CN111579121A - 基于大数据在线诊断新能源汽车电池包内温度故障的方法 - Google Patents
基于大数据在线诊断新能源汽车电池包内温度故障的方法 Download PDFInfo
- Publication number
- CN111579121A CN111579121A CN202010384680.7A CN202010384680A CN111579121A CN 111579121 A CN111579121 A CN 111579121A CN 202010384680 A CN202010384680 A CN 202010384680A CN 111579121 A CN111579121 A CN 111579121A
- Authority
- CN
- China
- Prior art keywords
- temperature
- temperature sensor
- fault
- data
- battery pack
- 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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
- G01K1/028—Means for indicating or recording specially adapted for thermometers arrangements for numerical indication
-
- 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
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- 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
本发明涉及一种基于大数据在线诊断新能源汽车电池包内温度故障的方法,包括以下步骤:获取并筛选得到对温度传感器进行温度故障判断的各组温度数据;分别计算各组温度数据的温度平均值及其标准差;针对每一组温度数据,计算各个温度传感器的温度因子;归一化各个温度因子得到对应的温度因子归一化值,并做每个温度传感器的温度因子归一化值随时间变化的时序图;对各个温度传感器的温度因子归一化值进行判断;若超出控制上限或控制下限,则判定该温度传感器出现故障;反馈出现故障的温度传感器的信息及故障信息。本发明基于大数据分析方法,可以简单、高效的对电池包内温度传感器的故障进行定位、判断和反馈,且判断结果准确可靠。
Description
技术领域
本发明属于电池包监控技术领域,具体涉及一种基于大数据的在线诊断新能源汽车电池包内温度故障的方法。
背景技术
作为新能源汽车动力来源的电池包,其寿命与温度息息相关:高温会加速电池包的老化,使得电池包内电池容量加速衰减,电池包寿命变短、续航里程不足。因此,控制电池包的温度非常必要。
电池包内部分布着较多的温度传感器来进行温度检测,一旦温度采集不准或发生温度异常等故障,难免会影响电池包的BMS系统及热管理系统管控策略,对电池包造成潜在的危害。故需要对温度传感器的故障情况进行诊断。
新能源汽车电池包系统安装固定于整车底盘或尾箱等位置,检修维护十分不便,因此,若能通过在线温度诊断,对电池包进行实时监控,可以及时发现温度故障问题并加以解决。
申请号为201610602211.1的发明专利的方案为:采用建立单体电池集总参数热模型,利用递推最小二乘法来计算某一时刻下电池外壳预估温度;计算该时刻下电池外壳预估温度与电池外壳实测温度之间的差值;重复前2个步骤,若在一连续时间段内差值的绝对值大于第一阈值的次数超过阈值次数,则判定温度传感器可能出现故障。该方法需要通过建立电池热模型,而目前已知建立的电池热模型所计算之温度之与真实值差异较大,故用于判断温度传感器故障可靠性不高。
公开号为109935867A的发明专利提供了一种用于诊断燃料电池的温度传感器故障的方法,包括以下步骤:通过控制器计算在预定诊断时间期间在燃料电池组处产生的发热值;通过所述控制器,根据计算出的发热值计算所述燃料电池组的温度变化;以及通过所述控制器,基于计算出的燃料电池组的温度变化,诊断配置为测量所述燃料电池组的温度的温度传感器的故障。其方法与申请号201610602211.1的发明专利采用类似的逻辑,方法复杂且准确度难以评测。
由此可见,现有的针对电池包内温度传感器的故障诊断方案存在方案复杂、可靠性和准确度较低的问题。
发明内容
本发明的目的是提供一种可以简单、高效地对电池包内的温度传感器进行故障诊断,且可靠性和准确度均较高的基于大数据在线诊断新能源汽车电池包内温度故障的方法。
为达到上述目的,本发明采用的技术方案是:
一种基于大数据在线诊断新能源汽车电池包内温度故障的方法,用于对新能源汽车上电池包内的温度传感器进行故障诊断,所述基于大数据在线诊断新能源汽车电池包内温度故障的方法包括以下步骤:
步骤1:获取所述电池包的各项数据;
步骤2:由所述电池包的各项数据中筛选出各个采样时间时每个温度传感器检测得到的温度值,一个采样时间时每个温度传感器检测得到的温度值构成一组温度数据;
步骤3:分别对各组温度数据进行计算;对于任意一组温度数据,判断该组温度数据中最大值与最小值的差值是否在设定的温度阈值限定的范围内,若是,则剔除该组温度数据,若否,则保留该组温度数据以进行温度故障判断;
步骤4:进行温度故障判断时,分别计算各组温度数据的温度平均值及其标准差;针对每一组温度数据,分别基于各个所述温度传感器检测得到的温度值和该组温度数据的温度平均值计算各个所述温度传感器的温度因子;
步骤5:将各组温度数据对应的各个所述温度传感器的温度因子归一化,得到每一组温度数据对应的各个所述温度传感器的温度因子归一化值,并做每个所述温度传感器的温度因子归一化值随时间变化的时序图,设置温度因子归一化值对应的控制上限和控制下限;
步骤6:对各个温度传感器的温度因子归一化值进行判断;对于任意一个所述温度传感器,若其温度因子归一化值超出所述控制上限或控制下限,则判定该温度传感器出现故障;
步骤7:反馈出现故障的温度传感器的信息及故障信息。
所述步骤3中,所述温度阈值设定为1℃。
所述步骤4中,计算所述温度传感器的温度因子的方法为:
ΔTX=Tx-T平均
其中,ΔTX为x号所述温度传感器的温度因子,Tx为x号所述温度传感器检测得到的温度值,T平均为当前一组温度数据的温度平均值。
所述步骤5中,将各个所述温度传感器的温度因子归一化的方法为:
Kx=ΔTX/(3δ)
其中,Kx为x号所述温度传感器的温度因子归一化值,ΔTX为x号所述温度传感器的温度因子,δ为当前一组温度数据的标准差。
所述步骤5中,温度因子归一化值对应的控制上限设置为+1,温度因子归一化值对应的控制下限设置为-1。
所述步骤7中,将出现故障的温度传感器的信息及故障信息反馈至电池包后台数据管理平台,供管理员对温度故障做出评估,给定处理决策。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:本发明基于大数据分析方法,可以简单、高效的对电池包内温度传感器的故障进行定位、判断和反馈,且判断结果准确可靠。
附图说明
附图1为本发明的基于大数据在线诊断新能源汽车电池包内温度故障的方法的流程图。
附图2为温度传感器的温度因子归一化值随时间变化的时序图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一:如附图1所示,一种用于对新能源汽车上电池包内的温度传感器进行故障诊断的基于大数据在线诊断新能源汽车电池包内温度故障的方法,包括以下步骤:
步骤1:获取电池包的各项数据,该数据由新能源汽车上传。
步骤2:由电池包的各项数据中,筛选出各个采样时间时每个温度传感器检测得到的温度值,一个采样时间时每个温度传感器检测得到的温度值构成一组温度数据。
例如,电池包中设置12只温度传感器,分别为T1~T12,采样时间编号分别为1~9,则采样获得的9组温度数据如下表所示:
步骤3:分别对各组温度数据进行计算;对于任意一组温度数据,判断该组温度数据中最大值与最小值的差值是否在设定的温度阈值限定的范围内(小于或等于温度阈值),若是,则剔除该组温度数据,若否,则保留该组温度数据以进行温度故障判断。
该步骤中,温度阈值设定为1℃,则在同一采样时间内,若该组温度数据中温度传感器所检测得到的温度值的最大值与最小值的差值≤1℃,则剔除该采样时间对应的一组温度数据,否则保留该组温度数据。例如上表中,采样时间1对应的T1~T12共12只温度传感器所检测的温度最大值与温度最小值的差值为1℃,则需要将采样时间1的这组温度数据剔除。
步骤4:进行温度故障判断时,分别计算各组温度数据的温度平均值T平均及其标准差δ,如上表所示。
针对每一组温度数据(即每个采样时间时),分别基于各个温度传感器检测得到的温度值和该组温度数据的温度平均值计算各个温度传感器的温度因子。计算温度传感器的温度因子的方法为:
ΔTX=Tx-T平均
式中,x表示温度传感器的编号,x=1~n,ΔTX为x号温度传感器的温度因子,Tx为x号温度传感器检测得到的温度值,T平均为当前一组温度数据的温度平均值。
步骤5:将各组温度数据对应的各个温度传感器的温度因子归一化,得到每一组温度数据对应的各个温度传感器的温度因子归一化值。将各个温度传感器的温度因子归一化的方法为:
Kx=ΔTX/(3δ)
式中,Kx为x号温度传感器的温度因子归一化值,ΔTX为x号温度传感器的温度因子,δ为当前一组温度数据的标准差。
然后做每个温度传感器的温度因子归一化值随时间变化的时序图如附图2所示,设置温度因子归一化值对应的控制上限和控制下限。通常温度因子归一化值对应的控制上限设置为+1,温度因子归一化值对应的控制下限设置为-1。
步骤6:对各个温度传感器的温度因子归一化值进行判断;对于任意一个温度传感器,若其温度因子归一化值超出控制上限或控制下限,则判定该温度传感器出现故障。具体为,判定x号温度传感器的温度因子归一化值Kx是否超出控制上限和控制下限范围,即判断|Kx|是否大于1,若|Kx|≤1,则判定x号温度传感器温度正常,若|Kx|>1,则判定x号温度传感器出现温度故障。
由于需要对各个温度传感器分别依次进行判断,因此需要多次执行步骤4至步骤6,从而分析得到每一只温度传感器的故障状态。
步骤7:反馈出现故障的温度传感器的信息及故障信息。具体包括,将出现故障的温度传感器的信息(包括温度传感器编号等)及故障信息反馈至电池包后台数据管理平台,供管理员对温度故障做出评估,给定处理决策。
本专利通过电池包上传之数据集,采用统计学的方法,将温度传感器所采集之温度值进行归一化处理,对温度因子绘制时序控制图进行管控,能够及时有效的发现温度故障并反馈至后台进行决策处理。本专利基于大数据分析方法,可以简单、高效的对温度故障问题进行定位,并将信息报送给数据接收后台,利于电池包数据管理人员及时作出评估并给定解决方案。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于大数据在线诊断新能源汽车电池包内温度故障的方法,用于对新能源汽车上电池包内的温度传感器进行故障诊断,其特征在于:所述基于大数据在线诊断新能源汽车电池包内温度故障的方法包括以下步骤:
步骤1:获取所述电池包的各项数据;
步骤2:由所述电池包的各项数据中筛选出各个采样时间时每个温度传感器检测得到的温度值,一个采样时间时每个温度传感器检测得到的温度值构成一组温度数据;
步骤3:分别对各组温度数据进行计算;对于任意一组温度数据,判断该组温度数据中最大值与最小值的差值是否在设定的温度阈值限定的范围内,若是,则剔除该组温度数据,若否,则保留该组温度数据以进行温度故障判断;
步骤4:进行温度故障判断时,分别计算各组温度数据的温度平均值及其标准差;针对每一组温度数据,分别基于各个所述温度传感器检测得到的温度值和该组温度数据的温度平均值计算各个所述温度传感器的温度因子;
步骤5:将各组温度数据对应的各个所述温度传感器的温度因子归一化,得到每一组温度数据对应的各个所述温度传感器的温度因子归一化值,并做每个所述温度传感器的温度因子归一化值随时间变化的时序图,设置温度因子归一化值对应的控制上限和控制下限;
步骤6:对各个温度传感器的温度因子归一化值进行判断;对于任意一个所述温度传感器,若其温度因子归一化值超出所述控制上限或控制下限,则判定该温度传感器出现故障;
步骤7:反馈出现故障的温度传感器的信息及故障信息。
2.根据权利要求1所述的基于大数据在线诊断新能源汽车电池包内温度故障的方法,其特征在于:所述步骤3中,所述温度阈值设定为1℃。
3.根据权利要求1所述的基于大数据在线诊断新能源汽车电池包内温度故障的方法,其特征在于:所述步骤4中,计算所述温度传感器的温度因子的方法为:
ΔTX=Tx-T平均
其中,ΔTX为x号所述温度传感器的温度因子,Tx为x号所述温度传感器检测得到的温度值,T平均为当前一组温度数据的温度平均值。
4.根据权利要求1所述的基于大数据在线诊断新能源汽车电池包内温度故障的方法,其特征在于:所述步骤5中,将各个所述温度传感器的温度因子归一化的方法为:
Kx=ΔTX/(3δ)
其中,Kx为x号所述温度传感器的温度因子归一化值,ΔTX为x号所述温度传感器的温度因子,δ为当前一组温度数据的标准差。
5.根据权利要求1所述的基于大数据在线诊断新能源汽车电池包内温度故障的方法,其特征在于:所述步骤5中,温度因子归一化值对应的控制上限设置为+1,温度因子归一化值对应的控制下限设置为-1。
6.根据权利要求1所述的基于大数据在线诊断新能源汽车电池包内温度故障的方法,其特征在于:所述步骤7中,将出现故障的温度传感器的信息及故障信息反馈至电池包后台数据管理平台,供管理员对温度故障做出评估,给定处理决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010384680.7A CN111579121B (zh) | 2020-05-08 | 2020-05-08 | 在线诊断新能源汽车电池包内温度传感器故障的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010384680.7A CN111579121B (zh) | 2020-05-08 | 2020-05-08 | 在线诊断新能源汽车电池包内温度传感器故障的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111579121A true CN111579121A (zh) | 2020-08-25 |
CN111579121B CN111579121B (zh) | 2022-04-26 |
Family
ID=72115357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010384680.7A Active CN111579121B (zh) | 2020-05-08 | 2020-05-08 | 在线诊断新能源汽车电池包内温度传感器故障的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111579121B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015165A (zh) * | 2020-08-27 | 2020-12-01 | 余姚市工易仪表有限公司 | 一种温控器自检方法、系统及其存储介质 |
CN112268630A (zh) * | 2020-10-09 | 2021-01-26 | 佛山市顺德区美的饮水机制造有限公司 | 用于温度传感器的温度确定方法、处理器及装置 |
CN113218536A (zh) * | 2021-05-14 | 2021-08-06 | 湘潭大学 | 一种电动汽车电池包温度测点的选取方法 |
CN114754899A (zh) * | 2022-04-07 | 2022-07-15 | 上海船舶运输科学研究所有限公司 | 一种船舶主机扫气箱温度传感器故障诊断方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813920A (zh) * | 2010-05-14 | 2010-08-25 | 上海交通大学 | 电站汽轮机组温度传感器虚拟冗余方法 |
CN104596656A (zh) * | 2014-10-17 | 2015-05-06 | 芜湖扬宇机电技术开发有限公司 | 电缆接头温度预警方法 |
CN108507117A (zh) * | 2017-10-13 | 2018-09-07 | 上海智容睿盛智能科技有限公司 | 一种基于小波神经网络的空调系统传感器故障诊断方法 |
CN109254577A (zh) * | 2018-08-08 | 2019-01-22 | 佛山科学技术学院 | 一种基于深度学习的智能制造过程故障分类方法及装置 |
CN109839600A (zh) * | 2017-11-28 | 2019-06-04 | 深圳先进技术研究院 | 电池包监测装置、系统、方法及汽车 |
CN109934408A (zh) * | 2019-03-18 | 2019-06-25 | 常伟 | 一种基于大数据机器学习进行汽车电池rul预测的应用分析方法 |
CN109934294A (zh) * | 2019-03-18 | 2019-06-25 | 常伟 | 一种基于大数据机器学习进行电动汽车电池soh预测的方法 |
CN110243497A (zh) * | 2019-05-29 | 2019-09-17 | 北京暖云科技有限公司 | 一种基于主成分分析的传感器故障诊断方法及系统 |
CN110515006A (zh) * | 2019-10-09 | 2019-11-29 | 山东元齐新动力科技有限公司 | 一种电池包、电池包的管理方法及车辆 |
CN110806508A (zh) * | 2019-12-16 | 2020-02-18 | 安徽优旦科技有限公司 | 一种基于数据的高压回路接触电阻变化的评估方法 |
-
2020
- 2020-05-08 CN CN202010384680.7A patent/CN111579121B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813920A (zh) * | 2010-05-14 | 2010-08-25 | 上海交通大学 | 电站汽轮机组温度传感器虚拟冗余方法 |
CN104596656A (zh) * | 2014-10-17 | 2015-05-06 | 芜湖扬宇机电技术开发有限公司 | 电缆接头温度预警方法 |
CN108507117A (zh) * | 2017-10-13 | 2018-09-07 | 上海智容睿盛智能科技有限公司 | 一种基于小波神经网络的空调系统传感器故障诊断方法 |
CN109839600A (zh) * | 2017-11-28 | 2019-06-04 | 深圳先进技术研究院 | 电池包监测装置、系统、方法及汽车 |
CN109254577A (zh) * | 2018-08-08 | 2019-01-22 | 佛山科学技术学院 | 一种基于深度学习的智能制造过程故障分类方法及装置 |
CN109934408A (zh) * | 2019-03-18 | 2019-06-25 | 常伟 | 一种基于大数据机器学习进行汽车电池rul预测的应用分析方法 |
CN109934294A (zh) * | 2019-03-18 | 2019-06-25 | 常伟 | 一种基于大数据机器学习进行电动汽车电池soh预测的方法 |
CN110243497A (zh) * | 2019-05-29 | 2019-09-17 | 北京暖云科技有限公司 | 一种基于主成分分析的传感器故障诊断方法及系统 |
CN110515006A (zh) * | 2019-10-09 | 2019-11-29 | 山东元齐新动力科技有限公司 | 一种电池包、电池包的管理方法及车辆 |
CN110806508A (zh) * | 2019-12-16 | 2020-02-18 | 安徽优旦科技有限公司 | 一种基于数据的高压回路接触电阻变化的评估方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015165A (zh) * | 2020-08-27 | 2020-12-01 | 余姚市工易仪表有限公司 | 一种温控器自检方法、系统及其存储介质 |
CN112268630A (zh) * | 2020-10-09 | 2021-01-26 | 佛山市顺德区美的饮水机制造有限公司 | 用于温度传感器的温度确定方法、处理器及装置 |
CN113218536A (zh) * | 2021-05-14 | 2021-08-06 | 湘潭大学 | 一种电动汽车电池包温度测点的选取方法 |
CN113218536B (zh) * | 2021-05-14 | 2024-04-02 | 湘潭大学 | 一种电动汽车电池包温度测点的选取方法 |
CN114754899A (zh) * | 2022-04-07 | 2022-07-15 | 上海船舶运输科学研究所有限公司 | 一种船舶主机扫气箱温度传感器故障诊断方法及系统 |
CN114754899B (zh) * | 2022-04-07 | 2023-11-28 | 上海船舶运输科学研究所有限公司 | 一种船舶主机扫气箱温度传感器故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111579121B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111579121B (zh) | 在线诊断新能源汽车电池包内温度传感器故障的方法 | |
CN114430080B (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
CN110970679B (zh) | 一种基于热对称的电池包温度传感器合理性诊断方法 | |
CN111845448B (zh) | 一种基于概率突变法则的温度异常探针的识别算法 | |
WO2022036830A1 (zh) | 一种燃料电池功率衰减实时监测预警方法及系统 | |
CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
CN114977483A (zh) | 一种智能电网调控控制设备故障诊断系统 | |
CN112417763A (zh) | 输电线路的缺陷诊断方法、装置、设备及存储介质 | |
CN115267589A (zh) | 一种电动汽车电池故障多参数联合诊断方法 | |
CN111983488B (zh) | 一种电池管理系统及其电压信号处理方法 | |
CN116973782A (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
CN117007975A (zh) | 一种通过采集储能电池电芯多点温度对电池容量衰减评估进行强化学习的方法 | |
CN115792634A (zh) | 一种基于云端在线数据的电池单体电压采样故障识别方法 | |
CN115270982A (zh) | 一种基于多元数据神经网络的开关柜故障预测方法 | |
CN112540301B (zh) | 电池检测方法、装置及存储介质 | |
CN115684976A (zh) | 储能电池故障在线诊断定位方法、电子设备及介质 | |
CN111948544B (zh) | 一种动力电池组连接故障的检测方法及系统 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
CN211785999U (zh) | 一种基于物联网的电池监测统计系统 | |
CN109033031B (zh) | 一种基于高维随机矩阵的轴承状态检测方法 | |
Wu et al. | Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity | |
CN114035082B (zh) | 一种新能源车辆电池系统异常电芯快速诊断方法 | |
CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
CN115656863A (zh) | 基于电池bms数据的储能电池故障判断系统 | |
CN117388564A (zh) | 基于实车运行数据的动力电池一致性异常检测方法 |
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 |