锂电池自放电检测方法、装置及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111965545A(43)申请公布日2020.11.20(21)申请号202010760423.9(22)申请日2020.07.31(71)申请人蜂巢能源科技有限公司地址213200江苏省常州市金坛区鑫城大道8899号(72)发明人江新海金镇瀚郑赫胡韦伟吴义张伟杨榕衫(74)专利代理机构北京润平知识产权代理有限公司11283代理人肖冰滨王晓晓(51)Int.Cl.G01R31/367(2019.01)G01R31/385(2019.01)权利要求书2页说明书6页附图2页(54)发明名称锂电池自放电检测方法、装置及系统(57)摘要本发明涉及电池测试领域，其实施方式提供了一种锂电池自放电检测方法，所述方法包括：获取待测锂电池在自放电测试环境下的从测试开始到第一时间点的第一自放电电流数据；将所述第一自放电电流数据输入机器学习预测模型，得到所述待测锂电池的第一时间点之后的第二自放电电流数据；基于所述第二自放电电流数据，判断所述待测锂电池的自放电性能。同时还提供了对应的锂电池自放电检测装置和系统。本发明提供的实施方式缩短了锂电池的自放电检测的检测时间。CN111965545ACN111965545A权利要求书1/2页1.一种锂电池自放电检测方法，其特征在于，所述方法包括：获取锂电池在自放电测试环境下的从测试开始到第一时间点的第一自放电电流数据；将所述第一自放电电流数据输入机器学习预测模型，得到所述锂电池的第一时间点之后的第二自放电电流数据；基于所述第二自放电电流数据，判断所述锂电池的自放电性能。2.根据权利要求1所述的方法，其特征在于，所述自放电测试环境包括：按照自放电测试规范，将待测锂电池连接至自放电检测电路；所述自放电检测电路包括：与所述待测锂电池串联的稳压电源和微电流表。3.根据权利要求1所述的方法，其特征在于，所述机器学习预测模型为套索回归分析模型，所述套索回归分析模型中的参数采用训练集训练后得到；所述训练集包括若干数据样本，所述数据样本包括：与所述锂电池相同类型的锂电池在自放电测试环境下的从测试开始到第一时间点的自放电电流数据和/或所述锂电池之前在自放电测试环境下的从测试开始到第一时间点的自放电电流的历史数据。4.根据权利要求3所述的方法，其特征在于，所述套索回归分析模型中的参数包括：自变量、因变量、权重参数和正则化参数；所述权重参数的值由所述训练集训练后确定。5.根据权利要求4所述的方法，其特征在于，在对所述套索回归分析模型进行训练之后，所述方法还包括对训练后的套索回归分析模型进行验证的步骤：将自放电电流的验证数据样本按所述第一时间点分为前后两段；将前段验证数据样本输入训练后的套索回归分析模型，得到后段时间所对应的预测电流序列；确定后段时间内的预测电流序列与后段验证数据样本之间的偏差小于偏差阈值，则验证通过。6.根据权利要求5所述的方法，其特征在于，所述偏差阈值与所述锂电池的良品电流和不良品电流之间偏差相关。7.根据权利要求1至6中任一项权利要求所述的方法，其特征在于，所述第一时间点为测试开始后的2小时。8.一种锂电池自放电检测设备，其特征在于，包括：至少一个处理器；存储器，与所述至少一个处理器连接；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现权利要求1至7中任意一项权利要求所述的锂电池自放电检测方法。9.一种锂电池自放电检测系统，其特征在于，所述系统包括：数据检测设备，用于与待测锂电池相连，获取所述锂电池在自放电测试环境下的从测试开始到第一时间点的第一自放电电流数据；数据处理设备，包括数据预测模块和性能判断模块；所述数据预测模块用于将所述第一自放电电流数据输入机器学习预测模型，得到所述锂电池的第一时间点之后的第二自放电电流数据；所述性能判断模块用于基于所述第二自放电电流数据，判断所述锂电池的自放电性2CN111965545A权利要求书2/2页能。10.一种计算机可读存储介质，所述存储介质中存储有指令，其特征在于，所述指令在被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述的锂电池自放电检测方法。3CN111965545A说明书1/6页锂电池自放电检测方法、装置及系统技术领域[0001]本发明涉及电池测试领域，特别涉及一种锂电池自放电检测方法、一种锂电池自放电检测方法、锂电池自放电检测方法以及对应的存储介质。背景技术[0002]以锂离子电池作为动力的电动汽车被广泛使用。电动汽车的动力电池组由单个电池通过串联或并联的方式成模组后，再组合成pack包。每个单体电池都必须具备良好的性能一致性，才能保证电池组的性能、循环寿命、安全等。衡量电池一致性的主要指标有容量、自放电、内