CN111584966A - 基于大数据分析的动力电池包中单体电池过压预警方法 - Google Patents
基于大数据分析的动力电池包中单体电池过压预警方法 Download PDFInfo
- Publication number
- CN111584966A CN111584966A CN202010311246.6A CN202010311246A CN111584966A CN 111584966 A CN111584966 A CN 111584966A CN 202010311246 A CN202010311246 A CN 202010311246A CN 111584966 A CN111584966 A CN 111584966A
- Authority
- CN
- China
- Prior art keywords
- highest voltage
- battery
- voltage value
- soc
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- 239000000178 monomer Substances 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000005192 partition Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- 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
- H01M10/44—Methods for charging or discharging
-
- 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
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及一种基于大数据分析的动力电池包中单体电池过压预警方法,包括以下步骤:步骤1:获取动力电池包上传的各项参数的历史数据,筛选并提取出电池单体的最高电压值、电动汽车的里程、单体电池的SOC、电动汽车的行车状态数据;步骤2:对动力电池包上传的各项参数的历史数据进行筛选和分析,获得反映电池单体的最高电压值与电动汽车的里程对应关系的函数;步骤3:利用函数和动力电池包当前上传的各项参数的实时数据进行预测,得到电池单体的最高电压预测值;步骤4:若电池单体的最高电压预测值大于或等于过压报警阈值,则发出预警信号和预警数据。本发明能够可以更好地对动力电池包质量进行实时管控,保障电池安全可靠的运行。
Description
技术领域
本发明属于动力电池监控技术领域,具体涉及一种基于大数据分析的动力电池包中单体电池过压预警方法。
背景技术
随着新能源行业的飞速发展,动力电池已广泛应用于电动汽车、风光储能、电信基站等领域。但随着动力电池系统的大规模应用,也出现了各种各样的问题,尤其是安全问题引起广泛的关注。
动力电池包在长期的使用过程中,容易出现个别或部分电池电压过高的问题。电池电压过高意味着电池有过充的风险,频繁出现电池过压的问题,极易导致电池发生安全故障。
因此,为了保障电池安全可靠的运行,解决潜在隐患,分析电池包内单体电池过压问题并进行提前预警,有助于在问题发生前将故障及时通知后台予以处理修复,给用户更好的安全保障。
然而,现有技术中,对于动力电池的电压过高问题,并没有能够进行提前预警的方案,而都是在已出现电压过高问题后的解决方案。例如公开号为CN108321909A的发明专利,提供了一种采用电气元件检测电池充电过压并实现过压自恢复的方法,该方法只能在电池实际发生电池过压故障后起到作用,无法在问题发生前做出处理对策。再如公开号为CN110474300A的发明专利,公开了一种电动车电池过压保护系统,其方法是对电池过压进行检测;当检测到过压问题时通过保护电路触发断开指令。
由此可见,现有技术无法实现对动力电池的过压问题进行提前预警。
发明内容
本发明的目的是提供一种能够对动力电池的过压问题进行提前预警,从而保障电池安全可靠的运行,解决潜在隐患的基于大数据分析的动力电池包中单体电池过压预警方法。
为达到上述目的,本发明采用的技术方案是:
一种基于大数据分析的动力电池包中单体电池过压预警方法,用于对电动汽车上的动力电池包中的电池单体进行过压预警,所述基于大数据分析的动力电池包中单体电池过压预警方法包括以下步骤:
步骤1:获取所述动力电池包上传的各项参数的历史数据,筛选并提取出所需参数的历史数据,所需参数包括所述电池单体的最高电压值、所述电动汽车的里程、所述单体电池的SOC、所述电动汽车的行车状态数据;
步骤2:对所述动力电池包上传的各项参数的历史数据进行筛选和分析,获得反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数;
步骤3:利用所述函数和所述动力电池包当前上传的各项参数的实时数据进行预测,得到所述电池单体的最高电压预测值;
步骤4:比较所述电池单体的最高电压预测值与设定的过压报警阈值,若所述电池单体的最高电压预测值大于或等于所述过压报警阈值,则发出预警信号和预警数据。
所述步骤2包括以下步骤:
步骤2-1:基于所述电动汽车的行车状态数据对所述电池单体的最高电压值的历史数据进行初次筛选,剔除停车、空档、倒车情况下所述电池单体的最高电压值的历史数据,获得初次筛选后的电池单体的最高电压值数据;
步骤2-2:基于所述单体电池的SOC对初次筛选后的电池单体的最高电压值数据进行二次筛选,剔除所述单体电池的SOC<a%时所述电池单体的最高电压值的历史数据,获得用于分析的电池单体的最高电压值数据;
步骤2-3:将所述电动汽车的里程按照设定的里程间隔划分为若干段里程区间,获得每段所述里程区间对应的电池单体的最高电压值数据;
步骤2-4:将所述单体电池的SOC按照设定的SOC间隔划分为若干SOC分区,则在每段所述里程区间内,获得每个所述SOC分区对应的电池单体的最高电压值数据,并计算每个所述SOC分区对应的电池单体的最高电压值数据的标准差;
步骤2-5:针对每个SOC分区,获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数,作为反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数。
所述步骤2-2中,a=50。
所述步骤2-3中,所述里程间隔为500~1000km。
所述步骤2-4中,所述SOC间隔为1%。
所述步骤2-5中,在每个SOC分区下,将各段所述里程区间的电池单体的最高电压值数据的标准差作为纵坐标,将各段所述里程区间的间隔序数作为横坐标,做电池单体的最高电压值数据的标准差与各段所述里程区间的间隔序数的关系图,并通过拟合曲线的方法,获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数。
所述步骤3包括以下步骤:
步骤3-1:针对下一里程区间,利用所述函数分别计算出各个所述SOC分区对应的电池单体的最高电压值数据的标准差的预测值;
步骤3-2:根据所述动力电池包当前上传的各项参数的实时数据,确认所述电池单体当前的SOC状态对应的SOC分区,并查找到该SOC分区对应的电池单体的最高电压值数据的标准差的预测值;
步骤3-3:根据所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值、当前所述电池单体最高电压值,计算得到所述电池单体的最高电压预测值。
所述步骤3-3中,计算所述电池单体的最高电压预测值的方法为:
V预测=Vmax实时数据+3×δSOC-(n+1)
其中,V预测为所述电池单体的最高电压预测值,Vmax实时数据为当前所述电池单体最高电压值,δSOC-(n+1)为所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值。
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:本发明通过对动力电池包进行大量数据分析,在电池包过压问题发生之前提前做出预警,从而可以更好地对动力电池包质量进行实时管控,可以保障电池安全可靠的运行,解决潜在隐患,大幅提升动力电池的安全性能。
附图说明
附图1为本发明的基于大数据分析的动力电池包中单体电池过压预警方法的流程图。
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,一种基于大数据分析的动力电池包中单体电池过压预警方法,包括以下步骤:
步骤1:获取动力电池包上传的各项参数的历史数据,筛选并提取出所需参数的历史数据,所需参数包括电池单体的最高电压值、电动汽车的里程、单体电池的SOC、电动汽车的行车状态数据。
该步骤中,首先获取国标GB/T 32960-2016要求之电池包上传数据,然后进行筛选,其中电池单体的最高电压值基座Vmax。
步骤2:对动力电池包上传的各项参数的历史数据进行筛选和分析,获得反映电池单体的最高电压值与电动汽车的里程对应关系的函数。
步骤2具体包括以下各个步骤:
步骤2-1:基于电动汽车的行车状态数据对电池单体的最高电压值的历史数据进行初次筛选,剔除停车、空档、倒车情况下电池单体的最高电压值Vmax的历史数据,获得初次筛选后的电池单体的最高电压值数据;
步骤2-2:基于单体电池的SOC对初次筛选后的电池单体的最高电压值数据进行二次筛选,剔除单体电池的SOC<a%时电池单体的最高电压值Vmax的历史数据,获得用于分析的电池单体的最高电压值数据。a通常取50,即剔除SOC<50%时电池单体的最高电压值Vmax的历史数据。
步骤2-3:将电动汽车的里程按照设定的里程间隔划分为若干段里程区间,获得每段里程区间对应的电池单体的最高电压值数据。
该步骤中,里程间隔为500~1000km,则每500~1000km划分为一段里程区间,历史数据共划分为n段里程区间,每段里程区间对应的电池单体的最高电压值记作Vmax-x(x表示Vmax所划分的段数,也是里程所划分为里程区间的段数,即x为里程区间的间隔序数,x=1~n,如x=5表示第5段里程区间内的Vmax值)。
步骤2-4:将单体电池的SOC按照设定的SOC间隔划分为若干SOC分区,通常SOC间隔为1%,则单体电池的SOC依次分区为50%、51%、52%、…、100%。则在每段里程区间内,获得每个SOC分区对应的电池单体的最高电压值数据,并计算每个SOC分区对应的电池单体的最高电压值数据的标准差δ,记作δSOC-x(SOC范围50%~100%,如δ50%-5表示第5段里程区间内50%SOC下Vmax的标准差)。
步骤2-5:针对每个SOC分区,获得电池单体的最高电压值数据的标准差与各段里程区间之间的关系函数,作为反映电池单体的最高电压值与电动汽车的里程对应关系的函数。
具体的,在每个SOC分区下,将各段里程区间的电池单体的最高电压值数据的标准差δSOC-x作为纵坐标,将各段里程区间的间隔序数作为横坐标,做电池单体的最高电压值数据的标准差δSOC-x与各段里程区间的间隔序数的关系图,并通过拟合曲线的方法,找出两者的关系,获得电池单体的最高电压值数据的标准差与各段里程区间之间的关系函数。
步骤3:利用函数和动力电池包当前上传的各项参数的实时数据进行预测,得到电池单体的最高电压预测值。
步骤3具体包括以下各个步骤:
步骤3-1:针对下一里程区间(即第n+1个里程区间),利用步骤2所获得的各个函数分别计算出各个SOC分区对应的电池单体的最高电压值数据的标准差的预测值,即计算下一里程区间x=n+1内每个SOC(50%~100%)状态下最高电压值数据的标准差δSOC-(n+1)作为对应的预测值。
步骤3-2:根据动力电池包当前上传的各项参数的实时数据,确认电池单体当前的SOC状态对应的SOC分区,并查找到该SOC分区对应的电池单体的最高电压值数据的标准差的预测值δSOC-(n+1)。
步骤3-3:根据电池单体当前对应的SOC分区的电池单体的最高电压值数据的标准差的预测值δSOC-(n+1)以及当前电池单体最高电压值Vmax实时数据,计算得到电池单体的最高电压预测值V预测:
V预测=Vmax实时数据+3×δSOC-(n+1)
步骤4:比较电池单体的最高电压预测值V预测与设定的过压报警阈值V阈值,若V预测≥V阈值,则发出预警信号和预警数据。
上述基于大数据分析的动力电池包中单体电池过压预警方法用于对电动汽车上的动力电池包中的电池单体进行过压预警,实现其的系统包括数据平台和电池包管理平台。在数据平台上获取动力电池的数据并进行分析,从而在需要预警时输出预警信号和预警数据并上传至电池包管理平台,平台管理员即可根据预警数据查核电池包状态并进行决策处理,若V预测<V阈值,则不做反馈。
本方案通过对电池包上传的电压数据进行大数据分析挖掘,对电池包出现的电压故障进行预测,并将分析之预警情况反馈给后台数据接收端,可以更好的对电池包质量进行实时管控。本方案所分析出的预警数据,有利于对电池安全问题进行提前管理,能够大幅提升电池的安全性能。
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 (8)
1.一种基于大数据分析的动力电池包中单体电池过压预警方法,用于对电动汽车上的动力电池包中的电池单体进行过压预警,其特征在于:所述基于大数据分析的动力电池包中单体电池过压预警方法包括以下步骤:
步骤1:获取所述动力电池包上传的各项参数的历史数据,筛选并提取出所需参数的历史数据,所需参数包括所述电池单体的最高电压值、所述电动汽车的里程、所述单体电池的SOC、所述电动汽车的行车状态数据;
步骤2:对所述动力电池包上传的各项参数的历史数据进行筛选和分析,获得反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数;
步骤3:利用所述函数和所述动力电池包当前上传的各项参数的实时数据进行预测,得到所述电池单体的最高电压预测值;
步骤4:比较所述电池单体的最高电压预测值与设定的过压报警阈值,若所述电池单体的最高电压预测值大于或等于所述过压报警阈值,则发出预警信号和预警数据。
2.根据权利要求1所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤2包括以下步骤:
步骤2-1:基于所述电动汽车的行车状态数据对所述电池单体的最高电压值的历史数据进行初次筛选,剔除停车、空档、倒车情况下所述电池单体的最高电压值的历史数据,获得初次筛选后的电池单体的最高电压值数据;
步骤2-2:基于所述单体电池的SOC对初次筛选后的电池单体的最高电压值数据进行二次筛选,剔除所述单体电池的SOC<a%时所述电池单体的最高电压值的历史数据,获得用于分析的电池单体的最高电压值数据;
步骤2-3:将所述电动汽车的里程按照设定的里程间隔划分为若干段里程区间,获得每段所述里程区间对应的电池单体的最高电压值数据;
步骤2-4:将所述单体电池的SOC按照设定的SOC间隔划分为若干SOC分区,则在每段所述里程区间内,获得每个所述SOC分区对应的电池单体的最高电压值数据,并计算每个所述SOC分区对应的电池单体的最高电压值数据的标准差;
步骤2-5:针对每个SOC分区,获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数,作为反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数。
3.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤2-2中,a=50。
4.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤2-3中,所述里程间隔为500~1000km。
5.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤2-4中,所述SOC间隔为1%。
6.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤2-5中,在每个SOC分区下,将各段所述里程区间的电池单体的最高电压值数据的标准差作为纵坐标,将各段所述里程区间的间隔序数作为横坐标,做电池单体的最高电压值数据的标准差与各段所述里程区间的间隔序数的关系图,并通过拟合曲线的方法,获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数。
7.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤3包括以下步骤:
步骤3-1:针对下一里程区间,利用所述函数分别计算出各个所述SOC分区对应的电池单体的最高电压值数据的标准差的预测值;
步骤3-2:根据所述动力电池包当前上传的各项参数的实时数据,确认所述电池单体当前的SOC状态对应的SOC分区,并查找到该SOC分区对应的电池单体的最高电压值数据的标准差的预测值;
步骤3-3:根据所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值、当前所述电池单体最高电压值,计算得到所述电池单体的最高电压预测值。
8.根据权利要求7所述的基于大数据分析的动力电池包中单体电池过压预警方法,其特征在于:所述步骤3-3中,计算所述电池单体的最高电压预测值的方法为:
V预测=Vmax实时数据+3×δSOC-(n+1)
其中,V预测为所述电池单体的最高电压预测值,Vmax实时数据为当前所述电池单体最高电压值,δSOC-(n+1)为所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010311246.6A CN111584966B (zh) | 2020-04-20 | 2020-04-20 | 基于大数据分析的动力电池包中单体电池过压预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010311246.6A CN111584966B (zh) | 2020-04-20 | 2020-04-20 | 基于大数据分析的动力电池包中单体电池过压预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111584966A true CN111584966A (zh) | 2020-08-25 |
CN111584966B CN111584966B (zh) | 2024-03-15 |
Family
ID=72113069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010311246.6A Active CN111584966B (zh) | 2020-04-20 | 2020-04-20 | 基于大数据分析的动力电池包中单体电池过压预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111584966B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505550A (zh) * | 2020-11-26 | 2021-03-16 | 重庆长安汽车股份有限公司 | 一种动力电池监控预警方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101180801B1 (ko) * | 2011-06-30 | 2012-09-10 | 현대자동차주식회사 | 보조배터리를 이용한 전기자동차의 주행거리 증대 방법 |
CN103273921A (zh) * | 2013-06-14 | 2013-09-04 | 清华大学 | 电动汽车续驶里程估计方法 |
CN204666795U (zh) * | 2014-12-31 | 2015-09-23 | 普天新能源车辆技术有限公司 | 一种动力电池组一致性检测装置及设备 |
US20160046201A1 (en) * | 2014-08-12 | 2016-02-18 | Hyundai Motor Company | System and method for controlling battery to extend driving mileage |
CN106772104A (zh) * | 2017-02-27 | 2017-05-31 | 安徽江淮汽车集团股份有限公司 | 一种动力电池soc值估算方法 |
CN110531268A (zh) * | 2019-08-26 | 2019-12-03 | 汉纳森(厦门)数据股份有限公司 | 一种电池寿命分析的方法和装置 |
-
2020
- 2020-04-20 CN CN202010311246.6A patent/CN111584966B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101180801B1 (ko) * | 2011-06-30 | 2012-09-10 | 현대자동차주식회사 | 보조배터리를 이용한 전기자동차의 주행거리 증대 방법 |
CN103273921A (zh) * | 2013-06-14 | 2013-09-04 | 清华大学 | 电动汽车续驶里程估计方法 |
US20160046201A1 (en) * | 2014-08-12 | 2016-02-18 | Hyundai Motor Company | System and method for controlling battery to extend driving mileage |
CN204666795U (zh) * | 2014-12-31 | 2015-09-23 | 普天新能源车辆技术有限公司 | 一种动力电池组一致性检测装置及设备 |
CN106772104A (zh) * | 2017-02-27 | 2017-05-31 | 安徽江淮汽车集团股份有限公司 | 一种动力电池soc值估算方法 |
CN110531268A (zh) * | 2019-08-26 | 2019-12-03 | 汉纳森(厦门)数据股份有限公司 | 一种电池寿命分析的方法和装置 |
Non-Patent Citations (1)
Title |
---|
左春柽;张明;杨洋;张昭;: "电动车电池容量及电池管理系统参数化设计", 电源技术, no. 11, 20 November 2011 (2011-11-20), pages 58 - 60 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505550A (zh) * | 2020-11-26 | 2021-03-16 | 重庆长安汽车股份有限公司 | 一种动力电池监控预警方法 |
CN112505550B (zh) * | 2020-11-26 | 2022-06-07 | 重庆长安汽车股份有限公司 | 一种动力电池监控预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111584966B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105789716A (zh) | 一种广义电池管理系统 | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN114977414B (zh) | 一种基于多簇并联储能的电池存储智能管理系统 | |
CN112487031A (zh) | 单体电池故障检测方法、装置、可读存储介质及电子设备 | |
CN111098754A (zh) | 一种新能源汽车的电池智能管理系统 | |
CN104965178A (zh) | 锂电池管理系统 | |
CN110091750A (zh) | 一种新能源汽车动力电池安全保护系统 | |
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警系统 | |
CN105242211A (zh) | 一种全钒液流电池故障快速检测定位方法 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN104882914A (zh) | 一种多电池单体均衡方法 | |
CN111584966A (zh) | 基于大数据分析的动力电池包中单体电池过压预警方法 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN117691722A (zh) | 一种锂电池充电安全监测预警方法及系统 | |
CN111859710A (zh) | 一种量化安全的累计风险模型建模方法 | |
CN107444160A (zh) | 一种带故障信息自动储存上报功能的交流充电系统 | |
CN116923188A (zh) | 一种新能源车的充电保护系统 | |
CN111391694A (zh) | 一种充电站运行维护的多层次快速数据监测方法和系统 | |
CN115619098A (zh) | 一种基于分级监控预警的智能电力物资数据处理方法 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
CN114675201A (zh) | 一种动力电池系统的容量衰减率确定方法及装置 | |
CN209159468U (zh) | 一种快速响应的储能蓄电池bms系统 | |
Gao et al. | Research on intelligent diagnosis strategy and treatment method of EV charging fault | |
CN108110283B (zh) | 一种液流电池储能系统异常数据识别方法 | |
CN110907845A (zh) | 一种车辆用功率型动力电池评价系统及评价方法 |
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 |