CN113109719A - 一种大数据系统容量微分多峰曲线的峰位峰强识别方法 - Google Patents

一种大数据系统容量微分多峰曲线的峰位峰强识别方法 Download PDF

Info

Publication number
CN113109719A
CN113109719A CN202110411691.4A CN202110411691A CN113109719A CN 113109719 A CN113109719 A CN 113109719A CN 202110411691 A CN202110411691 A CN 202110411691A CN 113109719 A CN113109719 A CN 113109719A
Authority
CN
China
Prior art keywords
peak
value
array
max
searching
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
CN202110411691.4A
Other languages
English (en)
Other versions
CN113109719B (zh
Inventor
任永欢
林炳辉
郑彬彬
孙玮佳
余子群
李鸿海
吴焜昌
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.)
Xiamen King Long United Automotive Industry Co Ltd
Original Assignee
Xiamen King Long United Automotive Industry 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 Xiamen King Long United Automotive Industry Co Ltd filed Critical Xiamen King Long United Automotive Industry Co Ltd
Priority to CN202110411691.4A priority Critical patent/CN113109719B/zh
Publication of CN113109719A publication Critical patent/CN113109719A/zh
Application granted granted Critical
Publication of CN113109719B publication Critical patent/CN113109719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明一种大数据系统容量微分多峰曲线的峰位峰强识别方法,以多峰电池系统在充放电时电压及容量数据提取并微分处理得到的[V,dQ]数组为基础,通过搜索数组中最大值峰位,在最大值峰位左右两侧以某固定步长搜索波谷,锁定波谷后在波谷往外延伸的方向继续搜索下一个波峰,通过计算所有搜索到的波峰高度、波峰位置是否满足一定条件来辨识所得到的峰是否为真正的有效峰,最后通过对比所有锁定的有效峰的峰位电压高低来确定峰的属性,从而克服传统电池容量微分曲线中峰位、峰个数等信息需要人工提取的问题,实现大数据自动提取峰个数、峰位信息,可适应于双峰或多峰体系的电池系统,适用于不同材料体系的电池系统。

Description

一种大数据系统容量微分多峰曲线的峰位峰强识别方法
技术领域
本发明涉及车辆运营评价技术领域,更具体地说是指一种大数据系统容量微分多峰曲线的峰位峰强识别方法。
背景技术
新能源汽车的动力电池系统是由若干个电芯通过串并联组成,该系统的性能受到电芯一致性影响。新能源汽车动力电池系统经历长时间使用后,电池单体之间因温度、自放电率、容量衰减速率、库仑效率等不同会导致电池单体之间的SOC出现不一致现象,即容量不均衡。该种不均衡现象会使电池系统可用容量减少,利用效率降低,使车辆行驶里程减少。
为了估算电池可用剩余容量或者衡量电池系统的不均衡程度,以判断电池组容量的不均衡等情况,本申请人提供了一种磷酸铁锂电池系统容量不均衡程度的估算方法(授权公告号为CN109946616B),该方法主要是搜集车辆最高单体电压Vmax、最低单体电压Vmin在充电过程的时间与电流数据;对数据进行平滑处理,并做容量微分处理,同时,对dQ/dV与V进行作图处理;对dQ/dV~V图中所出现的峰值进行P1~P3的归类;对同类峰进行峰位差的计算,并求出dQ/dVmax与dQ/dVmin的峰位差ΔV;利用得到的峰位差ΔV值进行不均衡程度ΔSOC的计算。其中,该方法或者现有技术中,由于电池容量微分曲线中有多个峰,并且采用的是对dQ/dV与V进行作图处理,因此在获取电池容量微分曲线中真正可用的峰的峰个数、峰位置和峰强度,是需要人工判断提取得到,而在线车辆后台大数据系统中,人工判断提取存在有局限性,费时费力,难以充分利用大数据系统的优势,实现自动、快速、便捷提供峰位、峰强、峰属性等信息。
发明内容
本发明公开的是一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其主要目的在于克服现有技术存在的上述不足和缺陷。
本发明采用如下技术方案:
一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于,首先通过电池系统充放电时电压及容量数据提取并微分处理得到多峰曲线数组,其次搜索数组中最大值峰位,在最大值峰位左右两侧以某固定步长搜索波谷,锁定波谷后在波谷往外延伸的方向继续搜索下一个波峰,通过计算所有搜索到的波峰高度、波峰位置是否满足一定条件来辨识所得到的峰是否为真正的有效峰,最后通过对比所有锁定的有效峰的峰位电压高低来确定峰的属性,具体包括以下步骤:
步骤一,将多峰电池系统在充放电时电压及容量数据提取并微分处理,得到[V,dQ]数组,该数组为N行2列;
步骤二,搜索数组中dQ的最大值,将该值所在数组中的位置标记为a1;
步骤三,寻找数组中a1位置对应的V的值,标记为V1,并作为Vi的初值;
步骤四,设定电压步长stepV的值,在Vi往右或往左跨一步电压步长stepV的值,并将跨步后该值所在数组的位置标记为a2;
步骤五,在数组中a2和a1之间搜索dQ的最小值,并将该值所在数组的位置标记为a_valley;
步骤六,在数组中a_valley往右或往左延伸搜索dQ的最大值,并将该值标记为dQ(a_peak)以及该值所在数组中的位置标记为a_peak;
步骤七,判断a_peak是否同时满足以下三个条件,{ a_peak与a_valley的间距>设定值X } & { dQ(a_peak)/ dQ(a1) >设定值Y} &{ a_peak 与数组边缘的间距>设定值Z},如果同时满足,则确认找的a_peak位置的V(a_peak)为有效峰,将其定位为Vi+1,以该位置作为新的搜索原点,令Vi=Vi+1,以Vi+1作为新的搜索原点继续搜索,即进入步骤八;如果a_peak不能同时满足上述三个条件,则认定找的a_peak位置的V(a_peak)为无效峰,此时令Vi=Vi+stepV,以Vi+stepV为新的搜索原点继续搜索,即进入步骤八;
步骤八,继续搜索时,判断同方向搜索次数,如果同方向搜索次数大于(有效峰的个数-1)时,则进入步骤四,以同方向继续搜索,否则以反方向继续搜索并判断反方向搜索次数;当反方向的搜索次数小于(有效峰的个数-1)时,则继续进入步骤四以反方向搜索,否则结束搜索;
步骤九,结束搜索后,对所有Vi所出过的有效峰个数进行计数,给出有效峰的峰位值,并按峰位值的大小排序来确定峰的属性。
进一步地,所述步骤四中step的值以0为初值逐步增大由程序自动识别适合的值,或者根据电池种类特性及衰老变化规律确定的经验值,该经验值为常数或可变参数。
进一步地,所述步骤七中设定值X为3,设定值Y为0.5,设定值Z为3。
进一步地,所述步骤一的多峰电池系统为磷酸铁锂电池系统,所述[V,dQ]数组由所述磷酸铁锂电池系统在充放电时最高单体电压及容量数据提取并微分处理后得到,该数组为N行2列。
进一步地,所述步骤四中stepV的值由程序从0逐步增大自动调整得出,并以V2=V1+stepV,往右搜索V2所在数组的位置,并标记为a2。
进一步地,所述步骤六,搜索数组中a_valley与数组边缘N之间的dQ的最大值,并将该值标记为dQ(a_max)以及该值所在数组中的位置标记为a_max。
进一步地,基于磷酸铁锂电池系统在在可用SOC 区间内仅有两个峰,所述步骤七,判断a_max是否同时满足以下三个条件,{ a_max与a_valley的间距>设定值X } & { dQ(a_max)/ dQ(a1)>设定值Y} &{ a_max 与数组边缘N的间距>设定值Z},如果同时满足,则确定往右搜索到的a_max位置处的峰值为有效峰,峰位为V(a_max),并且令Peak1=V(a_max),Peak2=V(a1),进入步骤九;如果不能同时满足,则确定往右搜索到的a_max位置处的峰值为无效峰,进入步骤八;
步骤八,继续搜索,以V3=V1-stepV,往左搜索V3所在数组中的位置并标记为a3,在a3与a1之间搜索dQ的最小值,并将该值所在数组的位置重新标记为a_valley;在数组边缘1与a_valley之间搜索dQ的最大值,并将该值重新标记为dQ(a_max)以及该值所在数组中的位置重新标记为a_max;判断a_max是否同时满足以下三个条件,{ a_max与a_valley的间距>设定值X } & { dQ(a_max)/ dQ(a1)>设定值Y} &{ a_max 与数组边缘1的间距>设定值Z},如果同时满足,则确定往左搜索到的a_max位置处的峰值为有效峰,峰位为V(a_max),并且令Peak1=V(a_max),Peak2=V(a1),进入步骤九;如果不能同时满足,则确定往左搜索到的a_max位置处的峰值为无效峰,进入步骤九;
步骤九,结束搜索后,对所有Vi所出过的有效峰个数进行计数,确定有效有效峰的个数为1或2,确定Peak1和Peak2的峰位。
由上述对本发明结构的描述可知,和现有技术相比,本发明具有如下优点:
本发明以多峰电池系统在充放电时电压及容量数据提取并微分处理得到的[V,dQ]数组为基础,通过搜索数组中最大值峰位,在最大值峰位左右两侧以某固定步长搜索波谷,锁定波谷后在波谷往外延伸的方向继续搜索下一个波峰,通过计算所有搜索到的波峰高度、波峰位置是否满足一定条件来辨识所得到的峰是否为真正的有效峰,最后通过对比所有锁定的有效峰的峰位电压高低来确定峰的属性,从而克服传统电池容量微分曲线中峰位、峰个数等信息需要人工提取的问题,实现大数据自动提取峰个数、峰位信息,可适应于双峰或多峰体系的电池系统,适用于不同材料体系的电池系统。
附图说明
图1为本发明实例例一峰位峰强识别方法流程示意图;
图2为本发明实例例二峰位峰强识别方法流程示意图。
具体实施方式
下面参照附图说明本发明实施例的具体实施方式。
实施例一
参照图1,本发明一种大数据系统容量微分多峰曲线的峰位峰强识别方法,应用于多峰电池体系中,通过电池系统充放电时电压及容量数据提取并微分处理得到多峰曲线数组后,搜索数组中最大值峰位,在最大值峰位左右两侧以某固定步长搜索波谷,该步长由程序通过自适应自动确定或者是技术人员通过电池特性自定义的经验值,锁定波谷后在波谷往外延伸的方向继续搜索下一个波峰,通过计算所有搜索到的波峰高度、波峰位置是否满足一定条件来辨识所得到的峰是否为真正的有效峰,最后通过对比所有锁定的有效峰的峰位电压高低来确定峰的属性,具体包括以下步骤:
步骤一,将多峰电池系统在充放电时电压及容量数据提取并微分处理,得到[V,dQ]数组,该数组为N行2列。
步骤二,搜索数组中dQ的最大值,将该值所在数组中的位置标记为a1。
步骤三,寻找数组中a1位置对应的V的值,标记为V1,并作为Vi的初值。
步骤四,设定电压步长stepV的值,在Vi往右或往左跨一步电压步长stepV的值,并将跨步后该值所在数组的位置标记为a2。本发明中stepV的值可以是以0为初值逐步增大由程序自动识别适合的值,也可以是技术员根据电池种类特性及衰老变化规律确定的经验值,该经验值为常数或可变参数。
步骤五,在数组中a2和a1之间搜索dQ的最小值,并将该值所在数组的位置标记为a_valley。
步骤六,在数组中a_valley往右或往左延伸搜索dQ的最大值,并将该值标记为dQ(a_peak)以及该值所在数组中的位置标记为a_peak。
步骤七,判断a_peak是否同时满足以下三个条件,{ a_peak与a_valley的间距>设定值X } & { dQ(a_peak)/ dQ(a1)>设定值Y} &{ a_peak 与数组边缘的间距>设定值Z}。本发明中设定值X、设定值Y和设定值Z可根据电池体系不同或电池种类不同等情况做出相应的调整,在本实施例中具体调整为{ a_peak与a_valley的间距>3 } & { dQ(a_peak)/ dQ(a1)>0.5} &{ a_peak 与数组边缘的间距>3}。如果同时满足这三条件,则确认找的a_peak位置的V(a_peak)为有效峰,将其定位为Vi+1,以该位置作为新的搜索原点,令Vi=Vi+1,以Vi+1作为新的搜索原点继续搜索,即进入步骤八;如果a_peak不能同时满足上述三个条件,则认定找的a_peak位置的V(a_peak)为无效峰,此时令Vi=Vi+stepV,以Vi+stepV为新的搜索原点继续搜索,即进入步骤八。
步骤八,继续搜索时,先判断同方向搜索次数,如果同方向搜索次数大于(有效峰的个数-1)时,则进入步骤四,以同方向继续搜索,否则以反方向继续搜索。反方向搜索时,先判断反方向搜索次数;当反方向的搜索次数小于(有效峰的个数-1)时,则继续进入步骤四以反方向搜索,否则结束搜索。
步骤九,结束搜索后,对所有Vi所出过的有效峰个数进行计数,给出有效峰的峰位值,并按峰位值的大小排序来确定峰的属性。
实施例二
参照图2,一种大数据系统容量微分多峰曲线的峰位峰强识别方法,本发明应用于磷酸铁锂电池系统,磷酸铁锂电池系统在车辆常用的SOC区间内,其微分容量曲线包含有2个峰,对于该体系电池数据处理流程如下:
步骤一,将磷酸铁锂电池系统在充放电时最高单体电压及容量数据提取并微分处理后,得到[Vmax,dQmax]数组,该数组为N行2列。
步骤二,搜索数组中dQmax的最大值,将该值所在数组中的位置标记为a1。
步骤三,寻找数组中a1位置对应的V的值,标记为V1。
步骤四,设定stepV的值,stepV的值由程序从0逐步增大自动调整得出合适的值,并以V2=V1+stepV,往右搜索V2所在数组的位置,并标记为a2 。
步骤五,在数组中a2和a1之间搜索dQmax的最小值,并将该值所在数组的位置标记为a_valley。
步骤六,搜索数组中a_valley与数组边缘N之间的dQmax的最大值,并将该值标记为dQmax(a_max)以及该值所在数组中的位置标记为a_max。
步骤七,判断a_max是否同时满足以下三个条件,{ a_max与a_valley的间距>3 }& { dQmax(a_max)/ dQmax(a1)]>0.3} &{ a_max 与数组边缘N的间距>3},如果同时满足,则确定往右搜索到的a_max位置处的峰值为有效峰,峰位为Vmax(a_max),并且令Peak1=Vmax(a_max),Peak2=Vmax(a1),进入步骤九;如果不能同时满足,则确定往右搜索到的a_max位置处的峰值为无效峰,继续搜索,进入步骤八。
步骤八,由于酸铁锂电池体系在可用SOC 区间内仅有两个峰,如果往右方向搜索1次后,搜索次数不满足小于(有效峰的个数-1),因此在继续搜索时,下一步的搜索方向将是反方向搜索,即往左搜索。以V3=V1-stepV,往左搜索V3所在数组中的位置并标记为a3,在a3与a1之间搜索dQmax的最小值,并将该值所在数组的位置重新标记为a_valley;在数组边缘1与a_valley之间搜索dQmax的最大值,并将该值重新标记为dQmax(a_max)以及该值所在数组中的位置重新标记为a_max;判断a_max是否同时满足以下三个条件,{ a_max与a_valley的间距>3 } & { dQ(a_max)/ dQ(a1)>0.5} &{ a_max 与数组边缘1的间距>3},如果同时满足,则确定往左搜索到的a_max位置处的峰值为有效峰,峰位为V(a_max),并且令Peak1=Vmax(a_max),Peak2=Vmax(a1),进入步骤九;如果不能同时满足,则确定往左搜索到的a_max位置处的峰值为无效峰,进入步骤九。
步骤九,结束搜索后,对所有Vi所出过的有效峰个数进行计数,确定有效有效峰的个数为1或2,确定Peak1和Peak2的峰位值。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。

Claims (7)

1.一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于,首先通过电池系统充放电时电压及容量数据提取并微分处理得到多峰曲线数组,其次搜索数组中最大值峰位,在最大值峰位左右两侧以某固定步长搜索波谷,锁定波谷后在波谷往外延伸的方向继续搜索下一个波峰,通过计算所有搜索到的波峰高度、波峰位置是否满足一定条件来辨识所得到的峰是否为真正的有效峰,最后通过对比所有锁定的有效峰的峰位电压高低来确定峰的属性,具体包括以下步骤:
步骤一,将多峰电池系统在充放电时电压及容量数据提取并微分处理,得到[V,dQ]数组,该数组为N行2列;
步骤二,搜索数组中dQ的最大值,将该值所在数组中的位置标记为a1;
步骤三,寻找数组中a1位置对应的V的值,标记为V1,并作为Vi的初值;
步骤四,设定电压步长stepV的值,在Vi往右或往左跨一步电压步长stepV的值,并将跨步后的值所在数组的位置标记为a2;
步骤五,在数组中a2和a1之间搜索dQ的最小值,并将该值所在数组的位置标记为a_valley;
步骤六,在数组中a_valley往右或往左延伸搜索dQ的最大值,并将该值标记为dQ(a_peak)以及该值所在数组中的位置标记为a_peak;
步骤七,判断a_peak是否同时满足以下三个条件,{ a_peak与a_valley的间距>设定值X } & { dQ(a_peak)/ dQ(a1) >设定值Y} &{ a_peak 与数组边缘的间距>设定值Z},如果同时满足,则确认找的a_peak位置的V(a_peak)为有效峰,将其定位为Vi+1,以该位置作为新的搜索原点,令Vi=Vi+1,以Vi+1作为新的搜索原点继续搜索,即进入步骤八;如果a_peak不能同时满足上述三个条件,则认定找的a_peak位置的V(a_peak)为无效峰,此时令Vi=Vi+stepV,以Vi+stepV为新的搜索原点继续搜索,即进入步骤八;
步骤八,继续搜索时,判断同方向搜索次数,如果同方向搜索次数大于(有效峰的个数-1)时,则进入步骤四,以同方向继续搜索,否则以反方向继续搜索并判断反方向搜索次数;当反方向的搜索次数小于(有效峰的个数-1)时,则继续进入步骤四以反方向搜索,否则结束搜索;
步骤九,结束搜索后,对所有Vi所出过的有效峰个数进行计数,给出有效峰的峰位值,并按峰位值的大小排序来确定峰的属性。
2.根据权利要求 1 所述的一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于:所述步骤四中step的值以0为初值逐步增大由程序自动识别适合的值,或者根据电池种类特性及衰老变化规律确定的经验值,该经验值为常数或可变参数。
3.根据权利要求 1 所述的一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于:所述步骤七中设定值X为3,设定值Y为0.5,设定值Z为3。
4.根据权利要求 1 所述的一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于:所述步骤一的多峰电池系统为磷酸铁锂电池系统,所述[V,dQ]数组由所述磷酸铁锂电池系统在充放电时最高单体电压及容量数据提取并微分处理后得到,该数组为N行2列。
5.根据权利要求 4 所述的一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于:所述步骤四中stepV的值由程序从0逐步增大自动调整得出,并以V2=V1+stepV,往右搜索V2所在数组的位置,并标记为a2。
6.根据权利要求5 所述的一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于:所述步骤六,搜索数组中a_valley与数组边缘N之间的dQ的最大值,并将该值标记为dQ(a_max)以及该值所在数组中的位置标记为a_max。
7.根据权利要求 6 所述的一种大数据系统容量微分多峰曲线的峰位峰强识别方法,其特征在于:所述步骤七,判断a_max是否同时满足以下三个条件,{ a_max与a_valley的间距>设定值X } & { dQ(a_max)/ dQ(a1)>设定值Y} &{ a_max 与数组边缘N的间距>设定值Z},如果同时满足,则确定往右搜索到的a_max位置处的峰值为有效峰,峰位为V(a_max),并且令Peak1=V(a_max),Peak2=V(a1),进入步骤九;如果不能同时满足,则确定往右搜索到的a_max位置处的峰值为无效峰,进入步骤八;
步骤八,继续搜索,以V3=V1-stepV,往左搜索V3所在数组中的位置并标记为a3,在a3与a1之间搜索dQ的最小值,并将该值所在数组的位置重新标记为a_valley;在数组边缘1与a_valley之间搜索dQ的最大值,并将该值重新标记为dQ(a_max)以及该值所在数组中的位置重新标记为a_max;判断a_max是否同时满足以下三个条件,{ a_max与a_valley的间距>设定值X } & { dQ(a_max)/ dQ(a1)>设定值Y} &{ a_max 与数组边缘1的间距>设定值Z},如果同时满足,则确定往左搜索到的a_max位置处的峰值为有效峰,峰位为V(a_max),并且令Peak1=V(a_max),Peak2=V(a1),进入步骤九;如果不能同时满足,则确定往左搜索到的a_max位置处的峰值为无效峰,进入步骤九;
步骤九,结束搜索后,对所有Vi所出过的有效峰个数进行计数,确定有效有效峰的个数为1或2,确定Peak1和Peak2的峰位值。
CN202110411691.4A 2021-04-16 2021-04-16 一种大数据系统容量微分多峰曲线的峰位峰强识别方法 Active CN113109719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110411691.4A CN113109719B (zh) 2021-04-16 2021-04-16 一种大数据系统容量微分多峰曲线的峰位峰强识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110411691.4A CN113109719B (zh) 2021-04-16 2021-04-16 一种大数据系统容量微分多峰曲线的峰位峰强识别方法

Publications (2)

Publication Number Publication Date
CN113109719A true CN113109719A (zh) 2021-07-13
CN113109719B CN113109719B (zh) 2023-05-05

Family

ID=76717813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110411691.4A Active CN113109719B (zh) 2021-04-16 2021-04-16 一种大数据系统容量微分多峰曲线的峰位峰强识别方法

Country Status (1)

Country Link
CN (1) CN113109719B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120290234A1 (en) * 2011-05-13 2012-11-15 Gm Global Technology Operations, Llc. Systems and methods for determining cell capacity values in a multi-cell battery
JP2015049136A (ja) * 2013-09-02 2015-03-16 株式会社島津製作所 ピーク抽出方法及びプログラム
US20160190829A1 (en) * 2014-12-25 2016-06-30 Ningde Contemporary Amperex Technology Limited Passive equalization method and system for lithium iron phosphate battery pack
CN111239607A (zh) * 2019-10-16 2020-06-05 厦门金龙联合汽车工业有限公司 磷酸铁锂电池系统容量不均衡度的大数据提取计算方法
CN111693882A (zh) * 2020-06-30 2020-09-22 厦门金龙联合汽车工业有限公司 一种换电电池健康状态的评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120290234A1 (en) * 2011-05-13 2012-11-15 Gm Global Technology Operations, Llc. Systems and methods for determining cell capacity values in a multi-cell battery
JP2015049136A (ja) * 2013-09-02 2015-03-16 株式会社島津製作所 ピーク抽出方法及びプログラム
US20160190829A1 (en) * 2014-12-25 2016-06-30 Ningde Contemporary Amperex Technology Limited Passive equalization method and system for lithium iron phosphate battery pack
CN111239607A (zh) * 2019-10-16 2020-06-05 厦门金龙联合汽车工业有限公司 磷酸铁锂电池系统容量不均衡度的大数据提取计算方法
CN111693882A (zh) * 2020-06-30 2020-09-22 厦门金龙联合汽车工业有限公司 一种换电电池健康状态的评价方法

Also Published As

Publication number Publication date
CN113109719B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN111142036B (zh) 基于容量增量分析的锂离子电池在线快速容量估计方法
CN103269096B (zh) 一种基于聚类分析的电池组均衡方法
CN109946616B (zh) 一种磷酸铁锂电池系统容量不均衡程度的估算方法
CN110429322B (zh) 锂电池一致性分类方法、装置、设备和可读存储介质
CN108490366B (zh) 电动汽车退役电池模块健康状态的快速评估方法
CN111693882B (zh) 一种换电电池健康状态的评价方法
CN110614236A (zh) 一种退役电池梯次利用的筛选方法
CN111974709B (zh) 基于温度变化聚类分析的退役动力锂电池筛选方法及系统
CN102355031A (zh) 一种磷酸铁锂动力电池组主动均衡充电方法及装置
CN105280969B (zh) 一种缩小串联电池组之间放电压差的磷酸铁锂电池配组方法
CN104577226A (zh) 一种提高动力电池组循环使用寿命的配组方法
CN111064253A (zh) 一种基于平均离散Fréchet距离的电池健康度快速评估方法
CN111420898A (zh) 一种退役电池分选方法及其应用的系统
CN112698217B (zh) 基于粒子群优化算法的电池单体容量估计方法
CN117199569B (zh) 一种退役电池梯次利用方法
CN113109719A (zh) 一种大数据系统容量微分多峰曲线的峰位峰强识别方法
CN114487835A (zh) 一种粒子群优化birch算法的退役动力电池等级划分方法
CN110687464B (zh) 可调速式梯次利用动力电池的分选方法
CN111797568A (zh) 一种基于最小能耗的锂电池充电方法
CN111239607A (zh) 磷酸铁锂电池系统容量不均衡度的大数据提取计算方法
CN116078697A (zh) 一种考虑长期一致性的电动汽车退役电池的筛选重组方法
CN115889245A (zh) 一种锂电池一致性分选方法
CN111814099B (zh) 一种指导招标采购用的电化学储能系统评价方法
CN114611595A (zh) 一种储能系统电池的电压曲线自学习方法
CN108110283B (zh) 一种液流电池储能系统异常数据识别方法

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