CN113835032A - 一种纯电动汽车远程故障诊断及预警*** - Google Patents
一种纯电动汽车远程故障诊断及预警*** Download PDFInfo
- Publication number
- CN113835032A CN113835032A CN202111081030.6A CN202111081030A CN113835032A CN 113835032 A CN113835032 A CN 113835032A CN 202111081030 A CN202111081030 A CN 202111081030A CN 113835032 A CN113835032 A CN 113835032A
- Authority
- CN
- China
- Prior art keywords
- data
- battery
- fault
- early warning
- vehicle
- 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
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3646—Constructional arrangements for indicating electrical conditions or variables, e.g. visual or audible indicators
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种纯电动汽车远程故障诊断及预警***,结合了大数据技术对电池状态进行实时检测,基于3σ多层筛选算法,能够准确检测到异常值并对故障进行判断,在故障发生前就可以进行可靠的报警,报警信息可以通过车载终端传输给车内驾驶员,使其做出相应措施,减少故障损失。该***基于数据驱动的故障检测方式,具有实现简便且不需要构建复杂数学模型的优点,还可实现对故障数据的存储分析,便于在长期运维中寻找故障规律。
Description
技术领域
本发明属于纯电动汽车故障监测技术领域,具体涉及针对纯电动汽车基于数据驱动的远程故障诊断及预警***。
背景技术
随着环保意识的提高,纯电动汽车产业正逐渐成为汽车行业未来的发展方向,作为纯电动汽车的核心部件,动力电池在电动汽车的运行过程中发挥着至关重要的作用。由于动力电池是一个复杂的电化学***,其对工作环境要求较高,工作机理和内部机制复杂,因此引起电池故障的原因较多,这给动力电池的故障诊断带来一定难度。而且,一旦动力电池发生故障,容易导致过热、***等情况发生,造成巨大的经济损失和人身财产损失,严重制约着纯电动汽车的安全和发展。
现有的对动力电池的故障诊断中,较多采用基于知识的方法,如专家***法、模糊逻辑法等,或基于模型的方法,如卡尔曼滤波,观测器方法等。这些方法虽然能够实现故障检测,但也存在不便于实施等的诸多缺陷。譬如对基于知识的方法来说,实施时对行业经验的依赖性较高,且知识库获取具有较大难度;对基于模型的方法来说,则通常需要构建较为复杂的数学模型,计算复杂度高。同时,现有预警方法大多仍停留在故障发生后,缺少对电池故障即将发生的预判断,存在预警不及时的问题,随着纯电动汽车保有量和相应车载数据量的激增,上述故障检测方式已无法满足要求。因此,如何克服现有纯电动汽车故障诊断中存在的缺陷,利用海量车载数据实现及时的诊断与预警,是本领域中亟待解决的技术问题。
发明内容
针对上述本领域中所存在的技术问题,本发明提供了一种纯电动汽车远程故障诊断及预警***,由车载终端与云控大数据平台组成;
其中,所述车载终端包括:数据采集模块、数据收发模块;所述云控大数据平台包括:网络传输模块、基于3σ原则的故障诊断模型、预警模型;
所述数据采集模块用于采集实车数据中的动力电池总电压Ut、单体电池电压ui,t,电池极柱温度Ti作为评估电池状态的关键参数,通过所述数据收发模块将上述电池状态参数上传至云控大数据平台的网络传输模块;
所述故障诊断模型针对所述关键参数执行以下处理:
1)构建高斯分布,则电池组总电压Ut具体为以下形式:
对于关键参数单体电池电压ui,t,电池极柱温度Ti,也采用与电池总电压相同的构建高斯分布以及后续处理步骤2)至步骤5);
3)对步骤2)进行迭代计算m次,当前后两次标准差之差小于预设的可调节阈值β即(σt,m-1-σt,m)<β时跳出迭代,得到最终的高斯分布及参数;
4)获取最终高斯分布后,根据最终高斯分布参数及可调节阈值β,确定集群中心点μt,m和以下阈值范围:
(μt,m±β·σt,m)
5)根据阈值范围,对某一时刻t的动力电池总电压数据进行扫描检测,若总电压数据超出阈值范围,则认为该数据为与故障对应的离群点并记为1,否则认为无故障并记为0;
6)将各关键数据与相应阈值范围的比较,得到与不同故障情况对应的诊断结果;所述预警模型根据诊断结果,对连续若干帧实车数据中被诊断为发生故障的关键数据进行累加统计,在累计值满足阈值条件时生成故障预警。
进一步地,步骤6)中将各关键数据与相应阈值范围的比较,分别执行故障诊断:
若电池组总电压Ut高于阈值范围上限(μt,m+β·σt,m),则判断存在故障:“电池过充电”或“充电保护电路失效”;
若电池组总电压Ut低于阈值范围下限(μt,m-β·σt,m),则判断存在故障:“单体电池极性装反”或“电池过放电”或“单体电池损坏”;
若电池极柱温度Ti高于阈值范围上限,则判断存在故障:“单体电池内部短路”或“电池箱内部短路”或“电池箱外部短路”;
若单体电池电压ui,t高于阈值范围上限,则判断存在故障:“单体电池过充电”或“充电保护电路失效”;
若单体电池电压ui,t低于阈值范围下限,则判断存在故障:“单体电池损坏”或“电池内部短路”或“单体电池过放电”。
进一步地,步骤6)中所述预警模型具体执行以下步骤生成故障预警:
1)对连续若干帧实车数据中被标记为1的所述关键数据进行累加;
2)当累加结果大于阈值条件M次时生成对应的故障预警通知;
3)当标记为0的关键数据累加结果大于阈值条件N次,且已产生了预警通知的情况,则发送结束预警通知。
进一步地,所述车载终端还包:数据存储模块、高精度定位模块以及语音报警模块;
其中,所述数据模块用于对在车载终端与云控大数据平台间的通信链路发生异常时,备份所述数据采集模块获取的数据,并在通信链路恢复正常后对数据进行补发;
所述高精度定位模块根据所述数据采集模块获取的车辆信息得到车辆的轨迹及实时位置,用于在GPS信号较弱的场景中实现对车辆的高精度定位;
所述语音报警模块用于根据预警模型生成的故障预警通知,发出相应的语音报警信息;
所述云控大数据平台还包括后台存储模块用于存储电池故障诊断数据,便于对电池故障进行分析与问题追溯。
上述本发明所提供的***,结合了大数据技术对电池状态进行实时检测,基于3σ多层筛选算法,能够准确检测到异常值并对故障进行判断,在故障发生前就可以进行可靠的报警,报警信息可以通过车载终端传输给车内驾驶员,使其做出相应措施,减少故障损失。该***基于数据驱动的故障检测方式,具有实现简便且不需要构建复杂数学模型的优点,还可实现对故障数据的存储分析,便于在长期运维中寻找故障规律。
附图说明
图1为本发明所提供***的总体工作流程图;
图2为本发明所提供***中基于3σ原则的故障诊断流程图;
图3为预警模型生成故障预警通知的流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的一种纯电动汽车远程故障诊断及预警***,如图1所示,由车载终端与云控大数据平台组成,
其中,所述车载终端包括:数据采集模块、数据收发模块;所述云控大数据平台包括:网络传输模块、基于3σ原则的故障诊断模型、预警模型;
所述数据采集模块通过车内CAN总线上BMS及VCU进行数据采集实车数据中的动力电池总电压Ut、单体电池电压ui,t,电池极柱温度Ti作为评估电池状态的关键参数,通过所述数据收发模块将上述电池状态参数上传至云控大数据平台的网络传输模块;
如图2所示,所述故障诊断模型针对所述关键参数执行以下处理:
1)构建高斯分布,则电池组总电压Ut具体为以下形式:
对于关键参数单体电池电压ui,t,电池极柱温度Ti,也采用与电池总电压相同的构建高斯分布以及后续处理步骤2)至步骤5);
3)对步骤2)进行迭代计算m次,当前后两次标准差之差小于预设的可调节阈值β即(σt,m-1-σt,m)<β时跳出迭代,得到最终的高斯分布及参数;
4)获取最终高斯分布后,根据最终高斯分布参数及可调节阈值β,确定集群中心点μt,m和以下阈值范围:
(μt,m±β·σt,m)
5)根据阈值范围,对某一时刻t的动力电池总电压数据进行扫描检测,若总电压数据超出阈值范围,则认为该数据为与故障对应的离群点并记为1,否则认为无故障并记为0;
6)将各关键数据与相应阈值范围的比较,得到与不同故障情况对应的诊断结果;所述预警模型根据诊断结果,对连续若干帧实车数据中被诊断为发生故障的关键数据进行累加统计,在累计值满足阈值条件时生成故障预警。
在本发明的一个优选实施方式中,步骤6)中将各关键数据与相应阈值范围的比较,分别执行故障诊断:
若电池组总电压Ut高于阈值范围上限(μt,m+β·σt,m),则判断存在故障:“电池过充电”或“充电保护电路失效”;
若电池组总电压Ut低于阈值范围下限(μt,m-β·σt,m),则判断存在故障:“单体电池极性装反”或“电池过放电”或“单体电池损坏”;
若电池极柱温度Ti高于阈值范围上限,则判断存在故障:“单体电池内部短路”或“电池箱内部短路”或“电池箱外部短路”;
若单体电池电压ui,t高于阈值范围上限,则判断存在故障:“单体电池过充电”或“充电保护电路失效”;
若单体电池电压ui,t低于阈值范围下限,则判断存在故障:“单体电池损坏”或“电池内部短路”或“单体电池过放电”。
在本发明的一个优选实施方式中,如图3所示,步骤6)中所述预警模型具体执行以下步骤生成故障预警:
1)对连续若干帧实车数据中被标记为1的所述关键数据进行累加;
2)当累加结果大于阈值条件M次时生成对应的故障预警通知;
3)当标记为0的关键数据累加结果大于阈值条件N次,且已产生了预警通知的情况,则发送结束预警通知。
进一步地,所述车载终端还包括:数据存储模块、高精度定位模块以及语音报警模块;
其中,所述数据模块用于在车载终端与云控大数据平台间的通信链路发生异常时,备份所述数据采集模块获取的数据,并在通信链路恢复正常后对数据进行补发;
所述高精度定位模块根据所述数据采集模块获取的车辆信息得到车辆的轨迹及实时位置,用于在GPS信号较弱的场景中实现对车辆的高精度定位;
所述语音报警模块用于根据预警模型生成的故障预警通知,发出相应的语音报警信息;
所述云控大数据平台还包括后台存储模块用于存储电池故障诊断数据,便于对电池故障进行分析与问题追溯。
应理解,本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种纯电动汽车远程故障诊断及预警***,其特征在于:由车载终端与云控大数据平台组成,
其中,所述车载终端包括:数据采集模块、数据收发模块;所述云控大数据平台包括:网络传输模块、基于3σ原则的故障诊断模型、预警模型;
所述数据采集模块用于采集实车数据中的动力电池总电压Ut、单体电池电压ui,t,电池极柱温度Ti作为评估电池状态的关键参数,通过所述数据收发模块将上述电池状态参数上传至云控大数据平台的网络传输模块;
所述故障诊断模型针对所述关键参数执行以下处理:
1)构建高斯分布,则电池组总电压Ut具体为以下形式:
对于关键参数单体电池电压ui,t,电池极柱温度Ti,也采用与电池总电压相同的构建高斯分布以及后续处理步骤2)至步骤5);
3)对步骤2)进行迭代计算m次,当前后两次标准差之差小于预设的可调节阈值β即(σt,m-1-σt,m)<β时跳出迭代,得到最终的高斯分布及参数;
4)获取最终高斯分布后,根据最终高斯分布参数及可调节阈值β,确定集群中心点μt,m和以下阈值范围:
(μt,m±β·σt,m)
5)根据阈值范围,对某一时刻t的动力电池总电压数据进行扫描检测,若总电压数据超出阈值范围,则认为该数据为与故障对应的离群点并记为1,否则认为无故障并记为0;
6)将各关键数据与相应阈值范围的比较,得到与不同故障情况对应的诊断结果;所述预警模型根据诊断结果,对连续若干帧实车数据中被诊断为发生故障的关键数据进行累加统计,在累计值满足阈值条件时生成故障预警。
2.如权利要求1所述的***,其特征在于:步骤6)中将各关键数据与相应阈值范围的比较,分别执行故障诊断:
若电池组总电压Ut高于阈值范围上限(μt,m+β·σt,m),则判断存在故障:“电池过充电”或“充电保护电路失效”;
若电池组总电压Ut低于阈值范围下限(μt,m-β·σt,m),则判断存在故障:“单体电池极性装反”或“电池过放电”或“单体电池损坏”;
若电池极柱温度Ti高于阈值范围上限,则判断存在故障:“单体电池内部短路”或“电池箱内部短路”或“电池箱外部短路”;
若单体电池电压ui,t高于阈值范围上限,则判断存在故障:“单体电池过充电”或“充电保护电路失效”;
若单体电池电压ui,t低于阈值范围下限,则判断存在故障:“单体电池损坏”或“电池内部短路”或“单体电池过放电”。
3.如权利要求1所述的***,其特征在于:步骤6)中所述预警模型具体执行以下步骤生成故障预警:
1)对连续若干帧实车数据中被标记为1的所述关键数据进行累加;
2)当累加结果大于阈值条件M次时生成对应的故障预警通知;
3)当标记为0的关键数据累加结果大于阈值条件N次,且已产生了预警通知的情况,则发送结束预警通知。
4.如权利要求1所述的***,其特征在于:所述车载终端还包括:数据存储模块、高精度定位模块以及语音报警模块;
其中,所述数据模块用于在车载终端与云控大数据平台间的通信链路发生异常时,备份所述数据采集模块获取的数据,并在通信链路恢复正常后对数据进行补发;
所述高精度定位模块根据所述数据采集模块获取的车辆信息得到车辆的轨迹及实时位置,用于在GPS信号较弱的场景中实现对车辆的高精度定位;
所述语音报警模块用于根据预警模型生成的故障预警通知,发出相应的语音报警信息;
所述云控大数据平台还包括后台存储模块用于存储电池故障诊断数据,便于对电池故障进行分析与问题追溯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111081030.6A CN113835032A (zh) | 2021-09-15 | 2021-09-15 | 一种纯电动汽车远程故障诊断及预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111081030.6A CN113835032A (zh) | 2021-09-15 | 2021-09-15 | 一种纯电动汽车远程故障诊断及预警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113835032A true CN113835032A (zh) | 2021-12-24 |
Family
ID=78959404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111081030.6A Pending CN113835032A (zh) | 2021-09-15 | 2021-09-15 | 一种纯电动汽车远程故障诊断及预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113835032A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609686A (zh) * | 2023-04-18 | 2023-08-18 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
CN117233645A (zh) * | 2023-11-15 | 2023-12-15 | 深圳鹏城新能科技有限公司 | 一种储能逆变器电池异常判定方法、***及介质 |
CN117465222A (zh) * | 2023-12-25 | 2024-01-30 | 合众新能源汽车股份有限公司 | 动力电池的故障预警方法及故障预警*** |
CN117725540A (zh) * | 2024-02-07 | 2024-03-19 | 宇恒数智(北京)科技有限公司 | 一种计算动态基带的方法、***、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202696179U (zh) * | 2011-12-27 | 2013-01-23 | 湖北晨风轨道装备有限公司 | 一种电池管理*** |
CN103057433A (zh) * | 2012-12-25 | 2013-04-24 | 北京理工大学 | 工作状态下的电动汽车中成组电池的单体电池的检测方法 |
CN106648616A (zh) * | 2016-11-16 | 2017-05-10 | 安徽锐能科技有限公司 | 一种电池故障诊断程序的开发方法及开发装置 |
-
2021
- 2021-09-15 CN CN202111081030.6A patent/CN113835032A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202696179U (zh) * | 2011-12-27 | 2013-01-23 | 湖北晨风轨道装备有限公司 | 一种电池管理*** |
CN103057433A (zh) * | 2012-12-25 | 2013-04-24 | 北京理工大学 | 工作状态下的电动汽车中成组电池的单体电池的检测方法 |
CN106648616A (zh) * | 2016-11-16 | 2017-05-10 | 安徽锐能科技有限公司 | 一种电池故障诊断程序的开发方法及开发装置 |
Non-Patent Citations (1)
Title |
---|
YANG ZHAO: "Fault and defect diagnosis of battery for electric vehicles based on big data analysis methods", 《APPLIED ENERGY》, no. 207 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609686A (zh) * | 2023-04-18 | 2023-08-18 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
CN116609686B (zh) * | 2023-04-18 | 2024-01-05 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
CN117233645A (zh) * | 2023-11-15 | 2023-12-15 | 深圳鹏城新能科技有限公司 | 一种储能逆变器电池异常判定方法、***及介质 |
CN117233645B (zh) * | 2023-11-15 | 2024-01-26 | 深圳鹏城新能科技有限公司 | 一种储能逆变器电池异常判定方法、***及介质 |
CN117465222A (zh) * | 2023-12-25 | 2024-01-30 | 合众新能源汽车股份有限公司 | 动力电池的故障预警方法及故障预警*** |
CN117465222B (zh) * | 2023-12-25 | 2024-04-05 | 合众新能源汽车股份有限公司 | 动力电池的故障预警方法及故障预警*** |
CN117725540A (zh) * | 2024-02-07 | 2024-03-19 | 宇恒数智(北京)科技有限公司 | 一种计算动态基带的方法、***、设备及介质 |
CN117725540B (zh) * | 2024-02-07 | 2024-05-07 | 宇恒数智(北京)科技有限公司 | 一种计算动态基带的方法、***、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警*** | |
US11468715B2 (en) | Cloud-based vehicle fault diagnosis method, apparatus, and system | |
CN110133508B (zh) | 电动汽车动力电池的安全预警方法 | |
WO2022151819A1 (zh) | 一种基于聚类分析的电池***在线故障诊断方法和*** | |
CN113064939B (zh) | 一种新能源车辆三电***安全特征数据库构建方法 | |
CN116154900B (zh) | 一种电池储能电站的主动安全三级防控***及方法 | |
CN114801751B (zh) | 一种基于数据分析的汽车电池故障预测*** | |
CN112319309B (zh) | 一种动力电池的故障诊断方法及*** | |
CN110146817A (zh) | 锂电池故障的诊断方法 | |
CN110866616A (zh) | 一种变电站二次设备故障预警方法及装置 | |
WO2023221587A1 (zh) | 电动车辆的动力电池的健康状态确定方法及服务器 | |
CN111257753B (zh) | 一种电池***故障诊断方法 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、***、车辆及存储介质 | |
CN115841662A (zh) | 一种基于边缘计算与联邦学习相结合的动力电池监测*** | |
CN111555776A (zh) | 一种输电线路融合感知及联合诊断方法、***及装置 | |
CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
CN113935423A (zh) | 耦合模糊控制规则与Elman神经网络的动力电池故障预警方法与*** | |
CN114487839A (zh) | 一种电池的预警方法及装置 | |
CN115561658B (zh) | 一种基于数据切片的动力电池异常电芯监测方法 | |
CN116736157A (zh) | 动力电池的预警方法、装置、设备及存储介质 | |
CN115972982A (zh) | 热失控预警方法、装置、设备及可读存储介质 | |
CN114942364A (zh) | 一种基于知识图谱技术的变电站故障诊断方法与*** | |
CN207199787U (zh) | 一种基于无线通讯电芯的汽车云端电池管理*** | |
CN114371435A (zh) | 一种bms传感器有效性评估方法、***、电子设备及介质 | |
CN113459898A (zh) | 一种电动汽车电池过充智能远程诊断方法及*** |
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 |