[发明专利]电池组及其数据处理方法、计算机设备、介质和车辆

说明书

本发明公开了一种电池组及其数据处理方法、计算机设备、介质和车辆。所述方法包括：对各单节电池的初始OCV‑SOC曲线进行预处理并生成第一OCV‑SOC曲线，根据各所述单节电池的均衡差将第一OCV‑SOC曲线转换为第一OCV‑SOC曲线簇；截取第一OCV‑SOC曲线簇中的公共SOC段并对其进行归一化处理；根据预设OCV权重模型以及归一化之后的公共SOC段确定电池组OCV‑SOC曲线；根据电池组OCV‑SOC曲线确定电池组的状态参数。本发明最终根据该电池组OCV‑SOC曲线获取的电池组的状态参数的精准性高，且计算量小，降低了服务器负载；提升了计算效率和电池组状态参数的准确率。

技术领域

本发明涉及电池组技术领域，具体涉及一种电池组及其数据处理方法、计算机设备、介质和车辆。

背景技术

目前，可以通过用于表征电池组的状态的状态参数(包括用于表征电池组的参数，比如荷电状态SOC(State of Charge，电池荷电状态)值、健康状态SOH(State of Health，电池健康状态)值、功率状态值等，或者其他可以表征电池性能的参数，比如等效内阻等)来对电池组进行监控，进而提升用户体验，因此，获知电池组的状态参数至关重要。在现有技术中，需要首先对电池组内各单节电池的电压、电流进行分别测量，再根据算法模型估算各单节电池的状态参数，最终得到整个电池组的状态参数。该方案的不足之处在于：首先，由于各单节电池的电压、电流等数据均为分别独立采样获得，计算逻辑简单，在上述计算状态参数的过程中，其中所使用的OCV～SOC曲线不会跟随SOH值和均衡差发生变化，如此，在SOH值和均衡差对于OCV～SOC曲线实际上产生影响时，并不会体现在对于状态参数的计算过程中，因此，最终得到的OCV～SOC曲线以及根据该OCV～SOC曲线计算的状态参数并不精准；其次，由于需要先对各单节电池进行估计状态参数，最终再计算得出电池组的状态参数，因此计算量大，增加了服务器的负载，且耗时长，效率低；再次，由于各单节电池的电压分别独立采样，而当前并未去电池组的总电压并根据其对上述现有技术中最终计算得到的状态参数进行冗余验证，因此无法保证计算的状态参数的精准性。

发明内容

本发明实施例提供一种电池组及其数据处理方法、计算机设备、介质和车辆，根据本发明的电池组的数据处理方法中确定的电池组OCV-SOC曲线获取电池组的状态参数，最终获取的状态参数的精准性高，且计算量小，降低了服务器负载；提升了计算效率和电池组状态参数的准确率。

为实现上述目的，本发明提供了一种电池组的数据处理方法，包括：

获取电池组中各单节电池的初始OCV-SOC曲线；

对各所述单节电池的所述初始OCV-SOC曲线进行预处理，将预处理之后的各所述初始OCV-SOC曲线记录为第一OCV-SOC曲线；

根据各所述单节电池的均衡差，将所述第一OCV-SOC曲线转换为第一OCV-SOC曲线簇；

根据预设截取规则，获取所述第一OCV-SOC曲线簇中的公共SOC段；

对所述公共SOC段进行归一化处理；

根据预设OCV权重模型以及归一化之后的所述公共SOC段等效出电池组OCV-SOC曲线；

根据所述电池组OCV-SOC曲线确定电池组的状态参数。

进一步地，所述对各所述单节电池的所述初始OCV-SOC曲线进行预处理，包括：

获取各所述单节电池的SOH值和老化规律数据；

获取与所述单节电池的老化规律数据匹配的预处理类型；

根据各所述单节电池的SOH值，以与各所述单节电池的老化规律数据匹配的预处理类型，对各单节电池的初始OCV-SOC曲线进行预处理。