CN109063261A - 一种动力电池老化趋势的判断方法和装置 - Google Patents
一种动力电池老化趋势的判断方法和装置 Download PDFInfo
- Publication number
- CN109063261A CN109063261A CN201810712806.1A CN201810712806A CN109063261A CN 109063261 A CN109063261 A CN 109063261A CN 201810712806 A CN201810712806 A CN 201810712806A CN 109063261 A CN109063261 A CN 109063261A
- Authority
- CN
- China
- Prior art keywords
- variation slope
- characteristic
- value
- variation
- power battery
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明实施例提供了一种动力电池老化趋势的判断方法和装置,所述方法包括:针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。本发明实施例简化了电池老化加速趋势判断的流程,提高了判断效率。
Description
技术领域
本发明涉及蓄电池技术领域,特别是涉及一种动力电池老化趋势的判断方法和一种动力电池老化趋势的判断装置。
背景技术
动力电池是电动汽车的核心部件,它的健康状态直接影响到汽车行驶的性能和安全性。
和传统汽车不同,电池的老化有更加明显的趋势。业界对于动力电池的退役要求通常是容量衰减至初始容量的80%,在这之后电池的健康和寿命状态会呈现加速下滑的趋势。在实际环境中,每个电池的个体情况不同,使用工况也不同,因此即使是表面合规的电池,也可能存在一定的加速老化情况。
目前并没有有效的方法判断电池老化趋势。一些实验室的研究结果趋向于利用历史数据进行容量估计,并根据实际工况数据修正模型,从而建立电池容量模型,然后在某一时刻预测电池剩余寿命。这样的方法对模型依赖,随着使用需要实时调整参数以减少偏差,计算复杂。
发明内容
鉴于上述问题,本发明实施例提出了一种动力电池老化趋势的判断方法和相应的一种动力电池老化趋势的判断装置。
为了解决上述问题,本发明实施例公开了一种动力电池老化趋势的判断方法,包括:
针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;
针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;
从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;
计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;
依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。
优选的,所述特征参数值包括容量值或内阻值;所述周期包括时间结点,或,循环次数结点。
优选的,所述第一变化斜率通过如下方式生成:
获取所述目标特征序列中的特征参数值;
采用所述特征参数值计算出特征参数在所述预置区间范围内的第一变化斜率;
所述第二变化斜率通过如下方式生成:
依次获取所有目标特征序列中的特征参数值;
采用所述特征参数值计算出特征参数在所述预置区间范围内的第二变化斜率。
优选的,所述依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势的步骤包括:
若所述特征参数值为容量值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第变化斜率阈值;
分别判断所述多个第一变化斜率是否小于所述第一变化斜率阈值;
若是,则将第一变化斜率小于所述第一变化斜率阈值的动力电池判定为进入老化加速趋势。
优选的,所述依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势的步骤还包括:
若所述特征参数值为内阻值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第二变化斜率阈值;
分别判断所述多个第一变化斜率是否大于所述第二变化斜率阈值;
若是,则将第一变化斜率大于所述第二变化斜率阈值的动力电池判定为进入老化加速趋势。
相应的,本发明实施例公开了一种动力电池老化趋势的判断装置,包括:
获取模块,用于针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;
生成模块,用于针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;
提取模块,用于从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;
计算模块,用于计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;
判断模块,用于依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。
优选的,所述特征参数值包括容量值或内阻值;所述周期包括时间结点,或,循环次数结点。
优选的,所述计算模块包括:
第一获取子模块,用于获取所述目标特征序列中的特征参数值;
第一计算子模块,用于采用所述特征参数值计算出特征参数在所述预置区间范围内的第一变化斜率;
第二获取子模块,用于依次获取所有目标特征序列中的特征参数值;
第二计算子模块,用于采用所述特征参数值计算出特征参数在所述预置区间范围内的第二变化斜率。
优选的,所述判断模块包括:
第三计算子模块,用于若所述特征参数值为容量值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第变化斜率阈值;
第一判断子模块,用于分别判断所述多个第一变化斜率是否小于所述第一变化斜率阈值;
第一判定子模块,用于将第一变化斜率小于所述第一变化斜率阈值的动力电池判定为进入老化加速趋势。
优选的,所述判断模块还包括:
第四计算子模块,用于若所述特征参数值为内阻值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第二变化斜率阈值;
第二判断子模块,用于分别判断所述多个第一变化斜率是否大于所述第二变化斜率阈值;
第二判定子模块,用于将第一变化斜率大于所述第二变化斜率阈值的动力电池判定为进入老化加速趋势。
本发明实施例包括以下优点:
在本发明实施例中,首先针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值,然后,针对每一个动力电池,分别采用多个周期的特征参数值生成对应的特征序列,得到多个特征序列,其次,从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集,再计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算特征序列合集中特征参数值的第二变化斜率,最后,依据多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。这样,利用工况大数据的采集和处理,简化了电池老化加速趋势判断的流程,提高了判断效率。
附图说明
图1是本发明的一种动力电池老化趋势的判断方法实施例的步骤流程图;
图2是本发明的一种动力电池老化趋势的判断装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种动力电池老化趋势的判断方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;
具体而言,电池管理系统可以获取正在运行的所有动力电池的所有参数值,在本发明实施例中,电池管理系统可以对同类型所有电池的数据进行清洗和基于物理公式的计算,得出每一个电池在各自不同使用时间或循环次数情况下的具体容量或内阻数值。其中,所述特征参数值包括容量值或内阻值;所述周期包括时间结点,或,循环次数结点,那么,多个周期的容量参数值可以记为qd1、qd2、qd3等,多个周期的内阻可以记为rd1、rd2、rd3等。
步骤102,针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;
为方便描述,在本发明实施例中,容量记为Q,内阻记为R。在获取了每一个动力电池的特征参数值后,就可以给每一个动力电池生成一个特征序列,例如,容量序列Qb={qd1,qd2,...,qdn}或内阻序列Rb={rd1,rd2,...,rdn},其中下标b代表电池的编号,下标d代表序列元素取自的循环次数或使用时间,qd1则表示第一次循环/第一个使用时间时动力电池的容量值,rd1则表示第一次循环/第一个使用时间时动力电池的内阻值。而Q1、Q2、Q3、Q4、Q5则表示5个型号相同、编号不同的动力电池的5个容量序列。
步骤103,从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;
预置区间范围可以是时间起止区间,也可以是循环次数区间,记为[ds,de],针对一个动力电池而言,选出属于该区间范围的容量序列或内阻序列,然后将每一个动力电池的目标容量序列或目标内阻序列合并,记为Qα={qd},其中qd∈Q,d∈[ds,de],或内阻Rα={rd},rd∈R,d∈[ds,de]。
步骤104,计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;
针对每一个动力电池的目标容量序列或目标内阻序列,生成多个第一变化斜率;将所有目标特征序列合并在一起(即特征序列合集),生成一个第二变化斜率。比如有5个动力电池,对应5个目标特征序列,那么就会生成5个第一变化斜率,记为Mb,同时,将5个目标特征序列合并在一起,生成一个第二变化斜率,记为M。
在本发明一种优选实施例中,所述第一变化斜率通过如下方式生成:
获取所述目标特征序列中的特征参数值;
采用所述特征参数值计算出特征参数在所述预置区间范围内的第一变化斜率;
所述第二变化斜率通过如下方式生成:
依次获取所有目标特征序列中的特征参数值;
采用所述特征参数值计算出特征参数在所述预置区间范围内的第二变化斜率。
具体而言,将Qα或Rα中的元素数值(即qd1、qd2、qd3等的数值)设为因变量,元素下标(即Qα中α的数值)设为自变量,使用统计拟合方法得出容量或内阻在该区间内的变化斜率M,针对每一个电池,从容量序列Qb中选出落在区间的容量其中qd∈Qb,d∈[ds,de];或内阻rd∈Rb,d∈[ds,de]。
步骤105,依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。
在判断之前,需要先计算所有变化斜率Mb的标准差σ,并设置老化加速异常倍率k。其中,k的作用是为了提高判断的宽容度,例如,当基于σ判断时,某个变化斜率不满足条件,但是当基于k倍σ,比如2倍σ时,该变化斜率就满足条件了。
若所述特征参数值为容量值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第变化斜率阈值;
分别判断所述多个第一变化斜率是否小于所述第一变化斜率阈值;
若是,则将第一变化斜率小于所述第一变化斜率阈值的动力电池判定为进入老化加速趋势。
若所述特征参数值为内阻值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第二变化斜率阈值;
分别判断所述多个第一变化斜率是否大于所述第二变化斜率阈值;
若是,则将第一变化斜率大于所述第二变化斜率阈值的动力电池判定为进入老化加速趋势。
具体的,对每一个电池b,利用容量序列,如果Mb<M-k×σ,则判定该电池进入老化加速趋势,否则判定该动力电池未进入老化加速趋势;或者,对每一个电池b,利用内阻序列,如果Mb>M-k×σ,则判断该动力电池有异常加速老化趋势,否则判定该动力电池未进入老化加速趋势。
以下以容量为例,来详细说明本发明实施例的判断过程:
1)获取5个动力电池的容量序列:
Q1 | 279.47 | 280.04 | 277.06 | 274.66 | 267.57 | 270.72 | 271.82 | 266.14 | 266.98 | 261.46 |
Q2 | 273.23 | 277.13 | 279.44 | 277.16 | 271.97 | 270.27 | 263.71 | 260.98 | 263.71 | 259.59 |
Q3 | 280.50 | 276.26 | 264.82 | 258.88 | 256.50 | 250.05 | 244.86 | 236.65 | 228.62 | 222.12 |
Q4 | 283.94 | 273.80 | 275.90 | 274.84 | 265.49 | 272.37 | 269.68 | 269.97 | 265.33 | 267.44 |
Q5 | 282.67 | 278.51 | 275.90 | 274.21 | 272.95 | 268.14 | 268.43 | 272.52 | 264.19 | 261.21 |
周期 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
2)预置区间范围为[1,10];
3)通过线性回归计算得到M=-2.78;
4)计算出各个动力电池在区间内的变化斜率:
5)计算M1~M5的标准差σ=1.80,设置k=2;
6)对每一个电池b,利用容量序列,计算是否Mb<M-k×σ:
M-2*σ | 是否小于 | ||
M<sub>1</sub> | -1.90 | -6.38 | 否 |
M<sub>2</sub> | -2.13 | -6.38 | 否 |
M<sub>3</sub> | -6.45 | -6.38 | 是 |
M<sub>4</sub> | -1.49 | -6.38 | 否 |
M<sub>5</sub> | -2.01 | -6.38 | 否 |
7)判定3号电池进入老化加速趋势。
内阻判断的过程与容量判断的过程一样,只是数值不同而已,在此就不再赘述了。
在本发明实施例中,首先针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值,然后,针对每一个动力电池,分别采用多个周期的特征参数值生成对应的特征序列,得到多个特征序列,其次,从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集,再计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算特征序列合集中特征参数值的第二变化斜率,最后,依据多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。这样,利用工况大数据的采集和处理,简化了电池老化加速趋势判断的流程,提高了判断效率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图2,示出了本发明的一种动力电池老化趋势的判断装置实施例的结构框图,具体可以包括如下模块:
获取模块201,用于针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;
生成模块202,用于针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;
提取模块203,用于从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;
计算模块204,用于计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;
判断模块205,用于依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。
在本发明一种优选实施例中,所述特征参数值包括容量值或内阻值;所述周期包括时间结点,或,循环次数结点。
在本发明一种优选实施例中,所述计算模块包括:
第一获取子模块,用于获取所述目标特征序列中的特征参数值;
第一计算子模块,用于采用所述特征参数值计算出特征参数在所述预置区间范围内的第一变化斜率;
第二获取子模块,用于依次获取所有目标特征序列中的特征参数值;
第二计算子模块,用于采用所述特征参数值计算出特征参数在所述预置区间范围内的第二变化斜率。
在本发明一种优选实施例中,所述判断模块包括:
第三计算子模块,用于若所述特征参数值为容量值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第变化斜率阈值;
第一判断子模块,用于分别判断所述多个第一变化斜率是否小于所述第一变化斜率阈值;
第一判定子模块,用于将第一变化斜率小于所述第一变化斜率阈值的动力电池判定为进入老化加速趋势。
在本发明一种优选实施例中,所述判断模块还包括:
第四计算子模块,用于若所述特征参数值为内阻值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第二变化斜率阈值;
第二判断子模块,用于分别判断所述多个第一变化斜率是否大于所述第二变化斜率阈值;
第二判定子模块,用于将第一变化斜率大于所述第二变化斜率阈值的动力电池判定为进入老化加速趋势。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种动力电池老化趋势的判断方法和一种动力电池老化趋势的判断装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种动力电池老化趋势的判断方法,其特征在于,包括:
针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;
针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;
从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;
计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;
依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。
2.根据权利要求1所述的方法,其特征在于,所述特征参数值包括容量值或内阻值;所述周期包括时间结点,或,循环次数结点。
3.根据权利要求1或2所述的方法,其特征在于,所述第一变化斜率通过如下方式生成:
获取所述目标特征序列中的特征参数值;
采用所述特征参数值计算出特征参数在所述预置区间范围内的第一变化斜率;
所述第二变化斜率通过如下方式生成:
依次获取所有目标特征序列中的特征参数值;
采用所述特征参数值计算出特征参数在所述预置区间范围内的第二变化斜率。
4.根据权利要求1或2所述的方法,其特征在于,所述依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势的步骤包括:
若所述特征参数值为容量值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第变化斜率阈值;
分别判断所述多个第一变化斜率是否小于所述第一变化斜率阈值;
若是,则将第一变化斜率小于所述第一变化斜率阈值的动力电池判定为进入老化加速趋势。
5.根据权利要求1或2所述的方法,其特征在于,所述依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势的步骤还包括:
若所述特征参数值为内阻值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第二变化斜率阈值;
分别判断所述多个第一变化斜率是否大于所述第二变化斜率阈值;
若是,则将第一变化斜率大于所述第二变化斜率阈值的动力电池判定为进入老化加速趋势。
6.一种动力电池老化趋势的判断装置,其特征在于,包括:
获取模块,用于针对同一型号的所有动力电池,获取每一个动力电池多个周期的特征参数值;
生成模块,用于针对每一个动力电池,分别采用所述多个周期的特征参数值生成对应的特征序列,得到多个特征序列;
提取模块,用于从每一个特征序列中,分别提取出属于预置区间范围的目标特征序列,合并生成特征序列合集;
计算模块,用于计算每一个目标特征序列中特征参数值的第一变化斜率,得到多个第一变化斜率,同时,计算所述特征序列合集中特征参数值的第二变化斜率;
判断模块,用于依据所述多个第一变化斜率和所述第二变化斜率,来判断各个动力电池是否进入老化加速趋势。
7.根据权利要求6所述的装置,其特征在于,所述特征参数值包括容量值或内阻值;所述周期包括时间结点,或,循环次数结点。
8.根据权利要求6或7所述的装置,其特征在于,所述计算模块包括:
第一获取子模块,用于获取所述目标特征序列中的特征参数值;
第一计算子模块,用于采用所述特征参数值计算出特征参数在所述预置区间范围内的第一变化斜率;
第二获取子模块,用于依次获取所有目标特征序列中的特征参数值;
第二计算子模块,用于采用所述特征参数值计算出特征参数在所述预置区间范围内的第二变化斜率。
9.根据权利要求6或7所述的装置,其特征在于,所述判断模块包括:
第三计算子模块,用于若所述特征参数值为容量值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第变化斜率阈值;
第一判断子模块,用于分别判断所述多个第一变化斜率是否小于所述第一变化斜率阈值;
第一判定子模块,用于将第一变化斜率小于所述第一变化斜率阈值的动力电池判定为进入老化加速趋势。
10.根据权利要求6或7所述的装置,其特征在于,所述判断模块还包括:
第四计算子模块,用于若所述特征参数值为内阻值,则采用所述多个第一变化斜率和所述第二变化斜率,计算出第二变化斜率阈值;
第二判断子模块,用于分别判断所述多个第一变化斜率是否大于所述第二变化斜率阈值;
第二判定子模块,用于将第一变化斜率大于所述第二变化斜率阈值的动力电池判定为进入老化加速趋势。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712806.1A CN109063261B (zh) | 2018-06-29 | 2018-06-29 | 一种动力电池老化趋势的判断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712806.1A CN109063261B (zh) | 2018-06-29 | 2018-06-29 | 一种动力电池老化趋势的判断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109063261A true CN109063261A (zh) | 2018-12-21 |
CN109063261B CN109063261B (zh) | 2022-11-29 |
Family
ID=64818778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810712806.1A Active CN109063261B (zh) | 2018-06-29 | 2018-06-29 | 一种动力电池老化趋势的判断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063261B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456275A (zh) * | 2019-08-26 | 2019-11-15 | 东莞塔菲尔新能源科技有限公司 | 一种判断电芯析锂的方法及系统 |
CN111239621A (zh) * | 2020-01-19 | 2020-06-05 | 中科开创(广州)智能科技发展有限公司 | 一种蓄电池远程升压核容方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011086451A (ja) * | 2009-10-14 | 2011-04-28 | Yokogawa Electric Corp | リチウムイオン二次電池の評価方法及び評価装置 |
US20160161374A1 (en) * | 2014-12-08 | 2016-06-09 | Nec Laboratories America, Inc. | Aging profiling engine for physical systems |
CN106772100A (zh) * | 2017-02-06 | 2017-05-31 | 联想(北京)有限公司 | 一种预测电池寿命的方法及装置 |
CN107390661A (zh) * | 2017-08-28 | 2017-11-24 | 南京富岛信息工程有限公司 | 一种流程工业过程状态异常的预警方法 |
CN107748330A (zh) * | 2017-09-20 | 2018-03-02 | 镇江恒驰科技有限公司 | 一种动力锂电池的老化预警方法 |
-
2018
- 2018-06-29 CN CN201810712806.1A patent/CN109063261B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011086451A (ja) * | 2009-10-14 | 2011-04-28 | Yokogawa Electric Corp | リチウムイオン二次電池の評価方法及び評価装置 |
US20160161374A1 (en) * | 2014-12-08 | 2016-06-09 | Nec Laboratories America, Inc. | Aging profiling engine for physical systems |
CN106772100A (zh) * | 2017-02-06 | 2017-05-31 | 联想(北京)有限公司 | 一种预测电池寿命的方法及装置 |
CN107390661A (zh) * | 2017-08-28 | 2017-11-24 | 南京富岛信息工程有限公司 | 一种流程工业过程状态异常的预警方法 |
CN107748330A (zh) * | 2017-09-20 | 2018-03-02 | 镇江恒驰科技有限公司 | 一种动力锂电池的老化预警方法 |
Non-Patent Citations (1)
Title |
---|
张文圳等: "阀控式铅酸电池老化实验及其失效性预测方案", 《电源技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456275A (zh) * | 2019-08-26 | 2019-11-15 | 东莞塔菲尔新能源科技有限公司 | 一种判断电芯析锂的方法及系统 |
CN111239621A (zh) * | 2020-01-19 | 2020-06-05 | 中科开创(广州)智能科技发展有限公司 | 一种蓄电池远程升压核容方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109063261B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Drohmann et al. | Adaptive reduced basis methods for nonlinear convection–diffusion equations | |
Shoukourian et al. | Predicting the energy and power consumption of strong and weak scaling HPC applications | |
CN109063261A (zh) | 一种动力电池老化趋势的判断方法和装置 | |
CN104901823A (zh) | 一种告警阈值生成方法、业务性能指标监控方法及装置 | |
WO2022135440A1 (zh) | Llc谐振电路的控制方法、控制装置及终端设备 | |
CN111159828A (zh) | 电池箱散热优化设计方法及其装置、设备及存储介质 | |
Walsh et al. | The role of bridging nodes in behavioral network models of complex engineered systems | |
CN104915559B (zh) | 一种用电设备确定方法及系统 | |
Egarter et al. | EvoNILM: Evolutionary appliance detection for miscellaneous household appliances | |
CN109116244A (zh) | 一种动力电池老化趋势的判断方法和装置 | |
CN111813535A (zh) | 一种资源配置确定方法、装置及电子设备 | |
CN110995856B (zh) | 一种服务器扩展的方法、装置、设备及存储介质 | |
CN114065121A (zh) | 一种求解伊辛模型的计算方法及设备 | |
CN110362952B (zh) | 一种快速计算任务分流方法 | |
CN108845268A (zh) | 一种动力电池的老化趋势判断方法和装置 | |
JP6629864B2 (ja) | 情報処理装置及び方法 | |
CN116306288A (zh) | 基于代理模型的锂电池优化设计方法及系统、装置、介质 | |
CN106785129B (zh) | 动力电池充放电次数的实时统计方法、系统及电动车辆 | |
Mikeev et al. | Efficient calculation of rare event probabilities in Markovian queueing networks | |
Moutchou et al. | Induction Machine identification based on a new technique of simulated annealing optimization | |
CN111222550A (zh) | 一种用户用电行为确定方法和装置 | |
De La Cruz et al. | Predefined-Time Control of Full-Scale 4D Permanent-Magnet Synchronous Motor | |
CN109308327A (zh) | 基于子图模型兼容点中心模型的图计算方法装置介质设备 | |
CN109726805A (zh) | 利用黑盒模拟器进行神经网络处理器设计的方法 | |
CN107622452A (zh) | 估计与风力发电机组有关的模型的不确定性的方法和设备 |
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 |