CN117214757A - 锂离子电池及电池组健康度预测方法 - Google Patents
锂离子电池及电池组健康度预测方法 Download PDFInfo
- Publication number
- CN117214757A CN117214757A CN202311246685.3A CN202311246685A CN117214757A CN 117214757 A CN117214757 A CN 117214757A CN 202311246685 A CN202311246685 A CN 202311246685A CN 117214757 A CN117214757 A CN 117214757A
- Authority
- CN
- China
- Prior art keywords
- battery
- soh
- battery pack
- cell
- temperature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000036541 health Effects 0.000 title claims abstract description 28
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 17
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000013178 mathematical model Methods 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000005856 abnormality Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000022131 cell cycle Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明提出了锂离子电池及电池组健康度预测方法，其方法为：将电芯的健康度和电池组的健康度分别处理；在电池组正常工作状态下，建立SOH数学模型，分别计算电芯和电池组的SOH，用温度和电流参数等与SOH的关系的修正系数进行修正；根据电池的故障报警以及电芯的SOH变化情况对电池组进行维护，以该方法设计的锂离子电池健康度预测装置，由模型建立模块、监测模块、判断模块等组成，该预测方法在样本少或无样本的情况下依然能够获得很高的预测精度，实用性大大提高，所利用的参数也是电池组应用过程中通常要测量的数据，没有硬件成本的增加，实用性和可操作性强，应用领域广。
Description
技术领域
本发明涉及锂离子动力电池和储能电池监测、预测领域，尤其是涉及锂离子电池及电池组健康度预测方法。
背景技术
锂离子由于高能量密度、可重复充放电、循环寿命长、无自放电等优点，被广泛应用于新能源汽车、储能等行业。通常在这些装置中，电池组是有成百上千甚至数万之电芯通过串并联组合而成，在电池组的应用过程中，经过多次循环充放电的过程中，电池性能会老化衰减。并且各电芯的老化程度会不一致，随着应用时间的增加，电芯之间的一致性差别也会越来越大，会导致充放电过程中电芯的过充或过放，降低电池组的使用寿命。因此，对电芯及电池组的健康状态(State of Health，SOH)的精准预测以及对电芯衰减趋势的判断对于保证电池的安全性以及提高电池使用寿命都有重要的作用；
方法能通过预测结果筛选出SOH值较低的单体电池，但是无法判断串联电池中衰减趋势较大的单体电池从而达到提前预警，另外这些模型的缺点是当单体电池存在异常衰减时，各个不同的健康特征与真实的健康状况之间的相关性发生了改变，导致模型预测不准确。还有，电池维护、更换后，***的SOH也相应发生了变化，如何处理维护后***的SOH，也没有明确的方法提及。
发明内容
本发明提供一种锂离子动力电池和储能电池的健康度(SOH)预测方法，可以对电芯及电池组的异常及其衰减趋势进行准确分析，从而较早预测电池组的故障，降低由于电芯异常和一致性下降带来的风险，并估计电池组的健康度，为电池组的使用、维护、更换提供建议。
本发明的技术方案是这样实现的：
锂离子电池及电池组健康度预测方法，其特征在于：所述预测方法包含：电池内的电芯，根据测量的电芯及电池组的多种特征参数，建立数学模型；
根据电池组运行过程中的放电容量/能量以及基准容量/能量，计算电池组及电芯的循环次数，用循环次数计算电芯和电池组的基准SOH；
所述电芯和电池组的基准SOH，根据其正常运行范围工作区间内的特征参数对SOH的影响系数及工作区间异常判断，对SOH进行修正。
优选的，超出电芯或电池组特征参数的安全运行范围工作区间，此时对该电芯及电池组的SOH赋予0值，对电池组及电芯提出维护要求。
优选的，所述多种特征参数包括以下任意一项或多项，以及这些参数衍生出的参数：电芯的电压、温度，电池组的电流、温度、容量、能量、充电/放电累计时间、累计充电容量/能量、累计放电容量/能量，电芯的电压差、温度差等。
优选的，所述电芯的SOH，其计算方法为：从电池组放电开始，计算电池组的累计放电容量/能量，直至累计放电容量/能量达到基准容量，计为阶段1，循环次数增加1次，当前循环次数为n；重新开始计算累计放电容量，达到规定的基准容量时，循环次数计为n+1，从电池组充电开始，计算电池组的累计充电容量，直至累计充电容量达到基准容量，计为阶段2；
基准容量随次数增加而逐渐减小：Cn+1＝Cn·η，其中Cn+1为第n+1次的基准容量，Cn为第n次的基准容量，η为电池衰减率，以经验值或实验值确定；
C0根据试验或电芯的额定容量预先设定，电芯的基准SOH为：SOH电芯基准＝(N-n)/N·100％；
用电池组阶段1内的放电电流、阶段2内的充电电流、充电温度对电芯SOH进行修正：SOH电芯＝SOH电芯基准·ηi·ηI·ηT·100％，其中ηi为充电电流修正系数；ηI为放电电流修正系数；ηT为充电温度修正系数。
优选的，所述ηi、ηI根据电芯循环寿命与充电放电电流之间的关系测试预先确定，用表格形式赋予一定值确定，所述的ηT根据电芯循环寿命与充电温度之间的关系测试确定，用表格形式赋予一定值确定，当电池组不能检测到每只电芯的温度时，以距离该电芯最近的温度测试点的温度作为该电芯的温度。温度以该电芯在累计充电容量期间的平均温度作为计算值，每一个修正系数值根据对电芯的试验测试数据进行赋值。
充电电流对SOH影响的修正系数表格：
| 充电电流i | ≤i1 | >i1 |
| 修正系数ηi | 1 | ηi1 |
放电电流对SOH影响的修正系数表格：
| 放电电流I | ≤I1 | I2≥I>I1 | >I2 |
| 修正系数ηI | 1 | ηI1 | ηI2 |
当该循环阶段内放电电流或充电电流跨越2个或2个以上电流区间时，从较大电流区间的累计容量开始计算其放电容量或充电容量占据该阶段基准容量的比值，当计算的放电容量大于该阶段基准容量的50％时，以占比较大的放电电流或放电电流对应的修正系数进行计算，电流越大，修正系数越小。
充电温度对SOH影响的修正系数表格：
| 充电温度T | ≤T1 | T2≥T>T1 | T3≥T>T2 | T4≥T>T3 | >T4 |
| 修正系数ηT | / | 1 | ηT1 | ηT2 | / |
其中在温度≤T1和>T3时，属于电池的非工作区间，此时的SOH维持前面的状态或报故障，电池组不工作。T2≥T>T1，为电池正常工作区间，电池组SOH受影响较小,修正系数为1。温度升高，电池衰减速度加快，修正系数越低。当充电期间跨越多个温度段时，以较高温度区间的累计充电容量开始计算其充电容量占据该阶段基准容量的比值，当计算的充电容量累计大于该阶段基准容量的50％时，以占比较大的充电温度所对应的修正系数进行计算。
优选的，所述电池组的SOH，其计算方法为：电池组的SOH为同一阶段该电池组所有电芯的SOH中的最小值即：SOH组基准＝SOH电芯min；
用充放电期间温度差、放电期间的电芯电压差对SOH组基准进行修正，SOH组基准＝SOH电芯min·ηΔT·ηΔV·100％；
SOH电芯min为权利要求4中所计算的各电芯在同一阶段健康度的最小值，ηΔT为同一电池组中温差的修正系数；ηΔV为同一电池组中电芯电压差的修正系数。ηΔT、ηΔV，根据经验值以表格形式确定，其中ΔT为电芯中的实时测试的最高温度和最低温度与电芯的平均温度差，以两者的最大值计；ΔV为电芯中的实时测试的最高电压、最低电压与电芯的平均电压差，以两者的最大值计。电池组内温差越小、压差越小，对电池组的循环寿命影响也越小。
ηΔT与ΔT之间的关系表格：
| ΔT | ≤ΔT1 | ΔT2≥ΔT>ΔT1 | ΔT3≥ΔT>ΔT2 | >ΔT3 |
| 修正系数ηΔT | 1 | ηΔT1 | ηΔT2 | / |
当ΔT>ΔT3时，此时直接报故障，电池组停止工作，此时的SOH为0，故障修复后重新进行SOH的预测。
ΔT≤ΔT1，此时对电池组性能基本无影响，其修正系数为设定1。当充电期间跨越数个温差段时，以较高温差区间的累计充电容量开始计算其充电容量占据该阶段基准容量的比值，当计算的充电容量累计大于该阶段基准容量的50％时，以占比较大的充电温差所对应的修正系数进行计算。
ηΔV与ΔV之间的关系表格：
| ΔV | ≤ΔV1 | ΔV2≥ΔV>ΔV1 | ΔV3≥ΔV>ΔV2 | >ΔV3 |
| 修正系数ηΔT | 1 | ηΔV1 | ηΔV2 | / |
当ΔV>ΔV3时，此时直接报故障，电池组停止工作，此时的SOH为0，故障修复后重新进行SOH的计算。
ΔV≤ΔV1，此时对电池组性能基本无影响，其修正系数为1。当充电期间跨越数个压差段时，以较高压差区间的累计充电容量开始计算其充电容量占据该阶段基准容量的比值，当计算的充电容量累计大于该阶段基准容量的50％时，以占比较大的充电压差所对应的修正系数进行计算。
优选的，所述ηΔT、ηΔV根据经验值确定，其中ΔT为阶段1、2中各电芯实时测试的最高温度和最低温度与电芯的平均温度差，以两者的最大值计；ΔV为阶段1、2中各电芯实时测试的最高电压、最低电压与电芯的平均电压差，以两者的最大值计。
优选的，所述电芯的SOH、电池组的SOH分别确定一最低限值SOHmin，当电芯的SOH低于此值时，发出维护信号。
优选的，电芯及电池组在故障维修或维护后，需要重新评估电芯及电池组的SOH，其方法为：没有更换电芯：维修后电池组和电芯的SOH均以故障前一段的SOH值计，当电池组中有更换电芯时：维修后电池组的SOH以故障前一阶段的SOH计，更换电芯的SOH按故障前一阶段除去更换电芯外的其余电芯的SOH的平均值计。
本申请实施例提供的一种锂离子电池健康度预测装置，所述装置包括：模型建立模块、监测模块、判断模块、时间模块等组成；所述模型建立模块，用于预先基于一定阶段内的电芯和电池组的使用数据，分别建立各个电芯的SOH模型和电池组的SOH模型；所述监测模块，用于实时监测电池组及各个电芯的数据，并分别根据所述的电芯SOH模型和电池组SOH模型进行计算，某一阶段电芯和电池组的SOH；所述序判断模块，用于根据所述的计算的电芯的SOH和电池组的SOH，确定电芯是否有异常，及时作出故障报警或发出维护信号；所述时间模块，用于计量电池组的运行时间，以及确定阶段1、阶段2的时间区间。
本发明提供的电池健康度预测方法及装置，通过电芯及电池运行数据的实时采集，根据模型可以准确预测其SOH，并筛选出衰减趋势异常的电芯，在电池健康状况降至危险区间之前提前排查问题电芯及电池组故障，降低由于电池异常和一致性下降带来的安全风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施方式中提供的电芯SOH预测的一种流程图；
图2是本发明实施方式中提供的电池组SOH预测的一种流程图；
图3是本发明实施方式中提供的电芯及电池组健康度预测装置的一种结构示意图。
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作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。
电池的SOH的计算方法常用电池放电容量占电池初始容量的百分比或者电池剩余循环次数占总循环次数的百分比来表述，但在使用过程中，电池通常不会出现完全充满、完全放空的情况，而且充电放电也是不断替换在进行，对电池的可放电容量在绝大多数应用中是无法在线测量的。本发明采用循环次数的方法来表述。
如图1所示，是使用过程中电芯SOH的预测流程图。包括以下步骤：
步骤1，预先基于电芯前期测试数据或生产商提供的数据，建立电芯SOH与温度、充电电流、放电电流修正系数之间的表格，建立数学模型。
步骤2，根据电芯及电池组特征建立电池组特征参数运行范围工作区间，超出此工作区间报相应异常故障，电池组停止运行，电芯维护，待维护后SOH修正，回到建立数学模型，计算电芯SOH。
步骤3，从放电开始采集电池组放电容量/能量并累计，当累计容量/能量达到设定的基准容量/能量时，确定为阶段一。以该阶段计算电芯的基准SOH电芯基准。
步骤4，在阶段一采集电芯温度，与表格对应确定该阶段内电芯SOH的温度修正系数ηT；
步骤5，从电池组充电开始采集电池组的充电容量/能量并累计，当累计容量/能量达到基准容量/能量时，此阶段确定为阶段二，根据阶段二内的充电电流分布情况对应表格确定电芯SOH的充电电流修正系数ηi。
步骤6，采集阶段一电池组的放电电流，与表格对应确定阶段一内的放电电流修正系数ηI。
步骤7，按照模型计算阶段一、阶段二内电池组各电芯的SOH。
步骤8，将各电芯的SOH与设定电芯异常情况下最低SOH进行对比，若低于最低设定值，则进行故障异常或维护报警，否则进入下一个周期。
步骤9，阶段1结束后，电芯及电池组的累计循环次数增加1次，能量/容量开始下一阶段计算。
步骤10，循环步骤2-9，直至达到电池组寿命结束或没有维修价值。
如图2所示，是使用过程中电池组的SOH的预测流程图。包括以下步骤：
步骤1，预先上述阶段1内的各电芯的最小SOH，确定为该阶段内电池组SOH的基准值SOH组基准。
步骤2，根据电池组特征参数、运行环境等建立电池组特征参数运行范围区间，超出此区间报相应故障异常，电池组停止运行，电芯维护，待维护后SOH修正，回到建立数学模型，计算电芯SOH。
步骤3，计算上述阶段2内各电芯的温度差(为各电芯温度中的最大值与最小值之差)，根据阶段2内温度差的分布情况，与表格对应确定该阶段内电池组SOH温度修正系数ηΔT；
步骤4，计算上述阶段1内各电芯的电压差(为各电芯电压中的最大值与最小值之差)。根据阶段1内的各电芯电压差的分布情况，对应表格确定该阶段内电池组的SOH电压差修正系数ηΔV。
步骤5，根据确定的各修正系数、基准值，带入模型，计算电池组的SOH。
步骤6，将电池组的SOH与设定电池组异常情况时最低SOH进行对比，若低于最低设定值，则进行故障或维护报警，否则进入下一个周期。
步骤7，阶段1结束后，电池组的累计循环次数增加1次，能量/容量开始下一阶段计算。
步骤8，循环步骤1-7，直至达到电池组寿命结束或没有维修价值。
特别地，可以根据电池组及电芯的SOH变化情况，逐步建立并持续修正电池组及电芯在该应用情况下的SOH模型，当超出模型偏差范围时，即使电池组及电芯SOH处于正常范围，也可以提前发出报警信号表明异常情况。
本发明提供的锂离子电池健康度预测装置，如图3所示，包括：模型建立模块101、监测模块102、判断模块103、时间模块104等组成；模型建立模块101，用于预先基于一定阶段内的电芯和电池组的使用数据，分别建立各个电芯的SOH模型和电池组的SOH模型；监测模块102，用于实时监测电池组及各个电芯的数据，并分别根据的电芯SOH模型和电池组SOH模型进行计算，某一阶段电芯和电池组的SOH；判断模块103，用于根据的计算的电芯的SOH和电池组的SOH，确定电芯是否有异常，及时作出故障报警或发出维护信号；时间模块104，用于计量电池组的运行时间，以及确定阶段1、阶段2的时间区间。
本发明可以准确筛选出衰减趋势异常的电芯，在电池健康状况降至危险区间之前提前排查问题电芯，降低由于电芯异常和一致性下降带来的安全风险，其中电芯指的是单个电池，电池组指的是由许多电芯组合成的***。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.锂离子电池及电池组健康度预测方法，其特征在于：所述预测方法包含：电池内的电芯，根据测量的电芯及电池组的多种特征参数，建立数学模型；
根据电池组运行过程中的放电容量/能量以及基准容量/能量，计算电池组及电芯的循环次数，用循环次数计算电芯和电池组的基准SOH；
所述电芯和电池组的基准SOH，根据其正常运行范围工作区间内的特征参数对SOH的影响系数及工作区间异常判断，对SOH进行修正。
2.根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：超出电芯或电池组特征参数的安全运行范围工作区间，此时对该电芯及电池组的SOH赋予0值，对电池组及电芯提出维护要求。
3.根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：所述多种特征参数包括以下任意一项或多项，以及这些参数衍生出的参数：电芯的电压、温度，电池组的电流、温度、容量、能量、充电/放电累计时间、累计充电容量/能量、累计放电容量/能量，电芯的电压差、温度差等。
4.根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：所述电芯的SOH，其计算方法为：从电池组放电开始，计算电池组的累计放电容量/能量，直至累计放电容量/能量达到基准容量，计为阶段1，循环次数增加1次，当前循环次数为n；重新开始计算累计放电容量，达到规定的基准容量时，循环次数计为n+1，从电池组充电开始，计算电池组的累计充电容量，直至累计充电容量达到基准容量，计为阶段2；
基准容量随次数增加而逐渐减小：Cn+1＝Cn·η，其中Cn+1为第n+1次的基准容量，Cn为第n次的基准容量，η为电池衰减率，以经验值或实验值确定；
C0根据试验或电芯的额定容量预先设定，电芯的基准SOH为：SOH电芯基准＝(N-n)/N·100％；
用电池组阶段1内的放电电流、阶段2内的充电电流、充电温度对电芯SOH进行修正：SOH电芯＝SOH电芯基准·ηi·ηi·ηT·100％，其中ηi为充电电流修正系数；ηi为放电电流修正系数；ηT为充电温度修正系数。
5.根据权利要求4所述的ηi、ηI、ηT，其特征在于：所述ηi、ηI根据电芯循环寿命与充电放电电流之间的关系测试预先确定，所述的ηT根据电芯循环寿命与充电温度之间的关系测试确定，当电池组不能检测到每只电芯的温度时，以距离该电芯最近的温度测试点的温度作为该电芯的温度。
6.根据权利要求1所述的锂离子电池及电池组健康度预测方法，其特征在于：所述电池组的SOH，其计算方法为：电池组的SOH为同一阶段该电池组所有电芯的SOH中的最小值即：SOH组基准＝SOH电芯min；
用充放电期间温度差、放电期间的电芯电压差对SOH组基准进行修正，SOH组基准＝SOH电芯min·ηΔT·ηΔV·100％；
SOH电芯min为权利要求4中所计算的各电芯在同一阶段健康度的最小值，ηΔT为同一电池组中温差的修正系数；ηΔV为同一电池组中电芯电压差的修正系数。
7.根据权利要求6所述的ηΔT、ηΔV，其特征在于：所述ηΔT、ηΔV根据经验值确定，其中ΔT为阶段1、2中各电芯实时测试的最高温度和最低温度与电芯的平均温度差，以两者的最大值计；ΔV为阶段1、2中各电芯实时测试的最高电压、最低电压与电芯的平均电压差，以两者的最大值计。
8.根据权利要求1至7所述的预测方法，其特征在于：所述电芯的SOH、电池组的SOH分别确定一最低限值SOHmin，当电芯的SOH低于此值时，发出维护信号。
9.根据权利要求8所述的锂离子电池及电池组健康度预测方法，其特征在于：电芯及电池组在故障维修或维护后，需要重新评估电芯及电池组的SOH，其方法为：没有更换电芯：维修后电池组和电芯的SOH均以故障前一段的SOH值计，当电池组中有更换电芯时：维修后电池组的SOH以故障前一阶段的SOH计，更换电芯的SOH按故障前一阶段除去更换电芯外的其余电芯的SOH的平均值计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311246685.3A CN117214757A (zh) | 2023-09-26 | 2023-09-26 | 锂离子电池及电池组健康度预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311246685.3A CN117214757A (zh) | 2023-09-26 | 2023-09-26 | 锂离子电池及电池组健康度预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117214757A true CN117214757A (zh) | 2023-12-12 |
Family
ID=89038765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311246685.3A Pending CN117214757A (zh) | 2023-09-26 | 2023-09-26 | 锂离子电池及电池组健康度预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117214757A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471340A (zh) * | 2023-12-27 | 2024-01-30 | 中航锂电（洛阳）有限公司 | 一种估算电池***容量保持率的方法及*** |
| CN117972620A (zh) * | 2024-04-02 | 2024-05-03 | 深圳和润达科技有限公司 | 基于逻辑回归算法的电芯异常预测方法及装置 |
-
2023
- 2023-09-26 CN CN202311246685.3A patent/CN117214757A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471340A (zh) * | 2023-12-27 | 2024-01-30 | 中航锂电（洛阳）有限公司 | 一种估算电池***容量保持率的方法及*** |
| CN117471340B (zh) * | 2023-12-27 | 2024-04-02 | 中航锂电（洛阳）有限公司 | 一种估算电池***容量保持率的方法及*** |
| CN117972620A (zh) * | 2024-04-02 | 2024-05-03 | 深圳和润达科技有限公司 | 基于逻辑回归算法的电芯异常预测方法及装置 |
| CN117972620B (zh) * | 2024-04-02 | 2024-05-28 | 深圳和润达科技有限公司 | 基于逻辑回归算法的电芯异常预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794305B (zh) | 一种动力电池故障诊断方法和*** | |
| CN114389336B (zh) | 一种锂电池储能***的动态管控*** | |
| CN108152755B (zh) | 在线定量诊断电池微短路故障的方法 | |
| CN112368588B (zh) | 蓄电池的充放电曲线估计装置及充放电曲线估计方法 | |
| CN117214757A (zh) | 锂离子电池及电池组健康度预测方法 | |
| CN102854473B (zh) | 电动汽车动力电池自动测试诊断***和方法 | |
| US20170139014A1 (en) | Energy storage battery, energy storage-battery monitoring method and monitoring controller | |
| CN113300436A (zh) | 锂电池储能***的动态管控方法 | |
| JP6555212B2 (ja) | バッテリパックの製造方法 | |
| JP5089619B2 (ja) | 二次電池の劣化診断装置 | |
| CN110045291B (zh) | 一种锂电池容量估计方法 | |
| JP2022502990A (ja) | リチウムイオンセルの異常な自己放電の検出及びバッテリーシステム | |
| CN113300437A (zh) | 锂电池储能***的动态管控*** | |
| CN113625181B (zh) | 换电站内电池***性能检测方法、电子设备及存储介质 | |
| JP2019169473A (ja) | バッテリパックの製造方法 | |
| SE543436C2 (en) | Method for estimating state of health of a battery | |
| JP2018081796A (ja) | 電池制御システム | |
| CN113253128A (zh) | 一种电池***soc一致性评估方法和内阻一致性评估方法 | |
| CN113589183A (zh) | 一种基于大数据的自放电检测方法、装置和*** | |
| CN113994224A (zh) | 用于诊断异常劣化的电池单体的装置和方法 | |
| US11959969B2 (en) | Apparatus and method for diagnosing battery | |
| JP6532374B2 (ja) | 蓄電池状態分析システム、蓄電池状態分析方法および蓄電池状態分析プログラム | |
| CN113805085B (zh) | 电池包焊接质量检测方法、装置、储能***及存储介质 | |
| US20220214404A1 (en) | Method for determining battery state and battery state determination device | |
| CN110376528B (zh) | 铅酸蓄电池组的在线评估方法、***及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |