CN109613440A - 电池的分级方法、装置、设备和存储介质 - Google Patents
电池的分级方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109613440A CN109613440A CN201910044364.2A CN201910044364A CN109613440A CN 109613440 A CN109613440 A CN 109613440A CN 201910044364 A CN201910044364 A CN 201910044364A CN 109613440 A CN109613440 A CN 109613440A
- Authority
- CN
- China
- Prior art keywords
- battery
- fractionated
- present
- parameter
- sample
- 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
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池的分级方法、装置、设备和存储介质。所述方法包括：获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量；采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。本发明实施例通过采用上述技术方案，为不同类型的电池设置不同的分级模型，并采用相应的分级模型对待分级电池进行分级，能够提高电池分级的效率和准确性，减少电池分级过程中所耗费的人力。
Description
技术领域
本发明涉及电池技术领域，尤其涉及一种电池的分级方法、装置、设备和存储介质。
背景技术
目前，随着电动汽车的大规模推广以及便携式电子产品数量与种类的增多，电池也得到了越来越广泛的应用。
锂离子电池为应用范围最为广泛的电池种类之一，处于安全考虑，用户对锂离子电池的质量具有较高的要求，因此，锂离子电池无论是在使用之前，还是在退役后进行梯次利用时，都需要在检测完毕后，对通过检测的锂离子电池进行分级，进而根据分级结果对锂离子电池进行合理利用。
但是，目前主要是依靠人工单个的对锂离子电池进行分级，分级效率与准确性均较低，需要耗费较多的人力与物力。
发明内容
有鉴于此，本发明实施例提供一种电池的分级方法、装置、设备和存储介质，以提高电池的分级效率与准确性。
第一方面，本发明实施例提供了一种电池的分级方法，包括：
获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量；
采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
第二方面，本发明实施例提供了一种电池的分级装置，包括：
获取模块，用于获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量；
分级模块，用于采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
第三方面，本发明实施例提供了一种设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施所述的电池的分级方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所述的电池的分级方法。
在上述电池分级的技术方案中，获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量，采用与该电池类型对应的目标分级模块，根据该电池参数对待分级电池进行分级。本发明实施例通过采用上述技术方案，为不同类型的电池设置不同的分级模型，并采用相应的分级模型对待分级电池进行分级，能够提高电池分级的效率和准确性，减少电池分级过程中所耗费的人力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例一提供的一种电池的分级方法的流程示意图；
图2A为本发明实施例二提供的一种电池的分级方法的流程示意图；
图2B为本发明实施例二提供的一种循环充放电过程中电池样本的电压与电流的变化曲线；
图2C为本发明实施例二提供的一种循环充放电过程中样本电池的电压与电池容量之间的关系曲线；
图2D为本发明实施例二提供的一种样本电池的电池容量的变化曲线；
图2E为本发明实施例二提供的一种聚类结果示意图；
图3为本发明实施例三提供的一种电池的分级方法的流程示意图；
图4为本发明实施例四提供的一种电池的分级装置的结构框图；
图5为本发明实施例五提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
本发明实施例一提供一种电池的分级方法。该方法可以由电池的分级装置执行，其中，该装置可以由软件和/或硬件实现，一般可集成在具有电池分级功能的设备中。图1为本发明实施例一提供的电池的分级方法的流程示意图，如图1所示，该方法包括：
S101、获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量。
其中，待分级电池可以理解为需要进行分级的电池，该电池可以为任意电池，以下以18650锂离子动力电池为例进行说明。待分级电池的类型可以根据锂电池的额定容量所属的容量范围确定，各电池类型对应的容量范围可以根据需要设置，如可以将2000mAh、2600mAh、3000mAh作为边界将电池容量划分为四个容量范围[0mAh，2000mAh)、[2000mAh，2600mAh)、[2600mAh，3000mAh)、[3000mAh，+∞)，从而确定四种电池类型。
由于不同包装方式(如软包或硬包)或不同形状(如圆柱形或方形等)的动力电池通常具有不同的电池容量，即动力电池的包装方式和形状能够在一定程度上表征动力电池的容量范围，因此，本实施例优选可以采用电池的包装方式和形状表征电池的电池类型，将动力电池分为软包锂离子动力电池、方形硬包锂离子动力电池和圆柱形硬包锂离子动力电池三种，从而在分级过程中可以直观便捷地确定待分级电池的电池类型，减少确定电池类型所需的计算量。此时，相应的，待分级电池的电池类型即为软包锂离子动力电池、方形硬包锂离子动力电池或圆柱形硬包锂离子动力电池。
本实施例中，待分级电池的电池参数可以通过测量或计算获得，如待分级电池的开路电压可以在待分级电池开路时，采用万用表或其他测量设备直接测量获得其开路电压；待分级电池的直流内阻可以根据待分级电池的电流和开路电压计算，或者，采用美国《FreedomCAR电池测试手册》、日本《JEVSD713 2003》或我国《GB/T31467-2015》中的测试方法测试获得，如可以根据电流、电阻与电压之间的关系，采用公式R＝ΔU/ΔI计算获得，其中，R为待分级电池的直流内阻，ΔU为待分级电池两端电压的增量，ΔI为待分级电池的电流增量；待分级电池的电池容量可以在恒定的充电倍率下对待分级电池进行充电并根据充电过程所耗费的时间长度计算获得，或者，在恒定的放电倍率下对待分级电池进行放电并根据放电过程所耗费的时间长度计算获得。
为了进一步提高所获取的待分级电池的电池参数的准确性，优选的，在获取待分级电池的电池参数时，可以将所述待分级电池静置第一设定时长，测量所述待分级电池的开路电压；采用第一充放电倍率对所述待分级电池进行充电，测量所述待分级电池的电流达到所述第一充电倍率对应的第一电流时的实际电压，并根据所述开路电压和所述实际电压计算所述待分级电池的直流内阻；采用第二充放电倍率对所述待分级电池循环充放电第一预设次数，根据所述待分级电池在每个充放电周期的充电时长计算所述待分级电池的电池容量。其中，第一设定时长、第一充放电倍率、第二充放电倍率和第一预设次数可以根据需要设置，如第一预设时长可以设置为2s、5s等时间长度；第一充放电倍率和/或第二充放电倍率可以设置为0.5C、1C、2C或5C等，二者可以相同或不同；第一预设次数可以设置为5、10等。
以第一设定时长为2s、第一充放电倍率为1C、第二充放电倍率为0.5C、第一预设次数为5为例，在获取待分级电池的电池参数时，可以将待分级电池静置2s，测量待分级电池的电压作为开路电压OCV；1C倍率对待分级电池进行恒流充电，当电流达到1C倍率对应的电流(即充电电流稳定后的电流值)时，测量待分级电池的实际电压U1，并根据直流内阻的定义式U1＝OCV+IRDCIR，计算得到待分级电池的直流内阻RDCIR；采用0.5C倍率对待分级电池循环充放电5次，即循环充放电5个周期，根据某一个周期的充电时长/放电时长或者某几个或全部周期中充电时长/放电时长的平均值确定待分级电池的充电时长/放电时长，并基于公式QD＝I(t)dt计算待分级电池的电池容量，其中，I(t)为待分级电池的充电电流/放电电流随充电时长/放电时长t的变化曲线。
S102、采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
具体的，根据待分级电池的电池类型确定对待分级电池分级时采用的目标分级模型，将待分级电池的电池参数作为输入值输入至目标分级模型中，并基于目标分级模型的输出值确定待分级电池的分级结果。其中，不同电池类型的电池分级时采用的分级模型可以根据各类型电池的正常生命周期数据进行设置或通过训练获得，其可以直接存储于设备本地或与服务器相连的其他设备(如服务器)中，如在设备本地或与服务器相连的其他设备中设置模型库，并将各分级模型存储于该模型库中，本实施例不对此进行限制。
本发明实施例一提供的电池的分级方法，获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量，采用与该电池类型对应的目标分级模块，根据该电池参数对待分级电池进行分级。本实施例通过采用上述技术方案，为不同类型的电池设置不同的分级模型，并采用相应的分级模型对待分级电池进行分级，能够提高电池分级的效率和准确性，减少电池分级过程中所耗费的人力。
在上述实施例的基础上，在所述获取待分级电池的电池类型和电池参数之前，还可以包括：分别获取各电池类型的多组电池参数和分级信息，组成各电池类型的训练集；分别基于各电池类型的训练集训练得到各电池类型对应的分级模型。本实施例中，在对待分级电池进行分级之前，可以首先建立各电池类型对应的分级模型，即建立对该电池类型的待分级电池进行分级所采用的分级模型。具体的，在建立某一电池类型对应的分级模型时，分别获取该电池类型下的多个电池样本的电池参数和分级信息，将各组电池参数和分级信息分别作为元素组成该电池类型的训练集，并采用预先设置的训练方法，根据训练集中的各训练样本进行训练，从而可得到该电池类型对应的分级模型。其中，训练方法可以根据需要选取，如可以为K-means、二分K-means等；电池参数和分级信息可以通过对电池样本进行加速老化试验获得，也可以从电池管理系统(Battery Management System，BMS)获得，或者，通过对该电池类型的电池样本的正常全生命周期数据采样获得。
实施例二
图2A为本发明实施例二提供的一种电池的分级方法。本实施例在上述实施例的基础上，将“确定当前电池类型对应的分级模型的分级数量”优化为：分别基于不同的K值对所述当前电池类型的训练集中的训练样本进行第二预设次数的二分K-means聚类，得到每个K值对应的最小代价函数值；根据各K值以及各最小代价函数值绘制最小代价函数值与K值的关系曲线；根据所述关系曲线的拐点确定所述当前电池类型对应的分级模型的分级数量。
进一步地，将“分别获取各电池类型的多组电池参数和分级信息，组成各电池类型的训练集”优化为：获取当前电池类型下的多个电池样本；针对每个电池样本，采用第三充放电倍率对所述电池样本进行加速老化实验，并在所述加速老化实验结束后，采用第四充放电倍率对所述电池样本循环充放电第三预设次数，其中，所述第四充放电倍率小于所述第三充放电倍率；将所述电池样本静置第二设定时长后，获取所述电池样本的当前电池参数和当前分级信息，并将所述当前电池参数和所述当前分级信息作为一个元素添加至当前电池类型的训练集中；如果所述当前电池参数中的电池容量与所述电池样本的额定容量之间的比值大于或等于设定比例阈值，则返回上述对所述电池样本进行加速老化实验的操作，直至所述比值小于所述设定比例阈值为止，以得到当前电池类型的训练集。
相应的，如图2A所示，本实施例提供的电池的分级方法包括：
S201、获取当前电池类型下的多个电池样本。
本实施例中，在建立当前电池类型的训练集时，可以随机获取多个电池样本。为了使训练集中能够包含当前电池类型各个分级的训练样本，优选可以分别在各个分级下均选取一定数量的电池作为电池样本。
此外，在获取到多个电池样本后，可以首先将每个电池样本此时的电池参数和分类信息作为一个元素添加至当前电池类型的训练集中，以进一步提高训练集中样本数据的全面性。其中，电池样本的电池参数可以通过以下方式获得：将样本电池静置第二设定时长，测量样本电池的开路电压；采用第四充放电倍率对电池样本循环充放电第三预设次数，记录电池样本在其电流达到第四充放电倍率对应的电流时的电压以及电池样本在某一个或几个充放电周期中的充电时长/放电时长，以根据该电压计算电池样本的开路电阻并根据该充电时长/放电时长计算电池样本的电池容量。
S202、针对每个电池样本，采用第三充放电倍率对所述电池样本进行加速老化实验，并在所述加速老化实验结束后，采用第四充放电倍率对所述电池样本循环充放电第三预设次数，其中，所述第四充放电倍率小于所述第三充放电倍率。
示例性的，首先采用第三充放电倍率对电池样本进行加速老化实验，然后采用第四充放电倍率对电池样本循环充放电第三预设次数，并记录电池样本在其电流达到第四充放电倍率对应的电流时的电压以及电池样本在某一个或几个充放电周期中的充电时长/放电时长。循环充放电时电池样本的电压与电流随时间的变化曲线如图2B所示，图中，位于图2B上侧的曲线为电压的变化曲线，位于图2B下侧的曲线为电流的变化曲线；循环充放电过程中样本电池的电压与样本电池的电池容量的关系曲线如图2C所示，图中，电压与电池容量成正比例变化的曲线为充电过程中样本电池的电压与电池容量的关系曲线，电压与电池容量成反比例变化的曲线为放电过程中样本电池的电压与电池容量的关系曲线。
其中，第三充放电倍率、第四充放电倍率和第三预设次数可以根据需要设置，如第三充放电倍率可以设置为1C、2C或5C等，第四充放电倍率可以设置为0.5C或1C等，第三预设次数可以设置为5或10等等。加速老化试验可以包含一个或多个充放电周期，相应的，在对某一电池样本进行加速老化实验时，可以在对该电池样本进行一次充放电后即认为本次加速老化实验结束，也可以在对电池样本进行设定次数的循环冲放电之后再确定本次的加速老化实验结束。由于单次充放电对电池参数影响较小，单次充放电前后电池样本的电池参数的变化幅度较不明显，因此，优选的，单次加速老化实验可以包含多个充放电周期，其所包含的充放电周期的数量可以根据需要设置为50、100、150等数值。
S203、将所述电池样本静置第二设定时长后，获取所述电池样本的当前电池参数和当前分级信息，并将所述当前电池参数和所述当前分级信息作为一个元素添加至当前电池类型的训练集中。
示例性的，对电池样本静置第二设定时长后，测量电池样本的开路电压，根据充放电过程中测量得到的电池样本在其电流达到第四充放电倍率对应的电流时的电压和电池样本的充电时长/放电时长，计算电池样本的直流内阻和电池容量，以得到电池样本的当前电池参数，并根据该当前电池参数，采用传统的分级方法，如人工分级等，确定电池样本的当前分级信息，从而得到当前电池类型的一个训练样本。其中，第二设定时长可以根据需要设置为2s、5s等时间长度。一般的，如图2D所示，随着加速老化实验次数的增多，样本电池的电池容量呈下降趋势。
S204、如果所述当前电池参数中的电池容量与所述电池样本的额定容量之间的比值大于或等于设定比例阈值，则返回S202，直至所述比值小于所述设定比例阈值为止，以得到当前电池类型的训练集。
相应的，如果所述当前电池参数中的电池容量与所述电池样本的额定容量之间的比值小于设定比例阈值，则停止基于所述电池样本采集当前电池类型的训练集中的训练样本的操作。
随着电池使用次数的增多，电池的容量逐渐下降。当容量下降到一定程度时，电池不再具有使用价值，其生命周期结束，此后所采集的电池参数不再具备实用价值。因此，本实施例可以在电池样本的生命周期结束时，即停止基于该电池样本采集训练样本的操作。电池样本的生命周期是否结束可以根据其电池容量的下降程度确定，如可以在确定电池样本的电池容量与电池样本的额定容量之间的比值小于设定比例阈值时，即判定电池样本的生命周期结束。其中，设定比例阈值可以根据需要设置，如若分级模型仅需对应用于高速电动车的全新电池进行筛选，则可以将设定比例阈值设置为0.8；若分级模型需要同时对应用于高速电动车的全新电池和应用于低速电动车的退役电池进行筛选，则可以将设定比例阈值设置为0.6或0.5，等等。考虑到分级结果的全面性，优选的，分级模型可以同时具有对全新电池和退役电池进行筛选的功能，此时，设定比例阈值可以设置为0.6，以进一步提高电动车的安全性。
需要说明的是，虽然本实施例以对每次加速老化实验之后获取的当前电池参数和当前分级信息均执行将其作为训练样本加入到训练集中的操作为例进行说明，但本实施例也可以在获取当前电池参数和当前分级信息之后不执行将其加入训练集中的操作，如在确定电池样本的生命周期结束(即在确定某一次加速老化实验之后的当前电池参数中的电池容量与电池样本的额定容量之间的比值小于设定比例阈值)之后再统一将各次加速老化实验得到的电池样本的电池参数和分级信息添加至训练集中；还可以仅执行获取当前电池参数的操作，如根据各次加速老化实验绘制电池样本的电池参数在整个生命周期中的变化曲线，并对该变化曲线进行采样得到多个训练样本，通过该多个训练样本组成训练集。
S205、确定当前电池类型对应的分级模型的分级数量。
其中，分级模型的分级数量可以理解为分级模型在对各训练样本对应的电池进行分级时需要划分的级别的数量。分级模型的分级数量可以由工作人员根据需要设置，也可以自动设置。具体的，若工作人员指定了分级数量，如3、5、8等等，则可以将工作人员指定的分级数量确定为当前电池类型对应的分级模型的分级数量；若工作人员未指定分级数量，则可以根据训练集中训练样本的数量n自动设置分级数量，如可以取的整数部分或与最接近的整数作为当前电池类型对应的分级模型的分级数量，或者，在不同的分级数量下对分级模型进行聚类，根据聚类结果选取最佳的分级数量作为当前电池类型对应的分级模型的分级数量。
S206、基于所述分级数量，对所述当前电池类型的训练集中的训练样本进行二分K-means聚类，得到与所述当前电池类型相对应的分级模型。
本实施例中，可以对当前电池类型的训练集中的训练样本进行一次或多次二分K-means聚类，并根据该一次或多次二分K-means聚类的聚类结果得到与当前电池类型相对应的分级模型。考虑到所得到的分级模型的准确性，优选可以对当前电池类型的训练集中的训练样本进行多次二分K-means聚类，计算每次聚类完成时训练集的代价函数值，并根据训练集代价函数值最小时的聚类结果确定与当前电池类型相对应的分级模型，如根据代价函数值最小时的聚类结果(如图2E所示，图中以分级数量为5为例，图中的圆形为聚类中心，十字形为训练样本，U为开路电压，V为直流内阻，Q为电池容量)确定各类的聚类中心，进而得到以各聚类中心为聚类中心的分级模型。
在进行每一次二分K-means聚类时，示例性的，将训练集确定为待聚类集合，选取待聚类集合中距离较远(如大于设定距离阈值或者与训练集距离最远的两元素之间的距离之比大于设定比例阈值)的两个元素作为聚类中心，使用K-means算法将训练集二分为两个子集；选择能最大程度降低聚类的代价函数值的子集，即选取代价函数值最大的子集，将该子集作为待聚类集合，返回上述步骤将该待聚类集合二分为两个子集，以此类推，直至训练集中子集的数量等于所述分级数量为止，本次聚类完成。
S207、获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量。
S208、采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
本发明实施例二提供的电池的分级方法，对每个样本电池均进行加速老化实验，得到多组训练样本，构成训练集，并采用二分K-means算法对训练集中的训练样本进行聚类，能够在确保训练集中训练样本的全面性的情况下，减少所需要获取的电池样本的数量，并能够避免聚类陷入局部最优的状态，提高聚类结果的准确性，进而提高分级模型的分级结果的准确性。
实施例三
图3为本发明实施例三提供的一种电池的分级方法的流程示意图。本实施例在上述实施例的基础上，将“确定当前电池类型对应的分级模型的分级数量”优化为：分别基于不同的K值对所述当前电池类型的训练集中的训练样本进行第二预设次数的二分K-means聚类，得到每个K值对应的最小代价函数值；根据各K值以及各最小代价函数值绘制最小代价函数值与K值的关系曲线；根据所述关系曲线的拐点确定所述当前电池类型对应的分级模型的分级数量。
相应的，如图3所示，本实施例提供的电池的分级方法包括：
S301、分别获取各电池类型的多组电池参数和分级信息，组成各电池类型的训练集。
S302、分别基于不同的K值对所述当前电池类型的训练集中的训练样本进行第二预设次数的二分K-means聚类，得到每个K值对应的最小代价函数值。
本实施例中，各K值可以由用户设置，也可以按照预设规则自动设置，如可以在一定的范围内等间距采样得到多个K值，其中，采样范围和采样间距可以根据需要设置，如可以在范围2-10内以间距为2采样，得到2、4、6、8和10五个K值或者得到3、5、7和9四个K值。
对于每个K值，示例性的，将训练集确定为待聚类集合，选取待聚类集合中距离较远的两个元素作为初始聚类中心，使用K-means算法将待聚类集二分为两个子集；选取能最大程度降低聚类的代价函数值的子集作为待聚类集合，返回上述步骤将待聚类集合二分为两个子集，以此类推，直至训练集中子集的数量等于K为止，记录此次聚类的代价函数值，并将聚类次数加1；判断聚类次数是否达到预设聚类次数，若是，则确定各次聚类得到的训练集的代价函数值中的最小代价函数值为该K值的最小代价函数值，若否，则返回上述选取能最大程度降低聚类的代价函数值的子集作为待聚类集合的操作，直至聚类次数达到预设聚类次数为止。
其中，代价函数可以根据需要设置为不同的函数，如可以设置为方差或误差平方和等。相应的，某一子集的代价函数值为子集中各元素与该子集的聚类中心之间的距离的平方和与该子集中元素的总数之间的比值；也可以为子集中各元素与该子集的聚类中心之间的距离的平方和，即第j个子集Sj的代价函数值其中，Vj为Sj的误差平方和，μj为Sj的聚类中心的坐标，xi为Sj中第i个元素的坐标。训练集的代价函数值为训练集中各子集的代价函数值的和。考虑到各子集中所包含的元素的数量之间的差异，优选的，代价函数可以为方差。
S303、根据各K值以及各最小代价函数值绘制最小代价函数值与K值的关系曲线。
S304、根据所述关系曲线的拐点确定所述当前电池类型对应的分级模型的分级数量。
本实施例中，可以根据各K值以及各K值对应的最小代价函数值，拟合得到最小代价函数与K之之间的关系曲线，并采用肘方法Elbow Method，根据关系曲线中的第一个拐点处的横坐标K0确定当前电池类型对应的分级模型的分级数量，以使基于该分级数量得到的分级模型能够在满足分级精度需求的前提下，减少分级过程中所需的计算量。由于分级数量应为整数值，因此，当K0为整数时，可以直接将K0确定为当前电池类型对应的分级模型的分级数量；当K0为小数时，可以按照设定规则，对K0取整或选取与K0的差值的绝对者最小的正整数作为当前电池类型对应的分级模型的分级数量，本实施例不对此进行限制。
S305、基于所述分级数量，对所述当前电池类型的训练集中的训练样本进行二分K-means聚类，得到与所述当前电池类型相对应的分级模型。
传统K-means算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，二者的相似度就越大。该算法认为距离靠近的对象能够组成簇，因此，把得到紧密且独立的簇作为最终目标。该算法在每次迭代时采用每一个聚类中心代表一个簇，对数据集中剩余的每个对象，根据其与各个聚类中心的距离，将每个对象划分至距离最近的簇中，当所有对象划分完成后，本次迭代运算完成，如果在本次迭代前后，聚类的代价函数值没有发生变化，则认为算法已收敛，聚类完成；如果本次迭代前后，聚类的代价函数值发生变化，则根据本次的运算结果计算出新的聚类中心，并根据新的聚类中心再次进行迭代运算。但是，由于K-means算法在第一次迭代时随机任意选取K个对象作为初始聚类中心，算法的聚类结果容易受到初始聚类中心选择的影响，在聚类时容易出现陷入局部最优的情况。二分K-means算法在传统K-means算法的基础上进行改进，对聚类中心的选取比较严格，所选取的各聚类中心的距离较远，在聚类过程中执行多次二分实验，且在每次二分实验时只有两个聚类中心，能够有效的避免聚类中心选在一个簇上的情况，能够在一定程度上克服算法陷入局部最优的状态，且对异常点的影响有一定抵制作用。因此，本实施例在确定分级数量以及基于所确定的分级数量构建分级模型时时，采用二分K-means算法对训练样本进行聚类。
S306、获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量。
S307、采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
本发明实施例三提供的电池的分级方法，分别基于不同的K值对训练集进行多次二分K-means聚类，得到各K值对应的最小代价函数值，构建K值与最小代价函数值之间的关系曲线，根据该关系曲线采用Elbow Method确定分级数量，由于现实中通常不能准确地确定电池具体应该分为几级，因此，根据训练样本本身的特征确定分级数量，能够使聚类结果更为可靠，进一步提高分级模型的精度。
在上述实施例的基础上，在所述得到与所述当前电池类型相对应的分级模型之后，还可以包括：获取所述当前电池类型下的多组电池参数和分级信息，组成当前电池类型的测试集，所述训练集与所述测试集的交集为空集；基于所述测试集计算所述分级模型的分级误差；如果所述分级误差大于预先设置的误差阈值，则增大所述第二预设次数，并基于增大后的第二预设次数重新确定所述当前电池类型对应的分级模型的分级数量。本实施例中，在得到分级模型后，可以对分级模型进行测试，以确保最终确定的分级模型具有较高的分级准确率。在此，可以采用构建训练模型时所采用的上述实施例所述的方法构建训练集，根据训练集对分级模型进行测试，得到分级模型的分级误差，并判断该误差是否大于预先设置的误差，若是，则增大第二预设次数，重新进行确定分级数量并聚类得到新的分级模型的操作；若否，则将该分级模型最终确定为当前电池类型对应的分级模型。
实施例四
本发明实施例四提供一种电池的分级装置。该装置可以由软件和/或硬件实现，一般可集成在具有电池分类功能的设备中，可通过执行电池的分级方法对电池进行分级。图4为本发明实施例五提供的电池的分级装置的结构框图，如图4所示，该装置包括：
获取模块401，用于获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量。
分级模块402，用于采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
本发明实施例四提供的电池的分级装置，通过获取模块获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量，通过分级模块采用与该电池类型对应的目标分级模块，根据该电池参数对待分级电池进行分级。本实施例通过采用上述技术方案，为不同类型的电池设置不同的分级模型，并采用相应的分级模型对待分级电池进行分级，能够提高电池分级的效率和准确性，减少电池分级过程中所耗费的人力。
在上述方案中，获取模块401可包括：电压测量单元，用于将所述待分级电池静置第一设定时长，测量所述待分级电池的开路电压；内阻计算单元，用于采用第一充放电倍率对所述待分级电池进行充电，测量所述待分级电池的电流达到所述第一充电倍率对应的第一电流时的实际电压，并根据所述开路电压和所述实际电压计算所述待分级电池的直流内阻；容量计算单元，用于采用第二充放电倍率对所述待分级电池循环充放电第一预设次数，根据所述待分级电池在每个充放电周期的充电时长计算所述待分级电池的电池容量。
进一步地，所述电池的分级装置还可以包括：训练集构建模块，用于在所述获取待分级电池的电池类型和电池参数之前，分别获取各电池类型的多组电池参数和分级信息，组成各电池类型的训练集；模型训练模块，用于分别基于各电池类型的训练集训练得到各电池类型对应的分级模型。
在上述方案中，所述模型训练模块可包括：数量确定单元，用于确定当前电池类型对应的分级模型的分级数量；模型训练单元，用于基于所述分级数量，对所述当前电池类型的训练集中的训练样本进行二分K-means聚类，得到与所述当前电池类型相对应的分级模型。
在上述方案中，所述数量确定单元可以包括：聚类子单元，用于分别基于不同的K值对所述当前电池类型的训练集中的训练样本进行第二预设次数的二分K-means聚类，得到每个K值对应的最小代价函数值；曲线绘制子单元，用于根据各K值以及各最小代价函数值绘制最小代价函数值与K值的关系曲线；数量确定子单元，用于根据所述关系曲线的拐点确定所述当前电池类型对应的分级模型的分级数量。
进一步地，所述电池的分级装置还可以包括：测试集构建模块，用于在所述得到与所述当前电池类型相对应的分级模型之后，获取所述当前电池类型下的多组电池参数和分级信息，组成当前电池类型的测试集，所述训练集与所述测试集的交集为空集；误差计算模块，用于基于所述测试集计算所述分级模型的分级误差；次数调整模块，用于在所述分级误差大于预先设置的误差阈值时，增大所述第二预设次数，并基于增大后的第二预设次数重新确定所述当前电池类型对应的分级模型的分级数量。
在上述方案中，所述训练集构建模块可以包括：电池获取单元，用于获取当前电池类型下的多个电池样本；充放电单元，用于针对每个电池样本，采用第三充放电倍率对所述电池样本进行加速老化实验，并在所述加速老化实验结束后，采用第四充放电倍率对所述电池样本循环充放电第三预设次数，其中，所述第四充放电倍率小于所述第三充放电倍率；元素添加单元，用于将所述电池样本静置第二设定时长后，获取所述电池样本的当前电池参数和当前分级信息，并将所述当前电池参数和所述当前分级信息作为一个元素添加至当前电池类型的训练集中；返回单元，用于在所述当前电池参数中的电池容量与所述电池样本的额定容量之间的比值大于或等于设定比例阈值时，返回上述对所述电池样本进行加速老化实验的操作，直至所述比值小于所述设定比例阈值为止，以得到当前电池类型的训练集。
本发明实施例四提供的电池的分级装置可执行本发明任意实施例提供的电池的分级方法，具备执行电池的分级方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的电池的分级方法。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图，如图5所示，该设备包括处理器50和存储器51，还可以包括输入装置52和输出装置53；设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的电池的分级方法对应的程序指令/模块(例如，电池的分级装置中的获取模块401和分级模块402)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的电池的分级方法。
存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置52可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种电池的分级方法，该方法包括：
获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量；
采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的电池的分级方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述电池的分级装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种电池的分级方法，其特征在于，包括：
获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量；
采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
2.根据权利要求1所述的方法，获取待分级电池的电池参数，包括：
将所述待分级电池静置第一设定时长，测量所述待分级电池的开路电压；
采用第一充放电倍率对所述待分级电池进行充电，测量所述待分级电池的电流达到所述第一充电倍率对应的第一电流时的实际电压，并根据所述开路电压和所述实际电压计算所述待分级电池的直流内阻；
采用第二充放电倍率对所述待分级电池循环充放电第一预设次数，根据所述待分级电池在每个充放电周期的充电时长计算所述待分级电池的电池容量。
3.根据权利要求1所述的方法，其特征在于，在所述获取待分级电池的电池类型和电池参数之前，还包括：
分别获取各电池类型的多组电池参数和分级信息，组成各电池类型的训练集；
分别基于各电池类型的训练集训练得到各电池类型对应的分级模型。
4.根据权利要求3所述的方法，其特征在于，所述分别基于各电池类型的训练集训练得到与各电池类型相对应的分级模型，包括：
确定当前电池类型对应的分级模型的分级数量；
基于所述分级数量，对所述当前电池类型的训练集中的训练样本进行二分K-means聚类，得到与所述当前电池类型相对应的分级模型。
5.根据权利要求4所述的方法，其特征在于，所述确定当前电池类型对应的分级模型的分级数量，包括：
分别基于不同的K值对所述当前电池类型的训练集中的训练样本进行第二预设次数的二分K-means聚类，得到每个K值对应的最小代价函数值；
根据各K值以及各最小代价函数值绘制最小代价函数值与K值的关系曲线；
根据所述关系曲线的拐点确定所述当前电池类型对应的分级模型的分级数量。
6.根据权利要求5所述的方法，在所述得到与所述当前电池类型相对应的分级模型之后，还包括：
获取所述当前电池类型下的多组电池参数和分级信息，组成当前电池类型的测试集，所述训练集与所述测试集的交集为空集；
基于所述测试集计算所述分级模型的分级误差；
如果所述分级误差大于预先设置的误差阈值，则增大所述第二预设次数，并基于增大后的第二预设次数重新确定所述当前电池类型对应的分级模型的分级数量。
7.根据权利要求3所述的方法，其特征在于，所述分别获取各电池类型的多组电池参数和分级信息，组成各电池类型的训练集，包括：
获取当前电池类型下的多个电池样本；
针对每个电池样本，采用第三充放电倍率对所述电池样本进行加速老化实验，并在所述加速老化实验结束后，采用第四充放电倍率对所述电池样本循环充放电第三预设次数，其中，所述第四充放电倍率小于所述第三充放电倍率；
将所述电池样本静置第二设定时长后，获取所述电池样本的当前电池参数和当前分级信息，并将所述当前电池参数和所述当前分级信息作为一个元素添加至当前电池类型的训练集中；
如果所述当前电池参数中的电池容量与所述电池样本的额定容量之间的比值大于或等于设定比例阈值，则返回上述对所述电池样本进行加速老化实验的操作，直至所述比值小于所述设定比例阈值为止，以得到当前电池类型的训练集。
8.一种电池的分级装置，其特征在于，包括：
获取模块，用于获取待分级电池的电池类型和电池参数，所述电池参数包括开路电压、直流内阻和电池容量；
分级模块，用于采用与所述电池类型对应的目标分级模型，根据所述电池参数对所述待分级电池进行分级。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的电池的分级方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的电池的分级方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910044364.2A CN109613440B (zh) | 2019-01-17 | 2019-01-17 | 电池的分级方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910044364.2A CN109613440B (zh) | 2019-01-17 | 2019-01-17 | 电池的分级方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109613440A true CN109613440A (zh) | 2019-04-12 |
| CN109613440B CN109613440B (zh) | 2021-06-08 |
Family
ID=66019993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910044364.2A Active CN109613440B (zh) | 2019-01-17 | 2019-01-17 | 电池的分级方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109613440B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135077A (zh) * | 2019-05-17 | 2019-08-16 | 上海理工大学 | 基于Matlab的退役锂电池分类模型的建立方法 |
| CN110579708A (zh) * | 2019-08-29 | 2019-12-17 | 爱驰汽车有限公司 | 电池容量识别方法、装置、计算设备及计算机存储介质 |
| CN111308380A (zh) * | 2020-03-20 | 2020-06-19 | 深圳供电局有限公司 | 梯次电池再退役检测方法、装置及计算机设备 |
| CN114019393A (zh) * | 2021-10-29 | 2022-02-08 | 北京三缘聚科技有限公司 | 一种基于数据的电池容量预测方法及系统 |
| WO2022224693A1 (ja) * | 2021-04-19 | 2022-10-27 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 製造方法、生成装置、推定装置、識別情報付与方法、及び付与装置 |
| CN117463643A (zh) * | 2023-12-28 | 2024-01-30 | 四川帝威能源技术有限公司 | 退役动力锂电池容量分选方法、系统、电子设备及介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102207541A (zh) * | 2010-03-31 | 2011-10-05 | 新德科技股份有限公司 | 测量电池组的直流内阻、全充容量及剩余电量的方法 |
| JP2012220199A (ja) * | 2011-04-04 | 2012-11-12 | Toyota Motor Corp | 二次電池の劣化判定方法とその装置 |
| CN104578436A (zh) * | 2014-12-30 | 2015-04-29 | 苏州易美新思新能源科技有限公司 | 一种分布式储能系统 |
| CN105680109A (zh) * | 2016-03-25 | 2016-06-15 | 杭州电子科技大学 | 一种基于深度学习的动力电池配组方法 |
| US20170003352A1 (en) * | 2014-01-03 | 2017-01-05 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method, device and system for estimating the state of health of a battery in an electric or hybrid vehicle during operation thereof, and method for creating model for estimation of said type |
| CN107597619A (zh) * | 2017-08-31 | 2018-01-19 | 天津普兰能源科技有限公司 | 钛酸锂单体电池一致性分选方法 |
| CN107643495A (zh) * | 2017-11-08 | 2018-01-30 | 中国科学院电工研究所 | 一种基于主成分法的电池一致性评价方法 |
| CN108520986A (zh) * | 2018-05-10 | 2018-09-11 | 杭州电子科技大学 | 一种基于生成对抗网络的动力电池配组方法 |
| CN108549036A (zh) * | 2018-05-03 | 2018-09-18 | 太原理工大学 | 基于miv和svm模型的磷酸铁锂电池寿命预测方法 |
| CN108732510A (zh) * | 2018-07-19 | 2018-11-02 | 哈尔滨工业大学 | 基于内部特征的锂离子电池一致性筛选分组方法 |
| CN108957348A (zh) * | 2018-08-16 | 2018-12-07 | 厦门芯阳科技股份有限公司 | 一种低成本的电池电量估算方法 |
| CN109047040A (zh) * | 2018-06-12 | 2018-12-21 | 东莞市德尔能新能源股份有限公司 | 一种基于大数据的锂电池筛选系统 |
-
2019
- 2019-01-17 CN CN201910044364.2A patent/CN109613440B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102207541A (zh) * | 2010-03-31 | 2011-10-05 | 新德科技股份有限公司 | 测量电池组的直流内阻、全充容量及剩余电量的方法 |
| JP2012220199A (ja) * | 2011-04-04 | 2012-11-12 | Toyota Motor Corp | 二次電池の劣化判定方法とその装置 |
| US20170003352A1 (en) * | 2014-01-03 | 2017-01-05 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method, device and system for estimating the state of health of a battery in an electric or hybrid vehicle during operation thereof, and method for creating model for estimation of said type |
| CN104578436A (zh) * | 2014-12-30 | 2015-04-29 | 苏州易美新思新能源科技有限公司 | 一种分布式储能系统 |
| CN105680109A (zh) * | 2016-03-25 | 2016-06-15 | 杭州电子科技大学 | 一种基于深度学习的动力电池配组方法 |
| CN107597619A (zh) * | 2017-08-31 | 2018-01-19 | 天津普兰能源科技有限公司 | 钛酸锂单体电池一致性分选方法 |
| CN107643495A (zh) * | 2017-11-08 | 2018-01-30 | 中国科学院电工研究所 | 一种基于主成分法的电池一致性评价方法 |
| CN108549036A (zh) * | 2018-05-03 | 2018-09-18 | 太原理工大学 | 基于miv和svm模型的磷酸铁锂电池寿命预测方法 |
| CN108520986A (zh) * | 2018-05-10 | 2018-09-11 | 杭州电子科技大学 | 一种基于生成对抗网络的动力电池配组方法 |
| CN109047040A (zh) * | 2018-06-12 | 2018-12-21 | 东莞市德尔能新能源股份有限公司 | 一种基于大数据的锂电池筛选系统 |
| CN108732510A (zh) * | 2018-07-19 | 2018-11-02 | 哈尔滨工业大学 | 基于内部特征的锂离子电池一致性筛选分组方法 |
| CN108957348A (zh) * | 2018-08-16 | 2018-12-07 | 厦门芯阳科技股份有限公司 | 一种低成本的电池电量估算方法 |
Non-Patent Citations (2)
| Title |
|---|
| XIAOYU LI ET.AL: "a comparative study of sorting methods for lithium-ion batteries", 《2014 IEEE CONFERENCE AND EXPO TRANSPORTATION ELECTRIFICATION ASIA-PACIFIC》 * |
| 刘婉晴: "电动汽车锂离子电池分选方法的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135077A (zh) * | 2019-05-17 | 2019-08-16 | 上海理工大学 | 基于Matlab的退役锂电池分类模型的建立方法 |
| CN110135077B (zh) * | 2019-05-17 | 2022-12-27 | 上海理工大学 | 基于Matlab的退役锂电池分类模型的建立方法 |
| CN110579708A (zh) * | 2019-08-29 | 2019-12-17 | 爱驰汽车有限公司 | 电池容量识别方法、装置、计算设备及计算机存储介质 |
| CN110579708B (zh) * | 2019-08-29 | 2021-10-22 | 爱驰汽车有限公司 | 电池容量识别方法、装置、计算设备及计算机存储介质 |
| CN111308380A (zh) * | 2020-03-20 | 2020-06-19 | 深圳供电局有限公司 | 梯次电池再退役检测方法、装置及计算机设备 |
| WO2022224693A1 (ja) * | 2021-04-19 | 2022-10-27 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 製造方法、生成装置、推定装置、識別情報付与方法、及び付与装置 |
| CN114019393A (zh) * | 2021-10-29 | 2022-02-08 | 北京三缘聚科技有限公司 | 一种基于数据的电池容量预测方法及系统 |
| CN117463643A (zh) * | 2023-12-28 | 2024-01-30 | 四川帝威能源技术有限公司 | 退役动力锂电池容量分选方法、系统、电子设备及介质 |
| CN117463643B (zh) * | 2023-12-28 | 2024-03-26 | 四川帝威能源技术有限公司 | 退役动力锂电池容量分选方法、系统、电子设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109613440B (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109613440A (zh) | 电池的分级方法、装置、设备和存储介质 | |
| CN105021994B (zh) | 一种检测电池组内单体电池一致性的方法和装置 | |
| CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
| CN106055775B (zh) | 一种粒子滤波与机理模型相结合的二次电池寿命预测方法 | |
| CN109991554B (zh) | 一种电池电量检测方法、装置及终端设备 | |
| CN105974326A (zh) | 锂电池寿命预估方法及装置 | |
| CN110568359A (zh) | 一种锂电池剩余寿命预测方法 | |
| CN105903692A (zh) | 锂离子电池一致性筛选方法 | |
| CN106772064A (zh) | 一种锂离子电池健康状态预测方法及装置 | |
| Li et al. | The lithium-ion battery state-of-charge estimation using random forest regression | |
| CN109991545B (zh) | 一种电池包电量检测方法、装置及终端设备 | |
| CN109683094A (zh) | 一种锂离子电池的快速分选方法及其分选装置 | |
| CN107632262A (zh) | 一种动力电池组循环寿命的检测方法及装置 | |
| CN102879743B (zh) | 锂离子电池剩余电量值实时分析计算法 | |
| CN109782190A (zh) | 用于估计单颗电池或单批电池的剩余使用寿命的方法 | |
| CN114818831B (zh) | 基于多源感知的双向锂离子电池故障检测方法及系统 | |
| CN107064806A (zh) | 一种锂电池容量衰减率计算方法 | |
| CN112083346B (zh) | 基于lstm的并联电池组内部电流分布估计方法及系统 | |
| CN109800446B (zh) | 一种锂离子电池放电过程电压不一致性估计方法及装置 | |
| CN114429050A (zh) | 一种退役动力电池梯次利用的分选方法 | |
| CN109376944A (zh) | 智能电表预测模型的构建方法及装置 | |
| CN115587527A (zh) | 电池寿命预测方法、系统、终端设备及计算机可读介质 | |
| CN109239603A (zh) | 一种流形正则化框架下的极限学习机预测动力电池soc方法 | |
| CN107942261A (zh) | 电池荷电状态的估计方法及系统 | |
| CN110441706A (zh) | 一种电池soh估计方法及设备 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wei Guodan Inventor after: Zhang Xuan Inventor after: Ran Aihua Inventor after: Zhou Zihao Inventor after: Chen Shuxiao Inventor after: Qian Kun Inventor after: Li Baohua Inventor after: Kang Feiyu Inventor before: Wei Guodan Inventor before: Ran Aihua Inventor before: Chen Shuxiao Inventor before: Qian Kun Inventor before: Li Baohua Inventor before: Kang Feiyu |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |