CN118336875B - 一种调节锂电池的充放电安全保护优化方法及系统 - Google Patents
一种调节锂电池的充放电安全保护优化方法及系统 Download PDFInfo
- Publication number
- CN118336875B CN118336875B CN202410750753.8A CN202410750753A CN118336875B CN 118336875 B CN118336875 B CN 118336875B CN 202410750753 A CN202410750753 A CN 202410750753A CN 118336875 B CN118336875 B CN 118336875B
- Authority
- CN
- China
- Prior art keywords
- voltage
- discharge
- inertia
- lithium battery
- overshoot
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 206
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 206
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 239000000126 substance Substances 0.000 claims abstract description 85
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 230000006978 adaptation Effects 0.000 claims abstract description 23
- 230000001105 regulatory effect Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 122
- 230000008859 change Effects 0.000 claims description 88
- 238000007599 discharging Methods 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种调节锂电池的充放电安全保护优化方法及系统，涉及电池技术领域，通过分析获得锂电池的化学性质特征进行电压分析和优化调节，获得最优过冲保护电压和最优过放保护电压；基于最优过冲保护电压和最优过放保护电压，生成锂电池的充放电安全保护方案，进行充放电保护。解决了现有技术存在无法根据锂电池的实际使用情况进行充放电安全保护策略的动态调整，导致锂电池充放电保护措施不能精确匹配电池的实际需求，影响锂电池使用安全和使用寿命的技术问题。达到了提高锂电池充放电保护方案和电池使用动态的适配度，保障锂电池在充放电使用过程中的安全性以及避免充放电保护不当对锂电池使用寿命造成影响的技术效果。
Description
技术领域
本发明涉及电池技术领域，具体涉及一种调节锂电池的充放电安全保护优化方法及系统。
背景技术
现有技术在锂电池的充放电保护方面存在一定的局限性。例如，传统的保护电路可能仅提供了固定阈值的过充和过放保护，而没有考虑到锂电池在不同使用场景下，如高负荷工作、快速充放电环境下，其内部化学反应和物理状态的变化。
这可能导致在某些情况下，电池的实际需求没有得到及时响应，比如在需要快速充电时，保护电路却因为预设的安全阈值而限制了充电电流，不仅延缓了充电过程，还可能因为频繁的充放电循环而加速电池老化。
因此，现有技术无法动态调整保护策略以适应锂电池的实际使用情况，这不仅影响了用户的使用体验，也降低了电池的安全性能和使用寿命。
发明内容
本申请提供了一种调节锂电池的充放电安全保护优化方法及系统，用于针对解决现有技术存在无法根据锂电池的实际使用情况进行充放电安全保护策略的动态调整，导致锂电池充放电保护措施不能精确匹配电池的实际需求，影响锂电池使用安全和使用寿命的技术问题。
鉴于上述问题，本申请提供了一种调节锂电池的充放电安全保护优化方法及系统。
本申请的第一个方面，提供了一种调节锂电池的充放电安全保护优化方法，所述方法包括：采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合；根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性；根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿；采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性；根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压；基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护。
本申请的第二个方面，提供了一种调节锂电池的充放电安全保护优化系统，所述系统包括：历史数据采集单元，用于采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合；特征数据分析单元，用于根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性；充电优化调节单元，用于根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿；电压变化分析单元，用于采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性；电压优化调节单元，用于根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压；保护方案输出单元，用于基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护。
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：
本申请实施例提供的方法通过采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合；根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性；根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿；采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性；根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压；基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护。达到了提高锂电池充放电保护方案和电池使用动态的适配度，保障锂电池在充放电使用过程中的安全性以及避免充放电保护不当对锂电池使用寿命造成影响的技术效果。
附图说明
图1为本申请提供的一种调节锂电池的充放电安全保护优化方法流程示意图；
图2为本申请提供的一种调节锂电池的充放电安全保护优化方法中进行化学性质变化分析的流程示意图；
图3为本申请提供的一种调节锂电池的充放电安全保护优化系统的结构示意图。
附图标记说明：历史数据采集单元1，特征数据分析单元2，充电优化调节单元3，电压变化分析单元4，电压优化调节单元5，保护方案输出单元6。
具体实施方式
本申请提供了一种调节锂电池的充放电安全保护优化方法及系统，用于针对解决现有技术存在无法根据锂电池的实际使用情况进行充放电安全保护策略的动态调整，导致锂电池充放电保护措施不能精确匹配电池的实际需求，影响锂电池使用安全和使用寿命的技术问题。达到了提高锂电池充放电保护方案和电池使用动态的适配度，保障锂电池在充放电使用过程中的安全性以及避免充放电保护不当对锂电池使用寿命造成影响的技术效果。
下面，将参考附图对本发明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，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例
如图1所示，本申请提供了一种调节锂电池的充放电安全保护优化方法，包括：
A100:采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合。
在一个实施例中，如图2所示，采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，本申请提供的方法步骤A100还包括：
A110:采集目标锂电池历史时间内进行充放电的全部完成电压，获得历史充电完成电压集合和历史放电完成电压集合，作为所述历史充放电数据。
A120:根据所述历史充放电数据，统计获得历史充放电次数。
A130:根据锂电池的使用数据记录，获取样本历史充放电数据集合和样本历史充放电次数集合，并标识获取样本化学性质特征数据集合。
A140:采用所述样本历史充放电数据集合、样本历史充放电次数集和样本化学性质特征数据集合，构建电池化学性质分析器，对所述历史充放电数据和历史充放电次数进行分析，获得所述化学性质特征数据。
具体而言，应理解的，完成电压为充电完成或放电完成时，目标锂电池的电压值，本实施例采集在过去某一段时间内，对目标锂电池进行充电和放电时，记录下的所有充电完成时的电压值和所有放电完成时的电压值，获得历史充电完成电压集合和历史放电完成电压集合，作为所述历史充放电数据。同时，应理解的，充电完成时的电压一般会较高，而放电完成时的电压则较低。
遍历历史充电完成电压集合，统计其中不同的充电事件数量，作为充电事件数量，遍历历史放电完成电压集合，统计其中不同的放电事件数量，作为放电事件数量，将充电事件数量和放电事件数量加和，统计获得历史充放电次数。
应理解的，锂电池循环使用充放电会导致锂电池的化学性质变化，基于此，本实施例基于目标锂电池的型号参数进行同型号锂电池的数据联网调用，获得所述使用数据记录，根据锂电池的使用数据记录，获取样本历史充放电数据集合和样本历史充放电次数集合，并标识获取样本化学性质特征数据集合，每组样本历史充放电数据-样本历史充放电次数对应于表征在该种锂电池充放电使用情况下，锂电池的化学性质特征实测信息。
基于反向传播神经网络构建所述电池化学性质分析器，所述电池化学性质分析器可以根据锂电池的历史充放电数据和历史充放电次数预测锂电池当前的化学性质状态。
本实施例将所述样本历史充放电数据集合、样本历史充放电次数集和样本化学性质特征数据集合拆分为多组样本历史充放电数据、样本历史充放电次数和样本化学性质特征数据。进而将该多组数据按照15:2:3的数据量标识划分为训练集、测试集和验证集。
进而采用反向传播神经网络的常规训练方法，采用训练集和测试集进行电池化学性质分析器的训练和测试，采用验证集进行电池化学性质分析器的电池化学性质预测精度的验证，直至电池化学性质分析器的预测精度稳定高于98%。
采用所述电池化学性质分析器，对所述历史充放电数据和历史充放电次数进行分析，获得所述化学性质特征数据。
本实施例实现了无需人工实测电池化学性质，快速预测获得高准度的目标锂电池化学性质特征数据，为后续进行充放电停止后电压变化的惯性以及电压检测的准确性分析提供参考数据的技术效果。
A200:根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性。
在一个实施例中，根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，本申请提供的方法步骤A200还包括：
A210:根据锂电池的充电电压检测数据记录，获取样本化学性质特征数据集合，根据不同样本化学性质特征数据的锂电池进行电压检测时的检测误差，获取样本检测准确性系数集合。
A220:根据不同样本化学性质特征数据的锂电池进行充放电时停止充放电后的电压惯性变化幅度，获取样本充电电压变化惯性集合和样本放电电压变化惯性集合。
A230:采用所述样本化学性质特征数据集合作为输入，分别采用所述样本检测准确性系数集合、样本充电电压变化惯性集合和样本放电电压变化惯性集合作为输出，构建检测准确性分析分支、充电惯性分析分支和放电惯性分析分支，获得电压变化特征分析器。
A240:基于所述电压变化特征分析器，对所述化学性质特征数据进行输入分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性。
具体而言，应理解的，循环使用充放电会导致锂电池的化学性质变化，进而锂电池化学性质的变化会影响充放电停止后电压变化的惯性以及电压检测的准确性。
基于此，本实施例根据锂电池的充电电压检测数据记录，获取目标锂电池同型号的多个样本锂电池基于实测获得的多个样本化学性质特征数据构成的样本化学性质特征数据集合，其中，每个样本化学性质特征数据的数据构成包括电极材料结构、电解质成分、固液界面和金属锂堆积量、热稳定性。
对前述多个样本锂电池进行电压检测，获得多个样本检查电压值，将多个样本锂电池投入生产使用，获得在生产环境下的多个样本真实电压值，进而计算获得多个样本检测电压值和多个样本真实电压值的电压误差，作为多个样本检测误差，所述多个样本检测误差构成所述样本检测准确性系数集合。
电压误差的计算方法为将样本检测电压值和样本真实电压值的电压差绝对值作为分子，将样本真实电压值作为分母计算获得的百分比数据。
应理解的，电压变化惯性是指电压在充电或放电停止后的变化幅度，本实施例对多个样本锂电池进行充放电时停止充放电后的电压惯性变化幅度检测记录，获得多个样本锂电池的多个样本充电电压变化惯性和多个样本放电电压变化惯性，所述多个样本充电电压变化惯性构成所述样本充电电压变化惯性集合，所述多个样本放电电压变化惯性构成所述样本放电电压变化惯性集合。
示例性的，某个样本充电电压变化惯性为充电至保护电压停止充电后，电压继续上升的幅度为0.1V。
预构建电压变化特征分析器，所述电压变化特征分析器包括并列设置的检测准确性分析分支、充电惯性分析分支和放电惯性分析分支，检测准确性分析分支用于评价不特定化学特征性质的锂电池的电压检测误差程度，充电惯性分析分支用于预测不特定化学特征性质的锂电池的充电电压变化惯性，放电惯性分析分支用于预测不特定化学性质的锂电池的放电电压变化惯性。
基于检测准确性分析分支、充电惯性分析分支和放电惯性分析分支构建过程的雷同性，本实施例以检测准确性分析分支构建过程为例，进行检测准确性分析分支、充电惯性分析分支和放电惯性分析分支构建方法的详细阐述。
基于多个样本锂电池将所述样本化学性质特征数据集合和所述样本检测准确性系数集合拆分为多组样本化学性质特征数据-样本检测准确性系数。
基于反向传播神经网络构建所述检测准确性分析分支，并将多组样本化学性质特征数据-样本检测准确性系数按照15:3:2的数据量标识划分为训练集、测试集和验证集，进而采用前文训练所述电池化学性质分析器相同方法，进行所述检测准确性分析分支的训练，获得可基于锂电池的化学性质特征进行锂电池的电压检测准确性预测的检测准确性分析分支。
以此类推，用所述样本化学性质特征数据集合作为输入，分别采用所述样本检测准确性系数集合、样本充电电压变化惯性集合和样本放电电压变化惯性集合作为输出，构建检测准确性分析分支、充电惯性分析分支和放电惯性分析分支，获得电压变化特征分析器。
采用所述电压变化特征分析器的检测准确性分析分支、充电惯性分析分支和放电惯性分析分支分别以所述化学性质特征数据作为输入分析，分析获得检测准确性系数、充电电压变化惯性和放电电压变化惯性。
本实施例通过构建多分析分支的电压变化特征分析器，实现在获得目标锂电池的化学性质特征数据后，基于多分析分支快速同步分析预测获得目标锂电池的检测准确性系数、充电电压变化惯性和放电电压变化惯性的技术效果。
A300:根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿。
在一个实施例中，根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，本申请提供的方法步骤A300还包括：
A310:获取所述目标锂电池的预设过冲保护电压。
A320:采用所述检测准确性系数，对所述预设过冲保护电压进行补偿计算，获得误差过冲保护电压区间，选择最小的电压输出，作为补偿过冲保护电压。
A330:基于所述补偿过冲保护电压，根据所述充电电压变化惯性，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压。
在一个实施例中，基于所述补偿过冲保护电压，根据所述充电电压变化惯性，对所述目标锂电池充电时的过冲保护电压进行优化调节，本申请提供的方法步骤A330还包括：
A331:构建对过冲保护电压进行优化调节的过冲优化函数，如下式：
其中，OSF为过冲适应度，和为权重，为按照充电电压变化惯性和检测准确性系数对过冲保护电压补偿后的过冲保护电压区间内超过所述预设过冲保护电压的占比，为按照过冲保护电压充电后的锂电池容量，为预设锂电池容量。
A332:采用保护电压的调节步长，对所述补偿过冲保护电压进行调节，获得第一过冲保护电压。
A333:根据所述充电电压变化惯性和检测准确性系数对所述第一过冲保护电压进行补偿，获得第一过冲保护电压区间，并获取所述第一过冲保护电压区间内超过所述预设过冲保护电压的第一占比，根据所述第一过冲保护电压进行充电模拟，获取第一锂电池容量，根据所述过冲优化函数，计算获得第一过冲适应度。
A334:继续对第一过冲保护电压进行调节优化，直到收敛，输出过冲适应度最大的过冲保护电压，作为最优过冲保护电压。
具体而言，在本实施例中，获取所述目标锂电池的预设过冲保护电压，所述预设过冲保护电压是指在设计所述目标锂电池的充电系统时所设置的一个电压阈值，用于保护目标锂电池免受过充的影响，当电池充电达到或超过预设过冲保护电压时，充电系统会停止向电池供电，以防止目标锂电池过充而损坏。
采用所述检测准确性系数乘以所述预设过冲保护电压完成补偿计算，获得补偿过冲保护电压，所述补偿过冲保护电压和所述预设过冲保护电压形成的数据区间为所述误差过冲保护电压区间，所述误差过冲保护电压区间的最小的电压输出是所述补偿过冲保护电压。
基于所述补偿过冲保护电压，根据所述充电电压变化惯性，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压的实现过程如下：
构建对过冲保护电压进行优化调节的过冲优化函数，所述过冲优化函数如下式：
其中，OSF为过冲适应度，和为权重，为按照充电电压变化惯性和检测准确性系数对过冲保护电压补偿后的过冲保护电压区间内超过所述预设过冲保护电压的占比，为按照过冲保护电压充电后的锂电池容量，为预设锂电池容量。
采用保护电压的调节步长（例如调节接步长为所述误差过冲保护电压区间的1/10对应的电压量），对所述补偿过冲保护电压进行调节，获得第一过冲保护电压。
采用所述充电电压变化惯性加和所述第一过冲保护电压，作为所述第一过冲保护电压区间的取值约束，采用所述检测准确性系数减1乘以所述取值约束，获得所述第一过冲保护电压区间的最小值，采用所述检测准确性系数加1乘以所述取值约束，获得所述第一过冲保护电压区间的最大值，构成所述第一过冲保护电压区间。
计算获得所述第一过冲保护电压区间内超过所述预设过冲保护电压的第一占比，进而根据所述第一过冲保护电压进行充电模拟，获取在充电达到所述第一过冲保护电压停止充电后，表征目标锂电池的充电量的所述第一锂电池容量。
交互获得目标锂电池的预设锂电池容量，并将预设锂电池容量、所述第一锂电池容量和第一占比代入所述过冲优化函数计算获得第一过冲适应度。
继续对第一过冲保护电压进行调节优化，获得第二过冲适应度，比对第一过冲适应度和第二过冲适应度进行高适应度值一方数据保留，以此类推，持续进行过冲适应度计算以及高过冲适应度一方数据保留，直至第N个过冲适应度持续大于后续第N+1过冲适应度至第N+M过冲适应度，认为收敛，将第N过程适应度作为过冲适应度最大值，进而将第N过冲适应度对应的过冲保护电压，作为最优过冲保护电压。
本实施例达到了快速分析获得适配进行目标锂电池过冲保护的电压参数值的技术效果，间接实现了保障目标锂电池的充放电安全和锂电池使用寿命的技术效果。
A400:采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性。
在一个实施例中，采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性，本申请提供的方法步骤A400还包括：
A410:采集所述目标锂电池作为动力电池进行放电时的极端工况数据。
A420:获取样本工况数据集合，并根据不同样本工况数据下锂电池放电的电压变化惯性，获取样本工况放电电压变化惯性集合，构建工况放电电压惯性分析器。
A430:基于所述工况放电电压惯性分析器，对所述极端工况数据进行分析，获得极端放电电压变化惯性。
具体而言，应理解的，锂电池在作为动力电池（例如电动车电池）工作过程中，面对极端工况（例如爬坡），承受的高负荷会加剧电压下降的惯性，即便在断电后，这种下降趋势可能仍然持续存在，从而对电池的寿命造成负面影响。
基于此，本实施例采集所述目标锂电池的同型号的多个样本工况锂电池作为动力电池进行放电时的极端工况数据，获取由多个样本工况锂电池的多个样本工况数据构成的所述样本工况数据集合。
进而交互获得不同样本工况数据下的多个样本工况锂电池放电的多个样本电压变化惯性构成所述样本工况放电电压变化惯性集合。
基于反向传播神经网络构建工况放电电压惯性分析器，将所述多个样本工况锂电池映射的多组样本工况数据-样本工况放电电压变化惯性按照15:3:2的数据量标识划分为训练集、测试集和验证集，进而采用构建训练前文电池化学性质分析器相同方法，进行所述工况放电电压惯性分析器的构建训练。
将所述极端工况数据作为输入数据输入所述工况放电电压惯性分析器进行分析，获得所述极端放电电压变化惯性。
本实施例达到了基于数据预测，快速获得目标锂电池在极端工况下的放电电压变化惯性的技术效果。
A500:根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压。
在一个实施例中，根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，本申请提供的方法步骤A500还包括：
A510:获取所述目标锂电池的预设过放保护电压。
A520:采用所述检测准确性系数，对所述预设过放保护电压进行补偿计算，获得误差过放保护电压区间，选择最大的电压输出，作为补偿过放保护电压。
A530:根据所述放电电压变化惯性、极端放电电压变化惯性，计算获得综合放电电压变化惯性；
A540:构建对过放保护电压进行优化调节的过放优化函数，如下式：
其中，OLF为过冲适应度，为按照综合放电电压变化惯性和检测准确性系数对过放保护电压补偿后的过放保护电压区间内小于所述预设过放保护电压的占比。
A550:根据所述综合放电电压变化惯性、检测准确性系数和过放优化函数，对所述补偿过放保护电压进行优化调节，获得最优过放保护电压。
具体而言，在本实施例中，获取所述目标锂电池的预设过放保护电压，所述预设过放保护电压是指在设计所述目标锂电池的放电系统时所设置的一个电压阈值，用于保护目标锂电池免受过放的影响，当电池放电达到或超过预设过放保护电压时，放电系统会停止电池向外放电，以防止目标锂电池过放而损坏。
步骤A300详细阐述了采用所述检测准确性系数，对所述预设过冲保护电压进行补偿计算，获得误差过冲保护电压区间，选择最小的电压输出，作为补偿过冲保护电压的具体数据处理过程。
本实施例采用相同方法，采用所述检测准确性系数，对所述预设过放保护电压进行补偿计算，获得误差过放保护电压区间，选择最大的电压输出，作为补偿过放保护电压。
对放电电压变化惯性赋值第一权重，对极端放电电压变化惯性赋值第二权重，基于第一权重和第二权重对所述放电电压变化惯性、极端放电电压变化惯性进行加权计算，获得综合放电电压变化惯性。应注意的，本实施例对第一权重和第二权重的数值不做限定，可根据实际情况进行权重赋值；
构建对过放保护电压进行优化调节的过放优化函数，如下式：
其中，OLF为过冲适应度，为按照综合放电电压变化惯性和检测准确性系数对过放保护电压补偿后的过放保护电压区间内小于所述预设过放保护电压的占比。
采用步骤A331~A334确定所述最优过冲保护电压相同方法，采用保护电压的调节步长，对所述补偿过放保护电压进行调节，获得第一过放保护电压。
根据所述综合放电电压变化惯性和检测准确性系数对所述第一过放保护电压进行补偿，获得第一过放保护电压区间，并获取对过放保护电压补偿后的第一过放保护电压区间内小于所述预设过放保护电压的第一占比，根据所述过冲优化函数，计算第一占比的第一过放适应度。
继续对第一过放保护电压进行调节优化，直到收敛，输出过放适应度最大的过放保护电压，作为最优过放保护电压。
本实施例基于寻优实现了获得保障锂电池放电安全的最优过放保护电压的技术效果，降低了锂电池放电安全保护策略输出对于人工的依赖性，提高锂电池过放保护策略生成的科学性和可靠性的技术效果。
A600:基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护。
本实施例采用所述最优过冲保护电压和最优过放保护电压映射替换预设过冲保护电压和预设过放保护电压，作为目标锂电池的充放电安全保护方案，进行充放电保护。
本实施例达到了提高锂电池充放电保护方案和电池使用动态的适配度，保障锂电池在充放电使用过程中的安全性以及避免充放电保护不当对锂电池使用寿命造成影响的技术效果。
实施例
基于与前述实施例中一种调节锂电池的充放电安全保护优化方法相同的发明构思，如图3所示，本申请提供了一种调节锂电池的充放电安全保护优化系统，其中，所述系统包括：
历史数据采集单元1，用于采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合；特征数据分析单元2，用于根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性；充电优化调节单元3，用于根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿；电压变化分析单元4，用于采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性；电压优化调节单元5，用于根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压；保护方案输出单元6，用于基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护。
在一个实施例中，所述历史数据采集单元1还包括：
采集目标锂电池历史时间内进行充放电的全部完成电压，获得历史充电完成电压集合和历史放电完成电压集合，作为所述历史充放电数据；根据所述历史充放电数据，统计获得历史充放电次数；根据锂电池的使用数据记录，获取样本历史充放电数据集合和样本历史充放电次数集合，并标识获取样本化学性质特征数据集合；采用所述样本历史充放电数据集合、样本历史充放电次数集和样本化学性质特征数据集合，构建电池化学性质分析器，对所述历史充放电数据和历史充放电次数进行分析，获得所述化学性质特征数据。
在一个实施例中，所述特征数据分析单元2还包括：
根据锂电池的充电电压检测数据记录，获取样本化学性质特征数据集合，根据不同样本化学性质特征数据的锂电池进行电压检测时的检测误差，获取样本检测准确性系数集合；根据不同样本化学性质特征数据的锂电池进行充放电时停止充放电后的电压惯性变化幅度，获取样本充电电压变化惯性集合和样本放电电压变化惯性集合；采用所述样本化学性质特征数据集合作为输入，分别采用所述样本检测准确性系数集合、样本充电电压变化惯性集合和样本放电电压变化惯性集合作为输出，构建检测准确性分析分支、充电惯性分析分支和放电惯性分析分支，获得电压变化特征分析器；基于所述电压变化特征分析器，对所述化学性质特征数据进行输入分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性。
在一个实施例中，所述充电优化调节单元3还包括：
获取所述目标锂电池的预设过冲保护电压；采用所述检测准确性系数，对所述预设过冲保护电压进行补偿计算，获得误差过冲保护电压区间，选择最小的电压输出，作为补偿过冲保护电压；基于所述补偿过冲保护电压，根据所述充电电压变化惯性，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压。
在一个实施例中，所述充电优化调节单元3还包括：
构建对过冲保护电压进行优化调节的过冲优化函数，如下式：
其中，OSF为过冲适应度，和为权重，为按照充电电压变化惯性和检测准确性系数对过冲保护电压补偿后的过冲保护电压区间内超过所述预设过冲保护电压的占比，为按照过冲保护电压充电后的锂电池容量，为预设锂电池容量；采用保护电压的调节步长，对所述补偿过冲保护电压进行调节，获得第一过冲保护电压；根据所述充电电压变化惯性和检测准确性系数对所述第一过冲保护电压进行补偿，获得第一过冲保护电压区间，并获取所述第一过冲保护电压区间内超过所述预设过冲保护电压的第一占比，根据所述第一过冲保护电压进行充电模拟，获取第一锂电池容量，根据所述过冲优化函数，计算获得第一过冲适应度；继续对第一过冲保护电压进行调节优化，直到收敛，输出过冲适应度最大的过冲保护电压，作为最优过冲保护电压。
在一个实施例中，所述电压变化分析单元4还包括：
采集所述目标锂电池作为动力电池进行放电时的极端工况数据；获取样本工况数据集合，并根据不同样本工况数据下锂电池放电的电压变化惯性，获取样本工况放电电压变化惯性集合，构建工况放电电压惯性分析器；基于所述工况放电电压惯性分析器，对所述极端工况数据进行分析，获得极端放电电压变化惯性。
在一个实施例中，所述电压优化调节单元5还包括：
获取所述目标锂电池的预设过放保护电压；采用所述检测准确性系数，对所述预设过放保护电压进行补偿计算，获得误差过放保护电压区间，选择最大的电压输出，作为补偿过放保护电压；根据所述放电电压变化惯性、极端放电电压变化惯性，计算获得综合放电电压变化惯性；构建对过放保护电压进行优化调节的过放优化函数，如下式：
其中，OLF为过冲适应度，为按照综合放电电压变化惯性和检测准确性系数对过放保护电压补偿后的过放保护电压区间内小于所述预设过放保护电压的占比；根据所述综合放电电压变化惯性、检测准确性系数和过放优化函数，对所述补偿过放保护电压进行优化调节，获得最优过放保护电压。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。
Claims (5)
1.一种调节锂电池的充放电安全保护优化方法，其特征在于，所述方法包括：
采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合；
根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性，所述电压变化惯性是指电压在充电或放电停止后的变化幅度；
根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿；
采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性；
根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压；
基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护；
其中，根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，包括：
获取所述目标锂电池的预设过冲保护电压；
采用所述检测准确性系数，对所述预设过冲保护电压进行补偿计算，获得误差过冲保护电压区间，选择最小的电压输出，作为补偿过冲保护电压；
基于所述补偿过冲保护电压，根据所述充电电压变化惯性，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压；
基于所述补偿过冲保护电压，根据所述充电电压变化惯性，对所述目标锂电池充电时的过冲保护电压进行优化调节，包括：
构建对过冲保护电压进行优化调节的过冲优化函数，如下式：
；
其中，OSF为过冲适应度，和为权重，为按照充电电压变化惯性和检测准确性系数对过冲保护电压补偿后的过冲保护电压区间内超过所述预设过冲保护电压的占比，为按照过冲保护电压充电后的锂电池容量，为预设锂电池容量；
采用保护电压的调节步长，对所述补偿过冲保护电压进行调节，获得第一过冲保护电压；
根据所述充电电压变化惯性和检测准确性系数对所述第一过冲保护电压进行补偿，获得第一过冲保护电压区间，并获取所述第一过冲保护电压区间内超过所述预设过冲保护电压的第一占比，根据所述第一过冲保护电压进行充电模拟，获取第一锂电池容量，根据所述过冲优化函数，计算获得第一过冲适应度；
继续对第一过冲保护电压进行调节优化，直到收敛，输出过冲适应度最大的过冲保护电压，作为最优过冲保护电压；
根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，包括：
获取所述目标锂电池的预设过放保护电压；
采用所述检测准确性系数，对所述预设过放保护电压进行补偿计算，获得误差过放保护电压区间，选择最大的电压输出，作为补偿过放保护电压；
根据所述放电电压变化惯性、极端放电电压变化惯性，计算获得综合放电电压变化惯性；
构建对过放保护电压进行优化调节的过放优化函数，如下式：
；
其中，OLF为过冲适应度，为按照综合放电电压变化惯性和检测准确性系数对过放保护电压补偿后的过放保护电压区间内小于所述预设过放保护电压的占比；
根据所述综合放电电压变化惯性、检测准确性系数和过放优化函数，对所述补偿过放保护电压进行优化调节，获得最优过放保护电压。
2.根据权利要求1所述的方法，其特征在于，采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，包括：
采集目标锂电池历史时间内进行充放电的全部完成电压，获得历史充电完成电压集合和历史放电完成电压集合，作为所述历史充放电数据；
根据所述历史充放电数据，统计获得历史充放电次数；
根据锂电池的使用数据记录，获取样本历史充放电数据集合和样本历史充放电次数集合，并标识获取样本化学性质特征数据集合；
采用所述样本历史充放电数据集合、样本历史充放电次数集和样本化学性质特征数据集合，构建电池化学性质分析器，对所述历史充放电数据和历史充放电次数进行分析，获得所述化学性质特征数据。
3.根据权利要求1所述的方法，其特征在于，根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，包括：
根据锂电池的充电电压检测数据记录，获取样本化学性质特征数据集合，根据不同样本化学性质特征数据的锂电池进行电压检测时的检测误差，获取样本检测准确性系数集合；
根据不同样本化学性质特征数据的锂电池进行充放电时停止充放电后的电压惯性变化幅度，获取样本充电电压变化惯性集合和样本放电电压变化惯性集合；
采用所述样本化学性质特征数据集合作为输入，分别采用所述样本检测准确性系数集合、样本充电电压变化惯性集合和样本放电电压变化惯性集合作为输出，构建检测准确性分析分支、充电惯性分析分支和放电惯性分析分支，获得电压变化特征分析器；
基于所述电压变化特征分析器，对所述化学性质特征数据进行输入分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性。
4.根据权利要求1所述的方法，其特征在于，采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性，包括：
采集所述目标锂电池作为动力电池进行放电时的极端工况数据；
获取样本工况数据集合，并根据不同样本工况数据下锂电池放电的电压变化惯性，获取样本工况放电电压变化惯性集合，构建工况放电电压惯性分析器；
基于所述工况放电电压惯性分析器，对所述极端工况数据进行分析，获得极端放电电压变化惯性。
5.一种调节锂电池的充放电安全保护优化系统，其特征在于，用于实施权利要求1至4中任意一项所述方法的步骤，包括：
历史数据采集单元，用于采集目标锂电池的历史充放电数据，进行所述目标锂电池的化学性质变化分析，获取化学性质特征数据，其中，历史充放电数据包括历史充电完成电压集合和历史放电完成电压集合；
特征数据分析单元，用于根据所述化学性质特征数据，进行所述目标锂电池的电压检测准确性分析、充电电压变化惯性分析和放电电压变化惯性分析，获得检测准确性系数、充电电压变化惯性和放电电压变化惯性，所述电压变化惯性是指电压在充电或放电停止后的变化幅度；
充电优化调节单元，用于根据所述充电电压变化惯性、检测准确性系数，对所述目标锂电池充电时的过冲保护电压进行优化调节，获得最优过冲保护电压，其中，通过所述检测准确性系数对检测电压进行补偿；
电压变化分析单元，用于采集所述目标锂电池作为动力电池进行放电时的极端工况数据，并分析获得极端放电电压变化惯性；
电压优化调节单元，用于根据所述放电电压变化惯性、极端放电电压变化惯性和检测准确性系数，对所述目标锂电池放电时的过放保护电压进行优化调节，获得最优过放保护电压；
保护方案输出单元，用于基于所述最优过冲保护电压和最优过放保护电压，生成目标锂电池的充放电安全保护方案，进行充放电保护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410750753.8A CN118336875B (zh) | 2024-06-12 | 2024-06-12 | 一种调节锂电池的充放电安全保护优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410750753.8A CN118336875B (zh) | 2024-06-12 | 2024-06-12 | 一种调节锂电池的充放电安全保护优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118336875A CN118336875A (zh) | 2024-07-12 |
| CN118336875B true CN118336875B (zh) | 2024-08-20 |
Family
ID=91767953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410750753.8A Active CN118336875B (zh) | 2024-06-12 | 2024-06-12 | 一种调节锂电池的充放电安全保护优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118336875B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118536327A (zh) * | 2024-07-29 | 2024-08-23 | 江苏创优佳新能源科技有限公司 | 一种新能源锂电池组可靠性优化设计分析方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108973709A (zh) * | 2017-05-30 | 2018-12-11 | 通用汽车环球科技运作有限责任公司 | 用于运行具有不同化学组成区的模块的电池组的确定电池部分特性的方法 |
| CN115313557A (zh) * | 2022-08-12 | 2022-11-08 | 潍柴动力股份有限公司 | 一种电池充电方法、装置、系统、电子设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5684387A (en) * | 1996-08-15 | 1997-11-04 | Motorola, Inc. | Voltage cutoff compensation method for a battery in a charger |
| JP2014187850A (ja) * | 2013-03-25 | 2014-10-02 | Toshiba Corp | 二次電池装置と二次電池装置の保護方法及び保護プログラム |
| JP6894296B2 (ja) * | 2017-05-31 | 2021-06-30 | Ａｓｔｉ株式会社 | 充電器 |
| CN116388343B (zh) * | 2023-05-29 | 2023-09-19 | 重庆大学 | 基于充电控制器软件数据的充电负荷预测方法 |
| CN117595439A (zh) * | 2023-11-17 | 2024-02-23 | 大唐吉林发电有限公司长春第三热电分公司 | 一种电网储能电池管理的均衡控制方法及系统 |
-
2024
- 2024-06-12 CN CN202410750753.8A patent/CN118336875B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108973709A (zh) * | 2017-05-30 | 2018-12-11 | 通用汽车环球科技运作有限责任公司 | 用于运行具有不同化学组成区的模块的电池组的确定电池部分特性的方法 |
| CN115313557A (zh) * | 2022-08-12 | 2022-11-08 | 潍柴动力股份有限公司 | 一种电池充电方法、装置、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118336875A (zh) | 2024-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118336875B (zh) | 一种调节锂电池的充放电安全保护优化方法及系统 | |
| CN110161425B (zh) | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 | |
| US6366054B1 (en) | Method for determining state of charge of a battery by measuring its open circuit voltage | |
| US8340934B2 (en) | Method of performance analysis for VRLA battery | |
| CN113052464B (zh) | 电池储能系统可靠性评估方法及系统 | |
| CN118251603A (zh) | 电池健康状态推定系统、用于其的参数提取系统及方法 | |
| KR20220163736A (ko) | 리튬이온 배터리팩의 비정상 셀 검출 및 soh 예측 방법 | |
| CN108663634B (zh) | 一种动力电池内阻的确定方法和装置 | |
| CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
| CN112051511A (zh) | 基于多通道技术的动力电池健康状态的估计方法及系统 | |
| Thingvad et al. | Characterization of nmc lithium-ion battery degradation for improved online state estimation | |
| CN107132481B (zh) | 一种识别电池组中单体一致的方法及系统 | |
| CN117054892B (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 | |
| CN111487553A (zh) | 一种电池单体一致性评价的方法及其装置 | |
| CN110988723A (zh) | 一种基于lstm的电池内阻预测及故障预警方法 | |
| CN111257770A (zh) | 一种电池包功率估算方法 | |
| US20220166075A1 (en) | Method for Enhancing a Battery Module Model of a Battery Module Type | |
| CN111537888A (zh) | 一种数据驱动的梯次电池soc预测方法 | |
| CN112485693A (zh) | 一种基于温度概率密度函数的电池健康状态快速评估方法 | |
| Kazhamiaka et al. | Li-ion storage models for energy system optimization: the accuracy-tractability tradeoff | |
| CN114720899A (zh) | 退役电池梯次利用分选方法及系统、电子设备、存储介质 | |
| Tian et al. | Consistency evaluation of electric vehicle battery pack: multi-feature information fusion approach | |
| Luiz et al. | Representing the accumulator ageing in an automotive lead-acid battery model | |
| CN116819364A (zh) | 电池健康度的确定方法、应用方法、电子设备及存储介质 | |
| CN110133534B (zh) | 蓄电池老化趋势的评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |