CN118151034B - 一种高精度的电池内阻检测方法及系统 - Google Patents
一种高精度的电池内阻检测方法及系统 Download PDFInfo
- Publication number
- CN118151034B CN118151034B CN202410579266.XA CN202410579266A CN118151034B CN 118151034 B CN118151034 B CN 118151034B CN 202410579266 A CN202410579266 A CN 202410579266A CN 118151034 B CN118151034 B CN 118151034B
- Authority
- CN
- China
- Prior art keywords
- battery
- fluctuation
- sets
- internal resistance
- aggregation
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 230000002776 aggregation Effects 0.000 claims abstract description 117
- 238000004220 aggregation Methods 0.000 claims abstract description 117
- 238000012360 testing method Methods 0.000 claims abstract description 81
- 238000012544 monitoring process Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012216 screening Methods 0.000 claims description 64
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005284 excitation Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000004069 differentiation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000007600 charging Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000010277 constant-current charging Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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]
- G01R31/389—Measuring internal impedance, internal conductance or related 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]
- G01R31/367—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]
- G01R31/382—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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请提供了一种高精度的电池内阻检测方法及系统，涉及电池检测技术领域，该方法包括：运行状态采集，获得K个单体电池电压序列，然后进行波动识别获得K个波动因子，进行群体聚集，获得L个电池聚集集合，匹配静置持续时长，根据监测数据判断电池聚集集合是否满足电阻测试条件，如果满足进行恒流放电测试，获得L个电池聚集集合内阻。通过本申请可以解决现有技术缺乏对多个电池的全面检测，无法准确掌握每个电池的状态，同时缺乏有效的分类管理，无法根据电池的实际性能进行差异化处理的问题，实现了对单体电池的全面监测、精确识别、个性化管理、条件触发测试以及准确评估的目标，有助于提升电池系统的运行过程中的安全性、稳定性和可靠性。
Description
技术领域
本申请涉及电池检测技术领域，尤其涉及一种高精度的电池内阻检测方法及系统。
背景技术
随着电池技术应用不断加深，人们对电池安全使用状态的准确评估要求也越来越高。而电池的内阻参数作为电池运行健康安全的重要表征参数，也是准确估算电池运行荷电状态的基础参数。
为了准确测量电池的内阻参数，目前，较为准确的是最小二乘法RQ曲线拟合法进行电池直流内阻测试。该方法需建立在一定电池模型的基础上，通过实验测试大量的数据才能拟合出精度较高的内阻曲线，计算出了比较准确的电池的内阻参数，但是该方法，高度依赖电池经验模型的准确应用，而且计算量大，难以实现通用。较为快捷的方法是以欧姆定律基础计算电池直流内阻，通过测量电池的压降获取电池的直流内阻参数，该方法测量计算简便快捷，但是所获取的内阻值在一定程度上能反应电池的健康状态，但与电池本身的真实内阻值还是有很大的差距，用于电池的荷电状态相关估算。
综上所述，现有技术缺乏对多个电池的全面检测，无法准确掌握每个电池的状态，同时缺乏有效的分类管理，无法根据电池的实际性能进行差异化处理的问题。
发明内容
本申请的目的是提供一种高精度的电池内阻检测方法及系统，用以解决现有技术缺乏对多个电池的全面检测，无法准确掌握每个电池的状态，同时缺乏有效的分类管理，无法根据电池的实际性能进行差异化处理的问题。
鉴于上述问题，本申请提供了一种高精度的电池内阻检测方法及系统。
第一方面，本申请提供了一种高精度的电池内阻检测方法，所述方法通过一种高精度的电池内阻检测系统实现，其中，所述方法包括：在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；对所述K个单体电池电压序列进行波动识别，获得K个波动因子；基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。
第二方面，本申请还提供了一种高精度的电池内阻检测系统，用于执行如第一方面所述的一种高精度的电池内阻检测方法，其中，所述系统包括：状态采集单元，所述状态采集单元用于在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；电池电压序列获取单元，所述电池电压序列获取单元用于对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；波动因子获取单元，所述波动因子获取单元用于对所述K个单体电池电压序列进行波动识别，获得K个波动因子；L个电池聚集集合获取单元，所述L个电池聚集集合获取单元用于基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；静置持续时长获取单元，所述静置持续时长获取单元用于根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；条件判断单元，所述条件判断单元用于对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；L个电池内阻集合获取单元，所述L个电池内阻集合获取单元用于执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；对所述K个单体电池电压序列进行波动识别，获得K个波动因子；基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。有效解决了现有技术缺乏对多个电池的全面检测，无法准确掌握每个电池的状态，同时缺乏有效的分类管理，无法根据电池的实际性能进行差异化处理的问题，实现了对单体电池的全面监测、精确识别、有效分类、个性化管理、条件触发测试以及准确评估的效果，有助于提升电池系统的安全性、稳定性和可靠性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他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申请或现有技术中的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请一种高精度的电池内阻检测方法的流程示意图；
图2为本申请一种高精度的电池内阻检测系统的结构示意图。
附图标记说明：
状态采集单元11，电池电压序列获取单元12，波动因子获取单元13，L个电池聚集集合获取单元14，静置持续时长获取单元15，条件判断单元16，L个电池内阻集合获取单元17。
具体实施方式
本申请通过提供一种高精度的电池内阻检测方法及系统，解决了现有技术缺乏对多个电池的全面检测，无法准确掌握每个电池的状态，同时缺乏有效的分类管理，无法根据电池的实际性能进行差异化处理的问题，实现了对单体电池的全面监测、精确识别、有效分类、个性化管理、条件触发测试以及准确评估的效果，有助于提升电池系统的安全性、稳定性和可靠性。
下面，将参考附图对本申请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申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
实施例1：请参阅附图1，本申请提供了一种高精度的电池内阻检测方法，其中，所述方法应用于一种高精度的电池内阻检测系统，所述方法具体包括如下步骤：
步骤一：在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；
具体而言，设定监测窗口，首先，确定一个时间范围作为监测窗口，这可以是固定的如每天的特定时间段或动态的如基于电池使用情况触发。确定需要监测的电池状态参数，如电压、电流、温度、内阻、容量等。使用传感器或电池管理系统的内置功能，在监测窗口内对K个单体电池的上述参数进行实时或定期采集，建立存储数据库，将采集数据存储至数据库中。经过一段时间的采集，形成K个单体电池的监测数据集合。每个数据集合应包含对应单体电池在监测窗口内的所有监测参数的历史数据。
步骤二：对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；
具体而言，首先，访问存储有K个单体电池监测数据集合的数据库。这些数据集合应该包含了在预设监测窗口内采集到的各种电池状态参数。在每个单体电池的监测数据集合中，定位到与工作电压相关的数据字段。包括查找包含电压信息的特定标签、键或列。遍历数据集合中的每个数据点，并提取出对应的电压值，从每个单体电池的监测数据集合中提取出工作电压的数据。将提取出的工作电压数据按照时间顺序排列，形成每个单体电池的电压序列。这些序列应该能够反映电池在监测窗口内的工作电压变化情况。
步骤三：对所述K个单体电池电压序列进行波动识别，获得K个波动因子；
具体而言，根据电压序列选择包括但不限于计算标准差、方差、极差等统计量、小波变换、傅里叶分析等，对每个单体电池的电压序列应用选定的波动识别方法。例如，计算每个序列的标准差或方差作为波动因子，标准差或方差越大，表示电压波动越剧烈。将计算得到的波动因子提取出来，形成K个波动因子集合。每个波动因子对应一个单体电池的电压波动程度。
步骤四：基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；
具体而言，根据数据的特性和分析需求，选择包括但不限于K-均值聚类K-means、层次聚类HierarchicalClustering、DBSCAN等。根据所述K个波动因子对所述K个单体电池按照波动程度进行聚类，将波动程度相似的单体电池划分到一个电池聚集集合中，为后续进行准确的电池内阻检测做铺垫。应用选定的聚类算法对K个单体电池的波动因子进行聚类分析。根据波动因子的相似性将单体电池分组到不同的电池聚集集合中。聚类完成并评估通过，为每个电池聚集集合分配一个波动因子标识。其中，所述波动因子标识用于对每个电池聚集集合的整体电压波动程度进行描述。
步骤五：根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；
具体而言，波动因子标识是基于单体电池的电压波动特性进行聚类分析后得到的，它反映了不同电池聚集集合在电压波动上的特性。根据波动因子标识来匹配静置持续时长。例如，波动因子较大的电池聚集集合可能需要更长的静置时间来稳定其电压。根据确定的匹配原则，为每个电池聚集集合的波动因子标识分配一个预设的静置持续时长。可以通过函数映射或机器学习模型等方式实现。其中，所述静置持续时长为电池电流输出为0，电压波动变化为0的状态持续的时间长度。
步骤六：对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；
具体而言，建立一个持续监测机制，用于实时或定期收集L个电池聚集集合的状态信息，包括电压、电流、温度以及已经静置的时间等。优选的，在BMS管理系统设置一个计时器或时间戳功能，用于跟踪每个电池聚集集合的静置时间，将传感器与BMS进行集成。每当电池聚集集合进入静置状态时，开始计时，当电池聚集集合被使用或发生其他中断静置的事件时，停止计时并记录静置时间。通过传感器实时收集每个电池聚集集合的监测数据。对收集到的数据进行预处理，如去噪、格式化、标准化等。从监测数据中提取每个电池聚集集合的静置时间信息。比较每个电池聚集集合的当前静置时间与其对应的预设静置持续时长。如果某个电池聚集集合的静置时间已经达到了其预设静置持续时长，那么该电池聚集集合被判定为满足预设电池内阻测试条件。如果某个电池聚集集合的静置时间尚未达到其预设静置持续时长，则继续监测该电池聚集集合的状态，直到其满足条件为止。对于满足预设电池内阻测试条件的电池聚集集合，触发内阻测试流程。
步骤七：执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。
具体而言，对于满足条件的电池聚集集合，主控模块会向内阻测试激励信号模块发送测试指令。这些指令通常包含要执行的测试类型恒流放电测试、测试的电流大小以及测试持续时间等信息。内阻测试激励信号模块接收到测试指令后，会按照指令要求生成恒流放电信号。这个恒流信号被施加到对应的电池聚集集合上，导致电池聚集集合以恒定的电流进行放电。示例性的，对电池进行恒流充电或者恒流放电，测试过程中记录恒流充电或恒流放电过程中的电池电压值和电流值，电流值为10A～0.5C，充放电时间t根据电池的容量和放电电流确定，一般为10s～180s。以3000Ah进行内阻测试，放电电流为280A，总共放电10s，电压和电流采样间隔为1s，完成电池电压状态的采集和存储后，利用相邻时刻电压绝对差（）筛选电压数据，当最大时，确定，，，。利用公式计算出电池测试过程中的中介电压值。完成中介电压值Um，再根据计算公式计算电池的总内阻R（欧姆内阻与极化内阻之和）。其中，为激励启动前电池的电压状态值，为内阻激励模块的激励电流。计算得到的L个电池内阻集合值被视为内阻检测结果。基于内阻检测结果，可以采取相应的维护措施，如平衡充电、更换老化电池等。
进一步，本申请步骤三包括：
遍历所述K个单体电池电压序列进行相邻电压差值计算，获得K个电压差值集合；
对所述K个电压差值集合进行密集筛选，获得K个目标电压差值；
分别计算所述K个目标电压差值比上K个目标电压差值之和的比值，根据计算结果获得K个波动因子。
具体而言，对每一个单体电池的电压序列进行处理。对于每个电池，查看它的电压序列，并计算序列中相邻两个电压值之间的差值。这样，每个电池都会得到一个电压差值的集合。对这些电压差值进行筛选。筛选的目的是找出那些对电池波动有显著影响，最能代表电池电压波动情况的电压差值。根据所述K个目标电压差值来计算每个电池的波动因子。波动因子是用来衡量电池电压波动程度的一个指标。将每个电池的目标电压差值除以所有电池的目标电压差值之和。这样，每个电池都会得到一个波动因子，这个因子的大小反映了该电池在整个电池组中的电压波动程度。波动因子越大，表明对应单体电池的电压波动程度越大。
进一步，本申请还包括：
遍历所述K个电压差值集合进行方差计算，获得K个电压差值方差；
根据所述K个电压差值方差配置K个密集筛选尺度；
分别以所述K个电压差值集合的K个电压差值均值为起点，按照所述K个密集筛选尺度进行筛选，获得K个初始电压差值。
具体而言，处理每个单体电池的电压差值集合。对于每个单体电池的电压差值集合中进行方差计算。方差是一种测量数据点如何围绕平均值分布的统计量，可以表明电压差值集合的离散程度，即电压波动的整体情况。利用计算得到的方差值来配置筛选尺度。筛选尺度的目的是确定一个范围，用于从电压差值集合中筛选出距离电压差值均值距离为密集筛选尺度的数据点。筛选尺度的设置可能基于多种考虑，比如我们可以选择方差的一定比例作为筛选的标准。通过这种方式，可以为每个电池定制一个与其电压波动特性相匹配的筛选尺度。使用配置好的筛选尺度来进行筛选操作，对于每个电池的电压差值集合，以其电压差值的均值作为起点，然后根据对应的筛选尺度确定单次筛选移动的距离，将移动后获得的电压差值，作为K个初始电压差值。这样，每个电池都会得到一个初始电压差值。
进一步，本申请还包括：
分析所述K个初始电压差值与所述K个电压差值均值之间的密度差是否满足预设密度增益，若是，则将所述K个初始电压差值更新为起点；
若否，则按照预设放大步长对所述K个密集筛选尺度进行放大，获得K个更新密集筛选尺度，以所述K个电压差值均值为起点进行筛选；
经过多次筛选直至满足预设筛选次数，将以起点对应的K个电压差值作为中心点，以K个密集筛选尺度为半径的区域内的K个区域电压差值集合的均值，作为K个目标电压差值。
具体而言，开始时由本领域技术人员设置一些初始参数，包括每个集合的初始筛选尺度、预设密度增益、筛选尺度的预设放大步长以及预设筛选次数。预设密度增益可以由本领域技术人员通过计算整个集合点密度来进行设定。进入一个迭代过程，在每次迭代中，根据当前的筛选尺度从每个电压差值集合中筛选出初始的电压差值。分别计算所述K个初始电压差值和所述K个电压差值均值的密度，其中，初始电压差值的密度是以初始电压差值为中心、密集筛选尺度为半径的区域内的电压差值均值与区域面积的比值，反映了初始电压差值周围聚集的电压差值密集程度。电压差值均值的密度是以电压差值均值为中心、密集筛选尺度为半径的区域内的电压差值均值与区域面积的比值，反映了电压差值均值周围聚集的电压差值密集程度。通过计算K个初始电压差值与所述K个电压差值均值之间的密度差，并将计算结果与预设密度增益进行比较，判断是否满足预设密度增益，若是，则表明筛选移动后，K个初始电压差值比所述K个电压差值均值更具有代表性，因此将所述K个初始电压差值更新为起点。若否，则表明K个初始电压差值与K个电压差值均值的密度虽然不一致，但是增加程度较低，有陷入局部最优解的风险。因此，需要按照预设放大步长对所述K个密集筛选尺度进行放大，获得K个更新密集筛选尺度，仍然以所述K个电压差值均值为起点进行筛选，获取更远的电压差值，从而避免陷入局部最优解。优选的，在进行密度计算时，均以所述密集筛选尺度为计算依据。通过多次筛选，不断对筛选起点进行更新，直至筛选次数满足预设筛选次数之后，将以起点对应的K个电压差值作为中心点。也就是说，将以起点对应的K个电压差值作为K个电压差值集合中分布较为密集区域的中心点。此时，将以起点对应的K个电压差值作为中心点，以K个密集筛选尺度为半径的区域内的K个区域电压差值集合的均值，作为K个目标电压差值。
在筛选过程中，若密度增益不满足所述预设密度增益，按照预设放大步长增加筛选尺度，并重复上述筛选和密度增益分析的过程。放大步长的选择应该根据具体的应用场景和算法需求来确定。如果步长设置得太小，算法可能需要更多的迭代次数才能找到目标值，从而导致计算效率低下。如果步长设置得太大，算法可能会跳过一些重要的值或区域，导致结果不准确或无法找到目标值。在迭代过程结束后，根据最后一次筛选的结果来确定每个集合的目标电压差值。如果迭代过程中找到了满足密度增益要求的初始电压差值，将这些值作为起点。否则，以最后一次筛选的起点对应的电压差值为中心，因为增益不够，表明第一次获得的初始电压差值和电压差值均值在一个比较密集的区域内，所以差别不大，此时要扩大检索的范围。
进一步，本申请步骤四包括：
随机从所述K个波动因子中抽取第一波动因子，构建第一聚集节点；
利用所述第一聚集节点和预设波动因子间隔将所述K个波动因子划分为第一聚集波动因子集合和第一待聚集波动因子集合，其中，所述第一聚集波动因子集合中的波动因子与所述第一波动因子之间的差值小于等于所述预设波动因子间隔；
再次随机从所述第一待聚集波动因子集合中抽取第二波动因子，构建第二聚集节点；
利用所述第二聚集节点和预设波动因子间隔将所述第一待聚集波动因子集合划分为第二聚集波动因子集合和第二待聚集波动因子集合，其中，所述第二聚集波动因子集合中的波动因子与所述第二波动因子之间的差值小于等于所述预设波动因子间隔。
具体而言，从K个波动因子中随机选择一个，这个被选中的波动因子被称为第一波动因子。然后，以这个第一波动因子为基础，构建第一聚集节点。其中，所述第一聚集节点用于对K个波动因子进行划分。所述预设波动因子间隔是两个波动因子可以被划分为一个集合时的最大波动因子差值。使用预设波动因子间隔，将K个波动因子中剩余的波动因子与第一波动因子进行比较。如果某个波动因子与第一波动因子之间的差值小于或等于预设波动因子间隔，那么这个波动因子就被归入第一聚集波动因子集合。所有不满足这一条件的波动因子则被归入第一待聚集波动因子集合。接下来，从第一待聚集波动因子集合中再次随机选择一个波动因子，这个被选中的波动因子被称为第二波动因子。然后，以这个第二波动因子为基础，构建第二个聚集节点。使用相同的预设波动因子间隔，将第一待聚集波动因子集合中的波动因子与第二波动因子进行比较。如果某个波动因子与第二波动因子之间的差值小于或等于预设的波动因子间隔，那么这个波动因子就被归入第二聚集波动因子集合。所有不满足这一条件的波动因子则被归入第二待聚集波动因子集合。
进一步，本申请还包括：
经过多次划分，获得L-1个聚集波动因子集合和第L个待聚集波动因子集合；
分别将所述L-1个聚集波动因子集合和所述第L个待聚集波动因子集合对应的单体电池划分为一个电池聚集集合，获得L个电池聚集集合。
具体而言，经过多次划分后，将波动因子集合划分为L-1个聚集波动因子集合和第L个待聚集波动因子集合。这些集合是根据波动因子之间的相似性或差异性进行划分的，目的是将具有相似波动特性的单体电池归为一类，以便于后续的分析和管理。将这些聚集波动因子集合和待聚集波动因子集合对应的单体电池分别划分为一个电池聚集集合，从而获得L个电池聚集集合。每个电池聚集集合都包含了一组具有相似波动特性的单体电池。将具有相似特性的电池归为一个电池聚集集合，例如可以根据不同电池聚集集合的特性制定针对性的维护策略，提高电池系统的整体性能和安全性。
进一步，本申请还包括：
判断所述K个波动因子是否满足预设波动因子阈值，若是，则将对应的单体电池添加进异常单体电池集合；
基于多个预设滑动监测窗口对所述异常单体电池集合进行多次监测，获得多个异常波动因子集合，其中，所述预设滑动监测窗口大于所述预设监测窗口；
统计所述多个异常波动因子大于等于所述预设波动因子阈值的异常波动因子所占的比例，获得多个异常波动系数；
判断所述多个异常波动系数是否满足预设异常波动系数，若不满足，生成预警信息，并将所述预警信息发送至工作人员。
具体而言，收集并分析电池在正常运行状态下的历史数据，使用统计分析方法，如计算平均值、标准差、最大值、最小值等，来评估波动因子在正常情况下的分布和变化范围。根据历史数据的统计结果，设定一个能够区分正常波动和异常波动的阈值。优选的这个阈值可以设置为平均值加上若干倍的标准差如2倍或3倍标准差，以确保大部分正常波动都在阈值以下。比较K个波动因子与预设波动因子阈值的大小，如果某个波动因子的值超过了这个阈值，这意味着这个单体电池可能处于一个不稳定或异常的状态。当检测到波动因子超出预设阈值时，将这些对应的单体电池标记为异常，并添加到异常单体电池集合中。使用一个比常规监测窗口更大的滑动监测窗口来对它们进行持续监测。这种更大的滑动窗口能够捕捉更长时间范围内的电池行为，提供更全面的信息。对异常单体电池集合中的每个电池应用这些滑动监测窗口，记录每个窗口内观察到的波动因子。在每个滑动监测窗口期间收集的数据基础上，分析每个异常波动因子集合中波动因子超过预设波动因子阈值的比例。计算每个窗口内的这些异常波动因子的比例或频率，并将其作为异常波动系数进行记录。这些系数是衡量电池不稳定程度的一个指标。最后，检查这些计算出的异常波动系数是否超过了一个预设的异常波动系数阈值。如果这个条件满足，表明电池系统的异常波动已经达到了一个需要关注的水平。如果多个或所有异常波动系数均不满足预设条件即超过阈值，生成一条预警信息。一旦生成了预警信息，自动将其发送给负责监控电池状态的工作人员，以便他们能够迅速采取措施来防止可能发生的问题。
综上所述，本申请所提供的一种高精度的电池内阻检测方法具有如下技术效果：
通过在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；对所述K个单体电池电压序列进行波动识别，获得K个波动因子；基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。有效解决了现有技术缺乏对多个电池的全面检测，无法准确掌握每个电池的状态，同时缺乏有效的分类管理，无法根据电池的实际性能进行差异化处理的问题，实现了对单体电池的全面监测、精确识别、有效分类、个性化管理、条件触发测试以及准确评估的目标，有助于提升电池系统的运行的安全性、稳定性和可靠性。
实施例2：基于与前述实施例中一种高精度的电池内阻检测方法，同样发明构思，本申请还提供了一种高精度的电池内阻检测系统，请参阅附图2，所述系统包括：
状态采集单元11，所述状态采集单元11用于在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；
电池电压序列获取单元12，所述电池电压序列获取单元12用于对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；
波动因子获取单元13，所述波动因子获取单元13用于对所述K个单体电池电压序列进行波动识别，获得K个波动因子；
L个电池聚集集合获取单元14，所述L个电池聚集集合获取单元14用于基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；
静置持续时长获取单元15，所述静置持续时长获取单元15用于根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；
条件判断单元16，所述条件判断单元16用于对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；
L个电池内阻集合获取单元17，所述L个电池内阻集合获取单元17用于执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。
进一步，所述系统中波动因子获取单元13还用于：
遍历所述K个单体电池电压序列进行相邻电压差值计算，获得K个电压差值集合；
对所述K个电压差值集合进行密集筛选，获得K个目标电压差值；
分别计算所述K个目标电压差值比上K个目标电压差值之和的比值，根据计算结果获得K个波动因子。
进一步，所述系统还包括初始电压差值获取单元，所述初始电压差值获取单元用于：
遍历所述K个电压差值集合进行方差计算，获得K个电压差值方差；
根据所述K个电压差值方差配置K个密集筛选尺度；
分别以所述K个电压差值集合的K个电压差值均值为起点，按照所述K个密集筛选尺度进行筛选，获得K个初始电压差值。
进一步，所述系统还包括目标电压差值获取单元，所述目标电压差值获取单元用于：
分析所述K个初始电压差值与所述K个电压差值均值之间的密度差是否满足预设密度增益，若是，则将所述K个初始电压差值更新为起点；
若否，则按照预设放大步长对所述K个密集筛选尺度进行放大，获得K个更新密集筛选尺度，以所述K个电压差值均值为起点进行筛选；
经过多次筛选直至满足预设筛选次数，将以起点对应的K个电压差值作为中心点，以K个密集筛选尺度为半径的区域内的K个区域电压差值集合的均值，作为K个目标电压差值。
进一步，所述系统中L个电池聚集集合获取单元14还用于：
随机从所述K个波动因子中抽取第一波动因子，构建第一聚集节点；
利用所述第一聚集节点和预设波动因子间隔将所述K个波动因子划分为第一聚集波动因子集合和第一待聚集波动因子集合，其中，所述第一聚集波动因子集合中的波动因子与所述第一波动因子之间的差值小于等于所述预设波动因子间隔；
再次随机从所述第一待聚集波动因子集合中抽取第二波动因子，构建第二聚集节点；
利用所述第二聚集节点和预设波动因子间隔将所述第一待聚集波动因子集合划分为第二聚集波动因子集合和第二待聚集波动因子集合，其中，所述第二聚集波动因子集合中的波动因子与所述第二波动因子之间的差值小于等于所述预设波动因子间隔。
进一步，所述系统还包括电池划分单元，所述电池划分单元用于：
经过多次划分，获得L-1个聚集波动因子集合和第L个待聚集波动因子集合；
分别将所述L-1个聚集波动因子集合和所述第L个待聚集波动因子集合对应的单体电池划分为一个电池聚集集合，获得L个电池聚集集合。
进一步，所述系统还包括预警单元，所述预警单元用于：
判断所述K个波动因子是否满足预设波动因子阈值，若是，则将对应的单体电池添加进异常单体电池集合；
基于多个预设滑动监测窗口对所述异常单体电池集合进行多次监测，获得多个异常波动因子集合，其中，所述预设滑动监测窗口大于所述预设监测窗口；
统计所述多个异常波动因子大于等于所述预设波动因子阈值的异常波动因子所占的比例，获得多个异常波动系数；
判断所述多个异常波动系数是否满足预设异常波动系数，若不满足，生成预警信息，并将所述预警信息发送至工作人员。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种高精度的电池内阻检测方法和具体实例同样适用于本实施例的一种高精度的电池内阻检测系统，通过前述对一种高精度的电池内阻检测方法的详细描述，本领域技术人员可以清楚知道本实施例中一种高精度的电池内阻检测系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种高精度的电池内阻检测方法，其特征在于，所述方法包括：
在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；
对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；
对所述K个单体电池电压序列进行波动识别，获得K个波动因子；
基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；
根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；
对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；
执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。
2.根据权利要求1所述高精度的电池内阻检测方法，其特征在于，对所述K个单体电池电压序列进行波动识别，获得K个波动因子，所述方法包括：
遍历所述K个单体电池电压序列进行相邻电压差值计算，获得K个电压差值集合；
对所述K个电压差值集合进行密集筛选，获得K个目标电压差值；
分别计算所述K个目标电压差值比上K个目标电压差值之和的比值，根据计算结果获得K个波动因子。
3.根据权利要求2所述高精度的电池内阻检测方法，其特征在于，对所述K个电压差值集合进行密集筛选，获得K个目标电压差值，所述方法包括：
遍历所述K个电压差值集合进行方差计算，获得K个电压差值方差；
根据所述K个电压差值方差配置K个密集筛选尺度；
分别以所述K个电压差值集合的K个电压差值均值为起点，按照所述K个密集筛选尺度进行筛选，获得K个初始电压差值。
4.根据权利要求3所述高精度的电池内阻检测方法，其特征在于，对所述K个电压差值集合进行密集筛选，获得K个目标电压差值，所述方法包括：
分析所述K个初始电压差值与所述K个电压差值均值之间的密度差是否满足预设密度增益，若是，则将所述K个初始电压差值更新为起点；
若否，则按照预设放大步长对所述K个密集筛选尺度进行放大，获得K个更新密集筛选尺度，以所述K个电压差值均值为起点进行筛选；
经过多次筛选直至满足预设筛选次数，将以起点对应的K个电压差值作为中心点，以K个密集筛选尺度为半径的区域内的K个区域电压差值集合的均值，作为K个目标电压差值。
5.根据权利要求1所述高精度的电池内阻检测方法，其特征在于，基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，所述方法包括：
随机从所述K个波动因子中抽取第一波动因子，构建第一聚集节点；
利用所述第一聚集节点和预设波动因子间隔将所述K个波动因子划分为第一聚集波动因子集合和第一待聚集波动因子集合，其中，所述第一聚集波动因子集合中的波动因子与所述第一波动因子之间的差值小于等于所述预设波动因子间隔；
再次随机从所述第一待聚集波动因子集合中抽取第二波动因子，构建第二聚集节点；
利用所述第二聚集节点和预设波动因子间隔将所述第一待聚集波动因子集合划分为第二聚集波动因子集合和第二待聚集波动因子集合，其中，所述第二聚集波动因子集合中的波动因子与所述第二波动因子之间的差值小于等于所述预设波动因子间隔。
6.根据权利要求5所述高精度的电池内阻检测方法，其特征在于，所述方法包括：
经过多次划分，获得L-1个聚集波动因子集合和第L个待聚集波动因子集合；
分别将所述L-1个聚集波动因子集合和所述第L个待聚集波动因子集合对应的单体电池划分为一个电池聚集集合，获得L个电池聚集集合。
7.根据权利要求1所述高精度的电池内阻检测方法，其特征在于，所述方法包括：
判断所述K个波动因子是否满足预设波动因子阈值，若是，则将对应的单体电池添加进异常单体电池集合；
基于多个预设滑动监测窗口对所述异常单体电池集合进行多次监测，获得多个异常波动因子集合，其中，所述预设滑动监测窗口大于所述预设监测窗口；
统计所述多个异常波动因子大于等于所述预设波动因子阈值的异常波动因子所占的比例，获得多个异常波动系数；
判断所述多个异常波动系数是否满足预设异常波动系数，若不满足，生成预警信息，并将所述预警信息发送至工作人员。
8.一种高精度的电池内阻检测系统，其特征在于，用于实施权利要求1至7中任意一项所述方法的步骤，所述系统包括：
状态采集单元，所述状态采集单元用于在预设监测窗口内对目标电池的K个单体电池进行运行状态采集，获得K个单体电池监测数据集合；
电池电压序列获取单元，所述电池电压序列获取单元用于对所述K个单体电池监测数据集合进行工作电压提取，获得K个单体电池电压序列；
波动因子获取单元，所述波动因子获取单元用于对所述K个单体电池电压序列进行波动识别，获得K个波动因子；
L个电池聚集集合获取单元，所述L个电池聚集集合获取单元用于基于所述K个波动因子对所述K个单体电池进行群体聚集，获得L个电池聚集集合，其中，所述L个电池聚集集合具有波动因子标识；
静置持续时长获取单元，所述静置持续时长获取单元用于根据波动因子标识对所述L个电池聚集集合分别匹配静置持续时长，获得L个预设静置持续时长；
条件判断单元，所述条件判断单元用于对所述L个电池聚集集合进行持续监测，根据L个监测数据判断所述L个电池聚集集合是否满足预设电池内阻测试条件，其中，所述预设电池内阻测试条件为电池静置持续时间达到预设静置持续时长；
L个电池内阻集合获取单元，所述L个电池内阻集合获取单元用于执行恒流放电测试，获得L个电池内阻集合，并将所述L个电池内阻集合作为内阻检测结果，其中，所述恒流放电测试是当所述L个电池聚集集合满足所述预设电池内阻测试条件时，由主控模块向内阻测试激励信号模块发送测试指令后进行的测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410579266.XA CN118151034B (zh) | 2024-05-11 | 2024-05-11 | 一种高精度的电池内阻检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410579266.XA CN118151034B (zh) | 2024-05-11 | 2024-05-11 | 一种高精度的电池内阻检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118151034A CN118151034A (zh) | 2024-06-07 |
| CN118151034B true CN118151034B (zh) | 2024-07-05 |
Family
ID=91299242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410579266.XA Active CN118151034B (zh) | 2024-05-11 | 2024-05-11 | 一种高精度的电池内阻检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118151034B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118655473B (zh) * | 2024-08-21 | 2024-10-18 | 中创新航技术研究院(江苏)有限公司 | 故障电池筛选方法、装置、电子设备、介质及程序产品 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856542A (zh) * | 2018-10-23 | 2019-06-07 | 许继集团有限公司 | 一种锂电池soc-ocv曲线簇的标定方法、soc校正方法及装置 |
| CN113917351A (zh) * | 2021-10-09 | 2022-01-11 | 长沙理工大学 | 基于容量变化的储能电站电池簇不一致性在线评估方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009190690A (ja) * | 2008-02-18 | 2009-08-27 | Autonetworks Technologies Ltd | バッテリの健全度判定方法及び車両用電源装置 |
| CN113128781B (zh) * | 2021-04-30 | 2021-12-10 | 大连理工大学 | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 |
| CN114706000A (zh) * | 2022-03-10 | 2022-07-05 | 智光研究院(广州)有限公司 | 一种电池包动态测试评估方法及系统 |
| CN114882234A (zh) * | 2022-04-29 | 2022-08-09 | 西安理工大学 | 多尺度轻量级密集连目标检测网络的构建方法 |
| CN115825778A (zh) * | 2022-12-30 | 2023-03-21 | 欣旺达电动汽车电池有限公司 | 温度异常检测方法、装置、设备及存储介质 |
| CN116526639B (zh) * | 2023-07-05 | 2023-09-05 | 昆明理工恒达科技股份有限公司 | 一种储能电池均衡控制方法及系统 |
-
2024
- 2024-05-11 CN CN202410579266.XA patent/CN118151034B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856542A (zh) * | 2018-10-23 | 2019-06-07 | 许继集团有限公司 | 一种锂电池soc-ocv曲线簇的标定方法、soc校正方法及装置 |
| CN113917351A (zh) * | 2021-10-09 | 2022-01-11 | 长沙理工大学 | 基于容量变化的储能电站电池簇不一致性在线评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118151034A (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
| CN118151034B (zh) | 一种高精度的电池内阻检测方法及系统 | |
| CN115858630B (zh) | 一种储能电站储能数据的异常检测方法 | |
| CN114430080B (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
| CN114312322B (zh) | 车辆检测方法及装置 | |
| CN114290960B (zh) | 获取动力电池的电池健康度的方法、装置和车辆 | |
| CN117171604B (zh) | 基于传感器的保温板生产线异常监测系统 | |
| CN118376936B (zh) | 一种锂电池状态智能诊断方法及系统 | |
| CN115219903A (zh) | 基于车联网数据分析的电池自放电率异常判断方法及装置 | |
| CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
| CN116150572A (zh) | 一种基于聚类分析的汽车电池单体一致性缺陷评估方法 | |
| CN118152836B (zh) | 一种用于电能表运行过程的稳定性评估方法 | |
| CN113533995A (zh) | 一种动力电池一致性检测方法 | |
| CN117872183B (zh) | 一种基于信息熵的电池包运行分散度评价方法 | |
| CN112287979B (zh) | 一种基于互信息的储能电池状态判定方法 | |
| CN117102082A (zh) | 一种液态金属电池的分选方法及系统 | |
| CN116679221A (zh) | 一种电池异常检测、电池维护管理方法和装置 | |
| CN116243172A (zh) | 一种锂电池可靠性状态快速检测方法 | |
| CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
| CN112668905B (zh) | 多参数配电电缆健康状态评估方法、装置、计算机设备和存储介质 | |
| CN117970127B (zh) | 用于识别动力电池异常自放电的方法和装置 | |
| CN118052540B (zh) | 一种设备维修方案智能管理方法及系统 | |
| US20230236264A1 (en) | Methods, systems and terminal devices for analyzing cell states based on cell parameters | |
| CN117649059B (zh) | 一种用于数字化育种流程的成果评价优化方法 | |
| CN117195134B (zh) | 用于氢燃料基站电源的预警方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 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 |