CN112213657A - 电池预警方法及系统 - Google Patents
电池预警方法及系统 Download PDFInfo
- Publication number
- CN112213657A CN112213657A CN202011053698.5A CN202011053698A CN112213657A CN 112213657 A CN112213657 A CN 112213657A CN 202011053698 A CN202011053698 A CN 202011053698A CN 112213657 A CN112213657 A CN 112213657A
- Authority
- CN
- China
- Prior art keywords
- model quantization
- voltage change
- battery
- data information
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013139 quantization Methods 0.000 claims abstract description 78
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 239000000178 monomer Substances 0.000 claims abstract description 32
- 238000013179 statistical model Methods 0.000 claims abstract description 26
- 229940030850 avar Drugs 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 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
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/385—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
-
- 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
Abstract
本发明公开了一种电池预警方法及系统,该方法包括以下步骤:获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率;分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化;判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。本发明采用电压变化率,其早于电压将单体异常情况体现出来,再借用Z分数模型量化、统计模型量化和角度方差模型量化,使判断精度更高。
Description
技术领域
本发明涉及汽车零部件技术领域,特别是涉及一种电池预警方法及系统。
背景技术
随着汽车工业的飞速发展和人们生活水平的提升,汽车已经成为人们出行、货运等不可或缺的交通工具之一。
对于新能源电池,电池是最重要的部件,当电池发生故障时,会引起汽车起火,甚至爆炸等安全事故。判断电池是否发生故障,一般为监测电池的电压,电压是电池特性最容易获取的参数,目前许多车企都是基于电压数据进行分析和判定车辆的故障与异常情况。
在实际操作中,电压体现出来的电池异常情况往往滞后,即当电压体现出故障时,故障已经发生了一段时间,也会引起安全事故。
发明内容
本发明的一个目的在于提出一种预警更精准的电池预警方法。
一种电池预警方法,包括以下步骤:
获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率;
分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化;
判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。
本发明的有益效果是:电压变化率早于电压将单体异常情况体现出来,再借用Z分数模型量化、统计模型量化和角度方差模型量化,使判断精度更高。
另外,根据本发明提供的电池预警方法,还可以具有如下附加的技术特征:
进一步地,所述获取电池的运行数据信息的步骤之后还包括:
获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息。
进一步地,所述获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息的步骤包括:
以所述运行数据信息中的数据采集时间,以及对应时间的里程、总电压、总电流、国标、单体蓄电池电压值建立数据表格;
捕捉所述数据表格的空单元格,以所述空单元格所在的排或列作为所述无效信息,删除所述空单元格所在的排或列,即完成从所述运行数据信息中删除所述无效信息。
进一步地,所述电压变化率的计算公式如下:
式中,j为单体电池编号,u′j为单体j对应的电压变化率,duj是单体j在时间t1与t2之间的电压差,dt是时间t1与t2的时间差。
进一步地,所述电压变化率执行Z分数模型量化的采用下式执行:
式中,Zi,j为单体j在i时刻的电压变化率Z分数,u′i,j为单体j在i时刻的电压变化率,avgi和σi分别为i时刻各单体电压变化率的均值和标准差。
进一步地,所述电压变化率执行统计模型量化的采用下式执行:
式中,Wj为t1-t2时间段内j号单体电池电压变化率的累计偏差,n为电池单体个数,VRoc为t时刻各单体电压变化率之和,即VRoc=u′t,1+u′t,2+…+u′t,n。
进一步地,所述电压变化率执行角度方差模型量化的采用下式执行:
进一步地,所述判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常的步骤包括:
预设第一异常值Judge1、第二异常值Judge2和第三异常值Judge3;
当满足Zi,j>Judge1、Wi,j>Judge2和Avar<Judge3时,判断结果为异常。
本发明还提出一种电池预警系统,包括:
数据采集模块,用于获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率;
模型量化模块,用于分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化;
预警模块,用于判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。
进一步地,所述数据采集模块包括:
异常数据消除单元,用于获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明第一实施例的电池预警方法的流程示意图;
图2是本发明第二实施例的电池预警方法的运行数据信息的示意图;
图3是本发明第二实施例的电池预警方法的运行数据信息消除异常数据后的示意图;
图4是本发明第三实施例的电池预警系统的结构框图。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
请参阅图1,本发明的第一实施例提出一种电池预警方法,包括以下步骤。
S1.获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率。
可以理解的是,电池的运行数据信息为持续获取的数据。
在本实施例中,运行数据信息为每隔20s获取一次,运行数据信息包括数据采集时间,以及对应时间的里程、总电压、总电流、SOC-国标、单体蓄电池电压值,要求一次只提取一辆车数据,且数据不少于100条。
S2.分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化。
在本实施例中,从车联网平台上提取车辆数,筛选所需且有效的数,利用微分计算电池电压变化率,运用Z分数模型、统计学模型和角度方差模型对电池电压变化率进行分析并实时监控电池状态,当电池发生异常时,发出报警,并将异常单体对应的单体编号发送出来。
具体的,所述电压变化率的计算公式如下:
式中,j为单体电池编号,u′j为单体j对应的电压变化率,duj是单体j在时间t1与t2之间的电压差,dt是时间t1与t2的时间差。
对获得的电压变化率分别执行Z分数模型量化、统计模型量化和角度方差模型量化,具体执行内容如下所示。
具体的,所述电压变化率执行Z分数模型量化的采用下式执行:
式中,Zi,j为单体j在i时刻的电压变化率Z分数,u′i,j为单体j在i时刻的电压变化率,avgi和σi分别为i时刻各单体电压变化率的均值和标准差。
具体的,所述电压变化率执行统计模型量化的采用下式执行:
式中,Wj为t1-t2时间段内j号单体电池电压变化率的累计偏差,n为电池单体个数,VRoc为t时刻各单体电压变化率之和,即VRoc=u′t,1+u′t,2+…+u′t,n。
具体的,所述电压变化率执行角度方差模型量化的采用下式执行:
S3.判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。
具体的,所述判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常的步骤包括:
预设第一异常值Judge1、第二异常值Judge2和第三异常值Judge3;
当满足Zi,j>Judge1、Wi,j>Judge2和Avar<Judge3时,判断结果为异常。
另外,在本实施例中,还对异常进行分级预警,具体分级见表1。
表1
通过分级,可在预警时告知使用者故障的严重性,及时引起使用者的注意。
本发明的优势在于,电压变化率早于电压将单体异常情况体现出来,再借用Z分数模型量化、统计模型量化和角度方差模型量化,使判断精度更高。
另外,通过本专利提出的预估方法,提前发现动力电池系统的异常问题,在安全问题和故障发生前做出预警,能够有效地减少电动汽车起火和爆炸等安全事故的发生,避免了生命和财产巨大经济的损失。另外,车企通过预警信息,可以提前知道可能发生故障的车辆,提前更换故障电池。
为了便于对电池进行监控,可在云端平台实时对Zi,j、Wj和Avar进行监控,同时根据三者的值对电池的异常状况进行诊断。当Zi,j、Wj和Avar的值满足异常诊断数据库的要求时,及时做出预警,并将对异常状态的风险等级、故障类型和异常单体编号、建议措施通过云端、邮件和短信等形式通知相关人员。
本发明的第二实施例提出一种电池预警方法,本实施例与第一实施例的区别在于如下内容。
优选的,所述获取电池的运行数据信息的步骤之后还包括:
获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息。
请参阅图2和图3,具体的,所述获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息的步骤包括:
S11.以所述运行数据信息中的数据采集时间,以及对应时间的里程、总电压、总电流、国标、单体蓄电池电压值建立数据表格;
S12.捕捉所述数据表格的空单元格,以所述空单元格所在的排或列作为所述无效信息,删除所述空单元格所在的排或列,即完成从所述运行数据信息中删除所述无效信息。
需要说明的是,由于车辆运行工况的复杂性和可能处在较为恶劣的环境下等原因,车辆运行数据中往往会存在一些无效或异常的数据,比较常见的如,数据不全、数据异常和空数据等。因此,在使用车辆运行数据前需要对运行数据进行有效性判断,以便消除无效和异常的数据,从而提高模型预警结果的准确度。
请参阅图4,本发明第三实施例提出一种电池预警系统,包括:
数据采集模块,用于获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率;
模型量化模块,用于分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化;
预警模块,用于判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。
本实施例采用电压变化率作为判定指标,电压变化率早于电压将单体异常情况体现出来,再借用Z分数模型量化、统计模型量化和角度方差模型量化,使判断精度更高。
优选的,所述数据采集模块包括:
异常数据消除单元,用于获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息。
需要说明的是,由于车辆运行工况的复杂性和可能处在较为恶劣的环境下等原因,车辆运行数据中往往会存在一些无效或异常的数据,比较常见的如,数据不全、数据异常和空数据等。因此,在使用车辆运行数据前需要对运行数据进行有效性判断,以便消除无效和异常的数据,从而提高模型预警结果的准确度。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电池预警方法,其特征在于,包括以下步骤:
获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率;
分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化;
判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。
2.根据权利要求1所述的电池预警方法,其特征在于,所述获取电池的运行数据信息的步骤之后还包括:
获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息。
3.根据权利要求2所述的电池预警方法,其特征在于,所述获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息的步骤包括:
以所述运行数据信息中的数据采集时间,以及对应时间的里程、总电压、总电流、国标、单体蓄电池电压值建立数据表格;
捕捉所述数据表格的空单元格,以所述空单元格所在的排或列作为所述无效信息,删除所述空单元格所在的排或列,即完成从所述运行数据信息中删除所述无效信息。
8.根据权利要求7所述的电池预警方法,其特征在于,所述判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常的步骤包括:
预设第一异常值Judge1、第二异常值Judge2和第三异常值Judge3;
当满足Zi,j>Judge1、Wi,j>Judge2和Avar<Judge3时,判断结果为异常。
9.一种电池预警系统,其特征在于,包括:
数据采集模块,用于获取电池的运行数据信息,所述运行数据信息包括不同的数据采集时间的单体电压,根据所述运行数据信息获得电压变化率;
模型量化模块,用于分别对所述电压变化率执行Z分数模型量化、统计模型量化和角度方差模型量化;
预警模块,用于判断所述Z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常,若是则发出预警信息。
10.根据权利要求9所述的电池预警方法,其特征在于,所述数据采集模块包括:
异常数据消除单元,用于获取所述运行数据信息中的无效信息,从所述运行数据信息中删除所述无效信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011053698.5A CN112213657A (zh) | 2020-09-29 | 2020-09-29 | 电池预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011053698.5A CN112213657A (zh) | 2020-09-29 | 2020-09-29 | 电池预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112213657A true CN112213657A (zh) | 2021-01-12 |
Family
ID=74052143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011053698.5A Pending CN112213657A (zh) | 2020-09-29 | 2020-09-29 | 电池预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112213657A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924887A (zh) * | 2021-01-27 | 2021-06-08 | 江西江铃集团新能源汽车有限公司 | 电池包健康检测方法、装置、可读存储介质及电子设备 |
CN112946485A (zh) * | 2021-02-09 | 2021-06-11 | 江西江铃集团新能源汽车有限公司 | 车辆电池检测方法、存储介质及设备 |
CN113435688A (zh) * | 2021-05-14 | 2021-09-24 | 天津力神电池股份有限公司 | 动力电池系统的风险排查方法 |
CN113533985A (zh) * | 2021-06-28 | 2021-10-22 | 合肥国轩高科动力能源有限公司 | 一种电池包内阻异常模块的识别方法及其存储介质 |
WO2023284039A1 (zh) * | 2021-07-13 | 2023-01-19 | 上海派能能源科技股份有限公司 | 锂电池组内部短路异常诊断方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154164A (zh) * | 2015-03-12 | 2016-11-23 | 重庆邮电大学 | 一种电池健康状态评估方法 |
US20180118033A1 (en) * | 2016-10-27 | 2018-05-03 | Hefei University Of Technology | Method and device for on-line prediction of remaining driving mileage of electric vehicle |
CN109765490A (zh) * | 2018-11-12 | 2019-05-17 | 北京理工大学 | 一种基于高维数据诊断的动力电池故障检测方法及系统 |
US20200064411A1 (en) * | 2017-04-27 | 2020-02-27 | SZ DJI Technology Co., Ltd. | Mobile platform, computer readable storage medium, battery and control method and system thereof |
-
2020
- 2020-09-29 CN CN202011053698.5A patent/CN112213657A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154164A (zh) * | 2015-03-12 | 2016-11-23 | 重庆邮电大学 | 一种电池健康状态评估方法 |
US20180118033A1 (en) * | 2016-10-27 | 2018-05-03 | Hefei University Of Technology | Method and device for on-line prediction of remaining driving mileage of electric vehicle |
US20200064411A1 (en) * | 2017-04-27 | 2020-02-27 | SZ DJI Technology Co., Ltd. | Mobile platform, computer readable storage medium, battery and control method and system thereof |
CN109765490A (zh) * | 2018-11-12 | 2019-05-17 | 北京理工大学 | 一种基于高维数据诊断的动力电池故障检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
"Voltage Fault Diagnosis of Power Batteries based on Boxplots and Gini Impurity for Electric Vehicles", 《2019 ELECTRIC VEHICLES INTERNATIONAL CONFERENCE》, pages 1 - 5 * |
PENG LIU: "High-dimensional data abnormity detection based on improved Variance-of-Angle (VOA) algorithm for electric vehicles battery", 《2019 IEEE ENERGY CONVERSION CONGRESS AND EXPOSITION 》, pages 5072 - 5077 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924887A (zh) * | 2021-01-27 | 2021-06-08 | 江西江铃集团新能源汽车有限公司 | 电池包健康检测方法、装置、可读存储介质及电子设备 |
CN112946485A (zh) * | 2021-02-09 | 2021-06-11 | 江西江铃集团新能源汽车有限公司 | 车辆电池检测方法、存储介质及设备 |
CN113435688A (zh) * | 2021-05-14 | 2021-09-24 | 天津力神电池股份有限公司 | 动力电池系统的风险排查方法 |
CN113533985A (zh) * | 2021-06-28 | 2021-10-22 | 合肥国轩高科动力能源有限公司 | 一种电池包内阻异常模块的识别方法及其存储介质 |
CN113533985B (zh) * | 2021-06-28 | 2024-05-03 | 合肥国轩高科动力能源有限公司 | 一种电池包内阻异常模块的识别方法及其存储介质 |
WO2023284039A1 (zh) * | 2021-07-13 | 2023-01-19 | 上海派能能源科技股份有限公司 | 锂电池组内部短路异常诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112213657A (zh) | 电池预警方法及系统 | |
CN110018425B (zh) | 一种动力电池故障诊断方法及系统 | |
CN110161414B (zh) | 一种动力电池热失控在线预测方法及系统 | |
CN110794305B (zh) | 一种动力电池故障诊断方法和系统 | |
CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
CN109839602B (zh) | 动力电池性能和价值评估方法、装置、电子设备 | |
CN113687234B (zh) | 电池异常识别方法、装置、设备、介质及程序产品 | |
CN112526376A (zh) | 汽车电池单体异常预估方法及装置 | |
CN109604186A (zh) | 动力电池性能柔性评估分选方法 | |
CN112319309B (zh) | 一种动力电池的故障诊断方法及系统 | |
DE102020201697B3 (de) | Verfahren zur Kategorisierung einer Batterie hinsichtlich ihrer weiteren Handhabungseignung, Batterie, Batterieverwertungssystem und Kraftfahrzeug | |
EP4361654A1 (en) | New energy vehicle, and anomaly monitoring and diagnosis method and device for battery system soc of new energy vehicle | |
CN111257753B (zh) | 一种电池系统故障诊断方法 | |
CN112098850A (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN113406524B (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警系统 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN112924887A (zh) | 电池包健康检测方法、装置、可读存储介质及电子设备 | |
CN112700156A (zh) | 一种新能源汽车运行安全性能评价体系构建方法 | |
CN116664015A (zh) | 一种智能充电桩管理系统及其方法 | |
CN113297033B (zh) | 基于云端监测数据的车辆电控系统健康评估方法和系统 | |
CN117420452B (zh) | 一种用于锂电池储能的监测预警系统 | |
CN117601655A (zh) | 一种车载锂电池碰撞热失控预警方法及系统 | |
CN114487839A (zh) | 一种电池的预警方法及装置 | |
CN112529464A (zh) | 一种电池包的健康度评估方法、装置及相关产品 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240209 |
|
AD01 | Patent right deemed abandoned |