CN110794316A - 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 - Google Patents
一种梯次利用三元动力电池“跳水”故障的辨识预判方法 Download PDFInfo
- Publication number
- CN110794316A CN110794316A CN201911019832.7A CN201911019832A CN110794316A CN 110794316 A CN110794316 A CN 110794316A CN 201911019832 A CN201911019832 A CN 201911019832A CN 110794316 A CN110794316 A CN 110794316A
- Authority
- CN
- China
- Prior art keywords
- battery
- charging
- echelon
- power battery
- fault
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title abstract description 9
- 238000007600 charging Methods 0.000 claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000010277 constant-current charging Methods 0.000 claims abstract description 8
- 238000007599 discharging Methods 0.000 claims abstract description 8
- 230000004069 differentiation Effects 0.000 claims abstract description 4
- 230000009189 diving Effects 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 abstract description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4285—Testing apparatus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Abstract
一种梯次利用三元动力电池“跳水”故障的辨识预判方法，涉及电池储能技术领域。包括：以预设采样周期记录以恒流充放电过程中电池的充电容量Q和端电压V，得到充电过程Q‑V曲线；对充电过程Q‑V曲线进行数值微分得dQ/dV‑V曲线；设定首次充电dQ/dV值的极值点m1作为电池状态辨识特征点，极值点m1对应的电压值为观察点V1；将不同预设采样周期中V1对应的dQ/dV值做对比，从而获得三元动力电池内部状态的信息。该方法可无损地反应出电池内部状态情况，直观地判断出电池是否存在“跳水”故障，能够实现发生“跳水”前200次循环的预判辨识，从而降低退役三元动力电池在梯次利用时突然容量失效的风险。
Description
技术领域
本发明涉及电池储能技术领域，并且更具体地，涉及一种预测梯次利用三元动力电池“跳水”故障的辨识预判方法。
背景技术
三元动力电池在电动汽车上刚开始使用时，电池的性能较好，且电池之间的一致性也比较好，随着使用时间的增加，三元动力电池的性能不断衰退，电池之间的性能差异越越来越大。当这些电池的性能不能满足电动汽车的应用需求时，从电动汽车上退役下来，可以应用于对电池性能要求较低、应用工况相对温和的场合，实现动力电池的梯次利用。
三元动力电池梯次利用属于其全寿命周期的后期，随着电池内部晶体结构的变化，电解液的消耗，可能会出现个别梯次利用电池容量快速衰减的情况，这将严重电池系统运行的可靠性和安全性。目前对电池运行过程中主要是监控其电压和温度，而这两个参数不能很好的预测电池的跳水。因此，对于梯次利用三元动力电池，针对其在使用过程中可能出现的容量快速衰减，即称为“跳水”，需要开发有效的预测方法，来提升梯次利用电池系统的可靠性和安全性。
发明内容
本发明提出一种预测梯次利用三元动力电池处于容量跳水阶段的方法，以解决如何预测梯次利用三元动力电池处于容量跳水阶段的问题。
为了解决上述问题，根据本发明的一个方面，提供了一种预测梯次利用三元动力电池处于容量跳水阶段的方法，其特征在于，所述方法包括：
步骤1，根据所述梯次利用三元动力电池的充电特性和状态参数确定预设充电电压阈值；其中，所述状态参数包括：已用年限、电压数据和容量数据；
步骤2，以预设所有采样周期记录以恒流充放电过程中电池的充电容量Q和端电压V，得到充电过程Q-V曲线；
步骤3，对充电过程Q-V曲线进行数值微分，即获得对应的ΔQ/ΔV数值序列，并构建成dQ/dV-V曲线,dQ/dV为纵坐标，V为横坐标；
步骤4，根据步骤3得到的dQ/dV-V曲线，在梯次利用三元电池时，设定一个采样周期首次充电dQ/dV值的极值点(即曲线对应的最高点，dQ/dV的最大值)作为电池状态辨识特征点，并以首次充电dQ/dV值的极值点m1对应的电压值V1为基准观察点，作为以下步骤计算数据的来源即电压值V1对应的数据；
步骤5，提取步骤4基准点所在周期后不同预设采样周期中首次充电观察点电压值V1对应的dQ/dV值，定义为m2、m3、m4等，其中2、3、4分别代表第2、3、4个采样周期首次充电数据；
步骤6，计算K1＝m1/m2、K2＝m2/m3、K3＝m3/m4，以此类推得到Kn；设定判断电池跳水预设阈值K，K取K1、K2、K3中的最大值加0.01；将Kn与预设阈值K做比较，依据Kn与K的大小可辨识判断出电池是否存在跳水故障；若Kn≥K，则预测所述梯次利用三元动力电池在第n个周期处于容量跳水阶段；反之，返回步骤2，电池继续恒流充放电进行梯次利用并采样。
优选地，其中所述梯次利用三元动力电池为三元材料电池，所述电池的标称容量为20Ah-200Ah。
优选地，其中所述采样周期的取值范围为10s-50s。
优选地，其中所述恒流充电的电流值取值范围为0.1C-1C的充电倍率。
优选地，根据权利要求1所述的方法，其特征在于，当所述梯次利用三元动力电池为三元材料电池时，电压观察点V1根据电池首次充电dQ/dV值的极值点m1而定。
优选地，其中所述方法还包括：
在预测确定所述梯次利用三元动力电池进入了容量跳水阶段后，设定发出警告信号。
本发明提供了一种预测梯次利用三元动力电池处于容量跳水阶段的方法及系统，针对三元材料退役动力电池，基于梯次利用三元动力电池在充放电过程中充电电压与充电容量数据计算出Kn值，并根据判断Kn与K比较，来预测电池是否处于容量跳水阶段，用于确定梯次利用三元动力电池系统的安全可靠性，以提升梯次利用三元动力电池的应用前景。该方法可无损地反应出电池内部状态情况，直观地判断出电池是否存在“跳水”故障，能够实现发生“跳水”前200次循环的预判辨识，从而降低退役三元动力电池在梯次利用时突然容量失效的风险。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为本发明辨识预判方法的流程图；
图2为具体实施所述的容量增量dQ/dV-V曲线，图2中曲线对应的数字为某一阶段所有采样周期对应的循环圈数的累计数，同时每一个曲线依次为后续周期首次充电对应的曲线；如1为第一周期的第一圈或首次充电曲线，51对应的是累积的第51圈，同时是第二周期的第一圈或首次充电曲线；
图3为具体实施所述电池容量衰减曲线。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
针对0.1C-1C的情况原理是一样的，本发明的数据验证是基于1C充电数据积累分析总结出来的(因电池循环寿命评估通常用1C恒流进行充放电测试)，因此实例仅对1C充电倍率的情况进行说明，且不同厂家和不同规格型号该值也可能不同，但趋势是一样的。
实施例1
图1为根据本发明提供的一种预测梯次利用三元动力电池“跳水”故障的辨识预判方法流程图。如图1所示，本发明的实施方提供的预测梯次利用三元动力电池处于容量跳水阶段的方法。针对三元材料退役动力电池，基于梯次利用三元动力电池在充放电过程中充电电压与充电容量数据计算出Kn值，并根据判断Kn与K比较，来预测电池是否处于容量跳水阶段，用于确定梯次利用三元动力电池系统的安全可靠性，以提升梯次利用三元动力电池的应用前景。
现在结合附图2对本发明作详细的说明。包括以下步骤：
步骤1：对标称容量为22Ah的退役三元电池单体(电池起始健康状态为83％SOH，容量为18.38Ah)，以1C充电倍率进行一个完整的标准恒流充放电循环测试，恒流充电至4.15V，搁置1min，恒流放电至3V，搁置1min，循环上述工步，并记录下充电过程的充电容量Q和对应的充电端电压V数据，并得到充电过程的Q-V曲线，所用的采样记录时间为10s，采样周期以50个循环作为一个周期。
恒流充电与恒流恒压充电原则上是有一定差异的，恒流恒压是在恒流充电至截止电压上限后转恒压充电至电流降至近似于0A，两种方法不影响IC曲线形式及峰值，所以采用恒流充电进行循环测试。
步骤2：对充电过程的Q-V曲线进行数值微分，即获得对应的△Q/△V数值序列，并构建成dQ/dV-V曲线，以50个循环作为一个周期，定义首圈循环为第1周期，分别得到周期1、2、3、4等数据。
步骤3：设定首次充电dQ/dV值的极值点m1作为电池状态辨识特征点，极值点m1对应的电压值为观察点V1，提取V1＝3.7V。
步骤4：计算K1＝m1/m2＝1.1267，K2＝m2/m3＝1.0576，K3＝1.0623，K4＝1.1191，K5＝1.1235，K6＝1.4796，K7＝6.5743。设定判断电池跳水预设阈值K，K取K1、K2、K3中的最大值加0.01，K＝1.1367。其中K6﹥K，电池开始出现跳水迹象，K7远大于m值，电池已经出现跳水故障。如图2中电池在第250个循环后该电池容量突降。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
Claims (6)
1.一种梯次利用三元动力电池“跳水”故障的辨识预判方法，其特征在于，包括以下步骤；
步骤1，根据所述梯次利用三元动力电池的充电特性和状态参数确定预设充电电压阈值；其中，所述状态参数包括：已用年限、电压数据和容量数据；
步骤2，以预设所有采样周期记录以恒流充放电过程中电池的充电容量Q和端电压V，得到充电过程Q-V曲线；
步骤3，对充电过程Q-V曲线进行数值微分，即获得对应的ΔQ/ΔV数值序列，并构建成dQ/dV-V曲线,dQ/dV为纵坐标，V为横坐标；
步骤4，根据步骤3得到的dQ/dV-V曲线，在梯次利用三元电池时，设定一个采样周期首次充电dQ/dV值的极值点(即曲线对应的最高点，dQ/dV的最大值)作为电池状态辨识特征点，并以首次充电dQ/dV值的极值点m1对应的电压值V1为基准观察点，作为以下步骤计算数据的来源即电压值V1对应的数据；
步骤5，提取步骤4基准点所在周期后不同预设采样周期中首次充电观察点电压值V1对应的dQ/dV值，定义为m2、m3、m4等，其中2、3、4分别代表第2、3、4个采样周期首次充电数据；
步骤6，计算K1＝m1/m2、K2＝m2/m3、K3＝m3/m4，以此类推得到Kn；设定判断电池跳水预设阈值K，K取K1、K2、K3中的最大值加0.01；将Kn与预设阈值K做比较，依据Kn与K的大小可辨识判断出电池是否存在跳水故障；若Kn≥K，则预测所述梯次利用三元动力电池在第n个周期处于容量跳水阶段；反之，返回步骤2，电池继续恒流充放电进行梯次利用并采样。
2.按照权利要求1所述的一种梯次利用三元动力电池“跳水”故障的辨识预判方法，其特征在于，所述梯次利用三元动力电池为三元材料电池，所述电池的标称容量为20Ah-200Ah。
3.按照权利要求1所述的一种梯次利用三元动力电池“跳水”故障的辨识预判方法，其特征在于，其中所述采样周期的取值范围为10s-50s。
4.按照权利要求1所述的一种梯次利用三元动力电池“跳水”故障的辨识预判方法，其特征在于，所述恒流充电的电流值取值范围为0.1C-1C的充电倍率。
5.按照权利要求1所述的一种梯次利用三元动力电池“跳水”故障的辨识预判方法，其特征在于，当所述梯次利用三元动力电池为三元材料电池时，电压观察点V1根据电池首次充电dQ/dV值的极值点而定。
6.按照权利要求1所述的一种梯次利用三元动力电池“跳水”故障的辨识预判方法，其特征在于，在预测确定所述梯次利用三元动力电池进入了容量跳水阶段后，设定发出警告信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911019832.7A CN110794316A (zh) | 2019-10-24 | 2019-10-24 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911019832.7A CN110794316A (zh) | 2019-10-24 | 2019-10-24 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110794316A true CN110794316A (zh) | 2020-02-14 |
Family
ID=69441347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911019832.7A Pending CN110794316A (zh) | 2019-10-24 | 2019-10-24 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110794316A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111257762A (zh) * | 2020-03-10 | 2020-06-09 | 信义电源(苏州)有限公司 | 提前预判电池循环失效的方法 |
| CN112327194A (zh) * | 2020-10-21 | 2021-02-05 | 北京航空航天大学 | 一种锂电池容量跳水识别方法及装置 |
| CN112327167A (zh) * | 2020-10-21 | 2021-02-05 | 北京航空航天大学 | 一种电池容量跳水风险评估方法及系统 |
| CN113608132A (zh) * | 2021-08-02 | 2021-11-05 | 北京芯虹科技有限责任公司 | 一种锂离子电池剩余容量的确定方法、系统及存储介质 |
| CN113655398A (zh) * | 2021-08-11 | 2021-11-16 | 远景动力技术(江苏)有限公司 | 预估锂电池循环跳水的方法 |
| CN114210591A (zh) * | 2021-12-02 | 2022-03-22 | 格林美股份有限公司 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
| CN114270204A (zh) * | 2020-06-03 | 2022-04-01 | 株式会社Lg新能源 | 用于诊断电池状态的设备和方法 |
| CN114264968A (zh) * | 2021-12-14 | 2022-04-01 | 哈尔滨工业大学 | 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 |
| CN114558800A (zh) * | 2022-02-24 | 2022-05-31 | 广州菲利斯太阳能科技有限公司 | 一种动力电池梯次利用的筛选重组方法及系统 |
| CN114270204B (zh) * | 2020-06-03 | 2024-05-03 | 株式会社Lg新能源 | 用于诊断电池状态的设备和方法、包括该设备的电池组 |
-
2019
- 2019-10-24 CN CN201911019832.7A patent/CN110794316A/zh active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111257762A (zh) * | 2020-03-10 | 2020-06-09 | 信义电源(苏州)有限公司 | 提前预判电池循环失效的方法 |
| CN111257762B (zh) * | 2020-03-10 | 2022-06-14 | 信义电源(苏州)有限公司 | 提前预判电池循环失效的方法 |
| CN114270204A (zh) * | 2020-06-03 | 2022-04-01 | 株式会社Lg新能源 | 用于诊断电池状态的设备和方法 |
| CN114270204B (zh) * | 2020-06-03 | 2024-05-03 | 株式会社Lg新能源 | 用于诊断电池状态的设备和方法、包括该设备的电池组 |
| CN112327167A (zh) * | 2020-10-21 | 2021-02-05 | 北京航空航天大学 | 一种电池容量跳水风险评估方法及系统 |
| CN112327194A (zh) * | 2020-10-21 | 2021-02-05 | 北京航空航天大学 | 一种锂电池容量跳水识别方法及装置 |
| CN113608132A (zh) * | 2021-08-02 | 2021-11-05 | 北京芯虹科技有限责任公司 | 一种锂离子电池剩余容量的确定方法、系统及存储介质 |
| CN113608132B (zh) * | 2021-08-02 | 2024-02-27 | 北京芯虹科技有限责任公司 | 一种锂离子电池剩余容量的确定方法、系统及存储介质 |
| CN113655398A (zh) * | 2021-08-11 | 2021-11-16 | 远景动力技术(江苏)有限公司 | 预估锂电池循环跳水的方法 |
| CN113655398B (zh) * | 2021-08-11 | 2024-04-05 | 远景动力技术(江苏)有限公司 | 预估锂电池循环跳水的方法 |
| CN114210591A (zh) * | 2021-12-02 | 2022-03-22 | 格林美股份有限公司 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
| CN114210591B (zh) * | 2021-12-02 | 2023-12-22 | 格林美股份有限公司 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
| CN114264968A (zh) * | 2021-12-14 | 2022-04-01 | 哈尔滨工业大学 | 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 |
| CN114558800A (zh) * | 2022-02-24 | 2022-05-31 | 广州菲利斯太阳能科技有限公司 | 一种动力电池梯次利用的筛选重组方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794316A (zh) | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 | |
| US11215679B2 (en) | Method and apparatus for detecting micro short circuit of battery | |
| CN111175653A (zh) | 一种用于辨识预判三元电池容量“跳水”故障的方法 | |
| EP3839537B1 (en) | Battery management apparatus | |
| EP3828569B1 (en) | Battery management apparatus | |
| WO2009049219A2 (en) | Systems, methods and circuits for determining potential battery failure based on a rate of change of internal impedance | |
| CN109100652B (zh) | 一种用于预测梯次利用动力电池的离散度的方法及系统 | |
| US6285162B1 (en) | Controlled method for battery charging in electric vehicle for improving battery life | |
| US10355498B2 (en) | Response to detection of an overdischarge event in a series connected battery element | |
| EP3835801B1 (en) | Battery state estimating apparatus | |
| CN111123148B (zh) | 一种判断金属二次电池内短路的方法及设备 | |
| CN106154173A (zh) | 一种快速低廉便捷的二次电池的自放电筛选方法 | |
| CN112782587A (zh) | 一种动力电池单体异常变化检测方法及系统 | |
| WO2014085499A1 (en) | Transient detection of an exceptional charge event in a series connected battery element | |
| CN104730464B (zh) | 一种电池绝热温升速率测试方法 | |
| CN103051005A (zh) | 电池充放电管理系统及方法 | |
| CN115407206A (zh) | 一种基于容量累积的soh自适应估算方法 | |
| CN114204626B (zh) | 充电控制方法及相关设备 | |
| CN103401037A (zh) | 一种牵引蓄电池的充电方法 | |
| CN111953033B (zh) | 柔性充电控制方法 | |
| CN111313110A (zh) | 一种梯次利用三元电池容量快速衰退预警方法及系统 | |
| CN113884922B (zh) | 一种基于电压和电量离群系数的电池内短路定量诊断方法 | |
| US9343911B2 (en) | Response to detection of an overcharge event in a series connected battery element | |
| EP4145157A1 (en) | Battery system state of health monitoring system | |
| CN115951253A (zh) | 电池健康状态的检测方法、系统、设备及介质 |
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 |