CN115469225A - 一种电池寿命衰减程度分选和评价方法 - Google Patents

一种电池寿命衰减程度分选和评价方法 Download PDF

Info

Publication number
CN115469225A
CN115469225A CN202210815753.2A CN202210815753A CN115469225A CN 115469225 A CN115469225 A CN 115469225A CN 202210815753 A CN202210815753 A CN 202210815753A CN 115469225 A CN115469225 A CN 115469225A
Authority
CN
China
Prior art keywords
battery
impedance
drt
measuring instrument
battery pack
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
Application number
CN202210815753.2A
Other languages
English (en)
Inventor
袁永军
周晓
陈金干
戴海峰
李�浩
陈斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Zhanyun Technology Co ltd
Original Assignee
Suzhou Zhanyun Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Zhanyun Technology Co ltd filed Critical Suzhou Zhanyun Technology Co ltd
Priority to CN202210815753.2A priority Critical patent/CN115469225A/zh
Publication of CN115469225A publication Critical patent/CN115469225A/zh
Pending legal-status Critical Current

Links

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
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2301/00—Sorting according to destination
    • B07C2301/0008—Electronic Devices, e.g. keyboard, displays

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种电池寿命衰减程度分选和评价方法，一种电池寿命衰减程度分选和评价方法，涉及电池管理领域，该电池寿命衰减程度分选和评价方法包括以下步骤：步骤1：将待测蓄电池组与宽频阻抗快速测量仪器连接，宽频阻抗快速测量仪器发送激励信号；步骤2：使用宽频阻抗快速测量仪器，得到待测蓄电池组内n个电芯的宽频阻抗数据，其中每一个电芯的阻抗数据为设定频率范围内固定频率间隔对应阻抗的复数数组；步骤3：利用Kramers‑Kronig关系校验各阻抗数据的质量，本发明利用弛豫时间分布特性来反映电池的内部状态，在电化学机理层面进行电池寿命衰减程度的评估分析，与现有技术相比描述更加精确、分选评估结果更加可靠。

Description

一种电池寿命衰减程度分选和评价方法
技术领域
本发明涉及电池管理领域，具体是一种电池寿命衰减程度分选和评价方法。
背景技术
锂离子电池因其高比能量、环保、无记忆效应等优点在交通工具、消费电子产品中大量采用，且朝着高比能量与大容量的方向发展。但这种趋势也意味着电池的安全和寿命将面临越来越严峻的挑战，特别是电池在交通工具用途中，往往成组进行工作，电池组中某一电芯的老化异常或失效很可能带来系统安全隐患。因此，在电池组维护或梯次利用时，对电池组内电芯寿命衰减程度进行评估分选，对于保障电动汽车或储能站的电气系统安全具有重要意义。
现有的电池寿命衰减程度测试技术，主要基于电池容量来进行衰减程度的评估。这种评估方式存在以下问题：一是需要借助复杂算法估计得到电池容量，常用的基于模型的容量估计又需要事先得知电池的SoC-OCV等曲线信息，不便于实际操作应用；二是容量仅是一种寿命评价指标，且无法反映电池内部不同电极过程的衰减特性以及衰减过程中主导的电极过程。因此，采用容量对电池组内的电芯衰减程度进行评价筛检，并不能保证电池组电芯状态的一致性。
发明内容
本发明的目的在于提供一种电池寿命衰减程度分选和评价方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种电池寿命衰减程度分选和评价方法，包括以下步骤：
步骤1：将待测蓄电池组与宽频阻抗快速测量仪器连接，宽频阻抗快速测量仪器发送激励信号；
步骤2：使用宽频阻抗快速测量仪器，得到待测蓄电池组内n个电芯的宽频阻抗数据 [Z1,Z2,…,Zn]，其中每一个电芯的阻抗数据Zi为设定频率范围内固定频率间隔对应阻抗的复数数组；
步骤3：利用Kramers-Kronig关系校验各阻抗数据的质量，若实际数据与理论计算值之间的偏差落在阈值范围内，则视为质量通过，反之则不通过，重新进行阻抗测量；
步骤4：通过弛豫时间分布算法进行各电芯的DRT曲线计算，得到(τ,φ)曲线；
步骤5：通过峰值查找算法得到各电芯DRT曲线中的(τ,φ)峰峰值；
步骤6：对各电芯对应(τ,φ)峰峰值进行统计分析，利用异常值检测方法，判断各电芯对应不同老化模式的衰减是否存在异常。
作为本发明再进一步的方案：步骤1中：宽频阻抗快速测量仪器通过信号发生器，产生PRBS波、三角波、方波或多频率正弦合成信号，作为待测电池组的激励信号
作为本发明再进一步的方案：步骤2中：宽频阻抗快速测量仪器发送激励信号经过待测蓄电池组，得到待测电池组的电压与电流数据，经过傅里叶变换可以得到被测电池组各电芯的宽频(0.01～1000Hz)阻抗数据[Z1,Z2,…,Zn]，其中一个电芯的阻抗数据Zi为设定频率范围内固定频率间隔对应阻抗的复数数组。
作为本发明再进一步的方案：步骤3中：利用Kramers-Kronig关系校验各阻抗数据的质量，Kramers-Kronig关系，由下式描述：
Figure RE-GDA0003914158890000021
Figure RE-GDA0003914158890000022
宽频阻抗测量仪器的测量精度为Δω，测量频率的上下限为Δω和NΔω，对上述方程进行离散化，得到：
Figure RE-GDA0003914158890000023
Figure RE-GDA0003914158890000024
；
该复数数组可以描述为：
Zi＝HRe+i·HIm；
利用Kramers-Kronig关系，利用HRe与HIm计算得到H′Im和H′Re，利用均方根误差RMSE/ 平均绝对误差MAE/均方误差MSE来计算HRe和H′Re以及HIm和H′Im之间的偏差，获得实际数据RMSERe、RMSEIm；
检测RMSERe、RMSEIm与理论计算值之间的偏差是否落在阈值范围内，落在阈值范围内则视为质量通过，反之则不通过，重新进行阻抗测量。
作为本发明再进一步的方案：步骤4中：DRT一般形式的积分方程为：
Figure RE-GDA0003914158890000032
利用求解算法来进行DRT方程的求解，得到γ(τ)数据，即DRT曲线，其物理意义是电池作为一个系统，对应RC电路时间常数的概率密度，求解算法包括傅里叶变换法、最大熵原理、蒙特卡洛方法、遗传算法和正则化方法。
作为本发明再进一步的方案：步骤5中：DRT曲线存在4个波峰，分别对应电池内部四种界面极化过程，即接触过程、钝化膜过程、阳极电荷转移过程和阴极电荷转移过程，这四种过程对应DRT曲线中的时间常数τ依次增大，以此可识别各界面极化过程，利用峰值查找算法得到四个DRT波峰峰值(τ1,φ1),(τ2,φ2),(τ3,φ3),(τ4,φ4)，对电池组内的n个电芯重复上述操作，可以得到四组峰峰值P1,P2,P3,P4。
作为本发明再进一步的方案：步骤6：对各电芯对应(τ,φ)峰峰值进行异常值检测方法包括均方差检测、四分位间距检测、孤立森林算法。
与现有技术相比，本发明的有益效果是：本发明利用弛豫时间分布特性来反映电池的内部状态，在电化学机理层面进行电池寿命衰减程度的评估分析，与现有技术相比描述更加精确、分选评估结果更加可靠。
附图说明
图1为一种电池寿命衰减程度分选和评价方法的流程图。
图2为电荷转移过程举例示意图。
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做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。
请参阅图1，一种电池寿命衰减程度分选和评价方法，包括：
步骤1中：宽频阻抗快速测量仪器可以通过信号发生器，产生包含丰富谐波成分的扰动信号，例如PRBS波、三角波、方波或多频率正弦合成信号，作为待测电池组的激励信号；
步骤2中：通过多路同步采样电路，对电池组内各电芯的电压和电流信号进行同步采样，得到待测电池组在给定激励信号下的响应。得到电压与电流数据之后，经过傅里叶变换可以得到被测电池组各电芯的宽频(0.01～1000Hz)阻抗数据[Z1,Z2,…,Zn]，其中一个电芯的阻抗数据Zi为设定频率范围内固定频率间隔对应阻抗的复数数组。
步骤3中：在进行弛豫时间分布计算之前，先要验证测量数据的可靠性。Kramers与Kronig在线性时不变系统的研究中发现，线性时不变系统传递函数在各频率下的实部与虚部之间存在对应关系，该关系可归纳为Kramers-Kronig关系，由下式描述：
Figure RE-GDA0003914158890000041
Figure RE-GDA0003914158890000042
对于真实的电池来说，可以将其近似看作线性时不变系统。假定上述宽频阻抗测量仪器的测量精度为Δω，测量频率的上下限为Δω和NΔω，对上述方程进行离散化，可以得到:
Figure RE-GDA0003914158890000051
Figure RE-GDA0003914158890000052
以Z1为例，该复数数组可以描述为：
Z1＝HRe+i·HIm；
利用Kramers-Kronig关系，可以分别利用HRe与Him计算得到H′im和H′Re。接下来，可以利用均方根误差RMSE(均方误差MSE、平均绝对误差MAE也可以计算偏差)来计算HRe和H′Re以及HIm和H′Im之间的偏差：
Figure RE-GDA0003914158890000053
Figure RE-GDA0003914158890000054
可以根据经验设定均方根误差的阈值。若上述均方根误差计算结果小于该阈值，则认为测量数据满足Kramers-Kronig关系，通过校验；若大于该阈值，则认为测量数据不满足Kramers-Kronig关系，测量存在问题，需要重新进行测量。
步骤4中：通过校验后，对Z1进行DRT分析。DRT一般形式的积分方程为：
Figure RE-GDA0003914158890000061
一般地，可以利用正则化方法(傅里叶变换法、最大熵原理、蒙特卡洛方法、遗传算法也可以进行DRT求解)来快速进行DRT方程的求解，得到γ(τ)数据，也就是DRT曲线，其物理意义是电池作为一个系统，对应于RC电路时间常数的概率密度。
步骤5中：DRT曲线一般存在4个波峰，分别对应电池内部四种界面极化过程，即接触过程、钝化膜过程、阳极电荷转移过程和阴极电荷转移过程，这四种过程对应DRT曲线中的时间常数τ依次增大，以此可识别各界面极化过程。
上述波峰峰值的变化可以反映电池内部四种界面极化过程的衰减程度，所以可以利用峰值查找算法得到四个DRT波峰峰值(τ1,φ1),(τ2,φ2),(τ3,φ3),(τ4,φ4)。对电池组内的n个电芯重复上述操作，可以得到四组峰峰值P1,P2,P3,P4。
步骤6中：对上述四组峰峰值分别进行异常值检测分析，下面以均方差法(四分位间距检测、孤立森林算法也可以进行检测分析)对峰值数据P1进行检测为例。对峰值数据 P1＝[(τ11,φ11),…,(τ1N,φ1N)]，可以计算得到该组数据的均值
Figure RE-GDA0003914158890000062
其中：
Figure RE-GDA0003914158890000063
那么可以得到该组数据的均方差：
Figure RE-GDA0003914158890000064
其中a与b分别表示(τ1,φ1)的权重。最后，计算所有峰值数据点与均值的欧氏距离：
Figure RE-GDA0003914158890000065
；
与均方差进行比较，若发现某个数据点与均值的欧氏距离大于均方差的2倍，那么可以判定该数据点为异常点。
请参阅图2，若发现峰值中存在异常点，说明该电芯存在对应界面极化过程的异常衰减问题，那么可以以此作为电池分选评估的依据，提示工程人员进行电芯的更换。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种电池寿命衰减程度分选和评价方法，其特征在于：
该电池寿命衰减程度分选和评价方法包括以下步骤：
步骤1：将待测蓄电池组与宽频阻抗快速测量仪器连接，宽频阻抗快速测量仪器发送激励信号；
步骤2：使用宽频阻抗快速测量仪器，得到待测蓄电池组内n个电芯的宽频阻抗数据[Z1，Z2，...，Zn]，其中每一个电芯的阻抗数据Zi为设定频率范围内固定频率间隔对应阻抗的复数数组；
步骤3：利用Kramers-Kronig关系校验各阻抗数据的质量，若实际数据与理论计算值之间的偏差落在阈值范围内，则视为质量通过，反之则不通过，重新进行阻抗测量；
步骤4：通过弛豫时间分布算法进行各电芯的DRT曲线计算，得到(τ，φ)曲线；
步骤5：通过峰值查找算法得到各电芯DRT曲线中的(τ，φ)峰峰值；
步骤6：对各电芯对应(τ，φ)峰峰值进行统计分析，利用异常值检测方法，判断各电芯对应不同老化模式的衰减是否存在异常。
2.根据权利要求1所述的电池寿命衰减程度分选和评价方法，其特征在于，步骤1中：宽频阻抗快速测量仪器通过信号发生器，产生PRBS波、三角波、方波或多频率正弦合成信号，作为待测电池组的激励信号。
3.根据权利要求1所述的电池寿命衰减程度分选和评价方法，其特征在于，步骤2中：宽频阻抗快速测量仪器发送激励信号经过待测蓄电池组，得到待测电池组的电压与电流数据，经过傅里叶变换可以得到被测电池组各电芯的宽频(0.01～1000Hz)阻抗数据[Z1，Z2，...，Zn]，其中一个电芯的阻抗数据Zi为设定频率范围内固定频率间隔对应阻抗的复数数组。
4.根据权利要求3所述的电池寿命衰减程度分选和评价方法，其特征在于，步骤3中：利用Kramers-Kronig关系校验各阻抗数据的质量，Kramers-Kronig关系，由下式描述：
Figure FDA0003742230380000021
Figure FDA0003742230380000022
宽频阻抗测量仪器的测量精度为Δω，测量频率的上下限为Δω和NΔω，对上述方程进行离散化，得到：
Figure FDA0003742230380000023
Figure FDA0003742230380000024
该复数数组可以描述为：
Zi＝HRe+i·HIm；
利用Kramers-Kronig关系，利用HRe与HIm计算得到H′Im和H′Re，利用均方根误差RMSE/平均绝对误差MAE/均方误差MSE来计算HRe和H′Re以及HIm和H′Im之间的偏差，获得实际数据RMSERe、RMSEIm；
检测RMSERe、RMSEIm与理论计算值之间的偏差是否落在阈值范围内，落在阈值范围内则视为质量通过，反之则不通过，重新进行阻抗测量。
5.根据权利要求1或4所述的电池寿命衰减程度分选和评价方法，其特征在于，步骤4中：DRT一般形式的积分方程为：
Figure FDA0003742230380000031
利用求解算法来进行DRT方程的求解，得到γ(τ)数据，即DRT曲线，其物理意义是电池作为一个系统，对应RC电路时间常数的概率密度，求解算法包括傅里叶变换法、最大熵原理、蒙特卡洛方法、遗传算法和正则化方法。
6.根据权利要求1所述的电池寿命衰减程度分选和评价方法，其特征在于，步骤5中：DRT曲线存在4个波峰，分别对应电池内部四种界面极化过程，即接触过程、钝化膜过程、阳极电荷转移过程和阴极电荷转移过程，这四种过程对应DRT曲线中的时间常数τ依次增大，以此可识别各界面极化过程，利用峰值查找算法得到四个DRT波峰峰值(τ1，φ1)，(τ2，φ2)，(τ3，φ3)，(τ4，φ4)，对电池组内的n个电芯重复上述操作，可以得到四组峰峰值P1，P2，P3，P4。
7.根据权利要求1所述的电池寿命衰减程度分选和评价方法，其特征在于，步骤6：对各电芯对应(τ，φ)峰峰值进行异常值检测方法包括均方差检测、四分位间距检测、孤立森林算法。
CN202210815753.2A 2022-07-12 2022-07-12 一种电池寿命衰减程度分选和评价方法 Pending CN115469225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210815753.2A CN115469225A (zh) 2022-07-12 2022-07-12 一种电池寿命衰减程度分选和评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210815753.2A CN115469225A (zh) 2022-07-12 2022-07-12 一种电池寿命衰减程度分选和评价方法

Publications (1)

Publication Number Publication Date
CN115469225A true CN115469225A (zh) 2022-12-13

Family

ID=84367838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210815753.2A Pending CN115469225A (zh) 2022-07-12 2022-07-12 一种电池寿命衰减程度分选和评价方法

Country Status (1)

Country Link
CN (1) CN115469225A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115701852A (zh) * 2022-12-15 2023-02-14 中创新航科技股份有限公司 电池装置、其检测方法、电池单元的筛选方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115701852A (zh) * 2022-12-15 2023-02-14 中创新航科技股份有限公司 电池装置、其检测方法、电池单元的筛选方法及装置
CN115701852B (zh) * 2022-12-15 2023-04-28 中创新航科技股份有限公司 电池装置、其检测方法、电池单元的筛选方法及装置

Similar Documents

Publication Publication Date Title
Zheng et al. Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles
US10976374B2 (en) Battery information processing system, battery assembly, method of evaluating characteristic of battery module, and method of manufacturing battery assembly
KR102106775B1 (ko) 딥러닝을 이용한 전지 진단 방법
CN109765496A (zh) 一种基于在线电化学阻抗谱测量的电池健康状态估计方法
CN116502112B (zh) 一种新能源电源测试数据管理方法及系统
Lyu et al. SOH estimation of lithium-ion batteries based on fast time domain impedance spectroscopy
US20220091062A1 (en) System and method for anomaly detection and total capacity estimation of a battery
JP2013519893A (ja) 電気化学インピーダンス分光法によるその場での電池の診断方法
Deleebeeck et al. Electrochemical impedance spectroscopy study of commercial Li‐ion phosphate batteries: a metrology perspective
Katzer et al. Analysis and detection of lithium deposition after fast charging of lithium-ion batteries by investigating the impedance relaxation
US11366168B2 (en) Battery information processing system, battery information processing method, and battery assembly and method of manufacturing battery assembly
CN116027199B (zh) 基于电化学模型参数辨识检测电芯全寿命内短路的方法
JP2020021592A (ja) 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法
Zhou et al. Impedance-Based diagnosis of lithium ion batteries: Identification of physical parameters using multi-output relevance vector regression
CN115469225A (zh) 一种电池寿命衰减程度分选和评价方法
KR100449365B1 (ko) 임피던스 스펙트럼의 패턴 매칭기법을 이용한 단위전지분류방법
CN115158076A (zh) 计量误差评估方法、装置及计算机可读存储介质
R-Smith et al. Multiplexed 16× 16 Li-ion cell measurements including internal resistance for quality inspection and classification
CN114583219A (zh) 一种质子交换膜燃料电池的水淹故障诊断方法
CN116774051B (zh) 考虑时频域多维数据特征的电池容量快速估计方法
Yang et al. Health degradation assessment of proton exchange membrane fuel cell based on multi‐model probability fusion
Chang et al. Electrochemical aging model of lithium-ion battery with impedance output and its parameter sensitivity analysis and identification
Ghadi Performance Analysis and Improvement of Electrochemical Impedance Spectroscopy for Online Estimation of Battery Parameters
Pang et al. Effects of floating charge ageing on electrochemical impedance spectroscopy of lead-acid batteries
CN116819378B (zh) 储能电池异常检测方法及装置

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