CN110133531A - 一种电池监测方法、装置及电子设备 - Google Patents
一种电池监测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110133531A CN110133531A CN201910438168.3A CN201910438168A CN110133531A CN 110133531 A CN110133531 A CN 110133531A CN 201910438168 A CN201910438168 A CN 201910438168A CN 110133531 A CN110133531 A CN 110133531A
- Authority
- CN
- China
- Prior art keywords
- battery
- preset time
- time period
- charging
- threshold value
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种电池监测方法、装置及电子设备,其中电池监测方法包括以预设时间周期获取预设时间段内的电池的单次电流,且对所有单次电流进行求和以获得总电流;获取预设时间段内的电池的初始电压和末尾电压,且根据末尾电压和初始电压的计算预设时间段内的关于电池的变化电压;根据总电流和变化电压的比值获取电池关于预设时间段内的充电系数值;将充电系数值与预设充电系数阈值进行比较,当充电系数值小于充电系数阈值时,判断电池在预设时间段内充电异常。本发明可有效的获取电池的充电数据,且根据电池的充电数据判断电池的健康状况,以便运维人员及时的对判断为故障的电池进行更替或维修,提高用户使用体验,增加电池维护效率和有效性。
Description
技术领域
本发明涉及电池监测领域,特别是涉及一种电池监测方法、装置及电子设备。
背景技术
目前路面上共享单车数量多,对于单车的智能锁电池稳定性要求高,为了更早地发现潜在的硬件问题,需要及时对存在隐患的单车电池进行更换或排查,但是派人手动一个个去排查问题的方法显然不现实,因此,我们提出一种基于大数据分析、机器学习的方法,来挖掘出存在问题电池的单车的清单,更好地指导地面运营人员快速找到存在问题电池的问题单车。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种电池监测方法、装置及电子设备,用于解决现有技术中不能及时有效的对电池的健康状况进行评估的问题。
为实现上述目的及其他相关目的,本发明提供一种电池监测方法,所述方法包括:以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
于本发明一具体实施例中,设定多个所述预设时间段,且分别计算多个所述预设时间段内所述电池的充电系数值,且当多个所述预设时间段内获取的所述充电系数值小于所述充电系数阈值的比例大于预设异常比例阈值时,判断多个所述预设时间段内电池充电异常的比例大于所述预设异常比例阈值,进而判断所述电池存在故障。
于本发明一具体实施例中,当多个所述预设时间段内获取的所述充电系数值均小于所述充电系数阈值时,判断所述电池存在故障。
于本发明一具体实施例中,根据以下算法中的一种或多种计算所述充电系数阈值:四分位阈值分割算法、正态分布过滤算法以及kmeans算法。
于本发明一具体实施例中,所述充电系数阈值包括根据所述四分位阈值分割算法获取的第一充电系数阈值、根据所述正态分布过滤算法获取的第二充电系数阈值以及根据所述kmeans算法获取的第三充电系数阈值,当所述充电系数值均小于所述第一充电系数阈值、第二充电系数阈值以及第三充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
于本发明一具体实施例中,当在所述预设时间段内获取到无效的所述单次电流时,放弃关于所述预设时间段内获取到的所有数据。
于本发明一具体实施例中,当在所述预设时间段内获取到无效的所述单次电流占所述预设时间段内获取到所有所述单次电流的比例大于预设电流比例阈值时,放弃关于所述预设时间段内获取到的所有数据。
于本发明一具体实施例中,当在所述预设时间段内获取到所述电池执行放电动作时,放弃关于所述预设时间段内获取到的所有数据。
于本发明一具体实施例中,所述电池应用于电驱车辆上,当在所述预设时间段内获取到关于所述电驱车辆的骑行订单时,放弃关于所述预设时间段内获取到的所有数据。
于本发明一具体实施例中,当判断所述电池存在故障时,获取存在故障的所述电池的地理位置和/或电池基本信息,且将所述电池的地理位置和/或电池基本信息发送于预设的运维端。
为实现上述目的及其他相关目的,本发明还提供一种电池监测装置,所述装置包括:电流获取模块,用以以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;电压获取模块,用以获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;充电系数值计算模块,用以根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;比较判断模块,用以将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
为实现上述目的及其他相关目的,本发明还提供一种电子设备,包括处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行如上任一项所述的电池监测方法。
如上所述,本发明提供一种电池监测方法、装置及电子设备,其中所述电池监测方法包括以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。本发明可有效的获取电池的充电数据,且根据电池的充电数据判断电池的健康状况,以便运维人员及时的对判断为故障的电池进行更替或维修,提高用户使用体验,增加电池维护效率和有效性。
附图说明
图1显示为本发明的电池监测方法在一具体实施例中的流程示意图。
图2显示为本发明的电池监测装置在一具体实施例中的组成示意图。
图3显示为本发明的电子设备在一具体实施例中的组成示意图。
元件标号说明
1 电池监测装置
11 电流获取模块
12 电压获取模块
13 充电系数值计算模块
14 比较判断模块
2 电子设备
21 处理器
22 存储器
S11~S14 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书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。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
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,遂图示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。
请参阅图1,显示为本发明的电池监测方法在一具体实施例中的流程示意图。所述电池监测方法,包括:
S11:以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;其中,所述预设时间段例如为一个小时,所述预设时间周期例如为5分钟。
S12:获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;
S13:根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;
S14:将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
于本发明一具体实施例中,设定多个所述预设时间段,且分别计算多个所述预设时间段内所述电池的充电系数值,且当多个所述预设时间段内获取的所述充电系数值小于所述充电系数阈值的比例大于预设异常比例阈值时,判断多个所述预设时间段内电池充电异常的比例大于所述预设异常比例阈值,进而判断所述电池存在故障。
其中,当多个所述预设时间段内获取的所述充电系数值均小于所述充电系数阈值时,判断所述电池存在故障。
于本发明一具体实施例中,根据以下算法中的一种或多种计算所述充电系数阈值:四分位阈值分割算法、正态分布过滤算法以及kmeans算法。
例如根据四分位阈值分割算法进行阈值的计算,可先以四分位数的第一分位为划分,获得所述充电系数阈值。然而简单的对于四分位作划分,无法精细地考虑到一些极端情况,可能将正常的单车也列入问题清单内,为了提高预测的准确率,可以使用其他的异常检测算法,例如使用正态分布过滤和/或kmeans算法来优化阈值的选择,对于最后的结果提高了预测的精度。
于本发明一具体实施例中,所述充电系数阈值包括根据所述四分位阈值分割算法获取的第一充电系数阈值、根据所述正态分布过滤算法获取的第二充电系数阈值以及根据所述kmeans算法获取的第三充电系数阈值,当所述充电系数值均小于所述第一充电系数阈值、第二充电系数阈值以及第三充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
例如,在一具体实施例中,针对每辆单车,获取它在每天11点到14点之间的充电电流,找出那些电压在一小时内有明显上升的单车,将同一小时末尾上报的电压值较同一小时初所上报的电压计算差值,记该小时内该单车的电压变化值为deltaV;
同样的,以每个小时为单位时间,每间隔一时间间隔获取一次电流,对这些单车的每小时内的电流记录点进行求和,作为其该小时内的总电流输入量记为Q=I1+I2+I3+…;假设总电流与电压之间有个转换系数为常数K(K值对每辆单车而言是个不同的常数),使得KQ=deltaV,则1/K=Q/deltaV,1/K记为T,T即为上述所述的充电系数值,T代表每单位电压的上升,所需要的电流输入量,这个T值越小,说明电压上升速度越快,代表电池组中有几节电池没有进行充电。
这样,对于一辆单车而言,在一天时间内可以得到4个T值,分为时11、12、13、14点每小时所计算出来的,如果这4个T值都比较小,小于某个充电系数阈值,那么可以认为这辆单车在当天的充电有异常,进一步推断其电池组存在故障。
对于充电系数阈值的设定,可以选择四分位阈值分割算法、正态分布过滤算法以及kmeans算法,该3种不同的算法分别计算充电系数阈值,若一辆单车一天内的4个T值都小于3个不同算法所产生的充电系数阈值,可以断定这辆车电池组存在故障的可能性极高。例如,该充电系数阈值的设定,按照经验数据,先以四分位数的第一分位为划分。
在另一具体实施例中,直接使用当天电池的电流记录求和,作为其当日的总能量输入记为tE,记录当日11点至14点期间的电压变化值记为deltaV,将tE/deltaV记作totalestimateecurrent_per_detaV,若该值小于某个阈值,则认为该单车存在问题。阈值的设定上,按照经验数据,先以四分位数的第一分位为划分。
由于原始数据会包含充电及放电过程,以及大量的重复脏数据,需要对原始数据进行处理,于本发明一具体实施例中,当在所述预设时间段内获取到无效的所述单次电流时,放弃关于所述预设时间段内获取到的所有数据。例如,对每辆单车11点到14点之间上报的无效数据,出现一次异常数据即放弃该无效数据对应的1小时的时间段内的所有数据,不做处理;2、由于电压上升期间可能伴随着电压下降,但最终电压确实增加了,需要将这种情况剔除,只保留下来只充电无放电的时间段,可以有效地减少异常数据对于最后结果的影响。
或者,在另一具体实施例中,当在所述预设时间段内获取到无效的所述单次电流占所述预设时间段内获取到所有所述单次电流的比例大于预设电流比例阈值时,放弃关于所述预设时间段内获取到的所有数据。例如无效的所述单次电流占所述预设时间段内获取到所有所述单次电流的比例大于10%时,放弃关于所述预设时间段内获取到的所有数据。例如,对于太阳能电池,在充电过程中,考虑到因为元器件数值误差、阳光被乌云遮挡等情况下,上报的电流记录内会存在多个为0的值,对于出现0电流次数过多的需要进行剔除,具体来说,当该单车该小时内上报的电流值为0的次数占到该单车该小时内所有报的电流记录超过比例阈值(例如10%)时,就将该单车该小时内的所有数据删除不再进行计算,这样可以保证与其他单车的充电过程一致,减少中间充电过程暂停造成的计算误差。
于本发明一具体实施例中,当在所述预设时间段内获取到所述电池执行放电动作时,放弃关于所述预设时间段内获取到的所有数据。
若用户在骑行过程中,会增加GPS上报的频率,造成充电曲线异于平时静止待机的充电曲线,为此,需要分析用户骑行订单数据,只要出现骑行订单就删除该段数据所在的整个小时数据,等待其静止后再行计算。进一步的,于本发明一具体实施例中,所述电池应用于电驱车辆上,当在所述预设时间段内获取到关于所述电驱车辆的骑行订单时,放弃关于所述预设时间段内获取到的所有数据。
于本发明一具体实施例中,当判断所述电池存在故障时,获取存在故障的所述电池的地理位置和/或电池基本信息,且将所述电池的地理位置和/或电池基本信息发送于预设的运维端。所述电池基本信息例如包括电池的编号、电池的使用时间等。
在一具体实施例中,所述电池监测方法可以运行于具有所述电池的电驱车辆端,所述电驱车辆根据采集到的电池的电压和电流执行所述电池监测方法,且将所述电池监测方法的执行结果反馈至远端的服务器。在另一些实施例中,所述电池监测方法还可运行于与所述电驱车辆具有通信连接的远端服务器,该服务器获取所述电驱车辆向其反馈的关于所述电池的电压和电流,且该远端服务器根据获取到的关于所述电池的电压和电流执行所述电池监测方法,并根据执行结果判断该电池是否异常。
本发明的电池监测方法能快速预估出现问题的数量,且可以有效的获取和记录电池的各项数据,该电池可应用于电驱单车上,且可准确找到使用该问题电池的问题单车的所在位置,每日更新监控总体单车电池的健康情况。且可提高单车运行稳定性,在问题出现之前就可以更换单车电池,降低大规模问题发生额概率。
参阅图2,显示为本发明的电池监测装置在一具体实施例中的组成示意图。所述电池监测装置1包括:电流获取模块11、电压获取模块12、充电系数值计算模块13以及比较判断模块14。
所述电流获取模块11用以以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;
所述电压获取模块12用以获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;
所述充电系数值计算模块13用以根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;
所述比较判断模块14用以将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
所述电池监测装置1为与所述电池监测方法对应的方法项,两者技术方案一一对应,所有关于所述电池监测方法的描述均可应用于本实施例中,在此不加赘述。
参阅图3,显示为本发明的电子设备在一具体实施例中的组成示意图。所述电子设备2包括处理器21及存储器22;所述处理器21用于执行所述存储器22存储的计算机程序,以使所述电子设备2执行如上任一项所述的电池监测方法。
所述存储器22可包括高速随机存取存储器,并且还可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中,存储器22还可以包括远离一个或多个处理器21的存储器22,例如经由RF电路或外部端口以及通信网络访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等,或其适当组合。存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器22的访问。
所述处理器21可操作地与存储器22和/或非易失性存储设备耦接。更具体地,处理器21可执行在存储器22和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器21可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
所述电子设备2例如为应用所述电池的电驱车辆,所述电驱车辆可将关于所述电池的各数据上传至预设的服务器端,所述电子设备2还可以为与所述电驱车辆具有通信连接的远端服务器。
综上所述,本发明提供一种电池监测方法、装置及电子设备,其中所述电池监测方法包括以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。本发明可有效的获取电池的充电数据,且根据电池的充电数据判断电池的健康状况,以便运维人员及时的对判断为故障的电池进行更替或维修,提高用户使用体验,增加电池维护效率和有效性。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (13)
1.一种电池监测方法,其特征在于,所述方法包括:
以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;
获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;
根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;
将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
2.根据权利要求1所述的电池监测方法,其特征在于,设定多个所述预设时间段,且分别计算多个所述预设时间段内所述电池的充电系数值,且当多个所述预设时间段内获取的所述充电系数值小于所述充电系数阈值的比例大于预设异常比例阈值时,判断多个所述预设时间段内电池充电异常的比例大于所述预设异常比例阈值,进而判断所述电池存在故障。
3.根据权利要求2所述的电池监测方法,其特征在于,当多个所述预设时间段内获取的所述充电系数值均小于所述充电系数阈值时,判断所述电池存在故障。
4.根据权利要求1所述的电池监测方法,其特征在于,根据以下算法中的一种或多种计算所述充电系数阈值:四分位阈值分割算法、正态分布过滤算法以及kmeans算法。
5.根据权利要求4所述的电池监测方法,其特征在于,所述充电系数阈值包括根据所述四分位阈值分割算法获取的第一充电系数阈值、根据所述正态分布过滤算法获取的第二充电系数阈值以及根据所述kmeans算法获取的第三充电系数阈值,当所述充电系数值均小于所述第一充电系数阈值、第二充电系数阈值以及第三充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
6.根据权利要求1所述的电池监测方法,其特征在于,当在所述预设时间段内获取到无效的所述单次电流时,放弃关于所述预设时间段内获取到的所有数据。
7.根据权利要求6所述的电池监测方法,其特征在于,当在所述预设时间段内获取到无效的所述单次电流占所述预设时间段内获取到所有所述单次电流的比例大于预设电流比例阈值时,放弃关于所述预设时间段内获取到的所有数据。
8.根据权利要求1所述的电池监测方法,其特征在于,当在所述预设时间段内获取到所述电池执行放电动作时,放弃关于所述预设时间段内获取到的所有数据。
9.根据权利要求1所述的电池监测方法,其特征在于,所述电池应用于电驱车辆上,当在所述预设时间段内获取到关于所述电驱车辆的骑行订单时,放弃关于所述预设时间段内获取到的所有数据。
10.根据权利要求1所述的电池监测方法,其特征在于,当判断所述电池存在故障时,获取存在故障的所述电池的地理位置和/或电池基本信息,且将所述电池的地理位置和/或电池基本信息发送于预设的运维端。
11.一种电池监测装置,其特征在于,所述装置包括:
电流获取模块,用以以预设时间周期获取预设时间段内的电池的单次电流,且对在所述预设时间段内获取的所有所述单次电流进行求和以获得总电流;
电压获取模块,用以获取所述预设时间段内的电池的初始电压和末尾电压,且根据所述末尾电压和所述初始电压的差值计算所述预设时间段内的关于所述电池的变化电压;
充电系数值计算模块,用以根据所述总电流和所述变化电压的比值获取所述电池关于所述预设时间段内的充电系数值;
比较判断模块,用以将所述充电系数值与预设充电系数阈值进行比较,当所述充电系数值小于所述充电系数阈值时,判断所述电池在所述预设时间段内充电异常。
12.一种电子设备,其特征在于,包括处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行如权利要求1至10中任一项所述的电池监测方法。
13.根据权利要求12所述的电子设备,其特征在于,所述电子设备为应用所述电池的电驱车辆或者所述电子设备为与所述电驱车辆具有通信连接的远端服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910438168.3A CN110133531B (zh) | 2019-05-24 | 2019-05-24 | 一种电池监测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910438168.3A CN110133531B (zh) | 2019-05-24 | 2019-05-24 | 一种电池监测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110133531A true CN110133531A (zh) | 2019-08-16 |
CN110133531B CN110133531B (zh) | 2020-08-21 |
Family
ID=67573137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910438168.3A Active CN110133531B (zh) | 2019-05-24 | 2019-05-24 | 一种电池监测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110133531B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824376A (zh) * | 2019-11-12 | 2020-02-21 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包异常的检测方法、装置、存储介质和电子设备 |
CN111641384A (zh) * | 2020-04-28 | 2020-09-08 | 特变电工新疆新能源股份有限公司 | 光伏电站组串故障诊断方法、装置、设备及可读存储介质 |
CN111856307A (zh) * | 2020-07-09 | 2020-10-30 | 深圳市欣旺达综合能源服务有限公司 | 估算电池SoH的方法、装置、存储介质及智能设备 |
CN112018853A (zh) * | 2020-09-04 | 2020-12-01 | 江西江铃集团新能源汽车有限公司 | 纯电动汽车电池充电保护方法及装置 |
CN114114056A (zh) * | 2022-01-25 | 2022-03-01 | 深圳康普盾科技股份有限公司 | 一种换电柜的电池检测回收方法、***及存储介质 |
CN114475895A (zh) * | 2021-12-16 | 2022-05-13 | 北京骑胜科技有限公司 | 共享车辆及充电故障确定方法、介质和程序产品 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004152741A (ja) * | 2002-06-12 | 2004-05-27 | Toshiba Corp | 直接型メタノール燃料電池システム、燃料カートリッジ及び燃料カートリッジ用メモリ |
JP2008289270A (ja) * | 2007-05-17 | 2008-11-27 | Panasonic Corp | 蓄電装置 |
CN101806840A (zh) * | 2009-02-16 | 2010-08-18 | 上海华普汽车有限公司 | 一种汽车电量平衡的测试方法和装置 |
CN102057289A (zh) * | 2008-07-02 | 2011-05-11 | 松下电器产业株式会社 | 铅蓄电池的寿命推定方法以及电源*** |
CN102230953A (zh) * | 2011-06-20 | 2011-11-02 | 江南大学 | 蓄电池剩余容量及健康状况预测方法 |
CN102472794A (zh) * | 2010-03-29 | 2012-05-23 | 松下电器产业株式会社 | 二次电池的劣化诊断方法及劣化诊断装置 |
CN102495372A (zh) * | 2011-11-29 | 2012-06-13 | 北京科诺伟业科技有限公司 | 一种风电机组变桨距***蓄电池容量检测方法 |
CN104965176A (zh) * | 2014-03-17 | 2015-10-07 | 原子能与替代能源委员会 | 电池电芯健康状态估计方法 |
CN106569136A (zh) * | 2016-10-19 | 2017-04-19 | 广州市香港科大***研究院 | 一种电池健康状态在线估计方法及*** |
CN107102263A (zh) * | 2016-02-22 | 2017-08-29 | 华为技术有限公司 | 检测电池健康状态的方法、装置和电池管理*** |
CN109001636A (zh) * | 2018-06-11 | 2018-12-14 | 北京新能源汽车股份有限公司 | 电池组的电池健康度的确定方法、装置、车辆及计算设备 |
-
2019
- 2019-05-24 CN CN201910438168.3A patent/CN110133531B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004152741A (ja) * | 2002-06-12 | 2004-05-27 | Toshiba Corp | 直接型メタノール燃料電池システム、燃料カートリッジ及び燃料カートリッジ用メモリ |
JP2008289270A (ja) * | 2007-05-17 | 2008-11-27 | Panasonic Corp | 蓄電装置 |
CN102057289A (zh) * | 2008-07-02 | 2011-05-11 | 松下电器产业株式会社 | 铅蓄电池的寿命推定方法以及电源*** |
CN101806840A (zh) * | 2009-02-16 | 2010-08-18 | 上海华普汽车有限公司 | 一种汽车电量平衡的测试方法和装置 |
CN102472794A (zh) * | 2010-03-29 | 2012-05-23 | 松下电器产业株式会社 | 二次电池的劣化诊断方法及劣化诊断装置 |
CN102230953A (zh) * | 2011-06-20 | 2011-11-02 | 江南大学 | 蓄电池剩余容量及健康状况预测方法 |
CN102495372A (zh) * | 2011-11-29 | 2012-06-13 | 北京科诺伟业科技有限公司 | 一种风电机组变桨距***蓄电池容量检测方法 |
CN104965176A (zh) * | 2014-03-17 | 2015-10-07 | 原子能与替代能源委员会 | 电池电芯健康状态估计方法 |
CN107102263A (zh) * | 2016-02-22 | 2017-08-29 | 华为技术有限公司 | 检测电池健康状态的方法、装置和电池管理*** |
CN106569136A (zh) * | 2016-10-19 | 2017-04-19 | 广州市香港科大***研究院 | 一种电池健康状态在线估计方法及*** |
CN109001636A (zh) * | 2018-06-11 | 2018-12-14 | 北京新能源汽车股份有限公司 | 电池组的电池健康度的确定方法、装置、车辆及计算设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824376A (zh) * | 2019-11-12 | 2020-02-21 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包异常的检测方法、装置、存储介质和电子设备 |
CN111641384A (zh) * | 2020-04-28 | 2020-09-08 | 特变电工新疆新能源股份有限公司 | 光伏电站组串故障诊断方法、装置、设备及可读存储介质 |
CN111856307A (zh) * | 2020-07-09 | 2020-10-30 | 深圳市欣旺达综合能源服务有限公司 | 估算电池SoH的方法、装置、存储介质及智能设备 |
CN111856307B (zh) * | 2020-07-09 | 2023-09-15 | 深圳市欣旺达能源科技有限公司 | 估算电池SoH的方法、装置、存储介质及智能设备 |
CN112018853A (zh) * | 2020-09-04 | 2020-12-01 | 江西江铃集团新能源汽车有限公司 | 纯电动汽车电池充电保护方法及装置 |
CN114475895A (zh) * | 2021-12-16 | 2022-05-13 | 北京骑胜科技有限公司 | 共享车辆及充电故障确定方法、介质和程序产品 |
CN114114056A (zh) * | 2022-01-25 | 2022-03-01 | 深圳康普盾科技股份有限公司 | 一种换电柜的电池检测回收方法、***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110133531B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110133531A (zh) | 一种电池监测方法、装置及电子设备 | |
CN110133508B (zh) | 电动汽车动力电池的安全预警方法 | |
Li et al. | Battery degradation diagnosis with field data, impedance-based modeling and artificial intelligence | |
He et al. | Prognostics of lithium-ion batteries based on Dempster–Shafer theory and the Bayesian Monte Carlo method | |
CN108544925A (zh) | 电池管理*** | |
CN109886475B (zh) | 基于ai的计量自动化***的信息安全态势感知*** | |
WO2015188804A1 (de) | Elektronische schaltung zum vereinfachten betrieb von mehrpunktumrichtern | |
CN106529723A (zh) | 基于监控平台实现光伏电站清洗周期估计的方法 | |
CN107942261B (zh) | 电池荷电状态的估计方法及*** | |
CN110888077A (zh) | 一种基于arima时间序列的锂离子电池寿命加速评估方法 | |
CN106651007A (zh) | 基于gru的光伏电站辐照度中长期预测的方法及装置 | |
CN104915552A (zh) | 一种预测***故障的方法及装置 | |
Bockrath et al. | State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries | |
CN102945200A (zh) | 充电剩余时间估计方法、装置及移动设备 | |
CN113406496B (zh) | 基于模型迁移的电池容量预测方法、***、装置及介质 | |
WO2021052540A1 (de) | Zustandswert für wiederaufladbare batterien | |
CN108205114A (zh) | 电池寿命的预测方法及*** | |
CN107819815A (zh) | 基于复合物联网的电表故障提示方法及物联网*** | |
CN115577637A (zh) | 一种知识和数据融合的电源***剩余寿命预计方法 | |
CN113792939A (zh) | 基于混合威布尔分布的电能表可靠性预测方法及装置 | |
Yin et al. | Remaining useful life prognostics for lithium-ion battery based on Gaussian processing regression combined with the empirical model | |
CN115656831B (zh) | 一种电池单体电压多步超前预测和故障诊断方法 | |
Bernards et al. | Statistical modelling of load profiles incorporating correlations using copula | |
CN117033887A (zh) | 锂离子电池包模块自放电率计算方法及*** | |
Aslan et al. | A Review on The Battery State of Charge Estimation Methods For Electric Vehicle Battery Management Systems |
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 |