技术领域
[0001] 本发明涉及智能电池充电领域，尤其涉及一种基于自适应的电池满充时间预测方法。
相关背景技术
[0002] 现有技术中，电池充电过程包括恒流充电和恒压充电，由于电池本身的化学特性，不同型号的电池恒压充电时间不同，导致满充时间预测不准确。电池老化后恒压充电时间也会发生变化，导致电池满充时间预测不准确。
[0003] 业界通用的预测充电时间的方法是通过学习上一个充电循环的流程来预估当前充电到满充的时间，由于受到充电温度以及电池后续老化的影响，上个循环的充电数据不能真实反应当前循环的充电工况，导致电池满充时间预测不准确。
具体实施方式
[0044] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0045] 本发明的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。
[0046] 下面结合附图和实施例，对本发明的技术方案做进一步的详细描述。
[0047] 如图2所示，在充电过程中分别预测电池在恒流充电阶段充电时间t1，以及恒压充电阶段充电时间t2，两个时间累加t1+t2为电池的满充时间。
[0048] 电池出厂前进行电池化学ID建模，通过学习得出电池的开路电压OCV曲线，OCV曲线即电池的剩余电量SOC和电池温度T以及电池电压V的函数关系。
[0049] 如图1所示，一种基于自适应的电池满充时间预测方法的步骤如下：
[0050] 每1秒实时获取电池电压V，电流I，温度T；
[0051] 电池在静置过程中通过查OCV曲线表得出Soc0＝f(T,V)，电池在充放电过程中实时计算当前剩余电量SOC＝Soc0+AccCurrent/Qmax，
[0052] 其中，AccCurrent为每秒电流累加值，Qmax为电池最大容量；在电池充放电过程中，实时更新电池阻抗表R。
[0053] 根据当前的充电电流预测电池恒流充电到满充电压FullChgVoltage的时间t1。
[0054] 根据满充电压和当前充电电流计算达到满充电压时的电池开路电压OCV_CC，OCV_CC＝FullChgVoltage‑I*R。
[0055] 计算出的OCV_CC对应的SOC为SOC_CC＝f(OCV_CC,T)，则t1＝(SOC_CC‑SOC)*Qmax/I*3600，t1单位秒。
[0056] 预测电池在恒压充电阶段的时间t2。
[0057] 将当前充电电流减小△I，计算充电电流减少△I对应电池电压的变化△V＝△I*R，根据OCV曲线计算电压下降△V对应的电池容量△Q＝f(△V,T)，为了将电池电压稳定在FullChgVoltage，则需要将电池再充进去△Q容量，计算出电池充进△Q容量所需要的时间△t1＝△Q/(I‑△I)*3600，△t1单位秒。
[0058] 重复电流递减步骤，电流每次递减△I，计算出电池充进△Q容量所需要的时间△tn，直至I‑n*△I<＝TermCurrent，则停止递减，TermCurrent为满充时刻的截止电流，n为递减的次数。
[0059] 将每次电流递减后计算出的△t累加得出恒压充电阶段的时间t2＝△t1+△t2+…+△tn。
[0060] 电池总的充电时间t＝t1+t2。
[0061] 有益效果：提高了预测电池满充时间的精确度。
[0062] 以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
