电池的荷电状态估算方法、装置、终端设备及存储介质与流程

本申请涉及电池管理，尤其涉及一种电池的荷电状态估算方法、装置、终端设备及存储介质。

背景技术：

1、荷电状态（state of charge，soc）作为电池管理系统的核心状态参数，其估计精度直接关系到电动汽车的续航里程预测、电池的能量管理与安全边界控制。对于磷酸铁锂电池，其开路电压在中间soc范围（约30%-80%）存在一个电压变化极不明显的平台区。在此区间内，开路电压–荷电状态曲线的斜率极低，这一固有的物理特性对基于电压反馈的soc估计方法构成了根本性挑战。

2、基于等效电路模型与卡尔曼滤波的闭环估计算法是当前的主流方案。其基本原理是通过比较模型预测电压与实际测量电压的差值，反向修正soc估计值。然而，该修正量的有效性强烈依赖于开路电压–荷电状态曲线的局部斜率。在电池的平台区，由于斜率近乎为零，根据误差传递原理，微小的电压测量噪声或模型失配（例如仅5mv的误差）会被放大为巨大的soc估计误差（可达40%以上），导致闭环反馈机制在此区间近乎失效，估计结果严重依赖于安时积分的初始精度，且无法修正累积误差。

技术实现思路

1、有鉴于此，本申请实施例提供一种电池的荷电状态估算方法、装置、终端设备及存储介质，可以有效解决上述技术问题。

2、第一方面，本申请实施例提供一种电池的荷电状态估算方法，所述方法包括：

3、在充放电过程中获取电池的实时电力参数和实时温度，并基于所述实时电力参数和所述实时温度，确定实时健康状态指标；

4、根据所述实时温度和所述实时健康状态指标，确定实时坐标；

5、基于所述实时坐标对所述电池的初始特征曲线进行重建，得到动态特征曲线，基于所述实时电力参数，确定soc先验估计值；

6、基于所述动态特征曲线对所述soc先验估计值进行校正，得到所述电池的实时soc预测值。

7、第二方面，本申请实施例提供一种电池的荷电状态估算装置，所述装置包括：

8、第一模块，用于对电池执行充放电操作，并在充放电过程中获取所述电池的实时电力参数和实时温度，并基于所述实时电力参数和所述实时温度，确定实时健康状态指标；

9、第二模块，用于将所述实时温度和所述实时健康状态指标输入至特征曲线模型，得到实时坐标，所述实时坐标表征老化指标和健康状态指标；

10、第三模块，用于基于所述实时坐标对所述电池的初始特征曲线进行重建，得到动态特征曲线，基于所述实时电力参数，确定soc先验估计值；

11、第四模块，用于基于所述动态特征曲线对所述soc先验估计值进行校正，得到所述电池的实时soc预测值。

12、第三方面，本申请还提供了一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

13、在充放电过程中获取电池的实时电力参数和实时温度，并基于所述实时电力参数和所述实时温度，确定实时健康状态指标；

14、根据所述实时温度和所述实时健康状态指标，确定实时坐标；

15、基于所述实时坐标对所述电池的初始特征曲线进行重建，得到动态特征曲线，基于所述实时电力参数，确定soc先验估计值；

16、基于所述动态特征曲线对所述soc先验估计值进行校正，得到所述电池的实时soc预测值。

17、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

18、在充放电过程中获取电池的实时电力参数和实时温度，并基于所述实时电力参数和所述实时温度，确定实时健康状态指标；

19、根据所述实时温度和所述实时健康状态指标，确定实时坐标；

20、基于所述实时坐标对所述电池的初始特征曲线进行重建，得到动态特征曲线，基于所述实时电力参数，确定soc先验估计值；

21、基于所述动态特征曲线对所述soc先验估计值进行校正，得到所述电池的实时soc预测值。

22、本申请的实施例具有如下有益效果：

23、通过构建电池健康状态与温度双参数驱动的动态特征曲线，从根本上克服了磷酸铁锂电池开路电压平台区斜率低导致的估计失敏问题。有益效果在于：实现全生命周期自适应高精度soc估算，以及动态曲线随老化与温变实时重构，避免模型失配。

24、校正过程依托高可观性特征而非开路电压平台区斜率，显著提升平台区估计鲁棒性；无需硬切换阈值，消除边界振荡；同时降低对初始soc和安时积分累积误差的依赖。

1.一种电池的荷电状态估算方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述实时电力参数包括实时负载电流和实时端电压；所述基于所述实时电力参数和所述实时温度，确定实时健康状态指标，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述动态特征曲线对所述soc先验估计值进行校正，得到所述电池的实时soc预测值，包括：

4.根据权利要求3所述的方法，其特征在于，所述实时电力参数包括实时负载电流和实时端电压；

5.根据权利要求4所述的方法，其特征在于，所述基于所述实时电力参数，确定soc先验估计值，包括：

6.根据权利要求3所述的方法，其特征在于，所述基于历史采样周期的多个历史soc修正量，确定风险类型，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述融合权重、所述卡尔曼增益、所述第一soc修正量以及所述第二soc修正量，计算得到所述电池的实时soc预测值，包括：

8.一种电池的荷电状态估算装置，其特征在于，包括：

9.一种终端设备，其特征在于，所述终端设备包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施权利要求1-7中任一项所述的电池的荷电状态估算方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上执行时，实施根据权利要求1-7中任一项所述的电池的荷电状态估算方法。