CN210222760U - 一种熔断器故障报警系统 - Google Patents
一种熔断器故障报警系统 Download PDFInfo
- Publication number
- CN210222760U CN210222760U CN201920928083.9U CN201920928083U CN210222760U CN 210222760 U CN210222760 U CN 210222760U CN 201920928083 U CN201920928083 U CN 201920928083U CN 210222760 U CN210222760 U CN 210222760U
- Authority
- CN
- China
- Prior art keywords
- fuse
- data
- state data
- processing terminal
- unit
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 abstract description 7
- 230000000052 comparative effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001012 protector Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
Images
Landscapes
- Protection Of Static Devices (AREA)
Abstract
本实用新型涉及一种熔断器故障报警系统。主要包括:数据采集单元、数据处理终端和故障处理终端。本实用新型通过获取熔断器的状态数据,建立预测模型,将状态数据输入预测模型,对预测模型进行训练,利用预测模型输出熔断器的预测状态数据,将熔断器的预测状态数据与对应的真实状态数据进行比较,利用比较结果进行故障报警。本实用新型通过持续获得熔断器的正常工作下的状态数据,可对预测模型进行训练,使得预测模型可预测熔断器正常工作状态下某一时刻的状态数据。然后将该时刻的实测获得的真实状态数据与预测的状态数据比较,如果实测获得真实数据与预测的状态数据偏差较大,说明熔断器发生故障,此时就需要报警。
Description
技术领域
本实用新型涉及熔断器领域,特别是涉及熔断器故障报警系统。
背景技术
熔断器是指一种当电流超过规定的值时,由其本身产生的热量使熔体熔断,从而断开电路的一种电流保护电器。熔断器广泛应用于高低压配电系统和控制系统以及用电设备中,作为短路和过电流的保护器。熔断器是一种结构简单,便于安装及更换的电力设备,已经在电力系统当中得到了普遍的运用。在电力系统当中,熔断器可以保障电力设备的安全运行,但是由于电力系统中的各种故障,以及熔断器自身也存在缺陷,综上各种因素会造成熔断器发生熔断故障,使得供电系统瘫痪,并且有可能造成大型的电力事故以及不可挽回的经济损失。现在的电力系统中,当发生故障时熔断器熔断,工作人员或许不能及时发现并处理故障,最终导致重大电力事故的发生。随着经济的发展,城市化进程日益加快,电力负荷对供电的可靠性要求越来越高,这时候就必须保障供配电网络的可靠运行。
随着经济的不断发展,电气设备的使用不断增多,熔断器的故障发生也越来越多,而当前的熔断器检测技术,主要是对熔断器进行巡视检查,检查熔断器的额定电流与负荷情况是否相匹配。检查熔体管外观有无损伤,变形,开裂现象,瓷绝缘部分有无破损或闪络放电痕。检查熔体管接触处有无过热现象等。然而目前的故障诊断技术还很难做到及时发现故障。
实用新型内容
基于此,有必要针对传统的检测技术发现熔断器的故障不够及时的问题,提供一种熔断器故障报警系统。
一种熔断器故障报警系统,包括:
数据采集单元,所述数据采集单元用于获取熔断器的状态数据,所述状态数据包括端电压以及熔断器两端的电极温度;
数据处理终端,所述数据处理终端与所述数据采集单元相连,所述数据处理终端用于获取所述数据采集单元的状态数据,所述数据处理单元包括建模单元和预测单元,所述建模单元用于利用获取的状态数据建立预测模型,所述预测单元用于利用预测模型输出熔断器的预测状态数据;
故障处理终端,所述故障处理终端分别与数据采集单元和数据处理终端相连,所述故障处理终端用于获取数据采集单元的熔断器的真实状态数据,以及获取数据处理终端的熔断器的预测状态数据,所述故障处理终端包括比较单元、判断单元和报警单元,所述比较单元用于将熔断器的预测状态数据与对应的真实状态数据进行比较,所述判断单元用于判断比较单元输出的比较结果是否大于阈值,如果比较单元输出的比较结果大于阈值则启动报警单元。
本实用新型上述系统通过持续获得熔断器的正常工作下的状态数据,可建立预测模型,通过预测模型可输出熔断器的预测状态数据,预测状态数据为预测正常工作下的状态数据。然后,故障处理终端将真实状态数据与预测的状态数据比较,如果实测获得真实数据与预测的状态数据偏差比较大,说明熔断器发生故障,此时就需要报警。
在其中一个实施例中,所述数据采集单元包括:
电压数据采集器,所述电压数据采集器用于采集熔断器的端电压;
第一温度传感器,所述第一温度传感器用于采集熔断器一端电极的温度;
第二温度传感器,所述第二温度传感器用于采集熔断器另一端电极的温度。
在其中一个实施例中,所述电压数据采集器、第一温度传感器和第二温度传感器分别通过A/D转换器与所述数据处理终端相连,所述数据处理终端与第一无线数据传输模块相连,所述第一无线数据传输模块与第二无线数据传输模块相连,所述第二无线数据传输模块与所述故障处理终端相连,所述A/D转换器还与数据存储器相连,所述数据存储器与所述第一无线数据传输模块相连。
在其中一个实施例中,所述电压数据采集器为MCE-AV42电压数据采集器。
在其中一个实施例中,所述第一温度传感器为ABK024227型温度传感器。
在其中一个实施例中,所述第二温度传感器为ABK024227型温度传感器。
在其中一个实施例中,所述数据处理终端为NVIDIA Jetson TX2开发组件。
在其中一个实施例中,还包括电源,所述电源用于给所述熔断器故障报警系统供电。
附图说明
图1为本实用新型的实施例的熔断器故障报警系统的电路连接示意图。
图2为本实用新型的实施例的熔断器故障报警方法的流程图。
图3为本实用新型的实施例的DQN强化学习算法的训练流程图。
其中:
1、电压数据采集器 2、第一温度传感器 3、第二温度传感器
4、A/D转换器 5、数据处理终端 6、电源 7、数据存储器
8、第一无线数据传输模块 9、第二无线数据传输模块
10、故障处理终端 11、熔断器
具体实施方式
为使本实用新型的上述目的、特征和优点能够更加明显易懂,下面结合附图对本实用新型的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本实用新型。但是本实用新型能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本实用新型内涵的情况下做类似改进,因此本实用新型不受下面公开的具体实施例的限制。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义,本文所使用的所有的技术和科学术语与属于本实用新型的技术领域的技术人员通常理解的含义相同。本文中在本实用新型的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本实用新型。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示,本实用新型的实施例提供了一种熔断器故障报警系统,包括:
数据采集单元,所述数据采集单元用于获取熔断器11的状态数据,所述状态数据包括端电压以及熔断器11两端的电极温度;
数据处理终端5,所述数据处理终端5与所述数据采集单元相连,所述数据处理终端5用于获取所述数据采集单元的状态数据,所述数据处理单元包括建模单元和预测单元,所述建模单元用于利用获取的状态数据建立预测模型,所述预测单元用于利用预测模型输出熔断器11的预测状态数据;
故障处理终端10,所述故障处理终端10分别与数据采集单元和数据处理终端5相连,所述故障处理终端10用于获取数据采集单元的熔断器11的真实状态数据,以及获取数据处理终端5的熔断器11的预测状态数据,所述故障处理终端10包括比较单元、判断单元和报警单元,所述比较单元用于将熔断器11 的预测状态数据与对应的真实状态数据进行比较,所述判断单元用于判断比较单元输出的比较结果是否大于阈值,如果比较单元输出的比较结果大于阈值则启动报警单元。
本实用新型上述系统通过持续获得熔断器11的正常工作下的状态数据,可建立预测模型,通过预测模型可输出熔断器11的预测状态数据,预测状态数据为预测正常工作下的状态数据。然后,故障处理终端10将真实状态数据与预测的状态数据比较,如果实测获得真实数据与预测的状态数据偏差比较大,说明熔断器11发生故障,此时就需要报警。
本实施例中,所述数据采集单元包括:
电压数据采集器1,所述电压数据采集器1用于采集熔断器11的端电压;
第一温度传感器2,所述第一温度传感器2用于采集熔断器11一端电极的温度;
第二温度传感器3,所述第二温度传感器3用于采集熔断器11另一端电极的温度。
具体测量时,将电压数据采集器11的触头与熔断器11的两端的电极连接,采集熔断器11的端电压。两个温度传感器分别与熔断器11两端电极连接,采集熔断器11两端电极的温度。
本实施例中,所述电压数据采集器1、第一温度传感器2和第二温度传感器 3分别通过A/D转换器4与所述数据处理终端5相连,所述数据处理终端5与第一无线数据传输模块8相连,所述第一无线数据传输模块8与第二无线数据传输模块9相连,所述第二无线数据传输模块9与所述故障处理终端10相连,所述A/D转换器4还与数据存储器7相连,所述数据存储器7与所述第一无线数据传输模块8相连。
本实施例中,所述电压数据采集器1为MCE-AV42电压数据采集器1。
本实施例中,所述第一温度传感器2为ABK024227型温度传感器。
本实施例中,所述第二温度传感器3为ABK024227型温度传感器。
本实施例中,所述数据处理终端5为NVIDIA Jetson TX2开发组件。
本实施例中,还包括电源6,所述电源6用于给所述熔断器11故障报警系统供电。例如,电源6可分别与A/D转换器4和数据处理终端5相连。
如图2所示,本实用新型的实施例还提供了一种熔断器故障报警方法,包括:
获取熔断器的状态数据,所述状态数据包括端电压以及熔断器两端的电极温度,
建立预测模型,将状态数据输入预测模型,对预测模型进行训练,
利用预测模型输出熔断器的预测状态数据,将熔断器的预测状态数据与对应的真实状态数据进行比较,利用比较结果进行故障报警。
本实用新型上述方法通过持续获得熔断器的正常工作下的状态数据,可对预测模型进行训练,使得预测模型可预测熔断器正常工作状态下某一时刻应该有的状态数据,随着训练的数据量的不断增加,预测模型的准确度会不断提高。然后将该时刻的实测获得的真实状态数据与预测的状态数据比较,如果实测获得真实数据与预测的状态数据偏差比较大,说明熔断器发生故障,此时就需要报警。
本实施例中,所述建立预测模型,将状态数据输入预测模型,对预测模型进行训练包括:
将熔断器故障报警问题建模为一个马尔可夫决策过程模型,并定义其中的状态、动作以及立即奖赏函数,
建立回报值函数模型,
利用DQN深度强化学习算法获取预测策略。
具体的,所述将熔断器故障报警问题建模为一个马尔可夫决策过程模型,并定义其中的状态、动作以及立即奖赏函数包括:
状态,熔断器的正常运行与熔断器的端电压以及两端电极温度有关,因此将端电压用U表示,将熔断器两端电极温度分别用T1和T2表示,t0时刻熔断器的状态数据为d0=[U0,T10,T20],t1时刻的状态数据为d1=[U1,T11,T21],t2时刻的状态数据为d2=[U2,T12,T22],t3时刻的状态数据为d3=[U3,T13,T23],以此类推,tn时刻的状态数据为dn=[Un,T1n,T2n],该模型中取m个时刻对应的状态数据作为一个状态,m大于等于3,例如,m可为3,4,5,6等,相应的,状态可表示为:Si=[di,di+1…di+m-1],例如,当m=4时,Si=[di,di+1,di+2,di+3];
动作,用a表示,在此强化学习模型中,将前m个时刻的熔断器状态设为初始状态S0=[d0,d1,…dm-1],预测熔断器的下一时刻的状态数据作为动作a,例如, m=4时,S0=[d0,d1,d2,d3],预测熔断器下一时刻的状态数据,也就是预测t4时刻的状态数据d4’,预测结果就是d4’=[U4’,T14’,T24’],再如,S1=[d1,d2,d3,d4],预测熔断器下一时刻的状态数据,也就是预测t5时刻的状态数据d5’,以此类推。
立即奖赏函数,用r表示,当状态由第i次转移至第i+1次时,获得奖赏r, r通过以下公式获得:
r=-(0.6*|Ui+m’-Ui+m|+0.2*|T1(i+m)’-T1(i+m)|+0.2*|T2(i+m)’-T2(i+m)|),
其中,Ui+m’为预测的熔断器的端电压,Ui+m为Ui+m’对应的真实的端电压,也就是,预测获得第t(i+m)时刻的端电压Ui+m’,并通过实际采集获得第t(i+m)时刻的端电压Ui+m。T1(i+m)’为熔断器一端电极的预测温度,T1(i+m)为T1(i+m)’对应的真实的电极温度,也就是,预测获得第t(i+m)时刻的一端电极温度T1(i+m)’,并通过实际采集获得第t(i+m)时刻的T1(i+m)。T2(i+m)’为熔断器另一端电极的预测温度,T2(i+m)为T2(i+m)’对应的真实的电极温度。也就是,预测获得第t(i+m)时刻的另一端电极温度T2(i+m)’,并通过实际采集获得第t(i+m)时刻的T2(i+m)。
例如,m=4时,状态由第0次转移至第1次时,也就是此时i=0,则:
r=-(0.6*|U4’-U4|+0.2*|T14’-T14|+0.2*|T24’-T24|)。
可以理解,上述公式表示,预测值越接近真实值,则奖赏越大。
本实施例中,所述建立回报值函数模型包括:
设R(s,a)表示在状态s下采用动作a的回报值,值函数Q(s,a)是关于R(s,a)的期望,则Q(s,a)=E[R(s,a)]。
在其中一个实施例中,所述利用DQN深度强化学习算法获取预测策略包括:
初始化记忆回放单元,容量是N,用于储存训练的样本;
用一个深度神经网络作为Q值网络,随机初始化权重参数ω;
将熔断器参数通过当前值网络,得到任意状态s下的Q(s,a)通过当前值网络计算出值函数后,使用∈-greedy策略来选择动作a,每一次状态转移即做出动作记为一个时间步t,将每个时间步得到的数据存入回放记忆单元;
在Q值中采用均方差来定义目标函数也就是loss function:
L(ω)=E[(r+γmaxa′Q(s′,a′;ω-)-Q(s,a;ω))2];
从回放记忆单元中随机抽取一个(s,a,r,s’),将(s,a),s’,r分别传给当前值网络,目标值网络和L(ω),对L(ω)关于ω使用梯度下降法进行更新,得出预测值,DQN算法更新值函数的方式如下:
Q(s,a)←Q(s,a)+α[r+γmaxa’Q(s’,a’;ω-)-Q(s,a)];
s←s′;
a←a′;
其中,γ为折扣因子,根据实际收敛情况而定;
每N次迭代后更新目标值网络的参数为当前值网络的参数。
本实施例中,所述将熔断器的预测状态数据与对应的真实状态数据进行比较包括:
B=真实状态数据-预测状态数据,B大于阈值,则报警。
例如,某一时刻,BU=U-U’,如果BU小于阈值,说明熔断器处于正常工作状态,如果BU大于阈值,则说明实测端电压大于熔断器正常状态的端电压,这时就需要报警。报警可采用声光报警方式。可以在显示器上显示出熔断器端电压过大等提示信息。
再如,某一时刻,BT1=T1-T1’,如果BT1小于阈值,则说明熔断器处于正常工作状态,如果BT1大于阈值,则说明实测熔断器一端的电极温度大于正常状态下的电极温度,这时就需要报警。
本实施例中,所述将熔断器的预测状态数据与对应的真实状态数据进行比较包括:
B=(真实状态数据-预测状态数据)/预测状态数据,B大于阈值,则报警。
例如,某一时刻,BU=(U-U’)/U’,如果BU小于阈值,说明熔断器处于正常工作状态,如果BU大于阈值,则说明实测端电压大于熔断器正常状态的端电压,这时就需要报警。报警可采用声光报警方式。可以在显示器上显示出熔断器端电压过大等提示信息。
再如,某一时刻,BT1=(T1-T1’)/T1’,如果BT1小于阈值,则说明熔断器处于正常工作状态,如果BT1大于阈值,则说明实测熔断器一端的电极温度大于正常状态下的电极温度,这时就需要报警。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本实用新型的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对实用新型专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本实用新型构思的前提下,还可以做出若干变形和改进,这些都属于本实用新型的保护范围。因此,本实用新型专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种熔断器故障报警系统,其特征在于,包括:
数据采集单元,所述数据采集单元用于获取熔断器的状态数据,所述状态数据包括端电压以及熔断器两端的电极温度;
数据处理终端,所述数据处理终端与所述数据采集单元相连,所述数据处理终端用于获取所述数据采集单元的状态数据,所述数据处理终端包括建模单元和预测单元,所述建模单元用于利用获取的状态数据建立预测模型,所述预测单元用于利用预测模型输出熔断器的预测状态数据;
故障处理终端,所述故障处理终端分别与数据采集单元和数据处理终端相连,所述故障处理终端用于获取数据采集单元的熔断器的真实状态数据,以及获取数据处理终端的熔断器的预测状态数据,所述故障处理终端包括比较单元、判断单元和报警单元,所述比较单元用于将熔断器的预测状态数据与对应的真实状态数据进行比较,所述判断单元用于判断比较单元输出的比较结果是否大于阈值,如果比较单元输出的比较结果大于阈值则启动报警单元,
所述数据采集单元包括:
电压数据采集器,所述电压数据采集器用于采集熔断器的端电压;
第一温度传感器,所述第一温度传感器用于采集熔断器一端电极的温度;
第二温度传感器,所述第二温度传感器用于采集熔断器另一端电极的温度。
2.根据权利要求1所述的熔断器故障报警系统,其特征在于,所述电压数据采集器、第一温度传感器和第二温度传感器分别通过A/D转换器与所述数据处理终端相连,所述数据处理终端与第一无线数据传输模块相连,所述第一无线数据传输模块与第二无线数据传输模块相连,所述第二无线数据传输模块与所述故障处理终端相连,所述A/D转换器还与数据存储器相连,所述数据存储器与所述第一无线数据传输模块相连。
3.根据权利要求1所述的熔断器故障报警系统,其特征在于,所述电压数据采集器为MCE-AV42电压数据采集器。
4.根据权利要求1所述的熔断器故障报警系统,其特征在于,所述第一温度传感器为ABK024227型温度传感器。
5.根据权利要求1所述的熔断器故障报警系统,其特征在于,所述第二温度传感器为ABK024227型温度传感器。
6.根据权利要求1所述的熔断器故障报警系统,其特征在于,所述数据处理终端为NVIDIA Jetson TX2开发组件。
7.根据权利要求1所述的熔断器故障报警系统,其特征在于,还包括电源,所述电源用于给所述熔断器故障报警系统供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920928083.9U CN210222760U (zh) | 2019-06-19 | 2019-06-19 | 一种熔断器故障报警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920928083.9U CN210222760U (zh) | 2019-06-19 | 2019-06-19 | 一种熔断器故障报警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210222760U true CN210222760U (zh) | 2020-03-31 |
Family
ID=69932958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920928083.9U Expired - Fee Related CN210222760U (zh) | 2019-06-19 | 2019-06-19 | 一种熔断器故障报警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210222760U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263433A (zh) * | 2019-06-19 | 2019-09-20 | 苏州科技大学 | 一种熔断器故障报警方法和系统 |
CN117493067A (zh) * | 2023-12-29 | 2024-02-02 | 北京淘友天下技术有限公司 | 基于数据服务保护的熔断控制方法及系统 |
-
2019
- 2019-06-19 CN CN201920928083.9U patent/CN210222760U/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263433A (zh) * | 2019-06-19 | 2019-09-20 | 苏州科技大学 | 一种熔断器故障报警方法和系统 |
CN110263433B (zh) * | 2019-06-19 | 2024-03-05 | 苏州科技大学 | 一种熔断器故障报警方法和系统 |
CN117493067A (zh) * | 2023-12-29 | 2024-02-02 | 北京淘友天下技术有限公司 | 基于数据服务保护的熔断控制方法及系统 |
CN117493067B (zh) * | 2023-12-29 | 2024-04-23 | 北京淘友天下技术有限公司 | 基于数据服务保护的熔断控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113054706A (zh) | 一种动力电池的均衡监控控制系统及方法 | |
Lin et al. | Voltage-correlation based multi-fault diagnosis of lithium-ion battery packs considering inconsistency | |
CN105467325A (zh) | 电池容量退化解决的方法和系统 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN210222760U (zh) | 一种熔断器故障报警系统 | |
KR20230129953A (ko) | 차량 배터리 셀 일관성 평가 방법, 장치, 기기 및 저장매체 | |
CN104852415B (zh) | 预充电过程监控方法及系统 | |
CN116249909A (zh) | 电池异常检测和总容量估计的系统和方法 | |
US20180003745A1 (en) | Method for diagnosing state of capacitor in modular converter | |
CN112816881B (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
CN103078150A (zh) | 动力电池安全预警方法和装置 | |
CN103152095B (zh) | 一种光模块寿命预测方法和装置 | |
EP4394404A1 (en) | Apparatus and method for diagnosing battery cell | |
CN113745672B (zh) | 电池自加热控制方法、电池自加热装置、系统和车辆 | |
CN105259458A (zh) | 验证电池包管理系统绝缘监测精度与漏电保护的装置与方法 | |
CN112240960A (zh) | 测试方法、装置、计算机设备和存储介质 | |
CN110263433B (zh) | 一种熔断器故障报警方法和系统 | |
KR101548327B1 (ko) | 축전지 진단 장치 | |
US11885852B2 (en) | Battery management device, energy storage apparatus, battery management method, and computer program | |
CN116930764A (zh) | 融合电力电子的锂电池储能系统故障诊断和危险预测方法 | |
CN111999608A (zh) | 配电变压器的监测方法、监测系统与智能终端 | |
CN105759217A (zh) | 一种基于可测数据的铅酸蓄电池组在线故障诊断方法 | |
CN116031508A (zh) | 一种基于深度学习的锂离子电池管理系统及方法 | |
Wang et al. | Voltage measurement-based recursive adaptive method for internal short circuit fault diagnosis in lithium-ion battery packs | |
CN114814630A (zh) | 电池健康状态管理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200331 |
|
CF01 | Termination of patent right due to non-payment of annual fee |