CN116403376A - 充电设备的故障预警方法、装置和计算机设备 - Google Patents
充电设备的故障预警方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN116403376A CN116403376A CN202310355650.7A CN202310355650A CN116403376A CN 116403376 A CN116403376 A CN 116403376A CN 202310355650 A CN202310355650 A CN 202310355650A CN 116403376 A CN116403376 A CN 116403376A
- Authority
- CN
- China
- Prior art keywords
- charging
- management system
- target value
- battery management
- charging device
- 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 62
- 238000004590 computer program Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 33
- 230000007257 malfunction Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000007726 management method Methods 0.000 description 172
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Power Engineering (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请涉及一种充电设备的故障预警方法、装置、计算机设备、存储介质和计算机程序产品,通过获取充电装置和电池管理系统的充电数据,并根据电池管理系统的充电数据得到第一目标值,根据充电装置的充电数据得到第二目标值。若第一目标值大于第一预设阈值,生成第一故障预警信息。第一故障预警信息用于表征电池管理系统即将或已经出现故障。若第一目标值大于第二预设阈值,生成第二故障预警信息。第二故障预警信息用于表征充电装置即将或已经出现故障。即通过对电池管理系统的充电数据和充电装置的充电数据进行分析,实现了电池管理系统和充电装置的故障预警,提高了故障预警结果的准确性,从而进一步提高了运维效率。
Description
技术领域
本申请涉及充电设备技术领域,特别是涉及一种充电设备的故障预警方法、装置和计算机设备。
背景技术
随着新能源汽车的发展,充电设施数量呈几何倍数增长。充电设施在对新能源汽车的电池进行充电时,通常由新能源汽车中的电池管理系统管理充电设施对电池的充电。
目前,为了提高运维效率,一般会对充电设施和电池管理系统进行故障预警。现有的故障预警方法包括,基于充电设施监控数据对充电设施进行故障预警,基于电池管理系统数据对电池管理系统进行故障预警。
然而这种基于充电设施监控数据或电池管理系统数据进行故障预警的方法可靠性不高,不利于进一步提高运维效率。
发明内容
基于此,有必要针对上述问题,提供一种充电设备的故障预警方法、装置和计算机设备。
第一方面,本申请提供了一种充电设备的故障预警方法,充电设备包括充电装置和电池管理系统,充电装置通过电池管理系统对电池进行充电,该方法包括:
获取充电装置和电池管理系统的充电数据;
根据电池管理系统的充电数据得到第一目标值;
根据充电装置的充电数据得到第二目标值;
若第一目标值大于第一预设阈值,生成第一故障预警信息;第一故障预警信息用于表征电池管理系统即将或已经出现故障;
若第二目标值大于第二预设阈值,生成第二故障预警信息;第二故障预警信息用于表征充电装置即将或已经出现故障。
在其中一个实施例中,根据电池管理系统的充电数据得到第一目标值之前,还包括:
根据电池管理系统的充电数据和充电装置的充电数据得到第三目标值;
判断第三目标值是否大于第三预设阈值;
若是,生成充电设备故障信息;
若否,执行根据电池管理系统的充电数据得到第一目标值。
在其中一个实施例中,充电设备故障信息包括充电装置故障信息和电池管理系统故障信息,若第三目标值大于第三预设阈值,生成充电设备故障信息包括:
若第三目标值大于第三预设阈值,判断充电装置是否有故障预警未处理;
若充电装置有故障预警未处理,生成充电装置故障信息;
若充电装置没有故障预警未处理,判断电池管理系统是否有故障预警未处理;
当电池管理系统有故障预警未处理时,生成电池管理系统故障信息。
在其中一个实施例中,判断第三目标值是否大于第三预设阈值之后,执行根据电池管理系统的充电数据得到第一目标值之前,还包括:
判断第三目标值是否大于第四预设阈值;第四预设阈值小于第三预设阈值;
若第三目标值大于第四预设阈值,执行根据电池管理系统的充电数据得到第一目标值。
在其中一个实施例中,充电设备的故障预警方法还包括:
根据第一目标值、第三目标值和剩余寿命计算模型得到电池管理系统的剩余寿命;和/或,
根据第二目标值、第三目标值和剩余寿命计算模型得到充电装置的剩余寿命。
在其中一个实施例中,根据电池管理系统的充电数据得到第一目标值,包括:
对电池管理系统的充电数据进行分类;
根据分类后的电池管理系统的充电数据得到第一目标值;
根据充电装置的充电数据得到第二目标值,包括:
对充电装置的充电数据进行分类;
根据分类后的充电装置的充电数据得到第二目标值。
在其中一个实施例中,根据电池管理系统的充电数据得到第一目标值,包括:
根据电池管理系统近预设充电次数的充电数据得到第一目标值;
根据充电装置的充电数据得到第二目标值,包括:
根据充电装置近预设充电次数的充电数据得到第二目标值。
第二方面,本申请还提供了一种充电设备的故障预警装置,充电设备包括互相充电的充电装置和电池管理系统,该装置包括:
数据获取模块,获取充电装置和电池管理系统的充电数据;
第一计算模块,用于根据电池管理系统的充电数据得到第一目标值;
第二计算模块,用于根据充电装置的充电数据得到第二目标值;
第一故障预警模块,用于若第一目标值大于第一预设阈值,生成第一故障预警信息;第一故障预警信息用于表征电池管理系统即将或已经出现故障;
第二故障预警模块,用于若第二目标值大于第二预设阈值,生成第二故障预警信息;第二故障预警信息用于表征充电装置即将或已经出现故障。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取充电装置和电池管理系统的充电数据;
根据电池管理系统的充电数据得到第一目标值;
根据充电装置的充电数据得到第二目标值;
若第一目标值大于第一预设阈值,生成第一故障预警信息;第一故障预警信息用于表征电池管理系统即将或已经出现故障;
若第二目标值大于第二预设阈值,生成第二故障预警信息;第二故障预警信息用于表征充电装置即将或已经出现故障。
第四方面,本申请还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,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:
获取充电装置和电池管理系统的充电数据;
根据电池管理系统的充电数据得到第一目标值;
根据充电装置的充电数据得到第二目标值;
若第一目标值大于第一预设阈值,生成第一故障预警信息;第一故障预警信息用于表征电池管理系统即将或已经出现故障;
若第二目标值大于第二预设阈值,生成第二故障预警信息;第二故障预警信息用于表征充电装置即将或已经出现故障。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取充电装置和电池管理系统的充电数据;
根据电池管理系统的充电数据得到第一目标值;
根据充电装置的充电数据得到第二目标值;
若第一目标值大于第一预设阈值,生成第一故障预警信息;第一故障预警信息用于表征电池管理系统即将或已经出现故障;
若第二目标值大于第二预设阈值,生成第二故障预警信息;第二故障预警信息用于表征充电装置即将或已经出现故障。
上述充电设备的故障预警方法、装置、计算机设备、存储介质和计算机程序产品,通过获取充电装置和电池管理系统的充电数据,并根据电池管理系统的充电数据得到第一目标值,根据充电装置的充电数据得到第二目标值。若第一目标值大于第一预设阈值,生成第一故障预警信息。第一故障预警信息用于表征电池管理系统即将或已经出现故障。若第一目标值大于第二预设阈值,生成第二故障预警信息。第二故障预警信息用于表征充电装置即将或已经出现故障。即通过对电池管理系统的充电数据和充电装置的充电数据进行分析,实现了电池管理系统和充电装置的故障预警,提高了故障预警结果的准确性,从而进一步提高了运维效率。
附图说明
图1为一个实施例中充电设备的故障预警方法的应用环境图;
图2为一个实施例中充电设备的故障预警方法的流程示意图;
图3为一个实施例中充电设备的故障预警方法的流程示意图;
图4为一个实施例中充电设备的故障预警方法的流程示意图;
图5为一个实施例中充电设备的故障预警方法的流程示意图;
图6为一个实施例中充电设备的故障预警方法的流程示意图;
图7为一个实施例中充电设备的故障预警方法的流程示意图;
图8为一个实施例中充电设备的故障预警方法的流程示意图;
图9为一个实施例中充电装置和电池管理系统的连接示意图;
图10为一个实施例中充电设备的故障预警方法的流程示意图;
图11为一个实施例中充电设备的故障预警装置的结构框图;
图12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。
本申请实施例提供的充电设备的故障预警方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。具体的,终端102可以从服务器104的数据存储系统中获取充电装置和电池管理系统的充电数据。再根据电池管理系统的充电数据得到第一目标值,根据充电装置的充电数据得到第二目标值。然后,若第一目标值大于第一预设阈值,生成第一故障预警信息,第一故障预警信息用于表征电池管理系统即将或已经出现故障。若第二目标值大于第二预设阈值,生成第二故障预警信息,第二故障预警信息用于表征充电装置即将或已经出现故障。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种充电设备的故障预警方法。其中,充电设备包括充电装置和电池管理系统。充电装置可以为充电桩,电池管理系统可以为电动汽车的电池管理系统,电池可以为电动汽车中的电池。充电桩可以通过电动汽车的电池管理系统向电动汽车中的电池进行充电。充电过程中,电池管理系统可以实时监测电池的运行状态并反馈给充电装置。充电装置可以根据接收到的电池的相关运行信息调整充电方式。例如,降低输出电压、输出电流等。从而保障整个充电过程安全可靠。
以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤202,获取充电装置和电池管理系统的充电数据。
其中,充电装置的充电数据可以包括充电装置的采集电压、采集电流、计量电能等参数。电池管理系统的充电数据可以包括电池管理系统的采集电压、采集电流、计量电能等参数。
具体的,获取充电装置的充电数据可以是获取一个或多个充电装置的充电数据,获取电池管理系统的充电数据可以是获取一个或多个电池管理系统的充电数据。进一步的,为了提高故障预警的实时性和可靠性,可以实时获取一个或多个充电装置的充电数据和一个或多个电池管理系统的充电数据。也可以按照预设时间间隔获取一个或多个充电装置和一个或多个电池管理系统的充电数据,这样可以减少资源的浪费。
步骤204,根据电池管理系统的充电数据得到第一目标值。
其中,电池管理系统的充电数据包括电池管理系统的充电输入数据和充电输出数据。电池管理系统的充电输入数据可以是每次充电过程中,充电装置采集的数据。电池管理系统的充电输出数据可以是每次充电过程中,电池管理系统采集的数据。
具体的,在获取到充电装置和电池管理系统的充电数据之后,首先选取某个电池管理系统,特别的,可以是选取当前正在充电的电动汽车的电池管理系统。再获取该电池管理系统的充电输入数据和充电输出数据,然后根据该电池管理系统的充电输入数据和充电输出数据得到第一目标值。进一步地,第一目标值可以是该电池管理系统充电输入数据和充电输出数据的差值的平均值。例如,当该电池管理系统的充电输入数据为输入电压,充电输出数据为输出电压时,将输入电压和输出电压作差取平均值后得到的结果可以作为第一目标值。
步骤206,根据充电装置的充电数据得到第二目标值。
其中,充电装置的充电数据包括充电装置的充电输入数据和充电输出数据。充电装置的充电输入数据可以是每次充电过程中,电池管理系统采集的数据。充电装置的充电输出数据可以是每次充电过程中,充电装置采集的数据。充电输入数据和充电输出数据相对应。
具体的,在获取到充电装置和电池管理系统的充电数据之后,首先选取某个充电装置,特别的,可以是选取当前正在给电动汽车充电的充电装置。再获取该充电装置的充电输入数据和充电输出数据,然后根据该充电装置的充电输入数据和充电输出数据得到第二目标值。进一步地,第二目标值可以是该充电装置的充电输入数据和充电输出数据的差值的平均值。例如,当该充电装置的充电输入数据为输入电压,充电输出数据为输出电压时,将输入电压和输出电压作差取平均值后得到的结果可以作为第二目标值。
步骤208,若第一目标值大于第一预设阈值,生成第一故障预警信息。
其中,第一预设阈值可以根据电池管理系统的采集精度进行设置。第一故障预警信息用于表征电池管理系统即将或已经出现故障。第一故障预警信息具体可以包括电池管理系统的类型信息和报警信息。电池管理系统的类型信息用于表征电池管理系统的类型。报警信息用于警示用户电池管理系统即将或已经出现故障。用户接收到第一故障预警信息后,可以视情况对电池管理系统进行维修。
另外,若第一目标值小于或等于第一预设阈值,不生成第一故障预警信息。可以理解,若第一目标值小于或等于第一预设阈值,认为电池管理系统在一段时间之内不会发生故障。
步骤210,若第二目标值大于第二预设阈值,生成第二故障预警信息。
其中,第二预设阈值可以根据充电装置的电压等级进行设置。第二故障预警信息用于表征充电装置即将或已经出现故障。第二故障预警信息具体可以包括充电装置的类型信息和报警信息。充电装置的类型信息用于表征充电装置的类型。报警信息用于警示用户充电装置即将或已经出现故障。另外,用户接收到第二故障预警信息后,可以视情况对充电装置进行维修。
另外,若第二目标值小于或等于第二预设阈值,不生成第二故障预警信息。可以理解,若第一目标值小于或等于第一预设阈值,认为充电装置在一段时间之内不会发生故障。
本实施例中的充电设备的故障预警方法,通过获取充电装置和电池管理系统的充电数据,并根据电池管理系统的充电数据得到第一目标值,根据充电装置的充电数据得到第二目标值。若第一目标值大于第一预设阈值,生成第一故障预警信息。第一故障预警信息用于表征电池管理系统即将或已经出现故障。若第一目标值大于第二预设阈值,生成第二故障预警信息。第二故障预警信息用于表征充电装置即将或已经出现故障。即通过对电池管理系统的充电数据和充电装置的充电数据进行分析,实现了电池管理系统和充电装置的故障预警,提高了故障预警结果的准确性,从而进一步提高了运维效率。
在一个实施例中,如图3所示,步骤204之前,充电设备的故障预警方法还包括步骤301、步骤302和步骤303。
步骤301,根据电池管理系统的充电数据和充电装置的充电数据得到第三目标值。
其中,电池管理系统的充电数据可以为电池管理系统采集的充电数据。例如,可以是电池管理系统的采集模块采集到的输入电流、输入电压等数据。充电装置的充电数据可以为充电装置采集的充电数据。例如,可以是充电装置的采集模块采集到的输出电压、输出电流等数据。
具体的,获取到充电装置的充电数据和电池管理系统的充电数据之后,可以将充电装置的充电数据和电池管理系统的充电数据的差值作为第三目标值。
步骤302,判断第三目标值是否大于第三预设阈值。若是,执行步骤303;若否,执行步骤204。
其中,第三预设阈值可以由本领域技术人员根据实际需求进行设置。若第三目标值小于或等于第三预设阈值,根据电池管理系统的充电数据得到第一目标值。此时电池管理系统的充电数据包括多次充电过程中的该电池管理系统的充电输入数据和充电输出数据。具体的,充电输入数据可以是该电池管理系统采集的充电数据。充电输出数据可以是充电装置采集的充电数据。
步骤303,生成充电设备故障信息。
其中,充电设备故障信息用于表征充电设备已经发生故障。充电设备故障具体可以是充电装置故障、电池管理系统故障、充电回路故障等。另外,用户接收到充电设备故障信息时,可以及时对充电设备进行故障处理。
本实施例中,通过根据电池管理系统的充电数据和充电装置的充电数据得到第三目标值,判断第三目标值是否大于第三预设阈值,若是,生成充电设备故障信息,可以实现充电设备的故障报警。若否,根据电池管理系统的充电数据得到第一目标值。这样可以减少对充电设备进行故障预警时的计算量,从而提高故障预警效率。
在一个实施例中,充电设备故障信息包括充电装置故障信息和电池管理系统故障信息。如图4所示,步骤303包括步骤401、步骤402、步骤403和步骤404。
步骤401,若第三目标值大于第三预设阈值,判断充电装置是否有故障预警未处理。若是,执行步骤402;若否,执行步骤403。
其中,第三预设阈值可由本领域技术人员根据实际需求进行设置。当第三目标值大于第三预设阈值时,可以理解为充电装置或电池管理系统有可能已经发生故障。此时,通过判断充电装置和/或电池管理系统是否有故障预警未处理,来进一步确定是否是充电装置和/或电池管理系统发生故障。具体的,当充电装置有故障预警未处理时,生成充电装置故障信息。当充电装置没有故障预警未处理时,判断电池管理系统是否有故障预警未处理。
另外,在其它实施例中,也可以当电池管理系统有故障预警未处理时,生成电池管理系统故障信息。当电池管理系统没有故障预警未处理时,进一步判断充电装置是否有故障预警未处理。若充电装置有故障预警未处理,生成充电装置故障信息。若充电装置没有故障未处理,生成其它故障信息。
步骤402,生成充电装置故障信息。
充电装置故障信息用于表征充电装置已经发生故障。其中,充电装置故障信息可以包括充电装置的类型信息和报警信息。充电装置的类型信息用于表示充电装置的类型。充电装置的报警信息用于故障报警。
步骤403,判断电池管理系统是否有故障预警未处理。若是,执行步骤404。
具体的,若电池管理系统有故障预警未处理,生成电池管理系统故障信息。若电池管理系统没有故障未处理,生成其它故障信息。其它故障信息用于表征充电设备发生其它不明故障。当充电设备发生其它不明故障时,需要人为排查故障原因。
步骤404,生成电池管理系统故障信息。
电池管理系统故障信息用于表征电池管理系统已经发生故障。其中,电池管理系统故障信息可以包括电池管理系统的类型信息和报警信息。电池管理系统的类型信息用于表示电池管理系统的类型。电池管理系统的报警信息用于故障报警。
本实施例中,充电设备故障信息包括充电装置故障信息和电池管理系统故障信息。通过当第三目标值大于第三预设阈值时,判断充电装置和/或电池管理系统是否有故障预警未处理,来判断充电装置和/或电池管理系统是否发生故障,可以实现充电装置和/或电池管理系统的故障报警。
在一个实施例中,如图5所示,步骤302之后,步骤204之前,充电设备的故障预警方法还包括步骤501。
步骤501,判断第三目标值是否大于第四预设阈值。若是,执行步骤204。
其中,第四预设阈值小于第三预设阈值。具体的,若第三目标值小于第三预设阈值,进一步判断第三目标值是否大于第四预设阈值。若第三目标值大于第四预设阈值,根据电池管理系统的充电数据得到第一目标值。若第三目标值小于或等于第四预设阈值,不执行后续步骤。即不对充电设备进行故障预警。
在一个实施例中,如图6所示,充电设备的故障预警方法还包括步骤601和/或步骤602。
步骤601,根据第一目标值、第三目标值和剩余寿命计算模型得到电池管理系统的剩余寿命。
具体的,将第一目标值和第三目标值作为输入参数输入到剩余寿命计算模型中,剩余寿命计算模型可以输出电池管理系统的剩余寿命。电池管理系统的剩余寿命可以理解为当前时间到电池管理系统发生故障的时间。
进一步地,根据电池管理系统实际发生故障的时间可以对剩余寿命计算模型中的模型参数进行调整,以实现剩余寿命计算模型的优化,从而提高剩余寿命计算的准确度。
步骤602,根据第二目标值、第三目标值和剩余寿命计算模型得到充电装置的剩余寿命。
具体的,将第二目标值和第三目标值作为输入参数输入到充电装置剩余寿命计算模型中,充电装置剩余寿命计算模型可以输出充电装置的剩余寿命。充电装置的剩余寿命可以理解为当前时间到充电装置发生故障的时间。
进一步地,根据充电装置实际发生故障的时间可以对剩余寿命计算模型中的模型参数进行调整,以实现剩余寿命计算模型的优化,从而提高剩余寿命计算的准确度。
本实施例中,通过根据第一目标值、第三目标值和剩余寿命计算模型得到电池管理系统的剩余寿命,根据第二目标值、第三目标值和剩余寿命计算模型得到充电装置的剩余寿命,可以预测充电装置和电池管理系统的剩余寿命,以进一步提高对充电设备故障预警的可靠性。
在一个实施例中,如图7所示,步骤204包括步骤701和步骤702,步骤206包括步骤703和步骤704。
步骤701,对电池管理系统的充电数据进行分类。
具体的,可以根据电池管理系统的型号或电池管理系统的输入电路来对电池管理系统的充电数据进行分类。进一步的,当电池管理系统为电动汽车的电池管理系统时,还可以根据车辆型号对电动汽车的电池管理系统的充电数据进行分类。
步骤702,根据分类后的电池管理系统的充电数据得到第一目标值。
其中,分类后的电池管理系统的充电数据包括电池管理系统采集的充电数据。例如,包括电池管理系统采集的输入电压、输入电流等参数。
具体的,获取到分类后的电池管理系统的充电数据之后,进行特征提取得到第一目标值。例如,当电池管理系统的充电数据包括电池管理系统的输入电压时,可以计算电池管理系统的输入电压的平均电压,并将该平均电压作为第一目标值。
步骤703,对充电装置的充电数据进行分类。
具体的,可以根据充电装置的型号或充电装置的输出电路来对充电装置的充电数据进行分类。进一步的,当充电装置为充电桩时,还可以根据充电桩的型号对充电装置的充电数据进行分类。
步骤704,根据分类后的充电装置的充电数据得到第二目标值。
其中,分类后的充电装置的充电数据包括充电装置采集的充电数据。例如,充电装置采集的输出电压、输出电流等参数。
具体的,获取到分类后的充电装置的充电数据之后,进行特征提取得到第二目标值。例如,当充电装置的充电数据包括充电装置的输出电压时,可以计算充电装置的输出电压的平均电压,并将该平均电压作为第二目标值。
在其他实施例中,可以根据第一目标值和第二目标值可以建立故障预警模型。故障预警模型用于开展故障预警。另外,也可以建立多个故障预警模型以针对不同类别的电池管理系统和充电装置进行故障预测和故障预警,从而进一步提高故障预警的准确度。
本实施例中,通过分别对电池管理系统的充电数据进行分类并得到第一目标值,对充电装置的充电数据进行分类并得到第二目标值,可以建立故障预警模型,以提高故障预警的准确性和可靠性。
在一个实施例中,如图8所示,步骤204包括步骤801,步骤206包括步骤802。
步骤801,根据电池管理系统近预设充电次数的充电数据得到第一目标值。
其中,电池管理系统近预设充电次数的充电数据包括近预设充电次数的充电输入数据和充电输出数据。例如,当预设充电次数为10次时,电池管理系统近预设充电次数的充电数据包括电池管理系统近10次充电的充电输入数据和充电输出数据。
具体的,根据电池管理系统近预设充电次数的充电输入数据和充电输出数据得到第一目标值。例如,可以将电池管理系统近预设充电次数的充电输入数据和充电输出数据的平均值或方差作为第一目标值。
步骤802,根据充电装置近预设充电次数的充电数据得到第二目标值。
充电装置近预设充电次数的充电数据包括近预设充电次数的充电输入数据和充电输出数据。具体的,根据充电装置近预设充电次数的充电输入数据和充电输出数据得到第二目标值。例如,可以将充电装置近预设充电次数的充电输入数据和充电输出数据的平均值或方差作为第二目标值。
本实施例中,通过根据电池管理系统近预设充电次数的充电数据得到第一目标值,根据充电装置近预设充电次数的充电数据得到第二目标值,可以提高故障预警的效率。
为便于更好地理解上述充电设备的故障预警方法,下面结合一个具体实施例进行详细解释说明。
在一个实施例中,提供了一种充电设备的故障预警方法,充电设备包括充电装置和电池管理系统。在本实施例中,充电装置为充电桩,电池管理系统为汽车BMS(BatteryManagement System,电池管理系统)。充电桩可以向汽车中的电池进行充电,同时汽车BMS可以对整个充电过程进行实时监测。
首先,从国家大数据平台获取汽车BMS和充电桩采集的充电数据。其中,如图9所示,汽车BMS采集的数据包括汽车BMS的输入电压U1、输入电流I1、输入回路电阻R1。充电桩采集的充电数据包括充电桩的输出电压U2、输出电流I2、输出回路R2。理想情况下,汽车BMS输入电压U1+I1*R1=充电桩输出电压U2-I2*R2,汽车BMS输入电流I1=充电桩输出电流I2。随着使用时间的增长,加上器件参数差异和采集误差,汽车BMS和充电桩采集到的电压/电流会有所差异,直至发生故障。
以通过分析充电桩采集的输出电压和汽车BMS采集的输入电压进行故障预警为例,参考图10,具体步骤包括:
1、计算充电桩和BMS系统的电压差值;为了减少误差,可选取一段时间内(10s)充电桩采集的输出电压的平均值作为充电桩的输出电压,汽车BMS系统采集的输入电压的平均值作为充电桩的输入电压。该电压差值对应于上文中提到的第三目标值。
2、判断电压差值是否大于阈值1。若电压差值大于阈值1,判断充电桩近期是否故障预警未处理。若是,则充电桩故障。若否,判断BMS系统近期是否有故障预警未处理。若是,则BMS系统故障。若否,则为其他故障。阈值1对应于上文中提到的第三预设阈值。阈值1具体取值可以为3V。
3、若电压差值小于或等于阈值1,判断电压差值是否大于阈值2。若电压差值大于阈值2,判断最近10次充电该汽车BMS与充电桩的电压差值的平均值是否大于阈值3或方差大于阈值4。若是,汽车BMS预警。若否,判断最近10次充电该充电桩与汽车BMS的电压差值的平均值是否大于阈值5或方差大于阈值6。其中,最近10次充电该汽车BMS与充电桩的电压差值的平均值对应于上文中提到的第一目标值。最近10次充电该充电桩与汽车BMS的电压差值的平均值对应于上文中提到的第二目标值。阈值2对应于上文中提到的第四预设阈值,阈值2具体取值可以为0.5V。阈值3或阈值4对应于上文中提到的第一预设阈值,阈值3具体取值可以为0.4V,阈值4具体取值可以为1.5V。阈值5或阈值6对应于上文中提到的第二预设阈值。阈值5具体取值可以为0.3V,阈值6具体取值可以为0.7V。
4、若最近10次充电该充电桩与汽车BMS的电压差值的平均值大于阈值5或方差大于阈值6,充电桩预警。否则,为其他故障。
其中,汽车BMS预警还包括计算汽车BMS的剩余寿命。具体方法为,根据剩余寿命计算模型计算得到汽车BMS的剩余寿命。剩余寿命计算模型具体与汽车BMS的型号有关,可以有多个。例如,剩余寿命计算模型可以为L=X*Ua+Y*Ub+Z/v。其中,X、Y、Z为剩余寿命计算模型的参数,可通过机器学习获得。Ua可以为上述步骤中计算得到的充电桩和BMS系统的电压差值,Ub可以为最近10次充电该汽车BMS与充电桩的电压差值的平均值。v为最近10次充电该汽车BMS与充电桩的电压差值的方差。L可以为汽车BMS的剩余寿命。
另外,在获取到汽车BMS和充电桩采集的充电数据后,还可以通过滑动平均(MA)、时域特征分析(TA)等方法对数据进行特征提取,提取汽车BMS的输入电压、输入电流值(包括平均值、最大值、最小值等)和充电桩的输出电压、输出电流值(包括平均值、最大值、最小值等)等。然后再根据上述步骤进行故障预警。
本实施例中的充电设备的故障预警方法,通过分析对比充电桩和汽车BMS系统的在线监测数据,进行数据分类、特征提取后,开展故障预警和剩余寿命计算,可大幅提高故障预警和剩余寿命计算的准确度,提升厂家的维保效率,降低维修成本,并提高客户满意度。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的充电设备的故障预警方法的充电设备的故障预警装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个充电设备的故障预警装置实施例中的具体限定可以参见上文中对于充电设备的故障预警方法的限定,在此不再赘述。
在一个实施例中,如图11所示,提供了一种充电设备的故障预警装置900,包括:数据获取模块901、第一计算模块902、第二计算模块903、第一故障预警模块904和第二故障预警模块905,其中:
数据获取模块901,用于获取充电装置和电池管理系统的充电数据;
第一计算模块902,用于根据电池管理系统的充电数据得到第一目标值;
第二计算模块903,用于根据充电装置的充电数据得到第二目标值;
第一故障预警模块904,用于若第一目标值大于第一预设阈值,生成第一故障预警信息;第一故障预警信息用于表征电池管理系统即将或已经出现故障;
第二故障预警模块905,用于若第二目标值大于第二预设阈值,生成第二故障预警信息;第二故障预警信息用于表征充电装置即将或已经出现故障。
在其中一个实施例中,第一计算模块902还包括第一计算单元和第一故障信息生成单元,其中:
第一计算单元,用于根据电池管理系统的充电数据和充电装置的充电数据得到第三目标值。
故障信息生成单元,用于判断第三目标值是否大于第三预设阈值;若是,生成充电设备故障信息;若否,执行根据电池管理系统的充电数据得到第一目标值。
在其中一个实施例中,充电设备故障信息包括充电装置故障信息和电池管理系统故障信息,故障信息生成单元还包括第一故障信息生成单元和第二故障信息生成单元,其中:
第一故障信息生成单元,用于若第三目标值大于第三预设阈值,判断充电装置是否有故障预警未处理;若充电装置有故障预警未处理,生成充电装置故障信息;若充电装置没有故障预警未处理,判断电池管理系统是否有故障预警未处理。
第二故障信息生成单元,用于当电池管理系统有故障预警未处理时,生成电池管理系统故障信息。还用于当电池管理系统没有故障预警未处理时,生成其他故障信息。
在其中一个实施例中,第一计算模块902还包括故障预警判断单元,其中:
故障预警判断单元,用于判断第三目标值是否大于第四预设阈值;第四预设阈值小于第三预设阈值;若第三目标值大于第四预设阈值,执行根据电池管理系统的充电数据得到第一目标值。若第三目标值小于或等于第四预设阈值,则不进行故障预警。
在其中一个实施例中,充电设备的故障预警装置900还包括剩余寿命计算模块,其中:
剩余寿命计算模块,用于根据第一目标值、第三目标值和剩余寿命计算模型得到电池管理系统的剩余寿命;和/或,
根据第二目标值、第三目标值和剩余寿命计算模型得到充电装置的剩余寿命。
在其中一个实施例中,第一计算模块902还包括第一分类单元和第二分类单元,其中:
第一分类单元,用于对电池管理系统的充电数据进行分类;根据分类后的电池管理系统的充电数据得到第一目标值。
第二分类单元,用于对充电装置的充电数据进行分类;根据分类后的充电装置的充电数据得到第二目标值。
在其中一个实施例中,第一计算模块902还用于根据电池管理系统近预设充电次数的充电数据得到第一目标值;根据充电装置近预设充电次数的充电数据得到第二目标值。
上述充电设备的故障预警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12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、通信接口、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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种充电设备的故障预警方法。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12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,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
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,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上所述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)
1.一种充电设备的故障预警方法,其特征在于,所述充电设备包括充电装置和电池管理系统,所述充电装置通过所述电池管理系统对电池进行充电,所述方法包括:
获取所述充电装置和所述电池管理系统的充电数据;
根据所述电池管理系统的充电数据得到第一目标值;
根据所述充电装置的充电数据得到第二目标值;
若所述第一目标值大于第一预设阈值,生成第一故障预警信息;所述第一故障预警信息用于表征所述电池管理系统即将或已经出现故障;
若所述第二目标值大于第二预设阈值,生成第二故障预警信息;所述第二故障预警信息用于表征所述充电装置即将或已经出现故障。
2.根据权利要求1所述的充电设备的故障预警方法,其特征在于,所述根据所述电池管理系统的充电数据得到第一目标值之前,还包括:
根据所述电池管理系统的充电数据和所述充电装置的充电数据得到第三目标值;
判断所述第三目标值是否大于第三预设阈值;
若是,生成充电设备故障信息;
若否,执行所述根据所述电池管理系统的充电数据得到第一目标值。
3.根据权利要求2所述的充电设备的故障预警方法,其特征在于,所述充电设备故障信息包括充电装置故障信息和电池管理系统故障信息,所述若所述第三目标值大于所述第三预设阈值,生成充电设备故障信息包括:
若所述第三目标值大于所述第三预设阈值,判断所述充电装置是否有故障预警未处理;
若所述充电装置有故障预警未处理,生成充电装置故障信息;
若所述充电装置没有故障预警未处理,判断所述电池管理系统是否有故障预警未处理;
当所述电池管理系统有故障预警未处理时,生成电池管理系统故障信息。
4.根据权利要求2所述的充电设备的故障预警方法,其特征在于,所述判断所述第三目标值是否大于第三预设阈值之后,所述执行所述根据所述电池管理系统的充电数据得到第一目标值之前,还包括:
判断所述第三目标值是否大于第四预设阈值;所述第四预设阈值小于所述第三预设阈值;
若所述第三目标值大于所述第四预设阈值,执行所述根据所述电池管理系统的充电数据得到第一目标值。
5.根据权利要求2所述的充电设备的故障预警方法,其特征在于,所述方法还包括:
根据所述第一目标值、所述第三目标值和剩余寿命计算模型得到所述电池管理系统的剩余寿命;和/或,
根据所述第二目标值、所述第三目标值和剩余寿命计算模型得到所述充电装置的剩余寿命。
6.根据权利要求1所述的充电设备的故障预警方法,其特征在于,所述根据所述电池管理系统的充电数据得到第一目标值,包括:
对所述电池管理系统的充电数据进行分类;
根据分类后的电池管理系统的充电数据得到第一目标值;
所述根据所述充电装置的充电数据得到第二目标值,包括:
对所述充电装置的充电数据进行分类;
根据分类后的充电装置的充电数据得到第二目标值。
7.根据权利要求1所述的充电设备的故障预警方法,其特征在于,所述根据所述电池管理系统的充电数据得到第一目标值,包括:
根据所述电池管理系统近预设充电次数的充电数据得到第一目标值;
所述根据所述充电装置的充电数据得到第二目标值,包括:
根据所述充电装置近预设充电次数的充电数据得到第二目标值。
8.一种充电设备的故障预警装置,其特征在于,所述充电设备包括互相充电的充电装置和电池管理系统,所述装置包括:
数据获取模块,用于获取所述充电装置和所述电池管理系统的充电数据;
第一计算模块,用于根据所述电池管理系统的充电数据得到第一目标值;
第二计算模块,用于根据所述充电装置的充电数据得到第二目标值;
第一故障预警模块,用于若所述第一目标值大于第一预设阈值,生成第一故障预警信息;所述第一故障预警信息用于表征所述电池管理系统即将或已经出现故障;
第二故障预警模块,用于若所述第二目标值大于第二预设阈值,生成第二故障预警信息;所述第二故障预警信息用于表征所述充电装置即将或已经出现故障。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310355650.7A CN116403376A (zh) | 2023-04-04 | 2023-04-04 | 充电设备的故障预警方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310355650.7A CN116403376A (zh) | 2023-04-04 | 2023-04-04 | 充电设备的故障预警方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116403376A true CN116403376A (zh) | 2023-07-07 |
Family
ID=87017402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310355650.7A Pending CN116403376A (zh) | 2023-04-04 | 2023-04-04 | 充电设备的故障预警方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116403376A (zh) |
-
2023
- 2023-04-04 CN CN202310355650.7A patent/CN116403376A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
CN110133531B (zh) | 一种电池监测方法、装置及电子设备 | |
CN112406545B (zh) | 继电器温升监测方法、装置及电动汽车 | |
CN115330275B (zh) | 一种退役电池的梯次利用方法及装置 | |
US11635467B2 (en) | Evaluation device, computer program, and evaluation method | |
CN114397579A (zh) | 电池数据处理方法、装置、设备、介质及程序产品 | |
CN116482540A (zh) | 电池电压不一致性的分析预测方法、装置及系统 | |
CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
Tarar et al. | Accurate prediction of remaining useful life for lithium-ion battery using deep neural networks with memory features | |
CN116403376A (zh) | 充电设备的故障预警方法、装置和计算机设备 | |
Wang et al. | A comprehensive data-driven assessment scheme for power battery of large-scale electric vehicles in cloud platform | |
Renold et al. | Comprehensive Review of Machine Learning, Deep Learning, and Digital Twin Data-Driven Approaches in Battery Health Prediction of Electric Vehicles | |
CN115825790B (zh) | 电池绝缘故障的预警方法、装置、系统和计算机设备 | |
CN117341477B (zh) | 磷酸铁锂动力电池内短路预警方法、装置和计算机设备 | |
CN110751747A (zh) | 一种数据处理方法及装置 | |
CN116302364B (zh) | 自动驾驶可靠性测试方法、装置、设备、介质和程序产品 | |
CN117799440A (zh) | 动力电池的一致性预警方法、装置和计算机设备 | |
CN117930017A (zh) | 基于机器学习的健康状态确定方法、装置和计算机设备 | |
CN115829543B (zh) | 基于故障需检区间的电力设备预防性试验有效性确定方法 | |
CN115630527B (zh) | 出清异常模型检测方法、装置、计算机设备和存储介质 | |
CN116577669A (zh) | 电池安全的检测方法及电池安全检测模型的生成方法 | |
CN117890808A (zh) | 电池包异常检测方法、装置、计算机设备和存储介质 | |
Zhang et al. | A novel method of battery pack energy health estimation based on visual feature learning | |
CN118034961A (zh) | 设备系统的可靠性评估方法、装置、计算机设备及介质 | |
CN116118533A (zh) | 一种电动汽车充电故障智能诊断方法、系统及存储介质 |
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 |