CN113361128A - 一种异常电芯筛选方法、系统、计算机设备及存储介质 - Google Patents
一种异常电芯筛选方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113361128A CN113361128A CN202110707779.0A CN202110707779A CN113361128A CN 113361128 A CN113361128 A CN 113361128A CN 202110707779 A CN202110707779 A CN 202110707779A CN 113361128 A CN113361128 A CN 113361128A
- Authority
- CN
- China
- Prior art keywords
- voltage drop
- abnormal
- battery cell
- drop value
- electric core
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 84
- 238000012216 screening Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 8
- 241001550224 Apha Species 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 18
- 229910001416 lithium ion Inorganic materials 0.000 description 18
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000007772 electrode material Substances 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
- H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Abstract
本发明公开了一种异常电芯筛选方法、系统、计算机设备及存储介质，所述方法包括：检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；判断所述电压降值是否大于最大电压降值；若是，则判定所述电芯为异常电芯；若否，则判定所述电芯为正常电芯。本发明通过将电芯的电压降值与最大电压降值进行对比，不仅能够将电压降异常的电芯筛选出来，降低了异常电芯流入市场的风险，而且具有较高的筛选效率和较好的筛选效果，值得应用推广。
Description
技术领域
本发明涉及锂离子电池技术领域，尤其涉及一种异常电芯筛选方法、系统、计算机设备及存储介质。
背景技术
锂离子电池是一种二次电池(充电电池)，锂离子电池主要依靠锂离子在正极和负极之间移动来工作。在充放电过程中，Li+在两个电极之间往返嵌入和脱嵌：充电时，Li+从正极脱嵌，经过电解质嵌入负极，负极处于富锂状态；放电时则相反。锂离子电池的应用非常广泛，比如应用在3C数码类产品(包括笔记本、数码相机、手机等等)中，或者是应用在汽车、移动基站、储能电站中。其中，当应用在汽车、移动基站、储能电站这些地方时，锂离子电池不再像应用在3C数码类产品的锂离子电池一样以单体使用，更多的是以串联或者并联电池组的形式出现。
由于锂离子电池的制造过程中工序众多且复杂，制造过程中影响电芯安全性能的因素众多，所以市场上经常有因各种原因退回的锂离子电池，比如电压降较大。研究表明，锂离子电池内部存在的微短路、电极材料的副反应以及电极材料间的反应都有可能导致锂离子电池在储存中电压降较大。其中，以锂离子电池内部的微短路为例，引起微短路的情况有很多，包括以下几种：
1、集流体的毛刺刺穿隔膜；
2、粘合剂用量不够或粉体材料润湿不好，造成涂层与集流体粘接牢度不够，涂层剥落而刺穿隔膜；
3、浆料中存在大颗粒粉体，在锂离子电池抽真空后对隔膜的局部过压造成隔膜破裂；
4、隔膜的宽度设计不当。
目前，现有的电芯下线测试无法保证能将所有的异常电芯筛选出来，因为电压降这种异常是随着存储时间的推移才逐渐表现出来的。因此，需要研究出一种长期监测手段，以在出货到市场前判断电芯是否存在电压降异常。
以上信息作为背景信息给出只是为了辅助理解本公开，并没有确定或者承认任意上述内容是否可用作相对于本公开的现有技术。
发明内容
本发明提供一种异常电芯筛选方法、系统、计算机设备及存储介质，以解决现有技术的不足。
为实现上述目的，本发明提供以下的技术方案：
第一方面，本发明实施例提供一种异常电芯筛选方法，所述方法包括：
检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；
将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；
判断所述电压降值是否大于最大电压降值；
若是，则判定所述电芯为异常电芯；
若否，则判定所述电芯为正常电芯。
进一步地，所述异常电芯筛选方法中，在所述判断所述电压降值是否大于最大电压降值的步骤之前，所述方法还包括：
通过压降模型计算最大电压降值。
进一步地，所述异常电芯筛选方法中，所述方法还包括：
基于时刻和SOC，建立如下压降模型，所述SOC为所述电芯的剩余可放电容量除以产品标称容量：
最大电压降值＝k*t^(alpha)；
其中，alpha为SOC的优选形式：apha＝a*SOC+b，SOC的取值范围是0％～100％，0≤alpha≤1，t为时刻，a、b、k为。
进一步地，所述异常电芯筛选方法中，在所述判定所述电芯为异常电芯的步骤之后，所述方法还包括：
将所述异常电芯进行上报，并予以筛除。
第二方面，本发明实施例提供一种异常电芯筛选系统，所述系统包括：
电压检测模块，用于检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；
电压求差模块，用于将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；
压降判断模块，用于判断所述电压降值是否大于最大电压降值；
异常判定模块，用于若所述电压降值大于最大电压降值，则判定所述电芯为异常电芯；若所述电压降值是否小于或等于最大电压降值，则判定所述电芯为正常电芯。
进一步地，所述异常电芯筛选系统中，所述系统还包括模型计算模块，用于：
在所述判断所述电压降值是否大于最大电压降值的步骤之前，通过压降模型计算最大电压降值。
进一步地，所述异常电芯筛选系统中，所述系统还包括模型建立模块，用于：
基于时刻和SOC，建立如下压降模型，所述SOC为所述电芯的剩余可放电容量除以产品标称容量：
最大电压降值＝k*t^(alpha)；
其中，alpha为SOC的优选形式：apha＝a*SOC+b，SOC的取值范围是0％～100％，0≤alpha≤1，t为时刻，a、b、k为常数。
进一步地，所述异常电芯筛选系统中，所述系统还包括异常处理模块，用于：
在所述判定所述电芯为异常电芯的步骤之后，将所述异常电芯进行上报，并予以筛除。
第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上任一方面所述的异常电芯筛选方法。
第四方面，本发明实施例提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令由计算机处理器执行，以实现如上任一方面所述的异常电芯筛选方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例提供的一种异常电芯筛选方法、系统、计算机设备及存储介质，通过将电芯的电压降值与最大电压降值进行对比，不仅能够将电压降异常的电芯筛选出来，降低了异常电芯流入市场的风险，而且具有较高的筛选效率和较好的筛选效果，值得应用推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例一提供的一种异常电芯筛选方法的流程示意图；
图2是本发明实施例二提供的一种异常电芯筛选系统的功能模块示意图；
图3是本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。当一个组件被认为是“设置在”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中设置的组件。
此外，术语“长”“短”“内”“外”等指示方位或位置关系为基于附图所展示的方位或者位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或原件必须具有此特定的方位、以特定的方位构造进行操作，以此不能理解为本发明的限制。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
有鉴于现有技术存在的缺陷，本发明人基于从事该行业多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期创设一种切实可行的电压降异常电芯的筛选技术，使其更具有实用性。在经过不断的研究、设计并反复试作及改进后，终于创设出确具实用价值的本发明。
请参阅图1，图1是本发明实施例公开的一种异常电芯筛选方法的流程示意图，该方法适用于对存储时间长或出货后的电芯进行电压降是否异常判断的场景，该方法由异常电芯筛选系统来执行，该系统可以由软件和/或硬件实现，集成于检测设备的内部。如图1所示，该异常电芯筛选方法可以包括以下步骤：
S101、检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值。
需要说明的是，对于电芯当前时刻电压的检测手段有很多种，比如利用万用表，鉴于该些检测手段在现有技术中已多有实现，也不是本方案设计的重点，在此不做深入的阐述。
S102、将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值。
需要说明的是，对于锂离子电池来说，电压降现象，即自放电是普遍存在的，但如果电压降的速度过快，则说明锂离子电池出现了异常。本实施例通过对搁置了一段时间的锂离子电池的前后两个时刻之间的电压值进行比对，可求得锂离子电芯的电压降值，用于判断电压降的情况是否异常。
S103、判断所述电压降值是否大于最大电压降值。若是，则执行步骤S104，若否，则执行步骤S105。
需要说明的是，最大电压降值是一个临界值，用于作为判断电芯是否出现电压降异常的一个标准。在本实施例中，最大电压降值可以通过计算得到。
优选的，在所述步骤S103之前，还包括以下步骤：
通过压降模型计算最大电压降值。
其中，压降模型的建立又包括以下步骤：
基于时刻和SOC，建立如下压降模型，所述SOC为所述电芯的剩余可放电容量除以产品标称容量：
最大电压降值＝k*t^(alpha)；
其中，alpha为SOC的优选形式：apha＝a*SOC+b，SOC的取值范围是0％～100％，0≤alpha≤1，t为时刻，a、b、k为常数。
如此，只要知道电芯的SOC及已存储时间，就可以通过上述压降模型计算出该时刻的最大电压降值。
需要说明的是，为了确定a和b这两个常数，本实施例进行了电芯存储试验。具体的，首先制作三种(可以是若干种，这里的三种只作为示例，后文中的其它量词同理)不同SOC状态的电芯，每种SOC状态需要各准备30颗电芯，而且假定存储试验的环境稳定，且变异不大；然后将准备好的电芯进行SOC校准之后，静置2h，测量初始电压，开始压降试验，前2天，间隔2h，测量一次电压，以后间隔1天测试一次电压，连续测量30天；接着对每一次测量的30个电压数据进行分布检验，基本都符合正态分布，并计算其分布参数，即均值和标准差；再然后指定筛选概率，一般选取为0.999，对应的标准正态分布的标准值约为3.1，依据各时刻的分布参数及以下公式计算每个时刻对应的最大压降值：最大压降值(t时刻)＝均值(t时刻)+3.1*标准差(t时刻)，最后通过将以上公式与同时刻的压降模型：最大电压降值＝时刻^(a*SOC+b)进行联立，可求得a和b这两个常数的具体取值。
S104、判定所述电芯为异常电芯。
优选的，在所述步骤S104之后，还包括以下步骤：
将所述异常电芯进行上报，并予以筛除。
需要说明的是，在判定出异常电芯后，一般首要的处理方式必然是予以筛除，但可以理解的是，为了更好地掌握同批次电芯的总体异常情况，以便于进行针对性的改进，本实施例还将上报异常电芯相关的信息。
S105、判定所述电芯为正常电芯。
本发明实施例提供的一种异常电芯筛选方法，通过将电芯的电压降值与最大电压降值进行对比，不仅能够将电压降异常的电芯筛选出来，降低了异常电芯流入市场的风险，而且具有较高的筛选效率和较好的筛选效果，值得应用推广。
实施例二
请参阅附图2，为本发明实施例二提供的一种异常电芯筛选系统的功能模块示意图，该系统适用于执行本发明实施例提供的异常电芯筛选方法。该系统具体包含如下模块：
电压检测模块201，用于检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；
电压求差模块202，用于将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；
压降判断模块203，用于判断所述电压降值是否大于最大电压降值；
异常判定模块204，用于若所述电压降值大于最大电压降值，则判定所述电芯为异常电芯；若所述电压降值是否小于或等于最大电压降值，则判定所述电芯为正常电芯。
优选的，所述系统还包括模型计算模块，用于：
在所述判断所述电压降值是否大于最大电压降值的步骤之前，通过压降模型计算最大电压降值。
优选的，所述系统还包括模型建立模块，用于：
基于时刻和SOC，建立如下压降模型，所述SOC为所述电芯的剩余可放电容量除以产品标称容量：
最大电压降值＝k*t^(alpha)；
其中，alpha为SOC的优选形式：apha＝a*SOC+b，SOC的取值范围是0％～100％，0≤alpha≤1，t为时刻，a、b、k为常数。
优选的，所述系统还包括异常处理模块，用于：
在所述判定所述电芯为异常电芯的步骤之后，将所述异常电芯进行上报，并予以筛除。
本发明实施例提供的一种异常电芯筛选系统，通过将电芯的电压降值与最大电压降值进行对比，不仅能够将电压降异常的电芯筛选出来，降低了异常电芯流入市场的风险，而且具有较高的筛选效率和较好的筛选效果，值得应用推广。
上述系统可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例三
图3为本发明实施例三提供的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的异常电芯筛选方法。
也即，所述处理单元16执行所述程序时实现：检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；判断所述电压降值是否大于最大电压降值；若是，则判定所述电芯为异常电芯；若否，则判定所述电芯为正常电芯。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其上存储有计算机可执行指令，该指令被处理器执行时实现如本申请所有发明实施例提供的异常电芯筛选方法：
也即，所述处理器执行所述计算机可执行指令时实现：检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；判断所述电压降值是否大于最大电压降值；若是，则判定所述电芯为异常电芯；若否，则判定所述电芯为正常电芯。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种异常电芯筛选方法，其特征在于，所述方法包括：
检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；
将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；
判断所述电压降值是否大于最大电压降值；
若是，则判定所述电芯为异常电芯；
若否，则判定所述电芯为正常电芯。
2.根据权利要求1所述的异常电芯筛选方法，其特征在于，在所述判断所述电压降值是否大于最大电压降值的步骤之前，所述方法还包括：
通过压降模型计算最大电压降值。
3.根据权利要求2所述的异常电芯筛选方法，其特征在于，所述方法还包括：
基于时刻和所述电芯的SOC，建立如下压降模型，所述SOC为所述电芯的剩余可放电容量除以产品标称容量：
最大电压降值＝k*t^(alpha)；
其中，alpha为SOC的优选形式：apha＝a*SOC+b，SOC的取值范围是0％～100％，0≤alpha≤1，t为时刻，a、b、k为常数。
4.根据权利要求1所述的异常电芯筛选方法，其特征在于，在所述判定所述电芯为异常电芯的步骤之后，所述方法还包括：
将所述异常电芯进行上报，并予以筛除。
5.一种异常电芯筛选系统，其特征在于，所述系统包括：
电压检测模块，用于检测电芯当前时刻的电压，所述电压为电芯正极与电芯负极之间的电压值；
电压求差模块，用于将所述电芯的初始电压减去所述电芯的当前时刻的电压，得到电压降值；
压降判断模块，用于判断所述电压降值是否大于最大电压降值；
异常判定模块，用于若所述电压降值大于最大电压降值，则判定所述电芯为异常电芯；若所述电压降值是否小于或等于最大电压降值，则判定所述电芯为正常电芯。
6.根据权利要求5所述的异常电芯筛选系统，其特征在于，所述系统还包括模型计算模块，用于：
在所述判断所述电压降值是否大于最大电压降值的步骤之前，通过压降模型计算最大电压降值。
7.根据权利要求6所述的异常电芯筛选系统，其特征在于，所述系统还包括模型建立模块，用于：
基于时刻和SOC，建立如下压降模型，所述SOC为所述电芯的剩余可放电容量除以产品标称容量：
最大电压降值＝k*t^(alpha)；
其中，alpha为SOC的优选形式：apha＝a*SOC+b，SOC的取值范围是0％～100％，0≤alpha≤1，t为时刻，a、b、k常数。
8.根据权利要求5所述的异常电芯筛选系统，其特征在于，所述系统还包括异常处理模块，用于：
在所述判定所述电芯为异常电芯的步骤之后，将所述异常电芯进行上报，并予以筛除。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～4中任一项所述的异常电芯筛选方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令由计算机处理器执行，以实现如权利要求1～4中任一项所述的异常电芯筛选方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110707779.0A CN113361128A (zh) | 2021-06-24 | 2021-06-24 | 一种异常电芯筛选方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110707779.0A CN113361128A (zh) | 2021-06-24 | 2021-06-24 | 一种异常电芯筛选方法、系统、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113361128A true CN113361128A (zh) | 2021-09-07 |
Family
ID=77536333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110707779.0A Pending CN113361128A (zh) | 2021-06-24 | 2021-06-24 | 一种异常电芯筛选方法、系统、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361128A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116609493A (zh) * | 2023-07-21 | 2023-08-18 | 宁德时代新能源科技股份有限公司 | 压痕检测方法、叠片电芯制造方法、装置和电子设备 |
| CN116626514A (zh) * | 2023-05-23 | 2023-08-22 | 浙江海得智慧能源有限公司 | 一种失效电芯筛查方法、系统及设备 |
| CN117849515A (zh) * | 2024-03-06 | 2024-04-09 | 福建龙亿粉体装备制造有限公司 | 一种基于物联网的负极设备运行自动化监测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000221249A (ja) * | 1998-11-25 | 2000-08-11 | Toyota Motor Corp | バッテリ充電状態検出装置 |
| CN101351720A (zh) * | 2006-01-12 | 2009-01-21 | 古河电气工业株式会社 | 电池放电能力判定方法、电池放电能力判定装置和电源系统 |
| CN109663756A (zh) * | 2018-12-26 | 2019-04-23 | 蜂巢能源科技有限公司 | 基于自放电速率的电芯筛选方法及介质 |
| CN110062978A (zh) * | 2017-11-13 | 2019-07-26 | Oppo广东移动通信有限公司 | 适配器、终端设备及其电池安全监控方法和监控系统 |
| CN110707387A (zh) * | 2019-09-12 | 2020-01-17 | 东莞力朗电池科技有限公司 | 一种磷酸铁锂电芯自放电筛选方法 |
| CN112255560A (zh) * | 2020-10-19 | 2021-01-22 | 奇瑞商用车（安徽）有限公司 | 一种电池电芯健康度预测方法 |
| CN112871759A (zh) * | 2021-01-12 | 2021-06-01 | 苏州领湃新能源科技有限公司 | 一种锂电池压降测评方法及系统 |
-
2021
- 2021-06-24 CN CN202110707779.0A patent/CN113361128A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000221249A (ja) * | 1998-11-25 | 2000-08-11 | Toyota Motor Corp | バッテリ充電状態検出装置 |
| CN101351720A (zh) * | 2006-01-12 | 2009-01-21 | 古河电气工业株式会社 | 电池放电能力判定方法、电池放电能力判定装置和电源系统 |
| CN110062978A (zh) * | 2017-11-13 | 2019-07-26 | Oppo广东移动通信有限公司 | 适配器、终端设备及其电池安全监控方法和监控系统 |
| CN109663756A (zh) * | 2018-12-26 | 2019-04-23 | 蜂巢能源科技有限公司 | 基于自放电速率的电芯筛选方法及介质 |
| CN110707387A (zh) * | 2019-09-12 | 2020-01-17 | 东莞力朗电池科技有限公司 | 一种磷酸铁锂电芯自放电筛选方法 |
| CN112255560A (zh) * | 2020-10-19 | 2021-01-22 | 奇瑞商用车（安徽）有限公司 | 一种电池电芯健康度预测方法 |
| CN112871759A (zh) * | 2021-01-12 | 2021-06-01 | 苏州领湃新能源科技有限公司 | 一种锂电池压降测评方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116626514A (zh) * | 2023-05-23 | 2023-08-22 | 浙江海得智慧能源有限公司 | 一种失效电芯筛查方法、系统及设备 |
| CN116609493A (zh) * | 2023-07-21 | 2023-08-18 | 宁德时代新能源科技股份有限公司 | 压痕检测方法、叠片电芯制造方法、装置和电子设备 |
| CN116609493B (zh) * | 2023-07-21 | 2023-09-22 | 宁德时代新能源科技股份有限公司 | 压痕检测方法、叠片电芯制造方法、装置和电子设备 |
| CN117849515A (zh) * | 2024-03-06 | 2024-04-09 | 福建龙亿粉体装备制造有限公司 | 一种基于物联网的负极设备运行自动化监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113361128A (zh) | 一种异常电芯筛选方法、系统、计算机设备及存储介质 | |
| US11035905B1 (en) | Apparatus and method for testing performance of battery cell | |
| EP3678256B1 (en) | Apparatus and method for testing secondary battery | |
| US9531202B2 (en) | Battery management system and method for charging lithium-ion battery cells in an information handling system | |
| EP3611525B1 (en) | Apparatus for estimating a battery free capacity | |
| EP4024651A1 (en) | Charging control method and charging control apparatus | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| WO2020135481A1 (zh) | 一种电池充电方法和装置 | |
| CN116559757B (zh) | 电池析锂电位预测准确性的验证方法、装置和电子设备 | |
| US20230122667A1 (en) | Method and apparatus for monitoring battery backup unit, server, and readable storage medium | |
| CN115795858A (zh) | 一种动力电池安全性的检测方法、装置、设备及存储介质 | |
| CN112644334A (zh) | 防止电池过放电的控制方法、系统、车辆及存储介质 | |
| CN114117737A (zh) | 锂离子电池仿真方法、装置、电子设备及可读存储介质 | |
| CN210471206U (zh) | 可检测电池曲线参数的智能手环 | |
| CN116125310B (zh) | 电池电极的嵌锂量的拟合方法、系统、设备和介质 | |
| CN108407658A (zh) | 一种混合动力汽车电池管理系统 | |
| CN217238201U (zh) | 一种用于检测仪器的断电监测系统 | |
| WO2023201531A1 (zh) | 异常电芯的识别方法、装置、电子设备及存储介质 | |
| WO2023201532A1 (zh) | 异常电芯的识别方法、装置、电子设备及存储介质 | |
| CN207518300U (zh) | 一种电池、终端设备、充电系统及电池的识别装置 | |
| Han | Expectation Maximization Algorithm for a Battery State of Health Model with Missing Data | |
| CN114755588A (zh) | 一种锂离子扩散系数的测试方法及其应用 | |
| CN117907847A (zh) | 一种异常电池筛选方法、装置、设备及存储介质 | |
| CN109888416A (zh) | 一种锂离子电池串并联组合的方法 | |
| CN115015806A (zh) | 一种电芯短路判断方法、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220302 Address after: 215500 No. 68, Xin'anjiang Road, Southeast street, Changshu, Suzhou, Jiangsu Applicant after: Jiangsu Zhengli new energy battery technology Co.,Ltd. Address before: 523795 No.9 Jiayuan Road, Xiangshan Industrial Park, songmushan village, Dalang Town, Dongguan City, Guangdong Province Applicant before: DONGGUAN TAFEL NEW ENERGY TECHNOLOGY Co.,Ltd. Applicant before: JIANGSU TAFEL NEW ENERGY TECHNOLOGY Co.,Ltd. Applicant before: Jiangsu Tafel Power System Co.,Ltd. |