CN111882697B - 一种基于概率突变法则的电压异常单体的识别算法 - Google Patents
一种基于概率突变法则的电压异常单体的识别算法 Download PDFInfo
- Publication number
- CN111882697B CN111882697B CN202010757638.5A CN202010757638A CN111882697B CN 111882697 B CN111882697 B CN 111882697B CN 202010757638 A CN202010757638 A CN 202010757638A CN 111882697 B CN111882697 B CN 111882697B
- Authority
- CN
- China
- Prior art keywords
- voltage
- accumulated
- battery
- data
- frequency
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
- G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明属于汽车电池检测技术领域,尤其涉及一种基于概率突变法则的电压异常单体的识别算法,包括:数据获取步骤,以车辆为单元,获取电池单体的电压数据;分析筛选步骤,对电压数据进行统计分析;用累计频率的方式分析小于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为低压阈值;用累计频率的方式分析大于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为高压阈值;电池单体检验步骤,对电池单体的数据进行统计分析。使用本算法,能够提高电池数据的有效利用率,快速对电压异常的电池单体进行识别。
Description
技术领域
本发明属于汽车电池检测技术领域,尤其涉及一种基于概率突变法则的电压异常单体的识别算法。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车。
新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车、氢发动机汽车等。相较于现有的燃油汽车,新能源汽车具有污染物零排放、能源利用率高、结构简单和噪声小等的特点,社会方面也因新能源汽车的特点在大力倡导新能源汽车的使用。
为了新能源汽车安全性能的改进,及时发现车辆的故障,基于新能源汽车行驶过程中的大数据收集非常重要,为此,国家还设定相关的国家标准,以新能源汽车企业为基础收集新能源汽车行驶过程中的各项运行数据,如电池和发动机等,将收集到的运行数据发送至地方平台,由地方平台将本地的运行数据汇总后发送至国家平台上进行监控和分析。
新能源汽车国家监管平台,在《新能源汽车国家大数据联盟2019年中成果发布会暨新技术研讨会》发布的统计中,在新能源汽车安全事故中的起火原因类型分类中,58%的车辆起火源于电池问题。
新能源汽车的动力电池作为储能部件,关系到新能源汽车行驶过程中的续航能力。而动力电池包括若干个电池单体,动力电池作为车辆行驶的供能部件,其中的电池单体一直在运转使用;当新能源汽车的某个电池单体发生故障,而不及时进行处置的话,极容易影响周边的电池单体发生故障,进而引起整车的安全事故。
目前,运行数据的数据量的庞大,运行数据在采集汇总后的还不能得到很好的利用。这些电池数据不仅占用了非常大的存储空间,并且电池数据的有效利用率非常低下。因此,需要一种基于概率突变法则的电压异常单体的识别算法,能够提高电池数据的有效利用率,快速对电压异常的电池进行识别。
发明内容
本发明的目的在于,提供一种基于概率突变法则的电压异常单体的识别算法,能够提高电池数据的有效利用率,快速对电压异常的电池进行识别。
本发明提供的基础方案为:
一种基于概率突变法则的电压异常单体的识别算法,包括:
数据获取步骤,以车辆为单元,获取各电池单体的电压数据;
分析筛选步骤,对电压数据进行统计分析;用累计频率的方式分析小于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为低压阈值;用累计频率的方式分析大于预设电压值的累计电压频率分布,筛选出累计电压频率小于Y时对应的电压值,并将其记录为高压阈值;
电池单体检验步骤,对电池单体的数据进行统计分析,得到累计电压频率分布,当其小于低压阈值的累计频率达到X的N倍,或者大于高压阈值的累计频率达到Y的N倍时,将该电池单体标记为电压异常单体。
基础方案工作原理及有益效果:
新能源汽车为每一块电池单体都安装有电压测量装置。而依据相关国家标准,每隔最多30秒的时间间隔,车辆必须上传每一个电池单体的电压值。通过对这些电压值分析后,发明人发现一种特殊现象,即异常电压值表现出“单体上集中,时间上连片”的现象。电压值出现异常,在正常情况下,从统计概率的意义上总体表现为极小概率事件,若出现了由极小概率事件突变为“单体上集中,时间上连片”这种常概率事件,甚至大概率事件,发明人将这种现象称为“概率突变”。
深入分析后,发明人发现,引至单体电压概率突变的原因,基本上都是因为相应的电池单体发生各种故障,特别是电池本体损坏所致,而电池故障特别是单体损坏是引发新能源汽车重大安全事故的重要因素,由此,本发明通过单体电压度数值的概率突变现象,可以直接找到故障电池单体,特别是本体损坏的电池单体,从而有效预防和减少安全事故。
本发明的作用与目的在于快速地扫描所有被监控车辆的所有电池,从中筛查出单体电压出现了“概率突变”的电芯,为进一步确认电池异常提供线索与依据,具体地:
首先,以车辆为单位,获取电池单体的历史电压数据。之后,电压数据进行分析,具体的,用累计频率的方式分析小于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为低压阈值。这样筛选出的低压阈值,可以看作是电池单体正常工作时电压的最小值;同样的,高压阈值,可以看作是电池单体正常工作时电压的最大值。
在获得低压阈值及高压阈值后,可对电池单体的电压数据是否正常进行判断。具体的,分析电池单体的累积电压频率分布,如果其小于低压阈值的累计频率达到X的N倍,则说明与电压数据整体分布相比,该电池单体的电压值有N倍的时间电压小于正常电压,因此,可以认定为其工作电压过低,将其标记为电压异常单体;同样的,如果其大于高压阈值的累计频率达到Y的N倍,则说明与电压数据整体分布相比,该电池单体的电压值有N倍的时间电压大于正常电压,同样将其标记为电压异常单体。X、Y及N的数值,本领域技术人员可依据电池单体的型号及容量具体设置。
这样,能够快速对大量电池单体的电压进行覆盖式扫描,并从中筛选出电压异常的电池单体,便于工作人员对异常电池单体进行更换。避免新能源汽车因此出现安全事故。
与现有技术相比,本算法能够提高电池数据的有效利用率,快速对电压异常的电池单体进行识别。
进一步,数据获取步骤中,获取的电压数据为前溯历史数据的10万条。
使用这样的数据量,一方面能够实现对电池数据的充分利用,另一方面也能够保障分析结果的精准性。
进一步,电池单体检验步骤中,还标记电池单体的异常原由。
这样可以对电池单体的异常类型(电压过低/高的频率太高)进行统计,也便于对异常电池单体进行分类集中处理。
进一步,还包括:存储步骤,存储检测结果;分析步骤,对存储的检测结果进行数据分析。
通过这样的方式,可以对检测结果进行统计分析,便于了解电池单体的异常率、异常电池单体中的各类异常情况的占比等分析结果。
进一步,分析步骤中,还用图表的方式将数据分析结果进行展示。
便于管理人员直观的了解分析结果。
进一步,X和Y的数值均小于5%。
若X或Y大于等于5%,正常电池单体工作时也会有不少时间处于非正常电压,这样得到的分析结果精细化程度较低,参考意义不大。
进一步,N的数值大于1.5。
由于每个电池单体的电压累积频率分布之间都存在差异,若N的数值小于1.5,则难免出现大量的由于正常差异而被标记为异常电池的情况。
附图说明
图1为本发明一种基于概率突变法则的电压异常单体的识别算法实施例一的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
如图1所示,一种基于概率突变法则的电压异常单体的识别算法,包括:
数据获取步骤,以车辆为单元,获取各电池单体的电压数据。具体的,获取的电压数据为前溯历史数据的10万条。
分析筛选步骤,对电压数据进行统计分析;用累计频率的方式分析小于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为低压阈值;用累计频率的方式分析大于预设电压值的累计电压频率分布,筛选出累计电压频率小于Y时对应的电压值,并将其记录为高压阈值;
电池单体检验步骤,对电池单体的数据进行统计分析,得到累计电压频率分布,当其小于低压阈值的累计频率达到X的N倍,或者大于高压阈值的累计频率达到Y的N倍时,将该电池单体标记为电压异常单体。还标记电池单体的异常原由。其中,X、Y的数值均小于5%;N的数值大于1.5。本实施例中,X的数值为0.3%,Y的数值为0.5%,N的数值为1.8。
存储步骤,存储检测结果。
分析步骤,对存储的检测结果进行数据分析,并用图表的方式将数据分析结果进行展示。
具体实施过程如下:
本发明的作用与目的在于快速地扫描所有被监控车辆的所有电池,从中筛查出单体电压出现了“概率突变”的电芯,为进一步确认电池异常提供线索与依据,具体地:
首先,以车辆为单位,获取电池单体的历史电压数据。之后,电压数据进行分析,具体的,用累计频率的方式分析小于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为低压阈值。这样筛选出的低压阈值,可以看作是电池单体正常工作时电压的最小值;同样的,高压阈值,可以看作是电池单体正常工作时电压的最大值。
在获得低压阈值及高压阈值后,可对电池单体的电压数据是否正常进行判断。具体的,分析电池单体的累积电压频率分布,如果其小于低压阈值的累计频率达到X的N倍,则说明与电压数据整体分布相比,该电池单体的电压值有N倍的时间电压小于正常电压,因此,可以认定为其工作电压过低,将其标记为电压异常单体;同样的,如果其大于高压阈值的累计频率达到Y的N倍,则说明与电压数据整体分布相比,该电池单体的电压值有N倍的时间电压大于正常电压,同样将其标记为电压异常单体。
这样,能够快速对大量电池单体的电压进行覆盖式扫描,并从中筛选出电压异常的电池单体,便于工作人员对异常电池单体进行更换。避免新能源汽车因此出现安全事故。
之后,通过存储步骤及分析步骤,可以对检测结果进行统计分析,便于了解电池单体的异常率,异常电池单体中的各类异常情况的占比等分析结果。
为了更加直观的理解本方案,下面以一组实际数据为例进行说明。
某车辆共计安装有88块电池单体,现对该车辆进行电压异常识别。首先,获取该车辆的前溯历史数据的10万条电压数据。基于所有历史数据,统计得到该车辆电压探针的电压频率表,如表1所示:
表1单体电压总频数统计表
由表1可见,该车电压探针电压的正常分布区间在[3.55V,3.94V]之间,占总比例的95%左右,因此,可以合理地认为对于该车而言,电压小于3.55V,或者大于3.94V即为异常电压状态,因此,将3.55V和3.94V分别为低压阈值和高压阈值。
根据低压阈值和高压阈值,分别统计各电池单体的出现异常低压的频率和出现异常高压的频率,结果如表2所示:
表2单体电压概率突变统计表
由表2可见,电芯58同时出现低压概率突变和高压概率突变,特别是低压出现了极为显著的概率突变。因此,将对应的异常电池单体进行更换。避免新能源汽车因为这些异常电池而出现安全事故。
使用本方案,可以快速地对大量的电池单体进行全覆盖扫描,从中筛选出一切数值异常的电池单体,再配合图表化分析展示,可以快速准确地对高危车辆识别。
实施例二
与实施例一不同的是,本实施例中,还包括:
车身状态获取步骤,通过与车载控制器电连接的车速传感器,以及多个与车载控制器电连接的温度传感器获取车身状态数据;其中,温度传感器的数量至少为电池数量的三倍,温度传感器有各自的编号,温度传感器均匀安装在车身内外,车载控制器内预存有各温度传感器的安装位置;
车身温度分析步骤,车载控制器接收到温度传感器反馈的温度后,根据温度传感器的编号调取出对应的安装位置,并结合其反馈的温度值生成车辆的温度分布图;并根据相邻温度传感器的温差值,以及车速传感器反馈的当前车速生成车辆的散热分布图;并将高于预设温度值的区域标记为异常温度区域,将散热强度低于预设强度的区域标记为异常散热区域;
电池电压实时获取步骤,车载控制器实时获取各电池的电压,车载控制器内存储有个电池的安装位置;
电池通断控制步骤,当电池处于正常温度区域时,若该电池的电压高于第一预设电压,车载控制器控制该电池断开;当电池处于异常温度区域,且该区域不属于异常散热区域时,若该电池的电压高于第二预设电压,车载控制器控制该电池断开;当电池处于异常温度区域,且该区域属于异常散热区域时,若该电池的电压高于第三预设电压,车载控制器控制该电池断开;其中,第一预设电压大于第二预设电压大于第三预设电压。
具体实施过程:
电池的工作电压能够代表电池的输出功率,但电池工作电压过高时,很容易出现电池温度异常的情况,为了减少这种情况,不少汽车的车载控制器会根据电池的电压来控制电池的状态。
另一方面,为了减少电池之间的相互干扰,同时使电池的散热效果更好,部分车型的车内电池会分散安装,且部分车型内的电池会分为多层。但是,在车辆行驶过程中,车辆的各个位置(如驾驶使、底盘后备箱等)的温度及散热情况是不同的。安装在不同区域的电池,其适合的开断条件也不同。若只是简单粗暴的统一管理,管理过严,不能充分利用每节电池提供能量,若管理过松,则又容易导致电池出现损坏。
本方法中,通过车身状态获取步骤及车身温度分析步骤,得到车辆的温度分布图及车辆的散热分布图。车载控制器根据电池与车辆的温度分布图及的散热分布图的关系,精细化的管理各电池的断开条件。
具体的,当电池处于正常温度区域时,若该电池的电压高于第一预设电压,车载控制器控制该电池断开;当电池处于异常温度区域,且该区域不属于异常散热区域时,若该电池的电压高于第二预设电压,车载控制器控制该电池断开;当电池处于异常温度区域,且该区域属于异常散热区域时,若该电池的电压高于第三预设电压,车载控制器控制该电池断开;其中,第一预设电压大于第二预设电压大于第三预设电压。
通过这样的方式,本方法在充分利用每节电池提供能量的同时,又能够有效的减少电池因温度异常出现损坏的情况。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (7)
1.一种基于概率突变法则的电压异常单体的识别算法,其特征在于,用于新能源汽车,包括:
数据获取步骤,以车辆为单元,获取各电池单体的电压数据;
分析筛选步骤,对电压数据进行统计分析;用累计频率的方式分析小于预设电压值的累计电压频率分布,筛选出累计电压频率小于X时对应的电压值,并将其记录为低压阈值;用累计频率的方式分析大于预设电压值的累计电压频率分布,筛选出累计电压频率小于Y时对应的电压值,并将其记录为高压阈值;
电池单体检验步骤,对电池单体的数据进行统计分析,得到累计电压频率分布,当其小于低压阈值的累计频率达到X的N倍,或者大于高压阈值的累计频率达到Y的N倍时,将该电池单体标记为电压异常单体。
2.根据权利要求1所述的基于概率突变法则的电压异常单体的识别算法,其特征在于:数据获取步骤中,获取的电压数据为前溯历史数据的10万条。
3.根据权利要求2所述的基于概率突变法则的电压异常单体的识别算法,其特征在于:电池单体检验步骤中,还标记电池单体的异常原由。
4.根据权利要求3所述的基于概率突变法则的电压异常单体的识别算法,其特征在于:还包括:存储步骤,存储检测结果;分析步骤,对存储的检测结果进行数据分析。
5.根据权利要求4所述的基于概率突变法则的电压异常单体的识别算法,其特征在于:分析步骤中,还用图表的方式将数据分析结果进行展示。
6.根据权利要求5所述的基于概率突变法则的电压异常单体的识别算法,其特征在于:X和Y的数值均小于5%。
7.根据权利要求6所述的基于概率突变法则的电压异常单体的识别算法,其特征在于:N的数值大于1.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757638.5A CN111882697B (zh) | 2020-07-31 | 2020-07-31 | 一种基于概率突变法则的电压异常单体的识别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757638.5A CN111882697B (zh) | 2020-07-31 | 2020-07-31 | 一种基于概率突变法则的电压异常单体的识别算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882697A CN111882697A (zh) | 2020-11-03 |
CN111882697B true CN111882697B (zh) | 2021-11-16 |
Family
ID=73204817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010757638.5A Active CN111882697B (zh) | 2020-07-31 | 2020-07-31 | 一种基于概率突变法则的电压异常单体的识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882697B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926753A (zh) * | 2021-02-10 | 2021-06-08 | 北汽鹏龙(沧州)新能源汽车服务股份有限公司 | 动力电池的回收方法及装置 |
CN112986834B (zh) * | 2021-02-26 | 2023-08-15 | 深蓝汽车科技有限公司 | 一种基于电压排序的电池安全监控方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104972926A (zh) * | 2015-05-22 | 2015-10-14 | 南通航大电子科技有限公司 | 一种电动汽车电池故障检测与定位方法 |
CN106556802A (zh) * | 2016-11-01 | 2017-04-05 | 东软集团股份有限公司 | 一种蓄电池组异常单体电池识别方法及装置 |
CN107274670A (zh) * | 2017-07-06 | 2017-10-20 | 盐城工学院 | 校园交通评估方法及装置 |
CN107482257A (zh) * | 2016-10-21 | 2017-12-15 | 宝沃汽车(中国)有限公司 | 动力电池的监测方法、系统及车辆 |
CN110208876A (zh) * | 2019-06-04 | 2019-09-06 | 南京大学 | 副热带急流和极锋急流径向位置协同变化的表征方法 |
CN110370984A (zh) * | 2019-06-26 | 2019-10-25 | 清华大学 | 动力电池热失控预警方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000324602A (ja) * | 1999-05-07 | 2000-11-24 | Honda Motor Co Ltd | 動力システムの故障検出方式 |
EP2199142B1 (en) * | 2008-12-22 | 2013-04-17 | Aisin Aw Co., Ltd. | Guidance device for charging vehicle battery |
JP5360157B2 (ja) * | 2011-08-02 | 2013-12-04 | 株式会社デンソー | 電力送受電システム |
CN202443331U (zh) * | 2012-03-09 | 2012-09-19 | 北京信息科技大学 | 一种工程车辆电控系统故障检测装置 |
DE112015002514B4 (de) * | 2014-05-28 | 2022-12-29 | Hitachi Astemo, Ltd. | Untersuchungsverfahren und Untersuchungssystem für einen Mechanismus mit variabler Dämpfungskraft und Untersuchungsverfahren für eine Druckdämpfungsvorrichtung |
CN104050604B (zh) * | 2014-06-10 | 2017-02-01 | 上海交通大学 | 基于概率潮流的电力系统静态安全评估方法 |
JP6632459B2 (ja) * | 2016-04-20 | 2020-01-22 | ヤマハモーターパワープロダクツ株式会社 | エンジン発電機 |
CN106940403B (zh) * | 2017-03-21 | 2019-05-14 | 同济大学 | 一种车载电池阻抗快速测量方法 |
CN109324888A (zh) * | 2017-07-30 | 2019-02-12 | 周明儒 | 一种超大规模gps数据专用计算机集群任务分配方法 |
CN107895411B (zh) * | 2017-11-10 | 2021-01-12 | 北京交通大学 | 一种基于功率和功率变化等效性的锂离子电池工况提取方法 |
TWI708956B (zh) * | 2018-03-08 | 2020-11-01 | 財團法人工業技術研究院 | 電池的安全鑑別方法、電池內短路危害等級設定方法及應用其之警示系統 |
CN108995612B (zh) * | 2018-08-03 | 2023-05-16 | 中国汽车工程研究院股份有限公司 | 一种新能源汽车can总线信号解析电路、系统及其方法 |
CN209196483U (zh) * | 2018-09-20 | 2019-08-02 | 广州视源电子科技股份有限公司 | 智能交互平板 |
CN110208706A (zh) * | 2019-06-13 | 2019-09-06 | 重庆长安新能源汽车科技有限公司 | 一种基于车联网的动力电池健康状态在线评估系统及方法 |
CN111845448B (zh) * | 2020-07-31 | 2021-11-30 | 中国汽车工程研究院股份有限公司 | 一种基于概率突变法则的温度异常探针的识别算法 |
-
2020
- 2020-07-31 CN CN202010757638.5A patent/CN111882697B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104972926A (zh) * | 2015-05-22 | 2015-10-14 | 南通航大电子科技有限公司 | 一种电动汽车电池故障检测与定位方法 |
CN107482257A (zh) * | 2016-10-21 | 2017-12-15 | 宝沃汽车(中国)有限公司 | 动力电池的监测方法、系统及车辆 |
CN106556802A (zh) * | 2016-11-01 | 2017-04-05 | 东软集团股份有限公司 | 一种蓄电池组异常单体电池识别方法及装置 |
CN107274670A (zh) * | 2017-07-06 | 2017-10-20 | 盐城工学院 | 校园交通评估方法及装置 |
CN110208876A (zh) * | 2019-06-04 | 2019-09-06 | 南京大学 | 副热带急流和极锋急流径向位置协同变化的表征方法 |
CN110370984A (zh) * | 2019-06-26 | 2019-10-25 | 清华大学 | 动力电池热失控预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111882697A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111845448B (zh) | 一种基于概率突变法则的温度异常探针的识别算法 | |
Li et al. | Lithium-ion batteries fault diagnostic for electric vehicles using sample entropy analysis method | |
CN108872863B (zh) | 一种优化分类的电动汽车充电状态监测方法 | |
CN111882697B (zh) | 一种基于概率突变法则的电压异常单体的识别算法 | |
WO2010041382A1 (ja) | 車両の故障診断のための基準値の生成 | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN115356636A (zh) | 一种数据驱动的新能源汽车电池故障报警和故障预警模型 | |
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 | |
CN109615273B (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN116626505A (zh) | 一种基于车联网大数据的电池组一致性异常检测方法 | |
DE102022120962A1 (de) | Batteriefehlererkennung | |
CN117691722B (zh) | 一种锂电池充电安全监测预警方法及系统 | |
DE102016106715A1 (de) | Verfahren und Vorrichtung zum Überwachen eines fahrzeugeigenen Batterieladegeräts | |
Liu et al. | Cloud platform-oriented electrical vehicle abnormal battery cell detection and pack consistency evaluation with big data: devising an early-warning system for latent risks | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN111948545B (zh) | 动力电池电压特性的图形化表示及电压异常单体识别方法 | |
CN112622914B (zh) | 新能源汽车行车安全状态辨识系统 | |
CN115561658B (zh) | 一种基于数据切片的动力电池异常电芯监测方法 | |
CN116565354A (zh) | 一种电化学储能系统故障分级诊断预警方法、系统及设备 | |
CN111934032B (zh) | 动力电池温度特性的图形化表示及温度异常单体识别方法 | |
Gao et al. | Research on intelligent diagnosis strategy and treatment method of EV charging fault | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
Lin et al. | Research on Inconsistency Identification of Lithium-ion Battery Pack Based on Operational Data | |
Yang et al. | Electric Vehicle Charging Anomaly Detection Method Based on Multivariate Gaussian Distribution Model |
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 |