CN114019400A - 锂电池生命周期监控管理方法、系统及存储介质 - Google Patents
锂电池生命周期监控管理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114019400A CN114019400A CN202111296512.3A CN202111296512A CN114019400A CN 114019400 A CN114019400 A CN 114019400A CN 202111296512 A CN202111296512 A CN 202111296512A CN 114019400 A CN114019400 A CN 114019400A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- equipment
- fault
- life cycle
- soh
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 241
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 241
- 238000007726 management method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 230000036541 health Effects 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000003062 neural network model Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 26
- 238000012795 verification Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 15
- 230000004913 activation Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 238000013527 convolutional neural network Methods 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 230000003287 optical effect Effects 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种锂电池生命周期监控管理方法、系统及存储介质,其属于锂电池健康管理的领域,其中方法包括:按照预设的采集周期,获取携带有设备ID的锂电池状态信息,锂电池状态信息包括电池健康状态SOH;读取预存有的对应于设备ID的设备信息;基于锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数;基于选取出的衰减拟合函数和规则配置参数,计算得到SOH分界值;对比电池健康状态SOH和SOH分界值,得到对应于设备ID的锂电池健康等级,并更新至预设的健康等级数据库中;在接收到携带有设备ID的查询请求信号后,反馈对应于设备ID的锂电池健康等级。本发明具有便于用户准确评估锂电池健康状态的效果。
Description
技术领域
本发明涉及锂电池健康管理的领域,尤其是涉及一种锂电池生命周期监控管理方法、系统及存储介质。
背景技术
锂电池因为其输出电压高、循环寿命长、能量密度大、自放电率低、工作温度范围广等优点,被广泛应用于消费电子、电动汽车及航空、航天、航海、军事通信等领域。
随着锂离子电池应用的日益广泛,使用过程中开始暴露一系列问题,尤其是其健康状态问题。目前,对锂电池的监测通常采取如下方式:锂电池生命周期服务器定期采集锂电池的状态参数,并在状态参数超出合理值时进行告警和保护动作。
在实现本申请的过程中,发明人发现该技术中至少存在以下问题:目前常用的监测方式只能对出现故障的锂电池进行告警,而不能准确地向用户反馈锂电池的使用状态和健康状态。
发明内容
为了便于用户准确地评估锂电池的健康状态,本申请提供一种锂电池生命周期监控管理方法、系统及存储介质。
第一方面,本申请提供一种锂电池生命周期监控管理方法,采用如下的技术方案:
一种锂电池生命周期监控管理方法,包括:
按照预设的采集周期,接收携带有设备ID的锂电池状态信息,所述锂电池状态信息包括电池健康状态SOH和实际循环次数;
读取预存有的对应于所述设备ID的设备信息,所述设备信息包括设计使用天数、设计循环次数、设备激活日期和锂电池类型;
基于所述锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数;
基于选取出的所述衰减拟合函数和规则配置参数,结合所述设备信息,计算得到至少一个SOH分界值;
对比所述电池健康状态SOH和SOH分界值,得到对应于所述设备ID的锂电池健康等级,并更新至预设的健康等级数据库中;
在接收到携带有设备ID的查询请求信号后,反馈对应于所述设备ID的锂电池健康等级。
通过采用上述技术方案,锂电池生命周期服务器定期获取携带有设备ID的电池健康状态SOH,并基于设备ID中记录的设备信息,处理得到对应的SOH分界值,之后,锂电池生命周期服务器通过将电池健康状态SOH和对应的SOH分界值进行对比,完成对该设备ID所对应的设备中的锂电池的健康等级评估,便于用户直接查询,无论锂电池是否出现故障,用户都能查询到锂电池的锂电池健康等级,从而便于用户准确评估锂电池健康状态。
可选的,所述设备信息还包括设备激活日期,在所述读取预存有的对应于所述设备ID的设备信息之后,还包括:
基于所述实际循环次数、实际使用天数和电池健康状态SOH,生成或更新对应于所述设备ID的动态展示三维散点图。
通过采用上述技术方案,锂电池生命周期服务器根据锂电池的实际循环次数、实际使用天数和电池健康状态SOH,处理生成动态展示三维散点图,以动态展示三维散点图中的坐标点的位置反映锂电池的健康程度,相较于文字的形式,以图像的方式反映锂电池的健康程度更为直观。
可选的,所述锂电池状态信息还包括实时状态参数,所述实时状态参数包括实时电芯电压、实时电流、实时开路电压和实时温度;
在所述按照预设的采集周期,获取携带有设备ID的锂电池状态信息之后,还包括:
通过预设有的故障分类神经网络模型,基于所述实时状态参数,处理得到分类结果代码以及对应于所述分类结果代码的故障发生概率;
识别对应的所述故障发生概率最大且达到预设的发生阈值的分类结果代码所对应的故障类型,得到对应于所述设备ID的故障分类结果;
将所述故障分类结果对应于所述设备ID进行存储。
通过采用上述技术方案,锂电池生命周期服务器在接收到携带有设备ID的锂电池状态信息后,会利用预设有的故障分类神经网络模型判断对应的锂电池是否发生故障,并进一步判断出故障类型,从而有助于对故障锂电池的及时处理。
可选的,所述通过预设有的故障分类神经网络模型,基于所述实时状态参数,处理得到分类结果代码以及对应于所述分类结果代码的故障发生概率,具体包括:
识别预设的所述故障分类神经网络模型所需的各个状态参数数据长度,所述状态参数数据长度一一对应于所述实时状态参数;
基于当前存储有的历史状态参数和实时状态参数,得到每个所述实时状态参数所对应的待验证数据集,所述待验证数据集的数据长度等于对应的所述状态参数数据长度;
生成对应于所述待验证数据集的灰度曲线图;
通过所述故障分类神经网络模型处理所述灰度曲线图,得到分类结果代码以及对应于所述分类结果代码的故障概率。
通过采用上述技术方案,锂电池生命周期服务器采用曲线波形匹配的方法实现对故障类型的识别,准确率更高。
可选的,所述在接收到携带有设备ID的查询请求信号后,反馈对应于所述设备ID的锂电池健康等级,具体包括:
在接收到携带有设备ID的查询请求信号后,识别所述查询请求信号所携带的查询目标,所述查询目标包括锂电池状态信息、锂电池健康等级、设备信息;
反馈所述查询目标所对应的数据至发出所述查询请求信号的智能设备,以使所述智能设备对所述查询目标进行可视化显示。
通过采用上述技术方案,用户可以通过发出携带有查询目标的查询请求信号的方式,对锂电池状态信息、锂电池健康等级、设备信息和动态展示三维散点图进行查询,锂电池生命周期服务器将查询结果反馈给用户的智能设备,从而便于智能设备对查询目标进行可视化显示,便于用户查看。
可选的,在所述将所述故障分类结果对应于所述设备ID进行存储之后,还包括:
识别所述故障分类结果所对应的所述设备ID是否标记有通知标志;
当识别结果为是时,向所述设备ID所对应的用户发送故障通知信息。
通过采用上述技术方案,锂电池生命周期服务器在识别出对应于设备ID的故障类型后,可以向标记有通知标志的用户发出故障通知信息,便于用户及时得知故障,从而及时对锂电池故障进行处理。
可选的,所述方法还包括:
获取当前存储有的历史状态参数,所述历史状态参数包括电芯电压、电流、开路电压和温度;
在接收到数据长度设置指令后,基于所述数据长度设置指令所记录的状态参数数据长度,对所述历史状态参数进行分组,得到训练数据集和验证数据集,所述训练数据集和验证数据集的数据长度均等于所述状态参数数据长度;
生成一一对应于所述训练数据集和验证数据集的灰度曲线图;
构造故障分类神经网络模型,基于所述故障分类神经网络模型,对所述训练数据集进行训练,建立故障代码与灰度曲线图的对应关系;
基于所述验证数据集所对应的灰度曲线图,对所述故障代码与灰度曲线图的对应关系进行验证;
在验证结果满足预设的评估标准后,完成所述故障分类神经网络模型的配置。
第二方面,本申请提供一种锂电池生命周期监控管理系统,采用如下的技术方案:
一种锂电池生命周期监控管理系统,包括锂电池生命周期服务器、BMS智能硬件保护板终端以及智能设备,所述锂电池生命周期服务器包括:
数据接收模块,用于按照预设的采集周期,接收携带有设备ID的锂电池状态信息,所述锂电池状态信息包括电池健康状态SOH;
数据存储模块,用于存储对应于设备ID的各类数据;
数据读取模块,用于读取预存有的对应于所述设备ID的设备信息;
函数选取模块,用于基于所述锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数;
数据处理模块,用于对比所述电池健康状态SOH和SOH分界值,得到对应于所述设备ID的锂电池健康等级,并更新至预设的健康等级数据库中;
信息发送模块,用于在接收到携带有设备ID的查询请求信号后,反馈对应于所述设备ID的锂电池健康等级。
第三方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.锂电池生命周期服务器定期获取携带有设备ID的电池健康状态SOH,并基于设备ID中记录的设备信息,处理得到对应的SOH分界值,之后,锂电池生命周期服务器通过将电池健康状态SOH和对应的SOH分界值进行对比,完成对该设备ID所对应的设备中的锂电池的健康等级评估,便于用户直接查询,无论锂电池是否出现故障,用户都能查询到锂电池的锂电池健康等级,从而便于用户准确评估锂电池健康状态。
2.锂电池生命周期服务器在接收到携带有设备ID的锂电池状态信息后,会利用预设有的故障分类神经网络模型判断对应的锂电池是否发生故障,并进一步确认故障类型,从而有助于对故障锂电池的及时处理。
附图说明
图1是本申请实施例中用于体现锂电池生命周期监控管理系统的系统框图;
图2是本申请实施例中用于体现锂电池生命周期监控管理方法的流程示意图;
图3是本申请实施例中用于体现故障分类过程的流程示意图。
图4是本申请实施例中用于体现一种锂电池生命周期服务器的系统框图;
图5是本申请实施例中用于体现另一种锂电池生命周期服务器的系统框图;
图6是本申请实施例中用于体现另一种锂电池生命周期服务器的系统框图。
附图标记说明:41、数据接收模块;42、数据存储模块;43、数据读取模块;44、函数选取模块;45、数据处理模块;46、信息发送模块;51、动态展示三维散点图生成模块;61、模型调用模块。
具体实施方式
以下结合附图1-6对本申请作进一步详细说明。
本申请实施例公开一种锂电池生命周期监控管理方法,参照图1,该方法可以应用于锂电池生命周期监控管理系统中,执行主体为锂电池生命周期监控管理系统中的锂电池生命周期服务器,锂电池生命周期监控管理系统还包括BMS智能硬件保护板终端、用于进行数据处理的锂电池生命周期服务器以及用于供用户进行数据查询的智能设备,其中,智能设备可以是手机、电脑、平板等常见的电子设备。使用时,BMS智能硬件保护板终端采集和计算锂电池相关数据,并将采集或计算出的数据发送至锂电池生命周期服务器,锂电池生命周期服务器接收到BMS智能硬件保护板终端发出的数据后,可以进行各项数据处理,从而完成对锂电池生命周期的监控管理。用户可以通过智能设备,实现对锂电池生命周期服务器中数据的查询。
下面将结合具体实施方式,对图2所示的处理流程进行详细的说明,内容可以如下:
S201:按照预设的采集周期,接收携带有设备ID的锂电池状态信息,锂电池状态信息包括电池健康状态SOH。
在实施中,不同的BMS智能硬件保护板终端可以具有不同的采集周期,具体可以由用户根据需求自行设置。处理时,BMS智能硬件保护板终端按照预先设置的采集周期,检测对应的设备中的锂电池的各项参数,并处理得到锂电池状态信息。锂电池状态信息包括电池健康状态SOH,SOH的计算公式为:SOH=(满充容量/设计容量)*100%。其中,满充容量是指检测时充满电的情况下锂电池的容量,SOH的取值为0-100%,反映了锂电池容量的衰减程度。BMS智能硬件保护板终端在获取到对应的设备中锂电池的锂电池状态信息后,会将该设备的设备ID添加到锂电池状态信息中,并实时发送给锂电池生命周期服务器。
S202:读取预存有的对应于设备ID的设备信息,上述设备信息包括设计使用天数、设计循环次数、设备激活日期和锂电池类型。
在实施中,锂电池生命周期服务器在接收到锂电池状态信息后,会识别其中的设备ID,并从锂电池生命周期服务器的数据库中读取对应于该设备ID的设计使用天数、设计循环次数、设备激活日期和锂电池类型,并基于当前日期和设备激活日期之间的差值,计算得到该设备ID所对应的设备中锂电池的实际使用天数。其中,数据库可以说NOSQL数据库,设计使用天数、设计循环次数、设备激活日期和锂电池类型均为该设备ID所对应的设备中的锂电池的相关属性。
S203:基于锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数。
其中,锂电池类型可以是磷酸铁锂电池、三元锂电池等等,不同生产厂家生产的锂电池也可以对应有不同的锂电池类型。
在实施中,锂电池生命周期服务器的数据库中对应锂电池类型预先存储有衰减拟合函数以及规则配置参数。其中,衰减拟合函数用于反映锂电池的容量随着使用时间和循环次数累积的衰减特性,不同的锂电池类型可以对应有不同的衰减拟合函数以及规则配置参数。
S204:基于选取出的衰减拟合函数和规则配置参数,结合对应的设备信息,计算得到至少一个SOH分界值。
在实施中,锂电池生命周期服务器在选取出对应于锂电池类型的衰减拟合函数和规则配置参数后,可以进一步结合设计使用天数和设计循环次数,计算得到至少一个SOH分界值,在本实施例中,SOH分界值包括SOH优良和SOH一般。
举例来说,若锂电池的设计使用天数为D,设计循环次数为C,规则配置参数包括RD1、RD2、RC1和RC2。其中,RD1、RD2、RC1和RC2均为衰减值百分比,RD1和RD2代表了按照使用天数计算时的衰减百分比节点值,RC1和RC2代表了按照循环次数计算时的衰减百分比节点值。RD1<RD2,RC1<RC2。在此状况下,SOH优良和SOH一般分别可以为:
S205:对比所述电池健康状态SOH和SOH分界值,得到对应于设备ID的锂电池健康等级,并更新至预设的健康等级数据库中。
在实施中,锂电池健康等级可以包括优良、一般和差三个等级。锂电池生命周期服务器可以在计算出SOH优良和SOH一般后,将S201中获取到的SOH依次与SOH优良和SOH一般进行对比,当SOH>SOH优良时,判断上述设备ID所对应的设备中的锂电池的锂电池健康等级为优良;当SOH一般≤SOH<SOH优良时,判断上述设备ID所对应的设备中的锂电池的锂电池健康等级为一般;当SOH<SOH一般时,判断上述设备ID所对应的设备中的锂电池的锂电池健康等级为差。
同样,锂电池生命周期服务器也可以先计算出SOH优良,然后将SOH与SOH优良进行对比,在SOH小于SOH优良后,再计算SOH一般,并进一步将SOH和SOH一般对比,对比结果和判断结果的对应关系同上,此处不再赘述。
锂电池生命周期服务器在判断出对应于设备ID的锂电池健康等级后,会将该锂电池健康等级对应设备ID更新到预设的健康等级数据库。其中,健康等级数据库是锂电池生命周期服务器中数据库的一部分。
S206:在接收到携带有设备ID的查询请求信号后,反馈对应于设备ID的锂电池健康等级。
在实施中,锂电池生命周期服务器在接收到用户通过智能设备发出的查询请求信号后,会识别查询请求信号所携带的设备ID,并将对应于该设备ID的锂电池健康等级反馈给该用户的智能设备,从而便于用户查看。
进一步的,在另一实施例中,为了更直观地对锂电池的电池健康状态进行显示,在上述S202之后,还可以包括以下处理:
基于实际循环次数、实际使用天数和电池健康状态SOH,生成或更新对应于设备ID的动态展示三维散点图。
在实施中,当该设备ID所对应得设备为首次使用时,即第一次获取到该设备ID所对应的锂电池状态信息时,锂电池生命周期服务器可以将上述设备ID所对应的设备中的锂电池的电池健康状态SOH为z轴,实际使用天数为x轴,实际循环次数为y轴建立对应于该设备ID的三维坐标系,其中,SOH的取值范围为[0,100%],实际使用天数和实际循环次数的取值范围均为[0,正无穷]。锂电池生命周期服务器将获取到的实际循环次数、实际使用天数和电池健康状态SOH以坐标点的形式添加到生成的三维坐标系中,从而得到动态展示三维散点图。当该设备ID所对应得设备为非首次使用时,则基于本次获取到的实际循环次数、实际使用天数和电池健康状态SOH,完成对对应的动态展示三维散点图的更新。其中,动态展示三维散点图中的坐标点即代表锂电池的健康值,每个坐标点对应一个锂电池。在使用天数越长,循环次数越大的情况下,对应SOH越高的锂电池的健康值就越高,反之亦然。锂电池生命周期服务器可以在接收到对应的查询指令后,反馈动态展示三维散点图,从而便于用户直观地感受到锂电池的健康状态。
进一步的,在另一实施例中,上述S201中的锂电池状态信息还可以包括锂电池的实时状态参数,实时状态参数可以包含实时电芯电压、实时电流、实时开路电压和实时温度等数据。在此情况下,结合图3,本申请还可以包括以下内容:
S301:通过预设有的故障分类神经网络模型,基于实时状态参数,处理得到分类结果代码以及对应于分类结果代码的故障发生概率。
在实施中,锂电池生命周期服务器中预先设置有故障分类神经网络模型,该模型可以为一种CNN卷积神经网络模型。锂电池生命周期服务器在获取到实时状态参数后,可以对实时状态参数进行进一步的数据加工,并将符合故障分类神经网络模型处理要求的加工结果输入至故障分类神经网络模型中,使得故障分类神经网络模型处理得到分类结果代码以及对应于分类结果代码的故障发生概率。其中,每个分类结果代码分别对应于一个故障类型。
S302:识别对应的故障发生概率最大且达到预设的发生阈值的分类结果代码所对应的故障类型,得到对应于设备ID的故障分类结果。
在实施中,锂电池生命周期服务器可以对比所有分类结果代码的故障发生概率,从而选取出故障发生概率最大的分类结果代码。之后,锂电池生命周期服务器将该分类结果代码的故障发生概率和预设的发生阈值进行对比,当该分类结果代码的故障发生概率小于预设的发生阈值时,在代表该设备ID所对应的设备中的锂电池未发生故障;当该分类结果代码的故障发生概率大于等于预设的发生阈值时,锂电池生命周期服务器识别该分类结果代码所对应的故障描述和故障类型,从而得到了对应于设备ID的故障分类结果。
S303:将故障分类结果对应于所述设备ID进行存储。
在实施中,锂电池生命周期服务器在识别出对应于设备ID的故障分类结果后,会将识别结果存储到数据库中。
进一步的,在另一实施例中,上述S301具体可以包括以下步骤:
第一步,识别预设的故障分类神经网络模型所需的各个状态参数数据长度,上述状态参数数据长度一一对应于所述实时状态参数。
在实施中,故障分类神经网络模型对处理的数据存在数据长度的要求,即状态参数数据长度。其中,状态参数数据长度一一对应于实时状态参数,状态参数数据长度包括电芯电压数据长度、电流数据长度、开路电压数据长度、温度数据长度。以电流数据长度为例,当电流数据长度为1天时,则代表故障分类神经网络模型需要处理的数据为:以实时电流数据为起点,倒推1天内的所有电流数据。
第二步,基于当前存储有的历史状态参数和实时状态参数,得到每个实时状态参数所对应的待验证数据集,待验证数据集的数据长度等于对应的所述状态参数数据长度。
在实施中,锂电池生命周期服务器将接收到实时状态参数后,会基于对应的设备ID,读取当前存储有的对应于该设备ID的历史状态参数,从而得到数据长度等于对应的状态参数数据长度的待验证数据集。举例来说,锂电池生命周期服务器在接收到实时电流后,识别电流数据长度,此处以电流数据长度为1天进行进一步的说明。锂电池生命周期服务器以获取到实时电流的时间为起点,以前一天的相同时间点为终点,从数据库中提取最近一天内的对应于该设备ID的所有历史电流,并将提取出的历史电流和实时电流组成对应于实时电流的待验证数据集。对于实时电芯电压、实时开路电压和实时温度的处理与上述实时电流的处理类似,此处不再赘述。
第三步,生成对应于待验证数据集的灰度曲线图。
在实施中,对于每个待验证数据集,锂电池生命周期服务器都会生成一个对应的灰度曲线图。灰度曲线图中的每个坐标点均对应待验证数据集中的一个数据。
第四步,通过故障分类神经网络模型处理灰度曲线图,得到分类结果代码以及对应于分类结果代码的故障概率。
其中,故障分类神经网络模型中记录有相互对应的故障代码和灰度曲线图。
在实施中,锂电池生命周期服务器通过故障分类神经网络模型处理灰度曲线图,将每个待验证数据集的灰度曲线图和故障分类神经网络模型中存储有的灰度曲线图进行对比,从而确定存储有的灰度曲线图中与该灰度曲线图拟合程度最高的灰度曲线图,该拟合程度最高的灰度曲线图所对应的故障代码,即为识别出的对应于该待验证数据集的灰度曲线图的分类结果代码。两个灰度曲线图的拟合程度即为对应的故障概率。
可选的,在另一实施例中,上述S206具体可以包括以下内容:
第一步,在接收到携带有设备ID的查询请求信号后,识别查询请求信号所携带的查询目标。
其中,查询目标包括锂电池状态信息、锂电池健康等级和设备信息。
在实施中,用户可以通过智能设备在线进入锂电池生命周期健康评估页面,锂电池生命周期健康评估页面可以以网页的形式存在,也可以以定制APP中界面的方式存在。用户可以通过在锂电池生命周期健康评估页面选取不同的区域的方式,发出针对不同查询目标的、携带有设备ID的查询请求信号,每个查询请求信号均携带有至少一个查询目标。举例来说,某个用户的智能设备为电脑,锂电池生命周期健康评估页面以网页的形式显示在用户的电脑屏幕上,当用户左键点击锂电池生命周期健康评估页面上显示有的图标时,该电脑可以向锂电池生命周期服务器发出查询目标为锂电池状态信息和锂电池健康等级的查询请求信号。
需要注意的是,当锂电池生命周期服务器识别到数据库中未存储有接收到的设备ID所对应的数据时,可以向用户发出提示信号,提示没有展示数据。
第二步,反馈查询目标所对应的数据至发出查询请求信号的智能设备,以使该智能设备对查询目标进行可视化显示。
在实施中,锂电池生命周期服务器在识别出某个用户发出的查询请求信号的设备ID和查询目标后,会从数据库中提取对应于该设备ID的查询目标,并反馈给上述用户的智能设备,使得该智能设备能够对查询目标进行可视化显示,从而进一步便于用户直观地掌握设备中锂电池的健康状况和使用状况。
可选的,在另一实施例中,为了进一步方便用户,在上述将故障分类结果对应于设备ID进行存储之后,还可以包括以下内容:
识别故障分类结果所对应的设备ID是否标记有通知标志。
在实施中,锂电池生命周期服务器在判断出某个设备ID对应有故障分类结果,即该设备ID所对应的设备中的锂电池存在故障时,会进一步识别该设备ID是否标记有通知标志。其中,通知标志预先根据用户的需求完成添加。
当识别结果为是时,向上述设备ID所对应的用户发送故障通知信息。
在实施中,锂电池生命周期服务器在识别到上述设备ID标记有通知标志时,可以向该设备ID所对应的用户的智能设备发送故障通知信息,例如,可以将故障通知信息以短信的方式发送至用户的手机中。故障通知信息中会携带有设备ID以及故障类型、故障描述,从而便于用户及时对故障进行处理。
可选的,在另一实施例中,故障分类神经网络模型的学习过程具体可以包含以下内容:
第一步,获取当前存储有的历史状态参数。
其中,历史状态参数包括电芯电压、电流、开路电压和温度。
在实施中,当需要对故障分类神经网络模型进行训练时,锂电池生命周期服务器可以读取数据库中当前存储有的历史状态参数。
第二步,在接收到数据长度设置指令后,基于数据长度设置指令所记录的状态参数数据长度,对历史状态参数进行分组,得到训练数据集和验证数据集,训练数据集和验证数据集的数据长度均等于对应的状态参数数据长度。
进一步的,数据长度设置指令可以由用户根据需求发出,数据长度设置指令中记录有状态参数数据长度,例如电芯电压数据长度、电流数据长度、开路电压数据长度和温度数据长度。锂电池生命周期服务器在接收到数据长度设置指令后,可以基于数据长度设置指令中记录的各类型的状态参数数据长度,对对应的历史状态参数进行分组,从而得到若干训练数据集和若干验证数据集。其中,训练数据集和验证数据集均可以包括多个种类,例如,可以是电流数据集、电芯电压数据集、开路电压数据集、温度数据集。训练数据集和验证数据集的数据长度均等于对应的状态参数数据长度,例如,电流数据集的数据长度就等于电流数据长度。训练数据集和验证数据集在形式上是相同的,仅在用途上存在区别。
第三步,生成一一对应于训练数据集和验证数据集的灰度曲线图。
在实施中,对于每个训练数据集和验证数据集,锂电池生命周期服务器都会基于其中的数据,处理得到对应的灰度曲线图。
第四步,构造故障分类神经网络模型,基于故障分类神经网络模型,对实时训练数据集所对应的灰度曲线图进行训练,建立故障代码与灰度曲线图的对应关系。
在实施中,锂电池生命周期服务器可以构造一个类型为CNN卷积神经网络模型的故障分类神经网络模型。用户可以将不同的故障类型以故障代码的方式输入故障分类神经网络模型中,并建立故障代码和训练数据集的灰度曲线图的对应关系。锂电池生命周期服务器利用故障分类神经网络模型对训练数据集进行训练,从而建立故障代码和灰度曲线图的对应关系。
第五步,基于验证数据集所对应的灰度曲线图,对故障代码与灰度曲线图的对应关系进行验证。
在实施中,在建立了故障代码和灰度曲线图的对应关系后,锂电池生命周期服务器将验证数据集所对应的灰度曲线图对应故障代码输入故障分类神经网络模型中,从而对故障分类神经网络模型中的故障代码和灰度曲线图的对应关系进行验证,即判断灰度曲线图是否合适、灰度曲线图和故障代码的对应关系是否准确。
第六步,在验证结果满足预设的评估标准后,完成故障分类神经网络模型的配置。
其中,预设的评估标准可以为同时满足以下两个条件:第一、验证数据集的验证结果准确率≥预设的准确率阈值,该准确率阈值可以是97%、98%等百分数;第二、训练集损失值的曲线呈单调递减。
在实施中,当锂电池生命周期服务器识别到验证结果满足预设的评估标准后,完成故障分类神经网络模型的配置,得到的故障分类神经网络模型中记录有故障代码和灰度曲线图的对应关系。
在使用过程中,锂电池生命周期服务器可以定期利用新出现的历史状态参数对故障分类神经网络模型进行优化。
基于上述方法,本申请实施例还公开一种锂电池生命周期监控管理系统,参照图4,锂电池生命周期监控管理系统包括锂电池生命周期服务器、BMS智能硬件保护板终端以及智能设备,其中锂电池生命周期服务器包括:
数据接收模块41,用于按照预设的采集周期,接收携带有设备ID的锂电池状态信息。
数据存储模块42,用于存储对应于设备ID的各类数据。
数据读取模块43,用于读取预存有的对应于设备ID的设备信息。
函数选取模块44,用于基于锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数。
数据处理模块45,用于对比电池健康状态SOH和SOH分界值,得到对应于设备ID的锂电池健康等级,并更新至预设的健康等级数据库中。
信息发送模块46,用于在接收到携带有设备ID的查询请求信号后,反馈对应于设备ID的锂电池健康等级。
可选的,参照图5,锂电池生命周期服务器还包括动态展示三维散点图生成模块51,用于基于实际循环次数、实际使用天数和电池健康状态SOH,生成或更新对应于设备ID的动态展示三维散点图。
可选的,参照图6,锂电池生命周期服务器还包括模型调用模块61,用于在上述按照预设的采集周期,获取携带有设备ID的锂电池状态信息之后,通过预设有的故障分类神经网络模型,基于实时状态参数,处理得到分类结果代码以及对应于分类结果代码的故障发生概率;还用于识别对应的故障发生概率最大且达到预设的发生阈值的分类结果代码所对应的故障类型,得到对应于设备ID的故障分类结果。
数据存储模块42还用于将故障分类结果对应于设备ID进行存储。
可选的,模型调用模块61具体用于识别预设的故障分类神经网络模型所需的各个状态参数数据长度;基于当前存储有的历史状态参数和实时状态参数,得到每个实时状态参数所对应的待验证数据集,待验证数据集的数据长度等于对应的状态参数数据长度;生成对应于所述待验证数据集的灰度曲线图;通过故障分类神经网络模型处理灰度曲线图,得到分类结果代码以及对应于分类结果代码的故障概率。
可选的,数据处理模块45还用于在接收到携带有设备ID的查询请求信号后,识别查询请求信号所携带的查询目标;
信息发送模块46还用于反馈查询目标所对应的数据至发出查询请求信号的智能设备。
可选的,数据处理模块45还用于识别故障分类结果所对应的设备ID是否标记有通知标志。
信息发送模块46还用于当识别结果为是时,向设备ID所对应的用户发送故障通知信息。
可选的,数据读取模块43还用于获取当前存储有的历史状态参数。
数据处理模块45还用于在接收到数据长度设置指令后,基于数据长度设置指令所记录的状态参数数据长度,对历史状态参数进行分组,得到训练数据集和验证数据集。
可选的,锂电池生命周期服务器还包括模型训练模块,用于生成一一对应于训练数据集和验证数据集的灰度曲线图;构造故障分类神经网络模型,基于故障分类神经网络模型,对训练数据集进行训练,建立故障代码与灰度曲线图的对应关系;基于验证数据集所对应的灰度曲线图,对故障代码与灰度曲线图的对应关系进行验证;在验证结果满足预设的评估标准后,完成故障分类神经网络模型的配置。
本申请实施例还公开一种智能终端,智能终端包括存储器和处理器,存储器上存储有能够被处理器加载并执行如上述的锂电池生命周期监控管理方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质,其存储有能够被处理器加载并执行如上述的锂电池生命周期监控管理方法的计算机程序,该计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案,而非对申请的保护范围进行限制。显然,所描述的实施例仅仅是本申请部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所要保护的范围。
Claims (10)
1.一种锂电池生命周期监控管理方法,其特征在于,包括:
按照预设的采集周期,接收携带有设备ID的锂电池状态信息,所述锂电池状态信息包括电池健康状态SOH和实际循环次数;
读取预存有的对应于所述设备ID的设备信息,所述设备信息包括设计使用天数、设计循环次数、设备激活日期和锂电池类型;
基于所述锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数;
基于选取出的所述衰减拟合函数和规则配置参数,结合所述设备信息,计算得到至少一个SOH分界值;
对比所述电池健康状态SOH和SOH分界值,得到对应于所述设备ID的锂电池健康等级,并更新至预设的健康等级数据库中;
在接收到携带有设备ID的查询请求信号后,反馈对应于所述设备ID的锂电池健康等级。
2.根据权利要求1所述的锂电池生命周期监控管理方法,其特征在于,所述设备信息还包括设备激活日期,在所述读取预存有的对应于所述设备ID的设备信息之后,还包括:
基于所述实际循环次数、实际使用天数和电池健康状态SOH,生成或更新对应于所述设备ID的动态展示三维散点图。
3.根据权利要求2所述的锂电池生命周期监控管理方法,其特征在于,所述锂电池状态信息还包括实时状态参数,所述实时状态参数包括实时电芯电压、实时电流、实时开路电压和实时温度;
在所述按照预设的采集周期,获取携带有设备ID的锂电池状态信息之后,还包括:
通过预设有的故障分类神经网络模型,基于所述实时状态参数,处理得到分类结果代码以及对应于所述分类结果代码的故障发生概率;
识别对应的所述故障发生概率最大且达到预设的发生阈值的分类结果代码所对应的故障类型,得到对应于所述设备ID的故障分类结果;
将所述故障分类结果对应于所述设备ID进行存储。
4.根据权利要求3所述的锂电池生命周期监控管理方法,其特征在于,所述通过预设有的故障分类神经网络模型,基于所述实时状态参数,处理得到分类结果代码以及对应于所述分类结果代码的故障发生概率,具体包括:
识别预设的所述故障分类神经网络模型所需的各个状态参数数据长度,所述状态参数数据长度一一对应于所述实时状态参数;
基于当前存储有的历史状态参数和实时状态参数,得到每个所述实时状态参数所对应的待验证数据集,所述待验证数据集的数据长度等于对应的所述状态参数数据长度;
生成对应于所述待验证数据集的灰度曲线图;
通过所述故障分类神经网络模型处理所述灰度曲线图,得到分类结果代码以及对应于所述分类结果代码的故障概率。
5.根据权利要求3所述的锂电池生命周期监控管理方法,其特征在于,所述在接收到携带有设备ID的查询请求信号后,反馈对应于所述设备ID的锂电池健康等级,具体包括:
在接收到携带有设备ID的查询请求信号后,识别所述查询请求信号所携带的查询目标,所述查询目标包括锂电池状态信息、锂电池健康等级、设备信息;
反馈所述查询目标所对应的数据至发出所述查询请求信号的智能设备,以使所述智能设备对所述查询目标进行可视化显示。
6.根据权利要求3所述的锂电池生命周期监控管理方法,其特征在于,在所述将所述故障分类结果对应于所述设备ID进行存储之后,还包括:
识别所述故障分类结果所对应的所述设备ID是否标记有通知标志;
当识别结果为是时,向所述设备ID所对应的用户发送故障通知信息。
7.根据权利要求3所述的锂电池生命周期监控管理方法,其特征在于,所述方法还包括:
获取当前存储有的历史状态参数,所述历史状态参数包括电芯电压、电流、开路电压和温度;
在接收到数据长度设置指令后,基于所述数据长度设置指令所记录的状态参数数据长度,对所述历史状态参数进行分组,得到训练数据集和验证数据集,所述训练数据集和验证数据集的数据长度均等于所述状态参数数据长度;
生成一一对应于所述训练数据集和验证数据集的灰度曲线图;
构造故障分类神经网络模型,基于所述故障分类神经网络模型,对所述训练数据集进行训练,建立故障代码与灰度曲线图的对应关系;
基于所述验证数据集所对应的灰度曲线图,对所述故障代码与灰度曲线图的对应关系进行验证;
在验证结果满足预设的评估标准后,完成所述故障分类神经网络模型的配置。
8.一种锂电池生命周期监控管理系统,其特征在于,包括锂电池生命周期服务器、BMS智能硬件保护板终端以及智能设备,所述锂电池生命周期服务器包括:
数据接收模块(41),用于按照预设的采集周期,接收携带有设备ID的锂电池状态信息,所述锂电池状态信息包括电池健康状态SOH;
数据存储模块(42),用于存储对应于设备ID的各类数据;
数据读取模块(43),用于读取预存有的对应于所述设备ID的设备信息;
函数选取模块(44),用于基于所述锂电池类型,选取预存有的对应的衰减拟合函数以及规则配置参数;
数据处理模块(45),用于对比所述电池健康状态SOH和SOH分界值,得到对应于所述设备ID的锂电池健康等级,并更新至预设的健康等级数据库中;
信息发送模块(46),用于在接收到携带有设备ID的查询请求信号后,反馈对应于所述设备ID的锂电池健康等级。
9.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111296512.3A CN114019400A (zh) | 2021-11-03 | 2021-11-03 | 锂电池生命周期监控管理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111296512.3A CN114019400A (zh) | 2021-11-03 | 2021-11-03 | 锂电池生命周期监控管理方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114019400A true CN114019400A (zh) | 2022-02-08 |
Family
ID=80060801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111296512.3A Pending CN114019400A (zh) | 2021-11-03 | 2021-11-03 | 锂电池生命周期监控管理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019400A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456223A (zh) * | 2022-11-09 | 2022-12-09 | 深圳市闪盾能源科技有限公司 | 基于全生命周期的锂电池梯次回收管理方法及系统 |
WO2023185601A1 (zh) * | 2022-03-29 | 2023-10-05 | 北京芯虹科技有限责任公司 | 一种电池健康状态信息确定方法、装置及电池系统 |
CN117113278A (zh) * | 2023-09-07 | 2023-11-24 | 浙江达航数据技术有限公司 | 一种锂电池管理方法及系统 |
CN118336163A (zh) * | 2024-06-14 | 2024-07-12 | 厦门北辰星储能发展有限公司 | 一种应用于储能电池的智能管理方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508164A (zh) * | 2011-10-10 | 2012-06-20 | 杭州高特电子设备有限公司 | 蓄电池健康状态预警方法 |
WO2017050945A1 (fr) * | 2015-09-25 | 2017-03-30 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede d'estimation d'un indicateur d'etat de sante d'une batterie lithium et dispositif d'estimation associe |
CN108845270A (zh) * | 2018-07-11 | 2018-11-20 | 国网江西省电力有限公司电力科学研究院 | 磷酸铁锂动力电池梯次利用的全寿命周期成本估算方法 |
CN111652461A (zh) * | 2020-04-13 | 2020-09-11 | 北京航空航天大学 | 基于sae-hmm的航空发动机连续健康状态评估方法 |
CN111856309A (zh) * | 2020-07-23 | 2020-10-30 | 珠海东帆科技有限公司 | 一种电池健康状态的定量判断方法 |
US10942223B1 (en) * | 2019-07-31 | 2021-03-09 | Cox Automotive, Inc. | Systems and methods for determining vehicle battery health |
CN112946483A (zh) * | 2021-02-05 | 2021-06-11 | 重庆长安新能源汽车科技有限公司 | 电动汽车电池健康的综合评估方法及存储介质 |
-
2021
- 2021-11-03 CN CN202111296512.3A patent/CN114019400A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508164A (zh) * | 2011-10-10 | 2012-06-20 | 杭州高特电子设备有限公司 | 蓄电池健康状态预警方法 |
WO2017050945A1 (fr) * | 2015-09-25 | 2017-03-30 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede d'estimation d'un indicateur d'etat de sante d'une batterie lithium et dispositif d'estimation associe |
CN108845270A (zh) * | 2018-07-11 | 2018-11-20 | 国网江西省电力有限公司电力科学研究院 | 磷酸铁锂动力电池梯次利用的全寿命周期成本估算方法 |
US10942223B1 (en) * | 2019-07-31 | 2021-03-09 | Cox Automotive, Inc. | Systems and methods for determining vehicle battery health |
CN111652461A (zh) * | 2020-04-13 | 2020-09-11 | 北京航空航天大学 | 基于sae-hmm的航空发动机连续健康状态评估方法 |
CN111856309A (zh) * | 2020-07-23 | 2020-10-30 | 珠海东帆科技有限公司 | 一种电池健康状态的定量判断方法 |
CN112946483A (zh) * | 2021-02-05 | 2021-06-11 | 重庆长安新能源汽车科技有限公司 | 电动汽车电池健康的综合评估方法及存储介质 |
Non-Patent Citations (2)
Title |
---|
ZACHARY BOSIRE OMARIBA, ET AL.: "Remaining useful life prediction of electric vehicle lithium-ion battery based on particle filter method", 《2018 IEEE 3RD INTERNATIONAL CONFERENCE ON BIG DATA ANALYSIS (ICBDA)》, pages 412 - 416 * |
陈少华: "全电游船锂电池组的健康诊断平台研发", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 08, pages 036 - 59 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023185601A1 (zh) * | 2022-03-29 | 2023-10-05 | 北京芯虹科技有限责任公司 | 一种电池健康状态信息确定方法、装置及电池系统 |
CN115456223A (zh) * | 2022-11-09 | 2022-12-09 | 深圳市闪盾能源科技有限公司 | 基于全生命周期的锂电池梯次回收管理方法及系统 |
CN115456223B (zh) * | 2022-11-09 | 2023-01-31 | 深圳市闪盾能源科技有限公司 | 基于全生命周期的锂电池梯次回收管理方法及系统 |
CN117113278A (zh) * | 2023-09-07 | 2023-11-24 | 浙江达航数据技术有限公司 | 一种锂电池管理方法及系统 |
CN118336163A (zh) * | 2024-06-14 | 2024-07-12 | 厦门北辰星储能发展有限公司 | 一种应用于储能电池的智能管理方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114019400A (zh) | 锂电池生命周期监控管理方法、系统及存储介质 | |
CN111143102B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN108564181A (zh) | 电力设备故障检测与维修方法及终端设备 | |
CN110634021A (zh) | 基于大数据的车辆估值方法、系统、设备及可读存储介质 | |
CN111784472B (zh) | 基于消费数据的风控方法、装置、系统及可读存储介质 | |
CN113466716A (zh) | 电池健康状态测算方法以及相关设备 | |
US20220317191A1 (en) | Battery performance evaluation method and battery performance evaluation device | |
CN109835208A (zh) | 充电管理方法、计算机设备及存储介质 | |
CN115986874A (zh) | 一种电池充电安全监测预警方法及系统 | |
CA3219970A1 (en) | Battery performance evaluation device and battery performance evaluation method | |
CN117805663B (zh) | 基于运行状态的电池测试方法、装置、设备和介质 | |
CN116167581A (zh) | 电池需求量预估方法、装置、调度方法和计算机设备 | |
CN109840353B (zh) | 锂离子电池双因素不一致性预测方法及装置 | |
CN109547931B (zh) | 确定移动终端所在地的服务器 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CA3139175C (en) | Battery performance evaluation device, electronic apparatus, charger, and battery performance evaluation method | |
CN117390015B (zh) | 电池护照的存储方法、设备及存储介质 | |
CN113595174A (zh) | 电池管理方法、装置、设备和服务器 | |
CN115186855A (zh) | 物流网络的货量预测方法、装置、设备和计算机存储介质 | |
CN115951123B (zh) | 一种基于无线通信的电能计量方法及系统 | |
CN112748348A (zh) | 电池低温性能分布水平检测方法、系统及存储介质 | |
CN116705210A (zh) | 电芯老化模型构建方法和电芯全生命周期性能预测方法 | |
CN113645296B (zh) | 共享单车的电池模组信息上报方法、装置及计算机设备 | |
CN113159537B (zh) | 电网新技术项目的评估方法、装置和计算机设备 | |
CN112000685A (zh) | 一种用于物联网设备更换电源后更新数据的装置和方法 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240607 |