CN117124857A - 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 - Google Patents
一种绝缘异常识别方法、装置、可读存储介质及电动汽车 Download PDFInfo
- Publication number
- CN117124857A CN117124857A CN202311405072.XA CN202311405072A CN117124857A CN 117124857 A CN117124857 A CN 117124857A CN 202311405072 A CN202311405072 A CN 202311405072A CN 117124857 A CN117124857 A CN 117124857A
- Authority
- CN
- China
- Prior art keywords
- insulation
- subsequence
- data
- insulation abnormality
- electric automobile
- 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.)
- Granted
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 303
- 230000005856 abnormality Effects 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 90
- 238000004590 computer program Methods 0.000 claims description 23
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 20
- 238000004364 calculation method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000002679 ablation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0069—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to the isolation, e.g. ground fault or leak current
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/025—Measuring very high resistances, e.g. isolation resistances, i.e. megohm-meters
-
- 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
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
- G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Abstract
本申请属于动力电池技术领域,尤其涉及一种绝缘异常识别方法、装置、可读存储介质及电动汽车。所述方法包括:获取电动汽车历史的绝缘电阻数据序列;按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;分别计算相邻的所述数据子序列之间的子序列距离;根据所述子序列距离对所述电动汽车进行绝缘异常识别。通过上述方法,可以根据历史的绝缘电阻数据序列进行绝缘异常识别,无需重新设计电池电路,能够降低绝缘异常识别方法的成本,实现在不影响电动汽车正常运行的情况下识别绝缘异常,有助于维护车辆运行的稳定性与安全性。
Description
技术领域
本申请属于动力电池技术领域,尤其涉及一种绝缘异常识别方法、装置、计算机可读存储介质及电动汽车。
背景技术
随着新能源技术的发展,电动汽车逐渐成为人们更清洁、更便捷、更可持续的出行选择。然而,若电动汽车在运动过程中出现线束烧蚀、电箱密封失效、电箱破裂、整车部件问题等情况,则容易造成绝缘故障,导致高压系统无法正常运行,并且会对电动汽车的正常驾驶产生不稳定因素,甚至诱发交通事故。因此,有必要对电动汽车进行绝缘异常识别,在电动汽车发生绝缘故障之前对车辆进行检修。
然而,传统的绝缘异常识别方法需要对电池电路进行重新设计,导致绝缘异常识别的成本较高。
发明内容
有鉴于此,本申请实施例提供了一种绝缘异常识别方法、装置、计算机可读存储介质及电动汽车,以解决传统的绝缘异常识别方法成本较高的问题。
本申请实施例的第一方面提供了一种绝缘异常识别方法,可以包括:
获取电动汽车历史的绝缘电阻数据序列;
按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;
分别计算相邻的所述数据子序列之间的子序列距离;
根据所述子序列距离对所述电动汽车进行绝缘异常识别。
通过上述方法,可以根据历史的绝缘电阻数据序列进行绝缘异常识别,无需重新设计电池电路,能够降低绝缘异常识别方法的成本,实现在不影响电动汽车正常运行的情况下识别绝缘异常,有助于维护车辆运行的稳定性与安全性。
在第一方面的一种具体实现方式中,所述根据所述子序列距离对所述电动汽车进行绝缘异常识别,可以包括:
根据所述子序列距离计算所述数据子序列之间的相似性基值;
根据所述相似性基值从所述数据子序列中选取异常子序列;
根据所述异常子序列中绝缘电阻数据的下降趋势对所述电动汽车进行绝缘异常识别。
通过上述方法,能够根据相似性基值定位异常子序列,并根据异常子序列中绝缘电阻数据的下降趋势对电动汽车进行绝缘异常识别,从而能够提升绝缘异常识别方法的准确性。
在第一方面的一种具体实现方式中,所述根据所述子序列距离计算所述数据子序列之间的相似性基值,可以包括:
计算所述子序列距离的距离均值,并将所述距离均值作为所述数据子序列之间的相似性基值。
通过上述方法,可以将子序列距离的距离均值作为数据子序列之间的相似性基值,从而可以根据实际的绝缘电阻数据挖掘出有参考意义的基值,有助于提升绝缘异常识别方法的灵活性。
在第一方面的一种具体实现方式中,所述根据所述相似性基值从所述数据子序列中选取异常子序列,可以包括:
分别计算所述相似性基值与所述子序列距离之间的差值;
选取对应的所述差值大于预设的差值阈值的所述数据子序列作为所述异常子序列。
通过上述方法,可以根据相似性基值与子序列距离之间的差值定位出异常子序列,从而可以及时发现电动汽车的绝缘异常情况,有助于维护车辆运行的稳定性与安全性。
在第一方面的一种具体实现方式中,所述根据所述异常子序列中绝缘电阻数据的下降趋势对所述电动汽车进行绝缘异常识别,可以包括:
计算所述异常子序列中绝缘电阻数据的数据均值;
根据所述数据均值与预设的各个绝缘异常风险等级阈值确定所述电动汽车的绝缘异常识别结果。
通过上述方法,可以根据异常子序列中绝缘电阻数据的数据均值与绝缘异常风险等级阈值,评估电动汽车的绝缘异常情况,从而可以根据绝缘异常情况及时采取进一步的措施,有助于维护车辆运行的稳定性与安全性。
在第一方面的一种具体实现方式中,还可以包括:
获取所述电动汽车的电流数据;
根据所述电流数据确定进行绝缘异常识别时的车辆状态。
通过上述方法,可以根据电流数据确定进行绝缘异常识别时的车辆状态,从而可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
在第一方面的一种具体实现方式中,还可以包括:
获取所述电动汽车的继电器的开合状态;
根据所述开合状态确定绝缘异常识别的识别对象。
通过上述方法,可以根据继电器的开合状态确定进行绝缘异常识别的识别对象,从而可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
本申请实施例的第二方面提供了一种绝缘异常识别装置,可以包括:
数据序列获取模块,用于获取电动汽车历史的绝缘电阻数据序列;
数据子序列划分模块,用于按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;
子序列距离计算模块,用于分别计算相邻的所述数据子序列之间的子序列距离;
绝缘异常识别模块,用于根据所述子序列距离对所述电动汽车进行绝缘异常识别。
通过上述装置,可以根据历史的绝缘电阻数据序列进行绝缘异常识别,无需重新设计电池电路,能够降低绝缘异常识别方法的成本,实现在不影响电动汽车正常运行的情况下识别绝缘异常,有助于维护车辆运行的稳定性与安全性。
在第二方面的一种具体实现方式中,所述绝缘异常识别模块可以包括:
相似性基值计算子模块,用于根据所述子序列距离计算所述数据子序列之间的相似性基值;
异常子序列选取子模块,用于根据所述相似性基值从所述数据子序列中选取异常子序列;
绝缘异常识别子模块,用于根据所述异常子序列中绝缘电阻数据的下降趋势对所述电动汽车进行绝缘异常识别。
通过上述装置,能够根据相似性基值定位异常子序列,并根据异常子序列中绝缘电阻数据的下降趋势对电动汽车进行绝缘异常识别,从而能够提升绝缘异常识别方法的准确性。
在第二方面的一种具体实现方式中,所述相似性基值计算子模块可以包括:
子序列距离均值计算单元,用于计算所述子序列距离的距离均值,并将所述距离均值作为所述数据子序列之间的相似性基值。
通过上述装置,可以将子序列距离的距离均值作为数据子序列之间的相似性基值,从而可以根据实际的绝缘电阻数据挖掘出有参考意义的基值,有助于提升绝缘异常识别方法的灵活性。
在第二方面的一种具体实现方式中,所述异常子序列选取子模块可以包括:
差值计算单元,用于分别计算所述相似性基值与所述子序列距离之间的差值;
异常子序列选取单元,用于选取对应的所述差值大于预设的差值阈值的所述数据子序列作为所述异常子序列。
通过上述装置,可以根据相似性基值与子序列距离之间的差值定位出异常子序列,从而可以及时发现电动汽车的绝缘异常情况,有助于维护车辆运行的稳定性与安全性。
在第二方面的一种具体实现方式中,所述绝缘异常识别子模块可以包括:
数据均值计算单元,用于计算所述异常子序列中绝缘电阻数据的数据均值;
绝缘异常识别结果确定单元,用于根据所述数据均值与预设的各个绝缘异常风险等级阈值确定所述电动汽车的绝缘异常识别结果。
通过上述装置,可以根据异常子序列中绝缘电阻数据的数据均值与绝缘异常风险等级阈值,评估电动汽车的绝缘异常情况,从而可以根据绝缘异常情况及时采取进一步的措施,有助于维护车辆运行的稳定性与安全性。
在第二方面的一种具体实现方式中,所述绝缘异常识别装置还可以包括:
电流数据获取模块,用于获取所述电动汽车的电流数据;
车辆状态确定模块,用于根据所述电流数据确定进行绝缘异常识别时的车辆状态。
通过上述装置,可以根据电流数据确定进行绝缘异常识别时的车辆状态,从而可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
在第二方面的一种具体实现方式中,所述绝缘异常识别装置还可以包括:
继电器状态获取模块,用于获取所述电动汽车的继电器的开合状态;
识别对象确定模块,用于根据所述开合状态确定绝缘异常识别的识别对象。
通过上述装置,可以根据继电器的开合状态确定进行绝缘异常识别的识别对象,从而可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
本申请实施例的第三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程序,所述计算机程序被处理器执行时实现上述任一种绝缘异常识别方法的步骤。
本申请实施例的第四方面提供了一种电动汽车,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种绝缘异常识别方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在电动汽车上运行时,使得电动汽车执行上述任一种绝缘异常识别方法的步骤。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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它的附图。
图1为本申请实施例中一种绝缘异常识别方法的一个实施例流程图;
图2为数据子序列的示意图;
图3为异常子序列的下降趋势的第一示意图;
图4为异常子序列的下降趋势的第二示意图;
图5为本申请实施例中一种绝缘异常识别装置的一个实施例结构图;
图6为本申请实施例中一种电动汽车的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
随着新能源技术的发展,电动汽车逐渐成为人们更清洁、更便捷、更可持续的出行选择。然而,若电动汽车在运动过程中出现线束烧蚀、电箱密封失效、电箱破裂、整车部件问题等情况,则容易造成绝缘故障,导致高压系统无法正常运行,并且会对电动汽车的正常驾驶产生不稳定因素,甚至诱发交通事故。因此,有必要对电动汽车进行绝缘异常识别,在电动汽车发生绝缘故障之前对车辆进行检修。
然而,传统的绝缘异常识别方法需要对电池电路进行重新设计,导致绝缘异常识别的成本较高。
有鉴于此,本申请实施例提供了一种绝缘异常识别方法、装置、计算机可读存储介质及电动汽车,以解决传统的绝缘异常识别方法成本较高的问题。
请参阅图1,本申请实施例中一种绝缘异常识别方法的一个实施例可以包括:
步骤S101、获取电动汽车历史的绝缘电阻数据序列。
在本申请实施例中,可以利用预设的传感器进行绝缘电阻数据的采样;其中,预设的传感器可以设于电池包上,通过预设的继电器与整车电路连接;当继电器断开时,传感器与整车电路的连接断开,此时,传感器可以采样得到电池包的绝缘电阻数据;当继电器闭合时,传感器接入整车电路,此时,传感器可以采样得到整车的绝缘电阻数据。
需要说明的是,传感器可以按照预设的采样频率对绝缘电阻进行数据采样,得到关于时间的绝缘电阻数据序列,并可以将采样得到的绝缘电阻数据序列存储于预设的存储模块,在进行绝缘异常识别时,可以从预设的存储模块中获取到电动汽车的绝缘电阻数据序列。
在本申请实施例中,以数据开始采样的时间点为起始时间点,则绝缘电阻数据序列可以表示为,其中,/>为绝缘电阻数据序列的长度,/>为起始时间点采样得到的绝缘电阻数据,/>为第二个时间点采样得到的绝缘电阻数据……/>为第/>个时间点采样得到的绝缘电阻数据。
步骤S102、按照预设的子序列长度将绝缘电阻数据序列依次划分为各个数据子序列。
需要理解的是,为了便于进行数据分析,可以根据预设的子序列长度,将绝缘电阻数据序列划分为各个数据子序列。具体地,可以利用长度为子序列长度的滑动窗口对绝缘电阻数据序列进行切割,将位于滑动窗口内的部分绝缘电阻数据序列作为一个数据子序列,而滑动窗口在每次进行切割后,均可向右移动个单位,从而可以得到/>个不重叠的数据子序列;其中,/>为子序列长度,第/>个数据子序列可以表示为,/>。
步骤S103、分别计算相邻的数据子序列之间的子序列距离。
在本申请实施例中,具体可以分别计算相邻的数据子序列之间的欧式距离,得到子序列距离。
对于子序列长度为的相邻的数据子序列/>和/>,和/>之间的子序列距离的计算公式可以为:
其中,为/>和/>之间的子序列距离,/>为数据子序列/>中的第/>个数据,/>为数据子序列/>的均值,/>为数据子序列/>的标准差;为数据子序列/>中的第/>个数据,/>为数据子序列/>的均值,/>为数据子序列/>的标准差。
据此,可以计算得到第1个数据子序列和第2个数据子序列之间的子序列距离、第2个数据子序列和第3个数据子序列之间的子序列距离、第3个数据子序列和第4个数据子序列之间的子序列距离、……、第-1个数据子序列和第/>个数据子序列之间的子序列距离,共/>-1个子序列距离。
步骤S104、根据子序列距离对电动汽车进行绝缘异常识别。
在本申请实施例中,步骤S104具体可以包括如下过程:
步骤S1041、根据子序列距离计算数据子序列之间的相似性基值。
在本申请实施例中,具体可以计算子序列距离的距离均值,并将距离均值作为数据子序列之间的相似性基值,其计算公式如下:
其中,为数据子序列之间的相似性基值,/>为数据子序列/>和数据子序列/>之间的子序列距离。
据此,可以根据实际的绝缘电阻数据挖掘出有参考意义的基值,有助于提升绝缘异常识别方法的灵活性。
步骤S1042、根据相似性基值从数据子序列中选取异常子序列。
在本申请实施例中,可以将相似性基值可以作为子序列距离的基准参考值,并根据相似性基值从数据子序列中选取异常子序列,从而可以及时发现电动汽车的绝缘异常情况,有助于维护车辆运行的稳定性与安全性。
具体地,可以分别计算相似性基值与子序列距离之间的差值;并可以选取对应的差值大于预设的差值阈值的数据子序列作为异常子序列。
需要理解的是,相似性基值与两个相邻的数据子序列和/>的子序列距离之间的差值可用于指示/>与/>之间的变化程度;若相似性基值与/>和/>之间的子序列距离的差值较大,则可以认为数据子序列/>和/>的变化程度较为剧烈,此时,电动汽车中发生绝缘异常的概率较大;若相似性基值与/>和/>的子序列距离的差值较小,则可以认为数据子序列/>和/>的变化程度较为平缓,此时,电动汽车中发生绝缘异常的概率较小。
需要理解的是,在实际应用中,差值阈值可以根据需要进行具体化、情景化设置。
在一种可能的实施例中,为了更精确地定位出异常子序列,可以预先收集存在绝缘异常的电动汽车的各个异常子序列,并根据该各个异常子序列中的绝缘电阻数据确定出差值阈值。例如,可以计算该各个异常子序列中绝缘电阻数据的数据均值,将该数据均值与绝缘性能正常的电动汽车的各个数据子序列的数据均值之间的差值作为差值阈值。
图2示出了一种绝缘电阻数据序列,数据子序列和/>之间的子序列距离为,数据子序列/>和/>之间的子序列距离为/>,数据子序列/>和之间的子序列距离为/>,数据子序列/>和/>之间的子序列距离为。其中,相似性基值与子序列距离/>、/>之间的差值均小于预设的差值阈值/>,而与子序列距离/>、/>之间的差值则大于预设的差值阈值,因此,可以将数据子序列/>和/>选取为异常子序列。
步骤S1043、根据异常子序列中绝缘电阻数据的下降趋势对电动汽车进行绝缘异常识别。
在本申请实施例中,可以分析和观察异常子序列中绝缘电阻数据的下降趋势,并可以根据该下降趋势对电动汽车进行绝缘异常识别。
具体地,可以计算异常子序列中绝缘电阻数据的数据均值,并可以根据数据均值与各个绝缘异常风险等级阈值确定电动汽车的绝缘异常识别结果。据此,可以评估电动汽车的绝缘异常情况,从而可以根据绝缘异常情况及时采取进一步的措施,有助于维护车辆运行的稳定性与安全性。
需要说明的是,当绝缘电阻数据出现下降趋势但仍处于较高水平时,可以认为电动汽车的绝缘异常的风险等级较低,此时,可以根据后续的绝缘电阻数据的下降趋势再作进一步判断;当绝缘电阻数据呈现进一步的下降趋势时,如图3所示,则可以提高电动汽车的绝缘异常的风险等级;而当绝缘电阻数据出现急性下降趋势时,如图4所示,则可以认为电动汽车的绝缘异常的风险等级较高。
在本申请实施例中,绝缘异常风险等级阈值可以根据预先收集到的存在绝缘异常的电动汽车的各个异常子序列确定。具体地,可以统计绝缘异常风险较低的电动汽车的各个异常子序列中绝缘电阻数据的数据均值,根据该数据均值可以确定绝缘异常低风险等级阈值;还可以统计绝缘异常风险中等的电动汽车的各个异常子序列中绝缘电阻数据的数据均值,根据该数据均值可以确定绝缘异常中风险等级阈值;还可以统计绝缘异常风险较高的电动汽车的各个异常子序列中绝缘电阻数据的数据均值,根据该数据均值可以确定绝缘异常高风险等级阈值。
若某个异常子序列中绝缘电阻数据的数据均值小于绝缘异常低风险等级阈值、且大于或等于绝缘异常中风险等级阈值,则可以确定电动汽车处于绝缘异常低风险,并可以根据后续的异常子序列中绝缘电阻数据的下降趋势再作进一步判断;若后续的异常子序列中绝缘电阻数据的数据均值小于绝缘异常中风险等级阈值、且大于或等于绝缘异常高风险等级阈值,则可以确定电动汽车处于绝缘异常中风险,并可以继续分析后续的异常子序列中绝缘电阻数据的下降趋势;若后续的异常子序列中绝缘电阻数据的数据均值小于绝缘异常高风险等级阈值,则可以确定电动汽车处于绝缘异常高风险。
例如,绝缘异常低风险等级阈值为2000、绝缘异常中风险等级阈值为1500、绝缘异常高风险等级阈值为1000,数据子序列中绝缘电阻数据的数据均值为4000,而异常子序列/>中绝缘电阻数据的数据均值为1800,小于绝缘异常低风险等级阈值、且大于绝缘异常中风险等级阈值,此时,可以确定电动汽车处于绝缘异常低风险,并可以根据后续的异常子序列中绝缘电阻数据的下降趋势再作进一步判断;异常子序列/>中绝缘电阻数据的数据均值为1400,小于绝缘异常中风险等级阈值、且大于绝缘异常高风险等级阈值,此时,可以确定电动汽车处于绝缘异常中风险;异常子序列/>中绝缘电阻数据的数据均值为800,小于绝缘异常高风险等级阈值,此时,可以确定电动汽车处于绝缘异常高风险。
据此,能够根据相似性基值定位出异常子序列,并根据异常子序列中绝缘电阻数据的下降趋势对电动汽车进行绝缘异常识别,从而能够提升绝缘异常识别方法的准确性。
在本申请实施例的一种具体实现方式中,当电动汽车存在绝缘异常风险时(符合预设的绝缘异常风险等级条件),可以将电动汽车对应的车辆标识加入预设的风险检修名单;其中,风险检修名单可以用于记录存在一定绝缘异常风险的车辆对应的车辆标识,并可以持续关注车辆标识记录于风险检修名单上的电动汽车的绝缘电阻数据的下降趋势,以便及时发现绝缘异常高风险的电动汽车。例如,当电动汽车处于绝缘异常中风险时,可以认为该电动汽车存在一定绝缘异常风险,并将电动汽车对应的车辆标识加入风险检修名单,并持续关注该电动汽车的绝缘电阻数据的下降趋势。
在本申请实施例的另一种具体实现方式中,当电动汽车处于绝缘异常高风险时,可以将电动汽车对应的车辆标识直接加入风险检修名单。
需要说明的是,为了便于进行后续的绝缘异常检修,此处还可以进一步识别风险检修名单上的电动汽车的具体的绝缘异常情况。
在本申请实施例中,可以根据电动汽车的电流数据和/或继电器的开合状态识别电动汽车的绝缘异常情况。具体地,可以获取电动汽车的电流数据,根据电流数据确定进行绝缘异常识别时的车辆状态。其中,电动汽车的电流数据与绝缘电阻数据序列为时间同步的数据。若电流数据在预设的正阈值与预设的负阈值之间,则可以确定在进行绝缘异常识别时的车辆状态为静止状态,即电动汽车在静置过程中出现绝缘异常;若电流数据大于正阈值,则可以确定在进行绝缘异常识别时的车辆状态为行驶状态,即电动汽车在行车过程中出现绝缘异常;若电流数据小于负阈值,则可以确定在进行绝缘异常识别时的车辆状态为充电状态,即电动汽车在充电过程中出现绝缘异常。另外,还可以通过继电器的开合状态确定绝缘异常识别的识别对象,当继电器断开时,传感器对电池包的绝缘电阻数据进行采样,故绝缘异常识别的识别对象为电池包,此时,可以确定电池包系统存在绝缘异常;当继电器闭合时,传感器对整车的绝缘电阻数据进行采样,故绝缘异常识别的识别对象为整车,此时,可以确定整车存在绝缘异常。据此,可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
在本申请实施例的一种具体实现方式中,可以将电动汽车的绝缘异常情况发送至预设的处理设备,以便可以及时对电动汽车进行相关的检修。其中,处理设备可以为用于电动汽车的绝缘异常监测的服务器,或者,设于电动汽车上的平板。例如,处理设备为用于电动汽车的绝缘异常监测的服务器,则可以将电动汽车的绝缘异常情况上报至服务器,服务器可以将预设的提示信息发送至运维人员的终端设备,以便运维人员可以及时对电动汽车进行修检。又例如,处理设备为设于电动汽车上的平板,则可以在平板上显示预设的提示信息,用于提示用户电动汽车存在绝缘异常,以便用户可以及时将电动汽车送检。
综上所述,本申请实施例获取电动汽车历史的绝缘电阻数据序列;按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;分别计算相邻的所述数据子序列之间的子序列距离;根据所述子序列距离对所述电动汽车进行绝缘异常识别。通过本申请实施例,可以根据历史的绝缘电阻数据序列进行绝缘异常识别,无需重新设计电池电路,能够降低绝缘异常识别方法的成本,实现在不影响电动汽车正常运行的情况下识别绝缘异常,有助于维护车辆运行的稳定性与安全性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种绝缘异常识别方法,图5示出了本申请实施例提供的一种绝缘异常识别装置的一个实施例结构图。
本申请实施例中,一种绝缘异常识别装置可以包括:
数据序列获取模块501,用于获取电动汽车历史的绝缘电阻数据序列;
数据子序列划分模块502,用于按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;
子序列距离计算模块503,用于分别计算相邻的所述数据子序列之间的子序列距离;
绝缘异常识别模块504,用于根据所述子序列距离对所述电动汽车进行绝缘异常识别。
通过上述装置,可以根据历史的绝缘电阻数据序列进行绝缘异常识别,无需重新设计电池电路,能够降低绝缘异常识别方法的成本,实现在不影响电动汽车正常运行的情况下识别绝缘异常,有助于维护车辆运行的稳定性与安全性。
在本申请实施例的一种具体实现方式中,所述绝缘异常识别模块可以包括:
相似性基值计算子模块,用于根据所述子序列距离计算所述数据子序列之间的相似性基值;
异常子序列选取子模块,用于根据所述相似性基值从所述数据子序列中选取异常子序列;
绝缘异常识别子模块,用于根据所述异常子序列中绝缘电阻数据的下降趋势对所述电动汽车进行绝缘异常识别。
通过上述装置,能够根据相似性基值定位异常子序列,并根据异常子序列中绝缘电阻数据的下降趋势对电动汽车进行绝缘异常识别,从而能够提升绝缘异常识别方法的准确性。
在本申请实施例的一种具体实现方式中,所述相似性基值计算子模块可以包括:
子序列距离均值计算单元,用于计算所述子序列距离的距离均值,并将所述距离均值作为所述数据子序列之间的相似性基值。
通过上述装置,可以将子序列距离的距离均值作为数据子序列之间的相似性基值,从而可以根据实际的绝缘电阻数据挖掘出有参考意义的基值,有助于提升绝缘异常识别方法的灵活性。
在本申请实施例的一种具体实现方式中,所述异常子序列选取子模块可以包括:
差值计算单元,用于分别计算所述相似性基值与所述子序列距离之间的差值;
异常子序列选取单元,用于选取对应的所述差值大于预设的差值阈值的所述数据子序列作为所述异常子序列。
通过上述装置,可以根据相似性基值与子序列距离之间的差值定位出异常子序列,从而可以及时发现电动汽车的绝缘异常情况,有助于维护车辆运行的稳定性与安全性。
在本申请实施例的一种具体实现方式中,所述绝缘异常识别子模块可以包括:
数据均值计算单元,用于计算所述异常子序列中绝缘电阻数据的数据均值;
绝缘异常识别结果确定单元,用于根据所述数据均值与预设的各个绝缘异常风险等级阈值确定所述电动汽车的绝缘异常识别结果。
通过上述装置,可以根据异常子序列中绝缘电阻数据的数据均值与绝缘异常风险等级阈值,评估电动汽车的绝缘异常情况,从而可以根据绝缘异常情况及时采取进一步的措施,有助于维护车辆运行的稳定性与安全性。
在本申请实施例的一种具体实现方式中,所述绝缘异常识别装置还可以包括:
电流数据获取模块,用于获取所述电动汽车的电流数据;
车辆状态确定模块,用于根据所述电流数据确定进行绝缘异常识别时的车辆状态。
通过上述装置,可以根据电流数据确定进行绝缘异常识别时的车辆状态,从而可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
在本申请实施例的一种具体实现方式中,所述绝缘异常识别装置还可以包括:
继电器状态获取模块,用于获取所述电动汽车的继电器的开合状态;
识别对象确定模块,用于根据所述开合状态确定绝缘异常识别的识别对象。
通过上述装置,可以根据继电器的开合状态确定进行绝缘异常识别的识别对象,从而可以进一步确定绝缘异常情况,便于进行后续的绝缘异常检修。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图6示出了本申请实施例提供的一种电动汽车的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图6所示,该实施例的电动汽车6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个绝缘异常识别方法实施例中的步骤,例如图1所示的步骤S101至步骤S104。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示数据序列获取模块501至绝缘异常识别模块504的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述电动汽车6中的执行过程。
本领域技术人员可以理解,图6仅仅是电动汽车6的示例,并不构成对电动汽车6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电动汽车6还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述电动汽车6的内部存储单元,例如电动汽车6的硬盘或内存。所述存储器61也可以是所述电动汽车6的外部存储设备,例如所述电动汽车6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述电动汽车6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述电动汽车6所需的其它程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/电动汽车和方法,可以通过其它的方式实现。例如,以上所描述的装置/电动汽车实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种绝缘异常识别方法,其特征在于,包括:
获取电动汽车历史的绝缘电阻数据序列;
按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;
分别计算相邻的所述数据子序列之间的子序列距离;
根据所述子序列距离对所述电动汽车进行绝缘异常识别。
2.根据权利要求1所述的绝缘异常识别方法,其特征在于,所述根据所述子序列距离对所述电动汽车进行绝缘异常识别,包括:
根据所述子序列距离计算所述数据子序列之间的相似性基值;
根据所述相似性基值从所述数据子序列中选取异常子序列;
根据所述异常子序列中绝缘电阻数据的下降趋势对所述电动汽车进行绝缘异常识别。
3.根据权利要求2所述的绝缘异常识别方法,其特征在于,所述根据所述子序列距离计算所述数据子序列之间的相似性基值,包括:
计算所述子序列距离的距离均值,并将所述距离均值作为所述数据子序列之间的相似性基值。
4.根据权利要求2所述的绝缘异常识别方法,其特征在于,所述根据所述相似性基值从所述数据子序列中选取异常子序列,包括:
分别计算所述相似性基值与所述子序列距离之间的差值;
选取对应的所述差值大于预设的差值阈值的所述数据子序列作为所述异常子序列。
5.根据权利要求2所述的绝缘异常识别方法,其特征在于,所述根据所述异常子序列中绝缘电阻数据的下降趋势对所述电动汽车进行绝缘异常识别,包括:
计算所述异常子序列中绝缘电阻数据的数据均值;
根据所述数据均值与预设的各个绝缘异常风险等级阈值确定所述电动汽车的绝缘异常识别结果。
6.根据权利要求1至5中任一项所述的绝缘异常识别方法,其特征在于,还包括:
获取所述电动汽车的电流数据;
根据所述电流数据确定进行绝缘异常识别时的车辆状态。
7.根据权利要求1至5中任一项所述的绝缘异常识别方法,其特征在于,还包括:
获取所述电动汽车的继电器的开合状态;
根据所述开合状态确定绝缘异常识别的识别对象。
8.一种绝缘异常识别装置,其特征在于,包括:
数据序列获取模块,用于获取电动汽车历史的绝缘电阻数据序列;
数据子序列划分模块,用于按照预设的子序列长度将所述绝缘电阻数据序列依次划分为各个数据子序列;
子序列距离计算模块,用于分别计算相邻的所述数据子序列之间的子序列距离;
绝缘异常识别模块,用于根据所述子序列距离对所述电动汽车进行绝缘异常识别。
9.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的绝缘异常识别方法的步骤。
10.一种电动汽车,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的绝缘异常识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311405072.XA CN117124857B (zh) | 2023-10-27 | 2023-10-27 | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311405072.XA CN117124857B (zh) | 2023-10-27 | 2023-10-27 | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117124857A true CN117124857A (zh) | 2023-11-28 |
CN117124857B CN117124857B (zh) | 2024-04-05 |
Family
ID=88860437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311405072.XA Active CN117124857B (zh) | 2023-10-27 | 2023-10-27 | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117124857B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004170123A (ja) * | 2002-11-18 | 2004-06-17 | Yazaki Corp | 非接地電源の絶縁検出装置 |
CN106926703A (zh) * | 2015-09-22 | 2017-07-07 | 法可特里亚股份有限公司 | 用于辅助电动车辆的启动的系统和方法 |
US20200393812A1 (en) * | 2019-06-14 | 2020-12-17 | Renesas Electronics Corporation | Abnormality detection system, abnormality detection apparatus, and abnormality detection method |
CN115078831A (zh) * | 2021-03-10 | 2022-09-20 | 北汽福田汽车股份有限公司 | 高压绝缘电阻检测方法与装置、存储介质、电池管理系统 |
CN115384311A (zh) * | 2022-08-24 | 2022-11-25 | 重庆长安新能源汽车科技有限公司 | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 |
CN115556583A (zh) * | 2022-10-08 | 2023-01-03 | 上海乐驾智慧能源科技有限公司 | 新能源锂电池汽车绝缘异常预警系统 |
CN115980519A (zh) * | 2022-11-30 | 2023-04-18 | 广西电网有限责任公司电力科学研究院 | 一种电动自行车充电安全隐患的预警方法和系统 |
CN116027110A (zh) * | 2023-02-20 | 2023-04-28 | 中汽数据有限公司 | 新能源汽车在线预警方法、介质、设备 |
CN116494769A (zh) * | 2023-06-29 | 2023-07-28 | 岚图汽车科技有限公司 | 一种车辆绝缘异常预测方法、装置、设备和介质 |
-
2023
- 2023-10-27 CN CN202311405072.XA patent/CN117124857B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004170123A (ja) * | 2002-11-18 | 2004-06-17 | Yazaki Corp | 非接地電源の絶縁検出装置 |
CN106926703A (zh) * | 2015-09-22 | 2017-07-07 | 法可特里亚股份有限公司 | 用于辅助电动车辆的启动的系统和方法 |
US20200393812A1 (en) * | 2019-06-14 | 2020-12-17 | Renesas Electronics Corporation | Abnormality detection system, abnormality detection apparatus, and abnormality detection method |
CN115078831A (zh) * | 2021-03-10 | 2022-09-20 | 北汽福田汽车股份有限公司 | 高压绝缘电阻检测方法与装置、存储介质、电池管理系统 |
CN115384311A (zh) * | 2022-08-24 | 2022-11-25 | 重庆长安新能源汽车科技有限公司 | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 |
CN115556583A (zh) * | 2022-10-08 | 2023-01-03 | 上海乐驾智慧能源科技有限公司 | 新能源锂电池汽车绝缘异常预警系统 |
CN115980519A (zh) * | 2022-11-30 | 2023-04-18 | 广西电网有限责任公司电力科学研究院 | 一种电动自行车充电安全隐患的预警方法和系统 |
CN116027110A (zh) * | 2023-02-20 | 2023-04-28 | 中汽数据有限公司 | 新能源汽车在线预警方法、介质、设备 |
CN116494769A (zh) * | 2023-06-29 | 2023-07-28 | 岚图汽车科技有限公司 | 一种车辆绝缘异常预测方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117124857B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4113142A1 (en) | Insulation monitoring method, system and device for power battery | |
CN109204063B (zh) | 一种动力电池健康状态soh的获取方法、装置及车辆 | |
CN114148216B (zh) | 电池自放电率异常检测方法、系统、设备及存储介质 | |
CN113415165B (zh) | 一种故障诊断方法、装置、电子设备及存储介质 | |
KR20160097029A (ko) | 배터리 상태 추정 장치 및 방법 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN115184807A (zh) | 电池的故障检测方法、装置、设备、介质和产品 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 | |
CN115327417A (zh) | 一种动力电池单体异常的预警方法、系统及电子设备 | |
CN115186502A (zh) | 车辆的异常数据识别方法、装置、电子设备及存储介质 | |
CN113219330B (zh) | 一种隔离开关状态检测方法及系统 | |
CN117124857B (zh) | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 | |
CN109063260B (zh) | 一种动力电池的老化趋势判断方法和装置 | |
CN114300763B (zh) | 基于车云协调的电池内阻异常监测方法、设备及存储介质 | |
CN115494431A (zh) | 一种变压器故障告警方法、终端设备和计算机可读存储介质 | |
CN115345241A (zh) | 电池异常检测方法、装置、电子设备及计算机存储介质 | |
CN115184808A (zh) | 电池热失控风险检测方法、装置、设备及计算机存储介质 | |
CN115144765A (zh) | 电池内短路故障检测方法及装置 | |
CN114928467A (zh) | 一种网络安全运维关联分析方法及系统 | |
CN112859805A (zh) | 一种发动机控制器在线诊断方法及相关装置 | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
CN111539539A (zh) | 数据中心动力环境设备运行模式突变检测方法及装置 | |
CN117124856B (zh) | 一种环流过压识别方法、装置、可读存储介质及电动汽车 | |
CN117371670B (zh) | 一种新能源电动汽车充电桩的可靠性分析系统 |
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 |