CN111649835B - 电池温差的预测方法及系统 - Google Patents
电池温差的预测方法及系统 Download PDFInfo
- Publication number
- CN111649835B CN111649835B CN202010514551.5A CN202010514551A CN111649835B CN 111649835 B CN111649835 B CN 111649835B CN 202010514551 A CN202010514551 A CN 202010514551A CN 111649835 B CN111649835 B CN 111649835B
- Authority
- CN
- China
- Prior art keywords
- temperature difference
- battery
- det2
- working condition
- condition
- 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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K3/00—Thermometers giving results other than momentary value of temperature
- G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
- G01K3/14—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Secondary Cells (AREA)
Abstract
电池温差的预测方法及系统,涉及数据处理的技术领域。在相同的对外散热条件下对测试电池进行至少两个工况的预加热或预冷却测试,设定包括工况1和工况2;工况1,测试电池的加热面上的加热功率为P1,测试电池温差为dT1;工况2,测试电池的加热面上的加热功率为P2,则工况2的计算电池温差dET2的预测公式如下:dET2=dET2_1+dET2_2+dET2_3,其中,dET2_1为工况2的比例项,dET2_2为工况2的散热修正项,dET2_3为工况2的热源损失修正项。能够根据一组基准工况下的温差数据,来计算相同和相似散热条件下的其他工况的温差数据。该方法具有线性化的特点,且计算快速、准确,便于嵌入小型芯片进行在线执行。
Description
技术领域
本发明涉及数据处理的技术领域,尤其涉及电池温差的预测方法及系统。
背景技术
电池是一种常用的储能部件,能够广泛应用于汽车等各类耗电设备中。由于电池包的温度监测点是在电池的表面和电连接片上,与电池内部发生电化学反应的温度是有区别的。因此,电池的表面和电连接片的温度不是直接影响电池性能的温度,电池内部发生电化学反应的温度才是真正影响电池性能的温度。相应地,现有技术中直接将温度监测点监测到的温度值作为电池的实际温度进行充电和放电管理,由于测量温度与实际温度之间存在差值,因而现有技术存在着充电管理不准确、效果差的缺陷。特别是在对电池包进行充电时,往往是采用直接充电的方式实现。但是,当电池包的温度过低时,将会影响电池包的性能,甚至产生安全隐患。
因此如何测量温差、减少温差,甚至于在线预估电池不同位置的温差,成为电池热管理的重点工作之一。
发明内容
本发明的目的在于解决现有技术中的上述问题,提供电池温差的预测方法及系统,针对无内热源的工况,如预加热工况、预降温工况,能够根据一组基准工况下的温差数据,来计算相同和相似散热条件下的其他工况的温差数据。该方法具有线性化的特点,且计算快速、准确,便于嵌入小型芯片进行在线执行。
为达到上述目的,本发明采用如下技术方案:
电池温差的预测方法,在相同的对外散热条件下对测试电池进行至少两个工况的预加热或预冷却测试,设定包括工况1和工况2;工况1,测试电池的加热面上的加热功率为P1,测试电池温差为dT1;工况2,测试电池的加热面上的加热功率为P2,则工况2的计算电池温差dET2的预测公式中包括工况2的比例项dET2_1,dET2_1表示如下:
所述工况2的计算电池温差dET2的预测公式中还包括工况2的散热修正项dET2_2,dET2_2表示如下:
其中,α表示散热系数的修正参数,hA表示电芯散热系数,T2test表示工况2的电池表面的温度传感器检测点的当前温度,T2amb表示工况2的电池表面的温度传感器检测点的初始温度。
所述工况2的计算电池温差dET2的预测公式中还包括工况2的热源损失修正项dET2_3,dET2_3表示如下:
dET2_3=β*P2
其中,β表示加热功率的修正参数;
则工况2的计算电池温差dET2的预测公式如下:
dET2=dET2_1+dET2_2+dET2_3
本发明中,参数α和参数β的计算方法如下:
第一步:测得工况1和工况2下的温差数据,采用工况2下温差数据按照公式(1)计算工况下2的计算电池温差,在计算过程中,调整α和β使得工况2的计算电池温差曲线和工况1的电池温差曲线重合,同时得到α和β这两个参数的具体数值;
第二步:把调整好的参数α和参数β的数值带入公式(1),根据工况1的测试数据,计算得到工况1下的计算电池温差,如果工况1下的计算电池温差曲线和工况1下的测试电池温差曲线重合,则验证结束;如果工况1下的计算电池温差曲线和工况1的下测试电池温差曲线重合度不是很好,则微调参数α和参数β的数值,使得第工况1下的计算电池温差曲线和工况1下的测试电池温差曲线有较好的的重合度;
第三步:把第二步调整好的参数α和参数β的数值带入公式(1),根据工况2的测试数据,计算得到工况2下的计算电池温差,如果工况2下的计算电池温差曲线和工况1下的计算电池温差曲线重合,则验证结束;否则继续执行第二步和第三步。
所述测试电池包括电芯、模组、电池包。
电池温差的预测系统,包括处理器和存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时实现电池温差的预测方法。
所述存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
相对于现有技术,本发明技术方案取得的有益效果是:
本发明通过实验得到测试电池的加热面上给定加热功率时的测试电池温差,可预测当加热功率变化后的电池温差,因此能够根据一组基准工况下的温差数据,来计算相同和相似散热条件下的其他工况的温差数据。该方法具有线性化的特点,且计算快速、准确,便于嵌入小型芯片进行在线执行。
附图说明
图1为方形电芯的结构示意图之一;
图2为方形电芯的结构示意图之二;
图3为模组底部负20度环境50W加热的工况下,电芯极柱位置温升曲线及电芯内部最小温度温升曲线;
图4为模组底部负20度环境85W加热的工况下,电芯极柱位置温升曲线及电芯内部最小温度温升曲线;
图5为模组底部负20度环境125W加热的工况下,电芯极柱位置温升曲线及电芯内部最小温度温升曲线;
图6为模组底部负10度环境50W加热的工况下,电芯极柱位置温升曲线及电芯内部最小温度温升曲线;
图7为模组底部负10度环境125W加热的工况下,电芯极柱位置温升曲线及电芯内部最小温度温升曲线;
图8为模组底部0度环境50W加热的工况下,电芯极柱位置温升曲线及电芯内部最小温度温升曲线;
图9为图3~8六个工况下计算电池温差的温升曲线。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明做进一步详细说明。
本发明电池温差的预测方法,在相同的对外散热条件下对测试电池进行至少两个工况的预加热或预冷却测试,设定包括工况1和工况2;
工况1,测试电池的加热面上的加热功率为P1,测试电池温差为dT1;工况2,测试电池的加热面上的加热功率为P2,则工况2的计算电池温差dET2的预测公式如下:
dET2=dET2_1+dET2_2+dET2_3
其中,dET2_1为工况2的比例项,dET2_2为工况2的散热修正项,dET2_3为工况2的热源损失修正项,α表示散热系数的修正参数,hA表示电芯散热系数,T2test表示工况2的电池表面的温度传感器检测点的当前温度,T2amb表示工况2的电池表面的温度传感器检测点的初始温度,β表示加热功率的修正参数。
该公式(1)中,若工况1和工况2为同一个工况,则工况1的计算电池温差dET1为:
本发明中,该温差预测公式(1)可以有多个变式,比如如下变式:
所有的变式都应当是本专利的发明内容。
所述测试电池包括电芯、模组、电池包。
如图1~2所示的方形电芯,当对电芯某一个面进行加热时,可以采用本实施例中方法,根据测量到的不同工况下电芯外部的固定温度测点的温度(即温度探头的温度),预测得到的电芯探头与其他位置的温差;
同样地,对于由若干电芯构成的模组,其模组的温度探头往往是有限的一个或者两个,在对模组的某一个面进行加热时,模组内部的电芯与模组外壳会存在温差,模组内部的不同电芯之间也会存在温差,同时单个电芯的内部也存在温差。可以采用该方法,根据某一个探头测量到的温度,预测电芯探头与模组其他位置之间的温差,如预测电芯探头与某个电芯内部最小温度之间的温差;进而,也可以得到电芯内部最小温度值。
对于电池包也是类似地可以通过有限个探头来预测探头与其他受设计关注但不能直接测量温度的位置之间的温差,进而,可以得到其他位置的温度。
具体地,在实施方法中,对于上述所提到的电芯、模组和电池包温差的预测,根据该预测公式,首先需要制作特殊的实验电芯、实验模组和实验电池包。该特殊的实验电芯、实验模组或实验电池包除了包含正常状态下的有限数量的温度探头(本文中该温度探头称为正常位置温度探头)外,还需要在受设计关注的位置布置温度探头(本文中该温度探头称为特殊位置温度探头),比如,当关注模组大面中心的温度时,需要在该大面中心布置温度探头;当关注模组中某个电芯极柱的温度时候,就需要在该极柱的温度布置温度探头;不管关注的位置是模组上那个点,其温度均可以通过上述公式预测。
更具体地,要求在相同的对外散热条件下进行测试的工况1和工况2具有明显区别。测试分别得到电池在工况1和工况2下的温度随时间的曲线,其中,特殊位置温度探头可以布置多个,通过实验可以得到诸多特殊位置温度探头温度的算术值,如探头之间最大温度值、探头之间最小温度值、探头之间平均温度值等;
通过测量到的温度数据,可以分别计算得到工况1和工况2下正常位置温度探头温度与特殊位置温度探头温度之间的温差随时间的变化曲线;甚至,通过测量到的温度数据,可以计算得到工况1和工况2下正常位置温度探头温度与特殊位置温度探头温度算术值之间的温差随时间的变化曲线。
本发明中,参数α和参数β的计算方法如下:
第一步:测得工况1和工况2下的温差数据,采用工况2下温差数据按照公式(1)计算工况下2的计算电池温差,在计算过程中,调整α和β使得工况2的计算电池温差曲线和工况1的电池温差曲线重合,同时得到α和β这两个参数的具体数值;
第二步:把调整好的参数α和参数β的数值带入公式(1),根据工况1的测试数据,计算得到工况1下的计算电池温差,如果工况1下的计算电池温差曲线和工况1下的测试电池温差曲线重合,则验证结束;如果工况1下的计算电池温差曲线和工况1的下测试电池温差曲线重合度不是很好,则微调参数α和参数β的数值,使得第工况1下的计算电池温差曲线和工况1下的测试电池温差曲线有较好的的重合度;
第三步:把第二步调整好的参数α和参数β的数值带入公式(1),根据工况2的测试数据,计算得到工况2下的计算电池温差,如果工况2下的计算电池温差曲线和工况1下的计算电池温差曲线重合,则验证结束;否则继续执行第二步和第三步。
通常一个参数调整周期可以得到最终的参数α和参数β的数值,同时使工况1下计算电池温差曲线、工况2下计算电池温差曲线以及工况1的测试电池温差曲线重合。
采用上述流程获得的参数α和参数β的温差预测公式可用来计算其他工况下的电池的温差dTi,具体的方法是将其他工况的电池热功率带入上述计算公式,获得其他工况下电池温差dTi随着时间的变化曲线。
一个实施案例验证如下:
该案例是通过正常模组中电芯极柱位置的温度预测电芯极柱位置与电芯内部最小温度之间的温差。为此制作特殊模组用来测试电芯极柱位置的温度、电芯内部最小温度,该特殊模组包括某电芯极柱位置的温度探头,电芯内部8个温度探头,其中电芯内部最小温度通过电芯内部8个温度探头取最小值获得。测试该模组在模组底部进行负20度环境50W加热、负20度环境85W加热、负20度环境125W加热、负10度环境50W加热、负10度环境125W加热和0度环境50W加热等6个工况。不同加热工况下模组的某电芯极柱位置温升曲线、电芯内部最小温度温升曲线分别如图3~8所示。
通过对上述工况1和工况2按照参数α和参数β的获得流程进行处理,得到一组参数α和参数β的数值,再将其他四个工况的dTi带入dETi的计算公式,i代表第i工况,可以得到其他四个工况的计算电池温差dETi。如图9所示,包含6个工况的dETi,可见6个工况的dETi是重合的,特别是当dETi超过1.3摄氏度,其重合度是很高的,验证了方法的有效性。因此针对某一个确定的电芯、模组或者电池包,实际只需要两个工况确定参数α和参数β,其他相同或者相似散热条件下对应的温差dTi可以通过dET2的公式获得。
本实施例中,电池温差的预测系统包括处理器和存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时实现电池温差的预测方法。
要说明的是,应理解以上系统的各个公式和流程的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开,且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital signal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序,该程序被处理器执行时实现上述的电池温差预测参数计算方法。优选地,所述存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (5)
1.电池温差的预测方法,其特征在于:在相同的对外散热条件下对测试电池进行至少两个工况的预加热或预冷却测试,设定包括工况1和工况2;工况1,测试电池的加热面上的加热功率为P1,测试电池温差为dT1;工况2,测试电池的加热面上的加热功率为P2,则工况2的计算电池温差dET2的预测公式中包括工况2的比例项dET2_1,dET2_1表示如下:
所述工况2的计算电池温差dET2的预测公式中还包括工况2的散热修正项dET2_2,dET2_2表示如下:
其中,α表示散热系数的修正参数,hA表示电芯散热系数,T2test表示工况2的电池表面的温度传感器检测点的当前温度,T2amb表示工况2的电池表面的温度传感器检测点的初始温度;
所述工况2的计算电池温差dET2的预测公式中还包括工况2的热源损失修正项dET2_3,dET2_3表示如下:
dET2_3=β*P2
其中,β表示加热功率的修正参数;
则工况2的计算电池温差dET2的预测公式如下:
dET2=dET2_1+dET2_2+dET2_3
2.如权利要求1所述的电池温差的预测方法,其特征在于:参数α和参数β的计算方法如下:
第一步:测得工况1和工况2下的温差数据,采用工况2下温差数据按照公式(1)计算工况下2的计算电池温差,在计算过程中,调整α和β使得工况2的计算电池温差曲线和工况1的电池温差曲线重合,同时得到α和β这两个参数的具体数值;
第二步:把调整好的参数α和参数β的数值带入公式(1),根据工况1的测试数据,计算得到工况1下的计算电池温差,如果工况1下的计算电池温差曲线和工况1下的测试电池温差曲线重合,则验证结束;如果工况1下的计算电池温差曲线和工况1的下测试电池温差曲线重合度不是很好,则微调参数α和参数β的数值,使得第工况1下的计算电池温差曲线和工况1下的测试电池温差曲线有好的重合度;
第三步:把第二步调整好的参数α和参数β的数值带入公式(1),根据工况2的测试数据,计算得到工况2下的计算电池温差,如果工况2下的计算电池温差曲线和工况1下的计算电池温差曲线重合,则验证结束;否则继续执行第二步和第三步。
3.如权利要求1所述的电池温差的预测方法,其特征在于:所述测试电池包括电芯、模组、电池包。
4.电池温差的预测系统,其特征在于:包括处理器和存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1~3任一项所述电池温差的预测方法。
5.如权利要求4所述的电池温差的预测系统,其特征在于:所述存储介质包括ROM、RAM、磁碟或者光盘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514551.5A CN111649835B (zh) | 2020-06-08 | 2020-06-08 | 电池温差的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514551.5A CN111649835B (zh) | 2020-06-08 | 2020-06-08 | 电池温差的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111649835A CN111649835A (zh) | 2020-09-11 |
CN111649835B true CN111649835B (zh) | 2021-08-13 |
Family
ID=72347353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514551.5A Active CN111649835B (zh) | 2020-06-08 | 2020-06-08 | 电池温差的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111649835B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106505258A (zh) * | 2016-09-26 | 2017-03-15 | 广州汽车集团股份有限公司 | 一种动力电池包内电池温度计算方法及装置 |
CN107134604A (zh) * | 2017-03-29 | 2017-09-05 | 南京航空航天大学 | 一种基于工况特性的动力电池热管理方法 |
CN107925136A (zh) * | 2015-08-06 | 2018-04-17 | 株式会社电装 | 电池温度推断装置 |
CN109696634A (zh) * | 2017-10-20 | 2019-04-30 | 上海汽车集团股份有限公司 | 一种电池数据的获取方法及装置 |
CN110764004A (zh) * | 2019-10-16 | 2020-02-07 | 宝能(广州)汽车研究院有限公司 | 电池包热仿真的分析方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8529125B2 (en) * | 2010-05-26 | 2013-09-10 | GM Global Technology Operations LLC | Dynamic estimation of cell core temperature by simple external measurements |
DE102012201609A1 (de) * | 2012-02-03 | 2013-08-08 | Robert Bosch Gmbh | Regeleinrichtung für die Regelung eines Kühlkreislaufs zum Temperieren eines Batteriesystems mit mehr als einem Heiz- und/oder Kühlelement |
-
2020
- 2020-06-08 CN CN202010514551.5A patent/CN111649835B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107925136A (zh) * | 2015-08-06 | 2018-04-17 | 株式会社电装 | 电池温度推断装置 |
CN106505258A (zh) * | 2016-09-26 | 2017-03-15 | 广州汽车集团股份有限公司 | 一种动力电池包内电池温度计算方法及装置 |
CN107134604A (zh) * | 2017-03-29 | 2017-09-05 | 南京航空航天大学 | 一种基于工况特性的动力电池热管理方法 |
CN109696634A (zh) * | 2017-10-20 | 2019-04-30 | 上海汽车集团股份有限公司 | 一种电池数据的获取方法及装置 |
CN110764004A (zh) * | 2019-10-16 | 2020-02-07 | 宝能(广州)汽车研究院有限公司 | 电池包热仿真的分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111649835A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | A computationally efficient thermal model of cylindrical battery cells for the estimation of radially distributed temperatures | |
CN109856559A (zh) | 一种锂电池循环寿命的预测方法 | |
CN113011007B (zh) | 一种锂离子动力电池热模型参数快速辨识方法及系统 | |
CN111490304B (zh) | 一种电池均衡使能方法、装置、存储介质和电池包 | |
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 | |
CN110307915B (zh) | 电池温度的处理方法及终端 | |
CN111965545A (zh) | 锂电池自放电检测方法、装置及系统 | |
Wang et al. | Instantaneous estimation of internal temperature in lithium‐ion battery by impedance measurement | |
KR20230129953A (ko) | 차량 배터리 셀 일관성 평가 방법, 장치, 기기 및 저장매체 | |
Li et al. | Identification of spatial temperature gradient in large format lithium battery using a multilayer thermal model | |
CN115097338A (zh) | Soc校准方法、soh估计方法、装置及存储介质 | |
CN115575818A (zh) | 电池模组内部故障诊断方法、系统、存储介质及终端 | |
Zhang et al. | Real-time battery temperature monitoring using FBG sensors: a data-driven calibration method | |
Gu et al. | A precise minor-fault diagnosis method for lithium-ion batteries based on phase plane sample entropy | |
CN111649835B (zh) | 电池温差的预测方法及系统 | |
CN115128465A (zh) | 电池热仿真系统、方法及电子设备 | |
EP4303984A1 (en) | Energy storage system, battery monitoring method, and energy storage device | |
Zhou et al. | Control-oriented Galerkin-spectral model for 3-D thermal diffusion of pouch-type batteries | |
Liu et al. | A novel Kalman-filter-based battery internal temperature estimation method based on an enhanced electro-thermal coupling model | |
Shi et al. | Experimental determinations of thermophysical parameters for lithium-ion batteries: A systematic review | |
Saniee et al. | Analysis of internal temperature variations of lithium-ion batteries during fast charging | |
CN113465773A (zh) | 一种测算锂离子电池内部温度的方法 | |
CN113074825A (zh) | 一种监测电池包内单体电池温度变化的系统及方法 | |
CN116106750B (zh) | 一种电池温测点辨识及异常检测方法、装置和电子设备 | |
CN114325429B (zh) | 锂电储能自适应高精度电量计量方法、系统及存储介质 |
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 |