CN111257775A - 基于充电过程监控电池阻抗异常的方法、系统以及装置 - Google Patents

基于充电过程监控电池阻抗异常的方法、系统以及装置 Download PDF

Info

Publication number
CN111257775A
CN111257775A CN202010113134.XA CN202010113134A CN111257775A CN 111257775 A CN111257775 A CN 111257775A CN 202010113134 A CN202010113134 A CN 202010113134A CN 111257775 A CN111257775 A CN 111257775A
Authority
CN
China
Prior art keywords
battery
internal resistance
power battery
crd
time
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
Application number
CN202010113134.XA
Other languages
English (en)
Inventor
田维超
张健
章光辉
冯志银
吴文泉
张甜甜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NIO Co Ltd
Original Assignee
NIO Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NIO Co Ltd filed Critical NIO Co Ltd
Priority to CN202010113134.XA priority Critical patent/CN111257775A/zh
Publication of CN111257775A publication Critical patent/CN111257775A/zh
Priority to PCT/CN2020/135574 priority patent/WO2021169486A1/zh
Priority to TW110106041A priority patent/TW202132137A/zh
Pending legal-status Critical Current

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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明涉及电池监控领域，具体涉及一种基于充电过程监控电池阻抗异常的方法、系统以及装置。其方法包括：接收动力电池的运行信息；根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；根据所述电阻差是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常。以解决如何更准确地监控动力电池是否存在阻抗异常，进而发现异常出现的位置，及时报警，实现云端监控。

Description

基于充电过程监控电池阻抗异常的方法、系统以及装置
技术领域
本发明涉及动力电池阻抗异常监控技术领域，具体涉及一种基于充电过程监控电池阻抗异常的方法、系统以及装置。
背景技术
由于电动汽车驾驶体验和续航等要求，需要动力电池电量大、电压高，因而会将很多单体电芯通过串联来提高容量、并联来提高电压。一方面，不同电芯之间通过铜排、焊接等方式进行连接，如果焊接异常、铜排连接松动或表面被氧化等问题发生，会影响电池电流分配，导致电池包内电池电压一致性变差，阻抗较大区域容易产热产生高温；另一方面，电芯本身存在电阻差别，包括欧姆内阻(受焊接、连接件等影响)以及极化内阻，极化内阻较大通常反映了电池内部电化学环境发生了变化，如局部副反应堆积导致导电网络受阻，电池电解液分布不均导致浓差极化等，长期使用，电池会加速衰减变化，在快速充电时，也会因为电池一致性影响整包电池充入电量。无论是电池连接产生的阻抗问题还是电芯本身存在的阻抗差异，都需要及时发现并进行维修更换处理，防止电池因此一致性性能恶化甚至安全风险。HPPC测试方式是在测试动力电池受到大的电流冲击后电压变化并由此计算电池内阻，部分电动汽车通过BMS监控计算动力电池阻抗异常的方式即参考了上述HPPC测试方式，捕捉动力电池在行驶过程中超大电流变化时电压的变化而计算内容阻。但该处理手段并不能真实反映电池在持续使用过程中的极化累积影响，比如从充电过程中反映的情形。
因而，需要提供对电池阻抗异常情况进行有效监控的方案。
发明内容
为了克服上述缺陷，解决或至少部分地解决如何准确监控动力电池的阻抗异常的问题，提出了本发明的基于充电过程监控电池阻抗异常的方法、系统以及装置。
第一方面，提供一种基于充电过程监控电池阻抗异常的方法，包括：接收动力电池的运行信息；根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述动力电池阻抗是否发生异常。
其中，所述“接收动力电池的运行信息”，包括：由电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据；所述运行信号数据至少包括：一次完整充电过程中每个时刻的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、以及电池荷电状态；所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络发送给云端；所述云端接收所述运行信息并存储。
其中，所述“根据所述运行信息中的一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化”，包括：根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD；根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于1的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
其中，所述“根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD”，包括：根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD；根据所述任意一个时刻对应的电流和所述单体电压偏差CVD，计算对应所述任意一个时刻的所述动力电池的所述单体内阻偏差CRD。
其中，所述“根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化”，包括：根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure BDA0002390683350000031
并根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD；或者，根据分类法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；或者，根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。
其中，所述线性拟合法包括：根据线性拟合公式CRD(i)＝k*Soc(i)+b进行判断；其中，k、b为线性拟合公式中的常量；如果根据上述线性拟合公式确定常量k为：k1＜k＜k2时，其中，k1和k2的取值位于区间[-0.1,0.1]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化；如果根据上述线性拟合公式确定常量k为：k＞k3时，其中，k3取值在区间[1,10]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加。
其中，所述“根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常”，包括：当所述单体内阻偏差CRD不随所述荷电状态的变化而发生变化，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在连接阻抗的异常；当所述单体内阻偏差CRD随所述荷电状态的增加而增加，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在电芯极化内阻较大的异常。
其中，所述“根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常”，还包括：当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数Mode，确定发生连接阻抗的异常的连接点位置、或者发生电芯极化内阻较大的异常的电芯；当发生阻抗的异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
第二方面，提供一种基于充电过程监控电池阻抗异常的系统，包括：监控数据接收装置，用于接收动力电池的运行信息；监控数据处理装置，用于根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；监控数据判断装置，用于根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常
其中，所述监控数据接收装置，包括：由电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据；所述运行信号数据至少包括：一次完整充电过程中每个时刻的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、以及电池荷电状态；所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络发送给云端；所述云端接收所述运行信息并存储。
其中，所述监控数据处理装置，还包括：根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD；根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于1的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
其中，所述监控数据处理中“根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD”，具体包括：根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD；根据所述任意一个时刻对应的电流和所述单体电压偏差CVD，计算对应所述任意一个时刻的所述动力电池的所述单体内阻偏差CRD。
其中，所述监控数据处理装置中“根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化”，具体包括：根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure BDA0002390683350000061
并根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD；或者，根据分类法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；或者，根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。
其中，所述监控数据处理装置中的“线性拟合法”包括：根据线性拟合公式CRD(i)＝k*Soc(i)+b进行判断；其中，k、b为线性拟合公式中的常量；如果根据上述线性拟合公式确定常量k为：k1＜k＜k2时，其中，k1和k2的取值位于区间[-0.1,0.1]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化；如果根据上述线性拟合公式确定常量k为：k＞k3时，其中，k3取值在区间[1,10]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加。
其中，所述监控数据判断装置，包括：；当所述单体内阻偏差CRD不随所述荷电状态的变化而发生变化，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在连接阻抗的异常；当所述单体内阻偏差CRD随所述荷电状态的增加而增加，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在电芯极化内阻较大的异常。
其中，所述监控数据判断装置，还包括：当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数Mode，确定发生连接阻抗的异常的连接点、或者发生电芯极化内阻较大的异常的电芯；当发生阻抗的异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
第三方面，提供一种存储装置，该存储装置其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项所述的基于充电过程监控电池阻抗异常的方法。
第四方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项所述的基于充电过程监控电池阻抗异常的方法。
方案1、一种基于充电过程监控电池阻抗异常的方法，其特征在于，包括：
接收动力电池的运行信息；
根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；
根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常。
方案2、根据方案1所述的方法，其特征在于，所述“接收采集端发送的动力电池的运行信息”，包括：
由电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据；
所述运行信号数据至少包括：一次完整充电过程中每个时刻的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、以及电池荷电状态；
所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络发送给云端；
所述云端接收所述运行信息并存储。
方案3、根据方案2所述的方法，其特征在于，所述“根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化”，包括：
根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD；
根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于0的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
方案4、根据方案3所述的方法，其特征在于，所述“根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD”，包括：
根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD；
根据所述任意一个时刻对应的电流和所述单体电压偏差CVD，计算对应所述任意一个时刻的所述动力电池的所述单体内阻偏差CRD。
方案5、根据方案4所述的方法，其特征在于，所述“根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化”，包括：
根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure BDA0002390683350000091
并根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD；或者，
根据分类法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；或者，
根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。
方案6、根据方案5所述的方法，其特征在于，所述线性拟合法包括：
根据线性拟合公式CRD(i)＝k*Soc(i)+b进行判断；
其中，k、b为线性拟合公式中的常量；
如果根据上述线性拟合公式确定常量k为：k1＜k＜k2时，其中，k1和k2的取值位于区间[-0.1,0.1]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化；
如果根据上述线性拟合公式确定常量k为：k＞k3时，其中，k3取值在区间[1,10]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加。
方案7、根据方案6所述的方法，其特征在于，所述“根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常”，包括：
当所述单体内阻偏差CRD不随所述荷电状态的变化而发生变化，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在连接阻抗的异常；
当所述单体内阻偏差CRD随所述荷电状态的增加而增加，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在电芯极化内阻较大的异常。
方案8、根据方案7所述的方法，其特征在于，所述“根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常”，还包括：
当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数，确定发生连接阻抗的异常的连接点位置、或者发生电芯极化内阻较大的异常的电芯；
当所述动力电池阻抗发生异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
方案9、一种基于充电过程监控电池阻抗异常的系统，其特征在于，包括：
监控数据接收装置，用于动力电池的运行信息；
监控数据处理装置，用于根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；
监控数据判断装置，用于根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常。
方案10、根据方案1所述的系统，其特征在于，所述监控数据接收装置，包括：
由电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据；
所述运行信号数据至少包括：一次完整充电过程中每个时刻的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、以及电池荷电状态；
所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络发送给云端；
所述云端接收所述运行信息并存储。
方案11、根据方案10所述的系统，其特征在于，所述监控数据处理装置，还包括：
根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD；
根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于1的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
方案12、根据方案11所述的系统，其特征在于，所述监控数据处理中“根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD”，具体包括：
根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD；
根据所述任意一个时刻对应的电流和所述单体电压偏差CVD，计算对应所述任意一个时刻的所述动力电池的所述单体内阻偏差CRD。
方案13、根据方案12所述的系统，其特征在于，所述监控数据处理装置中“根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化”，具体包括：
根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure BDA0002390683350000121
并根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD；或者，
根据分类法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；或者，
根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。
方案14、根据方案13所述的系统，其特征在于，所述监控数据处理装置中的“线性拟合法”包括：
根据线性拟合公式CRD(i)＝k*Soc(i)+b进行判断；
其中，k、b为线性拟合公式中的常量；
如果根据上述线性拟合公式确定常量k为：k1＜k＜k2时，其中，k1和k2的取值位于区间[-0.1,0.1]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化；
如果根据上述线性拟合公式确定常量k为：k＞k3时，其中，k3取值在区间[1,10]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加。
方案15、根据方案14所述的系统，其特征在于，所述监控数据判断装置，包括：
当所述单体内阻偏差CRD不随所述荷电状态的变化而发生变化，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在连接阻抗的异常；
当所述单体内阻偏差CRD随所述荷电状态的增加而增加，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在电芯极化内阻较大的异常。
方案16、根据方案15所述的系统，其特征在于，所述监控数据判断装置，还包括：
当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数Mode，确定发生连接阻抗的异常的连接点、或者发生电芯极化内阻较大的异常的电芯；
当发生阻抗的异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
方案17、一种存储装置，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行方案1至8中任一项所述的基于充电过程监控电池阻抗异常的方法。
方案18、一种控制装置，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行方案1至8中任一项所述的基于充电过程监控电池阻抗异常的方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
在实施本发明的技术方案中，电动汽车中的电池管理系统BMS(BATTERYMANAGEMENT SYSTEM)实时采集电动汽车端的动力电池充电过程中的运行信号数据(如：每次完整的充电过程中的每个时刻对应的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、电池荷电状态等)，通过车联网将数据传输到云端、由云端强大的存储数据能力进行存储，以确保可以获得较长时间包括一个完整充电过程数小时范围的历史数据，并利用云端强大快速的计算运行能力，对复杂的数据进行快速运算处理而实现监控和发现动力电池是否存在阻抗异常、以及在动力电池的哪些位置(某个连接点附近或某个电芯)出现阻抗异常，进而还可以在发现存在阻抗异常时报警、以及返回相应的提示信息，从而实现云端监控。
进一步，在云端执行运算时，可以选择适当的一次完整充电过程(如：开始充电荷电状态Soc(Soc_start)和结束充电荷电状态Soc(Soc_end)),基于一致性偏差计算内阻差的方式，通过一个完整充电过程中的单体电压和电流的变化关系计算得到动力电池内部阻抗差别ΔR(如CRD)，将充电过程中的内阻差与Soc变化相关联，可以区分动力电池阻抗差别是源于电芯极化内阻差异还是连接阻抗的问题。
另外，由于现有的HPPC测试中通常测试的动力电池受到大电流冲击后电压发生变化，并由此来计算动力电池的内阻，而一部分BMS会参考此类方法捕捉动力电池在行驶过程中超大电流变化时候电压的变化来计算内阻，但不能真实反映动力电池在持续充电过程中的极化累积影响(即内阻实际上是有差别的但该方式无法体现出来)，而采用本发明的内阻计算方法才真正能够准确地反映以充电过程为基础的电池阻抗异常的情况，反映出实际充电过程中的内阻的异常情况与行驶过程的内阻测试的差异。
再进一步，本发明的技术方案除了能由云端监控动力电池阻抗异常的情况，通过内阻差是否随着荷电状态Soc变化而明显变化，还能够准确有效地区分动力电池是连接阻抗异常、还是电芯极化阻抗异常这二者的差异。
附图说明
下面参照附图来描述本发明的具体实施方式，附图中：
图1是根据本发明的基于充电过程监控电池阻抗异常的方法的一个应用场景实例的示意图；
图2是根据本发明的基于充电过程监控电池阻抗异常的方法的一个实施例的主要步骤流程示意图；
图3是根据本发明的基于充电过程监控电池阻抗异常的方法的一个实施例中计算动力电池的电阻差的一个示例流程图；
图4是根据本发明的所述方法的一个实施例的一个完整充电过程中每个时刻对应的动力电池的内阻偏差CRD(i)与荷电状态Soc(i)的线性拟合趋势判断模式I和模式II的示意图；
图5是根据本发明的基于充电过程监控电池阻抗异常的方法的一个实施例的主要结构框图。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合，比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似，可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。
这里先解释本发明涉及到的一些术语。
HPPC(Hybrid PulsePower Characteristic)混合动力脉冲能力特性，体现动力电池脉冲充放电性能的一种特征。
Soc(State of charge)荷电状态，动力电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0～1，当Soc＝0时表示电池放电完全，当Soc＝1时表示电池完全充满。
单体电池指的是，构成动力电池的基本电池单元，多个单体电池经过串并联构成动力电池。
单体电压(CellVoltage)，指有多块单体电池组成的电池组如上述动力电池，每一块单体电池的电压。如果是整块的，就指这块蓄电池(动力电池)的电压，例如12V的蓄电池可以由6块组成，看上去有6个独立的电池室。单体也可以说是有单独的正负极输出的电池，大部分大容量蓄电池是通过小电压的电池模块通过串并联实现额定电压输出的，因而单体电压应该指单个电池模块的电压。
单体电压极小值(MinCellVoltage)即一块单体电池的最小电压值，对于动力电池中具有多个单体电池的情况来说，是指在某个时刻所有单体电池中单体电压数据中的最小值。
单体电压极大值(MaxCellVoltage)即一块单体电池的最小电压值，对于动力电池中具有多个单体电池的情况来说，是指在某个时刻所有单体电池中单体电压数据中的最小值。
众数(Mode)是指在统计分布上具有明显集中趋势点的数值，代表数据的一般水平，众数可以不存在或多于一个。具体地，一组数据中出现次数最多的数值(或者，一组数据中占比例最多的那个数值)，叫众数(用M表示)，有时众数在一组数中有好几个。
电池极大值电芯编号(MaxCellVoltageNum)表示出现最大电压值的单体电池的电芯的编号。
下面参考图1，本发明的技术方案涉及的一个实施例的应用场景示意图。电动汽车的驾驶体验和续航等情况需要动力电池的电量大、电压高。而动力电池通过单体电芯串联提高容量、并联来提高电压。由于不同电芯之间连接出现异常会影响电流分配，导致动力电池内的各电压一致性变差，阻抗加大区域容易产生热量产生高温；并且电芯本身存在电阻差别欧姆内阻(受焊接、连接件等影响)和极化内阻，当极化内阻较大则通常反映了电池内部电化学环境发生变化，长期使用会加速电池衰减变化，快速充电时，会因为电池一致性影响整个动力电池充电量。因而，无论电池连接产生阻抗异常的问题还是电芯本身存在的阻抗差异导致的阻抗异常的问题，都需要及时发现维修更换，防止因此一致性恶化产生的动力电池性能恶化甚至安全风险。
本发明的一个实施例应用场景中，电动汽车一端可以通过车辆的数据采集装置，例如进行电池管理的系统BMS等，在其动力电池(例如蓄电池)实际的每一次完整充电过程期间，对动力电池的运行信号数据进行实时采集，将持续充电好几个小时的一个完整过程中每个时刻的运行信号数据进行采集，并将这些运行信号数据形成运行信息，通过车联网网络传输给云端进行存储和处理。
云端实现对动力电池阻抗是否异常的监控，云端可以有服务器及存储器等设备，能够存储较多数据，这样，获取较长时间的历史数据都能一直记录存储，例如：包含一次完整充电过程往往数小时范围，其数据量复杂且多；并且，云端还可以执行复杂、快速、准确的计算。在云端实现的计算是基于一致性偏差计算内阻的方法。确定一次完整的充电过程，比如：选择荷电状态Soc(Soc_start)和选择荷电状态(Soc_end)确定出一次完整的充电过程，通过该过程中单体电压和电流的变化关系(例如计算压差)，计算出电池内部单体内阻偏差(作为内阻差)即阻抗差别，将该过程中每个时刻对应的单体内阻偏差与对应的荷电状态Soc变化关联起来(例如线性拟合)，确定内阻差与荷电状态Soc的变化关系，由此进一步区分电池阻抗差别导致的阻抗异常问题，是源于电芯极化内阻差异还是连接阻抗问题。云端完成计算确定阻抗异常后对于监控到阻抗异常的情况向对应的电动汽车一端发出报警；进而还能发送提示信息，说明哪个位置、组成结构部分的阻抗发生了异常。由此，通过云端实现对充电过程中电池的阻抗异常情况的监控，计算更准确，能够准确识别出电池阻抗出现异常，并且，通过完整长时间充电过程数据的计算，能够区分电池的连接阻抗和电池极化内阻增加所导致的一致性变化等异常情况。
请参考图2，根据本发明的方法的一个实施例的主要步骤流程示意图。该方法至少包括如下步骤：
步骤S210，接收电动汽车中电池管理系统发送的动力电池的运行信息。
一个实施方式中，结合前述应用场景示例，接收的运行信息由与云端网络连接的电动汽车通过网络传输到云端，一个例子，网络可以是车联网。其中，电动汽车具有可以对动力电池，例如蓄电池，进行管理的电池管理系统BMS。在动力电池进行充电期间，电池管理系统对动力电池的运行信号数据进行采集。
具体地，该电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据。所述运行信号数据至少包括：一次完整充电过程中每个时刻ti(i取值为大于等于0的自然数表示第i个)的电流/充电电流(curent)I(i)、单体电压(CellVoltage)、单体电压极小值(MinCellVoltage)、单体电压极大值(MaxCellVoltage)、电池极大值电芯编号(MaxCellVoltageNum)、以及电池荷电状态(Soc)等。然后，所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络(如车辆网)发送给云端，即将数个小时的充电历史数据都传输给了云端。所述云端可以接收发送来的所述运行信息并存储，例如存储器、数据库等进行存储。以便下一步基于充电过程中的复杂的数据做相对复杂的计算而实现对电池的阻抗异常进行监控。
一个例子：一次完整充电过程中，采集到的运行信号数据可以包括例如：
t1时刻：I(0)＝5A，单体A电压(CellVotage)CV0＝3v，单体B电压CV0＝3v，单体C电压CV0＝3.5v，单体电压极小值MinCV0＝3v，单体电压极大值MaxCV0＝3.5v，Soc＝30(soc_start)；
t2时刻：I(1)＝5A，单体A电压CV1＝3.5v，单体B电压CV1＝3v，单体C电压CV1＝4v，单体电压极小值MinCV0＝3v，单体电压极大值MaxCV0＝4v，Soc＝60；
t3时刻：I(2)＝5A，单体A电压CV1＝4v，单体B电压CV1＝3v，单体C电压CV1＝4.5v，单体电压极小值MinCV0＝3v，单体电压极大值MaxCV0＝4.5v，Soc＝90(soc_end)。
另一个实施方式，也可以由动力电池放置在换电站等地儿充电时，由专门的换电站等地儿设置的管理电池的系统做采集后通过网络传输到云端。只要能够采集一个充电过程尤其完整充电过程中的动力电池的运行信息即可。
步骤S220，根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的电阻差是否随动力电池的荷电状态变化而发生变化。
一个实施例中，参见图3所示计算动力电池的电阻差的一个示例流程图。
步骤S221，根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD，作为所述电阻差。
具体地，第一：可以根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD。比如：云端从存储的数据中可以选择对应动力电池编号的运行信息，在该运行信息中找出一次完整充电过程中开始充电soc(Soc_start)荷电状态和结束充电soc(Soc_end)荷电状态。这里，为了获得较好的计算精度，可以考虑选择soc_start＜40而soc_end＞80的一次完整充电过程。在该次充电过程中，对于其中任意一个时刻ti，其电压差(CellVoltDifference,CVD)即单体电压偏差CVD，根据单体电压极小值MinCellVoltage和单体电压极大值MaxCellVoltage进行求差计算，如下述(公式1)计算电池的单体电压偏差CVD：
CellVoltDifference＝MaxCellVoltge-MinCellVoltage(公式1)
具体地，第二，再根据所述任意一个时刻ti对应的电流I(i)和所述单体电压偏差CVD，计算对应所述任意一个时刻ti的所述动力电池内的所述单体内阻偏差(CellRsiDifference(i),CRD)。如下述(公式2)计算电池的单体内阻偏差CRD作为电池的电阻差ΔR：
Figure BDA0002390683350000201
步骤S222,根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于1的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
比如一次完整的充电过程包括第1,2,……i……n(i、n这里都是大于等于1的自然数，且i≤n)个时刻，每个时刻的的单体内阻偏差为CRD(i)，则该充电过程中所有时刻对应的单体内阻偏差(即电池电阻差)为：{CRD(1),CRD(2)….CRD(i)…CRD(n)}；而所有时刻对应的荷电状态soc在之前采集的运行信号数据中为{Soc(1),Soc(2)…Soc(i)…Soc(n)}。由此，检测CRD与Soc变化是否相关。
承上述例子，i＝1、2、3，计算每个时刻的CRD为：CRD(1)：3.5-3＝0.5，0.5/5＝0.1；CRD(2)：4-3＝1，1/5＝0.2；CRD(3)：4.5-3＝1.5，1.5/5＝0.3，即CRD集合为{0.1,0.2,0.3}。Soc(1)＝30，Soc(2)＝60，Soc(3)＝90，即Soc集合为{30,60,90}。
优选的一个实施方式，根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure BDA0002390683350000211
承上述例子计算AvgCRD为：0.6/3＝0.2。并且，根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD。
具体例如：可以考虑线性拟合方式进行趋势判断(样本数据统计分析)，得到比如下述一元线型拟合(公式3)的线性方程和一个完整充电过程中所有时刻单体内阻偏差平均值avgCRD(公式4)：
CRD(i)＝k*Soc(i)+b (公式3)
Figure BDA0002390683350000212
其中，k、b为线性拟合公式中的参数。经样本统计分析后的估值中，k为：k1＜k＜k2时，其中，k1和k2的取值在-0.1～0.1之间(比如位于区间[-0.1,0.1])，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化，参见图4模式I。经样本统计分析后的估值中，k为：k＞k3时，其中，k3取值在1～10之间(比如位于区间[1,10])，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加，参见图4模式II。
另外，基于两个数据集合(CRD和Soc)，还可以根据分类算法进行分析判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。具体例如：分类算法采用根据二者数据集合中的实例来推理出决策树表示的分类规则，构造决策树的规则以找出二者关系，即确定CRD(i)是否随Soc(i)而变化的情况。
另外，基于两个数据集合(CRD和Soc)，还可以根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。具体例如：将数据集切分成多份易建模的数据，然后利用线性回归进行建模和拟合，确定二者拟合关系，即确定CRD(i)是否随Soc(i)而变化的情况。
步骤S230，根据所述电阻差是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述动力电池阻抗是否发生异常。
一个实施例中，当作为所述电阻差的所述单体内阻偏差CRD不随所述荷电状态Soc的变化而发生变化(如图4所示模式I)，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，例如AvgCRD>c1，这里c1取值可以根据实际实验和经验，选取在0～0.5之间，比如c1为0.2。则确定所述动力电池中存在连接阻抗的异常。这时，可以认为动力电池中某个电压采集点附近有严重连接阻抗异常的问题。
一个例子：若计算得到单体内阻偏差的平均值AvgCRD为0.35Ohm，且k＝0.01，则满足条件。
一个实施例中，当作为所述电阻差的所述单体内阻偏差CRD随所述荷电状态的增加而增加(如图4所示模式II)，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，例如：AvgCRD>c1，比如c1为0.2，则确定所述动力电池中存在电芯极化内阻较大的异常。这时，可以认为某个电芯存在极化内阻较大的问题。
一个例子：若计算得到单体内阻偏差的平均值AvgCRD为0.35Ohm，且k＝2，则满足条件。
一个实施例中，当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，可以根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数Mode，确定发生连接阻抗的异常的连接点位置、或者发生电芯极化内阻较大的异常的电芯。
也就是说，当前述判断，确定已经触发了电池存在阻抗异常的报警条件，在该一次完整充电过程中电池极大值电芯编号的众数(MaxCellVoltageMode)来锁定发生阻抗异常的连接点或电芯。
进一步，当所述动力电池阻抗发生异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
再进一步，若未触发该报警条件，则可以反馈动力电池正常的信息到电动汽车一端。
请参考图5，根据本发明的系统的一个实施例的主要结构框图。该系统至少包括：云端520，云端520中至少包括监控数据接收装置5201、监控数据计算装置5202、监控数据判断装置5203。该系统还包括与云端520网络连接(如车联网连接)的电动汽车510，电动汽车510至少包括车辆数据采集装置(其中包括例如BMS等，未示出)。
监控数据接收装置5201，用于接收电动汽车中电池管理系统发送的动力电池的运行信息。
一个实施方式中，结合前述应用场景示例，接收的运行信息由与云端网络连接的电动汽车通过网络传输到云端，一个例子，网络可以是车联网。其中，电动汽车具有可以对动力电池，例如蓄电池，进行管理的电池管理系统BMS。在动力电池进行充电期间，电池管理系统对动力电池的运行信号数据进行采集。
具体地，该电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据。所述运行信号数据至少包括：一次完整充电过程中每个时刻ti(i取值为大于等于0的自然数表示第i个)的电流/充电电流(curent)I(i)、单体电压(CellVoltage)、单体电压极小值(MinCellVoltage)、单体电压极大值(MaxCellVoltage)、电池极大值电芯编号(MaxCellVoltageNum)、以及电池荷电状态(Soc)等。然后，所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络(如车辆网)发送给云端，即将数个小时的充电历史数据都传输给了云端。所述云端可以接收发送来的所述运行信息并存储，例如存储器、数据库等进行存储。以便下一步基于充电过程中的复杂的数据做相对复杂的计算而实现对电池的阻抗异常进行监控。
一个例子：一次完整充电过程中，采集到的运行信号数据可以包括例如：t1时刻：I(0)＝5A，单体A电压(CellVotage)CV0＝3v，单体B电压CV0＝3v，单体C电压CV0＝3.5v，单体电压极小值MinCV0＝3v，单体电压极大值MaxCV0＝3.5v，Soc＝30(soc_start)；t2时刻：I(1)＝5A，单体A电压CV1＝3.5v，单体B电压CV1＝3v，单体C电压CV1＝4v，单体电压极小值MinCV0＝3v，单体电压极大值MaxCV0＝4v，Soc＝60；t3时刻：I(2)＝5A，单体A电压CV1＝4v，单体B电压CV1＝3v，单体C电压CV1＝4.5v，单体电压极小值MinCV0＝3v，单体电压极大值MaxCV0＝4.5v，Soc＝90(soc_end)。
另一个实施方式，也可以由动力电池放置在换电站等地儿充电时，由专门的换电站等地儿设置的管理电池的系统做采集后通过网络传输到云端。只要能够采集一个充电过程尤其完整充电过程中的动力电池的运行信息即可。
监控数据计算装置5202，用于根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的电阻差是否随动力电池的荷电状态变化而发生变化。
一个实施例中，先进入S1、根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD，作为所述电阻差。具体地，第一：可以根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD。比如：云端从存储的数据中可以选择对应动力电池编号的运行信息，在该运行信息中找出一次完整充电过程中开始充电soc(Soc_start)荷电状态和结束充电soc(Soc_end)荷电状态。这里，为了获得较好的计算精度，可以考虑选择soc_start＜40而soc_end＞80的一次完整充电过程。在该次充电过程中，对于其中任意一个时刻ti，其电压差(CellVoltDifference,CVD)即单体电压偏差CVD，根据单体电压极小值MinCellVoltage和单体电压极大值MaxCellVoltage进行求差计算，如下述(公式1)计算电池的单体电压偏差CVD：
CellVoltDifference＝MaxCellVoltge-MinCellVoltage (公式1)
具体地，第二，再根据所述任意一个时刻ti对应的电流I(i)和所述单体电压偏差CVD，计算对应所述任意一个时刻ti的所述动力电池内的所述单体内阻偏差(CellRsiDifference(i),CRD)。如下述(公式2)计算电池的单体内阻偏差CRD作为电池的电阻差ΔR：
Figure BDA0002390683350000251
一个实施例中，然后进入S2、根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于1的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
比如一次完整的充电过程包括第1,2,……i……n(i、n这里都是大于等于1的自然数，且i≤n)个时刻，每个时刻的的单体内阻偏差为CRD(i)，则该充电过程中所有时刻对应的单体内阻偏差(即电池电阻差)为：{CRD(1),CRD(2)….CRD(i)…CRD(n)}；而所有时刻对应的荷电状态soc在之前采集的运行信号数据中为{Soc(1),Soc(2)…Soc(i)…Soc(n)}。由此，检测CRD与Soc变化是否相关。
承上述例子，i＝1、2、3，计算每个时刻的CRD为：CRD(1)：3.5-3＝0.5，0.5/5＝0.1；CRD(2)：4-3＝1，1/5＝0.2；CRD(3)：4.5-3＝1.5，1.5/5＝0.3，即CRD集合为{0.1,0.2,0.3}。Soc(1)＝30，Soc(2)＝60，Soc(3)＝90，即Soc集合为{30,60,90}。
优选的一个实施方式，根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure BDA0002390683350000261
承上述例子计算AvgCRD为：0.6/3＝0.2。并且，根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD。
具体例如：可以考虑线性拟合方式进行趋势判断(样本数据统计分析)，得到比如下述一元线型拟合(公式3)的线性方程和一个完整充电过程中所有时刻单体内阻偏差平均值avgCRD(公式4)：
CRD(i)＝k*Soc(i)+b (公式3)
Figure BDA0002390683350000262
其中，k、b为线性拟合公式中的参数。经样本统计分析后的估值中，k为：k1＜k＜k2时，其中，k1和k2的取值在-0.1～0.1之间(比如位于区间[-0.1,0.1])，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化，参见图4模式I。经样本统计分析后的估值中，k为：k＞k3时，其中，k3取值在1～10之间(比如位于区间[1,10])，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加，参见图4模式II。
另外，基于两个数据集合(CRD和Soc)，还可以根据分类算法进行分析判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。具体例如：分类算法采用根据二者数据集合中的实例来推理出决策树表示的分类规则，构造决策树的规则以找出二者关系，即确定CRD(i)是否随Soc(i)而变化的情况。
另外，基于两个数据集合(CRD和Soc)，还可以根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。具体例如：将数据集切分成多份易建模的数据，然后利用线性回归进行建模和拟合，确定二者拟合关系，即确定CRD(i)是否随Soc(i)而变化的情况。
监控数据判断装置5203，用于根据所述电阻差是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述动力电池阻抗是否发生异常。
一个实施例中，当作为所述电阻差的所述单体内阻偏差CRD不随所述荷电状态Soc的变化而发生变化(如图4所示模式I)，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，例如AvgCRD>c1，这里c1取值可以根据实际实验和经验，选取在0～0.5之间，比如c1为0.2。则确定所述动力电池中存在连接阻抗的异常。这时，可以认为动力电池中某个电压采集点附近有严重连接阻抗异常的问题。
一个例子：若计算得到单体内阻偏差的平均值AvgCRD为0.35Ohm，且k＝0.01，则满足条件。
一个实施例中，当作为所述电阻差的所述单体内阻偏差CRD随所述荷电状态的增加而增加(如图4所示模式II)，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，例如：AvgCRD>c1，比如c1为0.2，则确定所述动力电池中存在电芯极化内阻较大的异常。这时，可以认为某个电芯存在极化内阻较大的问题。
一个例子：若计算得到单体内阻偏差的平均值AvgCRD为0.35Ohm，且k＝2，则满足条件。
一个实施例中，当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，可以根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数Mode，确定发生连接阻抗的异常的连接点位置、或者发生电芯极化内阻较大的异常的电芯。
也就是说，当前述判断，确定已经触发了电池存在阻抗异常的报警条件，在该一次完整充电过程中电池极大值电芯编号的众数(MaxCellVoltageMode)来锁定发生阻抗异常的连接点或电芯。
进一步，当所述动力电池阻抗发生异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
再进一步，若未触发该报警条件，则可以反馈动力电池正常的信息到电动汽车一端。
基于上述方法实施例，本发明还提供了一种存储装置实施例。在存储装置实施例中，存储装置存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述方法实施例的动力电池绝缘监测方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。
基于上述方法实施例，本发明还提供了一种控制装置实施例。在控制装置实施例中，该装置包括处理器和存储装置，存储装置存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述方法实施例的动力电池绝缘监测方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。
本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也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可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的系统的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是，可以对系统中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。
至此，已经结合附图所示的一个实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种基于充电过程监控电池阻抗异常的方法，其特征在于，包括：
接收动力电池的运行信息；
根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；
根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常。
2.根据权利要求1所述的方法，其特征在于，所述“接收采集端发送的动力电池的运行信息”，包括：
由电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据；
所述运行信号数据至少包括：一次完整充电过程中每个时刻的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、以及电池荷电状态；
所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络发送给云端；
所述云端接收所述运行信息并存储。
3.根据权利要求2所述的方法，其特征在于，所述“根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化”，包括：
根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD；
根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；其中，i为大于等于0的自然数，表示第i个，ti表示任意一个时刻中的第i个时刻。
4.根据权利要求3所述的方法，其特征在于，所述“根据一次完整充电过程的动力电池的运行信号数据中，任意一个时刻的单体电压极小值、单体电压极大值和电流，计算所述任意一个时刻的所述动力电池的单体内阻偏差CRD”，包括：
根据所述任意一个时刻对应的单体电压极小值和单体电压极大值，计算所述任意一个时刻的所述动力电池的单体电压偏差CVD；
根据所述任意一个时刻对应的电流和所述单体电压偏差CVD，计算对应所述任意一个时刻的所述动力电池的所述单体内阻偏差CRD。
5.根据权利要求4所述的方法，其特征在于，所述“根据所述一次完整充电过程的动力电池的运行信号数据中所有时刻的所述动力电池的单体内阻偏差CRD、以及所有时刻的所述动力电池的各个荷电状态，判断任意一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化”，包括：
根据所有时刻的所述动力电池的单体内阻偏差CRD计算单体内阻偏差的平均值
Figure FDA0002390683340000021
并根据线性拟合法进行趋势判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化，其中，CRDi表示第i个时刻ti的CRD；或者，
根据分类法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化；或者，
根据树回归法进行判断，确定任何一个时刻ti对应的单体内阻偏差CRD(i)是否随荷电状态Soc(i)的变化而变化。
6.根据权利要求5所述的方法，其特征在于，所述线性拟合法包括：
根据线性拟合公式CRD(i)＝k*Soc(i)+b进行判断；
其中，k、b为线性拟合公式中的常量；
如果根据上述线性拟合公式确定常量k为：k1＜k＜k2时，其中，k1和k2的取值位于区间[-0.1,0.1]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)不随Soc(i)的变化而变化；
如果根据上述线性拟合公式确定常量k为：k＞k3时，其中，k3取值在区间[1,10]，则确定所述任何一个时刻ti对应的单体内阻偏差CRD(i)随Soc(i)的增加而增加。
7.根据权利要求6所述的方法，其特征在于，所述“根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常”，包括：
当所述单体内阻偏差CRD不随所述荷电状态的变化而发生变化，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在连接阻抗的异常；
当所述单体内阻偏差CRD随所述荷电状态的增加而增加，并且，所述单体内阻偏差的平均值AvgCRD大于预设的判断条件中的阈值，则确定所述动力电池中存在电芯极化内阻较大的异常。
8.根据权利要求7所述的方法，其特征在于，所述“根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常”，还包括：
当确定所述动力电池中存在连接阻抗的异常、或者存在电芯极化内阻较大的异常时，根据计算所述一次完整充电过程中每个时刻的所述电池极大值电芯编号的众数，确定发生连接阻抗的异常的连接点位置、或者发生电芯极化内阻较大的异常的电芯；
当所述动力电池阻抗发生异常时由云端向所述动力电池所在电动汽车发出报警、以及发送包含存在连接阻抗的异常的所述连接点或存在电芯极化内阻较大的异常的所述电芯的提示信息。
9.一种基于充电过程监控电池阻抗异常的系统，其特征在于，包括：
监控数据接收装置，用于动力电池的运行信息；
监控数据处理装置，用于根据所述运行信息中一次完整充电过程的动力电池的运行信号数据进行计算，以确定动力电池的内阻变化是否随动力电池的荷电状态变化而发生变化；
监控数据判断装置，用于根据所述内阻变化是否随所述荷电状态变化的而发生变化的结果、以及预设的判断条件，确定所述电池阻抗是否发生异常。
10.根据权利要求1所述的系统，其特征在于，所述监控数据接收装置，包括：
由电动汽车电池管理系统采集每次完整的充电过程中所监测到的电池运行信号数据；
所述运行信号数据至少包括：一次完整充电过程中每个时刻的电流、单体电压、单体电压极小值、单体电压极大值、电池极大值电芯编号、以及电池荷电状态；
所述电动汽车电池管理系统将所述电池运行信号数据形成所述运行信息，通过网络发送给云端；
所述云端接收所述运行信息并存储。
CN202010113134.XA 2020-02-24 2020-02-24 基于充电过程监控电池阻抗异常的方法、系统以及装置 Pending CN111257775A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010113134.XA CN111257775A (zh) 2020-02-24 2020-02-24 基于充电过程监控电池阻抗异常的方法、系统以及装置
PCT/CN2020/135574 WO2021169486A1 (zh) 2020-02-24 2020-12-11 基于充电过程监控电池阻抗异常的方法、系统以及装置
TW110106041A TW202132137A (zh) 2020-02-24 2021-02-22 基於充電過程監控電池阻抗異常的方法、系統以及裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010113134.XA CN111257775A (zh) 2020-02-24 2020-02-24 基于充电过程监控电池阻抗异常的方法、系统以及装置

Publications (1)

Publication Number Publication Date
CN111257775A true CN111257775A (zh) 2020-06-09

Family

ID=70949380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010113134.XA Pending CN111257775A (zh) 2020-02-24 2020-02-24 基于充电过程监控电池阻抗异常的方法、系统以及装置

Country Status (3)

Country Link
CN (1) CN111257775A (zh)
TW (1) TW202132137A (zh)
WO (1) WO2021169486A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014758A (zh) * 2020-07-22 2020-12-01 量道(深圳)储能科技有限公司 基于电池管理系统的事件信息分析电池性能的方法及系统
CN112816881A (zh) * 2021-03-12 2021-05-18 武汉蔚来能源有限公司 电池压差异常检测方法、装置及计算机存储介质
CN113064081A (zh) * 2021-03-11 2021-07-02 北京车和家信息技术有限公司 动力电池劣化检测方法、装置、介质、车载系统和车辆
CN113253128A (zh) * 2021-05-12 2021-08-13 合肥国轩高科动力能源有限公司 一种电池系统soc一致性评估方法和内阻一致性评估方法
WO2021169486A1 (zh) * 2020-02-24 2021-09-02 上海蔚来汽车有限公司 基于充电过程监控电池阻抗异常的方法、系统以及装置
CN113533985A (zh) * 2021-06-28 2021-10-22 合肥国轩高科动力能源有限公司 一种电池包内阻异常模块的识别方法及其存储介质
CN113963033A (zh) * 2021-12-20 2022-01-21 华东交通大学 一种基于人工智能的电力设备异常检测方法和系统
CN113985288A (zh) * 2021-10-26 2022-01-28 广州小鹏汽车科技有限公司 车辆电池的组件异常提醒方法、装置、车辆以及存储介质
CN114252770A (zh) * 2021-11-19 2022-03-29 东软睿驰汽车技术（沈阳）有限公司 一种电池包的功率的检测方法、装置、系统及电子设备
WO2022135520A1 (zh) * 2020-12-24 2022-06-30 广州橙行智动汽车科技有限公司 一种电芯容量异常判断方法及装置、车辆、存储介质
WO2022205378A1 (zh) * 2021-04-01 2022-10-06 宁德时代新能源科技股份有限公司 充电异常的检测方法、装置及存储介质
CN118151019A (zh) * 2024-05-08 2024-06-07 北汽福田汽车股份有限公司 动力电池异常识别方法、装置、存储介质及车辆

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113540588A (zh) * 2021-07-12 2021-10-22 力高(山东)新能源技术有限公司 基于均衡电路预测电芯热失控的方法
CN113805080B (zh) * 2021-09-15 2022-12-06 力高(山东)新能源技术股份有限公司 一种判断电池组电芯异常的方法
CN114062943B (zh) * 2021-10-21 2024-02-09 合肥国轩高科动力能源有限公司 一种锂离子电池系统极化异常预警方法及系统
CN114062930B (zh) * 2021-11-16 2023-06-09 蜂巢能源科技有限公司 一种电芯极耳异常接触的检测方法、装置和设备
CN114200347B (zh) * 2021-11-30 2023-07-18 杭州煦达新能源科技有限公司 一种储能系统中电芯电压采样线连接异常的检测方法
CN114264957B (zh) * 2021-12-02 2024-05-07 东软集团股份有限公司 一种异常单体检测方法及其相关设备
CN114221833B (zh) * 2021-12-15 2023-12-05 傲普(上海)新能源有限公司 Bms系统数据通讯方法
CN114705995A (zh) * 2022-03-25 2022-07-05 章鱼博士智能技术(上海)有限公司 一种电连接状态识别方法、装置、设备及存储介质
CN115128481B (zh) * 2022-07-04 2023-10-27 上海交通大学 基于神经网络及阻抗辩识校正的电池状态估计方法、系统
CN115015768B (zh) * 2022-08-10 2022-11-11 力高(山东)新能源技术股份有限公司 一种预测电池组异常电芯的方法
CN115524629B (zh) * 2022-11-23 2023-02-24 陕西汽车集团股份有限公司 一种车辆动力电池系统健康状态的评估方法
CN117054916B (zh) * 2023-07-27 2024-06-11 小米汽车科技有限公司 动力电池的异常检测方法、系统及云端服务器
CN117207837B (zh) * 2023-10-07 2024-02-09 嘉丰盛精密电子科技(孝感)有限公司 一种新能源汽车电池包负载均衡调度方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3839761B2 (ja) * 2001-09-14 2006-11-01 松下電器産業株式会社 バッテリ制御装置
JP2010223768A (ja) * 2009-03-24 2010-10-07 Panasonic Corp 電池異常検出回路、及び電源装置
CN104865445A (zh) * 2014-08-29 2015-08-26 北汽福田汽车股份有限公司 一种动力电池内阻检测方法及动力电池健康度诊断方法
CN105958590B (zh) * 2016-06-08 2018-08-28 西安特锐德智能充电科技有限公司 依据充电电量变化判断电池充电过程异常的装置及方法
US11313910B2 (en) * 2017-09-14 2022-04-26 Semiconductor Energy Laboratory Co., Ltd. Anomaly detection system and anomaly detection method for a secondary battery
CN107861070B (zh) * 2017-10-25 2019-10-18 北京交通大学 一种锂离子电池健康状态在线诊断方法
CN108459278B (zh) * 2018-07-05 2021-01-19 宁波均胜科技有限公司 一种锂离子电池内阻与荷电状态同步估算方法
CN111257775A (zh) * 2020-02-24 2020-06-09 上海蔚来汽车有限公司 基于充电过程监控电池阻抗异常的方法、系统以及装置

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021169486A1 (zh) * 2020-02-24 2021-09-02 上海蔚来汽车有限公司 基于充电过程监控电池阻抗异常的方法、系统以及装置
CN112014758B (zh) * 2020-07-22 2023-04-25 量道(深圳)储能科技有限公司 基于电池管理系统的事件信息分析电池性能的方法及系统
CN112014758A (zh) * 2020-07-22 2020-12-01 量道(深圳)储能科技有限公司 基于电池管理系统的事件信息分析电池性能的方法及系统
WO2022135520A1 (zh) * 2020-12-24 2022-06-30 广州橙行智动汽车科技有限公司 一种电芯容量异常判断方法及装置、车辆、存储介质
CN113064081A (zh) * 2021-03-11 2021-07-02 北京车和家信息技术有限公司 动力电池劣化检测方法、装置、介质、车载系统和车辆
CN113064081B (zh) * 2021-03-11 2023-12-05 北京车和家信息技术有限公司 动力电池劣化检测方法、装置、介质、车载系统和车辆
CN112816881A (zh) * 2021-03-12 2021-05-18 武汉蔚来能源有限公司 电池压差异常检测方法、装置及计算机存储介质
CN112816881B (zh) * 2021-03-12 2024-03-22 武汉蔚来能源有限公司 电池压差异常检测方法、装置及计算机存储介质
WO2022205378A1 (zh) * 2021-04-01 2022-10-06 宁德时代新能源科技股份有限公司 充电异常的检测方法、装置及存储介质
CN113253128B (zh) * 2021-05-12 2022-04-12 合肥国轩高科动力能源有限公司 一种电池系统soc一致性评估方法和内阻一致性评估方法
CN113253128A (zh) * 2021-05-12 2021-08-13 合肥国轩高科动力能源有限公司 一种电池系统soc一致性评估方法和内阻一致性评估方法
CN113533985B (zh) * 2021-06-28 2024-05-03 合肥国轩高科动力能源有限公司 一种电池包内阻异常模块的识别方法及其存储介质
CN113533985A (zh) * 2021-06-28 2021-10-22 合肥国轩高科动力能源有限公司 一种电池包内阻异常模块的识别方法及其存储介质
CN113985288A (zh) * 2021-10-26 2022-01-28 广州小鹏汽车科技有限公司 车辆电池的组件异常提醒方法、装置、车辆以及存储介质
CN114252770B (zh) * 2021-11-19 2023-12-22 东软睿驰汽车技术（沈阳）有限公司 一种电池包的功率的检测方法、装置、系统及电子设备
CN114252770A (zh) * 2021-11-19 2022-03-29 东软睿驰汽车技术（沈阳）有限公司 一种电池包的功率的检测方法、装置、系统及电子设备
CN113963033A (zh) * 2021-12-20 2022-01-21 华东交通大学 一种基于人工智能的电力设备异常检测方法和系统
CN118151019A (zh) * 2024-05-08 2024-06-07 北汽福田汽车股份有限公司 动力电池异常识别方法、装置、存储介质及车辆

Also Published As

Publication number Publication date
WO2021169486A1 (zh) 2021-09-02
TW202132137A (zh) 2021-09-01

Similar Documents

Publication Publication Date Title
CN111257775A (zh) 基于充电过程监控电池阻抗异常的方法、系统以及装置
CN110161414B (zh) 一种动力电池热失控在线预测方法及系统
CN108544925B (zh) 电池管理系统
CN111413629B (zh) 动力电池内单体电池的短路监测方法、系统以及装置
JP6588632B2 (ja) 電池制御装置
CN111812518B (zh) 电池状态监控方法、存储介质和系统
CN103698713A (zh) 一种锂离子电池健康状态评估方法
CN112487031B (zh) 单体电池故障检测方法、装置、可读存储介质及电子设备
CN111025168A (zh) 一种电池健康状态监控装置及电池荷电状态智能估算方法
CN116027199B (zh) 基于电化学模型参数辨识检测电芯全寿命内短路的方法
CN110045291B (zh) 一种锂电池容量估计方法
CN114441979A (zh) 压降电池单元检测和电池单元健康状态监测
CN117203541A (zh) 电池状态评估方法、装置、电子设备及存储介质
CN113396503B (zh) 电池控制装置
CN110927609B (zh) 梯次利用电池储能系统的衰退评估方法及装置
CN116754984A (zh) 一种电池一致性的检测方法及相关装置
CN115166555A (zh) 一种电池大数据平台电池模块内阻异常识别方法及系统
US20130207462A1 (en) Method for Determining at least one State of a Plurality of Battery Cells, Computer Program, Battery and Motor Vehicle
WO2022016862A1 (zh) 用于监控电池组健康状况的方法和系统
US11513164B2 (en) Method and system for estimating battery pack balance state of new energy vehicle
Cai et al. Online weld breakage diagnosis for the battery of electric vehicle: a data-driven approach
CN117517993B (zh) 基于电芯性能评估的车辆电池能量智能管理方法及系统
CN117590229A (zh) 电池监测装置、方法及电器设备
CN116794548A (zh) 电池故障预警和诊断方法
CN115489391A (zh) 一种带有无线天线的电动汽车电池包的控制方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40031947

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination