CN116885302B - 基于bms实现退役电池的安全管理的方法及装置 - Google Patents
基于bms实现退役电池的安全管理的方法及装置 Download PDFInfo
- Publication number
- CN116885302B CN116885302B CN202310917717.1A CN202310917717A CN116885302B CN 116885302 B CN116885302 B CN 116885302B CN 202310917717 A CN202310917717 A CN 202310917717A CN 116885302 B CN116885302 B CN 116885302B
- Authority
- CN
- China
- Prior art keywords
- temperature
- retired battery
- retired
- battery
- curve
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000017525 heat dissipation Effects 0.000 claims abstract description 47
- 230000020169 heat generation Effects 0.000 claims abstract description 39
- 230000036541 health Effects 0.000 claims abstract description 34
- 230000001276 controlling effect Effects 0.000 claims abstract description 9
- 230000001105 regulatory effect Effects 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims description 55
- 238000012549 training Methods 0.000 claims description 32
- 230000003862 health status Effects 0.000 claims description 23
- 230000033228 biological regulation Effects 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 239000012080 ambient air Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 description 28
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 239000003570 air Substances 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/61—Types of temperature control
- H01M10/613—Cooling or keeping cold
-
- 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
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电池安全管理技术领域，揭露了一种基于BMS实现退役电池的安全管理的方法，包括：根据电流和电压建立IC曲线，获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型，获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，基于所述温度控制量对退役电池的温度提前进行调控。本发明还提出一种基于BMS实现退役电池的安全管理装置、电子设备以及计算机可读存储介质。本发明可以解决由于缺乏超前的温度管理而导致退役电池热失控的问题。
Description
技术领域
本发明涉及电池安全管理技术领域，尤其涉及一种基于BMS实现退役电池的安全管理的方法、装置、电子设备及计算机可读存储介质。
背景技术
退役电池的性能衰退导致其安全风险增加，退役电池在使用过程中的安全管理成为其大规模产业化应用的关键性问题。退役电池的温度管控对其安全管理十分重要，一旦退役电池在使用过程中发生温度热失控，容易直接导致引发热故障。
目前，针对退役电池的热管理中多为对温度的实时采集以及对温度异常时的数据进行检测告警，但是由于无法提早发现热失控征兆，进行超前的温度调控，依旧存在退役电池温度失控的风险。
发明内容
本发明提供一种基于BMS实现退役电池的安全管理的方法、装置及计算机可读存储介质，其主要目的在于解决由于缺乏超前的温度管理而导致退役电池热失控的问题。
为实现上述目的，本发明提供的一种基于BMS实现退役电池的安全管理的方法，包括：
基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
根据所述电流和电压建立IC曲线；
获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；
所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：
提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；
根据预构建的支持向量回归算法构建退役电池容量估计模型；
将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；
所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，其中，所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；
基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
可选地，所述电流和电压建立IC曲线，包括：
根据所述电流和电压得到退役电池的递增容量，其中，所述递增容量为单位时间内的电流变化与电压变化的比值；
基于所述递增容量建立IC曲线，其中，所述IC曲线为递增容量与电压的关系曲线。
可选地，所述根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况，包括：
将所述IC曲线的最高峰值点输入到训练完成的退役电池容量估计模型进行容量估计，得到电池容量；
获取额定电池容量，利用所述电池容量及额定电池容量得到退役电池健康状况，其中所述退役电池健康状况为所述电池容量与额定电池容量的比值。
可选地，所述获取退役电池的产热速率和散热速率，包括：
接收退役电池的体积、电压–温度系数、材料密度均值、定压比热容和热传递系数；
基于所述体积、电压–温度系数和温度得到退役电池的产热速率；
根据所述材料密度均值、定压比热容和热传递系数得到退役电池的散热速率。
可选地，所述退役电池的产热速率如下式所示：
其中，q表示产热速率，V表示退役电池的体积，E表示开路电压，U表示端电压，T表示退役电池的温度，表示电压–温度系数。
可选地，所述退役电池的散热速率如下式所示：
其中，Q表示散热速率，ρ表示退役电池的材料密度均值，C表示退役电池的定压比热容，表示温升速率，k表示热传递系数，TB表示外界空气温度。
可选地，所述利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值，包括：
获取历史温度、历史产热速率和历史散热速率；
基于所述历史温度、历史产热速率和历史散热速率对预构建的BP神经网络进行调试和训练，得到退役电池温度预测模型；
采用所述退役电池温度预测模型，根据所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值。
为了解决上述问题，本发明还提供一种基于BMS实现退役电池的安全管理装置，所述装置包括：
BMS电池***测量模块，用于基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
退役电池容量估计模块，用于根据所述电流和电压建立IC曲线；获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；根据预构建的支持向量回归算法构建退役电池容量估计模型；将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
退役电池健康状况获取模块，用于根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
退役电池温度预测模块，用于获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
退役电池温度调控模块，用于根据预设的温度参考值、温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量；
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；
基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的基于BMS实现退役电池的安全管理的方法。
为了解决上述问题，本发明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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于BMS实现退役电池的安全管理的方法。
本发明实施例为解决背景技术所述问题，基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据，由于IC曲线与退役电池健康状况密切相关，因此先根据所述电流和电压建立IC曲线，获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型，根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况，为了对退役电池的温度进行超前管理，本发明实施例利用人工智能方法，先获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值，根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，可见，本发明实施例通过对退役电池的温度进行***，得到温度预测值，然后根据温度预测值考虑温度控制量的大小，最后基于所述温度控制量对退役电池的温度提前进行调控，可以实现退役电池的超前的温度管理，避免热失控的发生。因此本发明提出的基于BMS实现退役电池的安全管理的方法、装置、电子设备及计算机可读存储介质，可以解决由于缺乏超前的温度管理而导致退役电池热失控的问题。
附图说明
图1为本发明一实施例提供的基于BMS实现退役电池的安全管理的方法的流程示意图；
图2为本发明一实施例提供的基于BMS实现退役电池的安全管理装置的功能模块图；
图3为本发明一实施例提供的实现所述基于BMS实现退役电池的安全管理的方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于BMS实现退役电池的安全管理的方法。所述基于BMS实现退役电池的安全管理的方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于BMS实现退役电池的安全管理的方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
参照图1所示，为本发明一实施例提供的基于BMS实现退役电池的安全管理的方法的流程示意图。在本实施例中，所述基于BMS实现退役电池的安全管理的方法包括：
S1、基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据。
需解释的是，BMS电池***由各种传感器、执行器、具有各种算法和信号线的控制器组成，主要用于智能化管理及维护各个电池单元，防止电池出现过充电和过放电，延长电池的使用寿命，监控电池的状态。本发明实施例主要利用BMS电池***的数据采集和测量功能来对退役电池的电压、电流和温度进行测量。
应明白的是，本发明实施例测量得到的所述电流、电压和温度为实时数据，即退役电池在不同时间下的电流、电压和温度大小，可以得到电流、电压和温度随时间的变化曲线。
S2、根据所述电流和电压建立IC曲线。
需解释的是，IC曲线为递增容量与电压的关系曲线，是分析电池老化机制、估计电池容量的有效工具，尤其是曲线的峰值位置和高度与电池老化密切相关。电池的递增容量定义为单位时间电流变化与电压变化的比值，可以表示为其中，I表示退役电池的电流，H表示退役电池的电压。
详细地，所述根据所述电流和电压建立IC曲线，包括：
根据所述电流和电压得到退役电池的递增容量，其中，所述递增容量为单位时间内的电流变化与电压变化的比值；
基于所述递增容量建立IC曲线，其中，所述IC曲线为递增容量与电压的关系曲线。
S3、获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型。
应明白的是，历史IC曲线是在过去时间段采集得到的退役电池在恒温条件下的IC曲线。本发明实施例将所述历史IC曲线的最高峰值点作为训练样本对退役电池容量估计模型进行训练得到训练完成的退役电池容量估计模型。
重点地，退役电池容量估计模型是基于支持向量回归算法建立的回归模型。本发明实施例将IC曲线的最高峰值点的横坐标和纵坐标作为输入数据，对退役电池的容量进行估计。
详细地，所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：
提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；
根据预构建的支持向量回归算法构建退役电池容量估计模型；
将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型。
需理解的是，支持向量回归算法是一种回归算法，分为线性回归和非线性回归两种，回归的目的是得到一个能够尽量拟合训练集样本的模型，本发明实施例采用非线性回归，通过非线性映射函数构建退役电池容量估计模型，将所述训练样本集合映射到高维空间，然后来拟合输入数据与输出数据关系，其中所述输入数据为最高峰值集合，输出数据为电池容量。
示例性的，小张作为退役电池安全管理的研究员，将采集得到的115节退役电池在10℃、15℃、20℃、25℃、30℃、35℃和40℃恒温条件下的IC曲线的最高峰值的横坐标和纵坐标输入到退役电池容量估计模型，以任意的100节退役电池作为训练样本用来训练退役电池容量估计模型，求解非线性映射函数的待定系数，剩下的15节电池作为测试样本用来检验模型准确度，得到训练完成退役电池容量估计模型。
详细地，所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数。
S4、根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况。
需解释的是，退役电池健康状况是电池容量与额定电池容量之比,通常用百分比表示，其是对退役电池健康寿命状况的体现，是退役电池的电量、能量，充放电功率等状态的体现。对于不同健康状态的退役电池，其温度管理的目标不同。
详细地，所述根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况，包括：
将所述IC曲线的最高峰值点输入到训练完成的退役电池容量估计模型进行容量估计，得到电池容量；
获取额定电池容量，利用所述电池容量及额定电池容量得到退役电池健康状况，其中所述退役电池健康状况为所述电池容量与额定电池容量的比值。
应明白的是，额定电池容量即电池设计容量，是电池在额定工作条件下能长期持续工作的容量，但是由于电池在反复使用过程中会发生形变、金属锂沉积等变化，导致电池衰退，其实际电池容量相比于额定电池容量会有所下降。当实际电池容量下降到额定电池容量的70％～80％时，无法满足实际的工作要求，因此需要退役。
S5、获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值。
应明白的是，退役电池的产热速率是指电池产生热量的速率，退役电池内部各部分产热近似均匀。退役电池散热是把退役电池内部的热量传递到外界环境的过程，退役电池在充放电过程中，由于其与外界空气存在温度差，因此退役电池会通过热传递或热对流的形式与外界的流体接触传递热量，而散热速率是衡量退役电池散热快慢程度的指标。
详细地，所述获取退役电池的产热速率和散热速率，包括：
接收退役电池的体积、电压–温度系数、材料密度均值、定压比热容和热传递系数；
基于所述体积、电压–温度系数和温度得到退役电池的产热速率；
根据所述材料密度均值、定压比热容和热传递系数得到退役电池的散热速率。
详细地，所述退役电池的产热速率如下式所示：
其中，q表示产热速率，V表示退役电池的体积，E表示开路电压，U表示端电压，T表示退役电池的温度，表示电压–温度系数。
需解释的是，开路电压是指退役电池在非工作状态下即退役电池没有外接任何负载且电路无电流流过时，用电表直接测量所得的退役电池两接线柱间的电压值。端电压是指退役电池在工作状态下即电路中有电流过时电池正负极之间电势差。退役电池的开路电压会随温度的变化而变化，这种变化的系数，称为电压-温度系数。
应理解的是，定压比热容是在压强不变的情况下，单位质量的退役电池外界空气温度升高1K时所需吸收的热量，它的单位是焦耳/千克·开尔文(J/(kg·K))。热传递系数是指在稳定传热条件下，退役电池与周围空气温差为1度(K或℃)，单位时间通过单位面积传递的热量，单位是瓦/(平方米·度)。
详细地，所述退役电池的散热速率如下式所示：
其中，Q表示散热速率，ρ表示退役电池的材料密度均值，C表示退役电池的定压比热容，表示温升速率，k表示热传递系数，TB表示外界空气温度。
所述利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值，包括：
获取历史温度、历史产热速率和历史散热速率；
基于所述历史温度、历史产热速率和历史散热速率对预构建的BP神经网络进行调试和训练，得到退役电池温度预测模型；
采用所述退役电池温度预测模型，根据所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值。
应明白的是，BP神经网络又称反向传播神经网络，其是经过以历史温度、历史产热速率和历史散热速率为样本数据的训练，通过不断修正预测值和实际值的差值，从而使得误差函数沿着负梯度方向下降，最终达到逼近期望输出的温度实际值的过程。本发明实施例采用BP神经网络，通过利用过去时间段获取的温度、产热速率和散热速率对BP神经网络进行训练，构建退役电池温度预测模型，使得模型具有能够预测未来时间段内的温度的功能。
示例性的，小张以分钟为单位，将退役电池在之前采集到的180分钟的温度、产热速率和散热速率作为输入的训练样本，来对BP神经网络进行训练和调试，使输出的温度预测值不断接近实际值，最终得到退役电池温度预测模型，然后利用所述退役电池温度预测模型对预设时间点即5分钟后的退役电池的温度进行预测，得到预测结果为40.1℃。
S6、根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量。
需解释的是，温度参考值是退役电池可以正常工作而不发生热失控的温度。本发明实施例退役电池温度控制的目标是针对不同健康状态的退役电池在进行温度调控时，通过综合考虑退役电池健康状态、温度和温度调控成本的权重比例来使退役电池的温度得到约束同时温度调控成本最低，因此建立了温度控制目标函数。
详细地，所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本。
应明白的是，本发明实施例通过对退役电池预设时间点的温度进行预测，然后根据温度预测值建立温度控制目标函数，可以利用求解得到的温度控制量来实现对退役电池温度的超前调控。
S7、基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
需理解的是，本发明实施例通过求解温度控制目标函数得到最优的温度控制量，然后再根据温度控制量的大小作用到电池***上，来对退役电池的温度进行管理，使退役电池温度控制在一定范围内，避免热失控的发生。
本发明实施例为解决背景技术所述问题，基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据，由于IC曲线与退役电池健康状况密切相关，因此先根据所述电流和电压建立IC曲线，获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型，根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况，为了对退役电池的温度进行超前管理，本发明实施例利用人工智能方法，先获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值，根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，可见，本发明实施例通过对退役电池的温度进行***，得到温度预测值，然后根据温度预测值考虑温度控制量的大小，最后基于所述温度控制量对退役电池的温度提前进行调控，可以实现退役电池的超前的温度管理，避免热失控的发生。因此本发明提出的基于BMS实现退役电池的安全管理的方法、装置、电子设备及计算机可读存储介质，可以解决由于缺乏超前的温度管理而导致退役电池热失控的问题。
实施例2：
如图2所示，是本发明一实施例提供的基于BMS实现退役电池的安全管理装置的功能模块图。
本发明所述基于BMS实现退役电池的安全管理装置100可以安装于电子设备中。根据实现的功能，所述基于BMS实现退役电池的安全管理装置100可以包括BMS电池***测量模块101、退役电池容量估计模块102、退役电池健康状况获取103、退役电池温度预测模块104及退役电池温度调控105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述BMS电池***测量模块101，用于基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
所述退役电池容量估计模块102，用于根据所述电流和电压建立IC曲线，获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；根据预构建的支持向量回归算法构建退役电池容量估计模型；将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
所述退役电池健康状况获取103，用于根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
所述退役电池温度预测模块104，用于获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
所述退役电池温度调控105，用于根据预设的温度参考值、温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，其中，所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
详细地，本发明实施例中所述基于BMS实现退役电池的安全管理装置100中的所述各模块在使用时采用与上述的图1中所述的基于BMS实现退役电池的安全管理的方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3：
如图3所示，是本发明一实施例提供的实现基于BMS实现退役电池的安全管理的方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于BMS实现退役电池的安全管理程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于BMS实现退役电池的安全管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如基于BMS实现退役电池的安全管理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于BMS实现退役电池的安全管理程序是多个指令的组合，在所述处理器10中运行时，可以实现：
基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
根据所述电流和电压建立IC曲线；
获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；
所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：
提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；
根据预构建的支持向量回归算法构建退役电池容量估计模型；
将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；
所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，其中，所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；
基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
根据所述电流和电压建立IC曲线；
获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；
所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：
提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；
根据预构建的支持向量回归算法构建退役电池容量估计模型；
将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；
所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，其中，所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；
基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于BMS实现退役电池的安全管理的方法，其特征在于，所述方法包括：
基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
根据所述电流和电压建立IC曲线；
获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；
所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：
提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；
根据预构建的支持向量回归算法构建退役电池容量估计模型；
将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；
所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
根据预设的温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，其中所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；
基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
2.如权利要求1所述的基于BMS实现退役电池的安全管理的方法，其特征在于，所述根据所述电流和电压建立IC曲线，包括：
根据所述电流和电压得到退役电池的递增容量，其中，所述递增容量为单位时间内的电流变化与电压变化的比值；
基于所述递增容量建立IC曲线，其中，所述IC曲线为递增容量与电压的关系曲线。
3.如权利要求1所述的基于BMS实现退役电池的安全管理的方法，其特征在于，所述根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况，包括：
将所述IC曲线的最高峰值点输入到训练完成的退役电池容量估计模型进行容量估计，得到电池容量；
获取额定电池容量，利用所述电池容量及额定电池容量得到退役电池健康状况，其中所述退役电池健康状况为所述电池容量与额定电池容量的比值。
4.如权利要求1所述的基于BMS实现退役电池的安全管理的方法，其特征在于，所述获取退役电池的产热速率和散热速率，包括：
接收退役电池的体积、电压–温度系数、材料密度均值、定压比热容和热传递系数；
基于所述体积、电压–温度系数和温度得到退役电池的产热速率；
根据所述材料密度均值、定压比热容和热传递系数得到退役电池的散热速率。
5.如权利要求4所述的基于BMS实现退役电池的安全管理的方法，其特征在于，所述退役电池的产热速率如下式所示：
其中，q表示产热速率，V表示退役电池的体积，E表示开路电压，U表示端电压，T表示退役电池的温度，表示电压–温度系数。
6.如权利要求4所述的基于BMS实现退役电池的安全管理的方法，其特征在于，所述退役电池的散热速率如下式所示：
其中，Q表示散热速率，ρ表示退役电池的材料密度均值，C表示退役电池的定压比热容，表示温升速率，k表示热传递系数，TB表示外界空气温度。
7.如权利要求1所述的基于BMS实现退役电池的安全管理的方法，其特征在于，所述利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值，包括：
获取历史温度、历史产热速率和历史散热速率；
基于所述历史温度、历史产热速率和历史散热速率对预构建的BP神经网络进行调试和训练，得到退役电池温度预测模型；
采用所述退役电池温度预测模型，根据所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值。
8.一种基于BMS实现退役电池的安全管理装置，其特征在于，所述装置包括：
BMS电池***测量模块，用于基于预构建的BMS电池***测量得到退役电池的电流、电压和温度，其中，所述电流、电压和温度为实时数据；
退役电池容量估计模块，用于根据所述电流和电压建立IC曲线，获取不同温度下的历史IC曲线，基于所述历史IC曲线得到训练完成的退役电池容量估计模型；所述基于所述历史IC曲线得到训练完成的退役电池容量估计模型，包括：提取历史IC曲线的最高峰值点，利用所述最高峰值点构建最高峰值集合；根据预构建的支持向量回归算法构建退役电池容量估计模型；将所述最高峰值集合作为训练样本集合对所述退役电池容量估计模型进行训练，得到训练完成的退役电池容量估计模型；所述退役电池容量估计模型如下所示：
其中，F表示电池容量，l表示样本数量，αi和δi表示第i个样本对应的拉格朗日乘子，σ表示宽度参数，xi和yi表示第i条IC曲线的最高峰值点的横坐标和纵坐标，b表示截距参数；
退役电池健康状况获取模块，用于根据所述IC曲线和训练完成的退役电池容量估计模型得到退役电池健康状况；
退役电池温度预测模块，用于获取退役电池的产热速率和散热速率，利用所述产热速率、散热速率和温度对预设时间点的退役电池的温度进行预测，得到温度预测值；
退役电池温度调控模块，用于根据预设的温度参考值、温度参考值、温度预测值和退役电池健康状况构建温度控制目标函数，得到温度控制量，其中所述温度控制目标函数如下所示：
其中，W表示温度控制目标，a表示温度权重，b表示成本权重，c表示健康状况权重，S表示退役电池健康状况，N表示退役电池温度观测点数量，Ti:Y表示第i个退役电池温度观测点的预测温度，Ti:C表示第i个退役电池温度观测点的温度参考值，Ti:K表示第i个退役电池温度观测点的温度控制量，P表示温度调控成本；基于所述温度控制量对退役电池的温度进行调控，完成退役电池的安全管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310917717.1A CN116885302B (zh) | 2023-07-24 | 2023-07-24 | 基于bms实现退役电池的安全管理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310917717.1A CN116885302B (zh) | 2023-07-24 | 2023-07-24 | 基于bms实现退役电池的安全管理的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116885302A CN116885302A (zh) | 2023-10-13 |
| CN116885302B true CN116885302B (zh) | 2024-04-02 |
Family
ID=88254715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310917717.1A Active CN116885302B (zh) | 2023-07-24 | 2023-07-24 | 基于bms实现退役电池的安全管理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116885302B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117250522B (zh) * | 2023-11-17 | 2024-02-23 | 深圳蓝锂科技有限公司 | 应用于退役电池管理下的数据建模方法及*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107565183A (zh) * | 2017-09-07 | 2018-01-09 | 山东大学 | 面向全生命周期应用的模块化分布式电池管理***及方法 |
| KR101839141B1 (ko) * | 2016-10-31 | 2018-03-15 | 한국기술교육대학교 산학협력단 | 배터리 관리 시스템의 온도를 고려한 배터리의 수명 상태 예측 방법 |
| CN108091951A (zh) * | 2017-12-29 | 2018-05-29 | 潍柴动力股份有限公司 | 一种电池管理***及其控制方法 |
| KR102201988B1 (ko) * | 2020-06-17 | 2021-01-12 | 주식회사 나산전기산업 | 배터리의 충방전 특성을 사용하여 배터리를 관리하는 배터리 관리 시스템 |
| CN113255205A (zh) * | 2021-04-02 | 2021-08-13 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
| CN113391209A (zh) * | 2021-05-26 | 2021-09-14 | 江苏小牛电动科技有限公司 | 电池健康状态的预测方法、装置、***和电池 |
| CN114441984A (zh) * | 2022-01-27 | 2022-05-06 | 泉州装备制造研究所 | 一种锂电池健康状态估计方法 |
| CN115166563A (zh) * | 2022-08-17 | 2022-10-11 | 山东大学 | 一种动力电池老化状态评估与退役筛选方法及*** |
-
2023
- 2023-07-24 CN CN202310917717.1A patent/CN116885302B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101839141B1 (ko) * | 2016-10-31 | 2018-03-15 | 한국기술교육대학교 산학협력단 | 배터리 관리 시스템의 온도를 고려한 배터리의 수명 상태 예측 방법 |
| CN107565183A (zh) * | 2017-09-07 | 2018-01-09 | 山东大学 | 面向全生命周期应用的模块化分布式电池管理***及方法 |
| CN108091951A (zh) * | 2017-12-29 | 2018-05-29 | 潍柴动力股份有限公司 | 一种电池管理***及其控制方法 |
| KR102201988B1 (ko) * | 2020-06-17 | 2021-01-12 | 주식회사 나산전기산업 | 배터리의 충방전 특성을 사용하여 배터리를 관리하는 배터리 관리 시스템 |
| CN113255205A (zh) * | 2021-04-02 | 2021-08-13 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
| CN113391209A (zh) * | 2021-05-26 | 2021-09-14 | 江苏小牛电动科技有限公司 | 电池健康状态的预测方法、装置、***和电池 |
| CN114441984A (zh) * | 2022-01-27 | 2022-05-06 | 泉州装备制造研究所 | 一种锂电池健康状态估计方法 |
| CN115166563A (zh) * | 2022-08-17 | 2022-10-11 | 山东大学 | 一种动力电池老化状态评估与退役筛选方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 基于H_∞无迹卡尔曼滤波的退役锂离子电池SOC估计;谢宝江;娄伟明;罗扬帆;王华昕;李珂;;浙江电力;20200825(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116885302A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11644515B2 (en) | Method and device for operating an electrically drivable motor vehicle depending on a predicted state of health of an electrical energy store | |
| US11342596B2 (en) | Method and system for controlling a rechargeable battery | |
| EP3904894B1 (en) | Training device, estimation device, training method, estimation method, training program, and estimation program | |
| CN116885302B (zh) | 基于bms实现退役电池的安全管理的方法及装置 | |
| CN115344074B (zh) | 一种基于大数据的锂电池恒温控制*** | |
| WO2022164127A1 (ko) | 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법 | |
| US20220373609A1 (en) | State Value for Rechargeable Batteries | |
| KR20230057894A (ko) | 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법 | |
| KR20200054738A (ko) | 배터리의 냉각을 통한 엔트로피 측정 방법 및 이를 이용한 배터리 온도 변화 계산 방법 | |
| CN115214424A (zh) | 电池热管理***的温度确定方法、装置及电子设备 | |
| JP6262954B2 (ja) | 蓄電池導入効果評価装置、蓄電池導入効果評価方法及びプログラム | |
| CN113919222A (zh) | 一种电池组的内部温度在线计算方法 | |
| Wang et al. | Core temperature estimation method for lithium-ion battery based on long short-term memory model with transfer learning | |
| JP2020003227A (ja) | 状態推定方法、及び状態推定装置 | |
| Khera et al. | Valve regulated lead acid battery diagnostic system based on infrared thermal imaging and fuzzy algorithm | |
| CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
| CN117039223A (zh) | 冷却液泄漏检测方法、电池管理***、液冷***及设备 | |
| WO2020022463A1 (ja) | 蓄電装置及び温度推定方法 | |
| TW202334664A (zh) | 電池管理裝置、電池管理程式 | |
| Vishnu Murthy et al. | Overview of battery management systems in electric vehicles | |
| WO2023147890A1 (en) | Determining an internal battery temperature based on a determined battery temperature change over time from an initial temperature condition | |
| CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
| CN115128465A (zh) | 电池热仿真***、方法及电子设备 | |
| WO2024057996A1 (ja) | 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法 | |
| Fátima et al. | Stationary lead-Acid batteries maintenance management system |
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 |