CN115525461A - 储能设备的异常检测方法和服务器 - Google Patents

储能设备的异常检测方法和服务器 Download PDF

Info

Publication number
CN115525461A
CN115525461A CN202211144867.5A CN202211144867A CN115525461A CN 115525461 A CN115525461 A CN 115525461A CN 202211144867 A CN202211144867 A CN 202211144867A CN 115525461 A CN115525461 A CN 115525461A
Authority
CN
China
Prior art keywords
energy storage
software
storage device
state information
abnormal
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
CN202211144867.5A
Other languages
English (en)
Inventor
许柏皋
陈熙
王雷
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.)
Ecoflow Technology Ltd
Original Assignee
Ecoflow Technology 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 Ecoflow Technology Ltd filed Critical Ecoflow Technology Ltd
Priority to CN202211144867.5A priority Critical patent/CN115525461A/zh
Publication of CN115525461A publication Critical patent/CN115525461A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/073—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a memory management context, e.g. virtual memory or cache management
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0721—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment within a central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了一种储能设备的异常检测方法和服务器，该方法包括：获取储能设备的电池状态信息和软件运行信息；根据电池状态信息确定用户使用储能设备的使用习惯信息，并基于电池状态信息、使用习惯信息与软件运行信息中的至少一项，对储能设备进行异常检测；当异常检测结果包括软件异常事件时，对储能设备进行软件异常修复；当异常检测结果包括硬件异常事件时，获取硬件异常事件对应的硬件维护方案，并在接收到对硬件维护方案的确定指令时，向目标终端推送硬件维护方案。通过基于电池状态信息、使用习惯信息与软件运行信息对储能设备进行异常检测，可以及时地检测并修复储能设备存在的异常问题，提高了储能设备的安全性。

Description

储能设备的异常检测方法和服务器
技术领域
本申请涉及设备检测领域，尤其涉及一种储能设备的异常检测方法和服务器。
背景技术
储能设备是一种内置锂离子电池、可储备电能的多功能电源，可输出直流电、交流电等常用电源接口，适用于户外露营、户外直播、户外施工、外景拍摄、家庭应急用电等耗电量大的场景。用户在使用储能设备过程中，大多数时候并没有严格按照厂商的要求和规定来使用，容易导致储能设备出现故障，存在安全隐患。此外，用户也没有专业工具对储能设备进行检测，不能及时发现储存设备出现异常。
因此，如何提高储能设备的安全性成为亟需解决的问题。
发明内容
本申请提供了一种储能设备的异常检测方法和服务器，通过基于电池状态信息、使用习惯信息与软件运行信息对储能设备进行异常检测，可以及时地检测并修复储能设备存在的异常问题，提高了储能设备的安全性。
第一方面，本申请提供了一种储能设备的异常检测方法，所述方法包括：
获取储能设备的电池状态信息和软件运行信息；
根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息，并基于所述电池状态信息、所述使用习惯信息与所述软件运行信息中的至少一项，对所述储能设备进行异常检测；
当所述异常检测结果包括软件异常事件时，对所述储能设备进行软件异常修复；
当所述异常检测结果包括硬件异常事件时，获取所述硬件异常事件对应的硬件维护方案，并在接收到对所述硬件维护方案的确定指令时，向目标终端推送所述硬件维护方案。
第二方面，本申请还提供了一种服务器，所述服务器包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的储能设备的异常检测方法。
本申请公开了一种储能设备的异常检测方法和服务器，通过根据电池状态信息确定用户使用储能设备的使用习惯信息，后续可以根据使用习惯信息对储能设备进行异常检测，可以充分考虑用户的使用习惯对储能设备的影响，提高了异常检测的准确性；通过基于电池状态信息、使用习惯信息与软件运行信息中的至少一项，对储能设备进行异常检测，可以及时地、准确地检测出储能设备的软件异常和硬件异常；通过当异常检测结果包括软件异常事件时，对储能设备进行软件异常修复，可以实现自动修复储能设备中的软件异常问题，提高了储能设备的安全性；通过当异常检测结果包括硬件异常事件时，获取硬件异常事件对应的硬件维护方案，并在接收到对硬件维护方案的确定指令时向目标终端推送硬件维护方案，可以使得用户根据硬件维护方案将储能设备送检，提高了储能设备的安全性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请实施例提供的一种异常检测系统的结构示意图；
图2是本申请实施例提供的一种服务器的结构示意图；
图3是本申请实施例提供的一种储能设备的异常检测方法的示意性流程图；
图4是本申请实施例提供的一种异常检测的示意性流程图；
图5是本申请实施例提供的一种软件异常修复的示意图；
图6是本申请实施例提供的另一种软件异常修复的示意图；
图7是本申请实施例提供的一种推送硬件维护方案的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种储能设备的异常检测方法和服务器。其中，该储能设备的异常检测方法可以应用于服务器中，通过基于电池状态信息、使用习惯信息与软件运行信息对储能设备进行异常检测，可以及时地检测并修复储能设备存在的异常问题，提高了储能设备的安全性。
请参阅图1，图1是本申请实施例提供的一种异常检测系统的结构示意图。该异常检测系统100包括服务器1000和储能设备2000，其中，服务器1000用于执行本申请任意一实施例提供的储能设备2000的异常检测方法。
其中，服务器1000可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。储能设备2000可以是移动储能设备、家用储能设备，等等。
请参阅图2，图2是本申请实施例提供的一种服务器1000的结构示意图。服务器1000可以包括处理器1001和存储器1002，其中处理器1001和存储器1002可以通过总线连接，该总线比如为I2C(Inter-integrated Circuit)总线等任意适用的总线。
其中，存储器1002可以包括存储介质和内存储器。存储介质可以是非易失性存储介质，也可以是易失性存储介质。存储介质可存储操作系统和计算机程序。内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序包括程序指令，该程序指令被执行时，可使得处理器1001执行本申请任意一实施例提供的一种储能设备2000的异常检测方法。
其中，处理器1001用于提供计算和控制能力，支撑服务器1000的运行。
其中，处理器1001可以是中央处理单元(Central Processing Unit，CPU)，该处理器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)、现场可编程门阵列(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。
在一实施例中，处理器1001用于运行存储在存储器1002中的计算机程序，并在执行计算机程序时实现如下步骤：
获取储能设备的电池状态信息和软件运行信息；根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息，并基于所述电池状态信息、所述使用习惯信息与所述软件运行信息中的至少一项，对所述储能设备进行异常检测；当所述异常检测结果包括软件异常事件时，对所述储能设备进行软件异常修复；当所述异常检测结果包括硬件异常事件时，获取所述硬件异常事件对应的硬件维护方案，并在接收到对所述硬件维护方案的确定指令时，向目标终端推送所述硬件维护方案。
在一个实施例中，所述电池状态信息包括充电状态信息、放电状态信息以及空闲状态信息；处理器1001在实现根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息时，用于实现：
对所述充电状态信息、所述放电状态信息以及所述空闲状态信息中的至少一项进行聚类，并根据聚类结果确定对应的电池使用状态信息；根据所述电池使用状态信息，确定所述用户使用所述储能设备的使用习惯信息。
在一个实施例中，所述储能设备包括电池模组以及与所述电池模组连接的电路元件；处理器1001在实现基于所述电池状态信息、所述使用习惯信息与所述软件运行信息，对所述储能设备进行异常检测时，用于实现以下至少一项：
根据所述软件运行信息对所述储能设备中的软件运行系统进行软件异常检测；根据所述电池状态信息对所述电池模组进行硬件异常检测；根据所述使用习惯信息对所述电池模组和/或所述电路元件进行硬件异常检测。
在一个实施例中，所述电池模组包括多个电芯；处理器1001在实现根据所述电池状态信息对所述电池模组进行异常检测时，用于实现：
基于预设的筛选条件以及各所述电芯对应的电池状态信息进行筛选；若筛选到满足所述筛选条件的电芯，则确定所述电池模组异常。所述电池状态信息包括充电状态信息、放电状态信息以及空闲状态信息中的一项或多项。
在一个实施例中，所述使用习惯信息包括异常行为的频次与持续时长；处理器1001在实现根据所述使用习惯信息对所述电池模组和/或所述电路元件进行异常检测时，用于实现：
确定所述异常行为的频次对应的第一异常分值以及持续时长对应的第二异常分值；根据所述第一异常分值与所述第二异常分值，确定所述异常行为对应的异常总分值；若所述异常总分值大于预设的异常分阈值，则确定所述电池模组或所述电路元件异常。
在一个实施例中，处理器1001在实现对所述储能设备进行软件异常修复时，用于实现：
查询预设的软件版本库，获得所述储能设备对应的软件修复安装包；将所述软件修复安装包发送至所述储能设备，以使所述储能设备运行所述软件修复安装包进行软件异常修复。
在一个实施例中，处理器1001在实现对所述储能设备进行软件异常修复时，用于实现：
查询预设的软件版本库，若未获得所述储能设备对应的软件修复安装包，则输出软件修复提示消息；响应于用户的输入操作，获取所述软件异常事件对应的软件修复安装包；将所述软件修复安装包发送至所述储能设备，以使所述储能设备运行所述软件修复安装包进行软件异常修复。
在一个实施例中，所述异常检测结果还包括目标硬件的异常发生预测时间；处理器1001在实现向目标终端推送所述硬件维护方案之前，还用于实现：
根据所述目标硬件的异常发生预测时间，确定所述硬件维护方案的推送时间，所述推送时间早于所述异常发生预测时间。
在一个实施例中，处理器1001在实现向所述用户推送所述硬件维护方案时，用于实现：
按照所述推送时间，将所述硬件维护方案推送至所述目标终端。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
如图3所示，储能设备的异常检测方法包括步骤S10至步骤S40。
步骤S10、获取储能设备的电池状态信息和软件运行信息。
在本申请实施例中，可以通过储能设备中的电池管理系统(Battery ManagementSystem，BMS)获取电池状态信息，以及读取储能设备中的日志数据，获得软件运行信息。需要说明的是，电池状态信息可以用于确定储能设备中的电池模组的健康度，还可以用于确定用户使用储能设备的使用习惯，进而可以通过使用习惯判断储能设备是否存在硬件异常。软件运行信息用于确定储能设备的软件运行系统是否出现异常。在软件运行系统的运行过程中，软件运行系统的运行结果会记录在日志数据中。
示例性的，电池状态信息可以包括充电状态信息、放电状态信息以及空闲状态信息。例如，电池模组在充电状态下的状态信息、电池模组在放电状态的状态信息以及电池模组在空闲状态下的状态信息。其中，状态信息可以包括但不限于电压值、电流值、温度值、过放状态、过充状态、放电过流状态、充电过流状态、放电高温状态、放电低温状态、充电高温状态、充电低温状态、永久故障等信息。
示例性的，软件运行信息可以包括运行逻辑信息和软件版本信息。其中，运行逻辑信息可以包括但不限于充电逻辑、放电逻辑以及控制逻辑等等。软件版本信息可以包括但不限于软件版本号、软件版本是否需要更新、软件版本更新结果。
通过获取储能设备的电池状态信息和软件运行信息，后续可以根据电池状态信息确定用户使用储能设备的使用习惯信息，进而可以基于电池状态信息、使用习惯信息与软件运行信息中的至少一项，对储能设备进行异常检测。
步骤S20、根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息，并基于所述电池状态信息、所述使用习惯信息与所述软件运行信息中的至少一项，对所述储能设备进行异常检测。
需要说明的是，在本申请实施例中，在获取储能设备的电池状态信息之后，可以对电池状态信息进行统计、分类和分析，得到用户使用储能设备的使用习惯信息。可以理解的是，不同用户使用储能设备的方式不同，可以通过电池状态信息反映出来。例如，部分用户喜欢在电量达到10％后才开始充电至满电或者充电至50％。又例如，部分用户在电量剩余50％时，就开始充电至满电。又例如，部分用户在电量使用到0％时仍不充电，或者使用不稳定的电压源进行充电，会使电池存在过放、电流冲击等问题。
通过根据电池状态信息确定用户使用储能设备的使用习惯信息，后续可以根据使用习惯信息对储能设备进行异常检测，可以充分考虑用户的使用习惯对储能设备的影响，提高了异常检测的准确性。
在一些实施例中，根据电池状态信息确定用户使用储能设备的使用习惯信息，可以包括：对充电状态信息、放电状态信息以及空闲状态信息中的至少一项进行聚类，并根据聚类结果确定对应的电池使用状态信息；根据电池使用状态信息，确定用户使用储能设备的使用习惯信息。
在一实施方式中，可以采用聚类算法，对充电状态信息进行聚类，得到对应的聚类结果。
示例性的，聚类算法可以包括但不限于聚合聚类、分解聚类、基于密度的聚类、人工神经网络、子空间聚类以及联合聚类等算法。其中，聚合聚类算法可以包括Single-Pass聚类算法、Single-Link聚类算法以及Average-Link聚类算法。
需要说明的是，在对电池模组充电时，充电状态信息可以包括不同的电压范围、各电压范围对应的持续时长、不同的电流范围、各电流范围对应的持续时长、不同的温度范围以及各温度范围对应的持续时长等等。例如，可以对电压范围、电流范围、温度范围以及持续时长进行聚类，得到聚类结果。其中，具体的聚类过程，在此不作限定。
示例性的，聚类结果可以包括电压范围为4.1V-4.2V，持续时长20分钟，还可以包括温度范围为45℃-55℃，持续时长30分钟，等等。
示例性的，在获得聚类结果之后，可以根据聚类结果确定对应的电池使用状态信息。
例如，当聚类结果为电压范围为4.1V-4.2V，持续时长20分钟时，若电压值大于预设的电压阈值，则可以确定电池使用状态信息为过充状态，持续时长为20分钟。其中，电压阈值可以根据实际情况设定，具体数值在此不作限定。
又例如，当聚类结果为温度范围为45℃-55℃，持续时长为30分钟时，若温度值大于预设的温度阈值，则可以确定电池使用状态信息为充电高温状态，持续时长为30分钟。其中，温度阈值可以根据实际情况设定，具体数值在此不作限定。
此外，还可以根据持续时长来确定电池使用状态信息。例如，当聚类结果为电流范围为25A-30A，持续时长5分钟时，若持续时长大于预设的时长阈值，则可以确定电池使用状态信息为充电过流状态，持续时长为5分钟。其中，时长阈值可以根据实际情况设定，具体数值在此不作限定。
通过对充电状态信息、放电状态信息以及空闲状态信息中的至少一项进行聚类，可以根据聚类结果确定电池使用状态信息，实现更加全面、准确地对电池状态信息进行分类，提高了确定电池使用状态信息的准确性。
示例性的，根据电池使用状态信息，确定用户使用储能设备的使用习惯信息。其中，使用习惯信息可以包括异常行为的频次与持续时长。在本申请实施例中，可以根据预设时间段内的电池使用状态信息，确定用户的使用习惯信息。其中，预设时间段可以根据实际情况设定，具体数值在此不作限定。例如，预设时间段可以是7天，也可以是30天，等等。
例如，对于7天内的电池使用状态信息，若电池使用状态信息为：{过充状态，持续时长20分钟；充电过流状态，持续时长5分钟}，则可以确定用户使用储能设备的使用习惯信息为{异常行为：过充，持续时长：20分钟；异常行为：过放，持续时长：5分钟}。
需要说明的是，对储能设备进行异常检测，可以包括软件检测和硬件检测。在本申请实施例中，将分别对软件检测和硬件检测进行详细说明。
在一些实施例中，基于电池状态信息、使用习惯信息与软件运行信息，对储能设备进行异常检测，可以包括以下至少一项：根据软件运行信息对储能设备中的软件运行系统进行软件异常检测；根据电池状态信息对电池模组进行硬件异常检测；根据使用习惯信息对电池模组和/或电路元件进行硬件异常检测。
示例性的，可以根据软件运行信息对储能设备中的软件运行系统进行软件异常检测。例如，当检测到软件运行系统存在充电逻辑错误时，确定软件运行系统出现异常。又例如，当检测到软件运行系统存在控制逻辑错误时，确定软件运行系统出现异常。又例如，当检测到软件运行系统的软件版本更新失败时，确定软件运行系统出现异常。
通过根据软件运行信息对储能设备中的软件运行系统进行软件异常检测，可以及时、准确地检测出储能设备中的软件异常问题。
在本申请实施例中，对储能设备进行硬件检测时，可以对储能设备中的电池模组进行异常检测。需要说明的是，电池模组包括多个电芯；对电池模组进行异常检测，即对电池模组中的电芯进行异常检测。
在一些实施例中，根据电池状态信息对电池模组进行异常检测，可以包括：基于预设的筛选条件以及各电芯对应的电池状态信息进行筛选；若筛选到满足筛选条件的电芯，则确定电池模组异常。
其中，预设的筛选条件可以根据电芯的化学性质设定。例如，筛选条件可以是电芯在充电状态下电压值较小且电压值保持一段时间不变、电芯出现充电高温状态对应的次数大于预设的阈值、电芯在放电状态下电流值过大，等等。
示例性的，电芯对应的电池状态信息可以包括充电状态信息、放电状态信息以及空闲状态信息中的一项或多项。
例如，当检测到某个电芯在充电状态下电压值较小且电压值保持一段时间不变时，可以确定电池模组异常。
又例如，当检测到某个电芯出现充电高温状态对应的次数大于预设的阈值时，可以确定电池模组异常。
通过基于筛选条件以及各电芯对应的电池状态信息进行筛选，可以实现结合电芯的化学性质和电池状态信息进行异常检测，提高了检测的准确性和可靠度。
在本申请实施例中，储能设备还包括与电池模组连接的电路元件。在进行硬件检测时，除了可以对电池模组进行检测，还可以对与电池模组连接的电路元件进行检测。需要说明的是，用户的一些不良使用习惯，不仅会影响电池模组的健康度，而且还容易损坏电路元件。
请参阅图4，图4是本申请实施例提供的一种异常检测的示意性流程图，具体可以包括以下步骤S201至步骤S203。
步骤S201、确定所述异常行为的频次对应的第一异常分值以及持续时长对应的第二异常分值。
在本申请实施例中，可以统计预设时间段内用户的使用习惯信息，根据使用习惯信息，确定异常行为的频次对应的第一异常分值以及持续时长对应的第二异常分值。需要说明的是，持续时长可以是同一个异常行为对应的持续时长的总和；可以直接将频次作为第一异常分值，将持续时长作为第二异常分值；还可以将频次与预设的第一子分值的乘积作为第一异常分值，将持续时长与预设的第二子分值的乘积作为第二异常分值。其中，第一子分值、第二子分值可以根据实际情况设定，具体数值在此不作限定。
示例性的，当用户的使用习惯信息为{异常行为1：过充，持续时长：20分钟；异常行为2：过充，持续时长：10分钟；异常行为3：过充，持续时长：10分钟；异常行为4：过充，持续时长：5分钟；异常行为5：过充，持续时长：5分钟}过充状态的频次为5，持续时长为50分钟时，可以确定第一异常分值为5，第二异常分值为50。当用户的使用习惯信息还包括{异常行为6：过放，持续时长：10分钟；异常行为7：过放，持续时长：10分钟}，可以确定第一异常分值为7，第二异常分值为70。
步骤S202、根据所述第一异常分值与所述第二异常分值，确定所述异常行为对应的异常总分值。
示例性的，可以直接将第一异常分值与第二异常分值相加，得到异常行为对应的异常总分值。
示例性的，还可以基于权重值计算公式，将第一异常分值与预设的第一权重值的乘积和第二异常分值与预设的第二权重的乘积相加，得到异常行为对应的异常总分值。其中，第一权重值、第二权重值可以根据实际情况设定，具体数值在此不作限定。
例如，当第一异常分值为7，第二异常分值为70时，若第一权重值为0.8，第二权重值为0.2，则可以计算出异常总分值为7。
步骤S203、若所述异常总分值大于预设的异常分阈值，则确定所述电池模组或所述电路元件异常。
示例性的，当异常总分值大于预设的异常分阈值，确定电池模组或电路元件异常。当异常总分值大于预设的异常分阈值，确定电池模组与电路元件正常。其中，异常分阈值可以根据实际情况设定，具体数值在此不作限定。
通过确定异常行为的频次对应的第一异常分值以及持续时长对应的第二异常分值，并根据第一异常分值与第二异常分值确定异常行为对应的异常总分值，可以实现根据异常行为的频次和持续时长两个维度对电池模组和电路元件进行异常检测，提高了异常检测的准确性。
步骤S30、所述异常检测结果包括软件异常事件时，对所述储能设备进行软件异常修复。
在本申请实施例中，当检测到储能设备出现软件异常事件时，可以自动对储能设备进行软件异常修复，还可以提示用户，并根据用户的确认操作对储能设备进行软件异常修复。
示例性的，软件异常事件可以包括但不限于充电逻辑错误、放电逻辑错误、控制逻辑错误、软件版本更新失败等等。
在一些实施例中，对储能设备进行软件异常修复，可以包括：查询预设的软件版本库，获得储能设备对应的软件修复安装包；将软件修复安装包发送至储能设备，以使储能设备运行软件修复安装包进行软件异常修复。
需要说明的是，预设的软件版本库可以包括不同的软件异常事件对应的软件修复安装包。在本申请实施例中，可以预先将各软件异常事件对应的软件修复安装包进行关联并存储至软件版本库中。其中，软件修复安装包可以是软件运行系统的软件版本，也可以是修复某个程序漏洞的升级包，还可以是配置参数等等。
请参阅图5，图5是本申请实施例提供的一种软件异常修复的示意图。如图5所示，可以查询预设的软件版本库，获得软件异常事件对应的软件修复安装包；然后，将软件修复安装包下发至储能设备，由储能设备运行软件修复安装包进行软件异常修复。其中，软件异常修复的具体过程，在此不作限定。
例如，当软件异常事件为充电逻辑错误时，可以查询软件版本库，获得充电逻辑错误对应的软件修复安装包，并将充电逻辑错误对应的软件修复安装包下发至储能设备。
又例如，当软件异常事件为软件版本更新失败时，可以查询软件版本库，获得软件运行系统当前最新的软件修复安装包，并将最新的软件修复安装包下发至储能设备。
示例性的，当对多个储能设备进行软件异常修复时，可以查询软件版本库，获得每个储能设备对应的软件修复安装包；基于每个储能设备的识别码，将软件修复安装包下发至识别码对应的储能设备。其中，识别码用于识别储能设备的身份；识别码可以包括但不限于MAC(Media Access Control，媒体访问控制)地址、IP(Internet Protocol，互联网协议)地址、设备序列号以及设备名称等等。
在另一些实施例中，对储能设备进行软件异常修复，可以包括：查询预设的软件版本库，若未获得储能设备对应的软件修复安装包，则输出软件修复提示消息；响应于用户的输入操作，获取软件异常事件对应的软件修复安装包；将软件修复安装包发送至储能设备，以使储能设备运行软件修复安装包进行软件异常修复。
请参阅图6，图6是本申请实施例提供的另一种软件异常修复的示意图。如图6所示，若软件版本库中没有软件异常事件对应的软件修复安装包，则可以输出软件修复提示消息，提醒开发人员针对该软件异常事件开发相应的软件修复安装包。开发人员在完成开发后，将软件修复安装包输入或上传至服务器，由服务器将软件修复安装包发送至储能设备，以供储能设备运行软件修复安装包进行软件异常修复。此外，还可以将该软件修复安装包与对应的软件异常事件进行关联存储至软件版本库。
通过当异常检测结果包括软件异常事件时，对储能设备进行软件异常修复，可以实现自动修复储能设备中的软件异常问题，提高了储能设备的安全性。
步骤S40、当所述异常检测结果包括硬件异常事件时，获取所述硬件异常事件对应的硬件维护方案，并在接收到对所述硬件维护方案的确定指令时，向目标终端推送所述硬件维护方案。
示例性的，硬件异常事件可以包括但不限于电芯电压过低、电芯损坏、二极管异常、电容异常等等。
在一些实施方式中，当异常检测结果包括硬件异常事件时，可以查询预设的硬件数据库，获取硬件异常事件对应的硬件维护方案。
需要说明的是，预设的硬件数据库可以包括不同的硬件异常事件对应的硬件维护方案。其中，硬件维护方案可以包括出现异常的部件、部件的数量、部件的位置、维护方式以及维护站点等等。维护方式可以是保养、维修等等。
请参阅图7，图7是本申请实施例提供的一种推送硬件维护方案的示意图。如图7所示，在确定硬件异常事件对应的硬件维护方案之后，可以先将硬件维护方案推送给维护人员，由维护人员进行确认。当接收到对硬件维护方案的确认指令时，向目标终端推送硬件维护方案。例如，可以向与储能设备绑定的目标终端推送硬件维护方案。
需要说明的是，目标终端可以是使用储能设备的用户对应的终端。在本申请实施例中，用户可以预先将储能设备与终端进行绑定。其中，终端可以是智能手机、平板电脑、笔记本电脑和台式电脑等电子设备。此外，目标终端上还安装有控制储能设备的APP，在向目标终端推送硬件维护方案时，可以向目标终端上的APP推送硬件维护方案。
通过将硬件维护方案推送给维护人员，由维护人员进行确认之后再向目标终端推送，可以有效提高硬件维护方案的准确度。
在一些实施例中，当硬件数据库未存在硬件异常事件对应的硬件维护方案时，可以输出硬件维护提示消息；响应于用户的输入操作，获取硬件异常事件对应的硬件维护方案；向目标终端推送硬件维护方案。
需要说明的是，当硬件数据库未存在硬件异常事件对应的硬件维护方案时，可以提醒开发人员针对该硬件异常事件输入相应的硬件维护方案。
通过当异常检测结果包括硬件异常事件时，获取硬件异常事件对应的硬件维护方案，并在接收到对硬件维护方案的确定指令时向目标终端推送硬件维护方案，可以使得用户根据硬件维护方案将储能设备送检，提高了储能设备的安全性。
在本申请实施例中，异常检测结果还可以包括目标硬件的异常发生预测时间。示例性的，可以根据目标硬件的硬件特性或使用寿命和目标硬件出现硬件异常事件的频次综合确定目标硬件的异常发生预测时间。
示例性的，当目标硬件为电池模组时，可以根据电池模组的硬件特性和硬件异常事件的频次确定电池模组的异常发生预测时间。例如，对于电池模组的最大过放次数，电池模组发生过放的次数越接近最大过放次数时，说明电池模组更加容易发生异常。在本申请实施例中，可以根据预设的规则确定电池模组的异常发生预测时间。例如，当电池模组的最大过放次数为1000时，电池模组发生过放的次数为995次，若电池模组每2天发生一次过放，则可以确定电池模组的异常发生预测时间为10天后。
在一些实施例中，向目标终端推送硬件维护方案之前，还可以包括：根据目标硬件的异常发生预测时间，确定硬件维护方案的推送时间，推送时间早于异常发生预测时间。
示例性的，当目标硬件的异常发生预测时间为10天后时，可以确定硬件维护方案的推送时间为第10天之前。例如，可以将第5天设定为推送时间。
需要说明的是，在本申请实施例中，为了保证储能设备的安全，在确定储能设备存在硬件问题时，可以按照推送时间，提前预设天数提醒用户将储能设备送至维护站点进行维护。
在一些实施例中，向用户推送硬件维护方案，可以包括：按照推送时间，将硬件维护方案推送至目标终端。
示例性的，当推送时间为第5天时，可以从第5天开始，每天将硬件维护方案推送至目标终端上的APP。用户可以根据硬件维护方案，将储能设备送至维护站点进行维护。
通过根据目标硬件的异常发生预测时间确定硬件维护方案的推送时间，并按照推送时间将硬件维护方案推送至目标终端，实现提前提醒用户将储能设备送至维护站点进行维护，可以确保储能设备的安全。
上述实施例提供的储能设备的异常检测方法，通过根据电池状态信息确定用户使用储能设备的使用习惯信息，后续可以根据使用习惯信息对储能设备进行异常检测，可以充分考虑用户的使用习惯对储能设备的影响，提高了异常检测的准确性；通过对充电状态信息、放电状态信息以及空闲状态信息中的至少一项进行聚类，可以根据聚类结果确定电池使用状态信息，实现更加全面、准确地对电池状态信息进行分类，提高了确定电池使用状态信息的准确性；通过根据软件运行信息对储能设备中的软件运行系统进行软件异常检测，可以及时、准确地检测出储能设备中的软件异常问题；通过基于筛选条件以及各电芯对应的电池状态信息进行筛选，可以实现结合电芯的化学性质和电池状态信息进行异常检测，提高了检测的准确性和可靠度；通过当异常检测结果包括软件异常事件时，对储能设备进行软件异常修复，可以实现自动修复储能设备中的软件异常问题，提高了储能设备的安全性；通过当异常检测结果包括硬件异常事件时，获取硬件异常事件对应的硬件维护方案，并在接收到对硬件维护方案的确定指令时向目标终端推送硬件维护方案，可以使得用户根据硬件维护方案将储能设备送检，提高了储能设备的安全性；通过根据目标硬件的异常发生预测时间确定硬件维护方案的推送时间，并按照推送时间将硬件维护方案推送至目标终端，实现提前提醒用户将储能设备送至维护站点进行维护，可以确保储能设备的安全。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项储能设备的异常检测方法。
例如，该程序被处理器加载，可以执行如下步骤：
获取储能设备的电池状态信息和软件运行信息；根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息，并基于所述电池状态信息、所述使用习惯信息与所述软件运行信息中的至少一项，对所述储能设备进行异常检测；当所述异常检测结果包括软件异常事件时，对所述储能设备进行软件异常修复；当所述异常检测结果包括硬件异常事件时，获取所述硬件异常事件对应的硬件维护方案，并在接收到对所述硬件维护方案的确定指令时，向目标终端推送所述硬件维护方案。
其中，所述计算机可读存储介质可以是前述实施例所述的储能设备的内部存储单元，例如所述储能设备的硬盘或内存。所述计算机可读存储介质也可以是所述储能设备的外部存储设备，例如所述储能设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字卡(Secure Digital Card，SD Card)，闪存卡(Flash Card)等。
进一步地，所述计算机可读存储介质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程序等；存储数据区可存储根据各程序所创建的数据等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种储能设备的异常检测方法，其特征在于，包括：
获取储能设备的电池状态信息和软件运行信息；
根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息，并基于所述电池状态信息、所述使用习惯信息与所述软件运行信息中的至少一项，对所述储能设备进行异常检测；
当所述异常检测结果包括软件异常事件时，对所述储能设备进行软件异常修复；
当所述异常检测结果包括硬件异常事件时，获取所述硬件异常事件对应的硬件维护方案，并在接收到对所述硬件维护方案的确定指令时，向目标终端推送所述硬件维护方案。
2.根据权利要求1所述的储能设备的异常检测方法，其特征在于，所述电池状态信息包括充电状态信息、放电状态信息以及空闲状态信息；所述根据所述电池状态信息确定用户使用所述储能设备的使用习惯信息，包括：
对所述充电状态信息、所述放电状态信息以及所述空闲状态信息中的至少一项进行聚类，并根据聚类结果确定对应的电池使用状态信息；
根据所述电池使用状态信息，确定所述用户使用所述储能设备的使用习惯信息。
3.根据权利要求1所述的储能设备的异常检测方法，其特征在于，所述储能设备包括电池模组以及与所述电池模组连接的电路元件；所述基于所述电池状态信息、所述使用习惯信息与所述软件运行信息，对所述储能设备进行异常检测，包括以下至少一项：
根据所述软件运行信息对所述储能设备中的软件运行系统进行软件异常检测；
根据所述电池状态信息对所述电池模组进行硬件异常检测；
根据所述使用习惯信息对所述电池模组和/或所述电路元件进行硬件异常检测。
4.根据权利要求3所述的储能设备的异常检测方法，其特征在于，所述电池模组包括多个电芯；所述根据所述电池状态信息对所述电池模组进行异常检测，包括：
基于预设的筛选条件以及各所述电芯对应的电池状态信息进行筛选；
若筛选到满足所述筛选条件的电芯，则确定所述电池模组异常。
5.根据权利要求4所述的储能设备的异常检测方法，其特征在于，所述电池状态信息包括充电状态信息、放电状态信息以及空闲状态信息中的一项或多项。
6.根据权利要求3所述的储能设备的异常检测方法，其特征在于，所述使用习惯信息包括异常行为的频次与持续时长；所述根据所述使用习惯信息对所述电池模组和/或所述电路元件进行异常检测，包括：
确定所述异常行为的频次对应的第一异常分值以及持续时长对应的第二异常分值；
根据所述第一异常分值与所述第二异常分值，确定所述异常行为对应的异常总分值；
若所述异常总分值大于预设的异常分阈值，则确定所述电池模组或所述电路元件异常。
7.根据权利要求1所述的储能设备的异常检测方法，其特征在于，所述对所述储能设备进行软件异常修复，包括：
查询预设的软件版本库，获得所述储能设备对应的软件修复安装包；
将所述软件修复安装包发送至所述储能设备，以使所述储能设备运行所述软件修复安装包进行软件异常修复。
8.根据权利要求1所述的储能设备的异常检测方法，其特征在于，所述对所述储能设备进行软件异常修复，包括：
查询预设的软件版本库，若未获得所述储能设备对应的软件修复安装包，则输出软件修复提示消息；
响应于用户的输入操作，获取所述软件异常事件对应的软件修复安装包；
将所述软件修复安装包发送至所述储能设备，以使所述储能设备运行所述软件修复安装包进行软件异常修复。
9.根据权利要求1所述的储能设备的异常检测方法，其特征在于，所述异常检测结果还包括目标硬件的异常发生预测时间；所述向目标终端推送所述硬件维护方案之前，还包括：
根据所述目标硬件的异常发生预测时间，确定所述硬件维护方案的推送时间，所述推送时间早于所述异常发生预测时间；
所述向所述用户推送所述硬件维护方案，包括：
按照所述推送时间，将所述硬件维护方案推送至所述目标终端。
10.一种服务器，其特征在于，所述服务器包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至9任一项所述的储能设备的异常检测方法。
CN202211144867.5A 2022-09-20 2022-09-20 储能设备的异常检测方法和服务器 Pending CN115525461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211144867.5A CN115525461A (zh) 2022-09-20 2022-09-20 储能设备的异常检测方法和服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211144867.5A CN115525461A (zh) 2022-09-20 2022-09-20 储能设备的异常检测方法和服务器

Publications (1)

Publication Number Publication Date
CN115525461A true CN115525461A (zh) 2022-12-27

Family

ID=84697487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211144867.5A Pending CN115525461A (zh) 2022-09-20 2022-09-20 储能设备的异常检测方法和服务器

Country Status (1)

Country Link
CN (1) CN115525461A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116231121A (zh) * 2023-04-28 2023-06-06 深圳市明泰源科技有限公司 一种储能电池管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116231121A (zh) * 2023-04-28 2023-06-06 深圳市明泰源科技有限公司 一种储能电池管理系统
CN116231121B (zh) * 2023-04-28 2023-07-07 深圳市明泰源科技有限公司 一种储能电池管理系统

Similar Documents

Publication Publication Date Title
JP5457355B2 (ja) インテリジェントな電池の安全管理
WO2021169489A1 (zh) 动力电池绝缘监测方法、系统以及装置
US20220305934A1 (en) Charging station monitoring method and device
US20160116967A1 (en) Firmware Update Method and Power System Thereof
US9531202B2 (en) Battery management system and method for charging lithium-ion battery cells in an information handling system
CN115525461A (zh) 储能设备的异常检测方法和服务器
CN116760509A (zh) 一种电力数据传输控制方法、系统、终端设备及存储介质
CN113595174A (zh) 电池管理方法、装置、设备和服务器
CN117254584A (zh) 电站运行状态监控方法、装置及云控制系统和云服务器
CN111564857B (zh) 并联电池组控制系统、方法及装置
CN116843314A (zh) 监控终端运维管理方法、系统、设备及存储介质
CN115498295A (zh) 荷电状态检测方法、装置、储能设备以及介质
CN115795359A (zh) 信号类型判别方法、装置和计算机设备
US20220404423A1 (en) Intelligent battery power discharge management
CN111614138B (zh) 接口保护电路和电子设备
CN109038756B (zh) 电池包控制方法、装置、系统和电池包
CN112910050A (zh) 充电控制方法、装置及充电设备
KR102529435B1 (ko) 배터리 장비를 모니터링하기 위한 모니터링 장치
US11360531B1 (en) Redeployment of energy storage units
KR102547633B1 (ko) 리튬이온 재사용(Reuse) 배터리로 구성된 ESS(Energy Storage System)를 관리하기 위한 배터리 관리 시스템
KR102664486B1 (ko) 전기차 사용후 배터리 재사용을 위한 플랫폼 서비스 장치 및 이를 이용한 서비스 제공 방법
CN114252785B (zh) 一种无人机的控制方法、电子设备及存储介质
CN108694106A (zh) 一种终端功耗性能监测方法、装置及管控平台
US20240192278A1 (en) Battery data management system and method therefor
CN115484297B (zh) 一种基于储能设备的交互系统及方法

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