基于充电桩的电动汽车电池状态及寿命分析方法与流程

1.本发明涉及汽车充电设备技术领域，具体为基于充电桩的电动汽车电池状态及寿命分析方法。


背景技术：

2.目前，随着新能源车技术的逐渐成熟，我国电动汽车数量也一直在持续增长。电池在使用过程中使用环境、循环次数的不同，组合电池中例如当容量高的电池单体电量还没有完全放完时，容量低的电池单体就已经放出所有电量，这就会导致电池组停止放电，这会对电池组造成不可逆的伤害，降低电池组的使用寿命，新能源汽车行业对退役电池的处理存在着很多问题，如体系不完善、发展不规范、回收成本高等问题，市场上存在着各种各样的电池，行业内对电池的规格、尺寸等方面没有统一的标准，导致电池结构复杂多样、不易拆解，而且，退役后电池一致性较差，其可靠性也无法保证，造成安全性较低。


技术实现要素：

3.本发明提供基于充电桩的电动汽车电池状态及寿命分析方法，本发明目的是为；具备电池充电安全性和预测电池使用寿命结合的优点。
4.为实现上述目的，本发明提供如下技术方案：基于充电桩的电动汽车电池状态及寿命分析方法，获取待预测日的电池容量预测数据，其中，所述电池容量预测数据包括：所述待预测日的气象属性和日历属性，以及参照日的交通流量，所述参照日为最接近所述待预测日，且日历属性与所述待预测日相同的历史日期；将所述电池容量预测数据输入至预置的充电电池容量预测模型，其中，所述充电电池容量预测模型为基于历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据，通过所述充电电池容量预测模型对所述电池容量预测数据进行处理，以获取所述充电电池容量预测模型输出的充电设备电池容量预测结果。可选地，所述充电电池容量预测模型的配置过程包括：获取历史充电电池容量数据，其中所述历史充电电池容量数据包括：历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据；将所述历史充电电池容量数据输入至初始神经网络模型，并对所述初始神经网络模型进行模型训练，以获得充电电池容量预测模型。可选地，还包括：获取待预测日的电池容量实测数据，其中，所述电池容量实测数据包括：所述待预测日的气象属性、交通流量以及实际充电电池容量数据；将所述电池容量实测数据输入至所述充电电池容量预测模型，对所述充电电池容量预测模型进行模型更新。
5.可选地，所述将所述历史充电电池容量数据输入至初始神经网络模型，并对所述初始神经网络模型进行模型训练，以获得充电电池容量预测模型具体包括：选取电池模块中的单体电池进行容量测试，利用恒流放电电压及单体电池容量数据进行计算，获得电池模块的电池容量，准确计算出电池容量，更客观准确地测定出电池的使用寿命。
6.本申请第二方面提供了基于充电桩的电动汽车电池状态及寿命分析方法的装置，包括：预测数据获取单元，用于获取待预测日的电池容量预测数据，其中，所述电池容量预
测数据包括：所述待预测日的气象属性和日历属性，以及参照日的交通流量，所述参照日为最接近所述待预测日，且日历属性与所述待预测日相同的历史日期；数据输入单元，用于将所述电池容量预测数据输入至预置的充电电池容量预测模型，其中，所述充电电池容量预测模型为基于历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据，用于通过所述充电电池容量测模型对所述电池容量预测数据进行处理，以获取所述充电电池容量预测模型输出的充电设备电池容量预测结果。可选地，还包括：历史数据获取单元，用于获取历史充电电池容量数据，其中所述历史充电电池容量数据包括：各个历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据；预测模型训练单元，选取电池模块中的单体电池进行容量测试，利用恒流放电电压及单体电池容量数据进行计算，获得电池模块的电池容量，准确计算出电池容量，更客观更准确地测定出电池的使用寿命。可选地，还包括：实测数据获取单元，用于获取待预测日的电池容量实测数据，其中，所述电池容量实测数据包括：所述待预测日的气象属性、交通流量以及实际充电电池容量数据；模型更新单元，用于将所述电池容量实测数据输入至所述充电电池容量预测模型，对所述充电电池容量预测模型进行模型更新。可选地，所述预测模型训练单元具体用于：将所述历史充电电池容量数据输入至初始深度置信网络模型，并对所述初始深度置信网络模型进行模型训练，以获得充电电池容量预测模型。
7.从以上技术方案可以看出，本申请实施例具有以下优点：本申请提供了基于充电桩的电动汽车电池状态及寿命分析方法，其中方法包括：获取待预测日的电池容量预测数据，其中，所述电池容量预测数据包括：所述待预测日的气象属性和日历属性，以及参照日的交通流量，所述参照日为最接近所述待预测日，且日历属性与所述待预测日相同的历史日期；将所述电池容量预测数据输入至预置的充电池容量荷预测模型，其中，所述充电电池容量预测模型为基于历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据，通过所述充电电池容量预测模型对所述电池容量预测数据进行处理，以获取所述充电电池容量预测模型输出的充电设备电池容量预测结果。本申请基于以历史充电电池容量数据通过充电电池容量预测模型，利用学习气象、交通、日期等因素对电动汽车充电电池容量的影响，更客观更准确地进行电动汽车电池容量预测，选取电池模块中的单体电池进行容量测试，利用恒流放电电压及单体电池容量数据进行计算，获得电池模块的电池容量，准确计算出电池容量，更客观准确地测定出电池的使用寿命。同时避免运维人员的主观思维对预测结果的影响，解决了现有技术对电动汽车充电设备电池容量预测结果准确度不稳定的技术问题。
8.最后应说明的是：以上所述仅为本发明的优选实例而已，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所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.基于充电桩的电动汽车电池状态及寿命分析方法，其特征在于，所述获取待预测日的电池容量预测数据，其中，所述电池容量预测数据包括：所述待预测日的气象属性和日历属性，以及参照日的交通流量，所述参照日为最接近所述待预测日，且日历属性与所述待预测日相同的历史日期。将所述电池容量预测数据输入至预置的充电电池容量预测模型，其中，所述充电电池容量预测模型为基于历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据，通过所述充电电池容量预测模型对所述电池容量预测数据进行处理，以获取所述充电电池容量预测模型输出的充电设备电池容量预测结果。选取电池模块中的单体电池进行容量测试，利用恒流放电电压及单体电池容量数据进行计算，获得电池模块的电池容量，准确计算出电池容量，更客观准确地测定出电池的使用寿命。2.根据权利要求1所述的基于充电桩的电动汽车电池状态及寿命分析方法，其特征在于，所述日历属性与所述待预测日相同的历史日期。将所述电池容量预测数据输入至预置的充电电池容量预测模型。3.根据权利要求1所述的基于充电桩的电动汽车电池状态及寿命分析方法，其特征在于所述充电电池容量预测模型为基于历史日期的气象属性、日历属性、交通流量以及实际充电电池容量数据，通过所述充电电池容量预测模型对所述电池容量预测数据进行处理。4.根据权利要求1所述的基于充电桩的电动汽车电池状态及寿命分析方法，其特征在于所述以获取所述充电电池容量预测模型输出的充电设备电池容量预测结果。选取电池模块中的单体电池进行容量测试，利用恒流放电电压及单体电池容量数据进行计算，获得电池模块的电池容量，准确计算出电池容量，更客观准确地测定出电池的使用寿命。

技术总结
本发明涉及汽车充电设备技术领域公开了基于充电桩的电动汽车电池状态及寿命分析方法，其中方法包括：获取电池容量预测数据，其中，电池容量预测数据包括：预测日的气象属性和日历属性，以及参照日的交通流量，参照日为最接近待预测日，且日历属性与待预测日相同的历史日期；将电池容量预测数据输入至预置的充电电池容量预测模型；通过充电电池容量预测模型对电池容量预测数据进行处理，以获取充电电池容量预测模型输出的充电设备电池容量预测结果。选取电池模块中的单体电池进行容量测试，利用恒流放电电压及单体电池容量数据进行计算，获得电池模块的电池容量，准确计算出电池容量，更客观准确地测定出电池的使用寿命。更客观准确地测定出电池的使用寿命。


技术研发人员：曹金方 邱石军
受保护的技术使用者：湖南京能新能源科技有限公司
技术研发日：2020.09.04
技术公布日：2022/3/7