[发明专利]一种动力电池剩余充电时间估算方法、装置及电动汽车有效
申请号: | 202111158766.9 | 申请日: | 2021-09-30 |
公开(公告)号: | CN113682200B | 公开(公告)日: | 2023-05-26 |
发明(设计)人: | 陈建行;丁灿;朱骞;牟丽莎;邓承浩;杨辉前 | 申请(专利权)人: | 重庆长安新能源汽车科技有限公司 |
主分类号: | B60L58/24 | 分类号: | B60L58/24;B60L58/27;B60L58/10;B60L58/12 |
代理公司: | 重庆华科专利事务所 50123 | 代理人: | 黄启梅 |
地址: | 401133 重庆市江*** | 国省代码: | 重庆;50 |
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 动力电池 剩余 充电 时间 估算 方法 装置 电动汽车 | ||
1.一种动力电池剩余充电时间估算方法,其特征在于,包括:
基于动力电池进入充电时所采集的电芯单体电压确定动力电池当前所处的目标充电阶数;
判断动力电池是否开启预加热功能;
若动力电池未开启预加热功能,则基于动力电池进入充电时所采集到的电池最高温度、电池最低温度以及所述目标充电阶数,确定动力电池在所述目标充电阶数需求的剩余充电时间;
对于目标充电阶数之后的剩余各充电阶数,重复执行:
根据上一充电阶数的剩余充电时间、上一充电阶数对应的电池最高温度和电池最低温度、实时采集的动力电池充电电流和预设的热管理系统开闭温度阈值,计算下一充电阶数对应的电池最高温度和电池最低温度;基于计算出的下一充电阶数对应的电池最高温度和电池最低温度以及下一充电阶数,确定动力电池在下一充电阶数需求的剩余充电时间;
将动力电池在目标充电阶数及之后的每一充电阶数各自所需求的剩余充电时间之和确定为未开启预加热功能的动力电池的第一总剩余充电时间。
2.根据权利要求1所述的动力电池剩余充电时间估算方法,其特征在于,所述方法还包括:
若动力电池开启预加热功能,则基于动力电池的预加热功能开启前所采集到的电池最低温度、动力电池的预加热功能开启后所采集到的电池最高温度以及所述目标充电阶数,确定动力电池在所述目标充电阶数需求的剩余充电时间;
对于目标充电阶数之后的剩余各充电阶数,重复执行:
根据上一充电阶数的剩余充电时间、上一充电阶数对应的电池最高温度和电池最低温度、实时采集的动力电池充电电流和预设的热管理系统开闭温度阈值,计算下一充电阶数对应的电池最高温度和电池最低温度;基于计算出的下一充电阶数对应的电池最高温度和电池最低温度以及下一充电阶数,确定动力电池在下一充电阶数需求的剩余充电时间;
基于动力电池的预加热功能开启前所采集到的电池最低温度、动力电池的预加热功能开启后所采集到的电池最高温度、动力电池在目标充电阶数及之后的每一充电阶数各自所需求的剩余充电时间,计算开启预加热功能的动力电池的第二总剩余充电时间;
其中,动力电池的预加热功能开启后所采集到的电池最高温度为动力电池的预加热目标温度。
3.根据权利要求1所述的动力电池剩余充电时间估算方法,其特征在于,
基于预设的动力电池的电池温度和充电需求电流对应的预定关系查表,确定动力电池进入充电时所采集到的电池最高温度所对应的第一充电需求电流和确定动力电池进入充电时所采集到的电池最低温度所对应的第二充电需求电流;
从所述第一充电需求电流和所述第二充电需求电流中取出其中一个较小的值作为第一比较值;
判断在预设时长内实时采集的动力电池充电电流和所述第一比较值之间的差值是否持续处于预设范围内;
若在预设时长内实时采集的动力电池充电电流和所述第一比较值之间的差值持续处于预设范围内,则将所述第一比较值确定为所述目标充电阶数所对应的充电需求电流;
若在预设时长内实时采集的动力电池充电电流和所述第一比较值之间的差值未持续处于预设范围内,则将实时采集的动力电池充电电流和所述第一比较值取小后的数值确定为目标充电阶数所对应的充电需求电流;
通过公式:
Tm=△SOCm*△Capm/IReqm
计算目标充电阶数的剩余充电时间Tm,其中,△SOCm为目标充电阶数对应的SOC标定点和动力电池的当前SOC的差值;△Capm为目标充电阶数对应的电池整包充入容量,IReqm为目标充电阶数所对应的充电需求电流。
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重庆长安新能源汽车科技有限公司,未经重庆长安新能源汽车科技有限公司许可,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/202111158766.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:油壶及链锯
- 下一篇:一种基于改进深度卷积生成对抗网络的人脸表情识别方法