CN118214109A - 应用数字孪生技术的电池组均衡管理方法 - Google Patents
应用数字孪生技术的电池组均衡管理方法 Download PDFInfo
- Publication number
- CN118214109A CN118214109A CN202410240949.2A CN202410240949A CN118214109A CN 118214109 A CN118214109 A CN 118214109A CN 202410240949 A CN202410240949 A CN 202410240949A CN 118214109 A CN118214109 A CN 118214109A
- Authority
- CN
- China
- Prior art keywords
- equalization
- strategy
- battery pack
- monomer
- discharge
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000015556 catabolic process Effects 0.000 claims abstract description 26
- 238000006731 degradation reaction Methods 0.000 claims abstract description 26
- 230000033228 biological regulation Effects 0.000 claims abstract description 12
- 239000000178 monomer Substances 0.000 claims description 80
- 230000004044 response Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 19
- 230000002427 irreversible effect Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000032683 aging Effects 0.000 abstract description 6
- 238000005562 fading Methods 0.000 abstract description 5
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000011149 active material Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000003399 chemotactic effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0014—Circuits for equalisation of charge between batteries
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- 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]
- G01R31/396—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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- 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
- H01M10/44—Methods for charging or discharging
- H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- 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
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Power Engineering (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Secondary Cells (AREA)
Abstract
本申请提供了应用数字孪生技术的电池组均衡管理方法，涉及均衡管理技术领域，所述方法包括：搭建孪生仿真模型，然后结合状态评定模型，对单体差异状态评定与劣化趋势预测，配置电池组的单体约束基线，读取实时充放电数据结合单体约束基线确定均衡策略，然后执行单体充放电的均衡调控，判定是否符合策略均衡能效并进行均衡偏差示警。本申请主要解决了现有方法对电池状态的预测精度较差，特别是在电池老化、容量衰减等方面的预测精度较低，无法实时监测电池组的充放电状态，导致无法及时发现和解决潜在问题。通过交互电池组的基础配置信息，搭建孪生仿真模型，进行单体差异状态评定与劣化趋势预测，提高了电池组的使用性能，提高了能源利用率。
Description
技术领域
本申请涉及均衡管理技术领域，具体涉及应用数字孪生技术的电池组均衡管理方法。
背景技术
由于电池在生产制造和使用过程中存在差异，导致电池容量、SOC、内阻和电压等参数不同，这种不一致性会降低电池组的使用性能，甚至引发安全问题。均衡管理技术主要通过对电池组进行主动控制，以减小电池组的不一致性，目前，主要的均衡管理方法包括主动均衡和被动均衡两种。主动均衡能够实现高效率的能量转移，但均衡速度较低，被动均衡的均衡速度较快，但能量转移效率较低。
但在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有方法对电池状态的预测精度较差，特别是在电池老化、容量衰减等方面的预测精度较低，无法实时监测电池组的充放电状态，导致无法及时发现和解决潜在问题。
发明内容
本申请主要解决了现有方法对电池状态的预测精度较差，特别是在电池老化、容量衰减等方面的预测精度较低，无法实时监测电池组的充放电状态，导致无法及时发现和解决潜在问题。
鉴于上述问题，第一方面，本申请提供了应用数字孪生技术的电池组均衡管理方法，所述方法包括：交互电池组的基础配置信息，搭建孪生仿真模型，其中，所述孪生仿真模型具有场景切换功能；结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，确定单体特性趋势；基于所述单体特性趋势，配置所述电池组的单体约束基线，其中，所述单体约束基线包括涓流充放基线与过充放约束基线；读取所述电池组的实时充放电数据，结合所述单体约束基线，基于所述孪生仿真模型进行动态充放电的评估预测与均衡决策，确定均衡策略，其中，所述均衡策略标识有策略均衡能效；将所述均衡策略反馈至均衡器，执行电池组的单体充放电的均衡调控，基于预定时间间隔定点回传均衡响应数据；判定所述均衡响应数据是否符合所述策略均衡能效，若不满足，进行均衡偏差示警。
第二方面，本申请提供了应用数字孪生技术的电池组均衡管理系统，所述系统包括：仿真模型搭建模块，所述仿真模型搭建模块用于交互电池组的基础配置信息，搭建孪生仿真模型，其中，所述孪生仿真模型具有场景切换功能；趋势预测模块，所述趋势预测模块用于结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，确定单体特性趋势；约束基线配置模块，所述约束基线配置模块是基于所述单体特性趋势，配置所述电池组的单体约束基线，其中，所述单体约束基线包括涓流充放基线与过充放约束基线；均衡策略确定模块，所述均衡策略确定模块用于读取所述电池组的实时充放电数据，结合所述单体约束基线，基于所述孪生仿真模型进行动态充放电的评估预测与均衡决策，确定均衡策略，其中，所述均衡策略标识有策略均衡能效；响应数据回传模块，所述响应数据回传模块用于将所述均衡策略反馈至均衡器，执行电池组的单体充放电的均衡调控，基于预定时间间隔定点回传均衡响应数据；偏差示警模块，所述偏差示警模块用于判定所述均衡响应数据是否符合所述策略均衡能效，若不满足，进行均衡偏差示警。
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：
本申请提供了应用数字孪生技术的电池组均衡管理方法，涉及均衡管理技术领域，所述方法包括：搭建孪生仿真模型，然后结合状态评定模型，对单体差异状态评定与劣化趋势预测，配置电池组的单体约束基线，读取实时充放电数据结合单体约束基线确定均衡策略，然后执行单体充放电的均衡调控，判定是否符合策略均衡能效并进行均衡偏差示警。
本申请主要解决了现有方法对电池状态的预测精度较差，特别是在电池老化、容量衰减等方面的预测精度较低，无法实时监测电池组的充放电状态，导致无法及时发现和解决潜在问题。通过交互电池组的基础配置信息，搭建孪生仿真模型，进行单体差异状态评定与劣化趋势预测，提高了电池组的使用性能，提高了能源利用率。
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。
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为本申请实施例提供了应用数字孪生技术的电池组均衡管理方法流程示意图；
图2为本申请实施例提供了应用数字孪生技术的电池组均衡管理方法中确定单体特性趋势的方法流程示意图；
图3为本申请实施例提供了应用数字孪生技术的电池组均衡管理方法中进行策略迭代调优与运行校验的方法流程示意图；
图4为本申请实施例提供了应用数字孪生技术的电池组均衡管理系统的结构示意图。
附图标记说明：仿真模型搭建模块10，趋势预测模块20，约束基线配置模块30，均衡策略确定模块40，响应数据回传模块50，偏差示警模块60。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请主要解决了现有方法对电池状态的预测精度较差，特别是在电池老化、容量衰减等方面的预测精度较低，无法实时监测电池组的充放电状态，导致无法及时发现和解决潜在问题。通过交互电池组的基础配置信息，搭建孪生仿真模型，进行单体差异状态评定与劣化趋势预测，提高了电池组的使用性能，提高了能源利用率。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍：
实施例一
如图1所示应用数字孪生技术的电池组均衡管理方法，所述方法包括：
交互电池组的基础配置信息，搭建孪生仿真模型，其中，所述孪生仿真模型具有场景切换功能；
具体而言，首先，收集电池组的基础配置信息，包括电池的数量、型号、规格、性能参数等。通过阅读产品说明书、查阅技术文档或直接测量电池组获取这些配置信息。根据收集到的电池组基础配置信息，建立数字孪生模型的框架。并建立电池之间的连接关系。采用三维建模软件，如SolidWorks、Autodesk Inventor或Fusion 360等，根据收集到的电池组基础配置信息，创建一个三维模型。在这个模型中，每个电池可以被表示为一个独立的对象，并具有相应的属性和特征。例如，可以给每个电池添加以下属性和特征：根据电池的实际尺寸和形状，为其添加相应的几何特征。为电池添加相应的材料属性，如电导率、密度、热导率等。在模型中建立电池之间的连接关系，表示它们是如何相互连接的。通过实时监测或者历史数据获得电池组的运行数据作为数字孪生模型中的数据，例如，可以测量每个电池的电压、电流和SOC值，并将这些数据输入到数字孪生模型中。设计一个场景切换功能。这个功能可以根据实际需求，将模型切换到不同的场景模式。例如，可以设置正常模式、故障模式、维护模式等，以便于对电池组进行不同的仿真和分析。
结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，确定单体特性趋势；
具体而言，通过实时监测系统获得电池组中每个单体的运行数据，包括电压、电流、SOC、温度等。利用状态评定模型，对每个单体的状态进行评定。状态评定可以采用各种算法和模型，例如基于规则的专家系统、机器学习算法等。通过分析单体的运行数据，可以评估出每个单体的健康状态、性能表现等方面的差异。基于状态评定结果，可以采用适当的预测模型对电池组的劣化趋势进行预测。预测模型可以采用时间序列分析、回归分析、机器学习等方法。通过对历史数据的分析，可以找出电池劣化的规律和趋势，从而预测未来电池的性能表现和寿命。根据单体差异状态评定和劣化趋势预测的结果，可以对每个单体的特性趋势进行分析和确定。例如，可以分析每个单体的电压、电流、SOC等参数的变化趋势，以及这些参数与电池寿命之间的关系。通过这些分析，可以进一步了解电池组中每个单体的性能表现和劣化程度，为后续的维护和管理提供依据。
基于所述单体特性趋势，配置所述电池组的单体约束基线，其中，所述单体约束基线包括涓流充放基线与过充放约束基线；
具体而言，涓流充放基线：涓流充放基线是指电池在充电或放电过程中，电流非常小的一个阶段。在这个阶段，电池主要进行的是恢复活性物质、改善电解质组成等，以增强电池的容量和性能。基于单体特性趋势，如果某些单体电池的性能较差或存在潜在的故障，涓流充放基线的配置应当针对这些特定单体，以确保它们能够得到适当的恢复和调整。过充放约束基线：过充放约束基线是为了防止电池过充电或过放电而设定的一个安全阈值。当电池的电压或电量超过这个阈值时，应当采取相应的保护措施。基于单体特性趋势，对于那些性能较差或存在潜在故障的单体电池，过充放约束基线应当设定得更为保守，以确保这些单体的安全。
读取所述电池组的实时充放电数据，结合所述单体约束基线，基于所述孪生仿真模型进行动态充放电的评估预测与均衡决策，确定均衡策略，其中，所述均衡策略标识有策略均衡能效；
具体而言，通过电池管理系统(BMS)或其他监测设备获得电池组的实时充放电数据。数据应包括每个单体的电压、电流、SOC等参数，以及充放电的时间和状态等信息。分析收集到的实时充放电数据，了解每个单体的特性趋势。可以绘制单体的电压、电流、SOC等参数随时间变化的曲线，观察其变化趋势和规律。根据单体特性分析结果，配置涓流充放基线。这个基线可以是一个阈值或者范围，用于规定在特定条件下，单体电池的最小和最大充放电电流。例如，可以设定在10％SOC以下的涓流充放电电流限制为2A。根据单体特性分析结果，配置过充放约束基线。这个基线可以是一个阈值或者范围，用于规定在特定条件下，单体电池的最大和最小允许电压或SOC。例如，可以设定单体电池的电压上限为4.2V，下限为2.8V。基于配置的单体约束基线，进行动态充放电的评估预测与均衡决策。均衡策略是使电池组中的单体电池达到均衡状态，避免出现过充放、性能差异等问题。均衡策略可以采用各种算法和策略，例如基于规则的决策、优化算法等。在均衡策略确定过程中，需要考虑均衡策略的能效，即均衡过程中消耗的能量和时间等资源。
定位基于所述时区趋变状态的劣化因素，对所述时区趋势曲线进行预测扩展，确定趋势预测曲线；
具体而言，根据电池组的充放电数据和状态评定模型，确定各个时区的电池状态变化趋势，包括正常状态、趋变状态和劣化状态等。根据确定的时区趋变状态，分析影响电池组性能的劣化因素，如过充电、过放电、高温工作等。基于定位的劣化因素和时区趋变状态，利用数字孪生技术对电池组的性能、状态和行为进行仿真和预测，生成时区趋势曲线。根据预测扩展的时区趋势曲线，确定电池组的性能、状态和行为的未来发展趋势，形成趋势预测曲线。
判定所述均衡响应数据是否符合所述策略均衡能效，若不满足，进行均衡偏差示警。
具体而言，收集电池组的均衡响应数据，包括均衡效率、能量损耗、均衡时间等参数。根据电池组的特点和应用需求，设定策略均衡能效的标准。标准可以包括均衡效率的最小值、能量损耗的最大值、均衡时间的合理范围等。将收集到的均衡响应数据与设定的策略均衡能效标准进行对比。分析数据是否满足标准要求，判断电池组的均衡性能是否达到预期目标。如果均衡响应数据不符合策略均衡能效标准，判定存在均衡偏差。计算均衡偏差的大小，了解偏差的程度和影响。当判定存在均衡偏差时，进行相应的示警处理。可以通过声光电等多种方式发出警告，通知相关人员或系统注意电池组的均衡问题。同时，可以记录偏差数据，生成报告，以供后续分析和改进。
进一步而言，本申请方法，交互电池组的基础配置信息，搭建孪生仿真模型，包括：
读取所述基础配置信息，连接可视化仿真平台搭建数字虚体模型集，其中，所述基础配置信息基于电池组构件配置与场景构件配置确定；
读取电池组应用场景，遍历所述数字虚体模型集匹配，确定备用虚体模型；
组合所述备用虚体模型并进行场景化管理，确定所述孪生仿真模型。
具体而言，首先，从数据库中读取电池组的基础配置信息。这些信息包括电池单体的类型、规格、连接方式等。例如，可以读取到单体电池的尺寸、额定电压、容量、内阻等参数。使用API或插件将读取的基础配置信息连接到可视化仿真平台。这个平台可以是一个专门用于电池仿真的软件，如Simulink、MATLAB等。根据基础配置信息，在可视化仿真平台上创建数字虚体模型集。这可以通过搭建模块、设置参数和连接各个模块来实现。例如，可以创建代表不同单体电池的模块，并为每个模块设置相应的参数，如电压、容量、内阻等。从应用系统中读取电池组在实际使用中的数据，如工作电流、温度、SOC等。这些数据用于后续的匹配和模型选择。遍历数字虚体模型集，对比每个模型的特性与实际应用场景的参数。如果找到匹配的模型，则使用该模型进行后续仿真；如果没有匹配的模型，则选择一个备用模型。例如，如果实际应用场景中的电池组工作在低温环境下，但没有低温条件下的数字虚体模型，可以选择一个相近温度下的模型作为备用。将选定的备用虚体模型与现有数字虚体模型集进行组合，并按照实际应用场景进行布局和配置。包括调整模型的参数或连接方式，以更好地模拟实际工作状态。基于组合后的数字虚体模型集和场景化管理方式，可以确定最终的孪生仿真模型。这个模型将用于后续的电池性能预测和均衡决策。
进一步而言，如图2所示，本申请方法，结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，包括：
读取所述电池组的初始单体差异状态与实时单体差异状态，映射求差确定时区趋变状态；
结合所述状态评定模型，基于所述时区趋变状态分析确定时区趋势曲线；
定位基于所述时区趋变状态的劣化因素，对所述时区趋势曲线进行预测扩展，确定趋势预测曲线；
识别所述趋势预测曲线，确定所述单体特性趋势。
具体而言，从电池管理系统中读取电池组中各个单体的初始差异状态数据。这些数据包括单体电池的电压、电流、SOC、健康状况等参数的初始值和分布情况。实时获取电池组中各个单体的实时差异状态数据。通过电池管理系统或其他监测设备实现，包括单体电池的实时电压、电流、SOC等参数的测量和记录。将初始单体差异状态与实时单体差异状态进行映射关联，并计算两者之间的差异值。这个差异值可以反映电池组在一段时间内的状态变化情况，即为时区趋变状态。根据电池组的特性、使用条件和性能要求，建立一个状态评定模型。这个模型可以根据历史数据和经验，对电池组的当前状态进行评估和预测。利用状态评定模型，基于时区趋变状态数据进行分析。根据各个单体的参数变化和差异情况，确定电池组的整体趋势和未来发展方向。根据分析结果，绘制电池组的时区趋势曲线。这个曲线可以直观地展示电池组的状态变化趋势和未来发展态势。根据时区趋变状态的变化情况，识别可能导致电池组劣化的因素。这些因素可能包括单体电池的电压失衡、电流过大、SOC异常等。基于识别的劣化因素和时区趋势曲线，预测电池组未来的发展趋势和性能表现。根据预测结果，绘制电池组的趋势预测曲线。对趋势预测曲线进行分析，了解电池组在未来一段时间内的性能表现和潜在问题。根据趋势预测曲线的变化趋势和规律，分析各个单体的特性参数和发展趋势。通过比较不同单体的特性参数和行为模式，可以深入了解各个单体的特性和表现。
进一步而言，本申请方法，进行动态充放电的评估预测与均衡决策，包括：
识别所述实时充放电数据，确定实时运行特征，对所述孪生仿真模型进行场景调试；
基于所述实时充放电数据，进行单体荷电程度计算，其中，所述单体荷电程度基于各电池单体的额定容量与实际容量比值确定；
读取均衡精度要求，结合所述单体约束基线，基于场景调试后的所述孪生仿真模型进行动态充放电评估与均衡决策，确定所述均衡策略。
具体而言，从电池管理系统或相关监测设备中获取电池组的实时充放电数据。这些数据包括电流、电压、SOC等参数的实时测量值。根据识别的实时充放电数据，分析电池组的实时运行特征。这些特征可能包括充放电模式、电流电压波动情况、SOC变化趋势等。根据识别的实时运行特征，对之前的孪生仿真模型进行相应的调整和优化。包括模型的参数调整、模块配置或连接方式的修改等，以使模型更好地模拟实际运行情况。根据实时充放电数据，计算各电池单体的荷电程度。这可以通过比较各单体的额定容量与实际容量来实现。根据计算出的荷电程度，评估各单体电池的电量状态。荷电程度可以反映电池的剩余电量和可用容量，从电池管理系统或其他配置文件中读取均衡精度要求。这些要求可能包括均衡效率、能量损耗、均衡时间等方面的标准或阈值。根据电池组的特点和使用条件，设定单体电池的约束基线。这些基线可以包括电压范围、电流限制、SOC阈值等，以确保电池的安全和稳定运行。基于场景调试后的孪生仿真模型，模拟电池组的动态充放电过程，并进行实时评估。根据评估结果和均衡精度要求，制定相应的均衡策略。根据动态充放电评估与均衡决策的结果，确定最终的均衡策略。这个策略应包括均衡目标、方法、参数等方面的内容，用于指导后续的均衡操作和管理。
进一步而言，如图3所示，本申请方法，基于场景调试后的所述孪生仿真模型进行动态充放电评估与均衡决策之后，包括：
进行均衡决策确定初始均衡策略，于所述孪生仿真模型进行运行校验，确定初始策略均衡能效；
判定所述初始策略均衡能效是否满足所述均衡精度要求，若不满足，生成策略调整指令；
基于所述策略调整指令，计量能效差量并进行所述初始均衡策略的调优与运行校验；
进行策略迭代调优与运行校验，直至满足所述均衡精度要求，确定所述均衡策略，将运行校验结果作为所述策略均衡能效。
具体而言，根据分析结果和均衡要求，制定一个初始的均衡策略。这个策略应包括均衡的目标、方法、参数等方面的内容。将确定的初始均衡策略应用到孪生仿真模型中进行运行校验。通过模拟电池组的实际运行情况，评估初始均衡策略的可行性和有效性。根据运行校验的结果，评估初始均衡策略的能效表现。这个评估可以包括均衡效率、能量损耗、均衡时间等方面的内容。比较初始策略均衡能效与设定的均衡精度要求，判断是否满足要求。如果满足要求，则可以确定初始均衡策略为可行的，如果不满足要求，则需要进一步调整和优化均衡策略。如果初始策略均衡能效不满足均衡精度要求，则生成相应的策略调整指令。这些指令可以包括调整均衡目标、优化参数设置、改变均衡方法等方面的内容。根据均衡精度要求和当前初始策略的能效表现，计算能效差量。这个差量可以反映需要改进和优化的空间。根据策略调整指令和能效差量，对初始均衡策略进行调整和优化。包括调整参数、改进方法或优化配置等方面的内容。将调整后的初始均衡策略再次应用到孪生仿真模型中进行运行校验。通过模拟电池组的实际运行情况，进一步评估和验证调整后的均衡策略的有效性。根据运行校验的结果，不断对均衡策略进行调整和优化，并进行再次的运行校验。这个过程是一个迭代的过程，直到满足均衡精度要求为止。比较最终的策略均衡能效与设定的均衡精度要求，判断是否满足要求。如果满足要求，则可以确定最终的均衡策略为可行的，如果不满足要求，则需要继续迭代调优和运行校验。如果最终的策略均衡能效满足均衡精度要求，则可以确定该策略为最终的均衡策略。这个策略应包括满足要求的均衡目标、方法、参数等方面的内容。
进一步而言，本申请方法，所述策略均衡能效标识有策略宽容区间，所述进行均衡偏差示警之后，包括：
映射校对所述均衡响应数据与所述策略均衡能效，筛选不满足所述策略宽容区间的电池单体并标识单体偏差度；
对所述电池单体进行均衡偏差溯源，确定偏离诱因；
结合所述孪生仿真模型，以所述单体偏差度为调控目标，以所述偏离诱因为影响因素，对所述均衡策略进行反馈调整，确定补偿均衡策略并反馈至所述均衡器。
具体而言，将实际均衡响应数据与策略均衡能效进行对比和映射校对。这可以通过数据分析和处理技术实现，比较两者的差异和一致性。根据均衡精度要求和均衡策略，设定一个策略宽容区间。这个区间可以用来判断电池单体的均衡效果是否满足策略要求。通过映射校对，筛选出那些实际均衡响应数据不满足策略宽容区间的电池单体。这些单体可能存在偏差或需要进一步调整和优化。对筛选出的电池单体，根据其均衡效果与策略要求之间的差异，计算并标识单体偏差度。这个偏差度可以反映每个电池单体的均衡效果与期望之间的差距。针对筛选出的不满足策略宽容区间的电池单体，进行均衡偏差溯源分析。可以使用历史数据回溯、运行状态监测、异常检测等方面的技术进行分析。通过溯源分析，识别导致均衡偏差的潜在原因或影响因素，即偏离诱因。这些诱因可能包括电池老化、容量衰减、充电历史、使用环境等方面的因素。利用之前建立的孪生仿真模型，模拟电池组的运行情况和均衡效果。通过仿真结果，评估和预测电池单体的性能表现和潜在问题。将单体偏差度作为调控目标，利用仿真模型进行模拟和优化。这可以通过调整模型参数、改变均衡方法或优化配置来实现。将偏离诱因作为重要的影响因素，纳入调控目标的考虑中。通过对诱因的分析和识别，制定相应的补偿措施和调整策略。根据调控目标和影响因素的分析结果，对初始均衡策略进行反馈调整。这可能包括调整均衡目标、优化参数设置、改变均衡方法等方面的内容。基于反馈调整的结果，确定最终的补偿均衡策略。这个策略应能够补偿电池单体的偏差度，提高电池组的整体性能和稳定性。将确定的补偿均衡策略反馈至均衡器中实施。通过调整均衡器的控制参数或配置，使其实施补偿均衡策略，并对电池单体进行相应的均衡操作。
进一步而言，本申请方法包括：
结合所述基础配置信息，进行工业大数据检索，确定不可逆效应，其中，所述不可逆效应存在映射的指标阈值；
针对所述不可逆效应，基于所述指标阈值生成优先控制规则；
当触发所述优先控制规则，生成异常示警指令。
具体而言，使用关键词、标签或预设的查询条件，在工业大数据平台中进行检索。对检索到的数据进行筛选、清洗和分析，以识别与不可逆效应相关的数据。对检索到的数据进行深入分析，识别出可能导致电池性能下降或损坏的不可逆效应。这些不可逆效应可能与过充电、过放电、高温工作等劣化因素有关。对于每种确定的不可逆效应，都有与之相关的指标阈值。当电池组的这些指标超过或低于这些阈值时，就可能发生不可逆效应。根据历史数据和实验结果，为每种不可逆效应设定相应的指标阈值。这些阈值可以是电压、电流、SOC、温度等的范围。根据不可逆效应的严重性和紧急性，为每种不可逆效应设定优先级。对于高优先级的不可逆效应，生成相应的控制规则，如调整充放电策略、降低工作温度等。当电池组的实时数据触发相应的优先控制规则时，系统自动生成异常示警指令。这些指令可以通过声音、灯光、短信等方式通知相关人员，或直接由系统自动处理。例如，当电池组的温度超过设定的阈值，且持续时间超过一定时间时，系统自动触发一个优先级高的控制规则，调整冷却系统的运行状态，降低电池组的工作温度。如果温度继续升高且超过另一个更高的阈值，系统自动生成异常示警指令，通知维护人员进行紧急处理。
实施例二
基于与前述实施例应用数字孪生技术的电池组均衡管理方法相同的发明构思，如图4所示，本申请提供了应用数字孪生技术的电池组均衡管理系统，所述系统包括：
仿真模型搭建模块10，所述仿真模型搭建模块10用于交互电池组的基础配置信息，搭建孪生仿真模型，其中，所述孪生仿真模型具有场景切换功能；
趋势预测模块20，所述趋势预测模块20用于结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，确定单体特性趋势；
约束基线配置模块30，所述约束基线配置模块30是基于所述单体特性趋势，配置所述电池组的单体约束基线，其中，所述单体约束基线包括涓流充放基线与过充放约束基线；
均衡策略确定模块40，所述均衡策略确定模块40用于读取所述电池组的实时充放电数据，结合所述单体约束基线，基于所述孪生仿真模型进行动态充放电的评估预测与均衡决策，确定均衡策略，其中，所述均衡策略标识有策略均衡能效；
响应数据回传模块50，所述响应数据回传模块50用于将所述均衡策略反馈至均衡器，执行电池组的单体充放电的均衡调控，基于预定时间间隔定点回传均衡响应数据；
偏差示警模块60，所述偏差示警模块60用于判定所述均衡响应数据是否符合所述策略均衡能效，若不满足，进行均衡偏差示警。
进一步，该系统还包括：
场景化管理模块，用于读取所述基础配置信息，连接可视化仿真平台搭建数字虚体模型集，其中，所述基础配置信息基于电池组构件配置与场景构件配置确定；读取电池组应用场景，遍历所述数字虚体模型集匹配，确定备用虚体模型；组合所述备用虚体模型并进行场景化管理，确定所述孪生仿真模型。
进一步，该系统还包括：
单体特性趋势确定模块，用于读取所述电池组的初始单体差异状态与实时单体差异状态，映射求差确定时区趋变状态；结合所述状态评定模型，基于所述时区趋变状态分析确定时区趋势曲线；定位基于所述时区趋变状态的劣化因素，对所述时区趋势曲线进行预测扩展，确定趋势预测曲线；识别所述趋势预测曲线，确定所述单体特性趋势。
进一步，该系统还包括：
均衡策略确定模块，用于识别所述实时充放电数据，确定实时运行特征，对所述孪生仿真模型进行场景调试；基于所述实时充放电数据，进行单体荷电程度计算，其中，所述单体荷电程度基于各电池单体的额定容量与实际容量比值确定；读取均衡精度要求，结合所述单体约束基线，基于场景调试后的所述孪生仿真模型进行动态充放电评估与均衡决策，确定所述均衡策略。
进一步，该系统还包括：
策略均衡能效获取模块，用于进行均衡决策确定初始均衡策略，于所述孪生仿真模型进行运行校验，确定初始策略均衡能效；判定所述初始策略均衡能效是否满足所述均衡精度要求，若不满足，生成策略调整指令；基于所述策略调整指令，计量能效差量并进行所述初始均衡策略的调优与运行校验；进行策略迭代调优与运行校验，直至满足所述均衡精度要求，确定所述均衡策略，将运行校验结果作为所述策略均衡能效。
进一步，该系统还包括：
反馈调整模块，用于映射校对所述均衡响应数据与所述策略均衡能效，筛选不满足所述策略宽容区间的电池单体并标识单体偏差度；对所述电池单体进行均衡偏差溯源，确定偏离诱因；结合所述孪生仿真模型，以所述单体偏差度为调控目标，以所述偏离诱因为影响因素，对所述均衡策略进行反馈调整，确定补偿均衡策略并反馈至所述均衡器。
进一步，该系统还包括：
异常示警指令生成模块，用于结合所述基础配置信息，进行工业大数据检索，确定不可逆效应，其中，所述不可逆效应存在映射的指标阈值；针对所述不可逆效应，基于所述指标阈值生成优先控制规则；当触发所述优先控制规则，生成异常示警指令。
说明书通过前述应用数字孪生技术的电池组均衡管理方法的详细描述，本领域技术人员可以清楚地知识本实施例中应用数字孪生技术的电池组均衡管理系统，对于实施例公开的系统而言，由于其与实施例公开方法相对应，所以描述得比较简单，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，在其他实施例中实现。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。
Claims (8)
1.应用数字孪生技术的电池组均衡管理方法，其特征在于，所述方法包括：
交互电池组的基础配置信息，搭建孪生仿真模型，其中，所述孪生仿真模型具有场景切换功能；
结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，确定单体特性趋势；
基于所述单体特性趋势，配置所述电池组的单体约束基线，其中，所述单体约束基线包括涓流充放基线与过充放约束基线；
读取所述电池组的实时充放电数据，结合所述单体约束基线，基于所述孪生仿真模型进行动态充放电的评估预测与均衡决策，确定均衡策略，其中，所述均衡策略标识有策略均衡能效；
将所述均衡策略反馈至均衡器，执行电池组的单体充放电的均衡调控，基于预定时间间隔定点回传均衡响应数据；
判定所述均衡响应数据是否符合所述策略均衡能效，若不满足，进行均衡偏差示警。
2.如权利要求1所述的方法，其特征在于，交互电池组的基础配置信息，搭建孪生仿真模型，包括：
读取所述基础配置信息，连接可视化仿真平台搭建数字虚体模型集，其中，所述基础配置信息基于电池组构件配置与场景构件配置确定；
读取电池组应用场景，遍历所述数字虚体模型集匹配，确定备用虚体模型；
组合所述备用虚体模型并进行场景化管理，确定所述孪生仿真模型。
3.如权利要求1所述的方法，其特征在于，结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，包括：
读取所述电池组的初始单体差异状态与实时单体差异状态，映射求差确定时区趋变状态；
结合所述状态评定模型，基于所述时区趋变状态分析确定时区趋势曲线；
定位基于所述时区趋变状态的劣化因素，对所述时区趋势曲线进行预测扩展，确定趋势预测曲线；
识别所述趋势预测曲线，确定所述单体特性趋势。
4.如权利要求1所述的方法，其特征在于，进行动态充放电的评估预测与均衡决策，包括：
识别所述实时充放电数据，确定实时运行特征，对所述孪生仿真模型进行场景调试；
基于所述实时充放电数据，进行单体荷电程度计算，其中，所述单体荷电程度基于各电池单体的额定容量与实际容量比值确定；
读取均衡精度要求，结合所述单体约束基线，基于场景调试后的所述孪生仿真模型进行动态充放电评估与均衡决策，确定所述均衡策略。
5.如权利要求4所述的方法，其特征在于，基于场景调试后的所述孪生仿真模型进行动态充放电评估与均衡决策之后，包括：
进行均衡决策确定初始均衡策略，于所述孪生仿真模型进行运行校验，确定初始策略均衡能效；
判定所述初始策略均衡能效是否满足所述均衡精度要求，若不满足，生成策略调整指令；
基于所述策略调整指令，计量能效差量并进行所述初始均衡策略的调优与运行校验；
进行策略迭代调优与运行校验，直至满足所述均衡精度要求，确定所述均衡策略，将运行校验结果作为所述策略均衡能效。
6.如权利要求1所述的方法，其特征在于，所述策略均衡能效标识有策略宽容区间，所述进行均衡偏差示警之后，包括：
映射校对所述均衡响应数据与所述策略均衡能效，筛选不满足所述策略宽容区间的电池单体并标识单体偏差度；
对所述电池单体进行均衡偏差溯源，确定偏离诱因；
结合所述孪生仿真模型，以所述单体偏差度为调控目标，以所述偏离诱因为影响因素，对所述均衡策略进行反馈调整，确定补偿均衡策略并反馈至所述均衡器。
7.如权利要求1所述的方法，其特征在于，包括：
结合所述基础配置信息，进行工业大数据检索，确定不可逆效应，其中，所述不可逆效应存在映射的指标阈值；
针对所述不可逆效应，基于所述指标阈值生成优先控制规则；
当触发所述优先控制规则，生成异常示警指令。
8.应用数字孪生技术的电池组均衡管理系统，其特征在于，所述系统包括：
仿真模型搭建模块，所述仿真模型搭建模块用于交互电池组的基础配置信息，搭建孪生仿真模型，其中，所述孪生仿真模型具有场景切换功能；
趋势预测模块，所述趋势预测模块用于结合状态评定模型，对所述电池组进行单体差异状态评定与劣化趋势预测，确定单体特性趋势；
约束基线配置模块，所述约束基线配置模块是基于所述单体特性趋势，配置所述电池组的单体约束基线，其中，所述单体约束基线包括涓流充放基线与过充放约束基线；
均衡策略确定模块，所述均衡策略确定模块用于读取所述电池组的实时充放电数据，结合所述单体约束基线，基于所述孪生仿真模型进行动态充放电的评估预测与均衡决策，确定均衡策略，其中，所述均衡策略标识有策略均衡能效；
响应数据回传模块，所述响应数据回传模块用于将所述均衡策略反馈至均衡器，执行电池组的单体充放电的均衡调控，基于预定时间间隔定点回传均衡响应数据；
偏差示警模块，所述偏差示警模块用于判定所述均衡响应数据是否符合所述策略均衡能效，若不满足，进行均衡偏差示警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410240949.2A CN118214109A (zh) | 2024-03-04 | 2024-03-04 | 应用数字孪生技术的电池组均衡管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410240949.2A CN118214109A (zh) | 2024-03-04 | 2024-03-04 | 应用数字孪生技术的电池组均衡管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118214109A true CN118214109A (zh) | 2024-06-18 |
Family
ID=91446845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410240949.2A Pending CN118214109A (zh) | 2024-03-04 | 2024-03-04 | 应用数字孪生技术的电池组均衡管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118214109A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118367665A (zh) * | 2024-06-20 | 2024-07-19 | 深圳市百千成电子有限公司 | 基于主动均衡电池管理系统的储能方法 |
-
2024
- 2024-03-04 CN CN202410240949.2A patent/CN118214109A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118367665A (zh) * | 2024-06-20 | 2024-07-19 | 深圳市百千成电子有限公司 | 基于主动均衡电池管理系统的储能方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116775408B (zh) | 一种储能设备运行状态的智能监测方法 | |
| US20170139014A1 (en) | Energy storage battery, energy storage-battery monitoring method and monitoring controller | |
| CN107329088B (zh) | 电池的健康状态诊断装置和方法 | |
| CA2786067C (en) | Battery adaptive learning management system | |
| US11221367B2 (en) | Evaluation device, energy storage system, evaluation method and non-transitory computer readable medium | |
| CN101149422B (zh) | 电池寿命预测系统及方法、通讯终端装置、电池寿命预测装置 | |
| CN118214109A (zh) | 应用数字孪生技术的电池组均衡管理方法 | |
| CN111812536A (zh) | 一种退役动力电池残值快速评估方法 | |
| Qiu et al. | Fault diagnosis for lithium-ion battery energy storage systems based on local outlier factor | |
| WO2024146353A1 (zh) | 一种电池储能电站的主动安全三级防控系统及方法 | |
| Su et al. | An adaptive boosting charging strategy optimization based on thermoelectric-aging model, surrogates and multi-objective optimization | |
| US11635467B2 (en) | Evaluation device, computer program, and evaluation method | |
| Zhang et al. | An application‐oriented multistate estimation framework of lithium‐ion battery used in electric vehicles | |
| CN117394412A (zh) | 一种电网储能系统的调度控制系统及方法 | |
| CN115329703B (zh) | 基于车载超级电容热的管理系统 | |
| Shang et al. | Research progress in fault detection of battery systems: A review | |
| KR20220169433A (ko) | 이차전지 저전압 불량 예측 장치 및 방법, 상기 장치를 포함하는 전지 제어 시스템 | |
| JP2024500788A (ja) | 電池管理装置および方法 | |
| CN116901707A (zh) | 一种动力电池组故障预警方法、系统及车辆 | |
| CN116720650A (zh) | 一种电池生命周期管理方法、装置、电子设备及存储介质 | |
| CN114994556A (zh) | 多尺度下电池簇的性能评估方法 | |
| KR20220165989A (ko) | 배터리 관리 시스템의 신뢰성을 검사하기 위한 방법 | |
| Song et al. | Model-free quantitative diagnosis of internal short circuit for lithium-ion battery packs under diverse operating conditions | |
| CN115608653A (zh) | 电池系统中异常电池单元筛选的方法及筛选装置 | |
| KR102688743B1 (ko) | 분산 배터리의 soh에 기초하여 이상을 탐지하는 방법 |
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 |