CN117214742A - 一种锂电池的状态分析方法、装置及电子设备 - Google Patents
一种锂电池的状态分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117214742A CN117214742A CN202311193053.5A CN202311193053A CN117214742A CN 117214742 A CN117214742 A CN 117214742A CN 202311193053 A CN202311193053 A CN 202311193053A CN 117214742 A CN117214742 A CN 117214742A
- Authority
- CN
- China
- Prior art keywords
- current
- curve
- lithium battery
- voltage
- electric quantity
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 58
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 58
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000005070 sampling Methods 0.000 claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000002922 simulated annealing Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 230000036541 health Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种锂电池的状态分析方法、装置及电子设备，设计锂电池技术领域，该锂电池的状态分析方法包括：采集N个采样点下的锂电池的电压值和当前剩余电量；对所述电压值和当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线；基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线；基于所述容量增量曲线对锂电池的状态进行分析。本发明利用分段拟合与模拟退火算法的结合确定最佳区分点，从而得到容量增量曲线，使得得到的曲线准确性和精度以及可靠性进一步提高，有利于增强该曲线的实用价值，从而为锂电池的健康分析提供了有力的保障。
Description
技术领域
本发明涉及锂电池技术领域，尤其涉及一种锂电池的状态分析方法、装置及电子设备。
背景技术
随着社会的发展，锂电池已被广泛应用于工业、日常生活等领域，对于锂电池使用状态的分析具有重要意义。dQ/dV曲线(容量增量曲线)是分析电池内部电池状态有效的工具，为了得到满足要求的C’点，在采集数据后一般需要进行曲线分段处理拟合。但是在传统的dQ/dV曲线的绘制过程中，大多数是通过恒等间隔取点，或是等容量间隔取Q，或是等电压间隔取V，然而，即使在实验室条件下，采用LAND公司生产的5V、100mA设备，采集精度达到0.1％，也会出现数据点缺失或者数据残缺的现象。实车BMS(Battery Management System，电池管理系统)使用中，dQ/dV曲线方法也会存在数据点缺失导致方法无法使用的错误情况，进而不能准确分析锂电池的健康状况。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种锂电池的状态分析方法、装置及电子设备，为锂电池的健康分析提供了有力的保障。
第一方面，本发明提供的一种锂电池的状态分析方法，包括：
采集N个采样点下的锂电池的电压值和当前剩余电量；
对所述电压值和当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线；
基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线；
基于所述容量增量曲线对锂电池的状态进行分析。
进一步的，所述采集N个采样点下锂电池的电压值和当前剩余电量，包括：
采集当前采样点下锂电池的充电电流值，根据所述充电电流值，计算当前剩余电量。
进一步的，对所述电压值和所诉当前剩余电量进行分段拟合之前，还包括：
对所述电压值和当前剩余电量进行数据筛选，所述数据筛选根据以下公式进行：
其中，Qn表示第n个采样点下的当前剩余电量，Qn-1表示第n-1个采样点下当前剩余电量，Vn表示第n个采样点下的电压，Vn-1表示第n-1个采样点下的电压，n示采样点的个数，且n的取值为大于等于2的自然数。
进一步的，对所述电压值和所述当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线，包括：
从所述N个采样点的第一点开始，接纳下一个点为当前新的数据集，对采集到的电压值和当前剩余电量进行曲线拟合，得到V＝f(q)，其中，V表示电压，q表示当前剩余电量，f表示当前剩余电量与电压之间的函数关系，N表示大于等于2的自然数；
误差采集，采集利用所述公式V＝f(q)计算得到的电压与相应的采样点下的电压之间的误差值；
误差判断，将所述误差值与预设的分段阈值进行对比，若满足预设条件则接纳下一个点为新的数据集，若不满足预设条件则进行曲线拟合。
进一步的，所述基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线，包括：
计算优化，设定所述拟合曲线的参数为初始解、当前解与最优解，将随机产生的新解代入，计算新解误差；
优化判断，当所述新解误差小于当前误差时，接受新解，并且设置新解为当前解；当所述新解误差小于所述最优解产生误差时，保存新解为最优解；当所述新解误差大于当前误差时，概率接受，保存为当前解，否则丢弃不用。
进一步的，所述概率接受表示为：
p＝-exp(ΔE)/T
ΔE＝新解产生误差-旧解产生误差
其中，p表示概率，T表示分段数，随着循环次数增加对应的分段数逐渐下降。
第二方面，本发明提供的一种锂电池的状态分析装置，包括：
采集模块，用于采集N个采样点下的锂电池的电压值和当前剩余电量；
拟合模块，用于对所述电压值和当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线；
优化模块，基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线；
分析模块，用于利用所述容量增量曲线对锂电池的状态进行分析。
进一步的，所述采集模块具体用于：
采集当前采样点下锂电池的充电电流值，根据所述充电电流值，计算当前剩余电量。
进一步的，还包括筛选模块，用于对所述电压值和当前剩余电量进行数据筛选，所述数据筛选根据以下公式进行：
其中，Qn表示第n个采样点下的当前剩余电量，Qn-1表示第n-1个采样点下当前剩余电量，Vn表示第n个采样点下的电压，Vn-1表示第n-1个采样点下的电压，n示采样点的个数，且n的取值为大于等于2的自然数。
第三方面，本发明提供的一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面中任一项所述的方法。
相对于现有技术而言，本发明的有益效果是：
本发明通过采集采样点下的锂电池的电压值和当前剩余电量、数据筛选、分段拟合和模拟退火算法的拟合曲线计算优化，得到了能能够对锂电池的状态进行分析的容量增量曲线，与传统的曲线绘制方法相比，本发明利用分段拟合与模拟退火算法的结合确定最佳区分点，从而得到容量增量曲线，使得得到的曲线准确性和精度以及可靠性进一步提高，有利于增强该曲线的实用价值，从而为锂电池的健康分析提供了有力的保障。
应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明分析方法的流程示意图；
图2为本发明分析方法的当前剩余电量与电压的变化曲线；
图3为本发明分析方法的容量增量曲线；
图4为本发明方法的分段阈值、分段数与方形累计误差排列表；
图5为本发明分析装置的结构示意图；
图6为本发明电子设备的结构示意图。
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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
请参考图1～图4，本发明的实施例提供了一种锂电池的状态分析方法，包括：
步骤S101：采集N个采样点下的锂电池的电压值和当前剩余电量。
在本实施例中，锂电池的状态分析对于判断锂电池的使用情况具有重要意义；从第一个采样点开始，每隔1秒钟对待分析的锂电池的电压值和当前剩余电量进行一次采集，从而获得N个采样点下的锂电池的电压值和当前剩余电量。
步骤S102：对电压值和当前剩余电量进行分段拟合，得到当前剩余电量与电压值之间的拟合曲线。
在本实施例中，对锂电池的电压值和当前剩余电量进行分段拟合时，需要预先人为设定好分段阈值，之后通过拟合曲线计算所得的当前剩余电量与采样点下采集获得的当前剩余电量进行对比得到误差值，接着对误差值与预设的分段阈值的对比结果进行分析以判断是否重新进行曲线拟合，最后得到当前剩余电量与电压值之间的拟合曲线。
步骤S103：基于模拟退火算法对拟合曲线进行多次计算优化以得到容量增量曲线。
在上述实施例中，如图3所示，分段阈值是人为设定的，可以进行调节，对于性得到的数据集，采用模拟退火算法进行多次计算，得到最优解，在对得到的曲线进行求导，最终得到容量增量曲线，之后根据Witten-Bell平滑方法对容量增量曲线进行平滑处理，获得可对锂电池的状态进行分析的最终容量增量曲线，即dQ/dV曲线。
步骤S104：基于容量增量曲线对锂电池的状态进行分析。
在本实施例中，通过容量增量曲线可以直观清晰地查看当前锂电池的使用状态，为锂电池的健康分析提供了强有力的保障。
在一优选实施例中，采集N个采样点下锂电池的电压值和当前剩余电量，包括：
采集当前采样点下锂电池的充电电流值，根据充电电流值，计算当前剩余电量。
在本实施例中，确定当前采样点下锂电池的充电时间与充电电流大小值，利用安时积分法，算出当前的剩余电量，从而获得N个采样点下的当前剩余电量。
在一优选实施例中，在步骤S102之前，该方法还包括：
对电压值和当前剩余电量进行数据筛选，数据筛选根据以下公式进行：
其中，Qn表示第n个采样点下的当前剩余电量，Qn-1表示第n-1个采样点下当前剩余电量，Vn表示第n个采样点下的电压，Vn-1表示第n-1个采样点下的电压，n示采样点的个数，且n的取值为大于等于2的自然数。
在本实施例中，锂电池充电的过程中，当前剩余电量是稳定上升的，锂电池的电压也是稳定上升的，所做的dQ/dV曲线，只是探究在电压V与当前剩余电量Q上升过程中，不同的上升速率以及该上升速率下的锂电池所表明的内外部之间的物理化学过程以及该过程所代表的意义。
具体地，首先对N个采样点下的锂电池的电压值和当前剩余电量进行初步数据筛选，排除一个电压对应多个当前剩余电量的采样点；之后再进一步进行筛选，对于多个电压对应一个当前剩余电量的情况时，同一电压下采用当前剩余电量的平均值；对于有噪声的采样点数据，需要进行简单平滑操作以获得初步满足要求的采样点数据。
在一优选实施例中，对电压值和当前剩余电量进行分段拟合，得到当前剩余电量与电压值之间的拟合曲线，包括：
从N个采样点的第一点开始，接纳下一个点为当前新的数据集，对采集到的电压值和当前剩余电量进行曲线拟合，得到V＝f(q)，其中，V表示电压，q表示当前剩余电量，f表示当前剩余电量与电压之间的函数关系，N表示大于等于2的自然数；
误差采集，采集利用公式V＝f(q)计算得到的电压与相应的采样点下的电压之间的误差值；
误差判断，将误差值与预设的分段阈值进行对比，若满足预设条件则接纳下一个点为新的数据集，若不满足预设条件则进行曲线拟合。
在本实施例中，预先设定好分段阈值，当计算得到的误差值与预设的分段阈值进行对比时，若误差值小于预设的分段阈值，则证明该采样点的数据较好，可以接纳下一个点构成新的数据集，反之，则重新进行曲线拟合，从而得到新的误差值，进而与预设的分段阈值进行对比，以此类推。
在一优选实施例中，基于模拟退火算法对拟合曲线进行多次计算优化以得到容量增量曲线，包括：
计算优化，设定所述拟合曲线的参数为初始解、当前接与最优解，将随机产生的新解代入，计算新解误差；
优化判断，当新解误差小于当前误差时，接受新解，并且设置新解为当前解；当新解误差小于最优解产生误差时，保存新解为最优解；当新解误差大于当前误差时，概率接受，保存为当前解，否则丢弃不用。
在一优选实施例中，概率接受表示为：
p＝-exp(ΔE)/T
ΔE＝新解产生误差-旧解产生误差
其中，p表示概率，T表示分段数，随着循环次数增加对应的分段数逐渐下降。
在上述实施例中，设定分段过程即为模拟退火算法在加热后分段数为300的初始状态，按照模拟退火算法思想，从高温时刻开始，温度缓慢的下降，结合概率密度公式可以跳出局部优点，从而达到全局最优的概念。即分段数从最高的270设定到分段数为1(即分一段就是终止温度)。按照如下的规则开始迭代：
预设值：初始温度(270)；结束温度(1)；初始解；退火速度；退火次数当(未达到结束温度)下面的过程持续进行：
由初始解生成新解
ΔE＝新解产生误差-旧解产生误差进入退火过程
如果ΔE<0
接受，更新
否则
以概率p＝-exp(ΔE)/T接受
结束
按照上述过程，把拟合得到的曲线参数设置为初始解，当前解以及最优解。在温度下降环节，采用for循环设置一个200次循环，随机产生新解随后将新解代入，计算新解误差值，当新解误差小于当前误差时，接受新解，并且设置新解为当前解，当新解误差小于最优解产生误差时，保存新解为最优解，当新解误差大于当前误差时，概率接受，保存为当前解，否则丢弃不用。具体参考图4所示的不同分段阈值、分段数和方形曲线累积误差之间的对应关系。
本发明的实施例提供了一种锂电池的状态分析装置，如图4所示，包括：
采集模块201，用于采集N个采样点下的锂电池的电压值和当前剩余电量；
拟合模块202，用于对电压值和当前剩余电量进行分段拟合，得到当前剩余电量与电压值之间的拟合曲线；
优化模块203，基于模拟退火算法对拟合曲线进行多次计算优化以得到容量增量曲线；
分析模块204，用于利用容量增量曲线对锂电池的状态进行分析。
在一优选实施例中，采集模块204具体用于：
采集当前采样点下锂电池的充电电流值，根据充电电流值，计算当前剩余电量。
在一些实施例中，该装置还包括筛选模块，用于对电压值和当前剩余电量进行数据筛选，数据筛选根据以下公式进行：
其中，Qn表示第n个采样点下的当前剩余电量，Qn-1表示第n-1个采样点下当前剩余电量，Vn表示第n个采样点下的电压，Vn-1表示第n-1个采样点下的电压，n示采样点的个数，且n的取值为大于等于2的自然数。
本申请实施例中提供了一种电子设备，如图6所示，图6所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6所示的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种锂电池的状态分析方法，其特征在于，包括：
采集N个采样点下的锂电池的电压值和当前剩余电量；
对所述电压值和当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线；
基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线；
基于所述容量增量曲线对锂电池的状态进行分析。
2.根据权利要求1所述的分析方法，其特征在于，所述采集N个采样点下锂电池的电压值和当前剩余电量，包括：
采集当前采样点下锂电池的充电电流值，根据所述充电电流值，计算当前剩余电量。
3.根据权利要求2所述的分析方法，其特征在于，对所述电压值和所诉当前剩余电量进行分段拟合之前，还包括：
对所述电压值和当前剩余电量进行数据筛选，所述数据筛选根据以下公式进行：
其中，Q表示电池容量，V表示电压，n表示第n个数据，且n的取值为大于等于2的自然数；
其中，Qn表示第n个采样点下的当前剩余电量，Qn-1表示第n-1个采样点下当前剩余电量，Vn表示第n个采样点下的电压，Vn-1表示第n-1个采样点下的电压，n示采样点的个数，且n的取值为大于等于2的自然数。
4.根据权利要求3所述的分析方法，其特征在于，对所述电压值和所述当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线，包括：
从所述N个采样点的第一点开始，接纳下一个点为当前新的数据集，对采集到的电压值和当前剩余电量进行曲线拟合，得到V＝f(q)，其中，V表示电压，q表示当前剩余电量，f表示当前剩余电量与电压之间的函数关系，N表示大于等于2的自然数；
误差采集，采集利用所述公式V＝f(q)计算得到的电压与相应的采样点下的电压之间的误差值；
误差判断，将所述误差值与预设的分段阈值进行对比，若满足预设条件则接纳下一个点为新的数据集，若不满足预设条件则进行曲线拟合。
5.根据权利要求4所述的分析方法，其特征在于，所述基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线，包括：
计算优化，设定所述拟合曲线的参数为初始解、当前接与最优解，将随机产生的新解代入，计算新解误差；
优化判断，当所述新解误差小于当前误差时，接受新解，并且设置新解为当前解；当所述新解误差小于所述最优解产生误差时，保存新解为最优解；当所述新解误差大于当前误差时，概率接受，保存为当前解，否则丢弃不用。
6.根据权利要求5所述的分析方法，其特征在于，所述概率接受表示为：
p＝-exp(ΔE)/T
ΔE＝新解产生误差-旧解产生误差
其中，p表示概率，T表示分段数，随着循环次数增加对应的分段数逐渐下降。
7.一种锂电池的状态分析装置，其特征在于，包括：
采集模块，用于采集N个采样点下的锂电池的电压值和当前剩余电量；
拟合模块，用于对所述电压值和当前剩余电量进行分段拟合，得到所述当前剩余电量与所述电压值之间的拟合曲线；
优化模块，基于模拟退火算法对所述拟合曲线进行多次计算优化以得到容量增量曲线；
分析模块，用于利用所述容量增量曲线对锂电池的状态进行分析。
8.根据权利要求7所述的分析装置，其特征在于，所述采集模块具体用于：
采集当前采样点下锂电池的充电电流值，根据所述充电电流值，计算当前剩余电量。
9.根据权利要求8所述的分析装置，其特征在于，还包括筛选模块，用于对所述电压值和当前剩余电量进行数据筛选，所述数据筛选根据以下公式进行：
其中，Qn表示第n个采样点下的当前剩余电量，Qn-1表示第n-1个采样点下当前剩余电量，Vn表示第n个采样点下的电压，Vn-1表示第n-1个采样点下的电压，n示采样点的个数，且n的取值为大于等于2的自然数。
10.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，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1～6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311193053.5A CN117214742A (zh) | 2023-09-15 | 2023-09-15 | 一种锂电池的状态分析方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311193053.5A CN117214742A (zh) | 2023-09-15 | 2023-09-15 | 一种锂电池的状态分析方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117214742A true CN117214742A (zh) | 2023-12-12 |
Family
ID=89036648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311193053.5A Pending CN117214742A (zh) | 2023-09-15 | 2023-09-15 | 一种锂电池的状态分析方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117214742A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117930064A (zh) * | 2024-03-21 | 2024-04-26 | 四川新能源汽车创新中心有限公司 | 一种无损检测析锂的方法、系统、计算设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111398833A (zh) * | 2020-03-13 | 2020-07-10 | 浙江大学 | 一种电池健康状态评估方法和评估系统 |
| WO2021185308A1 (zh) * | 2020-03-18 | 2021-09-23 | 北京理工大学 | 一种电动汽车动力电池组健康状态在线确定方法和系统 |
| CN113759251A (zh) * | 2021-08-17 | 2021-12-07 | 江苏大学 | 基于类容量增量曲线的云端电池组容量一致性分析方法 |
| CN113884912A (zh) * | 2021-10-18 | 2022-01-04 | 苏州元启动力科技有限公司 | 基于模拟退火算法的插值拟合锂电池dQ/dV曲线方法及装置 |
| CN115792653A (zh) * | 2023-02-02 | 2023-03-14 | 斯润天朗（北京）科技有限公司 | 锂电池电压曲线的回归拟合方法、装置及计算机设备 |
| CN116299003A (zh) * | 2022-12-20 | 2023-06-23 | 福建星云电子股份有限公司 | 一种基于电池容量增量曲线的健康状态检测方法及系统 |
-
2023
- 2023-09-15 CN CN202311193053.5A patent/CN117214742A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111398833A (zh) * | 2020-03-13 | 2020-07-10 | 浙江大学 | 一种电池健康状态评估方法和评估系统 |
| WO2021185308A1 (zh) * | 2020-03-18 | 2021-09-23 | 北京理工大学 | 一种电动汽车动力电池组健康状态在线确定方法和系统 |
| CN113759251A (zh) * | 2021-08-17 | 2021-12-07 | 江苏大学 | 基于类容量增量曲线的云端电池组容量一致性分析方法 |
| CN113884912A (zh) * | 2021-10-18 | 2022-01-04 | 苏州元启动力科技有限公司 | 基于模拟退火算法的插值拟合锂电池dQ/dV曲线方法及装置 |
| CN116299003A (zh) * | 2022-12-20 | 2023-06-23 | 福建星云电子股份有限公司 | 一种基于电池容量增量曲线的健康状态检测方法及系统 |
| CN115792653A (zh) * | 2023-02-02 | 2023-03-14 | 斯润天朗（北京）科技有限公司 | 锂电池电压曲线的回归拟合方法、装置及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 刘欢: "基于改进的dQ/dV动力锂电池一致性分析", 中国优秀硕士学位论文全文数据库, no. 3, 15 March 2021 (2021-03-15), pages 2 - 4 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117930064A (zh) * | 2024-03-21 | 2024-04-26 | 四川新能源汽车创新中心有限公司 | 一种无损检测析锂的方法、系统、计算设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109817267B (zh) | 一种基于深度学习的闪存寿命预测方法、系统及计算机可读存取介质 | |
| CN110806541B (zh) | 一种基于ad-bas的锂电池模型参数辨识方法 | |
| CN117214742A (zh) | 一种锂电池的状态分析方法、装置及电子设备 | |
| CN113240194B (zh) | 储能电池容量预测方法、服务端及计算机可读存储介质 | |
| CN112180258B (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 | |
| CN116299008A (zh) | 一种电池soh预测方法、装置、电子设备及存储介质 | |
| CN117310504A (zh) | 一种电池健康状态评估方法、系统、设备及介质 | |
| CN112331249A (zh) | 预测存储器件寿命的方法、装置、终端设备和存储介质 | |
| CN116736131A (zh) | 电池健康状态估计方法、终端设备及存储介质 | |
| CN117630699A (zh) | 一种基于动态电压区间的电池状态评估方法、装置和设备 | |
| CN117518004A (zh) | 电池析锂概率的测试方法、装置、设备及存储介质 | |
| CN111798263A (zh) | 一种交易趋势的预测方法和装置 | |
| CN115128476A (zh) | 一种锂离子电池预锂量估计方法、装置、设备及存储介质 | |
| US20130191071A1 (en) | System and method for automatic modal parameter extraction in structural dynamics analysis | |
| CN112474435A (zh) | 一种电池模组的快速分选方法和装置 | |
| CN111027680A (zh) | 基于变分自编码器的监控量不确定性预测方法及系统 | |
| 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 | |
| CN113435058B (zh) | 配网自愈测试模型的数据降维方法、系统、终端及介质 | |
| CN117930060B (zh) | 一种锂电池soh估计方法、系统、设备及存储介质 | |
| CN118082796B (zh) | 一种车辆增程器启停控制方法、装置、电子设备以及介质 | |
| CN118501759A (zh) | 一种电池老化测试方法、装置、电子设备及存储介质 | |
| CN117471328B (zh) | 铅酸电池容量的确定方法、系统和终端设备 | |
| CN118171625B (zh) | 集成电路表面平坦化预测方法、装置、电子设备及存储介质 | |
| CN118643268A (zh) | 力位压装系统的拐点获取方法、装置、电子设备和介质 | |
| CN116299005A (zh) | 一种基于aaf和深度学习的动力电池健康状态预测方法 |
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 |