CN116819342A - 一种电池寿命曲线确定方法、装置、电子设备及存储介质 - Google Patents
一种电池寿命曲线确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116819342A CN116819342A CN202310814635.4A CN202310814635A CN116819342A CN 116819342 A CN116819342 A CN 116819342A CN 202310814635 A CN202310814635 A CN 202310814635A CN 116819342 A CN116819342 A CN 116819342A
- Authority
- CN
- China
- Prior art keywords
- battery
- charge
- curve
- discharge cycle
- life
- 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 68
- 238000010606 normalization Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000012360 testing method Methods 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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]
- G01R31/367—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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电池寿命曲线确定方法、装置、电子设备及存储介质。电池寿命曲线确定方法包括：将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线；将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线。本发明的技术方案提升了电池寿命曲线确定的准确度，提升了电池时剩余寿命预测的准确度。
Description
技术领域
本发明涉及电池技术领域，尤其涉及一种电池寿命曲线确定方法、装置、电子设备及存储介质。
背景技术
随着新能源技术的快速发展，电池的应用越来越多。
为了获知电池状态，需对电池进行剩余寿命的预测，使得电池寿命衰减过快时进行检修，或者在电池剩余寿命较小时，及时更换电池，避免用电设备动力不足。
对电池进行剩余寿命预测时，根据电池的寿命数据进行曲线拟合，确定电池的寿命衰减曲线，但是目前，对电池寿命曲线确定时，将所有的数据进行一次拟合，得到一条电池寿命曲线，在电池温度过高或者电池使用时间较长后，通过该方法得到的电池寿命曲线容易出现拐点，即寿命预测值与实际值相差较大，导致电池寿命预测的误差较大，无法根据电池寿命曲线准确预测电池剩余寿命。
发明内容
本发明提供了一种电池寿命曲线确定方法、装置、电子设备及存储介质，以解决电池寿命预测的误差较大，无法根据电池寿命曲线准确预测电池剩余寿命的问题。
根据本发明的一方面，提供了一种电池寿命曲线确定方法，电池寿命曲线确定方法包括：
将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；
根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线；
将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线。
可选地，所述将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
根据预设分段数将所述充放电循环次数与对应的剩余寿命数据分为多段。
可选地，所述将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
根据阿伦尼乌斯公式将所有充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到一条试拟合曲线；
根据所述试拟合曲线中的拐点位置确定分段位置；
根据所述分段位置将电池的充放电循环次数与对应的剩余寿命数据分为多段。
可选地，所述将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
将每一测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；其中，所述测试温度为所述电池所在温箱的温度；
或者，若所述测试温度与预设温度阈值的差值大于预设值，则将所述测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；
或者，在每一所述测试温度下，根据阿伦尼乌斯公式将所有充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到每一所述测试温度下的试拟合曲线；
在存在拐点的试拟合曲线对应的测试温度下，将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
可选地，在将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线之后，还包括：
根据所述目标电池寿命曲线对未来充放电循环次数对应的剩余寿命数据进行预测，得到所述未来充放电循环次数对应的预测剩余寿命数据；
若所述预测剩余寿命数据与所述未来充放电循环次数对应的实际剩余寿命数据的差值大于误差阈值，则根据所述未来充放电循环次数与所述实际剩余寿命数据对所述目标电池寿命曲线进行调整。
可选地，在根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线之前，还包括：
对每一段的放电循环次数与对应的剩余寿命数据进行归一化处理；
在将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线之前，还包括：
对每一条所述初始电池寿命曲线进行去归一化处理。
可选地，对每一条所述初始电池寿命曲线进行去归一化处理，包括：
将当前段初始电池寿命曲线中当前充放电循环次数与上一段初始电池寿命曲线中最大的上一充放电循环次数之和，作为更新后的当前充放电循环次数；
计算上一段初始电池寿命曲线中最大的充放电循环次数对应的上一剩余寿命数据，与当前段初始电池寿命曲线中最小的当前充放电循环次数对应的当前剩余寿命数据的比值；
将当前段初始电池寿命曲线中当前剩余寿命数据与所述比值的乘积，作为更新后的当前剩余寿命数据。
根据本发明的另一方面，提供了一种电池寿命曲线确定装置，电池寿命曲线确定装置包括：
分段模块，用于将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；
初始电池寿命曲线确定模块，用于根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线；
目标电池寿命曲线确定模块，用于将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的电池寿命曲线确定方法。
根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电池寿命曲线确定方法。
本发明实施例的技术方案，通过将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，利用电池衰减在一定周期内符合阿伦尼乌斯公式的特性，使得每一段的充放电循环次数与对应的电池剩余寿命数据更符合阿伦尼乌斯公式。因此，先对充放电循环次数与对应的剩余寿命数据进行分段，并进行归一化处理后，通过阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。如此，得到的初始电池寿命曲线上的电池剩余寿命数据可以与实际的电池剩余寿命数据更接近，便于提高电池寿命曲线的准确度，从而提升电池剩余寿命预测的准确度。将初始电池寿命曲线中的充放电循环次数与电池剩余寿命数据进行去归一化，便于将去归一化处理后的多条初始电池寿命曲线整合连接成一条目标电池寿命曲线。因为每一段的充放电循环次数与对应的电池剩余寿命数据更符合阿伦尼乌斯公式，则每一段的初始电池寿命曲线不会出现较大偏差，进而减少目标电池寿命曲线中的拐点，降低目标电池寿命曲线的偏差，从而提升电池寿命预测的准确度。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种电池寿命曲线确定方法的流程图；
图2是采用阿伦尼乌斯公式直接拟合得到的电池寿命曲线；
图3是采用本实施例的技术方案得到的电池寿命曲线；
图4是本发明实施例提供的又一种电池寿命曲线确定方法的流程图；
图5是本发明实施例提供的又一种电池寿命曲线确定方法的流程图；
图6是本发明实施例提供的又一种电池寿命曲线确定方法的流程图；
图7是本发明实施例提供的一种电池寿命曲线确定装置的结构示意图；
图8是实现本发明实施例的电池寿命曲线确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，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”等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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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。
正如背景技术中提到的，根据现有的电池寿命曲线的确定方法存在确定的电池寿命曲线存在拐点，导致电池寿命预测误差较大的问题。
针对上述技术问题，本实施例提供了一种电池寿命曲线确定方法，本实施例可适用于电池寿命曲线确定的情况，该方法可以由电池寿命曲线确定装置来执行，电池寿命曲线确定装置可配置于计算机中。图1是本发明实施例提供的一种电池寿命曲线确定方法的流程图，如图1所示，该电池寿命曲线确定方法包括：
S110、将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
具体地，电池例如为磷酸铁锂电池或三元电池。电池每完成一次充放电循环，可以获取一次电池的电参数，电参数例如包括充放电电流、充放电深度或剩余电量等参数，根据电池的电参数可以计算电池的剩余寿命，因此，每一充放电循环次数对应一个电池的剩余寿命数据。将充放电循环次数与对应的电池的剩余寿命数据分为多段，换言之，将充放电循环次数与电池的剩余寿命数据按照充放电循环次数的大小依次分为多组。示例性的，电池例如进行了1500次充放电循环，每一次充放电循环得到一个剩余寿命数据，则可以将第1次至第500次充放电循环次数与对应的剩余寿命数据分为一段，第501次至第1000次充放电循环次数与对应的剩余寿命数据分为一段，第1001次至第1500次充放电循环次数与对应的剩余寿命数据分为一段，从而将所有的数据分为三段。
S120、根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。
其中，阿伦尼乌斯公式是化学反应速率常数随温度变化关系的经验公式，公式为Qloss＝A*exp(-Ea/RT)*nZ，其中，Qloss为电池剩余寿命，A为前因子，Ea为活化能，R为理想气体常数，T为温度，n为充放电循环次数，Z为时间指数。一般常温情况下，电池的寿命衰减符合阿伦尼乌斯公式，从而可以根据阿伦尼乌斯公式对充放电循环次数与对应的剩余寿命数据进行曲线拟合。
具体地，进行归一化处理后，每一段的充放电循环次数均从1开始变化，剩余寿命数据均从100％开始变化，使得每一段的充放电循环次数与对应的剩余寿命数据均符合阿伦尼乌斯公式，避免因为电池充放电次数过多或使用时间过久而使较大的充放电循环次数与对应的剩余寿命数据不满足阿伦尼乌斯公式。因此，先对充放电循环次数与对应的剩余寿命数据进行分段，并进行归一化处理后，通过阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。如此，得到的初始电池寿命曲线上的电池剩余寿命数据可以与实际的电池剩余寿命数据更接近，便于提高电池寿命曲线的准确度，从而提升电池剩余寿命预测的准确度。
S130、将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线。
具体地，将初始电池寿命曲线中的充放电循环次数与电池剩余寿命数据进行去归一化，使得充放电循环次数还原至原始的充放电循环次数数据，并且使得前一段初始电池寿命曲线的最后一个充放电循环次数对应的剩余寿命数据与本段初始电池寿命曲线的第一个充放电循环次数对应的剩余寿命数据相等，从而可以将去归一化处理后的多条初始电池寿命曲线整合连接成一条目标电池寿命曲线。
示例性的，图2是采用阿伦尼乌斯公式直接拟合得到的电池寿命曲线，图3是采用本实施例的技术方案得到的电池寿命曲线，即图3为先将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线，再将去归一化处理后的多条初始电池寿命曲线整合得到的一条目标电池寿命曲线。图2和图3中，横坐标为充放电循环次数，纵坐标为电池容量保持率，也就是电池剩余寿命，图2中，曲线①表示实际的电池的剩余寿命数据，曲线②为采用阿伦尼乌斯公式一次性直接拟合得到的电池寿命曲线。图3中，曲线③表示实际的电池的剩余寿命数据，曲线④表示采用本实施例的技术方案得到的目标电池寿命曲线。如图2和图3所示，曲线②与曲线①相差较大，即采用阿伦尼乌斯公式直接拟合得到的电池寿命曲线偏差较大，曲线④与曲线③相差较小，即采用本实施例的技术方案得到的目标电池寿命曲线偏差较小，从而可以更好的预测电池剩余寿命，更好的评估电池质保寿命。
综上，本实施例的技术方案，通过将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，利用电池衰减在一定周期内符合阿伦尼乌斯公式的特性，使得每一段的充放电循环次数与对应的电池剩余寿命数据更符合阿伦尼乌斯公式。因此，先对充放电循环次数与对应的剩余寿命数据进行分段，并进行归一化处理后，通过阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。如此，得到的初始电池寿命曲线上的电池剩余寿命数据可以与实际的电池剩余寿命数据更接近，便于提高电池寿命曲线的准确度，从而提升电池剩余寿命预测的准确度。将初始电池寿命曲线中的充放电循环次数与电池剩余寿命数据进行去归一化，便于将去归一化处理后的多条初始电池寿命曲线整合连接成一条目标电池寿命曲线。因为每一段的充放电循环次数与对应的电池剩余寿命数据更符合阿伦尼乌斯公式，则每一段的初始电池寿命曲线不会出现较大偏差，进而避免目标电池寿命曲线中出现拐点，降低目标电池寿命曲线的偏差，从而提升电池寿命预测的准确度。
在上述技术方案的基础上，下面结合电池的充放电循环次数与对应的电池的剩余寿命数据的具体分段方式对电池寿命曲线确定方法进行说明，但不作为对本申请的限定。
在一种实施方式中，图4是本发明实施例提供的又一种电池寿命曲线确定方法的流程图，可选地，参考图4，电池寿命曲线确定方法包括：
S210、根据预设分段数将充放电循环次数与对应的剩余寿命数据分为多段。
具体地，预设分段数例如与最大的充放电循环次数和每一段中充放电循环次数的多少相关，例如当测得的最大充放电循环次数为2000次，每一段中充放电循环次数为500次，则预设分段数为4。根据预设分段数可以将充放电循环次数与对应的剩余寿命数据平均分为多段。也可以不是平均分段，例如电池充放电循环次数较小时，电池剩余寿命数据与充放电循环次数符合阿伦尼乌斯公式的周期较大，电池充放电循环次数较大时，电池剩余寿命数据与充放电循环次数符合阿伦尼乌斯公式的周期较小，则电池充放电循环次数较小时每一段的剩余寿命数据可以较多，即分段数可以较少，电池充放电循环次数较大时每一段的剩余寿命数据可以较少，即分段数可以较多。示例性的，例如当测得的最大充放电循环次数为2000次，预设分段数为4，则第一段对应的充放电循环次数为第1次至第800次，第二段对应的充放电循环次数为第801次至1300次，第三段对应的充放电循环次数为1301次至1700次，第四段对应的充放电循环次数为1701次至2000次。优选的，根据预设分段数可以将充放电循环次数与对应的剩余寿命数据平均分为多段，可以减少分段时间，提升电池寿命曲线确定速率。
S220、根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。
S230、将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线。
在另一种实施方式中，图5是本发明实施例提供的又一种电池寿命曲线确定方法的流程图，可选地，参考图5，电池寿命曲线确定方法包括：
S310、根据阿伦尼乌斯公式将所有充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到一条试拟合曲线。
具体地，先将所有充放电循环次数与对应的剩余寿命数据一次性拟合得到一条试拟合曲线，根据试拟合曲线确定试拟合曲线与实际数据的偏差，便于根据偏差确定分段方式。例如当偏差较小时，可以无需进行分段拟合，直接将试拟合曲线作为目标电池寿命曲线。若偏差较大，则需要进行分段拟合，并且便于根据偏差位置确定分段位置。
S320、根据试拟合曲线中的拐点位置确定分段位置。
具体地，拐点位置例如为试拟合曲线中电池剩余寿命数据与实际电池剩余寿命数据相差较大的位置，将拐点位置作为分段位置，从而确定分段方式，便于进行分段曲线拟合，从而准确确定目标电池寿命曲线。
S330、根据分段位置将电池的充放电循环次数与对应的剩余寿命数据分为多段。
示例性的，可以将起点(充放电循环次数为1的点)与第一个分段位置之间作为一段，最后一个分段位置(靠近最大充放电循环次数的分段位置)与最大充放电循环次数之间作为最后一段，相邻两个分段位置之间作为一段。如此将电池的充放电循环次数与对应的剩余寿命数据分为多段，便于进行分段曲线拟合，使得每一段的电池的充放电循环次数与对应的剩余寿命数据更符合阿伦尼乌斯公式，便于提升电池寿命曲线确定的准确度。
S340、根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。
S350、将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线。
需要说明的是，上述的最大充放电循环次数为实测数据(电池测试中测得的数据或电池实际运行时测得的数据)中最大的充放电循环次数。
在上述各技术方案的基础上，在对电池进行测试时，将电池放置在温箱中，设置温箱的温度，在每一测试温度下，得到一组电池的充放电循环次数对应的电池的剩余寿命数据，便于得到每一测试温度下的目标电池寿命曲线。其中，测试温度为电池所在温箱的温度。
不同温度对应的电池寿命曲线确定方法可以相同，也可以不同，下面对不同温度下电池的充放电循环次数与对应的电池的剩余寿命数据的分段方法进行说明，但不作为对本申请的限定。
在一种实施方式中，可选地，将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：将每一测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
具体地，在对电池进行测试时，针对电池不同的测试温度测得每一测试温度对应的充放电循环次数和电池剩余寿命数据，即每一测试温度对应一组充放电循环次数和电池剩余寿命数据。通过将每一测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，即每一测试温度下对应的充放电循环次数和电池剩余寿命数据均进行分段曲线拟合，得到多个初始电池寿命曲线，再进行整合得到目标电池寿命曲线。如此，每一测试温度下的目标电池寿命曲线的偏差都较小，使得针对每一测试温度预测电池剩余寿命时均可准确预测，提升了电池剩余寿命预测的准确度。
在另一种实施方式中，可选地，将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：若测试温度与预设温度阈值的差值大于预设值，，则将测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
具体地，预设温度阈值例如为常温，例如为25℃，也可以为24℃，本实施例并不进行限定。在常温下，电池寿命衰减更符合阿伦尼乌斯公式，则在测试温度与预设温度阈值的差值小于或等于预设值时，表明电池的测试温度接近常温，则可以直接采用阿伦尼乌斯公式将所有的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到目标电池寿命曲线。在测试温度与预设温度阈值的差值大于预设值时，表明电池的测试温度较大或较小，与常温差距较大，则将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线，再将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线，从而使得目标电池寿命曲线更准确，使得即使电池温度过高或过低时，也可以准确预测电池寿命。
在又一种实施方式中，可选地，将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
步骤a1、在每一测试温度下，根据阿伦尼乌斯公式将所有充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到每一测试温度下的试拟合曲线。
具体地，针对每一测试温度下的充放电循环次数与剩余寿命数据，先将所有充放电循环次数与对应的剩余寿命数据一次性拟合得到一条试拟合曲线，从而得到每一测试温度下的试拟合曲线。便于根据试拟合曲线确定每一测试温度下的充放电循环次数与剩余寿命数据的拟合方式，例如某一测试温度下对应的试拟合曲线偏差较小，则可以将该试拟合曲线作为该测试温度对应的目标电池寿命曲线；若某一测试温度下对应的试拟合曲线偏差较大，则需要进行分段拟合，便于得到准确的目标电池寿命曲线。
步骤a2、在存在拐点的试拟合曲线对应的测试温度下，将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
具体地，若某一测试温度下对应的试拟合曲线存在拐点，则该试拟合曲线偏差较大，则将该测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线，再将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线，从而使得目标电池寿命曲线更准确，使得即使电池温度过高或过低时，也可以准确预测电池寿命。
在上述各技术方案的基础上，可选地，在将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线之后，还包括：
步骤b1、根据目标电池寿命曲线对未来充放电循环次数对应的剩余寿命数据进行预测，得到未来充放电循环次数对应的预测剩余寿命数据。
其中，未来充放电循环次数是指对电池测试时为测得的电池充放电循环次数，例如对电池测试时，测试了电池进行2000次充放电循环的电参数，则未来充放电循环次数例如为2500次。
具体地，将未来充放电循环次数代入目标电池寿命曲线中，确定未来充放电循环次数对应的电池剩余寿命，从而未来充放电循环次数对应的得到预测剩余寿命数据，便于对电池剩余寿命进行预测，在预测电池寿命较小时，可以及时进行更换，避免发生安全事故。
步骤b2、若预测剩余寿命数据与未来充放电循环次数对应的实际剩余寿命数据的差值大于误差阈值，则根据未来充放电循环次数与实际剩余寿命数据对目标电池寿命曲线进行调整。
具体地，继续对电池进行测试，获取电池在未来充放电循环次数对应的电参数，从而计算未来充放电循环次数对应的实际剩余寿命。若预测剩余寿命数据与实际剩余寿命数据的差值小于或等于误差阈值，则表明目标电池寿命曲线准确度较高，可以使用目标电池寿命曲线对电池寿命进行预测。若预测剩余寿命数据与实际剩余寿命数据的差值大于误差阈值，则表明最终寿命曲线的准确度有待提高，可以根据未来充放电循环次数与实际剩余寿命数据对目标电池寿命曲线进行调整，得到更新后的目标电池寿命曲线，可以使用更新后的目标电池寿命曲线对电池寿命进行预测，从而提升电池寿命预测的准确度。
示例性的，根据未来充放电循环次数与实际剩余寿命数据对目标电池寿命曲线进行调整，可以是将初始的充放电循环次数(例如为第1次)至未来充放电循环次数的所有剩余寿命数据重新分为多段，根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条更新后的初始电池寿命曲线，再将去归一化处理后的多条更新后的初始电池寿命曲线整合为一条更新后的目标电池寿命曲线。也可以是将之前测得的充放电循环次数的最大值至未来充放电循环次数之间的剩余寿命数据作为一段，对该段充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到一条未来初始电池寿命曲线，再将去归一化处理后的之前确定的初始电池寿命曲线与未来初始电池寿命曲线整合为一条更新后的目标电池寿命曲线。
在上述各技术方案的基础上，图6是本发明实施例提供的又一种电池寿命曲线确定方法的流程图，可选地，参考图6，该电池寿命曲线确定方法包括：
S410、将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
S420、对每一段的放电循环次数与对应的剩余寿命数据进行归一化处理。
具体地，归一化处理是指将每一段的充放电循环次数从1开始变化，剩余寿命数据从100％开始变化。示例性的，第一段的充放电循环次数为第1次至第500次，第二段的充放电循环次数为第501次至第1000次，第三段的充放电循环次数为第1001次至第1500次，第四段的充放电循环次数为第1501次至第2000次。则第二段的充放电循环次数均减去500，即第二段的充放电循环次数变为第1次至第500次，同理，其他段的充放电循环次数也变为第1次至第500次。第二段中，第501次充放电循环次数对应的电池剩余寿命数据为a％，则将a％更新为100％，第二段中其他的电池剩余寿命数据均按照此比例更新，即第二段中其他的电池剩余寿命均乘以同理，其他段的电池剩余寿命数据均按照此方式更新。如此，实现对每一段的放电循环次数与对应的剩余寿命数据进行归一化处理，使得每一段的充放电循环次数与对应的剩余寿命数据均符合阿伦尼乌斯公式，避免因为电池充放电次数过多或使用时间过久而使较大的充放电循环次数与对应的剩余寿命数据不满足阿伦尼乌斯公式。
S430、根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线。
S440、对每一条初始电池寿命曲线进行去归一化处理。
具体地，去归一化处理是指将初始电池寿命曲线中的充放电循环次数还原至原始的充放电循环次数数据，并且使得前一段曲线的最后一个充放电循环次数对应的剩余寿命数据与本段曲线的第一个充放电循环次数对应的剩余寿命数据相等，便于将多条初始电池寿命曲线进行整合。
S450、将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线。
在上述技术方案的基础上，可选地，对每一条初始电池寿命曲线进行去归一化处理，包括：
步骤c1、将当前段初始电池寿命曲线中当前充放电循环次数与上一段初始电池寿命曲线中最大的上一充放电循环次数之和，作为更新后的当前充放电循环次数。
具体地，通过将当前充放电循环次数与上一段的初始电池寿命曲线的最大的上一充放电循环次数相加，可以将当前充放电循环次数还原至原始的充放电循环次数的数据，便于将多条初始电池寿命曲线进行整合。示例性的，第一段的充放电循环次数为第1次至第500次，则将第二段中的每一个当前充放电循环次数机加上500，即可得到第二段中的充放电循环次数。
步骤c2、计算上一段初始电池寿命曲线中最大的充放电循环次数对应的上一剩余寿命数据，与当前段初始电池寿命曲线中最小的当前充放电循环次数对应的当前剩余寿命数据的比值。
示例性的，第一段的初始电池寿命曲线的充放电循环次数为第1次至第500次，第500次充放电循环次数对应的上一剩余寿命数据例如为b％，第二段的初始电池寿命曲线的当前充放电循环次数为第1次至第500次(更新后为第501次至第1000次)，第二段的初始电池寿命曲线的第1次(更新后为第501次)对应的当前剩余寿命数据为100％，则比值为
步骤c3、将当前段初始电池寿命曲线中当前剩余寿命数据与比值的乘积，作为更新后的当前剩余寿命数据。
示例性的，第二段的初始电池寿命曲线的第1次(更新后为第501次)对应的当前剩余寿命数据为100％，乘以比值后更新为b％，则第二段的初始电池寿命曲线的第一个剩余寿命数据与第一段的初始电池寿命曲线的最后一个剩余寿命数据相同，第二段的初始电池寿命曲线均乘以比值/>使得更新后的第二段初始电池寿命曲线可以与第一段初始电池寿命曲线连接起来。其余段的初始电池寿命曲线的剩余寿命数据均按照此方式更新。由此，完成对初始电池寿命曲线的去归一化，从而便于将初始电池寿命曲线整合为一条目标电池寿命曲线。
本实施例的技术方案还提供了一种电池寿命曲线确定装置，图7是本发明实施例提供的一种电池寿命曲线确定装置的结构示意图，如图7所示，该装置包括：分段模块510、初始电池寿命曲线确定模块520和目标电池寿命曲线确定模块530；分段模块510用于将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；初始电池寿命曲线确定模块520用于根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线；目标电池寿命曲线确定模块530用于将去归一化处理后的多条初始电池寿命曲线整合为一条目标电池寿命曲线。
本发明实施例所提供的电池寿命曲线确定装置可执行本发明任意实施例所提供的电池寿命曲线确定方法，具备执行方法相应的功能模块和有益效果。
图8示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图8所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电池寿命曲线确定方法。
在一些实施例中，电池寿命曲线确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的电池寿命曲线确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电池寿命曲线确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种电池寿命曲线确定方法，其特征在于，包括：
将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；
根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线；
将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线。
2.根据权利要求1所述的方法，其特征在于，所述将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
根据预设分段数将所述充放电循环次数与对应的剩余寿命数据分为多段。
3.根据权利要求1所述的方法，其特征在于，所述将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
根据阿伦尼乌斯公式将所有充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到一条试拟合曲线；
根据所述试拟合曲线中的拐点位置确定分段位置；
根据所述分段位置将电池的充放电循环次数与对应的剩余寿命数据分为多段。
4.根据权利要求1所述的方法，其特征在于，所述将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段，包括：
将每一测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；其中，所述测试温度为所述电池所在温箱的温度；
或者，若所述测试温度与预设温度阈值的差值大于预设值，则将所述测试温度下，电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；
或者，在每一所述测试温度下，根据阿伦尼乌斯公式将所有充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到每一所述测试温度下的试拟合曲线；
在存在拐点的试拟合曲线对应的测试温度下，将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段。
5.根据权利要求1-4中任一项所述的方法，其特征在于，在将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线之后，还包括：
根据所述目标电池寿命曲线对未来充放电循环次数对应的剩余寿命数据进行预测，得到所述未来充放电循环次数对应的预测剩余寿命数据；
若所述预测剩余寿命数据与所述未来充放电循环次数对应的实际剩余寿命数据的差值大于误差阈值，则根据所述未来充放电循环次数与所述实际剩余寿命数据对所述目标电池寿命曲线进行调整。
6.根据权利要求1-4中任一项所述的方法，其特征在于，在根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线之前，还包括：
对每一段的放电循环次数与对应的剩余寿命数据进行归一化处理；
在将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线之前，还包括：
对每一条所述初始电池寿命曲线进行去归一化处理。
7.根据权利要求6所述的方法，其特征在于，对每一条所述初始电池寿命曲线进行去归一化处理，包括：
将当前段初始电池寿命曲线中当前充放电循环次数与上一段初始电池寿命曲线中最大的上一充放电循环次数之和，作为更新后的当前充放电循环次数；
计算上一段初始电池寿命曲线中最大的充放电循环次数对应的上一剩余寿命数据，与当前段初始电池寿命曲线中最小的当前充放电循环次数对应的当前剩余寿命数据的比值；
将当前段初始电池寿命曲线中当前剩余寿命数据与所述比值的乘积，作为更新后的当前剩余寿命数据。
8.一种电池寿命曲线确定装置，其特征在于，包括：
分段模块，用于将电池的充放电循环次数与对应的电池的剩余寿命数据分为多段；
初始电池寿命曲线确定模块，用于根据阿伦尼乌斯公式对归一化处理后的每一段的充放电循环次数与对应的剩余寿命数据进行曲线拟合，得到多条初始电池寿命曲线；
目标电池寿命曲线确定模块，用于将去归一化处理后的多条所述初始电池寿命曲线整合为一条目标电池寿命曲线。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电池寿命曲线确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电池寿命曲线确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310814635.4A CN116819342A (zh) | 2023-07-04 | 2023-07-04 | 一种电池寿命曲线确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310814635.4A CN116819342A (zh) | 2023-07-04 | 2023-07-04 | 一种电池寿命曲线确定方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116819342A true CN116819342A (zh) | 2023-09-29 |
Family
ID=88114390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310814635.4A Pending CN116819342A (zh) | 2023-07-04 | 2023-07-04 | 一种电池寿命曲线确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116819342A (zh) |
-
2023
- 2023-07-04 CN CN202310814635.4A patent/CN116819342A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
| CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| CN115395613B (zh) | 电池充电管理方法、装置、电子设备及存储介质 | |
| CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
| CN115656858A (zh) | 电池寿命确定方法、装置、电子设备及存储介质 | |
| CN115630502A (zh) | 电池膨胀力确定方法、电子设备及存储介质 | |
| CN116819342A (zh) | 一种电池寿命曲线确定方法、装置、电子设备及存储介质 | |
| CN116011677A (zh) | 时序数据的预测方法、装置、电子设备及存储介质 | |
| CN115692885A (zh) | 一种电池析锂保护方法、装置、电子设备和存储介质 | |
| CN114779109A (zh) | 电池健康状态的确定方法、装置、电子设备及存储介质 | |
| CN114879042A (zh) | 电芯分容放电容量预测方法、装置及电子设备 | |
| CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
| 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 | |
| CN117150325B (zh) | 一种异常残差数据的处理方法、装置、设备及介质 | |
| CN118068199A (zh) | 一种电池充放电曲线预测方法、装置、电子设备和存储介质 | |
| CN118068210A (zh) | 一种电芯衰减评估方法、装置、设备及介质 | |
| CN118152806A (zh) | 模型训练方法、电池健康状态的估计方法、设备及介质 | |
| CN116990707A (zh) | 一种电池寿命预测方法、装置、电子设备和存储介质 | |
| CN115792628A (zh) | 一种动力电池安全性评估方法、装置、设备和存储介质 | |
| CN116087797A (zh) | 一种蓄电池组状态确定方法、装置、设备及存储介质 | |
| CN116027197A (zh) | 一种电池自放电一致性评估方法、装置、设备及存储介质 | |
| CN117471238A (zh) | 一种电网系统稳定性的确定方法、装置及电子设备 | |
| CN116796225A (zh) | 一种异常用户识别方法、装置、设备及存储介质 | |
| CN117907872A (zh) | 一种电池寿命的预测方法、装置、电子设备和存储介质 |
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 |