CN111060831A - 电动车电池异常的检测方法、装置、智能设备及存储介质 - Google Patents
电动车电池异常的检测方法、装置、智能设备及存储介质 Download PDFInfo
- Publication number
- CN111060831A CN111060831A CN201911203640.1A CN201911203640A CN111060831A CN 111060831 A CN111060831 A CN 111060831A CN 201911203640 A CN201911203640 A CN 201911203640A CN 111060831 A CN111060831 A CN 111060831A
- Authority
- CN
- China
- Prior art keywords
- current
- charging
- electric vehicle
- preset
- time point
- 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
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种电动车电池异常的检测方法、装置、智能设备及存储介质,方法包括:获取电动车的充电电流数据;确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括电流变化点出现的次数大于预设次数、第一上报时间点与第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值;若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。本申请可实现对电动车电池异常的检测,可及时得知出电动车电池是否存在异常,从而可降低充电过程的安全隐患,提高电动车充电过程的安全性。
Description
技术领域
本申请属于电动车技术领域,尤其涉及一种电动车电池异常的检测方法、装置、智能设备及存储介质。
背景技术
随着社会的不断发展和进步,电动车的应用也越来越广泛。在交通运输领域,车辆的电动化已逐渐成为一种潮流。目前,电动车用户可使用充电站的充电桩为电动车进行充电,在完成相应的充电订单支付之后,充电桩的相应插座就会通电,此时,电动车用户可以通过电动车的适配器、充电线将电动车连接至充电桩的相应插座,以对电动车进行充电。
在电动车充电过程中,充电安全性是十分重要的。现有的电动车充电桩一般都是只有充电插座。电动车电池一般是放置在电动车内部,电动车用户一般看不到电池,即使偶尔看到电池也无法判断电池是否存在异常。此外,电动车用户一般不关心电动车的电池健康状况,对电动车进行充电前一般不进行检测,直接接入电动车充电桩进行充电。这样,如果不能及时得知电动车的异常现象,可能会给电动车的充电过程带来安全隐患。
发明内容
本申请实施例提供一种电动车电池异常的检测方法、装置、智能设备及存储介质,以解决现有技术中,电动车用户不能及时有效确定电动车的异常现象,可能会给电动车的充电过程带来安全隐患的问题。
第一方面,本申请实施例提供一种电动车电池异常的检测方法,包括:
获取电动车的充电电流数据;
确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点;
若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。
在第一方面的一种可能的实现方式中,所述电流变化点包括第一电流变化点和第二电流变化点,所述确定所述充电电流数据是否具备预设充电曲线特征的步骤,包括:
获取所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数;
若所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数大于预设次数,确定所述第一上报时间点和所述第二上报时间点之间是否存在第二电流变化点;
若所述第一上报时间点和所述第二上报时间点之间不存在第二电流变化点,则确定所述第一上报时间点和所述第二上报时间点之间,相邻两个第一电流变化点之间的时长是否小于预设时长阈值;
若相邻两个第一电流变化点之间的时长小于预设时长阈值,则确定所述充电电流数据具备预设充电曲线特征。
在第一方面的一种可能的实现方式中,所述第二上报时间点在所述第一上报时间点之后,所述确定所述充电电流数据是否具备预设充电曲线特征的步骤,还包括:
若所述第一上报时间点和所述第二上报时间点之间存在第二电流变化点,则获取所述第一上报时间点的第一电流值与所述第二上报时间点的第二电流值;
比较所述第一电流值与所述第二电流值;
若所述第一电流值大于或等于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长;
若所述第二电流变化点的电流变化值小于或等于第一预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,则确定所述充电电流数据具备预设充电曲线特征。
在第一方面的一种可能的实现方式中,所述确定所述充电电流数据是否具备预设充电曲线特征的步骤,还包括:
若所述第一电流值小于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长;
若所述第二电流变化点的电流变化值小于等于第二预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,获取所述第三上报时间点的第三电流值,所述第三上报时间点在所述第二上报时间点之后;
若所述第三电流值小于或等于所述第一电流值,则确定所述充电电流数据具备预设充电曲线特征。
在第一方面的一种可能的实现方式中,在所述确定所述充电电流数据是否具备预设充电曲线特征的步骤之前,包括:
获取所述电动车的充电时长;
若所述充电时长大于或等于预设充电时长阈值,则执行所述确定所述充电电流数据是否具备预设充电曲线特征的步骤。
在第一方面的一种可能的实现方式中,在所述获取电动车的充电电流数据的步骤之前,还包括:
获取电动车的用户的充电订单数据;
根据所述充电订单数据,检测所述电动车是否已经被分析过;
若所述电动车未被分析过,则执行所述获取电动车的充电电流数据的步骤。
在第一方面的一种可能的实现方式中,在所述判定所述电动车的电池存在异常的步骤之后,还包括:
根据所述充电电流数据,生成电池存在异常的提示信息和/或建议信息;
将所述提示信息和/或所述建议信息发送至所述电动车的用户的移动终端,以指示所述移动终端将所述提示信息和/或建议信息呈现给所述电动车的用户。
第二方面,本申请实施例提供一种电动车电池异常的检测装置,包括:
数据获取单元,用于获取电动车的充电电流数据;
特征确定单元,用于确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点;
电池检测单元,用于若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。
第三方面,本申请实施例提供一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的电动车电池异常的检测方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述电动车电池异常的检测的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在智能设备上运行时,使得智能设备执行上述第一方面中任一项所述的电动车电池异常的检测方法。
本申请实施例中,通过获取电动车的充电电流数据,确定所述充电电流数据是否具备预设充电曲线特征来判断电动车的电池是否出现异常,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点,若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常,从而可及时发现电动车电池的异常,降低电动车充电过程的安全隐患,进而提高电动车充电过程的安全性。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的电动车充电系统的结构示意框图;
图2为本申请实施例提供的电动车电池异常的检测方法的流程示意框图;
图3为本申请实施例提供的电动车电池异常的检测方法的另一种流程示意框图;
图4为本申请实施例提供的步骤S202的具体流程示意框图;
图5为本申请实施例提供的电动车电池异常的检测方法的再一种流程示意框图;
图6为本申请实施例提供的电动车电池异常的检测装置的结构框图;
图7为本申请实施例提供的智能设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面先对本申请实施例可能涉及的系统架构和可能涉及的应用场景进行介绍。
参见图1,为本申请实施例提供的电动车充电系统的结构示意框图,该电动车包括电动车1、充电站2、用户的移动终端3和服务器4,其中,充电站2包括多个充电桩,每个充电桩上包括多个充电插座。上述用户的移动终端3内可以安装有相应的APP,以实现充电流程中的相应功能,例如,扫码支付、充电订单生成和充电订单上传等。该用户的移动终端3可以为但不限于手机、智能可穿戴设备或平板电脑等。上述电动车1可以是任意类型的电动车,例如,电动两轮车或者电动四轮车。
示例性地,基于该电动车充电系统的电动车充电流程可以包括:用户驾驶电动车来到充电站之后,通过手机扫描充电桩上的二维码,生成充电订单;当充电桩的相应插座供电之后,用户即可通过插头、电源适配器将电动车连接至充电桩,开始为电动车充电;当充电时长达到预定充电时长、充电费用达到预付费用或者电动车已充满,则可拔掉充电插头,完成一次充电流程。
在电动车的充电过程中,充电桩会实时记录电动车的充电数据,并将该充电数据上报至充电桩管理平台,再将该充电数据存储至数据库。该数据库可为MongoDB非关系型数据库,该充电数据一般包括充电电流数据、充电电压数据和充电功率数据等。另外,用户的充电订单数据也会上传至服务器保存。
基于上述图1的系统架构,服务器可以通过所记录的数据,分析某个用户的某笔充电订单对应的充电电流数据,以确定该用户的电动车的电池是否存在异常,如果分析出某个用户的电动车电池出现异常,则可以生成提示信息,以警示用户电动车电池的健康状况。例如,用户完成一笔充电订单之后,服务器根据该用户的充电订单获取到电动车对应充电桩的遥测数据,以得到该用户的电动车在本次充电的充电电流数据,再判断充电电流数据是否具备预设充电曲线特征,如果具备,则判定该用户的电池正常,如果不具备,则判定该用户的电池存在异常;然后,服务器根据充电电流数据具备的预设充电曲线特征,生成异常提示信息,并将该异常提示信息发生至用户手机,通过用户手机APP显示给该用户,以使得该用户及时得知自身电动车的电池健康状况。
当然,本申请实施例也可以不用基于上述系统架构或者应用场景,也能实现本申请实施例的目的。
下面将通过具体实施例介绍本申请实施例提供的技术方案。
图2示出了本申请实施例提供的电动车电池异常的检测方法的实现流程,该方法流程包括步骤S201至S203。各步骤的具体实现原理如下:
步骤S201:获取电动车的充电电流数据。
在本申请实施例中,所述充电电流数据一般是指电动车一次充电过程中的电流数据。具体地,基于上述图1的系统架构或应用场景时,一次充电过程是指一笔充电订单对应的过程,也即所述充电电流数据为一笔充电订单对应的充电电流数据,此时,该充电电流数据是充电桩上报的。在本申请实施例中,具体可以通过电动车的用户的充电订单数据,获取对应充电桩上传的遥测数据,其中,遥测数据包括充电数据,而充电电流数据包括充电电流数据、充电电压数据和充电功率数据等。所述充电订单数据包括用户唯一标识、充电开始时间、充电结束时间和充电桩编号等信息。具体地,用户完成一笔充电订单之后,服务器根据该充电订单中的用户唯一标识、充电开始时间、充电结束时间、充电桩编号等信息,先从数据库中查找到对应充电桩上报的遥测数据,然后再从这些遥测数据中查找出与用户唯一标识、充电开始时间和充电结束时间等相对应的充电电流数据,以获取到用户当次充电对应的充电电流数据。
需说明的是,本申请实施例的技术方案也可以不应用于图1所示的系统架构或应用场景,此时,上述充电电流数据可以是指通过某个充电装置为电动车充电时,所记录的充电电流数据。
作为本申请的一个实施例,如图3所示,在上述步骤S201之前,所述电动车电池异常的检测方法还包括:,
A1:获取电动车的用户的充电订单数据。具体地,用户通过手机等终端设备生成充电订单后,用户终端设备将充电订单上传至服务器。其中,上述充电订单数据包括但是不限于用户ID、订单ID、订单电量、用户手机号、订单时长、充电桩的设备ID、充电桩的插座序号、订单结束原因码、充电桩的设备类型、订单开始时间、订单结束时间、充电桩的站点ID、充电桩的站点名称以及充电桩的盒子出厂编号等信息。
A2:根据所述充电订单数据,检测所述电动车是否已经被分析过。具体地,服务器接收到用户充电订单数据之后,基于该充电订单数据的用户ID等唯一标识信息确定该用户的电动车是否已经进行过充电曲线智能分析,如果已经分析过,则根据之前的分析结果生成提示信息,并将该提示信息发送至用户终端设备。如果没有被分析过,获取该订单对应的充电电流数据进行智能分析。
作为一种实施例,对户的电动车经进行过充电曲线智能分析之后,会对所述充电订单数据进行记录标记,建立所述充电订单数据与所述记录标记的对应关系,若所述充电订单数据存在所述记录标记,则确定所述电动车已经进行过充电曲线智能分析;若所述充电订单数据不存在所述记录标记,则确定所述电动车未进行过充电曲线智能分析。
A3:若所述电动车未被分析过,则执行所述步骤S201。
具体地,服务器根据充电订单数据中的用户ID、充电桩信息、充电站点信息,以及订单开始和/或结束时间等,从充电桩管理平台的数据库中查找相应的遥测数据,其一般包括充电电流数据和充电电压数据。
可选地,所述记录标记包括标记时间,若所述充电订单数据存在所述记录标记,确定所述标记时间与当前时间的时长,若所述时长大于或等于预设时长,则确定所述电动车需要重新进行充电曲线智能分析,从而确保当用户已更换电动车的电池时能有效对该用户的电动车进行充电曲线智能分析。
步骤S202:确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点。
在本申请实施例中,充电电流数据的上报周期为T,1T为90秒。上述第一上报时间点和第二上报时间点,是充电数据中的电流上报的时间点,需说明的是,第一上报时间点与第二上报时间点不一定是相邻的两个上报时间点,第一上报时间点与第二上报时间点之间可能存在多个上报时间点。
具体地,上述预设充电曲线特征是指人工预先标定的特征,即预先对电动车的充电电流数据进行分析,根据每个充电电流数据的充电曲线特性总结出的特征。在本申请实施例中,所述预设充电曲线特征为“持续上升或下降”型充电曲线的特征。当某个充电电流数据具备上述预设充电曲线特征时,则判定该充电电流数据对应的充电电流曲线为“持续上升或下降”型充电曲线;当判定出该充电电流数据的充电电流曲线为“持续上升或下降”型充电曲线时,则推测该充电数据对应的电动车电池正常;当某个充电数据不具备上述预设充电曲线特征时,则推测该充电电流数据对应的电动车电池可能存在异常。即,在本申请实施例中,确定所述充电电流数据对应的充电曲线是否为“持续上升或下降”型充电曲线,等同于确定所述充电电流数据是否具备预设充电曲线特征。需说明的是,具体应用中,可以不用将充电电流数据转换为充电曲线,而是基于充电电流数据进行智能分析即可。
在本申请实施例中,所述预设电流阈值可以为0.3A,所述预设时长阈值可以为20T,T=90秒,1T为1个上报周期。示例性地,当所述充电电流数据对应的充电电流曲线中存在两个电流上升点时,若第一上报时间点与第二上报时间点之间的电流的差值的大于或等于0.3A,且两个电流上升点之间的时间长度小于或等于20T,则可以确定所述充电电流数据具备所述预设充电曲线特征,所述充电电流数据对应的充电曲线为“持续上升”型;当所述充电电流数据对应的充电电流曲线中存在两个电流下降点时,若第一上报时间点与第二上报时间点之间的电流的差值的绝对值大于或等于0.3A,且两个电流下降点之间的时间长度小于或等于20T,则可以确定所述充电电流数据具备所述预设充电曲线特征,所述充电电流数据对应的充电曲线为“持续下降”型。
作为本申请的一个实施例,所述电流变化点包括第一电流变化点和第二电流变化点,如图4所示,上述步骤S202还包括:
B1:获取所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数。所述第一电流变化点为电流下降点。
B2:若所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数大于预设次数,确定所述第一上报时间点和所述第二上报时间点之间是否存在第二电流变化点。所述第二电流变化点为电流上升点,所述预设次数为1次,即,若所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数至少包括两次,则确定所述第一上报时间点和所述第二上报时间点之间是否存在第二电流变化点。
B3:若所述第一上报时间点和所述第二上报时间点之间不存在第二电流变化点,则确定所述第一上报时间点和所述第二上报时间点之间,相邻两个第一电流变化点之间的时长是否小于预设时长阈值。其中,所述预设时长阈值可以为15T或者20T,在此不做限定。
B4:若相邻两个第一电流变化点之间的时长小于预设时长阈值,则确定所述充电电流数据具备预设充电曲线特征。
在本申请实施例中,若所述第一电流变化点为电流上升点,则所述第二电流变化点为电流下降点,反之,若所述第一电流变化点为电流下降点,则所述第二电流变化点为电流上升点。
示例性地,当所述第一上报时间点和所述第二上报时间点之间的电流下降点出现的次数不止1次,则进一步地确定第一上报时间点和第二上报时间点之间是否存在电流上升点,若不存在电流上升点,则确定所述第一上报时间点和所述第二上报时间点之间,相邻两个电流下降点之间的时长是否小于15T,若相邻两个电流下降点之间的时长小于15T,则确定所述充电电流数据具备预设充电曲线特征。
作为本申请的一个实施例,所述第二上报时间点在所述第一上报时间点之后,如图5所示,上述步骤S202还包括:
C1:若所述第一上报时间点和所述第二上报时间点之间存在第二电流变化点,则获取所述第一上报时间点的第一电流值与所述第二上报时间点的第二电流值。所述第一上报时间点的第一电流值是指充电过程中,在第一上报时间点上报的电流值;所述第二上报时间点的第二电流值是指充电过程中,在第二上报时间点上报的电流值。
C2:比较所述第一电流值与所述第二电流值。
C3:若所述第一电流值大于或等于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长。所述第二电流变化点的电流变化值是指在相邻两个第一电流变化点之前出现第二电流变化点时变化的电流值。例如,当两个电流下降点之间存在一个电流上升点时,所述电流变化值即为两个电流下降点之间上升的电流值,所述变化值持续时长为上升的电流值持续的时长。
C4:若所述第二电流变化点的电流变化值小于或等于第一预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,则确定所述充电电流数据具备预设充电曲线特征。具体地,所述第一预设电流变化阈值可以为0.3A,所述预设持续时长可以为15T。
若所述第二电流变化点的电流变化值大于第一预设电流变化阈值,或者所述变化值持续时长大于预设持续时长,则确定所述充电电流数据不具备预设充电曲线特征。
示例性地,当所述第一上报时间点和所述第二上报时间点之间的电流下降点出现的次数不止1次,则进一步地确定第一上报时间点和第二上报时间点之间是否存在电流上升点,若存在电流上升点,则获取所述第一上报时间点的第一电流值与所述第二上报时间点的第二电流值,比较所述第一电流值与所述第二电流值,若所述第一电流值大于或等于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长,若所述第二电流变化点的电流变化值小于或等于0.3A,且所述变化值持续时长小于或等于15T,则确定所述充电电流数据具备预设充电曲线特征。
作为本申请的一个实施例,所述第二上报时间点在所述第一上报时间点之后,如图5所示,上述步骤S202还包括:
C5:若所述第一电流值小于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长。
C6:若所述第二电流变化点的电流变化值小于等于第二预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,获取所述第三上报时间点的第三电流值,所述第三上报时间点在所述第二上报时间点之后。具体地,所述第二预设电流变化阈值可以为0.11A,所述第三电流值是指在所述第二上报时间点之后的第三上报时间点上报的电流值,所述第三上报时间点与所述第二上报时间点可以是相邻时间点,也可以是不相邻时间点。
C7:若所述第三电流值小于或等于所述第一电流值,则确定所述充电电流数据具备预设充电曲线特征。
示例性地,当所述第一上报时间点和所述第二上报时间点之间的电流下降点出现的次数不止1次,则进一步地确定第一上报时间点和第二上报时间点之间是否存在电流上升点,若存在电流上升点,则获取所述第一上报时间点的第一电流值与所述第二上报时间点的第二电流值,比较所述第一电流值与所述第二电流值,若所述第一电流值小于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长,若所述第二电流变化点的电流变化值小于或等于0.1A,且所述变化值持续时长小于或等于15T,则获取在所述第三上报时间点的第三电流值,若所述第三电流值小于所述第一电流值,则确定所述充电电流数据具备预设充电曲线特征。
事实上,完整的充电过程一般包括第一阶段、第二阶段和第三阶段,其中,第一阶段是指电流电压平稳充电,第二阶段是指电压不变电流变小的下降式充电,第三阶段是指电压不变电流再变小直至电流电压为零的涓流式充电。在本申请实施例中,无论是第几阶段的充电电流数据,都可以采用上述方式确定所述充电电流数据是否具备预设充电曲线特征。
作为本申请的一个实施例,如图5所示,在上述步骤S202之前,还包括:
D1:获取所述电动车的充电时长。
D2:若所述充电时长大于或等于预设充电时长阈值,则执行所述确定所述充电电流数据是否具备预设充电曲线特征的步骤。所述预设充电时长阈值为30分钟。
在本实施例中,为使得电动车充电电流数据的智能分析更为准确可靠,对充电时长大于或等于预设充电时长阈值的电动车的充电电流数据进行智能分析,即获取满足智能分析所需数量的充电电流数据,从而提高智能分析的准确性。
步骤S203:若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。
具体地,通过对充电电流数据进行智能分析,如果充电电流数据具备上述预设充电曲线特征,或者说,充电电流数据的充电电流曲线为“持续上升或下降”型曲线,则判定该电动车的电池正常,如果充电电流数据不具备上述预设充电曲线特征,则判定该电动车的电池存在异常。电动车电池的异常包括但不限于电池老化、电池热失控。
本申请实施例中,通过获取电动车的充电电流数据,确定所述充电电流数据是否具备预设充电曲线特征来判断电动车的电池是否出现异常,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点,若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常,从而可及时得知出电动车电池是否存在异常,降低电动车充电过程的安全隐患,进而提高电动车充电过程的安全性。
作为本申请的一个实施例,在所述判定电动车的电池出现异常的步骤之后,还包括:
E1:根据所述充电电流数据,生成电池存在异常的提示信息和/或建议信息。
E2:将所述提示信息和/或所述建议信息发送至所述电动车的用户的移动终端,以指示所述移动终端将所述提示信息和/或建议信息呈现给所述电动车的用户。
具体地,服务器如果判定出电动车的电池出现异常,则可以生成提示或者建议信息。其中,提示信息是指用于提示用户电动车出现电池异常,而建议信息是指针对电池异常用户可以采用的应对措施。例如,服务器生成包括提示信息和建议信息的信息,该信息具体为“根据充电曲线智能分析,您虽长时间充电但电量变化很小,推测是电池异常导致,建议您维修或替换电池”。
本申请实施例通过对充电桩上报的电动车充电电流数据进行智能分析,判断用户的电动车电池是否出现电池异常,如果出现电池异常,则生成提示信息以警示用户,使得用户及时得知和关注自身电动车的电池健康状况,以降低或消除电动车充电过程中的安全隐患,提高电动车充电过程的安全性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的电动车电池异常的检测方法,图6示出了本申请实施例提供的电动车电池异常的检测装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该电动车电池异常的检测装置包括:数据获取单元61、特征确定单元62、电池检测单元63,其中:
数据获取单元61,用于获取电动车的充电电流数据;
特征确定单元62,用于确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点;
电池检测单元63,用于若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。
可选地,所述电流变化点包括第一电流变化点和第二电流变化点,所述特征确定单元62包括:
第一变化点次数确定模块,用于获取所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数;
第二变化点次数确定模块,用于若所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数大于预设次数,确定所述第一上报时间点和所述第二上报时间点之间是否存在第二电流变化点;
第一时长判定模块,用于若所述第一上报时间点和所述第二上报时间点之间不存在第二电流变化点,则确定所述第一上报时间点和所述第二上报时间点之间,相邻两个第一电流变化点之间的时长是否小于预设时长阈值;
第一特征确定模块,用于若相邻两个第一电流变化点之间的时长小于预设时长阈值,则确定所述充电电流数据具备预设充电曲线特征。
可选地,所述第二上报时间点在所述第一上报时间点之后,所述特征确定单元62还包括:
第一电流值获取模块,用于若所述第一上报时间点和所述第二上报时间点之间存在第二电流变化点,则获取所述第一上报时间点的第一电流值与所述第二上报时间点的第二电流值;
电流值比较模块,用于比较所述第一电流值与所述第二电流值;
第一数据获取模块,用于若所述第一电流值大于或等于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长;
第二特征确定模块,用于若所述第二电流变化点的电流变化值小于或等于第一预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,则确定所述充电电流数据具备预设充电曲线特征。
可选地,所述特征确定单元62还包括:
第二数据获取模块,用于若所述第一电流值小于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长;
第二电流值获取模块,用于若所述第二电流变化点的电流变化值小于等于第二预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,获取所述第三上报时间点的第三电流值,所述第三上报时间点在所述第二上报时间点之后;
第三特征确定模块,用于若所述第三电流值小于或等于所述第一电流值,则确定所述充电电流数据具备预设充电曲线特征。
可选地,所述电动车电池异常的检测装置还包括:
充电时长获取单元,用于获取所述电动车的充电时长;
充电时长验证单元,用于若所述充电时长大于或等于预设充电时长阈值,则执行所述确定所述充电电流数据是否具备预设充电曲线特征的步骤。
可选地,所述电动车电池异常的检测装置还包括:
订单数据获取单元,用于获取电动车的用户的充电订单数据;
分析检测单元,用于根据所述充电订单数据,检测所述电动车是否已经被分析过;
执行单元,用于若所述电动车未被分析过,则执行所述获取电动车的充电电流数据的步骤。
可选地,所述电动车电池异常的检测装置还包括:
信息生成单元,用于根据所述充电电流数据,生成电池存在异常的提示信息和/或建议信息;
信息呈现单元,用于将将所述提示信息和/或所述建议信息发送至所述电动车的用户的移动终端,以指示所述移动终端将所述提示信息和/或建议信息呈现给所述电动车的用户。
本申请实施例中,通过获取电动车的充电电流数据,确定所述充电电流数据是否具备预设充电曲线特征来判断电动车的电池是否出现异常,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点,若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常,从而可及时得知出电动车电池是否存在异常,降低电动车充电过程的安全隐患,进而提高电动车充电过程的安全性。
上述电动车电池异常的检测装置具有实现上述电动车电池异常的检测方法的功能,该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现,硬件或软件包括一个或多个与上述功能相对应的模块,模块可以是软件和/或硬件。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如图1至图5表示的任意一种电动车电池异常的检测方法的步骤。
本申请实施例还提供一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如图1至图5表示的任意一种电动车电池异常的检测方法的步骤。
本申请实施例还提供一种计算机程序产品,当该计算机程序产品在服务器上运行时,使得服务器执行实现如图1至图5表示的任意一种电动车电池异常的检测方法的步骤。
图7是本申请一实施例提供的智能设备的示意图。如图7所示,该实施例的智能设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机可读指令72。所述处理器70执行所述计算机可读指令72时实现上述各个电动车电池异常的检测方法实施例中的步骤,例如图2所示的步骤S201至S203。或者,所述处理器70执行所述计算机可读指令72时实现上述各装置实施例中各模块/单元的功能,例如图6所示单元61至63的功能。
示例性的,所述计算机可读指令72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令72在所述智能设备7中的执行过程。
所述智能设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述智能设备7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是智能设备7的示例,并不构成对智能设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述智能设备7还可以包括输入输出设备、网络接入设备、总线等。
所述处理器70可以是中央处理单元(CentraL Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitaLSignaL Processor,DSP)、专用集成电路(AppLication Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieLd-ProgrammabLe Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述智能设备7的内部存储单元,例如智能设备7的硬盘或内存。所述存储器71也可以是所述智能设备7的外部存储设备,例如所述智能设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure DigitaL,SD)卡,闪存卡(FLash Card)等。进一步地,所述存储器71还可以既包括所述智能设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机可读指令以及所述智能设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种电动车电池异常的检测方法,其特征在于,包括:
获取电动车的充电电流数据;
确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点;
若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。
2.如权利要求1所述的检测方法,其特征在于,所述电流变化点包括第一电流变化点和第二电流变化点,所述确定所述充电电流数据是否具备预设充电曲线特征的步骤,包括:
获取所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数;
若所述第一上报时间点和所述第二上报时间点之间第一电流变化点出现的次数大于预设次数,确定所述第一上报时间点和所述第二上报时间点之间是否存在第二电流变化点;
若所述第一上报时间点和所述第二上报时间点之间不存在第二电流变化点,则确定所述第一上报时间点和所述第二上报时间点之间,相邻两个第一电流变化点之间的时长是否小于预设时长阈值;
若相邻两个第一电流变化点之间的时长小于预设时长阈值,则确定所述充电电流数据具备预设充电曲线特征。
3.如权利要求2所述的检测方法,其特征在于,所述第二上报时间点在所述第一上报时间点之后,所述确定所述充电电流数据是否具备预设充电曲线特征的步骤,还包括:
若所述第一上报时间点和所述第二上报时间点之间存在第二电流变化点,则获取所述第一上报时间点的第一电流值与所述第二上报时间点的第二电流值;
比较所述第一电流值与所述第二电流值;
若所述第一电流值大于或等于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长;
若所述第二电流变化点的电流变化值小于或等于第一预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,则确定所述充电电流数据具备预设充电曲线特征。
4.如权利要求3所述的检测方法,其特征在于,所述确定所述充电电流数据是否具备预设充电曲线特征的步骤,还包括:
若所述第一电流值小于所述第二电流值,获取所述第二电流变化点的电流变化值以及变化值持续时长;
若所述第二电流变化点的电流变化值小于等于第二预设电流变化阈值,且所述变化值持续时长小于或等于预设持续时长,获取第三上报时间点的第三电流值,所述第三上报时间点在所述第二上报时间点之后;
若所述第三电流值小于或等于所述第一电流值,则确定所述充电电流数据具备预设充电曲线特征。
5.如权利要求1所述的检测方法,其特征在于,在所述确定所述充电电流数据是否具备预设充电曲线特征的步骤之前,包括:
获取所述电动车的充电时长;
若所述充电时长大于或等于预设充电时长阈值,则执行所述确定所述充电电流数据是否具备预设充电曲线特征的步骤。
6.如权利要求1所述的检测方法,其特征在于,在所述获取电动车的充电电流数据的步骤之前,还包括:
获取电动车的用户的充电订单数据;
根据所述充电订单数据,检测所述电动车是否已经被分析过;
若所述电动车未被分析过,则执行所述获取电动车的充电电流数据的步骤。
7.如权利要求1至6任一项所述的检测方法,其特征在于,在所述判定所述电动车的电池存在异常的步骤之后,还包括:
根据所述充电电流数据,生成电池存在异常的提示信息和/或建议信息;
将所述提示信息和/或所述建议信息发送至所述电动车的用户的移动终端,以指示所述移动终端将所述提示信息和/或建议信息呈现给所述电动车的用户。
8.一种电动车电池异常的检测装置,其特征在于,包括:
数据获取单元,用于获取电动车的充电电流数据;
特征确定单元,用于确定所述充电电流数据是否具备预设充电曲线特征,所述预设充电曲线特征包括第一上报时间点、第二上报时间点与电流变化点,所述电流变化点出现的次数大于预设次数、所述第一上报时间点与所述第二上报时间点之间的电流差值的绝对值大于或等于预设电流阈值,且相邻电流变化点之间的时间长度小于或等于预设时长阈值,所述电流变化点为电流上升点或电流下降点;
电池检测单元,用于若所述充电电流数据不具备所述预设充电曲线特征,则判定所述电动车的电池存在异常。
9.一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的电动车电池异常的检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电动车电池异常的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911203640.1A CN111060831B (zh) | 2019-11-29 | 2019-11-29 | 电动车电池异常的检测方法、装置、智能设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911203640.1A CN111060831B (zh) | 2019-11-29 | 2019-11-29 | 电动车电池异常的检测方法、装置、智能设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060831A true CN111060831A (zh) | 2020-04-24 |
CN111060831B CN111060831B (zh) | 2021-04-27 |
Family
ID=70299308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911203640.1A Active CN111060831B (zh) | 2019-11-29 | 2019-11-29 | 电动车电池异常的检测方法、装置、智能设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060831B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112848958A (zh) * | 2020-12-31 | 2021-05-28 | 昆明理工大学 | 充电模式识别方法、装置 |
CN113036877A (zh) * | 2021-04-02 | 2021-06-25 | 广西云鸟能源科技有限公司 | 一种根据充电功率曲线判断充电异常的方法 |
CN113442726A (zh) * | 2021-06-29 | 2021-09-28 | 重庆长安新能源汽车科技有限公司 | 一种电池包过热预警方法、装置及车辆 |
CN115149122A (zh) * | 2022-07-25 | 2022-10-04 | 合众新能源汽车有限公司 | 电池安全的预警方法及装置 |
CN115219930A (zh) * | 2022-03-29 | 2022-10-21 | 广州汽车集团股份有限公司 | 车辆蓄电池老化预警方法、装置、电子设备以及存储介质 |
CN115754762A (zh) * | 2022-11-17 | 2023-03-07 | 广东电网有限责任公司 | 电池异常检测方法、系统、装置、电子设备和存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1380849A1 (de) * | 2002-07-13 | 2004-01-14 | VB Autobatterie GmbH | Verfahren zur Ermittlung der entnehmbaren Ladungsmenge einer Speicherbatterie und Überwachungseinrichtung |
CN101122631A (zh) * | 2007-08-17 | 2008-02-13 | 中兴通讯股份有限公司 | 测试电池充电效果及电子产品功耗的方法及装置 |
CN102656048A (zh) * | 2009-12-02 | 2012-09-05 | 丰田自动车株式会社 | 用于电池组件的异常检测系统 |
CN104062594A (zh) * | 2014-03-27 | 2014-09-24 | 浙江超威创元实业有限公司 | 锂离子动力电池配组方法 |
CN104620122A (zh) * | 2012-08-21 | 2015-05-13 | 空中客车防务和空间公司 | 用于估计电池老化的方法 |
WO2015109592A1 (en) * | 2014-01-27 | 2015-07-30 | Beihang University | Method for estimating li-ion battery capacity degradation |
CN105629172A (zh) * | 2014-10-27 | 2016-06-01 | 中国移动通信集团甘肃有限公司 | 一种混合蓄电池故障检测的方法及装置 |
CN106154180A (zh) * | 2016-08-18 | 2016-11-23 | 中国科学院自动化研究所 | 储能电池充/放电异常行为检测方法及检测系统 |
CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
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 |
CN108072845A (zh) * | 2017-12-20 | 2018-05-25 | 上海理工大学 | 基于不完整充电电压曲线的锂电池容量估计方法 |
CN108896911A (zh) * | 2018-04-26 | 2018-11-27 | 广东小天才科技有限公司 | 一种电子设备的充电异常检测方法及装置 |
CN109919217A (zh) * | 2019-02-28 | 2019-06-21 | 深圳智链物联科技有限公司 | 充电行为识别方法、装置、终端设备及存储介质 |
CN109934473A (zh) * | 2019-02-28 | 2019-06-25 | 深圳智链物联科技有限公司 | 充电健康指数评分方法、装置、终端设备及存储介质 |
CN109948664A (zh) * | 2019-02-28 | 2019-06-28 | 深圳智链物联科技有限公司 | 充电模式识别方法、装置、终端设备及存储介质 |
CN110023135A (zh) * | 2016-12-01 | 2019-07-16 | 沃尔沃卡车集团 | 用于控制车辆中的电池的方法和系统 |
CN110098437A (zh) * | 2019-05-10 | 2019-08-06 | 天津科技大学 | 一种新能源汽车动力电池老化分析系统 |
CN110187225A (zh) * | 2019-06-17 | 2019-08-30 | 广东恒翼能科技有限公司 | 一种锂电池内短路电压电流异常检测方法及系统 |
-
2019
- 2019-11-29 CN CN201911203640.1A patent/CN111060831B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1380849A1 (de) * | 2002-07-13 | 2004-01-14 | VB Autobatterie GmbH | Verfahren zur Ermittlung der entnehmbaren Ladungsmenge einer Speicherbatterie und Überwachungseinrichtung |
CN101122631A (zh) * | 2007-08-17 | 2008-02-13 | 中兴通讯股份有限公司 | 测试电池充电效果及电子产品功耗的方法及装置 |
CN102656048A (zh) * | 2009-12-02 | 2012-09-05 | 丰田自动车株式会社 | 用于电池组件的异常检测系统 |
CN104620122A (zh) * | 2012-08-21 | 2015-05-13 | 空中客车防务和空间公司 | 用于估计电池老化的方法 |
WO2015109592A1 (en) * | 2014-01-27 | 2015-07-30 | Beihang University | Method for estimating li-ion battery capacity degradation |
CN104062594A (zh) * | 2014-03-27 | 2014-09-24 | 浙江超威创元实业有限公司 | 锂离子动力电池配组方法 |
CN105629172A (zh) * | 2014-10-27 | 2016-06-01 | 中国移动通信集团甘肃有限公司 | 一种混合蓄电池故障检测的方法及装置 |
CN106154180A (zh) * | 2016-08-18 | 2016-11-23 | 中国科学院自动化研究所 | 储能电池充/放电异常行为检测方法及检测系统 |
CN106443474A (zh) * | 2016-10-09 | 2017-02-22 | 北京理工大学 | 一种动力电池系统寿命衰退特征快速识别的方法 |
CN110023135A (zh) * | 2016-12-01 | 2019-07-16 | 沃尔沃卡车集团 | 用于控制车辆中的电池的方法和系统 |
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 |
CN108072845A (zh) * | 2017-12-20 | 2018-05-25 | 上海理工大学 | 基于不完整充电电压曲线的锂电池容量估计方法 |
CN108896911A (zh) * | 2018-04-26 | 2018-11-27 | 广东小天才科技有限公司 | 一种电子设备的充电异常检测方法及装置 |
CN109919217A (zh) * | 2019-02-28 | 2019-06-21 | 深圳智链物联科技有限公司 | 充电行为识别方法、装置、终端设备及存储介质 |
CN109934473A (zh) * | 2019-02-28 | 2019-06-25 | 深圳智链物联科技有限公司 | 充电健康指数评分方法、装置、终端设备及存储介质 |
CN109948664A (zh) * | 2019-02-28 | 2019-06-28 | 深圳智链物联科技有限公司 | 充电模式识别方法、装置、终端设备及存储介质 |
CN110098437A (zh) * | 2019-05-10 | 2019-08-06 | 天津科技大学 | 一种新能源汽车动力电池老化分析系统 |
CN110187225A (zh) * | 2019-06-17 | 2019-08-30 | 广东恒翼能科技有限公司 | 一种锂电池内短路电压电流异常检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
JINGJING ZHANG 等: "Battery anomaly and degradation diagnosis for renewable energy plant", 《CIRED - OPEN ACCESS PROCEEDINGS JOURNAL》 * |
李文文: "变电站蓄电池在线监测系统的设计与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112848958A (zh) * | 2020-12-31 | 2021-05-28 | 昆明理工大学 | 充电模式识别方法、装置 |
CN112848958B (zh) * | 2020-12-31 | 2023-08-08 | 昆明理工大学 | 充电模式识别方法、装置 |
CN113036877A (zh) * | 2021-04-02 | 2021-06-25 | 广西云鸟能源科技有限公司 | 一种根据充电功率曲线判断充电异常的方法 |
CN113442726A (zh) * | 2021-06-29 | 2021-09-28 | 重庆长安新能源汽车科技有限公司 | 一种电池包过热预警方法、装置及车辆 |
CN113442726B (zh) * | 2021-06-29 | 2022-05-31 | 重庆长安新能源汽车科技有限公司 | 一种电池包过热预警方法、装置及车辆 |
CN115219930A (zh) * | 2022-03-29 | 2022-10-21 | 广州汽车集团股份有限公司 | 车辆蓄电池老化预警方法、装置、电子设备以及存储介质 |
CN115219930B (zh) * | 2022-03-29 | 2024-04-19 | 广州汽车集团股份有限公司 | 车辆蓄电池老化预警方法、装置、电子设备以及存储介质 |
CN115149122A (zh) * | 2022-07-25 | 2022-10-04 | 合众新能源汽车有限公司 | 电池安全的预警方法及装置 |
CN115149122B (zh) * | 2022-07-25 | 2024-06-11 | 合众新能源汽车股份有限公司 | 电池安全的预警方法及装置 |
CN115754762A (zh) * | 2022-11-17 | 2023-03-07 | 广东电网有限责任公司 | 电池异常检测方法、系统、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111060831B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111060831B (zh) | 电动车电池异常的检测方法、装置、智能设备及存储介质 | |
CN111025159B (zh) | 电动车电池异常检测方法、装置、智能设备及存储介质 | |
CN109934955B (zh) | 充电模式识别方法、装置、终端设备及存储介质 | |
CN111186333B (zh) | 电动车充电识别方法、装置、终端设备及存储介质 | |
CN109872186B (zh) | 充满自停预收费用计算方法、装置、终端设备及存储介质 | |
CN111060832B (zh) | 电动车电池老化识别方法、装置、终端设备及存储介质 | |
CN110060420B (zh) | 充电计费方法、装置、终端设备及计算机可读存储介质 | |
CN111002859B (zh) | 识别充电桩私接插排的方法、装置、终端设备及存储介质 | |
CN112977145A (zh) | 直流充电桩故障预警方法及装置 | |
CN112886671A (zh) | 电池的充电状态检测方法、检测装置以及充电装置 | |
JP6161133B2 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
CN111016717B (zh) | 识别多辆电动车同时充电的方法和装置 | |
CN107150603B (zh) | 一种快速获取与电动车匹配度高的充电桩的方法和装置 | |
CN111055725B (zh) | 电动车电池老化识别方法、装置、终端设备及存储介质 | |
WO2017002953A1 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
CN111125828A (zh) | 电动车体检方法、装置、终端设备及存储介质 | |
CN116039432A (zh) | 充电安全的管控方法、装置及电子设备 | |
CN116454421A (zh) | 电池信息管理方法及存储介质 | |
CN111209369B (zh) | 打标管理方法、装置、终端设备及计算机可读存储介质 | |
CN114328473A (zh) | 一种电池数据的检测方法及装置 | |
CN105591168A (zh) | 铅酸电池管理系统 | |
CN110751747A (zh) | 一种数据处理方法及装置 | |
CN113671387B (zh) | 锂电池电动车的电量估算方法及装置 | |
CN115128485B (zh) | 电池状态监测方法、装置、设备及车辆 | |
CN111044813B (zh) | 充电模式的识别方法、装置及终端设备 |
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 |