CN111584966A - 基于大数据分析的动力电池包中单体电池过压预警方法 - Google Patents

Abstract

本发明涉及一种基于大数据分析的动力电池包中单体电池过压预警方法，包括以下步骤：步骤1：获取动力电池包上传的各项参数的历史数据，筛选并提取出电池单体的最高电压值、电动汽车的里程、单体电池的SOC、电动汽车的行车状态数据；步骤2：对动力电池包上传的各项参数的历史数据进行筛选和分析，获得反映电池单体的最高电压值与电动汽车的里程对应关系的函数；步骤3：利用函数和动力电池包当前上传的各项参数的实时数据进行预测，得到电池单体的最高电压预测值；步骤4：若电池单体的最高电压预测值大于或等于过压报警阈值，则发出预警信号和预警数据。本发明能够可以更好地对动力电池包质量进行实时管控，保障电池安全可靠的运行。

Description

基于大数据分析的动力电池包中单体电池过压预警方法

技术领域

本发明属于动力电池监控技术领域，具体涉及一种基于大数据分析的动力电池包中单体电池过压预警方法。

背景技术

随着新能源行业的飞速发展，动力电池已广泛应用于电动汽车、风光储能、电信基站等领域。但随着动力电池系统的大规模应用，也出现了各种各样的问题，尤其是安全问题引起广泛的关注。

动力电池包在长期的使用过程中，容易出现个别或部分电池电压过高的问题。电池电压过高意味着电池有过充的风险，频繁出现电池过压的问题，极易导致电池发生安全故障。

因此，为了保障电池安全可靠的运行，解决潜在隐患，分析电池包内单体电池过压问题并进行提前预警，有助于在问题发生前将故障及时通知后台予以处理修复，给用户更好的安全保障。

然而，现有技术中，对于动力电池的电压过高问题，并没有能够进行提前预警的方案，而都是在已出现电压过高问题后的解决方案。例如公开号为CN108321909A的发明专利，提供了一种采用电气元件检测电池充电过压并实现过压自恢复的方法，该方法只能在电池实际发生电池过压故障后起到作用，无法在问题发生前做出处理对策。再如公开号为CN110474300A的发明专利，公开了一种电动车电池过压保护系统，其方法是对电池过压进行检测；当检测到过压问题时通过保护电路触发断开指令。

由此可见，现有技术无法实现对动力电池的过压问题进行提前预警。

发明内容

本发明的目的是提供一种能够对动力电池的过压问题进行提前预警，从而保障电池安全可靠的运行，解决潜在隐患的基于大数据分析的动力电池包中单体电池过压预警方法。

为达到上述目的，本发明采用的技术方案是：

一种基于大数据分析的动力电池包中单体电池过压预警方法，用于对电动汽车上的动力电池包中的电池单体进行过压预警，所述基于大数据分析的动力电池包中单体电池过压预警方法包括以下步骤：

步骤1：获取所述动力电池包上传的各项参数的历史数据，筛选并提取出所需参数的历史数据，所需参数包括所述电池单体的最高电压值、所述电动汽车的里程、所述单体电池的SOC、所述电动汽车的行车状态数据；

步骤2：对所述动力电池包上传的各项参数的历史数据进行筛选和分析，获得反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数；

步骤3：利用所述函数和所述动力电池包当前上传的各项参数的实时数据进行预测，得到所述电池单体的最高电压预测值；

步骤4：比较所述电池单体的最高电压预测值与设定的过压报警阈值，若所述电池单体的最高电压预测值大于或等于所述过压报警阈值，则发出预警信号和预警数据。

所述步骤2包括以下步骤：

步骤2-1：基于所述电动汽车的行车状态数据对所述电池单体的最高电压值的历史数据进行初次筛选，剔除停车、空档、倒车情况下所述电池单体的最高电压值的历史数据，获得初次筛选后的电池单体的最高电压值数据；

步骤2-2：基于所述单体电池的SOC对初次筛选后的电池单体的最高电压值数据进行二次筛选，剔除所述单体电池的SOC＜a％时所述电池单体的最高电压值的历史数据，获得用于分析的电池单体的最高电压值数据；

步骤2-3：将所述电动汽车的里程按照设定的里程间隔划分为若干段里程区间，获得每段所述里程区间对应的电池单体的最高电压值数据；

步骤2-4：将所述单体电池的SOC按照设定的SOC间隔划分为若干SOC分区，则在每段所述里程区间内，获得每个所述SOC分区对应的电池单体的最高电压值数据，并计算每个所述SOC分区对应的电池单体的最高电压值数据的标准差；

步骤2-5：针对每个SOC分区，获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数，作为反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数。

所述步骤2-2中，a＝50。

所述步骤2-3中，所述里程间隔为500～1000km。

所述步骤2-4中，所述SOC间隔为1％。

所述步骤2-5中，在每个SOC分区下，将各段所述里程区间的电池单体的最高电压值数据的标准差作为纵坐标，将各段所述里程区间的间隔序数作为横坐标，做电池单体的最高电压值数据的标准差与各段所述里程区间的间隔序数的关系图，并通过拟合曲线的方法，获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数。

所述步骤3包括以下步骤：

步骤3-1：针对下一里程区间，利用所述函数分别计算出各个所述SOC分区对应的电池单体的最高电压值数据的标准差的预测值；

步骤3-2：根据所述动力电池包当前上传的各项参数的实时数据，确认所述电池单体当前的SOC状态对应的SOC分区，并查找到该SOC分区对应的电池单体的最高电压值数据的标准差的预测值；

步骤3-3：根据所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值、当前所述电池单体最高电压值，计算得到所述电池单体的最高电压预测值。

所述步骤3-3中，计算所述电池单体的最高电压预测值的方法为：

V_预测＝V_{max实时数据}+3×δ_SOC-(n+1)

其中，V_预测为所述电池单体的最高电压预测值，V_{max实时数据}为当前所述电池单体最高电压值，δ_SOC-(n+1)为所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明通过对动力电池包进行大量数据分析，在电池包过压问题发生之前提前做出预警，从而可以更好地对动力电池包质量进行实时管控，可以保障电池安全可靠的运行，解决潜在隐患，大幅提升动力电池的安全性能。

附图说明

附图1为本发明的基于大数据分析的动力电池包中单体电池过压预警方法的流程图。

具体实施方式

下面结合附图所示的实施例对本发明作进一步描述。

实施例一：如附图1所示，一种基于大数据分析的动力电池包中单体电池过压预警方法，包括以下步骤：

步骤1：获取动力电池包上传的各项参数的历史数据，筛选并提取出所需参数的历史数据，所需参数包括电池单体的最高电压值、电动汽车的里程、单体电池的SOC、电动汽车的行车状态数据。

该步骤中，首先获取国标GB/T 32960-2016要求之电池包上传数据，然后进行筛选，其中电池单体的最高电压值基座V_max。

步骤2：对动力电池包上传的各项参数的历史数据进行筛选和分析，获得反映电池单体的最高电压值与电动汽车的里程对应关系的函数。

步骤2具体包括以下各个步骤：

步骤2-1：基于电动汽车的行车状态数据对电池单体的最高电压值的历史数据进行初次筛选，剔除停车、空档、倒车情况下电池单体的最高电压值V_max的历史数据，获得初次筛选后的电池单体的最高电压值数据；

步骤2-2：基于单体电池的SOC对初次筛选后的电池单体的最高电压值数据进行二次筛选，剔除单体电池的SOC＜a％时电池单体的最高电压值V_max的历史数据，获得用于分析的电池单体的最高电压值数据。a通常取50，即剔除SOC＜50％时电池单体的最高电压值V_max的历史数据。

步骤2-3：将电动汽车的里程按照设定的里程间隔划分为若干段里程区间，获得每段里程区间对应的电池单体的最高电压值数据。

该步骤中，里程间隔为500～1000km，则每500～1000km划分为一段里程区间，历史数据共划分为n段里程区间，每段里程区间对应的电池单体的最高电压值记作V_max-x(x表示V_max所划分的段数，也是里程所划分为里程区间的段数，即x为里程区间的间隔序数，x＝1～n，如x＝5表示第5段里程区间内的V_max值)。

步骤2-4：将单体电池的SOC按照设定的SOC间隔划分为若干SOC分区，通常SOC间隔为1％，则单体电池的SOC依次分区为50％、51％、52％、…、100％。则在每段里程区间内，获得每个SOC分区对应的电池单体的最高电压值数据，并计算每个SOC分区对应的电池单体的最高电压值数据的标准差δ，记作δ_SOC-x(SOC范围50％～100％，如δ_50％-5表示第5段里程区间内50％SOC下V_max的标准差)。

步骤2-5：针对每个SOC分区，获得电池单体的最高电压值数据的标准差与各段里程区间之间的关系函数，作为反映电池单体的最高电压值与电动汽车的里程对应关系的函数。

具体的，在每个SOC分区下，将各段里程区间的电池单体的最高电压值数据的标准差δ_SOC-x作为纵坐标，将各段里程区间的间隔序数作为横坐标，做电池单体的最高电压值数据的标准差δ_SOC-x与各段里程区间的间隔序数的关系图，并通过拟合曲线的方法，找出两者的关系，获得电池单体的最高电压值数据的标准差与各段里程区间之间的关系函数。

步骤3：利用函数和动力电池包当前上传的各项参数的实时数据进行预测，得到电池单体的最高电压预测值。

步骤3具体包括以下各个步骤：

步骤3-1：针对下一里程区间(即第n+1个里程区间)，利用步骤2所获得的各个函数分别计算出各个SOC分区对应的电池单体的最高电压值数据的标准差的预测值，即计算下一里程区间x＝n+1内每个SOC(50％～100％)状态下最高电压值数据的标准差δ_SOC-(n+1)作为对应的预测值。

步骤3-2：根据动力电池包当前上传的各项参数的实时数据，确认电池单体当前的SOC状态对应的SOC分区，并查找到该SOC分区对应的电池单体的最高电压值数据的标准差的预测值δ_SOC-(n+1)。

步骤3-3：根据电池单体当前对应的SOC分区的电池单体的最高电压值数据的标准差的预测值δ_SOC-(n+1)以及当前电池单体最高电压值V_{max实时数据}，计算得到电池单体的最高电压预测值V_预测：

V_预测＝V_{max实时数据}+3×δ_SOC-(n+1)

步骤4：比较电池单体的最高电压预测值V_预测与设定的过压报警阈值V_阈值，若V_预测≥V_阈值，则发出预警信号和预警数据。

上述基于大数据分析的动力电池包中单体电池过压预警方法用于对电动汽车上的动力电池包中的电池单体进行过压预警，实现其的系统包括数据平台和电池包管理平台。在数据平台上获取动力电池的数据并进行分析，从而在需要预警时输出预警信号和预警数据并上传至电池包管理平台，平台管理员即可根据预警数据查核电池包状态并进行决策处理，若V_预测＜V_阈值，则不做反馈。

本方案通过对电池包上传的电压数据进行大数据分析挖掘，对电池包出现的电压故障进行预测，并将分析之预警情况反馈给后台数据接收端，可以更好的对电池包质量进行实时管控。本方案所分析出的预警数据，有利于对电池安全问题进行提前管理，能够大幅提升电池的安全性能。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于大数据分析的动力电池包中单体电池过压预警方法，用于对电动汽车上的动力电池包中的电池单体进行过压预警，其特征在于：所述基于大数据分析的动力电池包中单体电池过压预警方法包括以下步骤：

步骤1：获取所述动力电池包上传的各项参数的历史数据，筛选并提取出所需参数的历史数据，所需参数包括所述电池单体的最高电压值、所述电动汽车的里程、所述单体电池的SOC、所述电动汽车的行车状态数据；

步骤2：对所述动力电池包上传的各项参数的历史数据进行筛选和分析，获得反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数；

步骤3：利用所述函数和所述动力电池包当前上传的各项参数的实时数据进行预测，得到所述电池单体的最高电压预测值；

步骤4：比较所述电池单体的最高电压预测值与设定的过压报警阈值，若所述电池单体的最高电压预测值大于或等于所述过压报警阈值，则发出预警信号和预警数据。

2.根据权利要求1所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤2包括以下步骤：

步骤2-1：基于所述电动汽车的行车状态数据对所述电池单体的最高电压值的历史数据进行初次筛选，剔除停车、空档、倒车情况下所述电池单体的最高电压值的历史数据，获得初次筛选后的电池单体的最高电压值数据；

步骤2-2：基于所述单体电池的SOC对初次筛选后的电池单体的最高电压值数据进行二次筛选，剔除所述单体电池的SOC＜a％时所述电池单体的最高电压值的历史数据，获得用于分析的电池单体的最高电压值数据；

步骤2-3：将所述电动汽车的里程按照设定的里程间隔划分为若干段里程区间，获得每段所述里程区间对应的电池单体的最高电压值数据；

步骤2-4：将所述单体电池的SOC按照设定的SOC间隔划分为若干SOC分区，则在每段所述里程区间内，获得每个所述SOC分区对应的电池单体的最高电压值数据，并计算每个所述SOC分区对应的电池单体的最高电压值数据的标准差；

步骤2-5：针对每个SOC分区，获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数，作为反映所述电池单体的最高电压值与所述电动汽车的里程对应关系的函数。

3.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤2-2中，a＝50。

4.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤2-3中，所述里程间隔为500～1000km。

5.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤2-4中，所述SOC间隔为1％。

6.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤2-5中，在每个SOC分区下，将各段所述里程区间的电池单体的最高电压值数据的标准差作为纵坐标，将各段所述里程区间的间隔序数作为横坐标，做电池单体的最高电压值数据的标准差与各段所述里程区间的间隔序数的关系图，并通过拟合曲线的方法，获得所述电池单体的最高电压值数据的标准差与各段所述里程区间之间的关系函数。

7.根据权利要求2所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤3包括以下步骤：

步骤3-1：针对下一里程区间，利用所述函数分别计算出各个所述SOC分区对应的电池单体的最高电压值数据的标准差的预测值；

步骤3-2：根据所述动力电池包当前上传的各项参数的实时数据，确认所述电池单体当前的SOC状态对应的SOC分区，并查找到该SOC分区对应的电池单体的最高电压值数据的标准差的预测值；

步骤3-3：根据所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值、当前所述电池单体最高电压值，计算得到所述电池单体的最高电压预测值。

8.根据权利要求7所述的基于大数据分析的动力电池包中单体电池过压预警方法，其特征在于：所述步骤3-3中，计算所述电池单体的最高电压预测值的方法为：

V_预测＝V_{max实时数据}+3×δ_SOC-(n+1)

其中，V_预测为所述电池单体的最高电压预测值，V_{max实时数据}为当前所述电池单体最高电压值，δ_SOC-(n+1)为所述电池单体当前对应SOC分区的电池单体的最高电压值数据的标准差的预测值。

Images