CN117954515A - 柔性光伏电池封装工艺及系统 - Google Patents
柔性光伏电池封装工艺及系统 Download PDFInfo
- Publication number
- CN117954515A CN117954515A CN202410339200.3A CN202410339200A CN117954515A CN 117954515 A CN117954515 A CN 117954515A CN 202410339200 A CN202410339200 A CN 202410339200A CN 117954515 A CN117954515 A CN 117954515A
- Authority
- CN
- China
- Prior art keywords
- preset
- packaging
- vacuum degree
- data
- heating temperature
- 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
- 238000012858 packaging process Methods 0.000 title claims abstract description 24
- 238000004806 packaging method and process Methods 0.000 claims abstract description 221
- 238000003825 pressing Methods 0.000 claims abstract description 133
- 238000010438 heat treatment Methods 0.000 claims abstract description 118
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000003475 lamination Methods 0.000 claims description 106
- 238000012549 training Methods 0.000 claims description 34
- 238000005265 energy consumption Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 17
- 238000005538 encapsulation Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000000712 assembly Effects 0.000 claims description 11
- 238000000429 assembly Methods 0.000 claims description 11
- 238000010030 laminating Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012536 packaging technology Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 claims 16
- 210000003850 cellular structure Anatomy 0.000 claims 2
- 230000007547 defect Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Sealing Battery Cases Or Jackets (AREA)
Abstract
本发明提供了柔性光伏电池封装工艺及系统,柔性光伏电池封装工艺包括:将电池组件放置于封装机构内,并抽真空至预设真空度;驱动压合件下降并对电池组件施加预设压力,同时驱动封装机构的加热件加热至预设温度,以使第一粘结层、第二粘结层融化实现电池组件的压合;实时监测弹性按压部的变形幅度,直至弹性按压部的变形幅度到达预设形变量时,驱动压合件远离电池组件以完成电池组件的封装;其中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的。本发明通过上述方式对电池组件进行封装既能避免在压合件的作用力下电池组件损坏,还能够使电池组件的各层良好黏贴在一起,提高电池的良品率。
Description
技术领域
本申请涉及柔性光伏板技术领域,具体涉及柔性光伏电池封装工艺及系统。
背景技术
随着电子技术的不断发展,柔性器件正逐渐成为轻薄小巧、智能化方向的新兴力量,如柔性屏幕、柔性手机、柔性腕表等等,因此需要在柔性器件内部设置有柔性可弯曲的储能器件,而柔性储能器件则是通过封装机构进行封装批量生产处理。
但是现有的封装机构存在以下缺陷:现有的封装机构都需要对柔性光伏电池的表面产生一定的作用力才能使柔性光伏电池更好黏贴在一起,但是在施加作用力时,柔性光伏电池柔软且易变形,其内部的光伏单元容易受到损害,进而影响电池的良品率;而施加作用力不足,柔性光伏电池各个层之间贴合不够紧密,容易产生气泡,同样也会影响电池的良品率。
发明内容
为了克服上述现有技术的缺陷,本发明提出了柔性光伏电池封装工艺及系统,通过对真空度、层压压力、变形幅度以及加热温度大小的特别设计,既能避免在压合件的作用力下电池损坏,还能够使电池组件的各层良好黏贴在一起,提高电池的良品率。
具体通过以下技术方案实现:
柔性光伏电池封装工艺,应用于封装机构,所述封装机构上设有用于压合电池组件的压合件,所述压合件上具有弹性按压部;
所述柔性光伏电池封装工艺包括:
将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件;将所述电池组件放置于所述封装机构内,并抽真空至预设真空度;
驱动所述压合件下降并对所述电池组件施加预设压力,同时驱动所述封装机构的加热件加热至预设温度,以使所述第一粘结层、所述第二粘结层融化实现所述电池组件的压合;
实时监测所述弹性按压部的变形幅度,直至所述弹性按压部的变形幅度到达预设形变量时,驱动所述压合件远离所述电池组件以完成电池组件的封装;其中,所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度是通过目标预测模型得到的。
在一个具体实施例中,所述封装机构上设有第一检测装置和第二检测装置,所述第一检测装置用于检测所述压合件与所述电池组件之间的层压压力,所述第二检测装置用于检测压合时所述弹性按压部的变形幅度;
所述目标预测模型是通过以下方式获得的:
选取多件不同类型的所述电池组件,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的所述封装样本数据对所述电池组件进行封装处理;
获取每一个封装处理后的所述电池组件的图像,并提取所述图像中的实测气泡数据;
基于多个所述封装样本数据和多个所述实测气泡数据生成数据库,并将所述数据库划分成测试集和训练集;将所述训练集中的所述封装样本数据和所述实测气泡数据输入到预设的机器学习模型进行训练,以得到目标预测模型;将所述测试集中的所述封装样本数据输入至所述目标预测模型以得到预测气泡数据,若所述预测气泡数据与所述实测气泡数据之间的差值小于第一预设阈值,则输出所述目标预测模型。
在一个具体实施例中,所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的耗能数据;
基于所述封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
在一个具体实施例中,所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的封装时间;
基于所述封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
在一个具体实施例中,基于不同类型的所述电池组件,在所述目标预测模型内预先存储有层压压力、变形幅度、真空度以及加热温度各自对应的预设区间;
所述选取多件不同类型的所述电池组件,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的所述封装样本数据对所述电池组件进行封装处理包括:
选取多件不同类型的所述电池组件,
基于每一类型所述电池组件的层压压力、变形幅度、真空度以及加热温度各自对应的所述预设区间,确定至少一组所述层压压力、所述变形幅度、所述真空度以及所述加热温度的数据作为所述电池组件的封装样本数据;
基于不同类型所述电池组件确定多组不同的所述封装样本数据,并基于所述封装样本数据对所述电池组件进行封装处理。
在一个具体实施例中,还包括:
获取预设时间段内的多个封装后的所述电池组件的图像,并提取多个所述图像的实测气泡数据;
若所述图像的实测气泡数据大于第二预设阈值,则将预设时间段的所述实测气泡数据更新至所述测试集,并基于更新的所述测试集进行训练以更新所述目标预测模型。
柔性光伏电池封装系统,应用于封装机构,所述封装机构上设有用于压合电池组件的压合件,所述压合件上具有弹性按压部;
所述柔性光伏电池封装系统包括:
抽真空模块,用于将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件;将所述电池组件放置于所述封装机构内,并抽真空至预设真空度;
高温压合模块,用于驱动所述压合件下降并对所述电池组件施加预设压力,同时驱动所述封装机构的加热件加热至预设温度,以使所述第一粘结层、所述第二粘结层融化实现所述电池组件的压合;
复位模块,用于实时监测所述弹性按压部的变形幅度,直至所述弹性按压部的变形幅度到达预设形变量时,驱动所述压合件远离所述电池组件以完成电池组件的封装;
获取模块,用于通过目标预测模型得到所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度。
在一个具体实施例中,所述封装机构上设有第一检测装置和第二检测装置,所述第一检测装置用于检测所述压合件与所述电池组件之间的层压压力,所述第二检测装置用于检测压合时所述弹性按压部的变形幅度;
所述柔性光伏电池封装系统还包括:
选择模块,用于选取多件不同类型的所述电池组件,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的所述封装样本数据对所述电池组件进行封装处理;
气泡检测模块,用于获取每一个封装处理后的所述电池组件的图像,并提取所述图像中的实测气泡数据;
学习模块,用于基于多个所述封装样本数据和多个所述实测气泡数据生成数据库,并将所述数据库划分成测试集和训练集;将所述训练集中的所述封装样本数据和所述实测气泡数据输入到预设的机器学习模型进行训练,以得到目标预测模型;将所述测试集中的所述封装样本数据输入至所述目标预测模型以得到预测气泡数据,若所述预测气泡数据与所述实测气泡数据之间的差值小于第一预设阈值,则输出所述目标预测模型。
在一个具体实施例中,所述获取模块包括:
筛选模块,用于将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第一确定模块,用于基于层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的耗能数据;
第一输出模块,用于基于所述封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
在一个具体实施例中,所述获取模块包括:
筛选模块,用于将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第二确定模块,用于基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的封装时间;
第二输出模块,用于基于所述封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
本发明至少具有以下有益效果:
本发明提供了柔性光伏电池封装工艺,应用于封装机构,封装机构上设有用于压合电池组件的压合件,压合件上具有弹性按压部;柔性光伏电池封装工艺包括:将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件;将电池组件放置于封装机构内,并抽真空至预设真空度;驱动压合件下降并对电池组件施加预设压力,同时驱动封装机构的加热件加热至预设温度,以使第一粘结层、第二粘结层融化实现电池组件的压合;实时监测弹性按压部的变形幅度,直至弹性按压部的变形幅度到达预设形变量时,驱动压合件远离电池组件以完成电池组件的封装;其中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的。本发明通过压合件上的弹性按压部对电池组件进行压合,弹性按压部具有一定的柔性,可以对电池组件的压合起到一定的缓冲作用,避免压合过度导致电池组件变形甚至断裂;并且考虑到弹性按压部对电池组件压合的精度难以控制,本发明在设置有弹性按压部的基础上,采用机器学习的方式构建了目标预测模型,并通过目标预测模型得到的预设真空度、预设形变量、预设压力以及预设温度,以精准控制多变量实现电池组件的封装,既可以使封装的电池组件各层之间黏附良好,避免气泡产生,还能避免电池组件变形过度,解决了现有技术中柔性光伏电池封装困难,电池内部容易存在缺陷、隐裂或者气泡等现象,进而提高了电池封装的良品率。
进一步的,本发明训练集中的封装样本数据和封装样本数据对应的气泡数据有多组,而测试集中的封装样本数据和封装样本数据对应的气泡数据可以一组或者多组;通过将训练集中的封装样本数据和实测气泡数据输入到预设的机器学习模型进行训练以得到目标预测模型;并将测试集中的封装样本数据输入至目标预测模型以得到预测气泡数据,通过预测气泡数据以及该封装样本数据对应的实测气泡数据进行比对验证,若预测气泡数据与实测气泡数据之间的差值小于第一预设阈值,则输出目标预测模型,通过训练和测试验证的方式得到可靠、准确的电池封装工艺的目标预测模型。
进一步的,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的包括:将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;基于层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的耗能数据;基于封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。考虑到封装机构中压合件的按压、抽真空处理以及加热处理都需要耗费一定的能量,因此为了实现耗能最小化,本发明基于封装机构所需的耗能数据的最小值确定预设压力、预设形变量、预设真空度以及预设温度,以降低封装机构整体的耗能,进而降低了电池封装所需要的成本。
进一步的,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的包括:将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的封装时间;基于封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。考虑到封装机构中压合件的按压、抽真空处理以及加热处理都需要耗费一定的时间,特别是抽真空以及加热过程,因此为了提高电池封装的效率,本发明基于封装机构所需的封装时间的最小值确定预设压力、预设形变量、预设真空度以及预设温度,使电池封装所需的时间大大降低,进而提高了电池封装的效率。
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他的附图。
图1为柔性光伏电池封装工艺的第一流程图;
图2为柔性光伏电池封装工艺的第二流程图;
图3为实施例1的柔性光伏电池封装工艺的第三流程图;
图4为实施例2的柔性光伏电池封装工艺的第三流程图;
图5为封装机构的示意图;
图6为实施例1的柔性光伏电池封装系统的示意图;
图7为实施例2的柔性光伏电池封装系统的示意图。
附图标记:
1-电池组件;
2-压合件;21-弹性按压部;
3-加热件;41-第一检测装置;42-第二检测装置;
5-抽真空模块;
6-高温压合模块;
7-复位模块;
8-获取模块;
81-筛选模块;82-第一确定模块;83-第一输出模块;84-第二确定模块;85-第二输出模块;
9-选择模块;
10-气泡检测模块;
11-学习模块。
具体实施方式
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,所描述的实施例仅是本发明的一部分实施例,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他实施例,都属于本发明保护的范围。
如图1所示,柔性光伏电池封装工艺及系统,应用于封装机构,封装机构上设有用于压合电池组件的压合件2,压合件2上具有弹性按压部21;
柔性光伏电池封装工艺包括:
S1:将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件1;将电池组件1放置于封装机构内,并抽真空至预设真空度;
S2:驱动压合件2下降并对电池组件1施加预设压力,同时驱动封装机构的加热件3加热至预设温度,以使第一粘结层、第二粘结层融化实现电池组件1的压合;
S3:实时监测弹性按压部21的变形幅度,直至弹性按压部21的变形幅度到达预设形变量时,驱动压合件2远离电池组件1以完成电池组件1的封装;其中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的。
本发明通过压合件2上的弹性按压部21对电池组件1进行压合,弹性按压部21具有一定的柔性,可以对电池组件1的压合起到一定的缓冲作用,避免压合过度导致电池组件1变形甚至断裂;并且本发明还考虑到弹性按压部21对电池组件1的压合力是变化的,其精度难以控制的问题,因此在设置有弹性按压部21的基础上,还通过采用机器学习的方式对压合方案进行计算,以通过目标预测模型得到的预设真空度、预设形变量、预设压力以及预设温度,通过采用机器学习的方式控制多变量对电池组件1进行封装处理,可以使封装的电池组件1各层之间黏附良好,避免产生气泡的同时,还能够保证电池组件不会变形过度,解决了现有技术中柔性光伏电池封装困难,电池内部容易存在缺陷、隐裂或者气泡等现象,进而提高了电池封装的良品率。
其中,如图5所示,压合件2上的弹性按压部21可以为多个依次设置在压合件2上的弹簧,也可以为弹性封装层,通过弹簧或者弹性封装层与电池组件1的表面接触,弹性挤压电池组件1,使电池组件1压合均匀,避免电池组件1压合过度。
具体地,弹性按压部21包括多个弹簧,多个弹簧设置在压合件2的开口部,通过弹簧提供弹性的层压压力。或者,压合件2上的弹性按压部21为弹性封装层。
其中,加热件3为加热板,通过电加热元件将热量传导到加热板上,再将加热板与电池组件1接触,实现对电池组件1的加热。电池组件1为柔性光伏电池组件,具有一定的柔性。
如图2、5所示,封装机构上设有第一检测装置41和第二检测装置42,第一检测装置41用于检测压合件2与电池组件1之间的层压压力,第二检测装置42用于检测压合时弹性按压部21的变形幅度;
目标预测模型是通过以下方式获得的:
选取多件不同类型的电池组件1,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的封装样本数据对电池组件1进行封装处理;
获取每一个封装处理后的电池组件1的图像,并提取图像中的实测气泡数据;
基于多个封装样本数据和多个实测气泡数据生成数据库,并将数据库划分成测试集和训练集;将训练集中的封装样本数据和实测气泡数据输入到预设的机器学习模型进行训练,以得到目标预测模型;将测试集中的封装样本数据输入至目标预测模型以得到预测气泡数据,若预测气泡数据与实测气泡数据之间的差值小于第一预设阈值,则输出目标预测模型。
其中,第一检测装置41包括压力传感器,压力传感器设置在压合件2上,用于检测压合件2与电池组件1接触表面之间的层压压力;第二传感器包括距离传感器,距离传感器也设置在压合件2上,用于检测压合时弹性按压部21的变形幅度。
本发明训练集中的封装样本数据和封装样本数据对应的气泡数据有多组,而测试集中的封装样本数据和封装样本数据对应的气泡数据可以一组或者多组;通过将训练集中的封装样本数据和实测气泡数据输入到预设的机器学习模型进行训练以得到目标预测模型;并将测试集中的封装样本数据输入至目标预测模型以得到预测气泡数据,通过将同一封装样本数据的预测气泡数据以及实测气泡数据进行比对验证,若预测气泡数据与实测气泡数据之间的差值小于第一预设阈值,则输出目标预测模型,通过训练和测试验证的方式得到可靠、准确的电池封装工艺的目标预测模型。
其中,机器学习模型包括决策树模型、随机森林模型或神经网络模型。
在本实施例中,机器学习模型为神经网络模型,将训练集中的封装样本数据和实测气泡数据输入到神经网络模型进行训练,通过神经网络算法得到封装样本数据和气泡数据之间的关系,并通过测试集中的封装样本数据对预测气泡数据与实测气泡数据进行比对,从而输出目标预测模型;
其中,实测气泡数据包括实测气泡率和实测最大气泡面积中的一种或多种,预测气泡数据包括预测气泡率和预测最大气泡面积中的一种或多种。
其中,如图3、4所示,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的,出于时间成本、经济成本上的考虑,本申请基于封装机构所需的耗能数据的最小值或者封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度作为预设真空度、预设形变量、预设压力以及预设温度。
在一个实施例中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的耗能数据;
基于封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
在另一个实施例中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的封装时间;
基于封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
基于不同类型的电池组件1,在目标预测模型内预先存储有层压压力、变形幅度、真空度以及加热温度各自对应的预设区间;
选取多件不同类型的电池组件1,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的封装样本数据对电池组件1进行封装处理包括:
选取多件不同类型的电池组件1,
基于每一类型电池组件1的层压压力、变形幅度、真空度以及加热温度各自对应的预设区间,确定至少一组层压压力、变形幅度、真空度以及加热温度的数据作为电池组件1的封装样本数据;
基于不同类型电池组件1确定多组不同的封装样本数据,并基于封装样本数据对电池组件1进行封装处理。
其中,层压压力、变形幅度、真空度以及加热温度各自对应的预设区间为层压压力、变形幅度、真空度以及加热温度各自对应的最大值和最小值,其最大值和最小值是通过实验测试所得到的数据。
基于不同类型电池组件1确定多组不同的封装样本数据,并基于封装样本数据对电池组件1进行封装处理具体包括:
基于不同类型电池组件1确定多组不同的封装样本数据,每一类型电池组件1的封装样本数据包括至少一组层压压力、变形幅度、真空度以及加热温度的数据;
针对同一类型的电池组件1,基于电池组件1对应的封装样本数据对该电池组件1进行封装处理。
柔性光伏电池封装工艺还包括:
获取预设时间段内的多个封装后的电池组件1的图像,并提取多个图像的实测气泡数据;
若图像的实测气泡数据大于第二预设阈值,则将预设时间段的实测气泡数据更新至测试集,并基于更新的测试集进行训练以更新目标预测模型。
为提高柔性光伏电池封装工艺控制方法的可靠性和稳定性,本发明还获取预设时间段内的气泡数据,以实现实时监控,在气泡数据大于第二预设阈值时,将该预设时间段的气泡数据更新到测试集,以基于更新的测试集进行训练以更新目标预测模型,以提高目标预测模型的可靠性,进而提高通过目标预测模型获取到的预设真空度、预设形变量、预设压力以及预设温度的可靠性,使柔性光伏电池封装工艺更加稳定可靠。
如图5、6、7所示,柔性光伏电池封装系统,应用于封装机构,封装机构上设有用于压合电池组件的压合件2,压合件上具有弹性按压部21;
柔性光伏电池封装系统包括:
抽真空模块5,用于将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件1;将电池组件1放置于封装机构内,并抽真空至预设真空度;
高温压合模块6,用于驱动压合件2下降并对电池组件1施加预设压力,同时驱动封装机构的加热件3加热至预设温度,以使第一粘结层、第二粘结层融化实现电池组件1的压合;
复位模块7,用于实时监测弹性按压部21的变形幅度,直至弹性按压部21的变形幅度到达预设形变量时,驱动压合件2远离电池组件1以完成电池组件1的封装;
获取模块8,用于通过目标预测模型得到预设真空度、预设形变量、预设压力以及预设温度。
本发明通过抽真空模块5、高温压合模块6、复位模块7以及获取模块8之间的相互配合,可以使封装的电池组件1各层之间黏附良好,避免产生气泡的同时,还能够保证电池组件不会变形过度,解决了现有技术中柔性光伏电池封装困难,电池内部容易存在缺陷、隐裂或者气泡等现象,进而提高了电池封装的良品率。
如图5、6、7所示,封装机构上设有第一检测装置41和第二检测装置42,第一检测装置41用于检测压合件2与电池组件1之间的层压压力,第二检测装置42用于检测压合时弹性按压部21的变形幅度;
柔性光伏电池封装系统还包括:
选择模块9,用于选取多件不同类型的电池组件1,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的封装样本数据对电池组件1进行封装处理;
气泡检测模块10,用于获取每一个封装处理后的电池组件1的图像,并提取图像中的实测气泡数据;
学习模块11,用于基于多个封装样本数据和多个实测气泡数据生成数据库,并将数据库划分成测试集和训练集;将训练集中的封装样本数据和气泡数据输入到预设的机器学习模型进行训练,以得到目标预测模型;将测试集中的封装样本数据输入至目标预测模型以得到预测气泡数据,若预测气泡数据与实测气泡数据之间的差值小于第一预设阈值,则输出目标预测模型。
本发明通过选择模块9、气泡检测模块10以及学习模块11之间相互配合,得到可靠、准确的电池封装工艺的目标预测模型。
如图6所示,获取模块8包括:
筛选模块81,用于将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第一确定模块82,用于基于层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的耗能数据;
第一输出模块83,用于基于封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
考虑到封装机构中压合件2的按压、抽真空处理以及加热处理都需要耗费一定的能量,因此为了实现耗能最小化,本发明通过筛选模块81、第一确定模块82以及第一输出模块83之间的配合,降低封装机构整体的耗能,进而降低了电池封装所需要的成本。
如图7所示,获取模块8包括:
筛选模块81,用于将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第二确定模块84,用于基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的封装时间;
第二输出模块85,用于基于封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
考虑到封装机构中压合件2的按压、抽真空处理以及加热处理都需要耗费一定的时间,特别是抽真空以及加热过程,因此为了提高电池封装的效率,本发明通过筛选模块81、第二确定模块84以及第二输出模块85之间的配合,使电池封装所需的时间大大降低,进而提高了电池封装的效率。
实施例1
如图1、2、3、5所示,在本发明的柔性光伏电池封装工艺中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的耗能数据;
基于封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
考虑到封装机构中压合件2的按压、抽真空处理以及加热处理都需要耗费一定的能量,因此为了实现耗能最小化,本发明基于封装机构所需的耗能数据的最小值确定预设压力、预设形变量、预设真空度以及预设温度,以降低封装机构整体的耗能,进而降低了电池封装所需要的成本。
相应的,如图6所示,柔性光伏电池封装系统的获取模块8包括:
筛选模块81,用于将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第一确定模块82,用于基于层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的耗能数据;
第一输出模块83,用于基于封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
考虑到封装机构中压合件2的按压、抽真空处理以及加热处理都需要耗费一定的能量,因此为了实现耗能最小化,本发明通过筛选模块81、第一确定模块82以及第一输出模块83之间的配合,降低封装机构整体的耗能,进而降低了电池封装所需要的成本。
实施例2
如图1、2、4、5所示,在本发明的柔性光伏电池封装工艺中,预设真空度、预设形变量、预设压力以及预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的封装时间;
基于封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
考虑到封装机构中压合件2的按压、抽真空处理以及加热处理都需要耗费一定的时间,特别是抽真空以及加热过程,因此为了提高电池封装的效率,本发明基于封装机构所需的封装时间的最小值确定预设压力、预设形变量、预设真空度以及预设温度,使电池封装所需的时间大大降低,进而提高了电池封装的效率。
相应的,如图7所示,柔性光伏电池封装系统的获取模块8包括:
筛选模块81,用于将目标气泡数据输入到目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第二确定模块84,用于基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定封装机构所需的封装时间;
第二输出模块85,用于基于封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
考虑到封装机构中压合件2的按压、抽真空处理以及加热处理都需要耗费一定的时间,特别是抽真空以及加热过程,因此为了提高电池封装的效率,本发明通过筛选模块81、第二确定模块84以及第二输出模块85之间的配合,使电池封装所需的时间大大降低,进而提高了电池封装的效率。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.柔性光伏电池封装工艺,应用于封装机构,其特征在于,所述封装机构上设有用于压合电池组件的压合件,所述压合件上具有弹性按压部;
所述柔性光伏电池封装工艺包括:
将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件;将所述电池组件放置于所述封装机构内,并抽真空至预设真空度;
驱动所述压合件下降并对所述电池组件施加预设压力,同时驱动所述封装机构的加热件加热至预设温度,以使所述第一粘结层、所述第二粘结层融化实现所述电池组件的压合;
实时监测所述弹性按压部的变形幅度,直至所述弹性按压部的变形幅度到达预设形变量时,驱动所述压合件远离所述电池组件以完成电池组件的封装;其中,所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度是通过目标预测模型得到的。
2.根据权利要求1所述的柔性光伏电池封装工艺,其特征在于,所述封装机构上设有第一检测装置和第二检测装置,所述第一检测装置用于检测所述压合件与所述电池组件之间的层压压力,所述第二检测装置用于检测压合时所述弹性按压部的变形幅度;
所述目标预测模型是通过以下方式获得的:
选取多件不同类型的所述电池组件,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的所述封装样本数据对所述电池组件进行封装处理;
获取每一个封装处理后的所述电池组件的图像,并提取所述图像中的实测气泡数据;
基于多个所述封装样本数据和多个所述实测气泡数据生成数据库,并将所述数据库划分成测试集和训练集;将所述训练集中的所述封装样本数据和所述实测气泡数据输入到预设的机器学习模型进行训练,以得到目标预测模型;将所述测试集中的所述封装样本数据输入至所述目标预测模型以得到预测气泡数据,若所述预测气泡数据与所述实测气泡数据之间的差值小于第一预设阈值,则输出所述目标预测模型。
3.根据权利要求2所述的柔性光伏电池封装工艺,其特征在于,所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的耗能数据;
基于所述封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
4.根据权利要求2所述的柔性光伏电池封装工艺,其特征在于,所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度是通过目标预测模型得到的包括:
将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的封装时间;
基于所述封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
5.根据权利要求2所述的柔性光伏电池封装工艺,其特征在于,基于不同类型的所述电池组件,在所述目标预测模型内预先存储有层压压力、变形幅度、真空度以及加热温度各自对应的预设区间;
所述选取多件不同类型的所述电池组件,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的所述封装样本数据对所述电池组件进行封装处理包括:
选取多件不同类型的所述电池组件,
基于每一类型所述电池组件的层压压力、变形幅度、真空度以及加热温度各自对应的所述预设区间,确定至少一组所述层压压力、所述变形幅度、所述真空度以及所述加热温度的数据作为所述电池组件的封装样本数据;
基于不同类型所述电池组件确定多组不同的所述封装样本数据,并基于所述封装样本数据对所述电池组件进行封装处理。
6.根据权利要求3或4所述的柔性光伏电池封装工艺,其特征在于,还包括:
获取预设时间段内的多个封装后的所述电池组件的图像,并提取多个所述图像的实测气泡数据;
若所述图像的实测气泡数据大于第二预设阈值,则将预设时间段的所述实测气泡数据更新至所述测试集,并基于更新的所述测试集进行训练以更新所述目标预测模型。
7.柔性光伏电池封装系统,应用于封装机构,其特征在于,所述封装机构上设有用于压合电池组件的压合件,所述压合件上具有弹性按压部;
所述柔性光伏电池封装系统包括:
抽真空模块,用于将背板、第一粘结层、电池片、第二粘结层以及前板依次叠层以形成电池组件;将所述电池组件放置于所述封装机构内,并抽真空至预设真空度;
高温压合模块,用于驱动所述压合件下降并对所述电池组件施加预设压力,同时驱动所述封装机构的加热件加热至预设温度,以使所述第一粘结层、所述第二粘结层融化实现所述电池组件的压合;
复位模块,用于实时监测所述弹性按压部的变形幅度,直至所述弹性按压部的变形幅度到达预设形变量时,驱动所述压合件远离所述电池组件以完成电池组件的封装;
获取模块,用于通过目标预测模型得到所述预设真空度、所述预设形变量、所述预设压力以及所述预设温度。
8.根据权利要求7所述的柔性光伏电池封装系统,其特征在于,所述封装机构上设有第一检测装置和第二检测装置,所述第一检测装置用于检测所述压合件与所述电池组件之间的层压压力,所述第二检测装置用于检测压合时所述弹性按压部的变形幅度;
所述柔性光伏电池封装系统还包括:
选择模块,用于选取多件不同类型的所述电池组件,基于层压压力、变形幅度、真空度以及加热温度确定多组不同的封装样本数据,并基于不同的所述封装样本数据对所述电池组件进行封装处理;
气泡检测模块,用于获取每一个封装处理后的所述电池组件的图像,并提取所述图像中的实测气泡数据;
学习模块,用于基于多个所述封装样本数据和多个所述实测气泡数据生成数据库,并将所述数据库划分成测试集和训练集;将所述训练集中的所述封装样本数据和所述实测气泡数据输入到预设的机器学习模型进行训练,以得到目标预测模型;将所述测试集中的所述封装样本数据输入至所述目标预测模型以得到预测气泡数据,若所述预测气泡数据与所述实测气泡数据之间的差值小于第一预设阈值,则输出所述目标预测模型。
9.根据权利要求8所述的柔性光伏电池封装系统,其特征在于,所述获取模块包括:
筛选模块,用于将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第一确定模块,用于基于层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的耗能数据;
第一输出模块,用于基于所述封装机构所需的耗能数据的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
10.根据权利要求8所述的柔性光伏电池封装系统,其特征在于,所述获取模块包括:
筛选模块,用于将目标气泡数据输入到所述目标预测模型中,确定一组或多组封装时的层压压力、变形幅度、真空度以及加热温度的数据;
第二确定模块,用于基于每一组层压压力、变形幅度、真空度以及加热温度的数据确定所述封装机构所需的封装时间;
第二输出模块,用于基于所述封装机构所需的封装时间的最小值输出最优的层压压力、变形幅度、真空度以及加热温度,并基于最优的层压压力、变形幅度、真空度以及加热温度确定预设压力、预设形变量、预设真空度以及预设温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339200.3A CN117954515B (zh) | 2024-03-25 | 2024-03-25 | 柔性光伏电池封装工艺及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339200.3A CN117954515B (zh) | 2024-03-25 | 2024-03-25 | 柔性光伏电池封装工艺及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117954515A true CN117954515A (zh) | 2024-04-30 |
CN117954515B CN117954515B (zh) | 2024-07-09 |
Family
ID=90796554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339200.3A Active CN117954515B (zh) | 2024-03-25 | 2024-03-25 | 柔性光伏电池封装工艺及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117954515B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239597A (zh) * | 2017-04-28 | 2017-10-10 | 合肥晶澳太阳能科技有限公司 | 一种光伏组件层压工艺的层压参数设置方法 |
CN207233751U (zh) * | 2017-10-24 | 2018-04-13 | 米亚索乐装备集成(福建)有限公司 | 柔性太阳能电池组件层压设备 |
CN110188391A (zh) * | 2019-04-28 | 2019-08-30 | 汉能移动能源控股集团有限公司 | 光学透过率评估方法、装置及光伏芯片封装设计方法 |
CN110667226A (zh) * | 2019-10-01 | 2020-01-10 | 秦皇岛博硕光电设备股份有限公司 | 光伏组件封装系统及光伏组件封装方法 |
CN115440850A (zh) * | 2022-09-22 | 2022-12-06 | 浙江晶科能源有限公司 | 光伏层压机、光伏组件的层压方法 |
KR102523701B1 (ko) * | 2023-01-19 | 2023-04-21 | (주)임픽스 | 인공지능을 이용한 태양광 모듈의 품질 예측 장치 및 방법 |
CN117574176A (zh) * | 2024-01-12 | 2024-02-20 | 江苏无双新能源科技有限公司 | 一种bipv光伏玻璃生产工艺优化方法 |
-
2024
- 2024-03-25 CN CN202410339200.3A patent/CN117954515B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239597A (zh) * | 2017-04-28 | 2017-10-10 | 合肥晶澳太阳能科技有限公司 | 一种光伏组件层压工艺的层压参数设置方法 |
CN207233751U (zh) * | 2017-10-24 | 2018-04-13 | 米亚索乐装备集成(福建)有限公司 | 柔性太阳能电池组件层压设备 |
CN110188391A (zh) * | 2019-04-28 | 2019-08-30 | 汉能移动能源控股集团有限公司 | 光学透过率评估方法、装置及光伏芯片封装设计方法 |
CN110667226A (zh) * | 2019-10-01 | 2020-01-10 | 秦皇岛博硕光电设备股份有限公司 | 光伏组件封装系统及光伏组件封装方法 |
CN115440850A (zh) * | 2022-09-22 | 2022-12-06 | 浙江晶科能源有限公司 | 光伏层压机、光伏组件的层压方法 |
KR102523701B1 (ko) * | 2023-01-19 | 2023-04-21 | (주)임픽스 | 인공지능을 이용한 태양광 모듈의 품질 예측 장치 및 방법 |
CN117574176A (zh) * | 2024-01-12 | 2024-02-20 | 江苏无双新能源科技有限公司 | 一种bipv光伏玻璃生产工艺优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117954515B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017363221B2 (en) | Method and device for predicting wind turbine fault | |
Lee et al. | Recent advances and trends of cyber-physical systems and big data analytics in industrial informatics | |
CN104660816B (zh) | 一种显示提示信息的方法及移动终端 | |
Abuelnaga et al. | Power electronic converter reliability and prognosis review focusing on power switch module failures | |
CN112163018A (zh) | 确定光伏组件的生命周期的方法、装置及系统 | |
KR102459015B1 (ko) | 인공신경망을 이용한 태양광 발전 시스템의 고장 검출 방법 및 분석장치 | |
CN102163255A (zh) | 使用故障建模的复杂系统的健康预测 | |
JPWO2007125778A1 (ja) | 太陽電池モジュール評価装置、太陽電池モジュール評価方法、および太陽電池モジュール製造方法 | |
CN107203666B (zh) | 一种bga焊点热疲劳寿命的预测方法及系统 | |
CN117954515B (zh) | 柔性光伏电池封装工艺及系统 | |
KR102523701B1 (ko) | 인공지능을 이용한 태양광 모듈의 품질 예측 장치 및 방법 | |
CN107885544A (zh) | 应用程序管控方法、装置、介质及电子设备 | |
CN114912342B (zh) | 一种基于多质量参数的封装引线键合工艺参数优化方法 | |
CN104237773A (zh) | 触摸按键的测试系统及其方法 | |
WO2023285058A3 (de) | Verfahren zum bestimmen von alterungsprozessen einer batterieanordnung sowie computerprogrammprodukt und computerlesbarer datenträger | |
CN116227248B (zh) | 重力储能系统的数字孪生体构建方法、装置及电子设备 | |
Gromala et al. | Prognostic approaches for the wirebond failure prediction in power semiconductors: A case study using DPAK package | |
CN104143038B (zh) | 敏感器件总剂量效应失效率的测算方法 | |
CN115621516A (zh) | 电堆核心零部件批量化装配方法、装置、设备及介质 | |
CN102682174B (zh) | 一种基于传感数据的柔性有限元自动分析方法 | |
CN105084142B (zh) | 电梯电缆的寿命检测装置及检测方法 | |
US5677853A (en) | Product testing by statistical profile of test variables | |
CN117350138B (zh) | 一种芯片粘接结构热循环疲劳失效物理模型建模方法 | |
CN117252032B (zh) | 碱性电解水制氢系统的数字孪生体构建方法、装置及设备 | |
CN116429339B (zh) | 一种新能源电池盒泄露检测方法及系统 |
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 |