对比文件的名称：2017-10-24_CN107290679A_发明公开_CN107290679A 用于电动汽车共享充电桩的智能化电池健康状态检测方法
目标专利的名称：1526电池电阻诊断装置和方法CN113711068B
本次调用的模型名称：Claude 3.5 Sonnet
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用（含段落标号） | 公开性论述 |
| **技术特征A**：所述电池电阻诊断装置包括电流提供单元，所述电流提供单元被配置为向电池单元提供预设的固定电流<br>**未公开** | [0054]“跟踪并获取共享充电桩的在电动汽车充电过程中获取动力电池的外部特性变化曲线，如充电电流、端电压以及电池表面温度”。<br>[0007]“跟踪用户应用的动力电池数据，并对该动力电池数据进行分类存储”。 | 对比文件仅公开从充电桩获取**变化的充电电流**，并未公开任何用于向电池单元**主动提供预设固定电流**的电流提供单元。充电电流随充电过程变化，不是用于电阻测量的预设固定电流。因此该特征未被公开。 |
| **技术特征B**：电压测量单元，所述电压测量单元被配置为在提供所述固定电流之后测量所述电池单元的开路电压，其中，当所述电池单元充满电时，在所述电池单元为开路电压的状态下执行所述测量，并且所述固定电流是电池的平衡电流<br>**未公开** | [0054]“获取动力电池的外部特性变化曲线，如…端电压”。<br>[0020]“以si数据样本中充电接近完成阶段多维外特性参数di作为训练集输入”。 | 对比文件测量的是充电过程中的**端电压**，并非开路电压，也未强调在充满电后的开路状态下测量。对比文件未使用平衡电流作为固定电流，也未公开测量开路电压与固定电流的时序关系。因此该特征未被公开。 |
| **技术特征C**：外部电阻计算单元，所述外部电阻计算单元被配置为基于所述电池单元的所述开路电压和所述固定电流来计算所述电池单元的外部电阻值<br>**未公开** | [0020]“通过安时积分法计算样本动力电池组当前最大容量，并作为数据标签”。 | 对比文件基于电流、电压数据计算**电池最大容量（SOH）**，并非基于开路电压和固定电流计算**外部电阻值**。计算对象完全不同，无任何关于外部电阻计算的教导或暗示。因此该特征未被公开。 |
| **技术特征D**：异常诊断单元，所述异常诊断单元被配置为通过将计算出的外部电阻值与预设的外部电阻值进行比较来诊断由于电压降引起的电池异常<br>**未公开** | [0011]“对于电池的不正常工作状态发送提示信息”；<br>[0098]“对于健康状态异常的情况，及时反馈给用户”。 | 对比文件通过LSSVM模型估计健康状态SOH来诊断异常，**并非通过外部电阻值比较**诊断电压降异常。诊断原理和依据完全不同。因此该特征未被公开。 |
| **技术特征E**：其中，所述电压测量单元按照预定时段测量所述电池单元的所述开路电压<br>**未公开** | [0017]“从数据库提取完整充电数据样本si”；<br>[0063]“步骤b1，对于数类型Ci，从数据库提取完整充电数据样本si”。 | 对比文件可能按一定采样间隔获取数据，但获取的是**端电压**而非开路电压，且未明确“预定时段”测量开路电压。因此该特征未被公开。 |
| **技术特征F**：其中，所述电池电阻诊断装置包括存储器，所述存储器基于在所述预定时段内测量的所述电池单元的所述开路电压来累积和存储在所述预定时段内计算出的外部电阻值<br>**未公开** | [0007]“对该动力电池数据进行分类存储”；<br>[0015]“通过数据库存储上述分类数据”。 | 对比文件虽有数据库（存储器）存储充电数据（电压、电流、温度），但**未存储外部电阻值**，也未基于开路电压累积存储外部电阻值。因此该特征未被公开。 |
| **技术特征G**：其中，所述预设的外部电阻值是在所述电池单元充满电之后由所述外部电阻计算单元初始计算的外部电阻值<br>**未公开** | 全文无相关记载。 | 对比文件没有涉及“外部电阻初始计算”或“充满电后计算预设电阻值”的任何内容。因此该特征未被公开。 |
| **技术特征H**：其中，所述异常诊断单元基于所述计算出的外部电阻值与所述预设的外部电阻值之差是否在预定范围之外来诊断电池异常<br>**未公开** | [0098]“评估电池健康状态，对于健康状态异常的情况，及时反馈”。 | 对比文件基于SOH估计结果与正常范围的比较，而非基于**外部电阻值差值**比较。无电阻差和预定范围的教导。因此该特征未被公开。 |
| **技术特征I**：其中，所述预定范围是在所述外部电阻计算单元中初始计算的所述外部电阻值的10％<br>**未公开** | 全文无相关记载。 | 对比文件未公开任何关于“10%”或具体百分比范围的内容。因此该特征未被公开。 |
| **技术特征J**：其中，所述预设的外部电阻值是存储在所述存储器中的在预定时段计算出的外部电阻值当中的在计算所述计算出的外部电阻值之前的计算时段计算出并存储在所述存储器中的外部电阻值<br>**未公开** | 全文无相关记载。 | 对比文件未涉及历史外部电阻值的存储和引用，无“前一时段计算的外部电阻值”的概念。因此该特征未被公开。 |
| **技术特征K**：其中，所述异常诊断单元基于从所述预设的外部电阻值到所述计算出的外部电阻值的变化量是否在预定范围之外来诊断电池异常<br>**未公开** | [0098]提及对健康状态异常的反馈，但未涉及电阻变化量比较。 | 对比文件基于SOH变化趋势或模型输出，而非**外部电阻值的变化量**比较。无电阻变化量的教导。因此该特征未被公开。 |
| **技术特征L**：其中，所述预定范围是在紧接在计算所述计算出的外部电阻值之前的计算时段中存储在所述存储器中的所述电阻值的变化量的200％<br>**未公开** | 全文无相关记载。 | 对比文件未公开任何关于“200%变化量”或类似比例。因此该特征未被公开。 |
| **技术特征M**：其中，所述电池单元的所述外部电阻值包括所述电池单元的连接部分的引线电阻、汇流条电阻、柔性印刷电路FPC电阻、印刷电路板PCB电阻和连接器电阻中的至少一个电阻值<br>**未公开** | [0003]提到“欧姆内阻随电池充放电循环变化很小”。 | 对比文件仅笼统提及欧姆内阻，未具体公开引线电阻、汇流条电阻、FPC电阻、PCB电阻、连接器电阻等特定外部电阻组件。因此该特征未被公开。 |
| **技术特征N**：其中，所述异常诊断单元基于大数据分析和机器学习中的至少一种来诊断所述电池异常<br>**直接公开** | [0011]“由监测平台通过LSSVM算法计算电池的健康状态SOH…对于电池的不正常工作状态发送提示信息”。<br>[0098]“通过机器学习的方法构建电池充电特性曲线与电池健康状态的非线性相关性关系…对于健康状态异常的情况，及时反馈”。<br>[0099]“利用大数据分析方法完成电池数据模型的构建…并可在充电过程中对所有用户的储能系统健康状态进行评估”。 | 对比文件明确公开了**使用大数据分析**（数据库分类存储、数据建模）和**机器学习**（LSSVM）来估计健康状态并诊断电池异常（对不正常状态发送提示）。虽然目标专利的异常诊断基于外部电阻比较，但特征N本身不限定具体判断基础，仅要求基于大数据和/或机器学习进行诊断，对比文件完全满足。因此该特征被直接公开。 |
<<<N>>>