CN116865400B - 一种智能锂电池充电机及其控制系统 - Google Patents

一种智能锂电池充电机及其控制系统 Download PDF

Info

Publication number
CN116865400B
CN116865400B CN202310868231.3A CN202310868231A CN116865400B CN 116865400 B CN116865400 B CN 116865400B CN 202310868231 A CN202310868231 A CN 202310868231A CN 116865400 B CN116865400 B CN 116865400B
Authority
CN
China
Prior art keywords
lithium battery
charging current
training
temperature
vector
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.)
Active
Application number
CN202310868231.3A
Other languages
English (en)
Other versions
CN116865400A (zh
Inventor
王震
张建东
包银囡
潘开
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huzhou Shunwei Energy Technology Co ltd
Original Assignee
Huzhou Shunwei Energy Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huzhou Shunwei Energy Technology Co ltd filed Critical Huzhou Shunwei Energy Technology Co ltd
Priority to CN202310868231.3A priority Critical patent/CN116865400B/zh
Publication of CN116865400A publication Critical patent/CN116865400A/zh
Application granted granted Critical
Publication of CN116865400B publication Critical patent/CN116865400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
    • H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
    • H02J7/007194—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature of the battery
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/443—Methods for charging or discharging in response to temperature
    • 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
    • H02J7/00309—Overheat or overtemperature protection
    • 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
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • H02J7/00714—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery charging or discharging current
    • 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
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • H02J7/00714—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery charging or discharging current
    • H02J7/00716—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery charging or discharging current in response to integrated charge or discharge current

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种智能锂电池充电机及其控制系统，其获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号；分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量；以及，基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流。这样，可以智能化地根据实时情况调整充电电流，以确保电池在安全温度范围内工作，保障充电过程的安全可靠。

Description

一种智能锂电池充电机及其控制系统
技术领域
本发明涉及智能化控制技术领域，尤其涉及一种智能锂电池充电机及其控制系统。
背景技术
锂电池是一种广泛应用于各种电子设备中的可充电电池，具有高能量密度、低自放电、长寿命等优点。
锂电池充电机是一种专门用于为锂电池提供充电电流的设备。锂电池充电机的工作原理是根据锂电池的特性，采用恒流-恒压的充电方式，先以恒定的电流为锂电池充电，当锂电池的电压达到额定值时，再以恒定的电压为锂电池充电，直到充电电流降到很小或者达到设定的时间为止。锂电池充电机可以有效地保护锂电池，延长其使用寿命。
然而，锂电池充电机在给锂电池进行充电的过程中也存在一些问题。例如，锂电池在充电过程中会产生热量，过高的温度可能会对电池造成损害甚至安全隐患。因此，期待一种优化的锂电池充电机的控制方案。
发明内容
本发明实施例提供一种智能锂电池充电机及其控制系统，其获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号；分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量；以及，基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流。这样，可以智能化地根据实时情况调整充电电流，以确保电池在安全温度范围内工作，保障充电过程的安全可靠。
本发明实施例还提供了一种智能锂电池充电机的控制系统，其包括：
参数获取单元，用于获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号；
特征提取单元，用于分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量；以及
调整策略确定单元，用于基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流。
本发明实施例还提供了一种智能锂电池充电机，所述智能锂电池充电机以如所述的控制系统运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。在附图中：
图1为本发明实施例中提供的一种智能锂电池充电机的控制系统的框图。
图2为本发明实施例中提供的一种智能锂电池充电机的控制系统中所述特征提取单元的框图。
图3为本发明实施例中提供的一种智能锂电池充电机的控制方法的流程图。
图4为本发明实施例中提供的一种智能锂电池充电机的控制方法的系统架构的示意图。
图5为本发明实施例中提供的一种智能锂电池充电机的控制系统的应用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
应可以理解，锂电池是一种常见的可充电电池，使用锂离子在正负极之间的迁移来存储和释放电能。锂电池具有高能量密度、长寿命、轻量化和无记忆效应等优点，因此被广泛应用于移动设备、电动车辆、储能系统等领域。
锂电池的结构一般包括正极、负极、电解质和隔膜等组成部分。正极材料通常采用锂化合物，如锂钴酸锂(LiCoO2)、锂铁磷酸锂(LiFePO4)等；负极材料一般使用石墨，其表面涂覆一层锂金属氧化物以增加容量；电解质通常是有机溶液，其中含有锂盐，如锂盐酸酯等；隔膜用于隔离正负极，防止短路。锂电池的充放电过程是通过锂离子在正负极之间的迁移来实现的，在充电过程中，锂离子从正极材料中脱嵌，并通过电解质和隔膜迁移到负极材料中嵌入。而在放电过程中，锂离子从负极材料中脱嵌，并通过电解质和隔膜迁移到正极材料中嵌入。这种锂离子的迁移过程是可逆的，因此锂电池可以反复充放电。
值得注意的是，锂电池在使用过程中需要遵守一些安全操作，以防止过充、过放、过热等情况发生。此外，锂电池的性能和寿命也会受到环境温度、充放电速率、循环次数等因素的影响。因此，在使用锂电池时，需要根据具体的应用需求和厂商提供的指导，合理使用和维护锂电池，以确保其安全可靠地工作。
进一步地，锂电池充电机是一种专门用于给锂电池充电的设备，提供电源和电路来控制充电电流和电压，以确保安全、高效地将电能传输到锂电池中。锂电池充电机的主要功能包括：1.充电电流和电压控制，充电机可以根据锂电池的需求和规格，设定合适的充电电流和电压。这可以通过内部电路来实现，以确保电池在充电过程中不会受到过充或过放的影响，从而延长电池的寿命。2.充电模式选择，充电机通常提供多种充电模式选择，如恒流充电模式、恒压充电模式、快充模式等。这些模式可以根据不同的需求和应用场景来选择，以实现最佳的充电效果。3.充电状态监测，充电机可以监测锂电池的充电状态，如电流、电压、温度等参数。这些监测数据可以帮助用户了解电池的充电情况，并及时调整充电参数。4.安全保护功能，为了确保充电过程的安全性，充电机通常会具备多种安全保护功能，如过充保护、过放保护、短路保护、过温保护等。这些保护机制可以有效地预防电池的损坏和意外事故的发生。5.充电完成提示，当锂电池充满电时，充电机会发出提示音或灯光等信号，以提醒用户可以断开充电连接。
应可以理解，不同类型的锂电池(如锂离子电池、锂聚合物电池)可能具有不同的充电要求和特性，因此选择合适的充电机对于保护电池和确保充电效果至关重要。
锂电池在充电过程中可能会出现过热、过充、过放等安全问题，通过智能锂电池充电机的控制，可以监测电池的温度和充电电流信号，并从中提取隐含特征信息，以智能化地调整充电电流，确保电池在安全温度范围内工作，避免过充和过放，减少火灾和爆炸的风险。
智能锂电池充电机的控制可以根据电池的状态和需求，优化充电电流和电压，以提高充电效率，通过合理调整充电参数，可以减少充电时间，提高充电效率，节约能源。
锂电池的寿命与充电过程密切相关，通过智能锂电池充电机的控制，可以实时监测电池的状态和健康状况，包括电池的容量、内阻等参数。根据这些信息，可以采取相应的充电策略，延长电池的使用寿命，智能锂电池充电机可以提供更多的充电选项和功能，如快充、慢充、恒流充电、恒压充电等。
智能锂电池充电机的控制对于保证充电过程的安全性、提高充电效率、延长电池寿命以及提供良好的用户体验都是非常必要的。
在本发明的一个实施例中，图1为本发明实施例中提供的一种智能锂电池充电机的控制系统的框图。如图1所示，根据本发明实施例的智能锂电池充电机的控制系统100，包括：参数获取单元110，用于获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号；特征提取单元120，用于分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量；以及，调整策略确定单元130，用于基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流。
其中，在所述参数获取单元110中，准确获取预定时间段内多个预定时间点的被充电锂电池的温度值和充电电流信号。确保传感器的准确性和稳定性是关键，同时需要合理选择采样频率和采样点数，以获得足够的数据进行后续处理。其中，通过准确获取锂电池的温度值和充电电流信号，可以提供实时的电池状态信息，为后续的特征提取和调整策略提供准确的数据支持，有助于实现精确的充电控制，提高充电的安全性和可靠性。
在所述特征提取单元120中，从锂电池的温度值和充电电流信号中提取锂电池温度特征信息和电流波形特征信息，在特征提取过程中，选择合适的算法和方法，以确保提取到的特征能够准确反映锂电池的状态和特性。其中，通过提取锂电池温度时序特征向量和充电电流波形特征向量，可以获取更加全面和准确的锂电池状态信息。这些特征信息可以用于分析电池的工作状态、健康状况和充电需求，为后续的调整策略提供依据，实现更智能化的充电控制。
在所述调整策略确定单元130中，基于锂电池温度时序特征向量和充电电流波形特征向量来确定是否需要调整充电电流。在确定调整策略时，考虑多个因素，如电池的安全性、充电效率和健康管理等。其中，通过智能地确定是否需要调整充电电流，可以实现对充电过程的精确控制。根据锂电池的实际情况和需求，调整充电电流可以避免过热、过充、过放等安全问题，提高充电效率，延长电池寿命，同时提供更好的用户体验。
也就是，参数获取单元、特征提取单元和调整策略确定单元在智能锂电池充电机的控制系统中都起着重要的作用，共同实现对充电过程的智能化管理和控制。
具体地，所述参数获取单元110，用于获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号。针对上述技术问题，本申请的技术构思是通过监测电池的温度和充电电流信号，并从温度数据和电流数据中提取隐含特征信息，从而智能化地根据实时情况调整充电电流，以确保电池在安全温度范围内工作，保障充电过程的安全可靠。
具体地，在本申请的技术方案中，首先获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号。
考虑到多个预定时间点的被充电锂电池的温度值中蕴藏关于温度变化的规律和隐含时序特征。例如，当温度在持续上升时，锂电池大概率是处于充电状态；当温度在短时间内产生较大波动，可能表示存在异常情况。当然，预定时间段的充电电流信号中也含有电流的波动特征。例如，充电电流信号的波动幅度和波形频率可以反映充电过程中的电流稳定性，通常，较小的波动表示充电电流比较稳定。
应可以理解，获取预定时间段内多个预定时间点的被充电锂电池的温度值和充电电流信号是智能锂电池充电机控制系统中的重要步骤，这些数据对于最后确定是否需要调整充电电流起着关键作用。
首先，获取被充电锂电池的温度值是为了监测电池的热量变化情况。锂电池的温度是一个重要的指标，可以反映电池的工作状态和安全性，通过传感器或其他温度监测装置，可以获取电池的温度值。这些温度值可以用于判断电池是否过热或过冷，以及是否需要调整充电电流来避免电池损坏或安全事故。
其次，获取预定时间段内的充电电流信号是为了了解电池的充电状态和充电速度。充电电流信号可以通过电流传感器或电池管理系统获取。通过监测充电电流的变化，可以得知电池的充电速度和充电效率，如果充电电流过大或过小，可能会导致电池的过充或欠充，从而影响电池的寿命和性能。因此，充电电流信号可以用于判断是否需要调整充电电流，以实现更精确的充电控制。
获取被充电锂电池的温度值和充电电流信号可以提供准确的电池状态信息，从而帮助确定是否需要调整充电电流。通过实时监测温度和充电电流，可以实现精确的充电控制，延长电池的寿命，并提供更好的用户体验。
具体地，所述特征提取单元120，用于分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量。图2为本发明实施例中提供的一种智能锂电池充电机的控制系统中所述特征提取单元的框图，如图2所示，所述特征提取单元120，包括：温度数据处理子单元121，用于对所述多个预定时间点的被充电锂电池的温度值进行数据结构化处理和时序特征提取处理以得到所述锂电池温度时序特征向量；以及，电流数据处理子单元122，用于对所述预定时间段的充电电流信号进行波形特征提取处理以得到所述充电电流波形特征向量。
其中，通过对锂电池温度值的结构化处理和时序特征提取，可以获取更准确的温度特征向量，温度特征向量可以反映电池的温度变化趋势、温度波动情况等，从而提供准确的电池状态信息。
通过对充电电流信号的波形特征提取处理，可以得到充电电流的特征向量，充电电流的特征向量可以反映充电电流的波形特点，如峰值、波形稳定性等。根据充电电流的特征向量，可以实现对充电电流的精确控制，确保充电过程的稳定性和安全性。
通过准确监测锂电池的温度和充电电流，可以避免电池过热或过冷，从而延长电池的寿命，特征提取单元的处理可以及时捕捉到温度和电流的异常情况，并作出相应的调整，以保护电池的健康和稳定性。
精确的充电控制和电池状态监测可以提高充电效率和安全性，为用户提供更好的充电体验。用户可以放心地使用智能锂电池充电机，知道电池的状态和充电进度，同时享受更快速、更可靠的充电服务。
进一步地，特征提取单元的温度数据处理子单元和电流数据处理子单元在智能锂电池充电机控制系统中起着重要作用，能够提供准确的电池状态信息、实现精确的充电控制、延长电池寿命并提供良好的用户体验。
对于所述温度数据处理子单元121，用于：将所述多个预定时间点的被充电锂电池的温度值按照时间维度排列为锂电池温度时序输入向量；以及，将所述锂电池温度时序输入向量通过基于一维卷积神经网络模型的锂电池温度特征提取器以得到所述锂电池温度时序特征向量。
对于所述电流数据处理子单元122，用于：将所述预定时间段的充电电流信号通过基于二维卷积神经网络模型的电流波形特征提取器以得到所述充电电流波形特征向量。
为捕捉温度数据和电流数据的隐含特征，在本申请的技术方案中，对所述多个预定时间点的被充电锂电池的温度值进行数据结构化处理和时序特征提取处理以得到所述锂电池温度时序特征向量，并对所述预定时间段的充电电流信号进行波形特征提取处理以得到所述充电电流波形特征向量。
更具体地，在一个实施例中，得到所述锂电池温度时序特征向量和所述充电电流波形特征向量的编码过程，包括：先将所述多个预定时间点的被充电锂电池的温度值按照时间维度排列为锂电池温度时序输入向量；随后，将所述锂电池温度时序输入向量通过基于一维卷积神经网络模型的锂电池温度特征提取器以得到锂电池温度时序特征向量；同时，将所述预定时间段的充电电流信号通过基于二维卷积神经网络模型的电流波形特征提取器以得到充电电流波形特征向量。
值得一提的是，所述基于二维卷积神经网络模型的电流波形特征提取器的最后一层对特征图中沿通道维度的各个特征矩阵进行全局均值池化操作以得到所述充电电流波形特征向量。
应可以理解，按照时间维度排列锂电池温度时序输入向量意味着将多个预定时间点的被充电锂电池的温度值按照时间顺序排列，形成一个向量，这个向量可以用来描述锂电池温度随时间变化的趋势。
假设有N个预定时间点的温度值，分别为T1,T2,T3,...,TN，其中Ti表示第i个时间点的温度值。按照时间维度排列的锂电池温度时序输入向量可以表示为：[T1,T2,T3,...,TN]。这样的排列方式可以观察锂电池温度的变化趋势，从而更好地理解电池的工作状态和性能，通过对这个向量进行分析和处理，可以提取出温度的特征信息，用于判断电池是否处于正常工作范围内或者是否需要调整充电电流等控制策略。
更具体地，通过将锂电池温度值按照时间维度排列，可以将温度变化以时序的方式呈现，有助于观察锂电池温度的趋势和波动，进而分析充电过程中的温度变化规律。将锂电池温度值按照时间维度排列为时序输入向量后，可以应用一维卷积神经网络等方法进行特征提取，通过提取温度时序的特征，可以获取更具信息量的特征向量，用于进一步的分析和控制。将锂电池温度按照时间维度排列为时序输入向量后，可以更精确地监测和控制充电过程中的温度变化，通过对温度时序的分析，可以及时发现温度异常或过高的情况，并采取相应的控制策略，以保护锂电池的安全和延长其寿命。
进一步地，通过使用一维卷积神经网络模型的锂电池温度特征提取器，将锂电池温度时序输入向量转换为锂电池温度时序特征向量。一维卷积神经网络能够自动学习并提取锂电池温度时序数据中的重要特征，这些特征可能包括温度的趋势、周期性变化、异常点等，有助于更好地理解锂电池的工作状态。通过将锂电池温度时序数据转换为特征向量，可以将数据的维度降低到更合适的范围，有助于减少计算复杂度，并提高后续处理的效率。锂电池温度时序特征向量能够更好地表示锂电池的状态，从而提高了对锂电池温度的准确性，对于精确控制充电过程、避免过热和提高电池寿命非常重要。
同样，通过使用二维卷积神经网络模型的电流波形特征提取器，将预定时间段的充电电流信号转换为充电电流波形特征向量。二维卷积神经网络能够有效地捕捉充电电流信号的波形特征，例如充电电流的幅值、频率、波形形状等，这些特征可以提供关于充电状态和充电效果的重要信息。通过将充电电流信号转换为特征向量，可以更好地区分不同的充电模式和充电行为，有助于准确判断充电过程中的异常情况，并采取相应的控制策略。充电电流波形特征向量提供了更丰富的信息，可以用于优化充电控制策略，提高充电的精确性和效率。
通过使用基于一维和二维卷积神经网络的特征提取器，可以将锂电池温度和充电电流信号转换为更具信息量的特征向量，从而实现更准确、高效的充电控制系统。
具体地，所述调整策略确定单元130，用于基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流。用于：计算所述锂电池温度时序特征向量相对于所述充电电流波形特征向量的响应性估计以得到分类特征矩阵；以及，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否需调整充电电流。
然后，计算所述锂电池温度时序特征向量相对于所述充电电流波形特征向量的响应性估计以得到分类特征矩阵。这里，锂电池温度和充电电流之间存在着复杂的关联关系。一般来说，当锂电池充电时，充电电流会通过电池内部的电化学反应产生热量，从而导致电池温度升高。这意味着锂电池的温度变化是充电电流的一个响应。通过计算锂电池温度时序特征向量相对于充电电流波形特征向量的响应性估计，可以用于衡量锂电池温度对充电电流的影响程度。
其中，响应性估计是指评估不同特征向量对于某个特定任务或问题的响应程度。在本申请中，可以使用响应性估计来比较锂电池温度时序特征向量和充电电流波形特征向量在分类任务中的表现。
具体地，首先，收集一组包含锂电池温度时序特征向量和充电电流波形特征向量的样本数据，确保样本数据具有标签信息，以便进行分类任务。然后，根据任务的要求和特征的相关性，选择一组合适的特征向量作为输入。在这种情况下，可以选择锂电池温度时序特征向量和充电电流波形特征向量作为输入特征。接着，选择一个合适的分类模型，例如支持向量机(SVM)、决策树、随机森林等，并使用样本数据训练该模型。然后，使用已训练的分类模型对新的样本数据进行预测，并计算锂电池温度时序特征向量和充电电流波形特征向量在分类任务中的响应性得分，响应性得分可以是准确率、召回率、F1值等指标。最后，根据得到的响应性得分，比较锂电池温度时序特征向量和充电电流波形特征向量在分类任务中的表现，可以通过比较两者的得分来评估它们对于分类任务的贡献程度。
通过上述步骤，可以得到一个分类特征矩阵，其中包含了锂电池温度时序特征向量和充电电流波形特征向量的响应性估计结果。有助于确定哪个特征向量对于分类任务更具有重要性和影响力，从而指导后续的充电控制策略和决策过程。
继而，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否需调整充电电流。通过使用分类器对分类特征矩阵进行分类，可以自动判断当前的充电状态和充电效果，如果分类结果表明需要调整充电电流，可以根据分类结果进行相应的调整，以优化充电过程并达到更好的充电效果。
根据分类结果来判断是否需要调整充电电流，可以帮助避免充电过程中的潜在风险和安全问题，如果分类结果表明存在异常或不正常的充电状态，可以及时采取措施来保护锂电池的安全。通过根据分类结果调整充电电流，可以实现对充电过程的精确控制。根据不同的充电状态和需求，动态调整充电电流可以提高充电效率，缩短充电时间，并减少能量损耗。通过根据分类结果调整充电电流，可以避免过度充电或过度放电，从而延长锂电池的使用寿命。合理的充电电流调整可以减少对锂电池的损害，提高其循环寿命和使用寿命。
进一步地，在本申请中，所述智能锂电池充电机的控制系统，还包括用于对所述基于一维卷积神经网络模型的锂电池温度特征提取器、所述基于二维卷积神经网络模型的电流波形特征提取器和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练参数获取单元，获取训练数据，所述训练数据包括预定时间段内多个预定时间点的被充电锂电池的训练温度值、所述预定时间段的训练充电电流信号，以及，是否需调整充电电流的真实值；训练向量排列单元，用于将所述多个预定时间点的被充电锂电池的训练温度值按照时间维度排列为训练锂电池温度时序输入向量；训练第一特征提取单元，用于将所述训练锂电池温度时序输入向量通过所述基于一维卷积神经网络模型的锂电池温度特征提取器以得到训练锂电池温度时序特征向量；训练第二特征提取单元，用于将所述预定时间段的训练充电电流信号通过所述基于二维卷积神经网络模型的电流波形特征提取器以得到训练充电电流波形特征向量；响应性估计计算单元，用于计算所述训练锂电池温度时序特征向量相对于所述训练充电电流波形特征向量的响应性估计以得到训练分类特征矩阵；训练分类单元，用于将所述训练分类特征矩阵通过分类器以得到分类损失函数值；训练优化单元，用于计算所述分类特征矩阵的流形凸分解一致性因数；以及，训练单元，用于以所述分类损失函数值和所述流形凸分解一致性因数的加权和作为损失函数值，来对所述基于一维卷积神经网络模型的锂电池温度特征提取器、所述基于二维卷积神经网络模型的电流波形特征提取器和所述分类器进行训练。
这里，在计算所述锂电池温度时序特征向量相对于所述充电电流波形特征向量的响应性估计得到所述分类特征矩阵时，是将所述锂电池温度时序特征向量相对于所述充电电流波形特征向量的响应特征向量基于所述锂电池温度时序特征向量的自方差矩阵相对于所述充电电流波形特征向量的自方差矩阵的响应方差矩阵的各个行方差分布进行概率采样，以得到所述分类特征矩阵的各个行特征向量，这里，考虑到概率采样时的随机性，因此需要对所述分类特征矩阵的各个行特征向量进行约束。
这里，由于所述响应特征向量的整体特征分布符合所述锂电池温度时序特征向量相对于所述充电电流波形特征向量的响应性分布，而所述分类特征矩阵在列方向上的特征分布遵循所述响应特征向量的整体特征分布，因此如果所述分类特征矩阵在高维特征空间内的流形表达在与行方向和列方向对应的不同分布维度上保持一致，则能够对所述分类特征矩阵的各个行特征向量进行约束。
因此，本申请的申请人针对所述分类特征矩阵M引入特征矩阵的流形凸分解一致性因数作为损失函数，具体表示为：以如下优化公式计算所述分类特征矩阵的流形凸分解一致性因数作为损失函数；其中，所述优化公式为：
Vr＝∑imi,j
Vc＝∑jmi,j
其中，Vr和Vc分别是所述分类特征矩阵对应行向量的均值向量和列向量的均值向量，‖·‖1表示向量的一范数，‖·‖F表示矩阵的Frobenius范数，W和H是所述分类特征矩阵M的宽度和高度，且w1、w2和w3是权重超参数，mi,j是所述分类特征矩阵第(i,j)位置的特征值，Sigmoid表示Sigmoid函数，表示向量相乘，/>表示损失函数值。
也就是，考虑到所述分类特征矩阵M的行和列维度的如上所述的维度表达，所述流形凸分解一致性因数针对所述分类特征矩阵M在行和列所代表的子维度上的分布差异性，通过所述分类特征矩阵M所表示的特征流形的几何凸分解，来对不同维度上的流形的有限凸多面体的集合进行平展化，并以子维度关联的形状权重的形式来约束几何凸分解，从而促进所述分类特征矩阵M的特征流形在行和列所代表的可分解维度上的凸几何表示的一致性，以使得所述分类特征矩阵在高维特征空间内的流形表达在与行方向和列方向对应的不同分布维度上保持一致。
综上，基于本发明实施例的智能锂电池充电机的控制系统100被阐明，其通过监测电池的温度和充电电流信号，并从温度数据和电流数据中提取隐含特征信息，从而智能化地根据实时情况调整充电电流，以确保电池在安全温度范围内工作，保障充电过程的安全可靠。
如上所述，根据本发明实施例的智能锂电池充电机的控制系统100可以实现在各种终端设备中，例如用于智能锂电池充电机的控制的服务器等。在一个示例中，根据本发明实施例的智能锂电池充电机的控制系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该智能锂电池充电机的控制系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该智能锂电池充电机的控制系统100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该智能锂电池充电机的控制系统100与该终端设备也可以是分立的设备，并且该智能锂电池充电机的控制系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
进一步地，在本申请中，还提供一种智能锂电池充电机，所述智能锂电池充电机以如所述的控制系统运行。
在本发明的一个实施例中，图3为本发明实施例中提供的一种智能锂电池充电机的控制方法的流程图。图4为本发明实施例中提供的一种智能锂电池充电机的控制方法的系统架构的示意图。根据本发明实施例的智能锂电池充电机的控制方法，其包括：210，获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号；220，分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量；以及，230，基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流。
本领域技术人员可以理解，上述智能锂电池充电机的控制方法中的各个步骤的具体操作已经在上面参考图1到图2的智能锂电池充电机的控制系统的描述中得到了详细介绍，并因此，将省略其重复描述。
图5为本发明实施例中提供的一种智能锂电池充电机的控制系统的应用场景图。如图5所示，在该应用场景中，首先，获取预定时间段内多个预定时间点的被充电锂电池(例如，如图5中所示意的M)的温度值(例如，如图5中所示意的C1)以及所述预定时间段的充电电流信号(例如，如图5中所示意的C2)；然后，将获取的温度值和充电电流信号输入至部署有智能锂电池充电机的控制算法的服务器(例如，如图5中所示意的S)中，其中所述服务器能够基于智能锂电池充电机的控制算法对所述温度值和所述充电电流信号进行处理，以确定是否需调整充电电流。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种智能锂电池充电机的控制系统，其特征在于，包括：
参数获取单元，用于获取预定时间段内多个预定时间点的被充电锂电池的温度值以及所述预定时间段的充电电流信号；
特征提取单元，用于分别从所述多个预定时间点的被充电锂电池的温度值和所述预定时间段的充电电流信号中提取锂电池温度特征信息和电流波形特征信息以得到锂电池温度时序特征向量和充电电流波形特征向量；以及
调整策略确定单元，用于基于所述锂电池温度时序特征向量和所述充电电流波形特征向量，确定是否需调整充电电流；
其中，所述特征提取单元，包括：
温度数据处理子单元，用于对所述多个预定时间点的被充电锂电池的温度值进行数据结构化处理和时序特征提取处理以得到所述锂电池温度时序特征向量；以及
电流数据处理子单元，用于对所述预定时间段的充电电流信号进行波形特征提取处理以得到所述充电电流波形特征向量；
其中，所述温度数据处理子单元，用于：
将所述多个预定时间点的被充电锂电池的温度值按照时间维度排列为锂电池温度时序输入向量；以及
将所述锂电池温度时序输入向量通过基于一维卷积神经网络模型的锂电池温度特征提取器以得到所述锂电池温度时序特征向量；
其中，所述电流数据处理子单元，用于：
将所述预定时间段的充电电流信号通过基于二维卷积神经网络模型的电流波形特征提取器以得到所述充电电流波形特征向量；
其中，所述调整策略确定单元，用于：
计算所述锂电池温度时序特征向量相对于所述充电电流波形特征向量的响应性估计以得到分类特征矩阵；以及
将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否需调整充电电流；
其中，还包括用于对所述基于一维卷积神经网络模型的锂电池温度特征提取器、所述基于二维卷积神经网络模型的电流波形特征提取器和所述分类器进行训练的训练模块；
其中，所述训练模块，包括：
训练参数获取单元，获取训练数据，所述训练数据包括预定时间段内多个预定时间点的被充电锂电池的训练温度值、所述预定时间段的训练充电电流信号，以及，是否需调整充电电流的真实值；
训练向量排列单元，用于将所述多个预定时间点的被充电锂电池的训练温度值按照时间维度排列为训练锂电池温度时序输入向量；
训练第一特征提取单元，用于将所述训练锂电池温度时序输入向量通过所述基于一维卷积神经网络模型的锂电池温度特征提取器以得到训练锂电池温度时序特征向量；
训练第二特征提取单元，用于将所述预定时间段的训练充电电流信号通过所述基于二维卷积神经网络模型的电流波形特征提取器以得到训练充电电流波形特征向量；
响应性估计计算单元，用于计算所述训练锂电池温度时序特征向量相对于所述训练充电电流波形特征向量的响应性估计以得到训练分类特征矩阵；
训练分类单元，用于将所述训练分类特征矩阵通过分类器以得到分类损失函数值；
训练优化单元，用于计算所述分类特征矩阵的流形凸分解一致性因数；以及
训练单元，用于以所述分类损失函数值和所述流形凸分解一致性因数的加权和作为损失函数值，来对所述基于一维卷积神经网络模型的锂电池温度特征提取器、所述基于二维卷积神经网络模型的电流波形特征提取器和所述分类器进行训练；
其中，所述训练优化单元，用于：以如下优化公式计算所述分类特征矩阵的流形凸分解一致性因数作为损失函数；
其中，所述优化公式为：
Vr＝∑imi,j
Vc＝∑jmi,j
其中，Vr和Vc分别是所述分类特征矩阵对应行向量的均值向量和列向量的均值向量，||·||1表示向量的一范数，||·||F表示矩阵的Frobenius范数，W和H是所述分类特征矩阵M的宽度和高度，且w1、w2和w3是权重超参数，mi,j是所述分类特征矩阵第(i,j)位置的特征值，Sigmoid表示Sigmoid函数，表示向量相乘，/>表示损失函数值。
2.一种智能锂电池充电机，其特征在于，所述智能锂电池充电机以如权利要求1所述的控制系统运行。
CN202310868231.3A 2023-07-17 2023-07-17 一种智能锂电池充电机及其控制系统 Active CN116865400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310868231.3A CN116865400B (zh) 2023-07-17 2023-07-17 一种智能锂电池充电机及其控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310868231.3A CN116865400B (zh) 2023-07-17 2023-07-17 一种智能锂电池充电机及其控制系统

Publications (2)

Publication Number Publication Date
CN116865400A CN116865400A (zh) 2023-10-10
CN116865400B true CN116865400B (zh) 2024-05-24

Family

ID=88218771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310868231.3A Active CN116865400B (zh) 2023-07-17 2023-07-17 一种智能锂电池充电机及其控制系统

Country Status (1)

Country Link
CN (1) CN116865400B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117073768B (zh) * 2023-10-16 2023-12-29 吉林省牛人网络科技股份有限公司 肉牛养殖管理系统及其方法
CN117375237B (zh) * 2023-10-20 2024-05-24 浙江日新电气有限公司 基于数字孪生技术变电站运维方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475350A (zh) * 2022-02-14 2022-05-13 杭州鸽然科技有限公司 智能充电系统及其工作方法
CN115632179A (zh) * 2022-12-20 2023-01-20 国网天津市电力公司电力科学研究院 一种锂离子电池智能快速充电方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475350A (zh) * 2022-02-14 2022-05-13 杭州鸽然科技有限公司 智能充电系统及其工作方法
CN115632179A (zh) * 2022-12-20 2023-01-20 国网天津市电力公司电力科学研究院 一种锂离子电池智能快速充电方法及系统

Also Published As

Publication number Publication date
CN116865400A (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN116865400B (zh) 一种智能锂电池充电机及其控制系统
CN109586373B (zh) 一种电池充电方法和装置
US10424961B1 (en) User identification from battery characteristics
Vaideeswaran et al. Battery management systems for electric vehicles using lithium ion batteries
CN107437642B (zh) 一种智能充电方法及装置
Kumar et al. Advances in batteries, battery modeling, battery management system, battery thermal management, SOC, SOH, and charge/discharge characteristics in EV applications
CN115389958B (zh) 一种锂离子电池运行安全性评估方法及系统
Salinas et al. A second life for li-ion cells rescued from notebook batteries
CN116783757A (zh) 温度确定方法与电流阈值确定方法、电池管理系统
CN111953034A (zh) 一种电池均衡方法以及电池均衡设备
CN114506247B (zh) 一种云端协同控制的动力电池主动热管理系统
Yang et al. Balancing awareness fast charging control for lithium-ion battery pack using deep reinforcement learning
CN110556601A (zh) 一种三元动力电池低温充电工艺
CN112098847B (zh) 一种考虑机械应变的锂离子电池soc估计方法
Wang et al. Development of a one-dimensional thermal-electrochemical model of lithium ion battery
CN108232342B (zh) 一种蓄电池管理方法、系统及一种蓄电池管理设备
CN116068402A (zh) 新能源汽车锂电池状态预测方法、装置、设备及存储介质
Qiao et al. Data-Driven Fault Diagnosis of Internal Short Circuit for Series-Connected Battery Packs Using Partial Voltage Curves
CN114624609A (zh) 电池热失控检测方法及装置
Tran et al. Equivalent circuit model for high c-rate discharge with an external short circuit
Çeven et al. Development of IoT Based Battery Management System
CN116566007B (zh) 电池充放电自动调节方法、装置和智能户外电源系统
CN117293975B (zh) 一种锂电池的充放电调节方法、装置、设备及存储介质
CN211086535U (zh) 一种锂离子动力电池荷电态预测电路
CN111542451B (zh) 用于控制和监视电池组包的多个电池组电池的方法和管理系统以及电池组包

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
GR01 Patent grant