电池管理系统控制方法、装置、服务器及存储介质与流程

1.本发明涉及电池管理系统技术领域，具体涉及电池管理系统控制方法、装置、服务器及存储介质。


背景技术：

2.随着新能源汽车的推广及其在汽车市场中占比逐年增大，云平台的海量数据成为每家整车厂的有利资本。大数据实时记录汽车数据，对海量的数据处理运算，将bms(battery management system，电池管理系统)和大数据云端算法融合，可以突破车端bms计算资源的限制，为bms赋予更多的功能，提供用户个性化差异策略，充分提升bms及整车性能。
3.车端bms算法基本以电池平均使用工况测试而定，但实际用户使用，驾驶风格、使用习性的差异，车端bms无法做到千人千策。目前云端bms大部分基于云端海量数据设计云端算法，并未考虑到车端本地bms的优势。


技术实现要素：

4.本发明的目的之一在于提供一种电池管理系统控制方法，以解决现有技术中并未考虑到车端本地bms和云端bms的融合实现个性化差异控制bms的问题；目的之二在于提供一种电池管理系统控制装置；目的之三在于提供一种服务器；目的之四在于提供一种计算机可读存储介质。
5.为了实现上述目的，本发明采用的技术方案如下：
6.一种电池管理系统控制方法，所述方法应用于服务器，其中，所述方法包括以下步骤：获取车辆上传电池管理系统bms的历史数据；根据所述历史数据预测所述bms的云端参数，并获取车辆上传的车端参数，其中，所述车辆根据所述电池包的当前数据预测所述bms的车端参数；根据所述云端参数和所述车端参数自适应调整所述车辆上bms的控制算法，其中，所述车辆根据调整后的控制算法控制所述bms。
7.根据上述技术手段，本技术实施例可以根据车辆本地的bms的历史数据预测bms的云端参数，利用电池包的当前数据预测bms的车端参数，充分考虑到不同的用户使用习惯，根据云端参数和车端参数自适应调整车辆上bms的控制算法，充分利用云端的计算资源优势和车端保留用户习惯的优势，实现对电池管理系统的控制管理，充分提升bms以及整车性能。
8.进一步，所述云端参数包括云端soh、云端行驶实际功率、云端日平均行驶里程、云端实际充电时间、云端充电soc区间、云端电池包平均温度和云端单体电池最高温度，所述车端参数包括车端soh、车端日平均行驶里程、车端实际充电时间和车端充电soc区间。
9.进一步，所述控制算法包括功率算法、充电算法、soc使用区间和热管理策略中的一个或多个。
10.进一步，所述根据所述云端参数和所述车端参数自适应调整所述车辆上bms的控
制算法，包括：根据所述云端soh、所述云端行驶实际功率和所述云端日平均行驶里程确定回充基准表，根据所述车端soh和所述车端日平均行驶里程调整所述回充基准表，根据调整后的回充基准表调整所述功率算法；根据所述云端soh、所述云端日平均行驶里程、所述云端实际充电时间、所述云端充电soc区间确定基准充电表，根据所述车端soh、所述车端实际充电时间和所述车端充电soc区间调整所述基准充电表，根据调整后的基准充电表调整所述充电算法；根据所述云端日平均行驶里程、所述云端行驶soc区间确定基准soc区间，根据所述车端实际衰减、所述车端日平均行驶里程和所述车端行驶soc区间调整所述基准soc区间，根据调整后的基准soc区间调整所述soc使用区间；根据所述云端soh、所述云端电池包平均温度和云端单体电池最高温度调整所述热管理策略。
11.根据上述技术手段，本技术实施例可以根据不同的情况对车辆上的bms算法进行自适应调整，对车端功率算法、充电算法、soc使用区间、热管理策略自适应控制。
12.进一步，所述历史数据包括电池包温度、荷电状态soc、电池包电流、电池包电压、当前累计总时间t
now
、当前累计吞吐量ah
now
和行驶里程中的一个或多个。
13.进一步，所述soh的计算公式为：
14.soh＝f1(t,ic,oc1,ah)+2(t,soc2,t)，
15.其中，f1为循环衰减；f2为日历衰减；t为温度；ic为充电倍率；soc1为soc区间；ah为累计电荷吞吐量；soc2为存储soc；t为存储时间。
16.进一步，车辆根据所述电池包的当前数据预测所述bms的车端参数，包括：根据所述soh、所述车辆累计行驶里程、所述日平均行驶里程、所述行驶soc区间和所述行驶实际功率预测车辆的行驶频次和用车习惯。
17.根据上述技术手段，本技术实施例可以根据电池包的当前数据预测车辆的行驶频次和用车习惯，充分考虑到不同用户的使用习性。
18.一种电池管理系统控制装置，所述装置应用于服务器，其中，所述装置包括：获取模块，用于获取车辆上传电池管理系统bms的历史数据；预测模块，用于根据所述历史数据预测所述bms的云端参数，并获取车辆上传的车端参数，其中，所述车辆根据所述电池包的当前数据预测所述bms的车端参数；控制模块，用于根据所述云端参数和所述车端参数自适应调整所述车辆上bms的控制算法，其中，所述车辆根据调整后的控制算法控制所述bms。
19.进一步，所述云端参数包括云端soh、云端行驶实际功率、云端日平均行驶里程、云端实际充电时间、云端充电soc区间、云端电池包平均温度和云端单体电池最高温度，所述车端参数包括车端soh、车端日平均行驶里程、车端实际充电时间和车端充电soc区间。
20.进一步，所述控制算法包括功率算法、充电算法、soc使用区间和热管理策略中的一个或多个。
21.进一步，所述控制模块进一步用于：根据所述云端soh、所述云端行驶实际功率和所述云端日平均行驶里程确定回充基准表，根据所述车端soh和所述车端日平均行驶里程调整所述回充基准表，根据调整后的回充基准表调整所述功率算法；根据所述云端soh、所述云端日平均行驶里程、所述云端实际充电时间、所述云端充电soc区间确定基准充电表，根据所述车端soh、所述车端实际充电时间和所述车端充电soc区间调整所述基准充电表，根据调整后的基准充电表调整所述充电算法；根据所述云端日平均行驶里程、所述云端行驶soc区间确定基准soc区间，根据所述车端实际衰减、所述车端日平均行驶里程和所述车
端行驶soc区间调整所述基准soc区间，根据调整后的基准soc区间调整所述soc使用区间；根据所述云端soh、所述云端电池包平均温度和云端单体电池最高温度调整所述热管理策略。
22.进一步，所述历史数据包括电池包温度、荷电状态soc、电池包电流、电池包电压、当前累计总时间t
now
、当前累计吞吐量ah
now
和行驶里程中的一个或多个。
23.进一步，所述soh的计算公式为：
24.soh＝f1(t,ic,oc1,ah)+2(t,soc2,t)，
25.其中，f1为循环衰减；f2为日历衰减；t为温度；ic为充电倍率；soc1为soc区间；ah为累计电荷吞吐量；soc2为存储soc；t为存储时间。
26.进一步，所述预测模块进一步用于：根据所述soh、所述车辆累计行驶里程、所述日平均行驶里程、所述行驶soc区间和所述行驶实际功率预测车辆的行驶频次和用车习惯。
27.一种服务器，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的电池管理系统控制方法。
28.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的电池管理系统控制方法。
29.本发明的有益效果：
30.(1)本技术实施例可以根据车辆本地的bms的历史数据预测bms的云端参数，利用电池包的当前数据预测bms的车端参数，充分考虑到不同的用户使用习惯，根据云端参数和车端参数自适应调整车辆上bms的控制算法，充分利用云端的计算资源优势和车端保留用户习惯的优势，实现对电池管理系统的控制管理，充分提升bms以及整车性能。
31.(2)本技术实施例可以根据不同的情况对车辆上的bms算法进行自适应调整，对车端功率算法、充电算法、soc使用区间、热管理策略自适应控制。
32.(3)本技术实施例可以根据电池包的当前数据预测车辆的行驶频次和用车习惯，充分考虑到不同用户的使用习性。
33.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
34.图1为本技术实施例提供的电池管理系统控制方法的流程图；
35.图2为本技术实施例提供的功率限制流程示意图；
36.图3为本技术实施例提供的充电倍率限制流程示意图；
37.图4为本技术实施例提供的soc使用窗口调整流程示意图；
38.图5为本技术实施例提供的冷却开启温度调整示意图；
39.图6为本技术一个实施例提供的电池管理系统控制方法的流程图；
40.图7为本技术实施例提供的电池管理系统控制装置的示意图；
41.图8为本技术实施例提供的服务器的结构示意图。
具体实施方式
42.以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
43.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
44.具体而言，图1为本技术实施例所提供的一种电池管理系统控制方法的流程图。
45.如图1所示，该电池管理系统控制方法包括以下步骤：
46.在步骤s101中，获取车辆上传电池管理系统bms的历史数据。
47.其中，历史数据包括电池包温度、荷电状态soc、电池包电流、电池包电压、当前累计总时间t
now
、当前累计吞吐量ah
now
和行驶里程中的一个或多个。
48.需要说明的是，本技术实施例对电池管理系统上传的数据进行数据清理，得到历史数据，包括：大数据平台对电池包温度处理，得到历史均温；对soc信号处理，得到历史行驶工况soc使用均值、历史静置工况soc使用均值；对电流信号处理，得到历史工况平均充电倍率；对电池包电流和电池包总压信号处理，得到历史行驶实际功率。其中，大数据处理数据包括数据采集、数据清洗预处理、数据存储、数据加密，数据下载、数据备份、数据分析建模、数据可视化展现等功能，同时应具备数据挖掘所需的分析引擎、机器学习算法数据库等，实现大数据分析场景的建模及分析。
49.在步骤s102中，根据历史数据预测bms的云端参数，并获取车辆上传的车端参数，其中，车辆根据电池包的当前数据预测bms的车端参数。
50.其中，云端参数包括云端soh(state of health，动力电池健康状态)、云端行驶实际功率、云端日平均行驶里程、云端实际充电时间、云端充电soc区间、云端电池包平均温度和云端单体电池最高温度，车端参数包括车端soh、车端日平均行驶里程、车端实际充电时间和车端充电soc区间。
51.可以理解的是，本技术实施例可以根据bms的历史数据预测bms的云端参数，并且获取车辆上传的车端参数，用于后续调整车辆上的bms的控制算法。
52.在本技术实施例中，soh的计算公式为：
53.soh＝f1(t,ic,oc1,ah)+2(t,soc2,t)，
54.其中，f1为循环衰减；f2为日历衰减；t为温度；ic为充电倍率；soc1为soc区间；ah为累计电荷吞吐量；soc2为存储soc；t为存储时间。
55.在本技术实施例中，车辆根据电池包的当前数据预测bms的车端参数，包括：根据soh、车辆累计行驶里程、日平均行驶里程、行驶soc区间和行驶实际功率预测车辆的行驶频次和用车习惯。
56.可以理解的是，本技术实施例可以根据soh、车辆累计行驶里程、日平均行驶里程、行驶soc区间和行驶实际功率预测当前的行驶频次、用户用车使用习惯。
57.在步骤s103中，根据云端参数和车端参数自适应调整车辆上bms的控制算法，其中，车辆根据调整后的控制算法控制bms。
58.可以理解的是，本技术实施例可以根据云端参数和车端参数对车辆上的bms控制算法自适应调整，车辆根据调整后的控制算法控制bms。其中，控制算法包括功率算法、充电算法、soc使用区间和热管理策略中的一个或多个。
59.在本技术实施例中，根据云端参数和车端参数自适应调整车辆上bms的控制算法，包括：根据云端soh、云端行驶实际功率和云端日平均行驶里程确定回充基准表，根据车端soh和车端日平均行驶里程调整回充基准表，根据调整后的回充基准表调整功率算法；根据云端soh、云端日平均行驶里程、云端实际充电时间、云端充电soc区间确定基准充电表，根据车端soh、车端实际充电时间和车端充电soc区间调整基准充电表，根据调整后的基准充电表调整充电算法；根据云端日平均行驶里程、云端行驶soc区间确定基准soc区间，根据车端实际衰减、车端日平均行驶里程和车端行驶soc区间调整基准soc区间，根据调整后的基准soc区间调整soc使用区间；根据云端soh、云端电池包平均温度和云端单体电池最高温度调整热管理策略。
60.可以理解的是，本技术实施例可以对车辆上的bms控制算法进行自适应调整，包括但不限于对车端功率算法、充电算法、soc使用区间、热管理策略自适应控制，具体算法为：
61.功率算法：根据云端大数据预测电池包衰减及用户实际功率、日平均行驶里程情况，对车端功率算法自适应控制。制定电池包回充允许的基准功率，在此map基础上，根据用户实际的衰减及日平均行驶里程，对回充基准map做一定调整。根据日行驶里程，对用户用车频次进行划分。针对高频用车、用车工况恶劣且电池衰减较大场景进行限制，调整策略示意图如图2所示。
62.充电算法：根据云端大数据预测电池包衰减及日平均行驶里程、实际充电时间、充电soc区间情况，制定电池包基准的充电map，在此map基础上，根据用户实际的衰减及实际充电时间、充电soc区间，对基准map做一定的上调或者限制。针对电池衰减的充电倍率进行限制，对于电池健康状态较好，且用户以快充为主，充电起始soc较低的场景，充电倍率适当调大，倍率系数示意图如图3所示。
63.soc使用区间：根据用户日平均行驶里程、行驶soc区间等用户习性，制定电池包基准soc区间，在基础上根据用户实际的衰减及用户日平均行驶里程、行驶soc区间，对基准soc区间向下平移。soh衰减，若用户行驶soc区间较窄，则对socmax下调，若用户行驶soc区间较宽，则需对socmax及socmin均下调。调整幅度应综合考虑对用户实际行车习性的影响，且不影响用户仪表感知，soc使用窗口调整示意图如图4所示。
64.热管理策略：根据云端大数据预测电池包衰减及电池包平均温度、最高温度，对车端热管理策略自适应控制；soh衰减，若用户使用的平均温度大于一定值，动态调高电池包冷却开启温度，调整幅度应综合考虑对用户充电效率及行车能耗的综合影响，冷却开启温度调整示意图如图5所示。
65.综上，本技术实施例的电池系统控制方法的具体流程如图6所示：
66.步骤1：云端获取温度、soc、电流、电压、使用时间、累计里程信息。
67.步骤2：云端根据数据计算电池衰减soh＝循环衰减f(soh1)+日历衰减f(soh2)。
68.云端寿命预测算法，根据云端数据应用聚类分析及神经网络建模方法，综合确定
所述电池寿命模型如下：
69.soh＝f1(t,ic,oc1,ah)+2(t,soc2,t)，
70.其中，f1为循环衰减；f2为日历衰减；t为温度(k)；ic为充电倍率；soc1为soc区间；ah为累计电荷吞吐量；soc2为存储soc；t为存储时间(天)。
71.步骤3：根据日平均行驶里程和行驶实际回充功率平均值，动态调整回充功率。
72.步骤4：根据soc使用区间及充电方式及充电时间统计结果，动态调整充电策略。
73.步骤5：根据日平均行驶里程和soh衰减，动态调整soc使用窗口。
74.步骤6：根据平均温度及soh衰减，动态调整冷却开启温度。
75.根据本技术实施例提出的电池管理系统控制方法，可以根据车辆本地的bms的历史数据预测bms的云端参数，利用电池包的当前数据预测bms的车端参数，充分考虑到不同的用户使用习惯，根据云端参数和车端参数自适应调整车辆上bms的控制算法，充分利用云端的计算资源优势和车端保留用户习惯的优势，实现对电池管理系统的控制管理，充分提升bms以及整车性能。
76.其次参照附图描述根据本技术实施例提出的电池管理系统控制装置。
77.图7是本技术实施例的电池管理系统控制装置的方框示意图。
78.如图7所示，该电池管理系统控制装置10应用于服务器，包括：获取模块100、预测模块200和控制模块300。
79.其中，获取模块100用于获取车辆上传电池管理系统bms的历史数据；预测模块200用于根据历史数据预测bms的云端参数，并获取车辆上传的车端参数，其中，车辆根据电池包的当前数据预测bms的车端参数；控制模块300用于根据云端参数和车端参数自适应调整车辆上bms的控制算法，其中，车辆根据调整后的控制算法控制bms。
80.在本技术实施例中，云端参数包括云端soh、云端行驶实际功率、云端日平均行驶里程、云端实际充电时间、云端充电soc区间、云端电池包平均温度和云端单体电池最高温度，车端参数包括车端soh、车端日平均行驶里程、车端实际充电时间和车端充电soc区间。
81.在本技术实施例中，控制算法包括功率算法、充电算法、soc使用区间和热管理策略中的一个或多个。
82.在本技术实施例中，控制模块300进一步用于：根据云端soh、云端行驶实际功率和云端日平均行驶里程确定回充基准表，根据车端soh和车端日平均行驶里程调整回充基准表，根据调整后的回充基准表调整功率算法；根据云端soh、云端日平均行驶里程、云端实际充电时间、云端充电soc区间确定基准充电表，根据车端soh、车端实际充电时间和车端充电soc区间调整基准充电表，根据调整后的基准充电表调整充电算法；根据云端日平均行驶里程、云端行驶soc区间确定基准soc区间，根据车端实际衰减、车端日平均行驶里程和车端行驶soc区间调整基准soc区间，根据调整后的基准soc区间调整soc使用区间；根据云端soh、云端电池包平均温度和云端单体电池最高温度调整热管理策略。
83.在本技术实施例中，历史数据包括电池包温度、荷电状态soc、电池包电流、电池包电压、当前累计总时间t
now
、当前累计吞吐量ah
now
和行驶里程中的一个或多个。
84.在本技术实施例中，soh的计算公式为：
85.soh＝f1(t,ic,oc1,ah)+2(t,soc2,t)，
86.其中，f1为循环衰减；f2为日历衰减；t为温度；ic为充电倍率；soc1为soc区间；ah为
累计电荷吞吐量；soc2为存储soc；t为存储时间。
87.在本技术实施例中，预测模块200进一步用于：根据soh、车辆累计行驶里程、日平均行驶里程、行驶soc区间和行驶实际功率预测车辆的行驶频次和用车习惯。
88.需要说明的是，前述对电池管理系统控制方法实施例的解释说明也适用于该实施例的电池管理系统控制装置，此处不再赘述。
89.根据本技术实施例提出的电池管理系统控制装置，可以根据车辆本地的bms的历史数据预测bms的云端参数，利用电池包的当前数据预测bms的车端参数，充分考虑到不同的用户使用习惯，根据云端参数和车端参数自适应调整车辆上bms的控制算法，充分利用云端的计算资源优势和车端保留用户习惯的优势，实现对电池管理系统的控制管理，充分提升bms以及整车性能。
90.图8为本技术实施例提供的服务器的结构示意图。该服务器可以包括：
91.存储器801、处理器802及存储在存储器801上并可在处理器802上运行的计算机程序。
92.处理器802执行程序时实现上述实施例中提供的电池管理系统控制方法。
93.进一步地，车辆还包括：
94.通信接口803，用于存储器801和处理器802之间的通信。
95.存储器801，用于存放可在处理器802上运行的计算机程序。
96.存储器801可能包含高速ram(random access memory，随机存取存储器)存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。
97.如果存储器801、处理器802和通信接口803独立实现，则通信接口803、存储器801和处理器802可以通过总线相互连接并完成相互间的通信。总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component，外部设备互连)总线或eisa(extended industry standard architecture，扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
98.可选的，在具体实现上，如果存储器801、处理器802及通信接口803，集成在一块芯片上实现，则存储器801、处理器802及通信接口803可以通过内部接口完成相互间的通信。
99.处理器802可能是一个cpu(central processing unit，中央处理器)，或者是asic(application specific integrated circuit，特定集成电路)，或者是被配置成实施本技术实施例的一个或多个集成电路。
100.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的电池管理系统控制方法。
101.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
102.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
103.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
104.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。
105.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
106.尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种电池管理系统控制方法，其特征在于，所述方法应用于服务器，其中，所述方法包括以下步骤：获取车辆上传电池管理系统bms的历史数据；根据所述历史数据预测所述bms的云端参数，并获取车辆上传的车端参数，其中，所述车辆根据所述电池包的当前数据预测所述bms的车端参数；根据所述云端参数和所述车端参数自适应调整所述车辆上bms的控制算法，其中，所述车辆根据调整后的控制算法控制所述bms。2.根据权利要求1所述的电池管理系统控制方法，其特征在于，所述云端参数包括云端soh、云端行驶实际功率、云端日平均行驶里程、云端实际充电时间、云端充电soc区间、云端电池包平均温度和云端单体电池最高温度，所述车端参数包括车端soh、车端日平均行驶里程、车端实际充电时间和车端充电soc区间。3.根据权利要求2所述的电池管理系统控制方法，其特征在于，所述控制算法包括功率算法、充电算法、soc使用区间和热管理策略中的一个或多个。4.根据权利要求3所述的电池管理系统控制方法，其特征在于，所述根据所述云端参数和所述车端参数自适应调整所述车辆上bms的控制算法，包括：根据所述云端soh、所述云端行驶实际功率和所述云端日平均行驶里程确定回充基准表，根据所述车端soh和所述车端日平均行驶里程调整所述回充基准表，根据调整后的回充基准表调整所述功率算法；根据所述云端soh、所述云端日平均行驶里程、所述云端实际充电时间、所述云端充电soc区间确定基准充电表，根据所述车端soh、所述车端实际充电时间和所述车端充电soc区间调整所述基准充电表，根据调整后的基准充电表调整所述充电算法；根据所述云端日平均行驶里程、所述云端行驶soc区间确定基准soc区间，根据所述车端实际衰减、所述车端日平均行驶里程和所述车端行驶soc区间调整所述基准soc区间，根据调整后的基准soc区间调整所述soc使用区间；根据所述云端soh、所述云端电池包平均温度和云端单体电池最高温度调整所述热管理策略。5.根据权利要求1所述的电池管理系统控制方法，其特征在于，所述历史数据包括电池包温度、荷电状态soc、电池包电流、电池包电压、当前累计总时间t
now
、当前累计吞吐量ah
now
和行驶里程中的一个或多个。6.根据权利要求2所述的电池管理系统控制方法，其特征在于，所述soh的计算公式为：soh＝f1(t,i
c
,oc1,ah)+2(t,soc2,t)，其中，f1为循环衰减；f2为日历衰减；t为温度；i
c
为充电倍率；soc1为soc区间；ah为累计电荷吞吐量；soc2为存储soc；t为存储时间。7.根据权利要求2所述的电池管理系统控制方法，其特征在于，所述车辆根据所述电池包的当前数据预测所述bms的车端参数，包括：根据所述soh、所述车辆累计行驶里程、所述日平均行驶里程、所述行驶soc区间和所述行驶实际功率预测车辆的行驶频次和用车习惯。8.一种电池管理系统控制装置，其特征在于，所述装置应用于服务器，其中，所述装置包括：
获取模块，用于获取车辆上传电池管理系统bms的历史数据；预测模块，用于根据所述历史数据预测所述bms的云端参数，并获取车辆上传的车端参数，其中，所述车辆根据所述电池包的当前数据预测所述bms的车端参数；控制模块，用于根据所述云端参数和所述车端参数自适应调整所述车辆上bms的控制算法，其中，所述车辆根据调整后的控制算法控制所述bms。9.一种服务器，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-7任一项所述的电池管理系统控制方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-7任一项所述的电池管理系统控制方法。

技术总结
本申请涉及电池管理系统技术领域，特别涉及一种电池管理系统控制方法、装置、服务器及存储介质，其中，方法包括：获取车辆上传电池管理系统BMS的历史数据；根据历史数据预测BMS的云端参数，并获取车辆上传的车端参数，其中，车辆根据电池包的当前数据预测BMS的车端参数；根据云端参数和车端参数自适应调整车辆上BMS的控制算法，其中，车辆根据调整后的控制算法控制BMS。由此，解决了现有技术中并未考虑到车端本地BMS和云端BMS的融合实现个性化差异控制BMS等问题。制BMS等问题。制BMS等问题。


技术研发人员：郑英 李东江 李宗华 朱骞 喻成
受保护的技术使用者：深蓝汽车科技有限公司
技术研发日：2023.06.28
技术公布日：2023/8/13