一种电池管理系统更新包生成方法、云平台及系统与流程

1.本发明涉及锂电池技术领域，具体而言，涉及一种电池管理系统更新包生成方法、云平台及系统。


背景技术：

2.锂离子电池以其高能量密度、低自放电率、无记忆效应等优点而被广泛应用于手机与电脑等便携式电子设备、新能源汽车及各类储能设备。但是对锂离子电池的滥用将会损害其性能与寿命，甚至发生起火、爆炸等严重安全事故。因此，必须要有电池管理系统(bms)来保障正常使用。识别衰减参数(soh)是bms的核心功能之一，soh的准确可以更好地进行其他状态估计，提高设备性能与安全性，并为寿命优化提供判断依据。
3.现有的衰减参数相关专利和论文多是针对特定电池在选定工况下进行的参数估计，实际应用环境往往不能严格满足选定工况条件，从而使得衰减参数估计无法适应复杂的实际数据。并且，受限于硬件端运算能力的限制，无法充分利用数据，造成衰减参数估计不准确。同时，现有技术中电池寿命优化，大多是基于状态估计结果，按照早已确定的控制方式，控制充电电流或是简单控制截止电压，并没有结合终端设备的实际运行情况，因此，对终端锂电池的寿命优化能力较低。


技术实现要素：

4.本说明书提供一种电池管理系统更新包生成方法、云平台及系统，用以克服现有技术中存在的至少一个技术问题。
5.根据本说明书实施例的第一方面，提供一种电池管理系统更新包生成方法，适于在电池管理系统云平台上执行，包括：将云平台中存储的不同衰减参数估计算法与待处理终端数据的数据类型进行关联，所述数据类型包括低电量区间数据、中高电量区间数据、充电数据、放电数据、高采样频率数据、低采样频率数据、有丰富历史数据以及无丰富历史数据；接收终端设备在每一采样时刻发送的终端数据并进行存储，所述终端数据包括充电时间、放电时间、电池充放电电流、电池荷电状态、电池电压、电池温度、终端位置；在进行衰减参数估计时，提取存储的该终端数据，将该终端数据按照预设的规则进行数据类型划分，得到该终端数据的划分结果，所述划分结果包括至少一种所述数据类型；根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值；根据所述衰减参数估计值，结合云平台预先存储的对应该型号新鲜锂电池的参数，得到所述终端设备电池的容量和内阻；根据所述终端设备电池的容量和内阻生成电池管理系统的更新包，并将所述更新包发送给该终端设备。
6.可选地，在所述根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计结果的步骤之后，还包括：根据终端数据中的充电时间、放电时间、电池充放电电流、电池温度以及终端位置，进行概率分析，得到该终端的充电习惯、常用活动轨迹以及驾驶常用速度；根据所述充电习惯、所述常用活动轨迹、所述驾驶常用速
度、估计的所述终端设备电池的容量、内阻以及云平台中获取的地理天气信息，调用云平台中预先训练的寿命优化模型，得到终端设备电池对应的寿命优化方案；将寿命优化方案添加至所述电池管理系统的更新包中。
7.可选地，所述在进行衰减参数估计时，提取存储的该终端数据，将该终端数据按照预设的规则进行数据类型划分，得到该终端数据的划分结果的步骤，包括：将该终端数据按照数据类型进行划分，所述数据类型划分包括：根据充放电上下限判断是低电量区间数据或者是中高电量区间数据、判断是充电数据或者是放电数据、根据采样频率与预设第一阈值的比较判断是高采样频率数据或者是低采样频率数据、根据历史数据量与预设第二阈值的比较判断是有丰富历史数据或者是无丰富历史数据；得到所述终端数据的划分结果。
8.可选地，所述根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值的步骤，包括：若该终端数据的划分结果包括低电量区间数据、充电数据、高采样频率数据以及无丰富历史数据，则根据终端设备型号以及电池编号在云平台中提取对应型号电池出厂时满放满充数据片段作为参考数据；根据参考数据以及该终端数据的充电数据，以充入电量为横坐标，电压为纵坐标，在同一坐标系下，分别绘制参考数据的第一曲线和终端数据的第二曲线；将所述第二曲线图的横坐标放大k倍、纵坐标向下平移r，利用遗传算法或粒子群优化算法做k和r辨识，在允许的误差阈值范围内，使得所述第二曲线与所述第一曲线重合；计算辨识出的参数k的倒数，所述倒数为该终端设备的锂电池当前的衰减参数估计值。
9.可选地，若云平台中未存储对应型号的出厂时的数据，则采用覆盖充电电压范围的带有容量信息的历史数据片段作为参考数据。
10.可选地，所述根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值的步骤，包括：若该终端数据的划分结果包括中高电量区间数据、充电数据、低采样频率数据以及无丰富历史数据，则根据终端设备型号以及电池编号在云平台中提取对应型号电池出厂时满放满充数据片段作为参考数据；根据参考数据以及该终端数据，按预设的固定电压差将充电电压数据分成若干区间，计算分割后每个电压差区间内的充电电量，以电池电压为横坐标，充电电量为纵坐标，分别绘制参考数据的第三曲线图和终端数据的第四曲线图；在所述第三曲线图和所述第四曲线图中，分别取第一特征点和第二特征点，其中以曲线图的峰值点作为第一特征点，在曲线图峰值点右侧取一相同电池电压值所对应的点为第二特征点；通过安时积分，计算所述第三曲线图中两个特征点之间的第一充电累计电量，以及计算所述第四曲线图中两个特征点之间的第二充电累计电量，计算所述第二充电累计电量与所述第一充电累计电量的比值，所述比值为该终端设备的锂电池当前的衰减参数估计值。
11.可选地，若云平台中未存储对应型号的出厂时的数据，则采用覆盖充电电压范围的带有容量信息的历史数据片段作为参考数据。
12.可选地，所述根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值的步骤，包括：若该终端数据的划分结果包括有丰富历史数据，则利用云平台中存储的预先训练的机器学习模型，通过机器学习模型对该终端设备锂电池的当前衰减参数进行预测，得到当前的衰减参数估计值。
13.根据本说明书实施例的第二方面，提供一种电池管理系统云平台，包括算法关联
模块、数据接收模块、数据处理模块、参数估计模块以及更新包生成模块，其中：所述算法关联模块，被配置为将云平台中存储的不同衰减参数估计算法与待处理终端数据的数据类型进行关联，所述数据类型包括低电量区间数据、中高电量区间数据、充电数据、放电数据、高采样频率数据、低采样频率数据、有丰富历史数据以及无丰富历史数据；所述数据接收模块，被配置为接收终端设备在每一采样时刻发送的终端数据并进行存储，所述终端数据包括充电时间、放电时间、电池充放电电流、电池荷电状态、电池电压、电池温度、终端位置；所述数据处理模块，被配置为在进行衰减参数估计时，提取存储的该终端数据，将该终端数据按照预设的规则进行数据类型划分，得到该终端数据的划分结果，所述划分结果包括至少一种所述数据类型；所述参数估计模块，被配置为根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值；根据所述衰减参数估计值，结合云平台预先存储的对应该型号新鲜锂电池的参数，得到所述终端设备电池的容量和内阻；所述更新包生成模块，被配置为根据所述终端设备电池的容量和内阻生成电池管理系统的更新包，并将所述更新包发送给该终端设备。
14.根据本说明书实施例的第三方面，提供一种电池管理系统，包括云平台和至少一个终端设备，所述云平台包括存储介质和处理器，所述存储介质中存储有所述的电池管理系统更新包生成方法，所述处理器运行时执行所述方法。
15.本说明书实施例的有益效果如下：
16.本说明书实施例中，提供了一种电池管理系统更新包生成方法、云平台及系统，对于上传云平台的终端数据，通过数据类型划分，根据终端数据的数据类型划分结果，通过与该数据类型相关联的衰减参数算法来估计该终端数据的衰减参数值，从而能够适应复杂的实际终端数据，实现对终端数据的充分利用，能够获得更加准确的衰减参数，更好地进行其他状态估计，提高设备性能与安全性。同时，充分利用终端数据挖掘驾驶常用速度、常用活动轨迹等信息，结合衰减参数等状态估计结果，融合地理天气等其他数据，更准确、更多角度地进行寿命优化，提高了对锂电池进行寿命优化的能力。
17.本说明书实施例的创新点包括：
18.1、将不同的衰减参数soh算法与适用的数据类型进行关联，通过对终端上传的数据进行类型划分，根据划分结果的数据类型分配衰减参数算法，实现了对衰减参数更准确地估计，能够充分利用数据，有效减少了复杂实际数据无法进行衰减参数估计的情况，是本说明书实施例的创新点之一。
19.2、锂电池的寿命优化，通过对终端数据的分析得到驾驶者的充电习惯、常用活动轨迹、驾驶常用速度等信息，结合衰减参数值以及地理天气等多角度信息，选择锂电池合适的充电策略、放电功率及截止电压，从而结合终端设备的实际情况，有效延长锂电池寿命，是本说明书实施例的创新点之一。
20.3、根据终端数据和云平台中的参考数据，以充入电量为横坐标、以电池电压为纵坐标，建立充电曲线，然后通过对应算法使终端数据的充电曲线与参考数据的充电曲线尽量重合，对应的缩放参数k的倒数为soh估计值，通过数据建立曲线，进而基于同型号电池的充电一致性，通过曲线重合求得衰减参数，是本说明书实施例的创新点之一。
21.4、通过等压差电量法处理终端数据和参考数据，以电池电压为横坐标、以充电电量为纵坐标，绘制曲线图，在曲线图中找到终端数据和参考数据中充电电量变化情况一致
的两个电压特征点，分别计算特征点之间的充电累计电量，通过累计电量的比值算得终端设备电池相对新鲜电池(参考数据)的衰减参数，是本说明书实施例的创新点之一。
附图说明
22.为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1为本说明书实施例提供的一种电池管理系统更新包生成方法的数据流动示意图；
24.图2为本说明书实施例提供的一种电池管理系统更新包生成方法的流程示意图；
25.图3为本说明书实施例提供的一种电池管理系统更新包生成方法的第三曲线与第四曲线的曲线图；
26.图4为本说明书实施例提供的一种电池管理系统的结构示意图。
具体实施方式
27.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.需要说明的是，本说明书实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.现有技术中，在特定电池在选定工况下进行衰减参数计算，实际应用场景中，往往无法满足选定工况的条件，从而导致无法根据复杂的实际数据进行衰减参数的计算，并且，受限于硬件端运算能力的限制，无法充分利用数据，造成衰减参数估计不准确。另外，现有技术中锂电池寿命优化，大多是基于状态估计结果，按照早已确定的控制方式，控制充电电流或是简单控制截止电压，没有结合设备的运行情况给出优化方案，优化能力不高。
30.本说明书实施例公开了一种电池管理系统更新包生成方法、云平台及系统，以下分别进行详细说明。
31.图1为本说明书实施例提供的一种电池管理系统更新包生成方法的数据流动示意图。如图1所示，终端进行数据采集，并上传至云端，云端对数据进行存储，并且在需要进行衰减参数soh估计时，提取存储的数据，利用云端的soh算法得到估计结果，估计结果将添加在生成的更新包中下发给终端，用于bms更新，同时，利用云端存储的数据和soh估计结果对相应终端电池进行寿命优化，通过云端预先存储的寿命模型获得优化方案，该优化方案也添加至更新包中下发给终端。
32.具体地，在图1数据流动框架下，根据终端数据进行soh估计并生成电池管理系统更新包的步骤在如图2中示出。
33.图2为本说明书实施例提供的一种电池管理系统更新包生成方法的流程示意图。如图2所示，一种电池管理系统更新包生成方法，适于在电池管理系统云平台上执行，包括：
34.110、将云平台中存储的不同衰减参数估计算法与待处理终端数据的数据类型进行关联，所述数据类型包括低电量区间数据、中高电量区间数据、充电数据、放电数据、高采样频率数据、低采样频率数据、有丰富历史数据以及无丰富历史数据。
35.基于现有技术无法适应复杂的实际数据、无法充分利用数据的现状，本说明书对实际数据进行类型划分，以数据类型关联不同的算法，从而增强了对数据的处理能力，数据划分的类型包括但不限于充电数据、放电数据、高采样频率数据、低采样频率数据、深度充放电数据、浅度充放电数据、有丰富历史数据、无丰富历史数据、有使用时间更久数据、无使用时间更久数据、有累计吞吐量更多数据、无累计吞吐量更多数据等。
36.数据采样频率的高低影响数据密度，对不同算法有不同适用性，深度浅度放电反映用户对该终端设备电池的使用习惯及充电习惯，丰富的历史数据有助于对该电池的状态进行更为准确地估计，数据量的增加有助于引入回归方法估计电池状态。因此，将终端数据的类型划分并与不同算法关联，能够有效提高对终端实际数据的应用能力，避免无法进行衰减参数估计的情况，是本说明书的创新点之一。
37.120、接收终端设备在每一采样时刻发送的终端数据并进行存储，所述终端数据包括充电时间、放电时间、电池充放电电流、电池荷电状态、电池电压、电池温度、终端位置。
38.云平台接收终端数据并进行存储，以对终端锂电池的状态进行监测。
39.130、在进行衰减参数估计时，提取存储的该终端数据，将该终端数据按照预设的规则进行数据类型划分，得到该终端数据的划分结果，所述划分结果包括至少一种所述数据类型。
40.在一种实现方式中，所述在进行衰减参数估计时，提取存储的该终端数据，将该终端数据按照预设的规则进行数据类型划分，得到该终端数据的划分结果的步骤，包括：
41.132、将该终端数据按照数据类型进行划分，所述数据类型划分包括：
42.根据充放电上下限判断是低电量区间数据或者是中高电量区间数据、判断是充电数据或者是放电数据、根据采样频率与预设第一阈值的比较判断是高采样频率数据或者是低采样频率数据、根据历史数据量与预设第二阈值的比较判断是有丰富历史数据或者是无丰富历史数据。
43.134、得到所述终端数据的划分结果。
44.将云平台中的终端数据与数据类型对应的划分条件进行对比匹配，从而获得终端数据的划分结果。
45.140、根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值。
46.在一种实现方式中，所述根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值的步骤，包括：
47.1402、若该终端数据的划分结果包括低电量区间数据、充电数据、高采样频率数据以及无丰富历史数据，则根据终端设备型号以及电池编号在云平台中提取对应型号电池出厂时满放满充数据片段作为参考数据。
48.在一种具体实现方式中，若云平台中未存储对应型号的出厂时的数据，则采用覆
盖充电电压范围的带有容量信息的历史数据片段作为参考数据。
49.1404、根据参考数据以及该终端数据的充电数据，以充入电量为横坐标，电压为纵坐标，在同一坐标系下，分别绘制参考数据的第一曲线和终端数据的第二曲线。
50.1406、将所述第二曲线图的横坐标放大k倍、纵坐标向下平移r，利用遗传算法、粒子群等优化算法做k和r辨识，在允许的误差阈值范围内，使得所述第二曲线与所述第一曲线重合。
51.1408、计算辨识出的参数k的倒数，所述倒数为该终端设备的锂电池当前的衰减参数估计值。
52.同一型号的电池，其新鲜电池的充电数据所绘制的曲线具有一致性，对于同一锂电池，随着使用时间的增加其使用寿命不断衰减，根据充电数据所绘制出的曲线会发生变化，因此，可以根据曲线的变化程度来表征衰减程度。
53.对于终端数据的划分结果包括充电数据、高采样频率数据以及无丰富历史数据的情况，将充电数据和参考数据均处理为以充入电量为横坐标电压为纵坐标的曲线，将充电数据横坐标放大k倍、纵坐标向下平移r，使用遗传算法或粒子群优化等算法做k和r辨识，使得两条充电曲线尽可能重合；计算辨识出的缩放参数k的倒数即为soh估计值。
54.在一种实现方式中，所述140、根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值的步骤，包括：
55.1410、若该终端数据的划分结果包括中高电量区间数据、充电数据、低采样频率数据以及无丰富历史数据，则根据终端设备型号以及电池编号在云平台中提取对应型号电池出厂时满放满充数据片段作为参考数据。
56.在一种具体实现方式中，若云平台中未存储对应型号的出厂时的数据，则采用覆盖充电电压范围的带有容量信息的历史数据片段作为参考数据。
57.1412、根据参考数据以及该终端数据，按预设的固定电压差将充电电压数据分成若干区间，计算分割后每个电压差区间内的充电电量，以电池电压为横坐标，充电电量为纵坐标，分别绘制参考数据的第三曲线图和终端数据的第四曲线图。
58.按照固定电压差计算充电电量可以很好的解决上传云端数据采样频率低的问题。
59.1414、在所述第三曲线图和所述第四曲线图中，分别取第一特征点和第二特征点，其中以曲线图的峰值点作为第一特征点，在曲线图峰值点右侧取一相同电池电压值所对应的点为第二特征点。
60.1416、通过安时积分，计算所述第三曲线图中两个特征点之间的第一充电累计电量，以及计算所述第四曲线图中两个特征点之间的第二充电累计电量，计算所述第二充电累计电量与所述第一充电累计电量的比值，所述比值为该终端设备的锂电池当前的衰减参数估计值。
61.图3为本说明书实施例提供的一种电池管理系统更新包生成方法的第三曲线与第四曲线的曲线图。如图3所示，图中参考数据的第三曲线图(新鲜)和终端数据的第四曲线图(老化)，由图可知，两曲线的最高峰可以分别作为一个特征点，老化电池的曲线(第四曲线)最高峰右移，同时分别在两曲线最高峰的右侧再寻找一个特征点，如在两曲线的一个相同电压值分别取点为右特征点。
62.选定特征点后，分别计算两条曲线特征点之间充电电量，要获得这个电量通常以
两种方式，其一为通过安时积分计算累计充电电量，虽然采样频率低，但锂电池终端可以采用恒流充电方式进行克服，从而保证安时积分的精度，并且通过对数据按照固定电压差处理，在一定程度上克服了采样频率低的问题。另一个方式就是采用终端发来的soc电量直接计算所述累计电量数据，这种情况下，电池管理系统在某些soc区间上只进行安时积分，这些区间可以用soc直接计算。
63.计算所述第三曲线图中两个特征点之间的第一充电累计电量，以及计算所述第四曲线图中两个特征点之间的第二充电累计电量，计算所述第二充电累计电量与所述第一充电累计电量的比值，其比值即为老化电池相对新鲜电池的soh，新鲜电池的信息为已知的，则可以根据soh估计终端老化后的电池各参数信息。
64.在一种实现方式中，所述140、根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值的步骤，包括：
65.1420、若该终端数据的划分结果包括有丰富历史数据，则利用云平台中存储的预先训练的机器学习模型，通过机器学习模型对该终端设备锂电池的当前衰减参数进行预测，得到当前的衰减参数估计值。
66.若终端锂电池在云平台中存储的数据量丰富，例如有使用时间更久数据、有累计吞吐量更多数据等属于有丰富历史数据的，可以用机器学习的方法，用回归方法估计衰减参数的准确率较高，根据实际数据的数据类型划分结果匹配不同的估计算法，从而实现对实际数据的充分利用和对电池健康状态的准确估计。
67.在一些实施例中，在所述根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计结果的步骤之后，还包括：
68.143、根据终端数据中的充电时间、放电时间、电池充放电电流、电池温度以及终端位置，进行概率分析，得到该终端的充电习惯、常用活动轨迹以及驾驶常用速度。
69.145、根据所述充电习惯、所述常用活动轨迹、所述驾驶常用速度、估计的所述终端设备电池的容量、内阻以及云平台中获取的地理天气信息，调用云平台中预先训练的寿命优化模型，得到终端设备电池对应的寿命优化方案。
70.所述寿命优化方案包括但不限于充电策略，如充电电流、充放电上下限，放电功率(sop)以及截止电压。
71.147、将寿命优化方案添加至所述电池管理系统的更新包中。
72.温度对电池寿命有影响，除此之外，影响电池寿命的因素还有很多。通过分析数据获得soh估计值和用户使用习惯，从而根据电池的状态估计结果选择适当的充电策略，可以有效延长寿命。此外，在合适soc区间，浅充浅放，能够延长锂电池寿命。另外，在合适soc长期放置也可以延长寿命。以上所列举的延长电池寿命的手段，基于对电池状态的准确估计，并且随着老化和使用状态的不同，进行调整，该寿命优化方案的生成是本说明书实施例的创新点之一。
73.150、根据所述衰减参数估计值，结合云平台存储的对应该型号新鲜锂电池的容量和内阻，得到所述终端设备电池的容量和内阻。
74.云平台中预先存储的对应该型号新鲜锂电池的参数包括但不限于电池的容量和内阻，也可包括其他电池模型的特征参数。
75.160、根据所述终端设备电池的容量和内阻生成电池管理系统的更新包，并将所述
更新包发送给该终端设备。
76.本实施例中，提供了一种电池管理系统更新包生成方法，通过数据类型划分，根据终端数据的数据类型划分结果，通过与该数据类型相关联的衰减参数算法来估计该终端数据的衰减参数值，从而能够获得准确的衰减参数；并利用终端数据、状态估计结果结合地理天气信息，多角度地进行寿命优化。
77.图4为本说明书实施例提供的一种电池管理系统的结构示意图。如图4所示，一种电池管理系统云平台400，包括算法关联模块410、数据接收模块420、数据处理模块430、参数估计模块440以及更新包生成模块450，其中：
78.所述算法关联模块410，被配置为将云平台中存储的不同衰减参数估计算法与待处理终端数据的数据类型进行关联，所述数据类型包括低电量区间数据、中高电量区间数据、充电数据、放电数据、高采样频率数据、低采样频率数据、有丰富历史数据以及无丰富历史数据。
79.所述数据接收模块420，被配置为接收终端设备在每一采样时刻发送的终端数据并进行存储，所述终端数据包括充电时间、放电时间、电池充放电电流、电池荷电状态、电池电压、电池温度、终端位置。
80.所述数据处理模块430，被配置为在进行衰减参数估计时，提取存储的该终端数据，将该终端数据按照预设的规则进行数据类型划分，得到该终端数据的划分结果，所述划分结果包括至少一种所述数据类型。
81.所述参数估计模块440，被配置为根据终端数据的划分结果匹配衰减参数估计算法，得到该终端设备的锂电池当前的衰减参数估计值；根据所述衰减参数估计值，结合云平台预先存储的对应该型号新鲜锂电池的参数，得到所述终端设备电池的容量和内阻。
82.所述更新包生成模块450，被配置为根据所述终端设备电池的容量和内阻生成电池管理系统的更新包，并将所述更新包发送给该终端设备。
83.本说明书实施例，提供一种电池管理系统，包括云平台和至少一个终端设备，所述云平台包括存储介质和处理器，所述存储介质中存储有所述的电池管理系统更新包生成方法，所述处理器运行时执行所述方法。
84.综上所述，本说明书提供一种电池管理系统更新包生成方法、云平台及系统，将不同的衰减参数soh算法与适用的数据类型进行关联，通过对终端上传的数据进行类型划分，根据划分结果的数据类型分配衰减参数算法，实现了对衰减参数更准确地估计，更好地进行其他状态估计，提高设备性能与安全性。同时，充分利用终端数据挖掘驾驶常用速度、常用活动轨迹等信息，结合衰减参数等状态估计结果，融合地理天气等其他数据，更准确、更多角度地进行寿命优化，提高了对锂电池进行寿命优化的能力。
85.本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
86.本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
87.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可
以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。