CN115061051A - 一种电池电压异常的识别方法、装置、计算机设备和介质 - Google Patents
一种电池电压异常的识别方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN115061051A CN115061051A CN202210656128.8A CN202210656128A CN115061051A CN 115061051 A CN115061051 A CN 115061051A CN 202210656128 A CN202210656128 A CN 202210656128A CN 115061051 A CN115061051 A CN 115061051A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- charge
- state
- battery cell
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000002159 abnormal effect Effects 0.000 claims abstract description 93
- 230000005856 abnormality Effects 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 25
- 230000003247 decreasing effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
- H01M10/4285—Testing apparatus
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本申请涉及一种电池电压异常的识别方法、装置、计算机设备和介质。所述方法包括:获取电池的荷电状态阈值,在电池的N次充电过程中,当电池的荷电状态达到荷电状态阈值时,采集时刻数据以及电池的各个电芯的电压数据,其中,N大于1;根据N组电压数据,确定各个电芯的电压变化情况,根据电压变化情况,确定各个电芯的电压是否存在异常趋势;在电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到电压变化率;获取电池的自放电率,将电压变化率与自放电率对比,在电压变化率大于自放电率的情况下,确定电芯的电压存在异常。采用本方法能够提高对电池电压异常识别的准确性。
Description
技术领域
本申请涉及汽车电池管理技术领域,特别是涉及一种电池电压异常的识别方法、装置、计算机设备和介质。
背景技术
随着新能源汽车行业的飞速发展,由于动力电池的性能直接影响了新能源汽车的性能,因此动力电池的性能受到越来越多的关注与重视,其中,最受关注与重视的就是动力电池的安全性。为了在一定程度上预防安全事故的发生,会对动力电池的安全性进行检测,识别出具有安全隐患的动力电池,从而对异常电池进行相应的处理,达到提升新能源汽车的安全性的目的。
作为动力电池的重要特征之一,动力电池的电压可以间接地反映出动力电池的安全状态,例如,电池包中某个电芯与其他电芯的电压变化有显著差异,意味着该电芯可能出现问题。
由于电池电压会受各种因素的影响,例如电流、温度或荷电状态(State ofCharge,SOC)等,因此,若直接对电压进行采集,再对采集的电压进行异常与否的识别,其结果的准确性有待提高。
发明内容
基于此,提供一种电池电压异常的识别方法、装置、计算机设备和介质,以提高对电池电压异常识别的准确性。
第一方面,提供一种电池电压异常的识别方法,所述方法包括:
获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
结合第一方面,在第一方面的第一种实施方式中,所述根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势的步骤,包括:
根据各个所述电芯的电压变化情况,筛选出电压值出现连续递减的电芯的电压数据,并累计连续递减的次数;
获取第一阈值,在连续递减的次数达到或超过所述第一阈值的情况下,确定对应电芯的电压存在异常趋势。
结合第一方面,在第一方面的第二种实施方式中,所述荷电状态阈值的数量为两个或两个以上。
结合第一方面,在第一方面的第三种实施方式中,所述获取电池的荷电状态阈值的步骤,包括:
将所述电池的荷电状态分为M个区间,其中,M大于1;
分别在所述M个区间内,确定所述电池的荷电状态阈值,以获取到两个或两个以上所述荷电状态阈值。
结合第一方面,在第一方面的第四种实施方式中,还包括:
获取所述电池的平均温度阈值;
在所述电池的N次充电过程中,当所述电池的平均温度达到所述平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。
结合第一方面,在第一方面的第五种实施方式中,所述平均温度阈值的数量为两个或两个以上。
结合第一方面,在第一方面的第六种实施方式中,所述获取电池的平均温度阈值的步骤,包括:
将所述电池的荷电状态分为X个区间,其中,X大于1;
分别在所述X个区间内,确定所述电池的平均温度阈值,以获取到两个或两个以上所述平均温度阈值。
第二方面,提供了一种电池电压异常的识别装置,所述装置包括:
数据获取模块,用于获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
预判断模块,用于根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
处理模块,用于在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
识别模块,用于获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
第三方面,提供了一种计算机设备,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,所述处理器执行所述计算机程序时实现以下步骤:
获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
第四方面,提供了一种计算机可读存储介质,其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以下步骤:
获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
上述电池电压异常的识别方法、装置、计算机设备和介质,通过获取电池的荷电状态阈值,并在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。由于电池在充电过程中,其电压会随着电池荷电状态的变化而发生变化,因此,本方法在所述电池的荷电状态达到所述荷电状态阈值时,对电压数据进行采集,后续对所述电压数据是否异常进行识别,得到的识别结果考虑了电池的荷电状态这一影响因素,提高了对电池电压的异常识别的准确度;且随着使用时间的变长,电池的电压会发生符合自然规律的变化,为了对这种变化和电压异常进行区分,先对所述电压数据进行预判,即对所述电压数据是否存在异常趋势进行预判,这样可以筛选出存在异常趋势的电压数据;对存在异常趋势的电压数据做进一步的判断,即通过计算其电压变化率,将电压变化率与自放电率进行对比,从而确定电压是否存在异常,可在一定程度上减小误判的可能性,提高电压异常识别的准确性。
附图说明
图1为一个实施例中电池电压异常的识别方法的流程示意图;
图2为一个实施例中确定电压是否存在异常趋势步骤的流程示意图;
图3为一个实施例中获取荷电状态阈值步骤的流程示意图;
图4为另一个实施例中电池电压异常的识别方法的流程示意图;
图5为一个实施例中获取平均温度阈值步骤的流程示意图;
图6为一个实施例中电池电压异常的识别装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本实施例中所提供的图示仅以示意方式说明本实用新型的基本构想,遂图式中仅显示与本实用新型中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”、“纵向”、“横向”、“水平”、“内”、“外”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,亦仅为了便于简化叙述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
随着新能源汽车的安全事故的发生,新能源汽车的安全性越来越受到人们的关注与重视,而动力电池是影响新能源汽车的安全性的主要因素。因此,为了保证新能源汽车的安全性,一般会对动力电池进行检测,从而对检测到的安全隐患做出相应的处理。由于电压作为动力电池的重要特征之一,可以反应出动力电池的安全状态,因此,现有技术通过对动力电池的电压进行采集,并判断其是否存在异常,从而确定动力电池的安全性。然而,动力电池的电压会受各种因素的影响,现有技术中直接对动力电池的电压进行采集,以及识别电压是否异常,其识别结果的准确性有待提高。
为此,本申请提供了一种电池电压异常的识别方法、装置、计算机设备和介质,所述电池电压异常的识别装置可以内嵌于电池管理系统(Battery Management System,BMS)中,也可以与电池管理系统进行通信,来实现本申请所述的电池电压异常的识别方法。以所述电池电压异常的识别装置为执行主体,对本申请的方法进行说明。所述电池电压异常的识别装置包括:数据获取模块、预判断模块、处理模块以及识别模块,所述数据获取模块的输出端分别与所述预判断模块和所述处理模块的输入端进行通信,所述预判断模块的输出端与所述处理模块的输入端进行通信,所述处理模块的输出端与所述识别模块的输入端进行通信,从而实现本申请的方法。
例如,所述数据获取模块用于获取电池的荷电状态阈值,在所述电池的N次充电过程中,当电池的荷电状态达到荷电状态阈值时,对电池的各个电芯的电压进行采集,以及对应的时刻值,得到N组电压数据和时刻数据;所述预判断模块根据N组电压数据,得到各个电芯的电压变化情况,例如,连续性递减或间接性递减,根据电压变化情况为连续性递减的电压,确定对应的电芯电压存在异常趋势;所述处理模块基于存在异常趋势的电压,根据对应的电压数据和时刻数据,按照采集的顺序,依次计算电压变化率,最终可以得到(N-1)个电压变化率;所述识别模块将(N-1)个电压变化率与获取的电池的自放电率进行对比,当(N-1)个电压变化率大于所述自放电率时,确定电压存在异常。
通过所述电池电压异常的识别装置执行上述方法,在电池的N次充电过程中,当荷电状态达到了荷电状态阈值时,对电压数据进行采集。由于荷电状态作为电池电压的影响因素之一,在不同的荷电状态下,电池电压具有不同的表现。因此,上述方法通过控制荷电状态一致,采集的各组电压数据是在荷电状态一致的情况下进行比较,从而识别其是否存在异常,提高了对电池电压异常识别的准确性。且由于电池随着使用时间的变长,其电压也会发生变化,例如,电压会有略微降低,但一般不会一直持续降低,这种变化是属于自然消耗,符合自然规律的,与电压出现异常不同。因此,上述方法先对电压数据进行预判,将属于自然消耗和存在异常趋势的电压变化情况进行区分;对于电压变化情况为存在异常趋势的电压数据,通过计算电压变化率,并与电池的自放电率进行对比,从而进一步识别出该电芯电压是否存在异常;在一定程度上降低了误判的可能性,提高了对电池电压异常识别的准确性。
在一个实施例中,如图1所示,提供了一种电池电压异常的识别方法,包括以下步骤:
S101:获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1。
需要说明的是,荷电状态(State ofCharge,SOC)是用来反映电池的剩余容量的,其数值上定义为剩余容量占电池容量的比值,常用百分数表示。其取值范围为0~1,当SOC=0时,表示电池完全放电;当SOC=1时,表示电池完全充满。由于电池的电压会随着其荷电状态的变化而变化,一般,荷电状态越大,电压越大,因此,本申请为了提高对电压异常识别的准确性,在电池的N次充电过程中,在荷电状态达到荷电状态阈值时,采集此时电池各个电芯的电压数据,使得后续对电压数据是否存在异常的判断是基于荷电状态一致的情况下进行的,以提高电压异常识别的准确性。
另外,由于电池中的电芯数量可能不止一个,因此,在本申请中,需要对各个电芯的电压数据分别进行采集,对于同一个电池电芯,有N组电压数据和时刻数据,在同一次充电过程中采集的电压数据和时刻数据为一组;后续对电压数据的预判、处理以及最终的识别是对各个电芯分别进行的,这样可以单独对电压出现异常的电芯进行更换或维修等操作,不用对电池整体进行更换或维修等操作,可以在一定程度上节省成本,后文对此不再进行赘述。
S102:根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势。
需要说明的是,对于同一个电池电芯,根据采集的N组所述电压数据,可以确定电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势。具体的,结合图2进行说明,所述根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势的步骤,包括:
S201:根据各个所述电芯的电压变化情况,筛选出电压值出现连续递减的电芯的电压数据,并累计连续递减的次数;
S202:获取第一阈值,在连续递减的次数达到或超过所述第一阈值的情况下,确定对应电芯的电压存在异常趋势。
需要说明的是,电压变化情况可以包括:电压值出现连续性降低或间接性降低等,一般,属于自然消耗的电压变化表现为电压值间接性降低。因此,通过上述步骤,对电压数据进行筛选,得到存在异常趋势的电压,后续再进一步进行异常识别。
S103:在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率。
需要说明的是,对于存在异常趋势的电压,需要计算其电压变化率,具体的,每个电芯包括N组电压数据和时刻数据,假设电压数据为:U1、 U2、U3、……、UN-1和UN,时刻数据为:T1、T2、T3、……、TN-1和TN,电压变化率为:δ1、δ2、δ3、……和δN-1,其中,下标1、2、3、……、N-2、N-1和N代表所述电池充电的顺序。按照所述电池充电的顺序,依次计算各个电芯的电压变化率,例如,第一次充电得到的电压变化率:δ1=(U2-U1)/(T2-T1),第二次充电得到的电压变化率:δ2=(U3-U2)/ (T3-T2),第N次充电得到的电压变化率:δN-1=(UN-UN-1)/(TN-TN-1),最终可以得到(N-1)个电压变化率。
S104:获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
需要说明的是,自放电率又称荷电保持能力,是指电池在开路状态下,电池所储存的电量在一定条件下的保持能力。电池的自放电率主要受电池制造工艺、材料、储存条件等因素影响,因此,每个电池的自放电率可能存在不同。本申请可以通过实验来获取电池的自放电率,也可以根据电池出厂时印发的数据,来获取电池的自放电率,本申请对此不做限定。将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。以上述得到的(N-1)个电压变化率为例进行说明,若δ1、δ2、δ3、……和δN-1都大于电池的自放电率,则确定该电芯的电压存在异常。
上述电池电压异常的识别方法中,在所述电池的N次充电过程中,当所述电池的荷电状态达到获取的荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;基于各个电芯的N组电压数据,分别对电池的各个电芯的电压数据进行分析,先对各个电芯的电压数据进行预判,即根据各个电芯的N组电压数据,确定各个电芯的电压变化情况,根据电压变化情况,确定各个电芯的电压是否存在异常趋势;对于存在异常趋势的电压数据,结合对应的时刻数据,计算电压变化率;将电压变化率与自放电率进行对比,若电压变化率大于自放电率,则确定该电芯的电压存在异常。本方法通过控制荷电状态一致,采集的各组电压数据是在荷电状态一致的情况下进行比较,从而识别其是否存在异常,提高了对电池电压异常识别的准确性。且通过对电压是否存在异常趋势进行判断,将电压变化情况属于自然消耗和存在异常的电压数据进行筛选区分,在一定程度上可以降低误判的可能性,进一步提高电压异常识别的准确性。
作为上述实施例的一种优选实施方式,所述荷电状态阈值的数量可以为两个或两个以上。示例性的说明,假设获取了两个荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态分别达到这两个荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。在本实施例中,后续对于各个电芯的电压数据进行分析或判断,从而得出各个电芯的电压数据是否异常的结果,都是在同一荷电状态阈值下采集的电压数据和时刻数据进行的。
例如,分别判断两个荷电状态阈值下采集的电压数据是否存在异常趋势,当两个荷电状态阈值下采集的电压数据都存在异常趋势时,才确定该电芯的电压存在异常趋势;在电压存在异常趋势的情况下,分别根据两个荷电状态阈值下采集的电压数据和时刻数据,计算电压变化率,再将两个荷电状态阈值下的电压变化率分别与自放电率进行对比,若电压变化率都大于自放电率,则确定该电芯存在异常。
由于在不同荷电状态下,电池电压有所不同,因此本实施例通过设置多个荷电状态阈值,可以对各个荷电状态下的电池电压进行采集分析,再确定电池电压是否存在异常,从而进一步提高对电池电压异常识别的准确性。
如图3所示,作为上述实施例的一种优选实施方式,所述获取电池的荷电状态阈值的步骤,包括:
S201:将所述电池的荷电状态分为M个区间,其中,M大于1;
S202:分别在所述M个区间内,确定所述电池的荷电状态阈值,以获取到两个或两个以上所述荷电状态阈值。
需要说明的是,虽然电池在不同荷电状态下,电压的表现会不同,但一般荷电状态位于某个区间内时,其电压的表现较为相似,例如,在电池充电的初期,电压上升很快;在电池充电的中期,电压缓慢上升;在电池充电的终期。因此,本实施例将荷电状态分为M个区间,在每个区间内,电压的变化情况较为相似,从而在电池的各个荷电状态区间内采集电压数据,实现分别对各个荷电状态区间下采集的电压数据是否存在异常进行识别,进一步提高对电压异常识别的准确性。
另外,此处“将所述电池的荷电状态分为M个区间”,是将电池完全充满时的荷电状态分为M个区间,也就是将SOC=100%分为M个区间。示例性的说明,将SOC=100%分为三个区间:0≤SOC<20%、20%≤ SOC<80%和80%≤SOC≤100%,分别在这三个荷电状态区间内确定一个荷电状态阈值,例如,在0≤SOC<20%这个区间内,确定荷电状态阈值为 10%,在20%≤SOC<80%这个区间内,确定荷电状态阈值为50%,在80%≤SOC≤100%这个区间内,确定荷电状态阈值为90%。在所述电池的N 次充电过程中,当荷电状态分别达到10%、50%和90%时,采集所述电池的各个电芯的电压数据和时刻数据,后续分别对荷电状态达到10%、50%和90%时采集的电压数据进行是否异常的分析和判断,从而对电池的各个电芯的电压进行异常识别。上述已对电压数据判断和识别的方法进行了详细的说明,相关内容可以参阅上述描述,在此不再进行赘述。
如图4所示,作为上述实施例的另一种实施方式,所述方法还包括:
S301:获取所述电池的平均温度阈值;
S302:在所述电池的N此充电过程中,当所述电池的平均温度达到所述平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。
需要说明的是,温度也是影响电池电压的因素之一,例如,当温度较高时,电池的内阻变小,由于充电电流变化较小,可以认定为电流不变,则电池电压变小;相反的当温度较低时,电池的内阻变大,则电池电压变大。为了进一步提高对电池电压异常识别的准确性,在本实施例中,在统一电池的荷电状态的基础上,增加电池的平均温度这一控制量,对电池的各个电芯的电压数据进行采集和异常识别。
作为上述实施例的一种优选实施方式,所述平均温度阈值的数量为两个或两个以上。示例性的说明,假设获取了两个平均温度阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到荷电状态阈值,且电池的平均温度达到平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。在本实施例中,后续对于各个电芯的电压数据进行分析或判断,从而得出各个电芯的电压数据是否异常的结果,都是在同一荷电状态阈值和平均温度阈值下采集的电压数据和时刻数据进行的。基于多个电压不存在异常的电池,根据荷电状态达到荷电状态阈值时电池的平均温度,来确定平均温度阈值,因此,荷电状态阈值与平均温度阈值是一一对应的,由此得到的平均温度阈值是电池在不存在异常的情况下,且符合自然规律的温度情况。
由于在不同荷电状态和平均温度下,电池电压有所不同,因此本实施例通过设置多个平均温度阈值,可以对各个荷电状态以及平均温度阈值下的电池电压进行采集分析,再确定电池电压是否存在异常,从而进一步提高对电池电压异常识别的准确性。
如图5所示,作为上述实施例的一种优选实施方式,所述获取电池的平均温度阈值的步骤,包括:
S401:将所述电池的荷电状态分为X个区间,其中,X大于1;
S402:分别在所述X个区间内,确定所述电池的平均温度阈值,以获取到两个或两个以上所述平均温度阈值。
需要说明的是,虽然电池在不同平均温度下,电压的表现会不同,但一般在某个荷电状态区间内时,电池的平均温度变化较小,可以近似认为没有发生变化,其电压的表现也较为相似。因此,本实施例将荷电状态分为M个区间,在每个区间内,基于荷电状态阈值,确定平均温度阈值,从而在各个荷电状态阈值和平均温度阈值下,采集电压数据,进一步提高对电压异常识别的准确性。
应该理解的是,虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种电池电压异常的识别装置,包括:数据获取模块、预判断模块、处理模块和识别模块,其中:
数据获取模块,用于获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
预判断模块,用于根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
处理模块,用于在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
识别模块,用于获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
需要说明的是,所述数据获取模块的输出端分别与所述预判断模块和所述处理模块的输入端进行通信,所述预判断模块的输出端与所述处理模块的输入端进行通信,所述处理模块的输出端与所述识别模块的输入端进行通信,从而实现本申请的方法。所述电池电压异常的识别装置可以是内嵌于电池管理系统中,也可以与电池管理系统进行通信,来实现本申请所述的电池电压异常的识别方法。
优选的,在一个实施例中,所述预判断模块根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势的步骤,包括:根据各个所述电芯的电压变化情况,筛选出电压值出现连续递减的电芯的电压数据,并累计连续递减的次数;获取第一阈值,在连续递减的次数达到或超过所述第一阈值的情况下,确定对应电芯的电压存在异常趋势。
优选的,在一个实施例中,所述数据获取模块获取的荷电状态阈值的数量为两个或两个以上。
优选的,在一个实施例中,所述数据获取模块获取电池的荷电状态阈值的步骤,包括:将所述电池的荷电状态分为M个区间,其中,M大于1;分别在所述M个区间内,确定所述电池的荷电状态阈值,以获取到两个或两个以上所述荷电状态阈值。
优选的,在一个实施例中,所述数据获取模块还用于:获取所述电池的平均温度阈值;在所述电池的N次充电过程中,当所述电池的平均温度达到所述平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。
优选的,在一个实施例中,所述数据获取模块获取的平均温度阈值的数量为两个或两个以上。
优选的,在一个实施例中,所述数据获取模块获取电池的平均温度阈值的步骤,包括:将所述电池的荷电状态分为X个区间,其中,X大于1;分别在所述X个区间内,确定所述电池的平均温度阈值,以获取到两个或两个以上所述平均温度阈值。
关于电池电压异常的识别装置的具体限定可以参见上文中对于电池电压异常的识别方法的限定,在此不再赘述。上述电池电压异常的识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电池电压异常的识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:
S101:获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
S102:根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
S103:在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
S104:获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
S201:根据各个所述电芯的电压变化情况,筛选出电压值出现连续递减的电芯的电压数据,并累计连续递减的次数;
S202:获取第一阈值,在连续递减的次数达到或超过所述第一阈值的情况下,确定对应电芯的电压存在异常趋势。
在一个实施例中,处理器执行计算机程序时获取的所述荷电状态阈值的数量为两个或两个以上。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
S301:将所述电池的荷电状态分为M个区间,其中,M大于1;
S302:分别在所述M个区间内,确定所述电池的荷电状态阈值,以获取到两个或两个以上所述荷电状态阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
S401:获取所述电池的平均温度阈值;
S402:在所述电池的N次充电过程中,当所述电池的平均温度达到所述平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。
在一个实施例中,处理器执行计算机程序时获取的所述平均温度阈值的数量为两个或两个以上。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
S501:将所述电池的荷电状态分为X个区间,其中,X大于1;
S502:分别在所述X个区间内,确定所述电池的平均温度阈值,以获取到两个或两个以上所述平均温度阈值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S101:获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
S102:根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
S103:在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
S104:获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
S201:根据各个所述电芯的电压变化情况,筛选出电压值出现连续递减的电芯的电压数据,并累计连续递减的次数;
S202:获取第一阈值,在连续递减的次数达到或超过所述第一阈值的情况下,确定对应电芯的电压存在异常趋势。
在一个实施例中,计算机程序被处理器执行时获取的所述荷电状态阈值的数量为两个或两个以上。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
S301:将所述电池的荷电状态分为M个区间,其中,M大于1;
S302:分别在所述M个区间内,确定所述电池的荷电状态阈值,以获取到两个或两个以上所述荷电状态阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
S401:获取所述电池的平均温度阈值;
S402:在所述电池的N次充电过程中,当所述电池的平均温度达到所述平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。
在一个实施例中,计算机程序被处理器执行时获取的所述平均温度阈值的数量为两个或两个以上。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
S501:将所述电池的荷电状态分为X个区间,其中,X大于1;
S502:分别在所述X个区间内,确定所述电池的平均温度阈值,以获取到两个或两个以上所述平均温度阈值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM (EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电池电压异常的识别方法,其特征在于,包括:
获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
2.根据权利要求1所述的电池电压异常的识别方法,其特征在于,所述根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势的步骤,包括:
根据各个所述电芯的电压变化情况,筛选出电压值出现连续递减的电芯的电压数据,并累计连续递减的次数;
获取第一阈值,在连续递减的次数达到或超过所述第一阈值的情况下,确定对应电芯的电压存在异常趋势。
3.根据权利要求1所述的电池电压异常的识别方法,其特征在于,所述荷电状态阈值的数量为两个或两个以上。
4.根据权利要求3所述的电池电压异常的识别方法,其特征在于,所述获取电池的荷电状态阈值的步骤,包括:
将所述电池的荷电状态分为M个区间,其中,M大于1;
分别在所述M个区间内,确定所述电池的荷电状态阈值,以获取到两个或两个以上所述荷电状态阈值。
5.根据权利要求1所述的电池电压异常的识别方法,其特征在于,还包括:
获取所述电池的平均温度阈值;
在所述电池的N次充电过程中,当所述电池的平均温度达到所述平均温度阈值时,采集时刻数据以及所述电池的各个电芯的电压数据。
6.根据权利要求5所述的电池电压异常的识别方法,其特征在于,所述平均温度阈值的数量为两个或两个以上。
7.根据权利要求6所述的电池电压异常的识别方法,其特征在于,所述获取电池的平均温度阈值的步骤,包括:
将所述电池的荷电状态分为X个区间,其中,X大于1;
分别在所述X个区间内,确定所述电池的平均温度阈值,以获取到两个或两个以上所述平均温度阈值。
8.一种电池电压异常的识别装置,其特征在于,所述装置包括:
数据获取模块,用于获取电池的荷电状态阈值,在所述电池的N次充电过程中,当所述电池的荷电状态达到所述荷电状态阈值时,采集时刻数据以及所述电池的各个电芯的电压数据,其中,N大于1;
预判断模块,用于根据N组所述电压数据,确定各个所述电芯的电压变化情况,根据所述电压变化情况,确定各个所述电芯的电压是否存在异常趋势;
处理模块,用于在所述电芯的电压存在异常趋势的情况下,根据对应的电压数据和时刻数据,得到所述电芯的电压变化率;
识别模块,用于获取所述电池的自放电率,将所述电压变化率与所述自放电率进行对比,在所述电压变化率大于所述自放电率的情况下,确定所述电芯的电压存在异常。
9.一种计算机设备,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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的电池电压异常的识别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的电池电压异常的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210656128.8A CN115061051B (zh) | 2022-06-10 | 2022-06-10 | 一种电池电压异常的识别方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210656128.8A CN115061051B (zh) | 2022-06-10 | 2022-06-10 | 一种电池电压异常的识别方法、装置、计算机设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115061051A true CN115061051A (zh) | 2022-09-16 |
CN115061051B CN115061051B (zh) | 2024-06-07 |
Family
ID=83200117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210656128.8A Active CN115061051B (zh) | 2022-06-10 | 2022-06-10 | 一种电池电压异常的识别方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115061051B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115498295A (zh) * | 2022-09-23 | 2022-12-20 | 深圳市正浩创新科技股份有限公司 | 荷电状态检测方法、装置、储能设备以及介质 |
CN117207837A (zh) * | 2023-10-07 | 2023-12-12 | 嘉丰盛精密电子科技(孝感)有限公司 | 一种新能源汽车电池包负载均衡调度方法及系统 |
WO2024060537A1 (zh) * | 2022-09-21 | 2024-03-28 | 岚图汽车科技有限公司 | 电池异常自放电预警方法、系统、电子设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125091A (ja) * | 2013-12-27 | 2015-07-06 | オートモーティブエナジーサプライ株式会社 | 二次電池の検査方法 |
CN106908727A (zh) * | 2015-12-22 | 2017-06-30 | 郑州比克电池有限公司 | 精准检测锂离子电池自放电的方法 |
CN108155426A (zh) * | 2017-12-25 | 2018-06-12 | 合肥工业大学智能制造技术研究院 | 基于衰减特性参数的电池梯次利用方法 |
WO2019042355A1 (zh) * | 2017-08-31 | 2019-03-07 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆、存储介质及电子设备 |
CN110015179A (zh) * | 2017-08-31 | 2019-07-16 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆、存储介质及电子设备 |
CN210323305U (zh) * | 2019-06-05 | 2020-04-14 | 上海工程技术大学 | 一种用于电动汽车电池包内部短路的检测装置 |
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 |
WO2021049753A1 (ko) * | 2019-09-11 | 2021-03-18 | 주식회사 엘지화학 | 배터리 진단 장치 및 방법 |
CN113064086A (zh) * | 2021-03-31 | 2021-07-02 | 湖北亿纬动力有限公司 | 一种锂离子电池自放电速率测试方法、装置及系统 |
CN113219361A (zh) * | 2021-03-16 | 2021-08-06 | 上海派能能源科技股份有限公司 | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及系统 |
CN113589183A (zh) * | 2021-08-09 | 2021-11-02 | 湖北亿纬动力有限公司 | 一种基于大数据的自放电检测方法、装置和系统 |
CN113687255A (zh) * | 2020-05-19 | 2021-11-23 | 国家能源投资集团有限责任公司 | 一种电池单体的状态诊断方法、设备及存储介质 |
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 |
CN114552069A (zh) * | 2022-02-17 | 2022-05-27 | 重庆金康赛力斯新能源汽车设计院有限公司 | 低温行车的电池加热方法、装置、存储介质和电池系统 |
-
2022
- 2022-06-10 CN CN202210656128.8A patent/CN115061051B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125091A (ja) * | 2013-12-27 | 2015-07-06 | オートモーティブエナジーサプライ株式会社 | 二次電池の検査方法 |
CN106908727A (zh) * | 2015-12-22 | 2017-06-30 | 郑州比克电池有限公司 | 精准检测锂离子电池自放电的方法 |
WO2019042355A1 (zh) * | 2017-08-31 | 2019-03-07 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆、存储介质及电子设备 |
CN110015179A (zh) * | 2017-08-31 | 2019-07-16 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆、存储介质及电子设备 |
CN108155426A (zh) * | 2017-12-25 | 2018-06-12 | 合肥工业大学智能制造技术研究院 | 基于衰减特性参数的电池梯次利用方法 |
CN210323305U (zh) * | 2019-06-05 | 2020-04-14 | 上海工程技术大学 | 一种用于电动汽车电池包内部短路的检测装置 |
WO2021049753A1 (ko) * | 2019-09-11 | 2021-03-18 | 주식회사 엘지화학 | 배터리 진단 장치 및 방법 |
CN113687255A (zh) * | 2020-05-19 | 2021-11-23 | 国家能源投资集团有限责任公司 | 一种电池单体的状态诊断方法、设备及存储介质 |
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 |
CN113219361A (zh) * | 2021-03-16 | 2021-08-06 | 上海派能能源科技股份有限公司 | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及系统 |
CN113064086A (zh) * | 2021-03-31 | 2021-07-02 | 湖北亿纬动力有限公司 | 一种锂离子电池自放电速率测试方法、装置及系统 |
CN113589183A (zh) * | 2021-08-09 | 2021-11-02 | 湖北亿纬动力有限公司 | 一种基于大数据的自放电检测方法、装置和系统 |
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 |
CN114552069A (zh) * | 2022-02-17 | 2022-05-27 | 重庆金康赛力斯新能源汽车设计院有限公司 | 低温行车的电池加热方法、装置、存储介质和电池系统 |
Non-Patent Citations (1)
Title |
---|
段松华: "磷酸铁锂锂离子电池自放电筛选方法", 《电池》, vol. 45, no. 2, 30 April 2015 (2015-04-30), pages 99 - 102 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024060537A1 (zh) * | 2022-09-21 | 2024-03-28 | 岚图汽车科技有限公司 | 电池异常自放电预警方法、系统、电子设备及存储介质 |
CN115498295A (zh) * | 2022-09-23 | 2022-12-20 | 深圳市正浩创新科技股份有限公司 | 荷电状态检测方法、装置、储能设备以及介质 |
CN117207837A (zh) * | 2023-10-07 | 2023-12-12 | 嘉丰盛精密电子科技(孝感)有限公司 | 一种新能源汽车电池包负载均衡调度方法及系统 |
CN117207837B (zh) * | 2023-10-07 | 2024-02-09 | 嘉丰盛精密电子科技(孝感)有限公司 | 一种新能源汽车电池包负载均衡调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115061051B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115061051B (zh) | 一种电池电压异常的识别方法、装置、计算机设备和介质 | |
CN111180817B (zh) | 电池组均衡方法和装置、电子设备、计算机可读存储介质 | |
CN110579716A (zh) | 一种电池检测方法及装置 | |
CN108387847B (zh) | 充电电池充放电测试方法、计算机设备和存储介质 | |
CN113589174A (zh) | 一种锂离子动力电池系统电芯一致性预测方法及装置 | |
CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
CN117856382A (zh) | 用于预测多电池电能存储系统的功率状态的方法 | |
CN117301949A (zh) | 车辆及其异常电芯的识别方法、存储介质以及电子设备 | |
CN112240960A (zh) | 测试方法、装置、计算机设备和存储介质 | |
CN114509678B (zh) | 一种基于大数据的动力电池热失控预测方法 | |
WO2023052910A1 (en) | System and method for estimating state of health and remaining useful life of a battery | |
CN115805810A (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
CN115754726A (zh) | 一种电池寿命预测及维持方法、电子设备和存储介质 | |
CN117148177A (zh) | 电池动态一致性评价方法、装置和计算机设备 | |
CN116724244A (zh) | 电池管理装置和方法 | |
CN112240952A (zh) | 功率测试方法、系统、计算机设备和存储介质 | |
CN110068409B (zh) | 锂电池应力预测方法和装置 | |
US20230194622A1 (en) | Battery abnormality diagnosis apparatus and method | |
CN116134325A (zh) | 电池诊断装置及方法 | |
CN114239867A (zh) | 故障类型确定方法、装置、计算机设备和可读存储介质 | |
CN112240987A (zh) | 功率测试方法、系统、计算机设备和存储介质 | |
CN113009353A (zh) | 电池一致性的检测方法、装置、电子设备和存储介质 | |
CN115015743A (zh) | 汽车动力电池的继电器老化预测方法、系统及汽车 | |
CN118033467B (zh) | 动力电池的异常识别方法、装置、车辆、介质及程序 | |
CN118033465B (zh) | 电池自放电异常识别方法、装置、车辆及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 401135 No. 618 Liangjiang Avenue, Longxing Town, Yubei District, Chongqing Applicant after: Chongqing Celes New Energy Automobile Design Institute Co.,Ltd. Address before: 401135 No. 618 Liangjiang Avenue, Longxing Town, Yubei District, Chongqing Applicant before: Chongqing Jin Kang Sai Li Si New Energy Automobile Design Institute Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant |