一种电动汽车电源监控及能源管理系统的制作方法

本发明涉及电动汽车电池检测与管理领域，特别涉及一种电动汽车电源监控及能源管理系统。

背景技术：

我国汽车行业进入了新能源汽车的“大跃进”时代。有数据表明，在2014年一季度中国新能源汽车销量总计八千多辆，比往年增长了20%，增长速度有了明显的提升，并且数据表明新能源小型车销量占新能源汽车总销量的8%，进一步表明新能源汽车逐渐被居民采纳，这无疑是我国电动汽车的发展的动力。

新能源汽车的发展离不开动力电池，动力电池为新能源汽车提供动力来源，是新能源汽车的关键部分。作为能源储备的电池连接到负载时，它的性能会随着内部的化学变化而发生变化。化学物质随着时间和使用次数的增加，会逐渐减少，这些将反应在电池的存储能力上。并且电池的安全性直接与用户的人身安全、使用成本紧密相连，电池的能量则决定着电动汽车行驶里程的多少，这就要求我们制定一种电动汽车电源监控及能源管理系统。

系统负责对锂电池参数的检测与电池能量的管理，具体包括电池充放电过程时的电压、电流、温度的检测、电量估计、电量均衡、故障诊断等几个方面。电池管理系统能够实现对动力电池组的监控与管理、提高电池的使用寿命、降低用户的使用成本，但这众多功能的基础都来源于对锂电池参数的采集。完成对锂电池电压、电流、温度等参数的采集、监控可以有效的避免锂电池过充、过放、过温现象的发生，实现对电池组的保护，同时也为使为用户提供了安全保障。对于锂电池电量的有效管理可以及时向用户提供电池的使用信息并且使用户能够对行车里程进行准确判断，避免因操作不当对电池造成的损害，最大限度的利用锂电池的电量。

技术实现要素：

本发明的目的是针对以上不足，提供一种电动汽车电源监控及能源管理系统，用于电动汽车的能源管理，对延长电池使用寿命、使整车动力电池处于健康工作状态。

为解决上述技术问题，本发明的技术方案是：一种电动汽车电源监控及能源管理系统，其特征在于，包括如下：

电池状态检测模块，用于单体电池电压检测电路、电池组总电压检测电路、充放电电流检测电路和电池温度检测电路；

状态参数采集模块，用于采样信号调理以及电压电流转换；

状态评估模块，用于电池荷电状态、续航里程准确估计步骤、电池健康状况诊断步骤；

数据记录模块，用于电池状态参数记录步骤、充放电次数统计步骤、续航里程统计步骤及使用习惯；

数据显示模块，用于安全运行监控步骤、电池健康状态显示步骤及剩余电池容量。

进一步地，所述电池状态检测模块中包含单体电池电压检测电路、电池组总电压检测电路、充放电电流检测电路和电池温度检测电路；

所述单体电池电压检测电路：采用主从控制方式，最大支持96个检测点，分为8个组件，每个组件采用ltc6802采集12节单体电池的电压，通过一个电平移位串行接口在13ms内完成对所有电池电压的检测；

所述电池组总电压检测电路：采用lv25-p电压传感器，在芯片前增加电容进行滤波，减小电压突变对系统的造成的冲击：电压采集误差低于5mv；

所述充放电电流检测电路：采用htb300-p电流传感器，通过霍尔元件电流量转换成电压量，经过a/d转换，传输到主控芯片，根据输出的模拟电压与输入电流之间的线性关系，将电压信号转换成系统所检测到的电流信号；

所述电池温度检测电路：采用ntc10k热敏电阻，设计8个温度值测量点，8个热敏电阻分布于电池的表面与电池之间；外接一个10k的上拉电阻与10k的热敏电阻相互配合分压，使输出的电压信号具有较高的精度，采样精度为1%。

进一步地，所述状态参数采集模块中包含采样信号调理电路以及电压电流转换电路；

所述采样信号调理电路，采用tlc2272放大器构成一个二阶有源低通滤波器，滤除高于3khz的高频电磁和数字干扰信号。

进一步地，所述状态评估模块中包含电池荷电状态评估步骤、续航里程准确估计步骤和电池健康状况诊断步骤；

所述电池荷电状态评估步骤，采用神经网络算法，将单体电池电压、电池总电压、充放电电流、电池温度、电池组内阻的瞬时数据形成输入层，自动归纳规则成隐含层j，再通过系统模型的输出层收敛和优化形成瞬时soc；

所述续航里程准确估计步骤，采用神经网络算法，将soc结果、历史记录使用习惯、近期使用习惯以及电池健康状况作为输入层，构建预测估计模型，输出结果；

所述电池健康状况诊断步骤，采用模糊综合评价，根据电池状态参数、使用习惯、出厂参数建立评价层，并根据评价层建立评价指标层，并采用专家打分法确定各指标的权重，最后获得模糊综合评价结果；

电池状态参数：包括单体电池电压、电池总电压、充放电电流、电池温度、内阻；

使用习惯：包括soc结果、历史记录使用习惯、近期使用习惯、充放电时间；

出厂参数：包括使用时间、电池容量、质量等级；

评价层：包括电池状态参数、使用习惯、出厂参数；

评价指标层：包括单体电池电压、电池总电压、充放电电流、电池温度、内阻、soc结果、历史记录使用习惯、近期使用习惯、充放电时间；使用时间、电池容量、质量等级。

进一步地，所述数据记录模块中包含电池状态参数记录步骤、充放电次数统计步骤、续航里程统计步骤、使用习惯记录步骤。

所述电池状态参数记录步骤：记录单体电池电压、电池总电压、充放电电流、电池温度、内阻的历史测量数据，并按照一次充放电为一个记录周期，保留近5次记录查询功能，超过5次的按照平均值法记录为历史数据，并作为近期数据的对比；

续航里程统计步骤，根据两次充电时间节点，按照日期分别记录电动车行驶里程、电池使用情况；

所述使用习惯记录步骤，根据系统检测电池电流以及电动车车速，记录使用过程中急加速、平稳行驶、急刹车信息。

进一步地，所述数据显示模块中包含安全运行监控步骤、电池健康状态显示步骤、剩余电池容量提示步骤。

进一步地，神经网络算法包括以下步骤：

步骤s1：网络初始化，确定输出层与隐含层的连接权值、隐含层与输出层的连接权值、隐含层各神经元的阈值、输出层各神经元的阈值，各参数的赋值为（-1，1）内的随机数，并设定误差函数：

步骤s2：随机选取第k个输入样本以及对应的期望输出；

步骤s3：计算隐含层各神经元的输入，并用输入以及激活函数计算隐含层各神经元的输出；

步骤s4：利用网络期望输出向量、网络的实际输出，计算误差函数对输出层各神经元的偏导数；

步骤s5：利用隐含层到输出层的连接权值、输出层的结果和隐含层的输出，计算误差函数对隐含层各神经元的偏导数；

步骤s6：利用输出层各神经元的输出和隐含层各神经元的输出，修正连接权值和阈值；

步骤s7：使用隐含层各神经元的输出和输入层各神经元的输入，修正连接权和阈值；

步骤s8：计算全局误差；

步骤s9：判断网络误差是否满足要求，当满足误差要求或学习次数大于设定的最大次数m，则算法结束。否则，随机选取下一个学习样本及对应的期望输出，返回到步骤s3。

进一步地，模糊综合评价包括以下步骤：

步骤s1：考虑评价目的和实际需要，确定评价目标；

步骤s2：依据评价目标的影响因素，建立评价层，并根据评价层建立评价指标层，给出模糊评判项目层及评价指标层，建立评价对象的评价指标体系；

步骤s3：按照模糊评判理论，给出评语集；

将电池组健康状况分为“优秀”、“良好”、“合格”、“注意”、“严重”等五级；

针对评价体系中的指标，由评语集可得到待评价对象的评价矩阵：

由于评价指标分为两类：越大越优型与越小越优型，因此对于不同类型的指标有不同的处理方法；

对于越大越优型指标，标准化处理方法为：

；

对于越小越优型指标，标准化处理方法为：

；

经过标准化处理后，得到标准化的评价矩阵为：

；

步骤s4：确定评价指标的权重分配向量；

步骤s5：建立各评价指标的模糊隶属函数，通过各评价指标的模糊评价以及模糊隶属函数，计算各指标隶属度，建立模糊关系矩阵；

隶属函数表征属于模糊集合l的程度或等级,即模糊特征函数；

隶属函数的具体确定方法：根据相关的设计数据、实验结果以及监测数据，确定三角形和半梯形的分布函数，给出五种状态等级的模糊分界区间，最后建立各状态等级的隶属函数；对历史记录使用习惯评判指标，对应的各状态隶属函数分别为：

；

；

；

；

；

式中，分别是历史记录使用习惯为x时，对应各状态的隶属函数；同理也可以得到其他评判指标的隶属函数；

用评判指标对电池健康状况进行评估，评语集中的状态的隶属度为，则可用隶属度集：

；

表示指标进行评估的结果；于是，该子项目层的所有评判指标就构成了其评价矩阵，其中为第i个项目中的第j个评判指标；如以项目层中出场参数为例，其评价矩阵为：

；

步骤s6：进行模糊合成并做出决策；对权重向量与模糊关系矩阵运用模糊运算求解最终的评价结果；选择加权平均型模糊综合评判模型，用，即：

；

最后得到的模糊综合评判结果为：

；

这种运算是界限和运算，既考虑了主要因素的影响,又考虑了非主要因素的影响，适合于系统综合指标的评判；向量c是综合评判结果，根据隶属度最大原则，最大的即为相应的的评估结果。

本发明采用以上技术方案，与现有技术相比，具有以下优点：

1、本发明除采集电动汽车电池的电压、电流、温度等电池信号外，还记录了充放电次数、时间统计、续航里程统计，记录使用过程中急加速、平稳行驶、急刹车等信息。采集电池信息更全面，可为使用者提供更为科学的状态结果。

2、本发明考虑了电池组健康状况，不仅依靠电池物理参数进行电池荷电状态评估；考虑了历史记录使用习惯、近期使用习惯以及电池健康状况的综合影响，并结合soc结果进行续航里程估计。同时考虑电动汽车评估为典型的非线性特征，采用神经网络算法进行，评估结果更加准确。

3、本发明增加了电池健康状况诊断模块，根据电池状态参数：单体电池电压、电池总电压、充放电电流、电池温度、内阻；使用习惯：soc结果、历史记录使用习惯、近期使用习惯、充放电时间；出厂参数：使用时间、电池容量、质量等级。建立评价层（电池状态参数、使用习惯、出厂参数），并根据评价层建立评价指标层（单体电池电压、电池总电压、充放电电流、电池温度、内阻；soc结果、历史记录使用习惯、近期使用习惯、充放电时间；使用时间、电池容量、质量等级），采用模糊综合评价，进行电池健康状况评价，评价结果更加准确，不仅增加了使用者对电池状况的认知，也为续航里程准确估计提供技术支撑。

下面结合附图对本发明作进一步说明。

附图说明

附图1为本发明实施例中电源监控及能源管理系统的结构框图；

附图2为本发明实施例中stm32f103rct6最小系统结构图；

附图3为本发明实施例中保护电路的电路图；

附图4为本发明实施例中采样调理电路的电路图；

附图5为本发明实施例中三层神经网络结构图；

附图6为本发明实施例中三层神经网络算法流程图；

附图7为本发明实施例中模糊综合评价流程图；

附图8为本发明实施例中模糊综合评价指标体系框图；

附图9为本发明实施例中模糊综合评价隶属函数结构图。

具体实施方式

本发明一种电动汽车电源监控及能源管理系统，用于电动汽车的能源管理，对延长电池使用寿命、使整车动力电池处于健康工作状态。

实施例1，如图1-图9所示，一种电动汽车电源监控及能源管理系统，包括：

用于单体电池电压检测电路、电池组总电压检测电路、充放电电流检测电路和电池温度检测电路的电池状态检测模块；

用于采样信号调理以及电压电流转换的状态参数采集模块；

用于电池荷电状态、续航里程准确估计步骤、电池健康状况诊断步骤的状态评估模块；

用于电池状态参数记录步骤、充放电次数统计步骤、续航里程统计步骤、使用习惯等的数据记录模块；

用于安全运行监控步骤、电池健康状态显示步骤、剩余电池容量等的数据显示模块。

进一步的，所述电池状态检测模块中包含单体电池电压检测电路、电池组总电压检测电路、充放电电流检测电路和电池温度检测电路。

本实施例的电动汽车电源监控及能源管理系统硬件部分主要包括主控芯片stm32103rct6的最小系统、主控制板电源模块、单体电池电压和温度采集模块、总电压和电流采集模块、保护电路、人机界面六大部分。软件部分主要包括状态评估、数据记录两大部分

stm32103rct6单片机最小系统相当于整个系统的“大脑”，协调、控制整个系统的正常运行，主控板电源模块为系统提供能量，单体电池电压和温度采集模块以及总电压和电流采集模块负责采集电池相关信息，状态评估模块主要负责电池荷电状态、续航里程准确估计步骤、电池健康状况诊断步骤，数据记录模块主要系统运行数据进行跟踪记录，保护电路对系统进行保护，人机界面显示电池组和整个系统的状态信息。

stm32f103rct6最小系统主要包括电源电路、时钟电路、复位电路、启动电路和程序下载电路5个部分，系统结构如图2所示。电源为系统提供能量，以保证指令的执行。时钟电路的主要作用是协调处理器和存储器间的信号交换，程序下载电路将程序下载到程序存储器，启动电路通知微处理器程序的存储位置，复位电路初始化内部数据存储器和寄存器。

系统是以stm32f103rct6单片机为核心，可以使系统运行起来的最简单的硬件组成。其中，软件程序接口通过与引脚7、引脚46、引脚49、引脚50、引脚55、引脚56与单片机相连，实现程序下载以及软件处理信息传输；主板电源模块供电电压为3.3v，利用电源转换芯片将车载12v电压降压到3.3v，通过引脚1、引脚13、引脚19、引脚32、引脚48、引脚64与单片机相连，为单片机供电；单体电池电压和温度采集模块通过spi通信与隔离电路与单片机进行信息传输通信，引脚36、引脚37、引脚38与adum1402连接，引脚39、引脚40、引脚41、引脚42与adum1400连接；总电压与电流采集模块信号通过引脚8、引脚9与单片机连接，传输信号；保护电路控制通过与单片机引脚11连接，完成保护控制信号传输；人机界面的信息显示通过与单片机引脚43、引脚44、引脚45连接进行信息传输与显示；系统显示按键通过连接单片机引脚24、引脚25、引脚26、引脚25来完成。

电源电路为电池管理系统提供电源，是整个系统正常运行的最基本条件。根据系统的设计要求，需要5路电源：电压传感器和电流传感器的±12v电源、显示屏的5v电源、单片机和隔离芯片的3.3v电源、电池管理芯片的8v至30v电源、保护电路继电器的12v电源。

所述单体电池电压检测电路，采用主从控制方式，最大支持96个检测点，分为8个组件，每个组件采用ltc6802采集12节单体电池的电压，通过一个特殊的电平移位串行接口完成全部检测，从而使检测单节电池的工作顺利进行，保证在13ms内完成对所有电池电压的检测。各个单体电池的正极连至ltc6802的vin1~vin12，第一节电池bt1的负极接至芯片的vin0。ltc6802通过spi通信与隔离电路adum1400与控制器stm32f103rct6的连接，进行通信传输数据。ltc6802通过与adum1400引脚11、12、13、14连接，传输信号。

所述电池组总电压检测电路，为满足系统设计要求和可靠性，采用lv25-p电压传感器，采集电池组的总电压，该电压传感器具有采样精度高、响应时间快、温度漂移小、抗干扰能力强等优点。在芯片前增加电容，进行滤波，减小电压突变对系统的造成的冲击，电压采集误差低于5mv，电压传感器的输出端3与单片机引脚8连接，实现电压信号传输。

所述充放电电流检测电路，采用htb300-p电流传感器，是磁场平衡式的，即主电流回路产生的磁场通过一个次级线圈的电流所产生的磁场进行补偿，使霍尔器件始终处于检测零磁通的工作状态。霍尔电流传感器是利用霍尔效应来测量电流信号的，可以测量直流电和交流电。该传感器可测量交流、直流、脉动电流等任意波形的电流，其线性度好，测量精度高，响应速度快，原级与次级之间完全电绝缘。采用±15v供电，能检测的额定电流为300a，htb300-p电流传感器输出端子3与单片机引脚9连接，实现充放电电流信号传输。

所述电池温度检测电路，电池的内阻特性、容量特性、充放电特性均与电池工作的环境温度有很大关系，当温度过高时，电池内部的化学反应加剧，若此时电池仍然处于工作状态将会对电池造成致命性伤害，甚至引起电池爆炸。为达到系统的温度采样要求，采用ntc10k热敏电阻，设计8个温度值测量点，8个热敏电阻分布于电池的表面与电池之间。在电路设计中，外接一个10k的上拉电阻与10k的热敏电阻相互配合分压，使输出的电压信号具有较高的精度，采样精度为1%。通过cd4051选择开关选择出对应的温度通道，将采集到的模拟量通过adum1402的引脚11、引脚12、引脚传送到stm32f103rct6单片机。

spi通信与隔离电路设计，系统的工作环境较为复杂，为了提高系统的可靠性和抗干扰能力，低压控制的主控芯片端和高压执行端之间需要进行隔离。在电路设计中，隔离方式一般可分为以光耦为代表的模拟隔离和以磁耦合器件为代表的的数字隔离。本发明选用高速磁耦合元件adum1400和adum1402来搭建隔离电路。主控芯片stm32f103rct6通过隔离芯片与ltc6802进行spi通信。主控芯片引脚36、引脚37、引脚38与adum1402的引脚3、引脚4、引脚5、引脚6连接，主控芯片引脚39、引脚40、引脚41、引脚42与adum1400的引脚3、引脚5、引脚6连接；

保护电路设计：保护电路模块通过11引脚与控制器连接，当不需要对电池组和系统主板进行保护时，stm32单片机将ry信号置位为高电平，继电器触点闭合，电动汽车正常运行。当电池组的电压、放电电流、温度等，包括系统主板的温度，任意一个数值超出设定的门限时，stm32单片机将ry信号置位为低电平，继电器触点断开，电池组停止放电；当这些指标达到电池正常工作的参数时，stm32单片机再次将ry信号置位为高电平，使继电器触点闭合。

欠压保护：锂电池处于工况状态时，随着电机负载对电池放电过程的进行，电池电压不断降低。当电池的电压低于最低放电电压时，如果继续放电，将会对从电池的性能和使用寿命带来不利影响。因此，需要对电池进行欠压保护。

过流保护：同理，放电过程中，有时候电机负载受路况和其他因素影响，电机负载会加重，从而放电电流会随着负载的加重而增大，当电流增加到锂电池的最大放电电流时，若继续对电池进行放电会严重影响锂电池的循环使用寿命的，因此需要对电池进行过流保护。

短路保护：当负载端发生意外短路时，还需要对电池包进行短路保护。

温度保护：锂电池的性能还受环境温度影响，当行车环境温度超出了锂电池的温度工作范围，最好让电动汽车停止工作。在夏天高温天气时，电动汽车长期运行，主板温度也会上升，当主板温度超过设定的门限温度时，也需要对主板进行温度保护。

所述采样信号调理电路，采用tlc2272放大器构成一个二阶有源低通滤波器，滤除高于3khz的高频电磁和数字干扰信号，同时实现了采样和滤波功能，易于实现，精度也较高。信号调理电路接于传感器后，经处理后的信号传输至后续电路，传感器信号输出接于电路2端子，通过4端子输出至后续电路adc接口。

所述电池荷电状态评估步骤，采用神经网络算法，由单体电池电压、电池总电压、充放电电流、电池温度、内阻等各种瞬时数据形成输入层i，自动归纳规则成隐含层j，再通过系统模型的输出层收敛和优化形成瞬时soc，三层神经网络结构如图5所示，图中，i、j、k分别为输入层、隐含层、输出层，wij、wj2为各层的权值。。

所述续航里程准确估计步骤，采用神经网络算法，由soc结果、历史记录使用习惯、近期使用习惯以及电池健康状况作为输入层，构建预测估计模型，输出结果。

所述电池荷电状态评估步骤、续航里程准确估计步骤，均采用神经网络算法，如图6所示，具体计算步骤如下：

步骤s1：网络初始化。确定输出层与隐含层的连接权值、隐含层与输出层的连接权值、隐含层各神经元的阈值、输出层各神经元的阈值，各参数的赋值为（-1，1）内的随机数，并设定误差函数：

步骤s2：随机选取第k个输入样本以及对应的期望输出。

步骤s3：计算隐含层各神经元的输入，并用输入以及激活函数计算隐含层各神经元的输出。

步骤s4：利用网络期望输出向量、网络的实际输出，计算误差函数对输出层各神经元的偏导数。

步骤s5：利用隐含层到输出层的连接权值、输出层的结果和隐含层的输出，计算误差函数对隐含层各神经元的偏导数。

步骤s6：利用输出层各神经元的输出和隐含层各神经元的输出，修正连接权值和阈值。

步骤s7：使用隐含层各神经元的输出和输入层各神经元的输入，修正连接权和阈值

步骤s8：计算全局误差。

步骤s9：判断网络误差是否满足要求，当满足误差要求或学习次数大于设定的最大次数m，则算法结束。否则，随机选取下一个学习样本及对应的期望输出，返回到步骤s3，进入下一轮的学习过程。

所述电池健康状况诊断步骤，采用模糊综合评价，根据电池状态参数：单体电池电压、电池总电压、充放电电流、电池温度、内阻；使用习惯：soc结果、历史记录使用习惯、近期使用习惯、充放电时间；出厂参数：使用时间、电池容量、质量等级。建立评价层（电池状态参数、使用习惯、出厂参数），并根据评价层建立评价指标层（单体电池电压、电池总电压、充放电电流、电池温度、内阻；soc结果、历史记录使用习惯、近期使用习惯、充放电时间；使用时间、电池容量、质量等级），并运用专家打分法确定各指标的权重，最后获得模糊综合评价结果。

运用模糊综合评价的基本步骤如图7所示，具体步骤如下：

步骤s1：考虑评价目的和实际需要，确定评价目标。

步骤s2：依据评价目标的影响因素，电池状态参数：单体电池电压、电池总电压、充放电电流、电池温度、内阻；使用习惯：soc结果、历史记录使用习惯、近期使用习惯、充放电时间；出厂参数：使用时间、电池容量、质量等级。建立评价层（电池状态参数、使用习惯、出厂参数），并根据评价层建立评价指标层（单体电池电压、电池总电压、充放电电流、电池温度、内阻；soc结果、历史记录使用习惯、近期使用习惯、充放电时间；使用时间、电池容量、质量等级），给出模糊评判项目层及评价指标层，建立评价对象的评价指标体系，如图8

步骤s3：按照模糊评判理论，给出评语集。本发明将电池组健康状况分为“优秀”、“良好”、“合格”、“注意”、“严重”等五级，按照模糊数学理论，五级制能对被评价事物做出较准确的描述。

针对评价体系中的指标，由评语集可得到待评价对象的评价矩阵：

由于评价指标分为两类：越大越优型与越小越优型，因此对于不同类型的指标有不同的处理方法。

对于越大越优型指标，标准化处理方法为：

对于越小越优型指标，标准化处理方法为：

经过标准化处理后，得到标准化的评价矩阵为：

步骤s4：确定评价指标的权重分配向量。本发明采用专家打分法确定各指标层和项目层权重，最后得到权重。

步骤s5：建立各评价指标的模糊隶属函数，通过各评价指标的模糊评价以及模糊隶属函数，计算各指标隶属度，建立模糊关系矩阵。隶属函数表征属于模糊集合l的程度或等级,即模糊特征函数。本发明在电池组健康状况评价模型中，评语因素既有定性因素也有定量因素，根据因素集的数据特点，选择三角型和半梯形组合的分布函数形式，如图9。隶属函数的具体确定方法：根据相关的设计数据、实验结果以及监测数据，确定如图9所示三角形和半梯形的分布函数，给出五种状态等级的模糊分界区间，最后建立各状态等级的隶属函数。如，对历史记录使用习惯评判指标，对应的各状态隶属函数分别为：

式中，分别是历史记录使用习惯为x时，对应各状态的隶属函数。同理也可以得到其他评判指标的隶属函数。

用评判指标对电池健康状况进行评估，评语集中的状态的隶属度为，则可用隶属度集：

表示指标进行评估的结果。于是，该子项目层的所有评判指标就构成了其评价矩阵，其中为第i个项目中的第j个评判指标。如以项目层中出场参数为例，其评价矩阵为：

步骤s6：进行模糊合成并做出决策。对权重向量与模糊关系矩阵运用模糊运算求解最终的评价结果。本发明选择加权平均型模糊综合评判模型，用，即：

最后得到的模糊综合评判结果为：

这种运算是界限和运算，既考虑了主要因素的影响,又考虑了非主要因素的影响，适合于系统综合指标的评判。向量c是综合评判结果，根据隶属度最大原则，最大的即为相应的的评估结果。

所述电池状态参数记录步骤，记录单体电池电压、电池总电压、充放电电流、电池温度、内阻的历史测量数据，并按照一次充放电为一个记录周期，保留近5次记录查询功能，超过5次的按照平均值法记录为历史数据，并作为近期数据的对比。

所述充放电次数、时间统计，根据系统检测的充电开始时间节点，分别记录单次充电时间以及使用时间，并按照日期记录具体充电时间、充电时长以及使用时间。

所述续航里程统计步骤，根据两次充电时间节点，按照日期分别记录电动车行驶里程、电池使用情况。

所述使用习惯记录步骤，根据系统检测电池电流以及电动车车速，记录使用过程中急加速、平稳行驶、急刹车等信息。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。