CN112710956B - 一种基于专家系统的电池管理系统故障检测系统及方法 - Google Patents

Abstract

本发明公开了一种基于专家系统的电池管理系统故障检测系统及方法，该系统包括数据采集模块、数据传输模块、专家系统模块、故障分类器模块、输出模块，通过对电池运行数据采集，将可疑数据发送至专家系统模块，由专家系统模块完成故障粗分类，再通过分类算法，完成故障成因的溯源。该方法具有成本低廉、准确度高等优点。

Description

一种基于专家系统的电池管理系统故障检测系统及方法

技术领域

本发明涉及电池管理系统技术领域，具体涉及一种基于专家系统的电池管理系统故障检测系统及方法。

背景技术

能源短缺和环境污染是如今全世界面临的两个重大问题，新能源产业的发展已经到了刻不容缓的阶段。电池作为能源存储的有效介质，已经被广泛的用于新能源产业的各个行业当中，如新能源汽车、储能等。电池系统是新能源应用中的一大关键部件，包含两个部分，一个是电池本身，可由电池组的串、并联组成。另一个部分是电池管理系统，被称为“电池管家”，主要功能包括电池电流、电压、温度采集、电池运行状态监测、电池故障检测等。

电池故障检测技术在国内发展起步较晚，目前常使用突变检测法对故障进行检测，即监测到电池电流、电压、温度产生突变，随机对产生的故障部位进行报警，完成检测流程。这种检测方法无法对产生故障的根本原因进行追溯，只对故障的表征进行报警，并且需要一个相当长的检测反应时间，无法做到实时报警。

发明内容

本发明的目的在于提供一种基于专家系统的电池管理系统故障检测系统及方法，通过电池运行数据采集判断，将可疑数据通过专家系统，完成对电池及电池管理系统故障表征进行粗分类，再通过分类算法，提取故障特征进行详细分类，最终找到故障产生的根本原因。该方法具有成本低廉、准确度高等优点。

为了达到上述技术效果，本发明采用如下技术方案：

一种基于专家系统的电池管理系统故障检测系统，包括数据采集模块、数据传输模块、专家系统模块、故障分类器模块、输出模块；所述专家系统模块接收到数据传输模块发送的系统数据后，对数据进行判断，并将判断出的故障进行分类，然后将分类后的故障数据及故障编码发送至故障分类器模块。

进一步的技术方案为，所述数据采集模块使用高精度采集器对电池运行状态的电流、电压、温度、通讯数据进行采集，并对对异常数据进行过滤。

进一步的技术方案为，所述异常数据为与正常运行平均值偏差大于5％的电流、电压、温度数据，以及通讯异常码。

进一步的技术方案为，所述数据传输模块用于对系统数据根据来源进行分发。

进一步的技术方案为，所述数据传输模块具体为：将数据采集模块发来的数据分发至专家系统模块，将专家系统模块发来的数据分发至故障分类器模块，将故障分类器模块发来的数据分发至输出模块。

进一步的技术方案为，所述专家系统模块包括专家知识存储模块和专家知识更新模块。

进一步的技术方案为，所述专家知识存储模块内部含有大量的电池管理系统领域专家知识，根据专家知识与经验，模拟人类专家的决策过程进行推理和判断，专家系统模块针对当前的已知系统信息，反复匹配专家知识库中的规则，获得有关电池管理系统故障的结论；所述专家知识更新模块根据专家知识不断的收集、整理、归纳，对专家系统进行更新，特别是对专家知识库的规则进行更新，从而进一步提升故障检测正确率。

为了使系统能够运用专家领域知识，需要用计算机语言表示专家知识，可使用产生式规则、语义网络等。

进一步的技术方案为，所述故障分类器模块收到专家系统模块发来的故障数据后，首先根据故障编码激活对应故障单元分类器，再将数据导入已激活的分类器进行分类。

其中分类器是由数据训练得来的，使用不同故障的电流、电压、温度数据进行分类器训练，包括存在故障的正样本，无故障的负样本。

进一步的技术方案为，所述输出模块用于向用户提示故障产生的根本原因，辅助用户对故障进行维护。用于将系统对故障的判断结果输出显示，可外接显示器或直接接入系统数据传输总线，向上输出。

本发明还提供一种基于专家系统的电池管理系统故障检测方法，具体为数据采集模块通过对电池运行数据进行采集，当采集到异常数据时，将异常数据通过数据传输模块发送至专家系统模块，由专家系统模块完成对故障粗分类，再通过分类算法模块提取故障特征进行细分类，最终找到故障产生原因并通过输出模块进行输出显示。

与现有技术相比，本发明具有如下有益效果：

本发明所采用的基于专家系统的电池管理系统故障检测方法，通过专家系统模块、分类算法模块对系统故障进行两层筛选，实现了电池管理系统故障成因追溯，不仅提示故障的发生，同时能找到故障的产生的根本原因；采用专家系统模块实现故障的粗分类，避免了使用专家系统实现细分类所产生的故障检测不准确问题，也避免了直接使用专家系统实现故障溯源带来的成本增加问题；采用的分类算法模块实现系统故障的第二层分类，使用Adaboost等强分类器构建算法，实现了故障溯源，减轻了专家系统模块运行的工作负担，提升了电池管理系统故障检测的准确性。

具体实施方式

下面结合具体实施例对本发明进行进一步的解释和说明。

实施例1

一种基于专家系统的电池管理系统故障检测方法，包括以下步骤：

S1：系统充电时产生故障，导致系统电压突然上升，电流稳定。

S2：数据采集模块采集到的系统电压数据，经计算，电压值与运行平均值之差大于5％，数据采集模块将电压突变时刻的电流、电压、温度数据通过数据传输模块发送至专家系统模块。

S3：专家系统模块收到数据后，根据当前数据电压值突变的特征，匹配知识库中关于电压值突然升高的规则，则可以根据专家知识推导出导致电压突然升高的故障为电压检测模组故障、充电控制故障、系统过充保护故障。并将上述三种可能故障原因按照既定规则编码(如GV)，随后，将系统数据以及编码发送至故障分类器。

S4：故障分类器收到数据后，首先根据编码GV，启动GV故障组分类器。分类器是使用训练样本训练好的强分类器。以本例说明，系统电压检测模组故障，其原因有电压传感器故障、系统信息交互故障；充电控制故障，其原因有充电控制器闭合故障、控制芯片故障；系统过充保护故障，其原因有回路开关故障、电流传感器故障。

以Adaboost分类器为例，说明分类器形成过程。使用系统分别产生电压传感器故障、系统信息交互故障、充电控制器闭合故障、控制芯片故障、回路开关故障、电流传感器故障时的电压、电流、温度数据作为正样本，以系统正常时的电压、电流、温度数据作为负样本，形成样本集合。对样本进行初始化权重w＝1/n。指定训练迭代层数T，对每一层弱分类器进行迭代，每一轮迭代过后，对样本权重进行归一化处理使每一轮迭代权重都服从概率分布。对应电压、电流、温度特征，训练一个若分类器，分类器误差为：其中t代表迭代层数。选择误差较低的分类器为最优弱分类器。随后更新样本权重，进行下一轮迭代，直至迭代完成，所选出的所有弱分类器进行组合，即生成强分类器。使用该强分类器即可对输入的电压、电流、温度数据组进行分类，判断故障具体原因。

S5：将故障分类器判断的故障原因发送至输出模块，完成故障原因的追溯与显示。

尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。

Claims (10)

1.一种基于专家系统的电池管理系统故障检测系统，其特征在于，包括数据采集模块、数据传输模块、专家系统模块、故障分类器模块、输出模块；所述专家系统模块接收到数据传输模块发送的系统数据后，对数据进行判断，并将判断出的故障进行分类，然后将分类后的故障数据及故障编码发送至故障分类器模块；专家系统模块收到数据后，根据当前数据电压值突变的特征，匹配知识库中关于电压值突然升高的规则，则可以根据专家知识推导出导致电压突然升高的故障为电压检测模组故障、充电控制故障、系统过充保护故障；并将三种可能故障原因按照既定规则编码，随后，将系统数据以及编码发送至故障分类器；

故障分类器收到数据后，首先根据编码GV，启动GV故障组分类器；系统电压检测模组故障，其原因有电压传感器故障、系统信息交互故障；充电控制故障，其原因有充电控制器闭合故障、控制芯片故障；系统过充保护故障，其原因有回路开关故障、电流传感器故障；

使用系统分别产生电压传感器故障、系统信息交互故障、充电控制器闭合故障、控制芯片故障、回路开关故障、电流传感器故障时的电压、电流、温度数据作为正样本，以系统正常时的电压、电流、温度数据作为负样本，形成样本集合；对样本进行初始化权重w＝1/n;指定训练迭代层数T，对每一层弱分类器进行迭代，每一轮迭代过后，对样本权重进行归一化处理使每一轮迭代权重都服从概率分布；对应电压、电流、温度特征，训练一个若分类器，分类器误差为：/>其中t代表迭代层数；选择误差较低的分类器为最优弱分类器；随后更新样本权重，进行下一轮迭代，直至迭代完成，所选出的所有弱分类器进行组合，即生成强分类器;使用该强分类器即可对输入的电压、电流、温度数据组进行分类，判断故障具体原因。

2.根据权利要求1所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述数据采集模块使用高精度采集器对电池运行状态的电流、电压、温度、通讯数据进行采集，并对异常数据进行过滤。

3.根据权利要求2所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述异常数据为与正常运行平均值偏差大于5％的电流、电压、温度数据，以及通讯异常码。

4.根据权利要求1所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述数据传输模块用于对系统数据根据来源进行分发。

5.根据权利要求4所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述数据传输模块具体为：将数据采集模块发来的数据分发至专家系统模块，将专家系统模块发来的数据分发至故障分类器模块，将故障分类器模块发来的数据分发至输出模块。

6.根据权利要求1所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述专家系统模块包括专家知识存储模块和专家知识更新模块。

7.根据权利要求6所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述专家知识存储模块内部含有大量的电池管理系统领域专家知识，根据专家知识与经验，模拟人类专家的决策过程进行推理和判断，专家系统模块针对当前的已知系统信息，反复匹配专家知识库中的规则，获得有关电池管理系统故障的结论；所述专家知识更新模块根据专家知识不断的收集、整理、归纳，对专家系统进行更新，对专家知识库的规则进行更新，从而进一步提升故障检测正确率。

8.根据权利要求1所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述故障分类器模块收到专家系统模块发来的故障数据后，首先根据故障编码激活对应故障单元分类器，再将数据导入已激活的分类器进行分类。

9.根据权利要求1所述的基于专家系统的电池管理系统故障检测系统，其特征在于，所述输出模块用于向用户提示故障产生的根本原因，辅助用户对故障进行维护。

10.一种基于专家系统的电池管理系统故障检测方法，其特征在于，具体为数据采集模块通过对电池运行数据进行采集，当采集到异常数据时，将异常数据通过数据传输模块发送至专家系统模块，由专家系统模块完成对故障粗分类，再通过分类算法模块提取故障特征进行细分类，最终找到故障产生原因并通过输出模块进行输出显示；专家系统模块收到数据后，根据当前数据电压值突变的特征，匹配知识库中关于电压值突然升高的规则，则可以根据专家知识推导出导致电压突然升高的故障为电压检测模组故障、充电控制故障、系统过充保护故障；并将三种可能故障原因按照既定规则编码，随后，将系统数据以及编码发送至故障分类器；

故障分类器收到数据后，首先根据编码GV，启动GV故障组分类器；系统电压检测模组故障，其原因有电压传感器故障、系统信息交互故障；充电控制故障，其原因有充电控制器闭合故障、控制芯片故障；系统过充保护故障，其原因有回路开关故障、电流传感器故障；

使用系统分别产生电压传感器故障、系统信息交互故障、充电控制器闭合故障、控制芯片故障、回路开关故障、电流传感器故障时的电压、电流、温度数据作为正样本，以系统正常时的电压、电流、温度数据作为负样本，形成样本集合；对样本进行初始化权重w＝1/n;指定训练迭代层数T，对每一层弱分类器进行迭代，每一轮迭代过后，对样本权重进行归一化处理使每一轮迭代权重都服从概率分布；对应电压、电流、温度特征，训练一个若分类器，分类器误差为：/>其中t代表迭代层数；选择误差较低的分类器为最优弱分类器；随后更新样本权重，进行下一轮迭代，直至迭代完成，所选出的所有弱分类器进行组合，即生成强分类器;使用该强分类器即可对输入的电压、电流、温度数据组进行分类，判断故障具体原因。