专利名称：电动车电池安全与健康评估系统及其方法
技术领域：
本发明涉及一种电池评估系统及其方法，尤其涉及一种用于电动车的电池的安全与健康评估系统及其方法。
背景技术：
近年来，随着可充电电池技术快速发展，以及各国对有害气体及碳排放污染的重视程度不断增加，电动车逐渐进入了人们的视野，并成为汽车产业未来的发展方向。其中， 电动车包括有纯电动车(EV)、混合动力电动车(HEV)以及插电式混合电动车(PHEV)。
无论是哪种类型的电动车，电池是其发展的首要关键。应用于电动车的电池应该满足成本低、容量大、寿命长及安全性好的这四大要求。然而，由于目前的电化学储能技术尚不成熟，所生产的电池偶发的意外燃烧事故以及生产质量参差不齐导致电动车的发展有所停滞。因此，目前很多研发集中在电池的材料稳定性和制造可靠性的方面。对于电池的检测评估也大多局限在电池剩余电量及电池使用寿命这些方面，而对于电池的安全与健康方面却没有涉及。发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种电动车电池安全与健康评估系统及其方法，其可对电动车电池的安全性和健康度进行实时的评估及显示，以第一时间了解电池的当前状态，保证其安全健康的使用。
为实现上述目的，本发明提供了一种电动车电池安全与健康评估系统，其包括
充电控制模块，其与驱动电池模块连接从而对驱动电池进行充放电操作，得到所述驱动电池的电池信息；
驱动电池无损快速测试模块，其将预先设定的充电/放电设定值序列传送到所述充电控制模块，并从所述充电控制模块中取得所述驱动电池的电池信息；
驱动电池安全评估模块，其产生所述驱动电池的安全状态信息；
驱动电池健康状态评估模块，其产生所述驱动电池的健康状态信息；
驱动电池剩余电量评估，其产生所述驱动电池的剩余电量评估信息；
驱动电池信息存储模块，其存储所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估信息；
以及电池信息显示模块，其显示所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估信息；
其中，所述充电控制模块、电动车驱动电池无损快速测试模块、驱动电池安全评估模块、驱动电池健康状态评估模块、驱动电池剩余电量评估、驱动电池信息存储模块和电池信息显示模块依次连接，所述显示模块与所述充电控制模块连接。
上述的电动车电池安全与健康评估系统，其中，所述驱动电池的电池信息包括驱动电池的电压、电流、电池温度。
上述的电动车电池安全与健康评估系统，其中，所述电池信息显示模块设置在智能手机或平板电脑上。
另外，本发明还提供一种电动车电池安全与健康评估方法，其包括以下步骤
对驱动电池进行充放电操作，同时采集所述驱动电池的电池信息；
评估所述驱动电池的安全状态，得到所述驱动电池的安全状态信息；
评估所述驱动电池的健康状态，得到所述驱动电池的健康状态信息；
评估所述驱动电池的剩余电量评估，得到所述驱动电池的剩余电量评估信息；
存储所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估 fn息；
显示所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估 fn息ο
上述的电动车电池安全与健康评估方法，其中，所述驱动电池的电池信息包括驱动电池的电压、电流、电池温度。
上述的电动车电池安全与健康评估方法，其中，根据预先设定的充电/放电设定值序列对所述驱动电池进行充放电操作。
上述的电动车电池安全与健康评估方法，其中，评估所述驱动电池的安全状态采用如下方式cvsaf = R[f (I)，g (V)，h (T)]，其中，CVsaf表示安全可信度值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f (I)为电流值经过特定算法计算得到的电流特征，g(v)为电压值经过特定算法计算得到的电流特征，h(T)为电池温度值经过特定算法计算得到的温度特征，R[f (I)，g (V)，h (T)]为电流特征、电压特征和温度特征经过特定算法计算得到安全评估可信度值；其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算安全评估可信度值的算法包括人工神经网络方法、自组织映射方法、以及回归算法，将所述描述电池状态的电流特征、电压特征和温度特征向量映射到统一的安全概率空间，并给用户显示0到1的安全概率值，其中0代表电池已失效且极端危险；1代表电池运行状态良好且完全不存在安全隐患；0到1之间的值则代表前面两种极端状态之间的电池安全状态。
上述的电动车电池安全与健康评估方法，其中，评估所述驱动电池的健康状态采用如下方式=CVhealth = U[f(I)，g(V)，h⑴]，其中，CVhealth表示健康可信度值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f (I)为电流值经过特定算法计算得到的电流特征，g(v)为电压值经过特定算法计算得到的电流特征，h(T)为电池温度值经过特定算法计算得到的温度特征，U[f(I)，g(V)，h(T)]为电流特征、电压特征和温度特征经过特定算法计算得到健康状态评估可信度值，其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算健康状态评估可信度值的算法包括人工神经网络方法、自组织映射方法、以及回归算法，将所述描述电池状态的电流特征、 电压特征和温度特征向量映射到统一的安全概率空间，并给用户显示0到1的安全概率值，5其中0代表电池已失效且极端危险；1代表电池运行状态良好且完全不存在安全隐患；0 到1之间的值则代表前面两种极端状态之间的电池安全状态。上述的电动车电池安全与健康评估方法，其中，评估所述驱动电池的剩余电量评估采用如下方式soc = C[f (I)，g(V)， h (T)]，其中，SOC为驱动电池的剩余电量值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f(I)为电流值经过特定算法计算得到的电流特征，g(V)为电压值经过特定算法计算得到的电流特征，h(T)为电池温度值经过特定算法计算得到的温度特征，c[f(l)，g(V)，h(T)]为电流特征、电压特征和温度特征经过特定算法计算得到剩余电量评估值，其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算剩余电量评估值的算法为通过将所述电池的电流特征、电压特征和温度特征向量与剩余电量的模型来估计剩余电量，评估剩余电量的模型可由人工神经网络方法、自组织映射方法、或线性或非线性插值算法来实现。
上述的电动车电池安全与健康评估方法，其中，采用云计算来进行所述驱动电池的安全状态、健康状态和剩余电量的评估。
因此，本发明的电动车电池安全与健康评估系统及其方法通过一种无损电池快速检测方法对驱动电池进行快速充放电测试，同时采集驱动电池的相应电流、电压和电池温度信息，并将驱动电池对充放电测试的响应数据输入到相关算法模型中，从而分析驱动电池的动态性能，得到相应的安全状态信息、健康状态信息和剩余电量评估信息，其可设置在充电站等地，操作简单，准确度高，响应速度快。


图1是本发明的一种电动车电池安全与健康评估系统的结构示意图。
具体实施方式
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
如图1所示，本发明的电动车驱动电池安全与健康评估系统包括有充电控制模块 102、电动车驱动电池无损快速测试模块103、驱动电池安全评估模块104、驱动电池健康状态评估模块105、驱动电池剩余电量评估模块106、驱动电池信息存储模块107以及电池信息显示模块108，上述模块依次相连，最后电池信息显示模块108与充电控制模块102连接。 该电动车驱动电池安全与健康评估系统可以设置在充电站。当电动车在充电站充电或者休息时，可方便的进行驱动电池的安全与健康状态评估。
当对驱动电池按照预先设定的充电/放电设定值序列进行充放电操作时，驱动电池的电流、电压和电池温度会产生相应的变化。根据上述电流、电压和电池温度的变化，可分析得到驱动电池安全与健康信息。
具体地，首先将充电控制模块102与电动车驱动电池模块101相连。在接收到电动车驱动电池无损快速测试模块103传送来的预先设定的充电/放电设定值序列后，充电控制模块102对驱动电池执行充放电操作，同时采集相应的电池信息。其中，电池信息包括充放电时驱动电池的电压、电流和电池温度；接着，充电控制模块102将得到上述电池信息传送到电动车驱动电池无损快速测试模块103中；电动车驱动电池无损快速测试模块103再将上述电池信息传送到驱动电池安全评估模块104中，并得到驱动电池的安全状态信息； 然后，将之前的电池信息和安全状态信息一同传送到驱动电池健康状态评估模块105中， 以得到驱动电池的健康状态信息；再将该健康状态信息连同之前的电池信息和安全状态信息一同传送到驱动电池剩余电量评估模块106中，以得到驱动电池的剩余电量评估信息； 将得到的电池信息、安全状态信息、健康状态信息和剩余电路评估信息一同存储到驱动电池信息存储模块107中；最后在驱动电池信息显示模块108中显示出上述电池信息、安全状态信息、健康状态信息和剩余电路评估信息，供使用者实时查看使用。其中，驱动电池的健康状态信息还包括驱动电池的可再充电使用剩余寿命信息。
在驱动电池安全评估模块104中，通过采用下面的方式评估驱动电池的安全状态，从而得到驱动电池的安全状态信息=CVsaf = R[f(I)，g(V)，h⑴]，其中，CVsaf表示安全可信度值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f(I)为电流值经过特定算法计算得到的电流特征，g (V)为电压值经过特定算法计算得到的电流特征，h(T)为电池温度值经过特定算法计算得到的温度特征，R[f(I),g(V),h(T)]为电流特征、电压特征和温度特征经过特定算法计算得到安全评估可信度值。其中，用于计算电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于电流特征、电压特征和温度特征计算安全评估可信度值的算法包括人工神经网络方法、自组织映射方法、以及回归算法，将所述描述电池状态的电流特征、电压特征和温度特征向量映射到统一的安全概率空间，并给用户显示0到1的安全概率值，其中0代表电池已失效且极端危险；1代表电池运行状态良好且完全不存在安全隐患；0到1之间的值则代表前面两种极端状态之间的电池安全状态。在驱动电池健康状态评估模块105中，通过采用下面的方式评估驱动电池的健康状态，从而得到驱动电池的健康状态信息=CVhealth = U[f(I)，g(V)，h⑴]，其中，CVhealth表示健康可信度值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f (I)为电流值经过特定算法计算得到的电流特征，g(v)为电压值经过特定算法计算得到的电流特征，h(T)为电池温度值经过特定算法计算得到的温度特征，U[f(I)，g(V)，h(T)]为电流特征、电压特征和温度特征经过特定算法计算得到健康状态评估可信度值。其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算健康状态评估可信度值的算法包括人工神经网络方法、自组织映射方法、以及回归算法，将所述描述电池状态的电流特征、 电压特征和温度特征向量映射到统一的安全概率空间，并给用户显示0到1的安全概率值， 其中0代表电池已失效且极端危险，1代表电池运行状态良好且完全不存在安全隐患，0到 1之间的值则代表前面两种极端状态之间的电池安全状态。
在驱动电池剩余电量评估模块106中，通过采用下面的方式评估驱动电池的剩余电量，从而得到驱动电池的剩余电量评估信息=SOC = C[f(I)，g(V)，h(T)]，其中，SOC为驱动电池的剩余电量值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f(I)为电流值经过特定算法计算得到的电流特征，g(V)为电压值经过特定算法计算得到的电流特征，h (T)为电池温度值经过特定算法计算得到的温度特征，C [f (I)，g (V)，h (T)] 为电流特征、电压特征和温度特征经过特定算法计算得到剩余电量评估值。其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算剩余电量评估值的算法为通过将所述电池的电流特征、电压特征和温度特征向量与剩余电量的模型来估计剩余电量，评估剩余电量的模型可由人工神经网络方法、自组织映射方法、或线性或非线性插值算法来实现。
在本发明中，可以采用云计算技术将电动车驱动电池安全评估模块104、驱动电池健康状态评估模块105和驱动电池剩余电量评估模块106设置在充电站及远程数据中心， 从而根据电动车在充电站的充电及评估等候队列的规模来调整计算资源，从而实现对电动车驱动电池群的高性能、规模可伸缩的实时计算，有效的提高资源利用率。
另外，驱动电池信息显示模块108可以设置在智能手机或平板电脑上，以便于使用者实时的读取驱动电池相关的信息，保证驱动电池安全有效的使用。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
权利要求
1.一种电动车驱动电池安全与健康评估系统，其特征在于，包括充电控制模块，其与驱动电池模块连接从而对驱动电池进行充放电操作，得到所述驱动电池的电池信息；驱动电池无损快速测试模块，其将预先设定的充电/放电设定值序列传送到所述充电控制模块，并从所述充电控制模块中取得所述驱动电池的电池信息； 驱动电池安全评估模块，其产生所述驱动电池的安全状态信息； 驱动电池健康状态评估模块，其产生所述驱动电池的健康状态信息； 驱动电池剩余电量评估，其产生所述驱动电池的剩余电量评估信息； 驱动电池信息存储模块，其存储所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估信息；以及电池信息显示模块，其显示所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估信息；其中，所述充电控制模块、电动车驱动电池无损快速测试模块、驱动电池安全评估模块、驱动电池健康状态评估模块、驱动电池剩余电量评估、驱动电池信息存储模块和电池信息显示模块依次连接，所述显示模块与所述充电控制模块连接。
2.如权利要求1所述的电动车电池安全与健康评估系统，其特征在于，所述驱动电池的电池信息包括驱动电池的电压、电流、电池温度。
3.如权利要求1所述的电动车电池安全与健康评估系统，其特征在于，所述电池信息显示模块设置在智能手机或平板电脑上。
4.一种电动车电池安全与健康评估方法，其特征在于，包括以下步骤 对驱动电池进行充放电操作，同时采集所述驱动电池的电池信息； 评估所述驱动电池的安全状态，得到所述驱动电池的安全状态信息； 评估所述驱动电池的健康状态，得到所述驱动电池的健康状态信息； 评估所述驱动电池的剩余电量评估，得到所述驱动电池的剩余电量评估信息；存储所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估信息；显示所述驱动电池的电池信息、安全状态信息、健康状态信息以及剩余电量评估信息。
5.如权利要求4所述的电动车电池安全与健康评估方法，其特征在于，所述驱动电池的电池信息包括驱动电池的电压、电流、电池温度。
6.如权利要求4所述的电动车电池安全与健康评估方法，其特征在于，根据预先设定的充电/放电设定值序列对所述驱动电池进行充放电操作。
7.如权利要求4所述的电动车电池安全与健康评估方法，其特征在于，评估所述驱动电池的安全状态采用如下方式CVsaf = R[f(I), g(V)，h(T)]，其中，CVsaf表示安全可信度值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f (I)为电流值经过特定算法计算得到的电流特征，g(v)为电压值经过特定算法计算得到的电流特征，h(T) 为电池温度值经过特定算法计算得到的温度特征，R[f(I), g(v)，h(T)]为电流特征、电压特征和温度特征经过特定算法计算得到安全评估可信度值；其中，用于计算所述电流特征、 电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算安全评估可信度值的算法包括人工神经网络方法、自组织映射方法、以及回归算法，将所述描述电池状态的电流特征、电压特征和温度特征向量映射到统一的安全概率空间，并给用户显示0到1的安全概率值，其中0代表电池已失效且极端危险；1代表电池运行状态良好且完全不存在安全隐患；0到1之间的值则代表前面两种极端状态之间的电池安全状态。
8.如权利要求4所述的电动车电池安全与健康评估方法，其特征在于，评估所述驱动电池的健康状态采用如下方式CVhealth = U[f (I)，g(V)，h⑴]，其中，CVhealth表示健康可信度值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f(I)为电流值经过特定算法计算得到的电流特征，g(V)为电压值经过特定算法计算得到的电流特征， h(T)为电池温度值经过特定算法计算得到的温度特征，U[f(I)，g(V)，h(T)]为电流特征、 电压特征和温度特征经过特定算法计算得到健康状态评估可信度值，其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、 局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算健康状态评估可信度值的算法包括人工神经网络方法、自组织映射方法、以及回归算法，将所述描述电池状态的电流特征、电压特征和温度特征向量映射到统一的安全概率空间，并给用户显示0 到1的安全概率值，其中0代表电池已失效且极端危险；1代表电池运行状态良好且完全不存在安全隐患；0到1之间的值则代表前面两种极端状态之间的电池安全状态。
9.如权利要求4所述的电动车电池安全与健康评估方法，其特征在于，评估所述驱动电池的剩余电量评估采用如下方式=SOC = C[f(I), g(V)，h⑴]，其中，SOC为驱动电池的剩余电量值，I为驱动电池的电流值，V为驱动电池的电压值，T为驱动电池的温度，f (I)为电流值经过特定算法计算得到的电流特征，g (V)为电压值经过特定算法计算得到的电流特征，h(T)为电池温度值经过特定算法计算得到的温度特征，C[f(I),g(V),h(T)]为电流特征、电压特征和温度特征经过特定算法计算得到剩余电量评估值，其中，用于计算所述电流特征、电压特征和温度特征的特定算法为用小波包算法对采得的电流值、电压值和温度值的时间序列进行分解并计算小波分解树上各分支的能量、局部峰-峰值、局部最大值、局部最小值、峰值因素、偏度；基于所述电流特征、电压特征和温度特征计算剩余电量评估值的算法为通过将所述电池的电流特征、电压特征和温度特征向量与剩余电量的模型来估计剩余电量，评估剩余电量的模型可由人工神经网络方法、自组织映射方法、或线性或非线性插值算法来实现。
10.如权利要求4所述的电动车电池安全与健康评估方法，其特征在于，采用云计算来进行所述驱动电池的安全状态、健康状态和剩余电量的评估。
全文摘要
本发明公开了一种电动车电池安全与健康评估系统及其方法，其包括充电控制模块；驱动电池无损快速测试模块；驱动电池安全评估模块；驱动电池健康状态评估模块；驱动电池剩余电量评估；驱动电池信息存储模块；以及电池信息显示模块。本发明的电动车电池安全与健康评估系统及其方法通过一种无损电池快速检测方法对驱动电池进行快速充放电测试，同时采集驱动电池的相应电流、电压和电池温度信息，并将驱动电池对充放电测试的响应数据输入到相关算法模型中，从而分析驱动电池的动态性能，得到相应的安全状态信息、健康状态信息和剩余电量评估信息，其可设置在充电站等地，操作简单，准确度高，响应速度快。
文档编号G01R31/36GK102520366SQ20111044112
公开日2012年6月27日 申请日期2011年12月23日 优先权日2011年12月23日
发明者李 杰, 黄亦翔 申请人:上海交通大学