CN116413618A - 磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 - Google Patents
磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116413618A CN116413618A CN202111678810.9A CN202111678810A CN116413618A CN 116413618 A CN116413618 A CN 116413618A CN 202111678810 A CN202111678810 A CN 202111678810A CN 116413618 A CN116413618 A CN 116413618A
- Authority
- CN
- China
- Prior art keywords
- battery
- battery data
- voltage
- self
- sliding window
- 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
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 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]
- G01R31/385—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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本公开实施例提供了一种磷酸铁锂电池自放电检测方法、电子设备及可读存储介质。所述方法包括:对获取到的电池数据进行排序;所述电池数据中至少包括最高电压和最低电压;在判断设定长度的滑动窗口内的每个所述电池数据均满足预设条件时,计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和;其中,所述滑动窗口内包括N个所述电池数据,所述滑动窗口沿排序后的所述电池数据平滑移动,N为大于零的整数;在判断所述电压差之和大于设定电压差阈值的情况下,确定所述电池自放电性能异常。根据本公开实施例,可以在行车过程中快速可靠的检测磷酸铁锂电池的自放电情况。
Description
技术领域
本公开实施例涉及电池测试技术领域,更具体地,本公开实施例涉及一种磷酸铁锂电池自放电检测方法、电子设备及可读存储介质。
背景技术
动力电池通常包括多个串联或并联的单体电池,每个单体电池都必须具备良好的性能一致性,才能保证电池组的性能、循环寿命和安全等。衡量电池一致性的主要指标有容量、自放电、内阻等。其中,电池自放电严重会导致电池内单体电池的不一致性增强,进而影响电池的可使用容量。
传统的磷酸铁锂电池自放电检测方法通常是基于单体电池开发过程中的漏电流进行检测,无法实现在行车过程中检测电池的自放电情况,因此,有必要提出一种新的磷酸铁锂电池自放电检测方法。
发明内容
本公开实施例的一个目的是提供一种磷酸铁锂电池自放电检测方法,可以在行车过程中快速可靠的检测电池的自放电情况。
根据本公开实施例的第一方面,提供一种磷酸铁锂电池自放电检测方法,包括:
对获取到的电池数据进行排序;所述电池数据中至少包括最高电压和最低电压;
在判断设定长度的滑动窗口内的每个所述电池数据均满足预设条件时,计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和;其中,所述滑动窗口内包括N个所述电池数据,所述滑动窗口沿排序后的所述电池数据平滑移动,N为大于零的整数;
在判断所述电压差之和大于设定电压差阈值的情况下,确定所述电池自放电性能异常。
可选地,所述电池数据还包括:电池标识,电池数据的获取时间,充放电状态,荷电状态和最低温度。
可选地,所述预设条件包括:
所述最高电压大于设定最高电压;
所述充放电状态为放电状态;
所述最低温度大于设定温度;以及,
所述电池数据获取时间小于设定间隔时间。
可选地,在对获取到的电池数据进行排序之前,所述方法还包括:
获取训练样本集,所述训练样本集中包括多个训练样本,每个所述训练样本具有对应的真实故障标签;
将所述训练样本输入参数优化算法模型,对训练参数进行优化计算,输出预测故障标签;其中,所述训练参数中包括所述滑动窗口对应的长度,所述设定电压差阈值以及所述设定最高电压;
根据设定的优化损失函数对所述真实故障标签和所述预测故障标签进行计算,在计算结果不满足设定误差阈值的情况下,调整训练参数,并执行所述将所述训练样本输入参数优化算法模型进行计算的操作;
在所述计算结果满足设定误差阈值的情况下,输出优化后的所述训练参数。
可选地,计算所述滑动窗口内每个所述电池数据对应的电压差之和,包括:
计算每个所述电池数据的所述最高电压与所述最低电压之间的电压差;
对所有所述电压差求和,计算得到所述电压差之和。
可选地,所述对获取到的电池数据进行排序之前,所述方法还包括:
对所述电池数据进行数据清洗处理;其中,所述数据清洗处理至少包括:去除空值处理,去除离群电压值处理和去除获取时间重复的电池数据的处理。
可选地,所述对获取到的电池数据进行排序,包括:
按照所述获取时间增加的顺序对所述电池数据进行排序。
可选地,所述计算所述滑动窗口内每个所述电池数据对应的电压差之和之后,所述方法还包括:
在判断所述电压差之和小于或等于所述设定电压差阈值的情况下,确定所述电池自放电性能正常。
根据本公开实施例的第二方面,提供了一种电子设备,包括存储器和处理器,所述存储器用于存储可执行的指令;所述处理器用于在所述指令的控制下执行根据本公开实施例的第一方面中任一项所述的磷酸铁锂电池自放电检测方法。
根据本公开实施例的第三方面,提供了一种可读存储介质,存储有计算机程序,所述计算机程序在被处理器执行时,实现如本公开实施例的第一方面中任一项所述的磷酸铁锂电池自放电检测方法。
本公开的一个有益效果在于,通过对获取到的电池数据进行排序;所述电池数据中至少包括最高电压和最低电压;在判断设定长度的滑动窗口内的每个所述电池数据均满足预设条件时,计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和;其中,所述滑动窗口内包括N个所述电池数据,所述滑动窗口沿排序后的所述电池数据平滑移动,N为大于零的整数;在判断所述电压差之和大于设定电压差阈值的情况下,确定所述电池自放电性能异常。根据本公开实施例的磷酸铁锂电池自放电检测方法可以部署在车端或者云端的电池管理系统(Battery Management System,BMS)进行自放电异常检测,不需要添加额外的硬件设备,且无需借助于电化学模型和SOC-OCV对应表等先验知识,也无需进行电化学参数标定,而是基于对行车过程中获取到的电池数据进行分析即可,可以在行车过程中快速可靠的检测磷酸铁锂电池的自放电情况。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是一种示例性的电子设备的硬件配置的原理框图;
图2是根据本公开实施例的磷酸铁锂电池自放电检测方法的流程示意图;
图3是一种示例性的电子设备的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
如图1所示,可以应用本公开的磷酸铁锂电池自放电检测方法的电子设备1000可以包括处理器1100、存储器1200通信装置1300、显示装置1400、输入装置1500等。
处理器1100可以是移动版处理器。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。。通信装置1300例如能够进行有线或无线通信,通信装置1300可以包括短距离通信装置,例如是基于Hilink协议、WiFi(IEEE 802.11协议)、Mesh、蓝牙、ZigBee、Thread、Z-Wave、NFC、UWB、LiFi等短距离无线通信协议进行短距离无线通信的任意装置,通信装置1300也可以包括远程通信装置,例如是进行WLAN、GPRS、2G/3G/4G/5G远程通信的任意装置。显示装置1400例如是液晶显示屏、触摸显示屏等。输入装置1500例如可以包括触摸屏、键盘等。
本实施例中,电子设备1000的存储器1200用于存储指令,该指令用于控制处理器1100进行操作以实现磷酸铁锂电池自放电检测方法。技术人员可以根据本公开所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
尽管在图1中示出了电子设备1000的多个装置,但是,本公开可以仅涉及其中的部分装置,例如,终端设备1000只涉及存储器1200和处理器1100、通信装置1300和显示装置1400。
应当理解的是,尽管图1仅示出一个电子设备1000,但不意味着限制电子设备1000的数量。
<方法实施例>
图2是根据本公开实施例的磷酸铁锂电池自放电检测方法的流程示意图。
如图2所示,本实施例的磷酸铁锂电池自放电检测方法具体可以由如图1所示的电子设备1000执行。
具体的,本实施例的磷酸铁锂电池自放电检测方法可以包括如下步骤2100~步骤2300:
步骤2100,对获取到的电池数据进行排序;所述电池数据中至少包括最高电压和最低电压。
所述电子设备1000可以从云服务器获取行车过程中磷酸铁锂电池在设定时间间隔上传的实时电池数据。其中,所述电池数据还可以包括:电池标识,电池数据的获取时间,充放电状态,荷电状态和最低温度。
所述电子设备1000在对获取到的电池数据进行排序时,具体可以按照所述获取时间增加的顺序进行排序。
在一个实施例中,为了去除无效电池数据,在对获取到的电池数据进行排序之前,所述电子设备1000还可以对所述电池数据进行数据清洗处理;其中,所述数据清洗处理至少包括:去除空值处理,去除离群电压值处理和去除获取时间重复的电池数据的处理。
在完成数据清洗处理后,再对所述电池数据按照所述获取时间增加的顺序进行排序。
步骤2200,在判断设定长度的滑动窗口内的每个所述电池数据均满足预设条件时,计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和;其中,所述滑动窗口内包括N个所述电池数据,所述滑动窗口沿排序后的所述电池数据平滑移动,N为大于零的整数。
本步骤中,所述预设条件包括:所述最高电压大于设定最高电压;所述充放电状态为放电状态;所述最低温度大于设定温度;以及,所述电池数据获取时间小于设定间隔时间。所述滑动窗口内的每个所述电池数据均需要满足上述所述预设条件。
可以理解的是,若所述滑动窗口内有一个所述电池数据不满足所述预设条件,则无需执行本步骤2200,移动所述滑动窗口后再次对滑动窗口内的电池数据是否满足所述预设条件进行判断,在满足所述预设条件时,执行本步骤2200。
所述电子设备1000在计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和时,具体可以先计算每个所述电池数据的所述最高电压与所述最低电压之间的电压差;然后对所有所述电压差求和,计算得到所述电压差之和。
在一个实施例中,为了保证电池数据是非低温情况下的数据,避免出现低温下高内阻高压差的情况对检测结果造成干扰,所述设定温度Para_Temp可以为15℃。为了保证不掉帧,所述设定间隔时间Para_Time可以设置为45s。所述设定最高电压、所述滑动窗口的长度以及设定电压差可以通过参数优化算法模型对训练样本进行训练得到。
具体的,在上述步骤2100之前,可以先获取训练样本集,所述训练样本集中的每个样本带有真实的故障标签label_real,主要训练参数包括滑动窗口的长度Len_Window、电压差阈值Para_DV和最高电压Para_Vmax。
将所述训练样本输入参数优化算法模型,对训练参数进行优化计算,输出预测故障标签label_pred。然后,根据设定的优化损失函数对所述真实故障标签和所述预测故障标签进行计算,在计算结果不满足设定误差阈值的情况下,调整训练参数,并执行所述将所述训练样本输入参数优化算法模型进行计算的操作;在所述计算结果满足设定误差阈值的情况下,输出优化后的训练参数。
示例性的,可以根据设定的优化损失函数1-Phi(label_real,label_pred)对所述真实故障标签label_real和所述预测故障标签label_pred进行计算。其中,Phi为所述真实故障标签label_real和所述预测故障标签label_pred的相关系数。所述真实故障标签label_real可以包括真实故障标签和真实非故障标签,示例性的,若真实故障标签为1,则真实非故障标签为0;若所述真实故障标签为0,则所述真实非故障标签为1。同样的,所述预测故障标签label_pred可以包括预测故障标签和预测非故障标签,示例性的,若预测故障标签为1,则预测非故障标签可以为0;若预测故障标签为0,则预测非故障标签可以为1。
在本实施例中,所使用的参数优化算法模型可以是遗传算法。
在一个例子中,经过遗传算法求解得到的训练参数组合中,所述设定最高电压Para_Vmax可以为3.2V,所述滑动窗口的长度Len_Window可以设置为27帧,设定电压差Para_DV可以为0.304V。
也就是说,逐个判断长度为27帧的滑动窗口内的每个所述电池数据中,所述最高电压是否大于3.2V,所述充放电状态是否为放电状态,所述最低温度是否大于15℃,以及所述电池数据获取时间是否小于45s。在上述判断结果均为是的情况下,计算每个所述电池数据的所述最高电压与所述最低电压之间的电压差,再对所有电压差求和,得到所述电压差之和。
步骤2300,在判断所述电压差之和大于设定电压差阈值的情况下,确定所述电池自放电性能异常。
本步骤中,所述设定电压差阈值为所述设定电压差Para_DV与滑动窗口的长度Len_Window的乘积。若所述电压差之和大于所述设定电压差阈值,根据电池的SOC-OCV(State Of Charge-Open Circuit Voltage,荷电状态-开路电压)曲线,所设置的压差必然是最低电压Vmin进入放电末端造成的,而此时电池的最高电压Vmax依然维持在较高的水平,如3.2V,说明电池的最低电压Vmin和最高电压Vmax的不均衡已经很严重,则表明所述电池自放电严重,存在安全隐患,所述电子设备1000在判断出所述电池自放电性能异常的情况下,可以发出报警提示信息。
可选地,所述报警提示信息可以包括以下至少一种:声音报警,提示消息报警。在此不做具体限定。
可以理解的是,在判断所述电压差之和小于或等于所述设定电压差阈值的情况下,所述电子设备1000可以确定所述电池自放电性能正常。
根据本实施例的磷酸铁锂电池自放电检测方法,通过对获取到的电池数据进行排序;所述电池数据中至少包括最高电压和最低电压;在判断设定长度的滑动窗口内的每个所述电池数据均满足预设条件时,计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和;其中,所述滑动窗口内包括N个所述电池数据,所述滑动窗口沿排序后的所述电池数据平滑移动,N为大于零的整数;在判断所述电压差之和大于设定电压差阈值的情况下,确定所述电池自放电性能异常。本实施例的磷酸铁锂电池自放电检测方法可以部署在车端或者云端的电池管理系统(BMS)进行自放电异常检测,不需要添加额外的硬件设备,且无需借助于电化学模型和SOC-OCV对应表等先验知识,也无需进行电化学参数标定,而是基于对行车过程中获取到的电池数据进行分析即可快速可靠的检测磷酸铁锂电池的自放电情况。
<电子设备实施例>
在本实施例中,还提供一种电子设备3000。
如图3所示,电子设备3000可以包括处理器3100和存储器3200,该存储器3200用于存储可执行的指令;该处理器3100用于根据指令的控制运行电子设备3000执行根据上述图2所述实施例的磷酸铁锂电池自放电检测方法。
<介质实施例>
本公开实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时,实现前述任一实施例提供的磷酸铁锂电池自放电检测方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程磷酸铁锂电池自放电检测装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程磷酸铁锂电池自放电检测装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程磷酸铁锂电池自放电检测装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程磷酸铁锂电池自放电检测装置、或其它设备上,使得在计算机、其它可编程磷酸铁锂电池自放电检测装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程磷酸铁锂电池自放电检测装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种磷酸铁锂电池自放电检测方法,其特征在于,包括:
对获取到的电池数据进行排序;所述电池数据中至少包括最高电压和最低电压;
在判断设定长度的滑动窗口内的每个所述电池数据均满足预设条件时,计算所述滑动窗口内每个所述电池数据对应的最高电压和最低电压的电压差之和;其中,所述滑动窗口内包括N个所述电池数据,所述滑动窗口沿排序后的所述电池数据平滑移动,N为大于零的整数;
在判断所述电压差之和大于设定电压差阈值的情况下,确定所述电池自放电性能异常。
2.根据权利要求1所述的方法,其特征在于,所述电池数据还包括:电池标识,电池数据的获取时间,充放电状态,荷电状态和最低温度。
3.根据权利要求2所述的方法,其特征在于,所述预设条件包括:
所述最高电压大于设定最高电压;
所述充放电状态为放电状态;
所述最低温度大于设定温度;以及,
所述电池数据获取时间小于设定间隔时间。
4.根据权利要求3所述的方法,其特征在于,在对获取到的电池数据进行排序之前,所述方法还包括:
获取训练样本集,所述训练样本集中包括多个训练样本,每个所述训练样本具有对应的真实故障标签;
将所述训练样本输入参数优化算法模型,对训练参数进行优化计算,输出预测故障标签;其中,所述训练参数中包括所述滑动窗口对应的长度,所述设定电压差阈值以及所述设定最高电压;
根据设定的优化损失函数对所述真实故障标签和所述预测故障标签进行计算,在计算结果不满足设定误差阈值的情况下,调整所述训练参数,并执行所述将所述训练样本输入参数优化算法模型进行计算的操作;
在所述计算结果满足设定误差阈值的情况下,输出优化后的所述训练参数。
5.根据权利要求3所述的方法,其特征在于,计算所述滑动窗口内每个所述电池数据对应的电压差之和,包括:
计算每个所述电池数据的所述最高电压与所述最低电压之间的电压差;
对所有所述电压差求和,计算得到所述电压差之和。
6.根据权利要求2所述的方法,其特征在于,所述对获取到的电池数据进行排序之前,所述方法还包括:
对所述电池数据进行数据清洗处理;其中,所述数据清洗处理至少包括:去除空值处理,去除离群电压值处理和去除获取时间重复的电池数据的处理。
7.根据权利要求2所述的方法,其特征在于,所述对获取到的电池数据进行排序,包括:
按照所述获取时间增加的顺序对所述电池数据进行排序。
8.根据权利要求1所述的方法,其特征在于,所述计算所述滑动窗口内每个所述电池数据对应的电压差之和之后,所述方法还包括:
在判断所述电压差之和小于或等于所述设定电压差阈值的情况下,确定所述电池自放电性能正常。
9.一种电子设备,包括存储器和处理器,所述存储器用于存储可执行的指令;所述处理器用于在所述指令的控制下执行根据权利要求1~8中任一项所述的磷酸铁锂电池自放电检测方法。
10.一种可读存储介质,其特征在于,存储有计算机程序,所述计算机程序在被处理器执行时,实现如权利要求1~8中任一项所述的磷酸铁锂电池自放电检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678810.9A CN116413618A (zh) | 2021-12-31 | 2021-12-31 | 磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678810.9A CN116413618A (zh) | 2021-12-31 | 2021-12-31 | 磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116413618A true CN116413618A (zh) | 2023-07-11 |
Family
ID=87055213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111678810.9A Pending CN116413618A (zh) | 2021-12-31 | 2021-12-31 | 磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116413618A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233629A (zh) * | 2023-11-13 | 2023-12-15 | 深圳市普裕时代新能源科技有限公司 | 一种锂离子电池电性能测试方法、系统、设备及介质 |
-
2021
- 2021-12-31 CN CN202111678810.9A patent/CN116413618A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233629A (zh) * | 2023-11-13 | 2023-12-15 | 深圳市普裕时代新能源科技有限公司 | 一种锂离子电池电性能测试方法、系统、设备及介质 |
CN117233629B (zh) * | 2023-11-13 | 2024-01-30 | 深圳市普裕时代新能源科技有限公司 | 一种锂离子电池电性能测试方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | State of health estimation of lithium-ion batteries based on the constant voltage charging curve | |
US20220239122A1 (en) | Server-side characterisation of rechargeable batteries | |
Dong et al. | Kalman filter for onboard state of charge estimation and peak power capability analysis of lithium-ion batteries | |
Sun et al. | Estimation of state-of-charge and state-of-power capability of lithium-ion battery considering varying health conditions | |
Jiang et al. | An adaptive capacity estimation approach for lithium-ion battery using 10-min relaxation voltage within high state of charge range | |
CN107852771B (zh) | 基于自适应滤波的网络异常检测 | |
KR20180037760A (ko) | 배터리 상태 추정 장치 및 방법 | |
US20190178945A1 (en) | Battery state of charge prediction method and system | |
CN109100655B (zh) | 一种动力电池的数据处理方法和装置 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
US11619679B2 (en) | Method, apparatus and medium for estimating battery remaining life | |
Li et al. | Real-time estimation of lead-acid battery parameters: A dynamic data-driven approach | |
KR102515853B1 (ko) | 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법 | |
CN115184807A (zh) | 电池的故障检测方法、装置、设备、介质和产品 | |
US20220373609A1 (en) | State Value for Rechargeable Batteries | |
CN116413618A (zh) | 磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 | |
KR20210080069A (ko) | 배터리 진단 장치 및 방법 | |
CN116559667A (zh) | 模型训练方法及装置、电池检测方法及装置、设备、介质 | |
CN104852415A (zh) | 预充电过程监控方法及系统 | |
US20220283242A1 (en) | Method and device for managing battery data | |
CN113721161B (zh) | 锂离子电池组的一致性评估方法及装置 | |
US20220284747A1 (en) | System and method for forecasting battery state with imperfect data | |
Maheshwari et al. | Effect of noise covariance matrices on state of charge estimation using extended kalman filter | |
CN116794518A (zh) | 一种退役锂电池的荷电状态预测方法及系统 | |
Obeid et al. | Supervised learning for early and accurate battery terminal voltage collapse detection |
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 |