CN110927606B - 电池状态监测方法、装置 - Google Patents
电池状态监测方法、装置 Download PDFInfo
- Publication number
- CN110927606B CN110927606B CN201911071955.5A CN201911071955A CN110927606B CN 110927606 B CN110927606 B CN 110927606B CN 201911071955 A CN201911071955 A CN 201911071955A CN 110927606 B CN110927606 B CN 110927606B
- Authority
- CN
- China
- Prior art keywords
- battery
- value
- historical
- characteristic parameter
- internal resistance
- 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.)
- Active
Links
Images
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请的实施例提供了一种电池状态监测方法、装置、计算机可读介质及电子设备。该监测方法包括:获取电池的第一特征参数;根据所述电池的第一特征参数,确定所述电池的第二特征参数;将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型,输出电池状态参数;基于所述电池状态参数,监测所述电池的状态。本申请实施例的技术方案可以增强在不同情况下对电池状态进行监测的可移植性。
Description
技术领域
本申请涉及电源监测技术领域,具体而言,涉及一种电池状态监测方法、装置。
背景技术
在电池状态监测场景中,比如在UPS电池健康状况的监测场景中,通常是由专人定期对电池进行放电测试,检测电池容量,以实际容量与额定容量的比值作为电池健康状况的表征,或者是在线自动监测电池状态,即通过大量的实验(尤其是充放电实验)数据作为基础,建立相对应的数学模型或智能算法,并通过电池巡检仪等自动化***采集电池数据来评估电池健康状况。但是,如何能够增强在不同情况下对电池状态进行监测的可移植性是亟待解决的技术问题。
发明内容
本申请的实施例提供了一种电池状态监测方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以增强在不同情况下对电池状态进行监测的可移植性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种电池状态监测方法,包括:获取电池的第一特征参数;根据所述电池的第一特征参数,确定所述电池的第二特征参数;将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型,输出电池状态参数;基于所述电池状态参数,监测所述电池的状态。
根据本申请实施例的一个方面,提供了一种电池状态监测装置,包括:获取单元,被用于获取电池的第一特征参数;确定单元,被用于根据所述电池的第一特征参数,确定所述电池的第二特征参数;输出单元,被用于将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型,以输出电池状态参数;监测单元,被用于基于所述电池状态参数,监测所述电池的状态。
在本申请的一些实施例中,基于前述方案,所述获取单元配置为:获取所述电池在历史上各个时刻的第一特征参数和电池在历史上的衰退时间区间;所述确定单元配置为:根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数,以及根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态;所述电池状态监测装置还包括:模型训练单元,被用于基于所述电池在历史上各个时刻的第一特征参数和/或第二特征参数,以及在历史上各个时刻的电池状态,训练生成所述电池状态监测模型。
在本申请的一些实施例中,基于前述方案,所述获取单元配置为:采集所述电池在历史上各个时刻的初始特征参数;检测所述初始特征参数是否存在异常;获取所述不存在异常的初始特征参数作为第一特征参数。
在本申请的一些实施例中,基于前述方案,所述获取单元配置为:采集电池在历史上各个时刻的电流值和/或电压值和/或内阻值和/或温度值。
在本申请的一些实施例中,基于前述方案,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电流值,所述获取单元配置为:在根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数之前,检测所述电池在历史上各个时刻的电流值是否大于预定阈值;过滤所述电流值大于预定阈值的时刻所对应的第一特征参数。
在本申请的一些实施例中,基于前述方案,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电压值和/或内阻值,所述确定单元配置为:根据所述电池在历史上各个时刻的电压值和/或内阻值,确定所述电池在历史上各个时刻的相对电压值和/或相对内阻值和/或电压变化值和/或内阻变化值和/或电压梯度值和/或内阻梯度值和/或电压内阻比值。
在本申请的一些实施例中,基于前述方案,所述获取单元配置为:确定所述电池满足故障更换条件的第一时刻和对所述电池进行更换的第二时刻;确定所述电池进入故障状态前经历的性能衰退时间;根据所述第一时刻和第二时刻,以及所述电池进入故障状态前经历的性能衰退时间,确定所述电池在历史上的衰退时间区间。
在本申请的一些实施例中,基于前述方案,所述确定单元配置为:将所述衰退时间区间内各个时刻的电池状态确定为预警状态;将除所述衰退时间区间之外的其它时间区间内各个时刻的电池状态确定为健康状态。
在本申请的一些实施例中,基于前述方案,所述确定单元配置为:确定所述衰退时间区间内的子衰退时间区间,所述电池在不同子衰退时间区间内的衰退程度不同;根据所述电池在不同子衰退时间区间内的衰退程度,确定所述电池在不同子衰退时间区间内的预警状态等级。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的电池状态监测方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的电池状态监测方法。
在本申请的一些实施例所提供的技术方案中,以获取电池的第一特征参数和由所述第一特征参数确定的第二特征参数作为输入数据,通过所述事先训练电池状态监测模型输出电池状态参数,进一步的由所述电池状态参数监测所述电池的状态。由于本申请的技术方案不需要事先建立固定的评估模型,而是通过电池历史数据训练得到所述电池状态监测模型,因此不会受限于某一特定的电池型号或使用场景,故使得本申请的技术方案的可移植性强。此外,本申请的技术方案实现了电池状态监测的全过程自动化,在线监控和处理数据,无需人工建立固定数学模型,极大地节约了现场和技术上投入的人力成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性***架构的示意图;
图2示出了根据本申请的一个实施例的电池状态监测方法的流程图;
图3示出了根据本申请的一个实施例的获得所述电池状态监测模型的细节流程图;
图4示出了根据本申请的一个实施例的获取所述电池在历史上各个时刻的第一特征参数的流程图;
图5示出了根据本申请的一个实施例的获取所述电池在历史上各个时刻的第一特征参数的细节流程图;
图6示出了根据本申请的一个实施例的在确定所述电池在历史上各个时刻的第二特征参数之前的方法流程图;
图7示出了根据本申请的一个实施例的获取电池在历史上的衰退时间区间的细节流程图;
图8示出了根据本申请的一个实施例的确定所述电池在历史上各个时刻的电池状态的细节流程图;
图9示出了根据本申请的一个实施例的将所述衰退时间区间内各个时刻的电池状态确定为预警状态的细节流程图;
图10示出了根据本申请的一个实施例的有监督学习方法的原理图;
图11示出了根据本申请的一个实施例的电池状态监测方法的场景示意图;
图12示出了根据本申请的一个实施例的电池状态监测装置的框图;
图13示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性***架构的示意图。
如图1所示,***架构可以包括终端设备(如图1中所示智能手机101、平板电脑102和便携式计算机103中的一种或多种,当然也可以是台式计算机等等)或者装置、网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
在本申请的一个实施例中,可以是远程的监测电池状态。例如,可以是通过如图1所示的智能手机101等终端设备远程监控安装在服务器105中的电池。具体的,可以是由服务器105中的数据采集设备获取服务器105中电池的第一特征数据,智能手机101通过网络104获取所述的第一特征数据,并根据第一特征数据确定第二特征数据,进一步的,将所述电池的第一特征参数和/或第二特征参数输入设置在智能手机101中的电池状态监测模型,进而输出能够监测电池状态的电池状态参数。
在本申请的一个实施例中,也可以是在本地对电池状态进行监测。例如,可以是通过设置在设备中的监测装置在本地监测安装在设备中的电池,所述监测装置中设置有电池状态监测模型。
需要说明的是,本申请实施例所提供的电池状态监测方法一般由服务器105执行,相应地,电池状态监测装置一般设置于服务器105中。但是,在本申请的其它实施例中,终端设备也可以与服务器具有相似的功能,从而执行本申请实施例所提供的电池状态监测方案。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
根据本公开的第一方面,提供了一种电池状态监测方法。
参见图2,示出了根据本申请的一个实施例的电池状态监测方法的流程图,该电池状态监测方法可以由具有计算处理功能的设备来执行,比如可以由图1中所示的服务器105来执行,或者由如图3中所示的终端设备来执行。如图2所示,该电池状态监测方法至少包括步骤310至步骤370:
步骤310,获取电池的第一特征参数。
步骤330,根据所述电池的第一特征参数,确定所述电池的第二特征参数。
步骤350,将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型,输出电池状态参数。
步骤370,基于所述电池状态参数,监测所述电池的状态。
下面将对如上实施步骤进行详细说明:
在步骤310中,获取电池的第一特征参数。
需要注意的是,所述获取的电池的第一特征参数主要是用于实时监测所述电池的状态,因此,所获取的第一特征参数是指实时的第一特征参数。
在本申请中,所述电池可以包括一个单电池,其中,一个单电池对应一个或者一组第一特征参数,所述一组第一特征参数包括多个第一特征参数。
在本申请中,所述电池也可以包括一组单电池。需要注意的是,一组单电池中包括多个单电池,应该理解的是,多个单电池应该对应多个或者多组第一特征参数。
在本申请的一个实施例中,所述获取电池的第一特征参数可以通过如下方式实现:
首先,通过采集设备采集所述电池的初始特征参数。然后,检测所述初始特征参数是否存在异常。最后,获取所述不存在异常的初始特征参数作为第一特征参数。
在一个实施例的具体实现中,所述采集电池的初始特征参数至少可以包括如下的一种:
第一种、采集电池的实时电流值。
第二种、采集电池的实时电压值。
第三种、采集电池的实时内阻值。
第四种、采集电池的实时温度值。
在本申请的一个实施例中,所述电池可以是指UPS电池,所述采集的电池初始特征参数是指在UPS电池处于浮充状态下的电流值和/或电压值和/或内阻值和/或温度值。
需要解释的是,所述电池浮充是指电池组的一种供(放)电工作方式,即***将电池与电源线路并联连接到负载电路上,它的电压大体上是恒定的,仅略高于电池的端电压,由电源线路所供的少量电流来补偿电池局部作用的损耗,以使其能经常保持在充电满足状态而不致过充电。因此,电池可随电源线路电压上下波动而进行充放电。当负载较轻而电源线路电压较高时,电池即进行充电,当负载较重或电源发生意外中断时,电池则进行放电,分担部分或全部负载。这样,电池便起到稳压作用,并处于备用状态。
在本申请的一个实施例中,所述初始特征参数的异常可以是指所述初始特征参数出现过大或者过小的情况,还可以是指所述初始特征参数出现缺失的情况。
需要注意的是,在本申请中,若所述电池的初始特征参数是指一组初始特征参数,即包括多个初始特征参数,那么当所述一组初始特征参数中的一个初始特征参数出现异常时,即认为所述一组初始特征参数出现异常,因此,所述一组初始特征参数将不被获取。
例如,所述电池的初始特征参数包括电流值、电压值、内阻值以及温度值。若电流值出现缺失的情况,那么即使所述电池的电压值、内阻值以及温度值正常,也将不被获取作为第一特征参数。
继续参照图2,在步骤330中,根据所述电池的第一特征参数,确定所述电池的第二特征参数。
在本申请的一个实施例中,所述电池的第一特征参数包括电流值,在根据所述第一特征参数,确定所述电池的第二特征参数之前,所述方法还包括:检测所述电池的电流值是否大于预定阈值;过滤所述电流值大于预定阈值的所对应的第一特征参数。
具体的,例如,所述电池的第一特征参数包括电流值、电压值、内阻值以及温度值。若电流值大于预定的阈值,那么包括所述电流值、电压值、内阻值以及温度值在内的第一特征参数将被过滤。
在本申请的一个实施例中,所述电池的第一特征参数可以至少包括电池电压值和电池内阻值中的一种,所述根据第一特征参数,确定所述电池的第二特征参数,至少包括如下所示方式的一种:
第一种、根据所述电池的电压值,确定所述电池的相对电压值。
第二种、根据所述电池的电压值,确定所述电池的电压变化值。
第三种、根据所述电池的电压值,确定所述电池的电压梯度值。
第四种、根据所述电池的内阻值,确定所述电池的相对内阻值。
第五种、根据所述电池的内阻值,确定所述电池的内阻变化值。
第六种、根据所述电池的内阻值,确定所述电池的内阻梯度值。
第七种、根据所述电池的电压值和内阻值,确定所述电池的电压内阻比值。
如上所述,可以理解的是,所述根据第一特征参数,确定所述电池的第二特征参数的方式可以是任意的,并不限于如上所示出的那些。
继续参照图2,在步骤350中,将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型,输出电池状态参数。
在本申请的一个实施例中,所述电池状态监测模型可以通过如图3所示的方法获得。
参见图3,示出了根据本申请的一个实施例的获得所述电池状态监测模型的方法的细节流程图,具体可包括步骤3530至3570:
步骤3530,获取所述电池在历史上各个时刻的第一特征参数,以根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数。
在一个实施例的具体实现中,所述获取所述电池在历史上各个时刻的第一特征参数可以通过如图4所示的步骤实现。
参见图4,示出了根据本申请的一个实施例的获得所述电池状态监测模型的细节流程图,具体可包括步骤3531至3533:
步骤3531,采集所述电池在历史上各个时刻的初始特征参数。
需要注意的是,所述初始特征参数可以是一个初始特征参数,也可以是一组初始特征参数,其中,一组初始特征参数可以包括多个初始特征参数。
本申请中,在训练所述电池状态监测模型之前,可以通过传感器实时采集电池单体的初始特征参数并将数据保存。对于本领域技术人员而言,应该理解的是,所述初始特征参数的采集需要进行一段足够长的时间并持续进行,如此可以采集所述电池在历史上各个时刻的初始特征参数。还需要理解的是,所述历史上每一相邻时刻之间的时间间隔可以是任意的,例如,可以是1秒、也可以是1分钟。如果所述历史上每一相邻时刻之间的时间间隔是1秒,那么在1小时之内,应该采集到60×60个或者是60×60组所述电池的初始特征参数。
在本申请中,所述电池可以是一个电池,即一个单体电池,也可以是一组电池,即多个单体电池。如所述电池包括多个单体电池,每一个时刻,应该采集到多个或者多组初始特征参数。例如,所述电池包括10个单体电池,所述历史上每一相邻时刻之间的时间间隔是1秒,那么在1小时之内,应该采集到10×60×60个或者是10×60×60组所述电池的初始特征参数。
具体的,所述采集电池在历史上各个时刻的初始特征参数至少可以包括如下一种:
第一种、采集所述电池在历史上各个时刻的电流值。
第二种、采集所述电池在历史上各个时刻的电压值。
第三种、采集所述电池在历史上各个时刻的内阻值。
第四种、采集所述电池在历史上各个时刻的温度值。
步骤3532,检测所述初始特征参数是否存在异常。
步骤3533,获取所述不存在异常的初始特征参数作为第一特征参数。
在一个实施例的具体实现中,所述采集的电池在历史上各个时刻的初始特征参数包括所述电池的电流值、电压值、内阻值以及温度值在内的一组初始特征参数。所述检测所述初始特征参数是否存在异常,获取所述不存在异常的初始特征参数作为第一特征参数,可以通过如图5所示的流程实施。
参见图5,示出了根据本申请的一个实施例的获取所述电池在历史上各个时刻的第一特征参数的细节流程图,具体内容如下:
首先,输入一组包括所述电池的电流值、电压值、内阻值以及温度值在内的初始特征参数。其次,依次检测所述电池的电压值、电流值、内阻值以及温度值是否存在异常或者缺失,若存在一个,则丢弃这组初始特征参数,若均不存在,则输出这组初始特征参数作为第一特征参数。
在本申请中,更优的是,所述获取的电池的第一特征参数的数据样本的可以是足够多的。
上述实施例中具体实现的好处在于:由于现场采集的数据通常不是完全可靠的,传感器读数异常时有发生。当单体电池在某个时刻的某个特征参数(如电压值)超出了设定的阈值,便判定该值为“异常”。此外,数据传输过程也存在一定的丢包率,导致数据缺失,即某个时刻的某个特征参数(如电压值)保存的值为空值。因此,通过检测所述初始特征参数以对数据进行清洗,可以保证用于模型训练的样本数据是合理的。
在一个实施例的具体实现中,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电流值,在根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数之前,还可以实施如图6所示的方法步骤。
参见图6,示出了根据本申请的一个实施例的在确定所述电池在历史上各个时刻的第二特征参数之前的方法流程图,具体可包括步骤3511至3512:
步骤3511,检测所述电池在历史上各个时刻的电流值是否大于预定阈值。
步骤3512,过滤所述电流值大于预定阈值的时刻所对应的第一特征参数。
具体的,所述电流值的预定阈值可以根据实际情况设定,例如,可以设定为2A(安培),也可以设定为3A(安培)。
上述实施例中的具体实现的好处在于:通过检测所述电池在历史上各个时刻的电流值是否大于预定阈值,可以判定所述时刻所对应的电池是否处于浮充状态。在本申请中,获取处于浮充状态下电池的第一特征数据有利于训练出更加适用的电池状态监测模型。
在一个实施例的具体实现中,所述电池在历史上各个时刻的第一特征参数至少包括所述电池在历史上各个时刻的电压值和所述电池在历史上各个时刻的内阻值中的一种,所述根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数,至少包括如下所示方式的一种:
第一种、根据所述电池在历史上各个时刻的电压值,确定所述电池在历史上各个时刻的相对电压值。
具体的,所述电池在历史上各个时刻的相对电压值可以根据如下公式获得:
其中,RVi t表示所述电池(电池组)中第i个单体电池在历史上的t时刻的相对电压值、Vi t表示所述电池(电池组)中第i个单体电池在历史上的t时刻的电压值、G表示所述电池(电池组)中单体电池的数量。
第二种、根据所述电池在历史上各个时刻的电压值,确定所述电池在历史上各个时刻的电压变化值。
具体的,所述电池在历史上各个时刻的电压变化值可以根据如下公式获得:
其中,表示单体电池在历史上t时刻的电压值相对于t-Tchange至t-Tchange+interval时间区间内平均电压值的变化值;Vi t表示所述电池(电池组)中第i个单体电池在历史上的t时刻的电压值;interval表示在t-Tchange至t-Tchange+interval时间区间内时刻的个数。
第三种、根据所述电池在历史上各个时刻的电压值,确定所述电池在历史上各个时刻的电压梯度值。
具体的,所述电池在历史上各个时刻的电压梯度值可以根据如下计算过程获得:
具体的,最小二乘线性拟合是指找到两个实数a0和a1,使得如下公式最小化:
第四种、根据所述电池在历史上各个时刻的内阻值,确定所述电池在历史上各个时刻的相对内阻值。
具体的,所述电池在历史上各个时刻的相对内阻值可以根据如下公式获得:
第五种、根据所述电池在历史上各个时刻的内阻值,确定所述电池在历史上各个时刻的内阻变化值。
具体的,所述电池在历史上各个时刻的内阻变化值可以根据如下公式获得:
其中,表示单体电池在历史上t时刻的内阻值相对于t-Tchange至t-Tchange+interval时间区间内的平均内阻值的变化值;表示所述电池(电池组)中第i个单体电池在历史上的t时刻的内阻值;interval表示在t-Tchange至t-Tchange+interval时间区间内时刻的个数。
第六种、根据所述电池在历史上各个时刻的内阻值,确定所述电池在历史上各个时刻的内阻梯度值。
具体的,所述电池在历史上各个时刻的内阻梯度值可以根据如下计算过程获得:
具体的,最小二乘线性拟合是指找到两个实数a0和a1,使得如下公式最小化:
第七种、根据所述电池在历史上各个时刻的电压值和内阻值,确定所述电池在历史上各个时刻的电压内阻比值。
如上所述,可以理解的是,所述根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数的方式可以是任意的,并不限于如上所示出的那些。
步骤3550,获取电池在历史上的衰退时间区间,以根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态。
在一个实施例的具体实现中,所述获取电池在历史上的衰退时间区间可以通过如图7所示的步骤实现。
参见图7,示出了根据本申请的一个实施例的获取电池在历史上的衰退时间区间的细节流程图,具体可包括步骤3551至3553:
步骤3551,确定所述电池满足故障更换条件的第一时刻和对所述电池进行更换的第二时刻。
步骤3552,确定所述电池进入故障状态前经历的性能衰退时间。
步骤3553根据所述第一时刻和第二时刻,以及所述电池进入故障状态前经历的性能衰退时间,确定所述电池在历史上的衰退时间区间。
在本申请中,电池一般会经历从正常运行到开始出现故障,从出现故障到更换,从更换到正常运行的周期过程。因此,在上述实施例的具体实现中,可以将电池在电池满足故障更换条件的第一时刻之前的一段时间以及电池从所述第一时刻到进行更换的第二时刻之间的时间区间作为衰退时间区间。
在一个实施例的具体实现中,所述根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态可以通过如图8所示的步骤实现。
参见图8,示出了根据本申请的一个实施例的确定所述电池在历史上各个时刻的电池状态的细节流程图,具体可包括步骤3554至3555:
步骤3554,将所述衰退时间区间内各个时刻的电池状态确定为预警状态。
步骤3555,将除所述衰退时间区间之外的其它时间区间内各个时刻的电池状态确定为健康状态。
具体的,在本实施例的具体实现中,可以通过打标签的形式来标记电池在不同时刻的状态,具体的打标签规则可以是:
首先,根据获取到的数据确定电池满足故障更换条件的第一时刻t1、对所述电池进行更换的第二时刻t2以及所述电池在更换后数据平稳的时刻t3。然后,将所述电池在t1-Tdecay至t2的时间区间内的各个时刻标记为“预警”状态标签。最后,将所述电池在时刻t1-Tdecay-1之前的时间区间和所述电池在时刻t3之后的时间区间内的各个时刻标记为“健康”状态标签。
需要注意的是,上述中的Tdecay可以用于描述所述电池在进入故障状态前经历的性能衰退时间,可根据现场专家经验确定。
在一个实施例的具体实现中,将所述衰退时间区间内各个时刻的电池状态确定为预警状态可以通过如图9所示的步骤实现。
参见图9,示出了根据本申请的一个实施例的将所述衰退时间区间内各个时刻的电池状态确定为预警状态的细节流程图,具体可包括步骤35541至35542:
步骤35541,确定所述衰退时间区间内的子衰退时间区间,所述电池在不同子衰退时间区间内的衰退程度不同。
步骤35542,根据所述电池在不同子衰退时间区间内的衰退程度,确定所述电池在不同子衰退时间区间内的预警状态等级。
可以理解的是,在本实施例的具体实现中,可以通过所述预警状态等级来对所述衰退时间区间内电池的预警状态进行更为细化的度量。在本申请中,可以认为预警状态等级越高,所述电池不健康的概率越高,即预警状态越紧急。具体的,例如,可以将预警状态分为“1、2、3、4”四个等级,将所述衰退时间区间分为四个子区间,其中,对于距离对所述电池进行更换的第二时刻t2越近的子区间,认为所述电池在此子区间不健康状态的概率越高,即预警状态等级越高。
步骤3570,基于所述电池在历史上各个时刻的第一特征参数和/或第二特征参数,以及在历史上各个时刻的电池状态,训练生成所述电池状态监测模型。
为了便于训练生成所述电池状态监测模型,在上述实施例的具体实现中,可以对所述电池的不同状态赋予不同的参数,其中,所述参数可以是用于表征所述电池出现不健康状态的预期概率值。例如,可以将所述电池的“健康”状态标签赋予小于50%的预期概率值,可以将所述电池的“预警”状态标签赋予大于50%小于100%的预期概率值,进一步的,可以将所述电池的“1级预警”状态标签赋予大于50%小于70%的预期概率值,可以将所述电池的“4级预警”状态标签赋予大于90%小于100%的预期概率值。在本申请的一个实施例中,可以是以有监督学习模型作为初始模型,训练生成所述电池状态监测模型。
参见图10,示出了根据本申请的一个实施例的有监督学习方法的原理图。
如图10所示,有监督学习是机器学习中的一种常用方法,它的每一条训练样本都由“输入向量”和对应的“预期输出”组成。基于这些“输入-输出对”并借助一定的算法,可以建立一个将输入映射到输出的模式(函数),依此模式推断新的实例。
用形式化的语言表述来说,由N个样本组成的训练集为{(x1,y1),……,(xN,yN)},其中xi是第i条样本的“特征向量”(即输入向量),yi是第i条样本的“标签”(即预期输出值,)。有监督学习方法试图找到一个函数g:使得损失函数最小化,其中X=(x1,x2,……)是输入空间,Y=(y1,y2,……)是输入空间对应的真实输出,是函数g的输出空间。有监督学习方法循环地执行优化算法,更新模型参数以更改函数g的表示,使得损失函数不断减小,直到达到某个事先指定的条件。
在本申请的一个实施例中,模型的输入是第一特征参数和/或第二特征参数,输出为该训练样本状态为“预警”的预测概率值。在训练过程中,模型通过一定的优化算法不断地更新参数,以减小预测概率值与预期概率值之间的误差,直到满足某个设定的条件,完成训练,生成所述电池状态监测模型。
在本申请的其它实施例中,用于训练所述电池状态监测模型的初始模型还可以是SVM等基于支持向量机的模型、或者是LR等基于线性回归的模型、或者是Logistic回归、或者是朴素贝叶斯模型、或者是LDA等基于线性判别分析的模型、或者是GBDT等基于决策树的模型、或者是ANN等基于神经网络的模型、或者是KNN等基于距离度量的模型、还或者是上述模型的混合或改进版本。
最后,在步骤350中,将所述电池的第一特征参数和/或第二特征参数输入在事先通过上述过程训练生成的电池状态监测模型,输出电池状态参数,即符合误差要求的预测概率值。
继续参照图2,在步骤370中,基于所述电池状态参数,监测所述电池的状态。
具体的,可以根据所述输出的电池状态参数,监测所述电池的状态。例如,在如前所述的实施例中,若所述输出的电池状态参数(预测概率值)为大于90%小于100%的预测概率值,则说明所述电池处于“4级预警”状态。
需要注意的是,如上所述预期概率值/预测概率值的意义在于:用于衡量所述电池出现不健康状态的可能性。当所述概率值超过一个阈值时,即当所述电池出现不健康状态的可能性超过一个程度时,可以认为所述电池进入“预警”状态,需要被预警,例如,当电池的预期概率值大于90%小于100%时,所述电池需要被4级预警。
为了使本领域技术人员更加理解本发明,以下将对本申请技术方案以具体场景实施例进行说明:
如图11,示出了根据本申请的一个实施例的电池状态监测方法的场景示意图。
如图所示,首先,场景中的控制中心通过采集模块采集安装在数据库中的UPS电池的初始特征数据,处理模块和提取模块用于对所述初始特征参数进行处理和提取,得到第一特征参数。一方面,历史上的第一特征参数可以进一步被处理,得到电池的10维特征参数和10维特征参数对应的状态标签,用于训练有监督学习模型,得到设置在检测模块中的电池状态监测模型。另一方面,实时的第一特征参数通过进一步处理,得到实时的电池的10维特征参数,将所述实时的电池的10维特征参数输入所述设置在检测模块中的电池状态监测模型,就可以得到实时的电池状态参数,进而实现对电池的实时监测,
本场景实施例的优点在于:
经济性。本发明实现了全过程自动化,在线监控和处理数据,无需人工建立数学模型,极大地节约了现场和技术上投入的人力成本。
实用性。本发明仅使用电池处在浮充状态的电压、内阻和温度进行健康度评估,符合使用现场充放电时间占比少、数据采集维度低的实际情况,适用于包含UPS电池在内的大多数储能蓄电池的使用场景
可移植性。本发明不事先建立评估模型,而是从采集的电池历史数据中学习,不受限于某一特定的电池型号或使用场景。
可靠性。本发明采用有监督学习的方式进行数据挖掘,根据专家经验标签化训练集,保证了最终模型的准确率。
便利性。本发明不需要再额外安装其它的设备,现场的电池巡检仪作为采集模块,其它模块在控制中心的计算机中实现。
在本申请的一些实施例所提供的技术方案中,以获取电池的第一特征参数和由所述第一特征参数确定的第二特征参数作为输入数据,通过所述事先训练电池状态监测模型输出电池状态参数,进一步的由所述电池状态参数监测所述电池的状态。由于本申请的技术方案不需要事先建立固定的评估模型,而是通过电池历史数据训练得到所述电池状态监测模型,因此不会受限于某一特定的电池型号或使用场景,故使得本申请的技术方案的可移植性强。此外,本申请的技术方案实现了电池状态监测的全过程自动化,在线监控和处理数据,无需人工建立固定数学模型,极大地节约了现场和技术上投入的人力成本。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的电池状态监测方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的电池状态监测方法的实施例。
图12示出了根据本申请的一个实施例的电池状态监测装置的框图。
参照图12所示,根据本申请的一个实施例的电池状态监测装置1200,包括:获取单元1201、确定单元1202、输出单元1203和监测单元1204。
其中,获取单元1201,被用于获取电池的第一特征参数;确定单元1202,被用于根据所述电池的第一特征参数,确定所述电池的第二特征参数;输出单元1203,被用于将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型,以输出电池状态参数;监测单元1204,被用于基于所述电池状态参数,监测所述电池的状态。
在本申请的一些实施例中,基于前述方案,所述获取单元1201配置为:获取所述电池在历史上各个时刻的第一特征参数和电池在历史上的衰退时间区间;所述确定单元1202配置为:根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数,以及根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态;所述电池状态监测装置还包括:模型训练单元,被用于基于所述电池在历史上各个时刻的第一特征参数和/或第二特征参数,以及在历史上各个时刻的电池状态,训练生成所述电池状态监测模型。
在本申请的一些实施例中,基于前述方案,所述获取单元1201配置为:采集所述电池在历史上各个时刻的初始特征参数;检测所述初始特征参数是否存在异常;获取所述不存在异常的初始特征参数作为第一特征参数。
在本申请的一些实施例中,基于前述方案,所述获取单元1201配置为:采集电池在历史上各个时刻的电流值和/或电压值和/或内阻值和/或温度值。
在本申请的一些实施例中,基于前述方案,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电流值,所述获取单元1201配置为:在根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数之前,检测所述电池在历史上各个时刻的电流值是否大于预定阈值;过滤所述电流值大于预定阈值的时刻所对应的第一特征参数。
在本申请的一些实施例中,基于前述方案,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电压值和/或内阻值,所述确定单元1202配置为:根据所述电池在历史上各个时刻的电压值和/或内阻值,确定所述电池在历史上各个时刻的相对电压值和/或相对内阻值和/或电压变化值和/或内阻变化值和/或电压梯度值和/或内阻梯度值和/或电压内阻比值。
在本申请的一些实施例中,基于前述方案,所述获取单元1201配置为:确定所述电池满足故障更换条件的第一时刻和对所述电池进行更换的第二时刻;确定所述电池进入故障状态前经历的性能衰退时间;根据所述第一时刻和第二时刻,以及所述电池进入故障状态前经历的性能衰退时间,确定所述电池在历史上的衰退时间区间。
在本申请的一些实施例中,基于前述方案,所述确定单元1202配置为:将所述衰退时间区间内各个时刻的电池状态确定为预警状态;将除所述衰退时间区间之外的其它时间区间内各个时刻的电池状态确定为健康状态。
在本申请的一些实施例中,基于前述方案,所述确定单元1202配置为:确定所述衰退时间区间内的子衰退时间区间,所述电池在不同子衰退时间区间内的衰退程度不同;根据所述电池在不同子衰退时间区间内的衰退程度,确定所述电池在不同子衰退时间区间内的预警状态等级。
图13示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
需要说明的是,图13示出的电子设备的计算机***1300仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图13所示,计算机***1300包括中央处理单元(Central Processing Unit,CPU)1301,其可以根据存储在只读存储器(Read-Only Memory,ROM)1302中的程序或者从存储部分1308加载到随机访问存储器(Random Access Memory,RAM)1303中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1303中,还存储有***操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(Input/Output,I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305:包括键盘、鼠标等的输入部分1306;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1307;包括硬盘等的存储部分1308;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1310上,以便于从其上读出的计算机程序根据需要被安装入存储部分1308。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1309从网络上被下载和安装,和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元(CPU)1301执行时,执行本申请的***中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (18)
1.一种电池状态监测方法,其特征在于,所述监测方法包括:
获取电池的第一特征参数,所述第一特征参数包括不存在异常的电压值和内阻值中的至少一种;
在所述第一特征参数中包括电压值时,根据所述电池的第一特征参数,确定所述电池的第二特征参数,所述第二特征参数包括相对电压值和/或电压变化值和/或电压梯度值;
在所述第一特征参数中包括内阻值时,根据所述电池的第一特征参数,确定所述电池的第二特征参数,所述第二特征参数包括相对内阻值和/或内阻变化值和/或内阻梯度值;
在所述第一特征参数包括电压值和内阻值时,根据所述电池的第一特征参数,确定所述电池的第二特征参数,所述第二特征参数包括相对电压值和/或相对内阻值和/或电压变化值和/或内阻变化值和/或电压梯度值和/或内阻梯度值和/或电压内阻比值;
将所述电池的第一特征参数和第二特征参数输入事先训练的电池状态监测模型,输出电池状态参数;
基于所述电池状态参数,监测所述电池的状态;
所述电池状态监测模型可以通过如下方式获得:
获取所述电池在历史上各个时刻的第一特征参数,以根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数;
获取电池在历史上的衰退时间区间,以根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态;
基于所述电池在历史上各个时刻的第一特征参数和第二特征参数,以及在历史上各个时刻的电池状态,训练机器学习模型生成所述电池状态监测模型。
2.根据权利要求1所述的方法,其特征在于,所述获取所述电池在历史上各个时刻的第一特征参数,包括:
采集所述电池在历史上各个时刻的初始特征参数;
检测所述初始特征参数是否存在异常;
获取所述不存在异常的初始特征参数作为第一特征参数。
3.根据权利要求2所述的方法,其特征在于,所述采集所述电池在历史上各个时刻的初始特征参数,包括:
采集电池在历史上各个时刻的电压值和内阻值中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电流值,
在根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数之前,所述方法还包括:
检测所述电池在历史上各个时刻的电流值是否大于预定阈值;
过滤所述电流值大于预定阈值的时刻所对应的第一特征参数。
5.根据权利要求1所述的方法,其特征在于,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电压值和内阻值中的至少一种,
所述根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数,包括:
在所述第一特征参数中包括电压值时,根据所述电池在历史上各个时刻的电压值,确定所述电池在历史上各个时刻的相对电压值和/或电压变化值和/或电压梯度值;
在所述第一特征参数中包括内阻值时,根据所述电池在历史上各个时刻的内阻值,确定所述电池在历史上各个时刻的相对内阻值和/或内阻变化值和/或内阻梯度值;
在所述第一特征参数包括电压值和内阻值时,根据所述电池在历史上各个时刻的电压值和内阻值,确定所述电池在历史上各个时刻的相对电压值和/或相对内阻值和/或电压变化值和/或内阻变化值和/或电压梯度值和/或内阻梯度值和/或电压内阻比值。
6.根据权利要求1所述的方法,其特征在于,所述获取电池在历史上的衰退时间区间,包括:
确定所述电池满足故障更换条件的第一时刻和对所述电池进行更换的第二时刻;
确定所述电池进入故障状态前经历的性能衰退时间;
根据所述第一时刻和第二时刻,以及所述电池进入故障状态前经历的性能衰退时间,确定所述电池在历史上的衰退时间区间。
7.根据权利要求1所述的方法,其特征在于,所述根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态,包括:
将所述衰退时间区间内各个时刻的电池状态确定为预警状态;
将除所述衰退时间区间之外的其它时间区间内各个时刻的电池状态确定为健康状态。
8.根据权利要求7所述的方法,其特征在于,将所述衰退时间区间内各个时刻的电池状态确定为预警状态,包括:
确定所述衰退时间区间内的子衰退时间区间,所述电池在不同子衰退时间区间内的衰退程度不同;
根据所述电池在不同子衰退时间区间内的衰退程度,确定所述电池在不同子衰退时间区间内的预警状态等级。
9.一种电池状态监测装置,其特征在于,包括:
获取单元,被用于获取电池的第一特征参数,所述第一特征参数包括不存在异常的电压值和内阻值中的至少一种;
确定单元,被用于在所述第一特征参数中包括电压值时,根据所述电池的第一特征参数,确定所述电池的第二特征参数,所述第二特征参数包括相对电压值和/或电压变化值和/或电压梯度值;在所述第一特征参数中包括内阻值时,根据所述电池的第一特征参数,确定所述电池的第二特征参数,所述第二特征参数包括相对内阻值和/或内阻变化值和/或内阻梯度值;在所述第一特征参数包括电压值和内阻值时,根据所述电池的第一特征参数,确定所述电池的第二特征参数,所述第二特征参数包括相对电压值和/或相对内阻值和/或电压变化值和/或内阻变化值和/或电压梯度值和/或内阻梯度值和/或电压内阻比值;
输出单元,被用于将所述电池的第一特征参数和第二特征参数输入事先训练的电池状态监测模型,输出电池状态参数;
监测单元,被用于基于所述电池状态参数,监测所述电池的状态;
所述获取单元还配置为:获取所述电池在历史上各个时刻的第一特征参数和电池在历史上的衰退时间区间;
所述确定单元还配置为:根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数,以及根据所述电池在历史上的衰退时间区间,确定所述电池在历史上各个时刻的电池状态;
所述电池状态监测装置还包括:模型训练单元,被用于基于所述电池在历史上各个时刻的第一特征参数和第二特征参数,以及在历史上各个时刻的电池状态,训练机器学习模型生成所述电池状态监测模型。
10.根据权利要求9所述的装置,其特征在于,所述获取单元配置为:采集所述电池在历史上各个时刻的初始特征参数;检测所述初始特征参数是否存在异常;获取所述不存在异常的初始特征参数作为第一特征参数。
11.根据权利要求10所述的装置,其特征在于,所述获取单元配置为:采集电池在历史上各个时刻的电压值和内阻值中的至少一种。
12.根据权利要求9所述的装置,其特征在于,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电流值,所述获取单元配置为:在根据所述第一特征参数,确定所述电池在历史上各个时刻的第二特征参数之前,检测所述电池在历史上各个时刻的电流值是否大于预定阈值;过滤所述电流值大于预定阈值的时刻所对应的第一特征参数。
13.根据权利要求9所述的装置,其特征在于,所述电池在历史上各个时刻的第一特征参数包括所述电池在历史上各个时刻的电压值和内阻值中的至少一种,所述确定单元配置为:在所述第一特征参数中包括电压值时,根据所述电池在历史上各个时刻的电压值,确定所述电池在历史上各个时刻的相对电压值和/或电压变化值和/或电压梯度值;在所述第一特征参数中包括内阻值时,根据所述电池在历史上各个时刻的内阻值,确定所述电池在历史上各个时刻的相对内阻值和/或内阻变化值和/或内阻梯度值;在所述第一特征参数包括电压值和内阻值时,根据所述电池在历史上各个时刻的电压值和内阻值,确定所述电池在历史上各个时刻的相对电压值和/或相对内阻值和/或电压变化值和/或内阻变化值和/或电压梯度值和/或内阻梯度值和/或电压内阻比值。
14.根据权利要求9所述的装置,其特征在于,所述获取单元配置为:确定所述电池满足故障更换条件的第一时刻和对所述电池进行更换的第二时刻;确定所述电池进入故障状态前经历的性能衰退时间;根据所述第一时刻和第二时刻,以及所述电池进入故障状态前经历的性能衰退时间,确定所述电池在历史上的衰退时间区间。
15.根据权利要求9所述的装置,其特征在于,所述确定单元配置为:将所述衰退时间区间内各个时刻的电池状态确定为预警状态;将除所述衰退时间区间之外的其它时间区间内各个时刻的电池状态确定为健康状态。
16.根据权利要求15所述的装置,其特征在于,所述确定单元配置为:确定所述衰退时间区间内的子衰退时间区间,所述电池在不同子衰退时间区间内的衰退程度不同;根据所述电池在不同子衰退时间区间内的衰退程度,确定所述电池在不同子衰退时间区间内的预警状态等级。
17.一种计算机可读存储介质,其上存储有计算机程序,该计算机程序包括可执行指令,当该可执行指令被处理器执行时,实施如权利要求1至8中任一项所述的方法。
18.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被设置为执行所述可执行指令以实施如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911071955.5A CN110927606B (zh) | 2019-11-05 | 2019-11-05 | 电池状态监测方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911071955.5A CN110927606B (zh) | 2019-11-05 | 2019-11-05 | 电池状态监测方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110927606A CN110927606A (zh) | 2020-03-27 |
CN110927606B true CN110927606B (zh) | 2022-01-25 |
Family
ID=69852408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911071955.5A Active CN110927606B (zh) | 2019-11-05 | 2019-11-05 | 电池状态监测方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927606B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112326255B (zh) * | 2020-11-02 | 2022-02-18 | 重庆大学 | 一种发动机远程健康监护***及监护方法 |
CN113472080B (zh) * | 2021-07-30 | 2023-10-20 | 北京中芯标准科技有限公司 | 一种配电自动化监控方法、装置及电子设备 |
CN115598559B (zh) * | 2022-12-16 | 2023-03-14 | 深圳市云帆自动化技术有限公司 | 一种智能ups电池健康状态监测*** |
CN117332361B (zh) * | 2023-12-01 | 2024-03-01 | 赫芝特电气技术(广州)有限公司 | 一种不间断电源的在线预警方法及检测*** |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102007420A (zh) * | 2008-04-16 | 2011-04-06 | 皇家飞利浦电子股份有限公司 | 用于预测可再充电电池的寿命的方法和设备 |
WO2011160258A1 (zh) * | 2010-06-24 | 2011-12-29 | 松下电器产业株式会社 | 获取电池的劣化度的方法和*** |
CN105556325A (zh) * | 2013-07-29 | 2016-05-04 | 雷诺两合公司 | 估算电力电池的劣化状态 |
DE102016000986A1 (de) * | 2015-12-24 | 2016-08-11 | Daimler Ag | Verfahren und Vorrichtung für Alterungstest an parallel verschalteten Batteriezellen |
CN106680723A (zh) * | 2016-12-09 | 2017-05-17 | 国网北京市电力公司 | 监测蓄电池组运行状态的方法和装置 |
CN107797067A (zh) * | 2016-09-05 | 2018-03-13 | 北京航空航天大学 | 一种基于深度学习的锂离子电池寿命迁移预测方法 |
CN107843846A (zh) * | 2017-10-26 | 2018-03-27 | 哈尔滨工业大学 | 一种锂离子电池健康状态估计方法 |
CN108254696A (zh) * | 2017-12-29 | 2018-07-06 | 上海电气集团股份有限公司 | 电池的健康状态评估方法及*** |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理*** |
CN109063260A (zh) * | 2018-06-29 | 2018-12-21 | 深圳市科列技术股份有限公司 | 一种动力电池的老化趋势判断方法和装置 |
CN109061518A (zh) * | 2018-10-18 | 2018-12-21 | 国家电网有限公司 | 一种通信蓄电池健康度在线监测方法 |
CN109061504A (zh) * | 2018-08-28 | 2018-12-21 | 中北大学 | 同类型不同锂离子电池剩余使用寿命预测方法和*** |
CN109856552A (zh) * | 2019-01-28 | 2019-06-07 | 蜂巢能源科技有限公司 | 车辆及其基于电流值的电池异常检测方法和装置 |
CN110018425A (zh) * | 2019-04-10 | 2019-07-16 | 北京理工大学 | 一种动力电池故障诊断方法及*** |
CN110058178A (zh) * | 2019-05-14 | 2019-07-26 | 郑州大学 | 一种锂电池健康状态检测方法和*** |
CN110069810A (zh) * | 2019-03-11 | 2019-07-30 | 北京百度网讯科技有限公司 | 电池故障预测方法、装置、设备和可读存储介质 |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110161425A (zh) * | 2019-05-20 | 2019-08-23 | 华中科技大学 | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 |
CN110175672A (zh) * | 2019-05-30 | 2019-08-27 | 北斗航天信息网络技术有限公司 | 基于扩展卡尔曼滤波和遗传bp神经网络组合的电池充电状态评估***及评估方法 |
CN110398697A (zh) * | 2019-07-23 | 2019-11-01 | 北京工业大学 | 一种基于充电过程的锂离子健康状态估计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11691518B2 (en) * | 2017-07-21 | 2023-07-04 | Quantumscape Battery, Inc. | Predictive model for estimating battery states |
DK3780248T3 (da) * | 2018-03-28 | 2023-05-22 | Toyo System Co Ltd | Anordning til bestemmelse af forringelsestilstand og fremgangsmåde til bestemmelse af forringelsestilstand |
CN109725266B (zh) * | 2018-12-29 | 2021-05-11 | 蜂巢能源科技有限公司 | 一种电池健康状态soh的计算方法及装置 |
CN110320474A (zh) * | 2019-05-28 | 2019-10-11 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池老化模型的寿命预测方法 |
-
2019
- 2019-11-05 CN CN201911071955.5A patent/CN110927606B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102007420A (zh) * | 2008-04-16 | 2011-04-06 | 皇家飞利浦电子股份有限公司 | 用于预测可再充电电池的寿命的方法和设备 |
WO2011160258A1 (zh) * | 2010-06-24 | 2011-12-29 | 松下电器产业株式会社 | 获取电池的劣化度的方法和*** |
CN102959418A (zh) * | 2010-06-24 | 2013-03-06 | 松下电器产业株式会社 | 获取电池的劣化度的方法和*** |
CN105556325A (zh) * | 2013-07-29 | 2016-05-04 | 雷诺两合公司 | 估算电力电池的劣化状态 |
DE102016000986A1 (de) * | 2015-12-24 | 2016-08-11 | Daimler Ag | Verfahren und Vorrichtung für Alterungstest an parallel verschalteten Batteriezellen |
CN107797067A (zh) * | 2016-09-05 | 2018-03-13 | 北京航空航天大学 | 一种基于深度学习的锂离子电池寿命迁移预测方法 |
CN106680723A (zh) * | 2016-12-09 | 2017-05-17 | 国网北京市电力公司 | 监测蓄电池组运行状态的方法和装置 |
CN107843846A (zh) * | 2017-10-26 | 2018-03-27 | 哈尔滨工业大学 | 一种锂离子电池健康状态估计方法 |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理*** |
CN108254696A (zh) * | 2017-12-29 | 2018-07-06 | 上海电气集团股份有限公司 | 电池的健康状态评估方法及*** |
CN109063260A (zh) * | 2018-06-29 | 2018-12-21 | 深圳市科列技术股份有限公司 | 一种动力电池的老化趋势判断方法和装置 |
CN109061504A (zh) * | 2018-08-28 | 2018-12-21 | 中北大学 | 同类型不同锂离子电池剩余使用寿命预测方法和*** |
CN109061518A (zh) * | 2018-10-18 | 2018-12-21 | 国家电网有限公司 | 一种通信蓄电池健康度在线监测方法 |
CN109856552A (zh) * | 2019-01-28 | 2019-06-07 | 蜂巢能源科技有限公司 | 车辆及其基于电流值的电池异常检测方法和装置 |
CN110069810A (zh) * | 2019-03-11 | 2019-07-30 | 北京百度网讯科技有限公司 | 电池故障预测方法、装置、设备和可读存储介质 |
CN110018425A (zh) * | 2019-04-10 | 2019-07-16 | 北京理工大学 | 一种动力电池故障诊断方法及*** |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110058178A (zh) * | 2019-05-14 | 2019-07-26 | 郑州大学 | 一种锂电池健康状态检测方法和*** |
CN110161425A (zh) * | 2019-05-20 | 2019-08-23 | 华中科技大学 | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 |
CN110175672A (zh) * | 2019-05-30 | 2019-08-27 | 北斗航天信息网络技术有限公司 | 基于扩展卡尔曼滤波和遗传bp神经网络组合的电池充电状态评估***及评估方法 |
CN110398697A (zh) * | 2019-07-23 | 2019-11-01 | 北京工业大学 | 一种基于充电过程的锂离子健康状态估计方法 |
Non-Patent Citations (3)
Title |
---|
A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model;YuejiuZheng等;《Applied Energy》;20191030;全文 * |
基于RVM的锂离子电池剩余寿命预测方法研究;周建宝;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20140115;全文 * |
锂离子电池循环寿命的融合预测方法;刘月峰等;《仪器仪表学报》;20150730;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110927606A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110927606B (zh) | 电池状态监测方法、装置 | |
CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及*** | |
CN108983103B (zh) | 一种动力电池的数据处理方法和装置 | |
Vanem et al. | Data-driven state of health modelling—A review of state of the art and reflections on applications for maritime battery systems | |
Song et al. | Remaining life prediction of lithium-ion batteries based on health management: A review | |
US11333712B2 (en) | Battery failure prediction | |
CN110676519B (zh) | 先进的智能电池分析和诊断***及其方法 | |
CN111868539A (zh) | 劣化估计装置、计算机程序以及劣化估计方法 | |
CN110146817A (zh) | 锂电池故障的诊断方法 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及*** | |
CN110806546A (zh) | 电池健康评估方法、装置、存储介质及电子设备 | |
US11635467B2 (en) | Evaluation device, computer program, and evaluation method | |
Bockrath et al. | State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries | |
Cui et al. | Prognostics of lithium-ion batteries based on capacity regeneration analysis and long short-term memory network | |
WO2022229611A1 (en) | Health monitoring of electrochemical energy supply elements | |
Myilsamy et al. | State-of-health prediction for Li-ion batteries for efficient battery management system using hybrid machine learning model | |
Renold et al. | Comprehensive Review of Machine Learning, Deep Learning, and Digital Twin Data-Driven Approaches in Battery Health Prediction of Electric Vehicles | |
Pham et al. | Arns: a data-driven approach for soh estimation of lithium-ion battery using nested sequence models with considering relaxation effect | |
CN116031508A (zh) | 一种基于深度学习的锂离子电池管理***及方法 | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
Zhao et al. | Reliable Life Prediction and Evaluation Analysis of Lithium-ion Battery Based on Long-Short Term Memory Model | |
Xia et al. | Technologies for Energy Storage Power Stations Safety Operation: Battery State Evaluation Survey and a Critical Analysis | |
CN115389947B (zh) | 锂电池健康状态的预测方法、装置、电子设备及存储介质 | |
Alwabli | From Data to Durability: Evaluating Conventional and Optimized Machine Learning Techniques forBattery Health Assessment | |
Vaidya et al. | State of temperature detection of Li-ion batteries by intelligent gray box model |
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 |