CN112505550A - 一种动力电池监控预警方法 - Google Patents
一种动力电池监控预警方法 Download PDFInfo
- Publication number
- CN112505550A CN112505550A CN202011353798.XA CN202011353798A CN112505550A CN 112505550 A CN112505550 A CN 112505550A CN 202011353798 A CN202011353798 A CN 202011353798A CN 112505550 A CN112505550 A CN 112505550A
- Authority
- CN
- China
- Prior art keywords
- power battery
- limit value
- data
- value
- 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.)
- 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]
- G01R31/367—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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种动力电池监控预警方法,其目的在于能够通过车辆上传到大数据平台上的电池包单体实时的电压值,通过大数据的运算分析方式,得出同一车型下的所有正常车辆在不同充电工况、不同电量下的电压值的正常范围,再根据电压值的正常范围来判断车辆的电池包的异常点。
Description
技术领域
本发明涉及动力电池领域,具体是一种动力电池监控预警方法。
背景技术
随着新能源电动车在各大一、二线城市的不断普及,电动汽车的各类市场问题也显得尤为突出。而在各式各样的市场问题中,电池相关的问题最为突出,动力故障、里程衰减、过热问题等等,此类电池的问题,大部分已成为市场用户的主要抱怨点。
目前针对动力电池预警的方式只能停留在物理实物层面,通过根据电池包体积相关数据的变化情况,来获取不同级别的电池预警信息。然而诸如过热一类的问题,从电池包出现异常到电池包过热可能整个过程也就只有几十分钟。从物理实物层面很难在短时间内确定到底是哪些电池单体出现故障。
发明内容
本发明提供了一种动力电池监控预警方法,其目的在于能够通过车辆上传到大数据平台上的电池包单体实时的电压值,通过大数据的运算分析方式,得出同一车型下的所有正常车辆在不同充电工况、不同电量下的电压值的正常范围,再根据电压值的正常范围来判断车辆的动力电池的异常点。
本发明的技术方案为:
本发明实施例提供了一种动力电池监控预警方法,包括:
步骤S101,从大数据平台导出同一车型的动力电池在同一地域范围内、同一时间范围内的全部数据;一条数据中包含有一个动力电池在一个SOC值下的总电压值和各电池单体各自在一个SOC值下的单体电压值;
步骤S102,按照里程区间,将所导出的全部数据进行分组,获得里程区间不同的N组数据;
步骤S103,将N组数据中的每组数据分别进行进一步分类成4类数据,具体为:动力电池在不同快充时段下的总电压随SOC值变化数据,动力电池在不同慢充时段下的总电压随SOC值变化数据,动力电池的各电池单体在不同快充时段下的单体电压随SOC值变化数据,动力电池的各电池单体在不同慢充时段下的单体电压随SOC值变化数据;
步骤S104,根据步骤S103中获得的动力电池在不同快充时段下的总电压随SOC值变化数据,基于正态分布原理,获得动力电池在快充状态下的每一SOC值对应的总电压上限值和总电压下限值;
步骤S105,根据步骤S104的处理结果,采用高斯拟合,拟合出动力电池在快充状态下的总电压上限值和总电压下限值随SOC值变化的第一曲线分布图;
步骤S106,判断处于快充状态的动力电池在当前SOC值对应的总电压值是否位于第一曲线分布图中的相同SOC值对应的总电压上限值和总电压下限值之间;
步骤S107,若是,则确定动力电池当前未出现异常;
步骤S108,若否,则确定动力电池当前出现异常。
优选地,所述方法还包括:
步骤S109,根据步骤S103中获得的动力电池在不同慢充时段下的总电压随SOC值变化数据,基于正态分布原理,获得动力电池在慢充状态下的每一SOC值对应的总电压上限值和总电压下限值;
步骤S110,根据步骤S109的处理结果,采用高斯拟合,拟合出动力电池在慢充状态下的总电压上限值和总电压下限值随SOC值变化的第二曲线分布图;
步骤S111,判断处于慢充状态的动力电池在当前SOC值对应的总电压值是否位于第二曲线分布图中的相同SOC值对应的总电压上限值和总电压下限值之间;
步骤S112,若是,则确定动力电池当前未出现异常;
步骤S113,若否,则确定动力电池当前出现异常。
优选地,所述方法还包括:
步骤S114,根据步骤S103中获得的动力电池的各电池单体在不同快充时段下的单体电压随SOC值变化数据,基于正态分布原理,获得动力电池的各电池单体各自在快充状态下的每一SOC值对应的单体电压上限值和单体电压下限值;
步骤S115,根据步骤S114的处理结果,采用高斯拟合,拟合出动力电池的各电池单体各自在快充状态下的单体电压上限值和单体电压下限值随SOC值变化的第三曲线分布图;
步骤S116,判断处于快充状态的动力电池的各电池单体在当前SOC值对应的单体电压值是否位于对应电池单体的第三曲线分布图中的相同SOC值对应的单体电压上限值和单体电压下限值之间;
步骤S117,若是,则确定对应的电池单体当前未出现异常;
步骤S118,若否,则确定对应的电池单体当前出现异常。
优选地,所述方法还包括:
步骤S119,根据步骤S103中获得的动力电池的各电池单体在不同慢充时段下的单体电压随SOC值变化数据,基于正态分布原理,获得动力电池的各电池单体各自在慢充状态下的每一SOC值对应的单体电压上限值和单体电压下限值;
步骤S120,根据步骤S119的处理结果,采用高斯拟合,拟合出动力电池的各电池单体各自在慢充状态下的单体电压上限值和单体电压下限值随SOC值变化的第四曲线分布图;
步骤S121,判断处于慢充状态的动力电池的各电池单体在当前SOC值对应的单体电压值是否位于对应电池单体的第四曲线分布图中的相同SOC值对应的单体电压上限值和单体电压下限值之间;
步骤S122,若是,则确定对应的电池单体当前未出现异常;
步骤S123,若否,则确定对应的电池单体当前出现异常。
优选地,在执行步骤S103之前,所述方法还包括:
步骤S124,对里程区间不同的N组数据,按照时间先后顺序分别对每一组数据进行排序;
步骤S125,对时间排序后的N组数据,进行无效值和空值删除处理。
本发明的有益效果为:
本发明上述方法,首先是通过进行建模得出车辆电池总电压值的正常范围,建模的方式通过一定量的训练集,以统计学的方法训练出同一车型电池正常的总电压值的上下边界,然后通过一定量的验证集验证上下边界的正确性及准确性。最后通过验证完成总电压值的上下边界来监测车辆动力电池的电压变化情况,一旦出现异常点,将车辆动力电池的电压异常信息通报出来进行预警。有了判断标准之后,就避免了之前一直无法将不同工况、不同电量时的电池单体电压值,运用起来的情况。
本发明中所提的方法是以车辆实时上传至车企大数据平台的数据为数据源,在得到某一车型的总电压值的上下界后,可以监控平台实时收到的车辆数据,由于平台可以通过显示接口将问题车辆的信息展示出来,根据本发明中所提的方法,可以在动力电池的总电压值出现异常的第一时间将问题车辆报送出来以及在各电池单体的单体电压出现异常的第一时间将问题车辆报送出来,避免由于电池异常导致后续出现更为严重的不可逆的影响。
附图说明
图1是本发明的方法的流程图;
图2为本发明的方法的详细流程图。
具体实施方式
参照图1与图2,本实施例提供了一种动力电池监控预警方法,包括:
S101中,首先从存储有同一车型中的电池数据的大数据平台中(车企的汽车监测平台)获取同一款车型的多组数据,一组数据表示同一款车型在一个时间区间内(如同一个月)和一个地理区间(如位于同一地域的城市)内上传的车辆数据。一组数据中,记录有多个车辆的动力电池的总电压数据和电池单体电压数据。例如,针对某车型在2020年8月份在重庆市内的车辆上传的电池数据进行读取形成一组数据,假设该组数据中包含5000辆车辆各自上传的电池包的总电压数据和各电池单体的单体电压数据。
S102中,该步骤主要用于将获取到的一组数据进行按照里程的分解,主要是考虑到车辆行驶里程的长短对于车辆的电池包性能的衰减影响不同。具体来说,将读取到的该组数据分别按照里程的不同进行细化分组,即将步骤S101中获得的一组数据中位于同一里程区间的数据划分到一组,一个里程区间表示1万公里或5千公里等。针对步骤S102的事例,假设按照1万公里作为一个里程区间,细分得到10组数据。
S103中,说明的是将步骤S102中分完组后重新形成的多组数据,分别按照时间的先后顺序对各组数据进行排序,保证各组数据的连贯性。由于车辆在实际行驶过程中,在经过隧道,偏远山区等信号较差的位置存在数据无法上传的情况,按照国标规定,对于这部分数据应当进行补传。这导致从大数据平台上获取到的数据可能是杂乱无序的,为此,需要对步骤S102中的10组数据按照时间先后顺序重新排序。
S104中,说明的是将步骤S103进行时间排序后的各组数据中电池单体电压值和/或电池总电压值为无效值及空值的部分数据进行删除,保证每一组数据均为有效数据。
至此,经过步骤S101至步骤S104完成了基本的数据清洗工作。
S105中,该步骤根据从大数据平台从获取到的数据的格式,提取出需要的数据。以实际数据为例,首先需要从获取到的10组数据中分别将各组数据中的各电池单体的单体电压提取出分解形成为关于各电池单体的单体电压列表,并将各电池单体的单体电压也按照时间顺序排列好,保证数据的连贯性及完整性;此外,由于驾驶过程中,车辆电池的规律性很弱,本实施例中只针对充电过程中的数据,因此在提取有效值时,需要将正常行驶时的电压数据删除;此处需要另外说明的一点是:充电过程中由于充电电流的不同(即快充与慢充),电池单体电压的分布情况也是不同的,因此这一步需要进一步地将获取到的数据按照充电电流的不同也进行分组。针对步骤104中的10组数据,经过步骤S105的步骤处理后,每一组数据均可以可得到四类数据分组数据,具体为:不同车辆的各电池单体各自在一个快充时段下的SOC-单体电压值变化数据、不同车辆的各电池单体各自在一个慢充时段下的SOC-单体电压值变化数据、不同车辆的动力电池各自在一个快充时段下的SOC-总电压值变化数据和不同动力电池各自在一个慢充时段下的SOC-总电压值变化数据。
S106中,在步骤S105进行数据清洗、数据整合完成之后,再根据数据分析的方法计算出该车型动力电池的总电压上限值和下限值。具体来说,对于同一车型动力电池在快充状态下的总电压值来说,由于不同车辆的动力电池在不同快充时段下的同一SOC对应的总电压值不同,将所有动力电池在不同快充时段下的同一SOC对应的总电压值提取出重新拟合成在特定SOC和特定里程区间内的SOC-时间变化曲线,经试验发现,所拟合出的SOC-时间变化曲线呈正态分布。因此,按照正态分布原理,选取正态分布的μ值(即同一SOC对应的全部总电压值的中值)作为该车型动力电池在特定地域、特定里程区间和特定SOC值条件下的快充总电压中心值,同时,将正态分布的μ+σ值作为该车型动力电池在特定地域、特定里程区间和特定SOC值条件下的快充总电压上限值;将正态分布的μ-σ值作为该车型动力电池在特定地域、特定里程区间和特定SOC值条件下的快充总电压下限值。同理,按照这种计算方式,可以确定该车型动力电池在快充状态、特定地域、特定里程区间和不同SOC值条件下的总电压中心值、总电压下限值和充电压上限值。进一步地,按照这种计算原理,还可以确定出:该车型动力电池在快充状态、特定地域、特定里程区间和不同SOC值条件下的总电压中心值、总电压下限值和充电压上限值;该车型动力电池的各电池单体在快充状态、特定地域、特定里程区间和不同SOC值条件下的单体电压中心值、单体电压下限值和单体电压上限值;该车型动力电池的各电池单体在慢充状态、特定地域、特定里程区间和不同SOC值条件下的单体电压中心值、单体电压下限值和单体电压上限值。
S107中,在步骤S106中数据分析完成之后,将动力电池在快充状态下的各SOC值点对应的总电压上限值和总电压下限值绘制到一个第二数据分布图中。将动力电池在慢充状态下的各SOC值点对应的总电压上限值和总电压下限值绘制到一个第二数据分布图中。将动力电池的各电池单体在快充状态下的各SOC值点对应的单体电压上限值和单体电压下限值分别绘制到一个第三数据分布图中。将动力电池的各电池单体在慢充状态下的各SOC值点对应的单体电压上限值和单体电压下限值分别绘制到一个第四数据分布图中。
步骤S108,根据第一数据分布图,采用高斯拟合的原理,拟合出同一车型动力电池在快充状态下的总电压上限值和总电压下限值各自关于SOC值的第一曲线分布图;根据第二数据分布图,采用高斯拟合的原理,拟合同一车型动力电池在慢充状态下的总电压上限值和总电压下限值各自关于SOC值的第二曲线分布图;根据各第三数据分布图,采用高斯拟合的原理,拟合同一车型动力电池的各电池单体在快充状态下的单体电压上限值和单体电压下限值各自关于SOC值的第三曲线分布图;根据各第四数据分布图,采用高斯拟合的原理,拟合同一车型动力电池的各电池单体在慢充状态下的单体电压上限值和单体电压下限值各自关于SOC值的第四曲线分布图。
比如,在步骤S106中,通过将SOC值从0到100等间距的划分为100个SOC值,根据步骤S106可以得到动力电池在快充状态下的100个SOC值对应的总电压上限值和总电压下限值,步骤S107中将这100SOC值对应的总电压上限值和总电压下限值绘制到一个第一数据分布图中,该第一数据分布图中包含100组数据,一组数据表示一个SOC值对应的总电压上限值和总电压下限值。在步骤S108中,根据动力电池在快充状态下的100个SOC值对应的总电压上限值进行高斯拟合,即可得到动力电池在快充状态下的总电压上限值随SOC值变化的第一拟合曲线,该第一拟合曲线可通过一个表达式进行表示;同理,通过高斯拟合的方式,还可得到动力电池在快充状态下的总电压下限值随SOC值变化的第二拟合曲线,该第二拟合曲线同样可以通过一个表达式进行表示。
S109中,根据验证集对记录好的各表达式进行验证,验证成功则表明该表达式针对该车型动力电池所获得的4类曲线分布图具有代表性,验证失败则需要增加导入的数据量,重新进行分析计算;在进行训练集分析及验证集验证时,在这两类数据集中均加入了问题电池包的数据,这样可以方便验证最终拟合出的曲线、表达式的准确性。例如,步骤S109中,进行验证的具体过程为:将实车数据输入到所拟合出的第一拟合曲线表达式中获得一个计算结果,然后将该计算结果与所采集的实车结果进行比对,若计算结果和实车结果的差值与实车结果的比值在设定百分比值范围内,则确定该拟合出的第一曲线表达式通过验证,即表示拟合出的该第一拟合曲线可以作为表达动力电池在快充状态、特定区域、特定里程区间条件下的总电压上限值随不同SOC值变化的曲线。
S110中,确认各曲线分布图之后,将该车型的全部曲线分布图导入到预警平台,进行动力电池的总电压和电池单体电压风险预警。例如,在预警时,针对处于重庆区域、里程区间在1万公里以内并处于快充状态的动力电池来说,通过其上传在大数据平台上的特定SOC值对应的实际总电压值,判断该实际总电压值是否位于对应曲线分布图中的特定SOC值的总电压上限值和总电压下限值之间,若位于,则确认该状态下的动力电池无异常;若未位于,则确认该状态下的动力电池异常,需要进行异常预警。
Claims (5)
1.一种动力电池监控预警方法,其特征在于,包括:
步骤S101,从大数据平台导出同一车型的动力电池在同一地域范围内、同一时间范围内的全部数据;一条数据中包含有一个动力电池在一个SOC值下的总电压值和各电池单体各自在一个SOC值下的单体电压值;
步骤S102,按照里程区间,将所导出的全部数据进行分组,获得里程区间不同的N组数据;
步骤S103,将N组数据中的每组数据分别进行进一步分类成4类数据,具体为:动力电池在不同快充时段下的总电压随SOC值变化数据,动力电池在不同慢充时段下的总电压随SOC值变化数据,动力电池的各电池单体在不同快充时段下的单体电压随SOC值变化数据,动力电池的各电池单体在不同慢充时段下的单体电压随SOC值变化数据;
步骤S104,根据步骤S103中获得的动力电池在不同快充时段下的总电压随SOC值变化数据,基于正态分布原理,获得动力电池在快充状态下的每一SOC值对应的总电压上限值和总电压下限值;
步骤S105,根据步骤S104的处理结果,采用高斯拟合,拟合出动力电池在快充状态下的总电压上限值和总电压下限值随SOC值变化的第一曲线分布图;
步骤S106,判断处于快充状态的动力电池在当前SOC值对应的总电压值是否位于第一曲线分布图中的相同SOC值对应的总电压上限值和总电压下限值之间;
步骤S107,若是,则确定动力电池当前未出现异常;
步骤S108,若否,则确定动力电池当前出现异常。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
步骤S109,根据步骤S103中获得的动力电池在不同慢充时段下的总电压随SOC值变化数据,基于正态分布原理,获得动力电池在慢充状态下的每一SOC值对应的总电压上限值和总电压下限值;
步骤S110,根据步骤S109的处理结果,采用高斯拟合,拟合出动力电池在慢充状态下的总电压上限值和总电压下限值随SOC值变化的第二曲线分布图;
步骤S111,判断处于慢充状态的动力电池在当前SOC值对应的总电压值是否位于第二曲线分布图中的相同SOC值对应的总电压上限值和总电压下限值之间;
步骤S112,若是,则确定动力电池当前未出现异常;
步骤S113,若否,则确定动力电池当前出现异常。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
步骤S114,根据步骤S103中获得的动力电池的各电池单体在不同快充时段下的单体电压随SOC值变化数据,基于正态分布原理,获得动力电池的各电池单体各自在快充状态下的每一SOC值对应的单体电压上限值和单体电压下限值;
步骤S115,根据步骤S114的处理结果,采用高斯拟合,拟合出动力电池的各电池单体各自在快充状态下的单体电压上限值和单体电压下限值随SOC值变化的第三曲线分布图;
步骤S116,判断处于快充状态的动力电池的各电池单体在当前SOC值对应的单体电压值是否位于对应电池单体的第三曲线分布图中的相同SOC值对应的单体电压上限值和单体电压下限值之间;
步骤S117,若是,则确定对应的电池单体当前未出现异常;
步骤S118,若否,则确定对应的电池单体当前出现异常。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
步骤S119,根据步骤S103中获得的动力电池的各电池单体在不同慢充时段下的单体电压随SOC值变化数据,基于正态分布原理,获得动力电池的各电池单体各自在慢充状态下的每一SOC值对应的单体电压上限值和单体电压下限值;
步骤S120,根据步骤S119的处理结果,采用高斯拟合,拟合出动力电池的各电池单体各自在慢充状态下的单体电压上限值和单体电压下限值随SOC值变化的第四曲线分布图;
步骤S121,判断处于慢充状态的动力电池的各电池单体在当前SOC值对应的单体电压值是否位于对应电池单体的第四曲线分布图中的相同SOC值对应的单体电压上限值和单体电压下限值之间;
步骤S122,若是,则确定对应的电池单体当前未出现异常;
步骤S123,若否,则确定对应的电池单体当前出现异常。
5.根据权利要求1所述的方法,其特征在于,在执行步骤S103之前,所述方法还包括:
步骤S124,对里程区间不同的N组数据,按照时间先后顺序分别对每一组数据进行排序;
步骤S125,对时间排序后的N组数据,进行无效值和空值删除处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353798.XA CN112505550B (zh) | 2020-11-26 | 2020-11-26 | 一种动力电池监控预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353798.XA CN112505550B (zh) | 2020-11-26 | 2020-11-26 | 一种动力电池监控预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112505550A true CN112505550A (zh) | 2021-03-16 |
CN112505550B CN112505550B (zh) | 2022-06-07 |
Family
ID=74966706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011353798.XA Active CN112505550B (zh) | 2020-11-26 | 2020-11-26 | 一种动力电池监控预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112505550B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022252729A1 (zh) * | 2021-06-01 | 2022-12-08 | 广州汽车集团股份有限公司 | 车辆电池失衡的检测方法、装置、电子设备及存储介质 |
CN115469226A (zh) * | 2022-08-01 | 2022-12-13 | 哈尔滨工业大学(威海) | 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 |
CN116653608A (zh) * | 2023-08-01 | 2023-08-29 | 天津滨电电力工程有限公司 | 电动汽车充电保护、控制方法、装置及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570792A (zh) * | 2010-12-23 | 2012-07-11 | 上海汽车集团股份有限公司 | 直流高低压转换器的电压设定点的控制方法 |
CN103620859A (zh) * | 2011-06-03 | 2014-03-05 | Sk新技术株式会社 | 二次电池管理系统以及用于交换电池电芯信息的方法 |
US20150154816A1 (en) * | 2013-12-04 | 2015-06-04 | Innova Electronics, Inc. | System and method for monitoring the status of a vehicle battery system |
CN105093127A (zh) * | 2015-08-14 | 2015-11-25 | 合肥赛为智能有限公司 | 一种基于充电方式的锂电池荷电状态的校准与估计方法 |
US20150355286A1 (en) * | 2013-01-22 | 2015-12-10 | Sanyo Electric Co., Ltd. | System for estimating failure in cell module |
US9989595B1 (en) * | 2013-12-31 | 2018-06-05 | Hrl Laboratories, Llc | Methods for on-line, high-accuracy estimation of battery state of power |
CN109884547A (zh) * | 2019-02-20 | 2019-06-14 | 重庆长安新能源汽车科技有限公司 | 一种温升异常模组的检测方法、系统及相关组件 |
CN109964138A (zh) * | 2016-11-25 | 2019-07-02 | 沃尔沃卡车集团 | 对电气存储系统中的电压故障状况进行分类的方法及装置 |
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 |
JP2020046332A (ja) * | 2018-09-20 | 2020-03-26 | 株式会社ケーヒン | バッテリ監視装置 |
CN111208445A (zh) * | 2020-02-25 | 2020-05-29 | 中国第一汽车股份有限公司 | 一种动力电池异常单体识别方法及系统 |
CN111381170A (zh) * | 2020-05-15 | 2020-07-07 | 上海工程技术大学 | 基于大数据的电动汽车电池包健康状态预测方法及系统 |
CN111487542A (zh) * | 2020-04-27 | 2020-08-04 | 力高(山东)新能源技术有限公司 | 一种新能源汽车电池管理系统计算soc的方法 |
CN111584966A (zh) * | 2020-04-20 | 2020-08-25 | 上海电享信息科技有限公司 | 基于大数据分析的动力电池包中单体电池过压预警方法 |
CN111856178A (zh) * | 2020-03-31 | 2020-10-30 | 同济大学 | 一种基于锂离子电容器电化学特征的soc分区估计方法 |
-
2020
- 2020-11-26 CN CN202011353798.XA patent/CN112505550B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570792A (zh) * | 2010-12-23 | 2012-07-11 | 上海汽车集团股份有限公司 | 直流高低压转换器的电压设定点的控制方法 |
CN103620859A (zh) * | 2011-06-03 | 2014-03-05 | Sk新技术株式会社 | 二次电池管理系统以及用于交换电池电芯信息的方法 |
US20150355286A1 (en) * | 2013-01-22 | 2015-12-10 | Sanyo Electric Co., Ltd. | System for estimating failure in cell module |
US20150154816A1 (en) * | 2013-12-04 | 2015-06-04 | Innova Electronics, Inc. | System and method for monitoring the status of a vehicle battery system |
US9989595B1 (en) * | 2013-12-31 | 2018-06-05 | Hrl Laboratories, Llc | Methods for on-line, high-accuracy estimation of battery state of power |
CN105093127A (zh) * | 2015-08-14 | 2015-11-25 | 合肥赛为智能有限公司 | 一种基于充电方式的锂电池荷电状态的校准与估计方法 |
CN109964138A (zh) * | 2016-11-25 | 2019-07-02 | 沃尔沃卡车集团 | 对电气存储系统中的电压故障状况进行分类的方法及装置 |
JP2020046332A (ja) * | 2018-09-20 | 2020-03-26 | 株式会社ケーヒン | バッテリ監視装置 |
CN109884547A (zh) * | 2019-02-20 | 2019-06-14 | 重庆长安新能源汽车科技有限公司 | 一种温升异常模组的检测方法、系统及相关组件 |
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 |
CN111208445A (zh) * | 2020-02-25 | 2020-05-29 | 中国第一汽车股份有限公司 | 一种动力电池异常单体识别方法及系统 |
CN111856178A (zh) * | 2020-03-31 | 2020-10-30 | 同济大学 | 一种基于锂离子电容器电化学特征的soc分区估计方法 |
CN111584966A (zh) * | 2020-04-20 | 2020-08-25 | 上海电享信息科技有限公司 | 基于大数据分析的动力电池包中单体电池过压预警方法 |
CN111487542A (zh) * | 2020-04-27 | 2020-08-04 | 力高(山东)新能源技术有限公司 | 一种新能源汽车电池管理系统计算soc的方法 |
CN111381170A (zh) * | 2020-05-15 | 2020-07-07 | 上海工程技术大学 | 基于大数据的电动汽车电池包健康状态预测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022252729A1 (zh) * | 2021-06-01 | 2022-12-08 | 广州汽车集团股份有限公司 | 车辆电池失衡的检测方法、装置、电子设备及存储介质 |
CN115469226A (zh) * | 2022-08-01 | 2022-12-13 | 哈尔滨工业大学(威海) | 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 |
CN116653608A (zh) * | 2023-08-01 | 2023-08-29 | 天津滨电电力工程有限公司 | 电动汽车充电保护、控制方法、装置及存储介质 |
CN116653608B (zh) * | 2023-08-01 | 2023-10-17 | 天津滨电电力工程有限公司 | 电动汽车充电保护、控制方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112505550B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505550B (zh) | 一种动力电池监控预警方法 | |
CN110208704B (zh) | 一种基于电压滞后效应的锂电池建模方法和系统 | |
Lu et al. | Online estimation of state of power for lithium-ion batteries in electric vehicles using genetic algorithm | |
CN109655754B (zh) | 一种基于充电过程多维分阶的电池性能评估方法 | |
CN109558988B (zh) | 一种基于大数据融合的电动汽车能耗预测方法及系统 | |
CN106556802A (zh) | 一种蓄电池组异常单体电池识别方法及装置 | |
CN107037370A (zh) | 基于监控数据的电动汽车剩余电量计算方法 | |
WO2022213597A1 (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN111208445A (zh) | 一种动力电池异常单体识别方法及系统 | |
Tannahill et al. | Future vision for reduction of range anxiety by using an improved state of charge estimation algorithm for electric vehicle batteries implemented with low‐cost microcontrollers | |
CN104635163A (zh) | 一种电动车电池组soh在线估算预警方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN111505511B (zh) | 一种电动汽车单体电芯容量测定方法、电子设备及存储介质 | |
CN116381514A (zh) | 一种电芯压差预警方法、装置、存储介质及设备 | |
CN115754726A (zh) | 一种电池寿命预测及维持方法、电子设备和存储介质 | |
CN112462742A (zh) | 一种快速进行新能源汽车国标数据符合性模拟检测方法 | |
CN114970734A (zh) | 异常电池确定方法、装置、计算机设备和存储介质 | |
Hu et al. | Performance evaluation strategy for battery pack of electric vehicles: Online estimation and offline evaluation | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN111125862B (zh) | 一种基于遗传算法和比功率的跟驰模型排放测算方法 | |
CN115758227A (zh) | 一种高能耗车辆识别和原因诊断方法 | |
CN113687256B (zh) | 一种评估单体自放电率对电池系统一致性影响的方法 | |
CN114707239B (zh) | 电能资源分配规划方法、装置和电子设备 | |
CN111832599A (zh) | 一种基于机器学习随机森林的加油站预测方法 | |
CN114781733A (zh) | 一种基于电动汽车时空分布的充电需求预测方法 |
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 |