开云优惠体育网页版入口

专利名称：一种锂离子电池容量检测方法及系统

专利类型：实用新型专利

专利申请号：CN202411207001.3

专利申请（专利权）人：山东精工电子开云优惠体育网页版入口股份有限公司
权利人地址：山东省枣庄市高新区光明路X6699号(光明路与华信路交界口北侧)

专利发明（设计）人：柯西文,王勇,张敬捧,杜显振,单传省,薛娟娟,任士界

专利摘要：本申请涉及电池检测技术领域，具体涉及一种锂离子电池容量检测方法及系统，该方法包括：获取设定数量个锂离子电池充电过程中各时刻的电池参数；根据充电过程中锂离子电池内阻的变化对锂离子电池的充电总时长进行不等长度的分割，获取充电时间窗口；根据各充电时间窗口内的电池温度局部范围的分布以及变化，得到温度适宜度；根据充电时间窗口之间温度分布的相似性，得到综合适宜度；对每个锂离子电池的充电时间窗口进行筛。盗飞窬，得到待检测锂离子电池容量。本申请可以更好地捕捉充电过程中的信息，并且确保电池参数具有代表性和多样性，从而提高电池容量检测的准确性。

主权利要求：
1.一种锂离子电池容量检测方法，其特征在于，该方法包括以下步骤：获取设定数量个锂离子电池充电过程中各时刻的电池参数；所述电池参数至少包括电池内阻、电池温度；
根据充电过程中锂离子电池内阻的变化对锂离子电池的充电总时长进行分割，获取若干个充电时间窗口；
根据各充电时间窗口内的电池温度局部范围的分布情况以及变化特征，得到各充电时间窗口的温度适宜度；根据各充电时间窗口与其他充电时间窗口中电池温度分布的相似性以及混乱程度，结合所述温度适宜度，得到各充电时间窗口的综合适宜度；
基于所述综合适宜度，对每个锂离子电池的充电时间窗口进行筛。桓萆秆『蟮某涞缡奔浯翱诘牡绯夭问，训练神经网络，得到待检测锂离子电池容量；
所述得到各充电时间窗口的温度适宜度，具体为：
对于各充电时间窗口，以各时刻的温度数据为中心，预设各时刻的温度邻域；计算各时刻的温度邻域中所有温度数据的离散程度；根据各充电时间窗口所有时刻所述离散程度的分布，结合各充电时间窗口中温度数据的平均水平，得到各充电时间窗口的温度适宜度；
所述得到各充电时间窗口的综合适宜度的过程包括：
计算各充电时间窗口与其他各充电时间窗口中温度数据的距离度量，计算各充电时间窗口所有所述距离度量的均值；将各充电时间窗口中温度数据的混乱程度、所述均值以及所述温度适宜度进行融合，得到各充电时间窗口的综合适宜度。
2.如权利要求1所述的一种锂离子电池容量检测方法，其特征在于，所述电池参数还包括：充电电流、电池电压。
3.如权利要求1所述的一种锂离子电池容量检测方法，其特征在于，所述获取若干个充电时间窗口，具体为：将各充电时间窗口的前一个充电时间窗口的长度作为各充电时间窗口的原始窗口长度；根据各充电时间窗口对应原始窗口内的内阻变化率，以及内阻的离散程度，得到各充电时间窗口的调整因子；其中，将预设长度作为第一个充电时间窗口的原始窗口长度；
将第i个充电时间窗口的长度记为 ，其公式形式为： ；其
中， 表示第i?1个充电时间窗口的长度； 表示第i个充电时间窗口的调整因子； 表示向上取整。
4.如权利要求3所述的一种锂离子电池容量检测方法，其特征在于，所述内阻变化率的获取步骤为：对于各充电时间窗口对应原始窗口，计算起始时刻和终止时刻的内阻差；将所述内阻差与起始时刻的内阻的比值，得到各充电时间窗口对应原始窗口内的内阻变化率。
5.如权利要求2所述的一种锂离子电池容量检测方法，其特征在于，所述训练神经网络的具体为：对于每个锂离子电池，分别将筛选后的各充电时间窗口中所有时刻的电池内阻、电池温度、充电电流、电池电压组成对应充电时间窗口的特征矩阵的各个列向量；
将每个锂离子电池所有时刻的电池容量组成的列向量作为每个锂离子电池所有特征矩阵的标签；
将所有特征矩阵以及对应标签作为深度神经网络的输入，预训练深度神经网络，网络架构为三个卷积层、两个最大池化层、一个Dropout层和两个密集层，优化器为Adam优化器，损失函数为均方误差损失函数。
6.如权利要求5所述的一种锂离子电池容量检测方法，其特征在于，所述每个锂离子电池所有时刻的电池容量的获。咛逦：获取每个锂离子电池所有时刻的充电电流的拟合曲线，将各时刻以及之前所有时刻对应拟合曲线纵坐标的积分值作为各时刻的电池容量。
7.如权利要求1所述的一种锂离子电池容量检测方法，其特征在于，所述得到待检测锂离子电池容量，包括：将待检测容量的锂离子电池充电过程中预设时间段内的特征矩阵输入训练后的深度神经网络中，获得待检测锂离子电池充电过程中各时刻的容量，将容量的最大值作为待检测锂离子电池的容量。
8.一种锂离子电池容量检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1?7任意一项所述方法的步骤。 说明书 : 一种锂离子电池容量检测方法及系统技术领域[0001] 本申请涉及电池检测技术领域，具体涉及一种锂离子电池容量检测方法及系统。背景技术[0002] 锂离子电池是一种高效的可充电电池，这种电池以锂离子作为主要的电荷载体，通过锂离子在电池的正负极之间移动来实现电能的存储和释放。锂离子电池的循环寿命较长，可以承受数百至数千次的充放电循环。因此可以实现梯次利用，在锂离子电池首次使用周期结束后，需要对电池的剩余容量进行检测，判断是否符合梯次利用的条件。[0003] 传统的锂离子电池容量检测方法通常依赖于电池的充放电循环测试，这种方法耗时较长，不利于大批次检测。为了降低锂离子电池容量检测时间，实现快速检测，可以使用深度神经网络预测出完整的充电曲线，从而得到锂电池的容量。在训练深度神经网络时，如果随机选择充电曲线片段，可能会遇到许多重复的信息，这样会降低对充电曲线的预测准确性。这种信息重复问题会影响锂离子电池容量的准确检测。发明内容[0004] 鉴于以上内容，有必要提供一种锂离子电池容量检测方法及系统，解决上述问题。[0005] 本申请第一方面提供一种锂离子电池容量检测方法，所述方法包括：[0006] 获取设定数量个锂离子电池充电过程中各时刻的电池参数；所述电池参数至少包括电池内阻、电池温度；[0007] 根据充电过程中锂离子电池内阻的变化对锂离子电池的充电总时长进行分割，获取若干个充电时间窗口；[0008] 根据各充电时间窗口内的电池温度局部范围的分布情况以及变化特征，得到各充电时间窗口的温度适宜度；根据各充电时间窗口与其他充电时间窗口中电池温度分布的相似性以及混乱程度，结合所述温度适宜度，得到各充电时间窗口的综合适宜度；[0009] 基于所述综合适宜度，对每个锂离子电池的充电时间窗口进行筛。桓萆秆『蟮某涞缡奔浯翱诘牡绯夭问，训练神经网络，得到待检测锂离子电池容量。[0010] 其中，所述电池参数还包括：充电电流、电池电压。[0011] 其中，所述获取若干个充电时间窗口，具体为：[0012] 将各充电时间窗口的前一个充电时间窗口的长度作为各充电时间窗口的原始窗口长度；根据各充电时间窗口对应原始窗口内的内阻变化率，以及内阻的离散程度，得到各充电时间窗口的调整因子；其中，将预设长度作为第一个充电时间窗口的原始窗口长度；[0013] 将第i个充电时间窗口的长度记为 ，其公式形式为： ；其中， 表示第i?1个充电时间窗口的长度； 表示第i个充电时间窗口的调整因子；表示向上取整。[0014] 其中，所述内阻变化率的获取步骤为：[0015] 对于各充电时间窗口对应原始窗口，计算起始时刻和终止时刻的内阻差；将所述内阻差与起始时刻的内阻的比值，得到各充电时间窗口对应原始窗口内的内阻变化率。[0016] 其中，所述得到各充电时间窗口的温度适宜度，具体为：[0017] 对于各充电时间窗口，以各时刻的温度数据为中心，预设各时刻的温度邻域；计算各时刻的温度邻域中所有温度数据的离散程度；根据各充电时间窗口所有时刻所述离散程度的分布，结合各充电时间窗口中温度数据的平均水平，得到各充电时间窗口的温度适宜度。[0018] 其中，所述得到各充电时间窗口的综合适宜度的过程包括：[0019] 计算各充电时间窗口与其他各充电时间窗口中温度数据的距离度量，计算各充电时间窗口所有所述距离度量的均值；将各充电时间窗口中温度数据的混乱程度、所述均值以及所述温度适宜度进行融合，得到各充电时间窗口的综合适宜度。[0020] 其中，所述训练神经网络的具体为：[0021] 对于每个锂离子电池，分别将筛选后的各充电时间窗口中所有时刻的电池内阻、电池温度、充电电流、电池电压组成对应充电时间窗口的特征矩阵的各个列向量；[0022] 将每个锂离子电池所有时刻的电池容量组成的列向量作为每个锂离子电池所有特征矩阵的标签；[0023] 将所有特征矩阵以及对应标签作为深度神经网络的输入，预训练深度神经网络，网络架构为三个卷积层、两个最大池化层、一个Dropout层和两个密集层，优化器为Adam优化器，损失函数为均方误差损失函数。[0024] 其中，所述每个锂离子电池所有时刻的电池容量的获。咛逦：[0025] 获取每个锂离子电池所有时刻的充电电流的拟合曲线，将各时刻以及之前所有时刻对应拟合曲线纵坐标的积分值作为各时刻的电池容量。[0026] 其中，所述得到待检测锂离子电池容量，包括：[0027] 将待检测容量的锂离子电池充电过程中预设时间段内的特征矩阵输入训练后的深度神经网络中，获得待检测锂离子电池充电过程中各时刻的容量，将容量的最大值作为待检测锂离子电池的容量。[0028] 第二方面，本申请实施例还提供了一种锂离子电池容量检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。[0029] 上述方案中，获取锂离子电池充电过程中的电池参数，通过锂离子电池充电过程中内阻的变化对锂离子电池的充电总时长进行分割，其有益效果在于基于电阻的变化情况筛选充电过程中信息量较多的时间段，更好的反映充电过程中电池的状态变化，使得获取的充电时间窗口中的数据特征明显；由于电池温度与电池内阻这两种数据的变化具有相互作用，分析充电时间窗口内电池温度的局部分布以及变化特征，构建温度适宜度，其有益效果在于基于充电时间窗口内温度数据的分布特征评价该充电时间窗口是否适合作为训练神经网络的输入；结合充电时间窗口之间电池温度的相似性特征，构建综合适宜度，其有益效果在于衡量不同充电时间窗口中包含重复信息的多少，有助于筛选出的充电时间窗口中的数据可以极大限度的反映锂离子电池充电过程中的状态；根据筛选后的充电时间窗口的电池参数，训练神经网络，可以更好地捕捉充电过程中的信息，并且确保数据具有代表性和多样性，避免重复和偏差，从而提高锂离子电池容量检测的准确性。附图说明[0030] 图1为本申请一个实施例提供的一种锂离子电池容量检测方法的步骤流程图；[0031] 图2为本申请一个实施例提供的锂离子电池的充电曲线示意图；[0032] 图3为本申请一个实施例提供的待检测电池的“时间?容量”曲线示意图。具体实施方式[0033] 在本申请实施例的描述中，“示例性”、“或者”、“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性”、“或者”、“例如”等词旨在以具体方式呈现相关概念。[0034] 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申请中的技术领域的技术人员通常理解的含义相同。本申请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，不是旨在限制本申请。[0035] 另外需要说明的是，本申请及附图中的术语“第一”、“第二”是用于区别类似的对象，而不是用于描述特定的顺序或先后次序。本申请实施例中公开的方法或流程图所示出的方法，包括用于实现方法的一个或多个步骤，在不脱离本申请保护范围的情况下，多个步骤的执行顺序可以彼此互换，其中某些步骤也可以被删除。[0036] 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申请的技术领域的技术人员通常理解的含义相同。[0037] 下面结合附图具体的说明本申请所提供的一种锂离子电池容量检测方法及系统的具体方案。[0038] 请参阅图1，其示出了本申请一个实施例提供的一种锂离子电池容量检测方法的步骤流程图，该方法包括以下步骤：[0039] 第一个步骤：获取设定数量个锂离子电池充电过程中各时刻的电池内阻、充电电流、电池电压、电池温度。[0040] 准备N个锂离子电池，本实施N取500，实施者可自行调整，锂离子电池的额定容量为2.2Ah，放电截止电压为3V，充电截止电压为4.2V，充电电流为1C（即2.2A），充电截止电流为0.1C，由于对每个锂离子电池的分析方法相同，故以其中一个锂离子电池样品为例进行说明。[0041] 首先对锂离子电池进行放电处理，将锂离子电池的电压放电至放电截止电压3V，然后对锂离子电池进行充电，在充电过程中使用电池测试仪实时测量锂离子电池的内阻变化，获得锂离子电池各时刻的电池内阻；使用电压传感器采集充电过程中锂离子电池各时刻的电池电压；使用电流传感器采集充电过程中锂离子电池各时刻的充电电流；使用温度传感器采集锂离子电池各时刻的电池温度；其中，本实施例对各种数据同步采样，采样频率设置为20Hz；实施者可自行调整采样频率，本申请对此不做限制。[0042] 根据锂离子电池在充电过程中充电电流以及电池电压的变化情况，绘制锂离子电池的充电曲线；锂离子电池进行充电的过程可以分为三个阶段，第一阶段：预充电，以一个比较小的电流（0.1C）进行充电，逐渐增大电压；第二阶段：恒流充电，以额定电流（1C）进行充电，逐渐增大电压至充电截止电压，需要说明的是，由于该锂离子电池已经经过一个使用周期，所以充电后达不到额定的充电截止电压；第三阶段：以额定充电截止电压进行充电，逐渐减小电流，当充电电流减小到充电截止电流时，充电完成。[0043] 其中，锂离子电池的充电曲线示意图，如图2所示，图中，a表示电压、b表示电流。[0044] 第二个步骤：根据充电过程中锂离子电池内阻的变化对锂离子电池的充电总时长进行分割，获取若干个充电时间窗口。[0045] 锂离子电池的内阻指的是电池在工作时电流流过电池内部所受到的阻力，主要由欧姆内阻、极化内阻和界面阻抗组成。锂离子电池充电过程中内阻会发生变化，主要是因为充电过程中锂离子在正负极之间的迁移导致电解液中锂盐的浓度发生变化，从而影响电解液的电导率。随着使用时间的增加，锂离子电池会发生老化，导致锂离子电池的内阻增加，老化后的锂离子电池在充电过程中内阻变化更加明显；由于不同老化程度的锂离子电池内阻变化不同，在内阻变化明显的时间包含着更多的信息，故可以根据充电过程中锂离子电池内阻的变化对锂离子电池的充电总时长进行分割，获取若干个充电时间窗口：[0046] 具体的，将各充电时间窗口的前一个充电时间窗口的长度作为各充电时间窗口的原始窗口长度，根据各充电时间窗口对应原始窗口内的内阻变化率，以及内阻的离散程度，得到各充电时间窗口的调整因子；其中，将预设长度作为第一个充电时间窗口的原始窗口长度。[0047] 需要说明的是，所述内阻变化率的获取方法为：对于各充电时间窗口对应原始窗口，计算起始时刻和终止时刻的内阻差；将所述内阻差与起始时刻的内阻的比值，得到各充电时间窗口对应原始窗口的内阻变化率。[0048] 在本实施例中，内阻的离散程度是指对应时间段中内阻的标准差；将第i个充电时间窗口的调整因子记为 ，其具体的公式形式为： ；其中， 表示第i个充电时间窗口对应原始窗口内起始时刻与终止时刻的内阻差； 表示第i个充电时间窗口对应原始窗口内起始时刻的内阻； 表示第i个充电时间窗口对应原始窗口的内阻变化率； 表示第i个充电时间窗口对应原始窗口内内阻的标准差； 表示归一化函数。第一个充电时间窗口的原始窗口长度取值为600，即原始窗口对应时间段的长度为30秒，实施者可根据实际情况自行调整；本实施例中，归一化函数采用sigmoid函数。[0049] 其他实施例中，可以将标准差替换为方差；另外一些实施例中，可以将标准差替换为四分位距。[0050] 进一步的，根据各充电时间窗口前一个充电时间窗口的长度，结合所述调整因子，得到各充电时间窗口的长度：[0051] 在本实施例中，将第i个充电时间窗口的长度记为 ，其公式形式为：；其中， 表示第i?1个充电时间窗口的长度，即第i个充电时间窗口对应原始窗口的长度； 表示第i个充电时间窗口的调整因子； 表示向上取整。[0052] 需要说明的是，各充电时间窗口的长度最小为200，即各充电时间窗口对应的时间段最小为10秒。[0053] 应当理解的是，锂离子电池内阻的变化可以反映充电过程中状态的变化，包括老化和即时性能变化。根据锂离子电池内阻变化率和稳定性来调整充电曲线片段长度。如果内阻变化率大或内阻稳定性差，需要缩短片段长度以捕捉快速变化，相反则需要增加片段的长度。[0054] 第三个步骤：根据各充电时间窗口内的电池温度局部范围的分布情况以及变化特征，得到各充电时间窗口的温度适宜度；根据各充电时间窗口与其他充电时间窗口中电池温度分布的相似性以及混乱程度，结合所述温度适宜度，得到各充电时间窗口的综合适宜度。[0055] 锂离子电池充电过程中内阻变化和电池温度变化之间具有相互作用，当电流通过电池时，由于内阻的存在，一部分电能会转化成热能，从而导致充电过程中电池温度升高，电流相同时，内阻越大产生的热量越多，温度越高。而温度升高会反作用于锂离子电池内阻，因为温度升高会导致电解液的离子导电率增加，电极材料的电化学反应速率也可能提高，此时锂离子电池的内阻降低，温度升高速度下降。[0056] 充电过程中温度过高会加速锂离子电池的老化，老化程度高的锂离子电池内阻相对更大，包含更多的信息。因此，温度变化小并且温度相对较高的充电曲线片段更适合作为深度神经网络的输入，基于此，根据各充电时间窗口内锂离子电池的温度信息，计算各充电时间窗口的温度适宜度，表征它们作为输入的适合程度：[0057] 具体的，对于各充电时间窗口，以各时刻的温度数据为中心，预设各时刻的温度邻域；计算各时刻的温度邻域中所有温度数据的离散程度；根据各充电时间窗口所有时刻所述离散程度的分布，结合各充电时间窗口中温度数据的平均水平，得到各充电时间窗口的温度适宜度。[0058] 本实施例中，每个时刻的温度邻域的长度为9，实施者可根据实际情况自行调整；若每个时刻的温度邻域中数据不足9个时，采用均值填充法进行补足。温度数据的离散程度采用变异系数进行衡量，将第i个充电时间窗口中第j个时刻的变异系数记为 ；温度数据的平均水平采用平均值进行衡量，将第i个充电时间窗口中所有时刻的温度数据的平均值记为 ；将第i个充电时间窗口的温度适宜度记为 ，其具体的公式形式为：；其中， 表示第i个充电时间窗口的长度， 表示归一化函数。其中，归一化函数采用sigmoid函数。[0059] 其他实施例中，可以采用标准差对温度数据的离散程度进行度量；另外一些实施例中，可以采用中位数对温度数据的平均水平进行度量。[0060] 应当理解的是，温度适宜度越大，说明该充电时间窗口中温度数据的平均水平越高，并且该充电时间窗口中所有温度数据的离散程度越。蚋贸涞缡奔浯翱谥械氖菥驮绞屎献魑疃壬窬缪盗纺Ｐ偷氖淙。[0061] 对充电时间窗口中的数据进行筛选时，除了考虑内阻变化带来的影响，还需要考虑其本身包含的信息量以及各个充电曲线片段之间的关系。[0062] 进一步的，根据各充电时间窗口与其他充电时间窗口中电池温度分布的相似性以及混乱程度，结合所述温度适宜度，得到各充电时间窗口的综合适宜度：[0063] 计算各充电时间窗口与其他各充电时间窗口中温度数据的距离度量，计算各充电时间窗口所有所述距离度量的均值；将各充电时间窗口中温度数据的混乱程度、所述均值以及所述温度适宜度进行融合，得到各充电时间窗口的综合适宜度。[0064] 本实施例中，充电时间窗口之间温度数据的距离度量采用DTW距离，温度数据的混乱程度采用信息熵进行衡量；将多个变量进行融合采用相乘的方法，即各充电时间窗口的综合适宜度具体为各充电时间窗口中温度数据的信息熵、所述均值以及所述温度适宜度的乘积。[0065] 应当理解的是，综合适宜度越大，说明该充电时间窗口中温度数据反映的信息越多，且与其他充电时间窗口反应的信息越不相似，即包含的重复信息越少，则该充电时间窗口越适合作为深度神经网络模型训练的输入，相反则越不适合。[0066] 第四个步骤：基于所述综合适宜度，对每个锂离子电池的充电时间窗口进行筛。桓萆秆『蟮某涞缡奔浯翱诙杂Ω髦质菪畔，训练神经网络，得到待检测锂离子电池容量。[0067] 对于每个锂离子电池，选择综合适宜度最大的M个充电时间窗口，本实施例M取值为30，实施者可根据实际情况自行调整。[0068] 由于各个充电时间窗口的长度不一致，以其中所有锂离子电池包括待检测锂离子电池中中最长的充电时间窗口为基准，将充电时间窗口的时间长度记为标准时间长度，对其他充电时间窗口用0填充，并将每种数据进行归一化。[0069] 用填充后的一个充电时间窗口中的各种数据构造一个特征矩阵，特征矩阵的行数等于填充后充电时间窗口的长度，每一行表示一个时刻的数据；特征矩阵的列数等于充电时间窗口中的数据的种类数，本实施例中取值为4，每一列表示对应的数据，第一列为电池内阻，第二列为充电电流，第三列为电池电压，第四列为电池温度。共获得M N个特征矩阵；将每个锂离子电池所有时刻的电池容量组成的列向量作为每个锂离子电池所有特征矩阵的标签。需要说明的是，各时刻的电池容量可以通过对各时刻以及之前所有时刻的充电电流进行积分运算来获。咛逦：获取所有时刻的充电电流的拟合曲线，将各时刻以及之前所有时刻对应拟合曲线纵坐标的积分值作为各时刻的电池容量。[0070] 将这些特征矩阵以及对应的标签作为深度神经网络的输入，对深度神经网络进行训练，训练时，神经网络可以根据输入的特征矩阵预测目标值，然后通过损失函数调整网络权重，以提高预测精度。其中，网络架构为三个卷积层、两个最大池化层、一个Dropout层和两个密集层。优化器为Adam优化器，损失函数为均方误差损失函数。[0071] 将待检测容量的锂离子电池充电过程中预设时间段内的特征矩阵输入训练后的深度神经网络中，获得待检测锂离子电池充电过程中各时刻的容量，将容量的最大值作为待检测锂离子电池的容量，其中预设时间段的长度等于标准时间长度。[0072] 其中，待检测电池的“时间?容量”曲线示意图，如图3所示。[0073] 基于与上述方法相同的发明构思，本申请实施例还提供了一种锂离子电池容量检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种锂离子电池容量检测方法中任意一项所述方法的步骤。[0074] 综上所述，本申请实施例获取锂离子电池充电过程中的电池参数，通过锂离子电池充电过程中内阻的变化对锂离子电池的充电总时长进行分割，其有益效果在于基于电阻的变化情况筛选充电过程中信息量较多的时间段，更好的反映充电过程中电池的状态变化，使得获取的充电时间窗口中的数据特征明显；由于电池温度与电池内阻这两种数据的变化具有相互作用，分析充电时间窗口内电池温度的局部分布以及变化特征，构建温度适宜度，其有益效果在于基于充电时间窗口内温度数据的分布特征评价该充电时间窗口是否适合作为训练神经网络的输入；结合充电时间窗口之间电池温度的相似性特征，构建综合适宜度，其有益效果在于衡量不同充电时间窗口中包含重复信息的多少，有助于筛选出的充电时间窗口中的数据可以极大限度的反映锂离子电池充电过程中的状态；根据筛选后的充电时间窗口的电池参数，训练神经网络，可以更好地捕捉充电过程中的信息，并且确保数据具有代表性和多样性，避免重复和偏差，从而提高锂离子电池容量检测的准确性。[0075] 附图中的流程图和框图显示了根据本申请实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0076] 对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将本申请上述的实施例看作是示范性的，而且是非限制性的；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

专利地区：山东

专利申请日期：2024-08-30

专利公开日期：2024-11-12

专利公告号：CN118707374B