CN117607691A - 一种锂离子电池充电工作温度的跟踪检测方法及装置 - Google Patents

一种锂离子电池充电工作温度的跟踪检测方法及装置 Download PDF

Info

Publication number
CN117607691A
CN117607691A CN202311302040.7A CN202311302040A CN117607691A CN 117607691 A CN117607691 A CN 117607691A CN 202311302040 A CN202311302040 A CN 202311302040A CN 117607691 A CN117607691 A CN 117607691A
Authority
CN
China
Prior art keywords
temperature
ion battery
lithium ion
data
temperature measuring
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
Application number
CN202311302040.7A
Other languages
English (en)
Inventor
谢缔
周海洋
王守模
张�浩
韦世成
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.)
Guangdong Hengyineng Technology Co ltd
Original Assignee
Guangdong Hengyineng 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 Guangdong Hengyineng Technology Co ltd filed Critical Guangdong Hengyineng Technology Co ltd
Priority to CN202311302040.7A priority Critical patent/CN117607691A/zh
Publication of CN117607691A publication Critical patent/CN117607691A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G01K1/026—Means for indicating or recording specially adapted for thermometers arrangements for monitoring a plurality of temperatures, e.g. by multiplexing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/14—Supports; Fastening devices; Arrangements for mounting thermometers in particular locations
    • G01K1/146—Supports; Fastening devices; Arrangements for mounting thermometers in particular locations arrangements for moving thermometers to or from a measuring position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • H01M10/4285—Testing apparatus
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (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

本发明涉及电池温度检测技术领域，公开了一种锂离子电池充电工作温度的跟踪检测方法及装置，该方法包括获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据；对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点；基于关键温度测点将温度传感器移动至跟踪检测位置，确定关键温度测点对应的实时温度数据；对实时温度数据进行融合处理，生成锂离子电池充电工作温度。本发明实现了对温控箱腔体内温度传感器的优化布置，提高了锂离子电池充电工作温度的准确度，实现了对温度控制补偿系统的精准控制，提高了电池品质。

Description

一种锂离子电池充电工作温度的跟踪检测方法及装置
技术领域
本发明涉及电池温度检测技术领域，具体涉及一种锂离子电池充电工作温度的跟踪检测方法及装置。
背景技术
电池行业温控箱腔体内环境均温控制技术应用在电池行业化成、分容、OCV测试段，主要给电池生产的环境提供的高温或低温，进行恒定温度环境管控，如果温度没有控制到位，电池品质将出现波动。
而锂离子电池充电过程中放热不均匀，温控箱由于体积过大，传感器布置不当等原因导致无法灵敏获取锂离子电池周边工作温度的变化，温控箱腔体无法恰当的对当前工作温度进行温度补偿调整，直接影响电池的充电效果及后续使用性能。
发明内容
有鉴于此，本发明提供了一种锂离子电池充电工作温度的跟踪检测方法及装置，以解决锂离子电池的工作温度检测不准确，导致无法准确对当前工作温度进行温度补偿调整，进而电池品质出现波动的问题。
第一方面，本发明提供了一种锂离子电池充电工作温度的跟踪检测方法，应用于温控箱腔体，温控箱腔体的内壁处设置有可移动导轨，可移动导轨上设置有多个温度传感器；该方法包括：
获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据；
对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点；
基于关键温度测点将温度传感器移动至跟踪检测位置，确定关键温度测点对应的实时温度数据；
对实时温度数据进行融合处理，生成锂离子电池充电工作温度。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，通过对温度传感器初始位置进行布局，进而将温度传感器在初始位置采集的温度测点进行分类，确定关键温度测点，进而移动温度传感器的位置，实现了对温控箱腔体内温度传感器的优化布置，使用最少的温度测点便可以简便、灵敏且准确地对获取锂离子电池周边工作温度变化，并且，通过对实时温度数据进行融合处理，使得生成的锂离子电池充电工作温度具有较低的波动性与较好的稳健性，进一步提高了锂离子电池充电工作温度的准确度，实现了对温度控制补偿系统的精准控制，提高了电池品质。
在一种可选的实施方式中，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据，包括：
基于锂离子电池的充放电数据建立锂离子电池电化学反应的温度场；
对锂离子电池电化学反应的温度场进行模拟仿真，生成锂离子电池工作温度分布；
基于锂离子电池工作温度分布对温控箱内的温度传感初始位置进行布局；
在不同温度下对锂电子电池进行恒温稳态持续充电试验，生成多个温度测点数据。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，通过锂离子电池的充放电数据建立锂离子电池电化学反应的温度场，并对锂离子电池电化学反应的温度场进行模拟仿真，实现了锂离子电池放热规律的准确获取，并且利用实验的方式实现了对不同工况下温控箱腔体内部个器件及锂离子电池周边的温度分布的准确检测。
在一种可选的实施方式中，基于锂离子电池的充放电数据建立锂离子电池电化学反应的温度场，包括：
基于锂离子电池的充放电数据确定运行电流密度、开路电压、端电压和锂离子电池温度；
基于运行电流密度、开路电压、端电压和锂离子电池温度计算产热速率；
基于产热速率建立锂离子电池电化学反应的温度场。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，通过产热速率建立锂离子电池电化学反应的温度场，实现了锂离子电池放热规律的准确获取。
在一种可选的实施方式中，对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点，包括：
利用模糊聚类分析法将多个温度测点数据进行分类，生成不同类别的温度测点；
基于不同类别的温度测点，利用相关性分析法确定关键温度测点。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，采用模糊聚类分析方法，根据温度变化规律对传感器采集到的温度测点进行分类，再采用相关性分析方法，在温度测点中选定温度特征点，可以更好地优化温度传感器的分布，精确测量温控箱腔体的温度场，建立精确的工作温度误差补偿模型，实现在保证补偿温度精度的条件下，使用最少的温度测点简便、灵敏且准确地对获取锂离子电池周边工作温度变化。
在一种可选的实施方式中，利用模糊聚类分析法将多个温度测点数据进行分类，生成不同类别的温度测点，包括：
基于多个温度测点数据构建初始数据矩阵，对初始数据矩阵进行标准化处理，生成归一化矩阵；
基于归一化矩阵中确定矩阵元素相似系数，并基于矩阵元素相似系数构建模糊相似矩阵；
基于模糊相似矩阵确定等价矩阵，并对等价矩阵进行模糊聚类分析，生成不同类别的温度测点。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，通过矩阵的构建与模糊聚类分析，实现了对温度测点的准确分类，为后续温度特征点的选取奠定了基础。
在一种可选的实施方式中，基于不同类别的温度测点，利用相关性分析法确定关键温度测点，包括：
从不同类别的温度测点中分别选取温度特征点，将温度特征点输入温度误差预测模型中，生成复判定系数；
将复判定系数进行排序，选取最大复判定系数，将最大复判定系数对应的温度测点作为关键温度测点。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，在温度测点中选定温度特征点，可以更好地优化温度传感器的分布，精确测量温控箱腔体的温度场，建立精确的工作温度误差补偿模型，
在一种可选的实施方式中，对实时温度数据进行融合处理，生成锂离子电池充电工作温度，包括：
对实时温度数据进行小波预处理，并基于小波处理后的实时温度数据计算信噪比数据；
对信噪比数据进行小波重构处理，生成锂离子电池充电工作温度。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，对实时温度数据进行小波预处理和小波重构处理，简单、快速，且具有良好的信息保留效果，使得锂离子电池充电工作温度具有较低的波动性和良好的稳健性。
第二方面，本发明提供了一种锂离子电池充电工作温度的跟踪检测装置，该装置包括：
布局模块，用于获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据；
分类模块，用于对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点；
跟踪检测模块，用于基于关键温度测点将温度传感器移动至跟踪检测位置，确定关键温度测点对应的实时温度数据；
融合处理模块，用于对实时温度数据进行融合处理，生成锂离子电池充电工作温度。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的锂离子电池充电工作温度的跟踪检测方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的锂离子电池充电工作温度的跟踪检测方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。
图1是根据本发明实施例的温度传感器和可移动导轨的结构示意图；
图2是根据本发明实施例的温控箱的俯视图；
图3是根据本发明实施例的一种锂离子电池充电工作温度的跟踪检测方法的流程示意图；
图4是根据本发明实施例的上层腔体中关键温度测点的示意图；
图5是根据本发明实施例的中层腔体中关键温度测点的示意图；
图6是根据本发明实施例的下层腔体中关键温度测点的示意图；
图7是根据本发明实施例的另一种锂离子电池充电工作温度的跟踪检测方法的流程示意图；
图8是根据本发明实施例的上层腔体中温度传感初始位置的布局示意图；
图9是根据本发明实施例的中层腔体中温度传感初始位置的布局示意图；
图10是根据本发明实施例的下层腔体中温度传感初始位置的布局示意图；
图11是根据本发明实施例的又一种锂离子电池充电工作温度的跟踪检测方法的流程示意图；
图12是根据本发明实施例的再一种锂离子电池充电工作温度的跟踪检测方法的流程示意图；
图13是根据本发明实施例的基于信噪比实现的小波卡尔曼滤波数据融合算法的流程示意图；
图14是根据本发明实施例的一种锂离子电池充电工作温度的跟踪检测装置的结构框图；
图15是本发明实施例的计算机设备的硬件结构示意图。
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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
相关的温度传感器的安装流程为：首先根据工程判断在不同位置安装大量的传感器，然后通过统计分析等方法选择少量的温度传感器进行温度误差分量建模。这会造成：(1)由于工程判断的不准确，温度误差补偿控制的预报精度和鲁棒性受到严重影响；(2)建立温度误差与温度场之间的对应关系需要耗费大量的时间和资源；(3)过度布置温度测点会导致数据量巨大，无法有效处理，而且数据之间的耦合也会影响后续的加工。
设计高效的数据融合算法是一项有挑战性的工作，因为多传感器数据融合算法涉及到能量效率、延时、数据精度、网络拓扑结构、数据压缩、分布式数据处理等多个方面，融合来自不同传感器的信息，去除冗余信息，减小传输数据量，实现节省能量、提高数据收集效率和准确度的目的，使温度误差补偿控制延迟和鲁棒性尽可能不受影响。
因此，温度传感器的优化布置及信号融合是锂离子电池充电工作温度检测技术还有待改进和发展的一个关键问题，如果能使用最少的温度测点但仍能保证补偿温度精度，这将会给温度补偿技术实际应用带来经济效益和便利性。
根据本发明实施例，提供了一种锂离子电池充电工作温度的跟踪检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种锂离子电池充电工作温度的跟踪检测方法，其中，温控箱腔体1的内壁处设置有可移动导轨2，可移动导轨2上设置有多个温度传感器3，其中，如图1-2所示，可移动导轨2呈“王”字形排布，共三组可移动导轨2，与温控箱腔体1内部上中下三层分别贴合，可移动导轨2尺寸与温控箱腔体1内部尺寸保持一致；每个温度传感器3底部各自配备有一个滑块，可根据控制器指令移动到相应位置，可移动导轨2上配备有电动直线推杆装置，该装置配备滑块以及连接杆，以带动温度传感器3滑块沿可移动导轨2前后左右四个自由度方向移动；控制器为移动终端，如手机、平板电脑等，图1是根据本发明实施例的一种锂离子电池充电工作温度的跟踪检测方法的流程图，如图3所示，该流程包括如下步骤：
步骤S301，获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据。
步骤S302，对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点。
步骤S303，基于关键温度测点将温度传感器3移动至跟踪检测位置，确定关键温度测点对应的实时温度数据。
具体地，控制器发送指令给电动直线推杆装置，进而控制温度传感器3的滑块沿导轨移动到跟踪检测位置。
例如，温度传感器3共装配17个，温控箱腔体1内的温度传感器3移动到跟踪检测位置后，上层腔体内放置7个温度传感器3，关键温度测点的布局如图4所示，中层腔体内放置5个传感器，呈“十字型”，关键温度测点的布局如图5所示，下层腔体内放置5个传感器，呈“交叉型”，关键温度测点的布局如图6所示。
步骤S304，对实时温度数据进行融合处理，生成锂离子电池充电工作温度。
具体地，利用基于信噪比实现的小波卡尔曼滤波数据融合算法对实时温度数据进行融合处理。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，通过对温度传感器初始位置进行布局，进而将温度传感器在初始位置采集的温度测点进行分类，确定关键温度测点，进而移动温度传感器的位置，实现了对温控箱腔体内温度传感器的优化布置，使用最少的温度测点便可以简便、灵敏且准确地对获取锂离子电池周边工作温度变化，并且，通过对实时温度数据进行融合处理，使得生成的锂离子电池充电工作温度具有较低的波动性与较好的稳健性，进一步提高了锂离子电池充电工作温度的准确度，实现了对温度控制补偿系统的精准控制，提高了电池品质。
在本实施例中提供了一种锂离子电池充电工作温度的跟踪检测方法，可用于上述的移动终端，如手机、平板电脑等，图7是根据本发明实施例的一种锂离子电池充电工作温度的跟踪检测方法的流程图，如图7所示，该流程包括如下步骤：
步骤S701，获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据。
具体地，上述步骤S701包括：
步骤S7021，基于锂离子电池的充放电数据建立锂离子电池电化学反应的温度场。
在一些可选的实施方式中，上述步骤S7021包括：
步骤a1，基于锂离子电池的充放电数据确定运行电流密度、开路电压、端电压和锂离子电池温度。
步骤a2，基于运行电流密度、开路电压、端电压和锂离子电池温度计算产热速率。
具体地，对于锂离子电池来说，当电池温度在-30℃～70℃温度放电时，焦耳热占了电池总产热量的很大比例，因此，根据锂离子电池常工作的发热量、单位体积电池自身发热功率、换热系数、电池三维非稳态导热方程、边界条件等建立数学模型，相关的锂离子电池常规的充放电过程内部产热量的计算公式如下所示：
上式中，q表示产热速率(正值表示热量释放，负值表示热量吸收)；I表示运行电流密度(正值表示放电，负值表示充电)；Ut表示端电压；Uocv表示开路电压(OCV)；T表示锂离子电池温度；ΔHi表示第i个化学反应的焓变，ri表示第i个反应的反应速率；表示电池第j片的摩尔焓，用于描述电池的空间变化；cj表示电池第j片的离子浓度；v表示体积，带有上标avg的值表示在一定体积的平均浓度。
其中，上述公式(1)等号右边第一部分是电阻的焦耳热(简称为qj)，第二部分是可逆熵热或反应热(简称为qr)，也是充放电过程中的熵变，第三部分是老化过程中的副反应热(简称为qs)，第四部分是混合过程热量(简称为qm)。
进一步地，在正常的充放电过程中，电池处于安全的运行范围，过充/过放电产生的副反应热和电解质分解产热量很小，可忽略不计，可认为qs＝0；混合过程中的热量由电池内部的浓度梯度和弛豫引起，在正常的充放电过程中，该部分热量qm贡献可忽略不计，因此，在充放电过程中，电池的产热速率的计算公式可以简化为：
步骤a3，基于产热速率建立锂离子电池电化学反应的温度场。
具体地，将锂离子电池的实际电池规格、物性参数等数据代入上式(2)中，运用流体仿真软件(如COMSOL、ANSYS_FLUENT等)建立该锂离子电池电化学反应的温度场。
步骤S7022，对锂离子电池电化学反应的温度场进行模拟仿真，生成锂离子电池工作温度分布。
具体地，对锂离子电池电化学反应的温度场进行模拟仿真后可以得出以下结论：恒温稳态持续充电下电池体内部中心点温度最高，向边界逐渐降低，进而，在对温度传感初始位置进行布局时，需要着重考虑对电池体中心位置及边缘等位置的温度测点，同时在温度过渡区间温度波动情况较大的位置尽可能多地布置温度传感器3，以此更加全面地覆盖腔体各点温度情况，使筛选后的结果能更好的反映腔体内温度情况。
步骤S7023，基于锂离子电池工作温度分布对温控箱内的温度传感初始位置进行布局。
例如，如图8-10所示，以5V120A-32CH温控箱负压针床为研究对象，对温控箱腔体1温度测点进行布局，共安装了33个温度传感器3，A、B…E、F温度测点表示放置在电池体在上中下三层的中心位置，其余27个温度测点放置在电池体边缘位置。
步骤S7024，在不同温度下对锂电子电池进行恒温稳态持续充电试验，生成多个温度测点数据。
具体地，为了获得不同工况下温控箱腔体1内温度场及锂离子电池周边的温度分布情况，通过电源柜对锂离子电池在不同温度下(-30℃～70℃)进行恒温稳态持续充电试验，该实验在室温条件下进行，温控箱在-30℃～70℃之间每间隔10℃的工况下各测一组温度试验数据，即共11组温度实验数据；每组温度实验数据设置采样时间为1s，持续时间为30min，每次可以获得33个温度传感器3采集到的33组测点温度数据集，在整个测量周期内实时记录并获取到33个测点温度的11组温度试验数据，进而分析各个测点温度数据之间的温度误差，着重分析温控箱进风口、出风口及锂离子电池周边工作温度的温度误差。
步骤S702，对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点。详细请参见图3所示实施例的步骤S302，在此不再赘述。
步骤S703，基于关键温度测点将温度传感器3移动至跟踪检测位置，确定关键温度测点对应的实时温度数据。详细请参见图3所示实施例的步骤S303，在此不再赘述。
步骤S704，对实时温度数据进行融合处理，生成锂离子电池充电工作温度。详细请参见图3所示实施例的步骤S304，在此不再赘述。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，通过锂离子电池的充放电数据建立锂离子电池电化学反应的温度场，并对锂离子电池电化学反应的温度场进行模拟仿真，实现了锂离子电池放热规律的准确获取，并且利用实验的方式实现了对不同工况下温控箱腔体内部个器件及锂离子电池周边的温度分布的准确检测。
在本实施例中提供了一种锂离子电池充电工作温度的跟踪检测方法，可用于上述的移动终端，如手机、平板电脑等，图11是根据本发明实施例的一种锂离子电池充电工作温度的跟踪检测方法的流程图，如图11所示，该流程包括如下步骤：
步骤S1101，获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据。详细请参见图7所示实施例的步骤S701，在此不再赘述。
步骤S1102，对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点。
具体地，上述步骤S1102包括：
步骤S11021，利用模糊聚类分析法将多个温度测点数据进行分类，生成不同类别的温度测点。
在一些可选的实施方式中，上述步骤S11021包括：
步骤b1，基于多个温度测点数据构建初始数据矩阵，对初始数据矩阵进行标准化处理，生成归一化矩阵。
具体地，将多个温度测点数据Ty作为被分类对象，获取每个温度测点对应的多组温度数据，即Ty＝{Ty1，Ty2，…，Tym}，y＝1，2，…，n，进而得到初始数据矩阵U：
上式中，Tym表示第y个分类对象(即温度测点)的第m个温度测点数据。
进一步地，对初始数据矩阵标准化并压缩到区间(0,1)，其中，归一化矩阵为33×33，其对角线元素为1。
步骤b2，基于归一化矩阵中确定矩阵元素相似系数，并基于矩阵元素相似系数构建模糊相似矩阵。
具体地，矩阵元素相似系数rij的计算公式如下所示：
其中，Tik表示第i个分类对象(即温度测点)的第k个温度测点数据；Tjk表示第j个分类对象(即温度测点)的第k个温度测点数据。
进一步地，基于矩阵元素相似系数，通过最大最小决策法构建模糊相似矩阵R，其中，
rij＝R(Ti，Tj) (5)
其中，Ti表示第i个温度测点对应的温度测点数据，Tj表示第j个温度测点对应的温度测点数据。
进一步地，当模糊相似矩阵R为0时，证明归一化矩阵中的矩阵元素之间完全不相同；当模糊相似矩阵为1时，证明二者完全相关。
步骤b3，基于模糊相似矩阵确定等价矩阵，并对等价矩阵进行模糊聚类分析，生成不同类别的温度测点。
具体地，基于模糊相似矩阵R，利用传递闭包法确定最小模糊传递矩阵，即R的传递闭包，模糊相似矩阵R的传递闭包是包含该模糊相似矩阵的等价矩阵，进而依据R的传递闭包进行聚类；其中，传递闭包法是从模糊相似矩阵R出发利用平方法依次计算R→R2→R4→…→R2L…(L为非零自然数)，直至首次出现Ra＝R2a，得到R的传递闭包，令t(R)＝R2a，t(R)即为所求模糊相似矩阵的等价矩阵，a为使模糊相似矩阵相等的指数系数；经计算，得出结论当a＝4时，R4＝R8，因此，可以将其转换为等价矩阵t(R)。
进一步地，对等价矩阵t(R)进行模糊聚类分析，取水平数λ∈[0，1]，计算出t(R)的λ截矩阵P，进而得到温度测点的一个等价划分，即根据截矩阵P中的元素值确定两个变量是否属于同一类。
例如，将λ设置为99％，可以得到33个温度测点数据的截矩阵，将温度测点数据分为4类，各个类之间的数据差别应尽可能大，类内之间的数据差别应尽可能小，温控箱腔体1内温度测点变化规律分类如下表1所示。
表1：
第1类 第2类 第3类 第4类
TA～TF、T5、T14、T23 T1～T4、T6～T9 T10～T13、T15～T18 T19～T22、T23～T27
其中，TA～TF、T5、T14、T23的温度测点布置在温控箱的上中下三层的中心，也为电池体中心及周边位置；T1～T4、T6～T9的温度测点布置在温控箱的上层边缘位置，也为电池体边缘位置；T10～T13、T15～T18的温度测点布置在温控箱的中层边缘位置，也为电池体边缘位置；T19～T22、T23～T27的温度测点布置在温控箱的下层边缘位置，也为电池体边缘位置，温控箱腔体1的关键温度测点分别从上述四类中选取。
步骤S11022，基于不同类别的温度测点，利用相关性分析法确定关键温度测点。
在一些可选的实施方式中，上述步骤S11022包括：
步骤c1，从不同类别的温度测点中分别选取温度特征点，将温度特征点输入温度误差预测模型中，生成复判定系数。
具体地，通过对单个温度测点与步骤S7024中得到的温度误差的相关性分析，将所选温度测点进行组合，并计算每个组合的复判定系数，选取复判定系数和修正的复判定系数最大的温度测点的温度特征值建立温度误差预测模型，其中，温度误差预测模型表示如下：复判定系数的计算公式如下所示：
上式中，表示复判定系数，/>表示修正的复判定系数，SSR表示离差平方和，SST表示回归平方和，SSE表示残差平方和，/>表示温度测量值的算数平均值，n表示温度测点个数，p表示引入的模型自变量的个数。
步骤c2，将复判定系数进行排序，选取最大复判定系数，将最大复判定系数对应的温度测点作为关键温度测点。
例如，随着温度测点的温度特征点个数的增加，复判定系数和修正的复判定系数的值也随之增大，从X、Y、Z三个方向进行分析，在测点组合TA、TB、T1、T3、T7、T9、T11、T13、T14、T15、T17、T19、T21、T23、T25、T27中，复判定系数和修正的复判定系数的值最大；因而，温控箱腔体1内关键温度特征点变量最终确定为TA、TB、T1、T3、T7、T9、T11、T13、T14、T15、T17、T19、T21、T23、T25、T27，其对应的温度测点为如图2所示，这些17个温度测点将用于温度误差建模。
步骤S1103，基于关键温度测点将温度传感器3移动至跟踪检测位置，确定关键温度测点对应的实时温度数据。详细请参见图7所示实施例的步骤S703，在此不再赘述。
步骤S1104，对实时温度数据进行融合处理，生成锂离子电池充电工作温度。详细请参见图7所示实施例的步骤S704，在此不再赘述。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，采用模糊聚类分析方法，根据温度变化规律对传感器采集到的温度测点进行分类，再采用相关性分析方法，在温度测点中选定温度特征点，可以更好地优化温度传感器的分布，精确测量温控箱腔体的温度场，建立精确的工作温度误差补偿模型，实现在保证补偿温度精度的条件下，使用最少的温度测点简便、灵敏且准确地对获取锂离子电池周边工作温度变化。
在本实施例中提供了一种锂离子电池充电工作温度的跟踪检测方法，可用于上述的移动终端，如手机、平板电脑等，图12是根据本发明实施例的一种锂离子电池充电工作温度的跟踪检测方法的流程图，如图12所示，该流程包括如下步骤：
步骤S1201，获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据。详细请参见图11所示实施例的步骤S1101，在此不再赘述。
步骤S1202，对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点。详细请参见图11所示实施例的步骤S1102，在此不再赘述。
步骤S1203，基于关键温度测点将温度传感器3移动至跟踪检测位置，确定关键温度测点对应的实时温度数据。详细请参见图11所示实施例的步骤S1103，在此不再赘述。
步骤S1204，对实时温度数据进行融合处理，生成锂离子电池充电工作温度。
具体地，上述步骤S1204包括：
步骤S12041，对实时温度数据进行小波预处理，并基于小波处理后的实时温度数据计算信噪比数据。
具体地，如图13所示，采用小波技术去除各传感器采集数据(即实时温度数据)中的高斯白噪声，包括数据清洗、数据变换和数值规范；采用小波技术对实时温度数据进行压缩；采用小波技术对实时温度数据进行分层，对分层后相似的高频系数和详细的低频系数进行卡尔曼滤波；采用最大最小贴近度的方法计算实时温度数据的信噪比(即信噪比数据)。
步骤S12042，对信噪比数据进行小波重构处理，生成锂离子电池充电工作温度。
具体地，融合信噪比数据的近似系数，并采用小波技术对数据进行重构，得到融合结果，即锂离子电池充电工作温度。
进一步地，将锂离子电池充电工作温度输入温度误差补偿控制系统，建立高精度的腔体恒温环境。
本实施例提供的一种锂离子电池充电工作温度的跟踪检测方法，对实时温度数据进行小波预处理和小波重构处理，简单、快速，且具有良好的信息保留效果，使得锂离子电池充电工作温度具有较低的波动性和良好的稳健性。
下面通过一个具体的实施例来说明一种锂离子电池充电工作温度的跟踪检测的具体步骤。
实施例1：
一种锂离子电池充电工作温度的跟踪检测的具体步骤包括：
步骤S1、对锂离子电池充电过程的放热规律加以分析，找到对锂离子电池放热规律；
步骤S2、通过实验的方式对不同工况下温控箱腔体内各器件及锂离子电池周边的温度分布进行检测；
步骤S3、采用模糊聚类分析方法，根据温度变化规律对传感器采集到的温度测点进行分类；
步骤S4、采用相关性分析方法，在温度测点中选定温度特征点，确定关键温度测点；
步骤S5、将该工况下关键温度测点的位置坐标信息传输到控制器，控制器控制导轨移动温度传感器到指定温度测点；
步骤S6、基于信噪比实现的小波卡尔曼滤波数据融合算法得到锂离子电池充电过程温控箱腔体内工作温度。
在本实施例中还提供了一种锂离子电池充电工作温度的跟踪检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种锂离子电池充电工作温度的跟踪检测装置，如图14所示，包括：
布局模块1401，用于获取锂电子电池的充放电数据，基于锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据；
分类模块1402，用于对多个温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点；
跟踪检测模块1403，用于基于关键温度测点将温度传感器移动至跟踪检测位置，确定关键温度测点对应的实时温度数据；
融合处理模块1404，用于对实时温度数据进行融合处理，生成锂离子电池充电工作温度。
在一些可选的实施方式中，布局模块1401包括：
建立单元，用于基于锂离子电池的充放电数据建立锂离子电池电化学反应的温度场；
模拟仿真单元，用于对锂离子电池电化学反应的温度场进行模拟仿真，生成锂离子电池工作温度分布；
布局单元，用于基于锂离子电池工作温度分布对温控箱内的温度传感初始位置进行布局；
试验单元，用于在不同温度下对锂电子电池进行恒温稳态持续充电试验，生成多个温度测点数据。
在一些可选的实施方式中，建立单元包括：
确定子单元，用于基于锂离子电池的充放电数据确定运行电流密度、开路电压、端电压和锂离子电池温度；
计算子单元，用于基于运行电流密度、开路电压、端电压和锂离子电池温度计算产热速率；
建立子单元，用于基于产热速率建立锂离子电池电化学反应的温度场。
在一些可选的实施方式中，分类模块1402包括：
分类单元，用于利用模糊聚类分析法将多个温度测点数据进行分类，生成不同类别的温度测点；
确定单元，用于基于不同类别的温度测点，利用相关性分析法确定关键温度测点。
在一些可选的实施方式中，分类单元包括：
标准化处理子单元，用于基于多个温度测点数据构建初始数据矩阵，对初始数据矩阵进行标准化处理，生成归一化矩阵；
构建子单元，用于基于归一化矩阵中确定矩阵元素相似系数，并基于矩阵元素相似系数构建模糊相似矩阵；
模糊聚类分析子单元，用于基于模糊相似矩阵确定等价矩阵，并对等价矩阵进行模糊聚类分析，生成不同类别的温度测点。
在一些可选的实施方式中，确定单元包括：
选取子单元，用于不同类别的温度测点中分别选取温度特征点，将温度特征点输入温度误差预测模型中，生成复判定系数；
排序子单元，用于将复判定系数进行排序，选取最大复判定系数，将最大复判定系数对应的温度测点作为关键温度测点。
在一些可选的实施方式中，融合处理模块1404包括：
小波预处理单元，用于对实时温度数据进行小波预处理，并基于小波处理后的实时温度数据计算信噪比数据；
小波重构处理单元，用于对信噪比数据进行小波重构处理，生成锂离子电池充电工作温度。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的一种锂离子电池充电工作温度的跟踪检测装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备，具有上述图14所示的一种锂离子电池充电工作温度的跟踪检测装置。
请参阅图15，图15是本发明可选实施例提供的一种计算机设备的结构示意图，如图15所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图15中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接，图15中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息，以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。上述显示设备包括但不限于液晶显示器，发光二极管，显示器和等离子体显示器。在一些可选的实施方式中，显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种锂离子电池充电工作温度的跟踪检测方法，其特征在于，应用于温控箱腔体，所述温控箱腔体的内壁处设置有可移动导轨，所述可移动导轨上设置有多个温度传感器；所述方法包括：
获取锂电子电池的充放电数据，基于所述锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据；
对多个所述温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点；
基于所述关键温度测点将温度传感器移动至跟踪检测位置，确定关键温度测点对应的实时温度数据；
对所述实时温度数据进行融合处理，生成锂离子电池充电工作温度。
2.根据权利要求1所述的方法，其特征在于，所述基于所述锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据，包括：
基于所述锂离子电池的充放电数据建立锂离子电池电化学反应的温度场；
对所述锂离子电池电化学反应的温度场进行模拟仿真，生成锂离子电池工作温度分布；
基于所述锂离子电池工作温度分布对温控箱内的温度传感初始位置进行布局；
在不同温度下对锂电子电池进行恒温稳态持续充电试验，生成多个所述温度测点数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述锂离子电池的充放电数据建立锂离子电池电化学反应的温度场，包括：
基于所述锂离子电池的充放电数据确定运行电流密度、开路电压、端电压和锂离子电池温度；
基于所述运行电流密度、所述开路电压、所述端电压和所述锂离子电池温度计算产热速率；
基于所述产热速率建立所述锂离子电池电化学反应的温度场。
4.根据权利要求1所述的方法，其特征在于，所述对多个所述温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点，包括：
利用模糊聚类分析法将多个所述温度测点数据进行分类，生成不同类别的温度测点；
基于所述不同类别的温度测点，利用相关性分析法确定所述关键温度测点。
5.根据权利要求4所述的方法，其特征在于，所述利用模糊聚类分析法将多个所述温度测点数据进行分类，生成不同类别的温度测点，包括：
基于所述多个温度测点数据构建初始数据矩阵，对所述初始数据矩阵进行标准化处理，生成归一化矩阵；
基于所述归一化矩阵中确定矩阵元素相似系数，并基于所述矩阵元素相似系数构建模糊相似矩阵；
基于所述模糊相似矩阵确定等价矩阵，并对所述等价矩阵进行模糊聚类分析，生成不同类别的温度测点。
6.根据权利要求4所述的方法，其特征在于，所述基于所述不同类别的温度测点，利用相关性分析法确定所述关键温度测点，包括：
从所述不同类别的温度测点中分别选取温度特征点，将所述温度特征点输入温度误差预测模型中，生成复判定系数；
将所述复判定系数进行排序，选取最大复判定系数，将所述最大复判定系数对应的温度测点作为所述关键温度测点。
7.根据权利要求1所述的方法，其特征在于，所述对所述实时温度数据进行融合处理，生成锂离子电池充电工作温度，包括：
对所述实时温度数据进行小波预处理，并基于小波处理后的实时温度数据计算信噪比数据；
对所述信噪比数据进行小波重构处理，生成所述锂离子电池充电工作温度。
8.一种锂离子电池充电工作温度的跟踪检测装置，其特征在于，所述装置包括：
布局模块，用于获取锂电子电池的充放电数据，基于所述锂离子电池的充放电数据对温控箱内的温度传感初始位置进行布局，生成多个温度测点数据；
分类模块，用于对多个所述温度测点数据进行分类，并基于分类后的温度测点数据确定关键温度测点；
跟踪检测模块，用于基于所述关键温度测点将温度传感器移动至跟踪检测位置，确定关键温度测点对应的实时温度数据；
融合处理模块，用于对所述实时温度数据进行融合处理，生成锂离子电池充电工作温度。
9.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至7中任一项所述的锂离子电池充电工作温度的跟踪检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的锂离子电池充电工作温度的跟踪检测方法。
CN202311302040.7A 2023-10-09 2023-10-09 一种锂离子电池充电工作温度的跟踪检测方法及装置 Pending CN117607691A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311302040.7A CN117607691A (zh) 2023-10-09 2023-10-09 一种锂离子电池充电工作温度的跟踪检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311302040.7A CN117607691A (zh) 2023-10-09 2023-10-09 一种锂离子电池充电工作温度的跟踪检测方法及装置

Publications (1)

Publication Number Publication Date
CN117607691A true CN117607691A (zh) 2024-02-27

Family

ID=89952205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311302040.7A Pending CN117607691A (zh) 2023-10-09 2023-10-09 一种锂离子电池充电工作温度的跟踪检测方法及装置

Country Status (1)

Country Link
CN (1) CN117607691A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117951629A (zh) * 2024-03-26 2024-04-30 深圳市泰科动力系统有限公司 一种电池组充放电温度异常行为的检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090299682A1 (en) * 2008-05-30 2009-12-03 Medisim Ltd. Surface temperature profile
CN102694214A (zh) * 2012-05-22 2012-09-26 奇瑞汽车股份有限公司 一种锂离子电池温度的测量方法
CN103994840A (zh) * 2014-05-29 2014-08-20 普联技术有限公司 一种获取移动终端电池的最高温度值的方法及装置
CN104600381A (zh) * 2015-01-27 2015-05-06 福州大学 一种锂离子电池组单体布置结构的优化方法
CN110543140A (zh) * 2019-07-26 2019-12-06 四川大学 基于时间特性的数控机床主轴系统热关键点选取建模方法
CN111896134A (zh) * 2020-07-22 2020-11-06 傲普(上海)新能源有限公司 一种电池包分布式温度测量方法
CN111919331A (zh) * 2018-12-21 2020-11-10 株式会社Lg化学 包括冷却风扇和可移动温度测量装置的用于二次电池的充放电设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090299682A1 (en) * 2008-05-30 2009-12-03 Medisim Ltd. Surface temperature profile
CN102694214A (zh) * 2012-05-22 2012-09-26 奇瑞汽车股份有限公司 一种锂离子电池温度的测量方法
CN103994840A (zh) * 2014-05-29 2014-08-20 普联技术有限公司 一种获取移动终端电池的最高温度值的方法及装置
CN104600381A (zh) * 2015-01-27 2015-05-06 福州大学 一种锂离子电池组单体布置结构的优化方法
CN111919331A (zh) * 2018-12-21 2020-11-10 株式会社Lg化学 包括冷却风扇和可移动温度测量装置的用于二次电池的充放电设备
CN110543140A (zh) * 2019-07-26 2019-12-06 四川大学 基于时间特性的数控机床主轴系统热关键点选取建模方法
CN111896134A (zh) * 2020-07-22 2020-11-06 傲普(上海)新能源有限公司 一种电池包分布式温度测量方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117951629A (zh) * 2024-03-26 2024-04-30 深圳市泰科动力系统有限公司 一种电池组充放电温度异常行为的检测方法及系统

Similar Documents

Publication Publication Date Title
CN112034789B (zh) 一种数控机床关键部件及整机的健康评估方法，系统及评估终端机
Le Son et al. Remaining useful lifetime estimation and noisy gamma deterioration process
Sun et al. Calibration of building energy simulation programs using the analytic optimization approach (RP-1051)
Yu State-of-health monitoring and prediction of lithium-ion battery using probabilistic indication and state-space model
CN100568249C (zh) 用基本原理仿真辅助半导体制造过程的系统和方法
CN106055775B (zh) 一种粒子滤波与机理模型相结合的二次电池寿命预测方法
CN113805064B (zh) 基于深度学习的锂离子电池组健康状态预测方法
Song et al. Remaining life prediction of lithium-ion batteries based on health management: A review
Wang et al. Adaptive sliding window LSTM NN based RUL prediction for lithium-ion batteries integrating LTSA feature reconstruction
CN117607691A (zh) 一种锂离子电池充电工作温度的跟踪检测方法及装置
KR101952406B1 (ko) 메타데이터를 이용한 2차 전지 시험 방법
CN106597311A (zh) 基于主成分分析的融合hi等效性锂离子电池退化预测方法
JP2011175540A (ja) 予測・診断モデルの構築装置
CN111259481A (zh) 一种整合空间信息的建筑室内光环境设计评价方法及装置
CN113484813B (zh) 多环境应力下的智能电表故障率预估方法及系统
CN103885867B (zh) 一种模拟电路性能的在线评价方法
CN112039073B (zh) 一种适用于配电房设备故障判断的协同优化方法及系统
CN116381494A (zh) 电池最大可用容量预测方法、装置、电子设备及存储介质
CN113391216A (zh) 基于响应曲面设计的铅酸电池可用容量估算方法和装置
CN114675186A (zh) 一种基于图神经网络的锂离子电池健康状态预测方法
CN116204779A (zh) 一种判断储能盐穴运行状态的方法、系统及可读存储介质
Wang et al. Lithium-ion battery remaining useful life prediction using a two-phase degradation model with a dynamic change point
CN116609686B (zh) 一种基于云平台大数据的电芯一致性评估方法
CN116859255A (zh) 一种储能电池健康状态的预测方法、装置、设备及介质
CN116718924A (zh) 一种基于电磁检测技术的数字孪生电池构建方法

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