CN111948545A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111948545A CN111948545A CN202010757124.XA CN202010757124A CN111948545A CN 111948545 A CN111948545 A CN 111948545A CN 202010757124 A CN202010757124 A CN 202010757124A CN 111948545 A CN111948545 A CN 111948545A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- abnormal
- graphical representation
- monomer
- 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
- 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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- 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
- 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
-
- 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
Abstract
本发明涉及电池诊断技术领域,具体公开了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,包括如下步骤:S1、获取车辆每一电池单体的编号和电压数据,基于电压数据生成电压频率分布表;S2、将每一电池单体的电压频率分布表转换为电池特征数据并存储;S3、基于电池特征数据判断是否有电池单体存在异常,如果有,生成异常记录并输出。采用本发明的技术方案能够准确识别电池单体是否异常。
Description
技术领域
本发明涉及电池诊断技术领域,特别涉及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。
背景技术
近年来环保呼声越来越高,新能源汽车也越来越受欢迎。新能源汽车是采用非常规的车用燃料作为动力源的环保代步工具,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、燃料电池电动汽车和氢发动机汽车等。新能源汽车相较于现有的燃油汽车,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。
新能源汽车的电源部分作为储能部件,关系到新能源汽车行驶过程中的续航能力。而电源部分包括若干个电池单体,电源部分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。
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企业平台,由企业平台将运行数据汇总后发送至国家平台上进行监控和分析。
但是,由于运行数据的数据量的庞大,运行数据,例如电压数据在采集汇总后的还不能得到很好的利用。为了更好的对电池单体的电压进行分析,及时发现故障,需要一种能准确识别电池单体是否异常的方法。
发明内容
本发明提供了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,能够准确识别电池单体是否异常。
为了解决上述技术问题,本申请提供如下技术方案:
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,包括如下步骤:
S1、获取车辆每一电池单体的编号和电压数据,基于电压数据生成电压频率分布表;
S2、将每一电池单体的电压频率分布表转换为电池特征数据并存储;
S3、基于电池特征数据判断是否有电池单体存在异常,如果有,生成异常记录并输出;具体包括:
S301、建立坐标图像;
S302、在坐标图像中生成电池单体所有频数的色块;
S303、对于每一块电池单体重复S302,最终生成动力电池电压特征图;
S304、识别动力电池电压特征图中,是否有任一电池单体色块组成的整体图形与整体上其他电池单体色块组成的整体图形不同,如果存在,将该电池单体标记为异常。
基础方案原理及有益效果如下:
根据动力电池的理化特征,所有电池单体的图形越一致,表明整个电池PACK一致性越好,反之,如果有某块电池单体的图形出现明显差别,即可直观判定该块电池单体电压异常,需要及时维护或者更换。
电池单体的充放电曲线是对电池本质特征描述的有力工具,由于电压频率分布表本质上就是电池真实工况下的充放电曲线,在大量数据的支撑之下,电池电压频数统计表,成为了对电池特征的有效且准确的描述工具。
动力电池电压特征图中的电池电压频数分布是电池本质特征的反映,绝大多数情况下,电池的本质异常,首先会表现为电压频数分布的异常,因此,本方案又成为了电池故障识别算法的有效检验手段。也就是说,被某种电池故障识别算法识别出来的故障电池,其图形首先要满足与其它电池单体图形的显著不一致,否则,该电池故障识别算法就极有可能是缺陷的甚至是不正确的。
综上,本方案能够准确识别电池单体是否异常。
进一步,S301中,以电池单体的电压为纵坐标,电池单体的编号为横坐标,建立坐标图像;
S302中,从编号最小的电池单体开始,首先查找出频数最大值所对应的电压,在坐标图像的对应区域生成最大的色块;再将该电池单体其它电压对应的频数等比例生成不同大小的色块,直到该电池单体所有频数均生成色块。
依据电压频数的大小按比例转换成一定大小的色块,并将同一车辆所有电池单体的图形集中摆放在同一个坐标图像内,一方面可以直观地表征电池单体的本质特征,同时可以直观地识别出表现异常的电池单体。对于表现异常的电池单体;如果选用人工识别,在人为经验的配合之下,部分情况下,可以直接判定电池单体的故障种类,如电压偏低,电压偏高,电池本体损坏等等。
进一步,所述S2中电池特征数据包括电压值和对应的频数。
通过电压值对应频数的分布,便于后续判断电池单体是否异常。
进一步,所述S301中,在坐标图像中,每一个电池单体占相同的宽度。
控制变量,避免每一个电池单体所占宽度不同,带来的识别标准难以统一的问题。
进一步,所述S304中,采用卷积神经网络模型进行识别。
卷积神经网络模块对图像的识别较为准确,在数据量大的情况下可有效替代人工,进行自动识别。
进一步,所述坐标图像中,每一个电池单体所占宽度为10-20个像素宽度。
在保证便于识别的情况下,能使坐标图像中容纳尽可能多的电池单体。
附图说明
图1为实施例一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的流程图;
图2为实施例一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的动力电池电压特征图。
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,本实施例的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,包括如下步骤:
S1、获取车辆每一电池单体的编号和电压数据,基于电压数据生成电压频率分布表。
根据相关规定,新能源汽车应以不大于30秒的时间间隔,向企业平台上传每一块电池单体的电压数据,通常情况下,每天上传的包含电压数据的数据包数量在1000-5000包之间,由此可以迅速累积起100万量级的数据包数。基于大量电池单体的电压数据,从概率论的角度,可以得到车辆每一电池单体的电压频率分布表。
S2、将每一电池单体的电压频率分布表转换为电池特征数据并存储,电池电压特征数据包括电压值以及电压值对应的频数;如表1所示;
表1单体电压频数统计表样例
电压值(V) | 单体1频数 | 单体2频数 | 单体3频数 | 单体4频数 | 单体5频数 | 单体6频数 | 单体7频数 | ... |
3.09 | 13 | 8 | 5 | 12 | 9 | 158 | 6 | ... |
3.1 | 6 | 5 | 7 | 9 | 8 | 9216 | 7 | ... |
3.11 | 8 | 5 | 9 | 6 | 12 | 101 | 14 | ... |
3.12 | 5 | 11 | 10 | 6 | 8 | 88 | 5 | ... |
3.13 | 11 | 7 | 5 | 6 | 7 | 61 | 5 | ... |
3.14 | 20 | 9 | 5 | 14 | 6 | 27 | 14 | ... |
3.15 | 166 | 6 | 10 | 150 | 13 | 24 | 22 | ... |
3.16 | 130 | 13 | 10 | 127 | 138 | 40 | 193 | ... |
3.17 | 156 | 166 | 118 | 178 | 124 | 21 | 144 | ... |
3.18 | 37 | 121 | 141 | 42 | 198 | 57 | 115 | ... |
3.19 | 56 | 162 | 184 | 48 | 48 | 46 | 59 | ... |
3.2 | 98 | 59 | 54 | 116 | 45 | 134 | 41 | ... |
3.21 | 127 | 73 | 58 | 142 | 126 | 191 | 125 | ... |
3.22 | 9255 | 127 | 134 | 9238 | 274 | 30 | 9280 | ... |
3.23 | 186 | 9269 | 9254 | 187 | 9095 | 31 | 76 | ... |
3.24 | 50 | 67 | 101 | 44 | 182 | 97 | 182 | ... |
3.25 | 11 | 183 | 182 | 17 | 50 | 45 | 49 | ... |
3.26 | 130 | 36 | 36 | 129 | 10 | 32 | 9 | ... |
3.27 | 6 | 19 | 23 | 9 | 133 | 64 | 132 | ... |
3.28 | 33 | 138 | 103 | 50 | 27 | 69 | 33 | ... |
3.29 | 67 | 8 | 42 | 98 | 67 | 64 | 62 | ... |
3.3 | 63 | 78 | 60 | 50 | 71 | 249 | 71 | ... |
3.31 | 161 | 56 | 59 | 130 | 63 | 54 | 62 | ... |
3.32 | 153 | 88 | 57 | 175 | 249 | 217 | 249 | ... |
3.33 | 104 | 99 | 145 | 207 | 46 | 45 | 46 | ... |
S3、基于电池特征数据判断是否有电池单体存在异常,如果有,生成异常记录并输出;
基于电压频数分布表判断是否有电池单体存在异常的步骤,具体包括:
S301、以电池单体的电压为纵坐标,电池单体的编号为横坐标,建立矩形的坐标图像;每一个电池单体占相同的宽度,所占宽度为10-20个像素宽度,本实施例中为10个像素宽度。
S302、从编号最小的电池单体开始,首先查找出频数最大值所对应的电压,在矩形的坐标图像的对应区域生成最大的色块。对应区域指该电池单体横坐标和纵坐标确定的区域。本实施例中,生成宽度为10个像素,高度一定的色块;高度的像素值可以根据实际情况进行设置。再将电池单体其它电压对应的频数等比例生成不同大小的色块,直到该电池单体所有频数均生成色块。最终生成的图形整体上略呈纺锤型。
S303、对于每一块电池单体重复S302,最终生成如图2所示的动力电池电压特征图。图中,横坐标是电池单体的编号,本实施例中,编号从1开始,依次表示为1、2、3、4…纵坐标代表的是某个电压下(如3100mv),该电池单体在观察时间内出现了多少次3100mv的电压;
S304、识别出动力电池电压特征图中,是否有任一电池单体色块组成的整体图形与在整体上其他电池单体色块组成的整体图形不同,如果存在,将该电池单体标记为异常。识别整体图形的不同,可以采用人工识别的方式,也可以采用机器识别的方式。本实施例中采用机器识别的方式,具体采用训练过的卷积神经网络模型进行识别。
根据动力电池的理化特征,所有电池单体的图形越一致,表明整个电池PACK一致性越好,反之,如果有某块电池单体的图形出现明显差别,即可直观判定该块电压异常,需要及时维护或者更换。
电池单体的充放电曲线是对电池本质特征描述的有力工具,由于电压频率分布表本质上就是电池真实工况下的充放电曲线,在大量数据的支撑之下,电池电压频数统计表,成为了对电池特征的有效且准确的描述工具。
依据电压频数的大小按比例转换成一定大小的形状,并将同一车辆所有电池单体的图形集中摆放在同一个图像框架内,一方面可以直观地表征电池单体的本质特征,同时可以直观地识别出表现异常的电池单体。对于表现异常的电池单体;如果选用人工识别,在人为经验的配合之下,部分情况下,可以直接判定电池单体的故障种类,如电压偏低,电压偏高,电池本体损坏等等。
动力电池电压特征图中的电池电压频数分布是电池本质特征的反映,绝大多数情况下,电池的本质异常,首先会表现为电压频数分布的异常,因此,本案又成为了电池故障识别算法的有效检验手段。也就是说,被某种电池故障识别算法识别出来的故障电池,其图形首先要满足电其它单体的显著不一致,否则,该电池故障识别算法就极有可能是缺陷的甚至是不正确的。
实施例二
本实施例与实施例一的区别在于,本实施例中,还包括步骤S4,在车辆的底部安装温度传感器;
S5,判断异常电池单体所在位置是否与车辆底部相邻;本实施例中,相邻指与车辆底部的距离小于预设距离。
S6,如果相邻,从温度传感器获取底部温度;判断底部温度是否超过第一温度阈值,如果超过,转跳到S7,如果超过第二温度阈值,生成报警信息,其中,第二温度阈值大于第一温度阈值;
S7,从汽车ECU获取汽车速度;判断汽车速度是否小于预设速度区间或大于预设速度区间,如果是,生成报警信息。
电池单体的电压异常可能导致车辆温度异常,也可能是误报;本实施中,在异常电池单体所在位置与车辆底部相邻时,还判断车辆底部温度是否超过第一温度阈值,如果超过,可能是路面温度过高导致的靠近汽车底部的电池单体温度过高,进而电池单体电压异常;如果超过第二温度阈值,可能是电池本身损坏造成的电压异常,伴随着发热异常,故需要生成报警信息,便于第一时间通知驾驶员。
当汽车速度小于预设速度区间时,车速较慢或汽车静止,空气流通慢,汽车底部散热效果较差,路面温度过高导致的靠近汽车底部的电池温度过高进而电压异常的问题不能靠气流进行降温,故需要生成报警信息,便于第一时间通知驾驶员;当汽车速度大于预设速度区间时,车速快,空气流通快,汽车底部散热效果较好,此时汽车底部温度仍然超过第一温度阈值,单体电池电压异常带来的发热占主要因素,故需要生成报警信息,便于第一时间通知驾驶员;当汽车速度等于预设速度区间时,车速合适,空气流通较快,可以让汽车行驶一段时间依靠气流对汽车底部降温,看汽车底部的温度是否能降下来,而不是第一时间报警,降低误报概率。
以上的仅是本发明的实施例,该发明不限于此实施案例涉及的领域,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 (6)
1.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,其特征在于,包括如下步骤:
S1、获取车辆每一电池单体的编号和电压数据,基于电压数据生成电压频率分布表;
S2、将每一电池单体的电压频率分布表转换为电池特征数据并存储;
S3、基于电池特征数据判断是否有电池单体存在异常,如果有,生成异常记录并输出;具体包括:
S301、建立坐标图像;
S302、在坐标图像中生成电池单体所有频数的色块;
S303、对于每一块电池单体重复S302,最终生成动力电池电压特征图;
S304、识别动力电池电压特征图中,是否有任一电池单体色块组成的整体图形与整体上其他电池单体色块组成的整体图形不同,如果存在,将该电池单体标记为异常。
2.根据权利要求1所述的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,其特征在于:S301中,以电池单体的电压为纵坐标,电池单体的编号为横坐标,建立坐标图像;
S302中,从编号最小的电池单体开始,首先查找出频数最大值所对应的电压,在坐标图像的对应区域生成最大的色块;再将该电池单体其它电压对应的频数等比例生成不同大小的色块,直到该电池单体所有频数均生成色块。
3.根据权利要求2所述的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,其特征在于:所述S2中电池特征数据包括电压值和对应的频数。
4.根据权利要求3所述的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,其特征在于:所述S301中,在坐标图像中,每一个电池单体占相同的宽度。
5.根据权利要求4所述的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,其特征在于:所述S304中,采用卷积神经网络模型进行识别。
6.根据权利要求5所述的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,其特征在于:所述坐标图像中,每一个电池单体所占宽度为10-20个像素宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757124.XA CN111948545B (zh) | 2020-07-31 | 2020-07-31 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757124.XA CN111948545B (zh) | 2020-07-31 | 2020-07-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948545A true CN111948545A (zh) | 2020-11-17 |
CN111948545B CN111948545B (zh) | 2021-05-11 |
Family
ID=73338964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010757124.XA Active CN111948545B (zh) | 2020-07-31 | 2020-07-31 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948545B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986834A (zh) * | 2021-02-26 | 2021-06-18 | 重庆长安新能源汽车科技有限公司 | 一种基于电压排序的电池安全监控方法及系统 |
WO2023207403A1 (zh) * | 2022-04-24 | 2023-11-02 | 深圳市道通科技股份有限公司 | 动力电池数据流诊断可视化方法和诊断设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269798A (zh) * | 2010-06-07 | 2011-12-07 | 四川德源电气有限公司 | 一种检测故障电池的方法及装置 |
CN103399282A (zh) * | 2013-08-07 | 2013-11-20 | 清华大学 | 电池单体故障诊断方法 |
JP2014134467A (ja) * | 2013-01-10 | 2014-07-24 | Toyota Motor Corp | 二次電池の状態診断方法 |
CN204256139U (zh) * | 2014-12-03 | 2015-04-08 | 无锡全裕电子科技有限公司 | 一种电池组失效预警系统 |
CN105785273A (zh) * | 2016-03-03 | 2016-07-20 | 深圳市沃特玛电池有限公司 | 一种展现电动汽车电芯电压的方法及系统 |
CN106021738A (zh) * | 2016-05-23 | 2016-10-12 | 山东大学 | 非均一多个体混联的电池组分布式模型建立系统及方法 |
CN106371010A (zh) * | 2016-09-29 | 2017-02-01 | 法乐第(北京)网络科技有限公司 | 故障检测方法、机动车 |
CN107843853A (zh) * | 2017-12-13 | 2018-03-27 | 中国科学技术大学 | 一种动力电池组串联连接故障诊断方法 |
CN108051748A (zh) * | 2016-10-20 | 2018-05-18 | 乐视生态汽车(浙江)有限公司 | 故障位置检测方法、装置、蓄电池组件和机动车 |
CN109738804A (zh) * | 2018-12-29 | 2019-05-10 | 连云港正道电池技术有限公司 | 一种钛酸锂电池模组超声波焊接虚焊检测方法及其检测装置 |
CN110018425A (zh) * | 2019-04-10 | 2019-07-16 | 北京理工大学 | 一种动力电池故障诊断方法及系统 |
-
2020
- 2020-07-31 CN CN202010757124.XA patent/CN111948545B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269798A (zh) * | 2010-06-07 | 2011-12-07 | 四川德源电气有限公司 | 一种检测故障电池的方法及装置 |
JP2014134467A (ja) * | 2013-01-10 | 2014-07-24 | Toyota Motor Corp | 二次電池の状態診断方法 |
CN103399282A (zh) * | 2013-08-07 | 2013-11-20 | 清华大学 | 电池单体故障诊断方法 |
CN204256139U (zh) * | 2014-12-03 | 2015-04-08 | 无锡全裕电子科技有限公司 | 一种电池组失效预警系统 |
CN105785273A (zh) * | 2016-03-03 | 2016-07-20 | 深圳市沃特玛电池有限公司 | 一种展现电动汽车电芯电压的方法及系统 |
CN106021738A (zh) * | 2016-05-23 | 2016-10-12 | 山东大学 | 非均一多个体混联的电池组分布式模型建立系统及方法 |
CN106371010A (zh) * | 2016-09-29 | 2017-02-01 | 法乐第(北京)网络科技有限公司 | 故障检测方法、机动车 |
CN108051748A (zh) * | 2016-10-20 | 2018-05-18 | 乐视生态汽车(浙江)有限公司 | 故障位置检测方法、装置、蓄电池组件和机动车 |
CN107843853A (zh) * | 2017-12-13 | 2018-03-27 | 中国科学技术大学 | 一种动力电池组串联连接故障诊断方法 |
CN109738804A (zh) * | 2018-12-29 | 2019-05-10 | 连云港正道电池技术有限公司 | 一种钛酸锂电池模组超声波焊接虚焊检测方法及其检测装置 |
CN110018425A (zh) * | 2019-04-10 | 2019-07-16 | 北京理工大学 | 一种动力电池故障诊断方法及系统 |
Non-Patent Citations (3)
Title |
---|
YONGZHE KANG: "A multi-fault diagnostic method based on an interleaved voltage measurement topology for series connected battery packs", 《JOURNAL OF POWER SOURCES》 * |
李晓辉: "电动汽车动力电池状态远程监测系统设计", 《计算机工程与应用》 * |
熊瑞: "动力电池外部短路故障热-力影响与分析", 《机械工程学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986834A (zh) * | 2021-02-26 | 2021-06-18 | 重庆长安新能源汽车科技有限公司 | 一种基于电压排序的电池安全监控方法及系统 |
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 |
WO2023207403A1 (zh) * | 2022-04-24 | 2023-11-02 | 深圳市道通科技股份有限公司 | 动力电池数据流诊断可视化方法和诊断设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111948545B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US11468715B2 (en) | Cloud-based vehicle fault diagnosis method, apparatus, and system | |
CN108872863B (zh) | 一种优化分类的电动汽车充电状态监测方法 | |
DE102013201205B4 (de) | Detektion von Kühlmittelverlust und Abhilfemaßnahme bei einem Batteriestapel mit Flüssigkühlung | |
CN111845448A (zh) | 一种基于概率突变法则的温度异常探针的识别算法 | |
DE112018004979T5 (de) | Batterienutzungsüberwachung mit hoher Abdeckung | |
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 | |
CN112904219A (zh) | 一种基于大数据的动力电池健康状态的预测方法 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 | |
CN115991117A (zh) | 基于数据处理的汽车电池运行环境监管系统 | |
EP4031886A1 (de) | Zustandswert für wiederaufladbare batterien | |
CN111882697B (zh) | 一种基于概率突变法则的电压异常单体的识别算法 | |
KR20230167249A (ko) | 배터리의 이상 감지 방법 및 이를 실행하는 배터리 관리 시스템 | |
CN116706973B (zh) | 一种基于多维度分析的储能电池控制方法、系统及介质 | |
Yin et al. | Voltage fault diagnosis of power batteries based on boxplots and gini impurity for electric vehicles | |
DE102018220045A1 (de) | Verfahren zur Ermittlung eines Zustandes eines Thermomanagementsystems eines elektrischen Energiespeichers sowie entsprechende Vorrichtung, entsprechender elektrischer Energiespeicher, entsprechendes Computerprogramm und entsprechendes maschinenlesbares Speichermedium | |
CN115856696A (zh) | 动力电池内短路检测方法、电子设备及存储介质 | |
CN113159517B (zh) | 一种三维可视化电网运行数据分析系统 | |
US11513164B2 (en) | Method and system for estimating battery pack balance state of new energy vehicle | |
CN115469226A (zh) | 一种基于运行大数据的电动汽车动力电池实时安全预警方法 | |
WO2022162060A1 (de) | Big-data für fehlererkennung in batteriesystemen | |
CN113335068A (zh) | 故障诊断方法、装置、电子设备和可读存储介质 | |
CN113240002A (zh) | 一种车联网大数据预处理系统、装置和方法 | |
DE102022206170A1 (de) | Verfahren und Vorrichtung zum Erkennen einer Anomalie einer Gerätebatterie durch Auswerten von Batterieverhalten während Ladevorgängen | |
CN116579677B (zh) | 一种高速铁路电务车载设备全生命周期管理方法及系统 |
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 |