CN117349596B - 基于多传感器的电池异常状态监测预警*** - Google Patents
基于多传感器的电池异常状态监测预警*** Download PDFInfo
- Publication number
- CN117349596B CN117349596B CN202311640449.XA CN202311640449A CN117349596B CN 117349596 B CN117349596 B CN 117349596B CN 202311640449 A CN202311640449 A CN 202311640449A CN 117349596 B CN117349596 B CN 117349596B
- Authority
- CN
- China
- Prior art keywords
- category
- value
- processing temperature
- temperature value
- updated
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 241
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 39
- 238000003379 elimination reaction Methods 0.000 claims abstract description 11
- 230000008030 elimination Effects 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 46
- 230000008859 change Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及电性能测试技术领域,具体涉及一种基于多传感器的电池异常状态监测预警***,包括数据获取模块和数据处理模块,用于:获取待监测电池的各个设定时刻的监测数据,监测数据包括温度值和电参数值;对温度值进行消基线处理,得到基准值和处理温度值,对处理温度值进行二分类去噪处理,并在去噪处理过程中通过确定每次更新后的第二类别中每个处理温度值的噪声程度修正值,并利用所该噪声程度修正值对对应的处理温度值进行去噪处理,最终得到去噪后的处理温度值。根据去噪后的处理温度值和基准值,进行电池异常状态判断。本发明有效提高了电池温度异常状态监测的可靠性。
Description
技术领域
本发明涉及电性能测试技术领域,具体涉及一种基于多传感器的电池异常状态监测预警***。
背景技术
在电池温度异常状态监测过程中,往往需要对传感器采集到的温度数据进行去噪处理,并基于去噪处理后的温度数据进行电池温度异常判断。在对温度数据进行去噪处理时,可以利用迭代阈值分割算法,通过不断更新分割阈值将温度数据中的噪声点分割处理,并对分割出来的噪声点进行去噪。
考虑到在采用传感器对电池温度数据进行采集的过程,由于电池周围环境的噪声源不同,不同采集点的温度数据受到的噪声污染程度不同,因此在利用迭代阈值分割算法进行温度数据中的噪声点分割处理过程中,通过利用两类温度数据的均值作为更新分割阈值的判断标准,往往只能将受噪声污染程度较高的噪声点分割出来,而受噪声污染程度相对较低的噪声点则无法被分割出,自然也就无法对其进行去噪处理,从而无法达到很好的去噪效果,不利于电池温度异常状态的可靠监测。
发明内容
本发明的目的在于提供一种基于多传感器的电池异常状态监测预警***,用于解决现有电池温度数据去噪效果差,导致电池温度异常状态监测可靠性低的问题。
为解决上述技术问题,本发明提供了一种基于多传感器的电池异常状态监测预警***,包括:
数据获取模块,用于:获取待监测电池的各个设定时刻的监测数据,所述监测数据包括温度值和电参数值;
数据处理模块,用于:对所述温度值进行消基线处理,得到基准值和处理温度值,对所述处理温度值进行二分类去噪处理,得到去噪后的处理温度值,并根据去噪后的处理温度值和所述基准值,进行电池异常状态判断,所述二分类去噪处理的过程包括:
根据当前第一类别和第二类别中的处理温度值,确定当前的分割阈值,所述第一类别中的处理温度值属于噪声,所述第二类别中的处理温度值属于正常数据;
将当前的分割阈值与前一个分割阈值进行比较,判断是否满足迭代终止条件,若满足迭代终止条件,则将当前第一类别和第二类别中的处理温度值,确定为去噪后的处理温度值;若不满足迭代终止条件,则利用当前的分割阈值对当前第一类别和第二类别中的处理温度值重新进行二分类,得到更新后的第一类别和第二类别;
根据更新后的第二类别中每个所述处理温度值对应的邻近设定时刻的处理温度值、温度值和基准值,确定所述更新后的第二类别中每个所述处理温度值的噪声程度;
根据所述更新后的第二类别中每个所述处理温度值的邻近设定时刻的电参数值的变化稳定情况,对所述噪声程度进行修正,得到噪声程度修正值,并利用所述噪声程度修正值对所述更新后的第二类别中的每个所述处理温度值进行去噪,最终得到所述更新后的第二类别中的处理温度值。
进一步的,确定所述更新后的第二类别中每个所述处理温度值的噪声程度,包括:
以更新后的第二类别中每个所述处理温度值对应的设定时刻为中心时刻确定基准邻域时刻窗口,并在所述基准邻域时刻窗口的两侧分别确定分邻域时刻窗口;
根据更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述处理温度值,进行曲线拟合,得到拟合曲线,并确定拟合曲线的极值点数目;
确定更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内每个设定时刻的所述基准值和所述处理温度值的相加和与所述温度值的差值绝对值;
根据更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述处理温度值,构造基准处理温度值序列,根据更新后的第二类别中每个所述处理温度值对应的设定时刻的分邻域时刻窗口内各个设定时刻的所述处理温度值,构造分处理温度值序列,并确定所述基准处理温度值序列和分处理温度值序列的结构相似度;
根据所述极值点数目、差值绝对值以及结构相似度,确定所述更新后的第二类别中每个所述处理温度值的噪声程度。
进一步的,确定所述更新后的第二类别中每个所述处理温度值的噪声程度,对应的计算公式为:
;其中,/>表示所述更新后的第二类别中每个所述处理温度值的噪声程度;/>表示所述更新后的第二类别中每个所述处理温度值对应的拟合曲线的极值点数目;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述温度值;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述基准值;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述处理温度值;Q表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内设定时刻的总数目;| |表示取绝对值符号;/>表示所述更新后的第二类别中每个所述处理温度值对应的结构相似度的平均值。
进一步的,对所述噪声程度进行修正,得到噪声程度修正值,包括:
所述电参数值包括电压值和电流值;
根据所述更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述电压值,进行曲线拟合,得到第一拟合误差;
根据所述更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述电流值,进行曲线拟合,得到第二拟合误差;
根据所述第一拟合误差和第二拟合误差,对所述噪声程度进行修正,得到初始的噪声程度修正值,所述第一拟合误差和第二拟合误差均与所述初始的噪声程度修正值成负相关关系;
对所述初始的噪声程度修正值进行归一化处理,从而得到最终的噪声程度修正值。
进一步的,利用所述噪声程度修正值对所述更新后的第二类别中的每个所述处理温度值进行去噪,最终得到所述更新后的第二类别中的处理温度值,对应的计算公式为:
;其中,/>表示所述更新后的第二类别中的去噪后的第i个所述处理温度值;/>表示所述更新后的第二类别中的第i个所述处理温度值;/>表示所述更新后的第二类别中的第i个所述处理温度值对应的噪声程度修正值;/>表示以自然常数e为底数的指数函数。
进一步的,确定当前的分割阈值,包括:
根据当前第一类别和第二类别中的处理温度值,利用阈值迭代分割算法确定当前的分割阈值。
进一步的,所述迭代终止条件为当前的分割阈值与前一个分割阈值的差值绝对值小于设定差值绝对值阈值。
进一步的,则利用当前的分割阈值对当前第一类别中的处理温度值和所述第二类别中后的处理温度值重新进行二分类,得到更新后的第一类别和第二类别,包括:
利用当前的分割阈值对当前第一类别和第二类别中的处理温度值重新进行二分类,得到两个类别;
将每个类别中的所有处理温度值对应的设定时刻按照先后顺序进行排列,得到每个类别对应的设定时刻序列;
计算每个类别对应的所述设定时刻序列中每相邻两个设定时刻的差值绝对值,从而得到每个类别对应的各个时间间隔;
根据每个类别对应的各个时间间隔的平均值和方差,确定每个类别对应的噪声可能性,所述各个时间间隔的平均值和方差均与所述噪声可能性成正相关关系;
根据两个类别对应的噪声可能性,对两个类别进行区分,得到更新后的第一类别和第二类别,更新后的第一类别的噪声可能性大于更新后的第二类别的噪声可能性。
进一步的,确定每个类别对应的噪声可能性,包括:
确定每个类别对应的各个时间间隔的平均值和方差的乘积值,并将所述乘积值确定为每个类别对应的噪声可能性。
进一步的,进行电池异常状态判断,包括:
将去噪后的处理温度值与其对应的所述基准值的相加值确定为去噪后的温度值;
将去噪后的温度值与设定温度阈值进行比较,当存在去噪后的温度值大于设定温度阈值时,则判定出现电池异常状态,否则判定未出现电池异常状态。
本发明具有如下有益效果:为了消除电池变化趋势对噪声数据判断的影响,对温度值进行消基线处理,得到基准值和处理温度值。在对处理温度值进行二分类去噪处理的过程中,每进行一次阈值分割就会将所有处理温度值分为两类,根据属于噪声的一类处理温度值的周围邻域设定时刻的数据变化情况,并结合电池的电压和电流数据变化情况,对其中属于噪声的一类处理温度值做出分析判断,对其受到噪声影响的程度进行准确衡量,确定对应的噪声程度,并根据该噪声程度,对受到噪声影响不同程度的处理温度值进行适应性有效去噪修正,从而达到较好的去噪效果,最终得到去噪后的电池温度值。基于该去噪后的电池温度值,进行电池温度异常监测,有效提高了电池温度异常状态监测的可靠性和准确性。
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和优点,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的介绍,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它附图。
图1为本发明实施例的基于多传感器的电池异常状态监测预警***的结构示意图;
图2为本发明实施例的基于多传感器的电池异常状态监测预警***的实现方法的流程图;
图3为本发明实施例的对各个设定时刻的处理温度值进行二分类去噪处理的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。另外,本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。
为了解决现有电池温度数据去噪效果差,导致电池温度异常状态监测可靠性低的问题,本实施例提供了一种基于多传感器的电池异常状态监测预警***,该软件***由各个实现对应功能的模块构成,其对应的结构示意图如图1所示。该***的核心在于实现一种基于多传感器的电池异常状态监测预警方法,该***中的各个模块对应方法中的各个步骤,该方法对应的流程图如图2所示。下面结合该方法中的具体步骤,对该***的各个模块进行详细介绍。
数据获取模块,用于:获取待监测电池的各个设定时刻的监测数据,所述监测数据包括温度值和电参数值。
为了对电池的温度异常状态进行监测,分别利用温度传感器、电压传感器和电流传感器同步采集电池在运行过程中的温度、电压和电流数据。采集的频率可以根据需要进行合理设定,本实施例设置该频率为,即每/>采集一次数据。将每个采集时刻作为一个设定时刻,从而可以得到电池在当前最近一段时间内的每个设定时刻的温度值、电压值和电流值。这里将电压值和电流值统称为电参数值。
数据处理模块,用于:对所述温度值进行消基线处理,得到基准值和处理温度值,对所述处理温度值进行二分类去噪处理,得到去噪后的处理温度值,并根据去噪后的处理温度值和所述基准值,进行电池异常状态判断。
由于在电池运行过程中,电池内部的电化学反应会涉及电子传递和离子移动,从而释放热量,导致电池温度升高。这意味着电池的温度数据存在着一个总体的变化趋势,该趋势是由电池内部的电化学反应导致。为了便于后续对电池的温度数据进行去噪,需要去除温度数据中这种总体的变化趋势,从而使得最终得到的温度数据可以更好地突出温度局部的变化特征。因此,根据各个设定时刻的温度值,利用多项式拟合技术进行曲线拟合,得到温度值曲线,然后通过消除基线漂移技术,对该温度值曲线进行消基线处理,以消除温度值中这种总体的变化趋势,从而得到各个设定时刻的基准值和处理温度值。这里的基准值是指通过消基线处理,各个设定时刻的所去除的基线值,处理温度值是指通过消基线处理,各个设定时刻的所剩余的温度值。应当理解的是,由于利用消除基线漂移技术,对曲线进行消基线处理的具体实现过程属于现有技术,此处不再进行赘述。
对于各个设定时刻的处理温度值,为了便于识别出其中的噪声点并进行去噪处理,在现有的迭代阈值分割算法的基础上,本实施例在每次阈值分割的结果中,将分割出来的属于噪声点的处理温度值进行去噪处理,那么其值相应的就会靠近正常数据,从而在迭代的过程中,受到噪声污染程度较大的处理温度值将会先被去噪处理,随着这些噪点被消除,其新的阈值也会慢慢向正常数据靠拢,那受到噪声污染程度较小的处理温度值也会被去噪处理,从而最终实现处理温度值的准确去噪。
基于上述分析,对各个设定时刻的处理温度值进行二分类去噪处理,得到去噪后的处理温度值,进行二分类去噪处理的具体步骤会在后续内容中进行详细介绍,此处不再进行赘述。根据去噪后的处理温度值,并结合其对应的基准值,可以进行电池异常状态判断,即:将去噪后的处理温度值与其对应的所述基准值的相加值确定为去噪后的温度值;将去噪后的温度值与设定温度阈值进行比较,当存在去噪后的温度值大于设定温度阈值时,则判定出现电池异常状态,否则判定未出现电池异常状态。设定温度阈值可以根据需要进行合理设定,本实施例设置该设定温度阈值的取值为42℃。当判定出现电池异常状态时,***则发出预警信号,提醒工作人员进行电池异常检修。
如图3所示,其示出了本实施例的对各个设定时刻的处理温度值进行二分类去噪处理的具体步骤,包括:
根据当前第一类别和第二类别中的处理温度值,确定当前的分割阈值,所述第一类别中的处理温度值属于噪声,所述第二类别中的处理温度值属于正常数据;
将当前的分割阈值与前一个分割阈值进行比较,判断是否满足迭代终止条件,若满足迭代终止条件,则将当前第一类别和第二类别中的处理温度值,确定为去噪后的处理温度值;若不满足迭代终止条件,则利用当前的分割阈值对当前第一类别中的处理温度值和所述第二类别中后的处理温度值重新进行二分类,得到更新后的第一类别和第二类别;
根据更新后的第二类别中每个所述处理温度值对应的邻近设定时刻的处理温度值、温度值和基准值,确定所述更新后的第二类别中每个所述处理温度值的噪声程度;
根据所述更新后的第二类别中每个所述处理温度值的邻近设定时刻的电参数值的变化稳定情况,对所述噪声程度进行修正,得到噪声程度修正值,并利用所述噪声程度修正值对所述更新后的第二类别中的每个所述处理温度值进行去噪,最终得到所述更新后的第二类别中的处理温度值。
针对上述步骤,为了便于理解,根据各个设定时刻的处理温度值,确定这些处理温度值的最大值与最小值的均值,并将该均值作为初始的分割阈值,利用该初始的分割阈值对各个设定时刻的处理温度值进行分割,得到两个类别。进而,根据每个分类中的各个处理温度值对应的设定时刻的分布情况,确定每个分类对应的噪声可能性,并基于该对应的噪声可能性,对这两个分类进行筛选,筛选出两个分类中的属于噪声的第一类别,以及属于正常数据的第二类别。由于确定每个分类对应的噪声可能性,进而筛选出两个分类中的第一类别和第二类别的具体步骤会在后续内容中进行详细介绍,此处不再进行赘述。
在确定两个类别中的第一类别和第二类别之后,这里将该第一类别和第二类别称为当前第一类别和第二类别,根据当前第一类别和第二类别中的处理温度值,利用阈值迭代分割算法确定当前的分割阈值,即确定当前第一类别中的各个处理温度值的平均值,得到第一平均值,并确定当前第二类别中的各个处理温度值的平均值,得到第二平均值,将第一平均值和第二平均值的平均值作为当前的分割阈值。
将当前的分割阈值与其前一个分割阈值进行比较,这里的前一个分割阈值是指初始的分割阈值,判断是否满足迭代终止条件。在本实施例中,迭代终止条件为当前的分割阈值与前一个分割阈值的差值绝对值小于设定差值绝对值阈值。若满足迭代终止条件,则将当前第一类别和第二类别中的处理温度值,确定为去噪后的处理温度值,并停止迭代过程。若不满足迭代终止条件,则利用当前的分割阈值对当前第一类别和第二类别中的处理温度值重新进行二分类,得到更新后的第一类别和第二类别。
考虑到由于噪声出现的不规律性以及相较于其他正常数据其出现的次数相对较小,因此可以通过两个类别中相邻处理温度值的平均时间间隔以及相邻处理温度值对应时间间隔变化的不规则性,对每个类别中的处理温度值属于噪声数据的可能性大小进行评估,确定每个类别的噪声可能性,从而判断出噪声可能性较大的一个类别,并将该类别作为更新后的第一类别,另外一个类别即为更新后的第二类别。
基于上述分析,在本实施例中,得到更新后的第一类别和第二类别,包括:利用当前的分割阈值对当前第一类别和第二类别中的处理温度值重新进行二分类,得到两个类别;将每个类别中的所有处理温度值对应的设定时刻按照先后顺序进行排列,得到每个类别对应的设定时刻序列;计算每个类别对应的所述设定时刻序列中每相邻两个设定时刻的差值绝对值,从而得到每个类别对应的各个时间间隔;根据每个类别对应的各个时间间隔的平均值和方差,确定每个类别对应的噪声可能性,所述各个时间间隔的平均值和方差均与所述噪声可能性成正相关关系;根据两个类别对应的噪声可能性,对两个类别进行区分,得到更新后的第一类别和第二类别,更新后的第一类别的噪声可能性大于更新后的第二类别的噪声可能性。
在本实施例中,优选地,确定每个类别对应的各个时间间隔的平均值和方差的乘积值,并将所述乘积值确定为每个类别对应的噪声可能性,对应的计算公式为:
;其中,/>表示每个类别对应的噪声可能性;表示每个类别对应的设定时刻序列中每相邻两个设定时刻的差值绝对值的平均值;/>表示每个类别对应的设定时刻序列中的第i个设定时刻和第i+1个设定时刻的差值绝对值;m表示每个类别对应的设定时刻序列中的设定时刻的总数目;/>表示每个类别对应的设定时刻序列中每相邻两个设定时刻的差值绝对值的方差。
在上述的噪声可能性的计算公式中,某个类别对应的平均时间间隔越大,说明该类别中的处理温度值在总体处理温度值中占有较少的个数且数据分布比较离散,那么该类别中的处理温度值属于噪声的可能性越高。同时,该类别对应的时间间隔的方差越大,表示该类别中的相邻处理温度值之间的时间间隔变化越不规则,也就是相邻处理温度值之间的时间间隔越不稳定,此时说明该类别中的处理温度值属于噪声的可能性越高。
在通过上述计算公式确定两个类别各自对应的噪声可能性之后,将这两个噪声可能性进行比较,并将较大的噪声可能性所对应的类别作为更新后的第一类别,将较小的噪声可能性所对应的类别作为更新后的第二类别。第一类别中的处理温度值属于噪声,第二类别中的处理温度值属于正常数据。
对于更新后的第一类别中的各个处理温度值,分析其受到噪声影响的程度大小,确定对应的噪声程度,并根据所确定的噪声程度对其进行修正。在确定第一类别中的各个处理温度值对应的噪声程度时,可以通过局部范围内处理温度值变化的规则程度表示,如果变化越不规则,则说明对应的处理温度值受到噪声影响的程度越大,噪声程度越大。同时讨论局部范围的两侧范围内处理温度值变化与局部范围处理温度值变化的差异性,如果局部范围两侧处理温度值变化与局部范围内处理温度值变化差异较大,则根据当前处理温度值点的局部范围的处理温度值变化的规则程度所计算的噪声程度的可信度越高。
在本实施例中,优选地,确定所述更新后的第二类别中每个所述处理温度值的噪声程度,包括:以更新后的第二类别中每个所述处理温度值对应的设定时刻为中心时刻确定基准邻域时刻窗口,并在所述基准邻域时刻窗口的两侧分别确定分邻域时刻窗口;根据更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述处理温度值,进行曲线拟合,得到拟合曲线,并确定拟合曲线的极值点数目;确定更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内每个设定时刻的所述基准值和所述处理温度值的相加和与所述温度值的差值绝对值;根据更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述处理温度值,构造基准处理温度值序列,根据更新后的第二类别中每个所述处理温度值对应的设定时刻的分邻域时刻窗口内各个设定时刻的所述处理温度值,构造分处理温度值序列,并确定所述基准处理温度值序列和分处理温度值序列的结构相似度;根据所述极值点数目、差值绝对值以及结构相似度,确定所述更新后的第二类别中每个所述处理温度值的噪声程度。
其中,对于更新后的第二类别中的每个处理温度值,基准邻域时刻窗口是指以该处理温度值对应的设定时刻为中心的第一时间段,该第一时间段即为对应处理温度值的局部范围。分邻域时刻窗口是指基准邻域时刻窗口两侧的第二时间段,该第二时间段即为对应处理温度值的局部范围的一侧范围。第一时间段和第二时间段的大小可以根据需要进行合理设置,本实施例设置第一时间段为0.6s,第二时间段为0.3s,此时将该处理温度值对应的设定时刻记为,并将时间即为/>,则该处理温度值对应的基准邻域时刻窗口所对应的时间段为/>,该处理温度值对应的左侧的分邻域时刻窗口所对应的时间段为/>,该处理温度值对应的右侧的分邻域时刻窗口所对应的时间段为/>。
接着,确定该处理温度值的基准邻域时刻窗口中的每个设定时刻对应的基准值和处理温度值的相加和与温度值的差值绝对值。对于位于该处理温度值的基准邻域时刻窗口中的各个设定时刻的处理温度值,进行曲线拟合,得到拟合曲线,并确定拟合曲线的极值点数目。同时,将位于该处理温度值的基准邻域时刻窗口中的各个设定时刻的处理温度值按照设定时刻先后顺序进行排列,构成基准处理温度值序列,并将位于该处理温度值的每个分邻域时刻窗口中的各个设定时刻的处理温度值按照设定时刻先后顺序进行排列,构成分处理温度值序列。对每个分处理温度值序列与基准处理温度值序列的相似程度进行衡量,从而确定基准处理温度值序列和分处理温度值序列的结构相似度。由于现有对两个序列的相似程度进行衡量的方法有多种,此处对方法的选择不做具体限定。
在此基础上,根据极值点数目、差值绝对值以及结构相似度,确定更新后的第二类别中每个所述处理温度值的噪声程度,对应的计算公式为:
;其中,/>表示所述更新后的第二类别中每个所述处理温度值的噪声程度;/>表示所述更新后的第二类别中每个所述处理温度值对应的拟合曲线的极值点数目;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述温度值;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述基准值;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述处理温度值;Q表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内设定时刻的总数目;| |表示取绝对值符号;/>表示所述更新后的第二类别中每个所述处理温度值对应的结构相似度的平均值。
在上述的噪声可能性的计算公式中,表示更新后的第二类别中每个处理温度值的初始噪声程度,/>表示更新后的第二类别中每个处理温度值的温度值损失均值,当拟合曲线的极值点数目越大、温度值体损失均值越大时,则说明对应处理温度值受到噪声影响的程度越大,初始噪声程度的取值就越大。表示更新后的第二类别中每个处理温度值对应的基准处理温度值序列和分处理温度值序列的平均结构相似度,其表征了更新后的第二类别中每个处理温度值的局部范围的处理温度值变化与局部范围两侧范围内的处理温度值变化的相似程度,当相似程度越低,即变化差异程度越大时,表明初始噪声程度的置信度越高,对应的最终的噪声程度的取值就越大。
温度变化会对电池内阻的大小造成影响,温度升高其内阻会变小,同时理想情况下,在电池的正常运行过程中,电池的电流不会发生显著的变化,而且保持相对稳定。那么由欧姆定律可得在电流不变的情况下,电池内阻降低其端电压会升高。可见电池温度的变化与电压和电流存在着关系,因此可利用电压和电流数据对温度数据的异常点做出修正。修正的逻辑关系为:一个时间段内电压数据和电流数据在相同的时间间隔中数据变化越剧烈,表明温度值的变化越有可能是由于电压和电流变化引起,此时应该降低计算得到的噪声程度。
基于上述分析,在本实施例中,优选地,基于电压和电流数据的变化情况,对更新后的第二类别中每个处理温度值的噪声程度进行修正,包括:根据所述更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述电压值,进行曲线拟合,得到第一拟合误差;根据所述更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述电流值,进行曲线拟合,得到第二拟合误差;根据所述第一拟合误差和第二拟合误差,对所述噪声程度进行修正,得到初始的噪声程度修正值,所述第一拟合误差和第二拟合误差均与所述初始的噪声程度修正值成负相关关系;对所述初始的噪声程度修正值进行归一化处理,从而得到最终的噪声程度修正值。
其中,在进行曲线拟合时,可以利用多项式拟合技术进行曲线拟合,由于在拟合过程中会存在拟合误差,因此可以得到对电压值进行拟合时的第一拟合误差以及对电流值进行拟合时的第二拟合误差。由于利用多项式拟合技术进行曲线拟合,并得到拟合过程中的拟合误差的过程属于现有技术,此处不再赘述。当数据变化越剧烈,也就是数据变化越不稳定时,也就意味着这些数据点之间的关系越复杂,在相同曲线拟合算法下,拟合误差就会变大。
根据第一拟合误差和第二拟合误差,对更新后的第二类别中每个处理温度值的噪声程度进行修正,得到噪声程度修正值,对应的计算公式为:
;其中,/>表示更新后的第二类别中每个处理温度值的噪声程度修正值;/>表示更新后的第二类别中每个处理温度值的噪声程度;/>表示更新后的第二类别中每个处理温度值的第一拟合误差;/>表示更新后的第二类别中每个处理温度值的第二拟合误差;/>表示以自然常数e为底数的指数函数;/>( )表示归一化函数,用于将初始的噪声程度修正值/>归一化到0-1范围内。
在上述的噪声程度修正值的计算公式中,当第一拟合误差越大时,表明对应基准邻域时刻窗口内各个设定时刻的电压值的变化越不稳定,电压值的变化越剧烈,同理当第二拟合误差越大时,则表明电流值的变化越不稳定,此时说明温度值的变化更多的是由于电压和电流变化引起,而不是因为噪声引起,此时应该降低所计算出来的噪声程度。
利用上述所确定的噪声程度修正值,对应对更新后的第二类别中的每个处理温度值进行去噪,最终得到更新后的第二类别中的处理温度值,对应的计算公式为:
;其中,/>表示所述更新后的第二类别中的去噪后的第i个所述处理温度值;/>表示所述更新后的第二类别中的第i个所述处理温度值;/>表示所述更新后的第二类别中的第i个所述处理温度值对应的噪声程度修正值;/>表示以自然常数e为底数的指数函数。
在上述的处理温度值的计算公式中,当噪声程度修正值越大时,表示对应处理温度值受到噪声影响的程度越大,则对对应处理温度值做出较大的修正,即对于对应处理温度值乘以较小的权重,因此利用指数函数对噪声程度修正值进行负相关映射,从而实现处理温度值的准确修正,也就是准确去噪。
通过利用噪声程度修正值,对更新后的第二类别中的处理温度值进行修正也就是去噪之后,最终得到更新后的第一类别,将该最终得到的更新后的第一类别和更新后的第二类别再作为当前第一类别和第二类别,并根据该当前第一类别中的处理温度值和第二类别中的处理温度值,利用阈值迭代分割算法确定当前的分割阈值,即更新新一次迭代的分割阈值,重复进行迭代,直至满足上述所提到的迭代终止条件,从而最终实现处理温度值的二分类去噪处理,并得到去噪后的处理温度值。基于该去噪后的处理温度值,并结合基准值,最终可以实现电池异常状态判断,由于该具体过程已经在上述内容中进行了详细介绍,此处不再进行赘述。
本发明通过对电池的温度值进行消基线处理,得到处理温度值,在对处理温度值进行二分类去噪处理中,每进行一次阈值分割就会将所有处理温度值分为两类,并结合电池的电压和电流数据变化情况,对其中属于噪声的一类处理温度值做出分析判断,对其受到噪声影响的程度进行准确衡量,确定对应的噪声程度,并根据该噪声程度,对受到噪声影响不同程度的处理温度值进行适应性有效去噪修正,从而达到较好的去噪效果,最终得到去噪后的电池温度值。基于该去噪后的电池温度值,进行电池温度异常监测,有效提高了电池温度异常状态监测的可靠性和准确性。
需要说明的是:以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于多传感器的电池异常状态监测预警***,其特征在于,包括:
数据获取模块,用于:获取待监测电池的各个设定时刻的监测数据,所述监测数据包括温度值和电参数值;
数据处理模块,用于:对所述温度值进行消基线处理,得到基准值和处理温度值,对所述处理温度值进行二分类去噪处理,得到去噪后的处理温度值,并根据去噪后的处理温度值和所述基准值,进行电池异常状态判断,所述二分类去噪处理的过程包括:
根据当前第一类别和第二类别中的处理温度值,确定当前的分割阈值,所述第一类别中的处理温度值属于噪声,所述第二类别中的处理温度值属于正常数据;
将当前的分割阈值与前一个分割阈值进行比较,判断是否满足迭代终止条件,若满足迭代终止条件,则将当前第一类别和第二类别中的处理温度值,确定为去噪后的处理温度值;若不满足迭代终止条件,则利用当前的分割阈值对当前第一类别和第二类别中的处理温度值重新进行二分类,得到更新后的第一类别和第二类别;
根据更新后的第二类别中每个所述处理温度值对应的邻近设定时刻的处理温度值、温度值和基准值,确定所述更新后的第二类别中每个所述处理温度值的噪声程度;
根据所述更新后的第二类别中每个所述处理温度值的邻近设定时刻的电参数值的变化稳定情况,对所述噪声程度进行修正,得到噪声程度修正值,并利用所述噪声程度修正值对所述更新后的第二类别中的每个所述处理温度值进行去噪,最终得到所述更新后的第二类别中的处理温度值;
确定所述更新后的第二类别中每个所述处理温度值的噪声程度,包括:
以更新后的第二类别中每个所述处理温度值对应的设定时刻为中心时刻确定基准邻域时刻窗口,并在所述基准邻域时刻窗口的两侧分别确定分邻域时刻窗口;
根据更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述处理温度值,进行曲线拟合,得到拟合曲线,并确定拟合曲线的极值点数目;
确定更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内每个设定时刻的所述基准值和所述处理温度值的相加和与所述温度值的差值绝对值;
根据更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述处理温度值,构造基准处理温度值序列,根据更新后的第二类别中每个所述处理温度值对应的设定时刻的分邻域时刻窗口内各个设定时刻的所述处理温度值,构造分处理温度值序列,并确定所述基准处理温度值序列和分处理温度值序列的结构相似度;
根据所述极值点数目、差值绝对值以及结构相似度,确定所述更新后的第二类别中每个所述处理温度值的噪声程度。
2.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,确定所述更新后的第二类别中每个所述处理温度值的噪声程度,对应的计算公式为:
;其中,/>表示所述更新后的第二类别中每个所述处理温度值的噪声程度;/>表示所述更新后的第二类别中每个所述处理温度值对应的拟合曲线的极值点数目;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述温度值;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述基准值;/>表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内第j个设定时刻的所述处理温度值;Q表示所述更新后的第二类别中的每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内设定时刻的总数目;| |表示取绝对值符号;/>表示所述更新后的第二类别中每个所述处理温度值对应的结构相似度的平均值。
3.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,对所述噪声程度进行修正,得到噪声程度修正值,包括:
所述电参数值包括电压值和电流值;
根据所述更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述电压值,进行曲线拟合,得到第一拟合误差;
根据所述更新后的第二类别中每个所述处理温度值对应的设定时刻的基准邻域时刻窗口内各个设定时刻的所述电流值,进行曲线拟合,得到第二拟合误差;
根据所述第一拟合误差和第二拟合误差,对所述噪声程度进行修正,得到初始的噪声程度修正值,所述第一拟合误差和第二拟合误差均与所述初始的噪声程度修正值成负相关关系;
对所述初始的噪声程度修正值进行归一化处理,从而得到最终的噪声程度修正值。
4.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,利用所述噪声程度修正值对所述更新后的第二类别中的每个所述处理温度值进行去噪,最终得到所述更新后的第二类别中的处理温度值,对应的计算公式为:
;其中,/>表示所述更新后的第二类别中的去噪后的第i个所述处理温度值;/>表示所述更新后的第二类别中的第i个所述处理温度值;/>表示所述更新后的第二类别中的第i个所述处理温度值对应的噪声程度修正值;/>表示以自然常数e为底数的指数函数。
5.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,确定当前的分割阈值,包括:
根据当前第一类别和第二类别中的处理温度值,利用阈值迭代分割算法确定当前的分割阈值。
6.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,所述迭代终止条件为当前的分割阈值与前一个分割阈值的差值绝对值小于设定差值绝对值阈值。
7.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,则利用当前的分割阈值对当前第一类别中的处理温度值和所述第二类别中后的处理温度值重新进行二分类,得到更新后的第一类别和第二类别,包括:
利用当前的分割阈值对当前第一类别和第二类别中的处理温度值重新进行二分类,得到两个类别;
将每个类别中的所有处理温度值对应的设定时刻按照先后顺序进行排列,得到每个类别对应的设定时刻序列;
计算每个类别对应的所述设定时刻序列中每相邻两个设定时刻的差值绝对值,从而得到每个类别对应的各个时间间隔;
根据每个类别对应的各个时间间隔的平均值和方差,确定每个类别对应的噪声可能性,所述各个时间间隔的平均值和方差均与所述噪声可能性成正相关关系;
根据两个类别对应的噪声可能性,对两个类别进行区分,得到更新后的第一类别和第二类别,更新后的第一类别的噪声可能性大于更新后的第二类别的噪声可能性。
8.根据权利要求7所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,确定每个类别对应的噪声可能性,包括:
确定每个类别对应的各个时间间隔的平均值和方差的乘积值,并将所述乘积值确定为每个类别对应的噪声可能性。
9.根据权利要求1所述的一种基于多传感器的电池异常状态监测预警***,其特征在于,
进行电池异常状态判断,包括:
将去噪后的处理温度值与其对应的所述基准值的相加值确定为去噪后的温度值;
将去噪后的温度值与设定温度阈值进行比较,当存在去噪后的温度值大于设定温度阈值时,则判定出现电池异常状态,否则判定未出现电池异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640449.XA CN117349596B (zh) | 2023-12-04 | 2023-12-04 | 基于多传感器的电池异常状态监测预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640449.XA CN117349596B (zh) | 2023-12-04 | 2023-12-04 | 基于多传感器的电池异常状态监测预警*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117349596A CN117349596A (zh) | 2024-01-05 |
CN117349596B true CN117349596B (zh) | 2024-03-29 |
Family
ID=89355992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311640449.XA Active CN117349596B (zh) | 2023-12-04 | 2023-12-04 | 基于多传感器的电池异常状态监测预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349596B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117870943A (zh) * | 2024-01-22 | 2024-04-12 | 中国三峡建工(集团)有限公司 | 基于多传感器的灌浆过程中数据优化采集*** |
CN118028980B (zh) * | 2024-04-12 | 2024-06-21 | 浙江康鹏半导体有限公司 | 一种用于砷化镓半导体生长的智能化温度监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113865750A (zh) * | 2021-08-23 | 2021-12-31 | 上海探寻信息技术有限公司 | 非接触式设备的测温校准方法及非接触式设备 |
CN114487856A (zh) * | 2020-10-26 | 2022-05-13 | 奥动新能源汽车科技有限公司 | 换电站电池的热失控预警方法及*** |
WO2023028789A1 (zh) * | 2021-08-30 | 2023-03-09 | 宁德时代新能源科技股份有限公司 | 温度确定方法与电流阈值确定方法、电池管理*** |
CN116046187A (zh) * | 2023-04-03 | 2023-05-02 | 探长信息技术(苏州)有限公司 | 一种用于通信柜的温度异常远程监测*** |
CN116722249A (zh) * | 2023-07-20 | 2023-09-08 | 江西德泰智控电源有限公司 | 一种电池热失控预警保护***及其保护方法 |
CN116885319A (zh) * | 2023-09-06 | 2023-10-13 | 广东技术师范大学 | 用于锂离子电池的温度控制方法和*** |
CN116955091A (zh) * | 2023-09-20 | 2023-10-27 | 深圳市互盟科技股份有限公司 | 基于机器学习的数据中心故障检测*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908172B (zh) * | 2017-02-27 | 2019-05-21 | 深圳华远微电科技有限公司 | 无线测温***的信号处理方法和*** |
CN114662522A (zh) * | 2020-12-04 | 2022-06-24 | 成都大象分形智能科技有限公司 | 基于获取并识别噪声全景分布模型的信号分析方法及*** |
-
2023
- 2023-12-04 CN CN202311640449.XA patent/CN117349596B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114487856A (zh) * | 2020-10-26 | 2022-05-13 | 奥动新能源汽车科技有限公司 | 换电站电池的热失控预警方法及*** |
CN113865750A (zh) * | 2021-08-23 | 2021-12-31 | 上海探寻信息技术有限公司 | 非接触式设备的测温校准方法及非接触式设备 |
WO2023028789A1 (zh) * | 2021-08-30 | 2023-03-09 | 宁德时代新能源科技股份有限公司 | 温度确定方法与电流阈值确定方法、电池管理*** |
CN116046187A (zh) * | 2023-04-03 | 2023-05-02 | 探长信息技术(苏州)有限公司 | 一种用于通信柜的温度异常远程监测*** |
CN116722249A (zh) * | 2023-07-20 | 2023-09-08 | 江西德泰智控电源有限公司 | 一种电池热失控预警保护***及其保护方法 |
CN116885319A (zh) * | 2023-09-06 | 2023-10-13 | 广东技术师范大学 | 用于锂离子电池的温度控制方法和*** |
CN116955091A (zh) * | 2023-09-20 | 2023-10-27 | 深圳市互盟科技股份有限公司 | 基于机器学习的数据中心故障检测*** |
Non-Patent Citations (1)
Title |
---|
发电设备在线数据的误差处理;顾伟;杜景琦;;软件(09);158-162 * |
Also Published As
Publication number | Publication date |
---|---|
CN117349596A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117349596B (zh) | 基于多传感器的电池异常状态监测预警*** | |
CN112284440B (zh) | 一种传感器数据偏差自适应修正方法 | |
CN114114039B (zh) | 一种电池***的单体电芯一致性的评估方法和装置 | |
CN115876258B (zh) | 基于多源数据的畜禽养殖环境异常监测及报警*** | |
CN117783745B (zh) | 用于换电柜的数据在线监测方法及*** | |
CN117235557B (zh) | 基于大数据分析的电气设备故障快速诊断方法 | |
CN117493921B (zh) | 基于大数据的人工智能节能管理方法及*** | |
CN116522268B (zh) | 一种配电网的线损异常识别方法 | |
CN114580572B (zh) | 一种异常值的识别方法、装置、电子设备及存储介质 | |
CN117668684A (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
CN117571107B (zh) | 一种智能化无人值守地磅异常监测*** | |
CN117034177B (zh) | 一种电力负荷异常数据智能监测方法 | |
CN112416661B (zh) | 基于压缩感知的多指标时间序列异常检测方法和装置 | |
CN116298984A (zh) | 一种锂离子电池容量跳水点和电池衰减程度识别方法 | |
CN117491813A (zh) | 新能源汽车动力电池***绝缘异常检测方法 | |
CN113408383B (zh) | 基于有界β(g,h)分布和MWKPCA的可听噪声无效数据判定方法 | |
CN116990697A (zh) | 一种基于概率分布的锂电池组内异常单体检测方法 | |
CN115219907A (zh) | 一种锂电池soc估计方法、***、介质、设备及终端 | |
CN112632785A (zh) | 一种改进非参数核密度估计光伏出力建模方法 | |
CN116070150B (zh) | 基于呼吸机运行参数的异常监测方法 | |
CN117250520B (zh) | 一种大型电池储能电站安全性分析评价方法及*** | |
CN116661522B (zh) | 一种基于数据处理的温变试验箱温度智能调控方法 | |
CN118427537A (zh) | 一种半导体设备数据智能采集方法及*** | |
CN118094264B (zh) | 一种智能化电力电容器局部放电检测方法及*** | |
CN116956197B (zh) | 基于深度学习的能源设施故障预测方法、装置及电子设备 |
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 |