CN112816885A - 一种电池异常检测方法、装置、电子设备及存储介质 - Google Patents

一种电池异常检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112816885A
CN112816885A CN202110013729.2A CN202110013729A CN112816885A CN 112816885 A CN112816885 A CN 112816885A CN 202110013729 A CN202110013729 A CN 202110013729A CN 112816885 A CN112816885 A CN 112816885A
Authority
CN
China
Prior art keywords
battery pack
battery
voltage
time period
abnormality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110013729.2A
Other languages
English (en)
Inventor
宋冠弢
叶舟
薛淼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202110013729.2A priority Critical patent/CN112816885A/zh
Publication of CN112816885A publication Critical patent/CN112816885A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本申请涉及电池安全检测技术领域，尤其涉及一种电池异常检测方法、装置、电子设备及存储介质。本申请通过获取的在预设时间段内目标电动车辆的电池组中各个电池单体的电压值，可以确定电池组的电压稳定度和电压差异常度，以及，基于获取的电池组中各个电池单体的温度值，可以确定电池组的温度差异常度，进而，基于电池组的电压稳定度、电压差异常度、温度差异常度中的至少一种，可以准确地确定在预设时间段内电池组是否存在异常，进而，通过提前对电池是否发生异常进行预测，可以使用户能够提前采取处理措施，这样，可以减少由于电池异常造成电动车辆发生安全事故的概率，提升电动车辆的安全性。

Description

一种电池异常检测方法、装置、电子设备及存储介质
技术领域
本申请涉及电池安全检测技术领域，尤其涉及一种电池异常检测方法、装置、电子设备及存储介质。
背景技术
在能源危机与环境污染的双重压力下，汽车动力系统电动化逐渐成为未来汽车的技术发展主流。目前，电动车辆数量不断增加，但这些电动车辆中也不乏存在着一些具有安全隐患的车辆。
电池是电动车辆的关键组成部分，电池技术是电动车辆的核心技术之一，同时电池也是电动车辆发生故障的主要原因。因此，如何事先准确地预测出电池是否发生异常，以便减少由于电池异常造成电动车辆发生安全事故的概率是目前亟待解决的技术问题。
发明内容
有鉴于此，本申请实施例至少提供一种电池异常检测方法、装置、电子设备及存储介质，可以准确地确定在预设时间段内电池组是否存在异常，减少由于电池异常造成电动车辆发生安全事故的概率，提升电动车辆的安全性。
本申请主要包括以下几个方面：
第一方面，本申请实施例提供一种电池异常检测方法，所述电池异常检测方法包括：
获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值；所述预设时间段为距离当前时刻的一段时长；
基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度；
基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
在一种可能的实施方式中，基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度，包括：
针对所述电池组中的任一电池单体，根据获取的所述电池单体在所述预设时间段内各个时刻的电压值，计算所述电池单体的电压信息熵；
基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度。
在一种可能的实施方式中，根据以下步骤计算所述电池单体的电压信息熵：
计算所述电池单体在所述预设时间段内各个时刻的电压值出现的概率；
基于各个电压值出现的概率，计算所述电池单体的电压信息熵。
在一种可能的实施方式中，所述基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度，包括：
针对所述电池组中的任一电池单体，根据所述电池单体在所述预设时间段内各个子时间段的电压信息熵，确定所述电池单体的异常度；
基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度。
在一种可能的实施方式中，所述基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度，包括：
计算所述电池组中各个电池单体的平均异常度；
针对所述电池组中的任一电池单体，根据所述平均异常度和所述电池单体的异常度，确定所述电池单体的异常偏差值；
将目标偏差值，确定为所述电池组的电压稳定度；
其中，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中最大的异常偏差值；或，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中大于预设偏差阈值的异常偏差值的平均值。
在一种可能的实施方式中，基于所述电池组中各个电池单体的电压值确定所述电池组的电压差异常度，包括：
针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的电压值中，选取所述时刻对应的最大电压值和最小电压值；
根据所述时刻对应的最大电压值和最小电压值，计算所述时刻的最大电压差；
基于所述时刻的最大电压差和预设电压标准差，确定在所述时刻所述电池组的电压差异常度；
基于所述预设时间段内各个时刻的所述电池组的电压差异常度，确定在所述预设时间段内的所述电池组的电压差异常度。
在一种可能的实施方式中，所述基于所述预设时间段内各个时刻的所述电池组的电压差异常度，确定在所述预设时间段内的所述电池组的电压差异常度，包括：
将目标电压差异常度，确定为在所述预设时间段内的所述电池组的电压差异常度；
其中，所述目标电压差异常度为所述预设时间段内各个时刻的电压差异常度中最大的电压差异常度；或，所述目标电压差异常度为所述预设时间段内各个时刻的电压差异常度中大于预设电压异常阈值的电压差异常度的平均值。
在一种可能的实施方式中，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度，包括：
针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的温度值中，选取所述时刻对应的最大温度值和最小温度值；
根据所述时刻对应的最大温度值和最小温度值，计算所述时刻的最大温度差；
基于所述时刻的最大温度差和预设温度标准差，确定在所述时刻所述电池组的温度差异常度；
基于所述预设时间段内各个时刻的所述电池组的温度差异常度，确定在所述预设时间段内的所述电池组的温度差异常度。
在一种可能的实施方式中，所述基于所述预设时间段内各个时刻的所述电池组的温度差异常度，确定在所述预设时间段内的所述电池组的温度差异常度，包括：
将目标温度差异常度，确定为在所述预设时间段内的所述电池组的温度差异常度；
其中，所述目标温度差异常度为所述预设时间段内各个时刻的温度差异常度中最大的温度差异常度；或，所述目标温度差异常度为所述预设时间段内各个时刻的温度差异常度中大于预设温度异常阈值的温度差异常度的平均值。
在一种可能的实施方式中，在出现以下至少一种情况时，确定在所述预设时间段内所述电池组存在异常：
所述电池组的所述电压稳定度大于或等于第一阈值；
所述电池组的所述电压差异常度大于或等于第二阈值；
所述电池组的所述温度差异常度大于或等于第三阈值；
其中，所述第一阈值、所述第二阈值和所述第三阈值是根据所述目标电动车辆的属性信息确定的，所述属性信息包括车型、车龄、已行驶公里数、所述电池组的工作状态中的至少一种。
在一种可能的实施方式中，根据以下步骤确定在所述预设时间段内所述电池组是否存在异常：
基于所述电池组的所述电压稳定度、电压差异常度、温度差异常度，确定所述电池组的综合异常度；
根据所述电池组的综合异常度，确定在所述预设时间段内所述电池组是否存在异常。
在一种可能的实施方式中，在确定所述电池组的综合异常度之后，所述电池异常检测方法还包括：
根据所述电池组的综合异常度，确定所述电池组的安全风险等级；
根据所述安全风险等级，确定与所述安全风险等级的对应的处理建议。
第二方面，本申请实施例还提供一种电池异常检测装置，所述电池异常检测装置包括：
获取模块，用于获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值；所述预设时间段为距离当前时刻的一段时长；
第一确定模块，用于基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度；
第二确定模块，用于基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的电池异常检测方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的电池异常检测方法的步骤。
本申请实施例提供的电池异常检测方法、装置、电子设备及存储介质，通过电池组的电压稳定度、电压差异常度、温度差异常度中的至少一种，确定在预设时间段内电池组是否存在异常，与现有技术中仅仅通过电池电流是否超过预设电流阈值来判断电池组是否存在异常相比，本申请可以准确地确定电池组是否存在异常，进而，通过提前对电池是否发生异常进行预测，可以使用户能够提前采取处理措施，这样，可以减少由于电池异常造成电动车辆发生安全事故的概率，提升电动车辆的安全性。
进一步，本申请实施例提供的电池异常检测方法，还可以基于电池组中各个电池单体的电压信息熵，来确定电池组的电压稳定度，进而，依据电池组的电压稳定度，来判定电池组是否出现异常，这样，通过电池组的电压稳定度，可以提升对预测电池组是否存在异常的准确性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种电池异常检测方法的流程图；
图2示出了本申请实施例所提供的一种电池异常检测装置的功能模块图之一；
图3示出了图2中的一种第一确定模块的功能模块图；
图4示出了图2中的另一种第一确定模块的功能模块图；
图5示出了图2中的又一种第一确定模块的功能模块图；
图6示出了本申请实施例所提供的一种电池异常检测装置的功能模块图之二；
图7示出了本申请实施例所提供的一种电子设备的结构示意图。
主要元件符号说明：
图中：20-电池异常检测装置；21-获取模块；22-第一确定模块；220-第一计算单元；221-第一确定单元；222-第一选取单元；223-第二计算单元；224-第二确定单元；225-第三确定单元；226-第二选取单元；227-第三计算单元；228-第四确定单元；229-第五确定单元；23-第二确定模块；24-建议模块；700-电子设备；710-处理器；720-存储器；730-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“电池安全检测”，给出以下实施方式，对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行电池安全检测的场景，本申请实施例并不对具体的应用场景作限制，任何使用本申请实施例提供的电池异常检测方法及装置的方案均在本申请保护范围内。
值得注意的是，在本申请提出之前，相关技术仅仅通过实时获取电池组的电流，并根据采集到的电流是否大于或等于预设电流阈值来判断电池组是否异常，而电池组电流的大小受电池的工作状态、电动车的行驶状态影响，在不同状态下电池电流会有所不同，若完全按照采集电流的大小与预设电流阈值的比较结果来进行电池组是否异常的判断，会导致判断的结果不准确。
针对上述问题，本申请实施例通过获取的在预设时间段内目标电动车辆的电池组中各个电池单体的电压值，可以确定电池组的电压稳定度和电压差异常度，以及，基于获取的电池组中各个电池单体的温度值，可以确定电池组的温度差异常度，进而，基于电池组的电压稳定度、电压差异常度、温度差异常度中的至少一种，可以准确地确定在预设时间段内电池组是否存在异常，进而，通过提前对电池是否发生异常进行预测，可以使用户能够提前采取处理措施，这样，可以减少由于电池异常造成电动车辆发生安全事故的概率，提升电动车辆的安全性。
为便于对本申请进行理解，下面结合具体实施例对本申请提供的技术方案进行详细说明。
图1为本申请实施例所提供的一种电池异常检测方法的流程图，执行电池异常检测方法的设备可以是与车辆端进行交互的云平台或服务器，下面从执行主体为云平台的角度，对本申请实施例所提供的电池异常检测方法加以说明。如图1所示，本申请实施例提供的电池异常检测方法，包括以下步骤：
S101：获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值。
其中，所述预设时间段为距离当前时刻的一段时长。
在具体实施中，当要检测目标电动车辆的电池组是否存在异常时，先获取距离当前时刻的一段时长内的目标电动车辆的电池组中各电池单体的电压值和/或温度值，这里，距离当前时刻的一段时长即预设时间段，预设时间段是在当前时刻之前的一段时长，且与当前时刻相邻。
需要说明的是，每个电动车辆上均安装有电池组，电池组为电动车辆提供动力，每个电池组由多个电池单体构成，每个电池单体上均设有采集电压值和温度值的采样点，通过电压传感器可以采集到电池单体的电压值，通过温度传感器可以采集到电池单体的温度值。
这里，获取的预设时间段内目标电动车辆的电池组中各个电池组单体的电压值和温度值，是指每个电池单体在不同时刻对应的电压值和温度值，若预设时间段包括m个时刻，目标电动车辆的电池组包括n个电池单体，对于电池单体i在预设时间段内的电压序列为(Ui1，Ui2，…，Uim)，电池单体i在预设时间段内的温度序列为(Ti1，Ti2，…，Tim)。
这里，云平台接入大量电动车辆，以实现对大量电动车辆的监控和管理，云平台可以与各个电动车辆进行交互、通信，具体地，云平台通过电动车辆上安装的远程信息处理器(TelematicsBOX，T-BOX)获取电动车辆的各项信息，信息比如，电池单体的电压值、温度值等。
其中，车载T-BOX主要用于车与车联网服务平台(云平台)之间的通信，对内与车辆的车载CAN总线相连，实现指令和信息的传递；对外通过云平台与手机/PC端实现互联，把车辆的各项数据，比如电池电压、电池温度、车辆GPS定位、操作状态等发送到云平台，也可以把云平台的控制指令转发给车辆，是车辆与云平台进行交互的纽带。
S102：基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度。
在具体实施中，在获取到预设时间段内目标电动车辆的电池组中各个电池单体的电压值和温度值之后，一方面，可以基于在预设时间段内电池组中各个电池单体的电压值确定出电池组的电压稳定度，这里，电池组的电压稳定度用于表征电池组的电压值在预设时间段内的各个时刻的一致程度，通常，电池组的电压稳定度越低，电池组存在异常的风险越大，电池组的电压稳定度越高，电池组存在异常的风险越小。另一方面，可以基于在预设时间段内电池组中各个电池单体的电压值确定出电池组的电压差异常度，具体地，可以计算出预设时间段内每个时刻电池组对应的最大电压差，根据各个时刻的最大电压差之间的差异程度，来确定电池组的电压差异常度，通常，电池组的电压差异常度越低，电池组存在异常的风险越小，电池组的电压差异常度越高，电池组存在异常的风险越大。再一方面，可以基于在预设时间段内电池组中各个电池单体的温度值确定出电池组的温度差异常度，具体地，可以计算出预设时间段内每个时刻电池组对应的最大温度差，根据各个时刻的最大温度差之间的差异程度，来确定电池组的温度差异常度，通常，电池组的温度差异常度越低，电池组存在异常的风险越小，电池组的温度差异常度越高，电池组存在异常的风险越大。
需要说明的是，电池组中各电池单体之间电压一致性，要求电池组内各个电池单体之间的最大电压值与最小电压值的电压差，应当在一个合理的范围内进行波动，如果电压差过大，说明电池组中的某个电池单体是存在隐患的，基于这一点可以通过时刻监控电池组的各电池单体之间的电压差，如果电压差偏离一定范围，则可以认为电池存在安全风险。
同样，由于电池组中存在内阻不一致电池单体，所以不一致的电池单体产生的热量也是不相同的，传统的解决方法是引入热管理系统，对整个电池组的温差进行调节，使之保持在一个较小的范围内，但如果某个电池单体劣化程度过大，其温度会偏高，与其它电池单体的温度拉开差距，就存在热失控的风险，故，基于这一点通过时刻监控电池组的各电池单体之间的温度差，如果温度差偏离一定范围，则可以认为电池组存在安全风险。
S103：基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
在具体实施中，在计算出电池组的电压稳定度、电压差异常度以及温度差异常度之后，可以根据电池组的电压稳定度、电压差异常度以及温度差异常度中的至少一种，确定在预设时间段内电池组是否存在异常，具体地，方案一，可以根据电池组的电压稳定度直接确定出电池组是否存在异常；方案二，可以根据电池组的电压差异常度直接确定出电池组是否存在异常；方案三，可以根据电池组的温度差异常度直接确定出电池组是否存在异常；方案四，可以根据电池组的电压稳定度、电压差异常度、温度差异常度中的至少两种，确定在预设时间段内电池组是否存在异常。
下面对确定电池组是否存在异常的几种方案分别进行阐述：
方案一：根据电池组的电压稳定度，直接确定出电池组是否存在异常。
若电池组的电压稳定度大于或等于第一阈值，确定在预设时间段内电池组存在异常；若电池组的电压稳定度小于第一阈值，确定在预设时间段内电池组不存在异常。
这里，第一阈值是根据目标电动车辆的属性信息确定的，属性信息包括车型、车龄、已行驶公里数、电池组的工作状态中的至少一种。
需要说明的是，由于电池组的各电池单体在充电状态和放电状态下采集的电压值有所不同，因而，在电池组处于不同工作状态时，确定出的电池组的电压稳定度不同，故，在根据电池组的电压稳定度判定电池组是否异常时，可以针对不同工作状态设置不同阈值，并将根据充电状态下采集的电池组中各电池单体的电压值确定出的电压稳定度，与充电状态对应的第一阈值进行比较，来判定电池组是否异常；将根据放电状态下采集的电池组中各电池单体的电压值确定出的电压稳定度，与放电状态对应的第一阈值进行比较，来判定电池组是否异常。
步骤S102中基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度，包括以下步骤：
步骤a1：针对所述电池组中的任一电池单体，根据获取的所述电池单体在所述预设时间段内各个时刻的电压值，计算所述电池单体的电压信息熵。
针对目标电动车的电池组中的任一电池单体，根据获取的该电池单体在预设时间段内各个时刻的电压值，来计算出该电池单体的电压信息熵。
一示例中，对于一个电池单体i，预设时间段包括m个时刻，则电池单体在预设时间段内各个时刻的电压值为(Ui1，Ui2，…，Uim)，并根据(Ui1，Ui2，…，Uim)来计算出电池单体i的电压信息熵H(Ui)，其中，Uim表示在m时刻电池单体i对应的电压值。
这里，根据以下步骤计算电池单体的电压信息熵：计算所述电池单体在所述预设时间段内各个时刻的电压值出现的概率；基于各个电压值出现的概率，计算所述电池单体的电压信息熵。
在具体实施中，在计算任一电池单体的电压信息熵时，先获取该电池单体在预设时间段内各个时刻的电压值，计算该电池单体在预设时间段内每个电压值出现的概率，基于在预设时间段内各个电压值出现的概率，计算该电池单体的电压信息熵。
这里，信息熵(informationentropy)用于描述信源的不确定度，任何信息都存在冗余，冗余大小与信息中每个符号(数字、字母或单词)的出现概率或者说不确定性有关，把信息中排除了冗余后的平均信息量称为“信息熵”，并给出了计算信息熵的数学表达式。
其中，不确定性函数f是概率P的减函数；两个独立符号所产生的不确定性应等于各自不确定性之和，即f(P1，P2)＝f(P1)+f(P2)，这称为可加性。同时满足这两个条件的函数f是对数函数，即
Figure BDA0002886138440000121
在信源中，考虑的不是某一单个符号发生的不确定性，而是要考虑这个信源所有可能发生情况的平均不确定性。对于本申请，若一个电池单体在预设时间段内的电压值为：U1…Ui…Um，其中，预设时间段包括m各时刻，各个电压值对应的概率为：P1…Pi…Pm，且各种符号的出现彼此独立。这时，电压值的平均不确定性应当为单个符号不确定性-logPi的统计平均值(E)，可称为电压信息熵，即
Figure BDA0002886138440000122
进一步地，也可以将预设时间段的各个时刻对应的电压值按数值的大小进行分箱，即窗口分割，假设分箱数为n，即，将各个时刻对应的电压值划分至不同的分箱中，计算每个电压值落入对应箱中的概率p，再通过电压信息熵公式计算预设时间段一个电池单体j的电压信息熵：
Figure BDA0002886138440000123
Figure BDA0002886138440000124
其中，其中pi是电压值落入第i个分箱的概率值，如果电池单体一致性越好，H(Uj)的值趋近于0；如果电池单体一致性越差，H(Uj)值越高；j是电池单体的编号。
步骤a2：基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度。
在具体实施中，按照步骤a1计算出电池组中的每个电池单体的电压信息熵，进而，根据电池组中各个电池单体的电压信息熵，确定出电池组的电压稳定度。
这里，步骤a2中基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度，包括以下步骤：
步骤a21：针对所述电池组中的任一电池单体，根据所述电池单体在所述预设时间段内各个子时间段的电压信息熵，确定所述电池单体的异常度。
在具体实施中，可以将预设时间段划分为多个子时间段，对于每个子时间段而言，针对每个电池单体，先计算该电池单体在每个子时间段对应的单体异常得分，具体地，先获取该单体在该子时段对应的目标电压信息熵，并计算出该单体在预设时间段内各个子时间段的电压信息熵的平均值和标准差，该电池单体在每个子时间段对应的单体异常得分等于目标电压信息熵与平均值相减后除以标准差后的数值；之后，若该单体在该子时间段的单体异常得分大于或等于预设分值，确定该单体出现一次异常；进一步地，利用该单体在预设时间段内出现异常的次数，确定该电池单体的异常度。
这里，一个电池单体i在一个子时间段j对应的单体异常得分HZscore-ij＝(Hij-Hi-mean)/Hi-std；其中，Hij表示j时段第i个单体的电压信息熵，Hi-mean表示预设时段内各个子时间段的电压信息熵的平均值；Hi-std表示预设时段内单体i标准差，以4作为预设分值为例，如果abs(HZscore-ij)>4,则记为单体i出现一次异常。
这里，单体i的异常度SCORE＝预设时间段内单体i出现的异常次数/预设时间段内子时间段的数量；基于同款车型统计预设时间段范围内所有单体的异常度score，以95％作为异常单体判断阈值为例，如果单体i的异常度score大于95％，则该单体i的即为异常单体。对于一个电池组中有m个单体，取电池组中单体对应的score值最大的值，作为为整个电池包的异常值，同时输出异常单体的编号。
步骤a22：基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度。
在具体实施中，在计算出电池组中各个电池单体的异常度之后，可以确定出电池组的电压稳定度。
其中，步骤a22中基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度，包括以下步骤：
计算所述电池组中各个电池单体的平均异常度；针对所述电池组中的任一电池单体，根据所述平均异常度和所述电池单体的异常度，确定所述电池单体的异常偏差值；将目标偏差值，确定为所述电池组的电压稳定度。
其中，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中最大的异常偏差值；或，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中大于预设偏差阈值的异常偏差值的平均值。
在具体实施中，在计算出电池组中各个电池单体的异常度之后，计算出电池组中所有电池单体的平均异常度，对于一个电池组的一个电池单体，将平均异常度和该电池单体的异常度之间的绝对差值，确定为该电池单体的异常偏差值，进一步地，在计算出电池组中各个电池单体对应的异常偏差值之后，可以根据这些异常偏差值确定出目标偏差值，该目标偏差值即为电池组的电压稳定度，具体地，可以将电池组中电池单体的最大异常偏差值作为电池组的电压稳定度，也可以将电池组中各个电池单体的异常偏差值中大于预设偏差阈值的异常偏差值的平均值作为电池组的电压稳定度，其中，预设偏差阈值根据电池组中各电池单体的属性信息确定。将目标偏差值作为电池组的电压稳定度，而目标偏差值取得是电池组中最大异常偏差值，或较大的异常偏差值，进而，根据电池组的电压稳定度，来判定电池组是否发生异常，这样，如果较大的异常偏差值仍没有超出第一阈值，说明电池组无异常，若果较大的异常偏差值超过第一阈值，说明电池组存在异常，可以进一步提升电池组是否异常的准确性。
一示例中，电池组有n个电池单体，电池单体j的异常度为Scorej，则电池组中所有电池单体的平均异常度为
Figure BDA0002886138440000141
电池单体j的异常偏差值为
Figure BDA0002886138440000142
电池组包括n个电池单体，预设时间段包括m个时刻，下面对方案一的完整实施过程进行阐述，包括以下步骤：
1)根据获取的电池单体i在预设时间段内各个时刻的电压值(Ui1，Ui2，…，Uim)，计算出电池单体i的电压信息熵
Figure BDA0002886138440000151
采用同样的方式，可以计算出电池组中各个电池单体的电压信息熵；
2)一个电池单体i在一个子时间段j对应的单体异常得分HZscore-ij＝(Hij-Hi-mean)/Hi-std；其中，Hij表示j时段第i个单体的电压信息熵，Hi-mean表示预设时段内各个子时间段的电压信息熵的平均值；Hi-std表示预设时段内单体i标准差；
3)单体i的异常度SCORE＝预设时间段内单体i出现的异常次数/预设时间段内子时间段的数量。
4)计算电池组中各个电池单体的平均异常度
Figure BDA0002886138440000152
则电池单体i的异常偏差值为
Figure BDA0002886138440000153
5)将目标偏差值，确定为电池组的电压稳定度，其中，目标偏差值为电池组中各个电池单体的异常偏差值中最大的异常偏差值；或，目标偏差值为电池组中各个电池单体的异常偏差值中大于预设偏差阈值的异常偏差值的平均值。
方案二：根据电池组的电压差异常度，直接确定出电池组是否存在异常。
若电池组的电压差异常度大于或等于第二阈值，确定在预设时间段内电池组存在异常；若电池组的电压差异常度小于第二阈值，确定在预设时间段内电池组不存在异常。
这里，第二阈值是根据目标电动车辆的属性信息确定的，属性信息包括车型、车龄、已行驶公里数、电池组的工作状态中的至少一种。
步骤S102中基于所述电池组中各个电池单体的电压值确定所述电池组的电压差异常度，包括以下步骤：
步骤b1：针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的电压值中，选取所述时刻对应的最大电压值和最小电压值。
在具体实施中，针对预设时间段内的任一时刻，获取在该时刻电池组中各个电池单体的电压值，并从这些电压值中选取最大电压值和最小电压值，这里，在相同时刻，电池组中的各个电池单体对应的电压值可能相同也可能不同，具有最大电压值的电池单体和具有最小电压值的电池单体不同。
步骤b2：根据所述时刻对应的最大电压值和最小电压值，计算所述时刻的最大电压差。
在具体实施中，计算预设时间段内每个时刻中最大电压值和最小电压值之间的最大电压差，这样，得到各个时刻对应的最大电压差。
步骤b3：基于所述时刻的最大电压差和预设电压标准差，确定在所述时刻所述电池组的电压差异常度。
在具体实施中，针对预设时间段内的任一时刻，根据该时刻的最大电压差和预设电压标准差，可以确定出在该时刻电池组的电压差异常度，采用同样方式，可以得到电池组在预设时间段内的各个时刻对应的电压差异常度。其中，预设电压标准差根据与目标电动车辆具有相同属性信息的电动车辆的历史电压数据确定的。
步骤b4：基于所述预设时间段内各个时刻的所述电池组的电压差异常度，确定在所述预设时间段内的所述电池组的电压差异常度。
其中，将目标电压差异常度，确定为在所述预设时间段内的所述电池组的电压差异常度。
这里，所述目标电压差异常度为所述预设时间段内各个时刻的电压差异常度中最大的电压差异常度；或，所述目标电压差异常度为所述预设时间段内各个时刻的电压差异常度中大于预设电压异常阈值的电压差异常度的平均值。
在具体实施中，在确定出预设时间段内各个时刻的电池组的电压差异常度，可以确定在预设时间段内的电池组的电压差异常度，具体地，可以目标电压差异常度确定为在预设时间段内的电池组的电压差异常度，其中，目标电压差异常度为预设时间段内各个时刻的电压差异常度中最大的电压差异常度；或，目标电压差异常度为预设时间段内各个时刻的电压差异常度中大于预设电压异常阈值的电压差异常度的平均值。
电池组包括n个电池单体，预设时间段包括m个时刻，下面对方案二的完整实施过程进行阐述，包括以下步骤：
1)获取预设时间段内任意时刻j的电池组中各个电池单体的电压值(U1,U2，…，Un)，从这些电压值中选取该时刻对应的最大电压值Ua，最小电压值Ub，其中，1≤a≤n，1≤b≤n；
2)根据时刻j对应的最大电压值和最小电压值，计算时刻j的最大电压差ΔU＝Ua-Ub；
3)预设电压标准差为σ1，基于时刻j的最大电压差ΔU和预设电压标准差σ1，确定在时刻j电池组的电压差异常度Vj＝|ΔU-4σ1|。
4)基于预设时间段内各个时刻的电池组的电压差异常度，确定在预设时间段内的电池组的电压差异常度。
方案三：根据电池组的温度差异常度，直接确定出电池组是否存在异常。
若电池组的温度差异常度大于或等于第三阈值，确定在预设时间段内电池组存在异常；若电池组的温度差异常度小于第三阈值，确定在预设时间段内电池组不存在异常。
其中，第三阈值是根据目标电动车辆的属性信息确定的，属性信息包括车型、车龄、已行驶公里数、电池组的工作状态中的至少一种。
步骤S102中基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度，包括以下步骤：
步骤c1：针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的温度值中，选取所述时刻对应的最大温度值和最小温度值。
在具体实施中，针对预设时间段内的任一时刻，获取在该时刻电池组中各个电池单体的温度值，并从这些温度值中选取最大温度值和最小温度值，这里，在相同时刻，电池组中的各个电池单体对应的温度值可能相同也可能不同，具有最大温度值的电池单体和具有最小温度值的电池单体不同。
步骤c2：根据所述时刻对应的最大温度值和最小温度值，计算所述时刻的最大温度差。
在具体实施中，计算预设时间段内每个时刻中最大温度值和最小温度值之间的最大温度差，这样，得到各个时刻对应的最大温度差。
步骤c3：基于所述时刻的最大温度差和预设温度标准差，确定在所述时刻所述电池组的温度差异常度。
在具体实施中，针对预设时间段内的任一时刻，根据该时刻的最大温度差和预设温度标准差，可以确定出在该时刻电池组的温度差异常度，采用同样方式，可以得到电池组在预设时间段内的各个时刻对应的温度差异常度。其中，预设温度标准差根据与目标电动车辆具有相同属性信息的电动车辆的历史温度数据确定的。
步骤c4：基于所述预设时间段内各个时刻的所述电池组的温度差异常度，确定在所述预设时间段内的所述电池组的温度差异常度。
其中，将目标温度差异常度，确定为在所述预设时间段内的所述电池组的温度差异常度。
这里，所述目标温度差异常度为所述预设时间段内各个时刻的温度差异常度中最大的温度差异常度；或，所述目标温度差异常度为所述预设时间段内各个时刻的温度差异常度中大于预设温度异常阈值的温度差异常度的平均值。
在具体实施中，在确定出预设时间段内各个时刻的电池组的温度差异常度，可以确定在预设时间段内的电池组的温度差异常度，具体地，可以目标温度差异常度确定为在预设时间段内的电池组的温度差异常度，其中，目标温度差异常度为预设时间段内各个时刻的温度差异常度中最大的温度差异常度；或，目标温度差异常度为预设时间段内各个时刻的温度差异常度中大于预设温度异常阈值的温度差异常度的平均值。
电池组包括n个电池单体，预设时间段包括m个时刻，下面对方案三的完整实施过程进行阐述，包括以下步骤：
1)获取预设时间段内任意时刻j的电池组中各个电池单体的温度值(T1,T2，…，Tn)，从这些温度值中选取该时刻对应的最大温度值Tc，最小温度值Td，其中，1≤c≤n，1≤c≤n；
2)根据时刻j对应的最大温度值和最小温度值，计算时刻j的最大温度差ΔT＝Tc-Td；
3)预设温度标准差为σ2，基于时刻j的最大温度差ΔT和预设温度标准差σ2，确定在时刻j电池组的温度差异常度Tj＝|ΔT-4σ2|。
4)基于预设时间段内各个时刻的电池组的温度差异常度，确定在预设时间段内的电池组的温度差异常度。
这里，第一阈值、第二阈值和第三阈值均是根据目标电动车辆的属性信息确定的，属性信息包括车型、车龄、已行驶公里数、电池组的工作状态中的至少一种。
在具体实施中，由于采集的电动车辆的电池组的参数会受到车辆的车型、使用时间、已行驶的公里数，以及电池组的工作状态所影响，所以，具有不同属性信息的电动车辆设置的第一阈值有所不同，这里，不同车型配置的电池组有所不同，所以采集的不同车型的电动车辆的电池组参数的大小也有所差别。其中，电池组的工作状态包括充电状态和放电状态，在电池组的不同工作状态下采集的电池组的参数也有所不同；电池组的参数包括但不限于电压值、温度值、电流值等。
这里，在检测目标电动车辆的电池组是否存在异常之前，需要提前设置不同属性信息的电动车辆对应的阈值，具体地，可以采集大量具有同种属性信息的电动车辆在历史时间段内的电池组的参数，并根据采集的电池组的参数，计算具有同种属性信息的电动车辆的电池组的该阈值关联的电压稳定度或电压差异常度或温度差异常度，可以将这些电池组的平均电压稳定度作为第一阈值，或将这些电池组的平均电压差异度作为第二阈值，或将这些电池组的平均温度差异度作为第三阈值，这样，在检测目标电动车辆的电池组是否异常时，先确定目标电动车辆的属性信息，进而，根据该属性信息获取目标电动车辆对应的阈值，并通过计算出的目标电动车辆电池组的电压稳定度与第一阈值进行比较，或将电压差异常度与第二阈值进行比较，或将温度差异常度与第三阈值进行比较，来根据比较结果确定目标电动车辆的电池组是否异常。
下面对电动车辆的电池组的历史参数的采集过程进行阐述，包括以下步骤：
1)数据获取
通过车联网数据表对近期(比如，三个月)的车辆信息进行提取，其中包括车辆标识、车型、里程数、充电状态、单体信息(电压、温度)等信息。
2)数据清洗
数据清洗是指发现并纠正数据中可识别的错误，包括检查数据一致性，处理无效值和缺失值等。车辆数据在上传过程中，由于各大厂商的标准不一致、数据上传的完备性不一、数据接入不规范等，导致数据中存在脏数据，数据清洗主要包括：
A、对提取的车联网信息进行数据的清洗，基于云平台已经登记注册的车辆，具有车辆标识与TBox设备序列号的关联信息。基于已经登记的车辆标识与TBox设备序列号数据，去校验上传的数据中车辆标识和TBox设备码不匹配的车辆信息。
B、对车辆标识，电压，温度等关键信息不存在的车辆信息进行过滤。
需要说明的是，可以将接入云平台的各个电动车辆的各项信息存储在数据库中，电动车辆的信息包括车辆标识、车牌号、车辆位置信息、电池组中电池单体的数量、车型、车龄、车辆已行驶公里数、电池组的工作状态、采集的电池单体的温度值、电压值等，以及采集数据的产生时间。其中，车辆标识可以为车辆识别号码，车辆识别号码(VehicleIdentification Number，VIN)是一组由十七个字母或数字组成，用于车辆上的一组独一无二的号码，可以识别车辆的生产商、引擎、底盘序号及其他性能等资料。
方案四，根据电池组的电压稳定度、电压差异常度、温度差异常度，确定在预设时间段内电池组是否存在异常。
这里，根据以下步骤确定在所述预设时间段内所述电池组是否存在异常：
步骤d1：基于所述电池组的所述电压稳定度、电压差异常度、温度差异常度，确定所述电池组的综合异常度。
在具体实施中，在计算出电池组的电压稳定度、电压差异常度以及温度差异常度之后，可以根据电池组的电压稳定度、电压差异常度以及温度差异常度来确定电池组的综合异常度。
步骤d2：根据所述电池组的综合异常度，确定在所述预设时间段内所述电池组是否存在异常。
在具体实施中，可以根据电池组的综合异常度的大小，确定在预设时间段内电池组是否存在异常，具体地，可以设置第四阈值，若电池组的综合异常度大于或等于第四阈值，说明在预设时间段内电池组存在异常，若电池组的综合异常度小于第四阈值，说明在预设时间段内电池组不存在异常。
这里，也可以通过设置的公式来计算电池组的综合异常度，公式比如：
Figure BDA0002886138440000211
其中，Final_Score为电池组的综合异常度，Z为电池组的电压稳定度，T为电池组的温度差异常度，V为电池组的电压差异常度。
需要说明的是，电池组的综合异常度的公式并不局限于上述公式，要求综合异常度公式中的每一乘法项小于1即可，其中，乘法项比如
Figure BDA0002886138440000212
进一步地，在确定电池组的综合异常度之后，根据所述电池组的综合异常度，确定所述电池组的安全风险等级；根据所述安全风险等级，确定与所述安全风险等级的对应的处理建议。
在具体实施中，在确定出电池组的综合异常度之后，可以根据电池组的综合异常度的大小，确定出电池组的安全风险等级，并给出与安全风险等级的对应的处理建议至目标车辆的车辆端。具体地，若电池组的综合异常度小于0.5，可以认为电池组处于健康状态，若电池组的综合异常度在0.5-0.8之间，可以认为电池组处于亚健康状态，若电池组的综合异常度大于0.8，可以认为电池组处于不健康状态。
这里，处理建议比如提醒目标车辆的车主及时取去汽车维保店，对电池组进行保养检测，避免安全隐患；提醒目标车辆的车主在充电状态或放电状态的电池组进行干预，防止热控事故。
在本申请实施例中，通过获取的在预设时间段内目标电动车辆的电池组中各个电池单体的电压值，可以确定电池组的电压稳定度和电压差异常度，以及，基于获取的电池组中各个电池单体的温度值，可以确定电池组的温度差异常度，进而，基于电池组的电压稳定度、电压差异常度、温度差异常度中的至少一种，可以准确地确定在预设时间段内电池组是否存在异常，进而，通过提前对电池是否发生异常进行预测，可以使用户能够提前采取处理措施，这样，可以减少由于电池异常造成电动车辆发生安全事故的概率，提升电动车辆的安全性。
基于同一申请构思，本申请实施例中还提供了与上述实施例提供的电池异常检测方法对应的电池异常检测装置，由于本申请实施例中的装置解决问题的原理与本申请上述实施例的电池异常检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
如图2至图6所示，图2示出了本申请实施例所提供的一种电池异常检测装置20的功能模块图之一；图3示出了图2中的一种第一确定模块22的功能模块图；图4示出了图2中的另一种第一确定模块22的功能模块图；图5示出了图2中的又一种第一确定模块22的功能模块图；图6示出了本申请实施例所提供的一种电池异常检测装置200的功能模块图之二。
如图2所示，所述电池异常检测装置20包括：
获取模块21，用于获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值；所述预设时间段为距离当前时刻的一段时长；
第一确定模块22，用于基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度；
第二确定模块23，用于基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
如图3所示，所述第一确定模块22包括：
第一计算单元220，用于针对所述电池组中的任一电池单体，根据获取的所述电池单体在所述预设时间段内各个时刻的电压值，计算所述电池单体的电压信息熵；
第一确定单元221，用于基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度。
如图3所示，所述第一计算单元220，用于根据以下步骤计算所述电池单体的电压信息熵：
计算所述电池单体在所述预设时间段内各个时刻的电压值出现的概率；
基于各个电压值出现的概率，计算所述电池单体的电压信息熵。
如图3所示，所述第一确定单元221，用于根据以下步骤确定所述电池组的电压稳定度：
针对所述电池组中的任一电池单体，根据所述电池单体在所述预设时间段内各个子时间段的电压信息熵，确定所述电池单体的异常度；
基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度。
如图3所示，所述第一确定单元221，用于根据以下步骤确定所述电池组的电压稳定度：
计算所述电池组中各个电池单体的平均异常度；
针对所述电池组中的任一电池单体，根据所述平均异常度和所述电池单体的异常度，确定所述电池单体的异常偏差值；
将目标偏差值，确定为所述电池组的电压稳定度；
其中，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中最大的异常偏差值；或，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中大于预设偏差阈值的异常偏差值的平均值。
如图4所示，所述第一确定模块22包括：
第一选取单元222，用于针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的电压值中，选取所述时刻对应的最大电压值和最小电压值；
第二计算单元223，用于根据所述时刻对应的最大电压值和最小电压值，计算所述时刻的最大电压差；
第二确定单元224，用于基于所述时刻的最大电压差和预设电压标准差，确定在所述时刻所述电池组的电压差异常度；
第三确定单元225，用于基于所述预设时间段内各个时刻的所述电池组的电压差异常度，确定在所述预设时间段内的所述电池组的电压差异常度。
如图4所示，所述第三确定单元225，用于根据以下步骤确定在所述预设时间段内的所述电池组的电压差异常度：
将目标电压差异常度，确定为在所述预设时间段内的所述电池组的电压差异常度；
其中，所述目标电压差异常度为所述预设时间段内各个时刻的电压差异常度中最大的电压差异常度；或，所述目标电压差异常度为所述预设时间段内各个时刻的电压差异常度中大于预设电压异常阈值的电压差异常度的平均值。
如图5所示，所述第一确定模块22包括：
第二选取单元226，用于针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的温度值中，选取所述时刻对应的最大温度值和最小温度值；
第三计算单元227，用于根据所述时刻对应的最大温度值和最小温度值，计算所述时刻的最大温度差；
第四确定单元228，用于基于所述时刻的最大温度差和预设温度标准差，确定在所述时刻所述电池组的温度差异常度；
第五确定单元229，用于基于所述预设时间段内各个时刻的所述电池组的温度差异常度，确定在所述预设时间段内的所述电池组的温度差异常度。
如图5所示，所述第五确定单元229，用于根据以下步骤确定在所述预设时间段内的所述电池组的温度差异常度：
将目标温度差异常度，确定为在所述预设时间段内的所述电池组的温度差异常度；
其中，所述目标温度差异常度为所述预设时间段内各个时刻的温度差异常度中最大的温度差异常度；或，所述目标温度差异常度为所述预设时间段内各个时刻的温度差异常度中大于预设温度异常阈值的温度差异常度的平均值。
如图2所示，在出现以下至少一种情况时，所述第二确定模块23，用于确定在所述预设时间段内所述电池组存在异常：
所述电池组的所述电压稳定度大于或等于第一阈值；
所述电池组的所述电压差异常度大于或等于第二阈值；
所述电池组的所述温度差异常度大于或等于第三阈值；
其中，所述第一阈值、所述第二阈值和所述第三阈值是根据所述目标电动车辆的属性信息确定的，所述属性信息包括车型、车龄、已行驶公里数、所述电池组的工作状态中的至少一种。
如图2所示，所述第二确定模块23，用于根据以下步骤确定在所述预设时间段内所述电池组是否存在异常：
基于所述电池组的所述电压稳定度、电压差异常度、温度差异常度，确定所述电池组的综合异常度；
根据所述电池组的综合异常度，确定在所述预设时间段内所述电池组是否存在异常。
如图6所示，所述电池异常检测装置20还包括建议模块24；所述建议模块24，用于：
根据所述电池组的综合异常度，确定所述电池组的安全风险等级；
根据所述安全风险等级，确定与所述安全风险等级的对应的处理建议。
基于同一申请构思，参见图7所示，为本申请实施例提供的一种电子设备700的结构示意图，包括：处理器710、存储器720和总线730，所述存储器720存储有所述处理器710可执行的机器可读指令，当电子设备700运行时，所述处理器710与所述存储器720之间通过所述总线730进行通信，所述机器可读指令被所述处理器710运行时执行如上述实施例中任一所述的电池异常检测方法的步骤。
具体地，所述机器可读指令被所述处理器710执行时可以执行如下处理：
获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值；所述预设时间段为距离当前时刻的一段时长；
基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度；
基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
基于同一申请构思，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提供的电池异常检测方法的步骤。
具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述电池异常检测方法，通过提前对电池是否发生异常进行预测，可以使用户能够提前采取处理措施，这样，可以减少由于电池异常造成电动车辆发生安全事故的概率，提升电动车辆的安全性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种电池异常检测方法，其特征在于，所述电池异常检测方法包括：
获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值；所述预设时间段为距离当前时刻的一段时长；
基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度；
基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
2.根据权利要求1所述的电池异常检测方法，其特征在于，基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度，包括：
针对所述电池组中的任一电池单体，根据获取的所述电池单体在所述预设时间段内各个时刻的电压值，计算所述电池单体的电压信息熵；
基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度。
3.根据权利要求2所述的电池异常检测方法，其特征在于，所述基于所述电池组中各个电池单体的电压信息熵，确定所述电池组的电压稳定度，包括：
针对所述电池组中的任一电池单体，根据所述电池单体在所述预设时间段内各个子时间段的电压信息熵，确定所述电池单体的异常度；
基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度。
4.根据权利要求3所述的电池异常检测方法，其特征在于，所述基于所述电池组中各个电池单体的异常度，确定所述电池组的电压稳定度，包括：
计算所述电池组中各个电池单体的平均异常度；
针对所述电池组中的任一电池单体，根据所述平均异常度和所述电池单体的异常度，确定所述电池单体的异常偏差值；
将目标偏差值，确定为所述电池组的电压稳定度；
其中，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中最大的异常偏差值；或，所述目标偏差值为所述电池组中各个电池单体的异常偏差值中大于预设偏差阈值的异常偏差值的平均值。
5.根据权利要求1所述的电池异常检测方法，其特征在于，基于所述电池组中各个电池单体的电压值确定所述电池组的电压差异常度，包括：
针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的电压值中，选取所述时刻对应的最大电压值和最小电压值；
根据所述时刻对应的最大电压值和最小电压值，计算所述时刻的最大电压差；
基于所述时刻的最大电压差和预设电压标准差，确定在所述时刻所述电池组的电压差异常度；
基于所述预设时间段内各个时刻的所述电池组的电压差异常度，确定在所述预设时间段内的所述电池组的电压差异常度。
6.根据权利要求1所述的电池异常检测方法，其特征在于，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度，包括：
针对所述预设时间段内的任一时刻，从所述时刻对应的所述电池组中的各个电池单体的温度值中，选取所述时刻对应的最大温度值和最小温度值；
根据所述时刻对应的最大温度值和最小温度值，计算所述时刻的最大温度差；
基于所述时刻的最大温度差和预设温度标准差，确定在所述时刻所述电池组的温度差异常度；
基于所述预设时间段内各个时刻的所述电池组的温度差异常度，确定在所述预设时间段内的所述电池组的温度差异常度。
7.根据权利要求1所述的电池异常检测方法，其特征在于，根据以下步骤确定在所述预设时间段内所述电池组是否存在异常：
基于所述电池组的所述电压稳定度、电压差异常度、温度差异常度，确定所述电池组的综合异常度；
根据所述电池组的综合异常度，确定在所述预设时间段内所述电池组是否存在异常。
8.一种电池异常检测装置，其特征在于，所述电池异常检测装置包括：
获取模块，用于获取在预设时间段内目标电动车辆的电池组中各个电池单体的电压值和/或温度值；所述预设时间段为距离当前时刻的一段时长；
第一确定模块，用于基于所述电池组中各个电池单体的电压值确定所述电池组的电压稳定度和电压差异常度，以及，基于所述电池组中各个电池单体的温度值确定所述电池组的温度差异常度；
第二确定模块，用于基于所述电池组的所述电压稳定度、所述电压差异常度、所述温度差异常度中的至少一种，确定在所述预设时间段内所述电池组是否存在异常。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的电池异常检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的电池异常检测方法的步骤。
CN202110013729.2A 2021-01-06 2021-01-06 一种电池异常检测方法、装置、电子设备及存储介质 Pending CN112816885A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110013729.2A CN112816885A (zh) 2021-01-06 2021-01-06 一种电池异常检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110013729.2A CN112816885A (zh) 2021-01-06 2021-01-06 一种电池异常检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112816885A true CN112816885A (zh) 2021-05-18

Family

ID=75857853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110013729.2A Pending CN112816885A (zh) 2021-01-06 2021-01-06 一种电池异常检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112816885A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113553542A (zh) * 2021-06-08 2021-10-26 广汽菲亚特克莱斯勒汽车有限公司 一种基于数据分析的新能源汽车动力电池状态评估方法
CN114137421A (zh) * 2021-11-30 2022-03-04 蜂巢能源(上海)有限公司 电池异常检测方法、装置、设备及存储介质
CN114839556A (zh) * 2022-05-10 2022-08-02 中国第一汽车股份有限公司 动力电池异常检测方法、装置、存储介质及电子装置
CN115079020A (zh) * 2022-05-27 2022-09-20 中国第一汽车股份有限公司 电池故障检测方法、系统、装置存储介质以及车辆
CN116106758A (zh) * 2023-03-23 2023-05-12 华能新能源股份有限公司山西分公司 基于数据驱动的电池故障诊断方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106556802A (zh) * 2016-11-01 2017-04-05 东软集团股份有限公司 一种蓄电池组异常单体电池识别方法及装置
CN107255787A (zh) * 2017-06-22 2017-10-17 山东大学 基于信息熵的电池组不一致性综合评价方法及系统
CN110542867A (zh) * 2019-08-05 2019-12-06 燕山大学 电池健康状态评估方法、装置及存储介质
CN110687457A (zh) * 2019-11-13 2020-01-14 东软睿驰汽车技术（沈阳）有限公司 一种电池包异常的检测方法、装置、存储介质及电子设备
CN111079796A (zh) * 2019-11-22 2020-04-28 上海电气分布式能源科技有限公司 电池的筛选方法、系统、电子产品和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106556802A (zh) * 2016-11-01 2017-04-05 东软集团股份有限公司 一种蓄电池组异常单体电池识别方法及装置
CN107255787A (zh) * 2017-06-22 2017-10-17 山东大学 基于信息熵的电池组不一致性综合评价方法及系统
CN110542867A (zh) * 2019-08-05 2019-12-06 燕山大学 电池健康状态评估方法、装置及存储介质
CN110687457A (zh) * 2019-11-13 2020-01-14 东软睿驰汽车技术（沈阳）有限公司 一种电池包异常的检测方法、装置、存储介质及电子设备
CN111079796A (zh) * 2019-11-22 2020-04-28 上海电气分布式能源科技有限公司 电池的筛选方法、系统、电子产品和介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘佳庚;赵美红;: "基于信息熵和模糊综合评判的动力电池性能评估", 中国新技术新产品, no. 06 *
张学清;李明;尹茂林;张玉亭;顾世龙;马文霞;: "基于信号综合熵电网电压稳定性能评估的研究", 山东电力技术, no. 10 *
肖艳秋;姚雷;翟洪飞;侯俊剑;: "电压熵值的锂离子电池组安装模式优化", 机械设计与制造, no. 09 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113553542A (zh) * 2021-06-08 2021-10-26 广汽菲亚特克莱斯勒汽车有限公司 一种基于数据分析的新能源汽车动力电池状态评估方法
CN114137421A (zh) * 2021-11-30 2022-03-04 蜂巢能源(上海)有限公司 电池异常检测方法、装置、设备及存储介质
CN114137421B (zh) * 2021-11-30 2023-09-19 章鱼博士智能技术(上海)有限公司 电池异常检测方法、装置、设备及存储介质
CN114839556A (zh) * 2022-05-10 2022-08-02 中国第一汽车股份有限公司 动力电池异常检测方法、装置、存储介质及电子装置
CN115079020A (zh) * 2022-05-27 2022-09-20 中国第一汽车股份有限公司 电池故障检测方法、系统、装置存储介质以及车辆
CN116106758A (zh) * 2023-03-23 2023-05-12 华能新能源股份有限公司山西分公司 基于数据驱动的电池故障诊断方法及系统
CN116106758B (zh) * 2023-03-23 2024-01-30 华能新能源股份有限公司山西分公司 基于数据驱动的电池故障诊断方法及系统

Similar Documents

Publication Publication Date Title
CN112816885A (zh) 一种电池异常检测方法、装置、电子设备及存储介质
US11656296B2 (en) Battery analysis system and method
US11644515B2 (en) Method and device for operating an electrically drivable motor vehicle depending on a predicted state of health of an electrical energy store
CN115330275B (zh) 一种退役电池的梯次利用方法及装置
CN116973782B (zh) 基于机器学习的新能源汽车保养维护与故障监测诊断方法
US20240192276A1 (en) System and method for determining a battery condition
CN114578248A (zh) 用于预测电池运行的设备中设备电池的老化状态的方法和装置
CN115219903A (zh) 基于车联网数据分析的电池自放电率异常判断方法及装置
KR20200087494A (ko) 배터리 관리 방법 및 장치
CN115327417A (zh) 一种动力电池单体异常的预警方法、系统及电子设备
CN114879070A (zh) 一种电池状态评估方法及相关设备
CN117347869B (zh) 储能电池管理系统数据分析方法、装置、电子设备及介质
CN108845267B (zh) 一种动力电池的数据处理方法和装置
US20230324463A1 (en) Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods
CN112950030B (zh) 电动汽车的残差评估方法、装置、电子设备及存储介质
CN115951249A (zh) 电池状态监测方法、系统、电子设备及存储介质
CN111125828A (zh) 电动车体检方法、装置、终端设备及存储介质
CN115327391A (zh) 一种基于梯次利用电池的检测方法及装置
CN114764600A (zh) 新能源车电池包的寿命预测方法、装置和电子设备
CN115097320A (zh) 一种电池使用预估方法、装置、电子设备及可读存储介质
CN110751747A (zh) 一种数据处理方法及装置
CN116834605B (zh) 电池包的状态监控管理方法、装置、设备及存储介质
CN117970127A (zh) 用于识别动力电池异常自放电的方法和装置
CN117491871A (zh) 用于借助于归一化流模型对技术设备的设备电池进行预测性诊断的方法
CN117347078A (zh) 一种新能源车辆健康状态年检平台及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination