一种电动汽车动力锂电池soc估算方法、系统

专利名称：一种电动汽车动力锂电池soc估算方法、系统

专利类型：发明专利

专利申请号：CN202311839775.3

专利申请（专利权）人：河北工程大学
权利人地址：河北省邯郸市经济技术开发区太极路19号

专利发明（设计）人：赵现广,王涛,李丽,赫明月

专利摘要：本发明提供一种电动汽车动力锂电池soc估算方法、系统，其中，方法包括：获取电动汽车的动力锂电池的soc显示值；预测所述动力锂电池的老化状态值；基于所述老化状态值、预设的修正系数库，确定修正系数；基于所述修正系数、所述soc显示值，确定soc最终值。本发明的电动汽车动力锂电池soc估算方法、系统，预测电动汽车的动力锂电池的老化状态值，引入修正系数库，基于老化状态值、修正系数库确定修正系数，利用修正系数对动力锂电池的soc显示值进行修正，获得soc最终值，将动力锂电池的老化因素纳入soc估算中，提升了动力锂电池soc估算的精准性。

主权利要求：
1.一种电动汽车动力锂电池soc估算方法，其特征在于，包括：步骤S1：获取电动汽车的动力锂电池的soc显示值；
步骤S2：预测所述动力锂电池的老化状态值；
步骤S3：基于所述老化状态值、预设的修正系数库，确定修正系数；
步骤S4：基于所述修正系数、所述soc显示值，确定soc最终值；
所述步骤S2：预测所述动力锂电池的老化状态值，包括：获取所述电动汽车最近一次进行动力锂电池老化状态值预测的多个预测用测试车；
获取所述电动汽车的第一增量行驶数据；
依次遍历所述预测用测试车；
每次遍历时，获取遍历到的所述预测用测试车的第二增量行驶数据；
将所述第二增量行驶数据与所述第一增量行驶数据进行匹配，获取数据匹配情况；
基于所述数据匹配情况、预设的情况评价体系，确定遍历到的所述预测用测试车的评价值和；
遍历所述预测用测试车结束后，获取各个所述预测用测试车的最新测试老化状态值；
计算所述动力锂电池的老化状态值：；
；
其中， 为所述动力锂电池的所述老化状态值， 为中间变量函数， 为第 个所述预测用测试车的所述评价值和， 为第 个所述预测用测试车的所述最新测试老化状态值，为所述预测用测试车的总数目， 为预设的评价值和阈值。
2.如权利要求1所述的电动汽车动力锂电池soc估算方法，其特征在于，还包括步骤S5：更新所述修正系数库。
3.如权利要求2所述的电动汽车动力锂电池soc估算方法，其特征在于，所述步骤S5：更新所述修正系数库，包括：基于预设的事件监听模板，监听所述电动汽车的多个soc误差事件；
基于预设的事件归类模板，对所述soc误差事件进行归类，获得多个事件类别的事件集；
确定所述事件集是否符合标准集合条件；
当符合时，确定所述修正系数库中与对应所述事件集中的所述soc误差事件之间存在关联的关联修正系数以及对应的系数关联次数；
基于预设的更新需求生成模板，根据所述关联修正系数以及对应的所述系数关联次数，生成库更新需求；
从预设的多个库更新节点中确定符合标准节点条件的待下发节点；
将所述库更新需求下发给所述待下发节点；
获取所述待下发节点返回的库更新内容；
基于所述库更新内容，对所述修正系数库进行更新；
其中，所述标准集合条件包括：
所述事件集归属的所述事件类别对应的预设的类别权重大于等于预设的权重阈值；
所述事件集内的所述soc误差事件的总数目大于等于预设的数目阈值；
其中，所述标准节点条件包括：
所述库更新节点与所述库更新需求之间存在预设的标准关系类别的至少一个映射关系。
4.如权利要求1所述的电动汽车动力锂电池soc估算方法，其特征在于，还包括步骤S6：确定所述soc最终值是否大于等于预设的soc阈值；
当为是时，获取所述soc最终值的降低幅度值；
当所述降低幅度值大于等于预设的幅度值阈值时，确定所述修正系数是否符合标准系数条件；
当符合时，向所述电动汽车的驾驶人员显示所述soc最终值；否则，向所述电动汽车的驾驶人员显示所述soc显示值；
其中，所述标准系数条件包括：
所述修正系数大于1。
5.一种电动汽车动力锂电池soc估算系统，其特征在于，包括：获取模块，用于获取电动汽车的动力锂电池的soc显示值；
预测模块，用于预测所述动力锂电池的老化状态值；
第一确定模块，用于基于所述老化状态值、预设的修正系数库，确定修正系数；
第二确定模块，用于基于所述修正系数、所述soc显示值，确定soc最终值；
所述预测模块步骤S2：预测所述动力锂电池的老化状态值，包括：获取所述电动汽车最近一次进行动力锂电池老化状态值预测的多个预测用测试车；
获取所述电动汽车的第一增量行驶数据；
依次遍历所述预测用测试车；
每次遍历时，获取遍历到的所述预测用测试车的第二增量行驶数据；
将所述第二增量行驶数据与所述第一增量行驶数据进行匹配，获取数据匹配情况；
基于所述数据匹配情况、预设的情况评价体系，确定遍历到的所述预测用测试车的评价值和；
遍历所述预测用测试车结束后，获取各个所述预测用测试车的最新测试老化状态值；
计算所述动力锂电池的老化状态值：；
；
其中， 为所述动力锂电池的所述老化状态值， 为中间变量函数， 为第 个所述预测用测试车的所述评价值和， 为第 个所述预测用测试车的所述最新测试老化状态值，为所述预测用测试车的总数目， 为预设的评价值和阈值。
6.如权利要求5所述的电动汽车动力锂电池soc估算系统，其特征在于，还包括更新模块，用于：更新所述修正系数库。
7.如权利要求6所述的电动汽车动力锂电池soc估算系统，其特征在于，所述更新模块更新所述修正系数库，包括：基于预设的事件监听模板，监听所述电动汽车的多个soc误差事件；
基于预设的事件归类模板，对所述soc误差事件进行归类，获得多个事件类别的事件集；
确定所述事件集是否符合标准集合条件；
当符合时，确定所述修正系数库中与对应所述事件集中的所述soc误差事件之间存在关联的关联修正系数以及对应的系数关联次数；
基于预设的更新需求生成模板，根据所述关联修正系数以及对应的所述系数关联次数，生成库更新需求；
从预设的多个库更新节点中确定符合标准节点条件的待下发节点；
将所述库更新需求下发给所述待下发节点；
获取所述待下发节点返回的库更新内容；
基于所述库更新内容，对所述修正系数库进行更新；
其中，所述标准集合条件包括：
所述事件集归属的所述事件类别对应的预设的类别权重大于等于预设的权重阈值；
所述事件集内的所述soc误差事件的总数目大于等于预设的数目阈值；
其中，所述标准节点条件包括：
所述库更新节点与所述库更新需求之间存在预设的标准关系类别的至少一个映射关系。
8.如权利要求5所述的电动汽车动力锂电池soc估算系统，其特征在于，还包括显示模块，用于：确定所述soc最终值是否大于等于预设的soc阈值；
当为是时，获取所述soc最终值的降低幅度值；
当所述降低幅度值大于等于预设的幅度值阈值时，确定所述修正系数是否符合标准系数条件；
当符合时，向所述电动汽车的驾驶人员显示所述soc最终值；否则，向所述电动汽车的驾驶人员显示所述soc显示值；
其中，所述标准系数条件包括：
所述修正系数大于1。 说明书 : 一种电动汽车动力锂电池soc估算方法、系统技术领域[0001] 本发明涉及电池soc估算技术领域，特别涉及一种电动汽车动力锂电池soc估算方法、系统。背景技术[0002] 目前，电动汽车动力锂电池soc(StateofCharge，电池的荷电状态)对于点的汽车的续航里程等影响巨大。传统的，进行电动汽车动力锂电池soc估算的方法有安时积分法等，但是，这些soc估算方法对锂电池自身要求较高，需要锂电池处于较新的状态，当锂电池使用较长时间后，会出现老化，此时利用这些soc估算方法会影响锂电池soc估算的精准性。因此，亟需一种解决办法。发明内容[0003] 本发明目的之一在于提供了一种电动汽车动力锂电池soc估算方法，预测电动汽车的动力锂电池的老化状态值，引入修正系数库，基于老化状态值、修正系数库确定修正系数，利用修正系数对动力锂电池的soc显示值进行修正，获得soc最终值，将动力锂电池的老化因素纳入soc估算中，提升了动力锂电池soc估算的精准性。[0004] 本发明实施例提供的一种电动汽车动力锂电池soc估算方法，包括：[0005] 步骤S1：获取电动汽车的动力锂电池的soc显示值；[0006] 步骤S2：预测所述动力锂电池的老化状态值；[0007] 步骤S3：基于所述老化状态值、预设的修正系数库，确定修正系数；[0008] 步骤S4：基于所述修正系数、所述soc显示值，确定soc最终值。[0009] 优选的，所述步骤S2：预测所述动力锂电池的老化状态值，包括：[0010] 获取所述电动汽车最近一次进行动力锂电池老化状态值预测的多个预测用测试车；[0011] 获取所述电动汽车的第一增量行驶数据；[0012] 依次遍历所述预测用测试车；[0013] 每次遍历时，获取遍历到的所述预测用测试车的第二增量行驶数据；[0014] 将所述第二增量行驶数据与所述第一增量行驶数据进行匹配，获取数据匹配情况；[0015] 基于所述数据匹配情况、预设的情况评价体系，确定遍历到的所述预测用测试车的评价值和；[0016] 遍历所述预测用测试车结束后，获取各个所述预测用测试车的最新测试老化状态值；[0017] 计算所述动力锂电池的老化状态值：[0018][0019][0020] 其中，Old'为所述动力锂电池的所述老化状态值，f(Evai)为中间变量函数，Evai为第i个所述预测用测试车的所述评价值和，Oldi为第i个所述预测用测试车的所述最新测试老化状态值，n为所述预测用测试车的总数目，Eva0为预设的评价值和阈值。[0021] 优选的，电动汽车动力锂电池soc估算方法，还包括步骤S5：[0022] 更新所述修正系数库。[0023] 优选的，所述步骤S5：更新所述修正系数库，包括：[0024] 基于预设的事件监听模板，监听所述电动汽车的多个soc误差事件；[0025] 基于预设的事件归类模板，对所述soc误差事件进行归类，获得多个事件类别的事件集；[0026] 确定所述事件集是否符合标准集合条件；[0027] 当符合时，确定所述修正系数库中与对应所述事件集中的所述soc误差事件之间存在关联的关联修正系数以及对应的系数关联次数；[0028] 基于预设的更新需求生成模板，根据所述关联修正系数以及对应的所述系数关联次数，生成库更新需求；[0029] 从预设的多个库更新节点中确定符合标准节点条件的待下发节点；[0030] 将所述库更新需求下发给所述待下发节点；[0031] 获取所述待下发节点返回的库更新内容；[0032] 基于所述库更新内容，对所述修正系数库进行更新；[0033] 其中，所述标准集合条件包括：[0034] 所述事件集归属的所述事件类别对应的预设的类别权重大于等于预设的权重阈值；[0035] 所述事件集内的所述soc误差事件的总数目大于等于预设的数目阈值；[0036] 其中，所述标准节点条件包括：[0037] 所述库更新节点与所述库更新需求之间存在预设的标准关系类别的至少一个映射关系。[0038] 优选的，电动汽车动力锂电池soc估算方法，还包括步骤S6：[0039] 确定所述soc最终值是否大于等于预设的soc阈值；[0040] 当为是时，获取所述soc最终值的降低幅度值；[0041] 当所述降低幅度值大于等于预设的幅度值阈值时，确定所述修正系数是否符合标准系数条件；[0042] 当符合时，向所述电动汽车的驾驶人员显示所述soc最终值；否则，向所述电动汽车的驾驶人员显示所述soc显示值；[0043] 其中，所述标准系数条件包括：[0044] 所述修正系数大于1。[0045] 本发明实施例提供的一种电动汽车动力锂电池soc估算系统，包括：[0046] 获取模块，用于获取电动汽车的动力锂电池的soc显示值；[0047] 预测模块，用于预测所述动力锂电池的老化状态值；[0048] 第一确定模块，用于基于所述老化状态值、预设的修正系数库，确定修正系数；[0049] 第二确定模块，用于基于所述修正系数、所述soc显示值，确定soc最终值。[0050] 优选的，所述预测模块步骤S2：预测所述动力锂电池的老化状态值，包括：[0051] 获取所述电动汽车最近一次进行动力锂电池老化状态值预测的多个预测用测试车；[0052] 获取所述电动汽车的第一增量行驶数据；[0053] 依次遍历所述预测用测试车；[0054] 每次遍历时，获取遍历到的所述预测用测试车的第二增量行驶数据；[0055] 将所述第二增量行驶数据与所述第一增量行驶数据进行匹配，获取数据匹配情况；[0056] 基于所述数据匹配情况、预设的情况评价体系，确定遍历到的所述预测用测试车的评价值和；[0057] 遍历所述预测用测试车结束后，获取各个所述预测用测试车的最新测试老化状态值；[0058] 计算所述动力锂电池的老化状态值：[0059][0060][0061] 其中，Old'为所述动力锂电池的所述老化状态值，f(Evai)为中间变量函数，Evai为第i个所述预测用测试车的所述评价值和，Oldi为第i个所述预测用测试车的所述最新测试老化状态值，n为所述预测用测试车的总数目，Eva0为预设的评价值和阈值。[0062] 优选的，电动汽车动力锂电池soc估算系统，还包括更新模块，用于：[0063] 更新所述修正系数库。[0064] 优选的，电动汽车动力锂电池soc估算系统，所述更新模块更新所述修正系数库，包括：[0065] 基于预设的事件监听模板，监听所述电动汽车的多个soc误差事件；[0066] 基于预设的事件归类模板，对所述soc误差事件进行归类，获得多个事件类别的事件集；[0067] 确定所述事件集是否符合标准集合条件；[0068] 当符合时，确定所述修正系数库中与对应所述事件集中的所述soc误差事件之间存在关联的关联修正系数以及对应的系数关联次数；[0069] 基于预设的更新需求生成模板，根据所述关联修正系数以及对应的所述系数关联次数，生成库更新需求；[0070] 从预设的多个库更新节点中确定符合标准节点条件的待下发节点；[0071] 将所述库更新需求下发给所述待下发节点；[0072] 获取所述待下发节点返回的库更新内容；[0073] 基于所述库更新内容，对所述修正系数库进行更新；[0074] 其中，所述标准集合条件包括：[0075] 所述事件集归属的所述事件类别对应的预设的类别权重大于等于预设的权重阈值；[0076] 所述事件集内的所述soc误差事件的总数目大于等于预设的数目阈值；[0077] 其中，所述标准节点条件包括：[0078] 所述库更新节点与所述库更新需求之间存在预设的标准关系类别的至少一个映射关系。[0079] 优选的，电动汽车动力锂电池soc估算系统，还包括显示模块，用于：[0080] 确定所述soc最终值是否大于等于预设的soc阈值；[0081] 当为是时，获取所述soc最终值的降低幅度值；[0082] 当所述降低幅度值大于等于预设的幅度值阈值时，确定所述修正系数是否符合标准系数条件；[0083] 当符合时，向所述电动汽车的驾驶人员显示所述soc最终值；否则，向所述电动汽车的驾驶人员显示所述soc显示值；[0084] 其中，所述标准系数条件包括：[0085] 所述修正系数大于1。[0086] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。[0087] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。附图说明[0088] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：[0089] 图1为本发明实施例中一种电动汽车动力锂电池soc估算方法的示意图；[0090] 图2为本发明实施例中一种电动汽车动力锂电池soc估算系统的示意图。具体实施方式[0091] 以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。[0092] 本发明实施例提供了一种电动汽车动力锂电池soc估算方法，如图1所示，包括：[0093] 步骤S1：获取电动汽车的动力锂电池的soc显示值；[0094] 步骤S2：预测所述动力锂电池的老化状态值；[0095] 步骤S3：基于所述老化状态值、预设的修正系数库，确定修正系数；[0096] 步骤S4：基于所述修正系数、所述soc显示值，确定soc最终值。[0097] soc显示值为动力锂电池自身根据安时积分法等进行soc估算的值；预测动力锂电池的老化状态值，老化状态值代表动力锂电池的老化程度大小，用百分比的形式表示，比如：5％、10％等；修正系数库中有不同老化状态值对应的修正系数，事先选择大量的相同型号的不同老化状态的测试动力锂电池进行充、放电测试，测试过程中，测定测试动力锂电池自身根据安时积分法等进行soc估算的估算值、实际soc值(实际soc值可基于专门的锂电池soc测试仪等测得)，基于实际soc值与估算值之间的数值比确定修正系数；使用修正系数时，将soc显示值与修正系数相乘，获得soc最终值。[0098] 本申请预测电动汽车的动力锂电池的老化状态值，引入修正系数库，基于老化状态值、修正系数库确定修正系数，利用修正系数对动力锂电池的soc显示值进行修正，获得soc最终值，将动力锂电池的老化因素纳入soc估算中，提升了动力锂电池soc估算的精准性。[0099] 在一个实施例中，所述步骤S2：预测所述动力锂电池的老化状态值，包括：[0100] 获取所述电动汽车最近一次进行动力锂电池老化状态值预测的多个预测用测试车；[0101] 获取所述电动汽车的第一增量行驶数据；[0102] 依次遍历所述预测用测试车；[0103] 每次遍历时，获取遍历到的所述预测用测试车的第二增量行驶数据；[0104] 将所述第二增量行驶数据与所述第一增量行驶数据进行匹配，获取数据匹配情况；[0105] 基于所述数据匹配情况、预设的情况评价体系，确定遍历到的所述预测用测试车的评价值和；[0106] 遍历所述预测用测试车结束后，获取各个所述预测用测试车的最新测试老化状态值；[0107] 计算所述动力锂电池的老化状态值：[0108][0109][0110] 其中，Old'为所述动力锂电池的所述老化状态值，f(Evai)为中间变量函数，Evai为第i个所述预测用测试车的所述评价值和，Oldi为第i个所述预测用测试车的所述最新测试老化状态值，n为所述预测用测试车的总数目，Eva0为预设的评价值和阈值。[0111] 预测用测试车分为两种，第一种是由电动汽车厂家设置，第二种是其他车主驾驶的，预测用测试车的车辆型号与电动汽车相同；第一增量行驶数据为电动汽车最近一次进行动力锂电池老化状态值时预测直当前时刻这期间电动汽车的车辆行驶数据(比如：平均时速、最高时速、平均载重量、行驶环境平均温度、充电次数等)；第二增量行驶数据为预测用测试车用作供电动汽车进行动力锂电池老化状态值预测时至最新通过专门的锂电池老化状态测试仪进行锂电池老化状态测试时这期间预测用测试车的车辆行驶数据(比如：平均时速、最高时速、平均载重量、行驶环境平均温度、充电次数等)；数据匹配情况包括：不同数据类别数据之间的匹配度，比如：平均时速、匹配度70％；情况评价体系中有不同数据类别对应的评价值表，评价值表中有该数据类别下不同匹配度对应的评价值，匹配度越大，说明对应预测用测试车越有用于电动汽车进行动力锂电池老化状态值预测的价值，则价值度越大；确定评价值和时，通过数据匹配情况中不同数据类别数据之间的匹配度，查询对应评价值表，确定评价值，最终将确定的各评价值进行累加计算，获得评价值和；预测用测试车的最新测试老化状态值则为预测用测试车最新通过专门的锂电池老化状态测试仪进行锂电池老化状态测试获得的数值，其也是以百分比的形式表示；通过上述公式综合计算动力锂电池的老化状态值，公式中，评价值和阈值Eva0可以为比如80，当第i个预测用测试车的评价值和Evai小于等于该评价值和阈值Eva0时，说明对应预测用测试车用于电动汽车进行动力锂电池老化状态值预测的价值总体不高，赋予中间变量函数f(Evai)的函数值为0，否则，第i个预测用测试车的评价值和Evai大于评价值和阈值Eva0的程度越大，则赋予第i个预测用测试车的评价值和Evai更多的增加权重，则赋予中间变量函数f(Evai)的函数值为Evai·(Evai‑Eva0)；计算动力锂电池的老化状态值之后，各个预测用测试车又被电动汽车用作动力锂电池老化状态值预测一次，成为电动汽车下一次进行动力锂电池老化状态值预测的最近一次进行动力锂电池老化状态值预测的多个预测用测试车，技术由此形成闭环。[0112] 一般的，修正系数库的测试建库工作量较小，但是，电动汽车的动力锂电池的老化受驾驶习惯、使用环境情况等大量因素影响，只有通过专门的锂电池老化状态测试仪进行锂电池老化状态测试才能精准获得动力锂电池的老化程度，无法提前测试建库(比如：与修正系数库建立原理同理，建立老化状态值库)，本发明实施例可以解决这一问题。电动汽车的厂商可以设置多个测试车在城市内行驶，定时返厂通过锂电池老化状态测试仪进行锂电池老化状态测试，还可以在其他车主的电动汽车返厂维修、保养、换电等时，通过锂电池老化状态测试仪进行锂电池老化状态测试，记录第二增量行驶数据，与电动汽车自身的第一增量行驶数据进行数据匹配，引入情况评价体系，确定评价值和，综合计算动力锂电池的老化状态值，极大程度上提升了动力锂电池的老化状态值预测精准性、预测效率，同时，也特别具备适用性。[0113] 在一个实施例中，所述步骤S5：更新所述修正系数库，包括：[0114] 基于预设的事件监听模板，监听所述电动汽车的多个soc误差事件；[0115] 基于预设的事件归类模板，对所述soc误差事件进行归类，获得多个事件类别的事件集；[0116] 确定所述事件集是否符合标准集合条件；[0117] 当符合时，确定所述修正系数库中与对应所述事件集中的所述soc误差事件之间存在关联的关联修正系数以及对应的系数关联次数；[0118] 基于预设的更新需求生成模板，根据所述关联修正系数以及对应的所述系数关联次数，生成库更新需求；[0119] 从预设的多个库更新节点中确定符合标准节点条件的待下发节点；每一个待下发节点对应至少一个电动汽车专家；[0120] 将所述库更新需求下发给所述待下发节点；[0121] 获取所述待下发节点返回的库更新内容；[0122] 基于所述库更新内容，对所述修正系数库进行更新；[0123] 其中，所述标准集合条件包括：[0124] 所述事件集归属的所述事件类别对应的预设的类别权重大于等于预设的权重阈值；[0125] 所述事件集内的所述soc误差事件的总数目大于等于预设的数目阈值；[0126] 其中，所述标准节点条件包括：[0127] 所述库更新节点与所述库更新需求之间存在预设的标准关系类别的至少一个映射关系。[0128] soc误差事件包括：电动汽车的驾驶者反映电动汽车续航虚标的事件等；关联修正系数为，比如：soc误差事件为电动汽车的驾驶者反映电动汽车续航续表，此时，驾驶者看到的soc最终值为20％，则关联修正系数为当时使用的将soc显示值修正为soc最终值20％的修正系数，则该修正系数与soc误差事件之间存在一次关联；系数关联次数为soc误差事件与之间存在关联的总次数；库更新需求为，比如：关联修正系数以及对应的系数关联次数分别为1.0003、30次，则生成的库更新需求为修正系数1.003被30次反映存在误差，需要进行验证；待下发节点收到库更新需求时，进行对应测试，重新确定库更新内容，比如：新的修正系数；类别权重代表事件类别的soc误差事件需要进行解决的迫切程度大小；权重阈值可以为，比如：7；当类别权重大于等于权重阈值时，说明对应事件类别的soc误差事件需要进行解决的迫切程度较大，需要生成相应库更新需求；数目阈值可以为，比如：10；事件集内的soc误差事件的总数目越多，代表相同事件类别的soc误差事件较多，越需要进行解决；标准关系类别的映射关系包括：关联修正系数历史上由库更新节点提供等。本发明实施例对修正系数库进行及时更新，保证修正系数库用于修正系数确定以对soc显示值进行修正的能力。[0129] 在一个实施例中，电动汽车动力锂电池soc估算方法，还包括步骤S6：[0130] 确定所述soc最终值是否大于等于预设的soc阈值；[0131] 当为是时，获取所述soc最终值的降低幅度值；[0132] 当所述降低幅度值大于等于预设的幅度值阈值时，确定所述修正系数是否符合标准系数条件；[0133] 当符合时，向所述电动汽车的驾驶人员显示所述soc最终值；否则，向所述电动汽车的驾驶人员显示所述soc显示值；[0134] 其中，所述标准系数条件包括：[0135] 所述修正系数大于1。[0136] soc阈值可以为，比如：40％；soc最终值的降低幅度值为soc最终值与上一次进行动力锂电池soc估算获得的soc最终值的差值的绝对值；修正系数大于1，说明修正系数将soc显示值扩大，则向电动汽车的驾驶人员显示soc最终值，减少用户看到soc显示跳变的情形，更具人性化。[0137] 本发明实施例提供了一种电动汽车动力锂电池soc估算系统，如图2所示，包括：[0138] 获取模块1，用于获取电动汽车的动力锂电池的soc显示值；[0139] 预测模块2，用于预测所述动力锂电池的老化状态值；[0140] 第一确定模块3，用于基于所述老化状态值、预设的修正系数库，确定修正系数；[0141] 第二确定模块4，用于基于所述修正系数、所述soc显示值，确定soc最终值。[0142] 所述预测模块2步骤S2：预测所述动力锂电池的老化状态值，包括：[0143] 获取所述电动汽车最近一次进行动力锂电池老化状态值预测的多个预测用测试车；[0144] 获取所述电动汽车的第一增量行驶数据；[0145] 依次遍历所述预测用测试车；[0146] 每次遍历时，获取遍历到的所述预测用测试车的第二增量行驶数据；[0147] 将所述第二增量行驶数据与所述第一增量行驶数据进行匹配，获取数据匹配情况；[0148] 基于所述数据匹配情况、预设的情况评价体系，确定遍历到的所述预测用测试车的评价值和；[0149] 遍历所述预测用测试车结束后，获取各个所述预测用测试车的最新测试老化状态值；[0150] 计算所述动力锂电池的老化状态值：[0151][0152][0153] 其中，Old'为所述动力锂电池的所述老化状态值，f(Evai)为中间变量函数，Evai为第i个所述预测用测试车的所述评价值和，Oldi为第i个所述预测用测试车的所述最新测试老化状态值，n为所述预测用测试车的总数目，Eva0为预设的评价值和阈值。[0154] 电动汽车动力锂电池soc估算系统，还包括更新模块，用于：[0155] 更新所述修正系数库。[0156] 所述更新模块更新所述修正系数库，包括：[0157] 基于预设的事件监听模板，监听所述电动汽车的多个soc误差事件；[0158] 基于预设的事件归类模板，对所述soc误差事件进行归类，获得多个事件类别的事件集；[0159] 确定所述事件集是否符合标准集合条件；[0160] 当符合时，确定所述修正系数库中与对应所述事件集中的所述soc误差事件之间存在关联的关联修正系数以及对应的系数关联次数；[0161] 基于预设的更新需求生成模板，根据所述关联修正系数以及对应的所述系数关联次数，生成库更新需求；[0162] 从预设的多个库更新节点中确定符合标准节点条件的待下发节点；[0163] 将所述库更新需求下发给所述待下发节点；[0164] 获取所述待下发节点返回的库更新内容；[0165] 基于所述库更新内容，对所述修正系数库进行更新；[0166] 其中，所述标准集合条件包括：[0167] 所述事件集归属的所述事件类别对应的预设的类别权重大于等于预设的权重阈值；[0168] 所述事件集内的所述soc误差事件的总数目大于等于预设的数目阈值；[0169] 其中，所述标准节点条件包括：[0170] 所述库更新节点与所述库更新需求之间存在预设的标准关系类别的至少一个映射关系。[0171] 电动汽车动力锂电池soc估算系统，还包括显示模块，用于：[0172] 确定所述soc最终值是否大于等于预设的soc阈值；[0173] 当为是时，获取所述soc最终值的降低幅度值；[0174] 当所述降低幅度值大于等于预设的幅度值阈值时，确定所述修正系数是否符合标准系数条件；[0175] 当符合时，向所述电动汽车的驾驶人员显示所述soc最终值；否则，向所述电动汽车的驾驶人员显示所述soc显示值；[0176] 其中，所述标准系数条件包括：[0177] 所述修正系数大于1。[0178] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

专利地区：河北

专利申请日期：2023-12-29

专利公开日期：2024-11-19

专利公告号：CN117783907B