CN116859245A - 异常电池单体的识别方法、装置、服务器及存储介质 - Google Patents

异常电池单体的识别方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN116859245A
CN116859245A CN202310887307.7A CN202310887307A CN116859245A CN 116859245 A CN116859245 A CN 116859245A CN 202310887307 A CN202310887307 A CN 202310887307A CN 116859245 A CN116859245 A CN 116859245A
Authority
CN
China
Prior art keywords
charging
battery
voltage
abnormal
battery cell
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
Application number
CN202310887307.7A
Other languages
English (en)
Inventor
张远瀛
李东江
江振文
徐舰波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Deep Blue Automotive Technology Co ltd
Original Assignee
Deep Blue Automotive Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Deep Blue Automotive Technology Co ltd filed Critical Deep Blue Automotive Technology Co ltd
Priority to CN202310887307.7A priority Critical patent/CN116859245A/zh
Publication of CN116859245A publication Critical patent/CN116859245A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请涉及电池管理技术领域，特别涉及一种异常电池单体的识别方法、装置、服务器及存储介质，其中，方法包括：获取电池组中各电池单体的多次充放电循环的充电数据；识别充电数据中各电池单体达到参考电压时的第一充电时刻，根据第一充电时刻和电池组的参考单体的第二充电时刻计算各电池单体相对于参考单体的充电偏差时间；拟合各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体。由此，解决了现有技术中需要建立复杂模型和进行额外计算来确定电池自放电异常的电池，且应用于实车数据时误报率较高等问题。

Description

异常电池单体的识别方法、装置、服务器及存储介质
技术领域
本发明涉及电池管理技术领域，具体涉及异常电池单体的识别方法、装置、服务器及存储介质。
背景技术
随着电动汽车的快速发展和普及，动力电池作为电动汽车的核心部件，保障其安全性变得越来越重要。由动力电池热失控引起的电动汽车起火甚至***等事故易造成人员伤亡和财产损失，是目前电动汽车安全问题研究的重点和难点。
动力电池热失控的主要原因之一是电池内部短路。内部短路使得电池内部形成回路并不断消耗电量，外在的表现为电池电量异常减少，即自放电异常。随着内短路严重程度的加重，电池自放电异常增大，产热量增加，最终将导致电池热失控。
相关技术中公开了一种电池微短路的检测方法及装置，其具体实现方式是根据两次相邻充电过程中，通过两次充电结束时刻电池单体相对于参考单体的充电容量差值计算电池单体的内短路漏电流，进一步通过两次充电结束时刻中的平均电压估算内短路阻值。最后，通过漏电流和内短路阻值与相应阈值对比判断是否存在内短路。但此方法存在以下问题：1、仅采用两次充电过程进行判断，应用于实车数据时易受到电压/电流数据跳变和部分数据缺失等影响，将正常电池误判为内短路电池；2、参考单体固定为每次充电结束后的最高电压单体，每次计算前均需先进行参考单体判定，且参考单体变化时计算的结果米有对比性；3、计算过程较复杂，需计算参考充电时间、参考充电容量、平均电压和内短路阻值等多个参数量。另一种相关技术中公开了一种锂离子电池单体内短路检测方法，通过预先测试获取OCV(Open circuit voltage，开路电压)、容量Q和SOC(State of Charge，荷电状态)之间的关系作为输入，构建等效电路模型对电池单体充放电过程中的电压、温度及其变化率进行对比，当超过阈值时判定位电池单体内短路故障。但是此种方法存在以下问题：1、需预先对电池单体进行大量测试，获取准确的电池参数作为对比输入；2、构建模型计算较为复杂，且需要反复对模型参数进行辨识，难以适应复杂多变的实车工况。
发明内容
本发明的目的之一在于提供一种异常电池单体的识别方法，以解决现有技术中需要建立复杂模型和进行额外计算来确定电池自放电异常的电池，且应用于实车数据时误报率较高的问题；目的之二在于提供一种异常电池单体的识别装置；目的之三在于提供一种服务器；目的之四在于提供一种计算机可读存储介质。
为了实现上述目的，本发明采用的技术方案如下：
一种异常电池单体的识别方法，所述方法应用于服务器，其中，所述方法包括以下步骤：获取电池组中各电池单体的多次充放电循环的充电数据；识别所述充电数据中所述各电池单体达到参考电压时的第一充电时刻，根据所述第一充电时刻和所述电池组的参考单体的第二充电时刻计算所述各电池单体相对于所述参考单体的充电偏差时间；拟合所述各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体。
根据上述技术手段，本申请实施例可以通过获取电池组中各电池单体的多次充放电循环的充电数据，利用多个循环内的充电偏差时间拟合变化斜率判断电池是否自放电异常，避免了仅采用两次充电过程时因数据跳变引起的误判，直接采用充电偏差时间变化斜率进行自放电判定，无需预先进行测试标定、建立复杂模型或进行额外复杂运算，减小了自放电异常电池判定的计算量和复杂度。
进一步，所述根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体，包括：判断所述拟合斜率是否大于第一斜率阈值；若所述拟合斜率大于所述第一斜率阈值，则判定所述电池单体为存在自放电异常的异常电池单体。
根据上述技术手段，本申请实施例可以直接利用拟合斜率和第一斜率阈值的大小判断电池单体是否为存在自放电异常的异常电池单体，无需进行额外复杂计算，减少计算量。
进一步，所述根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体，包括：判断所述拟合斜率是否小于第二斜率阈值；若所述拟合斜率小于所述第二斜率阈值，则判定所述参考单体为存在自放电异常的异常电池单体。
根据上述技术手段，本申请实施例可以直接利用拟合斜率和第二斜率阈值的大小判断电池单体是否为存在自放电异常的异常电池单体，无需进行额外复杂计算，减少计算量。
进一步，所述拟合所述各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，包括：选定所述各充电单体的充电循环次数窗口；根据所述充电循环次数窗口确定所述各充电单体的目标循环次数区间；拟合所述目标循环次数区间内的每次充放电循环的充电偏差时间，得到所述充电偏差时间随充放电循环次数变化的曲线。
根据上述技术手段，本申请实施例可以根据充电循环次数窗口确定各充电单体的目标循环次数区间，拟合目标循环次数区间内的每次充放电循环的充电偏差时间，得到充电偏差时间随充放电循环次数变化的曲线，用于后续根据曲线的拟合斜率确定。
进一步，所述识别所述充电数据中所述各电池单体达到参考电压时的第一充电时刻，包括：将所述电池组的各电池单体中任意电池单体作为参考单体；提取所述充电数据中所述参考单体的电压变化曲线，根据所述电压变化曲线选取所有电池单体均能达到的电压为所述参考电压；获取任意电压区间内各电池单体达到参考电压时的第一充电时刻。
根据上述技术手段，本申请实施例可以选取电池组中的任意电池单体为参考单体，避免了计算前的额外判定，并且根据充电过程中的电压变化曲线确定参考电压，参考电压的选取不唯一，可以选取多个参考电压进行计算。
进一步，所述根据所述电压变化曲线选取所有电池单体均能达到的电压为所述参考电压，包括：获取所述参考单体在每个充电电压区间内的充电电流；根据所述充电电流提取所述电压变化曲线中所述参考单体的所有充电电压区间；在充电电压区间内选取所有电池单体均能达到的电压为所述参考电压。
根据上述技术手段，本申请实施例可以根据参考单体在每个充电电压区间内的充电电流提取电压变化曲线中参考单体的所有充电电压区间，在充电电压区间内选取所有电池单体均能达到的电压为参考电压。
进一步，所述在充电电压区间内选取所有电池单体均能达到的电压为所述参考电压，包括：获取所有充电电压区间的选取顺序；按照所述选取顺序依次在充电电压区间内选取所述参考电压，其中，在任意充电电压区间内，在第一次选取时，选取所述充电电压区间的中值电压，若所有电池单体均能达到所述中值电压，则将所述中值电压作为所述参考电压，否则选取所述充电电压区间的区间下限电压和所述中值电压的均值电压；若所有电池单体均能达到所述均值电压，则将所述均值电压作为所述参考电压，否则在下一个充电电压区间内选取所述参考电压。
根据上述技术手段，本申请实施例可以根据按照充电电压区间的选取顺序选取参考电压，充分考虑到阶梯间电流切换时极化内阻对参考电压的影响。
进一步，所述获取任意电压区间内各电池单体达到参考电压时的第一充电时刻，包括：识别充电电压区间的充电电流；记录电池单体达到所述参考电压、且与充电电压区间的充电电流相同的充电时刻。
根据上述技术手段，本申请实施例可以记录在任意充电电压区间内各个电池单体达到参考电压时的第一充电时刻，以便后续用于计算充电偏差时间。
进一步，在获取电池组中各电池单体的多次充放电循环的充电数据之前，还包括：获取电池组的充放电数据；提取所述充放电数据中充放电循环的实际次数；若所述实际次数大于预设次数，则获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别。
根据上述技术手段，本申请实施例可以在充放电循环次数大于预设次数时，获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别，避免了仅采用少数充放电过程进行自放电异常判断时数据跳变引起的误判。
进一步，在根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体之后，还包括：生成预设提醒信息；发送所述预设提醒信息至预设终端，以根据所述预设提醒信息进行自放电异常提醒。
根据上述技术手段，本申请实施例可以在识别到存在自放电异常的电池单体后，可以对用户进行提醒，以提醒用户进行及时处理，避免出现动力电池热失控现象。
进一步，在根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体之后，还包括：识别所述异常电池单体的标识；发送所述标识至预设终端，以根据所述标识定位所述电池组中的异常电池单体。
根据上述技术手段，本申请实施例可以在识别到存在自放电异常的电池单体后，识别异常电池单体的标识，以便用户根据标识定位电池组中的异常电池单体，并及时进行更换。
一种异常电池单体的识别装置，所述装置应用于服务器，其中，所述装置包括：获取模块，用于获取电池组中各电池单体的多次充放电循环的充电数据；计算模块，用于识别所述充电数据中所述各电池单体达到参考电压时的第一充电时刻，根据所述第一充电时刻和所述电池组的参考单体的第二充电时刻计算所述各电池单体相对于所述参考单体的充电偏差时间；识别模块，用于拟合所述各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体。
进一步，所述识别模块进一步用于：判断所述拟合斜率是否大于第一斜率阈值；若所述拟合斜率大于所述第一斜率阈值，则判定所述电池单体为存在自放电异常的异常电池单体。
进一步，所述识别模块进一步用于：判断所述拟合斜率是否小于第二斜率阈值；若所述拟合斜率小于所述第二斜率阈值，则判定所述参考单体为存在自放电异常的异常电池单体。
进一步，所述识别模块进一步用于：选定所述各充电单体的充电循环次数窗口；根据所述充电循环次数窗口确定所述各充电单体的目标循环次数区间；拟合所述目标循环次数区间内的每次充放电循环的充电偏差时间，得到所述充电偏差时间随充放电循环次数变化的曲线。
进一步，所述计算模块进一步用于：将所述电池组的各电池单体中任意电池单体作为参考单体；提取所述充电数据中所述参考单体的电压变化曲线，根据所述电压变化曲线选取所有电池单体均能达到的电压为所述参考电压；获取任意充电电压区间内各电池单体达到参考电压时的第一充电时刻。
进一步，所述计算模块进一步用于：获取所述参考单体在每个充电电压区间内的充电电流；根据所述充电电流提取所述电压变化曲线中所述参考单体的所有充电电压区间；在充电电压区间内选取所有电池单体均能达到的电压为所述参考电压。
进一步，所述计算模块进一步用于：获取所有充电电压区间的选取顺序；按照所述选取顺序依次在充电电压区间内选取所述参考电压，其中，在任意充电电压区间内，在第一次选取时，选取所述充电电压区间的中值电压，若所有电池单体均能达到所述中值电压，则将所述中值电压作为所述参考电压，否则选取所述充电电压区间的区间下限电压和所述中值电压的均值电压；若所有电池单体均能达到所述均值电压，则将所述均值电压作为所述参考电压，否则在下一个充电电压区间内选取所述参考电压。
进一步，所述计算模块进一步用于：识别充电电压区间的充电电流；记录电池单体达到所述参考电压、且与充电电压区间的充电电流相同的充电时刻。
进一步，所述异常电池单体的识别装置还包括：提取模块，用于在获取电池组中各电池单体的多次充放电循环的充电数据之前，获取电池组的充放电数据；提取所述充放电数据中充放电循环的实际次数，则获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别。
进一步，所述异常电池单体的识别装置还包括：提醒模块，用于在根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体之后，生成预设提醒信息；发送所述预设提醒信息至预设终端，以根据所述预设提醒信息进行自放电异常提醒。
进一步，所述异常电池单体的识别装置还包括：发送模块，用于在根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体之后，识别所述异常电池单体的标识；发送所述标识至预设终端，以根据所述标识定位所述电池组中的异常电池单体。
一种服务器，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的异常电池单体的识别方法。
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，以用于实现如上述实施例所述的异常电池单体的识别方法。
本发明的有益效果：
(1)本申请实施例可以通过获取电池组中各电池单体的多次充放电循环的充电数据，利用多个循环内的充电偏差时间拟合变化斜率判断电池是否自放电异常，避免了仅采用两次充电过程时因数据跳变引起的误判，直接采用充电偏差时间变化斜率进行自放电判定，无需预先进行测试标定、建立复杂模型或进行额外复杂运算，减小了自放电异常电池判定的计算量和复杂度。
(2)本申请实施例可以直接利用拟合斜率和第一斜率阈值的大小判断电池单体是否为存在自放电异常的异常电池单体，无需进行额外复杂计算，减少计算量。
(3)本申请实施例可以直接利用拟合斜率和二斜率阈值的大小判断电池单体是否为存在自放电异常的异常电池单体，无需进行额外复杂计算，减少计算量。
(4)本申请实施例可以根据充电循环次数窗口确定各充电单体的目标循环次数区间，拟合目标循环次数区间内的每次充放电循环的充电偏差时间，得到充电偏差时间随充放电循环次数变化的曲线，用于后续根据曲线的拟合斜率确定。
(5)本申请实施例可以选取电池组中的任意电池单体为参考单体，避免了计算前的额外判定，并且根据充电过程中的电压变化曲线确定参考电压，参考电压的选取不唯一，可以选取多个参考电压进行计算。
(6)本申请实施例可以根据参考单体在每个充电电压区间内的充电电流提取电压变化曲线中参考单体的所有充电电压区间，在充电电压区间内选取所有电池单体均能达到的电压为参考电压。
(7)本申请实施例可以根据按照充电电压区间的选取顺序选取参考电压，充分考虑到阶梯间电流切换时极化内阻对参考电压的影响。
(8)本申请实施例可以记录在任意电压区间内各个电池单体达到参考电压时的第一充电时刻，以便后续用于计算充电偏差时间。
(9)本申请实施例可以在充放电循环次数大于预设次数时，获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别，避免了仅采用少数充放电过程进行自放电异常判断时数据跳变引起的误判。
(10)本申请实施例可以在识别到存在自放电异常的电池单体后，可以对用户进行提醒，以提醒用户进行及时处理，避免出现动力电池热失控现象。
(11)本申请实施例可以在识别到存在自放电异常的电池单体后，识别异常电池单体的标识，以便用户根据标识定位电池组中的异常电池单体，并及时进行更换。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
图1为本发明实施例提供的异常电池单体的识别方法的流程示意图；
图2为本发明实施例提供的充电偏差时间随循环次数变化曲线图；
图3为本发明实施例提供的充电偏差时间变化斜率值散点图；
图4为本发明一个实施例提供的异常电池单体的识别方法的流程图；
图5为本发明实施例提供的异常电池单体的识别装置的示意图；
图6为本发明实施例提供的服务器的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
具体而言，图1为本申请实施例所提供的一种异常电池单体的识别方法的流程示意图。
如图1所示，该异常电池单体的识别方法包括以下步骤：
在步骤S101中，获取电池组中各电池单体的多次充放电循环的充电数据。
本申请实施例可以基于实车长时间周期内的运行数据，提取电池组中各电池单体的每个充放电循环的充电数据，其中，实车运行数据指在云端存储的车辆充电和行驶放电过程中的各个电池单体电压曲线，且本申请实施例的电池组以三元电池为例。
在本申请实施例中，在获取电池组中各电池单体的多次充放电循环的充电数据之前，还包括：获取电池组的充放电数据；提取充放电数据中充放电循环的实际次数；若实际次数大于预设次数，则获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别。
其中，电池单体进行一次充电和放电认为是一个充放电循环。预设次数可以依据具体情况进行设定，对此不做具体限定，比如可以设置为6次或者7次。
可以理解的是，本申请实施例可以提取充放电数据中的实际次数，在充放电循环次数大于预设次数时，获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别，避免了仅采用少数充放电过程进行自放电异常判断时数据跳变引起的误判。
举例而言，以预设次数N为7次为例，当充放电循环次数小于N时，不进行自放电异常判断，在每个充放电循环中，只提取充电过程数据用于自放电异常电池判断。
在步骤S102中，识别充电数据中各电池单体达到参考电压时的第一充电时刻，根据第一充电时刻和电池组的参考单体的第二充电时刻计算各电池单体相对于参考单体的充电偏差时间。
可以理解的是，本申请实施例可以根据各电池单体达到参考电压时的第一充电时刻和电池组的参考单体的第二充电时刻，计算每个电池单体相对于参考单体的充电偏差时间，以便后续利用充电偏差时间识别存在自放电异常的异常电池单体。
计算参考单体的充电偏差时间的方法可以为：
其中，为第k次充电循环中参考单体达到参考电压的第一充电时刻；/>为第k次充电循环中其余各电池单体达到参考电压的第二充电时刻，i＝1，2，…，n，共n个电池单体；为第k次充电循环中其余各电池单体的相对充电偏差时间。相对充电偏差时间为正，表明电池单体先于参考单体达到参考电压，电池电量更高；相对充电偏差时间为负，表面电池单体后于参考单体达到参考电压，电池电量更低。
在本申请实施例中，识别充电数据中各电池单体达到参考电压时的第一充电时刻，包括：将电池组的各电池单体中任意电池单体作为参考单体；提取充电数据中参考单体的电压变化曲线，根据电压变化曲线选取所有电池单体均能达到的电压为参考电压；获取任意充电电压区间内各电池单体达到参考电压时的第一充电时刻。
其中，参考单体为电池组中各个电池单体中随机挑选的任意单体，参考电压为实车充电过程中各个电池单体在相同充电阶梯电流中所能达到的电压。
可以理解的是，本申请实施例可以将电池组的各电池但体重任意电池单体作为参考单体，提取充电数据中参考单体的电压变化曲线，根据充电过程中电压变化曲线确定参考电压，进一步获取任意充电电压区间内各电池单体达到参考电压时的第一充电时刻。
在本申请实施例中，根据电压变化曲线选取所有电池单体均能达到的电压为参考电压，包括：获取参考单体在每个充电电压区间内的充电电流；根据充电电流提取电压变化曲线中参考单体的所有充电电压区间；在充电电压区间内选取所有电池单体均能达到的电压为参考电压。
可以理解的是，本申请实施例根据参考单体在每个充电电压的充电电流提取电压变化曲线中参考单体的所有充电电压区间，在充电电压区间内选取所有电池均能达到的电压为参考电压。
由于实车充电过程中的阶梯充电策略，在不同的电压区间[Vx，Vy]内采用了不同的充电电流Ix，参考电压应在电压区间[Vx，Vy]范围内进行选取，且使得尽可能多的充电过程中参考单体能够达到参考电压。此外，参考电压的选取不唯一，且可选取多个参考电压进行计算。
在本申请实施例中，在充电电压区间内选取所有电池单体均能达到的电压为参考电压，包括：获取所有充电电压区间的选取顺序；按照选取顺序依次在充电电压区间内选取参考电压，其中，在任意充电电压区间内，在第一次选取时，选取充电电压区间的中值电压，若所有电池单体均能达到中值电压，则将中值电压作为参考电压，否则选取充电电压区间的区间下限电压和中值电压的均值电压；若所有电池单体均能达到均值电压，则将均值电压作为参考电压，否则在下一个充电电压区间内选取参考电压。
可以理解的是，本申请实施例可以按照充电电压区间的选取顺序选取参考电压，在第一次选取参考电压时，选取充电电压区间的中值电压，如果电池单体均能够达到中值电压，则将中值电压作为参考电压，否则选取充电电压区间的区间下限电压和中值电压的均值电压，如果所有电池单体均能够达到均值电压，将均值电压作为参考电压，否则在下一个充电电压区间内选取参考电压。
具体而言，由于实车采取阶梯充电策略，参考电压的选择应根据充电过程中不同阶梯段和充电电流进行选取，参考电压具体选取方法如下：
以充电阶梯段分为三阶段为例，电池电压段分别为[V1,V2)，[V2,V3)，[V3,V4)，对应每个充电段内的电流为I1、I2、I3。当电池单体出现自放电异常时，随着充电过程中电池电压的升高，各个单体间的充电偏差时间越大。为使得在同一电流下的充电阶梯中更易识别自放电异常，首先在最高电压区间[V3,V4)内进行参考电压选择，阶梯间电流切换时存在压降，为避免变电流时极化内阻带来的影响参考电压需在(V3,V4)范围内选择且满足所有电池单体均能达到参考电压，具体确定方法为，在长时间周期内的第一个充电行程中取(V3+V4)/2作为参考电压判断该充电阶梯内是否所有单体均达到参考电压，若是则判断长时间周期内是否有大于N次充电行程满足所有单体均能达到参考电压，若是则选择作为参考电压进行计算，若否则重新选取参考电压为(V3+(V3+V4)/2)/2进行判断，若满足上述条件则作为参考电压，若不满足则重新在第二电压区间内[V2,V3)内进行相同判断选取，直到选择出参考电压。
进一步的，获取任意电压区间内各电池单体达到参考电压时的第一充电时刻，包括：识别充电电压区间的充电电流；记录电池单体达到参考电压、且与充电电压区间的充电电流相同的充电时刻。
可以理解的是，本申请实施例可以挑选任意电池单体作为参考单体，提取充电数据中参考单体的电压变化曲线，根据电压变化曲线确定参考电压，并记录每一个充电过程中，各个电池单体达到参考电压的充电时刻且与所在电压区间内充电电流相同的充电时刻，记为第一充电时刻。
在步骤S103中，拟合各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体。
可以理解的是，本申请实施例可以根据每个充电循环计算结果，得到相对充电偏差时间随充放电循环次数变化的曲线，选定循环次数窗口，拟合相对充电偏差时间变化斜率，根据相对充电偏差时间拟合斜率值判断各个电池单体是否存在自放电异常，直接采用长时间周期内的相对充电偏差时间变化斜率进行自放电判定，无需预先进行测试标定、建立复杂模型或进行额外复杂运算，减小了自放电异常电池判定的计算量和复杂度。
在本申请实施例中，拟合各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，包括：选定各充电单体的充电循环次数窗口；根据充电循环次数窗口确定各充电单体的目标循环次数区间；拟合目标循环次数区间内的每次充放电循环的充电偏差时间，得到充电偏差时间随充放电循环次数变化的曲线。
具体的充电偏差时间变化斜率的具体拟合过程为：选定充电循环次数窗口W，在循环次数区间[k-W，k]上，采用形如y＝mx+b对相对充电偏差时间进行拟合，得到相对充电偏差时间随循环次数变化的斜率m。
需要说明的是，如图2所示，自放电异常电池单体的相对充电偏差时间随循环次数变化曲线与正常电芯具有明显不同。
在本申请实施例中，根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体，包括：判断拟合斜率是否大于第一斜率阈值；若拟合斜率大于第一斜率阈值，则判定电池单体为存在自放电异常的异常电池单体。
其中，第一斜率阈值可以设置为正阈值K+。
可以理解的是，本申请实施例可以在电池单体的拟合斜率值为正且大于第一斜率阈值时，判定该电池单体为自放电异常单体，如图3所示。
在本申请实施例中，根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体，包括：判断拟合斜率是否小于第二斜率阈值；若拟合斜率小于第二斜率阈值，则判定参考单体为存在自放电异常的异常电池单体。
其中，第二斜率阈值可以设置为负阈值K-。
可以理解的是，本申请实施例可以在电池单体的拟合斜率值为负且小于第二斜率阈值时，判定该电池单体为自放电异常单体。
在本申请实施例中，在根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体之后，还包括：生成预设提醒信息；发送预设提醒信息至预设终端，以根据预设提醒信息进行自放电异常提醒。
其中，预设提醒信息可以设置为提示该电池单体中存在自放电异常的电池单体，提示用户动力电池存在热失控的危险。预设终端可以为车辆的中控显示屏。
可以理解的是，本申请实施例可以在识别到存在自放电异常的电池单体后，可以对用户进行提醒，以提醒用户进行及时处理，避免出现动力电池热失控现象。
在本申请实施例中，在根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体之后，还包括：识别异常电池单体的标识；发送标识至预设终端，以根据标识定位电池组中的异常电池单体。
可以理解的是，本申请实施例可以在识别到电池组中存在自放电异常的电池单体后，识别异常电池单体的标识，以便用户根据标识定位电池组中的异常电池单体，并及时进行更换。
下面通过一个具体实施例来阐述本申请实施例的异常电池单体的识别方法，如图4所示，包括以下步骤：
步骤1：基于实车长时间周期内的运行数据，提取每个充放电循环中的充电过程。
其中，实车运行数据指在云端存储的车辆充电和行驶放电过程中的各个电池单体电压曲线，将运行数据中电池单体进行一次充电和放电认为是一个充放电循环。长时间周期通常认为充放电循环次数≥N，这里采用的取值范围为但不限于N＝7，当充放电循环次数小于N时，不进行自放电异常判断。在每个充放电循环中，只提取充电过程数据用于自放电异常电池判断。
步骤2：挑选电池单体作为参考单体，根据充电过程中电压变化曲线确定参考电压。
参考单体可选择充放电过程中的任意电池单体。由于实车充电过程中的阶梯充电策略，在不同的电压区间[Vx，Vy]内采用了不同的充电电流Ix。参考电压应在电压区间[Vx，Vy]范围内进行选取且使得尽可能多的充电过程中参考单体能够达到参考电压。另外，参考电压的选取不唯一，且可选取多个参考电压进行计算。
步骤3：在每一个充电过程中，记录各个电池单体达到参考电压时的充电时刻。
对于采用阶梯电流充电的实车数据，只记录各个电池单体达到参考电压且与所在电压区间内充电电流相同的充电时刻。
步骤4：根据各个电池单体的充电时刻，计算每个电池单体相对于参考单体的充电偏差时间。
其中，参考单体的充电偏差时间的计算过程为：
式中，为第k次充电循环中参考单体达到参考电压的第一充电时刻；/>为第k次充电循环中其余各电池单体达到参考电压的第二充电时刻，i＝1，2，…，n，共n个电池单体；为第k次充电循环中其余各电池单体的相对充电偏差时间。相对充电偏差时间为正，表明电池单体先于参考单体达到参考电压，电池电量更高；相对充电偏差时间为负，表面电池单体后于参考单体达到参考电压，电池电量更低。
步骤5：根据每个充电循环计算结果，得到相对充电偏差时间随充放电循环次数变化的曲线，选定循环次数窗口，拟合相对充电偏差时间变化斜率。
如图2所示，自放电异常电池单体的相对充电偏差时间随循环次数变化曲线与正常电芯具有明显不同。相对充电偏差时间变化斜率的具体拟合过程为：选定充电循环次数窗口W；在循环次数区间[k-W，k]上，采用形如y＝mx+b对相对充电偏差时间进行拟合，得到相对充电偏差时间随循环次数变化的斜率m。
步骤6：根据相对充电偏差时间拟合斜率值判断各个电池单体是否存在自放电异常。
其中，根据相对充电偏差时间拟合斜率值判断是否自放电异常的方法为：若该电池单体的拟合斜率值为正且大于预设正阈值K+，则判定该电池单体为自放电异常单体，如图3中所示；若该电池单体的拟合斜率值为负且小于预设负阈值K-，则判定参考单体为自放电异常单体。
根据本申请实施例提出的异常电池单体的识别方法，可以通过获取电池组中各电池单体的多次充放电循环的充电数据，利用多个循环内的充电偏差时间拟合变化斜率判断电池是否自放电异常，避免了仅采用两次充电过程时因数据跳变引起的误判，直接采用充电偏差时间变化斜率进行自放电判定，无需预先进行测试标定、建立复杂模型或进行额外复杂运算，减小了自放电异常电池判定的计算量和复杂度，并且参考单体可任意选择，避免计算前进行额外的判定。
其次参照附图描述根据本申请实施例提出的异常电池单体的识别装置。
图5是本申请实施例的异常电池单体的识别装置的方框示意图。
如图5所示，该异常电池单体的识别装置10包括：获取模块100、计算模块200和识别模块300。
其中，获取模块100用于获取电池组中各电池单体的多次充放电循环的充电数据；计算模块200用于识别充电数据中各电池单体达到参考电压时的第一充电时刻，根据第一充电时刻和电池组的参考单体的第二充电时刻计算各电池单体相对于参考单体的充电偏差时间；识别模块300用于拟合各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体。
在本申请实施例中，识别模块300进一步用于：判断拟合斜率是否大于第一斜率阈值；若拟合斜率大于第一斜率阈值，则判定电池单体为存在自放电异常的异常电池单体。
在本申请实施例中，识别模块300进一步用于：判断拟合斜率是否小于第二斜率阈值；若拟合斜率小于第二斜率阈值，则判定参考单体为存在自放电异常的异常电池单体。
在本申请实施例中，识别模块300进一步用于：选定各充电单体的充电循环次数窗口；根据充电循环次数窗口确定各充电单体的目标循环次数区间；拟合目标循环次数区间内的每次充放电循环的充电偏差时间，得到充电偏差时间随充放电循环次数变化的曲线。
在本申请实施例中，计算模块200进一步用于：将电池组的各电池单体中任意电池单体作为参考单体；提取充电数据中参考单体的电压变化曲线，根据电压变化曲线选取所有电池单体均能达到的电压为参考电压；获取任意充电电压区间内各电池单体达到参考电压时的第一充电时刻。
在本申请实施例中，计算模块200进一步用于：获取参考单体在每个充电电压区间内的充电电流；根据充电电流提取电压变化曲线中参考单体的所有充电电压区间；在充电电压区间内选取所有电池单体均能达到的电压为参考电压。
在本申请实施例中，计算模块200进一步用于：获取所有充电电压区间的选取顺序；按照选取顺序依次在充电电压区间内选取参考电压，其中，在任意充电电压区间内，在第一次选取时，选取充电电压区间的中值电压，若所有电池单体均能达到中值电压，则将中值电压作为参考电压，否则选取充电电压区间的区间下限电压和中值电压的均值电压；若所有电池单体均能达到均值电压，则将均值电压作为参考电压，否则在下一个充电电压区间内选取参考电压。
在本申请实施例中，计算模块200进一步用于：识别充电电压区间的充电电流；记录电池单体达到参考电压、且与充电电压区间的充电电流相同的充电时刻。
在本申请实施例中，本申请实施例的装置10还包括：提取模块。
其中，提取模块用于在获取电池组中各电池单体的多次充放电循环的充电数据之前，获取电池组的充放电数据；提取充放电数据中充放电循环的实际次数；若实际次数大于预设次数，则获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别。
在本申请实施例中，本申请实施例的装置10还包括：提醒模块。
其中，提醒模块用于在根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体之后，生成预设提醒信息；发送预设提醒信息至预设终端，以根据预设提醒信息进行自放电异常提醒。
在本申请实施例中，本申请实施例的装置10还包括：发送模块。
其中，发送模块用于在根据曲线的拟合斜率识别各电池单体中存在自放电异常的异常电池单体之后，识别异常电池单体的标识；发送标识至预设终端，以根据标识定位电池组中的异常电池单体。
需要说明的是，前述对异常电池单体的识别方法实施例的解释说明也适用于该实施例的异常电池单体的识别装置，此处不再赘述。
根据本申请实施例提出的异常电池单体的识别装置，可以通过获取电池组中各电池单体的多次充放电循环的充电数据，利用多个循环内的充电偏差时间拟合变化斜率判断电池是否自放电异常，避免了仅采用两次充电过程时因数据跳变引起的误判，直接采用充电偏差时间变化斜率进行自放电判定，无需预先进行测试标定、建立复杂模型或进行额外复杂运算，减小了自放电异常电池判定的计算量和复杂度，并且参考单体可任意选择，避免计算前进行额外的判定。
图6为本申请实施例提供的服务器的结构示意图。该服务器可以包括：
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的异常电池单体的识别方法。
进一步地，服务器还包括：
通信接口603，用于存储器601和处理器602之间的通信。
存储器601，用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM(Random Access Memory，随机存取存储器)存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。
如果存储器601、处理器602和通信接口603独立实现，则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral Component，外部设备互连)总线或EISA(Extended Industry Standard Architecture，扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器601、处理器602及通信接口603，集成在一块芯片上实现，则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个CPU(Central Processing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供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如上的异常电池单体的识别方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种异常电池单体的识别方法，其特征在于，所述方法应用于服务器，其中，所述方法包括以下步骤：
获取电池组中各电池单体的多次充放电循环的充电数据；
识别所述充电数据中所述各电池单体达到参考电压时的第一充电时刻，根据所述第一充电时刻和所述电池组的参考单体的第二充电时刻计算所述各电池单体相对于所述参考单体的充电偏差时间；
拟合所述各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体。
2.根据权利要求1所述的异常电池单体的识别方法，其特征在于，所述根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体，包括：
判断所述拟合斜率是否大于第一斜率阈值；
若所述拟合斜率大于所述第一斜率阈值，则判定所述电池单体为存在自放电异常的异常电池单体。
3.根据权利要求1或2所述的异常电池单体的识别方法，其特征在于，所述根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体，包括：
判断所述拟合斜率是否小于第二斜率阈值；
若所述拟合斜率小于所述第二斜率阈值，则判定所述参考单体为存在自放电异常的异常电池单体。
4.根据权利要求1所述的异常电池单体的识别方法，其特征在于，所述拟合所述各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，包括：
选定所述各充电单体的充电循环次数窗口；
根据所述充电循环次数窗口确定所述各充电单体的目标循环次数区间；
拟合所述目标循环次数区间内的每次充放电循环的充电偏差时间，得到所述充电偏差时间随充放电循环次数变化的曲线。
5.根据权利要求1所述的异常电池单体的识别方法，其特征在于，所述识别所述充电数据中所述各电池单体达到参考电压时的第一充电时刻，包括：
将所述电池组的各电池单体中任意电池单体作为参考单体；
提取所述充电数据中所述参考单体的电压变化曲线，根据所述电压变化曲线选取所有电池单体均能达到的电压为所述参考电压；
获取任意充电电压区间内各电池单体达到参考电压时的第一充电时刻。
6.根据权利要求5所述的异常电池单体的识别方法，其特征在于，所述根据所述电压变化曲线选取所有电池单体均能达到的电压为所述参考电压，包括：
获取所述参考单体在每个充电电压区间内的充电电流；
根据所述充电电流提取所述电压变化曲线中所述参考单体的所有充电电压区间；
在充电电压区间内选取所有电池单体均能达到的电压为所述参考电压。
7.根据权利要求6所述的异常电池单体的识别方法，其特征在于，所述在充电电压区间内选取所有电池单体均能达到的电压为所述参考电压，包括：
获取所有充电电压区间的选取顺序；
按照所述选取顺序依次在充电电压区间内选取所述参考电压，其中，在任意充电电压区间内，在第一次选取时，选取所述充电电压区间的中值电压，若所有电池单体均能达到所述中值电压，则将所述中值电压作为所述参考电压，否则选取所述充电电压区间的区间下限电压和所述中值电压的均值电压；若所有电池单体均能达到所述均值电压，则将所述均值电压作为所述参考电压，否则在下一个充电电压区间内选取所述参考电压。
8.根据权利要求5所述的异常电池单体的识别方法，其特征在于，所述获取任意电压区间内各电池单体达到参考电压时的第一充电时刻，包括：
识别充电电压区间的充电电流；
记录电池单体达到所述参考电压、且与充电电压区间的充电电流相同的充电时刻。
9.根据权利要求1所述的异常电池单体的识别方法，其特征在于，在获取电池组中各电池单体的多次充放电循环的充电数据之前，还包括：
获取电池组的充放电数据；
提取所述充放电数据中充放电循环的实际次数；
若所述实际次数大于预设次数，则获取电池组中各电池单体的多次充放电循环的充电数据，否则不进行异常电池单体的识别。
10.根据权利要求1所述的异常电池单体的识别方法，其特征在于，在根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体之后，还包括：
生成预设提醒信息；
发送所述预设提醒信息至预设终端，以根据所述预设提醒信息进行自放电异常提醒。
11.根据权利要求1所述的异常电池单体的识别方法，其特征在于，在根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体之后，还包括：
识别所述异常电池单体的标识；
发送所述标识至预设终端，以根据所述标识定位所述电池组中的异常电池单体。
12.一种异常电池单体的识别装置，其特征在于，所述装置应用于服务器，其中，所述装置包括：
获取模块，用于获取电池组中各电池单体的多次充放电循环的充电数据；
计算模块，用于识别所述充电数据中所述各电池单体达到参考电压时的第一充电时刻，根据所述第一充电时刻和所述电池组的参考单体的第二充电时刻计算所述各电池单体相对于所述参考单体的充电偏差时间；
识别模块，用于拟合所述各电池单体在每次充放电循环的充电偏差时间得到充电偏差时间随充放电循环次数变化的曲线，根据所述曲线的拟合斜率识别所述各电池单体中存在自放电异常的异常电池单体。
13.一种服务器，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-11任一项所述的异常电池单体的识别方法。
14.一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，以用于实现如权利要求1-11任一项所述的异常电池单体的识别方法。
CN202310887307.7A 2023-07-18 2023-07-18 异常电池单体的识别方法、装置、服务器及存储介质 Pending CN116859245A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310887307.7A CN116859245A (zh) 2023-07-18 2023-07-18 异常电池单体的识别方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310887307.7A CN116859245A (zh) 2023-07-18 2023-07-18 异常电池单体的识别方法、装置、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN116859245A true CN116859245A (zh) 2023-10-10

Family

ID=88218841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310887307.7A Pending CN116859245A (zh) 2023-07-18 2023-07-18 异常电池单体的识别方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN116859245A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117970126A (zh) * 2024-03-28 2024-05-03 广东好易点科技有限公司 一种基于数据分析的电池安全预警***
CN118033465A (zh) * 2024-04-09 2024-05-14 北汽福田汽车股份有限公司 电池自放电异常识别方法、装置、车辆及存储介质
CN117970126B (zh) * 2024-03-28 2024-07-02 广东好易点科技有限公司 一种基于数据分析的电池安全预警***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117970126A (zh) * 2024-03-28 2024-05-03 广东好易点科技有限公司 一种基于数据分析的电池安全预警***
CN117970126B (zh) * 2024-03-28 2024-07-02 广东好易点科技有限公司 一种基于数据分析的电池安全预警***
CN118033465A (zh) * 2024-04-09 2024-05-14 北汽福田汽车股份有限公司 电池自放电异常识别方法、装置、车辆及存储介质

Similar Documents

Publication Publication Date Title
EP2963433A1 (en) Method and apparatus for estimating state of battery
CN111175653A (zh) 一种用于辨识预判三元电池容量“跳水”故障的方法
EP3551494B1 (en) A method of estimating a charge state for a battery cell
US20220179008A1 (en) Battery Diagnosing Apparatus and Method
CN114035083B (zh) 电池总容量计算方法、装置、***和存储介质
EP3988954B1 (en) Method for detecting internal short-circuited cell
EP4152022B1 (en) Method for determining full-charge capacity of battery pack, method for determining state of health of battery pack, system, and apparatus
US20220196754A1 (en) Method for detecting abnormal battery cell
CN113093027B (zh) 电池soc校准方法、装置、***、介质及程序产品
US9594121B2 (en) Systems and methods for estimating battery pack capacity
US20240027540A1 (en) Battery Cell Diagnosing Apparatus and Method
CN116930767A (zh) 动力电池热失控的预警方法及装置
CN116859245A (zh) 异常电池单体的识别方法、装置、服务器及存储介质
CN116404281A (zh) 电池功率map切换方法、***、存储介质及切换设备
EP4202466A1 (en) Internal short circuit detection method for battery, electronic device, and storage medium
CN116008836A (zh) 电池的短路检测方法、装置及存储介质
CN114103729B (zh) 用于均衡电池包的方法、装置和电动汽车
EP4109626A1 (en) State-of-charge cutoff method and apparatus, and control system and storage medium
CN115097325A (zh) 一种电池检测方法、装置、设备及存储介质
US20220276320A1 (en) Battery Parameter Setting Apparatus and Method
CN116859244A (zh) 异常电池单体的识别方法、装置、服务器及存储介质
CN116908729A (zh) 异常电池单体的识别方法、装置、服务器及存储介质
CN113447821A (zh) 评估电池荷电状态的方法
EP4152025A1 (en) Battery diagnostic device and method
US20240012058A1 (en) Apparatus and Method for Diagnosing State of Battery

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