1所述的方法，其中，所述温度特性包括以下至少一者：

4.根据权利要求1所述的方法，其中，所述环境温度包括当前环境温度以及未来预定时间段内的温度。

5.根据权利要求1所述的方法，其中，所述发热情况包括以下至少一者：

6.根据权利要求1所述的方法，其中，所述强化学习模型的配置信息包括：

7.根据权利要求6所述的方法，其中，所述方法还包括：

8.根据权利要求7所述的方法，其中，所述方法还包括：

9.一种电池包均衡系统，其特征在于，所述系统包括：

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令由处理器执行时，使得所述处理器执行如权利要求1-8中任一项所述的方法。

技术总结
本申请涉及电池包均衡方法、系统以及计算机可读存储介质，所述方法包括：获取所述电池包中每个电芯的待均衡量；以及根据所述待均衡量并通过强化学习模型确定所述每个电芯各自的均衡时间点和目标均衡量。其中，所述强化学习模型基于所述电池包在不同使用场景下的使用习惯和温度特性、环境温度、所述每个电芯在不同使用场景下的发热情况工作，并且所述目标均衡量是关于所述待均衡量的调整值。

技术研发人员：万智文,钟子旸,花睿,曾士哲
受保护的技术使用者：蔚来汽车科技（安徽）有限公司
技术研发日：
技术公布日：2024/3/17