[发明专利]电池健康度估算方法及装置

说明书

本发明提供了一种电池健康度估算方法，包括：接收车辆的运行数据；判断运行数据是否可用于估算电池健康度；以及若是，则根据运行数据计算多个健康特征中每个健康特征的值，并将所计算的值提供给车辆的经训练的神经网络模型，以估算电池健康度，其中，经训练的神经网络模型用于表示多个健康特征与电池健康度之间的关系。本发明的方案考虑了电池使用过程和环境的因素，因此得到的电池SOH更为准确。而且，当上述方法在线执行时，即在主机厂的云服务器处利用车载联网终端传输的运行数据估算电池SOH，主机厂能够动态地掌握已售车辆的电池健康状况，动态地监控用户的电池使用情况，从而提供售后和维护服务，提高用户体验。

技术领域

本发明总体上涉及电池技术领域。更具体地，本发明涉及一种电池健康度估算方法、装置、计算设备、计算机可读存储介质和计算机程序产品。

背景技术

随着技术的发展，纯电动车辆和混合动力车辆得到了越来越广泛的使用。为提供驱动能量，通常在车体上安装由多个单体电池串联而成的动力电池(或称为电池包)。动力电池在长期使用过程中会不可避免地发生老化，因此需要对动力电池的老化状况进行预估。通常通过计算电池健康度(State of Health，SOH)预估动力电池的老化状况。

目前主要通过离线测量的方式来计算动力电池的SOH，包括电池容量离线测量和阻抗离线测量。尽管可能存在一些在线计算SOH的方式，但其计算模型的建立主要依赖于实验数据和结果。此外，也可以在车辆的电池管理系统(Battery Management System,BMS)中计算SOH，随后由车辆的车载联网终端(如T-BOX)收集计算得到的SOH。

然而，动力电池的SOH会受到诸多因素的影响，例如电池材料、制造、使用和环境等等，而现有的SOH计算方法并未考虑一些重要因素，尤其是对SOH影响较大的电池的实际使用过程和环境因素，这使得通过离线测量或通过基于实验数据和结果建立的模型计算得到的SOH并不准确。对于在BMS中计算SOH的方式，其主要取决于BMS中的数据，同样也存在数据不充足导致SOH不够准确的问题。

此外，现有的SOH计算模型应用范围较窄，这是因为其仅可用于某种类型的电池，无法适用于其它类型的电池。同时，计算模型的优化和改进需要大量实验或重新计算，因此维护成本高昂。

发明内容

如上所述，现有的SOH计算方法并未考虑影响SOH的一些重要因素，尤其是对SOH影响较大的电池的实际使用过程和环境因素，这使得通过离线测量或通过基于实验数据和结果建立的模型计算得到的SOH并不准确。在BMS中计算SOH的方式同样也存在数据不充足而导致SOH不够准确的问题。此外，现有的SOH计算模型应用范围较窄且维护成本高昂。

鉴于上述技术问题，本发明的第一个方面提出了一种电池健康度估算方法，包括：接收所述车辆的运行数据；判断所述运行数据是否可用于估算电池健康度；以及若是，则基于所述运行数据计算多个健康特征中每个健康特征的值，并将所计算的值提供给所述车辆的经训练的神经网络模型，以估算所述电池健康度，其中，所述经训练的神经网络模型用于表示所述多个健康特征与所述电池健康度之间的关系。

根据上述方法，能够从车辆的运行数据中提取预定义的多个健康特征的值，并利用健康特征的值和预先训练好的神经网络模型估算电池SOH。由于考虑了电池使用过程和环境的因素，因此通过该方法得到的电池SOH更为准确。而且，当上述方法在线执行时，即在主机厂的云服务器处利用车载联网终端传输的运行数据估算电池SOH，主机厂能够动态地掌握已售车辆的电池健康状况，动态地监控用户的电池使用情况，从而提供售后和维护服务，提高用户体验。此外，这种估算方法不受车辆服务时间、车辆类型和电池类型的影响，适用于任何电动或混动车辆。