CN112240979B - 锂离子电池电压临界点的检测方法、电子终端、及存储介质 - Google Patents
锂离子电池电压临界点的检测方法、电子终端、及存储介质 Download PDFInfo
- Publication number
- CN112240979B CN112240979B CN201910640655.8A CN201910640655A CN112240979B CN 112240979 B CN112240979 B CN 112240979B CN 201910640655 A CN201910640655 A CN 201910640655A CN 112240979 B CN112240979 B CN 112240979B
- Authority
- CN
- China
- Prior art keywords
- data
- critical point
- voltage
- lithium ion
- ion battery
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 114
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims description 43
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 26
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 26
- 238000001556 precipitation Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 50
- 230000008859 change Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000007600 charging Methods 0.000 claims description 9
- 238000013450 outlier detection Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 210000001787 dendrite Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供锂离子电池电压临界点的检测方法、电子终端、及存储介质,本发明只需通过充电平均电压、放电平均电压等充放电循环数据的电压临界点侦测,便可实现锂离子电池析锂状态的判断,且因本发明的技术方案对于测试条件并无特别要求,故适用于工况复杂的锂离子电池析锂状态的侦测。本发明的技术方案与现有技术相比,无需对锂离子电池进行高精度的库伦效率测量,因此无需高精度设备,不仅降低成本,而且能够避免因库伦效率测量而带来的各环节极为严格的环境控制而无法进行实际工况下的析锂测试。
Description
技术领域
本申请涉及锂离子电池技术领域,特别是涉及锂离子电池电压临界点的检测方法、电子终端、及存储介质。
背景技术
锂离子电池由于具有高的能量密度和良好的充放电循环性能,被广泛应用于新能源汽车。但是,锂离子电池在充放电过程中,在特定情况下锂离子将会在负极表面析出成为锂枝晶。此时若持续充电,锂枝晶将会持续增长,极易造成电池正负极短路,造成电池起火燃烧。因此,锂离子电池负极析锂的检测是确保电池安全使用的重要技术手段。
在现有技术中,已有一些用于锂离子电池析锂检测的技术方案,例如:宁德时代新能源的专利201610367810.X提出了一种锂离子电池析锂的检测方法。该技术通过比较锂离子电池在静置前后充放电循环的库伦效率数据,直接判断该锂离子电池内部是否发生析锂。
现有技术中的该技术方法虽然操作简单,不用拆解电池,准确率高,但需要对测试的锂离子电池按照指定的测试条件,分别测试多个循环,通过比较静置前后库伦效率折线,才能判断待测电池的析锂状态。另外,该方法中需要使用高精度的库伦效率检测设备,该设备不但价格昂贵,而且由于测试中需要对测试环境温度和设备自身温度进行严格的控制,因此只能够在实验室中进行测试,因此该方法的适用场景极为受限。
申请内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供锂离子电池电压临界点的检测方法、电子终端、及存储介质,用于解决现有技术中的析锂检测方法复杂且成本高等技术问题。
为实现上述目的及其他相关目的,本申请的第一方面提供一种锂离子电池电压临界点的检测方法,其包括:基于锂离子电池循环历史数据构建电压临界点检测模型;获取待测锂离子电池的充放电循环数据;其中,所述待测锂离子电池的充放电循环数据包括充电平均电压数据和放电平均电压数据;提取所述充放电循环数据的特征数据;将所提取的特征数据输入所述电压临界点检测模型,据以输出对应的电压临界点数据;其中,所述电压临界点数据包括充电平均电压临界点数据和放电平均电压临界点数据;在检测到电压临界点时生成析锂预警信息,并将所述析锂预警信息及所获取的待测电池的充放电循环数据向外发送。
于本申请的第一方面的一些实施例中,所述方法包括:根据所述充电平均电压临界点数据和放电平均电压临界点数据,计算生成因电池内阻升高而引起的电池平均电压变化数据和/或因锂离子被消耗而引起的电池平均电压变化数据。
于本申请的第一方面的一些实施例中,所述电压临界点检测模型为基于异常点检测算法的检测系统;其中,所述异常点检测算法包括但不限于:OneClassSVM算法、IsolationForest算法、及LocalOutlierFactor算法的任一种或多种组合。
于本申请的第一方面的一些实施例中,所述提取所述充放电循环数据的特征数据包括提取充放电循环数据的平均值、方差值、平均截距值、及斜率值中的任一种或多种组合。
于本申请的第一方面的一些实施例中,所述方法包括:利用滤波算法将所获取的待测锂离子电池的充放电循环数据中的随机波动滤除。
为实现上述目的及其他相关目的,本申请的第二方面提供一种锂离子电池电压临界点的检测方法,其包括:接收析锂预警信息及待测电池的充放电循环数据;在车辆位于维修场所的情况下,将所述析锂预警信息及待测锂离子电池的充放电循环数据发送至对应的维修场所。
为实现上述目的及其他相关目的,本申请的第三方面提供一种计算机可读存储介质,其上存储有第一计算机程序和/或第二计算机程序,所述第一计算机程序被处理器执行时实现本申请第一方面的检测方法,所述第二计算机程序被处理器执行时实现本申请第二方面的检测方法。
为实现上述目的及其他相关目的,本申请的第四方面提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行本申请第一方面的检测方法。
为实现上述目的及其他相关目的,本申请的第五方面提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行本申请第二方面的检测方法。
为实现上述目的及其他相关目的,本申请的第六方面提供一种锂离子电池电压临界点的检测系统,其包括本申请第四方面的电子终端,还包括本申请第五方面的电子终端。
如上所述,本申请的锂离子电池电压临界点的检测方法、电子终端、及存储介质,具有以下有益效果:本发明只需通过充电平均电压、放电平均电压等充放电循环数据的电压临界点侦测,便可实现锂离子电池析锂状态的判断,且因本发明的技术方案对于测试条件并无特别要求,故适用于工况复杂的锂离子电池析锂状态的侦测。本发明的技术方案与现有技术相比,无需对电池进行高精度的库伦效率测量,因此无需高精度设备,不仅降低成本,而且能够避免因库伦效率测量而带来的各环节极为严格的温度控制而无法进行大电流快充测试。
附图说明
图1显示为本申请一实施例中锂离子电池在整个寿命周期内Vc和Vd的趋势变化示意图。
图2显示为本申请一实施例中锂离子电池电压临界点的检测系统的示意图。
图3显示为本申请一实施例中锂离子电池电压临界点的检测方法的流程示意图。
图4显示为本申请一实施例中锂离子电池电压临界点的检测方法的流程示意图。
图5显示为本申请一实施例中电子终端的结构示意图。
图6显示为本申请一实施例中电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
针对现有技术中的锂离子电池析锂方法需要对测试的锂离子电池按照指定的测试条件,分别测试多个循环,通过比较静置前后库伦效率折线,才能判断待测电池的析锂状态,且该方法需要使用高精度的库伦效率检测设备,该设备不但价格昂贵,而且由于测试中需要对测试环境温度和设备自身温度进行严格的控制,因此只能够在实验室中进行测试,因此该方法的适用场景极为受限。本申请提供锂离子电池电压临界点的检测方法、电子终端、及存储介质。
对于锂离子电池而言,内阻增加和锂离子被消耗是最为常见的引起锂离子电池充放电平均电压变化的原因。内阻升高导致的电池平均电压变化称为RV,锂离子被消耗引起的平均电压变化称为SV。
内阻升高导致的电池平均电压变化RV与充电平均电压Vc和放电平均电压Vd的关系如下:
RV=(Vc+Vd)/2;公式1)
锂离子被消耗引起的平均电压变化称为SV与充电平均电压Vc和放电平均电压Vd的关系如下:
SV=(Vc-Vd)/2;公式2)
由此可知,只要能够测得充电平均电压Vc和放电平均电压Vd,即能够获得内阻升高导致的锂离子电池平均电压变化RV和锂离子被消耗引起的平均电压变化SV。
如图1所示,展示本申请一实施例中锂离子电池在整个寿命周期内Vc和Vd的趋势变化示意图。于本实施例的趋势变化示意图中,横轴表示锂离子电池的循环次数,纵轴表示锂离子电池的平均电压,较高的趋势变化曲线代表充电平均电压Vc曲线,较低的趋势变化曲线代表放电平均电压Vd曲线。
随着锂离子电池循环次数的增加,充电平均电压Vc总是在持续提高,放电平均电压Vd总是在持续降低。当锂离子被消耗到一定临界点后Vc和Vd曲线会发生加速变化,如果能够监测到该变化点,将能够判断锂离子电池析锂的发生。图1中标示有一与纵轴平行的虚线,其分别与充电平均电压Vc曲线以及放电平均电压Vd曲线相交,相交的点即用于表示所述变化点。
充电平均电压Vc和放电平均电压Vd曲线中的加速变化点,可以被理解是一种异常变化点。为此,本申请构建了面向充电平均电压Vc和放电平均电压Vd曲线中的加速变化异常点的侦测方法。
如图2所示,展示本申请一实施例中锂离子电池电压临界点的检测系统的示意图。于本实施例中,所述锂离子电池电压临界点的检测系统包括采用锂离子电池作为动力源的新能源汽车21和云端服务器22,新能源汽车21和云端服务器22通过基站23建立通信连接。
新能源汽车21是本实施例中检测系统的前端,其配置有用于执行锂离子电池电压临界点的检测方法的车载终端,或者与用于执行锂离子电池电压临界点的检测方法的电子终端建立短程通信连接,以实现本地的数据采集和数据处理。
具体的,车载终端或电子终端可通过电池充放电系统硬件采集新能源汽车21的锂离子电池包中的电芯充放电循环数据,例如本地采集新能源汽车锂离子电池电芯的Vc(不同循环的充电平均电压)、Vd(不同循环的放电平均电压)和SV(锂离子被消耗引起的平均电压变化)等充放电循环数据;然后根据本地采集到的循环数据实现对锂离子电池析锂状态的判定,并在判断发生析锂的情况下,在本地进行提示和报警。
另外,本实施例中的车载终端或电子终端还可将新能源汽车21前端的锂离子电池实测数据以及报警信息上传至云端服务器22。
云端服务器22接收来自新能源汽车21前端反馈的实测数据和析锂状态报警信息,并获取车辆的位置信息,在判断车辆位于维修场所的情况下,将报警的电池/电池包报警信息发送给对应的维修场所,以便于维修人员进行电池/电池包的维护或更换。优选的,在更新过程中,不但更新电池/电池包硬件,同步也将与新能源汽车21相关联的车载终端或者电子终端进行模型更新,以利于更精准的锂离子电池电压临界点的检测。
如图3所示,展示本申请一实施例中锂离子电池电压临界点的检测方法的流程示意图。于本实施例中,所述检测方法主要适用于采用锂离子电池作为动力源的新能源汽车,用于检测新能源汽车的锂离子电池电压临界点。
需说明的是,所述检测方法可应用于设于新能源汽车的车载终端,或可应用于与新能源汽车建立有短程无线通讯的电子终端。所述车载终端或电子终端例如是包括存储器、存储控制器、一个或多个处理单元(CPU)、外设接口、RF电路、音频电路、扬声器、麦克风、输入/输出(I/O)子系统、显示屏、其他输出或控制设备,以及外部端口等组件的计算机;所述计算机包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、智能电视、个人数字助理(Personal Digital Assistant,简称PDA)等个人电脑。
于本实施例中,所述锂离子电池电压临界点的检测方法包括步骤S301、步骤S302、步骤S303、步骤S304、及步骤S305。
在步骤S301中,基于锂离子电池循环历史数据构建电压临界点检测模型。
具体而言,获取锂离子电池循环历史数据,如充电平均电压Vc、放电平均电压Vd、内阻升高导致的锂离子电池平均电压变化RV、及锂离子被消耗引起的平均电压变化SV等等,并获取这些历史数据中的电池电压临界点数据及其对应的锂离子电池的循环数据,根据这些关联于锂离子电池的历史数据来构建所述电压临界点检测模型,用于描述充电平均电压Vc、放电平均电压Vd、电池平均电压变化RV、电池平均电压变化SV、以及电池电压临界点之间的关联关系。
在一实施例中,所述电压临界点检测模型为基于异常点检测算法的检测系统;其中,所述异常点检测算法包括但不限于如OneClassSVM算法、IsolationForest算法、或者LocalOutlierFactor算法等等。
在步骤S302中,获取待测锂离子电池的充放电循环数据;其中,所述待测锂离子电池的充放电循环数据包括充电平均电压数据和放电平均电压数据。
由上文中的公式1)和公式2)可知,在知晓充电平均电压Vc和放电平均电压Vd数值的情况下,可分别推得内阻升高导致的电池平均电压变化称为RV以及锂离子被消耗引起的平均电压变化称为SV,因此本实施例中采集的待测锂离子电池的充放电循环数据优选为充电平均电压Vc和放电平均电压Vd,据此可获取电压变化称为RV和电压变化称为SV的数据。
优选的,考虑到在实际测试过程中容易受到各种干扰的影响,充电平均电压Vc、放电平均电压Vd、或者电压变化称为SV等循环数据中会出现随机的波动。因此,本实施例中优选采用各类滤波算法来滤除这些循环数据中的随机波动,以便能够克服随机波动对临界点侦测的影响。
进一步的,所述滤波算法包括但不限于如限幅滤波算法、中位值滤波算法、算术平均滤波算法、滑动平均滤波算法、防脉冲干扰平均滤波算法、一阶滞后滤波算法、加权递推平均滤波算法、消抖滤波算法、或者限幅消抖滤波算法等等。
在步骤S303中,提取所述充放电循环数据的特征数据。
在一实施例中,所述提取所述充放电循环数据的特征数据包括提取充放电循环数据的平均值、方差值、平均截距值、及斜率值中的任一种或多种组合。也即,本实施例将抽取充电平均电压Vc、放电平均电压Vd、或者电压变化称为SV等循环数据的特征并将各曲线的特征进行组合;可能的曲线特征包括基于滑动窗口的循环数据的平均值、方差、平均截距、或者斜率等等。
在步骤S304中,将所提取的特征数据输入所述电压临界点检测模型,据以输出对应的电压临界点数据;其中,所述电压临界点数据包括充电平均电压临界点数据和放电平均电压临界点数据。
在步骤S305中,在检测到电压临界点时生成析锂预警信息,并将所述析锂预警信息及所获取的待测锂离子电池的充放电循环数据向外发送。
优选的,在检测到电压临界点时生成析锂预警信息,并向检测现场发出提示信息。提示信息的发出方式包括但不限于如显示屏显示文字和/或图案,播放器播放语音,指示灯亮灭,振动器振动等等。
在一实施例中,经过一定时间的积累后,根据新实测的数据对电压临界点检测模型进行参数更新。完成更新后,系统将使用更新后的检测模型进行电压临界点的判断。更新周期可以根据使用的需求进行调整,从而实现检测模型的自学习,以此来确保检测的进度。
需说明的是,本实施例中的步骤S301可在步骤S302、S303之前先予执行,也可置于步骤S302和S303之后执行,本实施例对此不作限定。
如图4所示,展示本申请一实施例中锂离子电池电压临界点的检测方法的流程示意图。于本实施例中,所述检测方法应用于服务器,所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上,也可以由分布的或集中的服务器集群构成,本实施例不作限定。
于本实施例中,所述锂离子电池电压临界点的检测方法包括步骤S401和步骤S402。
在步骤S401中,接收析锂预警信息及待测锂离子电池的充放电循环数据。其中,所述锂预警信息及待测锂离子电池的充放电循环数据已于上文的实施例中做过解释与说明,故不再赘述。
在步骤S402中,在车辆位于维修场所的情况下,将所述析锂预警信息及待测锂离子电池的充放电循环数据发送至对应的维修场所。
具体来说,所述方法包括在获取析锂预警信息及待测锂离子电池的充放电循环数据时,还从检测现场获取待测车辆的实时位置数据,并根据所接收的实时位置数据判断待测车辆是否位于维修场所内。在车辆位于维修场所的情况下,将析锂预警信息及待测锂离子电池的充放电循环数据发送至对应的维修场所,便于维修场所能够预先进行分析并准备相应的锂离子电池备件,利于维修工作的开展。
在一实施例中,本申请还提供一种计算机可读存储介质,其上存储有第一计算机程序和/或第二计算机程序。所述第一计算机程序被处理器执行时实现上述实施例中步骤S301~S305的检测方法,所述第二计算机程序被处理器执行时实现上述实施例中步骤S401~S402的检测方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
如图5所示,展示本申请一实施例中电子终端的结构示意图。本实例提供的电子终端包括处理器51和存储器52;存储器52通过系统总线与处理器51连接并完成相互间的通信,存储器52用于存储计算机程序,处理器51用于运行计算机程序,使电子终端执行如上步骤S301~S305中的检测方法。
如图6所示,展示本申请一实施例中电子终端的结构示意图。本实例提供的电子终端包括处理器61和存储器62;存储器62通过系统总线与处理器61连接并完成相互间的通信,存储器62用于存储计算机程序,处理器61用于运行计算机程序,使电子终端执行如上步骤S401~S402中的检测方法。
需说明的是,上述提到的系统总线可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本申请提供锂离子电池电压临界点的检测方法、电子终端、及存储介质,本发明只需通过充电平均电压、放电平均电压等充放电循环数据的电压临界点侦测,便可实现锂离子电池析锂状态的判断,且因本发明的技术方案对于测试条件并无特别要求,故适用于工况复杂下锂离子电池析锂状态的侦测。本发明的技术方案与现有技术相比,无需对电池进行高精度的库伦效率测量,因此无需高精度设备,不仅降低成本,而且能够避免因库伦效率测量而带来的各环节极为严格的温度控制而无法进行大电流快充测试。所以,本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (9)
1.一种锂离子电池电压临界点的检测方法,其特征在于,包括:
基于锂离子电池循环历史数据构建电压临界点检测模型;其中,所述锂离子电池循环历史数据包括充电平均电压、放电平均电压、内阻升高导致的锂离子电池平均电压变化、锂离子被消耗引起的平均电压变化、电池电压临界点数据以及其对应的锂离子电池的循环数据;所述电压临界点检测模型用于描述充电平均电压、放电平均电压、内阻升高导致的锂离子电池平均电压变化、锂离子被消耗引起的平均电压变化以及电池电压临界点之间的关联关系;
获取待测电池的充放电循环数据;其中,所述待测电池的充放电循环数据包括充电平均电压数据和放电平均电压数据;
提取所述充放电循环数据的特征数据;其中,所述特征数据包括充放电循环数据的平均值、方差值、平均截距值、及斜率值中的任一种或多种组合;
将所提取的特征数据输入所述电压临界点检测模型,据以输出对应的电压临界点数据;其中,所述电压临界点数据包括充电平均电压临界点数据和放电平均电压临界点数据;
在检测到电压临界点时生成析锂预警信息,并将所述析锂预警信息及所获取的待测锂离子电池的充放电循环数据向外发送。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
根据所述充电平均电压临界点数据和放电平均电压临界点数据,计算生成因锂离子电池内阻升高而引起的锂离子电池平均电压变化数据和/或因锂离子被消耗而引起的锂离子电池平均电压变化数据。
3.根据权利要求1所述的方法,其特征在于,所述电压临界点检测模型为基于异常点检测算法的检测系统;其中,所述异常点检测算法包括但不限于:OneClassSVM算法、IsolationForest算法、及LocalOutlierFactor算法任一种或多种组合。
4.根据权利要求1所述的方法,其特征在于,所述方法包括:
利用滤波算法将所获取的待测锂离子电池的充放电循环数据中的随机波动滤除。
5.一种锂离子电池电压临界点的检测方法,其特征在于,包括:
接收析锂预警信息及待测锂离子电池的充放电循环数据;
根据获取的待测车辆的实时位置数据判断待测车辆是否位于维修场所内;
在车辆位于维修场所的情况下,将所述析锂预警信息及待测锂离子电池的充放电循环数据发送至对应的维修场所;
其中,所述析锂预警信息的获取方式包括:
基于锂离子电池循环历史数据构建电压临界点检测模型;其中,所述锂离子电池循环历史数据包括充电平均电压、放电平均电压、内阻升高导致的锂离子电池平均电压变化、锂离子被消耗引起的平均电压变化、电池电压临界点数据以及其对应的锂离子电池的循环数据;所述电压临界点检测模型用于描述充电平均电压、放电平均电压、内阻升高导致的锂离子电池平均电压变化、锂离子被消耗引起的平均电压变化以及电池电压临界点之间的关联关系;
获取待测电池的充放电循环数据;其中,所述待测电池的充放电循环数据包括充电平均电压数据和放电平均电压数据;
提取所述充放电循环数据的特征数据;其中,所述特征数据包括充放电循环数据的平均值、方差值、平均截距值、及斜率值中的任一种或多种组合;
将所提取的特征数据输入所述电压临界点检测模型,据以输出对应的电压临界点数据;其中,所述电压临界点数据包括充电平均电压临界点数据和放电平均电压临界点数据;
在检测到电压临界点时生成析锂预警信息。
6.一种计算机可读存储介质,其上存储有第一计算机程序和/或第二计算机程序,其特征在于,所述第一计算机程序被处理器执行时实现权利要求1至4中任一项所述电池电压临界点的检测方法;所述第二计算机程序被处理器执行时实现权利要求5所述电池电压临界点的检测方法。
7.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至4中任一项所述电池电压临界点的检测方法。
8.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求5所述电池电压临界点的检测方法。
9.一种锂离子电池电压临界点的检测系统,其特征在于,包括如权利要求7所述的电子终端以及如权利要求8所述的电子终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910640655.8A CN112240979B (zh) | 2019-07-16 | 2019-07-16 | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910640655.8A CN112240979B (zh) | 2019-07-16 | 2019-07-16 | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112240979A CN112240979A (zh) | 2021-01-19 |
CN112240979B true CN112240979B (zh) | 2024-03-22 |
Family
ID=74166708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910640655.8A Active CN112240979B (zh) | 2019-07-16 | 2019-07-16 | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112240979B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010019664A (ja) * | 2008-07-10 | 2010-01-28 | Nippon Soken Inc | 電池劣化検出装置および方法 |
CN102598393A (zh) * | 2010-04-12 | 2012-07-18 | 丰田自动车株式会社 | 非水电解液型锂离子二次电池系统、判定该系统中的锂析出的方法以及设置有该系统的车辆 |
DE102015003122A1 (de) * | 2015-03-11 | 2016-09-15 | Audi Ag | Kraftfahrzeug mit einer Batterieanordnung und Verfahren zum Betrieb einer Batterieanordnung |
CN106556480A (zh) * | 2016-10-27 | 2017-04-05 | 陕西省计量科学研究院 | 一种热量表耐久性冷热冲击试验异常点检测方法 |
CN106790050A (zh) * | 2016-12-19 | 2017-05-31 | 北京启明星辰信息安全技术有限公司 | 一种异常流量检测方法及检测系统 |
CN108073464A (zh) * | 2017-12-20 | 2018-05-25 | 清华大学 | 一种基于速度和加速度的时序数据异常点检测方法及装置 |
CN108519558A (zh) * | 2018-04-28 | 2018-09-11 | 北京新能源汽车股份有限公司 | 一种动力电池析锂的检测方法、控制器及汽车 |
CN108572325A (zh) * | 2018-04-28 | 2018-09-25 | 北京新能源汽车股份有限公司 | 一种电池析锂的检测方法、装置及测试设备 |
CN108732506A (zh) * | 2018-04-26 | 2018-11-02 | 合肥国轩高科动力能源有限公司 | 一种锂离子动力电池析锂的检测方法 |
CN109655760A (zh) * | 2018-12-27 | 2019-04-19 | 深圳市比克动力电池有限公司 | 一种锂离子电池析锂的无损检测方法及其应用方法 |
-
2019
- 2019-07-16 CN CN201910640655.8A patent/CN112240979B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010019664A (ja) * | 2008-07-10 | 2010-01-28 | Nippon Soken Inc | 電池劣化検出装置および方法 |
CN102598393A (zh) * | 2010-04-12 | 2012-07-18 | 丰田自动车株式会社 | 非水电解液型锂离子二次电池系统、判定该系统中的锂析出的方法以及设置有该系统的车辆 |
DE102015003122A1 (de) * | 2015-03-11 | 2016-09-15 | Audi Ag | Kraftfahrzeug mit einer Batterieanordnung und Verfahren zum Betrieb einer Batterieanordnung |
CN106556480A (zh) * | 2016-10-27 | 2017-04-05 | 陕西省计量科学研究院 | 一种热量表耐久性冷热冲击试验异常点检测方法 |
CN106790050A (zh) * | 2016-12-19 | 2017-05-31 | 北京启明星辰信息安全技术有限公司 | 一种异常流量检测方法及检测系统 |
CN108073464A (zh) * | 2017-12-20 | 2018-05-25 | 清华大学 | 一种基于速度和加速度的时序数据异常点检测方法及装置 |
CN108732506A (zh) * | 2018-04-26 | 2018-11-02 | 合肥国轩高科动力能源有限公司 | 一种锂离子动力电池析锂的检测方法 |
CN108519558A (zh) * | 2018-04-28 | 2018-09-11 | 北京新能源汽车股份有限公司 | 一种动力电池析锂的检测方法、控制器及汽车 |
CN108572325A (zh) * | 2018-04-28 | 2018-09-25 | 北京新能源汽车股份有限公司 | 一种电池析锂的检测方法、装置及测试设备 |
CN109655760A (zh) * | 2018-12-27 | 2019-04-19 | 深圳市比克动力电池有限公司 | 一种锂离子电池析锂的无损检测方法及其应用方法 |
Non-Patent Citations (1)
Title |
---|
Use of Asymmetric Average Charge- and Average Discharge- Voltages as an Indicator of the Onset of Unwanted Lithium Deposition in Lithium-Ion Cells;Harlow JE 等;Journal of The Electrochemical Society;第165卷(第16期);A3595-A3601 * |
Also Published As
Publication number | Publication date |
---|---|
CN112240979A (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Online capacity estimation of lithium-ion batteries with deep long short-term memory networks | |
CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
KR102219397B1 (ko) | 원격 파라미터 추정을 구비한 2차 전지 관리 시스템 | |
US10527678B2 (en) | Apparatus and method for estimating state of battery using battery degradation models | |
CN113189495B (zh) | 一种电池健康状态的预测方法、装置及电子设备 | |
CN113728242A (zh) | 对可充电电池中的析锂进行表征 | |
EP4019993B1 (en) | Method and apparatus for battery short circuit detection | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
CN116008827A (zh) | 一种锂离子电池析锂电位的确定方法、装置及电子设备 | |
CN112180258A (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 | |
CN116298897A (zh) | 用于电池短路检测的方法和设备 | |
CN113820615A (zh) | 一种电池健康度检测方法与装置 | |
CN114200310B (zh) | 电化学装置析锂检测方法及电子设备 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN113311346B (zh) | 一种电芯预警方法、装置、云平台及存储介质 | |
JP2024500788A (ja) | 電池管理装置および方法 | |
US20210166453A1 (en) | Method of establishing visual images of models of battery status | |
CN112098879B (zh) | 基于电池电压分析问题电芯的方法及装置、存储装置 | |
CN112240979B (zh) | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 | |
CN113030760B (zh) | 电池寿命预测方法、设备及存储介质 | |
CN115951236A (zh) | 锂电池状态监测方法及系统、装置、存储介质 | |
CN114779098B (zh) | 一种锂离子电池的状态评估方法及系统 | |
US20240006670A1 (en) | Battery management apparatus and method | |
CN116068402A (zh) | 新能源汽车锂电池状态预测方法、装置、设备及存储介质 | |
CN114975184A (zh) | 半导体良率监测方法、装置、电子设备和存储介质 |
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 |