[发明专利]一种电池剩余充电时间估算方法有效
申请号: | 201610070711.5 | 申请日: | 2016-02-01 |
公开(公告)号: | CN105760656B | 公开(公告)日: | 2017-02-22 |
发明(设计)人: | 徐文赋;任素云 | 申请(专利权)人: | 惠州市蓝微新源技术有限公司 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 广州市华学知识产权代理有限公司44245 | 代理人: | 蒋剑明 |
地址: | 516006 广东省惠州市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电池 剩余 充电 时间 估算 方法 | ||
1.一种电池剩余充电时间估算方法,其特征在于,过程如下:
A1预设充电数据:预设不同环境温度T下对应的恒压充电的充电倍率H,以及不同充电倍率H下恒压充电充入的电量SOC1及恒压充电时间t2;
A2检测当前的环境温度T,并根据当前环境温度T读取对应的电池充电倍率H,以及当前充电倍率H下对应的恒压充电充入的电量SOC1及恒压充电时间t2;
A3计算恒流充电阶段的时间t1:
t1=C0/I0(1)
其中,恒流充电的电流I0=K*C(2)
K为温度系数,C为电池实际容量,
恒流充电充入的容量C0=(1–SOC1–SOC)*C(3)
SOC为电池充电前剩余电量;
A4根据恒压充电的时间t2和恒流充电的时间t1计算总剩余充电时间t,其中,总剩余充电时间t=t1+t2(4)
因此,总剩余充电时间t=(1–SOC1–SOC)/K+t2。
2.根据权利要求2所述的电池剩余充电时间估算方法,其特征在于,
还包括根据实际充电过程中记录的充电数据更新预设的充电数据或更新上一次更新的充电数据的自学习步骤A5。
3.根据权利要求2所述的电池剩余充电时间估算方法,其特征在于,
所述自学习步骤A5的过程如下:
A51计算实际充电过程中恒压充电阶段当前充电倍率下的实际恒压充电时间t2’和实际恒压充入电量SOC1’;
A52将计算结果对预设的数据或上一次更新的数据进行更新,供下一次总剩余充电时间估算使用。
4.根据权利要求3所述的电池剩余充电时间估算方法,其特征在于,所述步骤A2过程如下:检测当前的环境温度T0,并根据当期环境温度T0读取预设充电数据中或最新更新的充电数据中的恒压充电的时间t2及恒压充电充入的电量SOC1,
所述总剩余充电时间的计算采用预设充电数据或最新更新的充电数据进行计算。
5.根据权利要求4所述的电池剩余充电时间估算方法,其特征在于,所述自学习步骤A5还包括:
判断计算的实际恒压充电时间t2’与预设的恒压充电时间t2或最新更新的恒压充电时间t2的差值是否超过预设的时间阈值△t2,和/或实际恒压充入电量SOC1’与预设的恒压充入电量SOC1或最新更新的实际恒压充入电量SOC1的差值是否超过预设的电量阈值△SOC1;
若实际恒压充电时间t2’与预设的恒压充电时间t2或最新更新的恒压充电时间t2的差值超过预设的时间阈值△t2,和/或实际恒压充入电量SOC1’与预设的恒压充入电量SOC1或最新更新的实际恒压充入电量SOC1的差值超过预设的电量阈值△SOC1,则丢弃该次计算的实际恒压充电时间t2’和实际恒压充入电量SOC1’否则执行步骤A52。
6.根据权利要求5所述的电池充电时间估算方法,其特征在于,所述预设的时间阈值△t2为5min。
7.根据权利要求5所述的电池充电时间估算方法,其特征在于,所述预设的时间阈值△t2为10min。
8.根据权利要求5所述的电池充电时间估算方法,其特征在于,所述预设的时间阈值△t2为15min。
9.根据权利要求5所述的电池充电时间估算方法,其特征在于,所述预设的电量阈值△SOC1为0.5%。
10.根据权利要求5所述的电池充电时间估算方法,其特征在于,所述预设的电量阈值△SOC1为0.8%。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于惠州市蓝微新源技术有限公司,未经惠州市蓝微新源技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610070711.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:发动机初级齿轮传动结构
- 下一篇:一种光面钢丝绳
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用