CN109063260A - 一种动力电池的老化趋势判断方法和装置 - Google Patents
一种动力电池的老化趋势判断方法和装置 Download PDFInfo
- Publication number
- CN109063260A CN109063260A CN201810712192.7A CN201810712192A CN109063260A CN 109063260 A CN109063260 A CN 109063260A CN 201810712192 A CN201810712192 A CN 201810712192A CN 109063260 A CN109063260 A CN 109063260A
- Authority
- CN
- China
- Prior art keywords
- data
- floor data
- power battery
- feature tag
- floor
- 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.)
- Granted
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明实施例提供了一种动力电池的老化趋势判断方法和装置,所述方法包括:获取所述动力电池的告警信息;所述告警信息包含特征标签;从所述告警中提取出指定的特征标签;依据所述特征标签获取对应的工况数据;采用所述工况数据生成样本数据;获取所述样本数据中的主成分数据;将所述主成分数据确定为所述动力电池的老化因素。本发明实施例可以从不同程序的告警类型所对应的工况数据中提取出影响动力电池老化的关键老化因素,提高了动力电池老化因素提取的准确率。
Description
技术领域
本发明涉及蓄电池技术领域,特别是涉及一种动力电池的老化趋势判断方法和一种动力电池的老化趋势判断装置。
背景技术
动力电池是电动汽车的核心部件,它的健康状态直接影响到汽车行驶的性能和安全性。和传统汽车不同,动力电池的老化有更加明显的趋势。业界对于动力电池的退役要求通常是容量衰减至初始容量的80%,在这之后动力电池的健康和寿命状态会呈现加速下滑的趋势。
在实际环境中,每个动力电池的个体情况不同,使用工况也不同,因此即使是表面合规的动力电池,也可能存在一定的加速老化情况。
在电池使用的整个生命周期中,多达30多种的告警类型会以不同程度的状况发生,这些工况因素/老化因素或多或少影响着电池包的剩余寿命,因此,如何准确确定出影响电池老化的主要因素至关重要。
发明内容
鉴于上述问题,本发明实施例提出了一种动力电池的老化趋势判断方法和相应的一种动力电池的老化趋势判断装置。
为了解决上述问题,本发明实施例公开了一种动力电池的老化趋势判断方法,包括:
获取所述动力电池的告警信息;所述告警信息包含特征标签;
从所述告警中提取出指定的特征标签;
依据所述特征标签获取对应的工况数据;
采用所述工况数据生成样本数据;
获取所述样本数据中的主成分数据;
将所述主成分数据确定为所述动力电池的老化因素。
优选的,所述指定的特征标签包括容量和内阻;所述容量对应的工况数据包括电压、电流和温度,所述内阻对应的工况数据包括温度。
优选的,在所述采用所述工况数据生成样本数据的步骤之前,还包括:
判断所述工况数据是否有效;
若是,则将所述工况数据保留;若否,则丢弃所述工况数据。
优选的,所述采用所述工况数据生成样本数据的步骤包括:
对所述工况数据进行中心化处理,或归一化处理,得到处理后的工况数据;
将所述处理后的工况数据作为样本数据。
优选的,所述样本数据中的主成分数据采用主成分分析法获取。
相应的,本发明实施例公开了一种动力电池的老化趋势判断装置,包括:
告警信息获取模块,用于获取所述动力电池的告警信息;所述告警信息包含特征标签;
特征标签提取模块,用于从所述告警中提取出指定的特征标签;
工况数据获取模块,用于依据所述特征标签获取对应的工况数据;
样本数据生成模块,用于采用所述工况数据生成样本数据;
主成分获取模块,用于获取所述样本数据中的主成分数据;
判定模块,用于将所述主成分数据确定为所述动力电池的老化因素。
优选的,所述指定的特征标签包括容量和内阻;所述容量对应的工况数据包括电压、电流和温度,所述内阻对应的工况数据包括温度。
优选的,还包括:
有效性判断模块,用于判断所述工况数据是否有效;
过滤模块,用于将所述工况数据保留,或,丢弃所述工况数据。
优选的,所述样本数据生成模块包括:
预处理子模块,用于对所述工况数据进行中心化处理,或归一化处理,得到处理后的工况数据;
确定子模块,用于将所述处理后的工况数据作为样本数据。
优选的,所述样本数据中的主成分数据采用主成分分析法获取。
本发明实施例包括以下优点:
在本发明实施例中,首先获取所述动力电池的告警信息;所述告警信息包含特征标签;然后,从所述告警中提取出指定的特征标签,并依据所述特征标签获取对应的工况数据,再采用所述工况数据生成样本数据,最后,获取所述样本数据中的主成分数据,将所述主成分数据确定为所述动力电池的老化因素。本发明实施例可以从不同程序的告警类型所对应的工况数据中提取出影响动力电池老化的关键老化因素,提高了动力电池老化因素提取的准确率。
附图说明
图1是本发明的一种动力电池的老化趋势判断方法实施例的步骤流程图;
图2是本发明的一种动力电池的老化趋势判断装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种动力电池的老化趋势判断方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,获取所述动力电池的告警信息;所述告警信息包含特征标签;
在本发明实施例中,告警信息可以从历数据中提取。历史数据可以包括动力电池在服役期间的电压、电流、温度、荷电状态、健康状态、功率状态、告警信息、容量、内阻、压差、自放电等数据。在实际应用中,历史数据可以通过电池管理系统来采集,采集到的数据可以存储于本地的数据库中,作为动力电池的历史数据;也可以将采集到的数据上传到服务器,存储在服务器的数据库中,作为动力电池的历史数据。采集数据、存储数据的过程、方式可以根据实际需求进行设置,本发明实施例对此不作限制。
而历史数据则直接从数据库中获取即可,不管是本地的数据库还是服务器中的数据库。
需要说明的是,所谓的“历史数据”是针对老化趋势判断的时间节点而言的,因为这些数据是在老化趋势判断的时间节点之前采集到的,所以称之为“历史数据”,数据的采集其实都是实时采集的。
另外,本发明实施例除了可以对已经退役的动力电池进行评估之外,也可以对正在服役的动力电池进行评估。
在实际应用中,告警信息可以包括多个类型,每个类型对应一个特征标签,例如电压、电流、容量、内阻等等。比如:和电压有关的告警类型有总电压过高、总电压过低、单体电压过高和单体电压过低,在总结告警类型中,可将这四类告警类型求并集,均当做电压告警类型。
步骤102,从所述告警中提取出指定的特征标签;
在实际应用中,动力电池的老化因素主要包括容量衰减和内阻增大两个问题,因此,本发明实施例中,指定的特征标签可以包括容量和内阻。
步骤103,依据所述特征标签获取对应的工况数据;
具体的,和容量有关的因素包括电压、电流和温度,因此,容量对应的工况数据可以包括电压值、电流值和温度值,和内阻有关的主要因素包括温度,因此,内阻对应的数据可以包括温度值。
当然,工况数据除了上述几项之外,还可以包括其它工况数据,比如BMS(BATTERYMANAGEMENT SYSTEM,电池管理系统)上传信息时刻,序列号,充电次数,额定容量,当前充电累积容量,充电状态等,某些特征还涉及单体和电池包的数据,在实际应用时可以根据需求具体调整,本发明实施例对此不作限制。
由于在预处理数据时还用到BMS上传信息时刻,序列号,充电次数,额定容量,当前充电累积容量,充电状态等,某些特征还涉及单体和电池包的数据等字段,因此在进行主成分分析前只保留和容量或内阻有关的字段,比如容量会保存:电压相关字段,电流相关字段,温度相关字段,使用天数,等效循环次数。
在所述采用所述工况数据生成样本数据的步骤之前,还包括:
判断所述工况数据是否有效;
若是,则将所述工况数据保留;若否,则丢弃所述工况数据
具体而言,对工况数据去除重复值和空值,再根据技术协议标准去除异常值,就可以保证可用数据合理有效,将有效的工况数据保留;如果某些工况数据为无效数据,那么就将无效的工况数据丢弃即可。
步骤104,采用所述工况数据生成样本数据;
所述采用所述工况数据生成样本数据的步骤包括:
对所述工况数据进行中心化处理,或归一化处理,得到处理后的工况数据;
将所述处理后的工况数据作为样本数据。
具体的,对有效的工况数据进行中心化处理或者归一化处理,然后将处理后的工况数据制作成样本数据,样本数据中,工况数据可以用x1,x2,...,xn来表示。
步骤105,获取所述样本数据中的主成分数据;
在本发明实施例中,所述样本数据中的主成分数据采用主成分分析法获取。具体的,首先进行正交变换:
其中,i表示特征序号,j表示每个特征的数据个数。
然后对样本求协方差矩阵,根据特征根确定主成分个数m值:
每一个特征根对应一个特征向量bj,最后将标准化后的指标变量转换为主成分:
uj=zi T*bj;
其中,j=1,2,...,m,m为主成分数据,uj即第j个主成分。对m个主成分进行加权求和,即得最终评价值,权数为每个主成分的方差贡献率。
步骤106,将所述主成分数据确定为所述动力电池的老化因素。
例如,V、I、T、Time_date、chrstate、packstate,比如这6个特征,通过主成分分析法,V和I变成了U1,方差贡献率为0.5;T和Time_date变成了U2,方差贡献率为0.4;chrstate和packstate变成了U3,方差贡献率为0.1。而U1+U2=0.9>0.85,就可以抛弃U3,将U1、U2就是最后确定的主成分数据,即老化因素。
需要说明的是,各个主成分的方差贡献率的和为1,比如,如果有三个方差贡献率U1、U2、U3,那么U1+U2+U3=1;如果有四个方差贡献率U1、U2、U3、U4,那么U1+U2+U3+U4=1。
在本发明实施例中,首先获取所述动力电池的告警信息;所述告警信息包含特征标签;然后,从所述告警中提取出指定的特征标签,并依据所述特征标签获取对应的工况数据,再采用所述工况数据生成样本数据,最后,获取所述样本数据中的主成分数据,将所述主成分数据确定为所述动力电池的老化因素。本发明实施例可以从不同程序的告警类型所对应的工况数据中提取出影响动力电池老化的关键老化因素,提高了动力电池老化因素提取的准确率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图2,示出了本发明的一种动力电池的老化趋势判断装置实施例的结构框图,具体可以包括如下模块:
告警信息获取模块201,用于获取所述动力电池的告警信息;所述告警信息包含特征标签;
特征标签提取模块202,用于从所述告警中提取出指定的特征标签;
工况数据获取模块203,用于依据所述特征标签获取对应的工况数据;
样本数据生成模块204,用于采用所述工况数据生成样本数据;
主成分获取模块205,用于获取所述样本数据中的主成分数据;
判定模块206,用于将所述主成分数据确定为所述动力电池的老化因素。
在本发明一种优选实施例中,所述指定的特征标签包括容量和内阻;所述容量对应的工况数据包括电压、电流和温度,所述内阻对应的工况数据包括温度。
在本发明一种优选实施例中,还包括:
有效性判断模块,用于判断所述工况数据是否有效;
过滤模块,用于将所述工况数据保留,或,丢弃所述工况数据。
在本发明一种优选实施例中,所述样本数据生成模块包括:
预处理子模块,用于对所述工况数据进行中心化处理,或归一化处理,得到处理后的工况数据;
确定子模块,用于将所述处理后的工况数据作为样本数据。
在本发明一种优选实施例中,所述样本数据中的主成分数据采用主成分分析法获取。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均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,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种动力电池的老化趋势判断方法和一种动力电池的老化趋势判断装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种动力电池的老化趋势判断方法,其特征在于,包括:
获取所述动力电池的告警信息;所述告警信息包含特征标签;
从所述告警中提取出指定的特征标签;
依据所述特征标签获取对应的工况数据;
采用所述工况数据生成样本数据;
获取所述样本数据中的主成分数据;
将所述主成分数据确定为所述动力电池的老化因素。
2.根据权利要求1所述的方法,其特征在于,所述指定的特征标签包括容量和内阻;所述容量对应的工况数据包括电压、电流和温度,所述内阻对应的工况数据包括温度。
3.根据权利要求1所述的方法,其特征在于,在所述采用所述工况数据生成样本数据的步骤之前,还包括:
判断所述工况数据是否有效;
若是,则将所述工况数据保留;若否,则丢弃所述工况数据。
4.根据权利要求1或2或3所述的方法,其特征在于,所述采用所述工况数据生成样本数据的步骤包括:
对所述工况数据进行中心化处理,或归一化处理,得到处理后的工况数据;
将所述处理后的工况数据作为样本数据。
5.根据权利要求1所述的方法,其特征在于,所述样本数据中的主成分数据采用主成分分析法获取。
6.一种动力电池的老化趋势判断装置,其特征在于,包括:
告警信息获取模块,用于获取所述动力电池的告警信息;所述告警信息包含特征标签;
特征标签提取模块,用于从所述告警中提取出指定的特征标签;
工况数据获取模块,用于依据所述特征标签获取对应的工况数据;
样本数据生成模块,用于采用所述工况数据生成样本数据;
主成分获取模块,用于获取所述样本数据中的主成分数据;
判定模块,用于将所述主成分数据确定为所述动力电池的老化因素。
7.根据权利要求6所述的装置,其特征在于,所述指定的特征标签包括容量和内阻;所述容量对应的工况数据包括电压、电流和温度,所述内阻对应的工况数据包括温度。
8.根据权利要求6所述的装置,其特征在于,还包括:
有效性判断模块,用于判断所述工况数据是否有效;
过滤模块,用于将所述工况数据保留,或,丢弃所述工况数据。
9.根据权利要求6或7或8所述的装置,其特征在于,所述样本数据生成模块包括:
预处理子模块,用于对所述工况数据进行中心化处理,或归一化处理,得到处理后的工况数据;
确定子模块,用于将所述处理后的工况数据作为样本数据。
10.根据权利要求6所述的装置,其特征在于,所述样本数据中的主成分数据采用主成分分析法获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712192.7A CN109063260B (zh) | 2018-06-29 | 2018-06-29 | 一种动力电池的老化趋势判断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712192.7A CN109063260B (zh) | 2018-06-29 | 2018-06-29 | 一种动力电池的老化趋势判断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109063260A true CN109063260A (zh) | 2018-12-21 |
CN109063260B CN109063260B (zh) | 2023-07-11 |
Family
ID=64818833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810712192.7A Active CN109063260B (zh) | 2018-06-29 | 2018-06-29 | 一种动力电池的老化趋势判断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063260B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927606A (zh) * | 2019-11-05 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN111126880A (zh) * | 2020-01-02 | 2020-05-08 | 浙江吉利新能源商用车集团有限公司 | 一种用户画像生成方法、装置及设备 |
JP7512514B2 (ja) | 2020-10-05 | 2024-07-08 | エルジー エナジー ソリューション リミテッド | バッテリ状態診断装置及び方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007067661A (ja) * | 2005-08-30 | 2007-03-15 | Konica Minolta Business Technologies Inc | 画像処理装置 |
US20130069660A1 (en) * | 2010-02-17 | 2013-03-21 | Julien Bernard | Method for in situ battery diagnostic by electrochemical impedance spectroscopy |
CN103033759A (zh) * | 2012-12-11 | 2013-04-10 | 上海市电力公司 | 一种蓄电池热失控智能判断方法 |
CN103559401A (zh) * | 2013-11-08 | 2014-02-05 | 渤海大学 | 基于半监督主元分析的故障监控方法 |
-
2018
- 2018-06-29 CN CN201810712192.7A patent/CN109063260B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007067661A (ja) * | 2005-08-30 | 2007-03-15 | Konica Minolta Business Technologies Inc | 画像処理装置 |
US20130069660A1 (en) * | 2010-02-17 | 2013-03-21 | Julien Bernard | Method for in situ battery diagnostic by electrochemical impedance spectroscopy |
CN103033759A (zh) * | 2012-12-11 | 2013-04-10 | 上海市电力公司 | 一种蓄电池热失控智能判断方法 |
CN103559401A (zh) * | 2013-11-08 | 2014-02-05 | 渤海大学 | 基于半监督主元分析的故障监控方法 |
Non-Patent Citations (2)
Title |
---|
时玮等: "纯电动公交车动力电池寿命测试行驶工况的研究", 《汽车工程》 * |
时玮等: "纯电动公交车动力电池寿命测试行驶工况的研究", 《汽车工程》, no. 02, 28 February 2013 (2013-02-28) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927606A (zh) * | 2019-11-05 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN110927606B (zh) * | 2019-11-05 | 2022-01-25 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN111126880A (zh) * | 2020-01-02 | 2020-05-08 | 浙江吉利新能源商用车集团有限公司 | 一种用户画像生成方法、装置及设备 |
JP7512514B2 (ja) | 2020-10-05 | 2024-07-08 | エルジー エナジー ソリューション リミテッド | バッテリ状態診断装置及び方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109063260B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sassi et al. | Comparative study of ANN/KF for on-board SOC estimation for vehicular applications | |
CN108680869A (zh) | 一种动力电池健康状态的评估方法和装置 | |
CN109061483A (zh) | 电池健康状态的检测方法、装置、存储介质和处理器 | |
CN109116242A (zh) | 一种动力电池的数据处理方法和装置 | |
CN113219357B (zh) | 电池包健康状态计算方法、系统及电子设备 | |
CN112622693A (zh) | 一种电池管理方法、装置及车辆 | |
CN109100655A (zh) | 一种动力电池的数据处理方法和装置 | |
CN109063260A (zh) | 一种动力电池的老化趋势判断方法和装置 | |
CN109800446B (zh) | 一种锂离子电池放电过程电压不一致性估计方法及装置 | |
CN109768340B (zh) | 一种电池放电过程电压不一致性估计方法及装置 | |
CN108287317A (zh) | 电池功率预测模型生成方法及系统、功率预测方法及系统 | |
Li et al. | Real-time estimation of lead-acid battery parameters: A dynamic data-driven approach | |
Guo et al. | The equivalent circuit battery model parameter sensitivity analysis for lithium‐ion batteries by Monte Carlo simulation | |
CN115469239B (zh) | 电池系统的电荷状态一致性评价方法、装置及电子设备 | |
CN115389954A (zh) | 一种电池容量的估算方法、电子设备及可读存储介质 | |
CN112630661A (zh) | 一种电池荷电状态soc估算方法和装置 | |
CN114609523A (zh) | 一种电池容量的在线检测方法、电子设备及存储介质 | |
CN108845267B (zh) | 一种动力电池的数据处理方法和装置 | |
CN113300016B (zh) | 一种电池充放电控制方法和装置 | |
CN110031766A (zh) | 电池许用功率估算方法及模块、电池功率管理方法及系统、汽车及计算机可读存储介质 | |
CN112611973A (zh) | 一种电池健康状态估算方法、系统、设备和存储介质 | |
CN114994542B (zh) | 电池开路电压估计方法、装置、电子设备及可读存储介质 | |
CN115656834A (zh) | 一种电池容量预测方法、装置及电子设备 | |
CN115544903A (zh) | 基于大数据的电池数据处理方法、装置、设备及存储介质 | |
CN115270983A (zh) | 一种基于AdaBoost-RBF算法的开关柜故障预测方法 |
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 |