电池数据估计方法、装置、存储介质及电子设备与流程

1.本技术属于电池技术领域，尤其涉及一种电池数据估计方法、装置、存储介质及电子设备。


背景技术：

2.21世纪以来，人们期待汽车更加清洁、环保，于是电动汽车受到了广泛的重视。相较传统燃油汽车，电动汽车无污染、噪音小、加速性能优异，受到了各国政府和消费者的青睐。电动汽车是未来汽车发展的方向。
3.电池是电动汽车的核心零部件，电池管理系统对于电池必不可少。电池管理系统最重要的功能是完成电池荷电状态(state of charge，soc)和健康状态(stateofhealth，soh)的估计，但现有的估计方法并不能准确地估计电池的soc和soh，估计效果差，不利于电池的发展。


技术实现要素：

4.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种电池数据估计方法、装置、存储介质及电子设备，能准确估计电池的荷电状态和健康状态，减小估计误差。
5.第一方面，本技术提供了一种电池数据估计方法，包括：
6.在电池数据的估计过程中，获取联合估计指令；
7.根据所述联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的所述目标电池的内部温度和荷电状态；
8.根据上一时刻估计的所述内部温度和所述荷电状态、当前时刻的所述端电压和所述电流、以及已创建的第一离散状态方程，估计所述目标电池当前时刻的内部温度；
9.根据上一时刻估计的所述荷电状态、当前时刻的所述内部温度、所述端电压和所述电流、以及已创建的第二离散状态方程，估计所述目标电池当前时刻的健康状态；
10.根据上一时刻估计的所述荷电状态、当前时刻的所述健康状态、当前时刻的所述内部温度和已创建的第三离散状态方程，估计所述目标电池当前时刻的荷电状态。
11.本技术提供的电池数据估计方法，通过将电池的内部温度、健康状态和荷电状态进行同步在线估计，结合荷电状态估计内部温度，结合内部温度和荷电状态估计健康状态，结合内部温度和健康状态估计荷电状态，从而实现三者的联合闭环在线估计，避免单独估计其中一项或两项造成荷电状态和健康状态的估计结果在电池高低温和电池衰减等实际运行情况下适应性差的问题，充分考虑了三者之间的相互影响，提高了估计结果的准确性，鲁棒性高，适应性强。
12.根据本技术提供的电池数据估计方法，所述根据上一时刻估计的所述内部温度和所述荷电状态、当前时刻的所述端电压和所述电流、以及已创建的第一离散状态方程，估计所述目标电池当前时刻的内部温度，包括：
13.检测当前时刻所述目标电池的电池表面温度和环境温度，并确定上一时刻的所述内部温度对应的荷电状态-开路电压关系；
14.根据所述荷电状态-开路电压关系、当前时刻的所述端电压和所述电流、以及上一时刻的所述内部温度和所述荷电状态，并利用预设产热功率计算公式，确定所述目标电池当前时刻的产热功率；
15.根据当前时刻的所述产热功率、所述电池表面温度和所述环境温度，并利用已创建的第一离散状态方程和卡尔曼滤波算法，估计所述目标电池当前时刻的所述内部温度。
16.根据本技术提供的电池数据估计方法，所述第一离散状态方程包括第一条件变量和第一模型容阻变量，所述第一条件变量包括所述目标电池的产热功率变量、环境温度变量、电池表面温度变量和内部温度变量，所述第一模型容阻变量包括所述目标电池的电池外部热阻变量，所述根据当前时刻的所述产热功率、所述电池表面温度和所述环境温度，并利用已创建的第一离散状态方程和卡尔曼滤波算法，估计所述目标电池当前时刻的所述内部温度，包括：
17.根据已创建的第一离散状态方程，将所述内部温度变量和所述环境温度变量之间的差值、以及所述电池外部热阻变量作为系统的状态变量，将所述电池表面温度变量和所述环境温度变量之间的差值作为系统的观测变量，以及将所述产热功率变量作为外加激励，同时将当前时刻的所述端电压、所述电流、所述环境温度、所述产热功率和所述电池表面温度代入相应的所述第一条件变量中，并根据所述电池表面温度和所述电池表面温度变量的估计数值之间的差值，利用卡尔曼滤波算法对所述内部温度变量和所述电池外部热阻变量的估计数值进行更新，以估计得到所述目标电池当前时刻的所述内部温度。
18.根据本技术提供的电池数据估计方法，所述第一离散状态方程的创建步骤包括：
19.创建所述目标电池对应的内部等效热阻模型，所述内部等效热阻模型包括所述第一条件变量和所述第一模型容阻变量，所述第一模型容阻变量还包括所述目标电池的电池内部热容变量、电池壳体热容变量和电池内部热阻变量；
20.辨识所述内部等效热阻模型，以分别得到所述电池内部热容变量、所述电池壳体热容变量和电池内部热阻变量对应的参数值；
21.将辨识出的所述参数值、以及所述环境温度变量、所述产热功率变量和所述电池表面温度变量作为卡尔曼滤波算法的输入条件，将所述内部等效热阻模型离散化，得到所述第一离散状态方程。
22.根据本技术提供的电池数据估计方法，所述第二离散状态方程包括第二条件变量和第二模型容阻变量，所述第二条件变量包括电流变量、端电压变量、内部温度变量、荷电状态-开路电压关系变量和初始荷电状态变量，所述第二模型容阻变量包括欧姆内阻变量、极化内阻变量、极化电容变量和寿命终止欧姆内阻变量；
23.所述根据上一时刻估计的所述荷电状态、当前时刻的所述内部温度、所述端电压和所述电流、以及已创建的第二离散状态方程，估计所述目标电池当前时刻的健康状态，包括：
24.获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容、寿命终止欧姆内阻、以及荷电状态-开路电压关系；
25.根据已创建的第二离散状态方程，将所述欧姆内阻变量作为缓变状态变量，将所
述端电压变量作为观测量，同时将上一时刻估计的所述荷电状态、以及当前时刻的所述内部温度、所述初始欧姆内阻、所述极化内阻、所述极化电容、所述寿命终止欧姆内阻、所述荷电状态-开路电压关系、所述端电压和所述电流代入相应的所述第二条件变量和所述第二模型容阻变量中，并利用卡尔曼滤波算法估计所述目标电池当前时刻的实时欧姆内阻；
26.根据当前时刻估计的所述实时欧姆内阻、所述寿命终止欧姆内阻和所述初始欧姆内阻，确定所述目标电池当前时刻的健康状态。
27.根据本技术提供的电池数据估计方法，所述第二离散状态方程的创建步骤包括：
28.创建所述目标电池的soh健康状态估计电路模型，所述soh估计电路模型包括所述第二条件变量和所述第二模型容阻变量；
29.将所述第二条件变量、以及所述欧姆内阻变量、所述极化内阻变量、所述极化电容变量和所述寿命终止欧姆内阻变量作为输入条件，对所述soh估计电路模型进行离散化，得到所述第二离散状态方程。
30.根据本技术提供的电池数据估计方法，在获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻之前，还包括：
31.在所述目标电池的不同的历史估计内部温度下，辨识所述soh估计电路模型，以得到相应历史估计内部温度对应的第一辨识数据，不同的所述历史估计内部温度对应不同的所述第一辨识数据，所述第一辨识数据包括初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻；
32.所述获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻，包括：
33.从所述第一辨识数据中，获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻。
34.根据本技术提供的电池数据估计方法，所述第三离散状态方程包括第三条件变量和第三模型容阻变量，所述第三条件变量包括所述目标电池的端电压变量、电流变量、初始荷电状态变量、荷电状态-开路电压关系变量、内部温度变量、健康状态变量、荷电状态变量、实际荷电容量变量、电化学极化电压变量和浓差极化电压变量；
35.所述根据上一时刻估计的所述荷电状态、当前时刻的所述健康状态、当前时刻的所述内部温度和已创建的第三离散状态方程，估计所述目标电池当前时刻的荷电状态，包括：
36.获取当前时刻的所述内部温度对应的测试荷电容量和荷电状态-开路电压关系，并获取当前时刻的所述内部温度和所述健康状态对应的所述第三模型容阻变量的参数值；
37.计算当前时刻对应的所述测试荷电容量和所述健康状态之间的乘积，得到所述目标电池的实际荷电容量；
38.根据已创建的第三离散状态方程，将当前时刻的所述内部温度、所述第三模型容阻变量的参数值、所述实际荷电容量、所述荷电状态-开路电压关系、所述端电压、所述电流、以及上一时刻估计的所述荷电状态代入相应的所述第三条件变量和所述第三模型变量中，利用卡尔曼滤波算法估计所述目标电池当前时刻的所述荷电状态。
39.根据本技术提供的电池数据估计方法，所述第三离散状态方程的创建步骤包括：
40.创建所述目标电池的soc健康状态估计电路模型，所述soc估计电路模型包括所述
第三条件变量和所述第三模型变量；
41.将所述荷电状态变量、所述电化学极化电压变量和所述浓差极化电压变量作为状态变量，将所述端电压变量作为观测方程，对所述soc估计电路模型进行离散化，得到所述第三离散状态方程。
42.根据本技术提供的电池数据估计方法，在获取当前时刻的所述内部温度和所述健康状态对应的所述第三模型容阻变量的参数值之前，还包括：
43.在不同的历史估计内部温度和不同的历史估计健康状态下，对所述目标电池进行hppc混合功率脉冲特性测试，以辨识所述soc估计电路模型，得到相应历史估计内部温度和历史估计健康状态对应的容阻参数，并将所有的所述容阻参数作为第二辨识数据进行存储，不同的所述历史估计内部温度和所述历史估计健康状态对应不同的所述容阻参数；
44.所述获取当前时刻的所述内部温度和所述健康状态对应的所述第三模型容阻变量的参数值，包括：
45.从所述第二辨识数据中，获取当前时刻的所述内部温度和所述健康状态对应的所述容阻参数，作为所述第三模型容阻变量的参数值。
46.根据本技术提供的电池数据估计方法，在获取当前时刻的所述内部温度对应的测试荷电容量之前，还包括：
47.在不同的历史估计内部温度下，对所述目标电池进行满充满放容量测试，以得到相应历史估计内部温度对应的测试荷电容量，并将所有的所述测试荷电容量作为第三辨识数据进行存储，不同的所述历史估计内部温度对应不同的所述测试荷电容量；
48.所述获取当前时刻的所述内部温度对应的测试荷电容量，包括：
49.从所述第三辨识数据中，获取当前时刻的所述内部温度对应的测试荷电容量。
50.第二方面，本技术提供了一种电池数据估计装置，包括：
51.获取模块，用于在电池数据的估计过程中，获取联合估计指令；
52.检测模块，用于根据所述联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的所述目标电池的内部温度和荷电状态；
53.第一估计模块，用于根据上一时刻估计的所述内部温度和所述荷电状态、当前时刻的所述端电压和所述电流、以及已创建的第一离散状态方程，估计所述目标电池当前时刻的内部温度；
54.第二估计模块，用于根据上一时刻估计的所述荷电状态、当前时刻的所述内部温度、所述端电压和所述电流、以及已创建的第二离散状态方程，估计所述目标电池当前时刻的健康状态；
55.第三估计模块，用于根据上一时刻估计的所述荷电状态、当前时刻的所述健康状态、当前时刻的所述内部温度和已创建的第三离散状态方程，估计所述目标电池当前时刻的荷电状态。
56.第三方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述任一项所述的电池数据估计方法。
57.第四方面，本技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述任一项所述的电池数据估计方法。
附图说明
58.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
59.图1是本技术实施例提供的电池数据估计方法的流程示意图；
60.图2是本技术实施例提供的目标电池中各模型参数的交互流程示意图；
61.图3是本技术实施例提供的电池数据估计方法的另一流程示意图；
62.图4是本技术实施例提供的soh估计电路模型的结构示意图；
63.图5是本技术实施例提供的soc估计电路模型的结构示意图；
64.图6是本技术实施例提供的显示补偿装置的结构示意图；
65.图7是本技术实施例提供的电子设备的结构示意图；
66.图8是本技术实施例提供的电子设备的硬件结构示意图。
具体实施方式
67.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。
68.本技术实施例提供了一种电池数据估计方法、装置、存储介质及电子设备。
69.请参见图1，图1是本技术实施例提供的电池数据估计方法的流程示意图，该电池数据估计方法包括以下步骤s101-s105，其中：
70.s101.在电池数据的估计过程中，获取联合估计指令；
71.s102.根据该联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的目标电池的内部温度和荷电状态；
72.s103.根据上一时刻估计的内部温度和荷电状态、当前时刻的端电压和电流、以及已创建的第一离散状态方程，估计该目标电池当前时刻的内部温度；
73.s104.根据上一时刻估计的荷电状态、当前时刻的内部温度、端电压和电流、以及已创建的第二离散状态方程，估计该目标电池当前时刻的健康状态；
74.s105.根据上一时刻估计的荷电状态、当前时刻的健康状态、当前时刻的内部温度和已创建的第三离散状态方程，估计该目标电池当前时刻的荷电状态。
75.应当理解的是，上述制作方法中所示的步骤不是排它性的，还可以在所示步骤中的任何步骤之前、之后或之间执行其它步骤。
76.本技术实施例提供的电池数据估计方法，通过将电池的内部温度、健康状态和荷电状态进行同步在线估计，结合荷电状态估计内部温度，结合内部温度和荷电状态估计健康状态，结合内部温度和健康状态估计荷电状态，从而实现三者的联合闭环在线估计，避免单独估计其中一项或两项造成估计结果在电池高低温和电池衰减等实际运行情况下适应性差的问题，充分考虑了三者之间的相互影响，提高了估计结果的准确性，鲁棒性高，适应性强。
77.请参见图2，图2是本技术实施例提供的目标电池中各模型参数的交互流程示意图。下面将结合图2对本技术实施例中的电池数据估计方法进行详细的说明。
78.s101.在电池数据的估计过程中，获取联合估计指令。
79.其中，可以在目标电池的工作过程中，对电池数据进行实时估计。联合估计指令可以是系统自动生成的，比如在电池充放电过程中，一旦到达设定的采样时间，就生成联合估计指令。电池数据可以包括内部温度、健康状态(state of health，soh)和荷电状态(state of charge，soc)，这些数据是电池系统运行时需要监测的重要数据，直接影响着电池系统的效率和安全性。
80.s102.根据该联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的该目标电池的内部温度和荷电状态。
81.其中，一旦检测到了联合估计指令，即开始进行各项电池数据的估计工作。不同时刻可能对应不同的端电压和电流。端电压又称为工作电压，是指电池在工作状态下即电路中有电流流过时电池正负极之间的电势差。内部温度不同于目标电池的表面温度和环境温度，其更能反映电池的真实状况。荷电状态soc是用来反映电池的剩余容量状况的物理量，其数值定义为电池剩余荷电容量占电池荷电容量的比值。
82.s103.根据上一时刻估计的内部温度和荷电状态、当前时刻的端电压和电流、以及已创建的第一离散状态方程，估计该目标电池当前时刻的内部温度。第一离散状态方程是根据电池内部的等效热阻模型来创建的。
83.其中，可以结合上一时刻估计的内部温度和上一时刻估计的荷电状态，来估计当前时刻的内部温度。
84.在一些实施例中，请参见图3，图3是本技术实施例提供的电池数据估计方法的另一流程示意图，上述步骤s103具体可以包括以下步骤s1031-s1033，其中：
85.s1031.检测当前时刻该目标电池的电池表面温度和环境温度，并确定上一时刻的内部温度对应的荷电状态-开路电压关系。
86.其中，可以在目标电池中提前存储各种温度对应的荷电状态-开路电压(soc-ocv)关系，比如可以将这些数据存储在soc-ocv关系表格中，表格中可以记录不同的温度对应的soc-ocv关系。
87.s1032.根据该荷电状态-开路电压关系、当前时刻的端电压和电流、以及上一时刻的内部温度和荷电状态，并利用预设产热功率计算公式，确定该目标电池当前时刻的产热功率。
88.其中，预设产热功率计算公式可以为bernadi公式，也即q＝(u
ocv
–
u)*i+i*t*du
ocv
/dt，q为产热功率，u
ocv
为开路电压，i为电流，u为端电压，t为内部温度，d表示微分，d u
ocv
/dt是熵值系数。
89.具体的，可以根据上一时刻内部温度对应的soc-ocv关系和上一时刻的荷电状态soc(也即当前时刻对应的初始soc)计算出开路电压u
ocv
，并将上一时刻的内部温度作为t，代入上述bernadi公式中，计算出当前时刻的产热功率q。
90.需要说明的是，当需要估计初始时刻的内部温度时，由于不存在上一时刻估计的内部温度，故可以将环境温度作为上一时刻估计的内部温度代入t，将默认的荷电状态作为初始soc，之后，根据初始soc和环境温度来计算开路电压u
ocv
，进而计算初始时刻的产热功率q。当需要估计非初始时刻的内部温度时，可以直接将上一时刻估计的内部温度代入t，并根据上一时刻估计的荷电状态soc和内部温度计算开路电压u
ocv
。
91.s1033.根据当前时刻的产热功率、电池表面温度和环境温度，并利用已创建的第
一离散状态方程和卡尔曼滤波算法，估计该目标电池当前时刻的内部温度。
92.在一些实施例中，该第一离散状态方程包括第一条件变量和第一模型容阻变量，该第一条件变量包括该目标电池的产热功率变量、环境温度变量、电池表面温度变量和内部温度变量，该第一模型容阻变量包括该目标电池的电池外部热阻变量。
93.其中，每个第一条件变量和电池外部热阻变量在不同的时刻，可能具有不同的参数值。电池外部热阻变量为电池壳体与空气接触部分的等效热阻，其是电池与环境之间的交换热阻。该第一离散状态方程是提前创建好的，该第一离散状态方程的创建步骤具体可以包括：
94.创建该目标电池对应的内部等效热阻模型，该内部等效热阻模型的状态方程包括该第一条件变量和该第一模型容阻变量，该第一模型容阻变量还包括该目标电池的电池内部热容变量、电池壳体热容变量和电池内部热阻变量；
95.辨识该内部等效热阻模型，以分别得到电池内部热容变量、电池壳体热容变量和电池内部热阻变量对应的参数值；
96.将辨识出的参数值、以及环境温度变量、产热功率变量和电池表面温度变量作为卡尔曼滤波算法的输入条件，将该内部等效热阻模型离散化，得到第一离散状态方程。
97.其中，可以将目标电池内部的热域等效为电域，建立用于估计电池内部温度的内部等效热阻模型，其模型的状态方程可以如下：
98.cc*d(t
in-t
amb
)/dt＝q-(t
in-ts)/ri；
99.cs*d(t
s-t
amb
)/dt＝(t
in-ts)/r
i-(t
s-t
amb
)/r0；
100.其中，cc为电池内部热容变量，cs为电池壳体热容变量，r0为电池外部热阻变量，ri为电池内部热阻变量，t
in
为电池的内部温度变量，ts为电池表面温度变量，t
amb
为电池周围的环境温度变量，q为电池的产热功率变量。
101.具体的，内部等效热阻模型的第一模型容阻变量包括cc、cs、r0和ri，r0的参数值会跟随环境温度或内部温度而变化，而cc、cs和ri的参数值可以通过已知的辨识手段辨识得到。之后，将cc、cs和ri的辨识参数值与其它变量一起作为卡尔曼滤波算法的输入条件，将内部等效热阻模型离散化，离散化的实现可以采用已知的任意一种离散化方法，此处不做限制。
102.进一步地，上述步骤s1033具体可以包括：
103.根据已创建的第一离散状态方程，将该内部温度变量和该环境温度变量之间的差值、以及该电池外部热阻变量作为系统的状态变量，将该电池表面温度变量和该环境温度变量之间的差值作为系统的观测变量，以及将该产热功率变量作为外加激励，同时将当前时刻的端电压、电流、环境温度、产热功率和电池表面温度代入相应的该第一条件变量中，并根据该电池表面温度和该电池表面温度变量的估计数值之间的差值，利用卡尔曼滤波算法对该内部温度变量和该电池外部热阻变量的估计数值进行更新，以估计得到该目标电池当前时刻的内部温度。
104.其中，内部温度变量的参数值(也即当前时刻的内部温度)是需要通过卡尔曼滤波算法估算出的值。卡尔曼滤波(kalman filtering)算法是一种利用系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。数据滤波是去除噪声还原真实数据
的一种数据处理技术，kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。
105.经典的kalman滤波算法的线性离散系统的状态方程和量测方程如公式所示：
[0106][0107]
其中，xk表示的是系统k时刻的状态变量，x
k-1
则表示的是系统k-1时刻的状态变量，u
k-1
表示的是k-1时刻的系统输入观测量，uk则表示的是k时刻的系统输入观测量，yk表示k时刻的系统输出观测量；w
k-1
表示的是k-1时刻的系统激励噪声序列，vk表示的是k时刻的系统量测噪声序列，a为n维状态转移矩阵，b为系统输入控制矩阵,c为系统的输出矩阵，d为系统的前馈矩阵。
[0108]
卡尔曼滤波的整个计算过程其实是一步预测，一步修正的过程，通过循环迭代的方式使状态估计值不断逼近真实值。本技术实施例中，将第一离散状态方程作为卡尔曼滤波算法的系统状态方程，通过给出k-1时刻的量测数据(即上述已知的当前时刻的端电压、电流、环境温度、产热功率和电池表面温度)，递推得到k时刻的状态估计值(即当前时刻估计的内部温度)，且结合系统均方误差和滤波增益来对预估值进行修正。
[0109]
s104.根据上一时刻估计的荷电状态、当前时刻的内部温度、端电压和电流、以及已创建的第二离散状态方程，估计该目标电池当前时刻的健康状态。
[0110]
其中，可以结合上一时刻估计的荷电状态以及当前时刻估计的内部温度，来估计当前时刻的健康状态，也即将上一时刻的soc和内部温度作为soh估计时的输入条件，对soh估计时的电池数据进行修正。
[0111]
在一些实施例中，该第二离散状态方程包括第二条件变量和第二模型容阻变量，该第二条件变量包括电流变量、端电压变量、内部温度变量、荷电状态-开路电压关系变量和初始荷电状态变量，该第二模型容阻变量包括欧姆内阻变量、极化内阻变量、极化电容变量和寿命终止欧姆内阻变量。
[0112]
其中，每个第二条件变量在不同的时刻，可能具有不同的参数值，每个第二模型容阻变量在不同的内部温度，可能具有不同的参数值。该第二离散状态方程是提前创建好的，该第二离散状态方程的创建步骤具体包括：
[0113]
创建该目标电池的soh健康状态估计电路模型，该soh估计电路模型包括该第二条件变量和该第二模型容阻变量；
[0114]
将该第二条件变量、以及该欧姆内阻变量、该极化内阻变量、该极化电容变量和该寿命终止欧姆内阻变量作为输入条件，对该soh估计电路模型进行离散化，得到第二离散状态方程。
[0115]
其中，请参见图4，图4是本技术实施例提供的soh估计电路模型的结构示意图，端电压变量为u
t
，电流变量为i，开路电压为u
ocv
。欧姆内阻变量r0对应两个参数值，初始欧姆内阻r
new
和实时欧姆内阻r
now
，r
new
的数值取决于目标电池的内部温度，r
now
的数值需要soh估计电路模型实时估计出。极化内阻变量为r1，极化电容变量为c1，寿命终止欧姆内阻变量为r
eol
，r
eol
是电池容量衰减至一定程度(比如衰减至80％)的欧姆内阻，相当于是电池容量衰减至一定程度(比如衰减至80％)的实时欧姆内阻r
now
。可以采用已有的离散化方式，将soh
估计电路模型进行离散化。
[0116]
请继续参见图3，上述步骤s104进一步可以包括以下步骤s1041-s1043，其中：
[0117]
s1041.获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容、寿命终止欧姆内阻、以及荷电状态-开路电压关系。
[0118]
其中，可以提前通过辨识的方式确定不同的内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻，并将这些数据进行存储。荷电状态-开路电压关系可以根据当前时刻的内部温度从上述soc-ocv关系表格中匹配得到。
[0119]
在一些实施例中，在上述步骤“获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻”之前，该电池数据估计方法还可以包括：
[0120]
在该目标电池的不同的历史估计内部温度下，辨识soh估计电路模型，以得到相应历史估计内部温度对应的第一辨识数据，不同的该历史估计内部温度对应不同的该第一辨识数据，该第一辨识数据包括初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻。
[0121]
其中，第一辨识数据是基于大量历史数据计算得到的，在不同的历史估计内部温度下，对soh估计电路模型进行辨识，得到相应的初始欧姆内阻(即r
new
的参数值)、极化内阻(即r1的参数值)、极化电容(即的c1参数值)和寿命终止欧姆内阻(即r
eol
的参数值)，并将这些参数值和相应的温度关联存储。
[0122]
此时，上述步骤“获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻”，具体可以包括：
[0123]
从该第一辨识数据中，获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻。
[0124]
其中，可以找到与当前时刻的内部温度相匹配的历史估计内部温度，并将相匹配的历史估计内部温度对应的第一辨识数据，作为相匹配的第一辨识数据。
[0125]
s1042.根据已创建的第二离散状态方程，将该欧姆内阻变量作为缓变状态变量，将该端电压变量作为观测量，同时将上一时刻估计的荷电状态、以及当前时刻的内部温度、初始欧姆内阻、极化内阻、极化电容、寿命终止欧姆内阻、荷电状态-开路电压关系、端电压和电流代入相应的该第二条件变量和该第二模型容阻变量中，并利用卡尔曼滤波算法估计该目标电池当前时刻的实时欧姆内阻。
[0126]
其中，可以将上一时刻估计的荷电状态作为初始荷电状态soc变量的参数值，可以根据当前时刻的内部温度和荷电状态-开路电压(soc-ocv)关系确定开路电压u
ocv
。卡尔曼滤波算法的估计过程可以参见上述步骤s1033，此处不再赘述。
[0127]
s1043.根据当前时刻估计的实时欧姆内阻、寿命终止欧姆内阻和初始欧姆内阻，确定该目标电池当前时刻的健康状态。
[0128]
其中，可以通过公式soh＝(r
eol-r
now
)/(r
eol-r
new
)来计算，soh为健康状态，r
now
为估计出的实时欧姆内阻，r
eol
为寿命终止欧姆内阻，r
new
为初始欧姆内阻。
[0129]
需要指出的是，考虑到电池在充放电过程中，伴随着电池内部电化学反应的进行，电池内部会产生大量的热量，电池的内部温度和电池的表面温度以及环境温度之间必然会存在差异，在某些工况下这种差异能够达到十几摄氏度甚至几十摄氏度，为此，本技术实施例在估计soh时，通过将电池的内部温度作为其中一个输入条件，而非电池的表面温度或者环境温度作为输入条件，从而能提高soh的估计结果准确性。
[0130]
s105.根据上一时刻估计的荷电状态、当前时刻的健康状态、当前时刻的内部温度和已创建的第三离散状态方程，估计该目标电池当前时刻的荷电状态。
[0131]
其中，可以结合当前时刻估计的健康状态soh和当前时刻估计的内部温度，来估计当前时刻的荷电状态，也即将当前时刻估计的soh和内部温度作为soc估计时的输入条件，对soc估计时的电池数据进行修正。
[0132]
在一些实施例中，该第三离散状态方程包括第三条件变量和第三模型容阻变量，该第三条件变量包括该目标电池的端电压变量、电流变量、初始荷电状态变量、荷电状态-开路电压关系变量、内部温度变量、健康状态变量、荷电状态变量、实际荷电容量变量、电化学极化电压变量和浓差极化电压变量。
[0133]
其中，每个第三条件变量在不同的时刻，可能具有不同的参数值，每个第三模型容阻变量在不同的内部温度和健康状态soh，可能具有不同的参数值。该第三离散状态方程是提前创建好的，该第三离散状态方程的创建步骤具体包括：
[0134]
创建该目标电池的soc健康状态估计电路模型，该soc估计电路模型包括该第三条件变量和该第三模型变量；
[0135]
将该荷电状态变量、该电化学极化电压变量和该浓差极化电压变量作为状态变量，将该端电压变量作为观测方程，对该soc估计电路模型进行离散化，得到第三离散状态方程。
[0136]
其中，请参见图5，图5是本技术实施例提供的soc估计电路模型的结构示意图，端电压变量为u
t
，电流变量为i，开路电压为u
ocv
。电化学极化电压变量为u
p1
，浓差极化电压为u
p2
，第三模型容阻变量包括第一内阻r
p1
、第一电容c
p1
、第二内阻r
p2
、第二电容c
p2
、以及第三内阻r
0'
。可以采用已有的离散化方式，将soc估计电路模型进行离散化。
[0137]
请继续参见图3，上述步骤s105进一步可以包括以下步骤s1051-s1053，其中：
[0138]
s1051.获取当前时刻的内部温度对应的测试荷电容量和荷电状态-开路电压关系，并获取当前时刻的内部温度和健康状态对应的第三模型容阻变量的参数值。
[0139]
其中，测试荷电容量是目标电池经过温度修正后的电池容量值，可以提前通过满充满放容量测试方式确定不同的内部温度对应的测试荷电容量。荷电状态-开路电压关系可以根据当前时刻的内部温度从上述soc-ocv关系表格中匹配得到。该第三模型容阻变量的参数值是soc估计电路模型经过内部温度和健康状态soh修正后的容阻参数，其可以提前通过混合功率脉冲特性测试(hybrid pulsepower characteristic，hppc)测试得到。
[0140]
例如，在一些实施例中，在上述步骤“获取当前时刻的内部温度和健康状态对应的第三模型容阻变量的参数值”之前，该电池数据估计方法还可以包括：
[0141]
在不同的历史估计内部温度和不同的历史估计健康状态下，对该目标电池进行hppc混合功率脉冲特性测试，以辨识该soc估计电路模型，得到相应历史估计内部温度和历史估计健康状态对应的容阻参数，并将所有的容阻参数作为第二辨识数据进行存储，不同的历史估计内部温度和历史估计健康状态对应不同的容阻参数。
[0142]
其中，第二辨识数据是基于大量历史数据辨识得到的，在不同的历史估计内部温度、不同的历史估计健康状态下，对soc估计电路模型进行辨识，得到相应的第一内阻r
p1
、第一电容c
p1
、第二内阻r
p2
、第二电容c
p2
、以及第三内阻r
0'
这些容阻参数，并将这些容阻参数值和相应的温度以及健康状态关联存储。
[0143]
此时，上述步骤“获取当前时刻的内部温度和健康状态对应的第三模型容阻变量的参数值”具体可以包括：
[0144]
从该第二辨识数据中，获取当前时刻的内部温度和健康状态对应的容阻参数，作为该第三模型容阻变量的参数值。
[0145]
其中，可以在第二辨识数据中，先找到和当前时刻的内部温度及健康状态相匹配的历史估计内部温度及历史估计健康状态，并找到该历史估计内部温度及历史估计健康状态对应的容阻参数。
[0146]
在一些实施例中，在上述步骤“获取当前时刻的内部温度对应的测试荷电容量”之前，该电池数据估计方法还可以包括：
[0147]
在不同的历史估计内部温度下，对该目标电池进行满充满放容量测试，以得到相应历史估计内部温度对应的测试荷电容量，并将所有的测试荷电容量作为第三辨识数据进行存储，不同的该历史估计内部温度对应不同的该测试荷电容量。
[0148]
其中，第三辨识数据是基于大量历史数据计算得到的，在不同的历史估计内部温度下进行满充满放容量测试，以得到相应的测试荷电容量，并将测试荷电容量和相应的温度关联存储。
[0149]
此时，上述步骤“获取当前时刻的内部温度对应的测试荷电容量”具体可以包括：
[0150]
从该第三辨识数据中，获取当前时刻的内部温度对应的测试荷电容量。
[0151]
其中，可以在第三辨识数据中，先找到和当前时刻的内部温度相匹配的历史估计内部温度，并找到该历史估计内部温度对应的测试荷电容量。
[0152]
s1052.计算当前时刻对应的测试荷电容量和健康状态之间的乘积，得到该目标电池的实际荷电容量。
[0153]
其中，实际荷电容量q
cell
反映了电池衰减时的实际容量，其和当前时刻估计出的健康状态soh有关，是经过内部温度和健康状态修正后的容量。
[0154]
s1053.根据已创建的第三离散状态方程，将当前时刻的内部温度、第三模型容阻变量的参数值、实际荷电容量、荷电状态-开路电压关系、端电压、电流、以及上一时刻估计的荷电状态代入相应的第三条件变量和第三模型变量中，利用卡尔曼滤波算法估计该目标电池当前时刻的荷电状态。
[0155]
其中，在卡尔曼滤波算法的估计过程中，可以根据当前时刻的实际荷电容量(经过当前内部温度修正的荷电容量)和上一时刻估计的荷电状态，确定当前时刻的初始荷电状态soc，并将其作为初始荷电状态soc变量的参数值，而当前时刻的荷电状态-开路电压关系可以确定与当前时刻的初始荷电状态soc对应的开路电压u
ocv
。卡尔曼滤波算法的估计过程可以参见上述步骤s1033，此处不再赘述。
[0156]
需要指出的是，考虑到电池在使用过程中，必然会发生老化，伴随着电池的老化，电池的内阻以及电池实际容量等都会发生变化，故本技术实施例在进行soc估计时，还将soh的估计结果和内部温度的估计结果作为输入条件，对电池的实际荷电容量和容阻参数进行修正，从而能提高soc估计电路模型在高低温和电池衰减老化情况下的估计准确性。而当前时刻的soc估计结果，又作为内部温度估计电路模型中下一时刻电池产热功率计算时的输入条件进行更新、以及soh估计电路模型中下一时刻soh估计的输入条件进行更新，如此循环往复直到电池充放电工况结束，使得电池内部温度、荷电状态soc和健康状态soh三
者形成联合闭环在线估计，考虑了三者之间的相互影响，从而提高了估计结果的精度和鲁棒性，且增强了对电池高低温和衰减老化等实际运行情况的适应性。
[0157]
由上述可知，本技术实施例提供的电池数据估计方法，在电池数据的估计过程中，通过检测该目标电池当前时刻的端电压和电流，并获取上一时刻估计的该目标电池的内部温度和荷电状态；根据上一时刻估计的内部温度和荷电状态、当前时刻的端电压和电流、以及已创建的第一离散状态方程，估计该目标电池当前时刻的内部温度；根据上一时刻估计的荷电状态、当前时刻的内部温度、端电压和电流、以及已创建的第二离散状态方程，估计该目标电池当前时刻的健康状态；根据上一时刻估计的荷电状态、当前时刻的健康状态、当前时刻的内部温度和已创建的第三离散状态方程，估计该目标电池当前时刻的荷电状态，从而实现电池内部温度、健康状态和荷电状态的联合闭环在线估计，避免单独估计其中一项或两项造成荷电状态和健康状态的估计结果在电池高低温和电池衰减等实际运行情况下适应性差的问题，充分考虑了三者之间的相互影响，提高了估计结果的准确性，鲁棒性高，适应性强。
[0158]
根据上述实施例描述的方法，本技术实施例还提供了一种电池数据估计装置，用于执行上述电池数据估计方法中的步骤。请参见图6，图6是本技术实施例提供的电池数据估计装置200的结构示意图。该电池数据估计装置200包括获取模块201、检测模块202、第一估计模块203、第二估计模块204以及第三估计模块205，其中：
[0159]
获取模块201，用于在电池数据的估计过程中，获取联合估计指令。
[0160]
检测模块202，用于根据该联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的该目标电池的内部温度和荷电状态。
[0161]
第一估计模块203，用于根据上一时刻估计的内部温度和荷电状态、当前时刻的端电压和电流、以及已创建的第一离散状态方程，估计该目标电池当前时刻的内部温度。
[0162]
第二估计模块204，用于根据上一时刻估计的荷电状态、当前时刻的内部温度、端电压和电流、以及已创建的第二离散状态方程，估计该目标电池当前时刻的健康状态。
[0163]
第三估计模块205，用于根据上一时刻估计的荷电状态、当前时刻的健康状态、当前时刻的内部温度和已创建的第三离散状态方程，估计该目标电池当前时刻的荷电状态。
[0164]
在一些实施例中，上述第一估计模块203具体用于：
[0165]
检测当前时刻该目标电池的电池表面温度和环境温度，并确定上一时刻的内部温度对应的荷电状态-开路电压关系；
[0166]
根据该荷电状态-开路电压关系、当前时刻的端电压和电流、以及上一时刻的内部温度和荷电状态，并利用预设产热功率计算公式，确定该目标电池当前时刻的产热功率；
[0167]
根据当前时刻的产热功率、电池表面温度和环境温度，并利用已创建的第一离散状态方程和卡尔曼滤波算法，估计该目标电池当前时刻的内部温度。
[0168]
在一些实施例中，该第一离散状态方程包括第一条件变量和第一模型容阻变量，该第一条件变量包括该目标电池的产热功率变量、环境温度变量、电池表面温度变量和内部温度变量，该第一模型容阻变量包括该目标电池的电池外部热阻变量，上述第一估计模块203具体用于：
[0169]
根据已创建的第一离散状态方程，将该内部温度变量和该环境温度变量之间的差值、以及该电池外部热阻变量作为系统的状态变量，将该电池表面温度变量和该环境温度
变量之间的差值作为系统的观测变量，以及将该产热功率变量作为外加激励，同时将当前时刻的该端电压、该电流、该环境温度、该产热功率和该电池表面温度代入相应的该第一条件变量中，并根据该电池表面温度和该电池表面温度变量的估计数值之间的差值，利用卡尔曼滤波算法对该内部温度变量和该电池外部热阻变量的估计数值进行更新，以估计得到该目标电池当前时刻的内部温度。
[0170]
在一些实施例中，该电池数据估计装置还包括创建模块，用于：
[0171]
创建该目标电池对应的内部等效热阻模型，该内部等效热阻模型包括该第一条件变量和该第一模型容阻变量，该第一模型容阻变量还包括该目标电池的电池内部热容变量、电池壳体热容变量和电池内部热阻变量；
[0172]
辨识该内部等效热阻模型，以分别得到该电池内部热容变量、该电池壳体热容变量和电池内部热阻变量对应的参数值；
[0173]
将辨识出的该参数值、以及该环境温度变量、该产热功率变量和该电池表面温度变量作为卡尔曼滤波算法的输入条件，将该内部等效热阻模型离散化，得到该第一离散状态方程。
[0174]
在一些实施例中，该第二离散状态方程包括第二条件变量和第二模型容阻变量，该第二条件变量包括电流变量、端电压变量、内部温度变量、荷电状态-开路电压关系变量和初始荷电状态变量，上述第二估计模块204具体用于：
[0175]
该根据上一时刻估计的该荷电状态、当前时刻的内部温度、端电压和电流、以及已创建的第二离散状态方程，估计该目标电池当前时刻的健康状态，包括：
[0176]
获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容、寿命终止欧姆内阻、以及荷电状态-开路电压关系；
[0177]
根据已创建的第二离散状态方程，将该欧姆内阻变量作为缓变状态变量，将该端电压变量作为观测量，同时将上一时刻估计的荷电状态、以及当前时刻的内部温度、初始欧姆内阻、极化内阻、极化电容、寿命终止欧姆内阻、荷电状态-开路电压关系、端电压和电流代入相应的该第二条件变量和该第二模型容阻变量中，并利用卡尔曼滤波算法估计该目标电池当前时刻的实时欧姆内阻；
[0178]
根据当前时刻估计的该实时欧姆内阻、该寿命终止欧姆内阻和该初始欧姆内阻，确定该目标电池当前时刻的健康状态。
[0179]
在一些实施例中，上述创建模块还用于：
[0180]
创建该目标电池的soh健康状态估计电路模型，该soh估计电路模型包括该第二条件变量和该第二模型容阻变量；
[0181]
将该第二条件变量、以及该欧姆内阻变量、该极化内阻变量、该极化电容变量和该寿命终止欧姆内阻变量作为输入条件，对该soh估计电路模型进行离散化，得到该第二离散状态方程。
[0182]
在一些实施例中，上述创建模块还用于：
[0183]
在第二估计模块204获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻之前，在该目标电池的不同的历史估计内部温度下，辨识该soh估计电路模型，以得到相应历史估计内部温度对应的第一辨识数据，不同的该历史估计内部温度对应不同的该第一辨识数据，该第一辨识数据包括初始欧姆内阻、极化内阻、极化电
容和寿命终止欧姆内阻；
[0184]
此时，第二估计模块204进一步用于：从该第一辨识数据中，获取当前时刻的内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻。
[0185]
在一些实施例中，该第三离散状态方程包括第三条件变量和第三模型容阻变量，该第三条件变量包括该目标电池的端电压变量、电流变量、初始荷电状态变量、荷电状态-开路电压关系变量、内部温度变量、健康状态变量、荷电状态变量、实际荷电容量变量、电化学极化电压变量和浓差极化电压变量。上述第三估计模块205具体用于：
[0186]
获取当前时刻的内部温度对应的测试荷电容量和荷电状态-开路电压关系，并获取当前时刻的内部温度和健康状态对应的第三模型容阻变量的参数值；
[0187]
计算当前时刻对应的测试荷电容量和健康状态之间的乘积，得到该目标电池的实际荷电容量；
[0188]
根据已创建的第三离散状态方程，将当前时刻的内部温度、第三模型容阻变量的参数值、实际荷电容量、荷电状态-开路电压关系、端电压、电流、以及上一时刻估计的荷电状态代入相应的该第三条件变量和该第三模型变量中，利用卡尔曼滤波算法估计该目标电池当前时刻的该荷电状态。
[0189]
在一些实施例中，上述创建模块还用于：
[0190]
创建该目标电池的soc健康状态估计电路模型，该soc估计电路模型包括该第三条件变量和该第三模型变量；
[0191]
将该荷电状态变量、该电化学极化电压变量和该浓差极化电压变量作为状态变量，将该端电压变量作为观测方程，对该soc估计电路模型进行离散化，得到该第三离散状态方程。
[0192]
在一些实施例中，上述创建模块还用于：
[0193]
在上述第三估计模块205获取当前时刻的内部温度和健康状态对应的第三模型容阻变量的参数值之前，在不同的历史估计内部温度和不同的历史估计健康状态下，对该目标电池进行hppc混合功率脉冲特性测试，以辨识该soc估计电路模型，得到相应历史估计内部温度和历史估计健康状态对应的容阻参数，并将所有的该容阻参数作为第二辨识数据进行存储，不同的该历史估计内部温度和该历史估计健康状态对应不同的该容阻参数。
[0194]
此时，上述第三估计模块205进一步用于：
[0195]
从该第二辨识数据中，获取当前时刻的该内部温度和该健康状态对应的容阻参数，作为该第三模型容阻变量的参数值。
[0196]
在一些实施例中，上述创建模块还用于：
[0197]
在上述第三估计模块205获取当前时刻的该内部温度对应的测试荷电容量之前，在不同的历史估计内部温度下，对该目标电池进行满充满放容量测试，以得到相应历史估计内部温度对应的测试荷电容量，并将所有的该测试荷电容量作为第三辨识数据进行存储，不同的该历史估计内部温度对应不同的该测试荷电容量。
[0198]
此时，上述第三估计模块205进一步用于：
[0199]
从该第三辨识数据中，获取当前时刻的该内部温度对应的测试荷电容量。
[0200]
需要说明的是，上述电池数据估计装置200中各模块单元的具体细节已经在上述对应的显示补偿方法中进行了详细描述，这里不再赘述。
[0201]
本技术实施例中的电池数据估计装置200可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(mobile internet device，mid)、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，还可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。
[0202]
在一些实施例中，如图7所示，本技术实施例还提供一种电子设备300，包括处理器301、存储器302及存储在存储器302上并可在处理器301上运行的计算机程序，该程序被处理器301执行时实现上述电池数据估计方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0203]
需要说明的是，本技术实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
[0204]
图8为实现本技术实施例的一种电子设备的硬件结构示意图。
[0205]
该电子设备400包括但不限于：射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409以及处理器410等部件。
[0206]
本领域技术人员可以理解，电子设备400还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器410逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
[0207]
应理解的是，本技术实施例中，输入单元404可以包括图形处理器(graphics processing unit，gpu)4041和麦克风4042，图形处理器4041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元406可包括显示面板4061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板4061。用户输入单元407包括触控面板4071以及其他输入设备4072中的至少一种。触控面板4071，也称为触摸屏。触控面板4071可包括触摸检测装置和触摸控制器两个部分。其他输入设备4072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
[0208]
存储器409可用于存储软件程序以及各种数据。存储器409可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器409可以包括易失性存储器或非易失性存储器，或者，存储器409可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机
存取存储器(random access memory，ram)，静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本技术实施例中的存储器409包括但不限于这些和任意其它适合类型的存储器。
[0209]
处理器410可包括一个或多个处理单元；处理器410集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器410中。
[0210]
本技术实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述电池数据估计方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0211]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
[0212]
本技术实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述电池数据估计方法。
[0213]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
[0214]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0215]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0216]
上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多
形式，均属于本技术的保护之内。
[0217]
本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0218]
在本技术的描述中，“多个”的含义是两个或两个以上。
[0219]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0220]
还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
[0221]
尽管已经示出和描述了本技术的实施例，本领域的普通技术人员可以理解：在不脱离本技术的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本技术的范围由权利要求及其等同物限定。

技术特征：
1.一种电池数据估计方法，其特征在于，包括：在电池数据的估计过程中，获取联合估计指令；根据所述联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的所述目标电池的内部温度和荷电状态；根据上一时刻估计的所述内部温度和所述荷电状态、当前时刻的所述端电压和所述电流、以及已创建的第一离散状态方程，估计所述目标电池当前时刻的内部温度；根据上一时刻估计的所述荷电状态、当前时刻的所述内部温度、所述端电压和所述电流、以及已创建的第二离散状态方程，估计所述目标电池当前时刻的健康状态；根据上一时刻估计的所述荷电状态、当前时刻的所述健康状态、当前时刻的所述内部温度和已创建的第三离散状态方程，估计所述目标电池当前时刻的荷电状态。2.根据权利要求1所述的电池数据估计方法，其特征在于，所述根据上一时刻估计的所述内部温度和所述荷电状态、当前时刻的所述端电压和所述电流、以及已创建的第一离散状态方程，估计所述目标电池当前时刻的内部温度，包括：检测当前时刻所述目标电池的电池表面温度和环境温度，并确定上一时刻的所述内部温度对应的荷电状态-开路电压关系；根据所述荷电状态-开路电压关系、当前时刻的所述端电压和所述电流、以及上一时刻的所述内部温度和所述荷电状态，并利用预设产热功率计算公式，确定所述目标电池当前时刻的产热功率；根据当前时刻的所述产热功率、所述电池表面温度和所述环境温度，并利用已创建的第一离散状态方程和卡尔曼滤波算法，估计所述目标电池当前时刻的所述内部温度。3.根据权利要求2所述的电池数据估计方法，其特征在于，所述第一离散状态方程包括第一条件变量和第一模型容阻变量，所述第一条件变量包括所述目标电池的产热功率变量、环境温度变量、电池表面温度变量和内部温度变量，所述第一模型容阻变量包括所述目标电池的电池外部热阻变量，所述根据当前时刻的所述产热功率、所述电池表面温度和所述环境温度，并利用已创建的第一离散状态方程和卡尔曼滤波算法，估计所述目标电池当前时刻的所述内部温度，包括：根据已创建的第一离散状态方程，将所述内部温度变量和所述环境温度变量之间的差值、以及所述电池外部热阻变量作为系统的状态变量，将所述电池表面温度变量和所述环境温度变量之间的差值作为系统的观测变量，以及将所述产热功率变量作为外加激励，同时将当前时刻的所述端电压、所述电流、所述环境温度、所述产热功率和所述电池表面温度代入相应的所述第一条件变量中，并根据所述电池表面温度和所述电池表面温度变量的估计数值之间的差值，利用卡尔曼滤波算法对所述内部温度变量和所述电池外部热阻变量的估计数值进行更新，以估计得到所述目标电池当前时刻的所述内部温度。4.根据权利要求3所述的电池数据估计方法，其特征在于，所述第一离散状态方程的创建步骤包括：创建所述目标电池对应的内部等效热阻模型，所述内部等效热阻模型包括所述第一条件变量和所述第一模型容阻变量，所述第一模型容阻变量还包括所述目标电池的电池内部热容变量、电池壳体热容变量和电池内部热阻变量；辨识所述内部等效热阻模型，以分别得到所述电池内部热容变量、所述电池壳体热容
变量和电池内部热阻变量对应的参数值；将辨识出的所述参数值、以及所述环境温度变量、所述产热功率变量和所述电池表面温度变量作为卡尔曼滤波算法的输入条件，将所述内部等效热阻模型离散化，得到所述第一离散状态方程。5.根据权利要求1所述的电池数据估计方法，其特征在于，所述第二离散状态方程包括第二条件变量和第二模型容阻变量，所述第二条件变量包括电流变量、端电压变量、内部温度变量、荷电状态-开路电压关系变量和初始荷电状态变量，所述第二模型容阻变量包括欧姆内阻变量、极化内阻变量、极化电容变量和寿命终止欧姆内阻变量；所述根据上一时刻估计的所述荷电状态、当前时刻的所述内部温度、所述端电压和所述电流、以及已创建的第二离散状态方程，估计所述目标电池当前时刻的健康状态，包括：获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容、寿命终止欧姆内阻、以及荷电状态-开路电压关系；根据已创建的第二离散状态方程，将所述欧姆内阻变量作为缓变状态变量，将所述端电压变量作为观测量，同时将上一时刻估计的所述荷电状态、以及当前时刻的所述内部温度、所述初始欧姆内阻、所述极化内阻、所述极化电容、所述寿命终止欧姆内阻、所述荷电状态-开路电压关系、所述端电压和所述电流代入相应的所述第二条件变量和所述第二模型容阻变量中，并利用卡尔曼滤波算法估计所述目标电池当前时刻的实时欧姆内阻；根据当前时刻估计的所述实时欧姆内阻、所述寿命终止欧姆内阻和所述初始欧姆内阻，确定所述目标电池当前时刻的健康状态。6.根据权利要求5所述的电池数据估计方法，其特征在于，所述第二离散状态方程的创建步骤包括：创建所述目标电池的soh健康状态估计电路模型，所述soh估计电路模型包括所述第二条件变量和所述第二模型容阻变量；将所述第二条件变量、以及所述欧姆内阻变量、所述极化内阻变量、所述极化电容变量和所述寿命终止欧姆内阻变量作为输入条件，对所述soh估计电路模型进行离散化，得到所述第二离散状态方程。7.根据权利要求6所述的电池数据估计方法，其特征在于，在获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻之前，还包括：在所述目标电池的不同的历史估计内部温度下，辨识所述soh估计电路模型，以得到相应历史估计内部温度对应的第一辨识数据，不同的所述历史估计内部温度对应不同的所述第一辨识数据，所述第一辨识数据包括初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻；所述获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻，包括：从所述第一辨识数据中，获取当前时刻的所述内部温度对应的初始欧姆内阻、极化内阻、极化电容和寿命终止欧姆内阻。8.根据权利要求1所述的电池数据估计方法，其特征在于，所述第三离散状态方程包括第三条件变量和第三模型容阻变量，所述第三条件变量包括所述目标电池的端电压变量、电流变量、初始荷电状态变量、荷电状态-开路电压关系变量、内部温度变量、健康状态变
量、荷电状态变量、实际荷电容量变量、电化学极化电压变量和浓差极化电压变量；所述根据上一时刻估计的所述荷电状态、当前时刻的所述健康状态、当前时刻的所述内部温度和已创建的第三离散状态方程，估计所述目标电池当前时刻的荷电状态，包括：获取当前时刻的所述内部温度对应的测试荷电容量和荷电状态-开路电压关系，并获取当前时刻的所述内部温度和所述健康状态对应的所述第三模型容阻变量的参数值；计算当前时刻对应的所述测试荷电容量和所述健康状态之间的乘积，得到所述目标电池的实际荷电容量；根据已创建的第三离散状态方程，将当前时刻的所述内部温度、所述第三模型容阻变量的参数值、所述实际荷电容量、所述荷电状态-开路电压关系、所述端电压、所述电流、以及上一时刻估计的所述荷电状态代入相应的所述第三条件变量和所述第三模型变量中，利用卡尔曼滤波算法估计所述目标电池当前时刻的所述荷电状态。9.根据权利要求8所述的电池数据估计方法，其特征在于，所述第三离散状态方程的创建步骤包括：创建所述目标电池的soc健康状态估计电路模型，所述soc估计电路模型包括所述第三条件变量和所述第三模型变量；将所述荷电状态变量、所述电化学极化电压变量和所述浓差极化电压变量作为状态变量，将所述端电压变量作为观测方程，对所述soc估计电路模型进行离散化，得到所述第三离散状态方程。10.根据权利要求9所述的电池数据估计方法，其特征在于，在获取当前时刻的所述内部温度和所述健康状态对应的所述第三模型容阻变量的参数值之前，还包括：在不同的历史估计内部温度和不同的历史估计健康状态下，对所述目标电池进行hppc混合功率脉冲特性测试，以辨识所述soc估计电路模型，得到相应历史估计内部温度和历史估计健康状态对应的容阻参数，并将所有的所述容阻参数作为第二辨识数据进行存储，不同的所述历史估计内部温度和所述历史估计健康状态对应不同的所述容阻参数；所述获取当前时刻的所述内部温度和所述健康状态对应的所述第三模型容阻变量的参数值，包括：从所述第二辨识数据中，获取当前时刻的所述内部温度和所述健康状态对应的所述容阻参数，作为所述第三模型容阻变量的参数值。11.根据权利要求8所述的电池数据估计方法，其特征在于，在获取当前时刻的所述内部温度对应的测试荷电容量之前，还包括：在不同的历史估计内部温度下，对所述目标电池进行满充满放容量测试，以得到相应历史估计内部温度对应的测试荷电容量，并将所有的所述测试荷电容量作为第三辨识数据进行存储，不同的所述历史估计内部温度对应不同的所述测试荷电容量；所述获取当前时刻的所述内部温度对应的测试荷电容量，包括：从所述第三辨识数据中，获取当前时刻的所述内部温度对应的测试荷电容量。12.一种电池数据估计装置，其特征在于，包括：获取模块，用于在电池数据的估计过程中，获取联合估计指令；检测模块，用于根据所述联合估计指令检测目标电池当前时刻的端电压和电流，并获取上一时刻估计的所述目标电池的内部温度和荷电状态；
第一估计模块，用于根据上一时刻估计的所述内部温度和所述荷电状态、当前时刻的所述端电压和所述电流、以及已创建的第一离散状态方程，估计所述目标电池当前时刻的内部温度；第二估计模块，用于根据上一时刻估计的所述荷电状态、当前时刻的所述内部温度、所述端电压和所述电流、以及已创建的第二离散状态方程，估计所述目标电池当前时刻的健康状态；第三估计模块，用于根据上一时刻估计的所述荷电状态、当前时刻的所述健康状态、当前时刻的所述内部温度和已创建的第三离散状态方程，估计所述目标电池当前时刻的荷电状态。13.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-11任一项所述的电池数据估计方法。14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-11任一项所述的电池数据估计方法。

技术总结
本申请公开了一种电池数据估计方法、装置、存储介质及电子设备，该方法包括：检测当前时刻的端电压和电流，并获取上一时刻估计的目标电池的内部温度和荷电状态；根据上一时刻估计的内部温度和荷电状态、当前时刻的端电压和电流、以及已创建的第一离散状态方程，估计该目标电池当前时刻的内部温度；根据上一时刻估计的荷电状态、当前时刻的内部温度、端电压和电流、以及已创建的第二离散状态方程，估计该目标电池当前时刻的健康状态；根据上一时刻估计的荷电状态、当前时刻的健康状态、当前时刻的内部温度和已创建的第三离散状态方程，估计该目标电池当前时刻的荷电状态，从而实现三者的联合闭环在线估计，提高了估计结果的准确性。性。性。


技术研发人员：王乐红 宋海飞 陈捷 李小娟 贾国强 沈红伟 原义栋 闪俊杰
受保护的技术使用者：北京智芯微电子科技有限公司
技术研发日：2023.06.14
技术公布日：2023/8/28