申请/专利权人：无锡冠亚恒温制冷技术有限公司

申请日：2024-01-22

公开（公告）日：2024-04-12

公开（公告）号：CN117613430B

主分类号：H01M10/42

分类号：H01M10/42;H01M10/633;G01R31/385;G01R31/388;G01J5/48;G06F18/20;G06V10/30;G06F18/211;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明涉及电池测试管理的技术领域，特别是涉及一种新能源电池综合测试能源管理方法及系统，其能够降低能耗，提高能源利用效率，降低测试成本、提高测试效率；方法包括：通过传感器获取新能源电池包充电数据信息以及恒温箱的热红外温度图像信息；由新能源电池包充电数据信息中提取出影响恒温箱环境温度的要因参数，要因参数包括电池温度、充电电压、充电电流以及电池容量；将要因参数输入至预先构建的恒温箱环境影响分析模型中，获得恒温箱温度影响因子；对热红外温度图像信息进行有限元分析，获得恒温箱环境温度特征；恒温箱环境温度特征与恒温箱温度影响因子对应时间相同；将同一时间获得的恒温箱环境温度特征和恒温箱温度影响因子。

主权项：1.一种新能源电池综合测试能源管理方法，其特征在于，所述方法包括：通过传感器获取新能源电池包充电数据信息以及恒温箱的热红外温度图像信息；由新能源电池包充电数据信息中提取出影响恒温箱环境温度的要因参数，所述要因参数包括电池温度、充电电压、充电电流以及电池容量；将要因参数输入至预先构建的恒温箱环境影响分析模型中，获得恒温箱温度影响因子；对热红外温度图像信息进行有限元分析，获得恒温箱环境温度特征；所述恒温箱环境温度特征与所述恒温箱温度影响因子对应时间相同；将同一时间获得的恒温箱环境温度特征和恒温箱温度影响因子，输入至预先构建的恒温箱温度预测模型中，获得未来预设时间内的恒温箱温度；根据设定的充电测试温度与未来预设时间内的恒温箱温度之间的温差，生成温度调控参数；并根据温度调控参数对恒温箱进行温度调控；所述恒温箱环境影响分析模型构建方法包括：收集与电池充电过程相关的数据，包括电池温度、充电电压、充电电流和电池容量；对数据进行清理，包括处理缺失值、异常值和离群点；根据问题的复杂性和数据的性质选择模型，所述模型包括线性回归、多元线性回归、支持向量回归、决策树回归、神经网络；利用收集到的数据对选定的模型进行训练，包括调整模型的参数以最小化实际温度和模型预测之间的差异；使用独立的测试数据集来评估模型的性能，衡量模型的预测准确度；根据评估结果对模型进行调整和优化；将训练好的模型应用于实际数据，预测未来恒温箱温度影响因子；所述热红外温度图像信息有限元分析方法包括：获取红外相机和热红外传感器采集的恒温箱的热红外温度图像信息作为输入数据；对热红外温度图像进行预处理，所述预处理包括去除噪声、图像校准和纠偏；利用有限元分析方法，建立恒温箱的温度传导模型；运用数值求解方法，对建立的有限元模型进行求解，获得在恒温箱内部不同位置的温度分布；在获得的有限元分析结果中，提取与恒温箱环境温度相关的恒温箱环境温度特征，所述特征包括整体温度分布图、温度梯度、热点位置；所述恒温箱温度预测模型构建方法包括：收集相关的数据，包括历史温度数据、外部温度、湿度和工作状态；对数据进行清洗，处理缺失值、异常值，进行数据预处理，包括标准化、归一化、时间序列的平稳化；选择并提取影响温度的特征，包括历史温度数据、外部环境因素；根据问题的性质选择预测模型，所述模型包括线性回归、支持向量机、决策树、随机森林、神经网络;使用历史数据对选择的模型进行训练，调整模型的参数以最小化预测误差；使用独立的测试数据集对模型进行评估，检查其在新数据上的泛化性能；根据评估结果对模型进行调优，包括调整特征选择、模型参数；将训练好的模型部署到实际系统中，并建立监控机制，确保模型在实际应用中的性能稳定；所述充电测试温度设定影响因素包括电池类型和化学组成、充电速率、电池状态、环境温度、安全性考虑、应用场景要求和测试目的。

全文数据：

权利要求：

百度查询： 无锡冠亚恒温制冷技术有限公司 一种新能源电池综合测试能源管理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD