CN116559703A - 一种电芯的soh评估方法、装置、设备及存储介质 - Google Patents
一种电芯的soh评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116559703A CN116559703A CN202310558119.XA CN202310558119A CN116559703A CN 116559703 A CN116559703 A CN 116559703A CN 202310558119 A CN202310558119 A CN 202310558119A CN 116559703 A CN116559703 A CN 116559703A
- Authority
- CN
- China
- Prior art keywords
- cell
- soh
- battery
- determining
- target
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
本发明提供了一种电芯的SOH评估方法、装置、设备及存储介质,其中,该方法包括:预先选定与电芯的SOH相关的相关特征;确定参考电芯的SOH,并确定所述参考电芯的相关特征;确定目标电芯的相关特征;根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度;根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。通过本发明实施例提供的电芯的SOH评估方法、装置、设备及存储介质,在知道参考电芯SOH的情况下,可以根据参考电芯与目标电芯之间的关联度,估算出目标电芯的SOH。该方法不需要大量标签就可以计算单体电芯的SOH,降低了电池簇中电芯SOH的估算难度。
Description
技术领域
本发明涉及电芯的SOH评估技术领域,具体而言,涉及一种电芯的SOH评估方法、装置、设备及存储介质。
背景技术
储能电站一般包括多个电池簇,而电池簇是由若干个电芯组成的电池模块。在电芯的评估中,电芯的SOH(健康状态)是评估电芯可靠性的重要指标。在储能电站的数据采集中,大部分储能电站因为串并联结构的问题,只有电池簇的电流和SOC数据,因此多数算法只能计算到电池簇级别的SOH。
而在算法层面,如果根据机器学习模型评估电芯的SOH,需要用到大量真实电站的数据作为训练集,并且需要电芯的SOH作为数据的标签。而在储能电站的数据采集中,缺少大量的真实电站的数据,并且数据没有标签(即不能直接获取电芯的SOH),导致训练模型比较困难。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种电芯的SOH评估方法、装置、设备及存储介质。
第一方面,本发明实施例提供了一种电芯的SOH评估方法,包括:
预先选定与电芯的SOH相关的相关特征;
确定参考电芯的SOH,并确定所述参考电芯的相关特征,所述参考电芯为待测电池簇中的一个电芯;
确定目标电芯的相关特征,所述目标电芯为所述待测电池簇中除所述参考电芯之外的其他电芯;
根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度;
根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。
第二方面,本发明实施例还提供了一种电芯的SOH评估装置,包括:
预处理模块,用于预先选定与电芯的SOH相关的相关特征;
参考电芯确定模块,用于确定参考电芯的SOH,并确定所述参考电芯的相关特征,所述参考电芯为待测电池簇中的一个电芯;
目标电芯确定模块,用于确定目标电芯的相关特征,所述目标电芯为所述待测电池簇中除所述参考电芯之外的其他电芯;
关联度确定模块,用于根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度;
SOH确定模块,用于根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。
第三方面,本发明实施例提供了一种设备,包括处理器和存储器,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存储器中存储的计算机程序,所述计算机程序被所述处理器执行时实现上述第一方面所述的电芯的SOH评估方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的电芯的SOH评估方法。
第五方面,本申请还提供一种计算机程序产品,包括计算机程序,当计算机程序被执行时,可以实现上述第一方面或者第一方面的任一种可能的设计方式所述的电芯的SOH评估方法。
本发明实施例提供的电芯的SOH评估方法、装置、设备及存储介质,在获取参考电芯和目标电芯与SOH相关的相关特征后,根据两者的相关特征计算出参考电芯与目标电芯之间的关联度,在知道参考电芯SOH的情况下,可以根据参考电芯与目标电芯之间的关联度,估算出目标电芯的SOH。该方法不需要训练模型,也就是说不需要大量标签(电芯的SOH)就可以计算单体电芯的SOH,降低了电池簇中电芯SOH的估算难度。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案,下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
图1示出了本发明实施例所提供的一种电芯的SOH评估方法的流程图;
图2示出了本发明实施例所提供的电芯的SOH评估方法中,电压分层现象图;
图3示出了本发明实施例所提供的电芯的SOH评估方法中,容量增量曲线图;
图4示出了本发明实施例所提供的一种电芯的SOH评估装置的结构示意图;
图5示出了本发明实施例所提供的一种电芯的SOH评估设备的结构示意图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。
图1示出了本发明实施例所提供的一种电芯的SOH评估方法的流程图。如图1所示,该方法包括:
步骤102:预先选定与电芯的SOH相关的相关特征。
在电芯的工作过程中,可以采集到电芯的电流、电压、容量等随着工作时间而变化的数据,分析这些数据,可以从中提取出多个特征,例如达到截止电压的时间。其中至少部分特征能体现出电芯的老化状态,即电芯的SOH(健康状态),这些特征可以被选定为与电芯的SOH相关的特征,即相关特征。例如,不同SOH的电芯在同样电流工况下达到截止电压的时间并不相同,因此,达到截止电压的时间能体现出电芯的SOH,可以被选定为相关特征。
步骤104:确定参考电芯的SOH,并确定所述参考电芯的相关特征,所述参考电芯为待测电池簇中的一个电芯。
步骤106:确定目标电芯的相关特征,所述目标电芯为所述待测电池簇中除所述参考电芯之外的其他电芯。
将需要估算电芯SOH的电池簇称作待测电池簇,一般电池簇中包括多个电芯,大部分电芯的SOH是不容易直接估算出来,但至少有一个电芯的SOH是能够确定的,将能够确定SOH的电芯作为参考电芯。具体来说,如果只能确定一个电芯的SOH,将该电芯作为参考电芯;如果可以确定多个电芯的SOH,可以任意选择其中一个作为参考电芯,或者为了便于计算,选择这多个电芯中SOH最小的电芯作为参考电芯。在采集参考电芯的数据时,可以提取出参考电芯的相关特征,该相关特征是步骤102中选定的与电芯的SOH相关的相关特征。在确定参考电芯后,待测电池簇中除参考电芯以外的电芯是目标电芯,也就是需要通过本发明实施例的方法估算SOH的电芯。与确定参考电芯的相关特征一样,在采集目标电芯的数据时,可以提取出目标电芯的相关特征,该相关特征是步骤102中选定的与电芯的SOH相关的相关特征。
步骤108:根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度。
参考电芯的相关特征和目标电芯的相关特征,两者存在对应关系,可以计算出两者的关联度。例如,将参考电芯的各相关特征作为一个整体A,目标电芯的各相关特征作为一个整体B,计算出A和B之间的关联度,A与B之间的关联度也就是目标电芯与参考电芯之间的关联度。或者,如果有N个相关特征,对每一个相关特征计算一个目标电芯和参考电芯的关联性大小,可以计算出目标电芯和参考电芯之间的N个关联性大小;将目标电芯和参考电芯的各相关特征的关联性大小,集中到一个值,即该值能够表示目标电芯和参考电芯的关联程度,则该值可以作为目标电芯和参考电芯的关联度。例如将N个关联性大小的平均值,作为目标电芯和参考电芯的关联度。
步骤110:根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。
由步骤108可以看出,关联度表示两个电芯之间的关联程度,两个电芯的SOH越接近,电芯的相关特征越相似,相关特征的关联程度也越大,电芯之间的关联度也越大。因此,通过关联度可以反推出电芯的SOH,也就是说,在参考电芯SOH已知的情况下,通过目标电芯与参考电芯之间的关联度,可以反推出目标电芯的SOH。例如,两个电芯之间的关联度越大,二者之间的SOH差值越小,在参考电芯SOH已知的情况下,基于二者之间的SOH差值即可确定目标电芯的SOH。
本发明实施例提供的一种电芯的SOH评估方法,获取参考电芯和目标电芯与SOH相关的相关特征后,根据两者的相关特征计算出参考电芯与目标电芯之间的关联度,在知道参考电芯SOH的情况下,可以根据参考电芯与目标电芯之间的关联度,估算出目标电芯的SOH。该方法不需要训练模型,也就是说不需要大量标签(电芯的SOH)就可以计算单体电芯的SOH,降低了电池簇中电芯SOH的估算难度。
在本发明实施例中,可选地,所述预先选定与电芯的SOH相关的相关特征,包括步骤A1:
步骤A1:预先获取选定电芯在不同SOH下的特征,根据所述特征与所述选定电芯SOH之间的相关性,筛选出至少部分所述特征作为与电芯的SOH相关的相关特征。
为了选出较优的相关特征,即能够更稳定、准确体现电芯SOH的特征,可以通过一个电芯的多种特征和SOH的对应关系,筛选出能稳定、准确体现电芯SOH的特征。预先选择一个可以进行标定的电芯作为选定电芯,这里可以进行标定的电芯指的是可以准确测得SOH的电芯。例如,若在一个公开数据集中,记录了一个电芯在不同SOH下的工况数据,也可以将该公开数据集中记录的电芯作为选定电芯。由于同一类型的电芯衰减趋势基本类似,这里的选定电芯最好是与待测电池簇中的电芯属于同一类型,例如都是磷酸铁锂电芯或者都是三元电芯。如果选定电芯与待测电池簇中的电芯不是同一类型,由于不同电芯的衰减速率可能不一样(即特征的变化速率可能不一样),为了使得目标电芯的SOH计算结果更准确,可以在计算得到的目标电芯的SOH的结果之后进行卡尔曼滤波处理,即将计算得到的目标电芯的SOH作为观测值,利用充放电过程中的安时积分法得到的容量作为测量值进行滤波,将进行滤波处理后的结果作为最终的目标电芯的SOH,即目标电芯的SOH。
获取选定电芯在不同SOH下的特征,得到多组特征和对应的多个SOH,根据多组特征和对应的多个SOH确定各特征和电芯SOH的相关性系数。
例如,当前可以确定选定电芯在不同SOH下的d组数据,即每组数据对应选定电芯的一个SOH;并且,从每组数据中可以提取出选定电芯的K种特征,即对于每一种特征,可以确定该选定电芯的d个特征。假设有20组数据,d=20,即有20组特征和对应的20个SOH,每组特征包括一个SOH下的K种特征。其中,可以通过以下公式计算出每种特征和电芯SOH之间的相关性系数:
其中,k指第k种特征,k=1,2,…,K;rk为第k种特征与SOH之间的相关性系数,为第i组数据中提取出的第k种特征,/>为d组数据中第k种特征的均值;Yi为第i组数据对应的SOH,/>为d个SOH的均值。由上式可以得到每种特征与SOH之间的相关性系数,即可以得到K个相关性系数。
根据各特征和电芯SOH的相关性系数,在所有特征中,筛选出至少部分与电芯SOH相关性较高的特征,作为与电芯SOH相关的相关特征。例如选择其中强相关的特征作为相关特征,例如,当第k种特征的相关性系数rk满足|rk|>0.5时,该第k种特征可以作为与电芯SOH相关的相关特征。例如,这K种特征中,存在M种特征符合要求,则可将这M种特征作为相关特征,即相关特征的种类数为M。
在本发明实施例中,可选地,所述预先获取选定电芯在不同SOH下的特征,包括步骤A11:
步骤A11:预先获取选定电芯在不同SOH下的电压和容量增量之间的相关关系,从所述相关关系中提取出特征。
在电芯数据中,电芯的电压变化最能体现电芯的老化状态,比如不同SOH的电芯在同样电流工况下达到截止电压的时间并不相同,这就导致出现电压分层现象,具体来说:以充电的情况为例,当电芯老化程度高,即电芯SOH低时,该电芯达到满充(充电到100%)的时间会较短,也就是说该电芯会比其他电芯更快达到截止电压。当系统检测到存在一个电芯的电压达到了截止电压,系统会停止充电,但实际上只有这一个电芯达到满充的状态,其他电芯可能只充了一部分,例如80%,这样就出现了电压的分层现象,如图2所示,即一个电芯达到了截止电压,其他电芯还没有达到截止电压。并且,由于存在电压分层现象,不同SOH的电芯,其电压和容量增量之间的相关关系也存在差异,从该相关关系中提取的特征能更准确地体现电芯SOH。一般情况下,电芯的容量增量曲线能清楚地反映电芯的电压和容量增量之间的相关关系,从多个电芯的容量增量曲线中也能容易看出电芯SOH的异常趋势,通过计算得到的容量增量曲线如图3所示,异常电芯的容量增量曲线会出现偏移。
在本发明实施例中,可选地,所述从所述相关关系中提取出特征,包括步骤A111:
步骤A111:确定所述相关关系中的至少一个极点,从所述极点中提取出特征。
选定电芯在不同SOH下的电压和容量增量之间的相关关系可以用电压和容量增量曲线来表示。一般曲线极点处的特征可以反映出电芯的内部状态,比如极点的移动或者极点高度的增大缩小均对应电芯内部的特征变化;且在不同SOH下,大部分特征的值不同,即这些特征能够较好地体现电芯的SOH。该极点可以为极大值点(峰值点),也可以是极小值点(谷值点);以极点为峰值点为例,当电芯SOH降低时,曲线中峰值点的峰高也会降低。
从极点中提取出的特征,例如可以包括:容量增量曲线的峰值,容量增量曲线峰值对应的电压,容量增量曲线峰值对应的SOC,容量增量曲线的两个峰值差,到达最大峰值的时间,达到最大峰值的电压变化等等特征;其中,这里提到的最大峰值指的是曲线中最大的峰值,达到最大峰值的电压变化指的是从充电或者放电的开始时间,到曲线达到最大峰值这一段时间的电压差。
在本发明实施例中,可选地,所述确定参考电芯的SOH,包括步骤B1:
步骤B1:确定所述待测电池簇的SOH,将最差电芯作为参考电芯;其中,所述最差电芯是达到截止电压的时间最短或者电压标准分绝对值最大的电芯,所述参考电芯的SOH为所述待测电池簇的SOH。
在电池簇这个级别上,能够采集到每一次充电或放电循环过程中电池簇完整的电流、电压、SOC(荷电状态)等数据,基于该数据可以确定电池簇的SOH。例如,将历史循环次数对应的电池簇完整的电流、电压、SOC等数据称作历史电池簇数据,根据这些历史电池簇数据可以拟合出电芯SOH经验衰减公式的相关系数,例如电芯SOH的经验衰减公式可以如下:
SOH=a*eb*Cycle+b*ec-Cylcle (2)
其中,Cycle是待测电池簇历史累计充放电循环的次数,a、b、c是方程的系数,即上述需要拟合得到的相关系数,这些相关系数可以通过历史电池簇数据拟合得出。在确定相关系数后,通过待测电池簇当前的循环次数和上述电芯经验衰减公式可以得到待测电池簇当前的SOH。
由电池簇的结构设计可以知道,电池簇的SOH是由最差电芯的SOH决定的,具体来说,如果一个电池簇包括2个电芯,2个电芯的SOH分别为90%、80%,则SOH为80%的电芯容量小,更快充满,即更快达到充电截止电压,当SOH为80%的电芯达到充电截止电压时,整个电池簇就会停止充电,这样另一个电芯(SOH为90%的电芯)就充不满,整个电池簇的SOH即为该电池簇中最差电芯的SOH。因此,确定了电池簇的SOH,等于确定了最差电芯的SOH。即,可以将最差电芯作为参考电芯。
在实际电站中,采用以下两种方法确定最差电芯。方法一:根据该电池簇下电芯到达充电截止电压或放电截止电压的时间来判断,充电过程中最早达到充电截止电压或者放电过程中最快达到放电截止电压的电芯就是最差电芯。方法二:计算该电池簇中各电芯所有电压的标准分,电芯所有电压的标准分可以表征电芯的离散程度,标准分绝对值最大的电芯即为最离散的电芯,也就是该电池簇中的最差电芯。
在本发明实施例中,可选地,所述根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH,包括通过以下公式实现:
其中,所述待测电池簇包括1个参考电芯,N-1个目标电芯,SOHn是所述待测电池簇中第n个所述目标电芯的SOH,SOH0是所述参考电芯的SOH,rn是所述待测电池簇中第n个目标电芯与所述参考电芯之间的关联度,其中,n=1,2,…,N-1。
步骤110中提到,通过目标电芯与参考电芯之间的关联度,可以确定二者之间的SOH差值;在参考电芯的SOH已知的情况下,基于二者之间的SOH差值即可确定目标电芯的SOH。当选定最差电芯为参考电芯时,即参考电芯的SOH最小,各目标电芯的SOH会大于参考电芯的SOH,因此各目标电芯的SOH等于参考电芯的SOH加上二者之间的SOH差值。
例如,第n个目标电芯与参考电芯之间的关联度为rn,则该第n个目标电芯与参考电芯之间SOH差值为(1-rn)*SOH0,该第n个目标电芯的SOH为:SOHn=(1-rn)*SOH0+SOH0。
在本发明实施例中,可选地,所述根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度,包括步骤C1至步骤C3:
步骤C1:计算所述目标电芯的各相关特征与所述参考电芯相对应的相关特征之间的关联系数。
本发明实施例中,为了能够准确表示参考电芯与目标电芯之间的关联度,预先选定多种相关特征;并且,对于每一种相关特征,均确定目标电芯与参考电芯之间的关联程度,即关联系数。例如,相关特征的种类数为M。
由于各相关特征具有不同的量纲和不同的数据范围,需要对数据进行归一化操作(常用均值化)去量纲,将它们统一到近似的范围内。对处理后的数据可以通过灰色关联分析方法或者其他方法计算出目标电芯的各相关特征与参考电芯相对应的相关特征之间的关联系数。如果采用灰色关联分析方法来计算关联系数,计算过程可具体如下:
其中,a和b为两级最小差和最大差,n∈[1,N-1],m∈[1,M]。x0m为参考电芯的第m种相关特征,xnm为第n个目标电芯的第m种相关特征,关联系数的计算公式如下:
其中,ξnm指对于第m种特征,第n个目标电芯和参考电芯的关联系数,xnm指第n个目标电芯的第m种相关特征,x0m指参考电芯的第m种相关特征。ρ为分辨系数,0<ρ<1,通常ρ取0.5。
步骤C2:确定各相关特征在所有相关特征中的权重。
步骤C3:根据所述相关系数和所述权重确定所述目标电芯与所述参考电芯之间的关联度。
不同的相关特征与电芯SOH之间的相关性一般不同,因此不同的相关特征可能在不同程度上体现电芯的SOH。例如,相关特征C与电芯SOH之间的相关性高,该相关特征C能较大程度上体现电芯的SOH,若相关特征D与电芯SOH之间的相关性比相关特征C与电芯SOH之间的低,该相关特征D相对于相关特征C在较低程度上体现电芯的SOH。可以用权重来表示相关特征体现电芯SOH的程度,具体来说,在所有相关特征中,相关特征与电芯SOH相关性较高的,该相关特征的权重较大,相关特征与电芯SOH之间的相关性较低的,该相关特征的权重较小。各相关特征在所有相关特征中的权重可以通过以下公式计算:
对于任意第n个目标电芯,该目标电芯的各相关特征在所有相关特征中的占比大小Pnm:
第m种特征对应的信息熵值em为:
对于任意一种相关特征,该相关特征在所有相关特征中的权重ωm为:
在确定目标电芯与参考电芯之间的关联度时,考虑各相关特征在所有相关特征中的权重,可以使得关联度能更准确反映目标电芯与参考电芯的相关关系,第n个目标电芯与参考电芯之间的关联度rn,可以通过以下公式计算得出:
在确定第n个目标电芯与参考电芯之间的关联度rn之后,可以根据参考电芯的SOH和该关联度确定目标电芯的SOH,例如,可以通过上式(3)计算得到任意第n个目标电芯的SOHn。
上文详细描述了本发明实施例提供的电芯的SOH评估方法,该方法也可以通过相应的装置实现,下面详细描述本发明实施例提供的电芯的SOH评估装置。
图4示出了本发明实施例所提供的一种电芯的SOH评估装置的结构示意图。如图4所示,该电芯的SOH评估装置包括:
预处理模块41,用于预先选定与电芯的SOH相关的相关特征。
参考电芯确定模块42,用于确定参考电芯的SOH,并确定所述参考电芯的相关特征,所述参考电芯为待测电池簇中的一个电芯。
目标电芯确定模块43,用于确定目标电芯的相关特征,所述目标电芯为所述待测电池簇中除所述参考电芯之外的其他电芯。
关联度确定模块44,用于根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度。
SOH确定模块45,用于根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。
在本发明实施例中,可选地,预处理模块41可以包括特征选取子模块:
特征选取子模块,用于预先获取选定电芯在不同SOH下的特征,根据所述特征与所述选定电芯SOH之间的相关性,筛选出至少部分所述特征作为与电芯的SOH相关的相关特征。
在本发明实施例中,可选地,特征选取子模块可以包括相关关系确定单元:
相关关系确定单元,用于预先获取选定电芯在不同SOH下的电压和容量增量之间的相关关系,从所述相关关系中提取出特征。
在本发明实施例中,可选地,相关关系确定单元可以包括极点确定子单元:
极点确定子单元,用于确定所述相关关系中的至少一个极点,从所述极点中提取出特征。
在本发明实施例中,可选地,参考电芯确定模块42可以包括最差电芯确定子模块:
最差电芯确定子模块,用于确定所述待测电池簇的SOH,将最差电芯作为参考电芯;其中,所述最差电芯是达到截止电压的时间最短或者电压标准分绝对值最大的电芯,所述参考电芯的SOH为所述待测电池簇的SOH。
在本发明实施例中,可选地,所述根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH,包括通过以下公式实现:
其中,所述待测电池簇包括1个参考电芯,N-1个目标电芯,SOHn是所述待测电池簇中第n个所述目标电芯的SOH,SOH0是所述参考电芯的SOH,rn是所述待测电池簇中第n个目标电芯与所述参考电芯之间的关联度,其中,n=1,2,…,N-1。
在本发明实施例中,可选地,关联度确定模块44可以包括以下子模块:
关联系数确定子模块,用于计算所述目标电芯的各相关特征与所述参考电芯相对应的相关特征之间的关联系数。
权重确定子模块,用于确定各相关特征在所有相关特征中的权重。
关联度确定子模块,用于根据所述关联系数和所述权重确定所述目标电芯与所述参考电芯之间的关联度。
需要说明的是,上述实施例提供的电芯的SOH评估装置在实现相应的功能时,仅以上述各功能模块的划分举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的电芯的SOH评估装置与电芯的SOH评估方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
根据本申请的一个方面,本发明实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装。在该计算机程序被处理器执行时,执行本申请实施例提供的电芯的SOH评估方法。
此外,本发明实施例还提供了一种电芯的SOH评估设备,该设备包括处理器和存储器,存储器存储有计算机程序,处理器能够执行存储器中存储的计算机程序,计算机程序被处理器执行时,可以实现上述任一实施例提供的电芯的SOH评估方法。
例如,图5示出了本发明实施例提供的一种电芯的SOH评估设备,该设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述电芯的SOH评估方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口(Accelerate Graphical Port,AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构(Industry Standard Architecture,ISA)总线、微通道体系结构(Micro Channel Architecture,MCA)总线、扩展ISA(Enhanced ISA,EISA)总线、视频电子标准协会(Video Electronics Standards Association,VESA)、外围部件互连(Peripheral Component Interconnect,PCI)总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、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(FieldProgrammable Gate Array,FPGA)、复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD)、可编程逻辑阵列(Programmable Logic Array,PLA)、微控制单元(Microcontroller Unit,MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory,RAM)、闪存(FlashMemory)、只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi-Fi)网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信(GSM)系统、码分多址(CDMA)系统、全球微波互联接入(WiMAX)系统、通用分组无线业务(GPRS)系统、宽带码分多址(WCDMA)系统、长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)系统、先进长期演进(LTE-A)系统、通用移动通信(UMTS)系统、增强移动宽带(Enhance Mobile Broadband,eMBB)系统、海量机器类通信(massive Machine Type of Communication,mMTC)系统、超可靠低时延通信(UltraReliable Low Latency Communications,uRLLC)系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存(Flash Memory)。
易失性存储器包括:随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本发明实施例描述的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器(Media Player)、浏览器(Browser),用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述电芯的SOH评估方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
计算机可读存储介质包括:永久性和非永久性、可移动和非可移动媒体,是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括:电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定,计算机可读存储介质不包括暂时信号本身,例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。
在本申请所提供的几个实施例中,应该理解到,所披露的装置、设备和方法,可以通过其他的方式实现。例如,以上描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的、机械的或其他的形式连接。
所述作为分离部件说明的单元可以是或也可以不是物理上分开的,作为单元显示的部件可以是或也可以不是物理单元,既可以位于一个位置,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分,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(包括:个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、设备及存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存(Flash Memory)、光纤、光盘只读存储器(CD-ROM)、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
上述计算机可读存储介质包含的计算机程序代码可以用任意适当的介质传输,包括:无线、电线、光缆、射频(Radio Frequency,RF)或者以上任意合适的组合。
可以以汇编指令、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、集成电路配置数据或以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,例如:Java、Smalltalk、C++,还包括常规的过程式程序设计语言,例如:C语言或类似的程序设计语言。计算机程序代码可以完全的在用户计算机上执行、部分的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以及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),可以连接到用户计算机,也可以连接到外部计算机。
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方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、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例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发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种电芯的SOH评估方法,其特征在于,包括:
预先选定与电芯的SOH相关的相关特征;
确定参考电芯的SOH,并确定所述参考电芯的相关特征,所述参考电芯为待测电池簇中的一个电芯;
确定目标电芯的相关特征,所述目标电芯为所述待测电池簇中除所述参考电芯之外的其他电芯;
根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度;
根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。
2.根据权利要求1所述的方法,其特征在于,所述预先选定与电芯的SOH相关的相关特征,包括:
预先获取选定电芯在不同SOH下的特征,根据所述特征与所述选定电芯SOH之间的相关性,筛选出至少部分所述特征作为与电芯的SOH相关的相关特征。
3.根据权利要求2所述的方法,其特征在于,所述预先获取选定电芯在不同SOH下的特征,包括:
预先获取选定电芯在不同SOH下的电压和容量增量之间的相关关系,从所述相关关系中提取出特征。
4.根据权利要求3所述的方法,其特征在于,所述从所述相关关系中提取出特征,包括:
确定所述相关关系中的至少一个极点,从所述极点中提取出特征。
5.根据权利要求1所述的方法,其特征在于,所述确定参考电芯的SOH,包括:
确定所述待测电池簇的SOH,将最差电芯作为参考电芯;其中,所述最差电芯是达到截止电压的时间最短或者电压标准分绝对值最大的电芯,所述参考电芯的SOH为所述待测电池簇的SOH。
6.根据权利要求5所述的方法,其特征在于,所述根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH,包括通过以下公式实现:
其中,所述待测电池簇包括1个参考电芯,N-1个目标电芯,SOHn是所述待测电池簇中第n个所述目标电芯的SOH,SOH0是所述参考电芯的SOH,rn是所述待测电池簇中第n个目标电芯与所述参考电芯之间的关联度,其中,n=1,2,…,N-1。
7.根据权利要求1所述的方法,其特征在于,所述根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度,包括:
计算所述目标电芯的各相关特征与所述参考电芯相对应的相关特征之间的关联系数;
确定各相关特征在所有相关特征中的权重;
根据所述关联系数和所述权重确定所述目标电芯与所述参考电芯之间的关联度。
8.一种电芯的SOH评估装置,其特征在于,包括:
预处理模块,用于预先选定与电芯的SOH相关的相关特征;
参考电芯确定模块,用于确定参考电芯的SOH,并确定所述参考电芯的相关特征,所述参考电芯为待测电池簇中的一个电芯;
目标电芯确定模块,用于确定目标电芯的相关特征,所述目标电芯为所述待测电池簇中除所述参考电芯之外的其他电芯;
关联度确定模块,用于根据所述参考电芯的相关特征和所述目标电芯的相关特征,确定所述目标电芯与所述参考电芯之间的关联度;
SOH确定模块,用于根据所述参考电芯的SOH和所述关联度确定所述目标电芯的SOH。
9.一种设备,包括处理器和存储器,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存储器中存储的计算机程序,以实现如权利要求1至7中任一项所述的电芯的SOH评估方法。
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如权利要求1至7中任一项所述的电芯的SOH评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310558119.XA CN116559703A (zh) | 2023-05-17 | 2023-05-17 | 一种电芯的soh评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310558119.XA CN116559703A (zh) | 2023-05-17 | 2023-05-17 | 一种电芯的soh评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559703A true CN116559703A (zh) | 2023-08-08 |
Family
ID=87499849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310558119.XA Pending CN116559703A (zh) | 2023-05-17 | 2023-05-17 | 一种电芯的soh评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559703A (zh) |
-
2023
- 2023-05-17 CN CN202310558119.XA patent/CN116559703A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108957337B (zh) | 电池健康状态的确定方法、装置、存储介质和电子设备 | |
CN114065552B (zh) | 一种量化分析电池性能的方法、装置及电子设备 | |
CN109991554B (zh) | 一种电池电量检测方法、装置及终端设备 | |
CN114563712B (zh) | 一种电池容量估算方法、装置及电子设备 | |
EP4148439A1 (en) | Battery state calculation method and calculation device, and storage medium | |
CN112014737B (zh) | 一种电芯的健康状态的检测方法、装置、设备及存储介质 | |
CN116165549A (zh) | 一种电池安全预警方法、装置及电子设备 | |
CN116973797A (zh) | 电池组一致性的判断方法、装置、设备及存储介质 | |
CN114357798B (zh) | 一种电池容量评估方法、装置及电子设备 | |
CN108594117B (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 | |
CN114675190A (zh) | 一种电池安全评估的方法、装置及电子设备 | |
CN115113054A (zh) | 一种梯次电池的安全评估方法、装置及电子设备 | |
CN117129879B (zh) | 阈值调整方法和电池健康状态预测模型的训练方法 | |
CN115840145B (zh) | 电化学参数辨识方法、装置、设备及存储介质 | |
CN116087814B (zh) | 一种提高电压采样精度的方法、装置及电子设备 | |
CN116559703A (zh) | 一种电芯的soh评估方法、装置、设备及存储介质 | |
CN116593921A (zh) | 计算电池soh的方法、装置、设备及存储介质 | |
CN114325431B (zh) | 一种电池直流内阻测算方法及装置 | |
CN115963404A (zh) | 一种电池荷电状态预测方法、设备和存储介质 | |
CN115618252A (zh) | 一种光伏接入容量评估方法、装置及电子设备 | |
CN115980590B (zh) | 电化学参数的辨识方法、装置、设备和存储介质 | |
CN114895209A (zh) | 面向锂电池少循环的二维支持域直推式健康状态预测方法 | |
CN114371435A (zh) | 一种bms传感器有效性评估方法、系统、电子设备及介质 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
CN117148170B (zh) | 一种电池储能系统及其储能测试方法 |
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 |