CN112986834A - 一种基于电压排序的电池安全监控方法及系统 - Google Patents

一种基于电压排序的电池安全监控方法及系统 Download PDF

Info

Publication number
CN112986834A
CN112986834A CN202110216741.3A CN202110216741A CN112986834A CN 112986834 A CN112986834 A CN 112986834A CN 202110216741 A CN202110216741 A CN 202110216741A CN 112986834 A CN112986834 A CN 112986834A
Authority
CN
China
Prior art keywords
voltage
battery
data
sequencing
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
Application number
CN202110216741.3A
Other languages
English (en)
Other versions
CN112986834B (zh
Inventor
王贤军
李宗华
刁冠通
万毓森
贺小栩
马明泽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan New Energy Automobile Technology Co Ltd
Original Assignee
Chongqing Changan New Energy Automobile Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Changan New Energy Automobile Technology Co Ltd filed Critical Chongqing Changan New Energy Automobile Technology Co Ltd
Priority to CN202110216741.3A priority Critical patent/CN112986834B/zh
Publication of CN112986834A publication Critical patent/CN112986834A/zh
Application granted granted Critical
Publication of CN112986834B publication Critical patent/CN112986834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明提出一种基于电压排序的电池安全监控的方法及系统，所述方法包括S1：实时采集车辆电池每个单体电压、单体编号数据。S2：电池单体数据预处理。S3：单体电压分布式实时计算和电压数据滤波处理。S4：滤波处理后的电压排序。S5：电池异常条件判断。S6：根据S5的异常判断结果，找出电池异常的车辆。本发明利用了大数据实时流处理和分布式计算技术，实时监控和计算分析电池热安全相关的特征表现，并通过电池单体电压排序异常判断策略，实时发现将要出现异常的电池单体，并在电池单体出现热安全问题异常前，提前发出预警信息，实现了实时对电池各个单体的热安全的监控和提前预警。

Description

一种基于电压排序的电池安全监控方法及系统
技术领域
本发明涉及电池安全监控技术，具体涉及基于电压排序的电池安全监控技术。
背景技术
电动汽车的核心动力源来自电池，锂离子电池由于能量密度高、循环寿命长等因素成为电动汽车的首选电池。但是高的能量密度，也带来了显著的热安全问题，通常表现为热失控。锂离子电池发生热失控主要是由于内部产热远高于散热速率，在电池的内部积攒了大量的热量，从而引起了连锁反应，导致电池起火和爆炸。近年来发生多起电动汽车起火的问题，大多数都与电池的热安全相关。
由于影响电池热安全性的因素很多，电池内部因素和外部因素都可能产生影响。目前针对电动汽车已有的热安全监控系统，没有实时监控电池单体的数据情况，导致普遍存在对电池热安全问题的预警延迟。而此时的电池已经处于较危险状态，极有可能发生电动汽车的起火等安全事故。因此电池热安全的早期快速、准确预警对于安全事故、人身财产安全有着重要意义。
发明内容
针对现有技术的不足，本发明提出一种基于电压排序的电池安全监控的方法及系统，利用大数据实时流处理和分布式计算技术，实时监控和计算分析电池热安全相关的特征表现，并通过电池单体电压排序异常判断策略，实时发现将要出现异常的电池单体，并在电池单体出现热安全问题异常前，提前发出预警信息，实现实时对电池各个单体的热安全的监控和提前预警。
为了实现上述目的，本发明提出如下技术方案。
本发明提出一种基于电压排序的电池安全监控的方法，所述方法包括如下步骤：
S1：实时采集车辆电池每个单体电压、单体编号数据。
S2：电池单体数据预处理。
S3：单体电压分布式实时计算和电压数据滤波处理。
S4：滤波处理后的电压排序。
S5：电池异常条件判断。
S6：根据S5的异常判断结果，找出电池异常的车辆。
进一步地，所述步骤S2又包括如下步骤：
S2-1：检查电池单体电压数据的有效性，检查是否存在空值、超出正常区间、重复冗余等异常数据。
S2-2：检验单体电压值是否存在跳变，如果电压值存在跳变，则标记成异常数据。
S2-3：对步骤S2-1、S2-2过程出现的异常数据进行清洗和过滤。
S2-4：按时间顺序，对清洗和过滤后的数据进行升序排序。
进一步地，所述步骤S3又包括如下步骤：
S3-1：读入经步骤S2处理后的电池单体电压实时数据。
S3-2：分析电池单体电压数据，设定电池单体电压数据条数的临界值。
S3-3：检查每辆车电池单体电压数据条数是否超过S3-2中的临界值。
S3-4：若S3-3的结果成立，即超过所述临界值，则对单体电压值进行移动均值滤波处理。
进一步地，所述步骤S4又包括如下步骤：
S4-1：对电池单体移动均值后的电压值进行升序排序。
S4-2：根据S4-1排序结果，对每个电池单体进行顺序编号。
进一步地，所述步骤S5又包括如下步骤：
S5-1：分析每个电池单体电压排序变化，计算出排序编号值连续下降为1的次数的临界值，标记为Ф。
S5-2：检查每次每个电池单体的顺序编号值，是否存在某个单体的编号值下降为1。
S5-3：若S5-2的条件成立，则检查这个单体后续的排序编号值是否连续Ф次下降为1。
S5-4：若S5-2和S5-3同时成立，则进行电池单体电压排序异常条件判断。
本发明利用大数据实时流处理技术，实时采集车辆中T-BOX上的信号数据监控车辆电池单体的电压，并利用分布式实时计算技术，对电池单体电压数据滤波处理和排序。通过电池单体电压排序判断异常策略，实时提前发现车辆电池单体将要发生的异常，避免导致车辆电池的热失控和其他电池安全事故。
附图说明
图1是本发明实施例中基于电压排序的电池安全监控方法示意图。
具体实施方式
下面结合说明书附图对本发明进行进一步的描述：
参见图1，显示了基于电压排序的电池安全监控方法的一种实施例，具体步骤如下：
S1：实时采集车辆电池每个单体电压、单体编号数据。
在本步骤中，通过大数据分布式数据流读取方法，实时采集车辆的T-BOX传来的数据。读取数据流方法可使用Flink、Spark Streaming等技术框架实现。采集的车辆信号如车架号、总电压、个电池单体电压、电池单体编号、SOC等。
S2：电池单体数据预处理。
步骤S2具体包括如下步骤：
S2-1：检查采集到的电池单体电压数据的有效性，具体是检查是否存在空值、超出正常区间、重复冗余等异常数据。
例如，在某时刻采集到的单体电池电压值不在电压值的区间范围内，这属于超出正常区间。又例如10秒内采集到的数据都是相同的，这属于重复冗余数据。这些异常数据会对判断电池单体电压异常产生干扰，最终会导致判断结果准确率下降，因此需要检查出这些异常数据。
S2-2：检验单体电压值是否存在跳变，如果电压值存在跳变，则标记成异常数据。跳变表示在短时间内某信号数据值变化差异过大，例如SOC值1秒内从70％下降到40％，这样的数据也属于异常情况。
S2-3：对S2-1、S2-2过程出现的异常数据进行剔除。
S2-4：按时间顺序，将S2-3步骤中处理后的数据进行升序排序。这个排序是针对每辆车单独进行排序的。
S3：单体电压分布式实时计算和电压数据滤波处理。
本步骤是利用分布式实时计算技术，对电池单体电压数据进行滤波处理。以减小噪声数据对电池判异结果的干扰。具体包括如下步骤：
S3-1：读入S2-4步骤中排序好的电池单体电压实时数据。
S3-2：分析电池单体电压数据，设定电池单体电压数据条数的临界值。
本步骤中，通过分析历史数据中发生电池单体异常时的电池单体电压数据条数的分布，并从分布中找出最容易出现电池单体电压异常时的条数作为临界值。例如：电池单体电压数据条数在2万条左右时，电池单体电压发生异常概率最高，那么临界值就可以设定为2万。
S3-3：检查每辆车电池单体电压数据条数是否超过所述临界值；
S3-4：若S3-3的结果成立，则对单体电压值进行移动均值滤波处理。
在本发明进一步的实施中，具体的滤波处理可采用简单移动均值法，公式如下：
Figure BDA0002954051510000041
其中，Vavg表示简单移动均值后的值。t表示时刻，Vt、Vt-1…Vt-i表示车辆电池某个单体在t、t-1…t-i时刻的电压值。N表示移动窗口的大小。
例如，在实际实施过程中，移动窗口大小N＝30，移动步长等于1。对电池每个单体分别进行移动均值计算。
S4：对滤波处理后的电池单体电压进行排序。
本步骤使用经过滤波处理降噪后的数据，根据单体的电压值进行排序并对电池单体进行编号，为电池单体异常条件判断做准备。步骤S4具体包括如下步骤。
S4-1：对电池单体滤波处理后的电压值从小到大进行升序排序。
S4-2：根据S4-1排序结果，对每个电池单体进行顺序编号，顺序编号从1开始。
S5：电池单体异常条件判断。
所述步骤S5具体包括如下步骤：
S5-1：以时间为周期，将一个周期内每个电池单体电压的排序次数来进行比较分析，计算出排序编号值连续下降为1的次数的临界值，标记为Ф。周期可以根据实际收集数据频率设定，例如使用60秒为一个周期。
S5-2：检查每次每个电池单体的顺序编号值，是否存在某个单体的编号值下降为1。
S5-3：若S5-2的条件成立，则检查这个单体后续的排序编号值是否连续Ф次下降为1。
S5-4：若S5-2和S5-3同时成立，则进行电池单体电压排序异常条件判断。
在进一步的实施例中，步骤S5-4中电压排序异常判断规则具体步骤如下：
S5-4-1：统计和计算电池单体电压数据帧条数，标记为M。
S5-4-2：读取车辆电池某个单体在t时刻前M个数据帧的电压值。
S5-4-3：统计该单体在M个数据帧中排序编号在[1,γ]范围内个数，其中1<γ≤M。
S5-4-4：计算该单体在排序编号[1,γ]范围内的概率值；
具体计算概率值的公式如下：
Figure BDA0002954051510000042
其中，P表示概率值，C表示电池单体在排序编号[1,γ]区间内的数量。
S5-4-5：设定电压排序异常规则临界值和阈值；
电压排序异常规则包含3个临界值，分别是ω1、ω2、和Cmin。其中ω1、ω2表示概率P的临界值，Cmin表示C的最小临界值。在设定过程中，通过大数据分析统计得到临界的实际值，通常0.5≤ω1≤1、0≤ω2≤0.05、Cmin≥180。
S5-4-6：检查S5-4-4中的概率P值是否大于等于ω1；
S5-4-7：若S5-4-6的条件成立，则表示此时电池单体正常。
S5-4-8：若S5-4-6的条件不成立，则检查S5-4-4中的概率P值和C值，是否C大于等于Cmin并且P小于ω2；
S5-4-9：若S5-4-8的条件成立，则判断该单体异常。
S6：根据S5的异常判断结果，找出电池异常的车辆。
在本发明的另一实施例中，显示一种基于电压排序的电池安全监控系统，用以实现前一实施例所述的方法，该系统包括：
数据采集模块，实时采集车辆电池每个单体电压、单体编号数据；
预处理模块，对电池单体数据进行预处理；
计算模块，对单体电压进行分布式实时计算和电压数据滤波处理；
排序模块，对滤波处理后的电压排序；
判断模块，电池异常条件判断；
识别模块，根据异常判断结果，找出电池异常的车辆。
本发明中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
同时，以上对至少一个示例性实施例的描述实际上仅仅是说明性的，但并不作为对本发明及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术和设备不作详细讨论，但在适当情况下，所述技术和设备应当被视为说明书的一部分。另外，在这里示出所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

Claims (10)

1.一种基于电压排序的电池安全监控的方法，其特征在于，包括如下步骤：
S1：实时采集车辆电池每个单体电压、单体编号数据；
S2：电池单体数据预处理；
S3：对单体电压进行分布式实时计算和电压数据滤波处理；
S4：对滤波处理后的电压排序；
S5：电池异常条件判断；
S6：根据S5的异常判断结果，找出电池异常的车辆。
2.根据权利要求1所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S1是通过大数据分布式数据流读取方法，实时采集车辆的T-BOX传来的数据。读取数据流方法使用Flink、Spark Streaming等技术。
3.根据权利要求1所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S2包括如下步骤：
S2-1：检查电池单体电压数据的有效性，是否存在空值、超出正常区间、重复冗余等异常数据；
S2-2：检验单体电压值是否存在跳变，如果电压值存在跳变，则标记成异常数据；
S2-3：对S2-1、S2-2过程出现的异常数据进行清洗和过滤；
S2-4：按时间顺序，对采集的数据进行升序排序。
4.根据权利要求3所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S3包括如下步骤：
S3-1：读入步骤S2处理过后的电池单体电压实时数据；
S3-2：分析电池单体电压数据，设定电池单体电压数据条数的临界值；
S3-3：检查每辆车电池单体电压数据条数是否超过所述临界值；
S3-4：若超过临界值，则对单体电压值进行移动均值滤波处理；若未超过，则等待电池单体电压数据条数超过临界值后，再进行后续步骤。
5.根据权利要求4所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S3-2中，通过分析历史数据中发生电池单体异常时的电池单体电压数据条数的分布，从分布中找出最容易出现电池单体电压异常时的条数作为临界值。
6.根据权利要求1-5中任一项所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S4包括如下步骤：
S4-1：对电池单体移动均值后的电压值进行升序排序；
S4-2：根据排序结果，对每个电池单体进行顺序编号。
7.根据权利要求1-5之任一项所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S5包括如下步骤：
S5-1：分析每个电池单体电压排序变化，计算出排序编号值连续下降为1的次数的临界值，标记为Ф；
S5-2：检查每次每个电池单体的顺序编号值，是否存在某个单体的编号值下降为1；
S5-3：若S5-2的条件成立，则检查这个单体后续的排序编号值是否连续Ф次下降为1；
S5-4：若S5-2和S5-3同时成立，则进行电池单体电压排序异常条件判断。
8.根据权利要求7所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S5-1是，以设定时间为周期，将一个周期内每个电池单体电压的排序次数来进行比较分析，计算出排序编号值连续下降为1的次数的临界值，标记为Ф；所述周期根据实际收集数据频率设定。
9.根据权利要求7所述的基于电压排序的电池安全监控的方法，其特征在于，所述步骤S5-4中电压排序异常判断具体步骤如下：
S5-4-1：统计和计算电池单体电压数据帧条数，标记为M；
S5-4-2：读取车辆电池某个单体在t时刻前M个数据帧的电压值；
S5-4-3：统计该单体在M个数据帧中排序编号在[1,γ]范围内个数，其中1<γ≤M；
S5-4-4：计算该单体在排序编号[1,γ]范围内的概率值P；
S5-4-5：设定电压排序异常规则临界值和阈值；
电压排序异常规则包含3个临界值，分别是ω1、ω2、和Cmin，其中ω1、ω2表示概率P的临界值，Cmin表示C的最小临界值，C表示电池单体在排序编号[1,γ]区间内的数量；在设定过程中，通过大数据分析统计得到临界的实际值，通常0.5≤ω1≤1、0≤ω2≤0.05、Cmin≥180；
S5-4-6：检查S5-4-4中的概率值P是否大于等于ω1；
S5-4-7：若S5-4-6的条件成立，则表示此时电池单体正常；
S5-4-8：若S5-4-6的条件不成立，则检查S5-4-4中的概率P值和C值，是否C大于等于Cmin并且P小于ω2；
S5-4-9：若S5-4-8的条件成立，则判断该单体异常。
10.一种基于电压排序的电池安全监控系统，实现权利要求1-9之任一项所述的方法，其特征在于，包括：
数据采集模块，实时采集车辆电池每个单体电压、单体编号数据；
预处理模块，对电池单体数据进行预处理；
计算模块，对单体电压进行分布式实时计算和电压数据滤波处理；
排序模块，对滤波处理后的电压排序；
判断模块，电池异常条件判断；
识别模块，根据异常判断结果，找出电池异常的车辆。
CN202110216741.3A 2021-02-26 2021-02-26 一种基于电压排序的电池安全监控方法及系统 Active CN112986834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110216741.3A CN112986834B (zh) 2021-02-26 2021-02-26 一种基于电压排序的电池安全监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110216741.3A CN112986834B (zh) 2021-02-26 2021-02-26 一种基于电压排序的电池安全监控方法及系统

Publications (2)

Publication Number Publication Date
CN112986834A true CN112986834A (zh) 2021-06-18
CN112986834B CN112986834B (zh) 2023-08-15

Family

ID=76351059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110216741.3A Active CN112986834B (zh) 2021-02-26 2021-02-26 一种基于电压排序的电池安全监控方法及系统

Country Status (1)

Country Link
CN (1) CN112986834B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533979A (zh) * 2021-07-15 2021-10-22 合肥力高动力科技有限公司 一种判断电池组异常电芯的方法
CN114274777A (zh) * 2021-12-15 2022-04-05 重庆长安新能源汽车科技有限公司 一种电池异常监控方法、系统及车辆
CN114312319A (zh) * 2021-12-15 2022-04-12 重庆长安新能源汽车科技有限公司 基于电压累计值的电池安全监控方法、存储介质及车辆
CN114705998A (zh) * 2022-04-28 2022-07-05 中国第一汽车股份有限公司 电池异常的识别方法、装置、存储介质和车辆
CN115588244A (zh) * 2022-09-29 2023-01-10 重庆长安新能源汽车科技有限公司 一种车联网大数据实时分析方法、装置、设备及介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013064649A (ja) * 2011-09-16 2013-04-11 Toshiba Corp 電池システムの故障検出システム
US20130338871A1 (en) * 2012-06-15 2013-12-19 Denso Corporation Battery condition monitoring device
CN105098933A (zh) * 2015-09-28 2015-11-25 重庆长安汽车股份有限公司 一种电池单体采集检测装置
CN105334465A (zh) * 2015-09-15 2016-02-17 重庆长安汽车股份有限公司 一种锂离子电池健康状态估算方法
JP2016138868A (ja) * 2015-01-29 2016-08-04 ルネサスエレクトロニクス株式会社 バッテリセルの電圧補正方法、バッテリ監視装置、半導体チップ及び車両
CN106556802A (zh) * 2016-11-01 2017-04-05 东软集团股份有限公司 一种蓄电池组异常单体电池识别方法及装置
CN106970610A (zh) * 2017-05-04 2017-07-21 深圳市元征科技股份有限公司 汽车数据流的监控方法、系统及可读存储介质
JP2019032987A (ja) * 2017-08-08 2019-02-28 三菱自動車工業株式会社 電池パックの異常判定装置
CN109642930A (zh) * 2016-09-13 2019-04-16 松下知识产权经营株式会社 管理装置以及蓄电系统
CN111157910A (zh) * 2019-12-30 2020-05-15 北京四维智联科技有限公司 一种诊断电池包结构合理性的方法、装置及设备
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
CN111882697A (zh) * 2020-07-31 2020-11-03 中国汽车工程研究院股份有限公司 一种基于概率突变法则的电压异常单体的识别算法
CN111948545A (zh) * 2020-07-31 2020-11-17 中国汽车工程研究院股份有限公司 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
CN112380630A (zh) * 2020-11-27 2021-02-19 重庆长安新能源汽车科技有限公司 基于车联网数据的新能源汽车电池热失控风险的预测方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013064649A (ja) * 2011-09-16 2013-04-11 Toshiba Corp 電池システムの故障検出システム
US20130338871A1 (en) * 2012-06-15 2013-12-19 Denso Corporation Battery condition monitoring device
JP2016138868A (ja) * 2015-01-29 2016-08-04 ルネサスエレクトロニクス株式会社 バッテリセルの電圧補正方法、バッテリ監視装置、半導体チップ及び車両
CN105334465A (zh) * 2015-09-15 2016-02-17 重庆长安汽车股份有限公司 一种锂离子电池健康状态估算方法
CN105098933A (zh) * 2015-09-28 2015-11-25 重庆长安汽车股份有限公司 一种电池单体采集检测装置
CN109642930A (zh) * 2016-09-13 2019-04-16 松下知识产权经营株式会社 管理装置以及蓄电系统
CN106556802A (zh) * 2016-11-01 2017-04-05 东软集团股份有限公司 一种蓄电池组异常单体电池识别方法及装置
CN106970610A (zh) * 2017-05-04 2017-07-21 深圳市元征科技股份有限公司 汽车数据流的监控方法、系统及可读存储介质
JP2019032987A (ja) * 2017-08-08 2019-02-28 三菱自動車工業株式会社 電池パックの異常判定装置
CN111157910A (zh) * 2019-12-30 2020-05-15 北京四维智联科技有限公司 一种诊断电池包结构合理性的方法、装置及设备
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
CN111882697A (zh) * 2020-07-31 2020-11-03 中国汽车工程研究院股份有限公司 一种基于概率突变法则的电压异常单体的识别算法
CN111948545A (zh) * 2020-07-31 2020-11-17 中国汽车工程研究院股份有限公司 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
CN112380630A (zh) * 2020-11-27 2021-02-19 重庆长安新能源汽车科技有限公司 基于车联网数据的新能源汽车电池热失控风险的预测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533979A (zh) * 2021-07-15 2021-10-22 合肥力高动力科技有限公司 一种判断电池组异常电芯的方法
CN113533979B (zh) * 2021-07-15 2022-09-23 合肥力高动力科技有限公司 一种判断电池组异常电芯的方法
CN114274777A (zh) * 2021-12-15 2022-04-05 重庆长安新能源汽车科技有限公司 一种电池异常监控方法、系统及车辆
CN114312319A (zh) * 2021-12-15 2022-04-12 重庆长安新能源汽车科技有限公司 基于电压累计值的电池安全监控方法、存储介质及车辆
CN114274777B (zh) * 2021-12-15 2023-06-02 重庆长安新能源汽车科技有限公司 一种电池异常监控方法、系统及车辆
CN114312319B (zh) * 2021-12-15 2023-06-02 重庆长安新能源汽车科技有限公司 基于电压累计值的电池安全监控方法、存储介质及车辆
CN114705998A (zh) * 2022-04-28 2022-07-05 中国第一汽车股份有限公司 电池异常的识别方法、装置、存储介质和车辆
CN115588244A (zh) * 2022-09-29 2023-01-10 重庆长安新能源汽车科技有限公司 一种车联网大数据实时分析方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112986834B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN112986834B (zh) 一种基于电压排序的电池安全监控方法及系统
CN110018425B (zh) 一种动力电池故障诊断方法及系统
CN110794305B (zh) 一种动力电池故障诊断方法和系统
CN110376530B (zh) 电池内短路检测装置及方法
CN112038716B (zh) 一种锂离子电池包热失控预警方法
CN111845448B (zh) 一种基于概率突变法则的温度异常探针的识别算法
CN112345955B (zh) 一种动力电池多故障在线诊断方法与系统
CN116757482B (zh) 用于新能源动力电池生产的故障监管维护系统
CN112487031A (zh) 单体电池故障检测方法、装置、可读存储介质及电子设备
CN115366683A (zh) 一种新能源汽车动力电池多维模型融合的故障诊断策略
CN113866641A (zh) 一种锂离子电池的故障检测方法及装置
CN114274777A (zh) 一种电池异常监控方法、系统及车辆
CN113791350A (zh) 电池故障预测方法
CN115327403A (zh) 基于新能源汽车大数据的动力电池安全性评价方法及装置
CN114361617B (zh) 一种动力电池热失控风险预警方法及预警系统
CN114290954A (zh) 基于压差分析的电池一致性监控方法、系统及车辆
CN114312319B (zh) 基于电压累计值的电池安全监控方法、存储介质及车辆
CN111882697B (zh) 一种基于概率突变法则的电压异常单体的识别算法
CN116859253B (zh) 一种基于大数据的锂电池析锂分析方法及系统
CN116990697A (zh) 一种基于概率分布的锂电池组内异常单体检测方法
CN113794742B (zh) 一种电力系统fdia高精度检测方法
CN115792636A (zh) 一种基于电压最值的电池组微小故障定量诊断方法及系统
CN115563768A (zh) 基于蒙特卡洛模拟的新能源汽车控制策略阈值分析方法
CN115840157B (zh) 基于eof分析的锂电池电性能指标协调性分析系统
CN112991574A (zh) 一种分析电堆衰减的方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401133 room 208, 2 house, 39 Yonghe Road, Yu Zui Town, Jiangbei District, Chongqing

Applicant after: Deep Blue Automotive Technology Co.,Ltd.

Address before: 401133 room 208, 2 house, 39 Yonghe Road, Yu Zui Town, Jiangbei District, Chongqing

Applicant before: CHONGQING CHANGAN NEW ENERGY AUTOMOBILE TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant