CN113156326B - 一种基于大数据的锂电池健康度预警方法 - Google Patents
一种基于大数据的锂电池健康度预警方法 Download PDFInfo
- Publication number
- CN113156326B CN113156326B CN202110376516.6A CN202110376516A CN113156326B CN 113156326 B CN113156326 B CN 113156326B CN 202110376516 A CN202110376516 A CN 202110376516A CN 113156326 B CN113156326 B CN 113156326B
- Authority
- CN
- China
- Prior art keywords
- data
- term
- short
- early warning
- health degree
- 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
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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)
Abstract
本发明涉及一种基于大数据的锂电池健康度预警方法包括以下步骤:S1、获取锂电池历史数据MsgData[n,m],并生成有效历史数据MsgData[nv,m];S2、基于预定义的短期历史数据条件对有效历史数据MsgData[nv,m]进行筛选并生成短期历史数据MsgData_short[ns,m];S3、基于预定义的短期模式识别模块对短期历史数据进行模式识别,生成不同的短期模式数据,随后对不同的短期模式数据进行预警信号阈值的定义。该基于大数据的锂电池健康度预警方法,可以对电池在不同的运行工况下的一些潜在问题提前进行预警,通过这些预警可以及时的了解到电池的健康度问题,可以及时通过提醒驾驶者进行保养以延长电池寿命。
Description
技术领域
本发明属于新能源汽车技术领域,具体涉及一种基于大数据的锂电池健康度预警方法。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料,但采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车。新能源汽车包括有:混合动力汽车(HEV)、纯电动汽车(BEV)、燃料电池汽车(FCEV)、氢发动机汽车以及燃气汽车、醇醚汽车等等。
混合动力是指那些采用传统燃料的,同时配以电动机/发动机来改善低速动力输出和燃油消耗的车型。按照能否外接充电又可以分为插电式混合动力汽车(PHEV)和非插电式混合动车汽车(MHEV)。
纯电动汽车顾名思义就是主要采用电力驱动的汽车,大部分车辆直接采用电机驱动,有一部分车辆把电动机装在发动机舱内,也有一部分直接以车轮作为四台电动机的转子,其难点在于电力储存技术。本身不排放污染大气的有害气体,即使按所耗电量换算为发电厂的排放,除硫和微粒外,其它污染物也显著减少,由于电厂大多建于远离人口密集的城市,对人类伤害较少,而且电厂是固定不动的,集中的排放,清除各种有害排放物较容易,也已有了相关技术。由于电力可以从多种一次能源获得,如煤、核能、水力、风力、光、热等,解除人们对石油资源日见枯竭的担心。电动汽车还可以充分利用晚间用电低谷时富余的电力充电,使发电设备日夜都能充分利用,大大提高其经济效益。有关研究表明,同样的原油经过粗炼,送至电厂发电,经充入电池,再由电池驱动汽车,其能量利用效率比经过精炼变为汽油,再经汽油机驱动汽车高,因此有利于节约能源和减少二氧化碳的排量。
而锂电池是目前新能源汽车特别是纯电动汽车只最关键的部件,锂电池的好坏直接影响到汽车的续驶里程以及整车的故障率,锂电池的电芯的不一致性很容易导致在充放电过程中电池的受损,因此对电池运行过程中各个数据的监测以及预测电池的健康状态,来确保电池的健康度保持在较高的水平显得更为重要。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于大数据的锂电池健康度预警方法。
本发明通过以下技术方案来实现上述目的:
一种基于大数据的锂电池健康度预警方法,包括以下步骤:
S1、获取锂电池历史数据MsgData[n,m],并生成有效历史数据 MsgData[nv,m];
S2、基于预定义的短期历史数据条件对有效历史数据MsgData[nv,m]进行筛选并生成短期历史数据MsgData_short[ns,m];
S3、基于预定义的短期模式识别模块对短期历史数据进行模式识别,生成不同的短期模式数据,随后对不同的短期模式数据进行预警信号阈值的定义,根据短期模式数据和预警信号阈值生成短期健康度预警数据;
S4、将有效历史数据按时间倒序排序,基于指定周期对排序后的有效历史数据进行划分并生成分段数据MsgData[n[t],m],基于预定义的长期模式识别模块对分段数据进行模式识别,生成不同的长期模式数据,随后从不同的长期模式数据中提取所需信号以及对应参数的阈值,根据所需信号和阈值生成长期健康度预警数据;
S5、将步骤S4中的短期健康度预警数据和步骤S5中的长期健康度预警数据进行数据整合并生成电池健康度预警信息,随后将电池健康度预警信息上传至终端。
作为本发明的进一步优化方案,所述步骤S1中获取的历史数据 MsgData[n,m]中,n为历史数据的行数,m为信号数目,其中,信号的类型包括电芯电压、电流、电池温度、车辆速度、车辆位置信息、充电状态、电门开度以及刹车踏板开度。
作为本发明的进一步优化方案,所述步骤S2中预定义的短期历史数据条件为进行获取操作前0-24h内的历史数据,该时间段可根据锂电池实际使用情况进行适应性调整。
作为本发明的进一步优化方案,所述步骤S3包括以下具体步骤:
S31、基于短期历史数据判断出锂电池的各种运行模式Mode_short(s),其中s为短期模式个数;
S32、生成Mode_short(s)中各种模式下对应的信号组合阈值配置信息 Mode_short_Parm(s),若模式下有多个信号组合,则生成信号组合阈值配置信息Mode_short_Parm(l),其中l∈(1,s);
S33、对短期历史数据的特定模型Mode_short(l)进行健康度分析,短期健康度通过相关信号的报警持续时间占短期历史数据的时间比例来判断电池健康度,当时间占比大于当前模式健康度预警比例阈值时,生成短期健康度预警信号;
S34、对短期历史数据中所有模式的短期健康度预警信号进行汇总并生成短期健康度预警数据。
作为本发明的进一步优化方案,所述步骤S4中的基于预定义的长期模式识别模块对分段数据进行模式识别,生成不同的长期模式数据,随后对不同的长期模式数据进行所需信号匹配以及对应参数的阈值定义,根据所需信号和阈值生成长期健康度预警数据,具体为以下步骤:
S41、对分段数据MsgData[n[t],m]中的每一段数据MsgData[n[i],m],i∈t均进行分析,识别每一段数据中存在的多个模式,并提取处每个模式中的预警信号相关数据与预警阈值;
S42、对MsgData[n[t],m]所有段数据进行处理后,得出每段数据下的各个模式的预警次数HealAlr[t,x],其中x为长期历史数据预定义的所有模式个数;
S43、通过多段的HealAlr[t,y],y∈(1,x)反映出模式y的所有历史数据的分段次数,因依据此分段次数的局部累积和对电池的健康度进行预警;
S44、将长期历史数据中的所有模式预警进行汇总生成长期健康度预警数据。
本发明的有益效果在于:
本发明可以对电池在不同的运行工况下的一些潜在问题提前进行预警,通过这些预警可以及时的了解到电池的健康度问题,可以及时通过提醒驾驶者进行保养以延长电池寿命。
附图说明
图1是本发明的各模式预警的流程图。
具体实施方式
下面结合附图对本申请作进一步详细描述,有必要在此指出的是,以下具体实施方式只用于对本申请进行进一步的说明,不能理解为对本申请保护范围的限制,该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的改进和调整。
实施例1
如图1所示,一种基于大数据的锂电池健康度预警方法,包括以下步骤:
S1、获取锂电池历史数据MsgData[n,m],并生成有效历史数据 MsgData[nv,m];
其中,步骤S1中获取的历史数据MsgData[n,m]中,n为历史数据的行数,m为信号数目,其中,信号的类型包括电芯电压、电流、电池温度、车辆速度、车辆位置信息、充电状态、电门开度以及刹车踏板开度。信号类型不仅限于上述几种类型,也可以对其他的数据进行采集和计算,使得电池的安全健康度预警更加的精准。
S2、基于预定义的短期历史数据条件对有效历史数据MsgData[nv,m]进行筛选并生成短期历史数据MsgData_short[ns,m];
其中,步骤S2中预定义的短期历史数据条件为进行获取操作前0-24h 内的历史数据,该时间段可根据锂电池实际使用情况进行适应性调整。
S3、基于预定义的短期模式识别模块对短期历史数据进行模式识别,生成不同的短期模式数据,随后对不同的短期模式数据进行预警信号阈值的定义,根据短期模式数据和预警信号阈值生成短期健康度预警数据;
其中,进行识别的模式如根据充电状态信号与整车状态信号判断电池是充电还是放电模式,依据电流来判断是处于快充还是慢充模式,通过各种信号的组合定义出短期模式识别模块对历史数据进行模式识别,针对不同的短期模式,定义此模式下的预警信号阈值,使用此预警阈值进行短期健康度预警;
步骤S3包括以下具体步骤:
S31、基于短期历史数据判断出锂电池的各种运行模式Mode_short(s),其中s为短期模式个数;模式包括但不限于如依据充电状态信号与整车状态信号判断电池是处于充电模式还是放电模式,在放电模式下可以依据电流的大小以及电门开度与刹车踏板开度来区分驾驶模式,如运动、经济、一般、急加速、急减速等模式;
S32、生成Mode_short(s)中各种模式下对应的信号组合阈值配置信息 Mode_short_Parm(s),若模式下有多个信号组合,则生成信号组合阈值配置信息Mode_short_Parm(l),其中l∈(1,s)是一个多维向量,如在某模式下需要通过压差与温度综合判断;
S33、对短期历史数据的特定模型Mode_short(l)进行健康度分析,短期健康度通过相关信号的报警持续时间占短期历史数据的时间比例来判断电池健康度,当时间占比大于当前模式健康度预警比例阈值时,生成短期健康度预警数据;如使用压差报警来作为判断标准来说,定义好某个模式下的压差报警的所有持续时间与短期数据的总时间的比值大于当前模式下的健康度预警比例阈值时,进行健康度预警;
S34、对短期历史数据中所有模式的短期健康度预警数据进行汇总,当有至少一个模式触发短期健康度预警时,报短期电池健康度预警,将模式信息包含在预警项中。
S4、将有效历史数据按时间倒序排序,基于指定周期对排序后的有效历史数据进行划分并生成分段数据MsgData[n[t],m],基于预定义的长期模式识别模块对分段数据进行模式识别,生成不同的长期模式数据,随后从不同的长期模式数据中提取所需信号以及对应参数的阈值,根据所需信号和阈值生成长期健康度预警数据;
其中,指定周期为天或数据条数,如按天或数据条数对多组数据进行划分,划分完的数据为MsgData[n[t],m],其中的t表示将数据划分为t段,针对每一段n[i],i∈(1,t)的数据进行模式识别,对不同的模式中匹配所需信号与对应参数的阈值,使用此信号与阈值进行健康度预警;
步骤S4中的基于预定义的长期模式识别模块对分段数据进行模式识别,生成不同的长期模式数据,随后对不同的长期模式数据进行所需信号匹配以及对应参数的阈值定义,根据所需信号和阈值生成长期健康度预警数据,具体为以下步骤:
S41、对分段数据MsgData[n[t],m]中的每一段数据MsgData[n[i],m],i∈t均进行分析,识别每一段数据中存在的多个模式,并提取处每个模式中的预警信号相关数据与预警阈值;如某段数据可能包含有充电、放电、急加速模式或静置模式等,对每个模式下预警信号的相关参数进行标定,如最高电压、压差、温度等阈值参数,提取出的信号为MsgData[n[i],k],k为当前模式下所需的信号个数;对数据进行分析,记录此段数据的预警次数;
S42、对MsgData[n[t],m]所有段数据进行处理后,得出每段数据下的各个模式的预警次数HealAlr[t,x],其中x为长期历史数据预定义的所有模式个数;如HealAlr[2,3]表示第二段数据的第三种模式的预警次数为10次;
S43、通过多段的HealAlr[t,y],y∈(1,x)反映出模式y的所有历史数据的分段次数,因依据此分段次数的局部累积和对电池的健康度进行预警;
其中局部累积和是按照段数累增的方式,如第一、二段的累积和为 HealAlr[1,y]+HealAlr[2,y]、第一、二、三段累积和为 HealAlr[1,y]+HealAlr[2,y]+HealAlr[3,y],通过不同段的累积来判断是否超过了预定义的对应模式下的长期累积次数AlrTime[q,y],q的个数与t相同,如定义AlrTime[3,y]=9表示在y模式下最近三段数据的总预警次数阈值为 9,若HealAlr[1,y]+HealAlr[2,y]+HealAlr[3,y]≥AlrTime[3,y],长期历史数据模式3报预警故障;
S44、将长期历史数据中的所有模式预警进行汇总生成长期健康度预警数据,当有至少一个模式触发长期健康度预警,则报长期健康度预警,且将长期模式预警信息包含在长期预警信息中。
S5、将步骤S4中的短期健康度预警数据和步骤S5中的长期健康度预警数据进行数据整合并生成电池健康度预警信息,随后将电池健康度预警信息上传至终端。
需要说明的是,预警触发包含了信号数据滤波去抖方法。
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。
Claims (5)
1.一种基于大数据的锂电池健康度预警方法,其特征在于,包括以下步骤:
S1、获取锂电池历史数据MsgData[n,m],并生成有效历史数据MsgData[nv,m];
S2、基于预定义的短期历史数据条件对有效历史数据MsgData[nv,m]进行筛选并生成短期历史数据MsgData_short[ns,m];
S3、基于预定义的短期模式识别模块对短期历史数据进行模式识别,生成不同的短期模式数据,随后对不同的短期模式数据进行预警信号阈值的定义,根据短期模式数据和预警信号阈值生成短期健康度预警数据;
S4、将有效历史数据按时间倒序排序,基于指定周期对排序后的有效历史数据进行划分并生成分段数据MsgData[n[t],m],基于预定义的长期模式识别模块对分段数据进行模式识别,生成不同的长期模式数据,随后从不同的长期模式数据中提取所需信号以及对应参数的阈值,根据所需信号和阈值生成长期健康度预警数据;
S5、将步骤S3中的短期健康度预警数据和步骤S4中的长期健康度预警数据进行数据整合并生成电池健康度预警信息,随后将电池健康度预警信息上传至终端。
2.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法,其特征在于:所述步骤S1中获取的历史数据MsgData[n,m]中,其中,信号的类型包括电芯电压、电流、电池温度、车辆速度、车辆位置信息、充电状态、电门开度以及刹车踏板开度。
3.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法,其特征在于:所述步骤S2中预定义的短期历史数据条件为进行获取操作前0-24h内的历史数据,该时间段可根据锂电池实际使用情况进行适应性调整。
4.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法,其特征在于,所述步骤S3包括以下具体步骤:
S31、基于短期历史数据判断出锂电池的各种运行模式Mode_short(s),其中s为短期模式个数;
S32、生成Mode_short(s)中各种模式下对应的信号组合阈值配置信息Mode_short_Parm(s),若模式下有多个信号组合,则生成信号组合阈值配置信息Mode_short_Parm(l),其中l∈(1,s);
S33、对短期历史数据的特定模型Mode_short(l)进行健康度分析,短期健康度通过相关信号的报警持续时间占短期历史数据的时间比例来判断电池健康度,当时间占比大于当前模式健康度预警比例阈值时,生成短期健康度预警信号;
S34、对短期历史数据中所有模式的短期健康度预警信号进行汇总并生成短期健康度预警数据。
5.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法,其特征在于,所述步骤S4中的基于预定义的长期模式识别模块对分段数据进行模式识别,生成不同的长期模式数据,随后对不同的长期模式数据进行所需信号匹配以及对应参数的阈值定义,根据所需信号和阈值生成长期健康度预警数据,具体为以下步骤:
S41、对分段数据MsgData[n[t],m]中的每一段数据MsgData[n[i],m],i∈t均进行分析,识别每一段数据中存在的多个模式,并提取处每个模式中的预警信号相关数据与预警阈值;
S42、对MsgData[n[t],m]所有段数据进行处理后,得出每段数据下的各个模式的预警次数HealAlr[t,x],其中x为长期历史数据预定义的所有模式个数;
S43、通过多段的HealAlr[t,y],y∈(1,x)反映出模式y的所有历史数据的分段次数,因依据此分段次数的局部累积和对电池的健康度进行预警;
S44、将长期历史数据中的所有模式预警进行汇总生成长期健康度预警数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110376516.6A CN113156326B (zh) | 2021-04-07 | 2021-04-07 | 一种基于大数据的锂电池健康度预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110376516.6A CN113156326B (zh) | 2021-04-07 | 2021-04-07 | 一种基于大数据的锂电池健康度预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113156326A CN113156326A (zh) | 2021-07-23 |
CN113156326B true CN113156326B (zh) | 2022-08-19 |
Family
ID=76889260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110376516.6A Active CN113156326B (zh) | 2021-04-07 | 2021-04-07 | 一种基于大数据的锂电池健康度预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113156326B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107782954B (zh) * | 2017-09-29 | 2019-03-22 | 海南电网有限责任公司电力科学研究院 | 一种基于大量过电压次数数据的变压器过电压预警方法 |
CN108279383B (zh) * | 2017-11-30 | 2020-07-03 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理系统 |
CN108287316B (zh) * | 2018-01-15 | 2020-04-03 | 厦门大学 | 基于阈值扩展卡尔曼算法的蓄电池剩余电量估计方法 |
US11176762B2 (en) * | 2018-02-08 | 2021-11-16 | Geotab Inc. | Method for telematically providing vehicle component rating |
CN112119522A (zh) * | 2018-07-11 | 2020-12-22 | 康明斯公司 | 二次使用锂离子电池在发电中的集成 |
CN110161418B (zh) * | 2019-06-03 | 2020-07-03 | 北京中科奥创科技有限公司 | 蓄电池的健康度预测方法、系统和计算机可读存储介质 |
CN112526378A (zh) * | 2019-09-18 | 2021-03-19 | 中车时代电动汽车股份有限公司 | 一种电池不一致性故障预警方法及设备 |
CN111584952B (zh) * | 2020-04-17 | 2022-04-08 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
CN112467825B (zh) * | 2020-11-04 | 2023-11-24 | 合肥力高动力科技有限公司 | 一种基于大数据的锂电池组均衡方法 |
-
2021
- 2021-04-07 CN CN202110376516.6A patent/CN113156326B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113156326A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Intelligent energy management strategy of hybrid energy storage system for electric vehicle based on driving pattern recognition | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN101625398B (zh) | 一种纯电动车电池寿命计算及报警装置的控制方法 | |
CN107528095B (zh) | 基于新能源车辆存储卡数据的低压蓄电池失效预测方法 | |
CN111775771A (zh) | 一种新能源电动汽车续航预警方法 | |
CN104166102A (zh) | 车用动力电池组的soc使用区间的判定方法 | |
CN102087345B (zh) | 一种电池电流传感器故障诊断控制方法 | |
CN113752843B (zh) | 一种基于赛博物理系统的动力电池热失控预警装置及方法 | |
CN114036459B (zh) | 基于v2g调度响应下的电动汽车用能绿色程度计算方法 | |
CN114889433A (zh) | 一种电动汽车电池热失控报警系统及方法 | |
KR102472040B1 (ko) | 학습된 추론모델 기반 배터리특성 도출시스템 및 그 방법 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
Tepe et al. | Lithium-ion battery utilization in various modes of e-transportation | |
CN113156326B (zh) | 一种基于大数据的锂电池健康度预警方法 | |
CN113435688A (zh) | 动力电池系统的风险排查方法 | |
CN107264303B (zh) | 将车辆行驶工况转化成动力电池运行工况的方法及系统 | |
Xu et al. | Research on estimation method of mileage power consumption for electric vehicles | |
CN116169743A (zh) | 一种电动航空飞机电池管理控制系统及控制方法 | |
CN111055724B (zh) | 纯电动汽车的能量管理系统、方法、车辆及存储介质 | |
Bhaskar et al. | Recent trends on drivetrain control strategies and battery parameters of a hybrid electric vehicle | |
Zhixin et al. | Calculation Method of Electric Vehicle Power Consumption Based on Naive Bayes Classification | |
CN113591225A (zh) | 一种新能源电动汽车能耗计算方法 | |
Shtang et al. | Comparison of energy consumption of different types of passenger public transport in russian operational conditions | |
CN112736894A (zh) | 一种计及风电与电动汽车随机性的两阶段机组组合建模方法 | |
CN201829584U (zh) | 集成于电动车仪表内车用动力电池组管理系统 |
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 | ||
CP03 | Change of name, title or address |
Address after: Room 501, No. 8, No. 300, Changjiang Road, Yantai Economic and Technological Development Zone, Yantai District, China (Shandong) Pilot Free Trade Zone, Yantai City, Shandong Province, 264000 Patentee after: Ligao (Shandong) New Energy Technology Co.,Ltd. Address before: Room 501, No.8, No.300, Changjiang Road, Yantai Economic and Technological Development Zone, Shandong Province 264000 Patentee before: LIGO (Shandong) New Energy Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |