CN116859249A - 一种基于大数据的锂电池监控管理*** - Google Patents
一种基于大数据的锂电池监控管理*** Download PDFInfo
- Publication number
- CN116859249A CN116859249A CN202310631968.3A CN202310631968A CN116859249A CN 116859249 A CN116859249 A CN 116859249A CN 202310631968 A CN202310631968 A CN 202310631968A CN 116859249 A CN116859249 A CN 116859249A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- charged
- healthy
- crack
- lithium
- 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.)
- Granted
Links
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 412
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 411
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000007547 defect Effects 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 17
- 230000007797 corrosion Effects 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 11
- 230000003647 oxidation Effects 0.000 claims description 11
- 238000007254 oxidation reaction Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000001931 thermography Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 9
- 238000004880 explosion Methods 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 2
- 229910000733 Li alloy Inorganic materials 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000001989 lithium alloy Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007773 negative electrode material Substances 0.000 description 1
- 239000011255 nonaqueous electrolyte Substances 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于锂电池远程监控技术领域,具体公开提供的一种基于大数据的锂电池监控管理***。本发明基于构建的锂电池外观监测模块和锂电池性能监测模块,对锂电池表观健康系数和锂电池性能健康系数进行分析,进而评估锂电池综合健康系数,从而在锂电池充电之前筛选出健康状态锂电池,进一步提高锂电池集中充电的安全性,同时根据锂电池充电运行监测模块,对健康状态锂电池的充电温度符合系数进行分析,确定健康状态锂电池在充电过程中的安全性,降低了因锂电池在使用过程中产生的损耗和充电过程中的温度异常等原因导致锂电池失火或者***事故的频发。
Description
技术领域
本发明属于锂电池远程监控技术领域,涉及到一种基于大数据的锂电池监控管理***。
背景技术
随着科技的飞速发展,为了方便市民出行,共享电动车在近几年普及,共享电动电源来源是锂电池。锂电池是一类由锂金属或锂合金为正、负极材料,使用非水电解质溶液的电池,是近几年兴起的新能源技术。共享电动车不仅方便了市民的出行,而且非常环保,对环境保护起到了非常重要的作用。
锂电池作为共享电动车的动力电池,在骑行放电之后,需要管理人员进行集中充电,在锂电池集中充电时,由于共享电动车使用过程中会对锂电池造成损耗和锂电池使用时间较长导致自身安全性能的下降,会在充电过程中会有一定的安全隐患,可能发生失火或者***等安全事故,因此,在锂电池集中充电时,须对其进行安全监测,以防止意外事故的发生。
目前,对集中充电锂电池的安全监测方式主要是利用智能充电器,当发生过电、断电、搭铁等任何异常现象,智能充电器进行自动断电。但是,这种方式有明显的不足:(1)由于锂电池在使用过程中会有损耗,导致其外观出现破损,如:裂纹,凹陷等情况,从而导致其在充电过程中发生漏电引起失火,传统的充电监测不能在锂电池充电之前进行第一步的筛选,导致锂电池安全状态管理滞后,进一步增加了锂电池失火或者***事故发生概率,进而带来巨大经济损失、环境污染和社会影响。
(2)由于锂电池使用时间较长,随着锂电池容量的增加,电池体积也在增加,其散热性能变差,在充电过程中随着温度的变化导致锂电池安全性能稳定性降低的缺陷,若不能及时发现并进行处理可能发生***事故。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于大数据的锂电池监控管理***。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于大数据的锂电池监控管理***,包括:锂电池外观监测模块,用于对各个待充电锂电池进行外观监测,得到各待充电锂电池的外观图像,进而获得各待充电锂电池的表观数据。
锂电池表观数据分析模块,用于根据各待充电锂电池的表观数据,分析各待充电锂电池的表观健康系数。
锂电池性能监测模块,用于对各个待充电锂电池进行内部数据监测,得到各待充电锂电池的内部电阻值。
锂电池性能分析模块,用于分析各待充电锂电池的性能健康系数。
健康系数评估模块,用于分析各待充电锂电池的综合健康系数,筛选健康状态的各待充电锂电池,将其记为各健康锂电池。
充电运行监测模块,用于对在充电过程中的各健康锂电池进行实时充电运行监测,得到各健康锂电池充电时的温度分布数据。
充电运行分析模块,用于分析各健康锂电池在充电过程中的充电温度符合系数,得到在充电过程中存在安全隐患的健康锂电池编号,并将该健康锂电池编号发送给管理人员。
数据库,用于存储各参考锂电池的标准出厂信息,该标准出厂信息包括各参考锂电池出厂号、标准外观图像、标准内部电阻值,存储各参考锂电池在设定历史监测时间段内各次监测的内部电阻值,并存储标准温度数值比色卡、各参考锂电池在各次充电过程中各历史时间点的最大温度值和健康锂电池在充电过程中的标准温度分布曲线图。
优选地,所述各待充电锂电池的表观数据获取方式为:根据各待充电锂电池的外观图像,提取各待充电锂电池的出厂号,从数据库中提取各参考锂电池的出厂号,对比筛选各待充电锂电池对应参考锂电池的标准出厂信息。
调取各待充电锂电池对应参考锂电池的标准外观图像,将各待充电锂电池的外观图像与其对应的标准外观图像进行对比,得到各待充电锂电池的外观图像中各异常区域,利用图像灰度处理技术筛选各待充电锂电池的外观图像中各裂纹区域、各凹陷区域和各电极缺陷区域。
提取各待充电锂电池的外观图像中各裂纹区域、各凹陷区域和各电极缺陷区域的灰度图像,将其分别与设定的裂纹区域灰度图像、凹陷区域灰度图像和电极缺陷区域灰度图像对应的标准灰度值范围,对比得到各待充电锂电池的外观图像中各裂纹区域的表观数据、各凹陷区域的表观数据和各电极缺陷区域的表观数据。
优选地,所述各裂纹区域表观数据包括裂纹横向长度、裂纹纵向长度和裂纹面积,所述各凹陷区域的表观数据包括凹陷面积和凹陷深度,所述各电极缺陷区域表观数据包括氧化面积和腐蚀面积。
优选地,所述各待充电锂电池的表观健康系数分析方式为:提取各待充电锂电池对应各裂纹区域的裂纹横向长度、裂纹纵向长度和裂纹面积,将其记为i为各待充电锂电池的编号,j1=11,21,...,m1,j1为各裂纹区域编号。
分析各待充电锂电池对应各裂纹区域的裂纹健康系数其中/>为设定的锂电池在正常运行情况下允许的裂纹横向长度、裂纹纵向长度和裂纹面积,η1、η2、η3为设定的裂纹横向长度、裂纹纵向长度和裂纹面积的修正因子,筛选各待充电锂电池中各裂纹区域的裂纹健康系数中最大裂纹健康系数作为对应待充电锂电池的裂纹层面健康系数,将其记为/>
提取各待充电锂电池对应各凹陷区域的凹陷面积和凹陷深度,将其记为其中j2=12,22,...,m2,j2为各凹陷区域编号。
分析各待充电锂电池凹陷层面健康系数其中/>为设定的锂电池在正常运行情况下允许的凹陷面积和凹陷深度,/>为第i个待充电锂电池对应各凹陷区域中的最大凹陷面积和最大凹陷深度。
提取各待充电锂电池对应各电极缺陷区域的氧化面积和腐蚀面积,将其记为j3为各电极缺陷区域编号。
分析各待充电锂电池电极缺陷层面健康系数其中/>为设定的锂电池在正常运行情况下允许的电极区域氧化面积和腐蚀面积。
根据各待充电锂电池的裂纹层面健康系数、凹陷层面健康系数和电极缺陷层面健康系数,分析各待充电锂电池的表观健康系数其中α1、α2、α3为设定的裂纹层面健康系数、凹陷层面健康系数和电极缺陷层面健康系数所占权重。
优选地,所述各待充电锂电池的性能健康系数具体分析为:通过信号源给各待充电锂电池注入一个交流电流信号,测量出各待充电锂电池两端产生的交流电压信号的有效值Vi和输入的交流电流信号的有效值Ii,计算得出各待充电锂电池的内部电阻值:
从数据库中提取各待充电锂电池对应参考锂电池在设定历史监测时间段内各次监测的内部电阻值,记为R′ij,j=1,2,......m,j为历史监测次数的编号,分析各待充电锂电池的性能健康系数其中R′i(j-1)为第i个待充电锂电池第j-1次监测的内部电阻值,R′im为第m次监测的各待充电锂电池的内部电阻值,ΔR允为设定的锂电池正常运行情况下允许的内部电阻增长值,R0为待充电锂电池的标准内部电阻值,ε1、ε2、ε3为设定的历史监测时间段内各次监测的内部电阻增长系数影响因子、当前监测的内部电阻值的影响因子和允许内部电阻增长值的影响因子。
优选地,所述各待充电锂电池综合健康系数具体分析为:根据各待充电锂电池的表观健康系数和性能健康系数,分析各待充电锂电池的综合健康系数其中δ1、δ2为设定的各待充电锂电池的表观健康系数和性能健康系数所占权重。
将各待充电锂电池的综合健康系数与设定的锂电池标准综合健康系数进行对比,当某待充电锂电池综合健康系数大于或等于标准综合健康系数时,则该待充电锂电池为健康锂电池,当某待充电锂电池综合健康系数小于标准综合健康系数时,则该待充电锂电池为亚健康锂电池,统计各亚健康锂电池的编号,并将其发送至管理人员。
优选地,所述各健康锂电池温度分布数据获取方式为:通过对在充电过程中的各健康锂电池进行实时热成像监测,获得各健康锂电池在充电过程中的温度分布图像,将各健康锂电池充电时的温度分布图像与数据库中存储的标准温度数值比色卡进行对比,得到各健康锂电池充电时的最大温度值,将其记为各健康锂电池的目标温度值。
根据各待充电锂电池对应参考锂电池,筛选各健康锂电池对应参考锂电池,从数据库中提取各健康锂电池对应参考锂电池的开始充电时间点,结合当前时间得到各健康锂电池的充电时长,设定历史监测时长区间,从数据库中提取各参考锂电池在当前充电过程中各历史时间点的最大温度值,筛选各健康锂电池在当前充电过程中各历史时间点的最大温度值,并结合各健康锂电池的目标温度值,构建各健康锂电池在充电过程中的温度分布曲线图,并获得各健康锂电池在充电过程中的温度分布曲线图的斜率,将其记为温度曲线图斜率。
优选地,所述各健康锂电池的充电温度符合系数具体分析为:从数据库中提取健康锂电池在充电过程中的标准温度分布曲线图,并获得健康锂电池在充电过程中的标准温度分布曲线图的斜率,将其记为标准温度曲线图斜率。
分析标准温度曲线图斜率和温度曲线图斜率得到各健康锂电池的充电温度符合系数其中g=1,2,......a,g为充电中各健康锂电池的编号,K0为健康锂电池的标准温度曲线图斜率,Kg为第g个健康锂电池的温度分布曲线图斜率,θ为设定的健康锂电池的充电温度符合系数修正因子。
分析各健康锂电池在充电过程中充电温度符合系数,将其与设定的安全充电温度符合系数进行对比,当某健康锂电池在充电过程中充电温度符合系数大于或等于安全温度符合系数时,则该健康锂电池正常充电,当某健康锂电池在充电过程中充电温度符合系数小于安全温度符合系数时,则该健康锂电池存在安全隐患,立即断电,并将该健康锂电池编号发送给管理人员。
相较于现有技术,本发明的有益效果如下:1、本发明基于构建的锂电池外观监测模块和锂电池性能监测模块,获得各待充电锂电池的表观状态情况和内部性能老化情况,以防在充电过程中锂电池发生漏电,导致安全事故的发生,打破了现有技术对待充电锂电池的健康状判断的局限性。
2、锂电池表观数据分析模块和锂电池性能分析模块进一步对锂电池表观数据和内部电阻值进行分析,获得各待充电锂电池的综合健康系数,筛选出亚健康锂电池进行及时处理,有效避免了亚健康锂电池管理滞后的问题,降低了亚健康锂电池在充电过程中起火和***事故的频发率,减少了锂电池集中充电仓储中心的经济损失和环境污染,极大程度上消除了社会影响。
3、本发明根据锂电池充电运行监测模块,得到各健康锂电池在各次监测的历史监测时长区间中各历史时间点的最大温度值和各健康锂电池的充电时长,分析得到各健康锂电池在充电过程中的温度分布曲线图,获得温度曲线图的斜率,分析获得各健康锂电池在充电过程中正常充电的锂电池充电温度符合系数,从而实时监测各健康锂电池在充电过程中的状态,及时处理在充电过程中充电温度异常的健康锂电池,减少因温度异常发生的***事故。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的***模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。
请参阅图1所示,本发明提供了一种基于大数据的锂电池监控管理***,具体模块分布如下:锂电池外观监测模块、锂电池表观数据分析模块、锂电池性能监测模块、锂电池性能分析模块、健康系数评估模块、充电运行监测模块、充电运行分析模块和数据库。其中模块之间的连接关系为:锂电池外观监测模块与锂电池表观数据分析模块连接,锂电池性能监测模块与锂电池性能分析模块连接,健康系数评估模块分别与锂电池表观数据分析模块和锂电池性能分析模块连接,充电运行监测模块与充电运行分析模块连接,数据库分别与锂电池外观监测模块、锂电池性能分析模块、充电运行监测模块和充电运行分析模块连接。
所述锂电池外观监测模块,用于对各个待充电锂电池进行外观监测,得到各待充电锂电池的外观图像,进而获得各待充电锂电池的表观数据。
作为一种示例,所述通过高清摄像头对各待充电锂电池进行外观监测,得到各待充电锂电池的外观图像,利用图片文字识别技术提取各待充电锂电池的出厂号,从数据库中提取各参考锂电池的出厂号,对比筛选各待充电锂电池对应参考锂电池的标准出厂信息。
调取各待充电锂电池对应参考锂电池的标准外观图像,将各待充电锂电池的外观图像与其对应的标准外观图像进行对比,得到各待充电锂电池的外观图像中各异常区域,利用图像灰度处理技术筛选各待充电锂电池的外观图像中各裂纹区域、各凹陷区域和各电极缺陷区域。
需要进一步说明的是,所述图像灰度处理技术首先对所述外观图像进行灰度化处理,具体方法为:利用浮点算法得到图像灰度值Gray=R*0.3+G*0.59+B*0.11,其中R、G、B为像素点的矩阵对应的三个颜色向量矩阵,将各异常区域的图像灰度值分别与设定的裂纹区域灰度图像、凹陷区域灰度图像和电极缺陷区域灰度图像对应的标准灰度值范围进行对比,即所述设定的裂纹区域灰度图像对应的标准灰度值范围可以为所述设定的凹陷区域灰度图像对应的标准灰度值范围可以为/>所述设定的电极缺陷区域灰度图像对应的标准灰度值范围可以为/>
当某异常区域的图像灰度值为Gray,若则说明该异常区域为裂纹区域;若/>则说明该异常区域为凹陷区域;若则说明该异常区域为电极缺陷区域。
确定各裂纹区域、各凹陷区域和各电极缺陷区域,获得各待充电锂电池的外观图像中各裂纹区域的表观数据、各凹陷区域的表观数据和各电极缺陷区域的表观数据。
需要进一步说明的是,R、G、B的取值方法为,若某像素点的颜色是(240,223,204),则每个矩阵的第一行第一列的值分别为:R:240,G:223,B:204,即R=240,G=223,B=204。
需要进一步说明的是,所述各裂纹区域表观数据包括裂纹横向长度、裂纹纵向长度和裂纹面积,将确定有裂纹区域的所述各待充电锂电池的外观图像与其对应的标准外观图像进行对比,获得所述各裂纹区域的裂纹横向长度、裂纹纵向长度和裂纹面积。
所述各凹陷区域的表观数据包括凹陷面积和凹陷深度,将确定有凹陷区域的所述各待充电锂电池的外观图像与其对应的标准外观图像进行对比,获得所述各凹陷区域的凹陷面积和各凹陷区域灰度图像的最大灰度值,设定凹陷区域图像灰度值梯度,该灰度值梯度限定在范围内,不同的灰度值梯度对应不同的凹陷深度,将各凹陷区域灰度图像的最大灰度值与设定的凹陷区域图像灰度值梯度进行对比,获得所述各凹陷区域的凹陷深度。
所述各电极缺陷区域表观数据包括氧化面积和腐蚀面积,将确定有电极缺陷区域的所述各待充电锂电池的外观图像与其对应的标准外观图像进行对比,获得所述各裂纹区域的裂纹横向长度、裂纹纵向长度和裂纹面积。
所述锂电池表观数据分析模块,用于根据各待充电锂电池的表观数据,分析各待充电锂电池的表观健康系数。
作为一种示例,所述各待充电锂电池的表观健康系数分析方式为:提取各待充电锂电池对应各裂纹区域的裂纹横向长度、裂纹纵向长度和裂纹面积,将其记为i为各待充电锂电池的编号,j1=11,21,...,m1,j1为各裂纹区域编号。
分析各待充电锂电池对应各裂纹区域的裂纹健康系数其中为设定的锂电池在正常运行情况下允许的裂纹横向长度、裂纹纵向长度和裂纹面积,η1、η2、η3为裂纹横向长度、裂纹纵向长度和裂纹面积的修正因子,筛选各待充电锂电池中各裂纹区域的裂纹健康系数中最大裂纹健康系数作为对应待充电锂电池的裂纹层面健康系数,将其记为/>
提取各待充电锂电池对应各凹陷区域的凹陷面积和凹陷深度,将其记为其中j2=12,22,...,m2,j2为各凹陷区域编号。
分析各待充电锂电池凹陷层面健康系数其中/>为设定的锂电池在正常运行情况下允许的凹陷面积和凹陷深度,/>为第i个待充电锂电池对应各凹陷区域中的最大凹陷面积和最大凹陷深度。
提取各待充电锂电池对应各电极缺陷区域的氧化面积和腐蚀面积,将其记为j3为各电极缺陷区域编号。
分析各待充电锂电池电极缺陷层面健康系数其中/>为设定的锂电池在正常运行情况下允许的电极区域氧化面积和腐蚀面积。
根据各待充电锂电池的裂纹层面健康系数、凹陷层面健康系数和电极缺陷层面健康系数,分析各待充电锂电池的表观健康系数其中α1、α2、α3为设定的裂纹层面健康系数、凹陷层面健康系数和电极缺陷层面健康系数所占权重。
锂电池性能监测模块,用于对各个待充电锂电池进行内部数据监测,得到各待充电锂电池的内部电阻值。
锂电池性能分析模块,用于分析各待充电锂电池的性能健康系数。
作为一种示例,所述通过信号源给各待充电锂电池注入一个交流电流信号,测量出各待充电锂电池两端产生的交流电压信号的有效值Vi和输入的交流电流信号的有效值Ii,计算得出各待充电锂电池的内部电阻值:
所述各待充电锂电池的性能健康系数具体分析为:从数据库中提取各待充电锂电池对应参考锂电池在设定历史监测时间段内各次监测的内部电阻值,记为R′ij,j=1,2,......m,j为历史监测次数的编号,分析各待充电锂电池的性能健康系数其中R′i(j-1)为第i个待充电锂电池第j-1次监测的内部电阻值,R′im为第m次监测的各待充电锂电池的内部电阻值,ΔR允为设定的锂电池正常运行情况下允许的内部电阻增长值,R0为待充电锂电池的标准内部电阻值,ε1、ε2、ε3为设定的历史监测时间段内各次监测的内部电阻增长系数影响因子、当前监测的内部电阻值的影响因子和允许内部电阻增长值的影响因子。
健康系数评估模块,用于分析各待充电锂电池的综合健康系数,筛选健康状态的各待充电锂电池,将其记为各健康锂电池。
作为一种示例,所述各待充电锂电池综合健康系数具体分析为:根据各待充电锂电池的表观健康系数和性能健康系数,分析各待充电锂电池的综合健康系数其中δ1、δ2为设定的各待充电锂电池的表观健康系数和性能健康系数所占权重。
将各待充电锂电池的综合健康系数与设定的锂电池标准综合健康系数进行对比,当某待充电锂电池综合健康系数大于或等于标准综合健康系数时,则该待充电锂电池为健康锂电池,当某待充电锂电池综合健康系数小于标准综合健康系数时,则该待充电锂电池为亚健康锂电池,统计各亚健康锂电池的编号,并将其发送至管理人员。
需要进一步说明的是,所述管理人员接收各亚健康锂电池的编号后,对其进行报废处理。
充电运行监测模块,用于对在充电过程中的各健康锂电池进行实时充电运行监测,得到各健康锂电池充电时的温度分布数据。
充电运行分析模块,用于分析各健康锂电池在充电过程中的充电温度符合系数,得到在充电过程中存在安全隐患的健康锂电池编号,并将该健康锂电池编号发送给管理人员。
作为一种示例,所述通过对在充电过程中的各健康锂电池进行实时热成像监测,获得各健康锂电池在充电过程中的温度分布图像,将各健康锂电池充电时的温度分布图像与数据库中存储的标准温度数值比色卡进行对比,得到各健康锂电池充电时的最大温度值,将其记为各健康锂电池的目标温度值。
根据各待充电锂电池对应参考锂电池,筛选各健康锂电池对应参考锂电池,从数据库中提取各健康锂电池对应参考锂电池的开始充电时间点,结合当前时间得到各健康锂电池的充电时长,设定历史监测时长区间,从数据库中提取各参考锂电池在当前充电过程中各历史时间点的最大温度值,筛选各健康锂电池在当前充电过程中各历史时间点的最大温度值,并结合各健康锂电池的目标温度值,构建各健康锂电池在充电过程中的温度分布曲线图,并获得各健康锂电池在充电过程中的温度分布曲线图的斜率,将其记为温度曲线图斜率。
所述各健康锂电池的充电温度符合系数具体分析为:从数据库中提取健康锂电池在充电过程中的标准温度分布曲线图,并获得健康锂电池在充电过程中的标准温度分布曲线图的斜率,将其记为健康锂电池标准温度曲线图斜率。
分析标准温度曲线图斜率和温度曲线图斜率得到各健康锂电池的充电温度符合系数其中g=1,2,......a,g为充电中各健康锂电池的编号,K0为健康锂电池的标准温度曲线图斜率,Kg为第g个健康锂电池的温度分布曲线图斜率,θ为设定的健康锂电池的充电温度符合系数修正因子。
分析各健康锂电池在充电过程中充电温度符合系数,将其与设定的安全充电温度符合系数进行对比,当某健康锂电池在充电过程中充电温度符合系数大于或等于安全温度符合系数时,则该健康锂电池正常充电,当某健康锂电池在充电过程中充电温度符合系数小于安全温度符合系数时,则该健康锂电池存在安全隐患,立即断电,并将该健康锂电池编号发送给管理人员。
需要进一步说明的是,所述管理人员接收到在充电过程中存在安全隐患的各健康锂电池编号后,将其进行维护处理。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于大数据的锂电池监控管理***,其特征在于,包括:
锂电池外观监测模块,用于对各个待充电锂电池进行外观监测,得到各待充电锂电池的外观图像,进而获得各待充电锂电池的表观数据;
锂电池表观数据分析模块,用于根据各待充电锂电池的表观数据,分析各待充电锂电池的表观健康系数;
锂电池性能监测模块,用于对各个待充电锂电池进行内部数据监测,得到各待充电锂电池的内部电阻值;
锂电池性能分析模块,用于分析各待充电锂电池的性能健康系数;
健康系数评估模块,用于分析各待充电锂电池的综合健康系数,筛选健康状态的各待充电锂电池,将其记为各健康锂电池;
充电运行监测模块,用于对在充电过程中的各健康锂电池进行实时充电运行监测,得到各健康锂电池充电时的温度分布数据;
充电运行分析模块,用于分析各健康锂电池在充电过程中的充电温度符合系数,得到在充电过程中存在安全隐患的健康锂电池编号,并将该健康锂电池编号发送给管理人员;
数据库,用于存储各参考锂电池的标准出厂信息,该标准出厂信息包括各参考锂电池出厂号、标准外观图像、标准内部电阻值,存储各参考锂电池在设定历史监测时间段内各次监测的内部电阻值,并存储标准温度数值比色卡、各参考锂电池在各次充电过程中各历史时间点的最大温度值和健康锂电池在充电过程中的标准温度分布曲线图。
2.根据权利要求1所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各待充电锂电池的表观数据获取方式为:
根据各待充电锂电池的外观图像,提取各待充电锂电池的出厂号,从数据库中提取各参考锂电池的出厂号,对比筛选各待充电锂电池对应参考锂电池的标准出厂信息;
调取各待充电锂电池对应参考锂电池的标准外观图像,将各待充电锂电池的外观图像与其对应的标准外观图像进行对比,得到各待充电锂电池的外观图像中各异常区域,利用图像灰度处理技术筛选各待充电锂电池的外观图像中各裂纹区域、各凹陷区域和各电极缺陷区域;
提取各待充电锂电池的外观图像中各裂纹区域、各凹陷区域和各电极缺陷区域的灰度图像,将其分别与设定的裂纹区域灰度图像、凹陷区域灰度图像和电极缺陷区域灰度图像对应的标准灰度值范围,对比得到各待充电锂电池的外观图像中各裂纹区域的表观数据、各凹陷区域的表观数据和各电极缺陷区域的表观数据。
3.根据权利要求2所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各裂纹区域表观数据包括裂纹横向长度、裂纹纵向长度和裂纹面积,所述各凹陷区域的表观数据包括凹陷面积和凹陷深度,所述各电极缺陷区域表观数据包括氧化面积和腐蚀面积。
4.根据权利要求2所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各待充电锂电池的表观健康系数分析方式为:
提取各待充电锂电池对应各裂纹区域的裂纹横向长度、裂纹纵向长度和裂纹面积,将其记为i为各待充电锂电池的编号,j1=11,21,...,m1,j1为各裂纹区域编号;
分析各待充电锂电池对应各裂纹区域的裂纹健康系数其中为设定的锂电池在正常运行情况下允许的裂纹横向长度、裂纹纵向长度和裂纹面积,η1、η2、η3为设定的裂纹横向长度、裂纹纵向长度和裂纹面积的修正因子,筛选各待充电锂电池中各裂纹区域的裂纹健康系数中最大裂纹健康系数作为对应待充电锂电池的裂纹层面健康系数,将其记为/>
提取各待充电锂电池对应各凹陷区域的凹陷面积和凹陷深度,将其记为其中j2=12,22,...,m2,j2为各凹陷区域编号;
分析各待充电锂电池凹陷层面健康系数其中/>为设定的锂电池在正常运行情况下允许的凹陷面积和凹陷深度,/>为第i个待充电锂电池对应各凹陷区域中的最大凹陷面积和最大凹陷深度;
提取各待充电锂电池对应各电极缺陷区域的氧化面积和腐蚀面积,将其记为j3为各电极缺陷区域编号;
分析各待充电锂电池电极缺陷层面健康系数其中/>为设定的锂电池在正常运行情况下允许的电极区域氧化面积和腐蚀面积;
根据各待充电锂电池的裂纹层面健康系数、凹陷层面健康系数和电极缺陷层面健康系数,分析各待充电锂电池的表观健康系数其中α1、α2、α3为设定的裂纹层面健康系数、凹陷层面健康系数和电极缺陷层面健康系数所占权重。
5.根据权利要求4所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各待充电锂电池的性能健康系数具体分析为:
通过信号源给各待充电锂电池注入一个交流电流信号,测量出各待充电锂电池两端产生的交流电压信号的有效值Vi和输入的交流电流信号的有效值Ii,计算得出各待充电锂电池的内部电阻值:
从数据库中提取各待充电锂电池对应各参考锂电池在设定历史监测时间段内各次监测的内部电阻值,记为R′ij,j=1,2,......m,j为历史监测次数的编号,分析各待充电锂电池的性能健康系数其中R′i(j-1)为第i个待充电锂电池第j-1次监测的内部电阻值,R′im为第m次监测的各待充电锂电池的内部电阻值,ΔR允为设定的锂电池正常运行情况下允许的内部电阻增长值,R0为待充电锂电池的标准内部电阻值,ε1、ε2、ε3为设定的历史监测时间段内各次监测的内部电阻增长系数影响因子、当前监测的内部电阻值的影响因子和允许内部电阻增长值的影响因子。
6.根据权利要求5所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各待充电锂电池综合健康系数具体分析为:
根据各待充电锂电池的表观健康系数和性能健康系数,分析各待充电锂电池的综合健康系数其中δ1、δ2为设定的各待充电锂电池的表观健康系数和性能健康系数所占权重;
将各待充电锂电池的综合健康系数与设定的锂电池标准综合健康系数进行对比,当某待充电锂电池综合健康系数大于或等于标准综合健康系数时,则该待充电锂电池为健康锂电池,当某待充电锂电池综合健康系数小于标准综合健康系数时,则该待充电锂电池为亚健康锂电池,统计各亚健康锂电池的编号,并将其发送至管理人员。
7.根据权利要求1所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各健康锂电池温度分布数据获取方式为:
通过对在充电过程中的各健康锂电池进行实时热成像监测,获得各健康锂电池在充电过程中的温度分布图像,将各健康锂电池充电时的温度分布图像与数据库中存储的标准温度数值比色卡进行对比,得到各健康锂电池充电时的最大温度值,将其记为各健康锂电池的目标温度值;
根据各待充电锂电池对应参考锂电池,筛选各健康锂电池对应参考锂电池,从数据库中提取各健康锂电池对应参考锂电池的开始充电时间点,结合当前时间得到各健康锂电池的充电时长,设定历史监测时长区间,从数据库中提取各参考锂电池在当前充电过程中各历史时间点的最大温度值,筛选各健康锂电池在当前充电过程中各历史时间点的最大温度值,并结合各健康锂电池的目标温度值,构建各健康锂电池在充电过程中的温度分布曲线图,并获得各健康锂电池在充电过程中的温度分布曲线图的斜率,将其记为温度曲线图斜率。
8.根据权利要求7所述的一种基于大数据的锂电池监控管理***,其特征在于:所述各健康锂电池的充电温度符合系数具体分析为:
从数据库中提取健康锂电池在充电过程中的标准温度分布曲线图,并获得健康锂电池在充电过程中的标准温度分布曲线图的斜率,将其记为健康锂电池标准温度曲线图斜率;
分析标准温度曲线图斜率和温度曲线图斜率得到各健康锂电池的充电温度符合系数其中g=1,2,......a,g为充电中各健康锂电池的编号,K0为健康锂电池的标准温度曲线图斜率,Kg为第g个健康锂电池的温度分布曲线图斜率,θ为设定的健康锂电池的充电温度符合系数修正因子;
分析各健康锂电池在充电过程中充电温度符合系数,将其与设定的安全充电温度符合系数进行对比,当某健康锂电池在充电过程中充电温度符合系数大于或等于安全温度符合系数时,则该健康锂电池正常充电,当某健康锂电池在充电过程中充电温度符合系数小于安全温度符合系数时,则该健康锂电池存在安全隐患,立即断电,并将该健康锂电池编号发送给管理人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310631968.3A CN116859249B (zh) | 2023-05-31 | 2023-05-31 | 一种基于大数据的锂电池监控管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310631968.3A CN116859249B (zh) | 2023-05-31 | 2023-05-31 | 一种基于大数据的锂电池监控管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116859249A true CN116859249A (zh) | 2023-10-10 |
CN116859249B CN116859249B (zh) | 2024-05-10 |
Family
ID=88229325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310631968.3A Active CN116859249B (zh) | 2023-05-31 | 2023-05-31 | 一种基于大数据的锂电池监控管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116859249B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102755966A (zh) * | 2012-07-31 | 2012-10-31 | 河南电力试验研究院 | 一种动力电池梯级利用分选评估方法 |
CN106824831A (zh) * | 2016-12-19 | 2017-06-13 | 金同林 | 一种提高锂离子电池一致性的动力型电池的制造方法 |
CN107732337A (zh) * | 2017-10-18 | 2018-02-23 | 中航锂电(洛阳)有限公司 | 一种退役电池模块分选方法 |
CN109465209A (zh) * | 2018-10-24 | 2019-03-15 | 中通服咨询设计研究院有限公司 | 一种基于光伏基站的动力电池梯级利用方法 |
CN110224192A (zh) * | 2019-05-30 | 2019-09-10 | 安徽巡鹰新能源科技有限公司 | 一种梯次利用动力电池寿命预测方法 |
CN111167748A (zh) * | 2019-11-29 | 2020-05-19 | 荆门亿纬创能锂电池有限公司 | 电池筛选方法 |
CN112255246A (zh) * | 2020-08-31 | 2021-01-22 | 中国科学院合肥物质科学研究院 | 面向锂电池极板表面缺陷检测的新型光学成像***及其方法 |
CN112895976A (zh) * | 2021-02-01 | 2021-06-04 | 重庆峘能电动车科技有限公司 | 电芯预警保护方法及*** |
KR20220020506A (ko) * | 2020-08-12 | 2022-02-21 | 주식회사 엘지에너지솔루션 | 전지셀 불량 검사 시스템 및 전지셀 불량 검사 방법 |
CN114415051A (zh) * | 2022-01-26 | 2022-04-29 | 国网湖南省电力有限公司 | 一种锂离子电池组健康状态判断方法 |
CN114678581A (zh) * | 2022-04-06 | 2022-06-28 | 深圳市海雷新能源有限公司 | 一种锂电池防火隔热结构及预警*** |
KR102443461B1 (ko) * | 2022-06-03 | 2022-09-15 | 주식회사 제이디 | 열화상 검사를 이용한 전고체 전지 품질 검사 방법 |
-
2023
- 2023-05-31 CN CN202310631968.3A patent/CN116859249B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102755966A (zh) * | 2012-07-31 | 2012-10-31 | 河南电力试验研究院 | 一种动力电池梯级利用分选评估方法 |
CN106824831A (zh) * | 2016-12-19 | 2017-06-13 | 金同林 | 一种提高锂离子电池一致性的动力型电池的制造方法 |
CN107732337A (zh) * | 2017-10-18 | 2018-02-23 | 中航锂电(洛阳)有限公司 | 一种退役电池模块分选方法 |
CN109465209A (zh) * | 2018-10-24 | 2019-03-15 | 中通服咨询设计研究院有限公司 | 一种基于光伏基站的动力电池梯级利用方法 |
CN110224192A (zh) * | 2019-05-30 | 2019-09-10 | 安徽巡鹰新能源科技有限公司 | 一种梯次利用动力电池寿命预测方法 |
CN111167748A (zh) * | 2019-11-29 | 2020-05-19 | 荆门亿纬创能锂电池有限公司 | 电池筛选方法 |
KR20220020506A (ko) * | 2020-08-12 | 2022-02-21 | 주식회사 엘지에너지솔루션 | 전지셀 불량 검사 시스템 및 전지셀 불량 검사 방법 |
CN112255246A (zh) * | 2020-08-31 | 2021-01-22 | 中国科学院合肥物质科学研究院 | 面向锂电池极板表面缺陷检测的新型光学成像***及其方法 |
CN112895976A (zh) * | 2021-02-01 | 2021-06-04 | 重庆峘能电动车科技有限公司 | 电芯预警保护方法及*** |
CN114415051A (zh) * | 2022-01-26 | 2022-04-29 | 国网湖南省电力有限公司 | 一种锂离子电池组健康状态判断方法 |
CN114678581A (zh) * | 2022-04-06 | 2022-06-28 | 深圳市海雷新能源有限公司 | 一种锂电池防火隔热结构及预警*** |
KR102443461B1 (ko) * | 2022-06-03 | 2022-09-15 | 주식회사 제이디 | 열화상 검사를 이용한 전고체 전지 품질 검사 방법 |
Non-Patent Citations (1)
Title |
---|
王雄;鲍建勇;王新;: "电动汽车锂离子电池燃烧风险与控制", 汽车文摘, no. 04, 30 March 2020 (2020-03-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN116859249B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376530B (zh) | 电池内短路检测装置及方法 | |
CN104614630B (zh) | 一种电池微短路的识别方法 | |
CN115954989B (zh) | 一种储能电站运行监测管理*** | |
CN113777515A (zh) | 一种电动汽车充电安全预警方法 | |
CN117104074B (zh) | 一种充放电控制的方法及充放电控制*** | |
CN116540108B (zh) | 一种电芯容量衰减预警方法、装置、存储介质及设备 | |
CN116559684A (zh) | 一种规模化电池储能电站运行状态监控评估*** | |
CN115963418A (zh) | 一种储能电池运行状态的检测方法及*** | |
CN115951231A (zh) | 基于单体电池电压相关性的汽车动力电池故障预警方法 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及*** | |
Xu et al. | Safety warning analysis for power battery packs in electric vehicles with running data | |
CN114693096A (zh) | 一种基于场景匹配的动力电池梯级利用决策方法及*** | |
CN116859249B (zh) | 一种基于大数据的锂电池监控管理*** | |
Ge et al. | Real-time charging risk assessment for electric vehicles based on improved broad BP-AHP | |
CN116706973B (zh) | 一种基于多维度分析的储能电池控制方法、***及介质 | |
CN117173100B (zh) | 聚合物锂离子电池生产控制***及其方法 | |
CN116973763A (zh) | 一种锂电池包热失控预警方法和装置 | |
CN117087485A (zh) | 一种大功率SiC电动汽车的充电安全监测***及预警*** | |
CN116609671A (zh) | 电池容量预测方法、装置、设备及存储介质 | |
CN116796285A (zh) | 基于多源信息融合的动力电池热失控超前预警方法及*** | |
CN116699407A (zh) | 一种基于安全熵的动力电池安全风险预警方法 | |
CN115166564A (zh) | 一种在线量化评估磷酸铁锂电池微短路程度的方法 | |
CN113572161B (zh) | 一种抗灾保底电网的储能***在线状态监测和评估方法 | |
CN115356633A (zh) | 基于双轮车的动力电池短板电芯检测算法 | |
CN114137430A (zh) | 一种退役锂电池剩余寿命的预估方法 |
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 |