CN114300763B - 基于车云协调的电池内阻异常监测方法、设备及存储介质 - Google Patents
基于车云协调的电池内阻异常监测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114300763B CN114300763B CN202111479432.1A CN202111479432A CN114300763B CN 114300763 B CN114300763 B CN 114300763B CN 202111479432 A CN202111479432 A CN 202111479432A CN 114300763 B CN114300763 B CN 114300763B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- battery
- battery pack
- mean square
- root mean
- 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
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 abstract description 20
- 238000004364 calculation method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于车云协调的电池内阻异常监测方法、设备及存储介质，该方法包括：多台车辆实时检测其均方根电流、电池包断路单元的BDU温度以及电芯温度并上传云端；其中多台车辆按照设定工况运行；云端根据各台车辆均方根电流，确定各台车辆的电池包断路单元与电芯的目标温差，根据各台车辆的电池包断路单元的温度和电芯温度，得到各台车辆的电池包断路单元与电芯的实际温差，计算各台车辆的目标温差与实际温差的差值，得到各台车辆的温度偏差，最后根据各台车辆的温度偏差，对各台车辆进行电池包内阻异常诊断；通过云端联合对多台车辆上传的电池包数据进行内阻异常诊断分析，能有效提高电池包的内阻异常监测的精度。
Description
技术领域
本发明涉及电动汽车电池包监测技术领域，尤其涉及一种基于车云协调的电池内阻异常监测方法、设备及存储介质。
背景技术
随着电动汽车的BMS(BatteryManagementSystem，电池管理系统)发展越来越成熟，BMS基本可以实现电池的实时保护功能，例如电池的实时监控、故障诊断、短路保护、漏电监测等，并通过CAN总线与电动汽车的域控制器或充电机进行信息交互，从而保障电动汽车高效、可靠、安全运行。但是，对于相对复杂的算法计算和特殊的电池异常的诊断，会出现BMS的计算能力受限的情况，例如对于电池包内部的电气件(例如BDU，Battery DisconnectUnit，电池包断路单元)的内阻异常和电芯电阻的异常，在现有的车端BMS的诊断中难以识别，一方面是由于电气件的电阻和电芯的电阻本身计算复杂，计算精度不高，另一方面是由于电池包内的电阻并不稳定，对于用于电池包内阻异常风险诊断的阈值并不能在车端BMS设置一个常规的固定值影响电池包的鲁棒性。
发明内容
本发明实施例提供一种基于车云协调的电池内阻异常监测方法、设备及存储介质，其能有效提高电池包的内阻异常监测的精度。
第一方面，本发明实施例提供一种基于车云协调的电池内阻异常监测方法，其包括：
多台车辆实时检测电池包数据并将所述电池包数据上传到云端；其中，所述电池包数据包括：电池包的均方根电流、电池包断路单元的BDU温度以及电芯温度；多台所述车辆按照设定工况运行；
所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差；
所述云端根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差；
所述云端计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；
所述云端根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断。
作为上述方案的改进，所述均方根电流包括：第一时间段内的均方根电流、第二时间段内的均方根电流；
则，多台车辆实时检测电池包数据并将所述电池包数据上传到云端，包括：
多台所述车辆获取其电池包在所述设定工况下实时检测到的电流、电池包断路单元的BDU温度以及电芯温度；
多台所述车辆根据实时检测到的电流，分别计算第一时间段内的均方根电流和第二时间段内的均方根电流；
多台所述车辆将所述第一时间段内的均方根电流、所述第二时间段内的均方根电流、所述BDU温度以及所述电芯温度上传到所述云端。
作为上述方案的改进，所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差，包括：
所述云端根据各台所述车辆的第一时间段内的均方根电流和第二时间段内的均方根电流查找预设的目标温差表，得到各台所述车辆的电池包断路单元与电芯之间的目标温差。
作为上述方案的改进，所述云端根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断，包括：
所述云端对各台所述车辆的温度偏差分别进行高斯分布分析，得到各台所述车辆的高斯分布的均值和标准差；
所述云端根据各台所述车辆的高斯分布的均值和标准差，对各台所述车辆进行电池包内阻异常诊断。
作为上述方案的改进，所述云端根据各台所述车辆的高斯分布的均值和标准差，对各台所述车辆进行电池包内阻异常诊断，包括：
所述云端对各台所述车辆的高斯分布的均值进行对比分析，并对各台所述车辆的高斯分布的标准差进行对比分析；
当任一所述车辆的高斯分布的均值大于第一设定阈值或者其高斯分布的标准差大于第二设定阈值时，确定任一所述车辆出现电池包内阻异常。
作为上述方案的改进，所述第一时间段等于5s，所述第二时间段等于60s；
则，多台所述车辆根据实时检测到的电流，分别计算第一时间段内的均方根电流和第二时间段内的均方根电流，包括：
多台所述车辆根据公式计算其在第一时间段内的均方根电流；
多台所述车辆根据公式计算其在第二时间段内的均方根电流；
其中，I表示多台所述车辆的电池包的电流，t表示时间。
作为上述方案的改进，所述设定工况包括连续百公里加速工况、连续最高车速行驶工况、连续NEDC工况、连续WLTP工况中的一种或其组合；
则，所述方法还包括：
将标准电池包按照所述设定工况进行连续工况测试，并实时计算测试过程中所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差；
根据所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差，建立所述目标温差表。
第二方面，本发明实施例提供了一种基于车云协调的电池内阻异常监测方法，适用于云端，包括：
接收多台车辆上传的电池包数据；其中，所述电池包数据包括：电池包的均方根电流、电池包断路单元的BDU温度以及电芯温度，是由多台所述车辆在多台车辆按照设定工况运行的情况下实时检测得到；
根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差；
根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差；
计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；
根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断。
第三方面，本发明实施例提供了一种基于车云协调的电池内阻异常监测设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第二方面中所述的基于车云协调的电池内阻异常监测方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第二方面中所述的基于车云协调的电池内阻异常监测方法。
相比于现有技术，本发明实施例的有益效果在于：多台车辆实时检测电池包数据并将所述电池包数据上传到云端；然后所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差，根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差，计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；最后所述云端根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断；所述云端联合对多台车辆上传的电池包数据进行内阻异常诊断分析，能有效提高电池包的内阻异常监测的精度。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于车云协调的电池内阻异常监测方法的流程图；
图2是本发明实施例提供的车辆与云端交互示意图；
图3是本发明实施例二提供的一种基于车云协调的电池内阻异常监测方法的流程图；
图4是本发明实施例三提供的一种基于车云协调的电池内阻异常监测设备的示意图。
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，都属于本发明保护的范围。
实施例一
请参见图1，是本发明实施例提供的一种基于车云协调的电池内阻异常监测方法的流程示意图，所述方法包括：
S11：多台车辆实时检测电池包数据并将所述电池包数据上传到云端；其中，所述电池包数据包括：电池包的均方根电流、电池包断路单元的BDU温度以及电芯温度；多台所述车辆按照设定工况运行；
进一步，所述均方根电流包括：第一时间段内的均方根电流、第二时间段内的均方根电流；
则，多台车辆实时检测电池包数据并将所述电池包数据上传到云端，包括：
多台所述车辆获取其电池包在所述设定工况下实时检测到的电流、电池包断路单元的BDU温度以及电芯温度；
多台所述车辆根据实时检测到的电流，分别计算第一时间段内的均方根电流和第二时间段内的均方根电流；
多台所述车辆将所述第一时间段内的均方根电流、所述第二时间段内的均方根电流、所述BDU温度以及所述电芯温度上传到所述云端。
在本发明实施例中，在所述车辆按照设定工况运行的过程中，通过自身的BMS实时检测电池包的电流，并实时计算所述第一时间段的均方根电流和所述第二时间段的均方根电流，并记录对应的电池包断路单元的BDU温度以及电芯温度，然后一并上传到所述云端或通过整车控制器上传到所述云端。其中，多台所述车辆通过互联网与云端通信连接，具体如图2所示，本发明实施例可以实现车云协调的电池包内阻异常监测。
S12：所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差；
进一步，所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差，包括：
所述云端根据各台所述车辆的第一时间段内的均方根电流和第二时间段内的均方根电流查找预设的目标温差表，得到各台所述车辆的电池包断路单元与电芯之间的目标温差。
在本发明实施例中，所述云端预存了记录电池包断路单元与电芯之间的温差、第一时间段的均方根电流、第二时间段的均方根电流对应关系的目标温差表，基于接收到的各台车辆上传的第一时段均方根电流和第二时段均方根电流，通过查表可以得到该车辆的电池包断路单元与电芯之间的目标温差。
S13：所述云端根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差；
S14：所述云端计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；
S15：所述云端根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断。
具体的，所述云端基于各台所述车辆上传的电池包数据，得到所述温度偏差并存储，其中，所述温度偏差携带所述云端接收到所述电池包数据的时间戳信息，用于表示所述车辆不同时间计算得到的温度偏差。之后所述云端对当前计算得到的各台所述车辆的温度偏差和之前计算得到的各台所述车辆的温度偏差进行统计分析，得到各台所述车辆的电池包内阻异常诊断结果。在整个异常监测过程中，车端BMS只需实时上传电池包数据，无需执行复杂的电池包内阻异常诊断算法，由云端基于多台车辆上传电池包数据计算得到的温度偏差进行多车的联合分析，一方面避免了车端BMS计算能力受限的问题，另一方面可以实现单车与其他车辆的联合分析，相对于现有技术通过在车端BMS设置一个常规的内阻异常阈值进行电池包内阻异常诊断，能有效提高电池包的内阻异常监测的精度。
在一种可选的实施例中，所述云端根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断，包括：
所述云端对各台所述车辆的温度偏差分别进行高斯分布分析，得到各台所述车辆的高斯分布的均值和标准差；
具体的，对于每一台车辆，所述云端利用以下公式当前计算得到的温度偏差和之前计算得到的温度偏差进行高斯分布分析，其中，x表示对应车辆的温度偏差，μ表示高斯分布的均值，σ表示高斯分布的标准差。
所述云端根据各台所述车辆的高斯分布的均值和标准差，对各台所述车辆进行电池包内阻异常诊断。
进一步，所述云端根据各台所述车辆的高斯分布的均值和标准差，对各台所述车辆进行电池包内阻异常诊断，包括：
所述云端对各台所述车辆的高斯分布的均值进行对比分析，并对各台所述车辆的高斯分布的标准差进行对比分析；
当任一所述车辆的高斯分布的均值大于第一设定阈值或者其高斯分布的标准差大于第二设定阈值时，确定任一所述车辆出现电池包内阻异常。
在本发明实施例中，所述第一设定阈值和所述第二设定阈值不是固定值，主要根据所有车辆的高斯分布的均值的标准差确定。所述云端对每一台车辆进行温度偏差的高斯分布统计后，对各台所述车辆的高斯分布的均值进行对比分析以及对各台所述车辆的高斯分布的标准差进行对比分析；当任一所述车辆的高斯分布的均值大于第一设定阈值或者其高斯分布的标准差大于第二设定阈值时，确定任一所述车辆出现电池包内阻异常；其中，所述第一设定阈值由所有所述车辆的高斯分布的均值计算得到，例如所述第一设定阈值等于所有所述车辆的高斯分布的均值，或者，将所有所述车辆按照标准差由大到小排序，并获取位于标准差前列20％或10％的车辆的高斯分布的均值，得到所述第一设定阈值；所述第二设定阈值由所有所述车辆的高斯分布的标准差计算得到，例如所述第二设定阈值等于所有所述车辆的高斯分布的标准差或者，将所有所述车辆按照标准差由大到小排序，并获取位于标准差前列20％或10％的车辆的高斯分布的标准差，得到所述第二设定阈值。例如所述第一设定阈值取值为2℃，所述第二设定阈值取值为20％。当任一所述车辆的高斯分布的均值大于2℃，则认为该车辆的温度偏差相对其他车辆而然较大，在排查BDU发热还会比正常少的情况，那么大概率是电芯的温度偏差，内阻偏大，即出现内阻异常情况；或者其高斯分布的标准差大于20％时同理。
在本发明实施例中，所述云端先对多台所述车辆进行单独的高斯分布分析，然后联合多所述车辆的高斯分布的均值的标准差，确定异常值，进而确定出现电池包内阻异常的车辆，所述云端能够实现大数据统计分析，相对于现有车端BMS无法实现和其他车辆的对比来判断是否有电池包内阻异常，本发明实施例通过所述云端实现单车的统计以及与不同车辆的对比，利用高斯分布统计，识别出电池包内阻异常的车辆，识别精度高。
在一种可选的实施例中，所述第一时间段等于5s，所述第二时间段等于60s；
则，多台所述车辆根据实时检测到的电流，分别计算第一时间段内的均方根电流和第二时间段内的均方根电流，包括：
多台所述车辆根据公式计算其在第一时间段内的均方根电流；
多台所述车辆根据公式计算其在第二时间段内的均方根电流；
其中，I表示多台所述车辆的电池包的电流，t表示时间。
由于在特定的起始条件和均方根电流下，电池包断路单元内的不同点的温度和不同电芯的温度关系是稳定的，因此，每一台所述车辆，其BMS实时计算5s均方根电流Irms_5s和60s均方根电流Irms_60s并上传到所述云端，
在一种可选的实施例中，所述设定工况包括连续百公里加速工况、连续最高车速行驶工况、连续NEDC工况、连续WLTP工况中的一种或其组合；
则，所述方法还包括：
将标准电池包按照所述设定工况进行连续工况测试，并实时计算测试过程中所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差；
根据所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差，建立所述目标温差表。
在本发明实施例，实时计算测试过程中所述标准电池包的Irms_5s、Irms_60s以及电池包断路单元与电芯的温差，并建立所述目标温差表，如下表所示：
相比于现有技术，本发明实施例的有益效果在于：多台车辆实时检测电池包数据并将所述电池包数据上传到云端；然后所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差，根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差，计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；最后所述云端根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断；在整个异常监测过程中，车端BMS只需实时上传电池包数据，无需执行复杂的电池包内阻异常诊断算法，由云端基于多台车辆上传电池包数据计算得到的温度偏差进行多车的联合分析，一方面避免了车端BMS计算能力受限的问题，另一方面可以实现单车与其他车辆的联合分析，相对于现有技术通过在车端BMS设置一个常规的内阻异常阈值进行电池包内阻异常诊断，所述云端联合对多台车辆上传的电池包数据进行内阻异常诊断分析，能有效提高电池包的内阻异常监测的精度。
实施例二
请查阅图3，本发明实施例提供了一种基于车云协调的电池内阻异常监测方法，适用于云端，包括：
S21：接收多台车辆上传的电池包数据；其中，所述电池包数据包括：电池包的均方根电流、电池包断路单元的BDU温度以及电芯温度，是由多台所述车辆在多台车辆按照设定工况运行的情况下实时检测得到；
S22：根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差；
S23：根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差；
S24：计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；
S25：根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断。
在一种可选的实施例中，所述根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差，包括：
根据各台所述车辆的第一时间段内的均方根电流和第二时间段内的均方根电流查找预设的目标温差表，得到各台所述车辆的电池包断路单元与电芯之间的目标温差。
在一种可选的实施例中，所述根据各台所述车辆的温度偏差，对各台所述车辆进行电池包内阻异常诊断，包括：
对各台所述车辆的温度偏差分别进行高斯分布分析，得到各台所述车辆的高斯分布的均值和标准差；
具体的，对于每一台车辆，所述云端利用以下公式当前计算得到的温度偏差和之前计算得到的温度偏差进行高斯分布分析，其中，x表示对应车辆的温度偏差，μ表示高斯分布的均值，σ表示高斯分布的标准差。
所述云端根据各台所述车辆的高斯分布的均值和标准差，对各台所述车辆进行电池包内阻异常诊断。
在一种可选的实施例中，所述根据各台所述车辆的高斯分布的均值和标准差，对各台所述车辆进行电池包内阻异常诊断，包括：
对各台所述车辆的高斯分布的均值进行对比分析，并对各台所述车辆的高斯分布的标准差进行对比分析；
当任一所述车辆的高斯分布的均值大于第一设定阈值或者其高斯分布的标准差大于第二设定阈值时，确定任一所述车辆出现电池包内阻异常。
在一种可选的实施例中，所述设定工况包括连续百公里加速工况、连续最高车速行驶工况、连续NEDC工况、连续WLTP工况中的一种或其组合；
则，所述方法还包括：
将标准电池包按照所述设定工况进行连续工况测试，并实时计算测试过程中所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差；
根据所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差，建立所述目标温差表。
可以理解的是，上述的基于车云协调的电池内阻异常监测方法的实施例与实施例一所述的基于车云协调的电池内阻异常监测方法的原理和技术效果相同，在此不再做赘述。
实施例三
参见图3，是本发明实施例提供的基于车云协调的电池内阻异常监测设备的示意图。该实施例的基于车云协调的电池内阻异常监测设备包括：处理器100、存储器200以及存储在所述存储器200中并可在所述处理器100上运行的计算机程序。所述处理器100执行所述计算机程序时实现上述实施例二中基于车云协调的电池内阻异常监测方法中的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述基于车云协调的电池内阻异常监测设备中的执行过程。
所述基于车云协调的电池内阻异常监测设备可以是路由器、电脑、笔记本等计算设备。所述基于车云协调的电池内阻异常监测设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是基于车云协调的电池内阻异常监测设备的示例，并不构成对基于车云协调的电池内阻异常监测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于车云协调的电池内阻异常监测设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述基于车云协调的电池内阻异常监测设备的控制中心，利用各种接口和线路连接整个基于车云协调的电池内阻异常监测设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于车云协调的电池内阻异常监测设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于车云协调的电池内阻异常监测设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
实施例四
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如实施例二中所述的基于车云协调的电池内阻异常监测方法。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出多台改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种基于车云协调的电池内阻异常监测方法，其特征在于，包括：
多台车辆实时检测电池包数据并将所述电池包数据上传到云端；其中，所述电池包数据包括：电池包的均方根电流、电池包断路单元的BDU温度以及电芯温度；多台所述车辆按照设定工况运行；
所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差；
所述云端根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差；
所述云端计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；
所述云端对各台所述车辆的温度偏差分别进行高斯分布分析，得到各台所述车辆的高斯分布的均值和标准差，再根据各台所述车辆的高斯分布的均值和标准差进行对比分析，当任一所述车辆的高斯分布的均值大于第一设定阈值或者其高斯分布的标准差大于第二设定阈值时，确定任一所述车辆出现电池包内阻异常。
2.如权利要求1所述的基于车云协调的电池内阻异常监测方法，其特征在于，所述均方根电流包括：第一时间段内的均方根电流、第二时间段内的均方根电流；
则，多台车辆实时检测电池包数据并将所述电池包数据上传到云端，包括：
多台所述车辆获取其电池包在所述设定工况下实时检测到的电流、电池包断路单元的BDU温度以及电芯温度；
多台所述车辆根据实时检测到的电流，分别计算第一时间段内的均方根电流和第二时间段内的均方根电流；
多台所述车辆将所述第一时间段内的均方根电流、所述第二时间段内的均方根电流、所述BDU温度以及所述电芯温度上传到所述云端。
3.如权利要求2所述的基于车云协调的电池内阻异常监测方法，其特征在于，所述云端根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差，包括：
所述云端根据各台所述车辆的第一时间段内的均方根电流和第二时间段内的均方根电流查找预设的目标温差表，得到各台所述车辆的电池包断路单元与电芯之间的目标温差。
4.如权利要求2所述的基于车云协调的电池内阻异常监测方法，其特征在于，所述第一时间段等于5s，所述第二时间段等于60s；
则，多台所述车辆根据实时检测到的电流，分别计算第一时间段内的均方根电流和第二时间段内的均方根电流，包括：
多台所述车辆根据公式计算其在第一时间段内的均方根电流；
多台所述车辆根据公式计算其在第二时间段内的均方根电流；
其中，I表示多台所述车辆的电池包的电流，t表示时间。
5.如权利要求3所述的基于车云协调的电池内阻异常监测方法，其特征在于，所述设定工况包括连续百公里加速工况、连续最高车速行驶工况、连续NEDC工况、连续WLTP工况中的一种或其组合；
则，所述方法还包括：
将标准电池包按照所述设定工况进行连续工况测试，并实时计算测试过程中所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差；
根据所述标准电池包的第一时间段的均方根电流、第二时间段的均方根电流以及电池包断路单元与电芯的温差，建立所述目标温差表。
6.一种基于车云协调的电池内阻异常监测方法，其特征在于，适用于云端，包括：
接收多台车辆上传的电池包数据；其中，所述电池包数据包括：电池包的均方根电流、电池包断路单元的BDU温度以及电芯温度，是由多台所述车辆在多台车辆按照设定工况运行的情况下实时检测得到；
根据各台所述车辆上传的电池包的均方根电流，确定各台所述车辆的电池包断路单元与电芯的目标温差；
根据各台所述车辆的电池包断路单元的温度和电芯温度，得到各台所述车辆的电池包断路单元与电芯的实际温差；
计算各台所述车辆的目标温差与实际温差的差值，得到各台所述车辆的温度偏差；
根据各台所述车辆的温度偏差分别进行高斯分布分析，得到各台所述车辆的高斯分布的均值和标准差，再根据各台所述车辆的高斯分布的均值和标准差进行对比分析，当任一所述车辆的高斯分布的均值大于第一设定阈值或者其高斯分布的标准差大于第二设定阈值时，确定任一所述车辆出现电池包内阻异常。
7.一种基于车云协调的电池内阻异常监测设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求6中所述的基于车云协调的电池内阻异常监测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求6中所述的基于车云协调的电池内阻异常监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111479432.1A CN114300763B (zh) | 2021-12-06 | 2021-12-06 | 基于车云协调的电池内阻异常监测方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111479432.1A CN114300763B (zh) | 2021-12-06 | 2021-12-06 | 基于车云协调的电池内阻异常监测方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114300763A CN114300763A (zh) | 2022-04-08 |
| CN114300763B true CN114300763B (zh) | 2023-10-20 |
Family
ID=80964705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111479432.1A Active CN114300763B (zh) | 2021-12-06 | 2021-12-06 | 基于车云协调的电池内阻异常监测方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114300763B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117054916B (zh) * | 2023-07-27 | 2024-06-11 | 小米汽车科技有限公司 | 动力电池的异常检测方法、系统及云端服务器 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003066768A (ja) * | 2001-08-30 | 2003-03-05 | Canon Inc | 画像形成装置 |
| JP2012185136A (ja) * | 2011-03-08 | 2012-09-27 | Yokogawa Electric Corp | 温度測定装置 |
| JP2013125016A (ja) * | 2011-12-16 | 2013-06-24 | Toyota Motor Corp | 蓄電システム |
| JP2018129969A (ja) * | 2017-02-10 | 2018-08-16 | サンケン電気株式会社 | 電子回路及び過熱検出方法 |
| CN109596886A (zh) * | 2018-12-05 | 2019-04-09 | 合肥能安科技有限公司 | 一种接触电阻在线监测装置和方法 |
| CN110308396A (zh) * | 2019-07-03 | 2019-10-08 | 华人运通(江苏)技术有限公司 | 电池状态监测方法、边缘处理器、系统及存储介质 |
| CN111983496A (zh) * | 2020-08-10 | 2020-11-24 | 中国科学技术大学 | 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法 |
| CN112537224A (zh) * | 2020-11-30 | 2021-03-23 | 蜂巢能源科技有限公司 | 电池内阻异常识别方法、装置、存储介质及车辆 |
| JP2021051888A (ja) * | 2019-09-24 | 2021-04-01 | 株式会社豊田自動織機 | 異常検出装置 |
| CN113064081A (zh) * | 2021-03-11 | 2021-07-02 | 北京车和家信息技术有限公司 | 动力电池劣化检测方法、装置、介质、车载系统和车辆 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7317692B2 (ja) * | 2019-12-23 | 2023-07-31 | トヨタ自動車株式会社 | 電池システム |
| KR20210099504A (ko) * | 2020-02-04 | 2021-08-12 | 삼성전자주식회사 | 배터리 시스템에서 배터리의 작동 상태를 검출하는 방법 및 시스템 |
-
2021
- 2021-12-06 CN CN202111479432.1A patent/CN114300763B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003066768A (ja) * | 2001-08-30 | 2003-03-05 | Canon Inc | 画像形成装置 |
| JP2012185136A (ja) * | 2011-03-08 | 2012-09-27 | Yokogawa Electric Corp | 温度測定装置 |
| JP2013125016A (ja) * | 2011-12-16 | 2013-06-24 | Toyota Motor Corp | 蓄電システム |
| JP2018129969A (ja) * | 2017-02-10 | 2018-08-16 | サンケン電気株式会社 | 電子回路及び過熱検出方法 |
| CN109596886A (zh) * | 2018-12-05 | 2019-04-09 | 合肥能安科技有限公司 | 一种接触电阻在线监测装置和方法 |
| CN110308396A (zh) * | 2019-07-03 | 2019-10-08 | 华人运通(江苏)技术有限公司 | 电池状态监测方法、边缘处理器、系统及存储介质 |
| JP2021051888A (ja) * | 2019-09-24 | 2021-04-01 | 株式会社豊田自動織機 | 異常検出装置 |
| CN111983496A (zh) * | 2020-08-10 | 2020-11-24 | 中国科学技术大学 | 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法 |
| CN112537224A (zh) * | 2020-11-30 | 2021-03-23 | 蜂巢能源科技有限公司 | 电池内阻异常识别方法、装置、存储介质及车辆 |
| CN113064081A (zh) * | 2021-03-11 | 2021-07-02 | 北京车和家信息技术有限公司 | 动力电池劣化检测方法、装置、介质、车载系统和车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114300763A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11408942B2 (en) | Method for predicting service life of retired power battery | |
| TWI761083B (zh) | 動力電池內單體電池的短路監測方法、系統以及裝置 | |
| CN109204063B (zh) | 一种动力电池健康状态soh的获取方法、装置及车辆 | |
| CN112816875A (zh) | 电动车辆电池云端管理系统、方法、介质及云端服务器 | |
| CN114300763B (zh) | 基于车云协调的电池内阻异常监测方法、设备及存储介质 | |
| CN112485685A (zh) | 功率承受能力参数确定方法、装置及电子设备 | |
| CN113406508A (zh) | 基于数字孪生的电池检测和维护方法及装置 | |
| CN115144765A (zh) | 电池内短路故障检测方法及装置 | |
| CN108845267B (zh) | 一种动力电池的数据处理方法和装置 | |
| CN114355200A (zh) | 电池许用电流模型的建立方法、装置及电池管理系统 | |
| CN113533985A (zh) | 一种电池包内阻异常模块的识别方法及其存储介质 | |
| CN118091420A (zh) | 电池自放电检测方法、系统、设备和介质 | |
| CN113433478A (zh) | 云端估算动力电池健康度的方法及装置 | |
| CN114714948A (zh) | 电池系统的充电过流控制方法、装置及存储介质 | |
| CN114389241B (zh) | 有源配电网的继电保护定值整定方法及装置 | |
| CN111125828A (zh) | 电动车体检方法、装置、终端设备及存储介质 | |
| CN116008836A (zh) | 电池的短路检测方法、装置及存储介质 | |
| CN115102251A (zh) | 一种适用于高电压储能的电池管理系统及方法 | |
| CN115128485B (zh) | 电池状态监测方法、装置、设备及车辆 | |
| CN113625176B (zh) | 一种锂离子电池模块soc差计算方法及设备 | |
| CN113671387B (zh) | 锂电池电动车的电量估算方法及装置 | |
| CN117686915B (zh) | 一种嵌入式电池能量状态的确定方法、装置及设备 | |
| CN118731705A (zh) | 电池安全检测方法、装置、计算机设备及用电设备 | |
| CN118641988A (zh) | 电池电压异常检测方法、装置、电子设备及存储介质 | |
| CN118514570A (zh) | 车辆的电池内阻监测方法和装置 |
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 | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240222 Granted publication date: 20231020 |
|
| PP01 | Preservation of patent right |