CN115236525A - 一种梯次电池筛选方法、装置及介质 - Google Patents
一种梯次电池筛选方法、装置及介质 Download PDFInfo
- Publication number
- CN115236525A CN115236525A CN202210955244.XA CN202210955244A CN115236525A CN 115236525 A CN115236525 A CN 115236525A CN 202210955244 A CN202210955244 A CN 202210955244A CN 115236525 A CN115236525 A CN 115236525A
- Authority
- CN
- China
- Prior art keywords
- charging
- discharge
- target
- primary
- data
- 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
- G01R31/36—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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种梯次电池筛选方法、装置及介质,涉及新能源技术领域。该方法在确定梯次电池后,对梯次电池进行溯源,获取梯次电池之前应用的车型,对梯次电池执行一次充电和一次放电,根据同车型充电过程数据进行大数据异常检测分析,获得电池的充电安全评价信息,根据同车型的放电过程数据进行大数据异常检测分析,获得电池的放电安全评价信息,综合充电安全评价信息和放电安全评价信息进行综合评估,确定是否符合梯次储能的应用。由此可见,本申请通过对梯次电池包执行一次充放电即可完成对梯次电池包的评估,既保证了对梯次电池评估的精准度,又提高了梯次电池整包利用的筛选效率。
Description
技术领域
本申请涉及新能源技术领域,特别是涉及一种梯次电池筛选方法、装置及介质。
背景技术
电池在使用(如作为动力电池应用于电动车辆)一段时间后出现了衰减,衰减后的电池不足以满足当下设备(如电动车辆)的应用要求,但是电池也具有一定的剩余容量,仍可以满足对用电设备(如给电动车辆等待充电设备充电)的需求,即梯次电池的降级利用。梯次电池的筛选核心要考虑的因素主要是安全和经济价值,安全主要考虑电池的核心的安全指标,其要求必须事前对梯次电池进行严格筛选,筛选出安全和性能较好的梯次电池再进行梯次利用。
梯次电池利用包括拆解后再组装利用及整包再利用,相对于拆解后再组装利用,梯次电池的整包利用效率更高。现有对梯次电池的筛选评估主要是通过大量的充放电试验,因此效率低下,缺乏梯次电池的整包利用高效率筛选的方法。
由此可见,如何提高梯次电池整包利用的筛选效率,是本领域人员亟需解决的技术问题。
发明内容
本申请的目的是提供一种梯次电池筛选方法、装置及介质,用于提高梯次电池整包利用的筛选效率。
为解决上述技术问题,本申请提供一种梯次电池筛选方法,包括:
选择目标梯次电池;
确定所述目标梯次电池梯次利用前所在的目标新能源设备并获取所述目标新能源设备的类型;
选择所述类型下的多个新能源设备作为分析对象;
根据所述分析对象构建充电安全模型以及放电安全模型,并通过所述充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过所述放电安全模型获取第一放电安全阈值和第二放电安全阈值;其中,构建所述充电安全模型包括:获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据,所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据;根据所述一次参考充电过程数据计算各变量对应的用于表征所述变量变化趋势的二次参考充电过程数据;基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系,利用异常检测方法确定所述一次参考充电过程数据对应的第一充电安全阈值以及确定所述二次参考充电过程数据对应的第二充电安全阈值;构建所述放电安全模型包括:获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的一次参考放电过程数据,所述一次参考放电过程数据为所述分析对象在放电过程中所产生的数据;根据所述一次参考放电过程数据计算各所述变量对应的用于表征所述变量变化趋势的二次参考放电过程数据;基于所述一次参考放电过程数据和所述二次参考放电过程数据与时间的对应关系,利用所述异常检测方法确定所述一次参考放电过程数据对应的第一放电安全阈值以及确定所述二次参考放电过程数据对应的第二放电安全阈值;
获取所述目标梯次电池一次充电测试数据及二次充电测试数据;其中,所述一次充电测试数据为对所述目标梯次电池充电测试直接获取的数据,所述二次充电测试数据是根据所述一次充电测试数据计算各所述变量对应的用于表征所述变量变化趋势的数据;
将所述一次充电测试数据与所述第一充电安全阈值进行比较以及将所述二次充电测试数据与所述第二充电安全阈值进行比较以确定所述目标梯次电池充电异常并创建充电异常信息集;
获取所述目标梯次电池一次放电测试数据及二次放电测试数据;其中,所述一次放电测试数据为对所述目标梯次电池放电测试直接获取的数据,所述二次放电测试数据是根据所述一次放电测试数据计算各所述变量对应的用于表征所述变量变化趋势的数据;
将所述一次放电测试数据与所述第一放电安全阈值进行比较以及将所述二次放电测试数据与所述第二放电安全阈值进行比较以确定所述目标梯次电池放电异常并创建放电异常信息集;
根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度,以作为判断所述目标梯次电池是否用于储能的依据。
优选地,所述获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据包括:
获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的多个目标充电订单;
从各所述目标充电订单中提取所述一次参考充电过程数据。
优选地,所述获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的一次参考放电过程数据包括:
获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的多个目标放电订单;
从各所述目标放电订单中提取所述一次参考放电过程数据。
优选地,所述将所述一次充电测试数据与所述第一充电安全阈值进行比较以及将所述二次充电测试数据与所述第二充电安全阈值进行比较以确定所述目标梯次电池充电异常包括:
在所述一次充电测试数据大于所述第一充电安全阈值和/或所述二次充电测试数据大于所述第二充电安全阈值的情况下,确定所述目标梯次电池充电异常。
优选地,所述将所述一次放电测试数据与所述第一放电安全阈值进行比较以及将所述二次放电测试数据与所述第二放电安全阈值进行比较以确定所述目标梯次电池放电异常包括:
在所述一次放电测试数据大于所述第一放电安全阈值和/或所述二次放电测试数据大于所述第二放电安全阈值的情况下,确定所述目标梯次电池放电异常。
优选地,在所述根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度之后,所述方法还包括:
根据第一预设的偏离程度与健康状况的对应关系,确定所述目标梯次电池一次充电测试数据与所述第一充电安全阈值所对应的第一健康状况;
根据第二预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次充电测试数据与所述第二充电安全阈值所对应的第二健康状况;
根据所述第一健康状况以及所述第二健康状况确定所述目标梯次电池的充电健康状况。
优选地,在所述根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度之后,所述方法还包括:
根据第三预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池一次放电测试数据与所述第一放电安全阈值所对应的第三健康状况;
根据第四预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次放电测试数据与所述第二放电安全阈值所对应的第四健康状况;
根据所述第三健康状况以及所述第四健康状况确定所述目标梯次电池的放电健康状况;
根据所述第一健康状况、所述第二健康状况、所述第三健康状况、所述第四健康状况确定所述目标梯次电池的所述健康状况。
优选地,所述根据第一预设的偏离程度与健康状况的对应关系,确定所述目标梯次电池一次充电测试数据与所述第一充电安全阈值所对应的第一健康状况包括:
获取所述目标新能源设备的预定时间内的多个历史充电订单;
从各所述历史充电订单中获取一次历史充电过程数据,其中,所述一次历史充电过程数据为所述分析对象在充电过程中所产生的数据;
将所述一次历史充电过程数据中各所述变量对应的平均值以作为第一实际平均值;
计算所述一次参考充电过程数据在所述预定时间内各所述变量对应的第一参考平均值;
确定同一所述变量对应的所述第一实际平均值与所述第一参考平均值的第一变量偏离度;
依据预先设定的所述第一变量偏离度与健康等级的对应关系确定所述第一变量偏离度对应的第一实际健康等级。
优选地,所述根据第二预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次充电测试数据与所述第二充电安全阈值所对应的第二健康状况包括:
获取所述目标新能源设备的预定时间内的多个所述历史充电订单;
从各所述历史充电订单中获取二次历史充电过程数据,其中,所述二次历史充电过程数据为根据所述一次历史充电过程数据计算得到的各所述变量对应的用于表征所述变量变化趋势的数据;
将所述二次历史充电过程数据中各所述变量对应的平均值以作为第二实际平均值;
计算所述二次参考充电过程数据在所述预定时间内各所述变量对应的第二参考平均值;
确定同一所述变量对应的所述第二实际平均值与所述第二参考平均值的第二变量偏离度;
依据预先设定的所述第二变量偏离度与所述健康等级的对应关系确定所述第二变量偏离度对应的第二实际健康等级。
优选地,所述根据第三预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池一次放电测试数据与所述第一放电安全阈值所对应的第三健康状况包括:
获取所述目标新能源设备的预定时间内的多个历史放电订单;
从各所述历史放电订单中获取一次历史放电过程数据,其中,所述一次历史放电过程数据为所述分析对象在放电过程中所产生的数据;
将所述一次历史放电过程数据中各所述变量对应的平均值以作为第三实际平均值;
计算所述一次参考放电过程数据在所述预定时间内各所述变量对应的第三参考平均值;
确定同一所述变量对应的所述第一实际平均值与所述第三参考平均值的第三变量偏离度;
依据预先设定的所述第三变量偏离度与所述健康等级的对应关系确定所述第三变量偏离度对应的第三实际健康等级。
优选地,所述根据第四预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次放电测试数据与所述第二放电安全阈值所对应的第四健康状况包括:
获取所述目标新能源设备的预定时间内的多个所述历史放电订单;
从各所述历史充电订单中获取二次历史放电过程数据,其中,所述二次历史放电过程数据为根据所述一次历史放电过程数据计算得到的各所述变量对应的用于表征所述变量变化趋势的数据;
将所述二次历史放电过程数据中各所述变量对应的平均值以作为第四实际平均值;
计算所述二次参考放电过程数据在所述预定时间内各所述变量对应的第四参考平均值;
确定同一所述变量对应的所述第四实际平均值与所述第四参考平均值的第四变量偏离度;
依据预先设定的所述第四变量偏离度与所述健康等级的对应关系确定所述第四变量偏离度对应的第四实际健康等级。
为了解决上述技术问题,本申请还提供一种梯次电池筛选装置,包括:
第一选择模块,用于选择目标梯次电池;
确定及获取模块,用于确定所述目标梯次电池梯次利用前所在的目标新能源设备并获取所述目标新能源设备的类型;
第二选择模块,用于选择所述类型下的多个新能源设备作为分析对象;
构建及获取模块,用于根据所述分析对象构建充电安全模型以及放电安全模型,并通过所述充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过所述放电安全模型获取第一放电安全阈值和第二放电安全阈值;其中,构建所述充电安全模型包括:获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据,所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据;根据所述一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据;基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系,利用异常检测方法确定所述一次参考充电过程数据对应的第一充电安全阈值以及确定所述二次参考充电过程数据对应的第二充电安全阈值;构建所述放电安全模型包括:获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的一次参考放电过程数据,所述一次参考放电过程数据为所述分析对象在放电过程中所产生的数据;根据所述一次参考放电过程数据计算各变量对应的用于表征变量变化趋势的二次参考放电过程数据;基于所述一次参考放电过程数据和所述二次参考放电过程数据与时间的对应关系,利用所述异常检测方法确定所述一次参考放电过程数据对应的第一放电安全阈值以及确定所述二次参考放电过程数据对应的第二放电安全阈值;
第一获取模块,用于获取所述目标梯次电池一次充电测试数据及二次充电测试数据;其中,所述一次充电测试数据为对所述目标梯次电池充电测试直接获取的数据,所述二次充电测试数据是根据所述一次充电测试数据计算各变量对应的用于表征变量变化趋势的数据;
第一确定模块,用于将所述一次充电测试数据与所述第一充电安全阈值进行比较以及将所述二次充电测试数据与所述第二充电安全阈值进行比较以确定所述目标梯次电池充电异常并创建充电异常信息集;
第二获取模块,用于获取所述目标梯次电池一次放电测试数据及二次放电测试数据;其中,所述一次放电测试数据为对所述目标梯次电池放电测试直接获取的数据,所述二次放电测试数据是根据所述一次放电测试数据计算各变量对应的用于表征变量变化趋势的数据;
第二确定模块,用于将所述一次放电测试数据与所述第一放电安全阈值进行比较以及将所述二次放电测试数据与所述第二放电安全阈值进行比较以确定所述目标梯次电池放电异常并创建放电异常信息集;
评价及获取模块,用于根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度,以作为判断所述目标梯次电池是否用于储能的依据。
为了解决上述技术问题,本申请还提供一种梯次电池筛选装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述的梯次电池筛选方法的步骤。
为了解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质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上述的梯次电池筛选方法的步骤。
本申请所提供的一种梯次电池筛选方法,包括:选择目标梯次电池;确定目标梯次电池梯次利用前所在的目标新能源设备并获取目标新能源设备的类型;选择类型下的多个新能源设备作为分析对象;根据分析对象构建充电安全模型以及放电安全模型,并通过充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过放电安全模型获取第一放电安全阈值和第二放电安全阈值;获取目标梯次电池一次充电测试数据及二次充电测试数据;将一次充电测试数据与第一充电安全阈值进行比较以及将二次充电测试数据与第二充电安全阈值进行比较以确定目标梯次电池充电异常并创建充电异常信息集;获取目标梯次电池一次放电测试数据及二次放电测试数据;将一次放电测试数据与第一放电安全阈值进行比较以及将二次放电测试数据与第二放电安全阈值进行比较以确定目标梯次电池放电异常并创建放电异常信息集;根据充电异常信息集以及放电异常信息集对目标梯次电池进行综合评价并获取目标梯次电池的健康度,以作为判断目标梯次电池是否用于储能的依据。由此可见,该方法中拿到梯次电池后,对梯次电池进行溯源,获取梯次电池之前应用的车型,对梯次电池执行一次充电和一次放电,根据同车型充电过程数据进行大数据异常检测分析,获得电池的充电安全评价信息,根据同车型的放电过程数据进行大数据异常检测分析,获得电池的放电安全评价信息,综合充电安全评价信息和放电安全评价信息进行综合评估,确定是否符合梯次储能的应用,即本申请通过对梯次电池包执行一次充放电即可完成对梯次电池包的评估,从而既保证了对梯次电池评估的精准度,又提高了梯次电池整包利用的筛选效率。
此外,本申请还提供一种梯次电池筛选装置、以及计算机可读存储介质,与上述提到的梯次电池筛选方法具有相同或相对应的技术特征,效果同上。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,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。
图1为本申请实施例提供的一种梯次电池筛选方法的流程图;
图2为本申请实施例提供的一种构建充电安全模型的方法的流程图;
图3为本申请的一实施例提供的梯次电池筛选装置的结构图;
图4为本申请另一实施例提供的梯次电池筛选装置的结构图;
图5为本申请实施例提供的一种梯次电池筛选方法的整体流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,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,都属于本申请保护范围。
本申请的核心是提供一种梯次电池筛选方法、装置及介质,用于提高梯次电池整包利用的筛选效率。
电池在使用(如作为动力电池应用于电动车辆)一段时间后出现了衰减,衰减后的电池不足以满足当下设备(如电动车辆)的应用要求,但是电池也具有一定的剩余容量,仍可以满足对用电设备(如给电动车辆等待充电设备充电)的需求,称为梯次电池。梯次电池的筛选核心要考虑的因素主要是安全和经济价值,安全主要考虑电池核心的安全指标,其要求必须事前对梯次电池进行严格筛选,筛选出安全和性能较好的梯次电池再进行梯次利用。为了提高对梯次电池的筛选效率,本申请中通过对梯次电池包执行一次充放电,完成对梯次电池包的评估。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。图1为本申请实施例提供的一种梯次电池筛选方法的流程图,如图1所示,该方法包括:
S10:选择目标梯次电池。
梯次电池是指电池的降级利用,即电池在使用(如作为动力电池应用于电动车辆)一段时间后出现了衰减,衰减后的电池不足以满足当下设备(如电动车辆)的应用要求,但是电池也具有一定的剩余容量,仍可以满足对用电设备(如给电动车辆等待充电设备充电)的需求。本实施例中将需要进行储能评估的梯次电池称为目标梯次电池。
S11:确定目标梯次电池梯次利用前所在的目标新能源设备并获取目标新能源设备的类型。
在确定目标梯次电池之后,追溯使用该目标梯次电池的目标新能源设备,方便后续根据目标新能源设备的导电数据(包含充电数据和/或放电数据)以及与目标新能源设备同类型的新能源设备的导电数据对目标梯次电池的储能进行评估。
S12:选择类型下的多个新能源设备作为分析对象。
在实施中,对于具体选取的分析对象的数量不作限定。假设上述步骤中获得的目标新能源设备的类型为比亚迪EV450,则本步骤中可以选取多个比亚迪EV450作为分析对象。需要说明的是,此处选取同类型下的多个新能源设备作为分析对象,为了提高获取的目标新能源设备健康度信息的准确性,可以选取与目标新能源设备同类型、同车龄、同区域的多个新能源设备作为分析对象。
S13:根据分析对象构建充电安全模型以及放电安全模型,并通过充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过放电安全模型获取第一放电安全阈值和第二放电安全阈值。
图2为本申请实施例提供的一种构建充电安全模型的方法的流程图,如图2所示,该方法包括:
S131:获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据;其中,一次参考充电过程数据为分析对象在充电过程中所产生的数据。
本申请中提到的充电过程数据是任意新能源设备在充电过程中所产生的数据。充电过程数据来源于充电云平台和充电设备,包括充电***数据和充电数据,充电***数据主要是支撑充电业务的云平台***存储的充电桩/充电终端数据、用户数据、车辆数据,充电数据是由充电设备在充电过程(握手阶段、参数配置阶段、充电阶段、充电结束)中从车辆处获取。参考充电过程数据为分析对象在充电过程中所产生的数据。
对应的,参考充电过程数据,可以是与目标新能源设备同类型的新能源设备的充电过程数据,也可以是与目标新能源设备同类型+同车龄的新能源设备的充电过程数据等。一次参考充电过程数据包括但不限于最高温度、动力蓄电池的最低温度、动力蓄电池的荷电状态(State of Charge,SOC)、单体电池最高电压、单体电池最低电压、单体电池最高电压所在编号、最高温度监测点编号和最低温度监测点编号。
S132:根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据。
二次参考充电过程数据包括但不限于最大温差、动力蓄电池的最大压差、动力蓄电池的最高温升速率、动力蓄电池的最大SOC变化速率、单体电池电压最大变化速率、最高温度监测点编号的香浓熵值、最低温度监测点编号的香浓熵值、单体电池最高电压所在编号的香浓熵值。
以一次参考充电过程数据为动力蓄电池的最高温度为例,二次参考充电过程数据包括受最高温度直接或间接影响的其他变量(比如温升)。在本实施例中,电池温度具体指代的是电池单体的最高温度,以充电为例,电池温升是指电池充电过程中电池最高温度的变化,例如,电池充电第20分钟时,电池单体的最高温度为47℃,而电池充电第21分钟时,电池单体的最高温度升至48℃,那么这1分钟电池温升即表示为48-47=1℃。
S133:基于一次参考充电过程数据和二次参考充电过程数据与时间的对应关系,利用异常检测方法确定一次参考充电过程数据对应的第一充电安全阈值以及确定二次参考充电过程数据对应的第二充电安全阈值。
对于使用的异常检测的方法不作限定,如可以利用统计学分析方法或聚类分析方法。其中,统计学分析方法可以为正态分布统计方法,聚类分析方法可以为高斯混合聚类方法。此处以正态分布统计方法为例说明确定参考充电过程中的最高温度数据对应的第一充电安全阈值。
(1)选取与目标新能源设备同类型的新能源设备过去30天内的充电订单中的参考充电过程数据作为样本数据;
(2)针对每笔订单获取每分钟电池最高温度的最大值作为本订单对应的最高温度;
(3)计算所有订单最高温度的平均值μ和标准差σ;
(4)根据正态分布的“3σ”原则:区间(μ-3σ,μ+3σ)是随机变量X实际可能的取值区间,X落在该区间以外的概率小于千分之三,在实际问题中一般认为这种事件是不会发生的。如果变量超过这千分之三,即是异常点。则最高温度的阈值为μ+3σ,即第一充电安全阈值。确定二次参考充电过程数据对应的第二充电安全阈值的方式与确定第一充电安全阈值的方式类似,此处不再赘述。
上述对构建充电安全模型的过程进行了详细描述,由于构建放电安全模型的与构建充电安全模型的方法类似,因此,此处对于构建放电安全模型的实施例也不再赘述,构建放电安全模型主要包括以下步骤:获取分析对象在预设时间范围内、与分析对象匹配的一次参考放电过程数据,一次参考放电过程数据为分析对象在放电过程中所产生的数据;根据一次参考放电过程数据计算各变量对应的用于表征变量变化趋势的二次参考放电过程数据;基于一次参考放电过程数据和二次参考放电过程数据与时间的对应关系,利用异常检测方法确定一次参考放电过程数据对应的第一放电安全阈值以及确定二次参考放电过程数据对应的第二放电安全阈值。
S14:获取目标梯次电池一次充电测试数据及二次充电测试数据。
一次充电测试数据为对目标梯次电池充电测试直接获取的数据,二次充电测试数据是根据一次充电测试数据计算各变量对应的用于表征变量变化趋势的数据。
上述步骤中获得了分析对象的充电及放电数据,为了获取到目标梯次电池储能情况,需要对目标梯次电池进行一次充电测试以及放电测试。需要说明的是,实际中,充电测试与放电测试的先后顺序不作限定。本实施例中先对目标梯次电池进行充电测试,再进行放电测试,防止若梯次电池本来存储的电量较少,但仍然对其进行放电,导致对梯次电池再次造成伤害。与获得的分析对象相同,目标新能源设备的目标梯次电池充电测试数据也是包含一次充电数据和二次充电数据。
S15:将一次充电测试数据与第一充电安全阈值进行比较,以及将二次充电测试数据与第二充电安全阈值进行比较以确定目标梯次电池充电异常并创建充电异常信息集。
为了对目标梯次电池的充电异常进行检测,可以将一次充电测试数据与第一充电安全阈值进行比较,以及将二次充电测试数据与第二充电安全阈值进行比较,当一次充电测试数据大于第一充电安全阈值时或二次充电测试数据大于第二充电安全阈值都可以认为目标梯次电池充电异常,创建充电异常信息集,方便用户查看。
S16:获取目标梯次电池一次放电测试数据及二次放电测试数据。
一次放电测试数据为对目标梯次电池放电测试直接获取的数据,二次放电测试数据是根据一次放电测试数据计算各变量对应的用于表征变量变化趋势的数据。
S17:将一次放电测试数据与第一放电安全阈值进行比较以及将二次放电测试数据与第二放电安全阈值进行比较以确定目标梯次电池放电异常并创建放电异常信息集。
与上述确定目标梯次电池充电异常检测类似,此处对于目标梯次电池放电异常检测的实施例不再赘述。
S18:根据充电异常信息集以及放电异常信息集对目标梯次电池进行综合评价并获取目标梯次电池的健康度,以作为判断目标梯次电池是否用于储能的依据。
根据得到的充电异常信息集以及放电异常信息集对目标梯次进行评估得到目标梯次电池的健康度,根据健康度实现对目标梯次电池的筛选。
本实施例所提供的一种梯次电池筛选方法,包括:选择目标梯次电池;确定目标梯次电池梯次利用前所在的目标新能源设备并获取目标新能源设备的类型;选择类型下的多个新能源设备作为分析对象;根据分析对象构建充电安全模型以及放电安全模型,并通过充电安全模型获取第一充电安全阈值和第二充电安全阈值以及通过放电安全模型获取第一放电安全阈值和第二放电安全阈值;获取目标梯次电池一次充电测试数据及二次充电测试数据;将一次充电测试数据与第一充电安全阈值进行比较以及将二次充电测试数据与第二充电安全阈值进行比较以确定目标梯次电池充电异常并创建充电异常信息集;获取目标梯次电池一次放电测试数据及二次放电测试数据;将一次放电测试数据与第一放电安全阈值进行比较以及将二次放电测试数据与第二放电安全阈值进行比较以确定目标梯次电池放电异常并创建放电异常信息集;根据充电异常信息集以及放电异常信息集对目标梯次电池进行综合评价并获取目标梯次电池的健康度,以作为判断目标梯次电池是否用于储能的依据。由此可见,该方法中拿到梯次电池后,对梯次电池进行溯源,获取梯次电池之前应用的车型,对梯次电池执行一次充电和一次放电,根据同车型充电过程数据进行大数据异常检测分析,获得电池的充电安全评价信息,根据同车型的放电过程数据进行大数据异常检测分析,获得电池的放电安全评价信息,综合充电安全评价信息和放电安全评价信息进行综合评估,确定是否符合梯次储能的应用,即本申请通过对梯次电池包执行一次充放电即可完成对梯次电池包的评估,从而既保证了对梯次电池评估的精准度,又提高了梯次电池整包利用的筛选效率。
在实施中,为了能够快速地获取到一次参考充电过程数据,优选的实施方式是,获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据包括:
获取分析对象在预设时间范围内、与分析对象匹配的多个目标充电订单;
从各目标充电订单中提取一次参考充电过程数据。
为了方便了解到电池在充电过程中的数据,将新能源设备在充电过程中产生的数据存放在充电订单中。充电订单中按照充电时间记录有新能源设备充电过程中的充电电量、充电功率、各充电时刻对应的温度等数据。因此,当要获取一次参考充电过程数据时,可以直接从第一目标充电订单中获取。为了使通过各分析对象得到的一次参考充电过程数据具有可参考性以及提高对目标新能源设备的目标梯次电池的充电异常检测的准确性,本实施例中在获取分析对象对应的目标充电订单时,限定是在预设时间范围内的目标充电订单。对于预设时长范围不作限定。
本实施例所提供的从目标充电订单中获取分析对象在参考充电过程中的一次参考充电过程数据的方式,由于目标充电订单中按照充电时间记录有新能源设备的充电过程中不同时刻对应的一次参考充电过程数据,因此,从充电订单中获取一次参考充电过程数据的方式较为方便、快速。
与上述实施例的获取一次参考充电过程数据类似,获取分析对象在预设时间范围内、与分析对象匹配的一次参考放电过程数据包括:
获取分析对象在预设时间范围内、与分析对象匹配的多个目标放电订单;
从各目标放电订单中提取一次参考放电过程数据。
上述实施例中对于获取一次参考充电过程数据的实施例进行了详细描述,此处对于获取一次参考放电过程数据的实施例不再赘述。
为了能够较准确地确定目标梯次电池的充电异常或放电异常,优选的实施方式是,将一次充电测试数据与第一充电安全阈值进行比较以及将二次充电测试数据与第二充电安全阈值进行比较以确定目标梯次电池充电异常包括:
在一次充电测试数据大于第一充电安全阈值和/或二次充电测试数据大于第二充电安全阈值的情况下,确定目标梯次电池充电异常。
对应地,将一次放电测试数据与第一放电安全阈值进行比较以及将二次放电测试数据与第二放电安全阈值进行比较以确定目标梯次电池放电异常包括:
在一次放电测试数据大于第一放电安全阈值和/或二次放电测试数据大于第二放电安全阈值的情况下,确定目标梯次电池放电异常。
本实施例所提供的在一次导电测试数据(充电测试数据或放电测试数据)和/或二次导电测试数据中存在大于对应的安全阈值的情况下,即确定目标梯次电池导电异常,使得准确地确定目标梯次电池的导电异常。
上述实施例中根据异常检测来获取目标梯次电池的健康度,实际中,梯次电池也可能处于亚健康等状态,因此,优选的实施方式是,在根据充电异常信息集以及放电异常信息集对目标梯次电池进行综合评价并获取目标梯次电池的健康度之后,梯次电池筛选方法还包括:
根据第一预设的偏离程度与健康状况的对应关系,确定目标梯次电池一次充电测试数据与第一充电安全阈值所对应的第一健康状况;
根据第二预设的偏离程度与健康状况的对应关系,确定目标梯次电池二次充电测试数据与第二充电安全阈值所对应的第二健康状况;
根据第一健康状况以及第二健康状况确定目标梯次电池的充电健康状况。
同样地,在根据充电异常信息集以及放电异常信息集对目标梯次电池进行综合评价并获取目标梯次电池的健康度之后,梯次电池筛选方法还包括:
根据第三预设的偏离程度与健康状况的对应关系,确定目标梯次电池一次放电测试数据与第一放电安全阈值所对应的第三健康状况;
根据第四预设的偏离程度与健康状况的对应关系,确定目标梯次电池二次放电测试数据与第二放电安全阈值所对应的第四健康状况;
根据第三健康状况以及第四健康状况确定目标梯次电池的放电健康状况;
根据第一健康状况、第二健康状况、第三健康状况、第四健康状况确定目标梯次电池的健康状况。
具体地,根据第一预设的偏离程度与健康状况的对应关系,确定目标梯次电池一次充电测试数据与第一充电安全阈值所对应的第一健康状况包括:
获取目标新能源设备的预定时间内的多个历史充电订单;
从各历史充电订单中获取一次历史充电过程数据,其中,一次历史充电过程数据为分析对象在充电过程中所产生的数据;
将一次历史充电过程数据中各变量对应的平均值以作为第一实际平均值;
计算一次参考充电过程数据在预定时间内各变量对应的第一参考平均值;
确定同一变量对应的第一实际平均值与第一参考平均值的第一变量偏离度;
依据预先设定的第一变量偏离度与健康等级的对应关系确定第一变量偏离度对应的第一实际健康等级。
根据第二预设的偏离程度与健康状况的对应关系,确定目标梯次电池二次充电测试数据与第二充电安全阈值所对应的第二健康状况包括:
获取目标新能源设备的预定时间内的多个历史充电订单;
从各历史充电订单中获取二次历史充电过程数据,其中,二次历史充电过程数据为根据一次历史充电过程数据计算得到的各变量对应的用于表征变量变化趋势的数据;
将二次历史充电过程数据中各变量对应的平均值以作为第二实际平均值;
计算二次参考充电过程数据在预定时间内各变量对应的第二参考平均值;
确定同一变量对应的第二实际平均值与第二参考平均值的第二变量偏离度;
依据预先设定的第二变量偏离度与健康等级的对应关系确定第二变量偏离度对应的第二实际健康等级。
根据第三预设的偏离程度与健康状况的对应关系,确定目标梯次电池一次放电测试数据与第一放电安全阈值所对应的第三健康状况包括:
获取目标新能源设备的预定时间内的多个历史放电订单;
从各历史放电订单中获取一次历史放电过程数据,其中,一次历史放电过程数据为分析对象在放电过程中所产生的数据;
将一次历史放电过程数据中各变量对应的平均值以作为第三实际平均值;
计算一次参考放电过程数据在预定时间内各变量对应的第三参考平均值;
确定同一变量对应的第一实际平均值与第三参考平均值的第三变量偏离度;
依据预先设定的第三变量偏离度与健康等级的对应关系确定第三变量偏离度对应的第三实际健康等级。
根据第四预设的偏离程度与健康状况的对应关系,确定目标梯次电池二次放电测试数据与第二放电安全阈值所对应的第四健康状况包括:
获取目标新能源设备的预定时间内的多个历史放电订单;
从各历史充电订单中获取二次历史放电过程数据,其中,二次历史放电过程数据为根据一次历史放电过程数据计算得到的各变量对应的用于表征变量变化趋势的数据;
将二次历史放电过程数据中各变量对应的平均值以作为第四实际平均值;
计算二次参考放电过程数据在预定时间内各变量对应的第四参考平均值;
确定同一变量对应的第四实际平均值与第四参考平均值的第四变量偏离度;
依据预先设定的第四变量偏离度与健康等级的对应关系确定第四变量偏离度对应的第四实际健康等级。
对于预先设定偏离程度与健康等级的对应关系不作限定,根据实际情况确定。实际中,总体上,变量偏离度越大,健康等级越低,说明为高危设备。
本实施例所提供的在识别出目标梯次电池充电异常的基础上进一步地对梯次电池的健康状况进行评估,使得用户能够了解到目标梯次电池的健康状况,以及能够较准确地对梯次电池进行筛选。
在上述实施例中,对于梯次电池筛选方法进行了详细描述,本申请还提供梯次电池筛选装置对应的实施例。需要说明的是,本申请从两个角度对装置部分的实施例进行描述,一种是基于功能模块的角度,另一种是基于硬件的角度。
图3为本申请的一实施例提供的梯次电池筛选装置的结构图。本实施例基于功能模块的角度,包括:
第一选择模块10,用于选择目标梯次电池;
确定及获取模块11,用于确定目标梯次电池梯次利用前所在的目标新能源设备并获取目标新能源设备的类型;
第二选择模块12,用于选择类型下的多个新能源设备作为分析对象;
构建及获取模块13,用于根据分析对象构建充电安全模型以及放电安全模型,并通过充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过放电安全模型获取第一放电安全阈值和第二放电安全阈值;其中,构建充电安全模型包括:获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据,一次参考充电过程数据为分析对象在充电过程中所产生的数据;根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据;基于一次参考充电过程数据和二次参考充电过程数据与时间的对应关系,利用异常检测方法确定一次参考充电过程数据对应的第一充电安全阈值以及确定二次参考充电过程数据对应的第二充电安全阈值;构建放电安全模型包括:获取分析对象在预设时间范围内、与分析对象匹配的一次参考放电过程数据,一次参考放电过程数据为分析对象在放电过程中所产生的数据;根据一次参考放电过程数据计算各变量对应的用于表征变量变化趋势的二次参考放电过程数据;基于一次参考放电过程数据和二次参考放电过程数据与时间的对应关系,利用异常检测方法确定一次参考放电过程数据对应的第一放电安全阈值以及确定二次参考放电过程数据对应的第二放电安全阈值;
第一获取模块14,用于获取目标梯次电池一次充电测试数据及二次充电测试数据;其中,一次充电测试数据为对目标梯次电池充电测试直接获取的数据,二次充电测试数据是根据一次充电测试数据计算各变量对应的用于表征变量变化趋势的数据;
第一确定模块15,用于将一次充电测试数据与第一充电安全阈值进行比较以及将二次充电测试数据与第二充电安全阈值进行比较以确定目标梯次电池充电异常并创建充电异常信息集;
第二获取模块16,用于获取目标梯次电池一次放电测试数据及二次放电测试数据;其中,一次放电测试数据为对目标梯次电池放电测试直接获取的数据,二次放电测试数据是根据一次放电测试数据计算各变量对应的用于表征变量变化趋势的数据;
第二确定模块17,用于将一次放电测试数据与第一放电安全阈值进行比较以及将二次放电测试数据与第二放电安全阈值进行比较以确定目标梯次电池放电异常并创建放电异常信息集;
评价及获取模块18,用于根据充电异常信息集以及放电异常信息集对目标梯次电池进行综合评价并获取目标梯次电池的健康度,以作为判断目标梯次电池是否用于储能的依据。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述,并且具有与梯次电池筛选方法相同的有益效果。
图4为本申请另一实施例提供的梯次电池筛选装置的结构图。本实施例基于硬件角度,如图4所示,梯次电池筛选装置包括:
存储器20,用于存储计算机程序;
处理器21,用于执行计算机程序时实现如上述实施例中所提到的梯次电池筛选的方法的步骤。
本实施例提供的梯次电池筛选装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessing Unit,CPU);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以集成有图形处理器(Graphics Processing Unit,GPU),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括人工智能(Artificial Intelligence,AI)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器20至少用于存储以下计算机程序201,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例公开的梯次电池筛选方法的相关步骤。另外,存储器20所存储的资源还可以包括操作***202和数据203等,存储方式可以是短暂存储或者永久存储。其中,操作***202可以包括Windows、Unix、Linux等。数据203可以包括但不限于上述所提到的梯次电池筛选方法所涉及到的数据等。
在一些实施例中,梯次电池筛选装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解,图4中示出的结构并不构成对梯次电池筛选装置的限定,可以包括比图示更多或更少的组件。
本申请实施例提供的梯次电池筛选装置,包括存储器和处理器,处理器在执行存储器存储的程序时,能够实现如下方法:梯次电池筛选方法,效果同上。
最后,本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是,如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请提供的计算机可读存储介质包括上述提到的梯次电池筛选方法,效果同上。
为了使本领域的技术人员更好的理解本申请的技术方案,下面结合附图5对上述本申请作进一步的详细说明,图5为本申请实施例提供的一种梯次电池筛选方法的整体流程图,如图5所示,该方法包括:
该方法包括异常检测以及健康度评估两部分,具体地,异常检测方法包括:
S19:确定目标梯次电池梯次利用前所在的车辆以及对车辆导电;
S20:确定导电车型;
S21:提取该车型下所有车辆在预设时间范围内的批量导电订单;
S22:从每笔订单中提取所需变量;直接进入步骤S24或先进入步骤S23,再进入步骤S24;
S23:获得二次变量;
S24:建立变量与时间的对应关系;
S25:通过异常检测获得安全阈值;
S26:获取导电车辆当前导电数据;
S27:将安全阈值与导电车辆当前导电数据进行比较;
S28:确定是否异常/高危(报警);
S29:输出报告。
健康度评估的方法包括:获取车辆均值以及获取车型均值两部分。
获取车辆均值包括如下步骤:
在步骤S19的车辆充电后,进入步骤S30;
S30:获取导电车辆的历史充电订单(包括当前订单);
S31:从每笔订单中提取所需变量;
S32:建立变量与时间的对应关系;
S33:对所需变量下的所有数据求平均值(如均值模型或时间与距离加权平均模型);
获取车型均值包括如下步骤:
在步骤S24之后,进入步骤S34;
S34:对所需变量下的所有数据求均值或进行加权平均(也可以看作一种安全阈值)。
上述步骤中分别获得了车辆均值以及车型均值,之后,进入步骤S35;
S35:车型均值和车辆均值比较,根据偏离度设定对应健康度;
S36:确定健康度;
S37:综合健康度(预警);并进入步骤S29的输出报告。
本实施例中通过异常检测以及健康度评估作为目标梯次电池的健康度信息,可以尽可能地减少对异常检测后显示正常(实际上目标梯次电池可能是处于亚健康状态)的目标梯次电池的健康度信息的误判,使获得的目标梯次电池的健康度的信息较为准确,进而使得根据目标梯次电池的健康度的信息实现对目标梯次电池的较准确地筛选。
以上对本申请所提供的一种梯次电池筛选方法、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (14)
1.一种梯次电池筛选方法,其特征在于,包括:
选择目标梯次电池;
确定所述目标梯次电池梯次利用前所在的目标新能源设备并获取所述目标新能源设备的类型;
选择所述类型下的多个新能源设备作为分析对象;
根据所述分析对象构建充电安全模型以及放电安全模型,并通过所述充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过所述放电安全模型获取第一放电安全阈值和第二放电安全阈值;其中,构建所述充电安全模型包括:获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据,所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据;根据所述一次参考充电过程数据计算各变量对应的用于表征所述变量变化趋势的二次参考充电过程数据;基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系,利用异常检测方法确定所述一次参考充电过程数据对应的第一充电安全阈值以及确定所述二次参考充电过程数据对应的第二充电安全阈值;构建所述放电安全模型包括:获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的一次参考放电过程数据,所述一次参考放电过程数据为所述分析对象在放电过程中所产生的数据;根据所述一次参考放电过程数据计算各所述变量对应的用于表征所述变量变化趋势的二次参考放电过程数据;基于所述一次参考放电过程数据和所述二次参考放电过程数据与时间的对应关系,利用所述异常检测方法确定所述一次参考放电过程数据对应的第一放电安全阈值以及确定所述二次参考放电过程数据对应的第二放电安全阈值;
获取所述目标梯次电池一次充电测试数据及二次充电测试数据;其中,所述一次充电测试数据为对所述目标梯次电池充电测试直接获取的数据,所述二次充电测试数据是根据所述一次充电测试数据计算各所述变量对应的用于表征所述变量变化趋势的数据;
将所述一次充电测试数据与所述第一充电安全阈值进行比较以及将所述二次充电测试数据与所述第二充电安全阈值进行比较以确定所述目标梯次电池充电异常并创建充电异常信息集;
获取所述目标梯次电池一次放电测试数据及二次放电测试数据;其中,所述一次放电测试数据为对所述目标梯次电池放电测试直接获取的数据,所述二次放电测试数据是根据所述一次放电测试数据计算各所述变量对应的用于表征所述变量变化趋势的数据;
将所述一次放电测试数据与所述第一放电安全阈值进行比较以及将所述二次放电测试数据与所述第二放电安全阈值进行比较以确定所述目标梯次电池放电异常并创建放电异常信息集;
根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度,以作为判断所述目标梯次电池是否用于储能的依据。
2.根据权利要求1所述的梯次电池筛选方法,其特征在于,所述获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据包括:
获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的多个目标充电订单;
从各所述目标充电订单中提取所述一次参考充电过程数据。
3.根据权利要求2所述的梯次电池筛选方法,其特征在于,所述获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的一次参考放电过程数据包括:
获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的多个目标放电订单;
从各所述目标放电订单中提取所述一次参考放电过程数据。
4.根据权利要求1所述的梯次电池筛选方法,其特征在于,所述将所述一次充电测试数据与所述第一充电安全阈值进行比较以及将所述二次充电测试数据与所述第二充电安全阈值进行比较以确定所述目标梯次电池充电异常包括:
在所述一次充电测试数据大于所述第一充电安全阈值和/或所述二次充电测试数据大于所述第二充电安全阈值的情况下,确定所述目标梯次电池充电异常。
5.根据权利要求1所述的梯次电池筛选方法,其特征在于,所述将所述一次放电测试数据与所述第一放电安全阈值进行比较以及将所述二次放电测试数据与所述第二放电安全阈值进行比较以确定所述目标梯次电池放电异常包括:
在所述一次放电测试数据大于所述第一放电安全阈值和/或所述二次放电测试数据大于所述第二放电安全阈值的情况下,确定所述目标梯次电池放电异常。
6.根据权利要求1至5任意一项所述的梯次电池筛选方法,其特征在于,在所述根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度之后,所述方法还包括:
根据第一预设的偏离程度与健康状况的对应关系,确定所述目标梯次电池一次充电测试数据与所述第一充电安全阈值所对应的第一健康状况;
根据第二预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次充电测试数据与所述第二充电安全阈值所对应的第二健康状况;
根据所述第一健康状况以及所述第二健康状况确定所述目标梯次电池的充电健康状况。
7.根据权利要求6所述的梯次电池筛选方法,其特征在于,在所述根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度之后,所述方法还包括:
根据第三预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池一次放电测试数据与所述第一放电安全阈值所对应的第三健康状况;
根据第四预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次放电测试数据与所述第二放电安全阈值所对应的第四健康状况;
根据所述第三健康状况以及所述第四健康状况确定所述目标梯次电池的放电健康状况;
根据所述第一健康状况、所述第二健康状况、所述第三健康状况、所述第四健康状况确定所述目标梯次电池的所述健康状况。
8.根据权利要求7所述的梯次电池筛选方法,其特征在于,所述根据第一预设的偏离程度与健康状况的对应关系,确定所述目标梯次电池一次充电测试数据与所述第一充电安全阈值所对应的第一健康状况包括:
获取所述目标新能源设备的预定时间内的多个历史充电订单;
从各所述历史充电订单中获取一次历史充电过程数据,其中,所述一次历史充电过程数据为所述分析对象在充电过程中所产生的数据;
将所述一次历史充电过程数据中各所述变量对应的平均值以作为第一实际平均值;
计算所述一次参考充电过程数据在所述预定时间内各所述变量对应的第一参考平均值;
确定同一所述变量对应的所述第一实际平均值与所述第一参考平均值的第一变量偏离度;
依据预先设定的所述第一变量偏离度与健康等级的对应关系确定所述第一变量偏离度对应的第一实际健康等级。
9.根据权利要求8所述的梯次电池筛选方法,其特征在于,所述根据第二预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次充电测试数据与所述第二充电安全阈值所对应的第二健康状况包括:
获取所述目标新能源设备的预定时间内的多个所述历史充电订单;
从各所述历史充电订单中获取二次历史充电过程数据,其中,所述二次历史充电过程数据为根据所述一次历史充电过程数据计算得到的各所述变量对应的用于表征所述变量变化趋势的数据;
将所述二次历史充电过程数据中各所述变量对应的平均值以作为第二实际平均值;
计算所述二次参考充电过程数据在所述预定时间内各所述变量对应的第二参考平均值;
确定同一所述变量对应的所述第二实际平均值与所述第二参考平均值的第二变量偏离度;
依据预先设定的所述第二变量偏离度与所述健康等级的对应关系确定所述第二变量偏离度对应的第二实际健康等级。
10.根据权利要求9所述的梯次电池筛选方法,其特征在于,所述根据第三预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池一次放电测试数据与所述第一放电安全阈值所对应的第三健康状况包括:
获取所述目标新能源设备的预定时间内的多个历史放电订单;
从各所述历史放电订单中获取一次历史放电过程数据,其中,所述一次历史放电过程数据为所述分析对象在放电过程中所产生的数据;
将所述一次历史放电过程数据中各所述变量对应的平均值以作为第三实际平均值;
计算所述一次参考放电过程数据在所述预定时间内各所述变量对应的第三参考平均值;
确定同一所述变量对应的所述第一实际平均值与所述第三参考平均值的第三变量偏离度;
依据预先设定的所述第三变量偏离度与所述健康等级的对应关系确定所述第三变量偏离度对应的第三实际健康等级。
11.根据权利要求10所述的梯次电池筛选方法,其特征在于,所述根据第四预设的偏离程度与所述健康状况的对应关系,确定所述目标梯次电池二次放电测试数据与所述第二放电安全阈值所对应的第四健康状况包括:
获取所述目标新能源设备的预定时间内的多个所述历史放电订单;
从各所述历史充电订单中获取二次历史放电过程数据,其中,所述二次历史放电过程数据为根据所述一次历史放电过程数据计算得到的各所述变量对应的用于表征所述变量变化趋势的数据;
将所述二次历史放电过程数据中各所述变量对应的平均值以作为第四实际平均值;
计算所述二次参考放电过程数据在所述预定时间内各所述变量对应的第四参考平均值;
确定同一所述变量对应的所述第四实际平均值与所述第四参考平均值的第四变量偏离度;
依据预先设定的所述第四变量偏离度与所述健康等级的对应关系确定所述第四变量偏离度对应的第四实际健康等级。
12.一种梯次电池筛选装置,其特征在于,包括:
第一选择模块,用于选择目标梯次电池;
确定及获取模块,用于确定所述目标梯次电池梯次利用前所在的目标新能源设备并获取所述目标新能源设备的类型;
第二选择模块,用于选择所述类型下的多个新能源设备作为分析对象;
构建及获取模块,用于根据所述分析对象构建充电安全模型以及放电安全模型,并通过所述充电安全模型获取第一充电安全阈值和第二充电安全阈值,以及通过所述放电安全模型获取第一放电安全阈值和第二放电安全阈值;其中,构建所述充电安全模型包括:获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据,所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据;根据所述一次参考充电过程数据计算各变量对应的用于表征所述变量变化趋势的二次参考充电过程数据;基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系,利用异常检测方法确定所述一次参考充电过程数据对应的第一充电安全阈值以及确定所述二次参考充电过程数据对应的第二充电安全阈值;构建所述放电安全模型包括:获取所述分析对象在所述预设时间范围内、与所述分析对象匹配的一次参考放电过程数据,所述一次参考放电过程数据为所述分析对象在放电过程中所产生的数据;根据所述一次参考放电过程数据计算各所述变量对应的用于表征所述变量变化趋势的二次参考放电过程数据;基于所述一次参考放电过程数据和所述二次参考放电过程数据与时间的对应关系,利用所述异常检测方法确定所述一次参考放电过程数据对应的第一放电安全阈值以及确定所述二次参考放电过程数据对应的第二放电安全阈值;
第一获取模块,用于获取所述目标梯次电池一次充电测试数据及二次充电测试数据;其中,所述一次充电测试数据为对所述目标梯次电池充电测试直接获取的数据,所述二次充电测试数据是根据所述一次充电测试数据计算各所述变量对应的用于表征所述变量变化趋势的数据;
第一确定模块,用于将所述一次充电测试数据与所述第一充电安全阈值进行比较以及将所述二次充电测试数据与所述第二充电安全阈值进行比较以确定所述目标梯次电池充电异常并创建充电异常信息集;
第二获取模块,用于获取所述目标梯次电池一次放电测试数据及二次放电测试数据;其中,所述一次放电测试数据为对所述目标梯次电池放电测试直接获取的数据,所述二次放电测试数据是根据所述一次放电测试数据计算各所述变量对应的用于表征所述变量变化趋势的数据;
第二确定模块,用于将所述一次放电测试数据与所述第一放电安全阈值进行比较以及将所述二次放电测试数据与所述第二放电安全阈值进行比较以确定所述目标梯次电池放电异常并创建放电异常信息集;
评价及获取模块,用于根据所述充电异常信息集以及所述放电异常信息集对所述目标梯次电池进行综合评价并获取所述目标梯次电池的健康度,以作为判断所述目标梯次电池是否用于储能的依据。
13.一种梯次电池筛选装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至11任一项所述的梯次电池筛选方法的步骤。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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权利要求1至11任一项所述的梯次电池筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210955244.XA CN115236525A (zh) | 2022-08-10 | 2022-08-10 | 一种梯次电池筛选方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210955244.XA CN115236525A (zh) | 2022-08-10 | 2022-08-10 | 一种梯次电池筛选方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115236525A true CN115236525A (zh) | 2022-10-25 |
Family
ID=83680083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210955244.XA Pending CN115236525A (zh) | 2022-08-10 | 2022-08-10 | 一种梯次电池筛选方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115236525A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115656847A (zh) * | 2022-12-08 | 2023-01-31 | 东莞先知大数据有限公司 | 一种电动车电池异常确定方法、电子设备和存储介质 |
-
2022
- 2022-08-10 CN CN202210955244.XA patent/CN115236525A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115656847A (zh) * | 2022-12-08 | 2023-01-31 | 东莞先知大数据有限公司 | 一种电动车电池异常确定方法、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112946483B (zh) | 电动汽车电池健康的综合评估方法及存储介质 | |
CN114386537B (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
CN113083739B (zh) | 电芯分选方法、装置以及计算机设备 | |
CN109768340B (zh) | 一种电池放电过程电压不一致性估计方法及装置 | |
CN115236525A (zh) | 一种梯次电池筛选方法、装置及介质 | |
CN116381542B (zh) | 基于人工智能的电源设备的健康诊断方法及装置 | |
CN111239633B (zh) | 电池包压差原因分析方法、装置和计算机设备 | |
CN108009582A (zh) | 一种电子设备标准工作指标设置的方法 | |
CN107918704A (zh) | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 | |
CN115327391B (zh) | 一种基于梯次利用电池的检测方法及装置 | |
CN116736166A (zh) | 电池包的电芯异常检测方法、装置及电池包 | |
CN115219935A (zh) | 新能源设备的健康状况测评方法、***、装置及介质 | |
CN115345241A (zh) | 电池异常检测方法、装置、电子设备及计算机存储介质 | |
CN114970734A (zh) | 异常电池确定方法、装置、计算机设备和存储介质 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
CN115049241A (zh) | 基于大数据的新能源设备安全检测检修方法、***及装置 | |
CN113391228A (zh) | 电池内阻、健康状态监控方法以及电子装置 | |
CN117648612B (zh) | 并联电池组故障检测方法、装置、电子设备和存储介质 | |
CN115219934A (zh) | 一种单体电池的健康状况测评方法、装置及介质 | |
WO2022174698A1 (zh) | 新能源设备的健康状况测评方法、装置、介质及提示终端 | |
CN114966404A (zh) | 新能源设备充电异常的检测方法、装置、介质及提示终端 | |
CN116010825A (zh) | 电动车投入充电识别方法、***、装置及存储介质 | |
CN115792628A (zh) | 一种动力电池安全性评估方法、装置、设备和存储介质 |
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 |