CN116176353A - 一种高性能电池的监控方法、装置、设备及存储介质 - Google Patents
一种高性能电池的监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116176353A CN116176353A CN202310459951.4A CN202310459951A CN116176353A CN 116176353 A CN116176353 A CN 116176353A CN 202310459951 A CN202310459951 A CN 202310459951A CN 116176353 A CN116176353 A CN 116176353A
- Authority
- CN
- China
- Prior art keywords
- battery
- performance
- target
- data
- monitoring
- 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
Images
Classifications
-
- 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
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/545—Temperature
-
- 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)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及人工智能领域,公开了一种高性能电池的监控方法、装置、设备及存储介质,用于提高高性能电池的监控准确率。所述方法包括:对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据电池性能分析结果对目标高性能电池进行电池充放电过程控制。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种高性能电池的监控方法、装置、设备及存储介质。
背景技术
近些年来,电动汽车市场发展迅猛,越来越多的汽车制造商加入进来,汽车电动化已成必然趋势。目前,纯电动汽车极大的依赖于电池的性能,因此对电池的高性能提出来更高的要求。
电池在多次使用之后性能会出现一定程度的衰减,甚至出现断崖式下跌,现有方案通常是在线实时监控电池性能状态并将异常情况及时预警,保证电池正常运行且性能满足用户的使用要求,但是现有方案不能准确的对电池的温度性能进行分析,进而导致准确率较低。
发明内容
本发明提供了一种高性能电池的监控方法、装置、设备及存储介质,用于提高高性能电池的监控准确率。
本发明第一方面提供了一种高性能电池的监控方法,所述高性能电池的监控方法包括:对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值;若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵;将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制。
可选的,在本发明第一方面的第一种实现方式中,所述对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据,包括:对所述第一温度数据和所述第二温度数据进行温度数据比对,得到温度数据比对结果;根据所述温度数据比对结果查询目标值,并根据所述目标值和所述温度数据比对结果构建温度数据比对集合;对所述温度数据比对集合进行电池热性能分析,得到第一电池热性能数据。
可选的,在本发明第一方面的第二种实现方式中,所述根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值,包括:根据所述第一电池热性能数据对所述目标高性能电池进行电池性能类型匹配,得到目标类型;根据所述目标类型对所述目标高性能电池进行电池参数采集,得到目标参数数据;将所述目标参数数据与预设电池组件进行数据关联处理,并设置所述预设电池组件的预设参数阈值;对所述目标参数数据和预设参数阈值进行比较,并判断所述目标参数数据是否小于预设参数阈值。
可选的,在本发明第一方面的第三种实现方式中,所述若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵,包括:若是,则获取所述目标高性能电池对应的第二电池热性能数据;提取所述第一电池热性能数据对应的第一属性值,以及提取所述第二电池热性能数据对应的第二属性值;根据所述第一属性值和所述第二属性值构建所述目标高性能电池对应的性能评价矩阵。
可选的,在本发明第一方面的第四种实现方式中,所述将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果,包括:对所述性能评价矩阵和所述目标参数数据进行矩阵融合处理,得到目标融合矩阵;将所述目标融合矩阵输入预置的电池性能监控模型,其中,所述电池性能监控模型包括:第一长短时记忆网络、第一全连接网络、第二长短时记忆网络和第二全连接网络;通过所述电池性能监控模型对所述目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果。
可选的,在本发明第一方面的第五种实现方式中,所述通过所述电池性能监控模型对所述目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果,包括:将所述目标融合矩阵输入所述第一长短时记忆网络进行特征提取,得到第一融合特征;将所述第一融合特征输入所述第一全连接网络进行特征编码运算,得到目标编码特征;将所述目标编码特征输入所述第二长短时记忆网络进行编码特征提取,得到第二融合特征;将所述第二融合特征输入所述第二全连接网络进行性能分析,得到电池性能分析结果。
可选的,在本发明第一方面的第六种实现方式中,所述根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制,包括:根据所述电池性能分析结果对所述目标高性能电池进行性能等级划分,得到目标性能等级;根据所述目标性能等级从多个候选充放电控制策略中选取目标充放电控制策略;根据所述目标充放电控制策略对所述目标高性能电池进行电池充放电过程控制。
本发明第二方面提供了一种高性能电池的监控装置,所述高性能电池的监控装置包括:检测模块,用于对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;分析模块,用于对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据;采集模块,用于根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值;生成模块,用于若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵;处理模块,用于将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;控制模块,用于根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制。
可选的,在本发明第二方面的第一种实现方式中,所述分析模块具体用于:对所述第一温度数据和所述第二温度数据进行温度数据比对,得到温度数据比对结果;根据所述温度数据比对结果查询目标值,并根据所述目标值和所述温度数据比对结果构建温度数据比对集合;对所述温度数据比对集合进行电池热性能分析,得到第一电池热性能数据。
可选的,在本发明第二方面的第二种实现方式中,所述采集模块具体用于:根据所述第一电池热性能数据对所述目标高性能电池进行电池性能类型匹配,得到目标类型;根据所述目标类型对所述目标高性能电池进行电池参数采集,得到目标参数数据;将所述目标参数数据与预设电池组件进行数据关联处理,并设置所述预设电池组件的预设参数阈值;对所述目标参数数据和预设参数阈值进行比较,并判断所述目标参数数据是否小于预设参数阈值。
可选的,在本发明第二方面的第三种实现方式中,所述生成模块具体用于:若是,则获取所述目标高性能电池对应的第二电池热性能数据;提取所述第一电池热性能数据对应的第一属性值,以及提取所述第二电池热性能数据对应的第二属性值;根据所述第一属性值和所述第二属性值构建所述目标高性能电池对应的性能评价矩阵。
可选的,在本发明第二方面的第四种实现方式中,所述处理模块还包括:融合单元,用于对所述性能评价矩阵和所述目标参数数据进行矩阵融合处理,得到目标融合矩阵;输入单元,用于将所述目标融合矩阵输入预置的电池性能监控模型,其中,所述电池性能监控模型包括:第一长短时记忆网络、第一全连接网络、第二长短时记忆网络和第二全连接网络;分析单元,用于通过所述电池性能监控模型对所述目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果。
可选的,在本发明第二方面的第五种实现方式中,所述分析单元具体用于:将所述目标融合矩阵输入所述第一长短时记忆网络进行特征提取,得到第一融合特征;将所述第一融合特征输入所述第一全连接网络进行特征编码运算,得到目标编码特征;将所述目标编码特征输入所述第二长短时记忆网络进行编码特征提取,得到第二融合特征;将所述第二融合特征输入所述第二全连接网络进行性能分析,得到电池性能分析结果。
可选的,在本发明第二方面的第六种实现方式中,所述控制模块具体用于:根据所述电池性能分析结果对所述目标高性能电池进行性能等级划分,得到目标性能等级;根据所述目标性能等级从多个候选充放电控制策略中选取目标充放电控制策略;根据所述目标充放电控制策略对所述目标高性能电池进行电池充放电过程控制。
本发明第三方面提供了一种高性能电池的监控设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述高性能电池的监控设备执行上述的高性能电池的监控方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的高性能电池的监控方法。
本发明提供的技术方案中,对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据电池性能分析结果对目标高性能电池进行电池充放电过程控制,本发明通过对电池的充电的第一温度数据和放电的第二温度数据进行电池热性能分析,然后再通过预先训练好的电池性能监控模型对电池性能进行分析,最终使得高性能电池的监控准确率升高。
附图说明
图1为本发明实施例中高性能电池的监控方法的一个实施例示意图;
图2为本发明实施例中高性能电池的监控方法的另一个实施例示意图;
图3为本发明实施例中高性能电池的监控装置的一个实施例示意图;
图4为本发明实施例中高性能电池的监控装置的另一个实施例示意图;
图5为本发明实施例中高性能电池的监控设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种高性能电池的监控方法、装置、设备及存储介质,用于提高高性能电池的监控准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中高性能电池的监控方法的一个实施例包括:
101、对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;
可以理解的是,本发明的执行主体可以为高性能电池的监控装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,对目标高性能电池充放电,其中,服务器检测目标高性能电池的荷电状态,并形成状态信号,用于对目标高性能电池进行充点或放电,并根据状态信号启动或停止对目标高性能电池充电或放电,同时采用预置的温度传感器进行温度检测,得到充电时的第一温度数据以及放电时的第二温度数据,并且能够准确的检测出目标高性能电池的荷电状态。
102、对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;
具体的,服务器对第一温度数据和第二温度数据进行电池热性能分析,其中,服务器可以通过不同电池或同一电池在不同状态下的放热量测试数据对比,根据放热量高电池性能较差,放热量低电池性能较优的原则进行评价,通过观测电池在充放电过程中电池温度的变化,即可根据电池的比热、质量和温度增长值,计算出电池在整个测试过程中放出(吸收)的热量,Q=Cp·m·ΔT,其中,Q表示吸收或释放的热量;Cp表示恒压比热容;m表示物质的质量;ΔT表示温度变化,最终评价的依据是在相同的充放电流程中,放热量低的电池性能较优,放热量高的电池性能较差。
103、根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;
具体的,服务器首先对目标高性能电池进行电池参数估计,其中,服务器采集目标高性能电池的电池状态信息,进而服务器对每个电池模块的电池状态信息进行处理后,将经过处理的电池状态信息发送至预置的电池信息数据库,进一步服务器对电池状态信息进行运算以得出目标高性能电池的电池参数并作为目标参数数据,进而服务器判断目标参数数据是否小于预设参数阈值。
104、若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;
具体的,服务器提取电池性能响应函数及热性能响应函数,根据电池性能响应函数和热性能函数,确定电池热耦合模型,将热性能响应的输出温度作为电池性能响应函数的输入,形成闭环仿真,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵,有利于提高性能评价精度。
105、将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;
具体的,服务器获取目标高性能电池的性能分析参数,获取目标高性能电池的历史充电数据及历史放电数据,将目标高性能电池的性能分析参数、经过预处理的历史充电数据及历史放电数据作为电池性能分析模型的输入,得到目标高性能电池的续航预测曲线及目标高性能电池的当前续航,基于目标高性能电池的性能分析参数、目标高性能电池的续航预测曲线及目标高性能电池的当前续航确定目标高性能电池的性能数据,得到电池性能分析结果,通过利用历史电池工况数据确定性能,方便确定电池的储能价值及续航价值,使性能分析结果更科学,利用电池性能分析模型进行性能分析,提高电池性能分析的效率。
106、根据电池性能分析结果对目标高性能电池进行电池充放电过程控制。
具体的,根据电池和电容充放电过程能量守恒定理,建立电池和电容混合储能系统充放电过程动态切换模型,以储能系统中储能器件的剩余荷电量的变化表示充放电过程,应用能量守恒定理,建立混合储能系统中储能器件的充放电过程的动态数学模型,对目标高性能电池进行电池充放电过程控制。
本发明实施例中,对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据电池性能分析结果对目标高性能电池进行电池充放电过程控制,本发明通过对电池的充电的第一温度数据和放电的第二温度数据进行电池热性能分析,然后再通过预先训练好的电池性能监控模型对电池性能进行分析,最终使得高性能电池的监控准确率升高。
请参阅图2,本发明实施例中高性能电池的监控方法的另一个实施例包括:
201、对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;
202、对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;
具体的,对第一温度数据和第二温度数据进行温度数据比对,得到温度数据比对结果;根据温度数据比对结果查询目标值,并根据目标值和温度数据比对结果构建温度数据比对集合;对温度数据比对集合进行电池热性能分析,得到第一电池热性能数据。
其中,利用至少一个温度传感器,得到充电时的第一温度数据以及放电时的第二温度数据,进而服务器计算温度变化数据,计算数据比对数据,绘制数据比对波形,在数据比对波形中分离出温度效应的效应成分,获取目标高性能电池的温度数据,绘制温度谱能曲线,提取温度谱能曲线的温度成分,将效应成分与温度成分进行比对,并根据目标值和温度数据比对结果构建温度数据比对集合,对温度数据比对集合进行电池热性能分析,得到第一电池热性能数据,同时提取得到对目标高性能电池的形变影响最大的温度成分。
203、根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;
具体的,根据第一电池热性能数据对目标高性能电池进行电池性能类型匹配,得到目标类型;根据目标类型对目标高性能电池进行电池参数采集,得到目标参数数据;将目标参数数据与预设电池组件进行数据关联处理,并设置预设电池组件的预设参数阈值;对目标参数数据和预设参数阈值进行比较,并判断目标参数数据是否小于预设参数阈值。
可选的,服务器还可以识别或读取目标高性能电池在充放电循环过程中的单位面积容量及电流密度,并基于目标高性能电池的类型和与目标高性能电池匹配的单位面积容量电流曲线判断目标高性能电池的枝晶生长状态,根据第一电池热性能数据对目标高性能电池进行电池性能类型匹配,得到目标类型;根据目标类型及枝晶生长状态对目标高性能电池进行电池参数采集,得到目标参数数据。
204、若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;
具体的,若是,则获取目标高性能电池对应的第二电池热性能数据;提取第一电池热性能数据对应的第一属性值,以及提取第二电池热性能数据对应的第二属性值;根据第一属性值和第二属性值构建目标高性能电池对应的性能评价矩阵。
其中,服务器对第一温度数据和第二温度数据进行电池热性能分析,其中,服务器可以通过不同电池或同一电池在不同状态下的放热量测试数据对比,根据放热量高电池性能较差,放热量低电池性能较优的原则进行评价,通过观测电池在充放电过程中电池温度的变化,即可根据电池的比热、质量和温度增长值,计算出电池在整个测试过程中放出(吸收)的热量,Q=Cp·m·ΔT,其中,Q表示吸收或释放的热量;Cp表示恒压比热容;m表示物质的质量;ΔT表示温度变化。最终评价的依据是在相同的充放电流程中,放热量低的电池性能较优,放热量高的电池性能较差。
205、对性能评价矩阵和目标参数数据进行矩阵融合处理,得到目标融合矩阵;
206、将目标融合矩阵输入预置的电池性能监控模型,其中,电池性能监控模型包括:第一长短时记忆网络、第一全连接网络、第二长短时记忆网络和第二全连接网络;
207、通过电池性能监控模型对目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果;
具体的,将目标融合矩阵输入第一长短时记忆网络进行特征提取,得到第一融合特征;将第一融合特征输入第一全连接网络进行特征编码运算,得到目标编码特征;将目标编码特征输入第二长短时记忆网络进行编码特征提取,得到第二融合特征;将第二融合特征输入第二全连接网络进行性能分析,得到电池性能分析结果。
可选的,服务器首先从目标融合矩阵中提取融合特征和梅尔频率特征,分别作为融合特征及目标编码特征,将这两个特征流分别输入两个深度置信网络进行特征变换,得到两个融合特征,然后将这两个融合特征拼接起来并输入第三个带瓶颈层的深度置信网络进行特征变换,将目标编码特征输入第二长短时记忆网络进行编码特征提取,得到第二融合特征;将第二融合特征输入第二全连接网络进行性能分析,得到电池性能分析结果。
208、根据电池性能分析结果对目标高性能电池进行电池充放电过程控制。
具体的,根据电池性能分析结果对目标高性能电池进行性能等级划分,得到目标性能等级;根据目标性能等级从多个候选充放电控制策略中选取目标充放电控制策略;根据目标充放电控制策略对目标高性能电池进行电池充放电过程控制。
其中,获取目标高性能电池的初始状态数据,根据初始状态数据进行目标高性能电池的建模,根据建模结果进行模态分析,根据模态分析结果选择目标充放电控制策略,进行充放电过程分析,得到目标高性能电池的能力曲线,根据目标高性能电池结果的能力曲线得到能力谱曲线,结合能力谱曲线与需求谱曲线得到性能点,根据目标充放电控制策略对目标高性能电池进行电池充放电过程控制。
本发明实施例中,对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据电池性能分析结果对目标高性能电池进行电池充放电过程控制,本发明通过对电池的充电的第一温度数据和放电的第二温度数据进行电池热性能分析,然后再通过预先训练好的电池性能监控模型对电池性能进行分析,最终使得高性能电池的监控准确率升高。
上面对本发明实施例中高性能电池的监控方法进行了描述,下面对本发明实施例中高性能电池的监控装置进行描述,请参阅图3,本发明实施例中高性能电池的监控装置一个实施例包括:
检测模块301,用于对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;
分析模块302,用于对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据;
采集模块303,用于根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值;
生成模块304,用于若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵;
处理模块305,用于将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;
控制模块306,用于根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制。
本发明实施例中,对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据电池性能分析结果对目标高性能电池进行电池充放电过程控制,本发明通过对电池的充电的第一温度数据和放电的第二温度数据进行电池热性能分析,然后再通过预先训练好的电池性能监控模型对电池性能进行分析,最终使得高性能电池的监控准确率升高。
请参阅图4,本发明实施例中高性能电池的监控装置另一个实施例包括:
检测模块301,用于对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;
分析模块302,用于对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据;
采集模块303,用于根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值;
生成模块304,用于若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵;
处理模块305,用于将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;
控制模块306,用于根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制。
可选的,所述分析模块302具体用于:对所述第一温度数据和所述第二温度数据进行温度数据比对,得到温度数据比对结果;根据所述温度数据比对结果查询目标值,并根据所述目标值和所述温度数据比对结果构建温度数据比对集合;对所述温度数据比对集合进行电池热性能分析,得到第一电池热性能数据。
可选的,所述采集模块303具体用于:根据所述第一电池热性能数据对所述目标高性能电池进行电池性能类型匹配,得到目标类型;根据所述目标类型对所述目标高性能电池进行电池参数采集,得到目标参数数据;将所述目标参数数据与预设电池组件进行数据关联处理,并设置所述预设电池组件的预设参数阈值;对所述目标参数数据和预设参数阈值进行比较,并判断所述目标参数数据是否小于预设参数阈值。
可选的,所述生成模块304具体用于:若是,则获取所述目标高性能电池对应的第二电池热性能数据;提取所述第一电池热性能数据对应的第一属性值,以及提取所述第二电池热性能数据对应的第二属性值;根据所述第一属性值和所述第二属性值构建所述目标高性能电池对应的性能评价矩阵。
可选的,所述处理模块305还包括:
融合单元3051,用于对所述性能评价矩阵和所述目标参数数据进行矩阵融合处理,得到目标融合矩阵;
输入单元3052,用于将所述目标融合矩阵输入预置的电池性能监控模型,其中,所述电池性能监控模型包括:第一长短时记忆网络、第一全连接网络、第二长短时记忆网络和第二全连接网络;
分析单元3053,用于通过所述电池性能监控模型对所述目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果。
可选的,所述分析单元3053具体用于:将所述目标融合矩阵输入所述第一长短时记忆网络进行特征提取,得到第一融合特征;将所述第一融合特征输入所述第一全连接网络进行特征编码运算,得到目标编码特征;将所述目标编码特征输入所述第二长短时记忆网络进行编码特征提取,得到第二融合特征;将所述第二融合特征输入所述第二全连接网络进行性能分析,得到电池性能分析结果。
可选的,所述控制模块306具体用于:根据所述电池性能分析结果对所述目标高性能电池进行性能等级划分,得到目标性能等级;根据所述目标性能等级从多个候选充放电控制策略中选取目标充放电控制策略;根据所述目标充放电控制策略对所述目标高性能电池进行电池充放电过程控制。
本发明实施例中,对第一温度数据和第二温度数据进行电池热性能分析,得到第一电池热性能数据;根据第一电池热性能数据对目标高性能电池进行电池参数采集,得到目标参数数据,并判断目标参数数据是否小于预设参数阈值;若是,则获取目标高性能电池对应的第二电池热性能数据,并根据第一电池热性能数据和第二电池热性能数据生成性能评价矩阵;将性能评价矩阵和目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;根据电池性能分析结果对目标高性能电池进行电池充放电过程控制,本发明通过对电池的充电的第一温度数据和放电的第二温度数据进行电池热性能分析,然后再通过预先训练好的电池性能监控模型对电池性能进行分析,最终使得高性能电池的监控准确率升高。
上面图3和图4从模块化功能实体的角度对本发明实施例中的高性能电池的监控装置进行详细描述,下面从硬件处理的角度对本发明实施例中高性能电池的监控设备进行详细描述。
图5是本发明实施例提供的一种高性能电池的监控设备的结构示意图,该高性能电池的监控设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对高性能电池的监控设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在高性能电池的监控设备500上执行存储介质530中的一系列指令操作。
高性能电池的监控设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的高性能电池的监控设备结构并不构成对高性能电池的监控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种高性能电池的监控设备,所述高性能电池的监控设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述高性能电池的监控方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述高性能电池的监控方法的步骤。
进一步地,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应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种高性能电池的监控方法,其特征在于,所述高性能电池的监控方法包括:
对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;
对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据;
根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值;
若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵;
将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;
根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制。
2.根据权利要求1所述的高性能电池的监控方法,其特征在于,所述对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据,包括:
对所述第一温度数据和所述第二温度数据进行温度数据比对,得到温度数据比对结果;
根据所述温度数据比对结果查询目标值,并根据所述目标值和所述温度数据比对结果构建温度数据比对集合;
对所述温度数据比对集合进行电池热性能分析,得到第一电池热性能数据。
3.根据权利要求1所述的高性能电池的监控方法,其特征在于,所述根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值,包括:
根据所述第一电池热性能数据对所述目标高性能电池进行电池性能类型匹配,得到目标类型;
根据所述目标类型对所述目标高性能电池进行电池参数采集,得到目标参数数据;
将所述目标参数数据与预设电池组件进行数据关联处理,并设置所述预设电池组件的预设参数阈值;
对所述目标参数数据和预设参数阈值进行比较,并判断所述目标参数数据是否小于预设参数阈值。
4.根据权利要求1所述的高性能电池的监控方法,其特征在于,所述若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵,包括:
若是,则获取所述目标高性能电池对应的第二电池热性能数据;
提取所述第一电池热性能数据对应的第一属性值,以及提取所述第二电池热性能数据对应的第二属性值;
根据所述第一属性值和所述第二属性值构建所述目标高性能电池对应的性能评价矩阵。
5.根据权利要求1所述的高性能电池的监控方法,其特征在于,所述将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果,包括:
对所述性能评价矩阵和所述目标参数数据进行矩阵融合处理,得到目标融合矩阵;
将所述目标融合矩阵输入预置的电池性能监控模型,其中,所述电池性能监控模型包括:第一长短时记忆网络、第一全连接网络、第二长短时记忆网络和第二全连接网络;
通过所述电池性能监控模型对所述目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果。
6.根据权利要求5所述的高性能电池的监控方法,其特征在于,所述通过所述电池性能监控模型对所述目标融合矩阵进行特征提取和性能分析,得到电池性能分析结果,包括:
将所述目标融合矩阵输入所述第一长短时记忆网络进行特征提取,得到第一融合特征;
将所述第一融合特征输入所述第一全连接网络进行特征编码运算,得到目标编码特征;
将所述目标编码特征输入所述第二长短时记忆网络进行编码特征提取,得到第二融合特征;
将所述第二融合特征输入所述第二全连接网络进行性能分析,得到电池性能分析结果。
7.根据权利要求1所述的高性能电池的监控方法,其特征在于,所述根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制,包括:
根据所述电池性能分析结果对所述目标高性能电池进行性能等级划分,得到目标性能等级;
根据所述目标性能等级从多个候选充放电控制策略中选取目标充放电控制策略;
根据所述目标充放电控制策略对所述目标高性能电池进行电池充放电过程控制。
8.一种高性能电池的监控装置,其特征在于,所述高性能电池的监控装置包括:
检测模块,用于对待处理的目标高性能电池进行充放电温度检测,得到充电时的第一温度数据以及放电时的第二温度数据;
分析模块,用于对所述第一温度数据和所述第二温度数据进行电池热性能分析,得到第一电池热性能数据;
采集模块,用于根据所述第一电池热性能数据对所述目标高性能电池进行电池参数采集,得到目标参数数据,并判断所述目标参数数据是否小于预设参数阈值;
生成模块,用于若是,则获取所述目标高性能电池对应的第二电池热性能数据,并根据所述第一电池热性能数据和所述第二电池热性能数据生成性能评价矩阵;
处理模块,用于将所述性能评价矩阵和所述目标参数数据输入预置的电池性能监控模型进行电池性能分析,得到电池性能分析结果;
控制模块,用于根据所述电池性能分析结果对所述目标高性能电池进行电池充放电过程控制。
9.一种高性能电池的监控设备,其特征在于,所述高性能电池的监控设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述高性能电池的监控设备执行如权利要求1-7中任一项所述的高性能电池的监控方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的高性能电池的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310459951.4A CN116176353B (zh) | 2023-04-26 | 2023-04-26 | 一种高性能电池的监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310459951.4A CN116176353B (zh) | 2023-04-26 | 2023-04-26 | 一种高性能电池的监控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116176353A true CN116176353A (zh) | 2023-05-30 |
CN116176353B CN116176353B (zh) | 2023-07-18 |
Family
ID=86433059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310459951.4A Active CN116176353B (zh) | 2023-04-26 | 2023-04-26 | 一种高性能电池的监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116176353B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105904992A (zh) * | 2016-06-07 | 2016-08-31 | 烟台创为新能源科技有限公司 | 一种电动汽车的电池监控管理系统及其监控方法 |
US20170031404A1 (en) * | 2015-07-31 | 2017-02-02 | Kabushiki Kaisha Toshiba | Storage-battery evaluation device, energy storage system, and storage-battery evaluation method |
CN108544925A (zh) * | 2018-04-02 | 2018-09-18 | 北京理工大学 | 电池管理系统 |
CN111103544A (zh) * | 2019-12-26 | 2020-05-05 | 江苏大学 | 基于长短时记忆lstm和粒子滤波pf的锂离子电池剩余使用寿命预测方法 |
US20200164763A1 (en) * | 2017-07-21 | 2020-05-28 | Quantumscape Corporation | Predictive model for estimating battery states |
CN111516551A (zh) * | 2020-06-01 | 2020-08-11 | 中国第一汽车股份有限公司 | 一种电池管理系统功能安全监控方法、装置及车辆 |
CN112829632A (zh) * | 2021-01-14 | 2021-05-25 | 广州橙行智动汽车科技有限公司 | 动力电池的运行控制方法、装置、车辆及存储介质 |
CN114325450A (zh) * | 2022-01-11 | 2022-04-12 | 青岛科技大学 | 基于CNN-BiLSTM-AT混合模型的锂离子电池健康状态预测方法 |
CN114384433A (zh) * | 2020-10-20 | 2022-04-22 | 蓝谷智慧(北京)能源科技有限公司 | 一种电池性能预警方法、监控平台、预警系统及换电站 |
WO2022221891A1 (de) * | 2021-04-20 | 2022-10-27 | Aviloo Gmbh | Ermittlung des gesundheitszustands einer fahrzeugbatterie |
CN115598559A (zh) * | 2022-12-16 | 2023-01-13 | 深圳市云帆自动化技术有限公司(Cn) | 一种智能ups电池健康状态监测系统 |
-
2023
- 2023-04-26 CN CN202310459951.4A patent/CN116176353B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170031404A1 (en) * | 2015-07-31 | 2017-02-02 | Kabushiki Kaisha Toshiba | Storage-battery evaluation device, energy storage system, and storage-battery evaluation method |
CN105904992A (zh) * | 2016-06-07 | 2016-08-31 | 烟台创为新能源科技有限公司 | 一种电动汽车的电池监控管理系统及其监控方法 |
US20200164763A1 (en) * | 2017-07-21 | 2020-05-28 | Quantumscape Corporation | Predictive model for estimating battery states |
CN108544925A (zh) * | 2018-04-02 | 2018-09-18 | 北京理工大学 | 电池管理系统 |
CN111103544A (zh) * | 2019-12-26 | 2020-05-05 | 江苏大学 | 基于长短时记忆lstm和粒子滤波pf的锂离子电池剩余使用寿命预测方法 |
CN111516551A (zh) * | 2020-06-01 | 2020-08-11 | 中国第一汽车股份有限公司 | 一种电池管理系统功能安全监控方法、装置及车辆 |
CN114384433A (zh) * | 2020-10-20 | 2022-04-22 | 蓝谷智慧(北京)能源科技有限公司 | 一种电池性能预警方法、监控平台、预警系统及换电站 |
CN112829632A (zh) * | 2021-01-14 | 2021-05-25 | 广州橙行智动汽车科技有限公司 | 动力电池的运行控制方法、装置、车辆及存储介质 |
WO2022221891A1 (de) * | 2021-04-20 | 2022-10-27 | Aviloo Gmbh | Ermittlung des gesundheitszustands einer fahrzeugbatterie |
CN114325450A (zh) * | 2022-01-11 | 2022-04-12 | 青岛科技大学 | 基于CNN-BiLSTM-AT混合模型的锂离子电池健康状态预测方法 |
CN115598559A (zh) * | 2022-12-16 | 2023-01-13 | 深圳市云帆自动化技术有限公司(Cn) | 一种智能ups电池健康状态监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116176353B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111448467B (zh) | 用于对电池容量进行建模和估计的方法及系统 | |
US9134382B2 (en) | Predicting state of a battery | |
EP3721499A1 (en) | Method and system for online assessing state of health of a battery | |
CN113219343A (zh) | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 | |
CN112578298B (zh) | 电池温度估算方法、装置、电子设备及存储介质 | |
CN111974709B (zh) | 基于温度变化聚类分析的退役动力锂电池筛选方法及系统 | |
CN112083346B (zh) | 基于lstm的并联电池组内部电流分布估计方法及系统 | |
CN114167284B (zh) | 基于bms大数据和集成学习的锂电池rul预测方法及设备 | |
CN113777510A (zh) | 一种锂电池荷电状态估计方法及装置 | |
CN116047300A (zh) | 用以预测电池的特性参数的控制器及其方法 | |
CN116572747A (zh) | 电池故障检测方法、装置、计算机设备和存储介质 | |
CN116559667A (zh) | 模型训练方法及装置、电池检测方法及装置、设备、介质 | |
CN114035095B (zh) | 基于电压曲线拐点识别的锂电池soh估计方法、介质及设备 | |
US11714134B2 (en) | Device and method for predicting state of battery | |
CN117368745B (zh) | 基于深度学习的硬包锂电池安全监测方法及装置 | |
CN116176353B (zh) | 一种高性能电池的监控方法、装置、设备及存储介质 | |
US20230324463A1 (en) | Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods | |
CN113711458A (zh) | 电池容量预估方法、电子装置和存储介质 | |
CN114740389A (zh) | 电池健康评估方法、装置、电子设备和可读存储介质 | |
Han et al. | Electrochemical impedance spectroscopy image transformation-based convolutional neural network for diagnosis of external environment classification affecting abnormal aging of Li-ion batteries | |
CN113300016A (zh) | 一种电池充放电控制方法和装置 | |
Ma et al. | Residual Life Prediction of Lithium Batteries Based on Data Mining | |
KR102656339B1 (ko) | 재사용 가능한 배터리의 인공지능 활용 유효 수명 측정을 위한 장치 | |
Guerrero et al. | Battery State of Energy and Cycle Life Estimation | |
Chen et al. | Micro-fault identification for lithium-ion batteries in electric vehicles based on similarity measurement of the charging sequence |
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 |