CN113589183A - 一种基于大数据的自放电检测方法、装置和系统 - Google Patents
一种基于大数据的自放电检测方法、装置和系统 Download PDFInfo
- Publication number
- CN113589183A CN113589183A CN202110907341.7A CN202110907341A CN113589183A CN 113589183 A CN113589183 A CN 113589183A CN 202110907341 A CN202110907341 A CN 202110907341A CN 113589183 A CN113589183 A CN 113589183A
- Authority
- CN
- China
- Prior art keywords
- self
- discharge
- function
- battery cell
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000012360 testing method Methods 0.000 claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000005059 dormancy Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 14
- 238000007726 management method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000007958 sleep Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于大数据的自放电检测方法、装置和系统。该基于大数据的自放电检测方法包括:根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数;在第一时刻,采集待测电芯两端的第一电压;在第二时刻,采集待测电芯两端的第二电压;根据第一时刻、第一电压、第二时刻和第二电压对第一自放电函数进行修正得出第一函数;计算第一函数的斜率,将斜率确定为待测电芯的自放电率测试值;其中,第一时刻为待测电芯休眠设定时长后的时刻,第二时刻为待测电芯重新开始工作的时刻。本发明方案实现了基于大数据平台对待测电芯的自放电率进行测试,提高了计算效率。
Description
技术领域
本发明实施例涉及电池检测技术,尤其涉及一种基于大数据的自放电检测方法、装置和系统。
背景技术
锂电池如果一直闲置不使用,也会损耗电量,这种现象称为蓄电池的自放电现象。由于新能源汽车使用的电池是由多个电芯串联或并联所组成的电池组,但是每个电芯的自放电率不一致,则会导致电池在一段时间储存之后每个电芯之间的容量会发生较大的差异,会极大地影响电池的可用容量和安全性。
现有技术中对电芯自放电率函数的计算需要采集待测电芯在多时刻的开路电压,数据采集量大,计算效率低。
发明内容
本发明实施例提供一种基于大数据的自放电检测方法、装置和系统,实现了基于大数据平台对待测电芯的自放电率进行测试,提高了计算效率。
第一方面,本发明实施例提供了一种基于大数据的自放电检测方法,基于大数据的自放电检测方法包括:
根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数;
在第一时刻,采集待测电芯两端的第一电压;
在第二时刻,采集所述待测电芯两端的第二电压;
根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压对所述第一自放电函数进行修正得出第一函数;
计算所述第一函数的斜率,根据所述斜率确定所述待测电芯的自放电率测试值;
其中,所述第一时刻为所述待测电芯休眠设定时长后的时刻,所述第二时刻为所述待测电芯重新开始工作的时刻。
可选地,根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,包括:
在所述电芯模型休眠设定时长后开始采集所述电芯模型的电压值,直至所述电芯模型重新开始工作,其中,所述电压值每分钟采集一次;
根据所述电压值中的首末两个数据计算所述电芯模型的自放电率;
若所述电芯模型的自放电率小于或等于预设自放电率,则将所述电压值和对应的采集时间作为第一数据存储入所述大数据平台;
若所述电芯模型的自放电率大于预设自放电率,且所述电芯模型所需的均衡能力值小于预设均衡能力值,则将所述电压值作为第二数据存储入所述大数据平台;
根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数,包括:
根据所述第一数据和所述第二数据计算得出第二自放电函数;
根据多组所述第二自放电函数拟合出所述第一自放电函数。
可选地,计算所述第一函数的斜率,根据所述斜率确定所述待测电芯的自放电率测试值之后,还包括:
若所述自放电率测试值小于或等于所述预设自放电率则发出第一提示信息;
若所述自放电率测试值大于所述预设自放电率,且所述待测电芯所需的均衡能力值小于或等于预设均衡能力值则发出第二提示信息;
若所述待测电芯所需的均衡能力值大于预设均衡能力值则发出告警信息。
可选地,所述发出告警信息包括:
若所述待测电芯的自放电率增速大于预设增速值则发出第一告警信息,否则发出第二告警信息。
可选地,根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压对所述第一自放电函数进行修正得出第一函数,包括:
根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压生成第二函数;
根据所述第二函数对所述第一自放电函数进行修正得出第一函数。
第二方面,本发明实施例还提供了一种基于大数据的自放电检测装置,用于实现前述任意基于大数据的自放电检测方法,基于大数据的自放电检测装置包括:第一自放电函数计算模块、电压采集模块、第一自放电函数修正模块和自放电率测试值计算模块,第一自放电函数计算模块用于根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数;电压采集模块用于在第一时刻,采集待测电芯两端的第一电压,并在第二时刻,采集所述待测电芯两端的第二电压;其中,所述第一时刻为所述待测电芯休眠设定时长后的时刻,所述第二时刻为所述待测电芯重新开始工作的时刻;第一自放电函数修正模块用于根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压对所述第一自放电函数进行修正得出第一函数;自放电率测试值计算模块用于计算所述第一函数的斜率,根据所述斜率确定所述待测电芯的自放电率测试值。
可选地,基于大数据的自放电检测装置还包括:电芯电压值采集模块、自放电率计算模块、第一数据存储模块和第二数据存储模块,电芯电压值采集模块用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,在所述电芯模型休眠设定时长后开始采集所述电芯模型的电压值,直至所述电芯模型重新开始工作,其中,所述电压值每分钟采集一次;自放电率计算模块用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,根据所述电压值中的首末两个数据计算所述电芯模型的自放电率;第一数据存储模块用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,若所述电芯模型的自放电率小于所述预设自放电率,则将所述电压值和对应的时间作为第一数据存储入所述大数据平台;第二数据存储模块用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,若所述电芯模型所需的均衡能力值小于或等于预设均衡能力值,则将所述电压值作为第二数据存储入所述大数据平台;
所述第一自放电函数计算模块包括:第二自放电函数计算单元和第一自放电函数计算单元,第二自放电函数计算单元用于根据所述第一数据或所述第二数据计算得出第二自放电函数;第一自放电函数计算单元用于根据多组所述第二自放电函数拟合出所述第一自放电函数。
可选地,基于大数据的自放电检测装置还包括:提示模块,用于若所述自放电率测试值小于或等于所述预设自放电率则发出第一提示信息,若所述待测电芯所需的均衡能力值小于或等于预设均衡能力值则发出第二提示信息,若所述自放电率测试值与电池容量和单位电压所对应荷电状态变化值的乘积大于预设均衡能力值则发出告警信息。
可选地,第一自放电函数修正模块包括:第二函数生成单元和第一函数获得单元,第二函数生成单元,用于根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压生成第二函数;第一函数获得单元,用于根据所述第二函数对所述第一自放电函数进行修正得出第一函数。
第三方面,本发明实施例还提供了一种基于大数据的自放电检测系统,基于大数据的自放电检测系统包括:前述任意所述基于大数据的自放电检测装置和大数据平台。
本实施例的基于大数据的自放电检测方法、装置和系统,利用大数据平台的电芯模型数据计算得到可以体现自放电率的第一自放电函数,然后采集待测电芯在休眠预设时段时和重新开始工作的电压,然后根据两组数据修正第一自放电函数,得到第一函数,再计算第一函数的斜率得到待测电芯的自放电率的测试值,实现了基于大数据平台对待测电芯的自放电率进行测试,测试过程仅需采集待测电芯的两组电压数据,提高了计算效率。
附图说明
图1为本发明实施例提供的一种基于大数据的自放电检测方法的流程图;
图2为本发明实施例提供的另一种基于大数据的自放电检测方法的流程图;
图3为本发明实施例提供的一种测试结果提示方法的流程图;
图4为本发明实施例提供的一种函数拟合方法的流程图;
图5为本发明实施例提供的一种第二函数、第一自放电函数和第一函数的函数图像;
图6为本发明实施例提供的一种基于大数据的自放电检测装置的结构示意图;
图7为本发明实施例提供的另一种基于大数据的自放电检测装置的结构示意图;
图8为本发明实施例提供的又一种基于大数据的自放电检测装置的结构示意图;
图9为本发明实施例提供的又一种基于大数据的自放电检测装置的结构示意图;
图10为本发明实施例提供的一种基于大数据的自放电检测系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明实施例提供一种基于大数据的自放电检测方法。图1为本发明实施例提供的一种基于大数据的自放电检测方法的流程图,参见图1,基于大数据的自放电检测方法包括:
S101、根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数。
具体地,电芯模型是为大数据平台提供各项参数的电芯,大数据平台可以与多个电池的电池管理系统连接,而每个电池中包括多个电芯模型,电池管理系统可以将采集到的各个电芯模型的参数数据发送至大数据平台,大数据平台存储有多个电芯模型的参数数据。第一自放电函数是根据大数据平台中的多组电芯模型的电压数据进行分析计算得到的,第一自放电函数的自变量为电压采集时间,因变量为电芯模型两端的电压,第一自放电函数在各时刻的导数可以表示该时刻电芯模型的自放电率。自放电率为电芯在单位时间内的因自放电而产生的电压下降值,第一自放电函数曲线的斜率可以表示在不同时间各个电芯模型的自放电率均值。
S102、在第一时刻,采集待测电芯两端的第一电压。
具体地,第一时刻为待测电芯休眠设定时长后的时刻,休眠的设定时长可以为两小时。在待测电芯休眠且静置两小时之后再采集待测电芯的电压可以避免电压回弹特性造成的测量数据误差。
S103、在第二时刻,采集待测电芯两端的第二电压。
具体地,第二时刻为待测电芯重新开始工作的时刻,第二电压是待测电池开始工作时的电压,由于第一时刻和第二时刻之间,待测电池没有充放电工作且处于休眠状态,在这个时间段内,待测电池的所有电压降均是由自放电现象造成的。第二电压与第一电压之间的电压差为第一时刻到第二时刻之间待测电芯因自放电产生的电压差值。
S104、根据第一时刻、第一电压、第二时刻和第二电压对第一自放电函数进行修正得出第一函数。
具体地,利用采集到的第一时刻、第一电压、第二时刻和第二电压作为函数图像上的两个点的数据,形成修正函数,修正函数的定义域为第一时刻与第二时刻之间;利用修正函数对第一自放电函数进行函数回归拟合,实现对第一自放电函数的修正,得到第一函数,使得第一函数符合待测电芯的自放电特点,第一函数可以表示待测电芯两端电压随时间的变化关系。其中,第一时刻对应第一电压,第二时刻对应第二电压。
S105、计算第一函数的斜率,根据斜率确定待测电芯的自放电率测试值。
具体地,通过求导等方式可以计算出第一函数的斜率,第一函数的斜率可以表示待测电芯单位时间的因自放电产生的电压变化量,即待测电芯的自放电率。示例性的,可以将第一函数在第二时刻的斜率确定为待测电芯的自放电率的测试值;若第一函数的函数图像为曲线,也可以将第一函数在定义域内所有斜率的平均值作为待测电芯的自放电率的测试值。
本实施例的基于大数据的自放电检测方法利用大数据平台的电芯模型数据计算得到可以体现自放电率的第一自放电函数,然后采集待测电芯在休眠预设时段时和重新开始工作的电压,然后根据两组数据修正第一自放电函数,得到第一函数,再计算第一函数的斜率得到待测电芯的自放电率的测试值,实现了基于大数据平台对待测电芯的自放电率进行测试,测试过程仅需采集待测电芯的两组电压数据,提高了计算效率。
图2为本发明实施例提供的另一种基于大数据的自放电检测方法的流程图,参照图2,该基于大数据的自放电检测方法,包括:
S201、在电芯模型休眠设定时长后开始采集电芯模型的电压值,直至电芯模型重新开始工作。
具体地,休眠状态可以为电池停止供电和停止充电后的状态,电芯模型在休眠状态中与充电器和负载之间均没有电能交互。预设时长可以为2小时,电芯模型重新开始工作可以为电芯模型退出休眠状态,开始供电或者开始充电。电压值每分钟采集一次,每个电压值对应一个时间点。从开始采集到电芯模型重新开始工作之间,采集到的所有电压值为一组电压值数据。
S202、根据电压值中的首末两个数据计算电芯模型的自放电率。
具体地,每个电芯模型都会被采集至少两个电压值,电压值中的首个数据即为电芯模型休眠两小时后采集的第一个电压值,电压值中的末尾数据即为电芯模型重新开始工作前采集的最后一个电压值。电芯模型自放电率的计算公式为K=|(V0-Vn)/(tn-t0)|,其中,K为电芯模型的自放电率即电芯模型单位时间降低的电压,V0为电芯模型休眠两小时后采集的第一个电压值,Vn为电芯模型重新开始工作前采集的最后一个电压值,tn为采集Vn的时间,t0为采集V0的时间。
S203、若电芯模型的自放电率小于或等于预设自放电率,则将电压值和对应的采集时间作为第一数据存储入大数据平台。
具体地,预设自放电率为正常电芯的最大自放电率,可以由测试人员自行设置,电芯模型的自放电率小于或等于预设自放电率则表明电芯模型的自放电率较小,在正常范围内。自放电率对应的电芯模型的电压值可以作为正常数据存入大数据平台。
S204、若电芯模型的自放电率大于预设自放电率,且电芯模型所需的均衡能力值小于或等于预设均衡能力值,则将电压值作为第二数据存储入大数据平台。
具体地,电芯模型的放电率大于预设自放电率则表明电芯模型的自放电率大于正常值,需要进一步判断电芯模型的电压数据是否可以作为正常数据存入大数据平台。计算电芯模型所需的均衡能力值,电芯模型所需的均衡能力值等于电芯模型单位时间因自放电而减少的电量,计算公式为Q1=K*C*S,其中, K为电芯模型的自放电率即电芯模型单位时间降低的电压,C为电芯模型的容量, S为单位电压对应的荷电状态值。若电芯模型所需的均衡能力值Q1小于电池管理系统对电芯模型的均衡能力值,则表明电芯模型可以通过电池管理系统的均衡方式进行修复并恢复正常,故电芯模型为正常电芯,均衡能力值Q1对应的电芯模型的电压值可以作为正常数据存入大数据平台。而如果电芯模型所需的均衡能力值Q1大于电池管理系统对电芯模型的均衡能力值则表明这些电芯模型存在严重危险且无法通过均衡方式修复,这些电芯模型的电压值将会被剔除不存入大数据平台,并同时提醒工作人员对这些电芯模型进行故障排除和电芯更换操作。
S205、根据第一数据和第二数据计算得出第二自放电函数。
具体地,每个正常的电芯模型在大数据平台均存储有至少一组电压值,一组电压值和对应的采集时间可以得出一个第二自放电函数,第二自放电函数可以表示电芯模型的电压值与采集时间的关系。
S206、根据多组第二自放电函数拟合出第一自放电函数。
具体地,多组第二自放电函数为多组电压数据计算得出的第二自放电函数。多组第二自放电函数上的电压值数据可以采用线性拟合函数基于最小二乘法进行拟合,得出第一自放电函数。第一自放电函数可以表示正常电芯的自放电特点。
S207、在第一时刻,采集待测电芯两端的第一电压。
S208、在第二时刻,采集待测电芯两端的第二电压。
S209、根据第一时刻、第一电压、第二时刻和第二电压对第一自放电函数进行修正得出第一函数。
S210、计算第一函数的斜率,将斜率确定为待测电芯的自放电率测试值。
具体地,步骤S207、S208、S209和S210分别与步骤S102、S103、S104和 S105对应相同,此处不再赘述。
本实施例提供的基于大数据的自放电检测方法,采集电芯模型的自放电数据并判断数据的是否异常,进而筛选除正常数据存入大数据平台,实现了对数据的整理和清洗,排除了异常值,提高了第一自放电函数的准确性,进一步提高了自放电率测试的准确性。
图3为本发明实施例提供的一种测试结果提示方法的流程图,参照图3,可选地,在根据斜率确定待测电芯的自放电率测试值之后,还设置有测试结果提示方法,测试结果提示方法包括:
S301、若自放电率测试值小于或等于预设自放电率则发出第一提示信息。
具体地,预设自放电率为正常电芯的自放电率上限,判断自放电率测试值与预设自放电率之间的关系,如果自放电率测试值小于或等于预设自放电率,则表明待测电芯的自放电率较小,符合测试人员要求,可以发出第一提示信息以提示测试人员待测电芯处于正常状态,其中,第一提示信息可以为提示待测电芯正常的语音信息、灯光信息和/或图标。
S302、若自放电率测试值大于预设自放电率,且待测电芯所需的均衡能力值小于或等于预设均衡能力值则发出第二提示信息。
具体地,待测电芯所需的均衡能力值等于待测电芯单位时间因自放电而减少的电量,计算公式为Q2=K2*C2*S2,其中,K2为待测电芯的自放电率即待测电芯在单位时间内降低的电压,C2为待测电芯的容量,S2为待测电芯单位电压对应的荷电状态值,在待测电芯充放电的过程中,可以利用电池管理芯片配合显示装置记录待测电芯的电压和荷电状态值的变化,以测得待测电芯单位电压对应的荷电状态值,Q2为待测电芯所需的均衡能力值。预设均衡能力值为待测电芯对应的电池管理系统的均衡能力值,可以表示电池管理系统在单位之间内能调节的因自放电产生的最大电压差值,不同的电池管理系统的预设均衡能力值不同。自放电率测试值大于预设自放电率则表明待测电芯出现异常,此时需要进一步判断待测电芯所需的均衡能力值与预设均衡能力值的相对关系,如果待测电芯所需的均衡能力值小于或等于预设均衡能力值,则表明待测电芯处于轻微异常状态但可以通过电池管理系统的均衡方式自行修复并恢复正常,不需要维修人员手动排除危险,此时,可以发出第二提示信息以提示测试人员待测电芯处于轻微异常状态,其中,第二提示信息可以为提示待测电芯轻微异常的语音信息、灯光信息和/或图标,且第二提示信息可以区别于第一提示信息。
S303、若待测电芯所需的均衡能力值大于预设均衡能力值则发出告警信息。
具体地,在判断待测电芯所需的均衡能力值与预设均衡能力值的相对关系的过程中,如果发现待测电芯所需的均衡能力值大于预设均衡能力值,则表明待测电芯的自放电率出现不可自行恢复的异常,此时待测电芯出现严重异常,需要专业维修人员进行故障排查,故发出告警信息提醒测试人员待测电芯处于严重异常状态,告警信息可以为提示待测电芯严重异常的语音信息、灯光信息和/或图标,且告警信息明显区别于第一提示信息和第二提示信息,可以引起测试人员的关注。
本实施例提供的基于大数据的自放电检测方法,可以根据待测电芯的自放电率测试值判断待测电芯的健康状态,并进行提示,实现了对待测电芯危险的排除和状态的确认,提高了待测电芯的安全性。
进一步,可选地,若待测电芯所需的均衡能力值大于预设均衡能力值,还可以采集待测电芯每分钟的电压,再计算待测电芯的每分钟的自放电率,进而基于待测电芯的每分钟的自放电率计算待测电芯自放电率的增速。增速阈值是判断异常电芯的严重程度的预设值,若待测电芯自放电率的增速超过预设增速阈值,则发出第一告警信息以提示待测电芯出现严重危险,严重危险可以表示待测电芯存在自燃、过放、内部短路和/或其他危及用户安全的危险,需要测试人员紧急联系用户并安排维修人员快速排除危险,其中,预设增速阈值可以由测试人员设定,待测电芯自放电率的增速超过预设增速阈值则表示待测电芯的自放电率增速过快,容易造成自燃等危险。若待测电芯自放电率的增速小于或等于预设增速阈值,则发出第二告警信息,第二告警信息可以提示测试人员待测电芯出现严重异常,需要维修人员排除。第一告警信息与第二告警信息可以区分开来,以提示不同的警示级别,实现对待测电芯状态更加细致的测试和提示,提高了检测的可靠性。
图4为本发明实施例提供的一种函数拟合方法的流程图,图5为本发明实施例提供的一种第二函数、第一自放电函数和第一函数的函数图像,结合图4 和图5,函数拟合方法包括:
S401、根据第一时刻t1、第一电压V1、第二时刻t2和第二电压V2生成第二函数F2。
具体地,参照图5,将第一时刻t1和第一时刻t1采集到的待测电芯的第一电压V1作为函数的一个点,第二时刻t2和第二时刻t2采集到的待测电芯的第二电压V2作为函数的另一个点,两个点可以确定出第二函数F2,第二函数F2即为第一自放电函数F的修正函数。
S402、根据第二函数F2对第一自放电函数F进行修正得出第一函数F1。
具体地,采用线性拟合函数基于最小二乘法对第二函数F2和第一自放电函数F进行拟合第一自放电函数修正,可以获得第一函数F1,第一函数F1的斜率即为待测电芯的自放电率的测试结果。
本实施例提供的一种函数拟合方法应用于根据待测电芯的两个数据对第一自放电函数进行拟合,采用polyfit函数拟合,实现了采用两个采样点拟合出待测电芯的自放电函数,减少了采样的点选取,进一步提高了测试的效率。
本发明实施例还提供了一种基于大数据的自放电检测装置。图6为本发明实施例提供的一种基于大数据的自放电检测装置的结构示意图,参照图6,基于大数据的自放电检测装置600包括:第一自放电函数计算模块601、电压采集模块602、第一自放电函数修正模块603和自放电率测试值计算模块604;第一自放电函数计算模块601用于根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数;电压采集模块602用于在第一时刻采集待测电芯两端的第一电压,并在第二时刻,采集待测电芯两端的第二电压;其中,第一时刻为待测电芯休眠设定时长后的时刻,第二时刻为待测电芯重新开始工作的时刻;第一自放电函数修正模块603用于根据第一时刻、第一电压、第二时刻和第二电压对第一自放电函数进行修正得出第一函数;自放电率测试值计算模块604用于计算第一函数的斜率,根据斜率确定待测电芯的自放电率测试值。
本实施例提供的基于大数据的自放电检测装置,第一自放电函数计算模块可以根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数,电压采集模块可以在第一时刻采集待测电芯两端的第一电压,在第二时刻采集待测电芯两端的第二电压,第一自放电函数修正模块可以根据电压采集模块采集到的电压数据对第一自放电函数进行修正得出第一函数,自放电率测试值计算模块可以计算待测电芯的自放电率测试值,实现了基于大数据平台对待测电芯的自放电率进行测试,测试过程仅需采集待测电芯的两组电压数据,提高了计算效率。
图7为本发明实施例提供的另一种基于大数据的自放电检测装置的结构示意图,参照图7,可选地,基于大数据的自放电检测装置还包括:电芯电压值采集模块701、自放电率计算模块702、第一数据存储模块703和第二数据存储模块704,电芯电压值采集模块701用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,在电芯模型休眠设定时长后开始采集电芯模型的电压值,直至电芯模型重新开始工作,其中,电压值每分钟采集一次;自放电率计算模块702用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,根据电压值中的首末两个数据计算电芯模型的自放电率;第一数据存储模块703用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,若电芯模型的自放电率小于预设自放电率,则将电压值和对应的时间作为第一数据存储入大数据平台;第二数据存储模块704用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,若电芯模型所需的均衡能力值小于或等于预设均衡能力值,则将电压值作为第二数据存储入大数据平台;第一自放电函数计算模块601包括:第二自放电函数计算单元705和第一自放电函数计算单元706,第二自放电函数计算单元705用于根据第一数据或第二数据计算得出第二自放电函数;第一自放电函数计算单元706用于根据多组第二自放电函数拟合出第一自放电函数。
本实施例提供的基于大数据的自放电检测装置,电芯电压值采集模块可以采集电芯模型的自放电数据并判断数据的是否异常,进而筛选除正常数据存入大数据平台,实现了对数据的整理和清洗,排除了异常值,进一步提高了自放电率测试的准确性。
图8为本发明实施例提供的又一种基于大数据的自放电检测装置的结构示意图,参照图8,可选地,基于大数据的自放电检测装置600还包括提示模块 801,提示模块801用于若自放电率测试值小于或等于预设自放电率则发出第一提示信息,若自放电率测试值与电池容量和单位电压所对应荷电状态变化值的乘积小于或等于预设均衡能力值则发出第二提示信息,若自放电率测试值与电池容量和单位电压所对应荷电状态变化值的乘积大于预设均衡能力值则发出告警信息。
本实施例提供的基于大数据的自放电检测装置设置有提示模块,可以根据测试结果提示测试人员,并在待测电芯出现严重故障时发出警告,实现对待测电芯状态更加细致的测试和提示,提高了检测的可靠性。
图9为本发明实施例提供的又一种基于大数据的自放电检测装置的结构示意图,参照图9,可选地,第一自放电函数修正模块603包括:第二函数生成单元901和第一函数获得单元902,第二函数生成单元901用于根据第一时刻、第一电压、第二时刻和第二电压生成第二函数;第一函数获得单元902用于根据第二函数对第一自放电函数进行修正得出第一函数,实现了采用两个采样点拟合出待测电芯的自放电函数,减少了采样的点选取,进一步提高了测试的效率。
本发明实施例还提供了一种基于大数据的自放电检测系统,该系统。图10 为本发明实施例提供的一种基于大数据的自放电检测系统的结构示意图,参照图10,基于大数据的自放电检测系统1000包括:前述实施例中任意基于大数据的自放电检测装置600和大数据平台1001,大数据平台1001与基于大数据的自放电检测装置600连接,用于存储电芯模型数据,电芯模型数据包括电芯模型的电压。
本发明实施例提供的基于大数据的自放电检测方法、装置和系统,利用大数据平台的电芯模型数据计算得到可以体现自放电率的第一自放电函数,进而采集待测电芯在休眠预设时段时和重新开始工作的电压,然后根据两组数据修正第一自放电函数,得到第一函数,再计算第一函数的斜率得到待测电芯的自放电率的测试值,实现了基于大数据平台对待测电芯的自放电率进行测试,测试过程仅需采集待测电芯的两组电压数据,提高了计算效率。
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、结合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)
1.一种基于大数据的自放电检测方法,其特征在于,包括:
根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数;
在第一时刻,采集待测电芯两端的第一电压;
在第二时刻,采集所述待测电芯两端的第二电压;
根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压对所述第一自放电函数进行修正得出第一函数;
计算所述第一函数的斜率,根据所述斜率确定所述待测电芯的自放电率测试值;
其中,所述第一时刻为所述待测电芯休眠设定时长后的时刻,所述第二时刻为所述待测电芯重新开始工作的时刻。
2.根据权利要求1所述的基于大数据的自放电检测方法,其特征在于,
根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,包括:
在所述电芯模型休眠设定时长后开始采集所述电芯模型的电压值,直至所述电芯模型重新开始工作,其中,所述电压值每分钟采集一次;
根据所述电压值中的首末两个数据计算所述电芯模型的自放电率;
若所述电芯模型的自放电率小于或等于预设自放电率,则将所述电压值和对应的采集时间作为第一数据存储入所述大数据平台;
若所述电芯模型的自放电率大于预设自放电率,且所述电芯模型所需的均衡能力值小于或等于预设均衡能力值,则将所述电压值作为第二数据存储入所述大数据平台;
根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数,包括:根据所述第一数据和所述第二数据计算得出第二自放电函数;
根据多组所述第二自放电函数拟合出所述第一自放电函数。
3.根据权利要求2所述的基于大数据的自放电检测方法,其特征在于,计算所述第一函数的斜率,根据所述斜率确定所述待测电芯的自放电率测试值之后,还包括:
若所述自放电率测试值小于或等于所述预设自放电率则发出第一提示信息;
若所述自放电率测试值大于所述预设自放电率,且所述待测电芯所需的均衡能力值小于或等于预设均衡能力值则发出第二提示信息;
若所述待测电芯所需的均衡能力值大于预设均衡能力值则发出告警信息。
4.根据权利要求3所述的基于大数据的自放电检测方法,其特征在于,所述发出告警信息包括:
若所述待测电芯的自放电率增速大于预设增速值则发出第一告警信息,否则发出第二告警信息。
5.根据权利要求1所述的基于大数据的自放电检测方法,其特征在于,根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压对所述第一自放电函数进行修正得出第一函数,包括:
根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压生成第二函数;
根据所述第二函数对所述第一自放电函数进行修正得出第一函数。
6.一种基于大数据的自放电检测装置,其特征在于,用于实现权利要求1-5任一基于大数据的自放电检测方法,基于大数据的自放电检测装置包括:
第一自放电函数计算模块,用于根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数;
电压采集模块,用于在第一时刻,采集待测电芯两端的第一电压,并在第二时刻,采集所述待测电芯两端的第二电压;其中,所述第一时刻为所述待测电芯休眠设定时长后的时刻,所述第二时刻为所述待测电芯重新开始工作的时刻;
第一自放电函数修正模块,用于根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压对所述第一自放电函数进行修正得出第一函数;
自放电率测试值计算模块,用于计算所述第一函数的斜率,根据所述斜率确定所述待测电芯的自放电率测试值。
7.根据权利要求6所述的基于大数据的自放电检测装置,其特征在于,还包括:
电芯电压值采集模块,用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,在所述电芯模型休眠设定时长后开始采集所述电芯模型的电压值,直至所述电芯模型重新开始工作,其中,所述电压值每分钟采集一次;
自放电率计算模块,用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,根据所述电压值中的首末两个数据计算所述电芯模型的自放电率;
第一数据存储模块,用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,若所述电芯模型的自放电率小于所述预设自放电率,则将所述电压值和对应的时间作为第一数据存储入所述大数据平台;
第二数据存储模块,用于在根据大数据平台获取的电芯模型数据计算得到电芯模型的第一自放电函数之前,若所述电芯模型所需的均衡能力值小于或等于预设均衡能力值,则将所述电压值作为第二数据存储入所述大数据平台;
所述第一自放电函数计算模块包括:
第二自放电函数计算单元,用于根据所述第一数据或所述第二数据计算得出第二自放电函数;
第一自放电函数计算单元,用于根据多组所述第二自放电函数拟合出所述第一自放电函数。
8.根据权利要求7所述的基于大数据的自放电检测装置,其特征在于,还包括:
提示模块,用于若所述自放电率测试值小于或等于所述预设自放电率则发出第一提示信息,若所述待测电芯所需的均衡能力值小于或等于预设均衡能力值则发出第二提示信息,若所述待测电芯所需的均衡能力值大于预设均衡能力值则发出告警信息。
9.根据权利要求7所述的基于大数据的自放电检测装置,其特征在于,第一自放电函数修正模块包括:
第二函数生成单元,用于根据所述第一时刻、所述第一电压、所述第二时刻和所述第二电压生成第二函数;
第一函数获得单元,用于根据所述第二函数对所述第一自放电函数进行修正得出第一函数。
10.一种基于大数据的自放电检测系统,其特征在于,包括:权利要求6-9任一所述基于大数据的自放电检测装置和大数据平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110907341.7A CN113589183A (zh) | 2021-08-09 | 2021-08-09 | 一种基于大数据的自放电检测方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110907341.7A CN113589183A (zh) | 2021-08-09 | 2021-08-09 | 一种基于大数据的自放电检测方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113589183A true CN113589183A (zh) | 2021-11-02 |
Family
ID=78256308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110907341.7A Pending CN113589183A (zh) | 2021-08-09 | 2021-08-09 | 一种基于大数据的自放电检测方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589183A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430080A (zh) * | 2022-01-27 | 2022-05-03 | 中国汽车工程研究院股份有限公司 | 一种基于运行数据的动力电池电芯异常自放电的识别方法 |
CN115061051A (zh) * | 2022-06-10 | 2022-09-16 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种电池电压异常的识别方法、装置、计算机设备和介质 |
CN117406112A (zh) * | 2023-12-13 | 2024-01-16 | 瑞浦兰钧能源股份有限公司 | 电池自放电筛选方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044606A (zh) * | 2015-07-01 | 2015-11-11 | 西安交通大学 | 一种基于参数自适应电池模型的soc估计方法 |
CN105068007A (zh) * | 2015-07-01 | 2015-11-18 | 清华大学 | 锂离子电池模型参数变化的预测方法及系统 |
CN106528951A (zh) * | 2016-10-18 | 2017-03-22 | 张家港莫特普数据科技有限公司 | 一种动力电池寿命预测及安全预警的方法和装置 |
CN110239348A (zh) * | 2019-05-24 | 2019-09-17 | 北京航空航天大学 | 一种电动汽车动力电池安全检测系统及方法 |
CN110850298A (zh) * | 2019-10-29 | 2020-02-28 | 上海交通大学 | 基于数据驱动的锂电池soh估计方法及系统 |
CN112180283A (zh) * | 2020-09-02 | 2021-01-05 | 深圳市伊力科电源有限公司 | 火灾告警系统及不间断电源 |
CN112462277A (zh) * | 2020-11-13 | 2021-03-09 | 珠海冠宇电池股份有限公司 | 一种锂离子电池自放电性能检测方法 |
CN112611936A (zh) * | 2020-11-27 | 2021-04-06 | 云南大学 | 一种基于边缘计算的配网变压器故障动态检测与分类系统 |
-
2021
- 2021-08-09 CN CN202110907341.7A patent/CN113589183A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044606A (zh) * | 2015-07-01 | 2015-11-11 | 西安交通大学 | 一种基于参数自适应电池模型的soc估计方法 |
CN105068007A (zh) * | 2015-07-01 | 2015-11-18 | 清华大学 | 锂离子电池模型参数变化的预测方法及系统 |
CN106528951A (zh) * | 2016-10-18 | 2017-03-22 | 张家港莫特普数据科技有限公司 | 一种动力电池寿命预测及安全预警的方法和装置 |
CN110239348A (zh) * | 2019-05-24 | 2019-09-17 | 北京航空航天大学 | 一种电动汽车动力电池安全检测系统及方法 |
CN110850298A (zh) * | 2019-10-29 | 2020-02-28 | 上海交通大学 | 基于数据驱动的锂电池soh估计方法及系统 |
CN112180283A (zh) * | 2020-09-02 | 2021-01-05 | 深圳市伊力科电源有限公司 | 火灾告警系统及不间断电源 |
CN112462277A (zh) * | 2020-11-13 | 2021-03-09 | 珠海冠宇电池股份有限公司 | 一种锂离子电池自放电性能检测方法 |
CN112611936A (zh) * | 2020-11-27 | 2021-04-06 | 云南大学 | 一种基于边缘计算的配网变压器故障动态检测与分类系统 |
Non-Patent Citations (1)
Title |
---|
孔超: "纯电动汽车电池及管理系统拆装与检测", 北京:机械工业出版社, pages: 81 - 82 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430080A (zh) * | 2022-01-27 | 2022-05-03 | 中国汽车工程研究院股份有限公司 | 一种基于运行数据的动力电池电芯异常自放电的识别方法 |
CN115061051A (zh) * | 2022-06-10 | 2022-09-16 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种电池电压异常的识别方法、装置、计算机设备和介质 |
CN115061051B (zh) * | 2022-06-10 | 2024-06-07 | 重庆赛力斯新能源汽车设计院有限公司 | 一种电池电压异常的识别方法、装置、计算机设备和介质 |
CN117406112A (zh) * | 2023-12-13 | 2024-01-16 | 瑞浦兰钧能源股份有限公司 | 电池自放电筛选方法 |
CN117406112B (zh) * | 2023-12-13 | 2024-03-15 | 瑞浦兰钧能源股份有限公司 | 电池自放电筛选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3508867B1 (en) | Detection method and device for micro short circuit of battery | |
CN113589183A (zh) | 一种基于大数据的自放电检测方法、装置和系统 | |
CN100449857C (zh) | 二次电池的退化判断电路 | |
CN106324508B (zh) | 电池健康状态的检测装置及方法 | |
EP2397863B1 (fr) | Systeme de surveillance de l'etat d'une batterie | |
EP1049231B1 (en) | Parameter measuring method, charge/discharge control method and apparatus and life predicting method for secondary batteries and power storage apparatus using the same | |
CN108291941B (zh) | 用于检测由于未知放电电流导致的电池单元故障的装置和方法 | |
EP3719515B1 (en) | Evaluation device, evaluation method, and computer program | |
JP5202698B2 (ja) | 二次電池の内部状態検知用回路並びに該回路を有する電池パック、機器、機械及びシステム | |
CN110133536B (zh) | 确定电池组实体内部泄漏电流的指标的系统、方法及设备 | |
CN109116254B (zh) | 一种动力电池功率状态估算功能测试方法和装置 | |
CN106707180B (zh) | 一种并联电池组故障检测方法 | |
CN110764014A (zh) | 电池内短路的检测方法、装置、终端及可读存储介质 | |
KR102180625B1 (ko) | 2차 전지의 수명상태 검출방법 | |
CN109856548B (zh) | 动力电池容量估算方法 | |
CN103149535A (zh) | 用于在线确定电池的充电状态和健康状态的方法和装置 | |
JP6431644B2 (ja) | 蓄電池評価装置、蓄電システムおよび蓄電池評価方法 | |
US9450427B2 (en) | State of charge determination for an electrical accumulator | |
JP2007309839A (ja) | 組電池状態測定装置、組電池劣化判定方法および組電池劣化判定プログラム | |
JP2007311255A (ja) | 組電池状態測定装置、組電池劣化判定方法および組電池劣化判定プログラム | |
JP2009064682A (ja) | 電池劣化判定装置及びそれを備えたリチウムイオン電池パック | |
JP2018028967A (ja) | バッテリパックの製造方法 | |
CN111108403A (zh) | 可充电电池短路预测装置和可充电电池短路预测方法 | |
CN110888074B (zh) | 用于soc初始值计算的电压确定方法及装置 | |
CN112467822A (zh) | 一种电池管理方法、装置以及系统 |
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 |