CN109143085A - 一种基于人工智能算法对锂离子电池进行预警的方法及*** - Google Patents
一种基于人工智能算法对锂离子电池进行预警的方法及*** Download PDFInfo
- Publication number
- CN109143085A CN109143085A CN201810790365.7A CN201810790365A CN109143085A CN 109143085 A CN109143085 A CN 109143085A CN 201810790365 A CN201810790365 A CN 201810790365A CN 109143085 A CN109143085 A CN 109143085A
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- operation data
- battery
- algorithm
- 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.)
- Granted
Links
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于人工智能算法对锂离子电池进行预警的方法及***,其中方法包括:采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据;对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库;利用人工智能算法和数据库中的运行数据对常规参数进行评估,获取每个锂离子电池的评估值;利用每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池;判断等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当锂离子电池的常规参数的运行数据超出预警预设值时,发出锂离子电池的事故预警。
Description
技术领域
本发明涉及电池技术领域,更具体地,涉及一种基于人工智能算法对锂离子电池进行预警的方法及***。
背景技术
锂离子电池凭借其工作电压高、体积小、质量轻、能量高、无记忆效应、无污染、自放电小、循环寿命长、无污染等优点得到了越来越多的应用,锂电池广泛应用于水力、火力、风力和太阳能电站等储能电源***,邮电通讯的不间断电源,以及电动工具、电动自行车、电动摩托车、电动汽车、军事装备、航空航天等多个领域。
然而,锂电池也有其自身的缺点,比如当锂电池充电电压高于其额定电压时,则对锂电池内部产生副作用,而当锂电池放电后电压低于某个电压值时,同样锂电池的内部会产生副作用,严重时会产生不可恢复的后果,因此,对于锂电池的监控就显得十分重要。然而,现有技术还没有一种监控***对锂电池的运行过程进行有效监控的设备或方法。
因此,需要一种技术,以实现对锂离子电池进行监测和预警。
发明内容
本发明技术方案提供了一种基于人工智能算法对锂离子电池进行预警的方法及***,以解决如何基于人工智能算法对锂离子电池进行预警的问题。
为了解决上述问题,本发明提供了一种基于人工智能算法对锂离子电池进行预警的方法,所述方法包括:
采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据;
对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库;
利用人工智能算法和所述数据库中的运行数据对所述常规参数进行评估,获取每个锂离子电池的评估值;利用所述每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将所述锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池;
判断所述等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当所述锂离子电池的常规参数的运行数据超出预警预设值时,发出所述锂离子电池的事故预警。
优选地,所述常规参数包括:温度、电压、电流、内阻、使用寿命和剩余电量。
优选地,所述数据库建立在电池管理***或云端。
优选地,所述运行数据,通过有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合方式发送至所述数据库。
优选地,所述采集锂离子电池的常规参数的运行数据,包括:所述采集锂离子电池的常规参数的运行数据的时间间隔为不超过100ms。
优选地,所述人工智能算法包括:逻辑回归、反向传递神经网络、并联规则算法、k均值算法、图论推理算法、拉普拉斯支持向量机、增强学***滑估计、k近邻算法(k-Nearest Neighbor)、学习矢量量化、自组织映射算法、弹性网络。
基于本发明的另一方面,提供一种基于人工智能算法对锂离子电池进行预警的***,所述***包括:
数据采集模块,用于采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据;
数据库模块,用于对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库;
人工智能筛选模块,利用人工智能算法和所述数据库中的运行数据对所述常规参数进行评估,获取每个锂离子电池的评估值;利用所述每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将所述锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池;
风险预警模块,用于判断所述等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当所述锂离子电池的常规参数的运行数据超出预警预设值时,发出所述锂离子电池的事故预警。
优选地,所述常规参数包括:温度、电压、电流、内阻、使用寿命和剩余电量。
优选地,所述数据库建立在电池管理***或云端。
优选地,所述运行数据,通过有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合方式发送至所述数据库。
优选地,所述采集锂离子电池的常规参数的运行数据,包括:所述采集锂离子电池的常规参数的运行数据的时间间隔为不超过100ms。
优选地,所述人工智能算法包括:逻辑回归、反向传递神经网络、并联规则算法、k均值算法、图论推理算法、拉普拉斯支持向量机、增强学***滑估计、k近邻算法(k-Nearest Neighbor)、学习矢量量化、自组织映射算法、弹性网络。
本发明技术方案提供一种基于人工智能算法对锂离子电池进行预警的方法及***,其中方法包括:采集多个锂离子电池中每个锂离子电池的常规参数的运行数据;对采集到的常规参数的运行数据进行分类存储,并建立锂离子电池运行数据库;利用人工智能算法和数据库中的运行数据对常规参数进行评估,并分析锂离子电池的偏离程度;将锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为重点监测锂离子电池;判断重点监测锂离子电池常规参数的运行数据是否超出预警预设值,当锂离子电池的常规参数的运行数据超出预警预设值时,发出锂离子电池的事故预警。本发明技术方案实现了对锂离子电池各参数的数据进行监测,当锂离子电池各参数的运行数据超过预警设置值时,本申请的技术方案能够实现自动报警,避免了因锂离子电池如电压过高或过低时出现安全事故。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的一种基于人工智能算法对锂离子电池进行预警的方法流程图;
图2为根据本发明优选实施方式的一种基于人工智能算法对锂离子电池进行预警的***结构图;以及
图3为根据本发明优选实施方式的一种基于人工智能算法对锂离子电池进行预警的***结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的一种基于人工智能算法对锂离子电池进行预警的方法流程图。本发明实施方式提供一种基于人工智能算法对锂离子电池进行预警的方法,方法包括:采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据;对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库;利用人工智能算法和数据库中的运行数据对常规参数进行评估,获取每个锂离子电池的评估值;利用每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池;判断等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当锂离子电池的常规参数的运行数据超出预警预设值时,发出锂离子电池的事故预警。如图1所示,一种基于人工智能算法对锂离子电池进行预警的方法,方法包括:
优选地,在步骤101:采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据。优选地,常规参数包括:温度、电压、电流、内阻、使用寿命和剩余电量。优选地,采集锂离子电池的常规参数的运行数据,包括:采集锂离子电池的常规参数的运行数据的时间间隔为不超过100ms。本申请中,可以通过数据采集模块采集每个锂电池常规运行数据,数据采集模块可以设置在电池单体、电池模组、电动汽车或储能***上,通过设置在数据采集模块的传感器采集电池常规运行数据。本申请中传感器包括但不限于电池温度传感器、电池电压传感器、电池电流传感器等。本申请中电池常规运行数据包括但不限于锂电池的温度、电压、电流、内阻、使用寿命和剩余电量等信息。
优选地,在步骤102:对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库。优选地,数据库建立在电池管理***或云端。优选地,运行数据,通过有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合方式发送至数据库。本申请中,数据库模块可以与数据采集模块进行通信,对采集的电池常规运行数据进行分类,建立数据库。数据库模块与数据采集模块之间的通信方式包括有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合。
优选地,在步骤103:利用人工智能算法和数据库中的运行数据对常规参数进行评估,获取每个锂离子电池的评估值;利用每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池。优选地,人工智能算法包括:逻辑回归、反向传递神经网络、并联规则算法、k均值算法、图论推理算法、拉普拉斯支持向量机、增强学***滑估计、k近邻算法(k-Nearest Neighbor)、学习矢量量化、自组织映射算法、弹性网络。
本申请中,举例说明如在一个由100块电池(编号1#-100#)组成的储能***中,BMS采集每块电池的电压、温度数据,将其按电池编号传输至人工智能筛选模块。模块将数据处理得到每块电池的特征参数,并建立数据库。电池特征参数包括但不限于电池的平台电压、极化电压、指定阶段的升温速率等,利用人工智能方法对电池特征参数进行评估(平台电压占权重30%,极化电压占权重35%,定阶段的升温速率占权重20%,其他特征参数占权重15%),为每块电池进行打分,并利用统计学方法,分析100块电池分数,通过方差计算其分数偏离程度,将偏离度较大前10%的电池作为重点监测电池。
本申请通过人工智能筛选模块可以通过人工智能分类对比,筛选出具有差异性参数的电池,并向数据采集模块发送指令,请求对具有差异性参数的电池进行重点监测。
优选地,在步骤104:判断等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当锂离子电池的常规参数的运行数据超出预警预设值时,发出锂离子电池的事故预警。
本申请中,通过风险预警模块根据重点监测的电池的特性参数,判断是否超出其他电池预设值,如果超过预设值,向用户发出该电池具有出现安全事故的可能性的警报。上述重点监测的电池将对其极化电压、指定阶段的升温速率进行检测,采样时间间隔缩短至100ms,利用人工智能方法对电池特征参数进行评估(平台电压占权重30%,极化电压占权重35%,定阶段的升温速率占权重20%,其他特征参数占权重15%)),当电池评分与电池中值分数相差±15%时,判定该电池将出现安全性问题,需要更换。
图2为根据本发明优选实施方式的一种基于人工智能算法对锂离子电池进行预警的***结构图。图2为数据库模块、人工智能筛选模块在云端的一种基于人工智能算法对锂离子电池进行预警的***结构示意图。
图3为根据本发明优选实施方式的一种基于人工智能算法对锂离子电池进行预警的***结构图。图3为数据库模块、人工智能筛选模块在电池管理***本地电高一级的一种基于人工智能算法对锂离子电池进行预警的***结构示意图。
如图2或图3所示,一种基于人工智能算法对锂离子电池进行预警的***,***包括:
数据采集模块,用于采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据。优选地,常规参数包括:温度、电压、电流、内阻、使用寿命和剩余电量。优选地,采集锂离子电池的常规参数的运行数据,包括:采集锂离子电池的常规参数的运行数据的时间间隔为不超过100ms。本申请中,可以通过数据采集模块采集每个锂电池常规运行数据,数据采集模块可以设置在电池单体、电池模组、电动汽车或储能***上,通过设置在数据采集模块的传感器采集电池常规运行数据。本申请中传感器包括但不限于电池温度传感器、电池电压传感器、电池电流传感器等。本申请中电池常规运行数据包括但不限于锂电池的温度、电压、电流、内阻、使用寿命和剩余电量等信息。
数据库模块,用于对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库。优选地,数据库建立在电池管理***或云端。优选地,运行数据,通过有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合方式发送至数据库。本申请中,数据库模块可以与数据采集模块进行通信,对采集的电池常规运行数据进行分类,建立数据库。数据库模块与数据采集模块之间的通信方式包括有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合。
人工智能筛选模块,利用人工智能算法和数据库中的运行数据对常规参数进行评估,获取每个锂离子电池的评估值;利用每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池。
优选地,人工智能算法包括:逻辑回归、反向传递神经网络、并联规则算法、k均值算法、图论推理算法、拉普拉斯支持向量机、增强学***滑估计、k近邻算法(k-Nearest Neighbor)、学习矢量量化、自组织映射算法、弹性网络。
本申请中,举例说明如在一个由100块电池(编号1#-100#)组成的储能***中,BMS采集每块电池的电压、温度数据,将其按电池编号传输至人工智能筛选模块。模块将数据处理得到每块电池的特征参数,并建立数据库。电池特征参数包括但不限于电池的平台电压、极化电压、指定阶段的升温速率等,利用人工智能方法对电池特征参数进行评估(平台电压占权重30%,极化电压占权重35%,定阶段的升温速率占权重20%,其他特征参数占权重15%),为每块电池进行打分,并利用统计学方法,分析100块电池分数,通过方差计算其分数偏离程度,将偏离度较大前10%的电池作为重点监测电池。
本申请通过人工智能筛选模块可以通过人工智能分类对比,筛选出具有差异性参数的电池,并向数据采集模块发送指令,请求对具有差异性参数的电池进行重点监测。
风险预警模块,用于判断等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当锂离子电池的常规参数的运行数据超出预警预设值时,发出锂离子电池的事故预警。
本申请中,通过风险预警模块根据重点监测的电池的特性参数,判断是否超出其他电池预设值,如果超过预设值,向用户发出该电池具有出现安全事故的可能性的警报。上述重点监测的电池将对其极化电压、指定阶段的升温速率进行检测,采样时间间隔缩短至100ms,利用人工智能方法对电池特征参数进行评估(平台电压占权重30%,极化电压占权重35%,定阶段的升温速率占权重20%,其他特征参数占权重15%)),当电池评分与电池中值分数相差±15%时,判定该电池将出现安全性问题,需要更换。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (12)
1.一种基于人工智能算法对锂离子电池进行预警的方法,所述方法包括:
采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据;
对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库;
利用人工智能算法和所述数据库中的运行数据对所述常规参数进行评估,获取每个锂离子电池的评估值;利用所述每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将所述锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池;
判断所述等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当所述锂离子电池的常规参数的运行数据超出预警预设值时,发出所述锂离子电池的事故预警。
2.根据权利要求1所述的方法,所述常规参数包括:温度、电压、电流、内阻、使用寿命和剩余电量。
3.根据权利要求1所述的方法,所述数据库建立在电池管理***或云端。
4.根据权利要求1所述的方法,所述运行数据,通过有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合方式发送至所述数据库。
5.根据权利要求1所述的方法,所述采集锂离子电池的常规参数的运行数据,包括:所述采集锂离子电池的常规参数的运行数据的时间间隔为不超过100ms。
6.根据权利要求1所述的方法,所述人工智能算法包括:逻辑回归、反向传递神经网络、并联规则算法、k均值算法、图论推理算法、拉普拉斯支持向量机、增强学***滑估计、k近邻算法k-Nearest Neighbor、学习矢量量化、自组织映射算法、弹性网络。
7.一种基于人工智能算法对锂离子电池进行预警的***,所述***包括:
数据采集模块,用于采集多个锂离子电池中每个锂离子电池的多个常规参数中每个常规参数的运行数据;
数据库模块,用于对采集到的每个常规参数的运行数据进行分类存储,以建立锂离子电池运行数据库;
人工智能筛选模块,利用人工智能算法和所述数据库中的运行数据对所述常规参数进行评估,获取每个锂离子电池的评估值;利用所述每个锂离子电池的评估值,通过方差分析计算每个锂离子电池的偏离程度;将所述锂离子电池的偏离程度大于偏离阈值的锂离子电池确定为待监测的锂离子电池;
风险预警模块,用于判断所述等监测的锂离子电池常规参数的运行数据是否超出预警预设值,当所述锂离子电池的常规参数的运行数据超出预警预设值时,发出所述锂离子电池的事故预警。
8.根据权利要求7所述的***,所述常规参数包括:温度、电压、电流、内阻、使用寿命和剩余电量。
9.根据权利要求7所述的***,所述数据库建立在电池管理***或云端。
10.根据权利要求7所述的***,所述运行数据,通过有线网络、WiFi、蓝牙、无线电通信、微波通信、红外线通信、微波接力通信、卫星通信、光纤通信、移动通信、激光通信、电台、基地台、电缆、天线中的一种或多种的组合方式发送至所述数据库。
11.根据权利要求7所述的***,所述采集锂离子电池的常规参数的运行数据,包括:所述采集锂离子电池的常规参数的运行数据的时间间隔为不超过100ms。
12.根据权利要求7所述的***,所述人工智能算法包括:逻辑回归、反向传递神经网络、并联规则算法、k均值算法、图论推理算法、拉普拉斯支持向量机、增强学***滑估计、k近邻算法k-Nearest Neighbor、学习矢量量化、自组织映射算法、弹性网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810790365.7A CN109143085B (zh) | 2018-07-18 | 2018-07-18 | 一种基于人工智能算法对锂离子电池进行预警的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810790365.7A CN109143085B (zh) | 2018-07-18 | 2018-07-18 | 一种基于人工智能算法对锂离子电池进行预警的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109143085A true CN109143085A (zh) | 2019-01-04 |
CN109143085B CN109143085B (zh) | 2022-09-27 |
Family
ID=64801103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810790365.7A Active CN109143085B (zh) | 2018-07-18 | 2018-07-18 | 一种基于人工智能算法对锂离子电池进行预警的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109143085B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209229A (zh) * | 2015-02-09 | 2017-09-26 | 微软技术许可有限责任公司 | 估计电池单元参数 |
CN110456191A (zh) * | 2019-07-25 | 2019-11-15 | 中国电力科学研究院有限公司 | 一种超大规模电池储能电站运行单元检测的方法及*** |
CN110535159A (zh) * | 2019-07-25 | 2019-12-03 | 中国电力科学研究院有限公司 | 一种规模化储能电站运行单元故障预警的方法及*** |
CN110687452A (zh) * | 2019-09-05 | 2020-01-14 | 南京理工大学 | 基于K均值聚类与Elman神经网络的锂电池容量在线预测方法 |
CN111880099A (zh) * | 2020-06-30 | 2020-11-03 | 国网浙江省电力有限公司电力科学研究院 | 一种储能电站站内电池单体寿命预测方法及*** |
CN112014785A (zh) * | 2020-08-06 | 2020-12-01 | 三峡大学 | 基于弹性网络的空心线圈电流互感器误差补偿方法 |
CN112444748A (zh) * | 2020-10-12 | 2021-03-05 | 武汉蔚来能源有限公司 | 电池异常检测方法、装置、电子设备及存储介质 |
US10944132B2 (en) | 2015-02-18 | 2021-03-09 | Microsoft Technology Licensing, Llc | Dynamically changing internal state of a battery |
CN112776667A (zh) * | 2021-02-03 | 2021-05-11 | 武汉蔚能电池资产有限公司 | 一种车端动力电池析锂在线监控方法 |
CN113689649A (zh) * | 2021-07-31 | 2021-11-23 | 华能新能源股份有限公司 | 一种火灾预警方法、火灾预警***和计算机设备 |
CN115902646A (zh) * | 2023-01-06 | 2023-04-04 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及*** |
CN118091425A (zh) * | 2024-03-07 | 2024-05-28 | 天科新能源有限责任公司 | 基于信息融合的钠离子电池运行状态检测方法 |
WO2024125189A1 (zh) * | 2022-12-12 | 2024-06-20 | 中兴通讯股份有限公司 | 储能电池短路预警方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110082621A1 (en) * | 2009-10-02 | 2011-04-07 | Eric Berkobin | Method and system for predicting battery life based on vehicle battery, usage, and environmental data |
CN102520362A (zh) * | 2011-12-08 | 2012-06-27 | 中国电力科学研究院 | 一种锂离子电池运行状态评估分析*** |
CN102749585A (zh) * | 2011-04-21 | 2012-10-24 | 李昌 | 一种基于多层支持向量机的蓄电池在线监测方法 |
CN103522911A (zh) * | 2013-10-25 | 2014-01-22 | 中国科学技术大学 | 一种带有***评价功能的电动汽车电池管理*** |
CN106154165A (zh) * | 2015-03-27 | 2016-11-23 | 国家电网公司 | 一种大容量电池储能***性能的评估方法和评估*** |
CN106199450A (zh) * | 2016-08-16 | 2016-12-07 | 成都市和平科技有限责任公司 | 一种电池健康状况评判***及方法 |
CN107315148A (zh) * | 2017-07-25 | 2017-11-03 | 南京红太阳新能源有限公司 | 一种基于化成数据的锂电池智能筛选*** |
WO2018112880A1 (zh) * | 2016-12-23 | 2018-06-28 | 深圳中兴力维技术有限公司 | 一种蓄电池的健康状态评价方法及其*** |
CN108254689A (zh) * | 2016-12-29 | 2018-07-06 | 中国电信股份有限公司 | 电池组反极单体电池检测方法和*** |
-
2018
- 2018-07-18 CN CN201810790365.7A patent/CN109143085B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110082621A1 (en) * | 2009-10-02 | 2011-04-07 | Eric Berkobin | Method and system for predicting battery life based on vehicle battery, usage, and environmental data |
CN102749585A (zh) * | 2011-04-21 | 2012-10-24 | 李昌 | 一种基于多层支持向量机的蓄电池在线监测方法 |
CN102520362A (zh) * | 2011-12-08 | 2012-06-27 | 中国电力科学研究院 | 一种锂离子电池运行状态评估分析*** |
CN103522911A (zh) * | 2013-10-25 | 2014-01-22 | 中国科学技术大学 | 一种带有***评价功能的电动汽车电池管理*** |
CN106154165A (zh) * | 2015-03-27 | 2016-11-23 | 国家电网公司 | 一种大容量电池储能***性能的评估方法和评估*** |
CN106199450A (zh) * | 2016-08-16 | 2016-12-07 | 成都市和平科技有限责任公司 | 一种电池健康状况评判***及方法 |
WO2018112880A1 (zh) * | 2016-12-23 | 2018-06-28 | 深圳中兴力维技术有限公司 | 一种蓄电池的健康状态评价方法及其*** |
CN108254689A (zh) * | 2016-12-29 | 2018-07-06 | 中国电信股份有限公司 | 电池组反极单体电池检测方法和*** |
CN107315148A (zh) * | 2017-07-25 | 2017-11-03 | 南京红太阳新能源有限公司 | 一种基于化成数据的锂电池智能筛选*** |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209229A (zh) * | 2015-02-09 | 2017-09-26 | 微软技术许可有限责任公司 | 估计电池单元参数 |
US10944132B2 (en) | 2015-02-18 | 2021-03-09 | Microsoft Technology Licensing, Llc | Dynamically changing internal state of a battery |
CN110456191A (zh) * | 2019-07-25 | 2019-11-15 | 中国电力科学研究院有限公司 | 一种超大规模电池储能电站运行单元检测的方法及*** |
CN110535159A (zh) * | 2019-07-25 | 2019-12-03 | 中国电力科学研究院有限公司 | 一种规模化储能电站运行单元故障预警的方法及*** |
CN110535159B (zh) * | 2019-07-25 | 2022-04-15 | 中国电力科学研究院有限公司 | 一种规模化储能电站运行单元故障预警的方法及*** |
CN110687452A (zh) * | 2019-09-05 | 2020-01-14 | 南京理工大学 | 基于K均值聚类与Elman神经网络的锂电池容量在线预测方法 |
CN110687452B (zh) * | 2019-09-05 | 2022-05-20 | 南京理工大学 | 基于K均值聚类与Elman神经网络的锂电池容量在线预测方法 |
CN111880099B (zh) * | 2020-06-30 | 2023-03-24 | 国网浙江省电力有限公司电力科学研究院 | 一种储能电站站内电池单体寿命预测方法及*** |
CN111880099A (zh) * | 2020-06-30 | 2020-11-03 | 国网浙江省电力有限公司电力科学研究院 | 一种储能电站站内电池单体寿命预测方法及*** |
CN112014785A (zh) * | 2020-08-06 | 2020-12-01 | 三峡大学 | 基于弹性网络的空心线圈电流互感器误差补偿方法 |
CN112014785B (zh) * | 2020-08-06 | 2023-07-11 | 三峡大学 | 基于弹性网络的空心线圈电流互感器误差补偿方法 |
CN112444748A (zh) * | 2020-10-12 | 2021-03-05 | 武汉蔚来能源有限公司 | 电池异常检测方法、装置、电子设备及存储介质 |
CN112776667A (zh) * | 2021-02-03 | 2021-05-11 | 武汉蔚能电池资产有限公司 | 一种车端动力电池析锂在线监控方法 |
CN112776667B (zh) * | 2021-02-03 | 2022-06-03 | 武汉蔚能电池资产有限公司 | 一种车端动力电池析锂在线监控方法 |
CN113689649A (zh) * | 2021-07-31 | 2021-11-23 | 华能新能源股份有限公司 | 一种火灾预警方法、火灾预警***和计算机设备 |
WO2024125189A1 (zh) * | 2022-12-12 | 2024-06-20 | 中兴通讯股份有限公司 | 储能电池短路预警方法及装置 |
CN115902646A (zh) * | 2023-01-06 | 2023-04-04 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及*** |
CN115902646B (zh) * | 2023-01-06 | 2023-06-13 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及*** |
CN118091425A (zh) * | 2024-03-07 | 2024-05-28 | 天科新能源有限责任公司 | 基于信息融合的钠离子电池运行状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109143085B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109143085A (zh) | 一种基于人工智能算法对锂离子电池进行预警的方法及*** | |
Hua et al. | Toward sustainable reuse of retired lithium-ion batteries from electric vehicles | |
CN107003357B (zh) | 基于无线网络的电池管理*** | |
CN103064027B (zh) | 一种750kv无线智能蓄电池在线监测及维护*** | |
CN202696179U (zh) | 一种电池管理*** | |
CN108872866A (zh) | 一种锂离子电池荷电状态动态评估与长效预测融合方法 | |
CN103683339B (zh) | 钒电池管理*** | |
CN109407007A (zh) | 一种电池荷电状态检测方法及装置 | |
CN103084342B (zh) | 一种二次电池的分选方法 | |
Birkl et al. | Modular converter system for low-cost off-grid energy storage using second life li-ion batteries | |
Boujoudar et al. | Lithium-ion batteries modeling and state of charge estimation using artificial neural network | |
CN109307845A (zh) | 一种用于对梯次利用电池储能***进行健康状态评估的方法及*** | |
CN104348205A (zh) | 一种基于soc-soh分布式bms*** | |
CN101713818B (zh) | 一种卫星电源分***工作状态自动判读*** | |
CN106998086A (zh) | 兆瓦级储能电站电池管理方法及其*** | |
Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
CN205333828U (zh) | 一种风力发电机蓄电池在线监测*** | |
CN103746148B (zh) | 一种铅酸动力电池自动管理装置 | |
CN202798068U (zh) | 钒电池管理*** | |
CN102565718B (zh) | 基于开路电压回升下降的锂电池soc判断方法 | |
Nyamathulla et al. | A review of battery energy storage systems and advanced battery management system for different applications: Challenges and recommendations | |
CN206542219U (zh) | 一种兆瓦级储能电站电池管理*** | |
CN106655405A (zh) | 一种智能bms锂电池的充电维护结构及方法 | |
CN106058338A (zh) | 一种动力电池组的检测维护和均衡保养设备 | |
CN113019964B (zh) | 一种退役动力电池快速分选*** |
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 |