CN117829097B - 电池数据处理方法、装置、电子设备及可读存储介质 - Google Patents
电池数据处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN117829097B CN117829097B CN202410225729.2A CN202410225729A CN117829097B CN 117829097 B CN117829097 B CN 117829097B CN 202410225729 A CN202410225729 A CN 202410225729A CN 117829097 B CN117829097 B CN 117829097B
- Authority
- CN
- China
- Prior art keywords
- data
- battery
- partition
- determining
- partitions
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000005192 partition Methods 0.000 claims abstract description 314
- 230000035772 mutation Effects 0.000 claims abstract description 124
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本申请提供了一种电池数据处理方法、装置、电子设备及可读存储介质,其中,该方法包括:获取多个电池数据,根据各电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各数据分区中分别包括至少一个电池数据,根据各数据分区中各电池数据的数值,确定各数据分区中的突变点,按照各数据分区的排列顺序,将各数据分区的突变点绘制为诊断曲线。本申请通过对电池数据划分数据分区,从而基于各数据分区确定突变点,保证突变点准确的同时,提高计算效率,减小电子设备的工作量,并且通过诊断曲线可以直观判断相关模块是否发生故障。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种电池数据处理方法、装置、电子设备及可读存储介质。
背景技术
在电池管理***(Battery Management System,BMS)的管理过程中,会记录大量电压、温度、剩余电量及剩余寿命等电池数据。通过对电池数据的分析,可以判断相关功能模块是否稳定。
现有技术中,通常将电池数据导入Excel软件中,通过等分取值法绘制突变分析曲线,从而判断相关功能模块是否稳定。
但是,Excel软件处理过大数量的数据会造成卡顿现象,且分析耗时长。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种电池数据处理方法、装置、电子设备及可读存储介质,以解决现有技术中数据处理导致卡顿,且分析耗时长的问题。
为实现上述目的,本申请采用的技术方案如下:
第一方面,本申请提供了一种电池数据处理方法,所述方法包括:
获取多个电池数据;
根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各数据分区中分别包括至少一个电池数据;
根据各所述数据分区中各电池数据的数值,确定各数据分区中的突变点;
按照各所述数据分区的排列顺序,将各所述数据分区的突变点绘制为诊断曲线。
可选地,所述根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,包括:
判断所述多个电池数据的总数量与所述区域数量的比值是否为整数;
若是,则根据所述总数量以及所述区域数量确定各数据分区的数据数量,并按照各数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区;
若否,则根据所述总数量以及所述区域数量确定初始数据数量,并根据所述初始数据数量、所述多个电池数据以及所述区域数量,确定所述多个数据分区。
可选地,所述根据所述初始数据数量、所述多个电池数据以及所述区域数量,确定所述多个数据分区,包括:
将所述初始数据数量加一的值作为目标数据数量;
根据所述目标数据数量、所述多个电池数据以及所述区域数量,确定M个数据分区,其中,所述多个数据分区中的N个数据分区中的电池数据的数量为所述目标数据数量,且所述多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量小于所述目标数据数量,M和N均为正整数,且N小于M;
按照各数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区。
可选地,所述根据各所述数据分区中各电池数据的数值,确定各数据分区中的突变点,包括:
根据所述数据分区中各电池数据的值,基于正态分布算法确定所述数据分区中的突变点。
可选地,所述根据所述数据分区中各电池数据的值,基于正态分布算法确定所述数据分区中的突变点,包括:
基于正态分布算法,确定所述数据分区是否存在突变的目标数值;
若是,则将所述目标数值作为所述数据分区的突变点;
若否,则将所述数据分区中的预设位置的电池数据的数值作为所述数据分区的突变点。
可选地,所述确定所述数据分区是否存在突变的目标数值,包括:
基于所述正态分布算法,确定数据分区中出现频次最小的待选数值;
根据所述待选数值所在电池数据的相邻电池数据的数值,确定所述数据分区是否存在突变的目标数值。
可选地,所述根据所述待选数值所在电池数据的相邻电池数据的数值,确定所述数据分区是否存在突变的目标数值,包括:
确定所述相邻电池数据的数值的平均值;
判断所述平均值与所述待选数值的差值是否大于预设阈值;
若是,则确定所述数据分区存在突变的目标数值。
第二方面,本申请提供了一种电池数据处理装置,所述装置包括:
获取模块,用于获取多个电池数据;
第一确定模块,用于根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各数据分区中分别包括至少一个电池数据;
第二确定模块,用于根据各所述数据分区中各电池数据的数值,确定各数据分区中的突变点;
绘制模块,用于按照各所述数据分区的排列顺序,将各所述数据分区的突变点绘制为诊断曲线。
可选地,所述第一确定模块具体用于:
判断所述多个电池数据的总数量与所述区域数量的比值是否为整数;
若是,则根据所述总数量以及所述区域数量确定各数据分区的数据数量,并按照各数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区;
若否,则根据所述总数量以及所述区域数量确定初始数据数量,并根据所述初始数据数量、所述多个电池数据以及所述区域数量,确定所述多个数据分区。
可选地,所述第一确定模块具体用于:
将所述初始数据数量加一的值作为目标数据数量;
根据所述目标数据数量、所述多个电池数据以及所述区域数量,确定M个数据分区,其中,所述多个数据分区中的N个数据分区中的电池数据的数量为所述目标数据数量,且所述多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量小于所述目标数据数量,M和N均为正整数,且N小于M;
按照各数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区。
可选地,所述第二确定模块具体用于:
根据所述数据分区中各电池数据的值,基于正态分布算法确定所述数据分区中的突变点。
可选地,所述第二确定模块具体用于:
基于正态分布算法,确定所述数据分区是否存在突变的目标数值;
若是,则将所述目标数值作为所述数据分区的突变点;
若否,则将所述数据分区中的预设位置的电池数据的数值作为所述数据分区的突变点。
可选地,所述第二确定模块具体用于:
基于所述正态分布算法,确定数据分区中出现频次最小的待选数值;
根据所述待选数值所在电池数据的相邻电池数据的数值,确定所述数据分区是否存在突变的目标数值。
可选地,所述第二确定模块具体用于:
确定所述相邻电池数据的数值的平均值;
判断所述平均值与所述待选数值的差值是否大于预设阈值;
若是,则确定所述数据分区存在突变的目标数值。
第三方面,本申请提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,以执行如上述电池数据处理方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述电池数据处理方法的步骤。
本申请的有益效果是:首先获取多个电池数据,然后根据各电池数据的读取顺序及区域数量确定多个数据分区,再根据各数据分区中各电池数据的数值,确定各数据分区中的突变点,从而按照多个数据分区确定获取到的电池数据是否发生突变情况,避免计算分析出现卡顿。接下来按照各数据分区的排列顺序,将各数据分区的突变点绘制为诊断曲线,从而通过诊断曲线直观地判断出相关模块是否发生故障,以便于基于判断出来的故障调整相关模块。本实施例中,通过划分数据分区,从而基于各数据分区确定突变点,在保证突变点准确的同时,提高计算效率,减小电子设备的工作量。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本申请实施例提供的一种电池数据处理方法的流程示意图;
图2是本申请实施例提供的一种确定数据分区的方法的流程示意图;
图3是本申请实施例提供的另一种确定数据分区的方法的流程示意图;
图4是本申请实施例提供的一种确定数据分区中突变点的方法的流程示意图;
图5是本申请实施例提供的另一种确定数据分区中突变点的方法的流程示意图;
图6是本申请实施例提供的一种分区域读取数据的流程示意图;
图7是本申请实施例提供的一种电池数据处理装置的结构示意图;
图8是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
现有技术中,通常将电池数据导入Excel软件中,通过等分取值法绘制突变分析曲线,从而判断相关功能模块是否稳定。其中,电池数据可以是BMS运行中记录的。
但是,Excel软件处理过大数量的电池数据会造成卡顿现象,分析耗时长,且对于连续的电池数据,通过等分取值法绘制的突变分析曲线不够精确。
因此,本申请提出一种电池数据处理方法,该方法获取电池数据后,根据各电池数据的读取顺序及预先设置的区域数量确定多个数据分区,并确定各数据分区中的突变点,然后按照各数据分区的排列顺序,将各数据分区的突变点绘制为诊断曲线。用户可以通过上述方法绘制的诊断曲线,能够快速得到较为精确的诊断结果,从而依据诊断结果调整相关模块,以使得电池数据达到用户需求。
接下来,参照图1对电池数据处理方法进行详细介绍,电池数据处理方法可以应用于具有数据处理能力的电子设备。
S101、获取多个电池数据。
可选地,将BMS在运行过程中记录到的大量电池数据作为配置文件储存在固定位置,当需要对电池数据进行处理分析时,从上述固定位置获取配置文件。其中,配置文件可以是用逗号分隔的值(Comma-Separated Values,CSV)文件。
S102、根据各电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各数据分区中分别包括至少一个电池数据。
可选地,电池数据的读取顺序可以是BMS运行时获取数据的顺序,也可以是电池数据在固定位置的存储顺序。
可选地,由于用户需要通过诊断曲线判断相关模块是否发生故障,因此可以设置诊断曲线的精细度,根据精细度确定区域数量。具体地,诊断曲线可以是由多个诊断点连接成的一条平滑曲线,诊断点的数量即为区域数量,诊断点的值可以是各数据分区中的值。值得注意的是,区域数量越多,则基于该区域数量生成的诊断曲线越精确,区域数量越少,则电子设备的工作量越少。
可选地,数据分区的排列位置即为诊断曲线中对应的诊断点的位置。
S103、根据各数据分区中各电池数据的数值,确定各数据分区中的突变点。
可选地,各数据分区中的突变点可以是出现频次最少的数值点,或者与数据分区中其他数值区别过大的数值点。电池数据中出现突变点,可能是相关模块运行不稳定造成的,异常情况可以通过诊断曲线分析得出。
作为一种可选的实施方式,可以通过平均值算法确定数据分区的突变点,也可以通过正态分布确定数据分区的突变点。
值得注意的是,若分区中不存在突变点,则可以将数据分区中最后一个数值点作为突变点。
S104、按照各数据分区的排列顺序,将各数据分区的突变点绘制为诊断曲线。
可选地,将各数据分区的突变点通过平滑的曲线连接,绘制成诊断曲线。使用户可以根据诊断曲线判断相关模块是否发生故障。
本实施例中,首先获取多个电池数据,然后根据各电池数据的读取顺序及区域数量确定多个数据分区,再根据各数据分区中各电池数据的数值,确定各数据分区中的突变点,从而按照多个数据分区确定获取到的电池数据是否发生突变情况,避免计算分析出现卡顿。接下来按照各数据分区的排列顺序,将各数据分区的突变点绘制为诊断曲线,从而通过诊断曲线直观地判断出相关模块是否发生故障,以便于基于判断出来的故障调整相关模块。本实施例中,通过划分数据分区,从而基于各数据分区确定突变点,在保证突变点准确的同时,提高计算效率,减小电子设备的工作量。
接下来,参照图2对上述步骤S102中根据各电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,进行详细地介绍:
S201、判断多个电池数据的总数量与区域数量的比值是否为整数。
可选地,电池数据的总数量即为获取到的包含有电池数据的配置文件的总行数。其中,每一行包含一个或一组电池数据。
可选地,若电池数据的总数量与区域数量可以整除,则其比值为整数,若电池数据的总数量与区域数量不可以整除,则其比值不为整数。
S202、若是,则根据总数量以及区域数量确定各数据分区的数据数量,并按照各数据分区的数据数量对多个电池数据进行划分,得到多个数据分区。
作为一种可选的实施方式,各数据分区的数据数量可以是电池数据的总数量与区域数量的比值。示例性的,若各数据分区的数据数量为100,区域数量为10,则各数据分区的数据数量为10。按照确定的数据数量对电池数据进行划分,得到的多个数据分区中的数据数量为10。
作为另一种可选的实施方式,各数据分区的数据数量可以根据预设划分策略进行划分。其中,预设划分策略可以是第一个数据分区的数据数量和最后一个数据分区的数据数量均比其他数据分区的数据数量多一倍。示例性的,若各数据分区的数据数量为100,区域数量为8,则第一个数据分区的数据数量和最后一个数据分区的数据数量均为20,其他数据分区的数据数量均为10。
S203、若否,则根据总数量以及区域数量确定初始数据数量,并根据初始数据数量、多个电池数据以及区域数量,确定多个数据分区。
可选地,初始数据数量可以电池数据的总数量与区域数量的商。示例性的,电池数据的总数量为100,区域数量为30,则初始数据数量为3。
可选地,根据初始数据数量和多个电池数据判断余数,再根据余数和区域数量确定多个数据分区。
本实施例中,首先判断多个电池数据的总数量与区域数量的比值是否为整数,若是,则根据总数量以及区域数量确定并划分电池数据,得到多个数据分区,若否,则根据总数量以及区域数量确定初始数据数量,并根据初始数据数量、多个电池数据以及区域数量,确定多个数据分区,从而确定依次排列的多个数据分区,为对每个数据分区的数据进行精确分析打下基础。
进一步的,参照图3对上述步骤S203中根据初始数据数量、多个电池数据以及区域数量,确定多个数据分区,进行介绍。
S301、将初始数据数量加一的值作为目标数据数量。
示例性的,电池数据的总数量为100,区域数量为30,则初始数据数量为3,目标数据数量为4。
S302、根据目标数据数量、多个电池数据以及区域数量,确定M个数据分区,其中,多个数据分区中的N个数据分区中的电池数据的数量为目标数据数量,且多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量小于目标数据数量,M和N均为正整数,且N小于M。
可选地,N个数据分区中的电池数据的数量为目标数据数量,且N小于M,也就是说,N个数据分区中的电池数据的数量为初始数据数量加一,即为电池数据的总数量和区域数量的商加一。值得注意的是,M与N的和即为区域数量。
可选地,多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量可以是初始数据数量。
可选地,M可以是区域数量与N的差值,N可以是电池数据的总数量与区域数量的余数。示例性的,若电池数据的总数量为100,区域数量为30,初始数据数量为3,目标数据数量为4,则可以得出N为1,M为29。
可选地,可以按照预先设置的数据分区分布策略设置N个数据分区的位置。具体地,N个数据分区可以是所有电池数据的前N个数据分区,也可以是所有电池数据的后N个数据分区。
S303、按照各数据分区的数据数量对多个电池数据进行划分,得到多个数据分区。
可选地,若有N个数据分区的数据数量为初始数据数量,M个数据分区的数据数量为目标数据数量,则按照预先设置的数据分区分布策略划分电池数据,得到多个数据分区。
本实施例中,首先将初始数据数量加一的值作为目标数据数量,根据目标数据数量、多个电池数据以及区域数量,确定M个数据分区,按照各数据分区的数据数量对多个电池数据进行划分,得到多个数据分区,从而在电池数据的总数量与区域数量不能整除的情况下,合理地划分各个数据分区的数据数量,从而得到准确的诊断曲线。
可选地,根据各数据分区中各电池数据的数值,确定各数据分区中的突变点的具体方法为:根据数据分区中各电池数据的值,基于正态分布算法确定数据分区中的突变点。
正态分布算法用于基于研究对象的同质性和个体突变的存在,从而形成中间密集,两侧稀疏的特征。本实施例中,作为一种可选的实施方式,通过正态分布算法可以判断电池数据中各个数据的概率,并将概率最小的数值点作为数据分区中的突变点。
作为另一种实施方式,可以通过平均值算法确定数据分区中的突变点。具体地,根据数据分区中数据数值的大小计算数据分区中数值的平均值,判断是否有超过平均值预设比例阈值的数值,若有,则将该数值点作为突变点。示例性地,若一组数据分区中包含5个数据,数值分别为4、5、6、4和1,则数据分区中数值的平均值为4,平均值预设比例阈值为100%,则数值1为突变点。
接下来,参照图4对上述步骤中,根据数据分区中各电池数据的值,基于正态分布算法确定数据分区中的突变点进行详细地介绍。
S401、基于正态分布算法,确定数据分区是否存在突变的目标数值。
作为一种可选的实施方式,可以对各个数据分区中的数据进行划分,并将划分而成的份中的数据取平均值,然后对各数据分区中各份数据的平均值进行正态分布,并根据正态分布结果判断是否存在突变的目标数值。其中,对数据分区中的数据划分为多个份,并根据每份数据的平均值确定是否突变的目的是减小电子设备的计算量,提高运算效率。
S402、若是,则将目标数值作为数据分区的突变点。
可选地,若数据分区中存在突变的目标数值,则将目标数值作为数据分区的突变点。该目标数值与数据分区中其他数值相比,出现频次可以最小。
S403、若否,则将数据分区中的预设位置的电池数据的数值作为数据分区的突变点。
可选地,若数据分区中不存在突变的目标数值,则将预设位置的电池数据的数值作为数据分区的突变点。预设位置例如可以是数据分区中的最后一个数据。
作为一种可选的实施方式,若将各个数据分区中的数据进行划分,并将划分而成的份中的数据取平均值,则可以将该数据分区中最后一份数据的平均值作为数据分区的突变点。
本实施例中,通过基于正态分布算法,确定数据分区是否存在突变的目标数值,若是,则将目标数值作为数据分区的突变点,若否,则将数据分区中的预设位置的电池数据的数值作为数据分区的突变点,从而在各个数据分区中找到精确突变点,并保证诊断曲线的完整性。
在上述解释的基础上,接下来对上述步骤S401中如何确定数据分区是否存在突变的目标数值的步骤进行介绍:
可选地,基于正态分布算法,确定数据分区中出现频次最小的待选数值。
应理解,BMS记录的电池数据符合所在设备的运行规律,则电池数据可以满足正态分布。而基于正态分布算法,距离平均值μ值最远的点为出现频次最小的点,出现频次最小的点也就是与均值相差最多的点,即可能为突变点。也就是说,将距离μ值最远的点作为待选数值。
可选地,根据待选数值所在电池数据的相邻电池数据的数值,确定数据分区是否存在突变的目标数值。
可选地,根据待选数值在数据分区中所有电池数据的排布位置,确定相邻电池数据的数值,并根据相邻电池数据的数值确定数据分区中是否存在突变的目标数值。
作为一种可选的实施方式,可以根据待选数值和相邻电池数据的数值之间的方差确定数据分区是否存在突变的目标数值。具体地,若方差小于预设方差阈值,则待选数值并不是目标数值,若方差不小于预设方差阈值,则将待选数值作为目标数值。
本实施例中,首先基于正态分布算法,确定数据分区中出现频次最小的待选数值,然后根据待选数值所在电池数据的相邻电池数据的数值,确定数据分区是否存在突变的目标数值,从而确定准确的突变点,避免出现错误选点的情况。
作为另一种可选的实施方式,参照图5,确定数据分区是否存在突变的目标数值的方法还可以为如下步骤:
S501、确定相邻电池数据的数值的平均值。
可选地,相邻电池数据可以是待选数据的上一数据和下一数据,也可以是上预设数量的数据和下预设数量的数据。其中,预设数量一致。
可选地,将相邻电池数据的数值相加,将和除以数据数量,得到数值的平均值。
S502、判断平均值与待选数值的差值是否大于预设阈值。
可选地,将数值的平均值与待选数值做差,并判断差值是否大于预设阈值。预设阈值可以是用户根据当前电池数据的数值设定的。
S503、若是,则确定数据分区存在突变的目标数值。
可选地,若平均值与待选数值的差值大于预设阈值,则确定数据分区存在突变的目标数值。
本实施例中,首先判断相邻电池数据的数值的平均值与待选数值的差值是否大于预设阈值,若是,则确定数据分区存在突变的目标数值,从而确保选取的突变点的准确性,避免选点错误导致诊断曲线与实际不符,影响诊断。
作为一种可选的实施方式,还可以对数据分区中的各个数据分份,并判断各份数据的平均值是否存在突变值。接下来详细解释如何判断是否存在突变值。
具体地,首先判断电池数据的总数量与区域数量的比值是否为整数,若是,则判断数据分区中的数据数量是否能够被区域数量整除,若是,则确定每一份的范围,并对每一份的数据取平均值,判断该平均值是否为突变值。其中,每一份数据的范围可以用式(1)表示:
其中,式(1)表示第i个数据分区中第k份的数据范围,L为电池数据的总数量,n为区域数量。
若电池数据的总数量与区域数量的比值为整数,且数据分区中的数据数量不能被区域数量整除,确定每一份的范围,并对每一份的数据取平均值,判断该平均值是否为突变值。若预设位置为最后一份,则除最后一份数据外每一份数据的范围可以用式(2)表示:
最后一份数据的范围可以用式(3)表示:
若电池数据的总数量与区域数量的比值不是整数,且数据分区中的数据数量能被区域数量整除,确定每一份的范围,并对每一份的数据取平均值,判断该平均值是否为突变值。除最后一个分区外,其他分区中,每一份数据的范围可以用式(4)表示:
值得注意的是,最后一个数据分区的范围可以用式(5)表示:
对于最后一个数据分区的数据,基于正态分布算法,根据数据分区中每个数据确定最后一个数据分区的突变点。
若电池数据的总数量与区域数量的比值不是整数,且数据分区中的数据数量不能被区域数量整除,则确定每一份的范围,并对每一份的数据取平均值,判断该平均值是否为突变值。除最后一个分区外,其他分区中,除最后一份外每一份数据的范围可以用式(6)表示:
除最后一个区域外,其他区域中,最后一份数据的范围可以用式(7)表示:
最后一个区域中,除最后一份外每一份数据的范围可以用式(8)表示:
最后一个区域中,最后一份数据的范围可以用式(9)表示:
值得注意的是,上述式中,有关除法运算中的除号均为C++语言中整型除号,即除法运算后结果取整,不保留小数。
具体地,图6为本实施例中一种分区域读取数据的流程示意图。如图6所示,首先判断电池数据的总数量是否能被区域数量整除,若是,则将电池数据划分为n个数据分区,每个分区中的数据数量为总数量与区域数量的比值。若否,则将电池数据划分为n个数据分区,每个分区中的数据数量为总数量和区域数量加一的比值。
当电池数据的总数量能被区域数量整除,则判断分区数据数量和区域数量的比值的余数是否为0,若是,则为数据分区中份数i赋值为0,并判断i是否小于分区数据数量和区域数量的比值,若是,则判断当前份中数据是否存在突变值,若是,则将该突变值作为突变点,若否,则i加一,并继续执行判断i是否小于分区数据数量和区域数量的比值的步骤,若i是否等于或大于分区数据数量和区域数量的比值,则取该数据分区最后一份的数值的平均值作为突变点。
若分区数据数量和区域数量的比值的余数不为0,则为数据分区中份数i赋值为0,并判断i是否小于分区数据数量和区域数量加1的比值,若是,则判断当前份中数据是否存在突变值,若是,则将该突变值作为突变点,若否,则i加一,并继续执行判断i是否小于分区数据数量和区域数量加1的比值的步骤,若i是否等于或大于分区数据数量和区域数量加1的比值,则取该数据分区最后一份的数值的平均值作为突变点。
当电池数据的总数量不能被区域数量整除,则判断分区数据数量和区域数量的比值的余数是否为0,若是,则为数据分区中份数i赋值为0,并判断i是否小于分区数据数量和区域数量的比值,若是,则判断当前份中数据是否存在突变值,若是,则将该突变值作为突变点,若否,则i加一,并继续执行判断i是否小于分区数据数量和区域数量的比值的步骤,若i是否等于或大于分区数据数量和区域数量的比值,则取该数据分区最后一份的数值的平均值作为突变点。
若分区数据数量和区域数量的比值的余数不为0,则为数据分区中份数i赋值为0,并判断i是否小于分区数据数量和区域数量加1的比值,若是,则判断当前份中数据是否存在突变值,若是,则将该突变值作为突变点,若否,则i加一,并继续执行判断i是否小于分区数据数量和区域数量加1的比值的步骤,若i是否等于或大于分区数据数量和区域数量加1的比值,则取该数据分区最后一份的数值的平均值作为突变点。
本实施例中,通过将各数据分区划分为多个份,并按照份数和区域数量确定每份是否存在突变值,可以实现高效地突变数据读取。值得注意的是,在一个数据分区中,仅能查到该区域内的第一个突变点,若需要继续查看该区域内是否还存在其他突变点,则需要将该区域继续执行电池数据处理方法的步骤,从而生成该区域的细分诊断曲线。
基于同一发明构思,本申请实施例中还提供了与电池数据处理方法对应的电池数据处理装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述电池数据处理方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图7所示,为本申请实施例提供的一种电池数据处理装置的示意图,所述装置包括:获取模块701、第一确定模块702、第二确定模块703和绘制模块704。其中:
获取模块701,用于获取多个电池数据;
第一确定模块702,用于根据各电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各数据分区中分别包括至少一个电池数据;
第二确定模块703,用于根据各数据分区中各电池数据的数值,确定各数据分区中的突变点;
绘制模块704,用于按照各数据分区的排列顺序,将各数据分区的突变点绘制为诊断曲线。
可选地,第一确定模块702具体用于:
判断多个电池数据的总数量与区域数量的比值是否为整数;
若是,则根据总数量以及区域数量确定各数据分区的数据数量,并按照各数据分区的数据数量对多个电池数据进行划分,得到多个数据分区;
若否,则根据总数量以及区域数量确定初始数据数量,并根据初始数据数量、多个电池数据以及区域数量,确定多个数据分区。
可选地,第一确定模块702具体用于:
将初始数据数量加一的值作为目标数据数量;
根据目标数据数量、多个电池数据以及区域数量,确定M个数据分区,其中,多个数据分区中的N个数据分区中的电池数据的数量为目标数据数量,且多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量小于目标数据数量,M和N均为正整数,且N小于M;
按照各数据分区的数据数量对多个电池数据进行划分,得到多个数据分区。
可选地,第二确定模块703具体用于:
根据数据分区中各电池数据的值,基于正态分布算法确定数据分区中的突变点。
可选地,第二确定模块703具体用于:
基于正态分布算法,确定数据分区是否存在突变的目标数值;
若是,则将目标数值作为数据分区的突变点;
若否,则将数据分区中的预设位置的电池数据的数值作为数据分区的突变点。
可选地,第二确定模块703具体用于:
基于正态分布算法,确定数据分区中出现频次最小的待选数值;
根据待选数值所在电池数据的相邻电池数据的数值,确定数据分区是否存在突变的目标数值。
可选地,第二确定模块703具体用于:
确定相邻电池数据的数值的平均值;
判断平均值与待选数值的差值是否大于预设阈值;
若是,则确定数据分区存在突变的目标数值。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本申请实施例还提供了一种电子设备,如图8所示,为本申请实施例提供的电子设备结构示意图,包括:处理器801、存储器802和总线。所述存储器802存储有所述处理器801可执行的机器可读指令(比如,图7中的装置中获取模块701、第一确定模块702、第二确定模块703和绘制模块704对应的执行指令等),当计算机设备运行时,所述处理器801与所述存储器802之间通过总线通信,所述机器可读指令被所述处理器801执行时执行上述电池数据处理方法的处理。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述电池数据处理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。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,又例如,多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元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。所述功能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取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种电池数据处理方法,其特征在于,所述方法包括:
获取多个电池数据;
根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各所述数据分区中分别包括至少一个电池数据;
根据各所述数据分区中各电池数据的数值,确定各所述数据分区中的突变点;
按照各所述数据分区的排列顺序,将各所述数据分区的所述突变点绘制为诊断曲线;
所述根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,包括:
判断多个所述电池数据的总数量与所述区域数量的比值是否为整数;
若否,则根据所述总数量以及所述区域数量确定初始数据数量,并根据所述初始数据数量、所述多个电池数据以及所述区域数量,确定所述多个数据分区;
所述根据所述初始数据数量、所述多个电池数据以及所述区域数量,确定所述多个数据分区,包括:
将所述初始数据数量加一的值作为目标数据数量;
根据所述目标数据数量、所述多个电池数据以及所述区域数量,确定M个数据分区,其中,所述多个数据分区中的N个数据分区中的电池数据的数量为所述目标数据数量,且所述多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量小于所述目标数据数量,M和N均为正整数,且N小于M;
按照各所述数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,还包括:
若多个所述电池数据的总数量与所述区域数量的比值为整数,则根据所述总数量以及所述区域数量确定各所述数据分区的数据数量,并按照各所述数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区。
3.根据权利要求1所述的方法,其特征在于,所述根据各所述数据分区中各电池数据的数值,确定各数据分区中的突变点,包括:
根据所述数据分区中各电池数据的值,基于正态分布算法确定所述数据分区中的突变点。
4.根据权利要求3所述的方法,其特征在于,所述根据所述数据分区中各电池数据的值,基于正态分布算法确定所述数据分区中的突变点,包括:
基于正态分布算法,确定所述数据分区是否存在突变的目标数值;
若是,则将所述目标数值作为所述数据分区的突变点;
若否,则将所述数据分区中的预设位置的电池数据的数值作为所述数据分区的突变点。
5.根据权利要求4所述的方法,其特征在于,所述确定所述数据分区是否存在突变的目标数值,包括:
基于所述正态分布算法,确定数据分区中出现频次最小的待选数值;
根据所述待选数值所在电池数据的相邻电池数据的数值,确定所述数据分区是否存在突变的目标数值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述待选数值所在电池数据的相邻电池数据的数值,确定所述数据分区是否存在突变的目标数值,包括:
确定所述相邻电池数据的数值的平均值;
判断所述平均值与所述待选数值的差值是否大于预设阈值;
若是,则确定所述数据分区存在突变的目标数值。
7.一种电池数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取多个电池数据;
第一确定模块,用于根据各所述电池数据的读取顺序及预先设置的区域数量确定依次排列的多个数据分区,各所述数据分区中分别包括至少一个电池数据;
第二确定模块,用于根据各所述数据分区中各电池数据的数值,确定各数据分区中的突变点;
绘制模块,用于按照各所述数据分区的排列顺序,将各所述数据分区的突变点绘制为诊断曲线;
所述第一确定模块具体用于:
判断多个所述电池数据的总数量与所述区域数量的比值是否为整数;
若否,则根据所述总数量以及所述区域数量确定初始数据数量,并根据所述初始数据数量、所述多个电池数据以及所述区域数量,确定所述多个数据分区;
所述第一确定模块具体用于:
将所述初始数据数量加一的值作为目标数据数量;
根据所述目标数据数量、所述多个电池数据以及所述区域数量,确定M个数据分区,其中,所述多个数据分区中的N个数据分区中的电池数据的数量为所述目标数据数量,且所述多个数据分区中除前N个数据分区之外的各数据分区中的电池数据的数量小于所述目标数据数量,M和N均为正整数,且N小于M;
按照各所述数据分区的数据数量对所述多个电池数据进行划分,得到所述多个数据分区。
8.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的程序指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述程序指令,以执行时执行如权利要求1至6任一所述的电池数据处理方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的电池数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410225729.2A CN117829097B (zh) | 2024-02-29 | 2024-02-29 | 电池数据处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410225729.2A CN117829097B (zh) | 2024-02-29 | 2024-02-29 | 电池数据处理方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117829097A CN117829097A (zh) | 2024-04-05 |
CN117829097B true CN117829097B (zh) | 2024-05-28 |
Family
ID=90510071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410225729.2A Active CN117829097B (zh) | 2024-02-29 | 2024-02-29 | 电池数据处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117829097B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409661A (zh) * | 2018-09-19 | 2019-03-01 | 平安科技(深圳)有限公司 | 电子装置、基于cusum算法的建筑物用电安全识别方法及存储介质 |
CN111856178A (zh) * | 2020-03-31 | 2020-10-30 | 同济大学 | 一种基于锂离子电容器电化学特征的soc分区估计方法 |
CN113568819A (zh) * | 2021-01-31 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 异常数据检测方法、装置、计算机可读介质及电子设备 |
CN114200323A (zh) * | 2021-11-22 | 2022-03-18 | 深圳锂安技术有限公司 | 电池短路故障预警信息生成方法和装置、设备、介质 |
CN114416814A (zh) * | 2021-12-14 | 2022-04-29 | 中国安全生产科学研究院 | 一种数据处理的方法、装置、电子设备和存储介质 |
CN114978956A (zh) * | 2022-04-11 | 2022-08-30 | 北京邮电大学 | 智慧城市网络设备性能异常突变点检测方法及装置 |
CN115792653A (zh) * | 2023-02-02 | 2023-03-14 | 斯润天朗(北京)科技有限公司 | 锂电池电压曲线的回归拟合方法、装置及计算机设备 |
CN116466236A (zh) * | 2023-02-27 | 2023-07-21 | 北京海博思创科技股份有限公司 | 电池剩余寿命预测方法、装置、设备及可读存储介质 |
KR20230112482A (ko) * | 2022-01-20 | 2023-07-27 | 경북대학교 산학협력단 | 배터리 충전 프로파일에 기반한 배터리 이상발생 판단 장치 및 방법 |
WO2023142065A1 (zh) * | 2022-01-29 | 2023-08-03 | 宁德时代新能源科技股份有限公司 | 电池状态评估方法、装置、电子设备及存储介质 |
WO2023184880A1 (zh) * | 2022-03-29 | 2023-10-05 | 比亚迪股份有限公司 | 电池容量确定方法和装置、以及存储介质 |
CN117272117A (zh) * | 2023-11-10 | 2023-12-22 | 国网冀北电力有限公司 | 一种基于历史数据分析的电能计量方法及*** |
CN117312997A (zh) * | 2023-11-21 | 2023-12-29 | 乾程电力有限公司 | 一种电力管理***智能诊断方法及*** |
CN117347869A (zh) * | 2023-12-04 | 2024-01-05 | 深圳三晖能源科技有限公司 | 储能电池管理***数据分析方法、装置、电子设备及介质 |
WO2024031261A1 (zh) * | 2022-08-08 | 2024-02-15 | 宁德时代新能源科技股份有限公司 | 电池的检测方法、装置、设备、存储介质和程序产品 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090926B (zh) * | 2019-11-14 | 2023-09-12 | 远景智能国际私人投资有限公司 | 光伏功率曲线建模方法、装置、计算机设备及存储介质 |
CN113030738B (zh) * | 2020-02-18 | 2022-09-16 | 深圳大学 | 一种电池故障检测方法、电池故障检测***及终端 |
-
2024
- 2024-02-29 CN CN202410225729.2A patent/CN117829097B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409661A (zh) * | 2018-09-19 | 2019-03-01 | 平安科技(深圳)有限公司 | 电子装置、基于cusum算法的建筑物用电安全识别方法及存储介质 |
CN111856178A (zh) * | 2020-03-31 | 2020-10-30 | 同济大学 | 一种基于锂离子电容器电化学特征的soc分区估计方法 |
CN113568819A (zh) * | 2021-01-31 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 异常数据检测方法、装置、计算机可读介质及电子设备 |
CN114200323A (zh) * | 2021-11-22 | 2022-03-18 | 深圳锂安技术有限公司 | 电池短路故障预警信息生成方法和装置、设备、介质 |
CN114416814A (zh) * | 2021-12-14 | 2022-04-29 | 中国安全生产科学研究院 | 一种数据处理的方法、装置、电子设备和存储介质 |
KR20230112482A (ko) * | 2022-01-20 | 2023-07-27 | 경북대학교 산학협력단 | 배터리 충전 프로파일에 기반한 배터리 이상발생 판단 장치 및 방법 |
WO2023142065A1 (zh) * | 2022-01-29 | 2023-08-03 | 宁德时代新能源科技股份有限公司 | 电池状态评估方法、装置、电子设备及存储介质 |
WO2023184880A1 (zh) * | 2022-03-29 | 2023-10-05 | 比亚迪股份有限公司 | 电池容量确定方法和装置、以及存储介质 |
CN114978956A (zh) * | 2022-04-11 | 2022-08-30 | 北京邮电大学 | 智慧城市网络设备性能异常突变点检测方法及装置 |
WO2024031261A1 (zh) * | 2022-08-08 | 2024-02-15 | 宁德时代新能源科技股份有限公司 | 电池的检测方法、装置、设备、存储介质和程序产品 |
CN115792653A (zh) * | 2023-02-02 | 2023-03-14 | 斯润天朗(北京)科技有限公司 | 锂电池电压曲线的回归拟合方法、装置及计算机设备 |
CN116466236A (zh) * | 2023-02-27 | 2023-07-21 | 北京海博思创科技股份有限公司 | 电池剩余寿命预测方法、装置、设备及可读存储介质 |
CN117272117A (zh) * | 2023-11-10 | 2023-12-22 | 国网冀北电力有限公司 | 一种基于历史数据分析的电能计量方法及*** |
CN117312997A (zh) * | 2023-11-21 | 2023-12-29 | 乾程电力有限公司 | 一种电力管理***智能诊断方法及*** |
CN117347869A (zh) * | 2023-12-04 | 2024-01-05 | 深圳三晖能源科技有限公司 | 储能电池管理***数据分析方法、装置、电子设备及介质 |
Non-Patent Citations (3)
Title |
---|
Lean Blow-Out Prediction in Gas Turbine Combustors Using Symbolic Time Series Analysis;Mukhopadhyay, Achintya 等;JOURNAL OF PROPULSION AND POWER;20130709;第950-960页 * |
光伏发电出力特征提取及区域集群聚合特性;苏适;陆海;严玉廷;杨家全;;云南电力技术;20180215(01);第86-94页 * |
基于离散区间二进制序列激励信号的燃料电池EIS测量及故障诊断方法;王筱彤;李奇;王天宏;刘嘉蔚;蒋璐;陈维荣;;中国电机工程学报;20200410(14);第4526-4537、4732页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117829097A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108923952B (zh) | 基于服务监控指标的故障诊断方法、设备及存储介质 | |
WO2013111560A1 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
US10635765B2 (en) | Cluster drawing on divided display region allocated to cluster | |
CN113219361A (zh) | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及*** | |
KR20160058891A (ko) | 시스템으로부터 획득되는 측정 값들을 평가하기 위한 방법 및 시스템 | |
CN114491383A (zh) | 桥梁监测的异常数据处理方法及*** | |
CN117829097B (zh) | 电池数据处理方法、装置、电子设备及可读存储介质 | |
CN111752481A (zh) | 一种基于spd的内存监控及寿命预测方法和*** | |
CN117110847B (zh) | 印刷电路板的内阻测试方法、装置、设备及存储介质 | |
JP7357659B2 (ja) | データ異常判定装置及び内部状態予測システム | |
CN113191432B (zh) | 基于离群因子的虚拟机集群的异常检测方法、设备及介质 | |
CN117207778B (zh) | 一种车辆部件无损检测方法及*** | |
WO2023181111A1 (ja) | 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム | |
CN113887989B (zh) | 电力***可靠性评估方法、装置、计算机设备和存储介质 | |
CN103593249B (zh) | 一种ha预警方法及虚拟资源管理器 | |
CN113434823B (zh) | 数据采集任务异常预警方法、装置、计算机设备和介质 | |
CN115377462A (zh) | 燃料电池巡检***断线故障的处理方法、装置及电子设备 | |
CN115629870A (zh) | 一种用于渲染的方法、装置、存储介质及电子设备 | |
CN116187510A (zh) | 电表箱故障预测方法、装置、计算机设备和存储介质 | |
CN114896105A (zh) | 电子设备的可靠性评估方法、装置、设备和介质 | |
CN114386510A (zh) | 一种电力***量测错误辨识方法及*** | |
CN114547000A (zh) | 设备运行时长的计算方法、装置、设备及存储介质 | |
CA3096353C (en) | Determination of frequency distribution of nucleotide sequence variants | |
CN112098808B (zh) | 一种电路检测方法、装置及设备 | |
CN111913852A (zh) | 存储***的健康管理方法和装置 |
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 |