CN116859274A - 一种容量异常检测方法、装置、设备及存储介质 - Google Patents
一种容量异常检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116859274A CN116859274A CN202310910767.7A CN202310910767A CN116859274A CN 116859274 A CN116859274 A CN 116859274A CN 202310910767 A CN202310910767 A CN 202310910767A CN 116859274 A CN116859274 A CN 116859274A
- Authority
- CN
- China
- Prior art keywords
- voltage data
- sequence
- capacity
- battery
- voltage
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000007600 charging Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012163 sequencing technique Methods 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims description 23
- 229910052744 lithium Inorganic materials 0.000 claims description 19
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 11
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 claims description 11
- 238000010277 constant-current charging Methods 0.000 claims description 6
- QHGJSLXSVXVKHZ-UHFFFAOYSA-N dilithium;dioxido(dioxo)manganese Chemical compound [Li+].[Li+].[O-][Mn]([O-])(=O)=O QHGJSLXSVXVKHZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008030 elimination Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000005955 Ferric phosphate Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 229940032958 ferric phosphate Drugs 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- WBJZTOZJJYAKHQ-UHFFFAOYSA-K iron(3+) phosphate Chemical compound [Fe+3].[O-]P([O-])([O-])=O WBJZTOZJJYAKHQ-UHFFFAOYSA-K 0.000 description 2
- 229910000399 iron(III) phosphate Inorganic materials 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical compound [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种容量异常检测方法、装置、设备及存储介质。方法包括：从充电过程数据中，至少获取待测电池中全部单体电芯的电压数据；根据预设规则从电压数据中截取电压数据段，从电压数据段中截取第一电压数据集U1、第二电压数据集U2；分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列；按照相同的排序规则分别对第一序列、第二序列中的各平均值进行排序，将排序后的序列分别记为第三序列、第四序列；采用第三序列和第四序列按照预设运算规则进行运算，根据运算结果判断待测电池的容量是否异常。
Description
技术领域
本发明实施例涉及电池测试技术，尤其涉及一种容量异常检测方法、装置、设备及存储介质。
背景技术
随着使用时长增加，锂离子电芯状态不断恶化，存在容量(衰减)异常现象，这严重制约了电池系统容量发挥与电池安全，准确识别出系统中存在容量衰减异常现象的电芯并及时对其处理成为关键。
针对容量异常检测，传统的识别方法主要有：对电池系统进行拆解，把拆解出的电芯一一进行容量测试；构建数据驱动模型识别容量衰减异常电芯。
上述检测方法存在一定缺陷，包括：拆解过程中无法保证每块电芯都完好无损，拆解后再对电芯一一测试，测试周期长，无法及时反馈到大数据平台做出处理；构建数据驱动模型则是对数据质量要求高，要求慢充且稳定的满充充电数据才能进行计算。
综上所述，传统的容量(衰减)异常电芯识别周期长，构建数据驱动模型则对数据质量要求高，响应速度慢。
发明内容
本发明提供一种容量异常检测方法、装置、设备及存储介质，以达到简单、快速、准确的完成电池容量异常检测的目的。
第一方面，本发明实施例提供了一种容量异常检测方法，包括：
对待测电池进行恒流充电，记录充电过程数据；
从所述充电过程数据中，至少获取所述待测电池中全部单体电芯的电压数据；
根据预设规则从所述电压数据中截取电压数据段，从所述电压数据段中截取第一电压数据集U1、第二电压数据集U2；
记所述第一电压数据集U1为{V1_j|j＝1…m}，记所述第二电压数据集U2为{V2_j|j＝1…m}；
式中，V1_j表示第一电压数据集中，第j个单体电芯的N个电压数据，V2_j表示第二电压数据集中，第j个单体电芯的N个电压数据，m表示单体电芯的数量，N为设定值；
分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列；
按照相同的排序规则分别对所述第一序列、第二序列中的各所述平均值进行排序，将排序后的序列分别记为第三序列、第四序列；
采用所述第三序列和所述第四序列按照预设运算规则进行运算，根据运算结果判断所述待测电池的容量是否异常。
可选的，采用所述第三序列和所述第四序列按照预设运算规则进行运算包括：
采用所述第三序列与所述第四序列做差，将结果记为C，C为：
{Δrj|j＝1…m}
根据运算结果判断所述待测电池的容量是否异常包括：
若存在至少一个Δrj满足|Δrj|>m-s，则判断所述待测电池的容量异常，其中，s为一设定整数。
可选的，所述待测电池为钴酸锂电池、锰酸锂电池、二元锂电池、三元锂电池中的一种；
根据预设规则从所述电压数据中截取电压数据段时，所述电压数据段满足：
在所述电压数据段对应的时段内，所述待测电池的起始容量小于第一容量且终止容量大于第二容量；
所述第一容量为29％～31％SOC，所述第二容量为94％～96％SOC。
可选的，所述待测电池为磷酸铁锂电池，
根据预设规则从所述电压数据中截取电压数据段包括：
根据所述电压数据判断全部所述单体电芯在充电过程中是否存在电压平台期，当所述单体电芯均存在所述电压平台期时，截取所述电压平台期外的全部所述电压数据。
可选的，获取所述待测电池中全部单体电芯的电压数据后还包括：
对所述电压数据进行剔除缺失值、重复值、零值、通信异常值、无效值中的至少一种。
可选的，针对第j个单体电芯，从所述电压数据段中截取最前N个电压数据，构成所述第一电压数据集，从所述电压数据段中截取最后N个电压数据，构成所述第二电压数据集。
可选的，所述第一容量为30％SOC，所述第二容量为95％SOC。
第二方面，本发明实施例还提供了一种容量异常检测装置，包括容量异常检测单元，所述容量异常检测单元用于：
对待测电池进行充电，记录充电过程数据；
从所述充电过程数据中，至少获取所述待测电池中全部单体电芯的电压数据；
根据预设规则从所述电压数据中截取电压数据段，从所述电压数据段中截取第一电压数据集U1、第二电压数据集U2；
记所述第一电压数据集U1为{V1_j|j＝1…m}，记所述第二电压数据集U2为{V2_j|j＝1…m}；
式中，V1_j表示第一电压数据集中，第j个单体电芯的N个电压数据，V2_j表示第二电压数据集中，第j个单体电芯的N个电压数据，m表示单体电芯的数量，N为设定值；
分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列；
按照相同的排序规则分别对所述第一序列、第二序列中的各所述平均值进行排序，将排序后的序列分别记为第三序列、第四序列；
采用所述第三序列和所述第四序列按照预设运算规则进行运算，根据运算结果判断所述待测电池的容量是否异常。
第三方面，本发明实施例还提供了一种电子设备，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；
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实施例记载的任意一种容量异常检测方法。
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，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实施例记载的任意一种容量异常检测方法。
与现有技术相比，本发明的有益效果在于：本发明提出一种容量异常检测方法，该方法中采取电池充电过程中记录的电压数据进行电池容量是否异常的判断，在确定电池容量是否异常的过程中，仅采用电压数据完成对容量异常的检测判断，且对数据质量的要求低，对电池充电快慢的速率无要求，可以有效的解决电池单体电芯容量异常检测的问题。
附图说明
图1是实施例中的容量异常检测方法流程图；
图2是实施例中的另一种容量异常检测方法流程图；
图3是实施例中的异常的锂电池单体电压曲线示意图；
图4是实施例中的正常的锂电池单体电压曲线示意图；
图5是实施例中的磷酸铁锂电池电压曲线示意图；
图6是实施例中的三元锂电池电压曲线示意图；
图7是实施例中的电子设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是实施例中的容量异常检测方法流程图，参考图1，容量异常检测方法包括：
S101.对待测电池进行恒流充电，记录充电过程数据。
示例性的，本实施例中，恒流充电的具体方式不做限定，针对一种型号的电池，其可以采用电池厂商规定的方式、国标规定的方式或自定义方式进行充电。
示例性的，本实施例中，充电过程数据包括对待测电池进行恒流充电的过程中，对指定类型数据的采样值，其中，指定类型数据至少包括各单体电芯的电压(数据)，此外，指定类型数据还可以包括时间戳、充电电流、电池剩余荷电状态(State of Charge，SOC)等。
S102.从充电过程数据中，至少获取待测电池中全部单体电芯的电压数据。
本实施例中，获取的待测电池中的全部单体电芯的电压数据为从充电起始时刻至充电终止时刻对应的，各电芯的电压数据。
S103.根据预设规则从电压数据中截取电压数据段，从电压数据段中截取第一电压数据集U1、第二电压数据集U2。
示例性的，本实施例中，根据预设规则从电压数据中截取电压数据段，其中，预设规则可以为截取电压数据中指定百分比区间的电压数据；
或者，预设规则也可以为以电池剩余荷电量对依据，截取指定电池剩余荷电量区间对应的电压数据。
本实施例中，针对每个单体电芯，从电压数据段中截取的第一电压数据集U1中的电压数据在采样时间轴上连续，第二电压数据集U2中的电压数据在采样时间轴上连接；
此外，第一电压数据集U1对应的时段与第二电压数据集U2对应的时段不同，且两者对应的时段不存在交叠。
本实施例中，记第一电压数据集U1为{V1_j|j＝1…m}，记第二电压数据集U2为{V2_j|j＝1…m}，其中，V1_j、V2_j均表示一个数据序列；
具体的，式中，V1_j表示第一电压数据集中，第j个单体电芯的N个电压数据，V2_j表示第二电压数据集中，第j个单体电芯的N个电压数据，m表示单体电芯的数量。
示例性的，本实施例中，m为待测电池中全部单体电芯的数量，N为设定值，N>3，N的数量可以根据需求自由设定。
S104.分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列。
S105.按照相同的排序规则分别对第一序列、第二序列中的各平均值进行排序，将排序后的序列分别记为第三序列、第四序列。
本实施例中，对采用的排序规则不做限定，其可以为升序排列或者降序排列中的一种。
S106.采用第三序列和第四序列按照预设运算规则进行运算，根据运算结果判断待测电池的容量是否异常。
示例性的，本实施例中，预设运算规则可以为根据仿真试验确定函数模型，相应的，可以将通过上述函数模型的结果与预设的阈值进行对比，进而确定待测电池是否存在容量异常；
或者，预设运算规则也可以为采用四则运算中的一种对第三序列和第四序列进行运算，将运算的结果一个或多个电压数值与预设的阈值进行对比，进而确定待测电池是否存在容量异常。
示例性的，本实施例中，对上述阈值的确定方式不做限定，且可以根据经验、仿真试验、标定试验等方式确定。
本实施例提出一种容量异常检测方法，该方法中采取电池充电过程中记录的电压数据进行电池容量是否异常的判断，在确定电池容量是否异常的过程中，仅采用电压数据完成对容量异常的检测判断，且对数据质量的要求低，对电池充电快慢的速率无要求，可以有效的解决电池单体电芯容量异常检测的问题；
具体的，本方法中，采用电压数据确定容量是否异常时，仅涉及简单的平均值求取、排序以及简单的比较运算，不依赖负载的函数模型，也无需复杂的数据计算过程，检测周期短、执行效率高。
在图1所示方案的基础上，在一种可实施方案中，采用第三序列和第四序列按照预设运算规则进行运算包括：
采用第三序列与第四序列做差，间结果记为C，C为：
{Δrj|j＝1…m}
根据运算结果判断待测电池的容量是否异常包括：
若存在至少一个Δrj满足|Δrj|>m-10，则判断待测电池的容量异常。
示例性的，本方案中，将第三序列记为Us，Us＝{rs_j|j＝1…m}，将第四序列记为Ue，Ue＝{re_j|j＝1…m}，则Δrj具体为：
rs_j-re_j
示例性的，本方案中，也可以按照如下方式判断待测电池的容量是否异常：
若Δrm满足|Δrm|>m-s，则判断待测电池的容量异常，其中，s为一设定整数，例如s可以为10。
在图1所示方案的基础上，在一种可实施方案中，若待测电池为非磷酸铁锂电池，则根据预设规则从电压数据中截取电压数据段包括：
在电压数据段对应的时段内，待测电池的起始容量小于第一容量且终止容量大于第二容量。
示例性的，本方案中，设定待测电池为锂电池，对非磷酸铁锂电池的类型不做限定，例如，非磷酸铁锂电池可以为钴酸锂电池、锰酸锂电池、二元锂电池、三元锂电池中的一种。
本方案中，充电过程数据还应包括电池剩余荷电状态，其中，第一容量可以为29％～31％SOC，第二容量可以为94％～96％SOC。
本方案中，根据待测电池的SOC进行电压数据段的截取，即电压数据段的起始电压数据对应(待测电池处于)第一容量(时的电压数据)、电压数据段的终止电压数据对应第二容量。
本方案中，当锂电池为非磷酸铁锂电池时，截取SOC适中的部分电压数据作为电压数据段，可以提高进行后续计算和判断时，容量异常检测的准确性。
优选的，在一种可实施方案中，设定第一容量为30％SOC，第二容量为95％SOC。
在图1所示方案的基础上，在一种可实施方案中，若待测电池为磷酸铁锂电池，则根据预设规则从电压数据中截取电压数据段包括：
根据电压数据判断全部单体电芯在充电过程中是否存在电压平台期，当至少一个单体电芯不存在电压平台期时，抛弃全部电压数据，否则保留全部电压数据。
示例性的，本方案中，电压平台期为电池在充电的初期，电压变化十分缓慢，电压曲线近乎水平的充电阶段。
示例性的，本方案中，当保留全部电压数据时，剔除电压平台期内的电压数据，将剩余的电压数据作为电压数据段。
本方案中，当待测电池为磷酸铁锂电池时，通过单体电芯的充电电压是否存在电压平台期对电压数据进行筛选，可以有效的剔除不满足使用需求的电压数据，进而提高容量异常检测的准确性。
在图1所示方案的基础上，在一种可实施方案中，获取待测电池中全部单体电芯的电压数据后还包括：
对电压数据进行剔除缺失值、重复值、零值、通信异常值、无效值中的至少一种。
本方案中，对电压数据进行上述数据处理后，再根据预设规则从剩余的电压数据中截取电压数据段。
在图1所示方案的基础上，在一种可实施方案中，设定第一电压数据集包括第j个单体电芯的最前N个电压数据；第二电压数据集包括第j个单体电芯的最后N个电压数据。
本方案中，将电压数据段的头、尾两部分数据集分别作为第一电压数据集和第二电压数据集。
图2是实施例中的另一种容量异常检测方法流程图，参考图2，在一种可实施方案中，容量异常检测方法包括：
S201.对待测电池进行恒流充电，记录充电过程数据。
本方案中，设定容量异常检测方案用于磷酸铁锂电池的容量异常检测。
本方案中，设定充电过程数据包括时间戳、充电电流、各单体电芯的电压(数据)。
本方案中，还对充电过程数据进行数据处理，数据处理包括剔除缺失值、重复值、零值、通信异常值、无效值中的至少一种。
示例性的，本方案中，设定按照如下格式记录充电过程数据：
设定充电过程数据共有n行，设定其中的充电电流项为I，I＝{Ii|i＝1…n}，设定其中的电压数据项为U，U＝{Uj|j＝1…m}，其中，Uj＝{uj_i|i＝1…n}。
S202.从充电过程数据中，根据国标至少获取待测电池中全部单体电芯的电压数据。
本方案中，设定国标为GB/T 32960-2016，设定从经过数据处理后的剩余充电过程数据中获取待测电池中全部单体电芯的电压数据。
S203.根据电压数据判断全部单体电芯在充电过程中是否存在电压平台期，若是则保留全部电压数据。
本方案中，若判断全部单体电芯在充电过程中均存在电压平台期，则保留全部电压数据；
若至少存在一个单体电芯在充电过程中不存在电压平台期，则抛弃全部电压数据，此时，判定充电过程数据不符合判断标准，结束本次容量异常检测。
本方案中，若保留全部电压数据，则剔除处于电压平台期内的电压数据，将剩余的电压数据作为电压数据段。
S204.针对每个单体电芯，从电压数据段中截取前10个电压数据构成第一电压数据集、截取后10个电压数据构成第二电压数据集。
记第一电压数据集U1为{V1_j|j＝1…m}，V1_j＝{u1_j_1,u1_j_2…u1_j_10}，记第二电压数据集U2为{V2_j|j＝1…m}，V2_j＝{u2_j_1,u2_j_2…u2_j_10}。
S205.分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列。
S206.按照相同的排序规则分别对第一序列、第二序列中的各平均值进行排序，将排序后的序列分别记为第三序列、第四序列。
本方案中，将第三序列记为Us，Us＝{rs_j|j＝1…m}，将第四序列记为Ue，Ue＝{re_j|j＝1…m}。
S207.将第三序列和第四序列做差，根据运算结果判断待测电池的容量是否异常。
采用第三序列与第四序列做差，间结果记为C，C为：
{Δrj|j＝1…m}
本方案中，Δrj具体为：
rs_j-re_j
若Δrm满足Δrm>m-10，则判断待测电池的容量异常。
图3是实施例中的异常的锂电池单体电压曲线示意图，图4是实施例中的正常的锂电池单体电压曲线示意图，图5是实施例中的磷酸铁锂电池电压曲线示意图，参考图3～图5，针对磷酸铁锂电池，在电压平台期外，相较正常的电压曲线，异常的电压曲线的头部电压数据和尾部电压数据存在比较明显的异常，本方案中，选取电压数据段中前10个以及后10个电压数据，采用该电压数据进行后续的计算和判断，可以减少采用的数据的数量，并能够保证容量异常检测判断的准确性。
图6是实施例中的三元锂电池电压曲线示意图，参考图6，以三元锂电池为例，本方案提出的容量异常检测方法也可以用于非磷酸铁锂电池的容量异常检测，此时，步骤S203替换为根据电池剩余荷电状态选取SOC在30％～95％时对应的电压数据，作为电压数据段，该方法中其余步骤的内容不变，具体内容不再详述。
本方案提出的容量异常检测方法解决了实际应用场景下识别电池系统中单体电芯容量异常衰减的问题；无论电池快充或慢充，获取的电压数据都适用，对数据质量要求比数据驱动模型低；检测周期短，能快速把结果反馈到大数据平台。
实施例二
本实施例提出一种容量异常检测装置，包括容量异常检测单元，容量异常检测单元用于：
对待测电池进行充电，记录充电过程数据；
从充电过程数据中，至少获取待测电池中全部单体电芯的电压数据；
根据预设规则从电压数据中截取电压数据段，从电压数据段中截取第一电压数据集U1、第二电压数据集U2；
记第一电压数据集U1为{V1_j|j＝1…m}，记第二电压数据集U2为{V2_j|j＝1…m}；
式中，V1_j表示第一电压数据集中，第j个单体电芯的N个电压数据，V2_j表示第二电压数据集中，第j个单体电芯的N个电压数据，m表示单体电芯的数量；
分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列；
按照相同的排序规则分别对第一序列、第二序列中的各平均值进行排序，将排序后的序列分别记为第三序列、第四序列；
采用第三序列和第四序列按照预设运算规则进行运算，根据运算结果判断待测电池的容量是否异常。
本实施例中，容量异常检测单元可以具体设计为实现实施例一中的任意一种容量异常检测方法，其实现过程和有益效果与实施例一中记载的对应内容相同，在此不再赘述。
实施例三
图7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7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，例如容量异常检测方法。
在一些实施例中，容量异常检测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容量异常检测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)而被配置为执行容量异常检测方法。
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。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种容量异常检测方法，其特征在于，包括：
对待测电池进行恒流充电，记录充电过程数据；
从所述充电过程数据中，至少获取所述待测电池中全部单体电芯的电压数据；
根据预设规则从所述电压数据中截取电压数据段，从所述电压数据段中截取第一电压数据集U1、第二电压数据集U2；
记所述第一电压数据集U1为{V1_j|j＝1…m}，记所述第二电压数据集U2为{V2_j|j＝1…m}；
式中，V1_j表示第一电压数据集中，第j个单体电芯的N个电压数据，V2_j表示第二电压数据集中，第j个单体电芯的N个电压数据，m表示单体电芯的数量，N为设定值；
分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列；
按照相同的排序规则分别对所述第一序列、第二序列中的各所述平均值进行排序，将排序后的序列分别记为第三序列、第四序列；
采用所述第三序列和所述第四序列按照预设运算规则进行运算，根据运算结果判断所述待测电池的容量是否异常。
2.如权利要求1所述的容量异常检测方法，其特征在于，采用所述第三序列和所述第四序列按照预设运算规则进行运算包括：
采用所述第三序列与所述第四序列做差，将结果记为C，C为：
{Δrj|j＝1…m}
根据运算结果判断所述待测电池的容量是否异常包括：
若存在至少一个Δrj满足|Δrj|>m-s，则判断所述待测电池的容量异常，其中，s为一设定整数。
3.如权利要求1所述的容量异常检测方法，其特征在于，所述待测电池为钴酸锂电池、锰酸锂电池、二元锂电池、三元锂电池中的一种；
根据预设规则从所述电压数据中截取电压数据段时，所述电压数据段满足：
在所述电压数据段对应的时段内，所述待测电池的起始容量小于第一容量且终止容量大于第二容量；
所述第一容量为29％～31％SOC，所述第二容量为94％～96％SOC。
4.如权利要求1所述的容量异常检测方法，其特征在于，所述待测电池为磷酸铁锂电池，
根据预设规则从所述电压数据中截取电压数据段包括：
根据所述电压数据判断全部所述单体电芯在充电过程中是否存在电压平台期，当所述单体电芯均存在所述电压平台期时，截取所述电压平台期外的全部所述电压数据。
5.如权利要求1至4任一所述的容量异常检测方法，其特征在于，获取所述待测电池中全部单体电芯的电压数据后还包括：
对所述电压数据进行剔除缺失值、重复值、零值、通信异常值、无效值中的至少一种。
6.如权利要求1至4任一所述的容量异常检测方法，其特征在于，针对第j个单体电芯，从所述电压数据段中截取最前N个电压数据，构成所述第一电压数据集，从所述电压数据段中截取最后N个电压数据，构成所述第二电压数据集。
7.如权利要求3所述的容量异常检测方法，其特征在于，所述第一容量为30％SOC，所述第二容量为95％SOC。
8.一种容量异常检测装置，其特征在于，包括容量异常检测单元，所述容量异常检测单元用于：
对待测电池进行充电，记录充电过程数据；
从所述充电过程数据中，至少获取所述待测电池中全部单体电芯的电压数据；
根据预设规则从所述电压数据中截取电压数据段，从所述电压数据段中截取第一电压数据集U1、第二电压数据集U2；
记所述第一电压数据集U1为{V1_j|j＝1…m}，记所述第二电压数据集U2为{V2_j|j＝1…m}；
式中，V1_j表示第一电压数据集中，第j个单体电芯的N个电压数据，V2_j表示第二电压数据集中，第j个单体电芯的N个电压数据，m表示单体电芯的数量，N为设定值；
分别计算每个V1_j的平均值，将计算结果构成的序列记为第一序列，分别计算每个V2_j的平均值，将计算结果构成的序列记为第二序列；
按照相同的排序规则分别对所述第一序列、第二序列中的各所述平均值进行排序，将排序后的序列分别记为第三序列、第四序列；
采用所述第三序列和所述第四序列按照预设运算规则进行运算，根据运算结果判断所述待测电池的容量是否异常。
9.一种电子设备，其特征在于，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；
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中任一项所述的容量异常检测方法。
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中任一项所述的容量异常检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310910767.7A CN116859274A (zh) | 2023-07-21 | 2023-07-21 | 一种容量异常检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310910767.7A CN116859274A (zh) | 2023-07-21 | 2023-07-21 | 一种容量异常检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116859274A true CN116859274A (zh) | 2023-10-10 |
Family
ID=88226745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310910767.7A Pending CN116859274A (zh) | 2023-07-21 | 2023-07-21 | 一种容量异常检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859274A (zh) |
-
2023
- 2023-07-21 CN CN202310910767.7A patent/CN116859274A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113127305B (zh) | 异常检测方法及装置 | |
| CN116008827A (zh) | 一种锂离子电池析锂电位的确定方法、装置及电子设备 | |
| CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
| CN115932634A (zh) | 一种对电池健康状态评估的方法、装置、设备及存储介质 | |
| 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 | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| CN115718265A (zh) | 电池直流电阻测试值的修正方法、电子设备及存储介质 | |
| WO2024093963A1 (zh) | 电池寿命确定方法、装置、电子设备及存储介质 | |
| CN116859274A (zh) | 一种容量异常检测方法、装置、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 | |
| CN115902625A (zh) | 一种电池系统的性能预测方法、装置、设备及存储介质 | |
| CN114200315B (zh) | 剩余充电时间的预测方法、装置、电子设备和存储介质 | |
| CN115761648A (zh) | 应用于变压器的渗油评估方法、装置、设备、介质及产品 | |
| CN117706390B (zh) | 一种电池荷电状态滚动优化估计方法及装置 | |
| 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 | |
| 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 | |
| CN114494818B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
| CN117907847A (zh) | 一种异常电池筛选方法、装置、设备及存储介质 | |
| CN114966439A (zh) | 一种电池分容测试方法、装置、电子设备及存储介质 | |
| CN118068199B (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 | |
| CN118259183A (zh) | 一种电池健康度确定方法及装置 | |
| CN116087807A (zh) | 电池充电截止电压测试方法、装置、电子设备及存储介质 | |
| CN115728656A (zh) | 对电芯进行充放电循环测试的方法、装置和设备 | |
| CN117520605A (zh) | 一种电力数据采集方法、装置、设备及存储介质 | |
| CN115792628A (zh) | 一种动力电池安全性评估方法、装置、设备和存储介质 |
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 |