TeslaMate电池健康仪表盘对LFP电池容量计算存在误差问题分析
2025-06-02 10:24:20作者:段琳惟
问题背景
TeslaMate作为一款开源的Tesla车辆数据记录工具,其电池健康仪表盘功能在v1.29.2版本中对锂铁磷酸盐(LFP)电池的容量计算存在明显偏差。这一问题源于系统错误地将适用于镍钴锰(NCM)三元锂电池的计算公式应用到了LFP电池上,导致显示的"可用容量(新)"和"当前可用容量"数据不准确。
技术细节分析
当前错误实现
系统当前对所有电池类型统一使用以下SQL查询计算当前容量:
SELECT AVG(Capacity) AS Capacity
FROM (
SELECT
c.[[preferred_range]]_battery_range_km * aux.efficiency / c.usable_battery_level AS Capacity
FROM charging_processes cp
INNER JOIN charges c ON c.charging_process_id = cp.id
INNER JOIN aux ON cp.car_id = aux.car_id
WHERE cp.car_id = $car_id
AND cp.end_date IS NOT NULL
AND cp.charge_energy_added >= aux.efficiency
AND c.usable_battery_level > 0
ORDER BY cp.end_date DESC LIMIT 10
) AS lastCharges
这种计算方式基于电池的预估里程和效率参数,适用于NCM电池,但对LFP电池会产生较大误差。
正确的LFP电池计算方法
对于LFP电池,应采用基于充电能量变化的计算方法:
SELECT AVG(Capacity) AS CurrentCapacity
FROM (
SELECT (100.0 * cp.charge_energy_added) /
(GREATEST(1,MAX(usable_battery_level) - MIN(usable_battery_level))) AS Capacity
FROM charging_processes cp
INNER JOIN charges c ON cp.id = c.charging_process_id
INNER JOIN aux ON cp.car_id = aux.car_id
WHERE cp.car_id = $car_id
AND cp.charge_energy_added >= aux.rated_efficiency
AND cp.end_date >= date_trunc('month', current_date - interval '1 month')
GROUP BY cp.charge_energy_added, cp.end_date
) AS lastEstimatedCapacity
这种方法通过计算充电过程中实际能量增加与电池百分比变化的比值来估算容量,更适合LFP电池的特性。
最大容量计算差异
同样的问题也存在于最大容量计算中:
当前LFP电池的最大容量计算
SELECT MAX(c.rated_battery_range_km * cars.efficiency * 100.0 / c.usable_battery_level) AS MaxCapacity
FROM charging_processes cp
JOIN (SELECT charging_process_id, MAX(date) as date
FROM charges
GROUP BY charging_process_id) AS last_charges
ON cp.id = last_charges.charging_process_id
INNER JOIN charges c
ON c.charging_process_id = cp.id AND c.date = last_charges.date
INNER JOIN cars ON cp.car_id = cars.id
WHERE cp.car_id = $car_id
AND cp.end_date IS NOT NULL
AND cp.end_rated_range_km > cp.start_rated_range_km
AND c.charge_energy_added >= cars.Efficiency
NCM电池的最大容量计算
SELECT
MAX(c.[[preferred_range]]_battery_range_km * aux.efficiency / c.usable_battery_level) AS Capacity
FROM charging_processes cp
INNER JOIN (
SELECT charging_process_id, MAX(date) as date FROM charges WHERE usable_battery_level > 0 GROUP BY charging_process_id
) AS gcharges ON cp.id = gcharges.charging_process_id
INNER JOIN charges c
ON c.charging_process_id = cp.id AND c.date = gcharges.date
INNER JOIN aux ON cp.car_id = aux.car_id
WHERE cp.car_id = $car_id
AND cp.end_date IS NOT NULL
问题影响
这种计算方法的错误会导致:
- LFP电池的健康状态显示不准确
- 用户无法正确评估电池的实际衰减情况
- 可能影响用户对车辆维护和使用的决策
解决方案建议
TeslaMate应针对不同电池类型实现差异化的计算逻辑:
- 增加电池类型检测机制
- 对LFP电池采用基于充电能量变化的计算方法
- 对NCM电池保留现有的里程估算方法
- 在UI上明确标注不同电池类型的计算方式差异
这种改进将确保所有Tesla车主都能获得准确的电池健康数据,无论其车辆配备的是LFP还是NCM电池。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
724
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460