CN114148216B - 电池自放电率异常检测方法、***、设备及存储介质 - Google Patents
电池自放电率异常检测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN114148216B CN114148216B CN202111673825.6A CN202111673825A CN114148216B CN 114148216 B CN114148216 B CN 114148216B CN 202111673825 A CN202111673825 A CN 202111673825A CN 114148216 B CN114148216 B CN 114148216B
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- self
- discharge rate
- value
- battery
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 103
- 239000006185 dispersion Substances 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Sustainable Energy (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Secondary Cells (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电池自放电率异常检测方法、***、设备及存储介质,该方法包括:获取待测车辆的车联网数据;根据车联网数据确定待测车辆内所有单体电芯的电芯剩余电量差值,电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值;对所有电芯剩余电量差值进行离散度分析,确定电量离散度参数,电量离散度参数包括分位数值、分位距数值和异众比率值;根据电量离散度参数确定单体电芯的自放电率异常等级;根据自放电率异常等级确定异常报警策略。本发明通过车联网数据计算单体电芯自放电率离散程度,并根据自放电率离散程度进行自放电率异常报警,计算方法简单,有利于提升检测准确率和实时性。
Description
技术领域
本发明涉及电池管理技术领域,尤其涉及一种电池自放电率异常检测方法、***、设备及存储介质。
背景技术
随着新能源车辆保有量的增加,电池安全性能问题日益突出。电池热失控是影响电池安全性能的重要因素,电池包中电芯自放电率异常容易引起内短路,诱发热失控,因此,需要对电池自放电率进行定期检测。
目前的电池管理***无法获取电池自放电信息,只能通过线下检测电池容量变化的方式计算自放电率,随着电动车保有量增加,将车辆定期召回并检测自放电率实时性差、操作不便,无法进行现实推广。
在现有技术中,部分厂家提出一种线上自放电状态检测方法,通过在线检测电芯电压或者电芯容量的变化率,计算单体电芯的自放电率,但是,现有技术存在以下问题:由于信号丢失或者电芯批次差异等原因,单纯通过单个电芯的电压或者容量值无法确定该电芯的异常情况,影响自放电异常检测结果。
发明内容
本发明提供一种电池自放电率异常检测方法、***、设备及存储介质,以实现在线检测电池自放电率,计算方法简单,准确率高。
第一方面,本发明实施例提供了一种电池自放电率异常检测方法,包括以下步骤:
获取待测车辆的车联网数据;
根据所述车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,所述电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值;
对所有所述电芯剩余电量差值进行离散度分析,确定电量离散度参数,所述电量离散度参数包括分位数值、分位距数值和异众比率值;
根据所述电量离散度参数确定单体电芯的自放电率异常等级;
根据所述自放电率异常等级确定异常报警策略。
可选地,根据所述电量离散度参数确定单体电芯的自放电率异常等级,包括:根据所述分位数值、所述分位距数值和所述异众比率值确定至少一个异常等级阈值;对所述电芯剩余电量差值和所述异常等级阈值进行比对,根据比对结果确定单体电芯的自放电率异常等级。
可选地,对所有所述电芯剩余电量差值进行离散度分析,确定电量离散度参数,包括:对电池包内所有单体电芯的所述电芯剩余电量差值按照从小到大的顺序进行排列,得到电量差值序列;基于四分位数算法对所述电量差值序列进行处理,得到上四分位数值和下四分位数值;根据所述上四分位数值和所述下四分位数值确定四分位距数值。
可选地,对所有所述电芯剩余电量差值进行离散度分析,确定电量离散度参数,还包括:对电池包内所有单体电芯的所述电芯剩余电量差值进行取整数处理,得到电量差值取整参数;根据电量差值取整参数计算所述电芯剩余电量差值的异众比率值。
可选地,根据所述车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,包括:获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数;根据所述第一单体电芯电压和温度参数和预设OCV-SOC曲线,确定第一剩余电量;根据所述第二单体电芯电压和温度参数和预设OCV-SOC曲线,确定第二剩余电量;根据所述第一剩余电量和所述第二剩余电量计算所述电芯剩余电量差值。
可选地,获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数,包括:获取所述待测车辆的历史停车时长;根据所述历史停车时长建立滑动窗口,所述滑动窗口的时间长度大于所述历史停车时长;基于所述滑动窗口对所述车联网数据进行特征数提取,得到所述第一单体电芯电压和温度参数和所述第二单体电芯电压和温度参数。
可选地,所述车联网数据包括:数据上传时间、车辆行驶里程、电池包的单体电压参数和电芯温度;在获取待测车辆的车联网数据之后,还包括以下步骤:获取预设阈值参数,所述预设阈值参数包括预设里程阈值、预设里程差阈值、预设单体电压阈值、预设电压差阈值和预设电芯温度阈值;根据所述预设阈值参数对所述车联网数据进行无效数据处理。
可选地,所述异常报警策略包括:在后续预设时间段内,对发生异常的单体电芯增大异常检测频率;或者,通知驾驶人员在车辆保养时进行专项检查;或者,通知驾驶人员立即进行专项检查。
第二方面,本发明实施例还提供了一种电池自放电率异常管理***,用于执行上述电池自放电率异常检测方法,所述***包括:数据接收模块,用于获取待测车辆的车联网数据;特征提取模块,用于根据所述车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,所述电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值;离散度计算模块,用于根据所述电芯剩余电量差值确定电量离散度参数,所述电量离散度参数包括分位数值、分位距数值和异众比率值;异常等级确认模块,用于根据所述电量离散度参数确定单体电芯的自放电率异常等级;报警模块,用于根据所述自放电率异常等级确定异常报警策略。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述电池自放电率异常检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述电池自放电率异常检测方法。
本发明的有益效果在于,通过获取车联网数据,根据车联网数据计算电池包内所有单体电芯在停车前和停车结束后的电芯剩余电量差值,对电芯剩余电量差值进行离散度分析,确定电池包内单体电芯的电量离散度参数,根据电量离散度参数确定单体电芯的自放电率异常等级及对应的异常报警策略,解决了现有的自放电率检测实时性差、准确率低的问题,可实现在线检测自放电率异常,实时性强,计算方法简单,异常检测结果更准确。
附图说明
图1为本发明实施例一提供的一种电池自放电率异常检测方法的流程图;
图2为本发明实施例二提供的一种电池自放电率异常检测方法的流程图;
图3为本发明实施例三提供的一种电池自放电率异常检测方法的流程图;
图4为本发明实施例四提供的一种电池自放电率异常检测方法的流程图;
图5为本发明实施例五提供的一种电池自放电率异常检测方法的流程图;
图6是本发明实施例六提供的一种电池自放电率异常管理***的结构示意图;
图7为本发明实施例七提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例一提供的一种电池自放电率异常检测方法的流程图,本实施例可适用于通过在线检测实现自放电率异常预警的应用场景,该方法可以由电池管理***来执行,该电池管理***可由软件程序和/或硬件模块的方式实现,该电池管理***可集成设置于服务器中。
如图1所示,该电池自放电率异常检测方法,具体包括以下步骤:
步骤S1:获取待测车辆的车联网数据。
其中,待测车辆可为新能源车辆或者混合动力车辆,车联网数据可为待测车辆在行驶过程中的车辆运行数据,待测车辆在采集或者计算得到车辆运行数据之后,可通过车联网技术将数据上传至电池管理***。
一实施例中,车联网数据可包括但不限于:数据上传时间、车辆行驶里程、电池包的单体电压参数和电芯温度。
步骤S2:根据车联网数据确定电池包内所有单体电芯的电芯剩余电量差值。
其中,电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值。
本实施例中,电芯剩余电量可根据预先标定的OCV-SOC曲线计算得到,其具体方法将在后续实施例中进行说明。
示例性地,若定义待测车辆的电池包内设置n个单体电芯,x为单体电芯编号,SOCx'为待测车辆停车前,第x号单体电芯的电芯剩余电量,SOCx"为待测车辆停车结束再次启动时,第x号单体电芯的电芯剩余电量,则第x号单体电芯的电芯剩余电量差值ΔSOCx=SOCx"-SOCx'。
步骤S3:对所有电芯剩余电量差值进行离散度分析,确定电量离散度参数,电量离散度参数包括分位数值、分位距数值和异众比率值。
其中,离散度分析是用于衡量电量差值分散程度的方法,电池包内各单体电芯的电芯剩余电量差值的分散程度越小,各单体电芯的电池性能越集中,各单体电芯的自放电率差异越小。
步骤S4:根据电量离散度参数确定单体电芯的自放电率异常等级。
其中,自放电率异常等级为表征单体电芯自放电率异常程度的参数。
本实施例中,可根据电量离散度参数确定划分异常等级的阈值,对各电芯剩余电量差值与各阈值进行比较,根据比较结果确定各单体电芯的自放电率异常等级。
一实施例中,可设置自放电率异常等级包括自放电率一级异常、自放电率二级异常和自放电率三级异常,其中,自放电率一级异常的异常等级低于自放电率二级异常的异常等级,自放电率二级异常的异常等级低于自放电率三级异常的异常等级。
步骤S5:根据自放电率异常等级确定异常报警策略。
一实施例中,异常报警策略包括:第一异常报警策略:在后续预设时间段内,对发生异常的单体电芯增大异常检测频率;第二异常报警策略:通知驾驶人员在车辆保养时进行自放电率专项检查;第三异常报警策略:通知驾驶人员立即进行自放电率专项检查。
具体而言,在待测车辆运行过程中,待测车辆对云端服务器上传车联网数据,服务器对车联网数据进行数据提取,并根据提取到的数据计算电池包内所有单体电芯的电芯剩余电量差值ΔSOCx。进而,对各单体电芯的电芯剩余电量差值进行离散度分析,计算分位数值、分位距数值和异众比率值等电量离散度参数。在得到电量离散度参数之后,根据电量离散度参数计算划分异常等级的阈值,对各电芯剩余电量差值与各阈值进行比较,根据比较结果确定各单体电芯的自放电率异常等级。若根据电量离散度参数确定单体电芯发生自放电率一级异常,则执行第一异常报警策略,在后续预设时间段内,对发生异常的单体电芯增大异常检测频率;若根据电量离散度参数确定单体电芯发生自放电率二级异常,则执行第二异常报警策略,通知驾驶人员在车辆保养时进行自放电率专项检查;若根据电量离散度参数确定单体电芯发生自放电率三级异常,则执行第三异常报警策略,通知驾驶人员立即进行自放电率专项检查。
由此,本发明通过车联网数据计算单体电芯自放电率离散程度,并根据自放电率离散程度进行自放电率异常报警,解决了现有的自放电率检测实时性差、准确率低的问题,可实现在线检测自放电率异常,实时性强,计算方法简单,异常检测结果更准确。
可选地,图2为本发明实施例二提供的一种电池自放电率异常检测方法的流程图。
如图2所示,该电池自放电率异常检测方法包括以下步骤:
步骤S1:获取待测车辆的车联网数据。
步骤S2:根据车联网数据确定电池包内所有单体电芯的电芯剩余电量差值。
步骤S3:对所有电芯剩余电量差值进行离散度分析,确定电量离散度参数,电量离散度参数包括分位数值、分位距数值和异众比率值。
步骤S401:根据分位数值、分位距数值和异众比率值确定至少一个异常等级阈值。
步骤S402:对电芯剩余电量差值和异常等级阈值进行比对,根据比对结果确定单体电芯的自放电率异常等级。
步骤S5:根据自放电率异常等级确定异常报警策略。
其中,上述步骤S401至步骤S402示出了一种根据电量离散度参数确定单体电芯的自放电率异常等级的具体实施方式。
示例性地,定义待测车辆的电池包内设置n个单体电芯,分位数值为Q,分位距数值为IQR,异众比率值为Vr,可根据如下所示的公式一计算异常等级阈值:
Qth=Q+k*n*Vr*IQR (公式一)
其中,Qth为异常等级阈值,k为阈值调整系数,k为大于等于1的正整数,可设置相邻异常等级之间的异常等级阈值差值为n*Vr*IQR,例如,自放电率一级异常对应的一级异常等级阈值Qth1可设置为Q+n*Vr*IQR;自放电率二级异常对应的二级异常等级阈值Qth2可设置为Q+2*n*Vr*IQR;自放电率三级异常对应的三级异常等级阈值Qth3可设置为Q+3*n*Vr*IQR。
在得到异常等级阈值之后,对各单体电芯的电芯剩余电量差值ΔSOCx与异常等级阈值进行比对,若电芯剩余电量差值ΔSOCx小于或者等于一级异常等级阈值Qth1,则判定单体电芯不存在自放电率异常;若电芯剩余电量差值ΔSOCx大于一级异常等级阈值Qth1,且小于或者等于二级异常等级阈值Qth2,则判定单体电芯发生自放电率一级异常,执行第一异常报警策略,在后续预设时间段内,对发生异常的单体电芯增大异常检测频率;若电芯剩余电量差值ΔSOCx大于二级异常等级阈值Qth2,且小于或者等于三级异常等级阈值Qth3,则判定单体电芯发生自放电率二级异常,执行第二异常报警策略,通知驾驶人员在车辆保养时进行自放电率专项检查;若电芯剩余电量差值ΔSOCx大于三级异常等级阈值Qth3,则判定单体电芯发生自放电率三级异常,执行第三异常报警策略,通知驾驶人员立即进行自放电率专项检查。
可选地,图3为本发明实施例三提供的一种电池自放电率异常检测方法的流程图,本实施例中,示例性地示出了一种计算电量离散度参数的具体实施方式,其中,电量离散度参数包括上四分位数值Q3、下四分位数值Q1、四分位距数值IQR和异众比率值Vr。
如图3所示,上述步骤S3具体包括以下步骤:
步骤S301:对电池包内所有单体电芯的电芯剩余电量差值ΔSOCx按照从小到大的顺序进行排列,得到电量差值序列。
步骤S302:基于四分位数算法对电量差值序列进行处理,得到上四分位数值Q3和下四分位数值Q1。
步骤S303:根据上四分位数值Q3和下四分位数值Q1确定四分位距数值IQR。
其中,四分位距数值IQR、上四分位数值Q3和下四分位数值Q1满足:IQR=Q3-Q1。
具体而言,若定义待测车辆的电池包内设置n个单体电芯,则电量差值序列中包括n个电芯剩余电量差值ΔSOCx,执行四分位数算法,对电量差值序列中的数进行四等分,上四分位数值Q3为序列中(n+1)*0.25位置对应的数值;下四分位数值Q1为序列中(n+1)*0.75位置对应的数值。若(n+1)*0.25和(n+1)*0.75非整数,则根据[(n+1)*0.25]位置对应的数值和[(n+1)*0.25]+1位置对应的数值计算上四分位数值Q3,根据[(n+1)*0.75]位置对应的数值和[(n+1)*0.75]+1位置对应的数值计算下四分位数值Q1,其中,“[]”为取整符号。
示例性地,以n等于10为例,电量差值序列中包括10个电量差值,ΔSOC1,ΔSOC2,……,ΔSOC10,(n+1)*0.25等于2.75,上四分位数值Q3可根据ΔSOC2和ΔSOC3计算得到,例如,Q3=0.25*ΔSOC2+0.75*ΔSOC3;(n+1)*0.75等于8.25,下四分位数值Q1可根据ΔSOC8和ΔSOC9计算得到,例如,Q1=0.75*ΔSOC8+0.25*ΔSOC9。
继续参考图3所示,在得到上四分位数值Q3、下四分位数值Q1和四分位距数值IQR之后,上述步骤S3还包括以下步骤:
步骤S304:对电池包内所有单体电芯的电芯剩余电量差值进行取整数处理,得到电量差值取整参数。
步骤S305:根据电量差值取整参数计算电芯剩余电量差值的异众比率值Vr。异众比率值其中,fm为ΔSOC的众数,∑fi为ΔSOC的众数之和,∑fi等于电池包内单体电芯的总数。
本实施例中,可将上四分位数值Q3、四分位距数值IQR及异众比率值Vr代入上述公式一,计算异常等级阈值Qth,其中,一级异常等级阈值Qth1扥估Q3+n*Vr*IQR;二级异常等级阈值Qth2扥估Q3+2*n*Vr*IQR;三级异常等级阈值Qth3等于Q3+3*n*Vr*IQR。
可选地,图4为本发明实施例四提供的一种电池自放电率异常检测方法的流程图,在图1的基础上,示例性地示出了一种计算电芯剩余电量差值的具体实施方式。
如图4所示,该异常检测方法具体包括以下步骤:
步骤S1:获取待测车辆的车联网数据。
步骤S201:获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数。
其中,第一单体电芯电压和温度参数可为待测车辆停车前记录的最后一组电芯电压V0x及电芯温度T0x;第二单体电芯电压和温度参数可为待测车辆停车结束再次启动时记录的第一组电芯电压V1x及电芯温度T1x。
一实施例中,获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数,包括:获取待测车辆的历史停车时长;根据历史停车时长建立滑动窗口,滑动窗口的时间长度大于历史停车时长;基于滑动窗口对车联网数据进行特征数提取,得到停车前记录的第一单体电芯电压和温度参数和停车结束后记录的第二单体电芯电压和温度参数。
本步骤中,通过建立滑动窗口获取历史停车时长以上的数据,将滑动窗口的第一组数据与停车前记录的最后一组电芯电压及电芯温度的时间点重合,获取滑动窗口内的第一组电芯电压及电芯温度和最后一组电芯电压及电芯温度,将第一组电芯电压及电芯温度确定为第一单体电芯电压和温度参数,并将最后一组电芯电压及电芯温度确定为第二单体电芯电压和温度参数。
示例性地,历史停车时长可为1天至90天之间的任一数值。
步骤S202:根据第一单体电芯电压和温度参数和预设OCV-SOC曲线,确定第一剩余电量SOCx'。
其中,预设OCV-SOC曲线为根据SOC标定数据建立的不同温度下,OCV(Opencircuit voltage,开路电压)与SOC之间的对应关系曲线。
步骤S203:根据第二单体电芯电压和温度参数和预设OCV-SOC曲线,确定第二剩余电量SOCx"。
步骤S204:根据第一剩余电量SOCx'和第二剩余电量SOCx"计算电芯剩余电量差值ΔSOCx。
步骤S3:对所有电芯剩余电量差值进行离散度分析,确定电量离散度参数。
步骤S4:根据电量离散度参数确定单体电芯的自放电率异常等级。
步骤S5:根据自放电率异常等级确定异常报警策略。
具体而言,上述步骤S201至步骤S204记载了一种根据车联网数据计算电池包内所有单体电芯的电芯剩余电量差值ΔSOCx的具体方法。首先根据电池包数据特征窗口识别方法,提取车联网数据中停车前每个单体电芯的第一单体电芯电压和温度参数(V0x和T0x),及停车结束后每个单体电芯的第二单体电芯电压和温度参数(V1x和T1x)。在计算单体电芯剩余电量时,分别将第一单体电芯电压和温度参数(V0x和T0x)及第二单体电芯电压和温度参数(V1x和T1x)作为输入量,对预设OCV-SOC曲线进行查表,确定待测车辆中第x号单体电芯停车前的第一剩余电量SOCx'及停车结束后的第二剩余电量SOCx",通过第一剩余电量SOCx'与第二剩余电量SOCx"之间的差值,计算第x号单体电芯的电芯剩余电量差值ΔSOCx。在得到电池包内所有单体电芯的电芯剩余电量差值ΔSOCx之后,进行离散度分析,并判断自放电率异常情况,在此不再赘述。
可选地,图5为本发明实施例五提供的一种电池自放电率异常检测方法的流程图。
如图5所示,在获取待测车辆的车联网数据之后,该异常检测方法还包括以下步骤:
步骤S101:获取预设阈值参数,预设阈值参数包括预设里程阈值、预设里程差阈值、预设单体电压阈值、预设电压差阈值和预设电芯温度阈值。
步骤S102:根据预设阈值参数对车联网数据进行无效数据处理。
示例性地,预设里程阈值可设置为0至1000000km,若车联网数据中的里程超过该范围,则删除该组数据;预设里程差阈值可设置为1km,若车联网数据中的里程差大于1km,则判定上传数据丢失,删除该组数据;预设单体电压阈值可设置为0至5V,若车联网数据中的单体电压超过该范围,则删除该组数据;预设电压差阈值可设置为停车结束后小于停车前的电芯电压,若停车结束后大于停车前的电芯电压,则判定丢失充电信号,删除该组数据;预设电芯温度阈值可设置为-40℃-50℃,若车联网数据中的电芯温度超过该范围,则删除该组数据。
具体而言,在接收到车联网数据之后,可根据预设阈值参数,分析数据的准确性,清除超过预设阈值参数范围的无效数据,并将经过筛选的数据以各车辆的VIN码和数据上传时间存储于服务器。通过提出无效数据,排除问题信号,提高自放电率异常检测准确性,避免漏报和错报。
基于上述任一实施例,本发明实施例六提供了一种电池自放电率异常管理***,用于执行上述任一实施例提供的电池自放电率异常检测方法,具备执行上述电池自放电率异常检测方法相应的功能模块和有益效果。该电池自放电率异常管理***可设置于服务器中。
图6是本发明实施例六提供的一种电池自放电率异常管理***的结构示意图。
如图6所示,该电池自放电率异常管理***00包括:数据接收模块101、特征提取模块201、离散度计算模块301、异常等级确认模块401和报警模块501。其中,数据接收模块101,用于获取待测车辆的车联网数据;特征提取模块201,用于根据车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值;离散度计算模块301,用于根据电芯剩余电量差值确定电量离散度参数,电量离散度参数包括分位数值、分位距数值和异众比率值;异常等级确认模块401,用于根据电量离散度参数确定单体电芯的自放电率异常等级;报警模块501,用于根据自放电率异常等级确定异常报警策略。
可选地,异常等级确认模块401用于根据分位数值、分位距数值和异众比率值确定至少一个异常等级阈值,并对电芯剩余电量差值和异常等级阈值进行比对,根据比对结果确定单体电芯的自放电率异常等级。
可选地,离散度计算模块301包括分位差计算单元,分位差计算单元用于对电池包内所有单体电芯的电芯剩余电量差值按照从小到大的顺序进行排列,得到电量差值序列;基于四分位数算法对电量差值序列进行处理,得到上四分位数值和下四分位数值;根据上四分位数值和下四分位数值确定四分位距数值。
可选地,离散度计算模块301还包括异众比率计算单元,异众比率计算单元用于对电池包内所有单体电芯的电芯剩余电量差值进行取整数处理,得到电量差值取整参数,并根据电量差值取整参数计算电芯剩余电量差值的异众比率值。
可选地,特征提取模块201用于获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数;根据第一单体电芯电压和温度参数和预设OCV-SOC曲线,确定第一剩余电量;根据第二单体电芯电压和温度参数和预设OCV-SOC曲线,确定第二剩余电量;根据第一剩余电量和第二剩余电量计算电芯剩余电量差值。
可选地,特征提取模块201还用于获取待测车辆的历史停车时长;根据历史停车时长建立滑动窗口,滑动窗口的时间长度大于历史停车时长;基于滑动窗口对车联网数据进行特征数提取,得到第一单体电芯电压和温度参数和第二单体电芯电压和温度参数。
可选地,车联网数据包括:数据上传时间、车辆行驶里程、电池包的单体电压参数和电芯温度。
可选地,该***00包括:数据处理模块,数据处理模块用于存储预设阈值参数,并根据预设阈值参数对车联网数据进行无效数据处理。其中,预设阈值参数包括预设里程阈值、预设里程差阈值、预设单体电压阈值、预设电压差阈值和预设电芯温度阈值。
可选地,异常报警策略包括:在后续预设时间段内,对发生异常的单体电芯增大异常检测频率;或者,通知驾驶人员在车辆保养时进行专项检查;或者,通知驾驶人员立即进行专项检查。
基于上述任一实施例,本发明实施例七还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述电池自放电率异常检测方法。
图7为本发明实施例七提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图7显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器16,存储器28,连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的电池自放电率异常检测方法。
基于上述任一实施例,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述电池自放电率异常检测方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,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。
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、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明提供的电池自放电率异常检测方法、***、设备及存储介质,通过获取车联网数据,根据车联网数据计算电池包内所有单体电芯在停车前和停车结束后的电芯剩余电量差值,对电芯剩余电量差值进行离散度分析,确定电池包内单体电芯的电量离散度参数,根据电量离散度参数确定单体电芯的自放电率异常等级及对应的异常报警策略,解决了现有的自放电率检测实时性差、准确率低的问题,可实现在线检测自放电率异常,实时性强,计算方法简单,异常检测结果更准确。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种电池自放电率异常检测方法,其特征在于,包括以下步骤:
获取待测车辆的车联网数据;
根据所述车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,所述电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值;
对所有所述电芯剩余电量差值进行离散度分析,确定电量离散度参数,所述电量离散度参数包括分位数值、分位距数值和异众比率值;
根据所述电量离散度参数确定单体电芯的自放电率异常等级;
根据所述自放电率异常等级确定异常报警策略;
根据所述电量离散度参数确定单体电芯的自放电率异常等级,包括:
根据所述分位数值、所述分位距数值、所述异众比率值和阈值调整系数确定至少一个异常等级阈值;
对所述电芯剩余电量差值和所述异常等级阈值进行比对,根据比对结果确定单体电芯的自放电率异常等级;
其中,所述阈值调整系数为大于等于1的正整数,所述异常等级阈值与所述阈值调整系数一一对应。
2.根据权利要求1所述的电池自放电率异常检测方法,其特征在于,对所有所述电芯剩余电量差值进行离散度分析,确定电量离散度参数,包括:
对电池包内所有单体电芯的所述电芯剩余电量差值按照从小到大的顺序进行排列,得到电量差值序列;
基于四分位数算法对所述电量差值序列进行处理,得到上四分位数值和下四分位数值;
根据所述上四分位数值和所述下四分位数值确定四分位距数值。
3.根据权利要求1所述的电池自放电率异常检测方法,其特征在于,对所有所述电芯剩余电量差值进行离散度分析,确定电量离散度参数,还包括:
对电池包内所有单体电芯的所述电芯剩余电量差值进行取整数处理,得到电量差值取整参数;
根据电量差值取整参数计算所述电芯剩余电量差值的异众比率值。
4.根据权利要求1所述的电池自放电率异常检测方法,其特征在于,根据所述车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,包括:
获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数;
根据所述第一单体电芯电压和温度参数和预设OCV-SOC曲线,确定第一剩余电量;
根据所述第二单体电芯电压和温度参数和预设OCV-SOC曲线,确定第二剩余电量;
根据所述第一剩余电量和所述第二剩余电量计算所述电芯剩余电量差值。
5.根据权利要求4所述的电池自放电率异常检测方法,其特征在于,获取停车前记录的第一单体电芯电压和温度参数及停车结束后记录的第二单体电芯电压和温度参数,包括:
获取所述待测车辆的历史停车时长;
根据所述历史停车时长建立滑动窗口,所述滑动窗口的时间长度大于所述历史停车时长;
基于所述滑动窗口对所述车联网数据进行特征数提取,得到所述第一单体电芯电压和温度参数和所述第二单体电芯电压和温度参数。
6.根据权利要求1-5任一项所述的电池自放电率异常检测方法,其特征在于,所述车联网数据包括:数据上传时间、车辆行驶里程、电池包的单体电压参数和电芯温度;
在获取待测车辆的车联网数据之后,还包括以下步骤:
获取预设阈值参数,所述预设阈值参数包括预设里程阈值、预设里程差阈值、预设单体电压阈值、预设电压差阈值和预设电芯温度阈值;
根据所述预设阈值参数对所述车联网数据进行无效数据处理。
7.根据权利要求1-5任一项所述的电池自放电率异常检测方法,其特征在于,所述异常报警策略包括:
在后续预设时间段内,对发生异常的单体电芯增大异常检测频率;
或者,通知驾驶人员在车辆保养时进行专项检查;
或者,通知驾驶人员立即进行专项检查。
8.一种电池自放电率异常管理***,其特征在于,用于执行权利要求1-7任一所述的电池自放电率异常检测方法,所述***包括:
数据接收模块,用于获取待测车辆的车联网数据;
特征提取模块,用于根据所述车联网数据确定电池包内所有单体电芯的电芯剩余电量差值,所述电芯剩余电量差值为停车前和停车结束后,同一单体电芯的电芯剩余电量的差值;
离散度计算模块,用于根据所述电芯剩余电量差值确定电量离散度参数,所述电量离散度参数包括分位数值、分位距数值和异众比率值;
异常等级确认模块,用于根据所述电量离散度参数确定单体电芯的自放电率异常等级;
报警模块,用于根据所述自放电率异常等级确定异常报警策略;
根据所述电量离散度参数确定单体电芯的自放电率异常等级,包括:
根据所述分位数值、所述分位距数值、所述异众比率值和阈值调整系数k确定至少一个异常等级阈值;
对所述电芯剩余电量差值和所述异常等级阈值进行比对,根据比对结果确定单体电芯的自放电率异常等级;
其中,所述阈值调整系数为大于等于1的正整数,所述异常等级阈值与所述阈值调整系数一一对应。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的电池自放电率异常检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的电池自放电率异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111673825.6A CN114148216B (zh) | 2021-12-31 | 2021-12-31 | 电池自放电率异常检测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111673825.6A CN114148216B (zh) | 2021-12-31 | 2021-12-31 | 电池自放电率异常检测方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114148216A CN114148216A (zh) | 2022-03-08 |
CN114148216B true CN114148216B (zh) | 2023-11-28 |
Family
ID=80449644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111673825.6A Active CN114148216B (zh) | 2021-12-31 | 2021-12-31 | 电池自放电率异常检测方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114148216B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115219903A (zh) * | 2022-03-11 | 2022-10-21 | 中国第一汽车股份有限公司 | 基于车联网数据分析的电池自放电率异常判断方法及装置 |
CN115122933A (zh) * | 2022-08-22 | 2022-09-30 | 中国第一汽车股份有限公司 | 一种电动汽车静置异常识别方法及装置 |
CN117054916B (zh) * | 2023-07-27 | 2024-06-11 | 小米汽车科技有限公司 | 动力电池的异常检测方法、***及云端服务器 |
CN116736153B (zh) * | 2023-08-15 | 2023-11-21 | 宁德时代新能源科技股份有限公司 | 过放电预警方法、装置、电子设备、存储介质和程序产品 |
CN116774064B (zh) * | 2023-08-22 | 2024-01-16 | 宁德时代新能源科技股份有限公司 | 电池自放电检测方法、装置、设备和存储介质 |
CN117647748B (zh) * | 2024-01-30 | 2024-05-28 | 宁德时代新能源科技股份有限公司 | 异常电芯的检测方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111361448A (zh) * | 2020-03-19 | 2020-07-03 | 一汽解放汽车有限公司 | 电池的自放电检测方法、装置、电池控制器和存储介质 |
CN112115404A (zh) * | 2020-09-08 | 2020-12-22 | 中国第一汽车股份有限公司 | 车辆电池电量的预判方法、装置、***、设备和存储介质 |
CN113311346A (zh) * | 2021-05-19 | 2021-08-27 | 北京车和家信息技术有限公司 | 一种电芯预警方法、装置、云平台及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7116886B2 (ja) * | 2017-02-20 | 2022-08-12 | 株式会社Gsユアサ | 状態推定装置 |
-
2021
- 2021-12-31 CN CN202111673825.6A patent/CN114148216B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111361448A (zh) * | 2020-03-19 | 2020-07-03 | 一汽解放汽车有限公司 | 电池的自放电检测方法、装置、电池控制器和存储介质 |
CN112115404A (zh) * | 2020-09-08 | 2020-12-22 | 中国第一汽车股份有限公司 | 车辆电池电量的预判方法、装置、***、设备和存储介质 |
CN113311346A (zh) * | 2021-05-19 | 2021-08-27 | 北京车和家信息技术有限公司 | 一种电芯预警方法、装置、云平台及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114148216A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114148216B (zh) | 电池自放电率异常检测方法、***、设备及存储介质 | |
Shang et al. | A multi-fault diagnosis method based on modified Sample Entropy for lithium-ion battery strings | |
Wang et al. | A novel consistency evaluation method for series-connected battery systems based on real-world operation data | |
CN112092675B (zh) | 一种电池热失控预警方法、***及服务器 | |
EP4102615A1 (en) | Early warning method and apparatus, device and storage medium | |
CN113415165B (zh) | 一种故障诊断方法、装置、电子设备及存储介质 | |
CN105467325A (zh) | 电池容量退化解决的方法和*** | |
CN113310647B (zh) | 电池包泄露检测的方法、装置、电子设备及存储介质 | |
WO2023045790A1 (zh) | Soc校准方法、建模方法、建模装置、计算机设备及介质 | |
CN113189495B (zh) | 一种电池健康状态的预测方法、装置及电子设备 | |
JP2012058089A (ja) | パラメータ推定装置 | |
Nuroldayeva et al. | State of Health Estimation Methods for Lithium‐Ion Batteries | |
Lin et al. | Reliability prediction of battery management system for electric vehicles based on accelerated degradation test: A semi-parametric approach | |
CN115186502A (zh) | 车辆的异常数据识别方法、装置、电子设备及存储介质 | |
CN112946482A (zh) | 一种基于模型的电池电压估算方法、装置、设备及存储介质 | |
US9906069B2 (en) | Vehicle battery status detection by tracking a temperature gradient | |
CN116736166A (zh) | 电池包的电芯异常检测方法、装置及电池包 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
US11959969B2 (en) | Apparatus and method for diagnosing battery | |
Yang et al. | An efficient and robust method for lithium-ion battery capacity estimation using constant-voltage charging time | |
CN115436789A (zh) | 继电器故障检测方法、装置、电子设备和存储介质 | |
CN113433478A (zh) | 云端估算动力电池健康度的方法及装置 | |
CN114631032A (zh) | 用于监控电池组健康状况的方法和*** | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
CN116736157A (zh) | 动力电池的预警方法、装置、设备及存储介质 |
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 |