CN118068210A - 一种电芯衰减评估方法、装置、设备及介质 - Google Patents
一种电芯衰减评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118068210A CN118068210A CN202311580604.3A CN202311580604A CN118068210A CN 118068210 A CN118068210 A CN 118068210A CN 202311580604 A CN202311580604 A CN 202311580604A CN 118068210 A CN118068210 A CN 118068210A
- Authority
- CN
- China
- Prior art keywords
- distance
- energy storage
- mintype
- determining
- weighted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004146 energy storage Methods 0.000 claims abstract description 74
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000001816 cooling Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电芯衰减评估方法、装置、设备及介质，该方法包括：确定待测储能设备的检测时间段；确定待测储能设备在检测时间段内的待测电压曲线；确定待测电压曲线与标准曲线的余弦相似度；判断余弦相似度是否大于预设相似度阈值；若是，确定待测电压曲线与标准曲线的闵式距离；根据闵式距离确定加权闵式距离；判断加权闵式距离是否大于预设加权闵式距离阈值；若是，判定待测储能设备的电芯异常，并记录数据。本发明实施例通过计算待测电压曲线与标准曲线的余弦相似度及闵式距离，比较加权闵式距离是否大于预设加权闵式距离阈值，能实时反映电芯健康状态，为定位问题电芯、反馈储能系统健康状态提供依据，保证了储能系统的安全性和稳定性。
Description
技术领域
本发明涉及储能系统技术领域，尤其涉及一种电芯衰减评估方法、装置、设备及介质。
背景技术
储能系统是新能源行业的重要组成部分，储能系统开始被广泛应用于各个行业，在此背景下，针对储能设备中电池包电芯的运行状态的监控和数据分析成为储能安全的重要研究方向，而电芯健康状态(State Of Health，SOH)是反映电池电芯性能与寿命的最主要的指标。
现有的SOH估测方法主要有：直接放电容量检测，安全可靠，但属于离线检测，多用于储能设备研发的前期阶段，检测得出理论数据，在实际产品运行后，很难再通过拆除电池包电芯进行此类检测；电化学阻抗法，一种实验室常用研究方式，成本和复杂度都很高；曲线模型法，主要依赖于SOH与电压值的对应关系进行建模，不同型号的电池模型无法通用。因此现有的方法很难保证储能设备在正常投产运行时测算的SOH的准确性，进而也很难为储能系统的安全性评估提供有效的数据支撑。
综上，监测储能系统做充放电操作时的电芯电压并进行数据分析,给出准确的电芯健康状态评估与风险预测,对于储能设备的寿命预估、状态分析、故障反馈有着重要意义。
发明内容
本发明提供了一种电芯衰减评估方法、装置、设备及介质，本发明实施例通过计算待测电压曲线与标准曲线的余弦相似度以及闵式距离，比较加权闵式距离是否大于预设加权闵式距离阈值，能实时反映电芯健康状态，为定位问题电芯、反馈储能系统健康状态提供依据，保证了储能系统的安全性和稳定性。
第一方面，本发明实施例提供了一种电芯衰减评估方法，包括：
确定待测储能设备的检测时间段；
提取所述待测储能设备在所述检测时间段内的待测电压曲线；
确定所述待测电压曲线与标准曲线的余弦相似度；
判断所述余弦相似度是否大于预设相似度阈值；
若是，确定所述待测电压曲线与所述标准曲线的闵式距离；
根据所述闵式距离确定加权闵式距离；
判断所述加权闵式距离是否大于预设加权闵式距离阈值；
若是，判定所述待测储能设备的电芯异常，并记录数据。
可选的，所述待测电压曲线包括充电电压曲线和放电电压曲线。
可选的，确定所述待测电压曲线与所述标准曲线的闵式距离包括：
根据闵式距离计算公式：设定闵式距离参数取1-5，得出所述待测电压曲线与所述标准曲线间的闵式距离；
其中，d12为所述闵式距离，p为所述闵式距离参数，x1k为所述待测电压曲线的数值点，x2k为所述标准曲线的数值点。
可选的，根据所述闵式距离确定加权闵式距离包括：根据预设权重比计算后累加得出距离变化曲线；
其中，所述预设权重比为{0.5,0.25,0.25,0.125,0.125}。
可选的，在确定待测储能设备的检测时间段之前，还包括：
获取预设储能设备的电池系统在预设运行条件下充放电循环的电芯电压历史数据作为样本集。
可选的，在获取预设储能设备的电池系统在预设运行条件下充放电循环的电芯电压历史数据作为样本集之后，还包括：
根据所述预设储能设备的前预设次电压曲线，拟合得到所述标准曲线。
可选的，所述预设储能设备与所述待测储能设备中电池组的串并联方式以及簇中电池包的电芯数量相同；
所述预设储能设备与所述待测储能设备所处的环境条件保持一致。
第二方面，本发明实施例还提供了一种电芯衰减评估装置，包括：
检测时间段指定模块，用于确定待测储能设备的检测时间段；
待测电压曲线提取模块，用于提取所述待测储能设备在所述检测时间段内的待测电压曲线；
余弦相似度确定模块，用于确定所述待测电压曲线与标准曲线的余弦相似度；
余弦相似度判断模块，用于判断所述余弦相似度是否大于预设相似度阈值；
闵式距离确定模块，用于确定所述待测电压曲线与所述标准曲线的闵式距离；
加权闵式距离确定模块，用于根据所述闵式距离确定加权闵式距离；
加权闵式距离判断模块，用于判断所述加权闵式距离是否大于预设加权闵式距离阈值；
电芯状态判定模块，用于判定所述待测储能设备的电芯异常，并记录数据。
第三方面，本发明实施例还提供了一种电芯衰减评估设备，所述电芯衰减评估设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的电芯衰减评估方法。
第四方面，本发明实施例还提供了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存储有计算机指令，所述计算机指令用于使处理器执行时实现如第一方面所述的电芯衰减评估方法。
本发明实施例公开了一种电芯衰减评估方法、装置、设备及介质，该方法包括：确定待测储能设备的检测时间段；确定待测储能设备在检测时间段内的待测电压曲线；确定待测电压曲线与标准曲线的余弦相似度；判断余弦相似度是否大于预设相似度阈值；若是，确定待测电压曲线与标准曲线的闵式距离；根据闵式距离确定加权闵式距离；判断加权闵式距离是否大于预设加权闵式距离阈值；若是，判定待测储能设备的电芯异常，并记录数据。本发明实施例通过计算待测电压曲线与标准曲线的余弦相似度以及闵式距离，比较加权闵式距离是否大于预设加权闵式距离阈值，能实时反映电芯健康状态，为定位问题电芯、反馈储能系统健康状态提供依据，保证了储能系统的安全性和稳定性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种电芯衰减评估方法的流程图；
图2为本发明提供的另一种电芯衰减评估方法的流程图；
图3为本发明实施例提供的一种电芯衰减评估装置的结构示意图；
图4为本发明实施例提供的另一种电芯衰减评估装置的结构示意图；
图5为本发明实施例提供的一种电芯衰减评估设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明提供的一种电芯衰减评估方法的流程图，本实施例可适用于对储能设备中电池包电芯的运行状态的监控和数据分析的情况，该方法可以由电芯衰减评估装置来执行，该电芯衰减评估装置可以采用硬件和/或软件的形式实现，该电芯衰减评估装置可配置于电芯衰减评估设备中。参考图1，该方法包括如下步骤：
S110、确定待测储能设备的检测时间段。
S120、提取待测储能设备在检测时间段内的待测电压曲线。
可以理解的是，本发明实施例定期从云端服务器获取待测储能设备电池系统的电芯电压数据，进行安全评估，给出预警结果。
S130、确定待测电压曲线与标准曲线的余弦相似度。
具体的，采用余弦相似度算法计算待测电压曲线与标准曲线的余弦相似度。
可以理解的是，电芯每次充、放电的数据，会被采样，从而形成一个时间序列，可以看作是向量。示例性的，第一次放电的时间序列记为向量1，第二次放电的时间序列记为向量2，以此类推，第N次放电的时间序列为向量N，通过余弦相似度计算公式，计算向量1与向量2…向量N的余弦相似度，从而判断电芯的衰减。
S140、判断余弦相似度是否大于预设相似度阈值。
可以理解的是，先评估待测电压曲线与标准曲线的余弦相似度，如相似性偏差巨大，则可以评估为电池系统存在严重安全风险，若相似性较高，则再进行闵式距离计算。
若是，则执行步骤S150：
S150、确定待测电压曲线与标准曲线的闵式距离。
可以理解的是，闵式距离可以反映出电芯随时间的衰减趋势。
可选的，在上述实施例的基础上，确定待测电压曲线与标准曲线的闵式距离包括：
根据闵式距离计算公式：设定闵式距离参数取1-5，得出待测电压曲线与标准曲线间的闵式距离。
其中，d12为闵式距离，p为闵式距离参数，x1k为待测电压曲线的数值点，x2k为标准曲线的数值点。
S160、根据闵式距离确定加权闵式距离。
可以理解的是，加权后的计算距离可以更为直观的反映电芯随时间衰减后与标准电芯放电曲线之间的差距。
S170、判断加权闵式距离是否大于预设加权闵式距离阈值。
若是，则执行步骤S180：
S180、判定待测储能设备的电芯异常，并记录数据。
本发明实施例通过计算待测电压曲线与标准曲线的余弦相似度以及闵式距离，比较加权闵式距离是否大于预设加权闵式距离阈值，能实时反映电芯健康状态，为定位问题电芯、反馈储能系统健康状态提供依据，保证了储能系统的安全性和稳定性。
可选的，在上述实施例的基础上，待测电压曲线包括充电电压曲线和放电电压曲线。
可选的，在上述实施例的基础上，根据闵式距离确定加权闵式距离包括：根据预设权重比计算后累加得出距离变化曲线；
其中，预设权重比为{0.5,0.25,0.25,0.125,0.125}。
图2为本发明提供的另一种电芯衰减评估方法的流程图，可选的，在上述实施例的基础上，参考图2，相比图1中的方案，在步骤S110之前，本发明实施例还包括如下步骤：
S210、获取预设储能设备的电池系统在预设运行条件下充放电循环的电芯电压历史数据作为样本集。
其中，预设储能设备为标准电池电芯，样本集是标准电池电芯稳定运行的历史数据集。预设运行条件为预设储能设备的电池系统的正常运行条件，充放电循环为正常运行条件下电芯“满充满放”循环。
可选的，在上述实施例的基础上，继续参考图2，在步骤S210之后，还包括：
S220、根据预设储能设备的前预设次电压曲线，拟合得到标准曲线。
示例性的，前预设次电压曲线可以为标准电池电芯前5次标准充电曲线或前5次标准放电曲线。
具体的，获取标准设备0-6个月的放电曲线，提取后得出进行了2060次完整放电操作。分析曲线得出，标准设备在满充后，执行放电前的静置电压随时间而发生了一定的偏移，其与标准曲线的余弦相似性逐渐降低。所以，余弦相似性可以作为初步筛选电芯衰减异常的依据。相似度越低，则电芯异常可能性越大。根据曲线分析，示例性的，放电次数为0-600次时，相似度阈值为0.95。放电次数为600-1000次时，相似度阈值为0.70。放电次数为1000-2000次时，相似度阈值为0.65。放电次数超过2000次时，相似度阈值为0.40。
若计算的相似度低于阈值，则可判定电芯出现严重异常情况。若初步余弦相似度计算未发现严重异常电芯，则电芯处于正常衰减状态下。则对放电曲线与标准放电曲线做闵式距离计算。闵式距离中p取值1-5，得出放电曲线与标准曲线间的距离，根据设定的权重比计算后累加得出距离变化曲线，分析距离变化曲线，得出距离的异常阈值。
示例性的，放电次数为0-600次时，加权闵式距离阈值小于10。放电次数为600-1000次时，加权闵式距离阈值为10-25。放电次数为1000-2000次时，加权闵式距离阈值为25-40。放电次数超过两千次时，加权闵式距离阈值为40-60。
在给定的充放电次数区间中，通过比较计算距离是否超过设定阈值即可判断电芯是否出现异常，同时，设定加权闵式距离值超过60则认为电芯衰减到不可使用状态，需要尽快更换电芯。
综上，闵式距离可以反映出电芯随时间的衰减趋势，而加权后的计算距离可以更为直观的反映电芯随时间衰减后与标准电芯放电曲线之间的差距。
可选的，在上述实施例的基础上，继续参考图2，在步骤S140之后，还包括：若否，则执行步骤S180。
可以理解的是，余弦相似度小于等于预设相似度阈值时，表明相似性偏差巨大，则可以评估为电池系统存在严重安全风险，此时判定待测储能设备的电芯异常，并记录数据。
可选的，在上述实施例的基础上，继续参考图2，在步骤S170之后还包括：若否，则执行步骤S280：
S280、记录数据。
可以理解的是，判定加权闵式距离小于等于预设加权闵式距离阈值时，表明电芯状态正常，记录数据，可以方便管理人员查看。
可选的，在上述实施例的基础上，本发明实施例中的预设储能设备与待测储能设备中电池组的串并联方式以及簇中电池包的电芯数量相同。
可以理解的是，本发明实施例中，预设储能设备与待测储能设备的组成方式需要保持一致，包括但不限于电池组的串并联方式以及簇中电池包的电芯数量相同。
预设储能设备与待测储能设备所处的环境条件保持一致。
示例性的，本发明实施例中预设储能设备与待测储能设备电池包的冷却方式(风冷/水冷)、运行的环境温度等保持一致，实际产品中，环境温度温度可以保持在25℃左右。
图3为本发明实施例提供的一种电芯衰减评估装置的结构示意图，参考图3，该装置包括：
检测时间段指定模块310，用于确定待测储能设备的检测时间段。
待测电压曲线提取模块320，用于提取待测储能设备在检测时间段内的待测电压曲线。
余弦相似度确定模块330，用于确定待测电压曲线与标准曲线的余弦相似度。
余弦相似度判断模块340，用于判断余弦相似度是否大于预设相似度阈值。
闵式距离确定模块350，用于确定待测电压曲线与标准曲线的闵式距离。
加权闵式距离确定模块360，用于根据闵式距离确定加权闵式距离。
加权闵式距离判断模块370，用于判断加权闵式距离是否大于预设加权闵式距离阈值。
电芯状态判定模块380，用于判定待测储能设备的电芯异常，并记录数据。
图4为本发明实施例提供的一种电芯衰减评估装置的结构示意图，可选的，在上述实施例的基础上，参考图4，该装置还包括：样本集生成模块410，用于获取预设储能设备的电池系统在预设运行条件下充放电循环的电芯电压历史数据作为样本集。
可选的，在上述实施例的基础上，继续参考图4，该装置还包括：标准曲线获取模块420，用于根据预设储能设备的前预设次电压曲线，拟合得到标准曲线。
本发明实施例所提供的电芯衰减评估装置可执行本发明任意实施例所提供的电芯衰减评估方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详细描述的内容，请参考电芯衰减评估方法。
图5示出了可以用来实施本发明的实施例的电芯衰减评估设备10的结构示意图。电芯衰减评估设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电芯衰减评估设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电芯衰减评估设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电芯衰减评估设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电芯衰减评估设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电芯衰减评估设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电芯衰减评估方法。
在一些实施例中，电芯衰减评估方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电芯衰减评估设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的电芯衰减评估方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电芯衰减评估方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电芯衰减评估设备上实施此处描述的系统和技术，该电芯衰减评估设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电芯衰减评估设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种电芯衰减评估方法，其特征在于，包括：
确定待测储能设备的检测时间段；
提取所述待测储能设备在所述检测时间段内的待测电压曲线；
确定所述待测电压曲线与标准曲线的余弦相似度；
判断所述余弦相似度是否大于预设相似度阈值；
若是，确定所述待测电压曲线与所述标准曲线的闵式距离；
根据所述闵式距离确定加权闵式距离；
判断所述加权闵式距离是否大于预设加权闵式距离阈值；
若是，判定所述待测储能设备的电芯异常，并记录数据。
2.根据权利要求1所述的方法，其特征在于，所述待测电压曲线包括充电电压曲线和放电电压曲线。
3.根据权利要求1所述的方法，其特征在于，确定所述待测电压曲线与所述标准曲线的闵式距离包括：
设定闵式距离参数取1-5，得出所述待测电压曲线与所述标准曲线间的距离。
4.根据权利要求1所述的方法，其特征在于，根据所述闵式距离计算加权闵式距离包括：根据预设权重比计算后累加得出距离变化曲线。
5.根据权利要求1所述的方法，其特征在于，在指定待测储能设备的检测时间段之前，还包括：
获取预设储能设备的电池系统在预设运行条件下充放电循环的电芯电压历史数据作为样本集。
6.根据权利要求5所述的方法，其特征在于，在获取预设储能设备的电池系统在预设运行条件下充放电循环的电芯电压历史数据作为样本集之后，还包括：
根据所述预设储能设备的前预设次电压曲线，拟合得到所述标准曲线。
7.根据权利要求6所述的方法，其特征在于，所述预设储能设备与所述待测储能设备中电池组的串并联方式以及簇中电池包的电芯数量相同；
所述预设储能设备与所述待测储能设备所处的环境条件保持一致。
8.一种电芯衰减评估装置，其特征在于，包括：
检测时间段指定模块，用于确定待测储能设备的检测时间段；
待测电压曲线提取模块，用于提取所述待测储能设备在所述检测时间段内的待测电压曲线；
余弦相似度确定模块，用于确定所述待测电压曲线与标准曲线的余弦相似度；
余弦相似度判断模块，用于判断所述余弦相似度是否大于预设相似度阈值；
闵式距离确定模块，用于确定所述待测电压曲线与所述标准曲线的闵式距离；
加权闵式距离确定模块，用于根据所述闵式距离确定加权闵式距离；
加权闵式距离判断模块，用于判断所述加权闵式距离是否大于预设加权闵式距离阈值；
电芯状态判定模块，用于判定所述待测储能设备的电芯异常，并记录数据。
9.一种电芯衰减评估设备，其特征在于，所述电芯衰减评估设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电芯衰减评估方法。
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电芯衰减评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311580604.3A CN118068210A (zh) | 2023-11-23 | 2023-11-23 | 一种电芯衰减评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311580604.3A CN118068210A (zh) | 2023-11-23 | 2023-11-23 | 一种电芯衰减评估方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118068210A true CN118068210A (zh) | 2024-05-24 |
Family
ID=91097810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311580604.3A Pending CN118068210A (zh) | 2023-11-23 | 2023-11-23 | 一种电芯衰减评估方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118068210A (zh) |
-
2023
- 2023-11-23 CN CN202311580604.3A patent/CN118068210A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113312804B (zh) | 变压器的温度预警方法、装置、设备及存储介质 | |
| CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
| CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
| CN116090605A (zh) | 一种管网预警方法、装置、电子设备及存储介质 | |
| CN116736164A (zh) | 一种车辆蓄电池老化的识别方法、装置、设备及介质 | |
| CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| CN115754772B (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
| CN117420444A (zh) | 一种电池状态确定方法、装置、设备及存储介质 | |
| CN117761559A (zh) | 燃料电池热失控预测模型的构建方法、装置、设备及介质 | |
| CN117370914A (zh) | 一种电网攻击检测模型测试方法、装置、设备及存储介质 | |
| CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
| CN116226644A (zh) | 设备故障类型的确定方法、装置、电子设备及存储介质 | |
| CN118068210A (zh) | 一种电芯衰减评估方法、装置、设备及介质 | |
| CN115792628A (zh) | 一种动力电池安全性评估方法、装置、设备和存储介质 | |
| CN118068199B (zh) | 一种电池充放电曲线预测方法、装置、电子设备和存储介质 | |
| CN117112445B (zh) | 一种机器学习模型稳定性检测方法、装置、设备及介质 | |
| CN116482560B (zh) | 电池故障检测方法、装置、电子设备及存储介质 | |
| CN117289140A (zh) | 一种电池故障诊断方法、装置、设备及存储介质 | |
| CN118739586A (zh) | 配电设备检测方法及系统 | |
| CN116819342A (zh) | 一种电池寿命曲线确定方法、装置、电子设备及存储介质 | |
| CN117851853A (zh) | 一种窃电用户定位方法、装置、设备及存储介质 | |
| CN115291111A (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 | |
| CN118519020A (zh) | 一种继电器运行状态评估方法、装置、电子设备及介质 | |
| CN118154026A (zh) | 一种燃料可靠性指标的确定方法、装置、设备及介质 |
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 |