铅酸电池实时剩余电量与剩余里程预测方法及系统与流程

1.本发明涉及电池管理技术领域，尤其是一种铅酸电池实时剩余电量与剩余里程预测方法及系统。


背景技术：

2.对于电动自行车、电动摩托车而言，电池是车辆动力的唯一来源，所以电池数据对于两轮车的智能化系统有非常大的作用。在行驶过程中，用户最为关心的莫过于使用过程中消耗了多少电量，剩余电量还能够行驶多少里程。这就要求车辆控制系统能够根据车辆当前的行驶状况，预测车辆的剩余续行里程。剩余电量作为电池组的内特性，是不能直接进行测量的，由于电池剩余电量同电池其他参数，如电压，电流，内阻等的关系表现出高度的非线性，这使得剩余电量的估算精度难以达到要求。
3.现有技术中，铅酸电池电动车的电量预测基本采用电压换算法，即通过电压直接进行电量换算得到，给用户提供一个大概的电量显示，这种方法并不准确，首先是原始采集量所带来的误差导致了电量的不精准。其次是骑行过程中,电池电压会随负载变化而波动，进而使电量信息随之波动，例如转动加油把手后即在显示面板上显示电量减少，继而造成后续的续行里程估算精度也很难提高。此外，传统预测方法也不能准确记载电池的充放电情况,无法采集电池的老化情况,铅酸电池老化后,容量会发生大幅度降低,此时若按新电池的冲放电程式进行使用有很大的鼓包甚至起火的安全隐患。针对上述情况，高阶的解决方案，例如针对锂电池通常会使用模拟前端(afe)配合估计器(例如卡尔曼滤波器)进行电量估算，但这种方法的硬件成本高，并不适用于两轮车系统，因此应用上具有很大的局限性。


技术实现要素：

4.针对现有技术的不足，本发明提供一种铅酸电池实时剩余电量与剩余里程预测方法及系统，目的是提高电量预测的准确性。
5.本发明采用的技术方案如下：
6.本技术提供一种铅酸电池实时剩余电量预测方法，包括：
7.持续采集电池的电流信号、电压信号和温度信号；
8.将所述温度信号输入第一神经网络模型，获得温度标定系数，所述温度标定系数用于表征当前时刻电池温度对应的电池总容量与电池在标准温度下对应的第一标准总容量之比；
9.将所述电压信号输入第二神经网络模型，获得电压标定系数，所述电压标定系数用于表征当前时刻电池电压对应的电池总容量与电池在标准电压下对应的第二标准总容量之比；
10.根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，所述第一策略为根据所述温度标定系数、第一标准总容量和电流进行计算，所述第二策略为根据所述
电压标定系数、第二标准总容量和电流进行计算。
11.进一步技术方案为：
12.所述判定准则为：
13.采用第一策略计算当前剩余电量，直至：检测到电池电流持续为零并超过设定时间段，且测得的电压信号为静态开路电压信号，计算当前时刻电压标定系数所标定的电池总容量与根据电流积分测得的电量的差值，若所述差值大于设定值，采用第二策略计算当前剩余电量。
14.所述第一策略和第二策略还包括：
15.采用车辆自损耗标定系数对所述当前剩余电量进行修正，获得修正后的当前剩余电量，所述车辆自耗损标定系数用于表征随时间增加车辆自损耗引起的电量损失。
16.所述第一神经网络模型的构建方法包括：
17.设定电池的标准温度、与所述标准温度对应的第一标准总容量，采集多种工况下电池的温度信号、与所述温度信号对应的电池总容量信号作为样本集，计算第一标准总容量与样本集中电池总容量的比值作为温度标定系数，对样本集中的电池总容量信号添加对应的温度标定系数标签；将样本集输入神经网络，经过网络训练、学习和测试，得到用于建立温度与温度标定系数之间映射关系的第一神经网络模型；
18.所述第二神经网络模型的构建方法包括：
19.设定电池的标准电压、与所述标准电压对应的第二标准总容量，采集多种工况下电池的电压信号、与所述电压信号对应的电池总容量信号作为样本集，计算第二标准总容量与样本集中电池总容量的比值作为电压标定系数，对样本集中的电池总容量信号添加对应的电压标定系数标签；将样本集输入神经网络，经过网络训练、学习和测试，得到用于建立电压与电压标定系数之间映射关系的第二神经网络模型。
20.所述多种工况包括电池处于充电状态下的非行使工况、以及处于放电状态下的行使工况和非行使工况。
21.所述的铅酸电池实时剩余电量预测方法，还包括：
22.将本地计算的所述当前剩余电量上传至云端服务器，获得多个本地计算结果的平均值，将本地计算结果与云端输出的平均值对比，评估误差值，当误差值大于设定值，将云端数据同步至本地，对本地计算结果进行修正。
23.所述的铅酸电池实时剩余电量预测方法，还包括：
24.持续获取当前电池的输出功率,判断所述输出功率是否超过标准设计功率,若超过则发出告警信息推送至车辆仪表；
25.以及在每次电量消耗完成后,对电池循环次数进行记录，当电池循环次数达到设定阈值时，对外发出更换提醒。
26.本技术还提供一种铅酸电池管理系统，包括本地的电池管理模块和云端管理模块，所述本地的电池管理模块包括：
27.前端采集模块，用于持续采集电池的电流信号、电压信号和温度信号；
28.信号处理模块，用于将所述温度信号输入第一神经网络模型，获得温度标定系数，所述温度标定系数用于表征当前时刻电池温度对应的电池总容量与电池在标准温度下对应的第一标准总容量之比；将所述电压信号输入第二神经网络模型，获得电压标定系数，所
述电压标定系数用于表征当前时刻电池电压对应的电池总容量与电池在标准电压下对应的第二标准总容量之比；
29.计算模块，用于根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，所述第一策略为根据所述温度标定系数、第一标准总容量和电流进行计算，所述第二策略为根据所述电压标定系数、第二标准总容量和电流进行计算；
30.所述计算模块还用于采用车辆自损耗标定系数对所述当前剩余电量进行修正，获得修正后的当前剩余电量，所述车辆自耗损标定系数用于表征随时间增加车辆自损耗引起的电量损失；
31.所述云端管理模块用于与所述本地的电池管理模块连接，对本地数据进行处理获得平均值，并对本地的计算结果进行修正。
32.本技术还提供一种根据所述铅酸电池实时剩余电量预测方法的车辆实时剩余里程预测方法，包括：
33.采集前一时刻至当前时刻车辆的里程和耗电量，根据所述里程和耗电量，得到当前每公里耗电量；
34.根据所述当前每公里耗电量、所述当前剩余电量计算可行驶的剩余里程。
35.进一步技术方案为：
36.将本地计算的所述剩余里程上传至云端服务器，获得多个本地计算结果的平均值，将本地计算结果与云端输出的平均值对比，评估误差值，当误差值大于设定值，将云端数据同步至本地，对本地计算结果进行修正。
37.本发明的有益效果如下：
38.本发明通过构建神经网络模型，建立采集信号与标定系数的对应关系，通过相应的判断准则选择对应的标定系数结合电流积分项计算获得剩余电量，计算结果准确，对硬件的要求低。基于此获得的里程预测结果准确，效率高。
39.本发明将本地模块与云端模块结合，实现数据同步和本地计算结果的修正，可根据修正结果实现网络参数的更新，完成计算模型的自动升级。
40.本发明通过电量预测可实现电池循环次数的准确评估，进而对电池寿命进行预测和警报，提高了安全性。
41.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
42.图1为本发明实施例的铅酸电池实时剩余电量预测方法的流程示意图。
43.图2为本发明实施例的铅酸电池管理系统的结构示意图。
具体实施方式
44.以下结合附图说明本发明的具体实施方式。
45.参见图1，本实施例提供一种铅酸电池实时剩余电量预测方法，包括：
46.持续采集电池的电流信号、电压信号和温度信号；
47.将所述温度信号输入第一神经网络模型，获得温度标定系数，所述温度标定系数
用于表征当前时刻电池温度对应的电池总容量与电池在标准温度下对应的第一标准总容量之比；
48.将所述电压信号输入第二神经网络模型，获得电压标定系数，所述电压标定系数用于表征当前时刻电池电压对应的电池总容量与电池在标准电压下对应的第二标准总容量之比；
49.根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，所述第一策略为根据所述温度标定系数、第一标准总容量和电流进行计算，所述第二策略为根据所述电压标定系数、第二标准总容量和电流进行计算。
50.所述判定准则为：
51.采用第一策略计算当前剩余电量，直至：检测到电池电流持续为零并超过设定时间段，且测得的电压信号为静态开路电压信号，计算当前时刻电压标定系数所标定的电池总容量与根据电流积分测得的电量的差值，若所述差值大于设定值，采用第二策略计算当前剩余电量。
52.第一策略的具体计算过程为：
53.计算电流对时间的积分，获得积分项；i(p)为电流，p为功率，t为时间，
54.将第一标准总容量ca与温度标定系数a相乘，获得修正容量：
55.将所述积分项与修正总容量相除，获得剩余电量；
56.第二策略的具体计算过程为：
57.计算电流对时间的积分，获得积分项；i(p)为电流，p为功率，t为时间，
58.将第二标准总容量cb与电压标定系数b相乘，获得修正容量：
59.将所述积分项与修正总容量相除，获得剩余电量。
60.所述第一策略和第二策略还包括：
61.采用车辆自损耗标定系数对所述当前剩余电量进行修正，获得修正后的当前剩余电量，所述车辆自耗损标定系数用于表征随时间增加车辆自损耗引起的电量损失。
62.车辆本身有一些常带电的部件在待机工作中有微弱的电流消耗,这一部分消耗由于非常细微，电流传感器不能精确采集到。在车辆状态确认后,可通过实验室精密仪器测出这一部分微弱功耗，标定到算法中。车辆自损耗标定系数在时间维度上进行累计，随时间增加，对通过第一策略或第二策略计算出的剩余电量乘以自损耗标定系数，即将自损耗电量自动扣除，获得修正后的剩余电量。
63.本实施例的剩余电量预估方法，还包括在电量消耗完成后,对电池循环次数进行记录，当电池循环次数达到设定阈值时，对外发出更换提醒。
64.上述实施例中，所述第一神经网络模型的构建方法包括：
65.设定电池的标准温度、与所述标准温度对应的第一标准总容量ca，采集多种工况下电池的温度信号、与所述温度信号对应的电池总容量信号作为样本集，计算第一标准总容量ca与样本集中电池总容量c的比值作为温度标定系数a，对样本集中的电池总容量信号添加对应的温度标定系数标签；将样本集输入神经网络，经过网络训练、学习和测试，得到用于建立温度与温度标定系数之间映射关系的第一神经网络模型。
66.上述实施例中，所述第二神经网络模型的构建方法包括：
67.设定电池的标准电压、与所述标准电压对应的第二标准总容量，采集多种工况下电池的电压信号、与所述电压信号对应的电池总容量信号作为样本集，计算第二标准总容量cb与样本集中电池总容量c的比值作为电压标定系数b，对样本集中的电池总容量信号添加对应的电压标定系数标签；将样本集输入神经网络，经过网络训练、学习和测试，得到用于建立电压与电压标定系数之间映射关系的第二神经网络模型。
68.所述多种工况包括电池处于充电状态下的非行使工况、以及处于放电状态下的行使工况和非行使工况。通过采样不同工况下的样本以使模型更加精确，以实现对实际应用中车辆在各种状态下的电量预测。
69.上述实施例的铅酸电池实时剩余电量预测方法，还包括：
70.将本地计算的所述剩余电量上传至云端服务器，获得多个本地计算结果的平均值，将本地计算结果与云端输出的平均值对比，评估误差值，当误差值大于设定值，将云端数据同步至本地，对本地计算结果进行修正。
71.具体的，云端服务器搭载对应的神经网络模型，该神经网络模型的输入为本地上传的计算结果，输出为多个本地计算结果的平均值，通过大量的学习和训练构建而成。
72.上述实施例的铅酸电池实时剩余电量预测方法，还包括：
73.持续获取当前电池的输出功率,判断所述输出功率是否超过标准设计功率,若超过则发出告警信息推送至车辆仪表。
74.基于上述实施例的铅酸电池实时剩余电量预测方法，本实施例还提供一种车辆实时剩余里程估算方法，包括：
75.采集前一时刻至当前时刻车辆的里程和耗电量，根据所述里程和耗电量，得到当前每公里耗电量；
76.根据所述当前每公里耗电量、所述当前剩余电量计算可行驶的剩余里程；
77.还包括：
78.将本地计算的所述剩余里程上传至云端服务器，获得多个本地计算结果的平均值，将本地计算结果与云端输出的平均值对比，评估误差值，当误差值大于设定值(例如本地计算结果与云端输出的平均值相差超过5％)，将云端数据同步至本地，对本地计算结果进行修正。
79.具体的，云端服务器搭载对应的神经网络模型，该神经网络模型的输入为计算结果，输出为多个本地计算结果的平均值，通过大量的学习和训练构建而成。
80.参见图2，本实施例还提供一种铅酸电池管理系统，包括本地的电池管理模块和云端管理模块，所述本地的电池管理模块包括：
81.前端采集模块，用于持续采集电池的电流信号、电压信号和温度信号；
82.信号处理模块，用于将所述温度信号输入第一神经网络模型，获得温度标定系数，所述温度标定系数用于表征当前时刻电池温度对应的电池总容量与电池在标准温度下对应的第一标准总容量之比；将所述电压信号输入第二神经网络模型，获得电压标定系数，所述电压标定系数用于表征当前时刻电池电压对应的电池总容量与电池在标准电压下对应的第二标准总容量之比；
83.计算模块，用于根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，所述第一策略为根据所述温度标定系数、第一标准总容量和电流进行计算，所述第二策
略为根据所述电压标定系数、第二标准总容量和电流进行计算；
84.所述计算模块还用于采用车辆自损耗标定系数对所述当前剩余电量进行修正，获得修正后的当前剩余电量，所述车辆自耗损标定系数用于表征随时间增加车辆自损耗引起的电量损失；
85.所述云端管理模块用于与所述本地的电池管理模块连接，进行数据同步，并对本地的计算结果进行修正。
86.本技术在前端数据采集方面采用了电流采样传感器、电压采样传感器及温度采样传感器对电池使用过程中三种数据进行采样,通过mcu采用神经网络模型进行估算，有效地解决了铅酸电池电量不精准，里程不精准，循环寿命不精准的问题。并且，本技术采用本地离线管理模型与云端相互配合完成自我迭代,确保了铅酸电池电量管理,寿命管理的精度,解决了后续升级问题，方便用户对车辆的真实情况进行获取，降低了用户的里程焦虑。同时对铅酸电池的寿命进行数据化提醒，降低了起火事件的发生。
87.本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例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。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。

技术特征：
1.一种铅酸电池实时剩余电量预测方法，其特征在于，包括：持续采集电池的电流信号、电压信号和温度信号；将所述温度信号输入第一神经网络模型，获得温度标定系数，所述温度标定系数用于表征当前时刻电池温度对应的电池总容量与电池在标准温度下对应的第一标准总容量之比；将所述电压信号输入第二神经网络模型，获得电压标定系数，所述电压标定系数用于表征当前时刻电池电压对应的电池总容量与电池在标准电压下对应的第二标准总容量之比；根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，所述第一策略为根据所述温度标定系数、第一标准总容量和电流进行计算，所述第二策略为根据所述电压标定系数、第二标准总容量和电流进行计算。2.根据权利要求1所述的铅酸电池实时剩余电量预测方法，其特征在于，所述判定准则为：采用第一策略计算当前剩余电量，直至：检测到电池电流持续为零并超过设定时间段，且测得的电压信号为静态开路电压信号，计算当前时刻电压标定系数所标定的电池总容量与根据电流积分测得的电量的差值，若所述差值大于设定值，采用第二策略计算当前剩余电量。3.根据权利要求1所述的铅酸电池实时剩余电量预测方法，其特征在于，所述第一策略和第二策略还包括：采用车辆自损耗标定系数对所述当前剩余电量进行修正，获得修正后的当前剩余电量，所述车辆自耗损标定系数用于表征随时间增加车辆自损耗引起的电量损失。4.根据权利要求1所述的铅酸电池实时剩余电量预测方法，其特征在于，所述第一神经网络模型的构建方法包括：设定电池的标准温度、与所述标准温度对应的第一标准总容量，采集多种工况下电池的温度信号、与所述温度信号对应的电池总容量信号作为样本集，计算第一标准总容量与样本集中电池总容量的比值作为温度标定系数，对样本集中的电池总容量信号添加对应的温度标定系数标签；将样本集输入神经网络，经过网络训练、学习和测试，得到用于建立温度与温度标定系数之间映射关系的第一神经网络模型；所述第二神经网络模型的构建方法包括：设定电池的标准电压、与所述标准电压对应的第二标准总容量，采集多种工况下电池的电压信号、与所述电压信号对应的电池总容量信号作为样本集，计算第二标准总容量与样本集中电池总容量的比值作为电压标定系数，对样本集中的电池总容量信号添加对应的电压标定系数标签；将样本集输入神经网络，经过网络训练、学习和测试，得到用于建立电压与电压标定系数之间映射关系的第二神经网络模型。5.根据权利要求4所述的铅酸电池实时剩余电量预测方法，其特征在于，所述多种工况包括电池处于充电状态下的非行使工况、以及处于放电状态下的行使工况和非行使工况。6.根据权利要求1所述的铅酸电池实时剩余电量预测方法，其特征在于，还包括：将本地计算的所述当前剩余电量上传至云端服务器，获得多个本地计算结果的平均值，将本地计算结果与云端输出的平均值对比，评估误差值，当误差值大于设定值，将云端
数据同步至本地，对本地计算结果进行修正。7.根据权利要求1所述的铅酸电池实时剩余电量预测方法，其特征在于，还包括：持续获取当前电池的输出功率,判断所述输出功率是否超过标准设计功率,若超过则发出告警信息推送至车辆仪表；以及在每次电量消耗完成后,对电池循环次数进行记录，当电池循环次数达到设定阈值时，对外发出更换提醒。8.一种铅酸电池管理系统，其特征在于，包括本地的电池管理模块和云端管理模块，所述本地的电池管理模块包括：前端采集模块，用于持续采集电池的电流信号、电压信号和温度信号；信号处理模块，用于将所述温度信号输入第一神经网络模型，获得温度标定系数，所述温度标定系数用于表征当前时刻电池温度对应的电池总容量与电池在标准温度下对应的第一标准总容量之比；将所述电压信号输入第二神经网络模型，获得电压标定系数，所述电压标定系数用于表征当前时刻电池电压对应的电池总容量与电池在标准电压下对应的第二标准总容量之比；计算模块，用于根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，所述第一策略为根据所述温度标定系数、第一标准总容量和电流进行计算，所述第二策略为根据所述电压标定系数、第二标准总容量和电流进行计算；所述计算模块还用于采用车辆自损耗标定系数对所述当前剩余电量进行修正，获得修正后的当前剩余电量，所述车辆自耗损标定系数用于表征随时间增加车辆自损耗引起的电量损失；所述云端管理模块用于与所述本地的电池管理模块连接，对本地数据进行处理获得平均值，并对本地的计算结果进行修正。9.一种根据权利要求1-7任一项所述铅酸电池实时剩余电量预测方法的车辆实时剩余里程预测方法，其特征在于，包括：采集前一时刻至当前时刻车辆的里程和耗电量，根据所述里程和耗电量，得到当前每公里耗电量；根据所述当前每公里耗电量、所述当前剩余电量计算可行驶的剩余里程。10.根据权利要求9所述的车辆实时剩余里程预测方法，其特征在于，将本地计算的所述剩余里程上传至云端服务器，获得多个本地计算结果的平均值，将本地计算结果与云端输出的平均值对比，评估误差值，当误差值大于设定值，将云端数据同步至本地，对本地计算结果进行修正。

技术总结
本发明涉及一种铅酸电池实时剩余电量与剩余里程预测方法及系统，持续采集电池的电流信号、电压信号和温度信号；将温度信号输入第一神经网络模型，获得温度标定系数；将电压信号输入第二神经网络模型，获得电压标定系数；根据设定的判定准则，采用第一策略或第二策略计算当前剩余电量，第一策略为根据温度标定系数、第一标准总容量和电流进行计算，第二策略为根据电压标定系数、第二标准总容量和电流进行计算。本发明的计算结果准确，对硬件的要求低。基于此获得的里程预测结果准确，效率高。本发明还将本地电池管理模块与云端管理模块结合，实现数据同步和计算结果的修正，可定时修正计算误差，实现网络参数的更新，完整计算模型的自动升级。型的自动升级。型的自动升级。


技术研发人员：朱志鸽 刘会辉
受保护的技术使用者：江苏新日电动车股份有限公司
技术研发日：2023.03.20
技术公布日：2023/8/1