CN114062943B - 一种锂离子电池系统极化异常预警方法及系统 - Google Patents

一种锂离子电池系统极化异常预警方法及系统 Download PDF

Info

Publication number
CN114062943B
CN114062943B CN202111226946.6A CN202111226946A CN114062943B CN 114062943 B CN114062943 B CN 114062943B CN 202111226946 A CN202111226946 A CN 202111226946A CN 114062943 B CN114062943 B CN 114062943B
Authority
CN
China
Prior art keywords
polarization
value
battery system
characteristic value
early warning
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
Application number
CN202111226946.6A
Other languages
English (en)
Other versions
CN114062943A (zh
Inventor
赵长军
厉运杰
杨思文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gotion High Tech Co Ltd
Original Assignee
Gotion High Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gotion High Tech Co Ltd filed Critical Gotion High Tech Co Ltd
Priority to CN202111226946.6A priority Critical patent/CN114062943B/zh
Publication of CN114062943A publication Critical patent/CN114062943A/zh
Application granted granted Critical
Publication of CN114062943B publication Critical patent/CN114062943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/382—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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明公开了一种锂离子电池系统极化异常预警方法及系统，属于电池系统故障预警技术领域，包括获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；根据单时间点极化特征值，确定锂电池系统是否极化异常并预警。本发明基于单时间点极化特征值，可对电动车的极化异常故障为进行准确的预测，提高锂电池系统的可靠性。

Description

一种锂离子电池系统极化异常预警方法及系统
技术领域
本发明涉及电池系统异常故障预警技术领域，特别涉及一种锂离子电池系统极化异常预警方法及系统。
背景技术
锂离子电池因其高能量密度和长循环寿命被广泛应用在电动汽车上。续航里程是客户最为关注的问题，影响续航里程的影响因素众多，如总电量、环境温度、容量衰减、极化程度等。其中，极化会影响单体电压的动态电压值，使得在充放电过程中某串单体达到截止电压，无法发挥系统的容量。
锂电池放电过程电压平台的降低主要受欧姆电阻和极化电阻的影响，而极化电阻正是由于锂电池内部的极化现象引起，锂电池内部的极化现象主要分为活化极化和浓差极化。通过对锂电池极化异常故障进行预警，可显著的提高锂电池系统的可靠性。
发明内容
本发明的目的在于提供一种锂离子电池系统极化异常预警方法及系统，以提高锂电池系统的安全等级。
为实现以上目的，本发明提供了一种锂离子电池系统极化异常预警方法，包括：
获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；
根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；
在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；
根据单时间点极化特征值，确定锂电池系统是否极化异常并预警。
进一步地，所述在电流倍率的变化值满足设定条件时，根据单体电池电压的变化值，计算单时间点极化特征值，包括：
在所述电流倍率的变化值在设定时间窗口内大于1C时，根据单体电池电压的变化值，计算单时间点极化特征值R1，公式表示如下：
其中，i,j分别表示设定时间窗口ΔT内电压波动绝对值的最高单体和第二高单体，和/>分别表示第j串单体在规定时间窗口ΔT内电压波动的最大值和最小值，/>和/>分别表示第i串单体在规定时间窗口ΔT内电压波动的最大值和最小值。
进一步地，所述根据单时间点极化特征值，确定锂电池系统是否极化异常并预警，包括：
将所述单时间点极化特征值与设定第一报警阈值进行比较；
若所述单时间点极化特征值超过或低于第一报警阈值，则确定所述锂电池系统极化异常并进行故障预警。
进一步地，还包括：
根据所述锂电池系统的总电流、时间序列及系统总容量，计算所述锂电池系统的SOC变化值；
根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值；
根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警。
进一步地，所述根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值，公式表示如下：
其中，k,h分别表示指定SOC窗口ΔSOC内累积电压波动绝对值的最大单体和第二大单体，表示第k串单体在SOC窗口ΔSOC内的累积电压波动绝对值，表示第h串单体在SOC窗口ΔSOC内的累积电压波动绝对值。
进一步地，所述根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警，包括：
将所述SOC变化区间内极化特征值与设定第二报警阈值进行比较；
若所述SOC变化区间内极化特征值超过或低于第二报警阈值，则确定所述锂电池系统极化异常并进行故障预警。
进一步地，所述设定时间窗口ΔT为滚动时间，且为5min～30min。
进一步地，所述指定SOC窗口ΔSOC为10％～90％。
此外，为实现上述目的，本发明还提供了一种锂离子电池系统极化异常预警系统，包括：
数据获取模块，用于获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；
第一计算模块，用于根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；
第一特征值计算模块，用于在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；
第一预警模块，用于根据单时间点极化特征值，确定锂电池系统是否极化异常并预警。
进一步地，所述系统还包括：
第二计算模块，用于根据所述锂电池系统的总电流、时间序列及系统总容量，计算所述锂电池系统的SOC变化值；
第二特征值计算模块，用于根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值；
第二预警模块用于，根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警。
与现有技术相比，本发明存在以下技术效果：本发明根据每串单体电压的变化值和电流倍率的变化值，计算单时间点极化特征值，基于单时间点极化特征值，可对电动车的极化异常故障为进行准确的预测，提高锂电池系统的可靠性。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1是一种锂离子电池系统极化异常预警方法的流程图；
图2是一种锂离子电池系统极化异常预警系统的结构图；
图3是某辆市场正常运行车辆的R1分布图；
图4是某辆市场正常运行车辆的R2分布图；
图5是某辆极化异常车辆的R1和R2变化趋势图。
具体实施方式
为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
如图1所示，本实施例公开了一种锂离子电池系统极化异常预警方法，包括如下步骤S10至S40：
S10：获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；
S20：根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；
需要说明的是，本实施例逐秒读取记录锂电池系统的总电流、各单体电压监控数，计算连续相邻的采集时间内每串单体电压的变化值及电流倍率的变化值。
S30：在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；
S40：根据单时间点极化特征值，确定锂电池系统是否极化异常并预警。
作为进一步优选的技术方案，所述S30：在电流倍率的变化值满足设定条件时，根据单体电池电压的变化值，计算单时间点极化特征值，包括：
在设定时间窗口内所述电流倍率的变化值ΔC大于1C时，根据单体电池电压的变化值，计算单时间点极化特征值R1即最高单体的极差与第二高单体的极差之比，公式表示如下：
其中，i,j分别表示设定时间窗口ΔT内电压波动绝对值的最高单体和第二高单体，和/>分别表示第j串单体在规定时间窗口ΔT内电压波动的最大值和最小值，/>和/>分别表示第i串单体在规定时间窗口ΔT内电压波动的最大值和最小值。
需要说明的是，ΔC小1C时不做处理，相当于过滤掉ΔC小1C的采集数据。
作为进一步优选的技术方案，所述S40：根据单时间点极化特征值，确定锂电池系统是否极化异常并预警，包括：
将所述单时间点极化特征值与设定第一报警阈值进行比较；
若所述单时间点极化特征值超过或低于第一报警阈值，则确定所述锂电池系统极化异常并进行故障预警。
需要说明的是，单时间点极化特征值R1超过或低于3时，确定所述锂电池系统极化异常并进行故障预警。
作为进一步优选的技术方案，还包括如下步骤：
S50：根据所述锂电池系统的总电流、时间序列及系统总容量，计算所述锂电池系统的SOC变化值；
需要说明的是，SOC变化值的计算如下：电流对时间进行积分得到的数值除以系统额定容量。
S60：根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值；
S70：根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警。
作为进一步优选的技术方案，所述根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值R2即最大累积电压波动绝对值与第二大累积电压波动绝对值之比，公式表示如下：
其中，k,h分别表示指定SOC窗口ΔSOC内累积电压波动绝对值的最大单体和第二大单体，表示第k串单体在SOC窗口ΔSOC内的累积电压波动绝对值，表示第h串单体在SOC窗口ΔSOC内的累积电压波动绝对值。
作为进一步优选的技术方案，S70：根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警，包括：
将所述SOC变化区间内极化特征值与设定第二报警阈值进行比较；
若所述SOC变化区间内极化特征值超过或低于第二报警阈值，则确定所述锂电池系统极化异常并进行故障预警。
需要说明的是，第二阈值的取值包括但不限于取值为3。
作为进一步优选的技术方案，所述设定时间窗口ΔT为滚动时间，且为5min～30min；所述指定SOC窗口ΔSOC为10％～90％。
本实施例基于单时间点极化特征值和指定SOC变化区间内极化特征值，可对电动车的极化异常故障为进行准确的预测，提高锂电池系统的可靠性。
如图2所示，本实施例公开了一种锂离子电池系统极化异常预警系统，包括：
数据获取模块10，用于获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；
第一计算模块20，用于根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；
第一特征值计算模块30，用于在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；
第一预警模块40，用于根据单时间点极化特征值，确定锂电池系统是否极化异常并预警。
作为进一步优选的技术方案，所述系统还包括：
第二计算模块，用于根据所述锂电池系统的总电流、时间序列及系统总容量，计算所述锂电池系统的SOC变化值；
第二特征值计算模块，用于根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值；
第二预警模块用于，根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警。
本发明实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
本实施例将上述锂离子电池系统极化异常预警方法运用在实际运行车辆中，获得某辆市场正常运行车辆的R1分布图和R2分布图分别如图3和图4所示，对某辆出现极化异常的整车数据进行分析，可得图5的R1和R2变化趋势图。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种锂离子电池系统极化异常预警方法，其特征在于，包括：
获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；
根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；
在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；
根据单时间点极化特征值，确定锂电池系统是否极化异常并预警；
所述在电流倍率的变化值满足设定条件时，根据单体电池电压的变化值，计算单时间点极化特征值，包括：
在所述电流倍率的变化值在设定时间窗口内大于1C时，根据单体电池电压的变化值，计算单时间点极化特征值R1，公式表示如下：
其中，i,j分别表示设定时间窗口ΔT内电压波动绝对值的最高单体和第二高单体，和/>分别表示第j串单体在规定时间窗口ΔT内电压波动的最大值和最小值，/>和/>分别表示第i串单体在规定时间窗口ΔT内电压波动的最大值和最小值。
2.如权利要求1所述的锂离子电池系统极化异常预警方法，其特征在于，所述根据单时间点极化特征值，确定锂电池系统是否极化异常并预警，包括：
将所述单时间点极化特征值与设定第一报警阈值进行比较；
若所述单时间点极化特征值超过或低于第一报警阈值，则确定所述锂电池系统极化异常并进行故障预警。
3.如权利要求1-2任一项所述的锂离子电池系统极化异常预警方法，其特征在于，还包括：
根据所述锂电池系统的总电流、时间序列及系统总容量，计算所述锂电池系统的SOC变化值；
根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值；
根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警。
4.如权利要求3所述的锂离子电池系统极化异常预警方法，其特征在于，所述根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值，公式表示如下：
其中，k,h分别表示指定SOC窗口ΔSOC内累积电压波动绝对值的最大单体和第二大单体，表示第k串单体在SOC窗口ΔSOC内的累积电压波动绝对值，表示第h串单体在SOC窗口ΔSOC内的累积电压波动绝对值。
5.如权利要求3所述的锂离子电池系统极化异常预警方法，其特征在于，所述根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警，包括：
将所述SOC变化区间内极化特征值与设定第二报警阈值进行比较；
若所述SOC变化区间内极化特征值超过或低于第二报警阈值，则确定所述锂电池系统极化异常并进行故障预警。
6.如权利要求1所述的锂离子电池系统极化异常预警方法，其特征在于，所述设定时间窗口ΔT为滚动时间，且为5min～30min。
7.如权利要求4所述的锂离子电池系统极化异常预警方法，其特征在于，所述指定SOC窗口ΔSOC为10％～90％。
8.一种锂离子电池系统极化异常预警系统，其特征在于，包括：
数据获取模块，用于获取锂电池系统的整车数据，所述整车数据包括总电流及各单体电池的电压监控数；
第一计算模块，用于根据整车数据，计算每串单体电压的变化值和电流倍率的变化值；
第一特征值计算模块，用于在电流倍率的变化值满足设定条件时，根据单体电压的变化值，计算单时间点极化特征值；
第一预警模块，用于根据单时间点极化特征值，确定锂电池系统是否极化异常并预警；
第一特征值计算模块具体用于在所述电流倍率的变化值在设定时间窗口内大于1C时，根据单体电池电压的变化值，计算单时间点极化特征值R1，公式表示如下：
其中，i,j分别表示设定时间窗口ΔT内电压波动绝对值的最高单体和第二高单体，和/>分别表示第j串单体在规定时间窗口ΔT内电压波动的最大值和最小值，/>和/>分别表示第i串单体在规定时间窗口ΔT内电压波动的最大值和最小值。
9.如权利要求8所述的锂离子电池系统极化异常预警系统，其特征在于，所述系统还包括：
第二计算模块，用于根据所述锂电池系统的总电流、时间序列及系统总容量，计算所述锂电池系统的SOC变化值；
第二特征值计算模块，用于根据所述锂电池系统的SOC变化值，计算SOC变化区间内极化特征值；
第二预警模块用于，根据SOC变化区间内极化特征值，确定所述锂电池系统是否极化异常并预警。
CN202111226946.6A 2021-10-21 2021-10-21 一种锂离子电池系统极化异常预警方法及系统 Active CN114062943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111226946.6A CN114062943B (zh) 2021-10-21 2021-10-21 一种锂离子电池系统极化异常预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111226946.6A CN114062943B (zh) 2021-10-21 2021-10-21 一种锂离子电池系统极化异常预警方法及系统

Publications (2)

Publication Number Publication Date
CN114062943A CN114062943A (zh) 2022-02-18
CN114062943B true CN114062943B (zh) 2024-02-09

Family

ID=80235104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111226946.6A Active CN114062943B (zh) 2021-10-21 2021-10-21 一种锂离子电池系统极化异常预警方法及系统

Country Status (1)

Country Link
CN (1) CN114062943B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001074850A (ja) * 1999-09-09 2001-03-23 Oyo Corp 無分極電極を用いる電気探査方法
JP2008191103A (ja) * 2007-02-07 2008-08-21 Auto Network Gijutsu Kenkyusho:Kk 開放電圧予測方法及び開放電圧予測装置
CN108248427A (zh) * 2018-01-15 2018-07-06 上海中科深江电动车辆有限公司 动态修正soc误差的方法
CN111965544A (zh) * 2020-07-17 2020-11-20 江苏大学 基于电压及电流双约束的车用并联动力电池的最小包络线soc估计方法
CN112330176A (zh) * 2020-11-17 2021-02-05 北京清研宏达信息科技有限公司 一种锂电池铜排松动故障诊断及预测方法
CN112526376A (zh) * 2020-12-01 2021-03-19 江西江铃集团新能源汽车有限公司 汽车电池单体异常预估方法及装置
CN112526350A (zh) * 2020-12-11 2021-03-19 哈尔滨工业大学（深圳） 考虑热效应影响的锂离子电池峰值功率预测方法
CN112793465A (zh) * 2021-01-22 2021-05-14 合肥国轩高科动力能源有限公司 一种三元锂离子电池系统热失控预警方法及运用
CN112946485A (zh) * 2021-02-09 2021-06-11 江西江铃集团新能源汽车有限公司 车辆电池检测方法、存储介质及设备
WO2021169486A1 (zh) * 2020-02-24 2021-09-02 上海蔚来汽车有限公司 基于充电过程监控电池阻抗异常的方法、系统以及装置
CN113442726A (zh) * 2021-06-29 2021-09-28 重庆长安新能源汽车科技有限公司 一种电池包过热预警方法、装置及车辆

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4097182B2 (ja) * 2001-12-27 2008-06-11 パナソニックＥｖエナジー株式会社 二次電池の分極電圧推定方法、二次電池の残存容量推定方法および装置、並びに電池パックシステム
JP5009223B2 (ja) * 2008-04-25 2012-08-22 プライムアースＥｖエナジー株式会社 二次電池の残存容量推定方法及び装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001074850A (ja) * 1999-09-09 2001-03-23 Oyo Corp 無分極電極を用いる電気探査方法
JP2008191103A (ja) * 2007-02-07 2008-08-21 Auto Network Gijutsu Kenkyusho:Kk 開放電圧予測方法及び開放電圧予測装置
CN108248427A (zh) * 2018-01-15 2018-07-06 上海中科深江电动车辆有限公司 动态修正soc误差的方法
WO2021169486A1 (zh) * 2020-02-24 2021-09-02 上海蔚来汽车有限公司 基于充电过程监控电池阻抗异常的方法、系统以及装置
CN111965544A (zh) * 2020-07-17 2020-11-20 江苏大学 基于电压及电流双约束的车用并联动力电池的最小包络线soc估计方法
CN112330176A (zh) * 2020-11-17 2021-02-05 北京清研宏达信息科技有限公司 一种锂电池铜排松动故障诊断及预测方法
CN112526376A (zh) * 2020-12-01 2021-03-19 江西江铃集团新能源汽车有限公司 汽车电池单体异常预估方法及装置
CN112526350A (zh) * 2020-12-11 2021-03-19 哈尔滨工业大学（深圳） 考虑热效应影响的锂离子电池峰值功率预测方法
CN112793465A (zh) * 2021-01-22 2021-05-14 合肥国轩高科动力能源有限公司 一种三元锂离子电池系统热失控预警方法及运用
CN112946485A (zh) * 2021-02-09 2021-06-11 江西江铃集团新能源汽车有限公司 车辆电池检测方法、存储介质及设备
CN113442726A (zh) * 2021-06-29 2021-09-28 重庆长安新能源汽车科技有限公司 一种电池包过热预警方法、装置及车辆

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梯次利用锂离子电池循环性能分析;陈伟华;李娜;苑津莎;;华北电力技术(第06期);全文 *

Also Published As

Publication number Publication date
CN114062943A (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
CN110794305B (zh) 一种动力电池故障诊断方法和系统
CN110018425B (zh) 一种动力电池故障诊断方法及系统
CN110161414B (zh) 一种动力电池热失控在线预测方法及系统
CN114430080B (zh) 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
CN109725266A (zh) 一种电池健康状态soh的计算方法及装置
CN111257755B (zh) 一种预防性检测诊断电池包方法
CN112946522A (zh) 低温工况导致电池储能系统内短路故障的在线监测方法
CN112319308B (zh) 一种动力电池多故障检测方法与系统
CN116973782B (zh) 基于机器学习的新能源汽车保养维护与故障监测诊断方法
CN116401585B (zh) 一种基于大数据的储能电池失效风险评估方法
CN117341476B (zh) 一种电池压差故障预警方法及系统
CN114636930A (zh) 一种电池自放电故障预警方法
Gu et al. An Early minor-fault diagnosis method for lithium-ion battery packs based on unsupervised learning
CN116953556B (zh) 多变量冗余故障电池在线检测的方法、系统、介质和设备
CN114734873B (zh) 一种基于云端在线数据的动力电池单体热失控预警方法
CN113866641A (zh) 一种锂离子电池的故障检测方法及装置
CN117214757A (zh) 锂离子电池及电池组健康度预测方法
CN117289162A (zh) 一种基于组端收敛方法的蓄电池健康预测方法及系统
CN113671393B (zh) 一种电流采集检测方法、电池包与用电装置
CN114563721A (zh) 一种电池系统电流异常变化检测方法
CN115469226B (zh) 一种基于运行大数据的电动汽车动力电池实时安全预警方法
CN117517969A (zh) 基于弛豫电压曲线的锂电池老化与内短路故障的评估方法
CN114784397A (zh) 一种基于多时间尺度电池故障的汽车充电方法及系统
CN114062943B (zh) 一种锂离子电池系统极化异常预警方法及系统
CN116930764A (zh) 融合电力电子的锂电池储能系统故障诊断和危险预测方法

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
GR01 Patent grant
GR01 Patent grant