CN107561452A - 一种蓄电池组健康度的评估方法 - Google Patents
一种蓄电池组健康度的评估方法 Download PDFInfo
- Publication number
- CN107561452A CN107561452A CN201710742770.7A CN201710742770A CN107561452A CN 107561452 A CN107561452 A CN 107561452A CN 201710742770 A CN201710742770 A CN 201710742770A CN 107561452 A CN107561452 A CN 107561452A
- Authority
- CN
- China
- Prior art keywords
- value
- health degree
- sequence
- standard
- group
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000005477 standard model Effects 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000052 comparative effect Effects 0.000 abstract 3
- 238000012360 testing method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种蓄电池组健康度的评估方法,包含步骤如下:设定与蓄电池组健康度有所关联的每个特征量标准值健康度序列;设定每个特征量允许的最大浮动范围为阈值;选取待评估健康度的蓄电池组各个特征量实际值组成的序列作为比较序列;对比较序列中的各个特征量实际值与对应的特征量标准值进行比较计算,得出标称值;通过标称值计算公式得到每组蓄电池实际值初始化后的标称值序列和标称值参考序列;选用灰度关联度分析算法作为计算模型,计算出每组蓄电池比较序列对参考序列的关联系数;确定健康度评估结果。有益效果是:该方法能够准确的计算出整组蓄电池的健康度得分,实现对蓄电池运行状态的分析判断,准确性高。
Description
技术领域
本发明属于电池技术领域,特别涉及一种蓄电池组健康度的评估方法。
背景技术
蓄电池作为供电***的应急保障手段在实际应用中起着极其重要的作用。但由于蓄电池在实际运行中受到例如:温度、浮充电压、浮充电流、运行年限等诸多因素影响,如何快速准确评估其健康度成为一个难题。
目前,判断蓄电池健康度的主要方法有二种:
1、充放电测试。按照通信局(站)电源***维护技术要求:对于2V单体的电池,每3年应做一次容量实验,使用6年后应每年一次。每次测量时,利用蓄电池充放电测试仪,对整组蓄电池进行放电,设置整组电压、单节电压和放点时间为终止条件,当符合任一条件时放电测试终止,可以准确的得出蓄电池的实际运行参数。但是,由于蓄电池的质量良莠不齐,并不能保证在非测试年份的实际运行周期内不出现问题。因此,充放电测试检测蓄电池健康度的方法具有一定的局限性,并不能最及时的判断出蓄电池的运行状态。
2、蓄电池在线监测***。***可以实现对蓄电池单体电压、组压、电流、环境温度等数据的报表显示、图形展示等,对电压和内阻历史数据进行智能化的分析,检测出早期失效蓄电池。这种方式的实现一般是采用阈值的方法,即实时采集蓄电池的各类数据,当某一节蓄电池的内阻值达到阈值时,***发出告警,提示监控人员蓄电池可能存在问题,需要详细检查。但此种方法多是对单节蓄电池的状态进行监测,而对于整组蓄电池运行状态分析大多采用单节电池状态加权计算得出,准确性相对较低。
发明内容
本发明所要解决的技术问题是提供一种蓄电池组健康度的评估方法,该方法能够准确的计算出整组蓄电池的健康度得分,实现对蓄电池运行状态的分析判断,准确性高。
本发明的技术方案如下:
一种蓄电池组健康度的评估方法,包含步骤如下:
1、建立蓄电池健康度标准参数模型
设定与所要评估的蓄电池组健康度有所关联的每个特征量标准值健康度序列:
X(0)={X(0)(1),X(0)(2),...,X(0)(k)};k=1,2,...,n;
该序列中的每一个数代表蓄电池组的各个特征量标准值;n代表特征量总数;
设定每个特征量允许的最大浮动范围为阈值,用ΔX(k)表示;
2、特征量初始化
选取待评估健康度的蓄电池组各个特征量实际值组成的序列作为比较序列如下:
X(i)={X(i)(1),X(i)(2),...,X(i)(k)},i=1,2,...,m;
i表示比较序列的组数即所要评估的蓄电池组的组数;
对比较序列中的各个特征量实际值与对应的特征量标准值一一进行比较计算,得出特征量实际值与标准值在阈值标准下的对比值,称为标称值,计算公式如下:
其中ΔX(k)为建立标准参数模型中的阈值;
通过标称值计算公式得到每组蓄电池实际值初始化后的标称值序列为:
X(i)'={X(i)'(1),X(i)'(2),...,X(i)'(k)},k=1,2,...,n;
根据标称值计算公式得到每组蓄电池标准值初始化后的标称值参考序列为:X(0)′={1,1,......1};
3、关联度分析计算
选用灰度关联度分析算法作为计算模型,根据下列公式计算出每组蓄电池比较序列X(i)′对参考序列X(0)′的关联系数ηi(k);
其中:|X(0)′(k)-X(i)′(k)为第k个特征量的绝对误差;
为两级最小差;
为两级最大差;
ρ称为分辨率,其取值为:0<ρ<1,ρ越大分辨率越小;ρ越小分辨率越大;
根据下列关联度计算公式,由得到的每组蓄电池的关联系数ηi(k)序列计算出每组蓄电池的实际参数与标准模型间的关联度Υi,即为每组蓄电池的健康度得分;
4、确定健康度评估结果
将每组蓄电池的健康度得分与蓄电池充放电实验得出的评分结果进行对比分析,得出蓄电池健康度评分标准,并根据该评分标准确定每组蓄电池健康度评估结果。
作为进一步优选,所述分辨率ρ=0.5。
作为进一步优选,所述蓄电池健康度评分标准如下表所示:
本发明的有益效果是:通过本发明提供的评估方法计算出的蓄电池健康度得分,可以有效的分析出蓄电池的运行状态;当蓄电池组中一节或多节蓄电池发生内阻异常时,由于与正常标准模型两级差差异大,关联度降低;当整组蓄电池均匀劣化时,由于与正常标准模型绝对误差差异大,关联度降低;因此就可以有效识别两种常见的蓄电池异常状态;能够准确的计算出整组蓄电池的健康度得分,实现对蓄电池运行状态的分析判断,准确性高。
具体实施方式
本发明涉及的一种蓄电池组健康度的评估方法,包含步骤如下:
1、建立蓄电池健康度标准参数模型
设定与所要评估的蓄电池组健康度有所关联的每个特征量标准值健康度序列:
X(0)={X(0)(1),X(0)(2),...,X(0)(k)};k=1,2,...,n;
该序列中的每一个数代表蓄电池组的各个特征量标准值;n代表特征量总数;
设定每个特征量允许的最大浮动范围为阈值,用ΔX(k)表示;
2、特征量初始化过程
选取待评估健康度的蓄电池组各个特征量实际值组成的序列作为比较序列如下:
X(i)={X(i)(1),X(i)(2),...,X(i)(k)},i=1,2,...,m;
i表示比较序列的组数即所要评估的蓄电池组的组数;
对比较序列中的各个特征量实际值与对应的特征量标准值一一进行比较计算,得出特征量实际值与标准值在阈值标准下的对比值,称为标称值,计算公式如下:
其中ΔX(k)为建立标准参数模型中的阈值;
通过标称值计算公式得到每组蓄电池实际值初始化后的标称值序列为:
X(i)′={X(i)′(1),X(i)′(2),...,X(i)′(k)},k=1,2,...,n;
根据标称值计算公式得到每组蓄电池标准值初始化后的标称值参考序列为:X(0)′={1,1,......1};
3、关联度分析计算
选用灰度关联度分析算法作为计算模型,根据下列公式计算出每组蓄电池比较序列X(i)′对参考序列X(0)′的关联系数ηi(k);
其中:|X(0)′(k)-X(i)′(k)|为第k个特征量的绝对误差;
为两级最小差;
为两级最大差;
ρ称为分辨率,其取值为:0<ρ<1,ρ越大分辨率越小;ρ越小分辨率越大;该分辨率优选为ρ=0.5。
根据下列关联度计算公式,由得到的每组蓄电池的关联系数ηi(k)序列计算出每组蓄电池的实际参数与标准模型间的关联度Υi,即为每组蓄电池的健康度得分;
4、确定健康度评估结果
将每组蓄电池的健康度得分与蓄电池充放电实验得出的评分结果进行对比分析,得出蓄电池健康度评分标准,并根据该评分标准确定每组蓄电池健康度评估结果。
所述蓄电池健康度评分标准如下表所示:
下面结合具体数据详细说明本发明涉及的一种蓄电池组健康度的评估方法,其包含步骤如下:
1、建立蓄电池健康度标准参数模型。
通过对所要评估的蓄电池健康度有所关联的每个特征量进行数据分析并设立特征量标准值及阈值的方式建立标准模型。以300AH蓄电池的健康度分析为例,模型选取特征量为每组蓄电池所处的环境温度、浮充电压与蓄电池组总电压差值、每组蓄电池中各个单节电池测量的内阻。
设定每组蓄电池所处的环境温度标准值为25℃,浮充电压与蓄电池组总电压差值标准值为0V,每组蓄电池中24个单节电池测量的内阻标准值均为0.45mΩ,上述特征量标准值组成的健康度序列如下:
X(0)={25,0,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,
0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45,0.45)};
根据每个特征量的实际值数据分析确定每个特征量的阈值ΔX(k)(即允许达到的最大浮动范围)分别为:环境温度阈值为40℃、浮充电压与蓄电池组总电压差值阈值为10V、每组蓄电池中各个单节电池测量的内阻阈值为1mΩ。
2、特征量初始化过程
选取待计算健康度的四组蓄电池组各个特征量组成的序列作为比较序列,比较序列依次为:
X(1)={24,0.3,0.500,0.526,0.532,0.523,0.484,0.638,0.614,0.522,0.597,0.582,0.518,0.621,0.481,0.541,0.499,0.485,0.518,0.514,0.507,0.558,0.583,0.618,0.568,0.560};
X(2)={26,1.2,0.607,0.666,0.456,0.688,0.699,0.691,0.590,0.702,0.722,0.659,0.656,0.683,0.617,0.646,0.668,0.661,0.557,0.681,0.650,0.737,0.641,0.562,0.647,0.715};
X(3)={28,0.6,0.871,0.801,0.809,1.039,0.844,1.006,0.862,0.803,1.062,0.836,0.912,0.891,0.817,0.801,0.801,1.060,0.780,0.840,0.739,1.060,0.795,0.848,1.060,0.809};
X(4)={26,0.2,0.461,0.457,0.458,0.460,0.455,0.456,0.457,0.459,0.454,0.456,0.455,0.455,0.457,0.455,0.458,0.460,0.459,0.461,0.460,0.462,0.457,0.459,0.456,0.463};
根据下列标称值计算公式(1)计算出每组蓄电池的标称值,得到每组蓄电池实际值初始化后的标称值序列依次为:
X(1)′={0.975,0.970,0.950,0.924,0.918,0.927,0.966,0.812,0.836,0.928,0.853,0.868,0.932,0.829,0.969,0.909,0.951,0.965,0.932,0.936,0.943,0.892,0.867,0.832,0.882,0.890};
X(2)′={0.975,0.88,0.843,0.784,0.994,0.762,0.751,0.759,0.860,0.748,0.728,0.791,0.794,0.767,0.833,0.804,0.782,0.789,0.893,0.769,0.800,0.713,0.809,0.888,0.803,0.735};
X(3)′={0.925,0.940,0.579,0.649,0.641,0.411,0.606,0.444,0.588,0.647,0.388,0.614,0.538,0.559,0.633,0.649,0.649,0.390,0.670,0.610,0.711,0.390,0.655,0.602,0.390,0.641};
X(4)′={0.975,0.980,0.989,0.993,0.992,0.990,0.995,0.994,0.993,0.991,0.996,0.994,0.995,0.995,0.993,0.995,0.992,0.990,0.991,0.989,0.990,0.988,0.993,0.991,0.994,0.987};
根据标称值计算公式计算出每组蓄电池的标称值,得到每组蓄电池标准值初始化后的标称值参考序列中各个数值均为1,即:
X(0)′={1,1,......1};
3、关联度分析计算
选用灰度关联度分析算法作为计算模型,根据下列公式(2)计算出每组蓄电池比较序列X(i)′对参考序列X(0)′的关联系数ηi(k);
其中分辨率ρ取值为ρ=0.5;
得到每组蓄电池的关联系数序列依次为:
η1={0.937,0.923,0.871,0.812,0.799,0.818,0.912,0.628,0.660,0.820,0.684,0.708,0.829,0.650,0.920,0.781,0.873,0.909,0.829,0.838,0.854,0.749,0.706,0.654,0.731,0.745};
η2={0.937,0.727,0.670,0.594,0.994,0.570,0.559,0.567,0.695,0.556,0.536,0.602,0.605,0.575,0.655,0.618,0.592,0.600,0.751,0.577,0.613,0.523,0.624,0.742,0.616,0.543};
η3={0.814,0.847,0.426,0.472,0.466,0.346,0.443,0.360,0.432,0.470,0.338,0.448,0.404,0.415,0.461,0.472,0.472,0.338,0.487,0.445,0.521,0.338,0.476,0.440,0.338,0.466};
η4={0.937,0.951,0.978,0.990,0.987,0.981,0.997,0.994,0.990,0.984,1.000,0.994,0.997,0.997,0.990,0.997,0.987,0.981,0.984,0.978,0.981,0.975,0.990,0.984,0.994,0.972};
根据下列关联度计算公式(3),由上一步得到的每组蓄电池的关联系数序列计算出每组蓄电池的实际参数与标准模型间的关联度如下,即为每组蓄电池的健康度得分。
γ1=0.794;γ2=0.640;γ3=0.459;γ4=0.984。
4、根据健康度得分评价每组蓄电池的健康度
将每组蓄电池的健康度得分与蓄电池充放电实验得出的评分结果进行对比分析,得出蓄电池健康度评分标准。具体评分标准如下:
健康度得分 | 蓄电池评价 |
0.85分≤得分 | 优秀 |
0.75分≤得分<0.85分 | 良好 |
0.6分≤得分<0.75分 | 合格 |
得分<0.6分 | 不合格 |
根据上述评分标准,由于第一组蓄电池健康度得分<0.85且>0.75分,因此其健康度评估结果为良好;第二组蓄电池健康度得分<0.75且>0.6分,因此其健康度评估结果为合格;第三组蓄电池健康度得分<0.6分,因此其健康度评估结果为不合格;第四组蓄电池健康度得分>0.85分,因此其健康度评估结果为优秀。
经测试,使用本发明提供的关联度分析算法得出评估结果在实际评定中具有较高的准确性,与实际相符度可达到为95%。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (3)
1.一种蓄电池组健康度的评估方法,其特征在于包含步骤如下:
(1)建立蓄电池健康度标准参数模型
设定与所要评估的蓄电池组健康度有所关联的每个特征量标准值健康度序列:
X(0)={X(0)(1),X(0)(2),...,X(0)(k)};k=1,2,...,n;
该序列中的每一个数代表蓄电池组的各个特征量标准值;n代表特征量总数;
设定每个特征量允许的最大浮动范围为阈值,用ΔX(k)表示;
(2)特征量初始化
选取待评估健康度的蓄电池组各个特征量实际值组成的序列作为比较序列如下:
X(i)={X(i)(1),X(i)(2),...,X(i)(k)},i=1,2,...,m;
i表示比较序列的组数即所要评估的蓄电池组的组数;
对比较序列中的各个特征量实际值与对应的特征量标准值一一进行比较计算,得出特征量实际值与标准值在阈值标准下的对比值,称为标称值,计算公式如下:
<mrow>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>;</mo>
</mrow>
其中ΔX(k)为建立标准参数模型中的阈值;
通过标称值计算公式得到每组蓄电池实际值初始化后的标称值序列为:
X(i)′={X(i)′(1),X(i)′(2),...,X(i)′(k)},k=1,2,...,n;
根据标称值计算公式得到每组蓄电池标准值初始化后的标称值参考序列为:X(0)′={1,1,......1};
(3)关联度分析计算
选用灰度关联度分析算法作为计算模型,根据下列公式计算出每组蓄电池比较序列X(i)′对参考序列X(0)′的关联系数ηi(k);
<mrow>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>i</mi>
</munder>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>k</mi>
</munder>
<mo>|</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&rho;</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>i</mi>
</munder>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>k</mi>
</munder>
<mo>|</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&rho;</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>i</mi>
</munder>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>k</mi>
</munder>
<mo>|</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中:|X(0)′(k)-X(i)′(k)|为第k个特征量的绝对误差;
为两级最小差;
为两级最大差;
ρ称为分辨率,其取值为:0<ρ<1,ρ越大分辨率越小;ρ越小分辨率越大;
根据下列关联度计算公式,由得到的每组蓄电池的关联系数ηi(k)序列计算出每组蓄电池的实际参数与标准模型间的关联度Υi,即为每组蓄电池的健康度得分;
<mrow>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
(4)确定健康度评估结果
将每组蓄电池的健康度得分与蓄电池充放电实验得出的评分结果进行对比分析,得出蓄电池健康度评分标准,并根据该评分标准确定每组蓄电池健康度评估结果。
2.根据权利要求1所述的一种蓄电池组健康度的评估方法,其特征在于:所述分辨率ρ=0.5。
3.根据权利要求1所述的一种蓄电池组健康度的评估方法,其特征在于:所述蓄电池健康度评分标准如下表所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742770.7A CN107561452A (zh) | 2017-08-25 | 2017-08-25 | 一种蓄电池组健康度的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742770.7A CN107561452A (zh) | 2017-08-25 | 2017-08-25 | 一种蓄电池组健康度的评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107561452A true CN107561452A (zh) | 2018-01-09 |
Family
ID=60975919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710742770.7A Pending CN107561452A (zh) | 2017-08-25 | 2017-08-25 | 一种蓄电池组健康度的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561452A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613446A (zh) * | 2019-01-14 | 2019-04-12 | 中国计量大学 | 一种基于时间序列分析的锂电池老化检测方法 |
CN111025169A (zh) * | 2019-12-17 | 2020-04-17 | 上海锦鹏科技有限公司 | 铅酸电池健康度评估方法 |
CN111537899A (zh) * | 2020-04-01 | 2020-08-14 | 国网江西省电力有限公司电力科学研究院 | 一种梯次利用动力电池安全性评估方法 |
-
2017
- 2017-08-25 CN CN201710742770.7A patent/CN107561452A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613446A (zh) * | 2019-01-14 | 2019-04-12 | 中国计量大学 | 一种基于时间序列分析的锂电池老化检测方法 |
CN109613446B (zh) * | 2019-01-14 | 2020-12-08 | 中国计量大学 | 一种基于时间序列分析的锂电池老化检测方法 |
CN111025169A (zh) * | 2019-12-17 | 2020-04-17 | 上海锦鹏科技有限公司 | 铅酸电池健康度评估方法 |
CN111025169B (zh) * | 2019-12-17 | 2021-10-29 | 上海锦鹏科技有限公司 | 铅酸电池健康度评估方法 |
CN111537899A (zh) * | 2020-04-01 | 2020-08-14 | 国网江西省电力有限公司电力科学研究院 | 一种梯次利用动力电池安全性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112731159B (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
CN108254696B (zh) | 电池的健康状态评估方法及*** | |
CN102830361B (zh) | 一种电池容量快速检测方法和*** | |
CN108037460B (zh) | 一种批产锂离子电池容量实时评估方法 | |
CN109061516A (zh) | 一种基于模糊概率综合评判的电池健康状态评估方法 | |
CN109828220B (zh) | 一种锂离子电池健康状态线性评估方法 | |
CN109765490B (zh) | 一种基于高维数据诊断的动力电池故障检测方法及*** | |
CN104569844B (zh) | 阀控密封式铅酸蓄电池健康状态监测方法 | |
CN111458648B (zh) | 锂离子电池健康状态的在线检测方法 | |
JP2020520461A (ja) | モバイル・デバイスに対するバッテリ健全性を緩和電圧に基づいて推定する方法 | |
JP2010519691A (ja) | 蓄電池の性能を分析するためのエキスパート診断方法 | |
CN108205114B (zh) | 电池寿命的预测方法及*** | |
CN103576050A (zh) | 一种电容式电压互感器的运行状态评估方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN110988723B (zh) | 一种基于lstm的电池内阻预测及故障预警方法 | |
CN107561452A (zh) | 一种蓄电池组健康度的评估方法 | |
CN107064806A (zh) | 一种锂电池容量衰减率计算方法 | |
CN104678312B (zh) | 一次性锂电池容量加速退化试验“倒挂”数据评估方法 | |
CN108120932A (zh) | 对充电电池的电池健康状态进行估算的方法和装置 | |
CN105866551A (zh) | 一种钠硫电池内阻检测方法 | |
CN111965557A (zh) | 一种后备电源可靠性的评估方法和装置 | |
CN108846239A (zh) | 一种基于温湿度的弹性环氧树脂加速贮存试验及评估方法 | |
CN109375143B (zh) | 一种确定智能电能表剩余寿命的方法 | |
CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN116819377B (zh) | 电池组异常识别诊断方法和*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |
|
RJ01 | Rejection of invention patent application after publication |