CN113552496A - 一种基于电压余弦相似性的电池串联模组内短路故障诊断方法 - Google Patents
一种基于电压余弦相似性的电池串联模组内短路故障诊断方法 Download PDFInfo
- Publication number
- CN113552496A CN113552496A CN202110727244.XA CN202110727244A CN113552496A CN 113552496 A CN113552496 A CN 113552496A CN 202110727244 A CN202110727244 A CN 202110727244A CN 113552496 A CN113552496 A CN 113552496A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- cosine similarity
- monomer
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003745 diagnosis Methods 0.000 title abstract description 7
- 239000000178 monomer Substances 0.000 claims abstract description 65
- 238000007599 discharging Methods 0.000 claims abstract description 24
- 239000013598 vector Substances 0.000 claims description 33
- 238000012805 post-processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000000284 resting effect Effects 0.000 claims 2
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 abstract description 5
- 238000004146 energy storage Methods 0.000 description 6
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于电压余弦相似性的电池串联模组内短路故障诊断方法。记录电池串联模组中各电池单体的充放电电压和电流；计算串联模组中各电池单体当前时刻相较于上一时刻的电压变化；得到数据分为充电或搁置或放电，对数据进行预处理；计算余弦相似性；进行后处理；对各单体之间余弦相似度进行故障判断，若当某节电池单体与相邻单体的余弦相似度均小于零时，则某节电池单体在当前时刻出现内短路故障；否则某节电池单体为正常单体。本发明用以解决基于电池一致性的内短路诊断算法在磷酸铁锂电池上性能受限的问题，以及电池模组中电池单体一致性不好情况下电池模组内短路故障的安全预警问题。
Description
技术领域
本发明属于新能源储能领域；具体涉及一种基于电压余弦相似性的电池串联模组内短路故障诊断方法。
背景技术
如今，我国新能源产业蓬勃发展，电池的梯次利用和储能应用成为日益关注的热点，但由此衍生的安全性问题也日益突出，对于电池的各种安全性问题，往往与电池的内短路有密切联系，电池的内短路可以看做是导致电池热失控的共性关键环节，而现有的基于电池一致性的内短路诊断算法，对电池模组中电池单体的一致性有高的要求，电池单体之间的一致性差异越大，其诊断算法的性能下降约严重，在极端情况下甚至会出现失效的风险。此外，在储能应用场景下，往往采用磷酸铁锂电池作为储能单元，而磷酸铁锂电池有着极为平缓的充放电电压曲线，电池状态的外部观测与电池的内部状态的对应关系在极不明显，这对于基于一致性的内短路故障诊断方法的状态估计也造成了极大的负面影响。
发明内容
本发明提供了一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，用以解决基于电池一致性的内短路诊断算法在磷酸铁锂电池上性能受限的问题，以及电池模组中电池单体一致性不好情况下电池模组内短路故障的安全预警问题。
本发明通过以下技术方案实现：
一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，所述短路故障诊断方法具体包括以下步骤：
步骤1：记录电池串联模组中各电池单体的充放电电压和电流；
步骤2：基于步骤1记录的单体充放电电压和电流，计算串联模组中各电池单体当前时刻相较于上一时刻的电压变化；
步骤3：对步骤2得到的电压数据分为充电或搁置或放电三种情况对数据进行预处理；
步骤4：基于步骤3预处理的电压数据，计算余弦相似性；
步骤5：对步骤4余弦相似性的计算结果进行后处理，将单对余弦相似度较低的情况认定为噪声的影响，并将其替换为当前时刻各单体之间余弦相似度的中位数；
步骤6：基于步骤5后处理的各单体之间余弦相似度进行故障判断，若当某节电池单体与相邻单体的余弦相似度均小于零时，则进行步骤7；若当某节电池单体与相邻单体的余弦相似度均不小于零时或其中之一小于零时刻，则进行步骤8；
步骤7：某节电池单体在当前时刻出现内短路故障；
步骤8：某节电池单体为正常单体。
进一步的，所述步骤3的充电或搁置或放电三种情况可归纳为充电或搁置为一种情况，放电为另一种情况；
当电池模组处于充电或搁置情况，在步骤2获得的电压变化数据上叠加一个常量，该常量取值应大于噪声的标准差，且小于由故障导致的电压降；
当电池模组处于放电情况，首先对步骤2获得的电压变化数据取绝对值的相反数，并在此基础上减去一个常量，得到新的电压变化数据，且该常量取值应大于噪声的标准差，且小于由故障导致的电压降；
考虑到电池放电电压变化缓慢的特性，设电池单体当前时刻电压变化量等于上一时刻的电压变化量，将上一时刻的电压变化量的负二倍加到当前时刻，得到新的数据列。
进一步的，所述步骤4计算余弦相似性具体包括以下步骤：
步骤4.1：计算特征向量纵坐标的增益倍数K；
步骤4.2：获得用以计算余弦相似性的特征向量，特征向量的横坐标为当前时刻的电流，充电为正，放电为负；特征向量的纵坐标为电池单体相较于上一时刻的电压变化乘以步骤4.1中的增益倍数；
步骤4.3：计算得到的特征向量之间夹角的余弦值，并以此表征各电池单体与相邻电池单体在同一电流激励下电压响应的相似性。
进一步的，所述步骤4.1增益倍数K＝K1×K2，其中K1为基础放大倍数，K2为电流修正系数。
进一步的，所述步骤4.2中获得用以计算余弦相似性的特征向量具体为，构建特征向量的数据为串联模组的当前时刻的电流和单体电压变化，即特征向量的横坐标为串联模组当前时刻的电流，充电为正，放电为负；特征向量的纵坐标为电池单体相较于上一时刻的电压变化乘以步骤4.1中的增益倍数K。
进一步的，所述步骤4.3中特征向量之间夹角的余弦值通过以下公式计算：
其中，cos(a1，a2)代表特征向量a1和a2夹角的余弦值，等式右侧的分子代表特征向量a1和a2的乘积，分母代表特征向量a1和a2模值的乘积。
本发明的有益效果是：
本发明具有计算量小，计算复杂度低的优点，不受制于电池模型的精度，对电池模组内电池单体的不一致性有很大的耐受性，本质上只关注电池单体在同一激励下的响应趋势，适合在储能场景和梯次利用场景的电池内短路故障安全预警中使用。
附图说明
附图1是本发明的方法流程图。
附图2是本发明的验证图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。
实施例1
一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，所述短路故障诊断方法具体包括以下步骤：
步骤1：记录电池串联模组中各电池单体的充放电电压和电流；
步骤2：基于步骤1记录的单体充放电电压和电流，计算串联模组中各电池单体当前时刻相较于上一时刻的电压变化；
步骤3：对步骤2得到的电压数据分为充电或搁置或放电三种情况对数据进行预处理；
步骤4：基于步骤3预处理的电压数据，计算余弦相似性；
步骤5：对步骤4余弦相似性的计算结果进行后处理，将单对余弦相似度较低的情况认定为噪声的影响，并将其替换为当前时刻各单体之间余弦相似度的中位数；将较低的评价标准设为单对余弦相似度小于等于0.4，该取值根据测量设备的精度选取；
步骤6：基于步骤5后处理的各单体之间余弦相似度进行故障判断，对于正常电池单体，各电池单体在同一电流激励下的的电压响应呈现强相关性，体现为特征向量之间的夹角为锐角，特征向量计算出的余弦相似度大于零；而对于出现了内短路故障的电池单体，其特征向量与其他电池单体的特征向量之间的夹角为钝角，特征向量计算出的余弦相似度小于零，根据这一特征，若当某节电池单体与相邻单体的余弦相似度均小于零时，则进行步骤7；若当某节电池单体与相邻单体的余弦相似度均不小于零时或其中之一小于零时刻，则进行步骤8；
步骤7：某节电池单体在当前时刻出现内短路故障；
步骤8：某节电池单体为正常单体。
进一步的，所述步骤3的充电或搁置或放电三种情况可归纳为充电或搁置为一种情况，放电为另一种情况；
当电池模组处于充电或搁置情况，在步骤2获得的电压变化数据上叠加一个常量，该常量取值应大于噪声的标准差，且小于由故障导致的电压降；
当电池模组处于放电情况，首先对步骤2获得的电压变化数据取绝对值的相反数，并在此基础上减去一个常量，得到新的电压变化数据，且该常量取值应大于噪声的标准差，且小于由故障导致的电压降；
考虑到电池放电电压变化缓慢的特性，设电池单体当前时刻电压变化量等于上一时刻的电压变化量，将上一时刻的电压变化量的负二倍加到当前时刻，得到新的数据列。
进一步的，所述步骤4计算余弦相似性具体包括以下步骤：
步骤4.1：计算特征向量纵坐标的增益倍数K；选择的K1为700；K2为电流修正系数，其大小为当前时刻串联模组的电流，充电为正，放电为负；
步骤4.2：获得用以计算余弦相似性的特征向量，特征向量的横坐标为当前时刻的电流，充电为正，放电为负；特征向量的纵坐标为电池单体相较于上一时刻的电压变化乘以步骤4.1中的增益倍数；
步骤4.3：计算得到的特征向量之间夹角的余弦值，并以此表征各电池单体与相邻电池单体在同一电流激励下电压响应的相似性。
进一步的，所述步骤4.1增益倍数K＝K1×K2，其中K1为基础放大倍数，K2为电流修正系数。
进一步的，所述步骤4.2中获得用以计算余弦相似性的特征向量具体为，构建特征向量的数据为串联模组的当前时刻的电流和单体电压变化，即特征向量的横坐标为串联模组当前时刻的电流，充电为正，放电为负；特征向量的纵坐标为电池单体相较于上一时刻的电压变化乘以步骤4.1中的增益倍数K。
进一步的，所述步骤4.3中特征向量之间夹角的余弦值通过以下公式计算：
其中，cos(a1，a2)代表特征向量a1和a2夹角的余弦值，等式右侧的分子代表特征向量a1和a2的乘积，分母代表特征向量a1和a2模值的乘积。
实施例2
为了验证所提方法的有效性，在一个由五节磷酸铁锂电池串联构成的模组中进行了等效内短路替代实验，以在2号电池外部并联电阻的方式模拟电池出现内短路故障时的电特性变化，通过实验数据验证了所提方法有效性。
实验结果如图2所示，可以看出在第665s的时候电池2与电池1和电池3之间的余弦相似度都下跌到了零以下，其中电池2与电池1的余弦相似度为-0.5695，电池2与电池3之间的余弦相似度为-0.5962，表明在此时刻电池2出现了内短路故障。验证了本申请的有效性。
Claims (6)
1.一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，其特征在于，所述短路故障诊断方法具体包括以下步骤：
步骤1：记录电池串联模组中各电池单体的充放电电压和电流；
步骤2：基于步骤1记录的单体充放电电压和电流，计算串联模组中各电池单体当前时刻相较于上一时刻的电压变化；
步骤3：对步骤2得到的电压数据分为充电或搁置或放电三种情况对数据进行预处理；
步骤4：基于步骤3预处理的电压数据，计算余弦相似性；
步骤5：对步骤4余弦相似性的计算结果进行后处理，将单对余弦相似度较低的情况认定为噪声的影响，并将其替换为当前时刻各单体之间余弦相似度的中位数；
步骤6：基于步骤5后处理的各单体之间余弦相似度进行故障判断，若当某节电池单体与相邻单体的余弦相似度均小于零时，则进行步骤7；若当某节电池单体与相邻单体的余弦相似度均不小于零时或其中之一小于零时刻，则进行步骤8；
步骤7：某节电池单体在当前时刻出现内短路故障；
步骤8：某节电池单体为正常单体。
2.根据权利要求1所述一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，其特征在于，所述步骤3的充电或搁置或放电三种情况可归纳为充电或搁置为一种情况，放电为另一种情况；
当串联模组处于充电或搁置情况，在步骤2获得的电压变化数据上叠加一个常量，该常量取值应大于噪声的标准差，且小于由故障导致的电压降；
当串联模组处于放电情况，首先对步骤2获得的电压变化数据取绝对值的相反数，并在此基础上减去一个常量，得到新的电压变化数据，且该常量取值应大于噪声的标准差，且小于由故障导致的电压降；
考虑到电池放电电压变化缓慢的特性，设电池单体当前时刻电压变化量等于上一时刻的电压变化量，将上一时刻的电压变化量的负二倍加到当前时刻，得到新的数据列。
3.根据权利要求1所述一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，其特征在于，所述步骤4计算余弦相似性具体包括以下步骤：
步骤4.1：计算特征向量纵坐标的增益倍数K；
步骤4.2：获得用以计算余弦相似性的特征向量；
步骤4.3：计算得到的特征向量之间夹角的余弦值，并以此表征各电池单体与相邻电池单体在同一电流激励下电压响应的相似性。
4.根据权利要求3所述一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，其特征在于，所述步骤4.1增益倍数K＝K1×K2，其中K1为基础放大倍数，K2为电流修正系数。
5.根据权利要求3所述一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，其特征在于，所述步骤4.2中获得用以计算余弦相似性的特征向量具体为，构建特征向量的数据为串联模组的当前时刻的电流和单体电压变化，即特征向量的横坐标为串联模组当前时刻的电流，充电为正，放电为负；特征向量的纵坐标为电池单体相较于上一时刻的电压变化乘以步骤4.1中的增益倍数K。
6.根据权利要求3所述一种基于电压余弦相似性的电池串联模组内短路故障诊断方法，其特征在于，所述步骤4.3中特征向量之间夹角的余弦值通过以下公式计算：
其中，cos(a1，a2)代表特征向量a1和a2夹角的余弦值，等式右侧的分子代表特征向量a1和a2的乘积，分母代表特征向量a1和a2模值的乘积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110727244.XA CN113552496B (zh) | 2021-06-29 | 2021-06-29 | 一种基于电压余弦相似性的电池串联模组内短路故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110727244.XA CN113552496B (zh) | 2021-06-29 | 2021-06-29 | 一种基于电压余弦相似性的电池串联模组内短路故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113552496A true CN113552496A (zh) | 2021-10-26 |
| CN113552496B CN113552496B (zh) | 2024-04-02 |
Family
ID=78102495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110727244.XA Active CN113552496B (zh) | 2021-06-29 | 2021-06-29 | 一种基于电压余弦相似性的电池串联模组内短路故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113552496B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462274A (zh) * | 2020-11-23 | 2021-03-09 | 哈尔滨理工大学 | 一种基于电池自放电效应的成组电池内短路故障诊断方法 |
| CN114355206A (zh) * | 2022-01-05 | 2022-04-15 | 浙江零碳云能源科技有限公司 | 一种基于相似性度量的储能电池无监督故障诊断算法 |
| CN115494418A (zh) * | 2022-11-22 | 2022-12-20 | 湖北工业大学 | 基于时间序列分解算法的锂电池单体异常检测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105978487A (zh) * | 2016-05-05 | 2016-09-28 | 江苏方天电力技术有限公司 | 基于内部等效参数的光伏组件故障诊断方法 |
| CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
| CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
| CN111572406A (zh) * | 2020-05-21 | 2020-08-25 | 安徽优旦科技有限公司 | 一种基于平移曲线计算电池均衡时间的方法和系统 |
| CN111626567A (zh) * | 2020-04-30 | 2020-09-04 | 中国直升机设计研究所 | 一种保障资源相似性识别计算方法 |
| CN112014759A (zh) * | 2020-07-22 | 2020-12-01 | 量道(深圳)储能科技有限公司 | 基于分布式集群分析电池性能的方法及系统 |
| CN112287980A (zh) * | 2020-10-14 | 2021-01-29 | 北方工业大学 | 基于典型特征向量的动力电池筛选方法 |
| CN112307906A (zh) * | 2020-10-14 | 2021-02-02 | 北方工业大学 | 一种近邻传播聚类下储能电池故障分类特征筛选降维方法 |
-
2021
- 2021-06-29 CN CN202110727244.XA patent/CN113552496B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105978487A (zh) * | 2016-05-05 | 2016-09-28 | 江苏方天电力技术有限公司 | 基于内部等效参数的光伏组件故障诊断方法 |
| CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
| CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
| CN111626567A (zh) * | 2020-04-30 | 2020-09-04 | 中国直升机设计研究所 | 一种保障资源相似性识别计算方法 |
| CN111572406A (zh) * | 2020-05-21 | 2020-08-25 | 安徽优旦科技有限公司 | 一种基于平移曲线计算电池均衡时间的方法和系统 |
| CN112014759A (zh) * | 2020-07-22 | 2020-12-01 | 量道(深圳)储能科技有限公司 | 基于分布式集群分析电池性能的方法及系统 |
| CN112287980A (zh) * | 2020-10-14 | 2021-01-29 | 北方工业大学 | 基于典型特征向量的动力电池筛选方法 |
| CN112307906A (zh) * | 2020-10-14 | 2021-02-02 | 北方工业大学 | 一种近邻传播聚类下储能电池故障分类特征筛选降维方法 |
Non-Patent Citations (1)
| Title |
|---|
| 隋欣 等: "基于等效电路模型的串联电池组不一致分布特征仿真分析", 《电工电能新技术》, vol. 37, no. 9, pages 24 - 32 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462274A (zh) * | 2020-11-23 | 2021-03-09 | 哈尔滨理工大学 | 一种基于电池自放电效应的成组电池内短路故障诊断方法 |
| CN114355206A (zh) * | 2022-01-05 | 2022-04-15 | 浙江零碳云能源科技有限公司 | 一种基于相似性度量的储能电池无监督故障诊断算法 |
| CN115494418A (zh) * | 2022-11-22 | 2022-12-20 | 湖北工业大学 | 基于时间序列分解算法的锂电池单体异常检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113552496B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113552496A (zh) | 一种基于电压余弦相似性的电池串联模组内短路故障诊断方法 | |
| CN106443480B (zh) | 一种锂离子电池系统soc估算方法 | |
| CN109557477B (zh) | 一种电池系统健康状态估算方法 | |
| CN113253140B (zh) | 电池健康状态在线估算方法 | |
| CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
| CN113093016B (zh) | 基于不确定噪声滤波的动力电池管理系统故障诊断方法 | |
| CN111965559A (zh) | 一种锂离子电池soh在线估计方法 | |
| CN112710955B (zh) | 一种用于提高电池容量估计精度的算法 | |
| CN112345955B (zh) | 一种动力电池多故障在线诊断方法与系统 | |
| WO2022166730A1 (zh) | 基于不确定噪声滤波的动力电池管理系统故障诊断方法 | |
| CN115792638A (zh) | 基于电池模型参数辨识的soc-内短路联合估计方法 | |
| CN115659799A (zh) | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 | |
| CN111537893A (zh) | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 | |
| CN116184248B (zh) | 一种串联电池组的微小短路故障检测方法 | |
| Song et al. | Individual cell fault detection for parallel-connected battery cells based on the statistical model and analysis | |
| Gu et al. | A precise minor-fault diagnosis method for lithium-ion batteries based on phase plane sample entropy | |
| CN111967191B (zh) | 一种基于模糊贝叶斯网络的锂离子动力电池安全度评估方法及装置 | |
| CN110990770A (zh) | 一种电动汽车动力电池故障模糊综合评判方法 | |
| CN115684975A (zh) | 一种基于均衡电量量化电池微短路的方法及系统 | |
| CN112733479B (zh) | 一种单体电池的模型参数计算方法、装置和介质 | |
| CN112213642B (zh) | 一种并联电池组中单体连接断开的检测及定位方法 | |
| CN113533985A (zh) | 一种电池包内阻异常模块的识别方法及其存储介质 | |
| CN111983476B (zh) | 一种基于卡尔曼滤波法的电池安全度估算方法及装置 | |
| CN106953387B (zh) | 电力系统及其电流限制方法 | |
| CN117554845B (zh) | 电池健康状态评估方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |