CN115036601B - 一种分布式电池模组的散热方法及系统 - Google Patents
一种分布式电池模组的散热方法及系统 Download PDFInfo
- Publication number
- CN115036601B CN115036601B CN202210806959.9A CN202210806959A CN115036601B CN 115036601 B CN115036601 B CN 115036601B CN 202210806959 A CN202210806959 A CN 202210806959A CN 115036601 B CN115036601 B CN 115036601B
- Authority
- CN
- China
- Prior art keywords
- temperature
- battery module
- abnormal
- adjustment
- result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000017525 heat dissipation Effects 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 117
- 238000012544 monitoring process Methods 0.000 claims abstract description 107
- 238000005457 optimization Methods 0.000 claims abstract description 66
- 238000012216 screening Methods 0.000 claims abstract description 61
- 238000001816 cooling Methods 0.000 claims description 60
- 230000033228 biological regulation Effects 0.000 claims description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- 238000007664 blowing Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 239000002826 coolant Substances 0.000 claims description 10
- 239000000110 cooling liquid Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/60—Heating or cooling; Temperature control
- H01M10/61—Types of temperature control
- H01M10/613—Cooling or keeping cold
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/60—Heating or cooling; Temperature control
- H01M10/63—Control systems
- H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
-
- 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
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种分布式电池模组的散热方法及系统,方法包括:通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;将第一监测结果直到第N监测结果输入异常温度筛选通道,获得第一筛选结果;基于第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;根据第一温度调节模块,获得第一调节参数初始值;将第一调节参数初始值和第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;根据第一调节参数优化结果控制第一温度调节模块进行温度调节。
Description
技术领域
本发明涉及人工智能相关技术领域,具体涉及一种分布式电池模组的散热方法及系统。
背景技术
为了提高蓄电能力和供电效率,一般通过使用多个电池模块组成电池模组,协同进行工作,进而满足供电需求,为了保证电池模组的工作效率以及安全性,对于电池模组的工作实时温度进行监测并调节是十分重要的。
目前的技术中对于电池模组,通常监测的是整个电池模组的工作温度,超过额定值时就进行降温处理,但是电池模组中不同的电池模块可能具有不同的输出功率和输出频率,整体监测一者无法确定超过额定温度的具体电池模块,二者整体降温会导致出现无效降温操作。
现有技术中由于对于电池模组是整体监测并进行温度调节,导致存在降温操作精细度较差的技术问题。
发明内容
本申请实施例通过提供了一种分布式电池模组的散热方法及系统,解决了现有技术中由于对于电池模组是整体监测并进行温度调节,导致存在降温操作精细度较差的技术问题。
鉴于上述问题,本申请实施例提供了一种分布式电池模组的散热方法及系统。
第一方面,本申请实施例提供了一种分布式电池模组的散热方法,其中,所述方法包括:通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果;基于所述第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;根据第一温度调节模块,获得第一调节参数初始值,其中,所述第一温度调节模块和所述第一异常电池模块一一对应;将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;根据所述第一调节参数优化结果控制所述第一温度调节模块进行温度调节。
另一方面,本申请实施例提供了一种分布式电池模组的散热系统,其中,所述系统包括:第一获得单元,用于通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;第二获得单元,用于通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;第三获得单元,用于将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果;第四获得单元,用于基于所述第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;第五获得单元,用于根据第一温度调节模块,获得第一调节参数初始值,其中,所述第一温度调节模块和所述第一异常电池模块一一对应;第六获得单元,用于将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;第一执行单元,用于根据所述第一调节参数优化结果控制所述第一温度调节模块进行温度调节。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过为电池模组中的N个电池模块都匹配一一对应的温度传感器,得到N个实时的温度监测结果;将每个实时监测到的温度输入异常温度筛选通道,筛选出表征异常温度的筛选结果;进一步确定具体的异常温度的电池模块和偏差值;跟进一步的调用温度调节模块,提取控制参数初始值,将初始值和偏差值输入参数优化模型进行参数设置,设置完成后控制温度调节模块对异常温度的电池模块进行温度调节的技术方案,基于分布式管理的思想,分布式控制电池模组中的N个电池模块的温度调节,达到了得到精细化程度较高的电池模组温度调节方案的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种分布式电池模组的散热方法流程示意图;
图2为本申请实施例提供了一种分布式电池模组的散热方法中温度过低的监测方法流程示意图;
图3为本申请实施例提供了一种分布式电池模组的散热系统结构示意图;
图4为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第一执行单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供了一种分布式电池模组的散热方法及系统,解决了现有技术中由于对于电池模组是整体监测并进行温度调节,导致存在降温操作精细度较差的技术问题,基于分布式管理的思想,分布式控制电池模组中的N个电池模块的温度调节,达到了得到精细化程度较高的电池模组温度调节方案的技术效果。
申请概述
为了提高蓄电能力和供电效率,一般通过使用多个电池模块组成电池模组,协同进行工作,进而满足供电需求,为了保证电池模组的工作效率以及安全性,对于电池模组的工作实时温度进行监测并调节是十分重要的。目前的技术中对于电池模组,通常监测的是整个电池模组的工作温度,超过额定值时就进行降温处理,但是电池模组中不同的电池模块可能具有不同的输出功率和输出频率,整体监测一者无法确定超过额定温度的具体电池模块,二者整体降温会导致出现无效降温操作。但现有技术中由于对于电池模组是整体监测并进行温度调节,导致存在降温操作精细度较差的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例通过提供了一种分布式电池模组的散热方法及系统,解决了现有技术中由于对于电池模组是整体监测并进行温度调节,导致存在降温操作精细度较差的技术问题,由于采用了通过为电池模组中的N个电池模块都匹配一一对应的温度传感器,得到N个实时的温度监测结果;将每个实时监测到的温度输入异常温度筛选通道,筛选出表征异常温度的筛选结果;进一步确定具体的异常温度的电池模块和偏差值;跟进一步的调用温度调节模块,提取控制参数初始值,将初始值和偏差值输入参数优化模型进行参数设置,设置完成后控制温度调节模块对异常温度的电池模块进行温度调节的技术方案,基于分布式管理的思想,分布式控制电池模组中的N个电池模块的温度调节,达到了得到精细化程度较高的电池模组温度调节方案的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种分布式电池模组的散热方法,其中,所述方法包括:
S100:通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;
具体而言,所述第一电池模块指的是电池模组中的第一个电池模块;所述第一温度传感器指的是用于对第一电池模块进行温度实时监测的设备,包括但不限于:微型温度传感装置,其中,微型温度传感装置可为自带电源驱动或通过第一电池模块供电驱动,但是由于第一温度传感器的能耗较低,因此优选的将第一电池模块和第一温度传感器电连接,使用第一电池模块进行驱动。
所述第一监测结果指的是通过第一温度传感器对第一电池模块进行实时监测得到的表征第一温度传感器工作温度的数据集,优选的将第一监测结果按照时序依次进行存储为第一电池模块的监测数据,将处理过的温度监测数据添加进历史数据,便于后步调用处理,将未处理过的温度监测数据置为待处理状态,便于后步可以完成对于温度监测数据的准确调用。
S200:通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;
具体而言,所述第N电池模块指的是电池模组中的第N个电池模块,表示电池模组具有N个电池模块;所述第N温度传感器指的是用来对第N电池模块进行温度监测的设备;所述第N监测结果指的是使用和第一电池模块相同的监测以及数据存储方法得到的结果。
即,全部的温度监测数据包括N组,为第一电池模块的第一监测结果、第二电池模块的第二监测结果、第三电池模块的第三监测结果直到第N电池模块的第N监测结果,其中,N为大于等于1的自然数。通过对电池模组的N个电池模块的温度进行分布式监测,便于后步针对N个电池模块具有差异化的温度监测结果进行差异化的温度调节,提高了电池模组的温度控制结果。
S300:将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果;
具体而言,所述异常温度筛选通道指的是用来对第一监测结果、第二监测结果直到第N监测结果中的异常工作温度值进行识别并提取的功能模块;所述第一筛选结果指的是表征第一监测结果、第二监测结果直到第N监测结果中的异常工作温度及其一一对应的电池模块的数据集。
筛选过程举不设限制的一例:遍历第一电池模块、第二电池模块直到第N电池模块,得到N组实时温度监测数据,其中,每组数据都包括温度监测结果和工作温度额定值,由于不同的电池模块可能具有不相同的输出功率和输出频率等输出参数值,进而不同的电池模块可能具有不同的工作温度额定值;进一步的,依次调用第一电池模块的第一监测结果处于待处理状态的实时监测温度信息和第一电池模块对应的工作温度额定值比较,若是第一监测结果处于待处理状态的实时监测温度信息大于等于第一电池模块对应的工作温度额定值,则表示第一监测结果处于待处理状态的实时监测温度信息为异常状态,标识为0,若是第一监测结果处于待处理状态的实时监测温度信息小于第一电池模块对应的工作温度额定值,则示第一监测结果处于待处理状态的实时监测温度信息为非异常状态,标识为1,1为默认标识;更进一步的,使用相同的方式遍历处理第二监测结果直到第N监测结果,将标识为0的监测结果和电池模块进行提取,记为第一筛选结果。
通过对异常温度的筛选并提取,进一步可确定具体的需要进行温度调节的电池模块,而标识为1的电池模块不需要进行温度调整,进而减少了非必要的降温工序,提高了电池模组温度控制的精细化。
S400:基于所述第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;
具体而言,所述第一异常电池模块指的是将电池模组中任意一个标识为0的电池模块,表征待进行温度调整的电池模块,当标识0删除之后,则第一异常电池模块恢复为常规工作的电池模块;所述第一异常偏差指的是第一异常电池模块对应的第一监测结果和第一异常电池模块对应的工作温度额定值之间的差值。
进一步的,根据第一异常电池模块异常值出现的时间节点,计算预设时间粒度之内的第一监测结果和工作温度额定值之间的差值,依据时序进行存储,即可根据差值的变化趋势,确定预设时间粒度之内的升温速率,其中,第一异常电池模块异常值出现的时间节点为预设时间粒度的中间时间。更进一步的,将异常升温速率添加进第一异常温度偏差,便于后步进行降温参数的设定。通过第一异常电池模块确定出现异常温度值的电池模块位置,通过第一异常温度偏差可以为降温参数的设定提供信息反馈基础,保证了电池模组的温度精确调节。
S500:根据第一温度调节模块,获得第一调节参数初始值,其中,所述第一温度调节模块和所述第一异常电池模块一一对应;
具体而言,所述第一温度调节模块指的是和第一异常电池模块一一对应的温度调节模块,第一温度调节模块可为水冷、可为风冷、可为水冷和风冷相结合三种形式。示例性地:
若是水冷,则N个电池模块的N个水冷通道都是并行连接,第一异常电池模块的第一温度调节模块包括水冷温度调节控件和第一异常电池模块的水冷通道构成;
若是风冷,则多个靠近的电池模块可能具有一个风冷通道但是通过调整吹风位置和方向,可实现精细化控制,第一异常电池模块的第一温度调节模块包括风冷温度调节控件和第一异常电池模块的风冷通道构成;
若是水冷和风冷结合,则是将第一异常电池模块的第一温度调节模块包括水冷温度调节控件和第一异常电池模块的水冷通道、风冷温度调节控件和第一异常电池模块的风冷通道两部分构成。
进一步的,所述第一调节参数初始值指的是水冷温度调节控件和风冷温度调节控件控制降温的参数,示例性地:若是水冷温度调节控件,则第一调节参数初始值包括但不限于:水温、冷却水流量、流动时长、流动频率等;若是风冷温度调节控件,则第一调节参数初始值包括但不限于:风向、风速、吹风频率、吹风强度等。通过对第一调节参数初始值进行提取,再根据实际的异常情况对参数初始值进行优化,进而实现第一异常电池模块的精细化控温。
S600:将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;
S700:根据所述第一调节参数优化结果控制所述第一温度调节模块进行温度调节。
具体而言,实际的参数优化过程较复杂,由于基于异常温度偏差确定第一调节参数初始值的优化值比较复杂,目前技术中需要专业人士依据经验进行设定,本申请实施例通过采集基于优化算法结合人工神经网络模型构建人工智能模型,即为所述参数优化模型基于历史数据学习专家经验,进而完成对第一调节参数初始值的自动优化,其中,人工神经网络是目前常用于机器学习的一种模型架构,具有泛化能力强,处理结果准确的优点。所述第一调节参数优化结果指的是将第一调节参数初始值和第一异常温度偏差输入构建完成的参数优化模型处理得到的表征第一调节参数初始值一一对应的优化之后的结果。更进一步的,第一温度调节模块根据第一调节参数优化结果对第一异常电池模块完成温度调节,而未出现异常温度的电池模块则不需要进行温度调节,当温度调节完成之后,将标识信息0修改为标识信息1,表征温度处于正常工作状态,出现异常时标识信息再次置为0。达到了对于电池模组工作温度的精细化的分布式调控的技术效果。
进一步的,基于所述将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果,步骤S300包括:
S310:根据所述异常温度筛选通道,获得第一预设温度阈值,其中,所述第一预设温度阈值为最高限定温度;
S320:判断所述第一监测结果直到所述第N监测结果是否满足所述第一预设温度阈值;
S330:将满足所述第一预设温度阈值的监测结果提取,设为所述第一筛选结果。
具体而言,在异常温度筛选通道中的筛选过程如下,异常温度筛选通道包括输入层,比较层,输出层:
在输入层中存储有第一电池模块、第二电池模块直到第N电池模块的工作温度额定值,并且为第一电池模块、第二电池模块直到第N电池模块添加标识信息1。当输入第一监测结果直到第N监测结果,即可匹配相应的工作额定温度;
进一步的,在比较层中遍历第一监测结果直到第N监测结果,分别和各自的工作额定温度进行比较,对监测结果大于等于工作额定温度的电池模块添加标识信息0,删除原本标识信息1,并将具有标识信息0的电池模块记为第一异常电池模块,所述第一预设温度阈值指的是第一异常电池模块对应的工作温度额定值,表征第一异常电池模块可承受的最高工作温度;
更进一步的,在输出层将由比较层得到的第一异常电池模块及其相应的温度监测结果输出,设为第一筛选结果。通过异常温度筛选通道对异常温度对应的电池模块进行筛选,进而可以精确的定位相应的异常工作模块位置,得到实现电池模组的精细化温度控制。
进一步的,基于所述根据第一温度调节模块,获得第一调节参数初始值,步骤S500包括:
S510:根据所述第一异常电池模块,获得第一位置坐标;
S520:根据所述第一位置坐标和所述第一温度调节模块,获得第一温度调节路径,其中,所述第一温度调节路径包括第一子路径和/或第二子路径;
S530:根据所述第一子路径,获得第一温度调节要素,其中,所述第一子路径为风冷通道;
S540:根据所述第二子路径,获得第二温度调节要素,其中,所述第二子路径为水冷通道;
S550:将所述第一温度调节要素和/或所述第二温度调节要素添加进所述第一调节参数初始值。
进一步的,基于所述将所述第一温度调节要素和/或所述第二温度调节要素添加进所述第一调节参数初始值,步骤S500包括步骤S560:
S561:根据所述第一温度调节要素,获得第一风速信息、第一吹风频率信息、第一吹风位置信息;
S562:根据所述第一温度调节要素,获得第一冷却液温度信息、第一流通频率信息、第一冷却液流量信息;
S563:将所述第一风速信息、所述第一吹风频率信息、所述第一吹风位置信息添加进所述第一子路径的所述第一调节参数初始值;
S564:将所述第一冷却液温度信息、所述第一流通频率信息、所述第一冷却液流量信息添加进所述第二子路径的所述第一调节参数初始值。
具体而言,所述第一位置坐标指的是第一异常电池模块在电池模组的坐标,确定方式举不设限制的一例:为第一电池模块直到第N电池模块设定一一对应的位置标识,和第一温度传感器直到第N电池模块监测的温度数据组合,得到具有位置标识信息的温度监测结果;
所述第一温度调节路径指的是根据第一位置坐标和第一温度调节模块确定的对第一异常电池模块进行温度调节处理的通道,包括三种情况:其一,只有第一子路径,即为风冷通道;其二,只有第二子路径,即为水冷通道;其三,第一子路径和第二子路径协调控温。
所述第一温度调节要素指的是风冷通道对应的进行温度调节时需要调控的控制要素,包括但不限于:第一风速信息、第一吹风频率信息、第一吹风位置信息等信息;所述第二温度调节要素指的是水冷通道对应的进行温度调节时需要调控的控制要素,包括但不限于:第一冷却液温度信息、第一流通频率信息、第一冷却液流量信息。
第一调节参数初始值同样包括三种实施情况,具体依据实际的工作情况而定:当只有第一子路径时,将第一温度调节要素设为第一调节参数初始值;当只有第二子路径时,将第二温度调节要素设为第一调节参数初始值;当第一子路径和第二子路径协调控温时,将第一温度调节要素和第二温度调节要素添加进第一调节参数初始值。进一步的,此处仅仅阐述了风冷和水冷的具体调节要素,但若是其它方式的控温方案采用了和本申请实施例相同的工作原理,亦在本申请实施例的保护范围之内。
进一步的,基于所述将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果,之前步骤S600包括:
S610:根据所述第一温度调节要素,构建第一参数优化空间;
S620:根据所述第二温度调节要素,构建第二参数优化空间;
S630:将所述第一参数优化空间和所述第二参数优化空间合并,生成所述参数优化模型。
进一步的,步骤S630包括:
S631:对所述第一温度调节要素和所述第二温度调节要素进行维数提取,获得第一待优化维度和第二待优化维度;
S632:基于第一温度调节历史数据,遍历所述第一待优化维度,构建第一调节函数,其中,所述第一温度调节历史数据包括多组温度偏差历史数据和风冷调节要素标识信息;
S633:基于第二温度调节历史数据,遍历所述第二待优化维度,构建第二调节函数,其中,所述第一温度调节历史数据包括多组温度偏差历史数据和水冷调节要素标识信息;
S634:通过所述第一调节函数,生成所述第一参数优化空间;
S635:通过所述第二调节函数,生成所述第二参数优化空间。
具体而言,所述第一参数优化空间指的是根据第一温度调节要素构建的对第一温度调节要素进行优化的模型,构建方式举不设限制的一例:对第一温度调节要素进行维度数目提取,得到第一待优化维度,示例性地:第一温度调节要素包括第一风速信息、第一吹风频率信息、第一吹风位置信息,则第一待优化维度包括3个维度,根据第一待优化维度中的3个维度分别构建对第一风速信息的优化通道、对第一吹风频率信息频率的优化通道、对第一吹风位置信息的优化通道,其中,三个维度的优化通道全连接。
进一步的,通过结合基于多组第一温度调节历史数据构建的第一调节函数,即可构建第一参数优化空间,其中,所述第一温度调节历史数据指的是基于大数据采集的对电池模组进行降温调节处理的经验数据,包括多组温度偏差历史数据和风冷调节要素标识信息,风冷调节要素标识信息指的是历史数据不同温度偏差对应的较优风冷要素调节结果;所述第一调节函数指的是基于第一温度调节历史数据构建的较优风冷要素调节结果和第一风速信息、第一吹风频率信息、第一吹风位置信息之间的函数关系,进一步的,即可基于第一温度历史数据结合和第一调节函数构建第一参数优化空间。
所述第二参数优化空间指的是根据第二温度调节要素构建的对第二温度调节要素进行优化的模型,构建方式举不设限制的一例:对第二温度调节要素进行维度数目提取,得到第二待优化维度,示例性地:第一冷却液温度信息、第一流通频率信息、第一冷却液流量信息,则第一待优化维度包括3个维度,根据第一待优化维度中的3个维度分别构建对第一冷却液温度信息的优化通道、对第一流通频率信息频率的优化通道、对第一冷却液流量信息的优化通道,其中,三个维度的优化通道全连接。
进一步的,通过结合基于多组第二温度调节历史数据构建的第二调节函数,即可构建第二参数优化空间,其中,所述第二温度调节历史数据指的是基于大数据采集的对电池模组进行降温调节处理的经验数据,包括多组温度偏差历史数据和水冷调节要素标识信息,水冷调节要素标识信息指的是历史数据不同温度偏差对应的较优水冷要素调节结果;所述第二调节函数指的是基于第二温度调节历史数据构建的较优水冷要素调节结果和第一冷却液温度信息、第一流通频率信息、第一冷却液流量信息之间的函数关系,进一步的,即可基于第二温度历史数据结合和第一调节函数构建第二参数优化空间。
当同时具有水冷和风冷时,通过第一参数优化空间和第二参数优化空间合并,得到参数优化模型;当只具有水冷时,将第一参数优化空间设为参数优化模型;当只具有风冷时,将第二参数优化空间设为参数优化模型。
进一步的,如图2所示,所述方法还包括步骤S800:
S810:获得第二预设温度阈值,其中,所述第二预设温度阈值为最低限定温度;
S820:判断所述第一监测结果直到所述第N监测结果是否满足所述第二预设温度阈值;
S830:将满足所述第二预设温度阈值的监测结果,设为第二筛选结果;
S840:将所述第二筛选结果对应的电池模块进行工作异常标识,获得第一标识信息;
S850:将所述第一标识信息发送至第一工作人员。
具体而言,所述第二预设温度阈值指的是最低限定温度,即表征电池模块正常工作的最低温度;提取出第一监测结果直到第N监测结果小于第二预设温度阈值的电池模块,即表征满足第二预设温度阈值,标识信息2,设为第二筛选结果,通过第二筛选结果可以表征工作异常的电池模块,即温度过低可能电池未进行工作,则生成第一标识信息,发送至第一工作人员进行相应核准,保证电池模组的稳定工作。
通过对电池模组中各电池模块的最低限定温度进行监测,出现异常时为相应的电池模块添加第一标识信息,并提醒相关工作人员进行调整,保证了电池模组的稳定运行。
综上所述,本申请实施例所提供的一种分布式电池模组的散热方法及系统具有如下技术效果:
1.由于采用了通过为电池模组中的N个电池模块都匹配一一对应的温度传感器,得到N个实时的温度监测结果;将每个实时监测到的温度输入异常温度筛选通道,筛选出表征异常温度的筛选结果;进一步确定具体的异常温度的电池模块和偏差值;跟进一步的调用温度调节模块,提取控制参数初始值,将初始值和偏差值输入参数优化模型进行参数设置,设置完成后控制温度调节模块对异常温度的电池模块进行温度调节的技术方案,基于分布式管理的思想,分布式控制电池模组中的N个电池模块的温度调节,达到了得到精细化程度较高的电池模组温度调节方案的技术效果。
2.通过对电池模组中各电池模块的最低限定温度进行监测,出现异常时为相应的的电池模块添加第一标识信息,并提醒相关工作人员进行调整,保证了电池模组的稳定运行。
实施例二
基于与前述实施例中一种分布式电池模组的散热方法相同的发明构思,如图3所示,本申请实施例提供了一种分布式电池模组的散热系统,其中,所述系统包括:
第一获得单元11,用于通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;
第二获得单元12,用于通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;
第三获得单元13,用于将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果;
第四获得单元14,用于基于所述第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;
第五获得单元15,用于根据第一温度调节模块,获得第一调节参数初始值,其中,所述第一温度调节模块和所述第一异常电池模块一一对应;
第六获得单元16,用于将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;
第一执行单元17,用于根据所述第一调节参数优化结果控制所述第一温度调节模块进行温度调节。
进一步的,所述系统还包括:
第七获得单元,用于根据所述异常温度筛选通道,获得第一预设温度阈值,其中,所述第一预设温度阈值为最高限定温度;
第一判断单元,用于判断所述第一监测结果直到所述第N监测结果是否满足所述第一预设温度阈值;
第一设定单元,用于将满足所述第一预设温度阈值的监测结果提取,设为所述第一筛选结果。
进一步的,所述系统还包括:
第八获得单元,用于根据所述第一异常电池模块,获得第一位置坐标;
第九获得单元,用于根据所述第一位置坐标和所述第一温度调节模块,获得第一温度调节路径,其中,所述第一温度调节路径包括第一子路径和/或第二子路径;
第十获得单元,用于根据所述第一子路径,获得第一温度调节要素,其中,所述第一子路径为风冷通道;
第十一获得单元,用于根据所述第二子路径,获得第二温度调节要素,其中,所述第二子路径为水冷通道;
第一添加单元,用于将所述第一温度调节要素和/或所述第二温度调节要素添加进所述第一调节参数初始值。
进一步的,所述系统还包括:
第十二获得单元,用于根据所述第一温度调节要素,获得第一风速信息、第一吹风频率信息、第一吹风位置信息;
第十三获得单元,用于根据所述第一温度调节要素,获得第一冷却液温度信息、第一流通频率信息、第一冷却液流量信息;
第二添加单元,用于将所述第一风速信息、所述第一吹风频率信息、所述第一吹风位置信息添加进所述第一子路径的所述第一调节参数初始值;
第三添加单元,用于将所述第一冷却液温度信息、所述第一流通频率信息、所述第一冷却液流量信息添加进所述第二子路径的所述第一调节参数初始值。
进一步的,所述系统还包括:
第一构建单元,用于根据所述第一温度调节要素,构建第一参数优化空间;
第二构建单元,用于根据所述第二温度调节要素,构建第二参数优化空间;
第一生成单元,用于将所述第一参数优化空间和所述第二参数优化空间合并,生成所述参数优化模型。
进一步的,所述系统还包括:
第十四获得单元,用于对所述第一温度调节要素和所述第二温度调节要素进行维数提取,获得第一待优化维度和第二待优化维度;
第三构建单元,用于基于第一温度调节历史数据,遍历所述第一待优化维度,构建第一调节函数,其中,所述第一温度调节历史数据包括多组温度偏差历史数据和风冷调节要素标识信息;
第四构建单元,用于基于第二温度调节历史数据,遍历所述第二待优化维度,构建第二调节函数,其中,所述第一温度调节历史数据包括多组温度偏差历史数据和水冷调节要素标识信息;
第二生成单元,用于通过所述第一调节函数,生成所述第一参数优化空间;
第三生成单元,用于通过所述第二调节函数,生成所述第二参数优化空间。
进一步的,所述系统还包括:
第十五获得单元,用于获得第二预设温度阈值,其中,所述第二预设温度阈值为最低限定温度;
第二判断单元,用于判断所述第一监测结果直到所述第N监测结果是否满足所述第二预设温度阈值;
第二设定单元,用于将满足所述第二预设温度阈值的监测结果,设为第二筛选结果;
第十六获得单元,用于将所述第二筛选结果对应的电池模块进行工作异常标识,获得第一标识信息;
第一发送单元,用于将所述第一标识信息发送至第一工作人员。
实施例三
基于与前述实施例中一种分布式电池模组的散热方法相同的发明构思,本申请实施例还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现实施例一任一项所述的方法。
示例性电子设备
下面参考图4来描述本申请实施例的电子设备。
基于与前述实施例中一种分布式电池模组的散热方法相同的发明构思,本申请实施例还提供了一种电子设备,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的系统,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless localareanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种分布式电池模组的散热方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例提供了一种分布式电池模组的散热方法及系统,由于采用了通过为电池模组中的N个电池模块都匹配一一对应的温度传感器,得到N个实时的温度监测结果;将每个实时监测到的温度输入异常温度筛选通道,筛选出表征异常温度的筛选结果;进一步确定具体的异常温度的电池模块和偏差值;跟进一步的调用温度调节模块,提取控制参数初始值,将初始值和偏差值输入参数优化模型进行参数设置,设置完成后控制温度调节模块对异常温度的电池模块进行温度调节的技术方案,基于分布式管理的思想,分布式控制电池模组中的N个电池模块的温度调节,达到了得到精细化程度较高的电池模组温度调节方案的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑系统,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种分布式电池模组的散热方法,其特征在于,所述方法包括:
通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;
通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;
将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果;
基于所述第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;
根据第一温度调节模块,获得第一调节参数初始值,其中,所述第一温度调节模块和所述第一异常电池模块一一对应;
将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;
根据所述第一调节参数优化结果控制所述第一温度调节模块进行温度调节;
其中,所述根据第一温度调节模块,获得第一调节参数初始值,包括:
根据所述第一异常电池模块,获得第一位置坐标;
根据所述第一位置坐标和所述第一温度调节模块,获得第一温度调节路径,其中,所述第一温度调节路径包括第一子路径和/或第二子路径;
根据所述第一子路径,获得第一温度调节要素,其中,所述第一子路径为风冷通道;
根据所述第二子路径,获得第二温度调节要素,其中,所述第二子路径为水冷通道;
将所述第一温度调节要素和/或所述第二温度调节要素添加进所述第一调节参数初始值。
2.如权利要求1所述的方法,其特征在于,所述将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果,包括:
根据所述异常温度筛选通道,获得第一预设温度阈值,其中,所述第一预设温度阈值为最高限定温度;
判断所述第一监测结果直到所述第N监测结果是否满足所述第一预设温度阈值;
将满足所述第一预设温度阈值的监测结果提取,设为所述第一筛选结果。
3.如权利要求1所述的方法,其特征在于,所述将所述第一温度调节要素和/或所述第二温度调节要素添加进所述第一调节参数初始值,包括:
根据所述第一温度调节要素,获得第一风速信息、第一吹风频率信息、第一吹风位置信息;
根据所述第一温度调节要素,获得第一冷却液温度信息、第一流通频率信息、第一冷却液流量信息;
将所述第一风速信息、所述第一吹风频率信息、所述第一吹风位置信息添加进所述第一子路径的所述第一调节参数初始值;
将所述第一冷却液温度信息、所述第一流通频率信息、所述第一冷却液流量信息添加进所述第二子路径的所述第一调节参数初始值。
4.如权利要求1所述的方法,其特征在于,所述将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果,之前包括:
根据所述第一温度调节要素,构建第一参数优化空间;
根据所述第二温度调节要素,构建第二参数优化空间;
将所述第一参数优化空间和所述第二参数优化空间合并,生成所述参数优化模型。
5.如权利要求4所述的方法,其特征在于,包括:
对所述第一温度调节要素和所述第二温度调节要素进行维数提取,获得第一待优化维度和第二待优化维度;
基于第一温度调节历史数据,遍历所述第一待优化维度,构建第一调节函数,其中,所述第一温度调节历史数据包括多组温度偏差历史数据和风冷调节要素标识信息;
基于第二温度调节历史数据,遍历所述第二待优化维度,构建第二调节函数,其中,所述第一温度调节历史数据包括所述多组温度偏差历史数据和水冷调节要素标识信息;
通过所述第一调节函数,生成所述第一参数优化空间;
通过所述第二调节函数,生成所述第二参数优化空间。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得第二预设温度阈值,其中,所述第二预设温度阈值为最低限定温度;
判断所述第一监测结果直到所述第N监测结果是否满足所述第二预设温度阈值;
将满足所述第二预设温度阈值的监测结果,设为第二筛选结果;
将所述第二筛选结果对应的电池模块进行工作异常标识,获得第一标识信息;
将所述第一标识信息发送至第一工作人员。
7.一种分布式电池模组的散热系统,其特征在于,所述系统包括:
第一获得单元,用于通过第一温度传感器对第一电池模块进行温度监测,获得第一监测结果;
第二获得单元,用于通过第N温度传感器对第N电池模块进行温度监测,获得第N监测结果;
第三获得单元,用于将所述第一监测结果直到所述第N监测结果输入异常温度筛选通道,获得第一筛选结果;
第四获得单元,用于基于所述第一筛选结果计算异常偏差,获得第一异常电池模块和第一异常温度偏差;
第五获得单元,用于根据第一温度调节模块,获得第一调节参数初始值,其中,所述第一温度调节模块和所述第一异常电池模块一一对应;
第六获得单元,用于将所述第一调节参数初始值和所述第一异常温度偏差输入参数优化模型,获得第一调节参数优化结果;
第一执行单元,用于根据所述第一调节参数优化结果控制所述第一温度调节模块进行温度调节;
第八获得单元,用于根据所述第一异常电池模块,获得第一位置坐标;
第九获得单元,用于根据所述第一位置坐标和所述第一温度调节模块,获得第一温度调节路径,其中,所述第一温度调节路径包括第一子路径和/或第二子路径;
第十获得单元,用于根据所述第一子路径,获得第一温度调节要素,其中,所述第一子路径为风冷通道;
第十一获得单元,用于根据所述第二子路径,获得第二温度调节要素,其中,所述第二子路径为水冷通道;
第一添加单元,用于将所述第一温度调节要素和/或所述第二温度调节要素添加进所述第一调节参数初始值。
8.一种电子设备,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,其特征在于,当所述程序被所述处理器执行时,使系统以执行如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210806959.9A CN115036601B (zh) | 2022-07-09 | 2022-07-09 | 一种分布式电池模组的散热方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210806959.9A CN115036601B (zh) | 2022-07-09 | 2022-07-09 | 一种分布式电池模组的散热方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115036601A CN115036601A (zh) | 2022-09-09 |
CN115036601B true CN115036601B (zh) | 2023-11-21 |
Family
ID=83128301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210806959.9A Active CN115036601B (zh) | 2022-07-09 | 2022-07-09 | 一种分布式电池模组的散热方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115036601B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116470302B (zh) * | 2023-06-20 | 2023-09-05 | 四川省华盾防务科技股份有限公司 | 一种小型相控阵天线模组的控制方法及控制系统 |
CN116968296B (zh) * | 2023-09-25 | 2023-12-22 | 南通开普乐工程塑料有限公司 | 一种工程塑料生产工艺自适应调节方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109921150A (zh) * | 2019-05-14 | 2019-06-21 | 常州市伟宏动力技术有限公司 | 电池管理装置、电池模组、电动车及电池管理方法 |
WO2019162648A1 (en) * | 2018-02-20 | 2019-08-29 | Centrica Hive Limited | Control system diagnostics |
KR20190110684A (ko) * | 2018-03-21 | 2019-10-01 | 현대모비스 주식회사 | 차량용 배터리 냉각 시스템 및 방법 |
CN113049142A (zh) * | 2019-12-27 | 2021-06-29 | 华能如东八仙角海上风力发电有限责任公司 | 温度传感器的告警方法、装置、设备及存储介质 |
CN113358236A (zh) * | 2021-06-07 | 2021-09-07 | 无锡宇邦半导体科技有限公司 | 一种提高温度测量精度的方法及装置 |
CN113984246A (zh) * | 2021-10-28 | 2022-01-28 | 安阳市蓝海安全工程师事务所有限公司 | 一种基于温度传感的化工安全生产监测方法及系统 |
-
2022
- 2022-07-09 CN CN202210806959.9A patent/CN115036601B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019162648A1 (en) * | 2018-02-20 | 2019-08-29 | Centrica Hive Limited | Control system diagnostics |
KR20190110684A (ko) * | 2018-03-21 | 2019-10-01 | 현대모비스 주식회사 | 차량용 배터리 냉각 시스템 및 방법 |
CN109921150A (zh) * | 2019-05-14 | 2019-06-21 | 常州市伟宏动力技术有限公司 | 电池管理装置、电池模组、电动车及电池管理方法 |
CN113049142A (zh) * | 2019-12-27 | 2021-06-29 | 华能如东八仙角海上风力发电有限责任公司 | 温度传感器的告警方法、装置、设备及存储介质 |
CN113358236A (zh) * | 2021-06-07 | 2021-09-07 | 无锡宇邦半导体科技有限公司 | 一种提高温度测量精度的方法及装置 |
CN113984246A (zh) * | 2021-10-28 | 2022-01-28 | 安阳市蓝海安全工程师事务所有限公司 | 一种基于温度传感的化工安全生产监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115036601A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115036601B (zh) | 一种分布式电池模组的散热方法及系统 | |
CN112577161B (zh) | 空调能耗模型训练方法与空调系统控制方法 | |
US20170268517A1 (en) | Apparatus and Method for Monitoring a Pump | |
CN106485992A (zh) | 机械学习方法、机械学习装置、控制装置以及电动机装置 | |
CN113039506B (zh) | 基于因果学习的数据中心基础结构优化方法 | |
US11795973B2 (en) | Deep learning-based cooling system temperature prediction apparatus according to physical causality and method therefor | |
CN109711027B (zh) | 电路板处理方法和装置 | |
CN114490275B (zh) | 一种基于mcu的主机监测控制方法、系统、电子设备及介质 | |
CN115437486B (zh) | 基于模型的服务器散热方法、装置、服务器和存储介质 | |
CN110928341B (zh) | 温度控制方法、装置、设备及存储介质 | |
CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
JP2023532492A (ja) | 空調制御方法及び装置、電気機器、媒体 | |
CN116594442A (zh) | 一种温度调节模块的控制方法、装置及计算设备 | |
CN115167562A (zh) | 一种机房温度控制方法和装置 | |
CN117075483B (zh) | 液冷储能系统的状态监控方法、装置及存储介质 | |
CN117177547B (zh) | 用于高压变频器的散热控制方法及系统 | |
CN112987895A (zh) | 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 | |
CN111048851B (zh) | 电池温度管理系统控制方法、装置、设备及存储介质 | |
JP6841589B2 (ja) | 異常予兆監視システム | |
CN113983543B (zh) | 用于热力站循环泵控制的方法、装置、终端及存储介质 | |
US20210026343A1 (en) | Information processing device, information processing method, and program | |
CN115686160A (zh) | 芯片运行方法、装置、soc芯片以及存储介质 | |
CN114282445A (zh) | 循环水系统运行优化方法以及相关设备 | |
CN113568457A (zh) | 一种基于传感技术的动态温度智能保护系统 | |
CN117806834B (zh) | 资源的调整方法及装置 |
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 |