电池容量预测系统及预测方法与流程

本发明涉及电池管理技术领域，特别涉及一种电池容量预测系统，同时，本发明还涉及一种电池容量预测方法。

背景技术：

电池的容量(capacity，简称c)实时动态、准确、稳定、可靠地预测是预测电池soc(电池剩余电量)的关键环节之一，若不能准确预测电池的实际容量，则在充电容量超过电池的实际容量时容易发生电动汽车起火爆炸；而放电时若超出电池的实际容量则易对电池造成不可逆的严重破坏。

目前，通常采用以下两种方式预测电池的实际容量：

(1)直接利用电池厂商提供的额定容量或者成品电池安装电动车车出厂时的实测电池容量，该方法没有考虑电池随着使用，容量会逐渐衰减的情况，特别是在电池使用后期，电池容量衰减较大，若利用该方法预测，则会严重影响后续soc的预测精度；

(2)定期对电池容量做修正、校准，该方法没有考虑电池运行过程中的实时温度、电池的充电和放电状态、电池的充电和放电电流以及电池的soc等可逆因素对电池实际容量的影响；

由上述描述可知，现有的预测都仅考虑个别因素对电池容量的单一影响，不能全面精确地预测电池的实际容量，从而造成对后续soc预测的误差，且可编程性也较差。

技术实现要素：

有鉴于此，本发明旨在提出一种电池容量预测系统，其具有对各条件变量的综合考虑，而可提供实时动态、准确、可靠的电池实际容量的预测结果。

为达到上述目的，本发明的技术方案是这样实现的：

一种电池容量预测系统，以构成对电池实际容量的实时预测，所述电池容量预测系统包括：

控制器；

存储模块，与所述控制器连接，并存储有各条件变量分别在不同条件下与电池实际容量的对应关系库；

信号采集模块，被配置为对各所述条件变量的采集，并构成采集信息向所述控制模块的传输；

比较模块，与所述控制器连接，用于对所获取的采集信息与所述对应关系库比对，以使所述控制器依据比对结果综合计算而得出电池实际容量。

进一步的，所述条件变量为电池健康状态、实时温度、实时电流以及电池的实时充电状态和放电状态。

进一步的，所述对应关系库由各所述条件变量与所述电池实际容量组成的多个二维数组表构成。

相对于现有技术，本发明具有以下优势：

本发明所述的电池容量预测系统，因具有对可影响电池实际容量的各条件变量的综合考虑，且控制器可依据比对结果而综合计算出电池实际容量，从而可获取实时动态、准确、可靠的电池实际容量的预测结果。

本发明的另一目的在于提出一种电池容量预测方法，该预测方法包括以下步骤：

s1、组建对应关系库：以各条件变量为单一变量，采集制作各条件变量在不同条件下与电池实际容量的二维数组表；

s2、信号采集：采集各所述条件变量的实时信息，并传输至存储比较模块；

s3、比对计算：所述比较模块根据所获取的各所述条件变量的实时信息，一一与相应的二维数组表比对，以获得各所述条件变量所对应的电池实际容量后，使所述控制模块根据比对结果综合处理计算得出电池实际容量。

进一步的，步骤s3中，采用二分查表法获得各所述条件变量所对应的电池实际容量。

进一步的，步骤s3中，所述电池实际容量采用的计算公式为：

cactual＝capacityaver+(ct+ci+cmode)*capacityaver；

cmode＝cchargeorcdischarge；

且，ct为实时温度与所对应的电池实际容量；

ci为实时电流所对应的电池实际容量；

cmode为实时充电状态或放电状态所对应的电池实际容量；

capacityaver为实时电池健康状态所对应的电池实际容量；

cactual为电池实际容量；

进一步的，capacityaver为当前的电池健康状态所对应的电池实际容量，与前六个采样周期所采集的电池健康状态所对应的电池实际容量，剔除最大值和最小值后所得的平均值。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例二所述的电池容量预测方法的预测流程图；

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

实施例一

本实施例涉及一种电池容量预测系统，以构成对电池实际容量的实时预测，该电池容量预测系统主要包括控制器、存储模块、信号采集模块和比较模块。其中，存储模块与控制器连接，并存储有各条件变量分别在不同条件下与电池实际容量的对应关系库。信号采集模块被配置为对各条件变量的采集，并构成采集信息向控制模块的传输。比较模块亦与控制器连接，用于对所获取的采集信息与对应关系库比对，以使控制器依据比对结果综合计算而得出电池实际容量。

其中，基于现有技术电池的性能，本实施例的条件变量包括可影响电池实际容量的不可逆因素和可逆因素，其中，不可逆因素为电池健康状态soh，而可逆因素包括实时温度t、实时电流i以及电池的实时充电状态charge和放电状态discharge。本实施例的对应关系库具体由各条件变量与电池实际容量组成的多个二维数组表构成，且基于上述的五个条件变量，本实施例的二维数组表为五个。其中，各二维数组表具体由各条件变量于不同条件下的条件参数和对应的电池容量值构成，且该电池容量值的获取经由实验获得。

此外，基于上述的影响因素，本实施例的信息采集模块主要包括与控制器连接的温度采集装置和电流采集装置，且具体可采用现有技术中的温度传感器和电流传感器。

本实施例所述的电池容量预测系统，因具有对可影响电池实际容量的各条件变量的综合考虑，且控制器可依据比对结果而综合计算出电池实际容量，从而可获取实时动态、准确、可靠的电池实际容量的预测结果。

实施例二

本实施例涉及一种电池容量预测方法，如图1中所示，该预测方法包括以下步骤：

s1、组建对应关系库：以各条件变量为单一变量，采集制作各条件变量在不同条件下与电池实际容量的二维数组表；

s2、信号采集：采集各所述条件变量的实时信息，并传输至存储比较模块；

s3、比对计算：所述比较模块根据所获取的各条件变量的实时信息，一一与相应的二维数组表比对，以获得各所述条件变量所对应的电池实际容量后，使所述控制模块根据比对结果综合处理计算得出电池实际容量。

其中，在步骤s3中，具体采用二分查表法获得各所述条件变量所对应的电池实际容量。

此外，步骤s3中，电池实际容量采用的计算公式为：

cactual＝capacityaver+(ct+ci+cmode)*capacityaver；

cmode＝cchargeorcdischarge；

其中，ct为实时温度所对应的电池实际容量；

ci为实时电流所对应的电池实际容量；

cmode为实时充电状态或放电状态所对应的电池实际容量；

capacityaver为实时电池健康状态所对应的电池实际容量；

cactual为电池实际容量。

本实施例中，为了防止跳变波动，上述的capacityaver为当前的电池健康状态所对应的电池实际容量，与前六个采样周期所采集的电池健康状态所对应的电池实际容量，剔除最大值和最小值后所得的平均值。

另外，本实施例的二维数组表具体包括soh-cacitysoh二维数组表、t-ct二维数组表、i-ci二维数组表，以及soccharge-ccharge和socdischarge-cdischarge二维数组表。

为了详细解释本实施例的预测方法，以举例来说明，其中，该示例电池的实际容量与上述各条件变量间的对应关系分别如下：

例如，当t＝10℃，i＝0.5c，soccharge＝50％，soh＝0.8，时，经查上述表格得出，ct＝98％，ci＝95％，cmode＝ccharge＝48％；

capacityaver＝((capacityshot-6+capacitysoht-5+capacitysoht-4+capacitysoht-3+capacitysoh-2+capacitysoht-1+capacitysoht)-min(capacitysoht-6，capacitysoht-5，capacitysoht-4，capacitysoht-3，capacitysoh-2，capacitysoht-1，capacitysoht)-

max(capacitysoht-6，capacitysoht-5，capacitysoht-4，capacitysoht-3，capacitysoht-2，

capacitysoht-1，capacitysoht))/5

因此，cacitysoh＝((40+25+10+0-5-10-15)-(40)-(-15))＝20ah，

且由cactual＝capacityaver+(ct+ci+cmode)*capacityaver可得，

cactual＝20+(0.98+0.95+0.48)*20＝68.2ah。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。