1.本發(fā)明涉及新能源技術領域，尤其涉及一種電動汽車動力電池的狀態(tài)監(jiān)控方法、系統(tǒng)及電動汽車。

背景技術：

2.隨著電動汽車的普及，電動汽車的安全性越來越受到重視。當前電動汽車的安全事故主要源于電動汽車的動力電池，而動力電池發(fā)生故障的主要原因在于電池的老化所引起的一系列問題。
3.申請?zhí)枮?02111323904.4，發(fā)明名稱為“一種電動汽車電池健康狀態(tài)監(jiān)測方法及系統(tǒng)”的專利公開了如下內容：固定間隔提取充放電循環(huán)提取相應記錄的充電過程中的各電池容量增量曲線、放電時間、充電電壓、瞬時容量和放電電流；對記錄的對應次數(shù)充放電循環(huán)的各單體電池的上述參數(shù)和求取的峰值鄰域面積計算相應的算術平均值；再結合當前放電循環(huán)電池穩(wěn)定放電時間和各單體電動汽車電池的累計放電時間，構建基于八個參數(shù)與單體電動汽車電池預測容量之間的模型；計算當前待測試的單體電動汽車電池的預測容量與額定容量的關系。
4.其雖然公開了基于八個參數(shù)與單體電動汽車電池預測容量之間的模型進行電池健康狀態(tài)檢測，但是其單純采用了一種類型的模型，并且所需的參數(shù)過多，不利于模型的構建與計算，魯棒性較差。
5.申請?zhí)枮?01811368576.8，發(fā)明名稱為“一種電動汽車動力電池系統(tǒng)健康狀態(tài)估算方法及裝置”的專利公開了如下內容：根據動力電池系統(tǒng)達到壽命終止條件的容量保持率，得到動力電池系統(tǒng)的最大衰減度，獲取動力電池系統(tǒng)當前的使用率；根據動力電池系統(tǒng)的最大衰減度和當前的使用率，得到真實衰減度，進而得到動力電池系統(tǒng)的健康狀態(tài)。
6.其采用了衰減度來描述動力電池系統(tǒng)的健康狀態(tài)，表征角度單一，并且對于動力電池這一非線性問題，采用衰減度這一方式所得到的結果并不準確。

技術實現(xiàn)要素：

7.本發(fā)明實施例提供一種電動汽車動力電池的狀態(tài)監(jiān)控方法、系統(tǒng)及電動汽車，能夠至少解決現(xiàn)有技術中的部分問題。
8.本發(fā)明實施例的第一方面，提供一種電動汽車動力電池的狀態(tài)監(jiān)控方法，所述方法包括：基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)，其中，所述融合模型基于多種不同模型融合構建，用于根據輸入模型與動力電池相關的參數(shù)輸出所述電池荷電狀態(tài)；根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型
確定所述動力電池的電池等效內阻，其中，所述電池電路模型根據歷史電壓信息和歷史電流信息進行訓練，并根據擬合等效電路確定電池等效內阻；根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)，其中，所述電池健康狀態(tài)估計算法基于改進的卡爾曼濾波算法而來。
9.在一種可選的實施方式中，所述融合模型包括基于神經網絡模型構建的第一模型和基于所述卡爾曼濾波算法構建的第二模型；基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)的方法包括：將所述端電壓信息、所述電流信息以及所述溫度信息轉換為特征向量輸入所述融合模型的第一模型中，所述第一模型根據預設的第一目標函數(shù)以及優(yōu)化目標輸出估計荷電狀態(tài)信息；為所述估計荷電狀態(tài)信息分配對應的第一權重信息，并將所述估計荷電狀態(tài)信息和所述第一權重信息輸入所述融合模型的第二模型中，所述第二模型根據預設的第二目標函數(shù)以及預先確定的估計誤差值確定所述電池荷電狀態(tài)。
10.在一種可選的實施方式中，將所述端電壓信息、所述電流信息以及所述溫度信息轉換為特征向量輸入所述融合模型的第一模型中，所述第一模型根據預設的第一目標函數(shù)以及優(yōu)化目標輸出估計荷電狀態(tài)信息的方法包括：按照如下公式所示的方法輸出估計所述荷電狀態(tài)信息：按照如下公式所示的方法輸出估計所述荷電狀態(tài)信息：；其中，y表示估計荷電狀態(tài)信息，n表示特征向量的維度，表示第i個權向量，表示特征向量x對應的空間映射函數(shù)，e表示偏差量，表示針對權向量和偏差量的最小優(yōu)化目標，表示權向量的初始值，表示正規(guī)化參數(shù)，ei表示第i個偏差量。
11.在一種可選的實施方式中，所述第二模型根據預設的第二目標函數(shù)以及預先確定的估計誤差值確定電池荷電狀態(tài)的方法包括：所述第二模型根據所述估計荷電狀態(tài)信息、所述第一權重信息以及所述第二目標函數(shù)，確定中間評估值，其中，所述中間評估值用于指示所述估計荷電狀態(tài)信息對應的所述電池荷電狀態(tài)的評估結果;基于所述中間評估值與所述估計誤差值計算模型殘差值；根據所述模型殘差值結合條件概率密度函數(shù)確定所述中間評估值對應的第二權重信息，結合所述中間評估值和所述第二權重信息的加權疊加結果，確定所述電池荷電狀態(tài)。
12.在一種可選的實施方式中，
所述根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型確定所述動力電池的電池等效內阻的方法包括：根據所述端電壓信息和所述電流信息的分布規(guī)律，確定所述動力電池對應的狀態(tài)空間矩陣；基于所述狀態(tài)空間矩陣以及隨機確定的初始電池等效內阻，通過迭代遞推算法更新電池等效內阻，直至電池等效內阻與預設電池等效內阻的協(xié)方差滿足預設條件，將滿足預設條件時刻的電池等效內阻作為最終的電池等效內阻。
13.在一種可選的實施方式中，所述根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)的方法包括：根據所述電池荷電狀態(tài)和所述電池等效內阻，以及所述動力電池的標定內阻和電池容量，通過電池健康狀態(tài)估計算法確定所述動力電池的健康因子，其中，所述健康因子用于指示所述動力電池的衰減度；根據所述健康因子以及所獲取的端電壓信息、電流信息確定所述動力電池的實際電池容量，基于所述實際電池容量與所述動力電池的標稱容量的比值確定所述電池健康狀態(tài)。
14.本發(fā)明實施例的第二方面，提供一種電動汽車動力電池的狀態(tài)監(jiān)控系統(tǒng)，所述系統(tǒng)包括：第一單元，用于基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)，其中，所述融合模型基于多種不同模型融合構建，用于根據輸入模型與動力電池相關的參數(shù)輸出所述電池荷電狀態(tài)；第二單元，用于根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型確定所述動力電池的電池等效內阻，其中，所述電池電路模型根據歷史電壓信息和歷史電流信息進行訓練，并根據擬合等效電路確定電池等效內阻；第三單元，用于根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)，其中，所述電池健康狀態(tài)估計算法基于改進的卡爾曼濾波算法而來。
15.本發(fā)明實施例的第三方面，提供電動汽車，所述電動汽車包括前述的電動汽車動力電池的狀態(tài)監(jiān)控系統(tǒng)。
16.本發(fā)明實施例的第四方面，一種設備，包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為調用所述存儲器存儲的指令，以執(zhí)行前述中任意一項所述的方法。
17.本發(fā)明實施例的第五方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)前述中任意一項所述的方法。
18.本發(fā)明實施例提供一種電動汽車動力電池的狀態(tài)監(jiān)控方法，所述方法包括：基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)，其中，所述融合模型基于多種不同模型融合構建，用于根據輸入模型與動力電池相關的參數(shù)輸出電池荷電狀態(tài)；本發(fā)明實施例的融合模型是基于不同模型融合構建，能夠針對動力電池的具體情況分別輸出兩次電池荷電狀態(tài)，其中，在后模型能夠對在前模型輸出的電池荷電狀態(tài)進一步處理，增加了模型的學習能力，并且可以保證所輸出的電池荷電狀態(tài)更加準確。
19.根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型確定所述動力電池的電池等效內阻，其中，所述電池電路模型根據歷史電壓信息和歷史電流信息進行訓練，并根據擬合等效電路確定電池等效內阻；本發(fā)明實施例通過電池電路模型只需要端電壓信息和所述電流信息即可確定動力電池的電池等效內阻，并且根據電池等效內阻能夠準確地反映電池的內部情況，有利于后續(xù)確定電池健康狀態(tài)。
20.根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)，其中，所述電池健康狀態(tài)估計算法基于改進的卡爾曼濾波算法而來。
21.本發(fā)明實施例通過電池荷電狀態(tài)和電池等效內阻，將自適應方法引入卡爾曼濾波算法中，能夠提高最終輸出結果的準確性，減少估計誤差。
附圖說明
22.圖1為本發(fā)明實施例電動汽車動力電池的狀態(tài)監(jiān)控方法的流程示意圖；圖2為本發(fā)明實施例等效電路模型的示意圖；圖3為本發(fā)明實施例電動汽車動力電池的狀態(tài)監(jiān)控裝置的結構示意圖。
具體實施方式
23.為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
24.本發(fā)明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”、“第三”、“第四”等（如果存在）是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數(shù)據在適當情況下可以互換，以便這里描述的本發(fā)明的實施例能夠以除了在這里圖示或描述的那些以外的順序實施。
25.應當理解，在本發(fā)明的各種實施例中，各過程的序號的大小并不意味著執(zhí)行順序的先后，各過程的執(zhí)行順序應以其功能和內在邏輯確定，而不應對本發(fā)明實施例的實施過程構成任何限定。
26.應當理解，在本發(fā)明中，“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或對于這些過程、方法、產品或設備
固有的其它步驟或單元。
27.應當理解，在本發(fā)明中，“多個”是指兩個或兩個以上?！昂?或”僅僅是一種描述關聯(lián)對象的關聯(lián)關系，表示可以存在三種關系，例如，和/或b，可以表示：單獨存在a，同時存在a和b，單獨存在b這三種情況。字符“/”一般表示前后關聯(lián)對象是一種“或”的關系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1個或任2個或3個。
28.應當理解，在本發(fā)明中，“與a對應的b”、“與a相對應的b”、“a與b相對應”或者“b與a相對應”，表示b與a相關聯(lián)，根據a可以確定b。根據a確定b并不意味著僅僅根據a確定b，還可以根據a和/或其他信息確定b。a與b的匹配，是a與b的相似度大于或等于預設的閾值。
29.取決于語境，如在此所使用的“若”可以被解釋成為“在
……
時”或“當
……
時”或“響應于確定”或“響應于檢測”。
30.下面以具體地實施例對本發(fā)明的技術方案進行詳細說明。下面這幾個具體的實施例可以相互結合，對于相同或相似的概念或過程可能在某些實施例不再贅述。
31.圖1為本發(fā)明實施例電動汽車動力電池的狀態(tài)監(jiān)控方法的流程示意圖，如圖1所示，所述方法包括：s101、基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)；電池管理系統(tǒng)實時檢測電池的工作電壓、電流和溫度等參數(shù)，根據電池的檢測量在線估計電池的狀態(tài)，保證電池工作在安全可靠的狀態(tài)下。
32.其中，電池狀態(tài)主要包括荷電狀態(tài)（state of charge，soc）和健康狀態(tài)（state of health），電池soc表示電池的剩余電荷量，其為電池當前剩余容量在相同條件下充滿的電池可放出的總容量的比值。實際應用中，電池是個復雜的動力系統(tǒng)，剩余電荷量多少不像油箱剩余油量那么直觀，其具有很強的非線性。本發(fā)明實施例通過融合模型確定電池荷電狀態(tài)，將非線性問題轉換為線性問題解決。
33.示例性地，本發(fā)明實施例的融合模型基于多種不同模型融合構建，用于根據輸入模型與動力電池相關的參數(shù)輸出電池荷電狀態(tài)；可選地，融合模型包括基于神經網絡模型構建的第一模型和基于卡爾曼濾波算法構建的第二模型；可以理解的是，動力電池可以作為一個動態(tài)系統(tǒng)，電池荷電狀態(tài)可以認為是其系統(tǒng)中一個內部狀態(tài)量，需要用動態(tài)系統(tǒng)來描述方程，遞推過程中涉及到復雜的矩陣運算，其中，卡爾曼濾波算法是一種遞推算法，對于初值的選擇十分敏感，若初值選擇不對，或者錯誤，將導致最終的計算結果不斷惡化，在當前應用中，對于初值的給定還未找到較為合適的方法。
34.而神經網絡模型其輸入和輸出之間不需要精確的公式來確定，只需要選擇輸入和輸出，兩者的關系可以通過網絡訓練過程確定，具有較好的適應性；并且通過神經網絡所確定的估計值，可以重新用于網絡訓練，對不同類型的電池具有較強的適應性。最為重要的一點，通過神經網絡模型所輸出的電池荷電狀態(tài)結果已經是較為準確的結果，將其作為卡爾曼濾波算法的初值，能夠進一步保證最終的電池荷電狀態(tài)相比于采用任何單一模型的結果更為準確。
35.此外，采用神經網絡模型無需復雜的參數(shù)輸入，只需要獲取動力電池的端電壓信息和電流信息以及溫度信息，即可輸出電池荷電狀態(tài)，計算效率高。
36.在一種可選的實施方式中，所述融合模型包括基于神經網絡模型構建的第一模型和基于卡爾曼濾波算法構建的第二模型；所述基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電所述池荷電狀態(tài)的方法包括：將所述端電壓信息、所述電流信息以及所述溫度信息轉換為特征向量輸入所述融合模型的第一模型中，所述第一模型根據預設的第一目標函數(shù)以及優(yōu)化目標輸出估計荷電狀態(tài)信息；為所述估計荷電狀態(tài)信息分配對應的第一權重信息，并將所述估計荷電狀態(tài)信息和所述第一權重信息輸入所述融合模型的第二模型中，所述第二模型根據預設的第二目標函數(shù)以及預先確定的估計誤差值確定電池荷電狀態(tài)。
37.示例性地，本發(fā)明實施例的第一模型可以是基于最小二乘支持向量機構建的神經網絡模型。最小二乘支持向量機將傳統(tǒng)神經網絡模型的不等式限制轉換為等式限制，并使用誤差平方和作為損失函數(shù)，將復雜的非線性求解問題轉化為求解線性方程組，并可以使用迭代方式進行求解，極大的減小了計算量，求解速度快，便于工程實際應用。
38.可選地，本發(fā)明實施例的第一目標函數(shù)可以是端電壓信息、電流信息以及溫度信息轉換為特征向量后作為輸入量，估計荷電狀態(tài)信息為輸出量的非線性函數(shù)關系，其中，估計荷電狀態(tài)信息是第一模型輸出的動力電池荷電狀態(tài)，還需要進一步通過第二模型計算來精確電池荷電狀態(tài)，可以理解為是一種中間狀態(tài)信息。本發(fā)明實施例的優(yōu)化目標可以是模型參數(shù)最優(yōu)化。
39.在一種可選的實施方式中，所述將所述端電壓信息、所述電流信息以及所述溫度信息轉換為特征向量輸入所述融合模型的第一模型中，所述第一模型根據預設的第一目標函數(shù)以及優(yōu)化目標輸出估計荷電狀態(tài)信息的方法包括：按照如下公式所示的方法輸出所述估計荷電狀態(tài)信息：所述估計荷電狀態(tài)信息：；其中，y表示估計荷電狀態(tài)信息，n表示特征向量的維度，表示第i個權向量，表示特征向量x對應的空間映射函數(shù)，e表示偏差量，表示針對權向量和偏差量的最小優(yōu)化目標，表示權向量的初始值，表示正規(guī)化參數(shù)，ei表示第i個偏差量。
40.本發(fā)明實施例的神經網絡模型可以在完成訓練后固定其結構，大大減少了應用的計算負擔，并且可以降低浮點數(shù)存儲所用的存儲空間。
41.為了提高本發(fā)明實施例第一模型的輸出結果的準確度可以對其進行訓練，示例性地，對第一模型的訓練方法可以包括：確定多個目標函數(shù)的輸出值，也即y對應的值；
將多個輸出值進行數(shù)值排序，并按照從大到小的順序形成輸出序列；按照預設的數(shù)據過濾方式，將輸出序列中頭部和尾部不滿足預設閾值的值刪除；將輸出序列中剩余的數(shù)據作為訓練數(shù)據訓練第一模型直至滿足預設訓練條件，其中，預設訓練條件可以包括達到訓練次數(shù)和所輸出的值滿足預設精度。
42.在一種可選的實施方式中，所述第二模型根據預設的第二目標函數(shù)以及預先確定的估計誤差值確定所述電池荷電狀態(tài)的方法包括：所述第二模型根據所述估計荷電狀態(tài)信息、所述第一權重信息以及所述第二目標函數(shù)，確定中間評估值，其中，所述中間評估值用于指示所述估計荷電狀態(tài)信息對應的電池荷電狀態(tài)的評估結果;基于所述中間評估值與所述估計誤差值計算模型殘差值；根據所述模型殘差值結合條件概率密度函數(shù)確定所述中間評估值對應的第二權重信息，結合所述中間評估值和所述第二權重信息的加權疊加結果，確定電池荷電狀態(tài)。
43.示例性地，本發(fā)明實施例的第二模型可以是基于卡爾曼濾波算法構建的模型，本發(fā)明實施例的第二模型可以利用測量值來矯正估計值，并且通過遞推計算過程，消除噪聲對真實值的干擾。
44.本發(fā)明實施例的第二模型可以根據估計荷電狀態(tài)為其分配對應的第一權重信息，其中，第一權重信息用于指示估計荷電狀態(tài)與最終輸出的電池荷電狀態(tài)的接近程度，第一權重信息越大，估計荷電狀態(tài)與最終輸出的電池荷電狀態(tài)的值越接近。通過將第一模型的輸出結果進一步輸入第二模型中進行計算，可以進一步提高模型學習的準確度，降低噪聲對最終值的干擾。
45.本發(fā)明實施例的融合模型是基于不同模型融合構建，能夠針對動力電池的具體情況分別輸出兩次電池荷電狀態(tài)，其中，在后模型能夠對在前模型輸出的電池荷電狀態(tài)進一步處理，增加了模型的學習能力，并且可以保證所輸出的電池荷電狀態(tài)更加準確。
46.s102、根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型確定所述動力電池的電池等效內阻，示例性地，圖2為本發(fā)明實施例等效電路模型的示意圖，如圖2所示，其中，表示電池電動勢，表示電解質內阻和連接內阻，表示電荷轉移阻抗，表示電池擴散阻抗，表示輸入電流。
47.通過結合電池機理建立電池電路模型，能夠對于動力電池這種非線性系統(tǒng)，通過參數(shù)輸入和測試總結電池的規(guī)律特性，驗證模型的準確性。
48.其中，所述電池電路模型根據歷史電壓信息和歷史電流信息進行訓練，并根據擬合等效電路確定電池等效內阻。
49.在一種可選的實施方式中，所述根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型確定所述動力電池的電池等效內阻的方法包括：根據所述端電壓信息和所述電流信息的分布規(guī)律，確定所述動力電池對應的狀態(tài)空間矩陣；基于所述狀態(tài)空間矩陣以及隨機確定的初始電池等效內阻，通過迭代遞推算法更
新電池等效內阻，直至電池等效內阻與預設電池等效內阻的協(xié)方差滿足預設條件，將滿足預設條件時刻的電池等效內阻作為最終的電池等效內阻。
50.示例性地，本發(fā)明實施例的狀態(tài)空間矩陣用于指示端電壓信息、電流信息與等效內阻的對應關系。
51.本發(fā)明實施例通過電池電路模型只需要端電壓信息和所述電流信息即可確定動力電池的電池等效內阻，并且根據電池等效內阻能夠準確地反映電池的內部情況，有利于后續(xù)確定電池健康狀態(tài)。
52.s103、根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)，其中，所述電池健康狀態(tài)估計算法基于改進的卡爾曼濾波算法而來。
53.在一種可選的實施方式中，所述根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)的方法包括：根據所述電池荷電狀態(tài)和所述電池等效內阻，以及所述動力電池的標定內阻和電池容量，通過電池健康狀態(tài)估計算法確定所述動力電池的健康因子，其中，所述健康因子用于指示所述動力電池的衰減度；根據所述健康因子以及所獲取的端電壓信息、電流信息確定所述動力電池的實際電池容量，基于所述實際電池容量與所述動力電池的標稱容量的比值確定所述電池健康狀態(tài)。
54.示例性地，本發(fā)明實施例確定電池健康狀態(tài)的方法可以如下所示：；其中，soh表示電池健康狀態(tài)，sohr表示實際電池容量，sohb表示標稱電池容量，表示權重因子，e表示數(shù)學期望，u表示端電壓信息，i表示電流信息，n表示電壓測量節(jié)點的數(shù)量，bk表示第k個電壓測量節(jié)點的電壓值對應的權重值，uk表示第k個電壓測量節(jié)點的電壓值，m表示電流測量節(jié)點的數(shù)量，aj表示第j個電流測量節(jié)點的電流值對應的權重值，ij表示第j個電流測量節(jié)點的電流值，表示動力電池對應的狀態(tài)空間矩陣。
55.本發(fā)明實施例通過電池荷電狀態(tài)和電池等效內阻，將自適應方法引入卡爾曼濾波算法中，能夠提高最終輸出結果的準確性，減少估計誤差。
56.本發(fā)明實施例提供一種電動汽車動力電池的狀態(tài)監(jiān)控方法，所述方法包括：基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)，其中，所述融合模型基于多種不同模型融合構建，用于根據輸入模型與動力電池相關的參數(shù)輸出電池荷電狀態(tài)；本發(fā)明實施例的融合模型是基于不同模型融合構建，能夠針對動力電池的具體情況分別輸出兩次電池荷電狀態(tài)，其中，在后模型能夠對在前模型輸出的電池荷電狀態(tài)進一步處理，增加了模型的學習能力，并且可以保證所輸出的電池荷電狀態(tài)更加準確。
57.根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型
確定所述動力電池的電池等效內阻，其中，所述電池電路模型根據歷史電壓信息和歷史電流信息進行訓練，并根據擬合等效電路確定電池等效內阻；本發(fā)明實施例通過電池電路模型只需要端電壓信息和所述電流信息即可確定動力電池的電池等效內阻，并且根據電池等效內阻能夠準確地反映電池的內部情況，有利于后續(xù)確定電池健康狀態(tài)。
58.根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)，其中，所述電池健康狀態(tài)估計算法基于改進的卡爾曼濾波算法而來。
59.本發(fā)明實施例通過電池荷電狀態(tài)和電池等效內阻，將自適應方法引入卡爾曼濾波算法中，能夠提高最終輸出結果的準確性，減少估計誤差。
60.本發(fā)明實施例的第二方面，提供一種電動汽車動力電池的狀態(tài)監(jiān)控系統(tǒng)，圖3為本發(fā)明實施例電動汽車動力電池的狀態(tài)監(jiān)控裝置的結構示意圖，如圖3所示，所述系統(tǒng)包括：第一單元31，用于基于電池管理系統(tǒng)獲取動力電池在充放電狀態(tài)的端電壓信息、電流信息以及溫度信息，通過預先構建的融合模型，確定動力電池的電池荷電狀態(tài)，其中，所述融合模型基于多種不同模型融合構建，用于根據輸入模型與動力電池相關的參數(shù)輸出電池荷電狀態(tài)；第二單元32，用于根據所述端電壓信息和所述電流信息的分布規(guī)律，通過預先建立的電池電路模型確定所述動力電池的電池等效內阻，其中，所述電池電路模型根據歷史電壓信息和歷史電流信息進行訓練，并根據擬合等效電路確定電池等效內阻；第三單元33，用于根據所述電池荷電狀態(tài)和所述電池等效內阻，通過電池健康狀態(tài)估計算法確定電池健康狀態(tài)，其中，所述電池健康狀態(tài)估計算法基于改進的卡爾曼濾波算法而來。
61.本發(fā)明實施例的第三方面，提供電動汽車，所述電動汽車包括前述的電動汽車動力電池的狀態(tài)監(jiān)控系統(tǒng)。
62.本發(fā)明實施例的第四方面，一種設備，包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為調用所述存儲器存儲的指令，以執(zhí)行前述中任意一項所述的方法。
63.本發(fā)明實施例的第五方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)前述中任意一項所述的方法。
64.本發(fā)明可以是方法、裝置、系統(tǒng)和/或計算機程序產品。計算機程序產品可以包括計算機可讀存儲介質，其上載有用于執(zhí)行本發(fā)明的各個方面的計算機可讀程序指令。
65.計算機可讀存儲介質可以是可以保持和存儲由指令執(zhí)行設備使用的指令的有形設備。計算機可讀存儲介質例如可以是――但不限于――電存儲設備、磁存儲設備、光存儲設備、電磁存儲設備、半導體存儲設備或者上述的任意合適的組合。計算機可讀存儲介質的
更具體的例子（非窮舉的列表）包括：便攜式計算機盤、硬盤、隨機存取存儲器（ram）、只讀存儲器（rom）、可擦式可編程只讀存儲器（eprom或閃存）、靜態(tài)隨機存取存儲器（sram）、便攜式壓縮盤只讀存儲器（cd-rom）、數(shù)字多功能盤（dvd）、記憶棒、軟盤、機械編碼設備、例如其上存儲有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這里所使用的計算機可讀存儲介質不被解釋為瞬時信號本身，諸如無線電波或者其他自由傳播的電磁波、通過波導或其他傳輸媒介傳播的電磁波（例如，通過光纖電纜的光脈沖）、或者通過電線傳輸?shù)碾娦盘枴?br>66.這里所描述的計算機可讀程序指令可以從計算機可讀存儲介質下載到各個計算/處理設備，或者通過網絡、例如因特網、局域網、廣域網和/或無線網下載到外部計算機或外部存儲設備。網絡可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火墻、交換機、網關計算機和/或邊緣服務器。每個計算/處理設備中的網絡適配卡或者網絡接口從網絡接收計算機可讀程序指令，并轉發(fā)該計算機可讀程序指令，以供存儲在各個計算/處理設備中的計算機可讀存儲介質中。
67.用于執(zhí)行本發(fā)明操作的計算機程序指令可以是匯編指令、指令集架構（isa）指令、機器指令、機器相關指令、微代碼、固件指令、狀態(tài)設置數(shù)據、或者以一種或多種編程語言的任意組合編寫的源代碼或目標代碼，所述編程語言包括面向對象的編程語言—諸如smalltalk、c++等，以及常規(guī)的過程式編程語言—諸如“c”語言或類似的編程語言。計算機可讀程序指令可以完全地在用戶計算機上執(zhí)行、部分地在用戶計算機上執(zhí)行、作為一個獨立的軟件包執(zhí)行、部分在用戶計算機上部分在遠程計算機上執(zhí)行、或者完全在遠程計算機或服務器上執(zhí)行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡—包括局域網(lan)或廣域網(wan)—連接到用戶計算機，或者，可以連接到外部計算機（例如利用因特網服務提供商來通過因特網連接）。在一些實施例中，通過利用計算機可讀程序指令的狀態(tài)信息來個性化定制電子電路，例如可編程邏輯電路、現(xiàn)場可編程門陣列（fpga）或可編程邏輯陣列（pla），該電子電路可以執(zhí)行計算機可讀程序指令，從而實現(xiàn)本發(fā)明的各個方面。
68.這里參照根據本發(fā)明實施例的方法、裝置（系統(tǒng)）和計算機程序產品的流程圖和/或框圖描述了本發(fā)明的各個方面。應當理解，流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合，都可以由計算機可讀程序指令實現(xiàn)。
69.這些計算機可讀程序指令可以提供給通用計算機、專用計算機或其他可編程數(shù)據處理裝置的處理單元，從而生產出一種機器，使得這些指令在通過計算機或其他可編程數(shù)據處理裝置的處理單元執(zhí)行時，產生了實現(xiàn)流程圖和/或框圖中的一個或多個方框中規(guī)定的功能/動作的裝置。也可以把這些計算機可讀程序指令存儲在計算機可讀存儲介質中，這些指令使得計算機、可編程數(shù)據處理裝置和/或其他設備以特定方式工作，從而，存儲有指令的計算機可讀介質則包括一個制造品，其包括實現(xiàn)流程圖和/或框圖中的一個或多個方框中規(guī)定的功能/動作的各個方面的指令。
70.也可以把計算機可讀程序指令加載到計算機、其他可編程數(shù)據處理裝置、或其他設備上，使得在計算機、其他可編程數(shù)據處理裝置或其他設備上執(zhí)行一系列操作步驟，以產生計算機實現(xiàn)的過程，從而使得在計算機、其他可編程數(shù)據處理裝置、或其他設備上執(zhí)行的指令實現(xiàn)流程圖和/或框圖中的一個或多個方框中規(guī)定的功能/動作。
71.附圖中的流程圖和框圖顯示了根據本發(fā)明的多個實施例的系統(tǒng)、方法和計算機程序產品的可能實現(xiàn)的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或指令的一部分，所述模塊、程序段或指令的一部分包含一個或多個用于實現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。在有些作為替換的實現(xiàn)中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，兩個連續(xù)的方框實際上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現(xiàn)，或者可以用專用硬件與計算機指令的組合來實現(xiàn)。
72.注意，除非另有直接說明，否則本說明書(包含任何所附權利要求、摘要和附圖)中所揭示的所有特征皆可由用于達到相同、等效或類似目的的可替代特征來替換。因此，除非另有明確說明，否則所發(fā)明的每一個特征僅是一組等效或類似特征的一個示例。在使用到的情況下，進一步地、較優(yōu)地、更進一步地和更優(yōu)地是在前述實施例基礎上進行另一實施例闡述的簡單起頭，該進一步地、較優(yōu)地、更進一步地或更優(yōu)地后帶的內容與前述實施例的結合作為另一實施例的完整構成。在同一實施例后帶的若干個進一步地、較優(yōu)地、更進一步地或更優(yōu)地設置之間可任意組合的組成又一實施例。
73.本領域的技術人員應理解，上述描述及附圖中所示的本發(fā)明的實施例只作為舉例而并不限制本發(fā)明。本發(fā)明的目的已經完整并有效地實現(xiàn)。本發(fā)明的功能及結構原理已在實施例中展示和說明，在沒有背離所述原理下，本發(fā)明的實施方式可以有任何變形或修改。
74.最后應說明的是：以上各實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的范圍。

相關知識

電動汽車動力電池監(jiān)控系統(tǒng)研究
一種電動汽車換電站電池質量遠程監(jiān)控系統(tǒng)及監(jiān)控方法
電動汽車電池健康監(jiān)測系統(tǒng)
電動汽車動力電池健康狀態(tài)評估方法與流程
電動汽車的電池健康監(jiān)測系統(tǒng).docx
基于快充數(shù)據的電動汽車動力電池預警方法及預警系統(tǒng)與流程
電動汽車動力電池組健康狀態(tài)在線確定方法和系統(tǒng).pdf
電動汽車蓄電池組電池管理及其狀態(tài)檢測
電動汽車動力電池管理與健康評估
電動汽車鋰離子動力電池健康狀態(tài)在線診斷方法

網址: 電動汽車動力電池的狀態(tài)監(jiān)控方法、系統(tǒng)及電動汽車與流程 http://www.gysdgmq.cn/newsview1704177.html