CN111458643B - 异常电池筛选方法、装置、电子设备及可读存储介质 - Google Patents
异常电池筛选方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111458643B CN111458643B CN202010441222.2A CN202010441222A CN111458643B CN 111458643 B CN111458643 B CN 111458643B CN 202010441222 A CN202010441222 A CN 202010441222A CN 111458643 B CN111458643 B CN 111458643B
- Authority
- CN
- China
- Prior art keywords
- battery
- batteries
- cycle
- under
- data
- 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
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]
- G01R31/367—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]
- G01R31/382—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请提供一种异常电池筛选方法、装置、电子设备及可读存储介质,包括:获取m个电池中每个电池在第c1次以及在第c2次电池循环下的多个电信号片段;从第c1次以及在第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段;根据第c1次以及第c2次循环下的N个共有片段的电流数据,计算得到m个差值序列;获得每个差值序列的运算值,得到m个运算值,并利用m个运算值组成第c1次电池循环与第c2次电池循环下的列向量;在对L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据多个列向量组成的运算值矩阵从m个电池中筛选出异常电池。可以从运算值矩阵中及时的筛选出异常的电池,提高了异常电池筛选的效率。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种异常电池筛选方法、装置、电子设备及可读存储介质。
背景技术
锂电池被广泛应用在电动汽车、混合动力汽车和电网储能领域。筛选出异常或可能存在异常的电池是锂电池系统安全领域的重要环节。
现有的锂电池故障识别方法包括基于等效电路模型识别,基于电化学机理模型识别以及基于数据驱动。其中,基于等效电路模型识别是对模型参数进行估计,获得测量值,通过测量值与模型估计值之间的差异大小来确定故障,然而,模型的建立受数据采集精度的影响。基于电化学机理模型进行识别是利用高阶微积分方程式描述锂电池内部的化学变化过程,识别过程中计算量较大。
基于数据驱动的方法更加灵活,然而,目前的基于数据驱动的方法多是简单地对原始测量数据进行统计学计算,如对电压欠压和温度过高这类与故障密切相关的参量测试进行分析,这类方法很难在电池出现故障之前进行异常电池的筛选。
发明内容
本申请实施例的目的在于提供一种异常电池筛选方法、装置、电子设备及可读存储介质,用以改善现有技术中很难在电池出现故障之前进行异常电池的筛选的问题。
第一方面,本申请实施例提供了一种异常电池筛选方法,用于从电池集群的m个电池中筛选异常电池,所述m个电池中的每个电池均经历过L次电池循环,m大于或等于2,所述方法包括:获取m个电池中每个电池在第c1次电池循环下的多个电信号片段以及在第c2次电池循环下的多个电信号片段,其中,所述第c1次电池循环以及第c2次电池循环为L次电池循环中的任意两次,所述电信号片段包括一电压间隔下的全部电压数据以及所述全部电压数据分别对应的电流数据;从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,其中,所述共有片段为电压间隔的始末点相同的电信号片段;对m个电池中的每个电池,根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列;获得m个差值序列中的每个差值序列的运算值,得到m个运算值,并利用所述m个运算值组成第c1次电池循环与第c2次电池循环下的列向量,其中,所述运算值为对应差值序列的方差、均值、最大值或熵中的任一项;在对所述L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,其中,所述运算值矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m。
在上述的实施方式中,获取m个电池中每个电池在L次电池循环中的任意两次循环的多个电信号片段;然后从多个电信号片段中获得这任意两次循环的N个共有片段。对于m个电池中的每个电池,计算这两次循环的N个共有片段的差值序列,共可以得到m个差值序列。对m个差值序列分别进行运算获得m个运算值,该m个运算值组成这两次循环的列向量;然后对于L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量,利用多个列向量组成运算值矩阵,并从运算值矩阵筛选异常电池。通过上述方式,可以从运算值矩阵中筛选出异常的电池,提高异常电池筛选的效率。
在一个可能的设计中,所述根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列,包括:对所述第c1次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c1次电池循环下的N个第一电量变化值;对所述第c2次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c2次电池循环下的N个第二电量变化值;对m个电池中的每个电池,计算第c2次电池循环下的N个第二电量变化值与第c1次电池循环下的N个第一电量变化值的差值序列,得到m个差值序列。
在上述的实施方式中,对于任意两次电池循环的每一次(如第c1次和第c2次)的N个共有片段里的电流数据进行安时积分计算,得到任意两次电池循环的每一次的N个电量变化值。然后对于m个电池中的每个电池,计算第c1次和第c2次的对应N个电量变化值的差值,得到差值序列。
在一个可能的设计中,所述根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,包括:利用所述运算值矩阵构建运算值概率矩阵,其中,所述运算值概率矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;若所述运算值概率矩阵存在一行数据,该行数据中大于预设阈值的数据超过a个,判定该行数据对应的电池为异常电池。
在上述的实施方式中,运算值概率矩阵的m行的每行与m个电池中的每个分别对应,因此若运算值概率矩阵中存在一行,该行的数据中,大于预设阈值的数据超过a个,则可以代表该行数据对应的电池异常。
在一个可能的设计中,所述利用所述运算值矩阵构建运算值概率矩阵,包括:所述运算值概率矩阵与所述运算值矩阵相同行且相同列的数等于所述运算值矩阵的同一行的第一列至当前列的数值之和与所述运算值矩阵的当前列的列数之商。
在上述的实施方式中,可以利用运算值矩阵构建运算值概率矩阵,构建方式为:运算值概率矩阵与运算值矩阵同行同列的数据等于运算值矩阵的同一行的第一列至当前列的数值之和与所述运算值矩阵的当前列的列数之商。
在一个可能的设计中,所述从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,包括:获取m个电池中每个电池在所述第c1次电池循环以及第c2次电池循环均存在的多个相同电压间隔下的电信号片段;计算多个相同电压间隔下的电信号片段中的每个电信号片段的电流数据对应的电流平均值,获得多个电流平均值;获得多个电流平均值的最大电流平均值以及最小电流平均值;若所述最大电流平均值与最小电流平均值之差小于或等于电流平均值参量,则判定所述多个相同电压间隔下的电信号片段属于所述共有片段。
在上述的实施方式中,可以先获得m个电池中每个电池在某一相同电压间隔下的多个电信号片段,然后计算多个电信号片段中每个电信号片段的电流数据对应的电流平均值,得到该相同电压间隔下的多个电流平均值。然后计算多个电流平均值中最大电流平均值与最小电流平均值之差,并将其与电流平均值参量进行比较,若差小于或等于电流平均值参量,则判定该相同电压间隔下的多个电信号片段属于共有片段。通过上述方式可以对其他相同电压间隔下的多个电信号片段依次进行判断。
在一个可能的设计中,在所述从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段之后,所述对所述第c1次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c1次电池循环下的N个第一电量变化值之前,所述方法还包括:确定所述共有片段的个数大于或等于共有片段个数参量。
在上述的实施方式中,在计算出共有片段的个数后,还需要把共有片段的个数与共有片段个数参量进行比较,若个数小于共有片段个数参量,则无法进行后续的计算,表示计算出的共有片段无效;若个数大于或等于共有片段个数参量,则可以继续进行。
在一个可能的设计中,所述电池集群为电池集合,所述m个电池为所述电池集合对应的m个电池组;或所述电池集群为电池组,所述m个电池为所述电池组对应的m个电池单体。
在上述的实施方式中,电池集群可以指电池集合,m个电池可以指电池集合中的多个电池组;电池集群也可以指电池组,m个电池可以指电池组中的多个电池单体。电池集群和电池的具体含义均不应理解为是对本申请的限制。
第二方面,本申请实施例提供了一种异常电池筛选装置,用于从电池集群的m个电池中筛选异常电池,所述m个电池中的每个电池均经历过L次电池循环,m大于或等于2,所述装置包括:电信号片段获取模块,用于获取m个电池中每个电池在第c1次电池循环下的多个电信号片段以及在第c2次电池循环下的多个电信号片段,其中,所述第c1次电池循环以及第c2次电池循环为L次电池循环中的任意两次,所述电信号片段包括一电压间隔下的全部电压数据以及所述全部电压数据分别对应的电流数据;共有片段筛选模块,用于从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,其中,所述共有片段为电压间隔的始末点相同的电信号片段;差值序列计算模块,用于对m个电池中的每个电池,根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列;运算值获取模块,用于获得m个差值序列中的每个差值序列的运算值,得到m个运算值,并利用所述m个运算值组成第c1次电池循环与第c2次电池循环下的列向量,其中,所述运算值为对应差值序列的方差、均值、最大值或熵中的任一项;异常电池筛选模块,用于在对所述L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,其中,所述运算值矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m。
在一个可能的设计中,差值序列计算模块,具体用于对所述第c1次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c1次电池循环下的N个第一电量变化值;对所述第c2次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c2次电池循环下的N个第二电量变化值;对m个电池中的每个电池,计算第c2次电池循环下的N个第二电量变化值与第c1次电池循环下的N个第一电量变化值的差值序列,得到m个差值序列。
在一个可能的设计中,异常电池筛选模块,具体用于利用所述运算值矩阵构建运算值概率矩阵,其中,所述运算值概率矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;若所述运算值概率矩阵存在一行数据,该行数据中大于预设阈值的数据超过a个,判定该行数据对应的电池为异常电池。
在一个可能的设计中,异常电池筛选模块,具体用于计算所述运算值矩阵的同一行的第一列至当前列的数值之和与所述运算值矩阵的当前列的列数之商,所述商为所述运算值概率矩阵与所述运算值矩阵相同行且相同列的数。
在一个可能的设计中,共有片段筛选模块,具体用于获取m个电池中每个电池在所述第c1次电池循环以及第c2次电池循环均存在的多个相同电压间隔下的电信号片段;计算多个相同电压间隔下的电信号片段中的每个电信号片段的电流数据对应的电流平均值,获得多个电流平均值;获得多个电流平均值的最大电流平均值以及最小电流平均值;若所述最大电流平均值与最小电流平均值之差小于或等于电流平均值参量,则判定所述多个相同电压间隔下的电信号片段属于所述共有片段。
在一个可能的设计中,所述装置还包括:共有片段个数确认模块,用于确定所述共有片段的个数大于或等于共有片段个数参量。
第三方面,本申请实施例提供了一种电子设备,包括上述第一方面或第一方面的任一可选的实现方式所述的方法。
第四方面,本申请提供一种可读存储介质,该可读存储介质上存储有可执行程序,该可执行程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第五方面,本申请提供一种可执行程序产品,所述可执行程序产品在计算机上运行时,使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的异常电池筛选方法的流程示意图;
图2示出了图1中步骤S120的具体步骤的流程示意图;
图3示出了图1中步骤S130的具体步骤的流程示意图;
图4示出了本申请实施例提供的异常电池筛选装置的示意性结构框图;
图5示出了m个电池中每个电池在电流平均值参量为10A时的电池异常概率的变化趋势图;
图6示出了m个电池中每个电池在电流平均值参量为5A时的电池异常概率的变化趋势图。
具体实施方式
对照实施例,锂电池故障识别方法通常包括基于等效电路模型识别,基于电话线机理模型识别以及基于数据驱动三种识别方法。
基于等效电路模型识别是对模型参数进行估计,获得测量值,并根据测量值与模型估计值之间的差异大小来确定故障,即若测量值与模型估计值之间的差异超过一定范围,则可以判定锂电池故障。然而,模型的建立受数据采集精度的影响。
基于电化学机理模型进行识别,是利用高阶微积分方程式描述锂电池内部的化学变化过程,通过识别化学变化过程中的关键性能化学参数进行故障辨识,然而,该识别方式的计算量较大。
基于数据驱动的方法更加灵活,然而目前的基于数据驱动的方法多是简单地对原始测量数据进行统计学计算,如对电压欠压和温度过高这类与故障密切相关的参量测试进行分析,很难在电池出现故障之前进行异常电池的筛选。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
请参见图1,图1示出了本申请实施例提供的异常电池筛选方法,用于从电池集群的m个电池中筛选异常电池。可选地,电池集群可以为电池集合,m个电池为电池集合对应的m个电池组;或电池集群为电池组,m个电池为所述电池组对应的m个电池单体。电池集合中包括有多个电池组,多个电池组中的每个电池组均可以包括多个电池单体。该方法可以由电子设备执行,该方法具体包括如下步骤S110至步骤S150:
步骤S110,获取m个电池中每个电池在第c1次电池循环下的多个电信号片段以及在第c2次电池循环下的多个电信号片段。
其中,所述第c1次电池循环以及第c2次电池循环为L次电池循环中的任意两次,c1、c2均在1至L之间,且c1与c2不相等。
电信号片段包括一电压间隔下的全部电压数据以及全部电压数据分别对应的电流数据。
对于电池循环过程,不妨设电池循环过程中能够达到的最大电压为Vmax,电池循环过程中能够达到的最小电压为Vmin,电压间隔为Vinterval。
那么,对于电池循环过程的充电过程,可以有如下k-1个电信号片段:
电压间隔(Vmin,…Vmin+1*Vinterval)以及对应的电流数据;
电压间隔(Vmin+1*Vinterval,…Vmin+2*Vinterval)以及对应的电流数据;
电压间隔(Vmin+2*Vinterval,…Vmin+3*Vinterval)以及对应的电流数据;
……
可选地,不妨以电压间隔(Vmin,…Vmin+1*Vinterval)为例,Vmin与Vmin+1*Vinterval之间可以有其他的电压数据,也可以没有其他的电压数据,每个电压间隔中的具体电压数据的个数不应该理解为是对本申请的限制。例如,若电压间隔(Vmin,…Vmin+1*Vinterval)包括x个电压数据,则该电压数据对应的电流数据的数量也为x个。
可选地,充电过程可以从最小电压开始统计,也可以不从最小电压开始统计,充电过程中的电信号片段的具体数量不应该理解为是对本申请的限制。
对于电池循环过程的放电过程,可以有如下k-1个电信号片段:
电压间隔(Vmax,…Vmax-1*Vinterval)以及对应的电流数据;
电压间隔(Vmax-1*Vinterval,…Vmax-2*Vinterval)以及对应的电流数据;
电压间隔(Vmax-2*Vinterval,…Vmax-3*Vinterval)以及对应的电流数据;
……
电压间隔[Vmax-(k-2)*Vinterval,…Vmax-(k-1)*Vinterval]以及对应的电流数据。
可选地,不妨以电压间隔(Vmax,…Vmax-1*Vinterval)为例,Vmax与Vmax-1*Vinterval之间可以有其他的电压数据,也可以没有其他的电压数据,每个电压间隔中的具体电压数据的个数不应该理解为是对本申请的限制。例如,若电压间隔(Vmax,…Vmax-1*Vinterval)包括y个电压数据,则该电压数据对应的电流数据的数量也为y个。
可选地,放电过程可以从最大电压开始统计,也可以不从最大电压开始统计,放电过程中的电信号片段的具体数量不应该理解为是对本申请的限制。
其中,第c1次电池循环以及第c2次电池循环可以均仅指电池循环过程的充电过程,也可以均仅指电池循环过程的放电过程,还可以均指电池循环过程的充电过程以及放电过程。电池循环所表达的电池电量的具体变化过程不应该理解为是对本申请的限制。
可选地,在一种具体实施方式中,在步骤S110之前,该方法还可以包括如下步骤:采集m个电池中每个电池的电流数据和电压数据,并对电流数据和电压数据进行预处理。
预处理包括异常值剔除、遗漏值填补、平滑滤波中的一种或多种。其中,异常值剔除所用方法包括阈值设定法、重复冗余数据删除等;遗漏值填补所用方法包括回归、固定值填补等;平滑滤波所用方法包括最小二乘滤波、三次样条插值等。
步骤S120,从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,其中,所述共有片段为电压间隔的始末点相同的电信号片段。
可选地,请参见图2,步骤S120具体可以包括如下步骤S121至步骤S124:
步骤S121,获取m个电池中每个电池在所述第c1次电池循环以及第c2次电池循环均存在的多个相同电压间隔下的电信号片段。
对于电池n,可以从第c1次电池循环的i个电信号片段和第c2次电池循环的j个电信号片段中选出若干个相同电压间隔的电信号片段。
其中,i、j的数量不确定,理由如下:
在电池循环过程中,由于电流的突然变化,可能会导致部分电压数据的缺失,从而导致电信号片段的减少。在电池循环过程中,由于电压在突变后的回返,也可能导致电压数据相同的电信号片段重复出现。其中,对于电压数据相同的电信号片段,若对应的电流数据也相同,则电压数据、电流数据均相同的电信号片段可以只保留其中一个电信号片段。若电信号片段的电压数据相同,电流数据不同,则电信号片段均可以保留。若某一电信号片段所对应的电流数据的电流最大值与电流最小值之间的差值超过预设阈值,则该电信号片段也可以被舍弃。
对于m个电池的每个电池,均可以按照电池n的筛选方法,选出若干个相同电压间隔的电信号片段。
步骤S122,计算多个相同电压间隔下的电信号片段中的每个电信号片段的电流数据对应的电流平均值,获得多个电流平均值。
步骤S123,获得多个电流平均值的最大电流平均值以及最小电流平均值。
步骤S124,若所述最大电流平均值与最小电流平均值之差小于或等于电流平均值参量,则判定所述多个相同电压间隔下的电信号片段属于所述共有片段。
不妨设m个电池中的每个电池在第c1次电池循环和第c2次电池循环各有一个相同电压间隔下的电信号片段,则1个电池有2个相同电压间隔下的电信号片段,m个电池共有2m个相同电压间隔下的电信号片段。对于2m个相同电压间隔下的电信号片段均计算电流平均值,可以得到2m个电流平均值。
然后从2m个电流平均值中获得最大电流平均值以及最小电流平均值,再对两者做差,并将两者的差值与电流平均值参量进行比较。若两者的差值小于或等于电流平均值参量,则可以确定2m个相同电压间隔下的电信号片段均属于共有片段。电流平均值参量可以根据运行工况和电池系统参数进行调整。
共有片段的电压间隔对应的电压数据的起止点相同,电流数据可以相同,也可以不相同。
可以先获得m个电池中每个电池在某一相同电压间隔下的多个电信号片段,然后计算多个电信号片段中每个电信号片段的电流数据对应的电流平均值,得到该相同电压间隔下的多个电流平均值。然后计算多个电流平均值中最大电流平均值与最小电流平均值之差,并将其与一个电流平均值参量进步比较,若差小于或等于电流平均值参量,则判定该相同电压间隔下的多个电信号片段属于共有片段。通过上述方式可以对其他相同电压间隔下的多个电信号片段依次进行判断。
在步骤S120与步骤S130之间,还可以包括:确定所述共有片段的个数大于或等于共有片段个数参量。
其中,共有片段个数参量可以由工作人员根据数据质量和精度进行调整。
在计算出共有片段的个数后,还需要把共有片段的个数与共有片段个数参量进行比较,若个数小于共有片段个数参量,则无法进行后续的计算,表示计算出的共有片段无效;若个数大于或等于共有片段个数参量,则可以继续进行。
步骤S130,对m个电池中的每个电池,根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列。
可选地,请参见图3,步骤S130具体可以包括如下步骤S131至步骤S132:
步骤S131,对所述第c1次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c1次电池循环下的N个第一电量变化值;对所述第c2次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c2次电池循环下的N个第二电量变化值。
步骤S132,对m个电池中的每个电池,计算第c2次电池循环下的N个第二电量变化值与第c1次电池循环下的N个第一电量变化值的差值序列,得到m个差值序列。
不妨设m个电池中每个电池在第c1次电池循环下的共有片段为N个,m个电池中每个电池在第c2次电池循环下的共有片段同样为N个,则第c1次电池循环下的共有片段的数量为m*N,第c2次电池循环下的共有片段的数量也为m*N。
为了便于描述,继续以电池n为例进行说明:
上述两个电量变化值相减,再取绝对值,便可以得到差值序列:
上述的差值序列为电池n的差值序列,对m个电池均执行上述步骤,便可以得到m个差值序列。
步骤S140,获得m个差值序列中的每个差值序列的运算值,得到m个运算值,并利用所述m个运算值组成第c1次电池循环与第c2次电池循环下的列向量。
其中,所述运算值可以为对应差值序列的方差、均值、最大值或熵中的任一项,即可以对差值序列求方差、均值、最大值或熵,其中熵可以为样本熵或香农熵。
不妨以方差为例进行说明:例如,对于m个差值序列中的每个,均可以求差值序列的方差,得到m个方差:Varc1,c2=[Var1 c1,c2,Var2 c1,c2,...Varm c1,c2]T。m个方差可以组成列向量,该列向量与第c1次电池循环与第c2次电池循环对应。
步骤S150,在对所述L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池。
对L次电池循环中的任意两次电池循环进进行上述计算,可以得到若干个列向量,若干个列向量可以组成运算值矩阵。运算值矩阵的行数与电池的个数相同,均为m个,运算值矩阵的列数与L次电池循环中的任意两次电池循环的组合数。
可选地,在一种具体实施方式中,可以对运算值矩阵中的数据进行归一化处理,使得运算值矩阵中的数据在0和1之间。归一化的方式可以多种多样,例如,可以获取运算值矩阵中同一行数据中全部数据的最大值,并将最大值对应的数据记为1,非最大值对应的数据记为0;也可以获得运算值矩阵中同一行数据中的最大值与最小值的差值,然后用该行数据中的每个数据均除以上述差值,得到归一化后的数据;还可以通过Sigmoid、ReLU、Tanh等映射函数对数据进行归一化处理。
步骤S150具体可以包括:利用所述运算值矩阵构建运算值概率矩阵,其中,所述运算值概率矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;若所述运算值概率矩阵存在一行数据,该行数据中大于预设阈值的数据超过a个,判定该行数据对应的电池为异常电池。
请参见图5和图6,图5示出了m个电池中每个电池在电流平均值参量为10A时的电池异常概率的变化趋势图,图6示出了m个电池中每个电池在电流平均值参量为5A时的电池异常概率的变化趋势图。图5和图6均可以根据运算值概率矩阵进行绘制。选取电流平均值参量为5A(0.025C)可见,满足计算要求的循环对明显减少,但不影响本算法结果。选择λ=4,则可见2号电池在迭代数次后远大于Pmax。通过查找迭代次数对应的运行日期可知,本次异常电池的筛选仅使用了前7天的运行数据。
利用所述运算值矩阵构建运算值概率矩阵,包括:所述运算值概率矩阵与所述运算值矩阵相同行且相同列的数等于所述运算值矩阵的同一行的第一列至当前列的数值之和与所述运算值矩阵的当前列的列数之商。
例如,对于运算值概率矩阵第o行,第p列的数,可以先计算运算值矩阵中,第o行第一列的数值至第o行第p列的数值之和,然后用该数值之和除以列数p,得到的数值便为运算值概率矩阵第o行,第p列的数。
请参见图4,图4示出了本申请实施例提供的异常电池筛选装置,所述装置400包括:
电信号片段获取模块410,用于获取m个电池中每个电池在第c1次电池循环下的多个电信号片段以及在第c2次电池循环下的多个电信号片段,其中,所述第c1次电池循环以及第c2次电池循环为L次电池循环中的任意两次,所述电信号片段包括一电压间隔下的全部电压数据以及所述全部电压数据分别对应的电流数据。
共有片段筛选模块420,用于从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,其中,所述共有片段为电压间隔的始末点相同的电信号片段。
差值序列计算模块430,用于对m个电池中的每个电池,根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列。
运算值获取模块440,用于获得m个差值序列中的每个差值序列的运算值,得到m个运算值,并利用所述m个运算值组成第c1次电池循环与第c2次电池循环下的列向量,其中,所述运算值为对应差值序列的方差、均值、最大值或熵中的任一项。
异常电池筛选模块450,用于在对所述L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,其中,所述运算值矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m。
差值序列计算模块430,具体用于对所述第c1次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c1次电池循环下的N个第一电量变化值;对所述第c2次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c2次电池循环下的N个第二电量变化值;对m个电池中的每个电池,计算第c2次电池循环下的N个第二电量变化值与第c1次电池循环下的N个第一电量变化值的差值序列,得到m个差值序列。
异常电池筛选模块450,具体用于利用所述运算值矩阵构建运算值概率矩阵,其中,所述运算值概率矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;若所述运算值概率矩阵存在一行数据,该行数据中大于预设阈值的数据超过a个,判定该行数据对应的电池为异常电池。
异常电池筛选模块450,具体用于计算所述运算值矩阵的同一行的第一列至当前列的数值之和与所述运算值矩阵的当前列的列数之商,所述商为所述运算值概率矩阵与所述运算值矩阵相同行且相同列的数。
共有片段筛选模块420,具体用于获取m个电池中每个电池在所述第c1次电池循环以及第c2次电池循环均存在的多个相同电压间隔下的电信号片段;计算多个相同电压间隔下的电信号片段中的每个电信号片段的电流数据对应的电流平均值,获得多个电流平均值;获得多个电流平均值的最大电流平均值以及最小电流平均值;若所述最大电流平均值与最小电流平均值之差小于或等于电流平均值参量,则判定所述多个相同电压间隔下的电信号片段属于所述共有片段。
所述装置还包括:
共有片段个数确认模块,用于确定所述共有片段的个数大于或等于共有片段个数参量。
图4示出的异常电池筛选装置与图1示出的异常电池筛选方法相对应,在此便不做赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种异常电池筛选方法,其特征在于,用于从电池集群的m个电池中筛选异常电池,所述m个电池中的每个电池均经历过L次电池循环,m大于或等于2,所述方法包括:
获取m个电池中每个电池在第c1次电池循环下的多个电信号片段以及在第c2次电池循环下的多个电信号片段,其中,所述第c1次电池循环以及第c2次电池循环为L次电池循环中的任意两次,所述电信号片段包括一电压间隔下的全部电压数据以及所述全部电压数据分别对应的电流数据;
从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,其中,所述共有片段为电压间隔的始末点相同的电信号片段;
对m个电池中的每个电池,根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列;
获得m个差值序列中的每个差值序列的运算值,得到m个运算值,并利用所述m个运算值组成第c1次电池循环与第c2次电池循环下的列向量;
在对所述L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,其中,所述运算值矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;
其中,所述根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,包括:利用所述运算值矩阵构建运算值概率矩阵,其中,所述运算值概率矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;若所述运算值概率矩阵存在一行数据,该行数据中大于预设阈值的数据超过a个,判定该行数据对应的电池为异常电池。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列,包括:
对所述第c1次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c1次电池循环下的N个第一电量变化值;对所述第c2次电池循环下的N个共有片段的电流数据进行安时积分计算,得到所述第c2次电池循环下的N个第二电量变化值;
对m个电池中的每个电池,计算第c2次电池循环下的N个第二电量变化值与第c1次电池循环下的N个第一电量变化值的差值序列,得到m个差值序列。
3.根据权利要求1所述的方法,其特征在于,所述利用所述运算值矩阵构建运算值概率矩阵,包括:
所述运算值概率矩阵与所述运算值矩阵相同行且相同列的数等于所述运算值矩阵的同一行的第一列至当前列的数值之和与所述运算值矩阵的当前列的列数之商。
4.根据权利要求1所述的方法,其特征在于,所述从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,包括:
获取m个电池中每个电池在所述第c1次电池循环以及第c2次电池循环均存在的多个相同电压间隔下的电信号片段;
计算多个相同电压间隔下的电信号片段中的每个电信号片段的电流数据对应的电流平均值,获得多个电流平均值;
获得多个电流平均值的最大电流平均值以及最小电流平均值;
若所述最大电流平均值与最小电流平均值之差小于或等于电流平均值参量,则判定所述多个相同电压间隔下的电信号片段属于所述共有片段。
5.根据权利要求1所述的方法,其特征在于,在所述从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段之后,所述根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列之前,所述方法还包括:
确定所述共有片段的个数大于或等于共有片段个数参量。
6.根据权利要求1所述的方法,其特征在于,所述电池集群为电池集合,所述m个电池为所述电池集合对应的m个电池组;或
所述电池集群为电池组,所述m个电池为所述电池组对应的m个电池单体。
7.一种异常电池筛选装置,其特征在于,用于从电池集群的m个电池中筛选异常电池,所述m个电池中的每个电池均经历过L次电池循环,m大于或等于2,所述装置包括:
电信号片段获取模块,用于获取m个电池中每个电池在第c1次电池循环下的多个电信号片段以及在第c2次电池循环下的多个电信号片段,其中,所述第c1次电池循环以及第c2次电池循环为L次电池循环中的任意两次,所述电信号片段包括一电压间隔下的全部电压数据以及所述全部电压数据分别对应的电流数据;
共有片段筛选模块,用于从所述第c1次电池循环下的多个电信号片段以及在所述第c2次电池循环下的多个电信号片段中筛选出m个电池的N个共有片段,其中,所述共有片段为电压间隔的始末点相同的电信号片段;
差值序列计算模块,用于对m个电池中的每个电池,根据所述第c1次电池循环下的N个共有片段的电流数据以及所述第c2次电池循环下的N个共有片段的电流数据,计算差值序列,得到m个差值序列;
运算值获取模块,用于获得m个差值序列中的每个差值序列的运算值,得到m个运算值,并利用所述m个运算值组成第c1次电池循环与第c2次电池循环下的列向量;
异常电池筛选模块,用于在对所述L次电池循环中的任意两次电池循环均进行上述运算,得到多个列向量之后,根据所述多个列向量组成的运算值矩阵从m个电池中筛选出异常电池,其中,所述运算值矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;
其中,所述异常电池筛选模块具体用于利用所述运算值矩阵构建运算值概率矩阵,其中,所述运算值概率矩阵的列数为所述L次电池循环中的任意两次电池循环的组合数,行数为m;若所述运算值概率矩阵存在一行数据,该行数据中大于预设阈值的数据超过a个,判定该行数据对应的电池为异常电池。
8.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-6任一项所述的方法。
9.一种可读存储介质,其特征在于,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441222.2A CN111458643B (zh) | 2020-05-22 | 2020-05-22 | 异常电池筛选方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441222.2A CN111458643B (zh) | 2020-05-22 | 2020-05-22 | 异常电池筛选方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111458643A CN111458643A (zh) | 2020-07-28 |
CN111458643B true CN111458643B (zh) | 2022-04-15 |
Family
ID=71683996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010441222.2A Active CN111458643B (zh) | 2020-05-22 | 2020-05-22 | 异常电池筛选方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111458643B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113433468A (zh) * | 2021-05-12 | 2021-09-24 | 山东大学 | 储能电池早期故障融合诊断方法及安全预警系统 |
CN115308603A (zh) * | 2022-07-13 | 2022-11-08 | 中国长江三峡集团有限公司 | 基于多维度特征和机器学习的电池寿命预测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06325798A (ja) * | 1993-05-13 | 1994-11-25 | Japan Storage Battery Co Ltd | 蓄電池状態検出装置 |
JP2005333784A (ja) * | 2004-05-21 | 2005-12-02 | Fuji Heavy Ind Ltd | バッテリの保護装置 |
CN101460859A (zh) * | 2006-06-06 | 2009-06-17 | 松下电器产业株式会社 | 电池组件的异常判断方法及电池组件 |
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 |
CN107290684A (zh) * | 2017-07-21 | 2017-10-24 | 广东欧珀移动通信有限公司 | 终端设备及其电池安全监控方法、系统 |
CN207218279U (zh) * | 2017-08-01 | 2018-04-10 | 华南理工大学 | 一种具有并行均衡功能的电池管理系统 |
CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
CN109932663A (zh) * | 2019-03-07 | 2019-06-25 | 清华四川能源互联网研究院 | 电池健康状态评估方法、装置、存储介质及电子装置 |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110224192A (zh) * | 2019-05-30 | 2019-09-10 | 安徽巡鹰新能源科技有限公司 | 一种梯次利用动力电池寿命预测方法 |
CN110361664A (zh) * | 2019-08-23 | 2019-10-22 | 清华四川能源互联网研究院 | 电池监测方法、电池监测装置和充电设备 |
CN110927589A (zh) * | 2019-12-09 | 2020-03-27 | 天津市捷威动力工业有限公司 | 一种在线监控电池内短路异常的方法 |
CN110988691A (zh) * | 2018-10-03 | 2020-04-10 | 凹凸电子(武汉)有限公司 | 电池检测系统、电池检测方法以及电池包 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4019815B2 (ja) * | 2002-06-26 | 2007-12-12 | 日産自動車株式会社 | 組電池の異常診断装置および方法 |
TWI352201B (en) * | 2008-04-14 | 2011-11-11 | Inventec Appliances Corp | A method and recording medium for early warning of |
CN110161418B (zh) * | 2019-06-03 | 2020-07-03 | 北京中科奥创科技有限公司 | 蓄电池的健康度预测方法、系统和计算机可读存储介质 |
CN111092470B (zh) * | 2019-12-25 | 2023-05-05 | 欣旺达电动汽车电池有限公司 | 获取电池组中各电池容量差的方法、装置以及存储介质 |
-
2020
- 2020-05-22 CN CN202010441222.2A patent/CN111458643B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06325798A (ja) * | 1993-05-13 | 1994-11-25 | Japan Storage Battery Co Ltd | 蓄電池状態検出装置 |
JP2005333784A (ja) * | 2004-05-21 | 2005-12-02 | Fuji Heavy Ind Ltd | バッテリの保護装置 |
CN101460859A (zh) * | 2006-06-06 | 2009-06-17 | 松下电器产业株式会社 | 电池组件的异常判断方法及电池组件 |
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 |
CN107290684A (zh) * | 2017-07-21 | 2017-10-24 | 广东欧珀移动通信有限公司 | 终端设备及其电池安全监控方法、系统 |
CN207218279U (zh) * | 2017-08-01 | 2018-04-10 | 华南理工大学 | 一种具有并行均衡功能的电池管理系统 |
CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
CN110988691A (zh) * | 2018-10-03 | 2020-04-10 | 凹凸电子(武汉)有限公司 | 电池检测系统、电池检测方法以及电池包 |
CN109932663A (zh) * | 2019-03-07 | 2019-06-25 | 清华四川能源互联网研究院 | 电池健康状态评估方法、装置、存储介质及电子装置 |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110224192A (zh) * | 2019-05-30 | 2019-09-10 | 安徽巡鹰新能源科技有限公司 | 一种梯次利用动力电池寿命预测方法 |
CN110361664A (zh) * | 2019-08-23 | 2019-10-22 | 清华四川能源互联网研究院 | 电池监测方法、电池监测装置和充电设备 |
CN110927589A (zh) * | 2019-12-09 | 2020-03-27 | 天津市捷威动力工业有限公司 | 一种在线监控电池内短路异常的方法 |
Non-Patent Citations (3)
Title |
---|
A data-driven decision-making optimization approach for inconsistent lithium-ion cell screening;Chengbao Liu et.al;《Journal of Intelligent Manufacturing》;20190701;第31卷(第4期);第833-845页 * |
基于动态时间规整和多维标度策略的串联锂离子电池组异常电池可视化识别方法;钟国彬 等;《储能科学与技术》;20190131;第8卷(第1期);第180-190页 * |
基于大数据的电池健康状态(SoH)的估算及应用;肖伟 等;《汽车安全与节能学报》;20191231;第10卷(第1期);第101-105页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111458643A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107957562B (zh) | 一种锂离子电池剩余寿命在线预测方法 | |
CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
CN111458643B (zh) | 异常电池筛选方法、装置、电子设备及可读存储介质 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN113030763A (zh) | 一种车用动力电池一致性差异的潜在风险诊断系统 | |
EP4206712A1 (en) | Apparatus and method for diagnosing battery | |
CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
CN114503392A (zh) | 涉及多个电池的判定装置、蓄电系统、判定方法和判定程序 | |
WO2023052910A1 (en) | System and method for estimating state of health and remaining useful life of a battery | |
CN115389954A (zh) | 一种电池容量的估算方法、电子设备及可读存储介质 | |
US20210166453A1 (en) | Method of establishing visual images of models of battery status | |
CN116298927B (zh) | 一种电池容量估计方法和装置、计算机设备、存储介质 | |
CN116879763A (zh) | 一种基于卡尔曼滤波算法的电池故障预警方法 | |
CN117129897A (zh) | 电池模组/电池簇内健康状态评分方法、系统、存储介质及终端 | |
CN116404276A (zh) | 锂离子电池漏液预测方法、装置、设备及介质 | |
EP4137829A1 (en) | Device and method for diagnosing battery | |
JP2019152657A (ja) | 電池監視システム | |
CN114879054A (zh) | 一种电池安全监测方法、装置、电子设备及存储介质 | |
CN114814630A (zh) | 电池健康状态管理方法、装置、电子设备和存储介质 | |
CN116243165A (zh) | 确定电池一致性的方法、装置、计算设备及车辆 | |
CN117706379B (zh) | 一种电池动态安全边界构建方法、装置及可读存储介质 | |
Chen et al. | Li-ion battery state-of-health estimation based on the combination of statistical and geometric features of the constant-voltage charging stage | |
CN114706004B (zh) | 电池包内电芯剩余电量的确定方法、装置、设备及介质 | |
CN117033953B (zh) | 基于bms实现退役电池的梯次利用分析方法及装置 | |
EP4016099A1 (en) | Battery diagnostic apparatus and method |
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 |