CN102590749A - 一种电池荷电状态预测内核设计方法 - Google Patents
一种电池荷电状态预测内核设计方法 Download PDFInfo
- Publication number
- CN102590749A CN102590749A CN2011100087887A CN201110008788A CN102590749A CN 102590749 A CN102590749 A CN 102590749A CN 2011100087887 A CN2011100087887 A CN 2011100087887A CN 201110008788 A CN201110008788 A CN 201110008788A CN 102590749 A CN102590749 A CN 102590749A
- Authority
- CN
- China
- Prior art keywords
- charge
- voltage
- charge state
- module
- inner core
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013461 design Methods 0.000 title claims abstract description 24
- 238000003909 pattern recognition Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 6
- 230000003068 static effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 210000000349 chromosome Anatomy 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 2
- 230000002759 chromosomal effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000001726 chromosome structure Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提出了一种电池荷电状态预测内核设计方法，该内核能够根据输入的电压、充放电倍率、充放电模式来预测电池荷电状态值。本发明包含：1、充放电模式识别模块；2、倍率大小识别模块；3、电压大小的识别模块；4、荷电状态预测内核模块。本发明是通过选择部分反映电池荷电状态变化的特征点，建立电池静态特性以及充放电动态特性数据库，用这个数据库中的特征点演化出电池荷电状态预测内核。其特点在于，在这个电池荷电状态预测内核的输入端输入任一特征点的信息(充放电模式、倍率以及电压等数据)都可以预测出在特征点处的电池荷电状态值。
Description
技术领域
本发明属于电池管理系统技术领域，尤其涉及电动汽车动力电池管理系统。
背景技术
能源和环境与人类社会的生存和发展密切相关，随着全球对节能和环保意识的增强，近年来，世界主要汽车生产国都把发展新能源汽车作为提高产业竞争能力、保持经济社会可持续发展的重大战略举措，混合动力汽车及电动汽车将成为未来汽车产业的发展趋势。动力电池组是混合动力汽车的关键部件，其性能将直接影响整车的整体特性，需要电池管理系统对其进行实时监测，同时电池荷电状态又是判断电池性能的一个重要因素，因此准确和可靠地获得电池荷电状态是电池管理系统的主要任务之一。电池组管理系统能够实时监测电池组的总电流、总电压、单组电池模块电压、电流，并需要预测电池组荷电状态，实时传送数据给整车控制系统。电池组管理系统对混合动力电池组的安全起着重要作用，那么实时而精确的得出任意状态下的电池荷电状态具有重要的意义。
在已有的专利中有对电池管理系统功能验证平台的相关描述，如实用新型名称为电池荷电状态检测方法(专利号ZL200810136561.9)该专利是在安时计量法的基础上，通过存储记忆芯片中的将不同温度下的不同循环充放电次数下的电压-荷电状态曲线归一化处理后得到电池充放电归一化曲线电池荷电状态值SOC进行校准实现电池荷电状态的检测。实用新型名称为电池荷电状态的测定方法的专利(专利号ZL200710143406.5)，该专利采用SOC理论值计算公式计算多个时刻的电池荷电状态SOC理论值SOC↓[理]；测得在该多个时刻的电池荷电状态SOC实际值SOC↓[实]；通过最小二乘法计算得到用于表达SOC↓[理]和SOC↓[实]的差值与所述多个时刻之间的关系的修正函数Φ(t)，从而得到比较精确的电池荷电状态SOC值，实现电池荷电状态的测定。与已有的专利相比较，本专利中所述的一种电池荷电状态预测内核设计方法可以完全实现电池管理系统离线状态工作模式，上述专利中需要使用仪器检测出电池在多种模式下的荷电状态值，增加了工作的复杂度，本专利中只需要选择部分反应电池荷电状态变化的特征点，对其进行演化，同时本专利的另一个优点是该电池荷电状态预测内核具有很强的自适应性，可以根据外部环境的变化而重新演化，得出新的演化结构，以适应当前环境的变化，从而修正电池充放电时SOC的变化。
发明内容
本发明为精确预测动力电池荷电状态而设计的一种电池荷电状态预测内核设计方法，从而解决实时监测出每一个状态下的电池荷电状态的问题。
本发明提出的动力电池荷电状态预测内核设计方法由模式识别模块、倍率识别模块、电压识别模块以及内核结构模块构成。
所述的模式识别模块接收输入的特征点信息，判断所要预测的特征点处的电池荷电状态是在放电模式下还是在充电模式下，然后将识别后的信息传输给倍率识别模块用于后续的分析处理。
所述的倍率识别模块接收输入的特征点信息，判断识别所要预测的特征点处的电池荷电状态是在哪一倍率下，然后寻找匹配与其相应的内核结构模块，并将倍率大小装换成二进制数作为内核结构模块的输入数据。
所述的电压识别模块接收输入的特征点信息，判断识别所要预测的特征点处的电池荷电状态是在哪一电压下，并将电压大小装换成二进制数作为倍率识别模块寻找出的相应的内核结构模块的输入数据。
所述的电池荷电状态预测内核模块接收特征点的模式识别模块、倍率识别模块以及电压识别模块所分析处理后的数据，作为内核结构模块的输入信息，通过内核结构模块中的每个功能单元的相应的输入输出连接和功能函数的信息，预测出在相应的特征点处的电池荷电状态的值。
该种方法设计出的电池荷电状态预测内核能够精确而可靠的预测出电池在任何状态下的荷电状态值，适用于混合动力汽车和电动汽车，对电池的性能进行实时的检测，并且本发明系统简洁，成本较低。
附图说明
图1为本发明提出的总体结构框图。
图2为本发明提出的总体流程图。
图3为本发明提出的内核结构模块的设计原理图。
图4为本发明提出的生成内核结构模块的流程图。
图5为本发明提出的内核结构模块的单个功能单元的功能函数。
图6为本发明提出的模式识别模块的原理图。
图7为本发明提出的倍率识别模块的原理图。
图8为本发明提出的电压识别模块的原理图。
图9为本发明提出的放电模式下倍率为1C的内核结构模块的逻辑电路图。
具体实施方式
以下结合附图对本发明作进一步说明。
图1为此种电池荷电状态预测内核设计方法的总体结构框图。该动力电池荷电状态预测内核设计包括：充放电模式识别模块，判断识别所要预测的电池荷电状态的特征点是充电模式 还是放电模式；充放电倍率识别模块，识别所要预测的电池荷电状态的特征点的倍率大小，并转换成二进制作为判断匹配所需采用的内核结构模块；充放电电压识别模块，识别所要预测的电池荷电状态的特征点处的电压大小，并转换成二进制作为内核结构模块输入数据；电池荷电状态预测内核模块，通过一个固定大小的功能单元矩阵的内核电路结构来预测特征点处的荷电状态值，功能单元矩阵的内部单个功能单元的输入输出连接表示单个功能单元的连接状态，功能函数表示单个功能单元的运算函数。
以下结合附图对电池荷电状态预测内核设计系统的模块进行详细说明。
1、结构流程图如图2所示：
图2为此种电池荷电状态预测内核设计方法的总体流程图。在左边输入所要预测的电池荷电状态的特征点处的信息，包括：充放电模式、倍率大小以及电压数据。先通过充放电模式识别模块，判断特征点属于哪一种模式，再在此模式下判断特征点属于哪一倍率下，根据倍率信息匹配相应的荷电状态预测内核结构模块，最后根据寻找的荷电状态预测内核模块和特征点处的电压值来预测出所要预测的特征点处的电池荷电状态值。
2、内核结构模块的设计原理图如图3所示：
图3是一个内核结构模块模型，该种内核结构模块的设计基本思想是把可编程逻辑器件的结构位串当作染色体，通过进化算法寻找符合特定功能要求的染色体，所得的最优染色体对应的硬件结构即为所要实现的硬件电路。通过将这些表示电路结构的染色体位串下载到可编程逻辑器件中，即可实现硬件电路的设计功能。该内核结构模块通常采用一个固定大小的功能单元矩阵来表达电路的功能。图3是该内核结构模块的表现型和基因型，它是由M×N个独立的功能单元FE(function element)组成了一个M行，N列的功能单元矩阵，每个功能单元有2-输入，1-输出和功能函数组成。在笛卡儿遗传程序中，每个功能单元的2-输入都是和前面L列的功能单元输出相连接(L为连接参数，它表示当前的功能单元的输入端可以连接到前面第L列的功能单元的输出端)。同时，每个功能单元都由图5中的某一个相应的功能函数去处理它的两个输入信号。这样，通过不断的改变每个功能单元的内部链接和功能函数来重构，使整个系统最终演化出一条最优的染色体结构。
3、生成内核结构模块的流程图如图4所示：
图4是生成内核结构模块的流程图，根据选择部分反映电池荷电状态变化的特征点，建立电池静态特性以及充放电动态特性数据库，选择的特征点的数据信息(包括充放电模式、充放电倍率以及电压)作为内核结构逻辑电路图的输入部分，与选择的每个特征点所对应的电池荷电状态值作为内核结构模块的输出部分，每个特征点输入信息与它的输出的电池荷电状态值是一一对应的关系，然后根据内核结构模块的输入输出，先演化出初始的种群，通过适应度的评估，满足适应度的要求就终止演化，否则将一代又一代的演化下去，实现优胜劣汰的进化过程，直到演化达到设定的适应度值，最终得到一条最优的染色体串。
4、功能函数如图5所示：
图5中列出的是各个功能单元的功能函数，表示荷电状态预测内核结构功能矩阵的每个功能单元对输入的两个信号所执行的运算函数。
5、模式识别模块如图6所示：
电池荷电状态的测定只存在于两种模式下，即：充电模式和放电模式，因此模式识别模块只需在这两种模式之间做一个识别判断的过程，用来判断需要预测的特征点是在哪一模式下，我们可以把输入端的充放电模式数字化，即设定放电模式为正值，充电模式为负值，反之亦可。因此，在荷电状态预测内核结构模块中，就只需要一位二进制数来判断特征点处的模式识别模块，从而，减少荷电状态预测内核结构模块的输入端输入数据的位数。
6、倍率识别模块如图7所示：
对于输入的倍率不同，所对应的电池的输入电流的值也就不同，那么在不同特征点处所要预测的电池荷电状态也就不同，倍率大小或者电流的值是作为内核结构模块的输入端的输入数据，内核结构模块中的逻辑运算都是按照二进制来运算的，为了直观的看到特征点的数据信息，我们预测特征点处的电池荷电状态时，输入的倍率大小或者电流的值都是十进制的数，因此，倍率识别模块在接收到输入的特征点的倍率大小或者电流的值时，我们要将其转换成二进制的数，如果输入的倍率大小出现小数时，我们可以对倍率的值进行适当的放大，然后再进行染色体的演化，得出一系列电池荷电状态预测内核的内核结构模块，针对相应的特征点的倍率匹配相应的内核结构模块，内核结构模块内部的单个功能单元的输入输出连接和功能函数也会随之改变，输出的电池荷电状态值也会随之进行相同倍数的变化。
7、电压识别模块如图8所示：
对于输入的电压不同，得出的电池荷电状态也就不同，电压大小是作为内核结构模块的输入端的输入数据，我们预测特征点处的电池荷电状态时，输入的电压的值都是十进制的数，因此，电压识别模块在接收到输入的特征点的电压的值时，我们要将其转换成二进制的数，如果输入的电压大小是一个非整数时，我们可以对电压的值进行适当的放大，然后再进行染色体的演化，得出电池荷电状态预测内核的内核结构模块，将电压作为内核结构模块的输入，通过内核结构模块内部的单个功能单元的输入输出连接和功能函数，预测出电池在此特征点下的电池荷电状态值。
8、内核结构电路图如图9所示：
图8是根据内核结构原理图，选择在放电模式下倍率为1C的一系列特征点，通过演化算法得出的一个内核结构逻辑电路图。图中标出了各个功能单元的功能函数和输入输出连接。
Claims (5)
1.一种电池荷电状态预测内核设计方法，该方法是根据特征点的电压、充放电倍率、充放电模式的参数演化出一种电池荷电状态预测内核，根据这种电池荷电状态预测内核来预测出在任意特征点下的电池荷电状态值。
其特征在于：
该种电池荷电状态预测内核设计方法包括：充放电模式识别模块、充放电倍率识别模块、充放电电压识别模块以及内核结构模块；
所述的充放电模式识别模块，包括动力电池的两种工作模式：放电模式和充电模式，它作为内核结构模块的一个输入部分，用于判断所需预测的动力电池荷电状态的特征点属于哪一种模式下；
所述的倍率识别模块，包括动力电池的工作所处的倍率范围，倍率作为内核结构模块的一个输入参数，用于判断所要预测的动力电池荷电状态的特征点是属于哪一种倍率，然后将此特征点的倍率大小作为内核结构模块的输入数据；
所述的电压识别模块，包括动力电池正常工作时电压的范围，它作为内核结构模块的一个输入参数，用于判断所要预测的特征点处的电池荷电状态是在哪一种电压下，然后将此电压的值作为内核结构模块的输入数据；
所述的电池荷电状态预测内核模块接收的是特征点处的充放电模式、倍率大小以及电压值并作为内核结构模块的输入，通过内核结构内部的连接和功能函数预测出某一特征点处电池荷电状态的值。
2.根据权利要求1所述的电池荷电状态预测内核设计方法，其特征在于：
动力电池的荷电状态分为两种模式，即动力电池充电模式下的荷电状态和放电模式下的荷电状态，因此该充放电模式识别模块只需要准确的判断所需预测的特征点是在哪一种模式下，因此，这部分只需要采用一个简单的识别判断的过程。
3.根据权利要求1所述的电池荷电状态预测内核设计方法，其特征在于：
电压识别模块采用的是一个输入计算过程，即电压不同，电池的荷电状态值也是不同。因此，先要确定是特征点是在哪一种电压下，然后将此电压的值作为内核结构模块的输入数据，从而用来预测动力电池的荷电状态的值。
4.根据权利要求1所述的电池荷电状态预测内核设计方法，其特征在于：
电压识别模块采用的是一个输入计算过程，即电压不同，电池的荷电状态值也是不同。因此，先要确定是特征点是在哪一种电压下，然后将此电压的值作为内核结构模块的输入数据，从而用来预测动力电池的荷电状态的值。
5.根据权利要求1所述的电池荷电状态预测内核设计方法，其特征在于：
电池荷电状态预测内核模块的输入端接入的是模式识别模块的判断信息、倍率识别模块的倍率匹配信息以及电压作为输入端的输入数据，内核结构模块的输出端输出的此特征点处的电池荷电状态的值。内核结构模块中的每个单独的功能单元的两个输入端连接到相应的上一层的输出端，输出端连接到下一层的相应的输入端，同时选择对应的功能函数，在最后一层中，根据电池荷电状态的二进制位数去选择由哪几个功能单元作为有效的输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110008788.7A CN102590749B (zh) | 2011-01-14 | 2011-01-14 | 一种电池荷电状态预测内核设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110008788.7A CN102590749B (zh) | 2011-01-14 | 2011-01-14 | 一种电池荷电状态预测内核设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102590749A true CN102590749A (zh) | 2012-07-18 |
| CN102590749B CN102590749B (zh) | 2016-09-28 |
Family
ID=46479669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110008788.7A Expired - Fee Related CN102590749B (zh) | 2011-01-14 | 2011-01-14 | 一种电池荷电状态预测内核设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102590749B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103048626A (zh) * | 2012-12-17 | 2013-04-17 | 惠州市亿能电子有限公司 | 一种准确估算soc的方法 |
| CN103267953A (zh) * | 2013-06-05 | 2013-08-28 | 安徽安凯汽车股份有限公司 | 一种磷酸铁锂动力电池soc的估算方法 |
| CN107024666A (zh) * | 2017-06-22 | 2017-08-08 | 安徽锐能科技有限公司 | 用于估计电池soc的装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050110498A1 (en) * | 2003-11-20 | 2005-05-26 | Plett Gregory L. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
| CN1945345A (zh) * | 2005-10-09 | 2007-04-11 | 奇瑞汽车有限公司 | 一种混合动力汽车电池余量检测装置及检测方法 |
| CN101022178A (zh) * | 2007-03-09 | 2007-08-22 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
| EP1873542A1 (en) * | 2006-06-26 | 2008-01-02 | Samsung SDI Co., Ltd. | Apparatus and method for estimating charge of a battery |
| CN101256218A (zh) * | 2008-04-08 | 2008-09-03 | 吉林大学 | 汽车动力电池荷电状态的测量系统 |
| CN201464873U (zh) * | 2009-03-26 | 2010-05-12 | 重庆长安汽车股份有限公司 | 一种混合动力汽车用动力电池组管理系统 |
-
2011
- 2011-01-14 CN CN201110008788.7A patent/CN102590749B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050110498A1 (en) * | 2003-11-20 | 2005-05-26 | Plett Gregory L. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
| CN1945345A (zh) * | 2005-10-09 | 2007-04-11 | 奇瑞汽车有限公司 | 一种混合动力汽车电池余量检测装置及检测方法 |
| EP1873542A1 (en) * | 2006-06-26 | 2008-01-02 | Samsung SDI Co., Ltd. | Apparatus and method for estimating charge of a battery |
| CN101022178A (zh) * | 2007-03-09 | 2007-08-22 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
| CN101256218A (zh) * | 2008-04-08 | 2008-09-03 | 吉林大学 | 汽车动力电池荷电状态的测量系统 |
| CN201464873U (zh) * | 2009-03-26 | 2010-05-12 | 重庆长安汽车股份有限公司 | 一种混合动力汽车用动力电池组管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 马建荣等: "光伏发电系统蓄电池SOC预测技术研究", 《电源技术》, vol. 29, no. 4, 30 April 2005 (2005-04-30), pages 250 - 252 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103048626A (zh) * | 2012-12-17 | 2013-04-17 | 惠州市亿能电子有限公司 | 一种准确估算soc的方法 |
| CN103048626B (zh) * | 2012-12-17 | 2015-04-15 | 惠州市亿能电子有限公司 | 一种准确估算soc的方法 |
| CN103267953A (zh) * | 2013-06-05 | 2013-08-28 | 安徽安凯汽车股份有限公司 | 一种磷酸铁锂动力电池soc的估算方法 |
| CN103267953B (zh) * | 2013-06-05 | 2015-09-09 | 安徽安凯汽车股份有限公司 | 一种磷酸铁锂动力电池soc的估算方法 |
| CN107024666A (zh) * | 2017-06-22 | 2017-08-08 | 安徽锐能科技有限公司 | 用于估计电池soc的装置 |
| CN107024666B (zh) * | 2017-06-22 | 2020-01-10 | 安徽锐能科技有限公司 | 用于估计电池soc的装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102590749B (zh) | 2016-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
| CN102231546B (zh) | 具有均衡充放电功能的电池管理系统及其控制方法 | |
| CN103728568B (zh) | 一种锂电池单体电压检测方法 | |
| CN202696179U (zh) | 一种电池管理系统 | |
| CN109313236A (zh) | 用于校准电池的充电状态的电池管理装置和方法 | |
| CN107003357A (zh) | 基于无线网络的电池管理系统 | |
| CN107367698A (zh) | 电动汽车锂电池组的健康状态预测方法 | |
| Zhang et al. | Intelligent state of charge estimation of battery pack based on particle swarm optimization algorithm improved radical basis function neural network | |
| CN106655408B (zh) | 电池组均衡控制方法和控制装置 | |
| CN102381210A (zh) | 锂离子电池管理系统和方法 | |
| CN112186275A (zh) | 一种基于云端的bms体系 | |
| WO2023024851A1 (zh) | 电池均衡方法及系统 | |
| CN110146817A (zh) | 锂电池故障的诊断方法 | |
| CN114839541A (zh) | 基于k均值聚类的动力电池组不一致性诊断方法及系统 | |
| CN116829966A (zh) | 检测电池组中的异常电芯的设备及其方法 | |
| CN102569930A (zh) | 一种电池的压力检测装置及其检测方法 | |
| CN108614217A (zh) | 一种电池管理系统全自动测试系统及实现方法 | |
| CN112180279A (zh) | 一种退役电池健康状态诊断专家系统 | |
| CN111257770B (zh) | 一种电池包功率估算方法 | |
| Yang et al. | An adaptive control framework for dynamically reconfigurable battery systems based on deep reinforcement learning | |
| CN103207372A (zh) | 电池余量测量系统、电池余量测量程序以及电池余量测量方法 | |
| CN116047300A (zh) | 用以预测电池的特性参数的控制器及其方法 | |
| CN102590749A (zh) | 一种电池荷电状态预测内核设计方法 | |
| Xu et al. | State-of-charge estimation and health prognosis for lithium-ion batteries based on temperature-compensated Bi-LSTM network and integrated attention mechanism | |
| CN117054892A (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160708 Address after: 400065 Institute of pattern recognition and application, School of automation, Chongqing University of Posts and Telecommunications, Chongwen Road, Nan'an District, Chongqing Applicant after: Park Changhao Applicant after: Ding Xing Applicant after: Zhang Yan Address before: 400065 Chongwen Road, Nan'an District, Chongqing University of Posts and Telecommunications, Chongqing Applicant before: Park Changhao Applicant before: Ding Xing Applicant before: Teng Cong Applicant before: Wang Jin |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180523 Address after: 244000 695 north section of Taishan Avenue, Tongling economic and Technological Development Zone, Anhui Patentee after: TONGLING YOUCHE TECHNOLOGY Co.,Ltd. Address before: 400065 Institute of pattern recognition and applied research, Chongqing University of Posts and Telecommunications automation school, Chongwen Road, Nan'an District, Chongqing Co-patentee before: Ding Xing Patentee before: Park Changhao Co-patentee before: Zhang Yan |
|
| TR01 | Transfer of patent right | ||
| DD01 | Delivery of document by public notice |
Addressee: Tongling Youche Technology Co.,Ltd. Patent The person in charge Document name: payment instructions |
|
| DD01 | Delivery of document by public notice | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160928 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |