技术领域
[0001] 本
发明属于
汽车电池领域，具体涉及一种基于数据的高压回路接触
电阻变化的评估方法。
背景技术
[0002] 受
能源和环境的限制，新能源汽车得到了迅速的发展，新能源汽车主要采用
电能为动
力，在汽车中，通常是将若干
单体电芯通过导电连接件串并联成一个电源，通过特性工艺、结构固定在设计
位置，制成动力电池模组，所有电芯协同发挥电能充放存储的功能。目前，很多采用电能的新能源汽车的安全，安全事故多是由电池模组发生故障产生的，一旦电池模组发生故障，就可能造成车毁人亡。
[0003] 电池模组损坏很多时候由于
温度过高引起的，但是引发电池模组温度升高的原因有很多，其中接触电阻变化一个主要因素。电池模组是采用电芯与导电母排通过
焊接、螺接或机械压接等方式连接，单体电池在连接过程中，接触电阻是一个非要重要的特性，接触电阻越大，
电池组在工作时消耗的热功率就越大。
电动车辆使用过程中受到震动、
氧化等环境影响时，各接触点的接触电阻会发生变化，影响整个高压回路的接触电阻，变化超过一定范围会对整个电池包的
能量转化效率产生影响，造成局部温度过高影响电池包的使用寿命，降低行驶里程，甚至引发事故，因此，对高压回路接触电阻进行监测，具有很高的现实意义。
[0004] 目前行业内存在很多实时监测高压回路电阻的方法，例如
专利申请号为201110298261.2的中国专利公开了一种电车动力电池高压回路电阻的在线监测控制方法，该方法是对电池组工作状态时，对高压回路电阻进行实时监测。该专利中的方法，通过对电池包的高压回路电阻进行实时监测，当单组达到设定的
阈值时报警，但是因为电池包的高压回路接触电阻是一个动态变化的过程，并且在很多极端情况，电阻在某一时刻出现一次异常是正常的，并不影响电池的使用，如果每次警报都进行电池包的维修，增加了车辆所有者的成本，并且会加快电池包的损耗。而对于电池情况，通常需要进行整体的评估，才能确定电阻是否存在异常，但是现有的方法难以对接触电阻变化的情况进行评估。
发明内容
[0005] 技术问题：本发明提供一种基于数据的高压回路接触电阻变化的评估方法，旨在通过分析数据的方法，对高压回路接触电阻变化的情况进行快速准确地评估，从而确定电池包的整体状况，根据接触电阻变化情况，对电池故障进行预警，对电池情况进行检测。
[0006] 技术方案：本发明一种基于数据的高压回路接触电阻变化的评估方法，首先定义检测区段，电池包充电过程中，以当前时刻前若干分钟作为检测区段；然后获取检测区段的充电数据，将检测区段内高压回路接触电阻变化情况与后台
数据库中的充电数据模型进行比对，根据高压回路接触电阻变化情况与充电数据模型对比的偏差进行判断，如果偏差在设定的第一阈值范围内，则说明高压回路接触电阻变化情况正常，否则，进行异常报警。
[0007] 进一步地，所述高压回路接触电阻变化情况包括接触电阻随时间的变化和电阻变化率随时间的变化。
[0008] 进一步地，所述后台数据库中的充电数据模型按如下步骤搭建和更新：
[0009] S1：确定数据累积周期，采集数据累积周期内使用同批次电池包的若干车辆的充电数据，将每个电池包充电一次产生的全部数据为一个数据集合，定义该数据集合为一条充电数据，所述充电数据包括累计总压、采集总压、
电流以及电池包的充电时间；
[0010] S2：从充电数据中提取有效充电数据；
[0011] S3：分别计算每条有效充电数据对应的总压差、接触电阻和电阻变化率，得到充电数据模型，即接触电阻变化曲线、电阻变化率变化曲线、电流变化曲线；
[0012] S4：将每条数据得出的充电数据模型与后台数据库中的充电数据模型进行匹配比对，判断后台数据库中是否已经有类似的充电数据模型，若没有，则添加为新的充电数据模型，反之，则不添加；
[0013] S5：每隔一个数据累积周期，更新后台数据库中进行充电数据模型。
[0014] 进一步地，所述步骤S2中，并按下述步骤提取有效充电数据：
[0015] S2.1：初步提取有效充电数据，若电池包的充电时长大于或等于设定最低充电时长，则保留该条充电数据，反之，若电池包的充电时长小于设定最低充电时长，则舍弃该条充电数据；
[0016] S2.2：去除偶发充电数据，对于满足最低充电时长的充电数据，若一条充电数据在数据累计周期内只出现过一次，认为是该条为偶发充电数据，则舍弃该条充电数据；
[0017] S2.3：对经过步骤S2.1和S2.2处理后的所有充电数据进行进一步提取，分别计算每条充电数据的电流的中值Mi、平均值μi、均方根值RMSi和标准差值σi，其中i为数据的序号；并将所有充电数据作为一个数据集合，计算该数据集合的电流的中值M总、平均值μ总、均方根值RMS总和标准差值σ总；然后分别计算所述中值Mi与中值M总的偏差 所述平均值μi与平均值μ总的偏差 所述均方根值RMSi与均方根值RMS总的偏差 所述标准差值σi与标准差值σ总的偏差 如 中任意三个在第二阈值范围以内，则该条充电数据有效，否则，删除该条充电数据。
[0018] 进一步地，所述步骤S4中，判断一个充电数据模型是否在后台数据库中存在相似的模型的方法为：将该条充电数据模型的电流与后台数据库中的充电数据模型的电流依次对比，与后台数据库中任一个充电数据模型对比时，分别计算两个模型的电流的中值的偏差、平均值的偏差、均方根值的偏差、标准差值的偏差，如果任意三个量的偏差值在第二阈值范围以内，则认为两个充电数据模型相似，不保存该充电数据模型，反之则认为两个充电数据模型不相似，保存该充电数据模型。
[0019] 进一步地，所述步骤S5中，后台数据库中的充电数据模型定期更新，具体操作方法为：首先统计后台数据库当前数据累计周期内产生的充电数据模型数量，如果数量大于或等于最低设定量，则保留当前数据累计周期内的所有充电数据模型，并将前一个数据累计周期中产生的充电数据模型删除；如果小于最低设定量，则将当前数据累计周期的充电点数据模型全部保存，同时保留前一数据累计周期中最靠近当前时刻的充电数据模型，使整个后台数据库中的充电数据模型数量满足设定最低设定量。
[0020] 进一步地，判断高压回路接触电阻变化是否异常的步骤如下：
[0021] S11：首先进行模型匹配，用待检测电池包检测区段的电流变化曲线与后台数据库中的充电数据模型的电流变化曲线进行匹配，如果电流变化曲线与后台数据库中的任意一个充电数据模型的电流变化曲线变化趋势一致，则匹配成功；
[0022] S12：判断接触电阻，用检测区段内的电阻变化曲线与匹配成功的充电数据模型的电阻变化曲线进行比较，如果偏差不在第一阈值范围内，则说明接触电阻变化情况异常，进行异常报警，反之，则不进行异常报警；
[0023] S13：判断电阻变化率，用检测区段内的电阻变化率曲线与匹配成功的充电数据模型的电阻变化率曲线进行比较，如果偏差不在第一阈值范围内，则说明接触电阻变化情况异常，进行异常报警，反之，则不进行异常报警。
[0024] 进一步地，所述步骤S12和S13任一步骤发生异常报警，都说明高压回路接触电阻变化情况异常。
[0025] 有益效果：本发明与
现有技术相比，具有以下优点：
[0026] (1)本发明基于数据的高压回路接触电阻变化的评估方法，利用
大数据的方式，建立典型的高压回路接触电阻预测数据模型，通过将电池包充电状态下一段时间内的充电数据与后台数据库中充电数据模型进行比对，从而对电池包的高压回路接触电阻变化的情况进行评估判断。因为一段时间内的数据，能够反应的电池包的整体状况，通过本发明的评估方法，快速准确地评估出电池包中高压回路接触电阻变化的情况，从而使得使用者能够确定电池包的整体情况，减少了不必要的维修，避免了因为维修导致的电池包的损耗，并且即使判断电池包状况，减少因为电池包故障引起的安全事故发生。
[0027] (2)本发明采用基于数据的方法进行高压回路接触电阻变化情况的评估，因为电流数据在整个充电过程中相对稳定，一般不会发生突变，因此具有较高的
稳定性和可靠性，易于进行模型匹配，从而使得模型匹配过程更加迅速和准确，进而提高了高压回路接触电阻变化的评估效率，能够更快速地判断高压回路接触电阻是否存在异常。
[0028] (3)本发明通过电流数据来建立充电数据模型，是根据电流的中值、平均值、均方根值、标准差值，这四个变量能够充分的反应数据的情况，选择这四个变量作为选择充电数据的准则，使得选取的充电数据更具有代表性，更能反应电池包的状况，从而使得建立的充电数据模型更加准确，更符合电池的状况更加符合，进而，使得在评估过程中，使得待检测的电池包能够匹配到与之更为相似的充电数据模型，从而提高了评估的准确性。
[0029] (4)本发明设定了数据累计周期，并且优选的将数据累计周期设定为1个月，既保证了后台数据库中有足够的数据模型，并且这些模型能够反应电池包最近阶段的情况，从而与待检测的车辆上的电池包的状态更加匹配，进而使得高压回路接触电阻的评估
精度更高。并且如果电池包使用后期，可能老化的比较快，也可以将数据累计周期设置的时间短些，从而更能与电池包情况匹配，从而使得评估的更加准确。
[0030] (5)本发明在提取有效充电数据时，要求充电数据满足一定时长，使得充电数据更能反应电池包当前的状况，从而使得采集的数据更具有代表性，进而使得评估精度更高。优选的方案中，最低是20min，电池包充电20min以上的数据，能够反应电池包当前状况，从而使得搭建的模型更加符合电池包情况，进而增加了评估精度。将第二阈值设置为15％，从而保证了提取的充电数据的有效性。
[0031] (6)本发明的评估方法，要对后台数据库中的模型进行定期更新，删除以前的模型，一方面保证后台数据库中的模型都是最新的，能够与带检测的电池包的当前状况进行匹配，从而提高了评估的准确率。另一方面避免了后台数据库中模型过多，降低了模型匹配效率，从而降低高压回路接触电阻变化的评估效率，不能尽快地检测高压回路接触电阻变化的异常。此外，优选的方案中，将最低设定量设置为100条，该数量能够
覆盖了电池包的高压回路接触电阻的典型情况，并且不会占用过多的数据空间。
[0032] (7)本发明优选的方案中，将第一阈值设置为±10％，如果设置的过大，则会导致难以匹配到更为准确的数据模型，甚至会导致多个模型都能与之匹配，会使得匹配的误差变大，从而影响影响评估的精度，造成误报；如果设置过小，则可能会出现难以快速地找到相匹配的模型，增加了时间消耗，降低了效率，采用优选的设置，能够同时兼顾效率和精度。
附图说明
[0033] 图1为本发明的基于数据的高压回路接触电阻变化的评估方法的
流程图；
[0034] 图2为后台数据库中充电数据模型的建立和更新过程流程图；
[0035] 图3为接触电阻变化曲线的示意图。
具体实施方式
[0036] 下面结合
实施例和
说明书附图对本发明作进一步的说明。
[0037] 对本发明提出的基于数据的高压回路接触电阻变化的评估方法进行详细说明，本发明的评估方法针对与汽车充电过程，根据电池包充电数据，来分析电池包中高压回路接触电阻变化的情况，从而判断电池包是否存在异常。在电池包充电状态下，采集检测区段的充电数据，并将检测区段内高压回路接触电阻变化情况与后台数据库中的充电数据模型进行比对，根据高压回路接触电阻变化情况与充电数据模型对比的偏差进行判断，如果偏差在设定的第一阈值范围内，则说明接触电阻变化情况正常，否则，进行异常报警，本发明的方法流程参见图1所示。
[0038] 检测区段定义为电池包充电过程中，以当前时刻前若干分钟作为检测区段，说明的是，整个检测区段，电池包都在充电。
[0039] 接触电阻变化情况包括接触电阻随时间的变化和电阻变化率随时间的变化，只要有一个变化异常，就说明接触电阻变化情况。
[0040] 对于本发明的评估方法，后台数据库中的充电数据模型是非常重要的，因为这些充电数据模型是用来评价接触电阻变化是否异常的基准。因此首先对后台数据库中充电数据模型的搭建和更新方法进行说明。
[0041] 根据图2所示，搭建和更新后台数据库中的充电数据模型的方法按以下步骤进行：
[0042] S1：确定数据累积周期，采集数据累积周期内使用同批次电池包的若干车辆的充电数据，将每个电池包充电一次产生的全部数据为一个数据集合，定义该数据集合为一条充电数据，所述充电数据包括累计总压、采集总压、电流以及电池包的充电时间。
[0043] 数据累计周期是指进行充电
数据采集并进行后台数据库更新的周期，由于后台数据库中，可能不存在任何充电数据模型，因此必须采集足够的充电数据，然后建立充电数据模型，然后存放在后台数据库中，数据累积周期通常设置为1个月。此外，因为每个数据累计周期都会采集大量充电数据，搭建大量的充电数据模型，并且，随着电池的实用，电池的性能也会发生改变，因此，前一个数据累计周期建立的数据模型可能已经不能与当前的电池包状态相匹配，因此需要将数据库中的充电数据模型进行更新，并删除前一数据累计周期的一部分或全部数据模型。将数据累计周期设定为1个月，既保证了后台数据库中有足够的数据模型，并且这些模型能够反应电池包最近阶段的情况，从而与待检测的车辆上的电池包的状态更加匹配，进而使得高压回路接触电阻的评估精度更高。予以说明的是，如果电池包使用后期，可能老化的比较快，也可以将数据累计周期设置的时间短些，从而更能与电池情况匹配，从而使得评估的更加准确。
[0044] 因为同一批次的电池包，电池包性能大体相同，因此，应该说明的是，对于待检测的电池包，也应该是与产生后台数据库充电模型的电池包属于同一批次。
[0045] 电池包的充电数据，检测系统会检测出大量的各种类型的数据，但本发明的评估方法，需要的充电数据包括：累计总压V0、采集总压V1、电流I以及电池包的充电时间T，因为每个电池包每次充电的数据都是有大量的数据点构成，因此可以构成一个数据集合，将该数据集合定义为一条充电数据。
[0046] S2：从充电数据中提取有效数据
[0047] 因为采集的充电数据并不都是有效的，因此，需要对采集的数据进行筛选，然后提取有效的充电数据，提取有效充电数据的步骤为：
[0048] S2.1：初步提取有效充电数据
[0049] 因为汽车电池包充电，如果充电时长太短，很难反应电池包的情况，因此有效的充电数据需要满足一定的充电时长，因此定义满足要求的充电时长为最低充电时长，通常将最低充电时长设定为20min，充电时长可以通过充电包充电时，充电的开始时刻减去停止时刻计算。若电池包的充电时长大于或等于设定最低充电时长，则保留该条充电数据，反之，若电池包的充电时长小于设定最低充电时长，则舍弃该条充电数据。要求充电数据达到一定的时长，使得充电数据更能反应电池包当前的状况，从而使得采集的数据更具有代表性，进而使得评估精度更高。
[0050] S2.2：去除偶发充电数据
[0051] 对于满足最低充电时长的充电数据，若一条充电数据在数据累计周期内只出现过一次，认为是偶发充电数据，则舍弃该条充电数据。当车辆处在一些极端情况下，电池包的性能可能与通常情况下的性能有一定区别，使得在整个数据累计周期内，有些充电数据只出现一次，则认为，该条数据属于偶发充电数据，将该条充电数据舍弃。
[0052] S2.3：对经过步骤S2.1和S2.2处理后的数据进一步筛选提取
[0053] 分别计算每条充电数据的电流的中值Mi、平均值μi、均方根值RMSi和标准差值σi，其中i为数据的序号；并将所有充电数据(经S2.1和S2.2处理后的)作为一个数据集合，计算该数据集合的电流的中值M总、平均值μ总、均方根值RMS总和标准差值σ总；然后分别计算所述中值Mi与中值M总的偏差 所述平均值μi与平均值μ总的偏差 所述均方根值RMSi与均方根值RMS总的偏差 所述标准差值σi与标准差值σ总的偏差 如 中任意三个在第二阈值范围以内，则该条充电数据有效，否则，删除该条数据。
[0054] 通过公式来表示：
[0055]
[0056]
[0057]
[0058]
[0059] 通常将第二阈值设定为15％，即对与任一条充电数据， 中的任意三个小于或等于15％，则该条充电数据为有效的。因为电流数据的中值、平均值、均方根值、标准差值，能够充分的反应电流数据的情况，选择这四个变量作为选择充电数据的准则，使得选取的充电数据更具有代表性，更能反应电池包的状况，从而使得建立的充电数据模型更加准确，更符合电池的状况更加符合，进而，使得在评估过程中，使得待检测的电池包能够匹配到与之更为相似的充电数据模型，从而提高了评估的准确性。并且，优选的方案中，将第二阈值设定15％，能够充分保证了充电数据的有效性。值得说明的是，随着电池包使用时间的增加，可以根据电池包情况对第二阈值进行调整，从而更加贴近电池包的当前情况。
[0060] S3：分别计算每条有效充电数据对应的总压差、接触电阻和电阻变化率，得到充电数据模型，即接触电阻随时间的变化曲线、电阻变化率随时间的变化曲线、电流随时间的变化曲线，为了方便表达，即接触电阻变化曲线、电阻变化率变化曲线和电流变化曲线。其中：
[0061] 总压差ΔV＝累计总压V0-采集总压V1；
[0062] 接触电阻R＝总压差ΔV/电流I；
[0063] 电阻变化率dR＝ΔR/ΔT，其中ΔR表示接触电阻的增量，ΔT表示时间的增量；
[0064] 为方便说明，接触电阻随时间的变化曲线用R-T表示，电阻变化率随时间的变化曲线用dR-T表示，电流随时间的变化曲线用I-T表示。I-T曲线用来匹配充电数据模型，R-T和dR-T曲线用来做判断接触电阻变化情况。
[0065] S4：将每条数据得出的充电数据模型与后台数据库中的充电数据模型进行匹配比对，判断后台数据库中是否已经有类似的充电数据模型，若没有，则添加为新的充电数据模型，反之，则不添加；
[0066] 由于每条有效的充电数据都能得出对应的充电数据模型，当将新的充电数据模型要放进后台数据库中时，需要判断后台数据库中是否存在相似的充电数据模型，如果后台数据库中已经有了相似的充电数据模型，则不需要添加进后台数据库中。具体的判断方法为：将该条充电数据的电流与后台数据库中的充电数据模型的电流依次对比，与后台数据库中任一个充电数据模型对比时，分别计算电流的中值的偏差、平均值的偏差、均方根值的偏差、标准差值的偏差，如果任意三个偏差在第二阈值范围以内，则认为两个充电数据模型相似，不保存该充电数据模型，反之则认为两个充电数据模型不相似，保存该充电数据模型。例如，假设该条充电数据的电流的中值为Mk1、平均值为μk1，均方根值为RMSk1，标准差值为σk1，与其对比的任一充电数据模型的电流的中值为Mk2、平均值为μk2，均方根值为RMSk2，标准差值为σk2，则电流中值的偏差 平均值的偏差为 均方根值的偏差为 标准差的偏差为 其中BMk、Bμk、
BRMSk、Bσk中任意三个小于或等于15％，则认为两个充电数据模型相似。
[0067] 采用电流曲线进行充电数据模型匹配，是因为电流数据在整个充电过程中相对稳定，一般不会发生突变，因此具有较高的稳定性和可靠性，易于进行模型匹配，从而使得模型匹配过程更加迅速和准确，进而提高了高压回路接触电阻变化的评估效率，能够更快速地判断高压回路接触电阻是否存在异常。
[0068] S5：每隔一个数据累积周期，更新后台数据库中进行充电数据模型
[0069] 后台数据库中模型更新的方法为：首先统计后台数据库当前数据累计周期内产生的充电数据模型数量，如果数量大于或等于最低设定量，则保留当前数据累计周期内的所有充电数据模型，并将前一个数据累计周期中产生的充电数据模型删除；如果小于最低设定量，则将当前数据累计周期的充电点数据模型全部保存，同时保留前一数据累计周期中最靠近当前时刻的充电数据模型，使整个后台数据库中的充电数据模型数量满足设定最低设定量。
[0070] 后台数据库中充电数据模型必须具有足够的数量，才能便于接触电阻变化评估，因此最低设定量就是后台数据库中应该存有的充电数据模型的最小数量。通常，最低设定量为100，即保持后台数据库中最少存有100个充电数据模型。
[0071] 对后台数据库中的模型进行定期更新，删除以前的模型，一方面保证后台数据库中的模型都是最新的，能够与带检测的电池包的当前状况进行匹配，从而提高了评估的准确率。另一方面避免了后台数据库中模型过多，降低了模型匹配效率，从而降低高压回路接触电阻变化的评估效率，不能尽快地检测高压回路接触电阻变化的异常。此外，优选的方案中，将最低设定量设置为100条，该数量能够覆盖了电池包的高压回路接触电阻的典型情况，并且不会占用过多的数据空间。
[0072] 当后台数据库中存有足够的充电数据模型后，即可用来评估接触电阻变化情况。采集检测区段的充电数据后，通常，检测区段为15min，因为电池包充电15min，所得的数据已经能够反应其电池包的状况，能够充分反应电池包中各个量的变化情况，并且，检测区段的长度会小于在建立充电数据模型采集数据时，所设定的最低充电时长。得到检测区段的电流变化曲线、接触电阻变化曲线、电阻变化率变化曲线，然后开始进行接触电阻变化估计，判断接触电阻变化情况是否异常，根据图1所示，具体步骤为：
[0073] S11：首先进行模型匹配，用待检测电池包检测区段的电流变化曲线与后台数据库中的充电数据模型的电流变化曲线进行匹配，如果电流变化曲线与后台数据库中的任意一个充电数据模型的电流变化曲线变化趋势一致，则匹配成功。
[0074] 在进行匹配时，通常是检测区段的电流变化曲线与后台数据库中的充电数据模型的电流变化曲线，从起始时刻开始对比匹配。
[0075] S12：判断电阻变化，用检测区段内的电阻变化曲线与匹配成功的充电数据模型的电阻变化曲线进行比较，如果偏差不在第一阈值范围内，则说明接触电阻变化情况异常，进行异常报警，反之，则不进行异常报警。
[0076] 在实际操作时，对于匹配成功的充电数据模型的电阻变化曲线，同时会根据该电阻变化曲线，给出其对应的偏差第一阈值的电阻变化曲线，例如，通常会将第一阈值设定为±10％，即对于匹配成功的充电数据模型的电阻变化曲线，会根据该电阻变化曲线，给出偏差+10％的电阻变化曲线和偏差-10％的电阻变化曲线，可以分别称为上偏差曲线和下偏差曲线，曲线形式如图3所示，如果检测区段内的电阻变化曲线上有数据点不在上偏差曲线和下偏差曲线的范围之内，则说明接触电阻变化情况异常，进行异常报警，反之，则说明高压回路接触电阻变化情况不异常，不进行异常报警。
[0077] 优选的方案中，将第一阈值设置为±10％，如果设置的过大，则会导致难以匹配到更为准确的数据模型，甚至会导致多个模型都能与之匹配，会使得匹配的误差变大，从而影响影响评估的精度，造成误报；如果设置过小，则可能会出现难以快速地找到相匹配的模型，增加了时间消耗，降低了效率，采用优选的设置，能够同时兼顾效率和精度。
[0078] S13：判断电阻变化率，用检测区段内的电阻变化率曲线与匹配成功的充电数据模型的电阻变化率曲线进行比较，如果偏差不在第一阈值范围内，则说明高压回路接触电阻变化情况异常，进行异常报警，反之，则不进行异常报警。
[0079] 在实际操作过程中，判断电阻变化率时与判断电阻变化时的方法相同。
[0080] 因为高压回路接触电阻变化情况是反应在电阻变化和电阻变化率变化上，即使检测的电阻变化是正常的，但可能出现局部电阻变化率变化异常的情况，因此分别检测电阻变化和电阻变化率变化，使得对高压回路接触电阻变化的情况评估的准确率高，并且相当于增加了一个评估准则，从而能够准确地对高压回路接触电阻进行检测，准确地判断接触电阻是否存在异常，进而避免了安全事故的发生。
[0081] 对于步骤S12和S13，只要有一个步骤发生异常报警，则说明高压回路接触电阻变化异常。
[0082] 本发明的评估方法，通过将检测区段的数据与后台数据库模型进行匹
配对比，用来评估高压回路接触电阻变化的异常情况，能够从整体上评估电池包的情况，基于数据模型对比的方式，效率和精度也相对较高，能够快速准确地对高压回路接触电阻进行评估，判断接触电阻变化的异常情况，及早的预判，进而避免安全事故的发生。并且本发明的方法，更进一步地，还能适用与车联网系统，便于对车辆电池的智能化管理。
[0083] 上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明
权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。
