CN116990692B - 一种锂电池的健康状况评估与剩余寿命预测方法及系统 - Google Patents
一种锂电池的健康状况评估与剩余寿命预测方法及系统 Download PDFInfo
- Publication number
- CN116990692B CN116990692B CN202311267879.1A CN202311267879A CN116990692B CN 116990692 B CN116990692 B CN 116990692B CN 202311267879 A CN202311267879 A CN 202311267879A CN 116990692 B CN116990692 B CN 116990692B
- Authority
- CN
- China
- Prior art keywords
- information
- analysis result
- capacity
- result information
- appearance
- 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
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 140
- 230000036541 health Effects 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 260
- 238000012423 maintenance Methods 0.000 claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 230000003862 health status Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000000556 factor analysis Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction 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]
- G01R31/367—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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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
-
- 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
本发明公开了一种锂电池的健康状况评估与剩余寿命预测方法及系统，包括：获取电池运行信息，根据电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；获取目标锂电池的实时外观信息和初始状态信息，根据实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；构建健康状况评估模型，根据容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案，提高了锂电池健康状况评估和寿命预测的准确性。
Description
技术领域
本发明涉及锂电池健康状况评估和剩余寿命预测技术领域，尤其涉及一种锂电池的健康状况评估与剩余寿命预测方法及系统。
背景技术
锂电池作为一种高效、环保、便携式的电力储存设备，广泛应用于移动通信、电动交通工具、储能系统等领域。然而，随着锂电池的使用时间增长，其性能逐渐衰减，导致能量存储能力下降，影响设备的使用寿命和性能。因此，锂电池的健康状况评估与剩余寿命预测变得至关重要。传统的电池健康评估方法主要依赖于电压、电流和温度等直接测量参数，这些参数虽然提供了有用的信息，但无法全面反映电池的健康状态。此外，基于物理模型的方法虽然精确，但需要大量的先验知识和复杂的计算，限制了其在实际应用中的可行性。
因此，需要一种更为精确、可靠、实时的锂电池健康状况评估与剩余寿命预测方法及系统，以提高锂电池的可靠性和使用寿命。从而延长锂电池的寿命，提高其可靠性，并促进可持续能源存储和电动交通领域的发展。
发明内容
本发明克服了现有技术的缺陷，提供了一种锂电池的健康状况评估与剩余寿命预测方法及系统，其重要目的在于提高锂电池的使用可靠性和剩余寿命预测的准确性。
为实现上述目的本发明第一方面提供了一种锂电池的健康状况评估与剩余寿命预测方法，包括：
获取电池运行信息，根据所述电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；
获取目标锂电池的实时外观信息和初始状态信息，根据所述实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；
构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；
构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；
根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案。
本方案中，所述根据所述电池运行信息进行容量分析和电池内阻分析，具体为：
获取电池运行信息，所述电池运行信息包括：电压信息、电流信息、充放电时间信息、循环次数信息和温度信息；
对所述电池运行信息进行预处理，通过进行数据清理以去除异常值和噪声，对数据进行滤波以平滑数据并降低高频噪声的影响，得到预处理后的电池运行信息；
根据预处理后的电池运行信息进行容量分析，基于充放电时间信息结合电压信息及电流信息绘制电流电压曲线图，得到电流电压曲线图；
基于安时积分法计算电池的实际容量，计算所述电流电压曲线图的线下面积，作为电池的实际容量，得到实际容量信息；
获取电池初始容量和使用寿命时间信息，结合实际容量信息进行容量衰减率计算，通过计算实际容量和初始容量的差值，再计算差值与初始容量的比值，作为容量衰减率，得到容量衰减率信息；
根据所述温度信息结合所述容量衰减率信息和实际容量信息进行容量分析，分析不同温度不同时间下的容量变化，得到容量分析结果信息；
预设内阻测量时间间隔，基于交流阻抗分析法来计算电池的内阻，根据所述内阻测量时间间隔进行不同时间段的内阻测量，绘制内阻变化趋势图并进行内阻变化分析，得到内阻分析结果信息；
基于箱型图法对所述实际容量信息、容量衰减率信息和内阻分析结果信息进行异常值检测，以得到准确的分析结果。
本方案中，所述根据所述实时外观状态信息和初始状态信息进行外观分析，具体为：
获取目标锂电池的实时外观信息和初始状态信息；
根据所述实时外观信息进行目标锂电池形状重建，对所述实时外观信息进行图像校准处理并进行特征提取，提取目标锂电池的角点特征、边缘特征和纹理特征，得到外观特征信息；
通过计算机视觉算法将获取的外观特征再不同图像之间进行特征匹配，得到外观特征匹配信息；
根据所述外观特征匹配信息和实时外观图像信息构建外观视差图，通过所述外观视差图进行三维位置计算，得到三维坐标信息；
基于所述三维坐标信息进行三维重建，将目标锂电池的实时外观表示在三维空间中，得到三维形状信息；
根据所述三维形状信息和初始状态信息进行形状比对计算，获取形变区域与初始状态的差值，并将差值与预设阈值进行判断，判断是否发生形变，得到形变判断结果信息；
预设若干形变等级判断阈值，获取获取形变区域与初始状态的差值，将差值与所述形变等级判断阈值进行判断计算，得到外观分析结果信息。
本方案中，所述构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，具体为：
获取容量分析结果信息、内阻分析结果信息和外观分析结果信息；
基于多头注意力机制构建健康状况评估模型，分别预设容量、内阻和外观三个注意力头，进行锂电池健康状况评估；
基于健康状况评估模型分别对容量分析结果信息、内阻分析结果信息和外观分析结果信息进行特征提取，得到第一特征信息；
基于大数据检索获取不同健康状况的锂电池的特征信息，构成对比数据集；
将所述第一特征信息与对比数据集进行相似度计算，将获取的相似度作为注意力分数，通过Softmax函数进行权重转换，并根据转换得到的权重进行特征加权融合，得到融合特征信息；
将所述融合特征信息输入至健康状况评估模型进行健康状况评估，得到健康状况评估信息。
本方案中，所述构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，具体为：
获取电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息；
基于LSTM和遗传算法构建剩余寿命预测模型，所述剩余寿命预测模型包括第一分析模型和第二预测模型；
将所述电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息输入至剩余寿命预测模型中进行寿命预测；
通过第一分析模型结合输入的电池运行信息、容量分析结果信息和内阻分析结果信息进行电池老化分析，分析目标锂电池的未来容量变化趋势和内阻变化趋势，得到第一分析结果信息；
将所述第一分析结果信息输入至第二预测模型结合所述外观分析结果信息和健康状况评估信息进行特征提取和加权融合，根据融合后的特征信息进行寿命预测；
预设优化目标、约束条件和适应度函数，基于遗传算法进行迭代分析预测，根据输入的第一分析结果信息、外观分析结果信息和健康状况评估信息生成初始种群，得到初始种群信息；
计算各种群中的个体的适应度，与预设阈值进行判断，选取大于预设阈值的个体进行交叉和变异，重复迭代直至符合终止条件，选取适应度最高的个体作为最优解，得到最优解信息；
根据所述最优解信息进行目标锂电池剩余寿命预测，得到剩余寿命预测结果信息。
本方案中，所述根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案，具体为;
获取容量衰减率信息、内阻分析结果信息、健康状况评估信息和剩余寿命预测信息；
预设维护优先级判断阈值，所述维护优先级判断阈值包括若干容量判断阈值、健康状况判断阈值和内阻判断阈值；
将所述容量衰减率信息、内阻分析结果信息和健康状况评估信息与所述维护优先级判断阈值进行判断，得到维护优先级判断结果信息；
根据剩余寿命预测信息结合维护优先级判断结果信息进行维护策略制定；
基于大数据检索获取不同维护方案的锂电池容量、内阻、健康状况和剩余寿命信息，构成实例数据集；
将所述容量衰减率信息、内阻分析结果信息、健康状况评估信息和剩余寿命预测信息与对比数据集进行相似度计算，获取相似度值；
将相似度值与预设阈值进行判断，根据判断结果信息选取维护方案，得到候选维护方案信息；
对所述候选维护方案信息进行特征提取，获取各候选维护方案的优先维护指标，得到维护指标信息；
将所述维护指标信息与维护优先级判断结果信息进行对比分析，根据分析结果选取最优维护方案。
本发明第二方面提供了一种锂电池的健康状况评估与剩余寿命预测系统，该系统包括：存储器、处理器，所述存储器中包含锂电池的健康状况评估与剩余寿命预测方法程序，所述锂电池的健康状况评估与剩余寿命预测方法程序被所述处理器执行时实现如下步骤：
获取电池运行信息，根据所述电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；
获取目标锂电池的实时外观信息和初始状态信息，根据所述实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；
构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；
构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；
根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案。
本发明公开了一种锂电池的健康状况评估与剩余寿命预测方法及系统，包括：获取电池运行信息，根据电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；获取目标锂电池的实时外观信息和初始状态信息，根据实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；构建健康状况评估模型，根据容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案。提高了锂电池健康状况评估和寿命预测的准确性。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案，下面将对实施例或示例性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，还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种锂电池的健康状况评估与剩余寿命预测方法流程图；
图2为本发明一实施例提供的一种锂电池的健康状况评估与剩余寿命预测方法的数据处理流程图；
图3为本发明一实施例提供的一种锂电池的健康状况评估与剩余寿命预测系统框图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种锂电池的健康状况评估与剩余寿命预测方法流程图；
如图1所示，本发明提供了一种锂电池的健康状况评估与剩余寿命预测方法流程图，包括：
S102，获取电池运行信息，根据所述电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；
获取电池运行信息，所述电池运行信息包括：电压信息、电流信息、充放电时间信息、循环次数信息和温度信息；
对所述电池运行信息进行预处理，通过进行数据清理以去除异常值和噪声，对数据进行滤波以平滑数据并降低高频噪声的影响，得到预处理后的电池运行信息；
根据预处理后的电池运行信息进行容量分析，基于充放电时间信息结合电压信息及电流信息绘制电流电压曲线图，得到电流电压曲线图；
基于安时积分法计算电池的实际容量，计算所述电流电压曲线图的线下面积，作为电池的实际容量，得到实际容量信息；
获取电池初始容量和使用寿命时间信息，结合实际容量信息进行容量衰减率计算，通过计算实际容量和初始容量的差值，再计算差值与初始容量的比值，作为容量衰减率，得到容量衰减率信息；
根据所述温度信息结合所述容量衰减率信息和实际容量信息进行容量分析，分析不同温度不同时间下的容量变化，得到容量分析结果信息；
预设内阻测量时间间隔，基于交流阻抗分析法来计算电池的内阻，根据所述内阻测量时间间隔进行不同时间段的内阻测量，绘制内阻变化趋势图并进行内阻变化分析，得到内阻分析结果信息；
基于箱型图法对所述实际容量信息、容量衰减率信息和内阻分析结果信息进行异常值检测，以得到准确的分析结果。
S104，获取目标锂电池的实时外观信息和初始状态信息，根据所述实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；
获取目标锂电池的实时外观信息和初始状态信息；
根据所述实时外观信息进行目标锂电池形状重建，对所述实时外观信息进行图像校准处理并进行特征提取，提取目标锂电池的角点特征、边缘特征和纹理特征，得到外观特征信息；
通过计算机视觉算法将获取的外观特征再不同图像之间进行特征匹配，得到外观特征匹配信息；
根据所述外观特征匹配信息和实时外观图像信息构建外观视差图，通过所述外观视差图进行三维位置计算，得到三维坐标信息；
基于所述三维坐标信息进行三维重建，将目标锂电池的实时外观表示在三维空间中，得到三维形状信息；
根据所述三维形状信息和初始状态信息进行形状比对计算，获取形变区域与初始状态的差值，并将差值与预设阈值进行判断，判断是否发生形变，得到形变判断结果信息；
预设若干形变等级判断阈值，获取获取形变区域与初始状态的差值，将差值与所述形变等级判断阈值进行判断计算，得到外观分析结果信息。
需要说明的是，通过对目标锂电池的外观特征进行分析，在电池使用过长时间或者不正常使用时，会导致电池外观变形，通过分析其外观变形程度，从而映射出锂电池的健康状况和使用寿命，进而更好的预测剩余使用寿命；同时，通过外观分析还可以判断出目标锂电池是否存在安全隐患，当目标锂电池的外观形变过大时，可以判断出其存在安全隐患，从而预警提示进行更换。
S106，构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；
获取容量分析结果信息、内阻分析结果信息和外观分析结果信息；
基于多头注意力机制构建健康状况评估模型，分别预设容量、内阻和外观三个注意力头，进行锂电池健康状况评估；
基于健康状况评估模型分别对容量分析结果信息、内阻分析结果信息和外观分析结果信息进行特征提取，得到第一特征信息；
基于大数据检索获取不同健康状况的锂电池的特征信息，构成对比数据集；
将所述第一特征信息与对比数据集进行相似度计算，将获取的相似度作为注意力分数，通过Softmax函数进行权重转换，并根据转换得到的权重进行特征加权融合，得到融合特征信息；
将所述融合特征信息输入至健康状况评估模型进行健康状况评估，得到健康状况评估信息。
S108，构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；
获取电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息；
基于LSTM和遗传算法构建剩余寿命预测模型，所述剩余寿命预测模型包括第一分析模型和第二预测模型；
将所述电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息输入至剩余寿命预测模型中进行寿命预测；
通过第一分析模型结合输入的电池运行信息、容量分析结果信息和内阻分析结果信息进行电池老化分析，分析目标锂电池的未来容量变化趋势和内阻变化趋势，得到第一分析结果信息；
将所述第一分析结果信息输入至第二预测模型结合所述外观分析结果信息和健康状况评估信息进行特征提取和加权融合，根据融合后的特征信息进行寿命预测；
预设优化目标、约束条件和适应度函数，基于遗传算法进行迭代分析预测，根据输入的第一分析结果信息、外观分析结果信息和健康状况评估信息生成初始种群，得到初始种群信息；
计算各种群中的个体的适应度，与预设阈值进行判断，选取大于预设阈值的个体进行交叉和变异，重复迭代直至符合终止条件，选取适应度最高的个体作为最优解，得到最优解信息；
根据所述最优解信息进行目标锂电池剩余寿命预测，得到剩余寿命预测结果信息。
S110，根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案；
获取容量衰减率信息、内阻分析结果信息、健康状况评估信息和剩余寿命预测信息；
预设维护优先级判断阈值，所述维护优先级判断阈值包括若干容量判断阈值、健康状况判断阈值和内阻判断阈值；
将所述容量衰减率信息、内阻分析结果信息和健康状况评估信息与所述维护优先级判断阈值进行判断，得到维护优先级判断结果信息；
根据剩余寿命预测信息结合维护优先级判断结果信息进行维护策略制定；
基于大数据检索获取不同维护方案的锂电池容量、内阻、健康状况和剩余寿命信息，构成实例数据集；
将所述容量衰减率信息、内阻分析结果信息、健康状况评估信息和剩余寿命预测信息与对比数据集进行相似度计算，获取相似度值；
将相似度值与预设阈值进行判断，根据判断结果信息选取维护方案，得到候选维护方案信息；
对所述候选维护方案信息进行特征提取，获取各候选维护方案的优先维护指标，得到维护指标信息；
将所述维护指标信息与维护优先级判断结果信息进行对比分析，根据分析结果选取最优维护方案。
需要说明的是，通过将所述容量衰减率信息、内阻分析结果信息和健康状况评估信息与所述维护优先级判断阈值进行判断，根据不同类型且设值不同的维护优先级判断阈值进行判断，可以得到目标锂电池的容量、内阻和健康状况的优先级等级，每个类型的维护优先级判断阈值对应的小类判断阈值都包含多个判断阈值，用于区分目标锂电池的维护优先级等级，根据不同的等级从而分析出目标锂电池的优先维护类型，进行针对性的维护方案制定，从而延长使用寿命且保证使用安全。
进一步的，获取目标锂电池的历史使用信息和历史使用环境信息；对所述历史使用信息进行特征提取，提取使用时长特征、使用频率特征和充电偏好特征，得到历史使用特征信息；根据所述历史使用特征信息结合历史使用环境信息进行使用高峰时间段和使用环境分析，通过分析各时间段的使用频率和不同使用环境的使用频率得到高频率使用时间信息和高频率使用环境信息；根据所述高频率使用时间信息和高频率使用环境信息进行时序匹配，分析高频率使用时间下的使用环境状况，得到高频率使用综合分析信息；获取目标锂电池的健康状况评估信息和剩余寿命预测信息，对目标锂电池进行维护分析，根据所述健康状况评估信息和剩余寿命预测信息分析目标锂电池的维护类型，得到维护类型信息；基于大数据检索获取不同充电优化方案实例，构成充电优化实例数据集；将所述维护类型信息、历史特征信息和高频率使用综合分析信息与所述充电优化实例数据集进行相似度计算，获取相似度值并与预设阈值进行判断，根据判断结果选取候选充电优化方案，得到候选充电优化方案信息；提取各候选充电优化方案的优化效果信息，并获取各候选充电优化方案的相似度值，将优化效果信息和相似度值作为选取权重，对各候选充电优化方案进行加权计算；根据加权计算结果对候选充电优化方案进行排序，选取最优充电优化方案；根据最优充电优化方案进行锂电池充电优化，优化锂电池的充电速率和时间，从而延长锂电池的使用寿命并降低充电事故的发生。
图2为本发明一实施例提供的一种锂电池的健康状况评估与剩余寿命预测方法的数据处理流程图；
如图2所示，本发明提供了一种锂电池的健康状况评估与剩余寿命预测方法的数据处理流程图，包括:
S202，获取电池运行信息，进行容量分析和电池内阻分析；
S204，获取目标锂电池的实时外观信息和初始状态信息，进行外观分析；
S206，根据容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估；
S208，进行剩余寿命预测；
S210，判断是否需要进行维护，并制定维护方案。
进一步的，基于大数据检索获取各种锂电池历史热失控事件，构成热失控实例数据集；对所述热失控实例数据集进行特征提取，提取导致热失控的影响因素特征，得到影响因素特征信息；基于主成分分析法对所述影响因素特征信息和热失控实例数据集进行主要影响因素分析，得到主要影响因素分析信息；获取目标锂电池参数特性信息，根据所述目标锂电池参数特性信息进行单体锂电池热失控模拟，获取单体锂电池热失控时的燃烧行为和电池表面温度分布，得到单体电池热失控分析信息；基于统计算法对所述单体电池热失控分析信息进行分析，分析单体电池热失控时易燃烧部位、燃烧温度和表面温度分布规律，得到单体锂电池的燃烧部位分析信息和热失控温度分析信息；根据所述体锂电池的燃烧部位分析信息和热失控温度分析信息结合目标锂电池的参数特性信息进行热失控传播分析，通过单体锂电池的热失控特性映射分析目标锂电池的整体的热失控传播特性，得到目标锂电池的热传播特性信息；根据所述热传播特性信息结合主要影响因素分析信息进行目标锂电池热失控影响因素分析，得到目标锂电池热失控影响因素分析信息；构建阻隔材料推荐模型，将所述目标锂电池参数特性信息和目标锂电池热失控影响因素分析信息输入至阻隔材料推荐模型中进行阻隔材料推荐，得到阻隔材料推荐信息；根据所述阻隔材料推荐信息对目标锂电池阻隔材料进行优化，降低热失控风险，保证锂电池的使用安全。
图3为本发明一实施例提供的一种锂电池的健康状况评估与剩余寿命预测系统框图3，该系统包括：存储器31、处理器32，所述存储器31中包含锂电池的健康状况评估与剩余寿命预测方法程序，所述锂电池的健康状况评估与剩余寿命预测方法程序被所述处理器32执行时实现如下步骤：
获取电池运行信息，根据所述电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；
获取目标锂电池的实时外观信息和初始状态信息，根据所述实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；
构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；
构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；
根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，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，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上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；既可以位于一个地方，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实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。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做出贡献的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（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明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揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种锂电池的健康状况评估与剩余寿命预测方法，其特征在于，包括：
获取电池运行信息，根据所述电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；
获取目标锂电池的实时外观信息和初始状态信息，根据实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；
构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；
构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；
根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案；
所述构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，具体包括：
获取电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息；
基于LSTM和遗传算法构建剩余寿命预测模型，所述剩余寿命预测模型包括第一分析模型和第二预测模型；
将所述电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息输入至剩余寿命预测模型中进行寿命预测；
通过第一分析模型结合输入的电池运行信息、容量分析结果信息和内阻分析结果信息进行电池老化分析，分析目标锂电池的未来容量变化趋势和内阻变化趋势，得到第一分析结果信息；
将所述第一分析结果信息输入至第二预测模型结合所述外观分析结果信息和健康状况评估信息进行特征提取和加权融合，根据融合后的特征信息进行寿命预测；
预设优化目标、约束条件和适应度函数，基于遗传算法进行迭代分析预测，根据输入的第一分析结果信息、外观分析结果信息和健康状况评估信息生成初始种群，得到初始种群信息；
计算各种群中的个体的适应度，与预设阈值进行判断，选取大于预设阈值的个体进行交叉和变异，重复迭代直至符合终止条件，选取适应度最高的个体作为最优解，得到最优解信息；
根据所述最优解信息进行目标锂电池剩余寿命预测，得到剩余寿命预测结果信息。
2.根据权利要求1所述的一种锂电池的健康状况评估与剩余寿命预测方法，其特征在于，所述根据所述电池运行信息进行容量分析和电池内阻分析，具体包括：
获取电池运行信息，所述电池运行信息包括：电压信息、电流信息、充放电时间信息、循环次数信息和温度信息；
对所述电池运行信息进行预处理，通过进行数据清理以去除异常值和噪声，对数据进行滤波以平滑数据并降低高频噪声的影响，得到预处理后的电池运行信息；
根据预处理后的电池运行信息进行容量分析，基于充放电时间信息结合电压信息及电流信息绘制电流电压曲线图，得到电流电压曲线图；
基于安时积分法计算电池的实际容量，计算所述电流电压曲线图的线下面积，作为电池的实际容量，得到实际容量信息；
获取电池初始容量和使用寿命时间信息，结合实际容量信息进行容量衰减率计算，通过计算实际容量和初始容量的差值，再计算差值与初始容量的比值，作为容量衰减率，得到容量衰减率信息；
根据所述温度信息结合所述容量衰减率信息和实际容量信息进行容量分析，分析不同温度不同时间下的容量变化，得到容量分析结果信息；
预设内阻测量时间间隔，基于交流阻抗分析法来计算电池的内阻，根据所述内阻测量时间间隔进行不同时间段的内阻测量，绘制内阻变化趋势图并进行内阻变化分析，得到内阻分析结果信息；
基于箱型图法对所述实际容量信息、容量衰减率信息和内阻分析结果信息进行异常值检测，以得到准确的分析结果。
3.根据权利要求1所述的一种锂电池的健康状况评估与剩余寿命预测方法，其特征在于，所述根据实时外观状态信息和初始状态信息进行外观分析，具体包括：
获取目标锂电池的实时外观信息和初始状态信息；
根据所述实时外观信息进行目标锂电池形状重建，对所述实时外观信息进行图像校准处理并进行特征提取，提取目标锂电池的角点特征、边缘特征和纹理特征，得到外观特征信息；
通过计算机视觉算法将获取的外观特征在不同图像之间进行特征匹配，得到外观特征匹配信息；
根据所述外观特征匹配信息和实时外观图像信息构建外观视差图，通过所述外观视差图进行三维位置计算，得到三维坐标信息；
基于所述三维坐标信息进行三维重建，将目标锂电池的实时外观表示在三维空间中，得到三维形状信息；
根据所述三维形状信息和初始状态信息进行形状比对计算，获取形变区域与初始状态的差值，并将差值与预设阈值进行判断，判断是否发生形变，得到形变判断结果信息；
预设若干形变等级判断阈值，获取形变区域与初始状态的差值，将差值与所述形变等级判断阈值进行判断计算，得到外观分析结果信息。
4.根据权利要求1所述的一种锂电池的健康状况评估与剩余寿命预测方法，其特征在于，所述构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，具体包括：
获取容量分析结果信息、内阻分析结果信息和外观分析结果信息；
基于多头注意力机制构建健康状况评估模型，分别预设容量、内阻和外观三个注意力头，进行锂电池健康状况评估；
基于健康状况评估模型分别对容量分析结果信息、内阻分析结果信息和外观分析结果信息进行特征提取，得到第一特征信息；
基于大数据检索获取不同健康状况的锂电池的特征信息，构成对比数据集；
将所述第一特征信息与对比数据集进行相似度计算，将获取的相似度作为注意力分数，通过Softmax函数进行权重转换，并根据转换得到的权重进行特征加权融合，得到融合特征信息；
将所述融合特征信息输入至健康状况评估模型进行健康状况评估，得到健康状况评估信息。
5.根据权利要求1所述的一种锂电池的健康状况评估与剩余寿命预测方法，其特征在于，所述根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案，具体包括;
获取容量衰减率信息、内阻分析结果信息、健康状况评估信息和剩余寿命预测信息；
预设维护优先级判断阈值，所述维护优先级判断阈值包括若干容量判断阈值、健康状况判断阈值和内阻判断阈值；
将所述容量衰减率信息、内阻分析结果信息和健康状况评估信息与所述维护优先级判断阈值进行判断，得到维护优先级判断结果信息；
根据剩余寿命预测信息结合维护优先级判断结果信息进行维护策略制定；
基于大数据检索获取不同维护方案的锂电池容量、内阻、健康状况和剩余寿命信息，构成实例数据集；
将所述容量衰减率信息、内阻分析结果信息、健康状况评估信息和剩余寿命预测信息与对比数据集进行相似度计算，获取相似度值；
将相似度值与预设阈值进行判断，根据判断结果信息选取维护方案，得到候选维护方案信息；
对所述候选维护方案信息进行特征提取，获取各候选维护方案的优先维护指标，得到维护指标信息；
将所述维护指标信息与维护优先级判断结果信息进行对比分析，根据分析结果选取最优维护方案。
6.一种锂电池的健康状况评估与剩余寿命预测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包含锂电池的健康状况评估与剩余寿命预测方法程序，所述锂电池的健康状况评估与剩余寿命预测方法程序被所述处理器执行时实现如下步骤：
获取电池运行信息，根据所述电池运行信息进行容量分析和电池内阻分析，得到容量分析结果信息和内阻分析结果信息；
获取目标锂电池的实时外观信息和初始状态信息，根据实时外观状态信息和初始状态信息进行外观分析，得到外观分析结果信息；
构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，得到健康状况评估信息；
构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，得到剩余寿命预测结果信息；
根据所述健康状况评估信息和剩余寿命预测信息进行维护分析，并制定锂电池维护方案；
所述构建剩余寿命预测模型，对目标锂电池进行剩余寿命预测，具体包括：
获取电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息；
基于LSTM和遗传算法构建剩余寿命预测模型，所述剩余寿命预测模型包括第一分析模型和第二预测模型；
将所述电池运行信息、容量分析结果信息、内阻分析结果信息、外观分析结果信息和健康状况评估信息输入至剩余寿命预测模型中进行寿命预测；
通过第一分析模型结合输入的电池运行信息、容量分析结果信息和内阻分析结果信息进行电池老化分析，分析目标锂电池的未来容量变化趋势和内阻变化趋势，得到第一分析结果信息；
将所述第一分析结果信息输入至第二预测模型结合所述外观分析结果信息和健康状况评估信息进行特征提取和加权融合，根据融合后的特征信息进行寿命预测；
预设优化目标、约束条件和适应度函数，基于遗传算法进行迭代分析预测，根据输入的第一分析结果信息、外观分析结果信息和健康状况评估信息生成初始种群，得到初始种群信息；
计算各种群中的个体的适应度，与预设阈值进行判断，选取大于预设阈值的个体进行交叉和变异，重复迭代直至符合终止条件，选取适应度最高的个体作为最优解，得到最优解信息；
根据所述最优解信息进行目标锂电池剩余寿命预测，得到剩余寿命预测结果信息。
7.根据权利要求6所述的一种锂电池的健康状况评估与剩余寿命预测系统，其特征在于，所述根据所述电池运行信息进行容量分析和电池内阻分析，具体包括：
获取电池运行信息，所述电池运行信息包括：电压信息、电流信息、充放电时间信息、循环次数信息和温度信息；
对所述电池运行信息进行预处理，通过进行数据清理以去除异常值和噪声，对数据进行滤波以平滑数据并降低高频噪声的影响，得到预处理后的电池运行信息；
根据预处理后的电池运行信息进行容量分析，基于充放电时间信息结合电压信息及电流信息绘制电流电压曲线图，得到电流电压曲线图；
基于安时积分法计算电池的实际容量，计算所述电流电压曲线图的线下面积，作为电池的实际容量，得到实际容量信息；
获取电池初始容量和使用寿命时间信息，结合实际容量信息进行容量衰减率计算，通过计算实际容量和初始容量的差值，再计算差值与初始容量的比值，作为容量衰减率，得到容量衰减率信息；
根据所述温度信息结合所述容量衰减率信息和实际容量信息进行容量分析，分析不同温度不同时间下的容量变化，得到容量分析结果信息；
预设内阻测量时间间隔，基于交流阻抗分析法来计算电池的内阻，根据所述内阻测量时间间隔进行不同时间段的内阻测量，绘制内阻变化趋势图并进行内阻变化分析，得到内阻分析结果信息；
基于箱型图法对所述实际容量信息、容量衰减率信息和内阻分析结果信息进行异常值检测，以得到准确的分析结果。
8.根据权利要求6所述的一种锂电池的健康状况评估与剩余寿命预测系统，其特征在于，所述根据实时外观状态信息和初始状态信息进行外观分析，具体包括：
获取目标锂电池的实时外观信息和初始状态信息；
根据所述实时外观信息进行目标锂电池形状重建，对所述实时外观信息进行图像校准处理并进行特征提取，提取目标锂电池的角点特征、边缘特征和纹理特征，得到外观特征信息；
通过计算机视觉算法将获取的外观特征在不同图像之间进行特征匹配，得到外观特征匹配信息；
根据所述外观特征匹配信息和实时外观图像信息构建外观视差图，通过所述外观视差图进行三维位置计算，得到三维坐标信息；
基于所述三维坐标信息进行三维重建，将目标锂电池的实时外观表示在三维空间中，得到三维形状信息；
根据所述三维形状信息和初始状态信息进行形状比对计算，获取形变区域与初始状态的差值，并将差值与预设阈值进行判断，判断是否发生形变，得到形变判断结果信息；
预设若干形变等级判断阈值，获取形变区域与初始状态的差值，将差值与所述形变等级判断阈值进行判断计算，得到外观分析结果信息。
9.根据权利要求6所述的一种锂电池的健康状况评估与剩余寿命预测系统，其特征在于，所述构建健康状况评估模型，根据所述容量分析结果信息、内阻分析结果信息和外观分析结果信息进行评估，具体包括：
获取容量分析结果信息、内阻分析结果信息和外观分析结果信息；
基于多头注意力机制构建健康状况评估模型，分别预设容量、内阻和外观三个注意力头，进行锂电池健康状况评估；
基于健康状况评估模型分别对容量分析结果信息、内阻分析结果信息和外观分析结果信息进行特征提取，得到第一特征信息；
基于大数据检索获取不同健康状况的锂电池的特征信息，构成对比数据集；
将所述第一特征信息与对比数据集进行相似度计算，将获取的相似度作为注意力分数，通过Softmax函数进行权重转换，并根据转换得到的权重进行特征加权融合，得到融合特征信息；
将所述融合特征信息输入至健康状况评估模型进行健康状况评估，得到健康状况评估信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267879.1A CN116990692B (zh) | 2023-09-28 | 2023-09-28 | 一种锂电池的健康状况评估与剩余寿命预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267879.1A CN116990692B (zh) | 2023-09-28 | 2023-09-28 | 一种锂电池的健康状况评估与剩余寿命预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116990692A CN116990692A (zh) | 2023-11-03 |
| CN116990692B true CN116990692B (zh) | 2023-12-08 |
Family
ID=88528817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311267879.1A Active CN116990692B (zh) | 2023-09-28 | 2023-09-28 | 一种锂电池的健康状况评估与剩余寿命预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116990692B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117563144B (zh) * | 2023-12-04 | 2024-05-28 | 郭永强 | 一种红外治疗仪状况评估与剩余寿命预测方法及系统 |
| CN117674365A (zh) * | 2023-12-14 | 2024-03-08 | 深圳市助尔达电子科技有限公司 | 一种电池寿命周期管理系统 |
| CN118155047A (zh) * | 2024-05-10 | 2024-06-07 | 中央民族大学 | 一种适用于高寒地区的小型电池管理方法 |
| CN118169600A (zh) * | 2024-05-14 | 2024-06-11 | 四川赛柏智晶科技有限公司 | 储能系统蓄电池组寿命状态的监测维护方法和系统 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103163480A (zh) * | 2013-03-29 | 2013-06-19 | 长城汽车股份有限公司 | 锂电池健康状态的评估方法 |
| CN104393647A (zh) * | 2014-11-28 | 2015-03-04 | 上海交通大学 | 一种用于电动汽车的充电桩系统 |
| CN108037462A (zh) * | 2017-12-14 | 2018-05-15 | 株洲广锐电气科技有限公司 | 蓄电池健康状况量化方法及系统 |
| CN109143099A (zh) * | 2018-11-12 | 2019-01-04 | 潍柴动力股份有限公司 | 一种预估电池系统健康状况的方法及装置 |
| CN111308381A (zh) * | 2020-04-07 | 2020-06-19 | 国网江苏省电力有限公司苏州供电分公司 | 一种纯电动公交车动力电池健康状态评估方法 |
| CN111487544A (zh) * | 2020-04-30 | 2020-08-04 | 长沙新材料产业研究院有限公司 | 一种用于测试电池容量和内阻变化的电路和方法 |
| CN112098878A (zh) * | 2020-09-15 | 2020-12-18 | 重庆邮电大学 | 一种锂电池soh估算和rul预测的端到端神经网络建立方法 |
| CN112526351A (zh) * | 2020-12-16 | 2021-03-19 | 东南大学 | 一种评估电动汽车的动力电池健康状态及剩余寿命的方法 |
| CN112540317A (zh) * | 2020-12-16 | 2021-03-23 | 武汉理工大学 | 基于实车数据的电池健康状态估计与剩余寿命预测方法 |
| CN112765486A (zh) * | 2021-01-22 | 2021-05-07 | 重庆邮电大学 | 一种融合知识图谱的注意力机制的电影推荐方法 |
| CN113705315A (zh) * | 2021-04-08 | 2021-11-26 | 腾讯科技（深圳）有限公司 | 视频处理方法、装置、设备及存储介质 |
| CN215598465U (zh) * | 2021-09-27 | 2022-01-21 | 中国石油化工股份有限公司 | 一种油田用储能式多功能锂电池检测系统 |
| CN114970376A (zh) * | 2022-07-29 | 2022-08-30 | 中国长江三峡集团有限公司 | 锂电池的健康度和剩余寿命预测模型的构建方法及装置 |
| CN114998328A (zh) * | 2022-07-27 | 2022-09-02 | 苏州天成涂装系统股份有限公司 | 一种基于机器视觉的工件喷涂缺陷检测方法、系统及可读存储介质 |
| WO2023052910A1 (en) * | 2021-10-01 | 2023-04-06 | Kpit Technologies Limited | System and method for estimating state of health and remaining useful life of a battery |
| CN116577680A (zh) * | 2023-07-13 | 2023-08-11 | 无锡大派电子有限公司 | 一种锂电池析锂检测方法及其装置 |
| CN116609668A (zh) * | 2023-04-26 | 2023-08-18 | 淮阴工学院 | 一种锂离子电池健康状态和剩余寿命预测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10209314B2 (en) * | 2016-11-21 | 2019-02-19 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
| US11255918B2 (en) * | 2020-01-06 | 2022-02-22 | Tata Consultancy Services Limited | Method and system for online estimation of SOH and RUL of a battery |
-
2023
- 2023-09-28 CN CN202311267879.1A patent/CN116990692B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103163480A (zh) * | 2013-03-29 | 2013-06-19 | 长城汽车股份有限公司 | 锂电池健康状态的评估方法 |
| CN104393647A (zh) * | 2014-11-28 | 2015-03-04 | 上海交通大学 | 一种用于电动汽车的充电桩系统 |
| CN108037462A (zh) * | 2017-12-14 | 2018-05-15 | 株洲广锐电气科技有限公司 | 蓄电池健康状况量化方法及系统 |
| CN109143099A (zh) * | 2018-11-12 | 2019-01-04 | 潍柴动力股份有限公司 | 一种预估电池系统健康状况的方法及装置 |
| CN111308381A (zh) * | 2020-04-07 | 2020-06-19 | 国网江苏省电力有限公司苏州供电分公司 | 一种纯电动公交车动力电池健康状态评估方法 |
| CN111487544A (zh) * | 2020-04-30 | 2020-08-04 | 长沙新材料产业研究院有限公司 | 一种用于测试电池容量和内阻变化的电路和方法 |
| CN112098878A (zh) * | 2020-09-15 | 2020-12-18 | 重庆邮电大学 | 一种锂电池soh估算和rul预测的端到端神经网络建立方法 |
| CN112540317A (zh) * | 2020-12-16 | 2021-03-23 | 武汉理工大学 | 基于实车数据的电池健康状态估计与剩余寿命预测方法 |
| CN112526351A (zh) * | 2020-12-16 | 2021-03-19 | 东南大学 | 一种评估电动汽车的动力电池健康状态及剩余寿命的方法 |
| CN112765486A (zh) * | 2021-01-22 | 2021-05-07 | 重庆邮电大学 | 一种融合知识图谱的注意力机制的电影推荐方法 |
| CN113705315A (zh) * | 2021-04-08 | 2021-11-26 | 腾讯科技（深圳）有限公司 | 视频处理方法、装置、设备及存储介质 |
| CN215598465U (zh) * | 2021-09-27 | 2022-01-21 | 中国石油化工股份有限公司 | 一种油田用储能式多功能锂电池检测系统 |
| WO2023052910A1 (en) * | 2021-10-01 | 2023-04-06 | Kpit Technologies Limited | System and method for estimating state of health and remaining useful life of a battery |
| CN114998328A (zh) * | 2022-07-27 | 2022-09-02 | 苏州天成涂装系统股份有限公司 | 一种基于机器视觉的工件喷涂缺陷检测方法、系统及可读存储介质 |
| CN114970376A (zh) * | 2022-07-29 | 2022-08-30 | 中国长江三峡集团有限公司 | 锂电池的健康度和剩余寿命预测模型的构建方法及装置 |
| CN116609668A (zh) * | 2023-04-26 | 2023-08-18 | 淮阴工学院 | 一种锂离子电池健康状态和剩余寿命预测方法 |
| CN116577680A (zh) * | 2023-07-13 | 2023-08-11 | 无锡大派电子有限公司 | 一种锂电池析锂检测方法及其装置 |
Non-Patent Citations (2)
| Title |
|---|
| 再利用退役锂动力电池的性能评估;张利中 等;电源技术;第42卷(第7期);第964-967页 * |
| 锂电池健康状态评估综述;吴盛军 等;电源技术;第41卷(第12期);第1788-1791页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116990692A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116990692B (zh) | 一种锂电池的健康状况评估与剩余寿命预测方法及系统 | |
| KR102627949B1 (ko) | 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법 | |
| KR20240010078A (ko) | 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법 | |
| CN116933666B (zh) | 一种集装箱储能系统的热管理优化方法、系统及介质 | |
| CN116112292B (zh) | 基于网络流量大数据的异常行为检测方法、系统和介质 | |
| CN116660759B (zh) | 基于bms电池管理系统的电池寿命预测方法及装置 | |
| CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
| CN117494072B (zh) | 一种基于数据融合的换电柜运行状态监测方法及系统 | |
| CN116956639B (zh) | 一种基于数据分析的高散热性蓄电池评估方法及系统 | |
| CN109634820A (zh) | 一种云端移动端协同的故障预警方法、相关设备及系统 | |
| CN114910756A (zh) | 一种低压母线槽的绝缘性能评估方法及系统 | |
| CN115805810A (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
| CN116862209B (zh) | 一种新能源汽车充电设施管理方法及系统 | |
| CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
| CN114169709A (zh) | 变电站二次设备的状态评估方法、装置、存储介质及设备 | |
| CN114202179A (zh) | 目标企业的识别方法以及装置 | |
| CN113537693A (zh) | 人员风险等级获取方法、终端、存储装置 | |
| CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
| CN115856641A (zh) | 一种电池剩余充电时间预测方法、装置及电子设备 | |
| CN115544803A (zh) | 一种变压器剩余寿命预测方法、装置、设备及存储介质 | |
| CN114818234A (zh) | 一种电力设备智能化综合运行健康识别管理方法及系统 | |
| CN114114056B (zh) | 一种换电柜的电池检测回收方法、系统及存储介质 | |
| CN117951629B (zh) | 一种电池组充放电温度异常行为的检测方法及系统 | |
| CN117829002B (zh) | 电力线缆的老化诊断监测方法及系统 | |
| CN118209870A (zh) | 一种锂电池健康水平的评估管理方法及系统 |
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 | ||
| GR01 | Patent grant |