[发明专利]一种基于云端数据的电池电量检测方法及系统

说明书

本发明涉及一种基于云端数据的电池电量检测方法及系统，用于电动车辆，其方法包括：获取多个电池的历史电压、温度、设备信息和老化信息，并将其上传至部署在云端的电池管理系统；在所述电池管理系统上，构建数学拟合模型；实时获取待测电池的电压、温度、设备信息和老化信息，并将其输入到训练完成的数学模型中，得到待测电池的电量值。本发明通过将电池检测系统部署在云端，并结合云端的数学模型来预测电动车辆的电池电量，在电动车批量使用的情景下不仅确保成本低同时也保证了高精度。

技术领域

本发明属于车辆电池控制与管理技术领域，特别涉及新能源电动车的电量检测领域，具体涉及一种基于云端数据的电池电量检测方法及系统。

背景技术

目前电动车和电动摩托车电池电量检测主要有两种方法，第一种为电压检测法，该方法使用A/D模数转换电路来周期性的采样电压值，然后根据终端设备里面存储的电压与电量的对应关系来反馈当前电池的电量。第二种为使用BMS(电池管理系统)，该方案是使用电池组厂家提供的BMS与终端仪表进行通信来告知当前电池的电量。

这两种目前的主流技术方案：第一种方案实现简单、成本低但是电量检测准确性低、电量检测值跳动大、可靠性差；第二种方案使用BMS虽然电量检测精度高但是硬件成本会显著提高。

发明内容

为解决电动车辆的电池检测中难以同时满足精度高和成本低的问题，在本发明的第一方面提供了一种基于云端数据的电池电量检测方法，用于电动车辆，其方法包括：获取多个电池的历史电压、温度、设备信息和老化信息，并将其上传至部署在云端的电池管理系统；在所述电池管理系统上，构建并训练数学模型；实时获取待测电池的电压、温度、设备信息和老化信息，并将其输入到训练完成的数学模型中，得到待测电池的电量值。

在本发明的一些实施例中，所述数学模型通过如下方法训练：确定数学模型的各层网络之间的连接权值，并初始化各层网络的输出阈值；将训练样本分为多个轮次输入到数学模型中，并计算每层网络中的各个单元的输入、输出值和误差；在每个轮次中，根据中间层和输出层的误差调整各层网络之间的连接权值以及各层网络的输出阈值，直至轮次达到上限或输出层的误差低于预设值。

进一步的，所述数学模型包括：输入层、中间层和输出层，以及计算模块和调整模块，所述计算模块，用于将训练样本分为多个轮次输入到数学模型中，并计算每层网络中的各个单元的输入、输出值和误差；所述调整模块，用于在每个轮次中，根据中间层和输出层的误差调整各层网络之间的连接权值以及各层网络的输出阈值，直至轮次达到上限或输出层的误差低于预设值。

在本发明的一些实施例中，所述实时获取待测电池的电压、温度、设备信息和老化信息，并将其输入到训练完成的数学模型中，得到待测电池的电量值包括：将待测电池的电压、温度、设备信息和老化信息，并将其映射为特征值；根据所述特征值的大小选择是否输入到训练完成的数学模型中。

进一步的，所述根据所述特征值的大小选择是否输入到训练完成的数学模型中包括：若所述特征值不大于阈值，则将其输入到训练完成的数学模型中；否则，根据待测电池的电压确定电池的电量。

在上述的实施例中，所述实时获取待测电池的电压、温度、设备信息和老化信息包括：实时获取待测电池的电压、温度和设备信息，根据所述设备信息确定电池的种类、老化信息。

本发明的第二方面，提供了一种基于云端数据的电池电量检测系统，包括：获取模块，用于获取多个电池的历史电压、温度、设备信息和老化信息，并将其上传至部署在云端的电池管理系统；构建模块，用于在所述电池管理系统上，构建并训练数学模型；输出模块，用于实时获取待测电池的电压、温度、设备信息和老化信息，并将其输入到训练完成的数学模型中，得到待测电池的电量值。

进一步的，所述输出模块包括映射单元、选择单元，所述映射单元，用于将待测电池的电压、温度、设备信息和老化信息，并将其映射为特征值；所述选择单元，用于根据所述特征值的大小选择是否输入到训练完成的数学模型中。