CN110567583B - 一种基于红外图像储能电池堆三维温度可视化方法 - Google Patents
一种基于红外图像储能电池堆三维温度可视化方法 Download PDFInfo
- Publication number
- CN110567583B CN110567583B CN201910638335.9A CN201910638335A CN110567583B CN 110567583 B CN110567583 B CN 110567583B CN 201910638335 A CN201910638335 A CN 201910638335A CN 110567583 B CN110567583 B CN 110567583B
- Authority
- CN
- China
- Prior art keywords
- temperature
- cell stack
- dimensional
- model
- tem
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 21
- 238000007794 visualization technique Methods 0.000 title claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 230000036760 body temperature Effects 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 210000004027 cell Anatomy 0.000 claims description 50
- 230000005284 excitation Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 210000000352 storage cell Anatomy 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 108010001267 Protein Subunits Proteins 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 229910001416 lithium ion Inorganic materials 0.000 description 8
- 238000009529 body temperature measurement Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 3
- 206010000369 Accident Diseases 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Abstract
一种基于红外图像储能电池堆三维温度可视化方法,首先以面源黑体为基准,采集红外热像仪在不同黑体温度下的灰度图像,建立温度与灰度映射模型;对获取的红外图像预处理,分割出电池堆表面,然后划分表面并计算子单元灰度,根据温度与灰度映射模型得到电池堆表面温度;基于反距离权重插值原理,以电池堆表面温度初步插值得到电池堆三维温度,然后根据N个温度传感器的温度误差插值得到电池堆三维温度误差并修正电池堆三维温度模型,以预留的温度传感器的输出用于评价电池堆三维温度模型;以所用电池型号为基准,建立电池阻抗与温度映射模型,以获取的立体子单元内部温度修正三维温度模型。本发明可更加智能化对电池堆热故障进行定性和定位分析。
Description
技术领域
本发明属于储能电池堆热管理领域,为电池堆的热管理提供一种三维温度可视化的方法。
背景技术
近年来,锂离子电池因具有功率/能量密度高、循环寿命长、自放电率低等优点,受到学术界和产业界的广泛关注,已应用于电子消费品、电动汽车、分布式储能、大规模储能等不同场景。然而受相关领域的安全性能升级需求影响,作为这些领域动力系统的核心部件,锂离子电池的安全性受到了行业内外的广泛关注。特别是在大规模储能应用领域,当锂离子电池发生热失控,引发起火、爆炸等事故时,整个储能电站将毁于一旦,而且对电站周边环境、公众的安全与财产产生一定的负面效应。国内外近期发生多起锂离子电池储能电站火灾事故,2018年7月2日,韩国一风力发电园区内ESS储能设备发生重大火灾事故,造成706m2规模电池建筑和3500块以上锂电池全部烧毁。
锂离子电池储能电站的安全问题是需要警钟长鸣的重大课题。随着锂离子电池新材料的研发、电池制作技术的创新以及众多科研机构和企业的参与,锂离子电池的性能正日益提高,单体安全性能也得到极大提高。但由于大规模储能系统单体电池容量更大,电池簇单体数量更多,电池簇并联数量更大,电池堆电流更大,电池簇充放电深度更深,电池簇运行一致性和寿命要求更为严格,在使用过程中极易出现局部热失控现象,存在巨大的安全隐患。
在日常生活、工业制造等众多领域,温度的测量与控制时刻都在进行,因此温度测量应用极其广泛,在温度测量技术上国内外众多的研究人员也开展了大量的研究工作。当前,比较常用的温度测量方法主要分为两大类:接触式测量和非接触式测量。接触式测量应用最为广泛的是热电阻、热电偶测温,两者都是点式测温,通过与被测物体单点接触进行测温,只能反映物体某一点的温度。红外诊断技术属于非接触故障,能够实现不停机、不断电进行检测故障,能够及时准确地发现热故障,具有检测灵活方便、安全、检测范围广等优点。近几年的计算机技术和微电子技术的迅速发展,推进了红外诊断技术的发展。如今红外诊断技术己经比较成熟,检测具有较高的准确度,检测灵活方便,加上先进的图像处理技术和科学的诊断算法,可更加智能化对电池堆热故障进行定性和定位分析。
发明内容
为了克服现有的分布式光伏电站储能系统热故障检测的准确率较低、检测麻烦的不足,本发明提供一种具有较高的准确度、检测灵活方便的基于红外图像的电池堆三维立体温度场重构方法,该方法结合电池堆表面温度分布情况、特定点温度以及电池阻抗,快速重构电池堆三维温度场。
本发明解决其技术问题所采用的技术方案是:
一种储能电池堆三维温度可视化方法,所述方法包括步骤如下:
1)红外摄像辐射定标
以面源黑体为基准,采集红外热像仪在不同黑体温度下的灰度图像,然后利用图像的灰度和黑体实际温度进行拟合,再辅以环境辐射修正等措施,建立温度与灰度映射模型TemVal=M(GrayVal),其中TemVal表示映射的温度值,GrayVal表示红外图像灰度值,M()表示拟合的非线性方程;
2)获取电池堆表面温度
首先对获取的红外图像预处理,通过小波阈值函数滤除图像的噪声;接着与可见光图像配准,结合图像分割与形态学技术分割出红外电池堆表面;最后结合电池堆节点分布将电池堆表面进行子单元划分,在各个表面子单元内连续插值,对表面子单元内所有插值点积分并除以面积得到相应灰度值,辅以辐射理论对其矫正,根据温度与灰度映射模型TemVal=M(GrayVal)得到电池堆表面温度;
3)基于反距离权重插值的三维温度可视化模型
首先基于反距离权重插值原理,以电池堆表面温度插值得到电池堆三维温度Temv1(x,y,z);接着根据N个温度传感器的温度误差插值得到电池堆三维温度误差Temv2(x,y,z),该分量与Temv1(x,y,z)叠加,即得到修正的电池堆三维温度模型Temv3(x,y,z);最后,预留的温度传感器的输出用于评价电池堆三维温度模型Temv3(x,y,z)的精度;
4)依据阻抗修正立体子单元内部温度
首先以所用电池型号为基准,采集其不同内芯温度、不同激励频率以及不同电荷状态下的电池阻抗,建立电池阻抗与温度映射模型Imp=G(f,Tin,SOC),其中Imp表示电池阻抗,f表示激励频率,Tin表示电池内芯温度,SOC表示电荷状态,Imp=G()表示拟合的非线性方程;接着根据建立的阻抗与温度映射模型估算电池堆立体子单元内部温度最后以获取的立体子单元内部温度修正三维温度模型。
进一步,所述步骤2)中,电池堆表面子单元以积分方式进行灰度计算,而不是采取简单的均值,以其中一个表面为例,即有:
式(1)中y,z表示坐标,y1,y1表示y轴起点和终点,z1,z2表示z轴起点和终点,fG1(y,z)表示主视灰度分布情况,f(y,z)表示插值点灰度。
再进一步,所述步骤3)中,基于反距离权重插值的三维温度可视化步骤为:
3.1)根据步骤2)得到的电池堆表面温度分布反距离权重插值电池堆三维温度Temv1(x,y,z),即有:
Temv1(x,y,z)=λ1Tout1(y,z)+λ2Tout2(x,z)+λ3Tout3(x,y) (2)
式(2)、(3)中x,y,z表示坐标,Temv1(x,y,z)表示立体子单元(x,y,z)的温度,Tout1(y,z),Tout1(x,z),Tout1(x,y)表示不同表面子单元的温度,d1,d2,d3分别表示立体子单元距离(y,z),(x,z),(x,y)表面的垂直距离,λ1,λ2,λ3分别表示不同表面子单元对其立体子单元的权重,P表示指数值,默认值为-2;
3.2)以N个采集点的温度误差进行反距离权重插值得到电池堆三维温度误差Temv2(x,y,z),即有
式(4)、(5)Temv2(x,y,z)表示立体子单元(x,y,z)处的温度误差,ΔTi(x,y,z)表示采集点i的温度误差;N表示采集点的数量,λi表示采集点i的权重,di表示插值点与采集点i处的直线距离;
3.3)用步骤3.2)计算得到的Temv2(x,y,z)补偿步骤3.1)计算得到的Temv1(x,y,z),即有修正的电池堆三维温度模型Temv3(x,y,z);
3.4)预留的温度传感器的输出对步骤3.3)重构的三维温度可视化模型以均方误差MSE为评价准则进行评价。
更进一步,所述步骤4)中,在SOC未知的情况下,电池阻抗与温度映射模型Imp=G(f,Tin,SOC)通过对SOC平均来构造阻抗,以使模型独立于这些影响,即有:
式(6)中N1表示SOC的取值数量,N2表示相等SOC下测量的次数,vj表示零均值高斯噪声,G(f,Tin)表示在SOC未知情况下,阻抗与温度映射模型;
所述步骤4)中,为确保电池阻抗模型相对于温度的灵敏度,需要确定激励频率f或多个频率fi,i∈{1,...,N},从而得出估算电池温度的估算即有:
G1(fi,Tin,Zi)=Re(G(fi,Tin)-Zi) (8)
G2(fi,Tin,Zi)=Im(G(fi,Tin)-Zi) (9)
本发明的有益效果为:结合电池堆表面温度分布情况、特定点温度以及电池阻抗,快速重构电池堆三维温度场;具有较高的准确度、检测灵活方便。
附图说明
图1是一种基于红外图像储能电池堆三维温度可视化方法流程图。
具体实施方式
结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
参照图1,一种基于红外图像储能电池堆三维温度可视化方法,所述方法包括步骤如下:
1)红外摄像辐射定标
以面源黑体为基准,采集红外热像仪在不同黑体温度下的灰度图像,然后利用图像的灰度和黑体实际温度进行拟合,再辅以环境辐射修正等措施,建立温度与灰度映射模型TemVal=M(GrayVal),其中TemVal表示映射的温度值,GrayVal表示红外图像灰度值,M()表示拟合的非线性方程;
2)获取电池堆表面温度
首先对获取的红外图像预处理,通过小波阈值函数滤除图像的噪声;接着与可见光图像配准,结合图像分割与形态学技术分割出红外电池堆表面;最后结合电池堆节点分布将电池堆表面进行子单元划分,在各个表面子单元内连续插值,对表面子单元内所有插值点积分并除以面积得到相应灰度值,辅以辐射理论对其矫正,根据温度与灰度映射模型TemVal=M(GrayVal)得到电池堆表面温度;
3)基于反距离权重插值的三维温度可视化模型
首先基于反距离权重插值原理,以电池堆表面温度插值得到电池堆三维温度Temv1(x,y,z);接着根据N个温度传感器的温度误差插值得到电池堆三维温度误差Temv2(x,y,z),该分量与Temv1(x,y,z)叠加,即得到修正的电池堆三维温度模型Temv3(x,y,z);最后,预留的温度传感器的输出用于评价电池堆三维温度模型Temv3(x,y,z)的精度;
4)依据阻抗修正立体子单元内部温度
首先以所用电池型号为基准,采集其不同内芯温度、不同激励频率以及不同电荷状态下的电池阻抗,建立电池阻抗与温度映射模型Imp=G(f,Tin,SOC),其中Imp表示电池阻抗,f表示激励频率,Tin表示电池内芯温度,SOC表示电荷状态,Imp=G()表示拟合的非线性方程;接着根据建立的阻抗与温度映射模型估算电池堆立体子单元内部温度最后以获取的立体子单元内部温度修正三维温度模型。
进一步,所述步骤2)中,电池堆表面子单元以积分方式进行灰度计算,而不是采取简单的均值,以其中一个表面为例,即有:
式(1)中y,z表示坐标,y1,y1表示y轴起点和终点,z1,z2表示z轴起点和终点,fG1(y,z)表示主视灰度分布情况,f(y,z)表示插值点灰度。
再进一步,所述步骤3)中,基于反距离权重插值的三维温度可视化步骤为:
3.1)根据步骤2)得到的电池堆表面温度分布反距离权重插值电池堆三维温度Temv1(x,y,z),即有:
Temv1(x,y,z)=λ1Tout1(y,z)+λ2Tout2(x,z)+λ3Tout3(x,y) (2)
式(2)、(3)中x,y,z表示坐标,Temv1(x,y,z)表示立体子单元(x,y,z)的温度,Tout1(y,z),Tout1(x,z),Tout1(x,y)表示不同表面子单元的温度,d1,d2,d3分别表示立体子单元距离(y,z),(x,z),(x,y)表面的垂直距离,λ1,λ2,λ3分别表示不同表面子单元对其立体子单元的权重,P表示指数值,默认值为-2;
3.2)以N个采集点的温度误差进行反距离权重插值得到电池堆三维温度误差Temv2(x,y,z),即有
式(4)、(5)Temv2(x,y,z)表示立体子单元(x,y,z)处的温度误差,ΔTi(x,y,z)表示采集点i的温度误差;N表示采集点的数量,λi表示采集点i的权重,di表示插值点与采集点i处的直线距离;
3.3)用步骤3.2)计算得到的Temv2(x,y,z)补偿步骤3.1)计算得到的Temv1(x,y,z),即有修正的电池堆三维温度模型Temv3(x,y,z);
3.4)预留的温度传感器的输出对步骤3.3)重构的三维温度可视化模型以均方误差MSE为评价准则进行评价。
更进一步,所述步骤4)中,在SOC未知的情况下,电池阻抗与温度映射模型Imp=G(f,Tin,SOC)通过对SOC平均来构造阻抗,以使模型独立于这些影响,即有:
式(6)中N1表示SOC的取值数量,N2表示相等SOC下测量的次数,vj表示零均值高斯噪声,G(f,Tin)表示在SOC未知情况下,阻抗与温度映射模型;
所述步骤4)中,为确保电池阻抗模型相对于温度的灵敏度,需要确定激励频率f或多个频率fi,i∈{1,...,N},从而得出估算电池温度的估算即有:
G1(fi,Tin,Zi)=Re(G(fi,Tin)-Zi) (8)
G2(fi,Tin,Zi)=Im(G(fi,Tin)-Zi) (9)
最后,还需要注意的是,以上列举的仅是本发明的一个具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (5)
1.一种基于红外图像储能电池堆三维温度可视化方法,其特征在于,所述可视化方法包括步骤如下:
1)红外摄像辐射定标
以面源黑体为基准,采集红外热像仪在不同黑体温度下的灰度图像,然后利用图像的灰度和黑体实际温度进行拟合,再辅以环境辐射修正等措施,建立温度与灰度映射模型TemVal=M(GrayVal),其中TemVal表示映射的温度值,GrayVal表示红外图像灰度值,M()表示拟合的非线性方程;
2)获取电池堆表面温度
首先对获取的红外图像预处理,通过小波阈值函数滤除图像的噪声;接着与可见光图像配准,结合图像分割与形态学技术分割出红外电池堆表面;最后结合电池堆节点分布将电池堆表面进行子单元划分,在各个表面子单元内连续插值,对表面子单元内所有插值点积分并除以面积得到相应灰度值,辅以辐射理论对其矫正,根据温度与灰度映射模型TemVal=M(GrayVal)得到电池堆表面温度;
3)基于反距离权重插值的三维温度可视化模型
首先基于反距离权重插值原理,以电池堆表面温度插值得到电池堆三维温度Temv1(x,y,z);接着根据N个温度传感器的温度误差插值得到电池堆三维温度误差Temv2(x,y,z),该分量与Temv1(x,y,z)叠加,即得到修正的电池堆三维温度模型Temv3(x,y,z);最后,预留的温度传感器的输出用于评价电池堆三维温度模型Temv3(x,y,z)的精度;
4)依据阻抗修正立体子单元内部温度
3.如权利要求2所述的一种基于红外图像储能电池堆三维温度可视化方法,其特征在于:所述步骤3)中,基于反距离权重插值的三维温度可视化步骤为:
3.1)根据步骤2)得到的电池堆表面温度分布反距离权重插值电池堆三维温度Temv1(x,y,z),即有:
Temv1(x,y,z)=λ1Tout1(y,z)+λ2Tout2(x,z)+λ3Tout3(x,y) (2)
式(2)、(3)中x,y,z表示坐标,Temv1(x,y,z)表示立体子单元(x,y,z)处的温度,Tout1(y,z),Tout2(x,z),Tout3(x,y)表示不同表面子单元的温度,d1,d2,d3分别表示立体子单元距离(y,z),(x,z),(x,y)表面的垂直距离,λ1,λ2,λ3分别表示不同表面子单元对其立体子单元的权重,P表示指数值,默认值为-2;
3.2)以N个采集点的温度误差进行反距离权重插值得到电池堆三维温度误差Temv2(x,y,z),即有
式(4)、(5)中x,y,z表示坐标,Temv2(x,y,z)表示立体子单元(x,y,z)处的温度误差,ΔTi(x,y,z)表示采集点i的温度误差;N表示采集点的数量,λi表示采集点i的权重,di表示插值点与采集点i处的直线距离;
3.3)用步骤3.2)计算得到的Temv2(x,y,z)补偿步骤3.1)计算得到的Temv1(x,y,z),即有修正的电池堆三维温度模型Temv3(x,y,z);
3.4)预留的温度传感器的输出对步骤3.3)重构的三维温度可视化模型以均方误差MSE为评价准则进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638335.9A CN110567583B (zh) | 2019-07-16 | 2019-07-16 | 一种基于红外图像储能电池堆三维温度可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638335.9A CN110567583B (zh) | 2019-07-16 | 2019-07-16 | 一种基于红外图像储能电池堆三维温度可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110567583A CN110567583A (zh) | 2019-12-13 |
CN110567583B true CN110567583B (zh) | 2020-08-18 |
Family
ID=68773780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910638335.9A Active CN110567583B (zh) | 2019-07-16 | 2019-07-16 | 一种基于红外图像储能电池堆三维温度可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110567583B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161248B (zh) * | 2019-12-30 | 2023-06-02 | 新源动力股份有限公司 | 应用机器学习和数据回归的燃料电池堆组装力分布分析方法 |
CN111381169B (zh) * | 2020-03-05 | 2021-01-19 | 大连理工大学 | 一种动力电池热失控预警方法 |
CN111879414A (zh) * | 2020-08-04 | 2020-11-03 | 银河水滴科技(北京)有限公司 | 一种红外测温的方法、装置、计算机设备和介质 |
CN112013971B (zh) * | 2020-09-04 | 2021-06-29 | 中国计量科学研究院 | 一种非等温黑体辐射源的参考温度的优化方法 |
CN112729552B (zh) * | 2020-12-11 | 2021-12-21 | 江苏大学 | 一种基于红外测温的堆置发酵内部温度测量方法与装置 |
CN115063418B (zh) * | 2022-08-10 | 2022-11-01 | 北京航空航天大学 | 一种基于图像识别的动力电池温度检测方法 |
CN117635618B (zh) * | 2024-01-26 | 2024-04-26 | 北京适创科技有限公司 | 一种温度重构方法、装置、电子设备和可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4414531B2 (ja) * | 1999-12-24 | 2010-02-10 | オリンパス株式会社 | 電子カメラ及び電子カメラの電池残量算出方法 |
US9880061B2 (en) * | 2013-06-14 | 2018-01-30 | Hrl Laboratories, Llc | Methods and apparatus for sensing the internal temperature of an electrochemical device |
CN103471735B (zh) * | 2013-09-11 | 2016-03-02 | 华南理工大学 | 动力电池组内部温度在线检测方法及系统 |
JP6280846B2 (ja) * | 2014-09-09 | 2018-02-14 | 株式会社日立製作所 | 太陽電池モジュールの検査方法 |
US10418672B2 (en) * | 2016-04-07 | 2019-09-17 | Amazon Technologies, Inc. | Combination heatsink and battery heater for electronic devices |
CN106450530A (zh) * | 2016-12-15 | 2017-02-22 | 北京新能源汽车股份有限公司 | 一种电池模组测试系统及方法 |
CN107024280A (zh) * | 2017-03-21 | 2017-08-08 | 深圳市沃特玛电池有限公司 | 电池检测柜异常夹具检测方法及装置 |
DE102017218715A1 (de) * | 2017-10-19 | 2019-04-25 | Bayerische Motoren Werke Aktiengesellschaft | Bestimmung von SOC und Temperatur einer Lithiumionenzelle mittels Impedanzspektroskopie |
CN107632272B (zh) * | 2017-11-08 | 2020-02-28 | 中颖电子股份有限公司 | 一种基于电芯温度预测的电池放电荷电状态精确估计方法 |
CN109813765A (zh) * | 2018-12-27 | 2019-05-28 | 合肥国轩高科动力能源有限公司 | 一种锂离子模组焊接过程中检测虚焊的方法 |
-
2019
- 2019-07-16 CN CN201910638335.9A patent/CN110567583B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110567583A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567583B (zh) | 一种基于红外图像储能电池堆三维温度可视化方法 | |
CN107845100B (zh) | 一种储能系统锂电池堆三维立体温度场重构方法 | |
CN112331941B (zh) | 云端辅助电池管理系统及方法 | |
CN104101838B (zh) | 动力电池系统及其荷电状态、最大充放电功率估算方法 | |
CN108111125B (zh) | 一种光伏阵列的iv特性曲线扫描与参数辨识系统及方法 | |
CN105572596B (zh) | 锂电池soc估算方法及系统 | |
CN109472802B (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
CN116502112A (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN110659693A (zh) | 基于k近邻分类的配电网快速拓扑识别方法、系统及可读存储介质 | |
CN109945977B (zh) | 一种干式变压器热故障诊断方法及系统 | |
CN104280072A (zh) | 一种绝缘子污秽检测方法及装置 | |
Zheng et al. | An infrared image detection method of substation equipment combining Iresgroup structure and CenterNet | |
Wei et al. | Multiscale dynamic construction for abnormality detection and localization of Li-ion batteries | |
CN113933734A (zh) | 一种退役电池包内部单体参数的提取方法 | |
CN113595132B (zh) | 基于最大功率点和混合优化算法的光伏在线参数辨识方法 | |
Cao et al. | Non-invasive characteristic curve analysis of lithium-ion batteries enabling degradation analysis and data-driven model construction: a review | |
CN109632138B (zh) | 基于充电电压曲线的电池内部温度在线预估方法 | |
Li et al. | Multiphysical field measurement and fusion for battery electric-thermal-contour performance analysis | |
CN116304537A (zh) | 基于智能量测终端的窃电用户核查方法 | |
CN106355029B (zh) | 一种配电系统关键量测解耦快速辨识的方法 | |
CN113219342B (zh) | 一种用降维气液动力学电池模型估算电池soc的方法及系统 | |
CN109034441A (zh) | 一种光伏组件清洗周期的预测方法、系统及存储设备 | |
CN113532753A (zh) | 一种基于机器视觉的风电场齿轮箱漏油检测方法 | |
Wang et al. | Battery Management System Design for Industrial Manufacture | |
Li et al. | Research on state-of-charge Estimation of Lithium-ion Batteries Based on Improved Sparrow Search Algorithm-BP Neural Network |
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 |