CN112034355B - 蓄电池状态的评估方法及评估装置 - Google Patents
蓄电池状态的评估方法及评估装置 Download PDFInfo
- Publication number
- CN112034355B CN112034355B CN202010922658.3A CN202010922658A CN112034355B CN 112034355 B CN112034355 B CN 112034355B CN 202010922658 A CN202010922658 A CN 202010922658A CN 112034355 B CN112034355 B CN 112034355B
- Authority
- CN
- China
- Prior art keywords
- storage battery
- battery
- voltage data
- voltage
- 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.)
- Active
Links
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种蓄电池状态的评估方法及评估装置,基于物联网管理模式,构建蓄电池运行数据体系;采集蓄电池的电压数据,并将所述电压数据依次分类;获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,其中,利用深度学习算法与所述电压数据相关联,并基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,从而实现蓄电池的当前状态的无人监控和智能判断,降低蓄电池状态的评估的局限性,进而提高蓄电池的工作可靠性。
Description
技术领域
本发明涉及超高压的蓄电池评估领域,特别涉及一种蓄电池状态的评估方法及评估装置。
背景技术
在变电站或换流站直流电源系统蓄电池运维过程中,日常主要是通过运行人员开展巡视时检查蓄电池正常运行时单体电压来判断蓄电池组运行状况,出现故障告警时才判断蓄电池异常。
另外,蓄电池组整体运行状况评估则通过检修人员一年一次的蓄电池充放电试验结果来进行评判,通过人为实测的评估导致蓄电池状态的评估存在较大的局限性,进而导致蓄电池的工作可靠性较低。
发明内容
本发明的目的在于提供一种蓄电池状态的评估方法及评估装置,解决现有技术中蓄电池的工作可靠性较低的问题。
为解决上述技术问题,本发明采用如下技术方案:
根据本发明的一个方面,本发明提供一种蓄电池状态的评估方法,包括:基于物联网管理模式,构建蓄电池运行数据体系;采集蓄电池的电压数据,并将所述电压数据依次分类;获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态。
根据本公开的一方面,提供了一种蓄电池状态的评估装置,包括:构建模块,用于基于物联网管理模式,构建蓄电池运行数据体系;分类模块,用于采集蓄电池的电压数据,并将所述电压数据依次分类;关联模块,用于获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;确定模块,用于基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态。
根据本公开的一方面,提供了一种计算机可读程序介质,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行根据上述的方法。
根据本公开的一方面,提供了一种电子装置,包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现上述的方法。
由上述技术方案可知,本发明实施例至少具有如下优点和积极效果:
在本发明的一些实施例所提供的技术方案中,基于物联网管理模式,构建蓄电池运行数据体系;采集蓄电池的电压数据,并将所述电压数据依次分类;获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,其中,利用深度学习算法与所述电压数据相关联,并基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,从而实现蓄电池的当前状态的无人监控和智能判断,降低蓄电池状态的评估的局限性,进而提高蓄电池的工作可靠性。
附图说明
图1是根据一示例性实施例示出的一种蓄电池状态的评估方法的流程图。
图2是根据一示例性实施例示出的蓄电池运行数据体系数据点的分布图。
图3是根据一示例性实施例示出的直流电源系统充电机屏与蓄电池的接线图。
图4是根据一示例性实施例示出的将所述电压数据依次分类的流程图。
图5是根据一示例性实施例示出的确定所述蓄电池的当前状态的流程图。
图6是根据一示例性实施例示出的一种蓄电池状态的评估装置框图。
图7是根据一示例性实施例示出的一种电子装置的硬件图。
图8是根据一示例性实施例示出的一种蓄电池状态的评估方法的计算机可读存储介质。
具体实施方式
体现本发明特征与优点的典型实施方式将在以下的说明中详细叙述。应理解的是本发明能够在不同的实施方式上具有各种的变化,其皆不脱离本发明的范围,且其中的说明及图示在本质上是当作说明之用,而非用以限制本发明。
在变电站或换流站直流电源系统蓄电池运维过程中,日常主要是通过运行人员开展巡视时检查蓄电池正常运行时单体电压来判断蓄电池组运行状况,出现故障告警时才判断蓄电池异常。
另外,蓄电池组整体运行状况评估则通过检修人员一年一次的蓄电池充放电试验结果来进行评判,通过人为实测的评估导致蓄电池状态的评估存在较大的局限性,进而导致蓄电池的工作可靠性较低。
根据本公开的一个实施例,提供了一种蓄电池状态的评估方法,如图1所示,该蓄电池状态的评估方法,包括:
步骤S110、基于物联网管理模式,构建蓄电池运行数据体系;
步骤S120、采集蓄电池的电压数据,并将所述电压数据依次分类;
步骤S130、获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;
步骤S140、基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态。
在本发明的一些实施例中,基于前述方案,基于物联网管理模式,构建蓄电池运行数据体系;采集蓄电池的电压数据,并将所述电压数据依次分类;获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,其中,利用深度学习算法与所述电压数据相关联,并基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,从而实现蓄电池的当前状态的无人监控和智能判断,降低蓄电池状态的评估的局限性,进而提高蓄电池的工作可靠性。
下面对这些步骤进行详细描述。
在步骤S110中,基于物联网管理模式,构建蓄电池运行数据体系;
首先基于物联网管理模式,将蓄电池室内蓄电池及直流充电机屏等关联设备全部纳入系统管理内容,通过对蓄电池及关联设备运行参数的采集,基于直流电源系统运行原理,根据数据点的分布及数据变化特点,构建蓄电池运行数据体系。另外,蓄电池运行数据体系数据点如图2所示,直流电源系统充电机屏与蓄电池的接线方式如图3所示。
通过蓄电池运行数据体系准确地距记录蓄电池的运行数据,并且通过物联网与其他设备相连接,构建完整的工业网络,保证监控的实时性和有效性。
对充电机与蓄电池连接情况进行数据编码,11表示#1充电机屏带#1组蓄电池运行,12表示#1充电机屏带#2组蓄电池运行,21表示#2充电机屏带#1组蓄电池运行,22表示#2充电机屏带#2组蓄电池运行,31表示#3充电机屏带#1组蓄电池运行,32表示#1充电机屏带#2组蓄电池运行。如下表所示:
#1充电机屏 | #2充电机屏 | #3充电机屏 | |
#1组蓄电池 | 11 | 21 | 31 |
#2组蓄电池 | 12 | 22 | 32 |
正常运行方式下,直流电源系统一般是#1充电机屏带#1组蓄电池运行、#2充电机屏带#2组蓄电池运行,即为11、22组合;#1组蓄电池开展核容试验时,仅#2充电机屏带#2组蓄电池运行,为22组合;#2组蓄电池开展核容试验时,仅#1充电机屏带#1组蓄电池运行,为11组合;若#1充电机屏或#2充电机屏故障时,由#3充电机屏代替故障充电机屏。
充电机屏给蓄电池充电有两种充电方式:浮充和均充,浮充和均充可以相互转换,转换条件为:
转浮充判据:(充电电流<0.01C10)∩(持续时间≥180min)
转均充判据:(剩余容量≤80%)∪(交流停电时间15min)
故障录波器记录充电机屏告警信息,可与充电机屏与蓄电池连接方式进行比对,若两者一致则设置数据为1,不一致则设置数据为0;故障录波器记录充电机屏充电电压与充电机屏显示电压值进行比对,若误差在1%以内,则设置数据为1,偏差大于1%,则设置数据为0。
绝缘监测装置若显示蓄电池组支路绝缘告警,则设置数据为0,若无告警则设置数据为1。
如图4所示,步骤S120中,采集蓄电池的电压数据,并将所述电压数据依次分类。
所述采集蓄电池的电压数据,并将所述电压数据依次分类,包括:
步骤S121、采集蓄电池的电压数据;
步骤S122、将所述电压数据传送至数据分类模块内,并与蓄电池编号进行一一对应归类;
步骤S123、所述电压数据按照与充电机屏连接方式、充电方式进行分类归档;
步骤S124、所述电压数据与蓄电池组绝缘情况及故障录波器数据关联。
具体的,系统处理模块会控制数据采集模块对蓄电池组运行数据进行采集,并将采集的数据传送至数据分类模块内与蓄电池编号进行一一对应归类,人工向系统处理模块输入蓄电池投运以来开展核容试验充放电数据;
数据归类的原则:1、蓄电池组各蓄电池单体电压数据与蓄电池编号一一对应;2、蓄电池组数据按照与充电机屏连接方式、充电方式进行分类归档;3、蓄电池组数据与蓄电池组绝缘情况及故障录波器数据关联。
通过归类实现所述电压数据与编号的一一对应,并且保证了所述电压数据的有效传输,另外,所述电压数据按照与充电机屏连接方式、充电方式进行分类归档,所述电压数据与蓄电池组绝缘情况及故障录波器数据关联,保证了所述电压数据在传输过程中的一致性。
如图5所示,在步骤S130中,获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联。
所述基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,包括:
步骤S131、获取所述蓄电池状态的多种状态;
步骤S132、基于所述蓄电池状态的多种状态确定对应的所述电压数据、所述单体电压、所述内阻和所述单体温度;
步骤S133、将所述电压数据、所述单体电压、所述内阻和所述单体温度进行深度学习和关联性分析,以计算所述蓄电池的离散性;
步骤S134、确定所述蓄电池的当前状态。
系统根据蓄电池在各个状态(浮充、均充、核容试验下放电及充电)下的多维数据(蓄电池组电压、单体电压、内阻、单体温度)进行深度学习和快速关联性分析,计算出蓄电池的离散性(单体的离散性和整组的离散性),确定蓄电池的真实性能。
另外,所述深度学习采用BP神经网络算法对数据进行处理。
在步骤S140中,基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态。
系统连续跟踪记录这种变化,从这些变化曲线就能看到电池性能变化趋势,及时跟踪蓄电池运行性能,并根据蓄电池运行规程规范要求设置蓄电池正常运行参数区域,当蓄电池运行数据超出区域或趋势上将超出区域时,发出系统提示及预警,做到设备故障预判,并根据蓄电池关联设备数据信息,及运维要求给出蓄电池运维策略。
该基于深度学习算法的蓄电池状态评估与诊断方法,可实现将特征学习算法以原始数据作为输入,而且学习过程采用无监督的特征学习过程,可大大增强蓄电池数据异常识别的精度,缩短了蓄电池异常数据识别时间,实现了通过深度学习模型算法来刻画数据的丰富信息和提高异常数据识别性能,很好的解决了蓄电池状态评估及异常蓄电池识别诊断困难的问题。
还有的是,所述蓄电池状态的评估方法,还包括:
步骤S150、获取并记录多个所述蓄电池的离散点;
步骤S160、将多个所述蓄电池的离散点相串联,并形成对应关系线;
步骤S170、获取所述蓄电池的预警区域,并监测所述对应关系线与所述预警区域;
步骤S180、在所述对应关系线与所述预警区域相重合时,所述蓄电池输出预警信号。
通过对应关系线与预警区域的对比,判断所述蓄电池的运行状态是否处于预警状态,以便于提高工作人员对蓄电池的安全操作性,进一步地优化蓄电池的安全性。
另外,通过数字化的监控保证了蓄电池的无人监控和实时监控,从而实现蓄电池的当前状态的无人监控和智能判断,降低蓄电池状态的评估的局限性,进而提高蓄电池的工作可靠性。
在另一实施例中,所述将多个所述蓄电池的离散点相串联,并形成对应关系线之后,还包括:
确定所述对应关系线;
将所述对应关系线输入至预设的线段预估模型;
基于所述线段预估模型预测所述对应关系线的延伸段;
将所述延伸段与所述预警区域相比,预测所述预警信号。
通过所述线段预估模型预测所述对应关系线的延伸段,以便于提前预计蓄电池的工作状态,进一步地调整工作人员对蓄电池的操作,提高蓄电池的安全性。
其中,所述线段预估模型是所述蓄电池的离散点和斜率之间的关系模型,是通过所述蓄电池的离散点的大数据构建的。
由上述技术方案可知,本发明实施例至少具有如下优点和积极效果:
在本发明的一些实施例所提供的技术方案中,基于物联网管理模式,构建蓄电池运行数据体系;采集蓄电池的电压数据,并将所述电压数据依次分类;获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,其中,利用深度学习算法与所述电压数据相关联,并基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,从而实现蓄电池的当前状态的无人监控和智能判断,降低蓄电池状态的评估的局限性,进而提高蓄电池的工作可靠性。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
如图6所示,在一个实施例中,所述蓄电池状态的评估装置200还包括:
构建模块210,用于基于物联网管理模式,构建蓄电池运行数据体系;
分类模块220,用于采集蓄电池的电压数据,并将所述电压数据依次分类;
关联模块230,用于获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;
确定模块240,用于基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态。
下面参照图7来描述根据本发明的这种实施方式的电子设备40。图4显示的电子设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:上述至少一个处理单元41、上述至少一个存储单元42、连接不同系统组件(包括存储单元42和处理单元41)的总线43。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元41执行,使得所述处理单元41执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。
存储单元42可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)421和/或高速缓存存储单元422,还可以进一步包括只读存储单元(ROM)423。
存储单元42还可以包括具有一组(至少一个)程序模块425的程序/实用工具424,这样的程序模块425包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线43可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备40也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口45进行。并且,电子设备40还可以通过网络适配器46与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器46通过总线43与电子设备40的其它模块通信。应当明白,尽管图7中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
根据本公开一个实施例,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品50,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限。
Claims (8)
1.一种蓄电池状态的评估方法,其特征在于,包括:
基于物联网管理模式,构建蓄电池运行数据体系;
采集蓄电池的电压数据,并将所述电压数据依次分类;
获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;
基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态;
所述蓄电池状态的评估方法的步骤还包括:获取并记录多个所述蓄电池的离散点;将多个所述蓄电池的离散点相串联,并形成对应关系线;获取所述蓄电池的预警区域,并监测所述对应关系线与所述预警区域;在所述对应关系线与所述预警区域相重合时,所述蓄电池输出预警信号;确定所述对应关系线;将所述对应关系线输入至预设的线段预估模型;基于所述线段预估模型预测所述对应关系线的延伸段;将所述延伸段与所述预警区域相比,预测所述预警信号。
2.如权利要求1所述的蓄电池状态的评估方法,其特征在于,所述线段预估模型是所述蓄电池的离散点和斜率之间的关系模型,是通过所述蓄电池的离散点的大数据构建的。
3.如权利要求1所述的蓄电池状态的评估方法,其特征在于,所述基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态,包括:
获取所述蓄电池状态的多种状态;
基于所述蓄电池状态的多种状态确定对应的所述电压数据、所述单体电压、所述内阻和所述单体温度;
将所述电压数据、所述单体电压、所述内阻和所述单体温度进行深度学习和关联性分析,以计算所述蓄电池的离散性;
确定所述蓄电池的当前状态。
4.如权利要求3所述的蓄电池状态的评估方法,其特征在于,所述深度学习采用BP神经网络算法对数据进行处理。
5.如权利要求1所述的蓄电池状态的评估方法,其特征在于,所述采集蓄电池的电压数据,并将所述电压数据依次分类,包括:
采集蓄电池的电压数据;
将所述电压数据传送至数据分类模块内,并与蓄电池编号进行一一对应归类;
所述电压数据按照与充电机屏连接方式、充电方式进行分类归档;
所述电压数据与蓄电池组绝缘情况及故障录波器数据关联。
6.一种蓄电池状态的评估装置,其特征在于,包括:
构建模块,用于基于物联网管理模式,构建蓄电池运行数据体系;
分类模块,用于采集蓄电池的电压数据,并将所述电压数据依次分类;
关联模块,用于获取单体电压、内阻、单体温度,且基于深度学习算法与所述电压数据相关联;
确定模块,用于基于所述电压数据、所述单体电压、所述内阻和所述单体温度计算所述蓄电池的离散性,以确定所述蓄电池的当前状态;所述蓄电池状态的评估方法的步骤还包括:获取并记录多个所述蓄电池的离散点;将多个所述蓄电池的离散点相串联,并形成对应关系线;获取所述蓄电池的预警区域,并监测所述对应关系线与所述预警区域;在所述对应关系线与所述预警区域相重合时,所述蓄电池输出预警信号;确定所述对应关系线;将所述对应关系线输入至预设的线段预估模型;基于所述线段预估模型预测所述对应关系线的延伸段;将所述延伸段与所述预警区域相比,预测所述预警信号。
7.一种计算机可读程序介质,其特征在于,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行根据权利要求1至5中任一项所述的方法。
8.一种电子装置,其特征在于,包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010922658.3A CN112034355B (zh) | 2020-09-04 | 2020-09-04 | 蓄电池状态的评估方法及评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010922658.3A CN112034355B (zh) | 2020-09-04 | 2020-09-04 | 蓄电池状态的评估方法及评估装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034355A CN112034355A (zh) | 2020-12-04 |
CN112034355B true CN112034355B (zh) | 2023-09-05 |
Family
ID=73591552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010922658.3A Active CN112034355B (zh) | 2020-09-04 | 2020-09-04 | 蓄电池状态的评估方法及评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034355B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067644A (zh) * | 2007-04-20 | 2007-11-07 | 杭州高特电子设备有限公司 | 蓄电池性能分析专家诊断方法 |
CN101067645A (zh) * | 2007-04-20 | 2007-11-07 | 杭州高特电子设备有限公司 | 一种阀控式铅酸蓄电池性能分析方法 |
CN101950001A (zh) * | 2010-08-09 | 2011-01-19 | 奇瑞汽车股份有限公司 | 一种电动汽车用锂离子电池组一致性的评价方法 |
CN102749589A (zh) * | 2012-07-13 | 2012-10-24 | 哈尔滨工业大学深圳研究生院 | 电动汽车动力电池衰退模式预测方法 |
WO2012143996A1 (ja) * | 2011-04-18 | 2012-10-26 | 日立ビークルエナジー株式会社 | 蓄電装置 |
CN107656216A (zh) * | 2017-11-15 | 2018-02-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法 |
CN109004696A (zh) * | 2018-04-18 | 2018-12-14 | 国家电网公司 | 一种变电站用蓄电池多功能控制系统及其控制方法 |
CN109061504A (zh) * | 2018-08-28 | 2018-12-21 | 中北大学 | 同类型不同锂离子电池剩余使用寿命预测方法和系统 |
CN109782192A (zh) * | 2019-03-08 | 2019-05-21 | 安徽理工大学 | 不同放电倍率下锂离子电池剩余寿命预测方法 |
CN110954830A (zh) * | 2019-11-26 | 2020-04-03 | 北京海博思创科技有限公司 | 电池跳水预测方法及设备 |
CN111220912A (zh) * | 2020-01-19 | 2020-06-02 | 重庆大学 | 一种基于移植神经网络的电池容量衰减轨迹预测方法 |
CN111443294A (zh) * | 2020-04-10 | 2020-07-24 | 华东理工大学 | 一种锂离子电池剩余寿命间接预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919168A (zh) * | 2017-12-13 | 2019-06-21 | 北京创昱科技有限公司 | 一种电池分类方法和系统 |
-
2020
- 2020-09-04 CN CN202010922658.3A patent/CN112034355B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067644A (zh) * | 2007-04-20 | 2007-11-07 | 杭州高特电子设备有限公司 | 蓄电池性能分析专家诊断方法 |
CN101067645A (zh) * | 2007-04-20 | 2007-11-07 | 杭州高特电子设备有限公司 | 一种阀控式铅酸蓄电池性能分析方法 |
CN101950001A (zh) * | 2010-08-09 | 2011-01-19 | 奇瑞汽车股份有限公司 | 一种电动汽车用锂离子电池组一致性的评价方法 |
WO2012143996A1 (ja) * | 2011-04-18 | 2012-10-26 | 日立ビークルエナジー株式会社 | 蓄電装置 |
CN102749589A (zh) * | 2012-07-13 | 2012-10-24 | 哈尔滨工业大学深圳研究生院 | 电动汽车动力电池衰退模式预测方法 |
CN107656216A (zh) * | 2017-11-15 | 2018-02-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法 |
CN109004696A (zh) * | 2018-04-18 | 2018-12-14 | 国家电网公司 | 一种变电站用蓄电池多功能控制系统及其控制方法 |
CN109061504A (zh) * | 2018-08-28 | 2018-12-21 | 中北大学 | 同类型不同锂离子电池剩余使用寿命预测方法和系统 |
CN109782192A (zh) * | 2019-03-08 | 2019-05-21 | 安徽理工大学 | 不同放电倍率下锂离子电池剩余寿命预测方法 |
CN110954830A (zh) * | 2019-11-26 | 2020-04-03 | 北京海博思创科技有限公司 | 电池跳水预测方法及设备 |
CN111220912A (zh) * | 2020-01-19 | 2020-06-02 | 重庆大学 | 一种基于移植神经网络的电池容量衰减轨迹预测方法 |
CN111443294A (zh) * | 2020-04-10 | 2020-07-24 | 华东理工大学 | 一种锂离子电池剩余寿命间接预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
锂离子电池故障诊断技术进展;苏伟等;《储能科学与技术》;225-235 * |
Also Published As
Publication number | Publication date |
---|---|
CN112034355A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112731159B (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
Li et al. | Lithium-ion batteries fault diagnostic for electric vehicles using sample entropy analysis method | |
CN115097319A (zh) | 一种动力电池组故障在线诊断方法及系统 | |
CN111460656B (zh) | 一种电力机房通信电源运行寿命评估方法和系统 | |
Chang et al. | Micro-fault diagnosis of electric vehicle batteries based on the evolution of battery consistency relative position | |
CN114202304A (zh) | 一种电网故障智能监控处理方法及系统 | |
CN113547919A (zh) | 一种燃料电池车远程故障监测方法及系统 | |
CN115061049A (zh) | 一种数据中心ups电池故障快速检测方法及系统 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN112034355B (zh) | 蓄电池状态的评估方法及评估装置 | |
US20230280406A1 (en) | Verfahren und Vorrichtung zum Erkennen einer kritischen Anomalie in einer Gerätebatterie basierend auf maschinellen Lernverfahren | |
CN114631032A (zh) | 用于监控电池组健康状况的方法和系统 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN117169761A (zh) | 电池状态评估方法、装置、设备、存储介质和程序产品 | |
CN117498406A (zh) | 一种云边端协同的储能电站管理系统和方法 | |
CN117630672A (zh) | 借助变换器模型预测诊断技术设备的设备电池的方法和设备 | |
CN117074852A (zh) | 一种配电网电能监测预警管理方法及系统 | |
CN116736166A (zh) | 电池包的电芯异常检测方法、装置及电池包 | |
CN117394409B (zh) | 储能电站设备状态的智能评估方法及系统 | |
Li et al. | A fault diagnosis method for VRLA battery in data center | |
CN117104073B (zh) | 一种基于物联网的新能源汽车电池管理系统 | |
EP4300109A1 (en) | Device and method for predicting low voltage failure of secondary battery, and battery control system comprising same device | |
CN117310546A (zh) | 一种ups电源健康管理监测系统 | |
CN117962679A (zh) | 一种新能源汽车充电过程监管方法及系统 | |
KR20230025130A (ko) | 배터리 관리 장치 및 이를 포함하는 배터리 검사 시스템 |
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 |