CN116307192B - 充电桩充电时间估算的方法与装置 - Google Patents
充电桩充电时间估算的方法与装置 Download PDFInfo
- Publication number
- CN116307192B CN116307192B CN202310282694.1A CN202310282694A CN116307192B CN 116307192 B CN116307192 B CN 116307192B CN 202310282694 A CN202310282694 A CN 202310282694A CN 116307192 B CN116307192 B CN 116307192B
- Authority
- CN
- China
- Prior art keywords
- charging
- soc
- power
- maximum
- charge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 101100257262 Caenorhabditis elegans soc-1 gene Proteins 0.000 claims description 2
- 238000004040 coloring Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 1
- 230000006978 adaptation Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Transportation (AREA)
- Sustainable Energy (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Sustainable Development (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
充电桩充电时间估算的方法与装置。随着新能源电动车的快速普及以及充电桩更全面的覆盖，电动车充电便捷度与充电时间越来越得到人们的关注。但每个充电桩，对特定型号电动车的适配不同，会产生的（巨大的）充电时间差异。比如典型的国家电网120kW充电桩，额定电压为750V，额定电流为200A。典型的特斯拉品牌电动车，最大充电功率为250kW以上，最大充电电压为400V，最大充电电流超过600A。按照通常的理解，上述充电桩为上述汽车充电，最大充电功率为120kW，但实际因为汽车最大充电电压400V低于充电桩的750V，而充电桩额定电流200A小于汽车的最大充电电流600A，理论可用的充电功率仅80kW（400V×200A），两者适配程度较低。
Description
技术领域
本发明属于新能源电动车充电领域，特别是涉及一种电动车与充电桩不同适配情况下的充电时间估算的方法与装置。
背景技术
随着电动车的快速普及以及充电桩更全面的覆盖，电动车充电便捷度与充电时间越来越得到人们的关注。电动车充电时间估算，在动力电池充电特性与电池管理系统两个层面，都有很好的工作。但每个充电桩，对特定型号电动车的适配不同，而产生的（巨大的）充电时间差异，却在应用层面被忽视。
比如典型的国家电网120kW充电桩，额定电压为750V，额定电流为200A。典型的特斯拉品牌电动车，最大充电功率为250kW以上，最大充电电压为400V，最大充电电流超过600A。按照通常的理解，上述充电桩为上述汽车充电，最大充电功率为120kW，但实际因为汽车最大充电电压400V低于充电桩的750V，而充电桩额定电流200A小于汽车的最大充电电流600A，理论可用的充电功率仅80kW（400V×200A），两者适配程度较低。
发明内容
鉴于上述问题，本发明的目的在于，提供一种可以在给定电动车型号与充电桩参数以及相关环境信息的情况下，估算特定充电量（SOC0-SOC1）的充电时间的方法与装置。
为实现上述功能，本发明提供了一种充电时间估算方法，应用于一装置上。该方法输入信息为：
电动车相关信息，包括但不限于电池包总容量，充电最大功率，充电最大电压，充电最大电流，不同温度时最大充电功率下的“充电功率_SOC”特性曲线；
充电桩相关信息，包括但不限于充电额定功率，充电额定电压，充电额定电流；
充电时的环境信息，包括但不限于起始电池电量SOC0，期望的终止充电电量SOC1，环境温度，电池是否预加热到合适温度。
该方法的输出信息为：在上述信息的情况下，电量从SOC0充电至SOC1的充电时间。
上述不同温度时最大充电功率下的“充电功率_SOC”特性曲线，可以按温度分段提供，也可以根据电池管理系统的充电速率温度曲线进行生成，亦或为了简便，在非低温时（如5℃以上）即采用电池适宜温度（如25℃）的“充电功率_SOC”特性曲线。
具体计算方法为：
S1选取对应环境温度的最大充电功率下的“充电功率_SOC”特性曲线，如果已经进行了电池预加热，则选取电池适宜温度的最大充电功率下的“充电功率_SOC”特性曲线；
S2选取可用最大电压=min(电动车充电最大电压,充电桩额定电压)，选取可用最大电流=min(电动车充电最大电流,充电桩额定电流)；
S3选取可用充电功率=min(电动车最大充电功率, 充电桩额定功率, 可用最大电压×可用最大电流)；
S4将S1中的“充电功率_SOC”特性曲线与可用充电功率（直线）重叠，选取曲线与直线中较小的部分（下面的部分）组成新的“可用充电功率_SOC”特性曲线，如图1中虚线部分+右侧实线部分；
S5根据S4中的“可用充电功率_SOC”特性曲线，按时间微分并与可用充电功率相乘后积分获得总充电电量，总充电电量可根据电动车电池包总容量，兑换为SOC信息。并生成“充电时间_SOC”曲线；
S6根据S5中“充电时间_SOC”曲线，并根据给定起始电池电量SOC0，期望的终止充电电量SOC1，得出预估的充电时间。
上述步骤S1-S6已经可以基本得出本发明的主要结果，需要注意的是其他能反应电动车充电特性的与“充电功率_SOC”特性等效曲线，能简单变换转化成“充电功率_SOC”曲线的信息，均可以作为本发明的输入。
为了进一步增强可用性，还可以有以下改进。
S7根据用户当前电量SOC0，列举出充电到不同SOC节点的充电时间，例如现有电量25%，可以列举出充电到30%,40%,50%,60%,70%,80%,90%,100%的不同充电时间，如图2所示。
S8将一定范围内的充电桩，均估算出电量从SOC0充电至SOC1的充电时间，并在地图上，根据不同预估时间，对充电桩进行着色，比如用时最短的前30%充电桩为绿色，30%-60%的充电桩为黄色，其他充电桩为红色。
因电动车充电特性具有多样性，导致不同实际充电功率的情况下，“充电功率_SOC”特性曲线变化较大。主要原因为电池热管理系统，在大功率发热较多时，会降低功率并主动散热。因此会导致“最大充电功率_SOC”特性曲线有一部分异常降低，导致估算时间不准确。虽然这种情况并不十分多见，但为了更准确的估算充电时间，可以有以下改进。
S9在不同功率下，测试电动车的“充电功率_SOC”特性曲线，并根据充电桩功率，选择合适的“充电功率_SOC”特性曲线，进行步骤S2-S6的计算。不同功率可分段选取测试，例如根据经验，可选取200kW以下，200kW-300kW，300kW以上。
在步骤S9，还可能会遇到高功率与次高功率下，充电时间相差不多的情况。但在功率不同的情况下，因热损耗与散热等原因，高功率的充电耗损会大于较低功率，根据经验，该差别可以多达5%。因此为了节约能源，可以有以下改进。
S10在不同实际充电功率下，如果充电时间预估差别不大，例如10%以内或3分钟以内，则优先向用户推荐较低功率的充电桩。
本发明所涉及的充电桩充电时间估算的装置，包括以下模块：
D1输入模块，输入现有电量SOC0，希望充电到的截止电量SOC1（默认为80%），环境温度（默认为25℃），是否对电池进行了预加热处理（默认为无）；
D2输出模块，输出每个充电桩，充电到SOC1的估算充电时间，并用颜色进行区分标注，见步骤S8。同时输出每个充电桩，充电到不同电量时的时间列表，见步骤S7；
D3存储模块，存储有电动车相关信息，包括但不限于电池包总容量，充电最大功率，充电最大电压，充电最大电流，不同温度时最大充电功率下的“充电功率_SOC”特性曲线；充电桩相关信息，包括但不限于充电额定功率，充电额定电压，充电额定电流；
D4计算模块，计算以下信息：
D4_1最大可用电压Vmax=min(电动车充电最大电压,充电桩额定电压)；
D4_2最大可用电流Imax=min(电动车充电最大电流,充电桩额定电流)；
D4_3最大可用充电功率Pmax=min(电动车最大充电功率, 充电桩额定功率, Vmax×Imax)；
D4_4“可用充电功率_SOC”特性曲线Pmax_SOC=min(Pmax, “充电功率_SOC”特性曲线)，“充电功率_SOC”特性曲线以SOC 1%进行采样取值；
D4_5将Pmax_SOC按时间微分并与可用充电功率相乘后积分获得总充电电量，总充电电量可根据电动车电池包总容量，兑换为SOC信息。计算得出“time_SOC”曲线，按SOC 1%进行取值；
D4_6根据SOC0和SOC1，对应“time_SOC”曲线，计算得出预估充电时间；将SOC1的取值分别取30%~100%的整10数，计算出预估充电时间列表；选取一定范围内的充电桩，计算不同充电桩的预估时间，并根据排名进行颜色标注。
如上所述，本发明所述的方法与装置，具有以下有益效果：
能够为电动车用户，提供充电桩实际的充电时间预估；
能够为用户提供充电桩的选择依据；
能够提供充电到不同电量时分别的充电时间，用户可以根据需要选择最短的充电量（通常电动车在低电量时充电速度较快，因此有可能20%至80%的充电时间，与80%至100%的充电时间相近）；
能够在特定情况下节约能源。
附图说明
图1显示为典型电动车，在适宜温度下，最大功率下的“充电功率_SOC”特性曲线（实线），在选取的典型充电桩充电时，最大功率仅为80kW（虚线）。
图2显示为充电到不同SOC水平的情况下，时间预测的列表。
实施方式
典型的国家电网120kW充电桩，额定电压为750V，额定电流为200A。典型的特斯拉品牌电动车，最大充电功率为250kW以上，最大充电电压为400V，最大充电电流超过600A。按照通常的理解，上述充电桩为上述汽车充电，最大充电功率为120kW，但实际因为汽车最大充电电压400V低于充电桩的750V，而充电桩额定电流200A小于汽车的最大充电电流600A，理论可用的充电功率仅80kW（400V×200A）。
如图1所示，电动车实际的充电曲线，是虚线部分+右侧实线部分，最高充电功率为80kW。因此，电动车在SOC为10%开始充电，充电到40%时，实际充电时间为15分钟，充电桩标称120kW的充电时间本应该为10分钟，实际要长50%。在SOC在55%以下时，实际充电时间与充电桩标称充电时间，均有差别。
在数据库中，有一款典型的星星充电的30kW充电桩，额定电压750V，额定电流40A。用于典型特斯拉充电，最大可用充电功率仅为16kW，仅超过充电桩额定功率30kW的一半，从低电量到充电90%，实际充电时间与预期充电时间，相差2个小时以上。
Claims (7)
1.充电桩充电时间估算的方法，其特征在于，输入电动车相关信息，包括但不限于电池包总容量，充电最大功率，充电最大电压，充电最大电流，不同温度时最大充电功率下的“充电功率_SOC”特性曲线；充电桩相关信息，包括但不限于充电额定功率，充电额定电压，充电额定电流；充电时的环境信息，包括但不限于起始电池电量SOC0，期望的终止充电电量SOC1，环境温度，电池是否预加热到合适温度，输出电量从SOC0充电至SOC1的充电估算时间，所述方法包括以下步骤：
S1选取对应环境温度的最大充电功率下的“充电功率_SOC”特性曲线，所述充电功率_SOC曲线表示充电功率和电池电量关系的曲线，如果已经进行了电池预加热，则选取电池适宜温度的最大充电功率下的“充电功率_SOC”特性曲线；
S2选取可用最大电压=min(电动车充电最大电压,充电桩额定电压)，选取可用最大电流=min(电动车充电最大电流,充电桩额定电流)；
S3选取可用充电功率=min(电动车最大充电功率, 充电桩额定功率, 可用最大电压×可用最大电流)；
S4将S1中的“充电功率_SOC”特性曲线与S3的可用充电功率表示的直线相交后，选取曲线与直线中数值较小的部分组成新的“可用充电功率_SOC”特性曲线；
S5根据S4中的“可用充电功率_SOC”特性曲线，按时间微分并与可用充电功率相乘后积分获得总充电电量，总充电电量可根据电动车电池包总容量，兑换为SOC信息，并生成“充电时间_SOC”曲线；
S6根据S5中“充电时间_SOC”曲线，并根据给定起始电池电量SOC0，期望的终止充电电量SOC1，得出预估的充电时间。
2.根据权利要求1所述的充电桩充电时间估算的方法，其特征在于，根据用户当前电量SOC0，列举出充电到不同SOC节点的充电估算时间。
3.根据权利要求1所述的充电桩充电时间估算的方法，其特征在于，根据将一定范围内的充电桩，均估算出电量从SOC0充电至SOC1的充电时间，并在地图上，根据不同预估时间，对充电桩进行着色。
4.根据权利要求1所述的充电桩充电时间估算的方法，其特征在于，在不同功率下，测试电动车的“充电功率_SOC”特性曲线，并根据充电桩功率，选择合适的“充电功率_SOC”特性曲线。
5.根据权利要求1所述的充电桩充电时间估算的方法，其特征在于，在不同实际充电功率下，如果充电时间预估差别不大，则优先向用户推荐较低功率的充电桩。
6.充电桩充电时间估算的装置，其特征在于，包括以下模块：
D1输入模块，输入现有电量SOC0，希望充电到的截止电量SOC1，环境温度，是否对电池进行了预加热处理；
D2输出模块，输出每个充电桩充电到SOC1的估算充电时间，并用颜色进行区分标注，同时输出每个充电桩，充电到不同电量时的时间列表；
D3存储模块，存储有电动车相关信息，包括但不限于电池包总容量，充电最大功率，充电最大电压，充电最大电流，不同温度时最大充电功率下的“充电功率_SOC”特性曲线，所述充电功率_SOC曲线表示充电功率和电池电量关系的曲线；充电桩相关信息，包括但不限于充电额定功率，充电额定电压，充电额定电流；
D4计算模块，
D4_1最大可用电压Vmax=min(电动车充电最大电压,充电桩额定电压)；
D4_2最大可用电流Imax=min(电动车充电最大电流,充电桩额定电流)；
D4_3最大可用充电功率Pmax=min(电动车最大充电功率, 充电桩额定功率, Vmax×Imax)；
D4_4“将D3中的“充电功率_SOC”特性曲线与D4_3的可用充电功率表示的直线相交后，选取曲线与直线中数值较小的部分组成新的“可用充电功率_SOC”特性曲线Pmax_SOC， “充电功率_SOC”特性曲线以SOC 1%进行采样取值；
D4_5将D4_4中的“可用充电功率_SOC”特性曲线，按时间微分并与可用充电功率相乘后积分获得总充电电量，总充电电量可根据电动车电池包总容量，兑换为SOC信息，计算得出“time_SOC”曲线，按SOC 1%进行取值；
D4_6根据SOC0和SOC1，对应“time_SOC”曲线，计算得出预估充电时间；将SOC1的取值分别取30%~100%的整10数，计算出预估充电时间列表；选取一定范围内的充电桩，计算不同充电桩的预估时间，并根据排名进行颜色标注。
7.根据权利要求6所述的充电桩充电时间估算的装置，其特征在于，对于输出模块，在输出估算时间的同时，可以输出当前充电状态下的温度信息。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310282694.1A CN116307192B (zh) | 2023-03-22 | 2023-03-22 | 充电桩充电时间估算的方法与装置 |
| PCT/CN2023/113272 WO2024192961A1 (zh) | 2023-03-22 | 2023-08-16 | 充电桩充电时间估算的方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310282694.1A CN116307192B (zh) | 2023-03-22 | 2023-03-22 | 充电桩充电时间估算的方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307192A CN116307192A (zh) | 2023-06-23 |
| CN116307192B true CN116307192B (zh) | 2023-09-01 |
Family
ID=86837579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310282694.1A Active CN116307192B (zh) | 2023-03-22 | 2023-03-22 | 充电桩充电时间估算的方法与装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116307192B (zh) |
| WO (1) | WO2024192961A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116307192B (zh) * | 2023-03-22 | 2023-09-01 | 北京鹅厂科技有限公司 | 充电桩充电时间估算的方法与装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104424396A (zh) * | 2013-08-30 | 2015-03-18 | 通用汽车环球科技运作有限责任公司 | 用于预测充电过程持续时间的方法 |
| CN107402355A (zh) * | 2017-07-24 | 2017-11-28 | 江西优特汽车技术有限公司 | 一种充电时间预估方法 |
| CN207282658U (zh) * | 2017-07-24 | 2018-04-27 | 江西优特汽车技术有限公司 | 一种充电时间显示系统 |
| CN113997805A (zh) * | 2021-11-15 | 2022-02-01 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种新能源汽车的充电控制方法、系统、车载终端及介质 |
| CN115764855A (zh) * | 2022-07-11 | 2023-03-07 | 河海大学 | 一种电动汽车快充站实时可调节能力及可用电量预测方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110782591B (zh) * | 2019-12-31 | 2020-04-28 | 汇网电气有限公司 | 一种多头充电桩的充电枪联动互补方法 |
| CN114859251B (zh) * | 2021-01-20 | 2024-06-04 | 广汽埃安新能源汽车有限公司 | 电池充电剩余时间计算方法及装置、车辆 |
| CN113093024A (zh) * | 2021-04-02 | 2021-07-09 | 广西云鸟能源科技有限公司 | 根据充电功率曲线获取电动车充电剩余时间的方法 |
| CN115122978A (zh) * | 2022-06-06 | 2022-09-30 | 华人运通(山东)科技有限公司 | 车辆的充电剩余时间的计算方法、装置和车辆 |
| CN116307192B (zh) * | 2023-03-22 | 2023-09-01 | 北京鹅厂科技有限公司 | 充电桩充电时间估算的方法与装置 |
-
2023
- 2023-03-22 CN CN202310282694.1A patent/CN116307192B/zh active Active
- 2023-08-16 WO PCT/CN2023/113272 patent/WO2024192961A1/zh unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104424396A (zh) * | 2013-08-30 | 2015-03-18 | 通用汽车环球科技运作有限责任公司 | 用于预测充电过程持续时间的方法 |
| CN107402355A (zh) * | 2017-07-24 | 2017-11-28 | 江西优特汽车技术有限公司 | 一种充电时间预估方法 |
| CN207282658U (zh) * | 2017-07-24 | 2018-04-27 | 江西优特汽车技术有限公司 | 一种充电时间显示系统 |
| CN113997805A (zh) * | 2021-11-15 | 2022-02-01 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种新能源汽车的充电控制方法、系统、车载终端及介质 |
| CN115764855A (zh) * | 2022-07-11 | 2023-03-07 | 河海大学 | 一种电动汽车快充站实时可调节能力及可用电量预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307192A (zh) | 2023-06-23 |
| WO2024192961A1 (zh) | 2024-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ren et al. | Design and implementation of a battery management system with active charge balance based on the SOC and SOH online estimation | |
| Zhang et al. | SOC estimation of lithium-ion battery pack considering balancing current | |
| Kim | Nonlinear state of charge estimator for hybrid electric vehicle battery | |
| CN103728566B (zh) | 一种基于不同温度和倍率充电曲线修正soc的方法 | |
| CN103935260B (zh) | 一种基于电池安全保护的电池管理方法 | |
| CN101826745B (zh) | 锂离子动力电池无损充电机 | |
| Shen et al. | Neural network-based residual capacity indicator for nickel-metal hydride batteries in electric vehicles | |
| Alhaider et al. | New temperature-compensated multi-step constant-current charging method for reliable operation of battery energy storage systems | |
| CN106814329A (zh) | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 | |
| CN110350517B (zh) | 一种基于运行风险的电动汽车并网配电网络重构方法 | |
| CN111628535B (zh) | 一种电池模组均衡控制方法与装置 | |
| CN103682508B (zh) | 一种航天器锂离子蓄电池组荷电状态确定方法 | |
| US11579201B2 (en) | Method and system for identifying third-order model parameters of lithium battery based on likelihood function | |
| Sarrafan et al. | Real-time state-of-charge tracking embedded in the advanced driver assistance system of electric vehicles | |
| CN116307192B (zh) | 充电桩充电时间估算的方法与装置 | |
| CN107618397A (zh) | 电池管理系统 | |
| CN109858084B (zh) | 一种功率边界数学模型的建立方法及装置 | |
| CN110888063A (zh) | 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法 | |
| CN105206885B (zh) | 一种用于储能电站的电池组可用容量修复方法 | |
| Marra et al. | Average behavior of battery-electric vehicles for distributed energy studies | |
| CN109884529A (zh) | 一种混合动力汽车动力电池剩余电量计算方法 | |
| Husnayain et al. | State of charge estimation for a lead-acid battery using backpropagation neural network method | |
| Zhang et al. | HESS and its application in series hybrid electric vehicles | |
| US10641834B2 (en) | Method for estimating a state of energy of a battery | |
| Moshirvaziri | Lithium-ion battery modeling for electric vehicles and regenerative cell testing platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |