CN115308607A - 一种基于图像识别技术的判断电芯电压偏离原因的方法 - Google Patents
一种基于图像识别技术的判断电芯电压偏离原因的方法 Download PDFInfo
- Publication number
- CN115308607A CN115308607A CN202210883197.2A CN202210883197A CN115308607A CN 115308607 A CN115308607 A CN 115308607A CN 202210883197 A CN202210883197 A CN 202210883197A CN 115308607 A CN115308607 A CN 115308607A
- Authority
- CN
- China
- Prior art keywords
- pressure difference
- deviation
- charging
- image recognition
- soc
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 238000009499 grossing Methods 0.000 claims abstract description 10
- 238000011160 research Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000010355 oscillation 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
-
- 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
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明涉及一种基于图像识别技术的判断电芯电压偏离原因的方法,包括:S1.实时采集待测车辆所有电芯充电过程中的充电电压和soc;S2.计算所有采集时间点内的正常电芯和偏离电芯的压差,并在平滑处理压差后形成第一压差变化曲线;S3.基于单位时间soc的变化值及基于初始soc设置的变化阈值,判断待测车辆电芯的充电方式,并按照充电方式的不同将所述第一压差变化曲线输出至不同的偏离原因判断模型中;S4.利用图像识别技术对比所述第一压差变化曲线和所述偏离原因判断模型中的代表各类偏离原因的第二压差变化曲线的相似度,确定出所述待测车辆的电芯偏离原因。本发明利用图像识别进一步细分电芯电压偏离原因,可进行大范围车辆状况研究。
Description
技术领域
本发明属于动力电池领域,具体涉及一种基于图像识别技术的判断电芯电压偏离原因的方法。
背景技术
动力电池作为新能源汽车的核心部件,直接关系到车辆的安全稳定行驶。为确保电池性能良好,延长使用寿命,需要对电池的各项参数进行有效的管理,电芯电压是动力电池最重要的参数之一。由于电芯制造材料、工艺、使用状况的差异,在长久使用过程中,电芯电压会表现出一定程度的偏离。
目前,国内外电芯电压偏离方面的研究还处在仅能估计电芯电压偏大/偏小的阶段,没有对电芯电压偏大/偏小的原因作出进一步的研究,更没有对该原因做出进一步分类研究。
发明内容
本发明的目的就在于为了解决电芯电压偏大/偏小的造成原因未作进一步分类的问题而提供一种基于图像识别技术的判断电芯电压偏离原因的方法。
本发明通过以下技术方案来实现上述目的:
一种基于图像识别技术的判断电芯电压偏离原因的方法,包括以下步骤:
S1.实时采集待测车辆所有电芯充电过程中的充电电压和soc;
S2.计算所有采集时间点内的正常电芯和偏离电芯的压差,并在平滑处理压差后形成第一压差变化曲线;
S3.基于单位时间soc的变化值及基于初始soc设置的变化阈值,判断待测车辆电芯的充电方式,并基于不同的充电方式将所述第一压差变化曲线输出至基于不同充电方式分类的预先构建的偏离原因判断模型中;
S4.利用图像识别技术对比所述第一压差变化曲线和所述偏离原因判断模型中的代表各类偏离原因的第二压差变化曲线的相似度,确定出所述待测车辆的电芯偏离原因。
作为本发明的进一步优化方案,步骤S2中所述的计算所有采集时间点内的正常电芯和偏离电芯的压差的方法包括:取正常电芯电压的平均值作为电压基准值,获取电压基准值与偏高/偏低的电芯在所有采集时间点的电压差值,即压差X。
作为本发明的进一步优化方案,步骤S2中所述的平滑处理压差所用公式为:
其中,Dt为平滑后的压差,ai表示i时刻差值平均值M的权重,Mt表示t-b至t+b这一段时间内差值平均值,b取值范围为3-5,最优为5。
作为本发明的进一步优化方案,步骤S3中所述的充电方式包括快充和慢充,基于不同的充电方式将所述第一压差变化曲线输出至基于不同充电方式分类的预先构建的偏离原因判断模型中的方法为:
S301.基于以下公式获取每个电芯单位时间内soc的变化值:
a=Δsoc/Δt
其中,a表示单位时间soc的变化值,Δsoc表示soc=100时与初始soc的差值,Δt表示从初始soc到充满时的时间;
S302.当a大于变化阈值k时,确定电芯充电方式为快充,对应到快充偏离原因判断模型中,否则为慢充,对应到慢充偏离原因判断模型中;
其中,变化阈值k=m*k0,k0表示初始充电soc=0时的a值,即soc从0到100时的差值与时间间隔之比,m表示不同初始soc的系数。
作为本发明的进一步优化方案,步骤S3中所述的基于不同充电方式分类的预先构建的偏离原因判断模型的构建方法包括:
S100.利用步骤S1-S2所述的方法形成多个样本车辆电芯的第二压差变化曲线;
S200.利用步骤S3所述的充电方式的判断方法判断所述样本车辆电芯的充电方式,基于不同的充电方式对所述第二压差变化曲线进行初次分类,形成不同充电方式分类的预先构建的偏离原因判断模型。
作为本发明的进一步优化方案,步骤S100中采集的所有样本车辆电芯的初始充电电压为soc低于20%时对应的电压,采集间隔为2s。
作为本发明的进一步优化方案,步骤S200中对所述第二压差变化曲线进行初次分类后,基于图像识别技术及预设的相似度阈值,将初次分类后的第二压差变化曲线二次分类,并确定出每类第二压差变化曲线代表的偏离原因,所述二次分类的方法包括:
S210.利用图像识别技术,比较所有第二压差变化曲线之间的相似度;
S220.将相似度达到所述预设的相似度阈值的第二压差变化曲线归为一类。
作为本发明的进一步优化方案,步骤S4中所述的利用图像识别技术对比所述第一压差变化曲线和所述偏离原因判断模型中的代表各类偏离原因的第二压差变化曲线的相似度,确定出所述待测车辆的电芯偏离原因的方法包括:
S401.利用图像识别技术,比较第一压差变化曲线与代表各类偏离原因的第二压差变化曲线之间的图像相似度;
S402.计算第一压差变化曲线与每类各个第二压差变化曲线之间的图像相似度平均值,与第一压差变化曲线相似度平均值最高的一类第二压差变化曲线所代表的偏离原因即为所述待测车辆的电芯偏离原因。
本发明的有益效果在于:
1)本发明利用图像识别技术将样本车辆电芯所得第二压差变化曲线进行分类,对应偏离原因后作为标准曲线对待测车辆电芯所得第一压差变化曲线进行判断,确定出待测车辆电芯电压偏离原因,将造成电芯电压偏离的原因进一步细分,为汽车的设计、生产做进一步优化提供基础,并使得大范围研究车辆的具体状况有实现的可能;
2)本发明通过对压差进行平滑处理,且任一时刻的平滑后的压差都由它之前的压差决定,并取平均值作为平滑权重,能够使平滑处理后的压差数值更加精准,避免因为车辆在发送信息时经常会产生错漏带来的影响,也减小后续的图像识别难度,解决了因电压反复震荡导致图像识别困难的问题;
3)本发明在压差变化曲线分类之前先进行快充和慢充分类,并能够根据初始soc不断调整用于快充/慢充区分的变化阈值,能够准确分类快充/慢充的压差变化曲线,继而提高后续图像识别效率、提高图像相似性辨识的准确率。
附图说明
图1是本发明的执行流程图。
图2是能够用标准曲线y=ax+b表示的两个折线图。
图3是随充电的增长,压差基本保持不变的折线图。
图4是快充和慢充下的soc随充电时间变化的曲线图。
图5是电压差值随充电时间变化的平滑处理图。
具体实施方式
下面结合附图对本申请作进一步详细描述,有必要在此指出的是,以下具体实施方式只用于对本申请进行进一步的说明,不能理解为对本申请保护范围的限制,该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的改进和调整。
在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”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,仅是为了便于描述本发明和简化描述,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;在本发明的描述中,除非另有说明,“多个”、“若干”的含义是两个或两个以上。
实施例1
如图1所示,一种基于图像识别技术的判断电芯电压偏离原因的方法,包括以下步骤:
(一)偏离原因判断模型构建:
步骤一、充电时电芯电压的数据采集:对样本车辆(建议200以上)充电过程按照2s的时间间隔进行数据采集,需要包括车辆所有电芯在各时间节点的电压和soc,具体从电池管理系统获取,且采集的所有电芯的初始充电电压最好为soc低于20%时对应的电压,使得数据尽量全,在计算soc;
步骤二、电芯电压偏高/偏低的确定:分别确定车辆的所有电芯中电压偏高/偏低的电芯;
步骤三、确定电压偏高/偏低的电芯与正常电芯的差值:取正常电芯电压的平均值作为电压基准值,获取电压基准值与偏高/偏低的电芯在所有采集时间点的电压差值,即压差X;
步骤四、对差值做平滑处理,见图5:
其中,Dt为平滑后的压差,ai表示i时刻差值平均值M的权重,Mt表示t-b至t+b这一段时间内差值平均值,b取值范围为3-5,最优为5,采用该平滑处理公式,能够使得任一时刻的平滑后的压差都由它之前的压差决定,相比普通的一阶低通滤波方法,本发明的平滑处理公式以及取平均值作为权重,使得平滑处理后的压差数值更加精准,避免因为车辆在发送信息时经常会产生错漏带来的影响;
步骤五、平滑处理后形成第二压差变化曲线,即形成压差与充电时间关系的折线图:形成压差与时间关系的折线图,纵坐标表示压差,横坐标表示采集时间点,即充电时间;
步骤六、基于单位时间soc的变化值及基于初始soc设置的变化阈值,判断电芯的充电方式,所述充电方式包括快充和慢充,利用神经网络学习方法分别对快充电芯与慢充电芯的第二压差变化曲线进行初次分类,初次分类方法包括:
基于以下公式获取每个电芯单位时间内soc的变化值:
a=Δsoc/Δt
其中,a表示单位时间soc的变化值,Δsoc表示soc=100时与初始soc的差值,Δt表示从初始soc到充满时的时间;
当a大于变化阈值k时,确定电芯充电方式为快充,对应到快充偏离原因判断模型中,否则为慢充,对应到慢充偏离原因判断模型中;
其中,变化阈值k=m*k0,k0表示初始充电soc=0时的a值,即soc从0到100时的差值与时间间隔之比,m表示不同初始soc的系数,通过系数a的设置,可以根据初始soc不断调整用于快充/慢充区分的变化阈值k,从而准确分类快充/慢充的压差变化曲线;
因为快充是直流电,慢充是交流电,他们的充电曲线是有一定区别的(具体见图4),因此在图像识别之前,通过对电芯充电方式进行快充和慢充分类,以初次将压差变化曲线分类,这样能够提高后续图像识别效率、提高图像相似性辨识的准确率;
步骤七、基于图像识别技术及预设的相似度阈值,将初次分类后的第二压差变化曲线二次分类,并确定出每类第二压差变化曲线代表的偏离原因:
利用图像识别技术,比较所有第二压差变化曲线之间的相似度;
将相似度达到所述预设的相似度阈值的第二压差变化曲线归为一类;
通过人工总结分析每类第二压差变化曲线,找到在生产/制造/汽车使用过程中,形成每类第二压差变化曲线的具体偏离原因;以图2和图3为例,为什么有的差值随充电变小,有的差值基本保持不变,通过找到在生产至使用过程中的所有电芯参数,通过对比即可找到造成这种差值的原因,以及被划分为不同类别的原因;
由于第二压差变化曲线之间基本不可能完全一样的,以图2中的两张图(a)、(b)为例,虽然图形表现不同,但是我们可以知道图(a)、(b)实际上都是类似于y=ax+b这样的标准曲线,表现为图(a)、(b)的第二压差变化曲线就能够归为一类;以图2和图3为例,两者曲线就不会是一种,不能归为一类;
其中每类第二压差变化曲线均包括至少一个第二压差变化曲线。
具体的偏离原因有很多,例如:1.电芯内阻偏高;2.内阻异常;3.soc偏高/soc偏低;4.电芯容量偏高/电芯容量偏低;5.制造/使用过程中电芯之间损耗程度不同或者工艺精度有偏差等等,第二压差变化曲线可以根据上述偏离原因进行分类。
(二)判断待测车辆电芯电压偏离原因:
同上述步骤一、步骤二和步骤三,获取待测车辆电芯的第一压差变化曲线,并按照充电方式,将其输出至对应的快充/慢充偏离原因判断模型中;
利用图像识别技术对比所述第一压差变化曲线和所述偏离原因判断模型中的代表各类偏离原因的第二压差变化曲线的相似度,确定出所述待测车辆的电芯偏离原因,具体的:
利用图像识别技术,比较第一压差变化曲线与各类第二压差变化曲线之间的图像相似度,例如第一类第二压差变化曲线,其包括n个第二压差变化曲线,n个第二压差变化曲线与第一压差变化曲线对比后,形成了n个图像相似度值;
计算第一压差变化曲线与每类各个第二压差变化曲线之间的图像相似度平均值,与第一压差变化曲线相似度平均值最高的一类第二压差变化曲线所代表的偏离原因即为所述待测车辆的电芯偏离原因。例如,当第一压差变化曲线与第一类第二压差变化曲线对比时,生成的图像相似度平均值就是n个图像相似度值的平均值。
整个方案中,本发明通过先将样本车辆对应的第二压差变化曲线进行相互比较分类(该次分类计算量较大,但是数据全,偏离原因涵盖范围较全),再以分类后的第二压差变化曲线作为标准曲线,判断后续需要监测的待测车辆生成的第一压差变化曲线,在第一压差变化曲线对比时,只需要与分类后的第二压差变化曲线进行对比,大大减小了待测车辆电芯电压偏离分析的工作量。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本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,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (8)
1.一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于,包括以下步骤:
S1.实时采集待测车辆所有电芯充电过程中的充电电压和soc;
S2.计算所有采集时间点内的正常电芯和偏离电芯的压差,并在平滑处理压差后形成第一压差变化曲线;
S3.基于单位时间soc的变化值及基于初始soc设置的变化阈值,判断待测车辆电芯的充电方式,并基于不同的充电方式将所述第一压差变化曲线输出至基于不同充电方式分类的预先构建的偏离原因判断模型中;
S4.利用图像识别技术对比所述第一压差变化曲线和所述偏离原因判断模型中的代表各类偏离原因的第二压差变化曲线的相似度,确定出所述待测车辆的电芯偏离原因。
2.根据权利要求1所述的一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于:步骤S2中所述的计算所有采集时间点内的正常电芯和偏离电芯的压差的方法包括:取正常电芯电压的平均值作为电压基准值,获取电压基准值与偏高/偏低的电芯在所有采集时间点的电压差值,即压差X。
4.根据权利要求1所述的一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于:步骤S3中所述的充电方式包括快充和慢充,基于不同的充电方式将所述第一压差变化曲线输出至基于不同充电方式分类的预先构建的偏离原因判断模型中的方法为:
S301.基于以下公式获取每个电芯单位时间内soc的变化值:
a=Δsoc/Δt
其中,a表示单位时间soc的变化值,Δsoc表示soc=100时与初始soc的差值,Δt表示从初始soc到充满时的时间;
S302.当a大于变化阈值k时,确定电芯充电方式为快充,对应到快充偏离原因判断模型中,否则为慢充,对应到慢充偏离原因判断模型中;
其中,变化阈值k=m*k0,k0表示初始充电soc=0时的a值,即soc从0到100时的差值与时间间隔之比,m表示不同初始soc的系数。
5.根据权利要求1所述的一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于:步骤S3中所述的基于不同充电方式分类的预先构建的偏离原因判断模型的构建方法包括:
S100.利用步骤S1-S2所述的方法形成多个样本车辆电芯的第二压差变化曲线;
S200.利用步骤S3所述的充电方式的判断方法判断所述样本车辆电芯的充电方式,基于不同的充电方式对所述第二压差变化曲线进行初次分类,形成不同充电方式分类的预先构建的偏离原因判断模型。
6.根据权利要求5所述的一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于:步骤S100中采集的所有样本车辆电芯的初始充电电压为soc低于20%时对应的电压,采集间隔为2s。
7.根据权利要求5所述的一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于:步骤S200中对所述第二压差变化曲线进行初次分类后,基于图像识别技术及预设的相似度阈值,将初次分类后的第二压差变化曲线二次分类,并确定出每类第二压差变化曲线代表的偏离原因,所述二次分类的方法包括:
S210.利用图像识别技术,比较所有第二压差变化曲线之间的相似度;
S220.将相似度达到所述预设的相似度阈值的第二压差变化曲线归为一类。
8.根据权利要求7所述的一种基于图像识别技术的判断电芯电压偏离原因的方法,其特征在于:步骤S4中所述的利用图像识别技术对比所述第一压差变化曲线和所述偏离原因判断模型中的代表各类偏离原因的第二压差变化曲线的相似度,确定出所述待测车辆的电芯偏离原因的方法包括:
S401.利用图像识别技术,比较第一压差变化曲线与代表各类偏离原因的第二压差变化曲线之间的图像相似度;
S402.计算第一压差变化曲线与每类各个第二压差变化曲线之间的图像相似度平均值,与第一压差变化曲线相似度平均值最高的一类第二压差变化曲线所代表的偏离原因即为所述待测车辆的电芯偏离原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883197.2A CN115308607A (zh) | 2022-07-26 | 2022-07-26 | 一种基于图像识别技术的判断电芯电压偏离原因的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883197.2A CN115308607A (zh) | 2022-07-26 | 2022-07-26 | 一种基于图像识别技术的判断电芯电压偏离原因的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115308607A true CN115308607A (zh) | 2022-11-08 |
Family
ID=83857892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210883197.2A Pending CN115308607A (zh) | 2022-07-26 | 2022-07-26 | 一种基于图像识别技术的判断电芯电压偏离原因的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115308607A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004080909A (ja) * | 2002-08-19 | 2004-03-11 | Honda Motor Co Ltd | 組電池の残容量均等化装置 |
CN106932726A (zh) * | 2017-02-28 | 2017-07-07 | 惠州市蓝微新源技术有限公司 | 一种电芯健康状态检测方法 |
CN114518539A (zh) * | 2022-01-14 | 2022-05-20 | 北京交通大学 | 一种动力电池soc异常分析方法 |
-
2022
- 2022-07-26 CN CN202210883197.2A patent/CN115308607A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004080909A (ja) * | 2002-08-19 | 2004-03-11 | Honda Motor Co Ltd | 組電池の残容量均等化装置 |
CN106932726A (zh) * | 2017-02-28 | 2017-07-07 | 惠州市蓝微新源技术有限公司 | 一种电芯健康状态检测方法 |
CN114518539A (zh) * | 2022-01-14 | 2022-05-20 | 北京交通大学 | 一种动力电池soc异常分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
CN110794305A (zh) | 一种动力电池故障诊断方法和系统 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN112305441B (zh) | 一种集成式聚类下的动力电池健康状态评估方法 | |
CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
CN112904219A (zh) | 一种基于大数据的动力电池健康状态的预测方法 | |
CN110850297A (zh) | 一种通过大数据预测轨交锂电池soh的方法 | |
CN114839536A (zh) | 一种基于多健康因子的锂离子电池健康状态估计方法 | |
CN112415415B (zh) | 一种基于低温环境测量的电池寿命诊断方法 | |
Liu et al. | Comparative study of incremental capacity curve determination methods for lithium-ion batteries considering the real-world situation | |
CN114545234A (zh) | 一种基于电池温度梯度变化监测电池状态的方法 | |
CN116150572A (zh) | 一种基于聚类分析的汽车电池单体一致性缺陷评估方法 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN113900035B (zh) | 电池检测方法、装置、设备及存储介质 | |
Wang et al. | Dynamic early recognition of abnormal lithium-ion batteries before capacity drops using self-adaptive quantum clustering | |
CN112485693B (zh) | 一种基于温度概率密度函数的电池健康状态快速评估方法 | |
CN113820615A (zh) | 一种电池健康度检测方法与装置 | |
CN113533995A (zh) | 一种动力电池一致性检测方法 | |
CN115308607A (zh) | 一种基于图像识别技术的判断电芯电压偏离原因的方法 | |
CN110826645A (zh) | 基于Adaboost算法的锂电池退役检测方法及系统 | |
CN114325449B (zh) | 一种锂离子电池soh预测方法 | |
CN114280490B (zh) | 一种锂离子电池荷电状态估计方法及系统 | |
CN116068402A (zh) | 新能源汽车锂电池状态预测方法、装置、设备及存储介质 | |
CN115166564A (zh) | 一种在线量化评估磷酸铁锂电池微短路程度的方法 | |
CN112881931B (zh) | 一种基于容量增量曲线的电池安全性诊断方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 501, No. 8, No. 300, Changjiang Road, Yantai Economic and Technological Development Zone, Yantai District, China (Shandong) Pilot Free Trade Zone, Yantai City, Shandong Province, 264000 Applicant after: Ligao (Shandong) New Energy Technology Co.,Ltd. Address before: Room 501, No.8, No.300, Changjiang Road, Yantai Economic and Technological Development Zone, Shandong Province 264000 Applicant before: LIGO (Shandong) New Energy Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221108 |