Практична методика інтерпретації діагностичних параметрів електромобіля за допомогою мобільного додатку Car Scanner ELM OBD-II
DOI:
https://doi.org/10.30977/VEIT.2026.29.0.3Ключові слова:
діагностика електромобіля, OBD-II, Car Scanner ELM OBD-II, високовольтна акумуляторна батарея, первинна діагностика, технічний стан, рекуперація енергії, інтерпретація діагностичних параметрівАнотація
Запропоновано практичну методику інтерпретації діагностичних параметрів електромобіля (EV), отриманих за допомогою мобільного застосунку Car Scanner ELM OBD-II та адаптера ELM327. Методика орієнтована на первинну оцінку стану високовольтної АКБ та окремих особливостей експлуатації EV на основі комплексного аналізу параметрів заряджання, енергоспоживання, рекуперації, напруг комірок, накопиченої енергії та службових показників. Апробацію методики виконано на EV Hyundai Kona Electric. У результаті встановлено, що стан високовольтної батареї є загалом добрим: за значенням SOH = 97,3 % її залишкова ємність становить близько 62,3 кВт·год, а різниця між мінімальною та максимальною напругою комірок не має ознак критичного розбалансування. Визначено, що частка енергії, отриманої за рахунок рекуперативного гальмування, становить 25,7 % від загального енергетичного балансу. Також виявлено невідповідність між накопиченою енергією та показником одометра, що дало змогу встановити непрямі ознаки заміни високовольтної АКБ. Показано, що застосування Car Scanner ELM OBD-II у поєднанні із запропонованою методикою дозволяє використовувати доступні мобільні засоби не лише для зчитування параметрів, а й для практичної первинної діагностики EV в реальних умовах експлуатації
Посилання
- Patlins, A., Hnatov, A., Arhun, S., Hnatova, H., & Saraiev, O. (2022, May). Features of converting a car with an internal combustion engine into an electric car. In 2022 IEEE 7th International Energy Conference (ENERGYCON) (pp. 1–6). IEEE. https://doi.org/10.1109/ENERGYCON53164.2022.9830183
- Гнатов, А., Аргун, Щ., Сохін, П., & Григоренко, Н. (2025). Використання застосунку Car Scanner ELM OBD-II для діагностики Hyundai Kona Electric. Автомобіль і електроніка. Сучасні технології, 27, 48–59. https://doi.org/10.30977/VEIT.2025.27.0.6
- Hnatov, A., Arhun, Shch., Sokhin, P., & Hry-horenko, N. (2025). Vykorystannia zastosunku Car Scanner ELM OBD-II dlia diahnostyky Hyundai Kona Electric [Using the Car Scanner ELM OBD-II application for diagnosing Hyundai Kona Electric]. Avtomobil i elektronika. Suchasni tekhnolohii, 27, 48–59. https://doi.org/10.30977/VEIT.2025.27.0.6
- Hnatov, A., Arhun, S., Ulianets, O., & Ivanov, D. (2025). Diagnostics of electric vehicles using OBD-II: Principles, capabilities, and prospects. Automobile Transport, 56, 5–12. https://doi.org/10.30977/AT.2219-8342.2025.56.0.01
- Baráth, B., Sütheö, G., & Pekk, L. (2024). Development of a battery diagnostic method based on CAN data: Examining the accuracy of data received via a communication network. Energies, 17(22), 5808. https://doi.org/10.3390/en17225808
- Yang, Y., Chen, B., Su, L., & Qin, D. (2013). Research and development of hybrid electric vehicle CAN bus data monitor and diagnostic system through OBD-II and Android-based smartphones. Advances in Mechanical Engineering, 5, 741240. https://doi.org/10.1155/2013/741240
- Sevdari, K., Calearo, L., Thingvad, A., & Mari-nelli, M. (2023). Experimental validation of onboard electric vehicle chargers to improve the efficiency of smart charging operation. Sustainable Energy, Grids and Networks. https://doi.org/10.1016/j.seta.2023.103512
- Bilfinger, P., Rosner, P., Schreiber, M., Kröger, T., Abo Gamra, K., Ank, M., Wassiliadis, N., Dietermann, B., & Lienkamp, M. (2024). Battery pack diagnostics for electric vehicles: Transfer of differential voltage and incremental capacity analysis from cell to vehicle level. eTransporta-tion, 20, 100356. https://doi.org/10.1016/j.etran.2024.100356
- Wang, Z., Feng, G., Zhen, D., Gu, F., & Ball, A. (2021). A review on online state of charge and state of health estimation for lithium-ion batteries in electric vehicles. Energy Reports, 7, 5141–5161. https://doi.org/10.1016/j.egyr.2021.08.113
- Gong, J., Xu, B., Chen, F., & Zhou, G. (2025). Predictive modeling for electric vehicle battery state of health: A comprehensive literature review. Energies, 18(2), 337. https://doi.org/10.3390/en18020337
- Du, J., Liu, Z., Wang, Y., & Wen, C. (2016). An adaptive sliding mode observer for lithium-ion battery state of charge and state of health estimation in electric vehicles. Control Engineering Practice, 54, 81–90. https://doi.org/10.1016/j.conengprac.2016.05.014
- Soyoye, B. D., Bhattacharya, I., Anthony Dhason, M. V., & Banik, T. (2025). State of charge and state of health estimation in electric vehicles: Challenges, approaches and future directions. Batteries, 11(1), 32. https://doi.org/10.3390/batteries11010032
- Merkle, L., Pöthig, M., & Schmid, F. (2021). Estimate e-Golf battery state using diagnostic data and a digital twin. Batteries, 7(1), 15. https://doi.org/10.3390/batteries7010015
- Li, D., Zhang, L., Zhang, Z., Liu, P., Deng, J., Wang, Q., & Wang, Z. (2023). Battery safety issue detection in real-world electric vehicles by integrated modeling and voltage abnormality. Energy, 284, 128438. https://doi.org/10.1016/j.energy.2023.128438
- Li, F., Min, Y., Zhang, Y., & Wang, C. (2023). A method for abnormal battery charging capacity diagnosis based on electric vehicles operation data. Batteries, 9(2), 103. https://doi.org/10.3390/batteries9020103
- Xiong, R., Yu, Q., Shen, W., Lin, C., & Sun, F. (2019). A sensor fault diagnosis method for a lithium-ion battery pack in electric vehicles. IEEE Transactions on Power Electronics, 34(10), 9709–9718. https://doi.org/10.1109/TPEL.2019.2893622
- Choi, C. (2022). Fault diagnosis and tolerance on reliability of automotive motor control systems. International Journal of Automotive Technology. https://doi.org/10.1007/s12239-022-0102-2
- Michailidis, E. T., Panagiotopoulou, A., & Papadakis, A. (2025). A review of OBD-II-based machine learning applications for sustainable, efficient, secure, and safe vehicle driving. Sensors, 25(13), 4057. https://doi.org/10.3390/s25134057
- Masadi, P. K., Velpula, S., Saiprakash, C., & Sahoo, B. (2025). Advancements in fault detection and diagnosis methods for electric vehicles: A review. Discover Applied Sciences, 7, 1235. https://doi.org/10.1007/s42452-025-07758-9
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Андрій Гнатова, Щасяна Аргун, Павло Сохін

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
