CN114264957A - 一种异常单体检测方法及其相关设备 - Google Patents
一种异常单体检测方法及其相关设备 Download PDFInfo
- Publication number
- CN114264957A CN114264957A CN202111462398.7A CN202111462398A CN114264957A CN 114264957 A CN114264957 A CN 114264957A CN 202111462398 A CN202111462398 A CN 202111462398A CN 114264957 A CN114264957 A CN 114264957A
- Authority
- CN
- China
- Prior art keywords
- voltage
- abnormal
- determining
- data
- battery pack
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 280
- 238000001514 detection method Methods 0.000 title claims abstract description 129
- 239000000178 monomer Substances 0.000 title claims abstract description 58
- 238000012512 characterization method Methods 0.000 claims abstract description 151
- 238000000034 method Methods 0.000 claims abstract description 103
- 230000008569 process Effects 0.000 claims description 78
- 230000005856 abnormality Effects 0.000 claims description 54
- 238000005070 sampling Methods 0.000 claims description 45
- 230000008859 change Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000007774 longterm Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000002955 isolation Methods 0.000 description 21
- 238000010606 normalization Methods 0.000 description 11
- 230000014509 gene expression Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请实施例公开了一种异常单体检测方法及其相关设备,该方法包括:对于包括至少一个第一单体电池的待检测电池包来说,在获取到针对待检测电池包采集的待使用电压数据之后,先根据待使用电压数据中各个第一单体电池的电压表征数据,确定各个第一单体电池的电压表征特征;再根据这些第一单体电池的电压表征特征,对这些第一单体电池进行聚类处理,得到第一聚类结果,以使该第一聚类结果用于表示哪些第一单体电池的电压特征相似,哪些第一单体电池的电压特征之间具有较大差异;最后,根据第一聚类结果,确定异常单体检测结果,以使该异常单体检测结果能够表示出该待检测电池包中存在的异常单体,如此能够实现从一个电池包中检测出异常单体的目的。
Description
技术领域
本申请涉及车辆技术领域,具体涉及一种异常单体检测方法及其相关设备。
背景技术
对于一个车辆内所部署的电池包(例如,动力电池等)来说,为了保证该电池包的供电效果,该电池包通常是由多个型号以及规格都相同单体电池串并连而成的。
然而,因一些原因(如,单体电池制作工艺不完善、某些单体电池的供电能力会随着其使用时长的增加而变差等原因),易导致上述“电池包”中存在至少一个单体电池的供电能力明显低于该“电池包”中其他单体电池,如此使得该“电池包”中出现了发生异常的单体电池(又称,异常单体),而且该异常单体的出现易影响该“电池包”的使用寿命。
然而,如何从一个电池包中检测出异常单体是一项亟待解决的技术问题。
发明内容
有鉴于此,本申请实施例提供一种异常单体检测方法及其相关设备,能够实现从一个电池包中检测出异常单体的目的。
为解决上述问题,本申请实施例提供的技术方案如下:
本申请实施例提供了一种异常单体检测方法,所述方法包括:获取待检测电池包的待使用电压数据;其中,所述待使用电压数据包括至少一个第一单体电池的电压表征数据;根据各个所述第一单体电池的电压表征数据,确定各个所述第一单体电池的电压表征特征;根据所述至少一个第一单体电池的电压表征特征,对所述至少一个第一单体电池进行聚类处理,得到第一聚类结果;根据所述第一聚类结果,确定异常单体检测结果。
本申请实施例还提供了一种异常单体检测装置,包括:
获取单元,用于获取待检测电池包的待使用电压数据;其中,所述待使用电压数据包括至少一个第一单体电池的电压表征数据;
提取单元,用于根据各个所述第一单体电池的电压表征数据,确定各个所述第一单体电池的电压表征特征;
聚类单元,用于根据所述至少一个第一单体电池的电压表征特征,对所述至少一个第一单体电池进行聚类处理,得到第一聚类结果;
确定单元,用于根据所述第一聚类结果,确定异常单体检测结果。
本申请实施例还提供了一种设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如本申请实施例提供的异常单体检测方法的任一实施方式。
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中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行本申请实施例提供的异常单体检测方法的任一实施方式。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行本申请实施例提供的异常单体检测方法的任一实施方式。
由此可见,本申请实施例具有如下有益效果:
本申请实施例提供的技术方案中,对于包括至少一个第一单体电池的待检测电池包来说,在获取到针对该待检测电池包采集的待使用电压数据之后,先根据该待使用电压数据中各个第一单体电池的电压表征数据,确定各个第一单体电池的电压表征特征;再根据这些第一单体电池的电压表征特征,对这些第一单体电池进行聚类处理,得到第一聚类结果,以使该第一聚类结果用于表示哪些第一单体电池的电压特征相似,哪些第一单体电池的电压特征之间具有较大差异;最后,根据该第一聚类结果,确定异常单体检测结果,以使该异常单体检测结果能够表示出该待检测电池包中存在的异常单体,如此能够实现从一个电池包中检测出异常单体的目的。
附图说明
图1为本申请实施例提供的一种异常单体检测方法的流程图;
图2为本申请实施例提供的一种异常单体检测过程的示意图;
图3为本申请实施例提供的一种异常单体检测装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
发明人在针对电池包的研究中发现,一个电池包通常包括多个型号以及规格都相同单体电池,以使这些单体电池的电压特征保持一致;但是,对于这些单体电池来说,可能会因单体电池制作工艺不完善而导致这些单体电池的电压特征之间存在差异性,也可能会随着该电池包的使用时长的增加而导致这些单体电池的电压特征之间的差异性越来越大,如此易导致上述“电池包”中存在至少一个单体电池的供电能力明显低于该“电池包”中其他单体电池,从而易导致该“电池包”中出现异常单体(也就是,与其他单体电池差异性比较大的电池单体),而且该异常单体的出现易影响该“电池包”的使用寿命。
针对上述发现,本申请实施例提供了一种异常单体检测方法,其具体包括:对于包括至少一个第一单体电池的待检测电池包来说,在获取到针对该待检测电池包采集的待使用电压数据之后,先根据该待使用电压数据中各个第一单体电池的电压表征数据,确定各个第一单体电池的电压表征特征;再根据这些第一单体电池的电压表征特征,对这些第一单体电池进行聚类处理,得到第一聚类结果,以使该第一聚类结果用于表示哪些第一单体电池的电压特征相似,哪些第一单体电池的电压特征之间具有较大差异;最后,根据该第一聚类结果,确定异常单体检测结果,以使该异常单体检测结果能够表示出该待检测电池包中存在的异常单体,如此能够实现从一个电池包中检测出异常单体的目的。
另外,本申请实施例不限定异常单体检测方法的执行主体,例如,本申请实施例提供的异常单体检测方法的执行主体可以是终端设备或服务器等数据处理设备。其中,终端设备可以为智能手机、计算机、个人数字助理(Personal Digital Assitant,PDA)或平板电脑等。服务器可以为独立服务器、集群服务器或云服务器。
为了便于理解本申请,下面结合附图对本申请实施例提供的异常单体检测方法进行说明。
参见图1,该图为本申请实施例提供的一种异常单体检测方法的流程图,该异常单体检测方法可以包括S1-S4:
S1:获取待检测电池包的待使用电压数据。
上述“待检测电池包”是指需要进行异常单体检测处理的电池包;而且本申请实施例不限定该“待检测电池包”,例如,其可以是任意一个车辆的动力电池。
上述“待使用电压数据”用于表示待检测电池包在预设采集时间段内所具有的电压状态;而且,本申请实施例不限定该“待使用电压数据”,例如,当上述“待检测电池包”包括N个第一单体电池时,该“待使用电压数据”可以包括N个第一单体电池的电压表征数据。其中,第n个第一单体电池的电压表征数据用于表示该第n个第一单体电池在预设采集时间段内所具有的电压状态。n为正整数,n≤N,N为正整数。
上述“预设采集时间段”是指上述“待使用电压数据”的采集时间段;而且本申请实施例不限定该“预设采集时间段”的获取方式,例如,可以预先设定,也可以根据待检测电池包处于目标荷电状态区间的时间段确定(例如,将待检测电池包处于目标荷电状态区间的时间段,确定为预设采集时间段)。需要说明的是,上述“目标荷电状态区间”的相关内容请参见下文。
上述“第一单体电池”用于表示存在于上述“待检测电池包”内部的单体电池。
基于上述S1的相关内容可知,对于一个需要进行异常单体检测处理的电池包(也就是,待检测电池包)来说,可以针对该待检测电池包进行电压数据采集处理,得到该待检测电池包的待使用电压数据,以使该待使用电压数据用于记录该待检测电池包中各个第一单体电池的电压状态,以便后续能够基于该待使用电压数据,确定各个第一单体电池所具有的电压特征。
S2:根据各个第一单体电池的电压表征数据,确定各个第一单体电池的电压表征特征。
其中,第n个第一单体电池的电压表征特征用于表示该第n个第一单体电池所具有的电压特征。n为正整数,n≤N,N为正整数。
另外,本申请实施例不限定上述“第n个第一单体电池的电压表征特征”,例如,其可以包括该第n个第一单体电池的熵值特征、该第n个第一单体电池的偏差特征、以及该第n个第一单体电池的增长率特征中的至少一个。
需要说明的是,N个第一单体电池的熵值特征用于表示待检测电池包的电压混乱程度;N个第一单体电池的偏差特征用于表示待检测电池包的电压离散程度;第n个第一单体电池的增长率特征用于表示该第n个第一单体电池相对于待检测电池包整体的电压偏离程度的增长快慢;其中,n为正整数,n≤N,N为正整数。
此外,本申请实施例不限定上述“第n个第一单体电池的电压表征特征”的确定过程,例如,可以采用下文所示的确定“第e个目标单体电池的电压表征特征”的实施方式进行实施,只需将下文所示的确定“第e个目标单体电池的电压表征特征”的实施方式中“第e个目标单体电池”替换为“第n个第一单体电池”即可。
基于上述S2的相关内容可知,对于包括至少一个第一单体电池的待检测电池包来说,在获取到各个第一单体电池的电压表征数据之后,可以针对各个第一单体电池的电压表征数据进行电压特征分析,得到各个第一单体电池的电压表征特征,以使各个第一单体电池的电压表征特征分别能够表示出各个第一单体电池所具有的电压特征,以便后续能够参考这些第一单体电池的电压表征特征,从这些第一单体电池中识别出异常单体。
S3:根据至少一个第一单体电池的电压表征特征,对该至少一个第一单体电池进行聚类处理,得到第一聚类结果。
上述“聚类处理”用于将一些单体电池中具有相似电压表征特征的任意两个单体电池划分到同一类(或者簇,或者集合等),并将这些单体电池中具有不同电压表征特征的任意两个单体电池划分到不同类。
另外,本申请实施例不限定上述“聚类处理”,例如,其可以采用基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)进行实施。
需要说明的是,DBSCAN是一种无监督学习方法;而且需要针对该DBSCAN预先设定两个参数(也就是,邻域半径eps和最小邻域点数minpts)另外,DBSCAN的工作原理具体可以为:如果一个点的邻域内的点数大于minpts,则确定该点的邻域内所有点被聚为一类;而且无法被聚类的点称为离群点,其可以被标记为-1。此外,DBSCAN的聚类结果可以包括至少一类和/或至少一个离群点;而且每一类至少包括minpts个点。
上述“第一聚类结果”用于表示待检测电池包中任意两个第一单体电池是否属于同一类,以使该“第一聚类结果”能够表示出该待检测电池包中任意两个第一单体电池是否具有相似的电压特征。
另外,本申请实施例不限定上述“第一聚类结果”,例如,当上述“聚类处理”采用DBSCAN进行实施时,该“第一聚类结果”可以包括至少一个单体簇和/或至少一个第二孤点;而且各个单体簇均包括至少两个第一单体电池;各个第二孤点均只包括一个第一单体电池。
本申请实施例不限定S3的实施方式,例如,其具体可以包括:先对至少一个第一单体电池的电压表征特征进行聚类处理,得到特征聚类结果;再将该特征聚类结果映射至各个第一单体电池,得到第一聚类结果,以使该第一聚类结果用于记录待检测电池包中任意两个第一单体电池是否属于同一类。
基于上述S3的相关内容可知,对于包括至少一个第一单体电池的待检测电池包来说,在获取到各个第一单体电池的电压表征特征之后,可以针对这些第一单体电池的电压表征特征进行聚类处理,得到第一聚类结果,以使该第一聚类结果能够表示出待检测电池包中哪些第一单体电池具有相似的电压特征,以及哪些第一单体电池具有不同的电压特征,以便后续能够基于该第一聚类结果,确定这些第一单体电池中存在的异常单体。
S4:根据第一聚类结果,确定异常单体检测结果。
上述“异常单体检测结果”用于表示待检测电池包中各个第一单体电池是否属于异常单体;而且本申请实施例不限定该“异常单体检测结果”的确定过程,例如,当上述“第一聚类结果”包括至少一个单体簇和至少一个第二孤点时,若确定第n个第一单体电池为某个第二孤点(也就是,该第n个第一单体电池属于离群点),则确定该第n个第一单体电池属于异常单体;若确定该第n个第一单体电池属于某个单体簇,则确定该第n个第一单体电池不属于异常单体。
基于上述S1至S4的相关内容可知,对于包括至少一个第一单体电池的待检测电池包来说,在获取到针对该待检测电池包采集的待使用电压数据之后,先根据该待使用电压数据中各个第一单体电池的电压表征数据,确定各个第一单体电池的电压表征特征;再根据这些第一单体电池的电压表征特征,对这些第一单体电池进行聚类处理,得到第一聚类结果,以使该第一聚类结果用于表示哪些第一单体电池的电压特征相似,哪些第一单体电池的电压特征之间具有较大差异;最后,根据该第一聚类结果,确定异常单体检测结果,以使该异常单体检测结果能够表示出该待检测电池包中存在的异常单体,如此能够实现从一个电池包中检测出异常单体的目的。
实际上,发明人在针对电池包的研究中发现:①因车辆的一些运行工况比较复杂,使得该车辆内部充放电过程也比较复杂,如此导致该车辆内部其他形式的充放电过程会影响到针对电池包的电压分析,故不宜在这些运行工况下针对该电池包进行电压数据采集。②因车辆充电过程中电流相对稳定,使得该电池包的电压持续上升,从而使得该电池包的电压特性表现明显,故宜在车辆充电过程中针对该电池包进行电压数据采集。③因车辆很少出现完整充电段(例如,荷电状态(又称剩余电量,State of Charge,SOC)从0%增长值100%),而且不同SOC区间针对电池包的电压特性的表现力度不同,故为了提高异常单体的检测效果,可以在具有最大表现力度的SOC区间下,针对上述“待检测电池包”进行电压数据采集,以使采集所得的电压数据能够更好地表现出该“待检测电池包”的电压特性,以便后续能够基于上述“采集所得的电压数据”,实现针对该“待检测电池包”的异常单体检测处理。
基于上述发现,本申请实施例提供了一种待使用电压数据的获取过程,其具体可以包括:针对处于目标荷电状态区间的待检测电池包进行电压数据采集,得到该待检测电池包的待使用电压数据。
本申请实施例不限定采集上述“待使用电压数据”的实施方式,例如,当上述“目标荷电状态区间”为[荷电状态下限,荷电状态上限]时,该“待使用电压数据”的采集过程具体可以包括:在确定待检测电池包的实际荷电状态达到上述“荷电状态下限”之后,按照预设数据采集频率(例如,每10秒进行一次电压数据采集等),针对该待检测电池包进行电压数据采集,直至在确定该待检测电池包的实际荷电状态达到上述“荷电状态上限”时,结束针对该待检测电池包的电压数据采集过程,并将已采集到的所有电压数据进行集合,得到待使用电压数据。
上述“目标荷电状态区间”是指针对待检测电池包的电压特性具有最大表现力度的SOC区间;而且本申请实施例不限定该“目标荷电状态区间”的确定过程,例如,可以预先设定。
实际上,为了提高异常单体的检测灵活性,可以从不同荷电状态区间下电池包电压数据中自动地分析出上述“目标荷电状态区间”。基于此,本申请实施例提供了确定上述“目标荷电状态区间”的一种可能的实施方式,其具体可以包括步骤11-步骤13:
步骤11:获取至少一个候选荷电状态区间。
上述“候选荷电状态区间”是指在确定上述“目标荷电状态区间”时需要进行分析比较的荷电状态区间。
另外,本申请不限定上述“至少一个候选荷电状态区间”的获取过程,例如,可以预先设定。
此外,本申请实施例不限定上述“至少一个候选荷电状态区间”的表示方式,例如,其可以表示为{S1,S2,…,SP};其中,Sp表示第p个候选荷电状态区间;p为正整数,p≤P,P为正整数,P表示上述“至少一个候选荷电状态区间”中候选荷电状态区间的个数。
需要说明的是,本申请实施例不限定上述“第p个候选荷电状态区间”,例如,其可以是30%-80%,60%-90%、或者20%-50%等。
步骤12:根据各个候选荷电状态区间对应的电池包电压数据,确定各个候选荷电状态区间的异常识别得分。
其中,第p个候选荷电状态区间对应的电池包电压数据是针对处于第p个候选荷电状态区间的至少一个电池包进行电压数据采集得到的。p为正整数,p≤P。
另外,本申请实施例不限定上述“第p个候选荷电状态区间对应的电池包电压数据”,例如,其可以包括:针对处于第p个候选荷电状态区间的第1个电池包进行电压数据采集得到的电池包电压数据、针对处于第p个候选荷电状态区间的第2个电池包进行电压数据采集得到的电池包电压数据、……、以及针对处于第p个候选荷电状态区间的第Q个电池包进行电压数据采集得到的电池包电压数据。其中,Q为正整数。
此外,本申请实施例不限定上述“第p个候选荷电状态区间对应的电池包电压数据”的表示方式,例如,其可以采用公式(1)进行表示。
需要说明的是,为了提高上述“目标荷电状态区间”的确定准确性,第1个电池包、第2个电池包、……、第Q个电池包、以及上文“待检测电池包”均具有相同的供电性能配置,以使这些电池包均能够应用于同一款车辆,从而使得这些电池包的电压特征能够代表某一款车辆中电池包的电压特性。
第p个候选荷电状态区间的异常识别得分用于表示该第p个候选荷电状态区间针对上文“待检测电池包”的异常单体识别能力(也就是,该第p个候选荷电状态区间针对该“待检测电池包”的电压特性的表现力度);而且该“第p个候选荷电状态区间的异常识别得分”越大,则表示该第p个候选荷电状态区间针对该“待检测电池包”的异常单体识别能力越强。其中,p为正整数,p≤P。
另外,本申请实施例不限定上述“第p个候选荷电状态区间的异常识别得分”的确定过程,例如,其可以采用下文所示的确定“待处理荷电状态区间的异常识别得分”的任一实施方式进行实施,只需将下文确定“待处理荷电状态区间的异常识别得分”的任一实施方式中“待处理荷电状态区间”替换为“第p个候选荷电状态区间”即可。
基于上述步骤12的相关内容可知,在获取到第p个候选荷电状态区间之后,可以参考该第p个候选荷电状态区间对应的电池包电压数据,确定该第p个候选荷电状态区间的异常识别得分,以使该异常识别得分能够表示出该第p个候选荷电状态区间针对上文“待检测电池包”的异常单体识别能力,以便后续能够参考该异常识别得分,确定是否将该第p个候选荷电状态区间确定为上述“目标荷电状态区间”。其中,p为正整数,p≤P。
步骤13:根据至少一个候选荷电状态区间的异常识别得分,从该至少一个候选荷电状态区间中确定满足预设筛选条件的目标荷电状态区间。
上述“预设筛选条件”可以预先设定;例如,其具体可以为:具有最大异常识别得分。
本申请实施例不限定步骤13的实施方式,例如,其具体可以包括:先对至少一个候选荷电状态区间的异常识别得分进行最大值分析处理,得到异常识别得分最大值;再将具有该“异常识别得分最大值”的候选荷电状态区间,确定为目标荷电状态区间。又如,其具体可以包括:先将至少一个候选荷电状态区间按照异常识别得分从大到小进行排序,得到区间序列;再将该区间序列中排名最靠前的候选荷电状态区间,确定为目标荷电状态区间。
另外,因某些电池包可能只能达到部分荷电状态,使得这些电池包无法达到上述“具有最大异常识别得分的候选荷电状态区间”,故为了进一步提高异常单体检测的灵活性,本申请实施例还提供了上述“预设筛选条件”的另一种可能的实施方式,其具体可以为:在上述“待检测电池包”的至少一个可达荷电状态区间中具有最大异常识别得分。其中,上述“可达荷电状态区间”是指上述“待检测电池包”能够达到的候选荷电状态区间。
可见,对于上述“至少一个候选荷电状态区间”来说,先从这些候选荷电状态区间中挑选出上述“待检测电池包”能够达到的候选荷电状态区间,得到至少一个可达荷电状态区间;再对这些可达荷电状态区间的异常识别得分进行最大值分析处理,得到异常识别得分最大值;再将具有该“异常识别得分最大值”的候选荷电状态区间,确定为目标荷电状态区间。
基于上述步骤11至步骤13的相关内容可知,在一些情况下,可以先参考一些候选荷电状态区间对应的电池包电压数据,确定这些候选荷电状态区间针对上文“待检测电池包”的电压特性的表现力度;再参考这些表现力度,从这些候选荷电状态区间中挑选出目标荷电状态区间,以使该“待检测电池包”的电压特性能够在该目标荷电状态区间内被最大程度表现出来,从而使得基于该目标荷电状态区间采集的待使用电压数据,能够更准确地表示出该“待检测电池包”中各个第一单体电池所具有的电压特征,如此有利于提高异常单体的检测准确性。
在一种可能的实施方式中,本申请实施例还提供了确定上述“异常识别得分”的一种可能的实施方式,为了便于理解该实施方式,下面以“待处理荷电状态区间的异常识别得分”的确定过程为例进行说明。
作为示例,当上述“至少一个候选荷电状态区间”包括待处理荷电状态区间,且该待处理荷电状态区间对应的电池包电压数据包括Q个样本电池包的待处理电压数据时,该待处理荷电状态区间的异常识别得分的确定过程,包括步骤21-步骤22:
步骤21:根据第q个样本电池包的待处理电压数据,确定该第q个样本电池包的异常识别得分。其中,q为正整数,q≤Q。
上述“待处理荷电状态区间”可以用于表示上述“至少一个候选荷电状态区间”中任意一个候选荷电状态区间。
上述“样本电池包”是指在确定待处理荷电状态区间的异常识别得分时所需涉及的电池包。可见,针对上述“样本电池包”的电压数据采集过程通常是在该“样本电池包”处于待处理荷电状态区间时进行实施。
上述“第q个样本电池包的待处理电压数据”是针对处于上述“待处理荷电状态区间”的第q个样本电池包进行电压数据采集得到的,以使该“第q个样本电池包的待处理电压数据”用于表示当该第q个样本电池包处于上述“待处理荷电状态区间”时该第q个样本电池包所具有的电压状态。需要说明的是,上述“待处理电压数据”类似于上文“待使用电压数据”。
上述“第q个样本电池包的异常识别得分”用于表示在处于待处理荷电状态区间的第q个样本电池包上所呈现出的异常单体被识别能力;而且该“第q个样本电池包的异常识别得分”越高,则表示在处于待处理荷电状态区间的第q个样本电池包上所呈现出的异常单体被识别能力越强。
另外,本申请实施例不限定上述“第q个样本电池包的异常识别得分”的确定过程,例如,当上述“第q个样本电池包的待处理电压数据”包括至少一个第二单体电池的电压表征数据时,该“第q个样本电池包的异常识别得分”的确定过程具体可以包括步骤211-步骤213:
步骤211:根据各个第二单体电池的电压表征数据,确定各个第二单体电池的电压表征特征。
上述“第二单体电池”用于表示存在于上述“第q个样本电池包”内部的单体电池;而且本申请实施例不限定该“第二单体电池”的个数,例如,其可以为G(也就是,上述“第q个样本电池”是由G个第二单体电池串并连而成的)。其中,G为正整数。
第g个第二单体电池的电压表征数据用于表示当该第g个第二单体电池处于待处理荷电状态区间时该第g个第二单体电池所具有的电压状态。其中,g为正整数,g≤G。
第g个第二单体电池的电压表征特征用于表示该第g个第二单体电池所具有的电压特征。其中,g为正整数,g≤G。
另外,本申请实施例不限定上述“第g个第二单体电池的电压表征特征”,例如,其可以包括该第g个第二单体电池的熵值特征、该第g个第二单体电池的偏差特征、以及该第g个第二单体电池的增长率特征中的至少一个。
需要说明的是,G个第二单体电池的熵值特征用于表示第q个样本电池包的电压混乱程度;第g个第二单体电池的偏差特征用于表示该第g个第二单体电池相对于第q个样本电池包整体的电压偏离程度;第g个第二单体电池的增长率特征用于表示该第g个第二单体电池相对于第q个样本电池包整体的电压偏离程度的增长快慢;其中,g为正整数,g≤G,G为正整数。
此外,本申请实施例不限定上述“第g个第二单体电池的电压表征特征”的确定过程,例如,可以采用下文所示的确定“第e个目标单体电池的电压表征特征”的实施方式进行实施,只需将下文所示的确定“第e个目标单体电池的电压表征特征”的实施方式中“第e个目标单体电池”替换为“第g个第二单体电池”即可。
基于上述步骤211的相关内容可知,对于包括至少一个第二单体电池的第q个样本电池包来说,在获取到各个第二单体电池的电压表征数据之后,可以针对各个第二单体电池的电压表征数据进行电压特征分析,得到各个第二单体电池的电压表征特征,以使各个第二单体电池的电压表征特征分别能够表示出各个第二单体电池所具有的电压特征。
步骤212:根据至少一个第二单体电池的电压表征特征,对该至少一个第二单体电池进行聚类处理,得到第二聚类结果。
上述“第二聚类结果”用于表示第q个样本电池包中任意两个第二单体电池是否属于同一类,以使该“第二聚类结果”能够表示出该第q个样本电池中任意两个第二单体电池是否具有相似的电压特征。
另外,本申请实施例不限定上述“第二聚类结果”,例如,当上述“聚类处理”采用DBSCAN进行实施时,该“第二聚类结果”可以包括至少一个单体集合和/或至少一个第一孤点;而且各个单体集合均包括至少两个第二单体电池;各个第一孤点均只包括一个第二单体电池。
另外,本申请实施例不限定步骤212的实施方式,例如,步骤212可以采用上文S3的任一实施方式进行实施。
基于上述步骤212的相关内容可知,对于包括至少一个第二单体电池的第q个样本电池包来说,在获取到各个第二单体电池的电压表征特征之后,可以针对这些第二单体电池的电压表征特征进行聚类处理,得到第二聚类结果,以使该第二聚类结果能够表示出第q个样本电池包中哪些第二单体电池具有相似的电压特征,以及哪些第二单体电池具有不同的电压特征,以便后续能够基于该第二聚类结果,确定这些第二单体电池中存在的异常单体。
步骤213:根据第二聚类结果,确定第q个样本电池包的异常识别得分。
作为示例,当上述“第二聚类结果”包括J个单体集合和H个第一孤点时,步骤213具体可以包括步骤2131-步骤2133:
步骤2131:根据第j个单体集合中各个第二单体电池的电压表征特征,确定该第j个单体集合的特征中心点。其中,j为正整数,j≤J,J为正整数。
上述“第j个单体集合”用于表示上述“第二聚类结果”中第j类;而且该“第j个单体集合”包括至少两个第二单体电池。也就是,第j个单体集合中各个第二单体电池的类别标记均为j。
上述“第j个单体集合的特征中心点”用于表示上述“第j个单体集合”中所有第二单体电池的电压特征的特征中心;而且本申请实施例不限定该“第j个单体集合的特征中心点”的确定过程,例如,其具体可以包括:对第j个单体集合中所有第二单体电池的电压表征特征进行特征平均值处理,得到该“第j个单体集合的特征中心点”。
步骤2132:根据第h个第一孤点的电压表征特征以及J个单体集合的特征中心点,确定第h个第一孤点的分离程度(如公式(2)所示)。其中,h为正整数,h≤H,H为正整数。
式中,d(Oh)表示第h个第一孤点Oh的分离程度;Oh表示第h个第一孤点;Cj表示第j个单体集合;表示第h个第一孤点的电压表征特征;表示第j个单体集合的特征中心点;表示上述“第h个第一孤点的电压表征特征”与上述“第j个单体集合的特征中心点”之间的距离(例如,欧式距离、余弦距离等);j为正整数,j≤J。
步骤2133:根据H个第一孤点的分离程度,确定第q个样本电池包的异常识别得分(如公式(3)所示)。
式中,SPT(Stamp,Vq)表示处于待处理荷电状态区间的第q个样本电池包的异常识别得分;Stamp表示待处理荷电状态区间,tamp表示待处理荷电状态区间的区间标识;Vq表示第q个样本电池包;O表示H个第一孤点的集合,且O={O1,O2,…,OH};Oh表示第h个第一孤点,h为正整数,h≤H;C表示J个单体集合的集合,且C={C1,C2,…,CJ}。
基于上述步骤2131至步骤2133的相关内容可知,在获取到第二聚类结果之后,若该第二聚类结果不包括第一孤点,则可以确定该第二聚类结果中不存在离群点,故可以确定无法从第q个样本电池包中检测出异常单体,从而可以确定该第q个样本电池包的异常识别得分比较低(例如,为0);若该第二聚类结果包括至少一个第一孤点,则可以确定该第二聚类结果中存在离群点,故可以根据这些离群点到该第二聚类结果中各个单体集合之间的距离,确定第q个样本电池包的异常识别得分。
基于上述步骤213的相关内容可知,在获取到第二聚类结果之后,可以参考该第二聚类结果中各个第二单体电池的聚集分布状态,确定该第q个样本电池包的异常识别得分,以使该“第q个样本电池包的异常识别得分”能够表示出在处于待处理荷电状态区间的第q个样本电池包上所呈现出的异常单体被识别能力。其中,q为正整数,q≤Q。
步骤22:根据Q个样本电池包的异常识别得分,确定待处理荷电状态区间的异常识别得分(如公式(4)所示)。
基于上述步骤21至步骤22的相关内容可知,对于上述“待处理荷电状态区间”来说,可以先参考该“待处理荷电状态区间”所涉及的各个样本电池包的待处理电压数据,确定各个样本电池包的异常识别得分;再根据这些样本电池包的异常识别得分之间的和值,确定该待处理荷电状态区间的异常识别得分,以使该“待处理荷电状态区间的异常识别得分”能够准确地表示出该待处理荷电状态区间针对上文“待检测电池包”的异常单体识别能力。
需要说明的是,上文“第p个候选荷电状态区间的异常识别得分”的确定过程可以采用上述步骤21-步骤22进行实施,只需将上述步骤21-步骤22中“待处理荷电状态区间”替换为“第p个候选荷电状态区间”即可。
为了提高异常单体的检测效果,本申请实施例还提供了确定上述“电压表征特征”的一种可能的实施方式,为了便于理解,下面结合示例进行说明。
作为示例,当目标电池包包括E个目标单体电池,且上述“电压表征特征”包括熵值特征、偏差特征、和增长率特征时,第e个目标单体电池的电压表征特征的确定过程,包括步骤41-步骤44:
步骤41:根据第e个目标单体电池的电压表征数据,确定该第e个目标单体电池的熵值特征。其中,e为正整数,e≤E,E为正整数。
上述“目标电池包”用于代表上文“待检测电池包”或者上文“第q个样本电池包”,以使上述“目标单体电池”用于代表上文“第一单体电池”或者“第二单体电池”。
目标电池包的电池包电压数据包括E个目标单体电池的电压表征数据;而且本申请实施例不限定该“目标电池包的电池包电压数据”的表示方式,例如,其可以采用公式(5)所示的表示方式进行实施。
式中,X表示目标电池包的电池包电压数据;表示第e个目标单体电池的电压表征数据;e为正整数,e≤E,E为正整数;xme表示针对目标电池包中第e个目标单体电池采集的第m个电压数据(也就是,下文“第e个目标单体电池的第m个电压采样数据”),而且xme的采集时刻早于x(m+1)e的采集时刻;m为正整数,m≤M,M为正整数;M表示电压数据采样点的个数(也就是,针对目标电池包进行电压数据采集的次数)。
另外,本申请实施例不限定步骤41的实施方式,例如,其具体可以包括步骤411-步骤413:
步骤411:对第e个目标单体电池的电压表征数据进行信息熵分析处理,得到该第e个目标单体电池的熵信息。
作为示例,步骤411具体可以包括步骤4111-步骤4112:
步骤4111:按照预先设定的滑窗参数,对第e个目标单体电池的电压表征数据进行数据划分处理,得到至少一个划分子数据。
上述“滑窗参数”是指当借助滑动窗口进行数据划分处理时所需参考的参数;而且本申请实施例不限定该“滑窗参数”,例如,其可以包括滑窗大小(例如,50)以及移动步长(例如,25)。
上述“至少一个划分子数据”是指针对第e个目标单体电池的电压表征数据的数据划分处理结果;而且本申请实施例不限定该“至少一个划分子数据”,例如,当上述“滑窗参数”包括滑窗大小α以及移动步长h时,该“至少一个划分子数据”可以包括: 其中,是第r个划分子数据,r为正整数,r≤R,R为正整数,R表示划分子数据的个数。
步骤4112:对各个划分子数据进行信息熵分析处理,得到各个划分子数据的熵信息。
作为示例,第r个划分子数据的熵信息的确定过程可以包括步骤41121-步骤41122:
步骤41121:对第r个划分子数据中所有采样电压进行概率分布分析处理,得到该第r个划分子数据的概率分布分析结果。其中,r为正整数,r≤R。
上述“第r个划分子数据的概率分布分析结果”用于表示该第r个划分子数据所涉及的各个采样电压值的出现概率。例如,当第r个划分子数据包括3个第一电压值、2个第二电压值、以及5个第三电压值时,该第r个划分子数据的的概率分布分析结果可以为:第一电压值的出现概率为30%、第二电压值的出现概率为20%、以及第三电压值的出现概率为50%。
步骤41122:根据第r个划分子数据的概率分布分析结果,确定第r个划分子数据的熵信息(如公式(6))。其中,r为正整数,r≤R。
式中,表示上述“第e个目标单体电池的电压表征数据”中第r个划分子数据的熵信息;pd表示上述“第r个划分子数据”所涉及的第d个采样电压值的出现概率,且 d为正整数,d≤θ,θ表示上述“第r个划分子数据”所涉及的采样电压值的个数。
基于上述步骤4112的相关内容可知,在从上述“第e个目标单体电池的电压表征数据”中获取到第r个划分子数据之后,可以对该第r个划分子数据进行信息熵分析处理,得到该第r个划分子数据的熵信息,以便后续能够参考该第r个划分子数据的熵信息,确定该第e个目标单体电池的熵信息。
步骤4113:将所有划分子数据的熵信息进行集合处理,得到第e个目标单体电池的熵信息(如公式(7)所示)。
基于上述步骤411的相关内容可知,对于目标电池包中第e个目标单体电池来说,在获取到该第e个目标单体电池的电压表征数据之后,可以针对该第e个目标单体电池的电压表征数据进行信息熵分析处理,得到该第e个目标单体电池的熵信息。
步骤412:按照第e个目标单体电池的熵信息对应的标准化参数,对该熵信息进行标准化处理,得到该第e个目标单体电池的熵标准化信息。
上述“标准化参数”是指在对上述“第e个目标单体电池的熵信息”进行标准化处理时所需参考的参数;而且本申请实施例不限定该“标准化参数”,例如,当目标电池包的熵信息为时,该标准化参数可以包括熵平均值(如公式(8)所示)和熵标准差(如公式(9)所示)。
式中,AU表示熵平均值集合;表示各个目标单体电池的电压表征数据中第r个划分子数据对应的熵平均值;BU表示熵标准差集合;表示各个目标单体电池的电压表征数据中第r个划分子数据对应的熵标准差;r为正整数,r≤R。
另外,本申请实施例不限定上述“第e个目标单体电池的熵标准化信息”的确定过程,例如,其可以利用公式(10)进行实施。
步骤413:根据第e个目标单体电池的熵标准化信息,确定该第e个目标单体电池的熵值特征。
本申请实施例不限定步骤413的具体实施方式,例如,当上述“第e个目标单体电池的熵标准化信息”包括R个划分子数据的熵标准化信息时,步骤413具体可以包括:将该R个划分子数据的熵标准化信息之间的平均值,确定为该第e个目标单体电池的熵值特征(如公式(11)所示的初始熵特征)。
另外,为了提高上述“目标荷电状态区间”的准确性,可以借助特征归一化处理方式实现量纲统一的目的。基于此,本申请实施例还提供了步骤413的一种可能的实施方式,其具体可以包括步骤4131-步骤4132:
步骤4131:根据第e个目标单体电池的熵标准化信息,确定该第e个目标单体电池的初始熵特征(如公式(11)所示)。
步骤4132:根据归一化熵参数,对第e个目标单体电池的初始熵特征进行归一化处理,得到该第e个目标单体电池的熵值特征(如公式(12)所示)。
式中,He *表示第e个目标单体电池的熵值特征;He表示第e个目标单体电池的初始熵特征;Hmin表示最小熵特征;Hmax表示最大熵特征。
需要说明的是,Hmin可以预先设定,也可以自动地确定。例如,当上述“目标电池包”用于代表上文“样本电池包”时,Hmin可以是指Q个样本电池包中所有第二单体电池的初始熵特征中的最小值。另外,当上述“目标电池包”用于代表上文“待检测电池包”时,Hmin也是指Q个样本电池包中所有第二单体电池的初始熵特征中的最小值,以保证归一化处理的基值保持一致。另外,Hmax的确定过程类似于上文Hmin的确定过程。
基于上述步骤41的相关内容可知,对于目标电池包中第e个目标单体电池来说,在获取到该第e个目标单体电池的电压表征数据之后,可以对该第e个目标单体电池的电压表征数据进行熵值特征提取处理,得到该第e个目标单体电池的熵值特征。其中,e为正整数,e≤E,E为正整数。
步骤42:根据目标单体电池的电压表征数据,确定该目标单体电池的偏差特征。
作为示例,当上述“第e个目标单体电池的电压表征数据”包括M个电压采样数据(例如,x1e、x2e、……以及xMe)时,步骤42具体可以包括步骤421-步骤422:
步骤421:根据第e个目标单体电池的第m个电压采样数据与该第m个电压采样数据对应的偏差参数,得到该第m个电压采样数据的电压偏差(如公式(13)-(14)所示)。其中,m为正整数,m≤M。
步骤422:根据第1个电压采样数据的电压偏差至第M个电压采样数据的电压偏差之间的平均值,确定第e个目标单体电池的偏差特征。
本申请实施例不限定步骤422的实施方式,例如,如公式(15)所示,步骤422具体可以包括:直接将第1个电压采样数据的电压偏差至第M个电压采样数据的电压偏差之间的平均值,确定为第e个目标单体电池的偏差特征。又如,步骤422也可以借助上文公式(12)所示的归一化思想,对“第1个电压采样数据的电压偏差至第M个电压采样数据的电压偏差之间的平均值”进行归一化处理,得到该第e个目标单体电池的偏差特征。
基于上述步骤42的相关内容可知,对于目标电池包中第e个目标单体电池来说,在获取到该第e个目标单体电池的电压表征数据之后,可以对该第e个目标单体电池的电压表征数据进行偏差特征提取处理,得到该第e个目标单体电池的偏差特征。其中,e为正整数,e≤E,E为正整数。
步骤43:根据第e个目标单体电池的电压表征数据,确定该第e个目标单体电池的增长率特征。其中,e为正整数,e≤E,E为正整数。
作为示例,当上述“第e个目标单体电池的电压表征数据”包括M个电压采样数据(例如,x1e、x2e、……以及xMe)时,步骤43具体可以包括步骤431-步骤434:
步骤431:根据第e个目标单体电池的第m个电压采样数据与该第m个电压采样数据对应的偏差参数,得到该第m个电压采样数据的电压偏差。其中,m为正整数,m≤M。
需要说明的是,步骤431的相关内容请参见上文步骤421。
步骤432:根据第1个电压采样数据的电压偏差至第i个电压采样数据的电压偏差之间的和值,确定第i个电压采样数据的累积偏差(如公式(16)所示)。其中,i为正整数,2≤i≤M。
式中,zie表示上述“第e个目标单体电池的电压表征数据”中第i个电压采样数据的累积偏差;其中,i为正整数,2≤i≤M。需要说明的是,第1个电压采样数据的累积偏差等于上述“第1个电压采样数据的电压偏差”(也就是,z1e=y1e)。
步骤433:根据第1个电压采样数据的累积偏差至第M个电压采样数据的累积偏差,确定第e个目标单体电池对应的电压偏移增长率。
本申请实施例不限定步骤433的实施方式,例如,其具体可以包括:先对第1个电压采样数据的累积偏差z1e、第2个电压采样数据的累积偏差z2e、第3个电压采样数据的累积偏差z3e、……、以及第M个电压采样数据的累积偏差zMe进行直线拟合处理(例如,最小二乘直线拟合),得到拟合直线;再将该拟合直线的斜率确定为该第e个目标单体电池对应的电压偏移增长率。
步骤434:根据第e个目标单体电池对应的电压偏移增长率,确定该第e个目标单体电池的增长率特征。
本申请实施例不限定步骤434的实施方式,例如,其具体可以包括:将第e个目标单体电池对应的电压偏移增长率,确定为该第e个目标单体电池的增长率特征。又如,步骤434也可以借助上文公式(12)所示的归一化思想,对第e个目标单体电池对应的电压偏移增长率进行归一化处理,得到该第e个目标单体电池的增长率特征。
基于上述步骤43的相关内容可知,对于目标电池包中第e个目标单体电池来说,在获取到该第e个目标单体电池的电压表征数据之后,可以对该第e个目标单体电池的电压表征数据进行增长率特征提取处理,得到该第e个目标单体电池的增长率特征。其中,e为正整数,e≤E,E为正整数。
步骤44:将第e个目标单体电池的熵值特征、该第e个目标单体电池的偏差特征和该第e个目标单体电池的增长率特征进行集合处理,得到该第e个目标单体电池的电压表征特征(如公式(17))。其中,e为正整数,e≤E,E为正整数。
Fe=[He *,De *,Ge *] (17)
式中,Fe表示第e个目标单体电池的电压表征特征;He *表示第e个目标单体电池的熵值特征;De *表示第e个目标单体电池的偏差特征;Ge *表示第e个目标单体电池的增长率特征。
基于上述步骤41至步骤44的相关内容可知,对于目标电池包中第e个目标单体电池来说,在获取到该第e个目标单体电池的电压表征数据之后,可以对该第e个目标单体电池的电压表征数据进行电压特征分析处理,得到该第e个目标单体电池的电压表征特征,以使该电压表征特征能够表示出该第e个目标单体电池在电压数据采集阶段所呈现的电压状态,如此有利于提高电压表征特征的准确性,从而有利于提高异常单体的识别准确性。
需要说明的是,上文“第n个第一单体电池的电压表征特征”的确定过程可以采用上述步骤41-步骤44进行实施,只需将上述步骤41-步骤44中“第e个目标单体电池”替换为“第n个第一单体电池”、以及“目标电池包”替换为“待检测电池包”即可。另外,上文“第g个第二单体电池的电压表征特征”的确定过程可以采用上述步骤41-步骤44进行实施,只需将上述步骤41-步骤44中“第e个目标单体电池”替换为“第g个第二单体电池”、以及“目标电池包”替换为“第q个样本电池包”即可。
在一种可能的实施方式,为了提高异常单体的检测准确性,本申请实施例还提供了上文S4的一种可能的实施方式,其具体可以包括S41-S43:
S41:判断上述“第一聚类结果”是否包括第二孤点(也就是,判断上述“第一聚类结果”是否存在离群点),若是,则执行S42;若否,则执行S43。
本申请实施例中,在获取到第一聚类结果之后,可以判断该第一聚类结果是否包括第二孤点;若包括,则可以确定该第一聚类结果中存在离群点,故可以基于该离群点,确定上述“待检测电池包”中的异常单体(例如,可以直接将该离群点,确定为异常单体。又如,为了避免错检,可以采用S42的任一实施方式,确定异常单体);若不包括,则可以确定该第一聚类结果中不存在离群点,故为了避免漏检,可以采用S43进行异常单体识别处理。
S42:根据第一聚类结果和至少一个参考聚类结果,确定异常单体检测结果。
上述“参考聚类结果”是指对上述“第一聚类结果”进行错检校正处理时所需参考的聚类结果;而且该“参考聚类结果”是根据待检测电池包的待参考电压数据进行确定的。其中,待参考电压数据是针对处于参考荷电状态区间的待检测电池包进行电压数据采集得到的。
需要说明的是,在一些情况下,上文“目标荷电状态区间”、以及各个参考聚类结果所涉及的参考荷电状态区间可以均来自于上文“至少一个候选荷电状态区间”,例如,当上文“目标荷电状态区间”为SP时,则第l个参考聚类结果所涉及的参考荷电状态区间可以为Sl;l为正整数,l≤P-1。
还需要说明的是,因上述“目标荷电状态区间”、以及各个参考聚类结果所涉及的参考荷电状态区间均可以是指待检测电池包能够达到的荷电状态区间,故上述“目标荷电状态区间”、以及各个参考聚类结果所涉及的参考荷电状态区间可以覆盖上文“至少一个候选荷电状态区间”的全部或者部分。
另外,本申请实施例不限定S42的实施方式,为了便于理解,下面结合两种可能的实施方式进行说明。
在第一种可能的实施方式中,当上述“至少一个参考聚类结果”包括T个参考聚类结果时,S42具体可以包括S421-S425:
S421:根据第t个参考聚类结果,确定各个第一单体电池的第t个异常识别结果。其中,t为正整数,t≤T。
其中,第n个第一单体电池的第t个异常识别结果用于表示在上述“第t个参考聚类结果”中该第n个第一单体电池是否属于异常单体。其中,n为正整数,n≤N,N为正整数。
另外,上述“第n个第一单体电池的第t个异常识别结果”的确定过程,具体可以包括:若在上述“第t个参考聚类结果”表示该第n个第一单体电池属于离群点,则可以将“第n个第一单体电池属于异常单体”这一结论,确定为该“第n个第一单体电池的第t个异常识别结果”;若在上述“第t个参考聚类结果”表示该第n个第一单体电池不属于离群点,则可以将“第n个第一单体电池不属于异常单体”这一结论,确定为该“第n个第一单体电池的第t个异常识别结果”。其中,n为正整数,n≤N,N为正整数。
S422:根据第一聚类结果,确定各个第一单体电池的第T+1个异常识别结果。
其中,第n个第一单体电池的第T+1个异常识别结果用于表示在上述“第一聚类结果”中该第n个第一单体电池是否属于异常单体。其中,n为正整数,n≤N,N为正整数。
需要说明的是,上述“第n个第一单体电池的第T+1个异常识别结果”的确定过程类似于上文“第n个第一单体电池的第t个异常识别结果”的确定过程。
S423:根据各个第一单体电池的T+1个异常识别结果,确定各个第一单体电池的异常概率。
本申请实施例不限定S423的实施方式,例如,其可以采用公式(18)进行实施。
式中,AIn表示第n个第一单体电池的异常概率;表示第n个第一单体电池的第个异常识别结果,而且若该“第n个第一单体电池的第个异常识别结果”表示该第n个第一单体电池属于异常单体,则若该“第n个第一单体电池的第个异常识别结果”表示该第n个第一单体电池不属于异常单体,则表示对应的加权权重;为正整数,
需要说明的是,可以预先设定。另外,为了进一步提高异常单体检测效果,本申请实施还提供了确定的一种实施方式,例如,当上述“第n个第一单体电池的第个异常识别结果”所涉及的荷电状态区间为时,的确定过程可以采用公式(19)进行实施。
式中,表示对应的加权权重;表示上述“第n个第一单体电池的第个异常识别结果”所涉及的荷电状态区间;表示的异常识别得分。需要说明的是,是在上文“目标荷电状态区间”的确定过程计算得到;而且的确定过程类似于上文的确定过程。
S424:根据至少一个第一单体电池的异常概率,从该至少一个第一单体电池中确定满足预设概率条件的异常单体。
上述“预设概率条件”可以预先设定。例如,“预设概率条件”可以为:异常概率超过预设概率阈值。其中,“预设概率阈值”可以预先设定。
可见,在获取到第n个第一单体电池的异常概率之后,可以判断该第n个第一单体电池的异常概率是否超过预设概率阈值,若超过,则确定该第n个第一单体电池满足预设概率条件,从而可以确定该第n个第一单体电池是异常单体;若不超过,则确定该第n个第一单体电池不满足预设概率条件,从而可以确定该第n个第一单体电池不是异常单体。其中,n为正整数,n≤N,N为正整数。
S425:根据异常单体,确定异常单体检测结果。
本申请实施例中,在获取到至少一个异常单体之后,可以将这些异常单体进行汇总,生成异常单体检测结果,以使该异常单体检测结果能够表示出上文“待检测电池包”中哪些第一单体电池发生异常。
基于上述S421至步骤425的相关内容可知,在确定上文“第一聚类结果”包括至少一个第二孤点之后,可以先参考在所有候选荷电状态区间下针对上文“待检测电池包”采集的电压数据,综合确定该“待检测电池包”中各个第一单体电池发生异常的可能性;再基于这些第一单体电池发生异常的可能性,确定出异常单体检测结果,以使该异常单体检测结果能够表示出该“待检测电池包”中哪些第一单体电池发生异常。
在第二种可能的实施方式中,S42具体可以包括步骤51-步骤54:
步骤51:根据第一聚类结果和至少一个参考聚类结果,确定各个第二孤点的至少两个异常识别结果。
需要说明的是,因一个第二孤点用于表示一个单体电池,故每个第二孤点的至少两个异常识别结果的确定过程类似于上文“第n个第一单体电池的T+1个异常识别结果”的确定过程。
步骤52:根据各个第二孤点的至少两个异常识别结果,确定各个第二孤点的异常概率。
需要说明的是,每个第二孤点的异常概率的确定过程类似于上文“第n个第一单体电池的异常概率”的确定过程。
步骤53:根据各个第二孤点的异常概率,确定各个第二孤点的异常判断结果。
一个第二孤点的异常判断结果用于表示该第二孤点是否为异常单体;而且一个第二孤点的异常判断结果的确定过程,具体可以包括:判断该第二孤点的异常概率是否超过预设概率阈值,若超过,则确定该第二孤点所包括的单体电池满足预设概率条件,从而可以确定该第二孤点所包括的单体电池是异常单体;若不超过,则确定该第二孤点所包括的单体电池不满足预设概率条件,从而可以确定该第二孤点所包括的单体电池不是异常单体。
步骤54:根据各个第二孤点的异常判断结果,确定异常单体检测结果。
本申请实施例中,在获取到至少一个第二孤点的异常判断结果之后,可以将这些第二孤点的异常判断结果进行汇总,得到异常单体检测结果,以使该异常单体检测结果能够表示出该“待检测电池包”中哪些第一单体电池发生异常。
基于上述S42的相关内容可知,在确定第一聚类结果包括至少一个第二孤点之后,可以综合该第一聚类结果以及多个参考聚类结果,来确定异常单体检测结果,以使该异常单体检测结果能够表示出该“待检测电池包”中哪些第一单体电池发生异常。
S43:根据第一聚类结果、待检测电池包的前一次聚类结果、以及该待检测电池包的初始聚类结果,确定异常单体检测结果。
上述“待检测电池包的前一次聚类结果”是指在待检测电池包的前一次异常单体检测过程中产生的聚类结果。
需要说明的是,实际上,对于上文“待检测电池包”来说,通常会每间隔预设检测时长(例如,10天)就会利用本申请实施例提供异常单体检测方法,针对该“待检测电池包”进行一次异常单体检测过程。基于此可知,若上述“第一聚类结果”是指待检测电池包的当前次异常单体检测过程中产生的聚类结果,则上述“待检测电池包的前一次异常单体检测过程”的发生时间早于该“待检测电池包的当前次异常单体检测过程”的发生时间,且该“待检测电池包的前一次异常单体检测过程”的发生时间与该“待检测电池包的当前次异常单体检测过程”的发生时间之间的时间差值等于上述“预设检测时长”。
上述“初始聚类结果”是指在待检测电池包的首次异常单体检测过程中产生的聚类结果。其中,“首次异常单体检测过程”是指在上述“待检测电池包”生产完成之后,第一次利用本申请实施例提供异常单体检测方法,针对该“待检测电池包”进行的一次异常单体检测过程。
本申请实施例不限定S43的实施方式,例如,其具体可以包括S431-S438:
S431:确定第一聚类结果的聚类紧凑度、前一次聚类结果的聚类紧凑度、以及初始聚类结果的聚类紧凑度。
本申请实施例不限定上述“聚类紧凑度”的确定过程,为了便于理解,下面以待处理聚类结果的聚类紧凑度的确定过程为例进行说明。
作为示例,当上述“待处理聚类结果”包括J个聚类簇,且各个聚类簇均包括至少两个第一单体电池时,该待处理聚类结果的聚类紧凑度的确定过程,可以采用公式(20)进行实施。
式中,CPTdeal表示待处理聚类结果的聚类紧凑度;表示待处理聚类结果中第j个聚类簇;表示待处理聚类结果中第j个聚类簇的特征中心点;Fn表示上述“待检测电池包”中第n个第一单体电池的电压表征特征;表示上述“第n个第一单体电池的电压表征特征”与上述“待处理聚类结果中第j个聚类簇的特征中心点”之间的距离(例如,欧式距离、余弦距离等);j为正整数,j≤J;n为正整数,n≤N。
需要说明的是,上述“待处理聚类结果”可以是上文“第一聚类结果”、上文“待检测电池包的前一次聚类结果”、或者上文“待检测电池包的初始聚类结果”。可见,上述“第一聚类结果的聚类紧凑度”、上述“前一次聚类结果的聚类紧凑度”、以及上述“初始聚类结果的聚类紧凑度”均可以采用上述公式(20)进行实施。
S432:根据第一聚类结果的聚类紧凑度与前一次聚类结果的聚类紧凑度之间的比值,确定短期变化表征数据。
本申请实施例中,在获取到第一聚类结果的聚类紧凑度、以及前一次聚类结果的聚类紧凑度之后,可以将该第一聚类结果的聚类紧凑度与前一次聚类结果的聚类紧凑度之间的比值,确定为短期变化表征数据,以使该短期变化表征数据能够表示出上述“待检测电池包”在较短时间(例如,上述“预设检测时长”)内的变化情况。
S433:根据第一聚类结果的聚类紧凑度与初始聚类结果的聚类紧凑度之间的比值,确定长期变化表征数据。
本申请实施例中,在获取到第一聚类结果的聚类紧凑度、以及初始聚类结果的聚类紧凑度之后,可以将第一聚类结果的聚类紧凑度与初始聚类结果的聚类紧凑度之间的比值,确定为长期变化表征数据,以使该长期变化表征数据能够表示出上述“待检测电池包”从出厂开始到现在已经发生的变化情况。
S434:将短期变化表征数据与长期变化表征数据进行加权求和,得到第一聚类结果的变化描述数据(如公式(21)所示)。
式中,DCPTnow表示第一聚类结果的变化描述数据;CPTnow表示第一聚类结果的聚类紧凑度;CPTnow-1表示前一次聚类结果的聚类紧凑度;CPT0表示初始聚类结果的聚类紧凑度;δ表示预先设定的权重值。
S435:判断变化描述数据是否高于预设变化阈值,若是,则执行S436-S437;若否,则执行S438。
本申请实施例中,在获取到第一聚类结果的变化描述数据之后,可以判断该变化描述数据是否高于预设变化阈值,若高于,则可以确定上述“待检测电池包”中极有可能存在异常单体,故可以采用下文S436所示的方式进行异常单体确定处理;若不高于,则可以确定该“待检测电池包”中基本不可能存在异常单体,故可以直接将该“待检测电池包”中不存在异常单体这一结论,确定为异常单体检测结果即可。
S436:根据第一聚类结果,从至少一个第一单体电池中确定满足预设异常条件的异常单体。
上述“预设异常条件”可以预先设定,例如,其可以是下文S4361-S4366所示的异常单体筛选条件。
本申请实施例不限定S436的实施方式,例如,其具体可以包括S4361-S4366:
S4361:判断上述“第一聚类结果”中单体簇的个数是否大于1,若是(也就是,大于等于2),则执行S4364-S4366;若否(也就是,等于1),则执行S4362-S4363;
S4362:根据各个第一单体电池的电压表征特征,确定第n个第一单体电池的孤立程度。其中,n为正整数,n≤N。
上述“第n个第一单体电池的孤立程度”用于描述该第n个第一单体电池的电压特征与其他第一单体电池的电压特征之间的差异性;而且本申请实施例不限定该“第n个第一单体电池的孤立程度”的确定过程,例如,可以采用公式(22)进行实施。
式中,ISOn表示第n个第一单体电池的孤立程度;Fn表示上述“待检测电池包”中第n个第一单体电池的电压表征特征;Fv表示上述“待检测电池包”中第v个第一单体电池的电压表征特征,v为正整数,v≤N;dist(Fn,Fv)表示上述“第n个第一单体电池的电压表征特征”与上述“第v个第一单体电池的电压表征特征”之间的距离(例如,欧式距离、余弦距离等)。
S4363:根据至少一个第一单体电池的孤立程度,从该至少一个第一单体电池中确定满足预设孤立条件的异常单体。
上述“预设孤立条件”可以预先设定。例如,其可以包括:具有最大孤立程度。可见,在获取到N个第一单体电池的孤立程度之后,可以先对该N个第一单体电池的孤立程度进行最大值分析,得到孤立程度最大值;再将具有该孤立程度最大值的第一单体电池确定为异常单体。
S4364:确定上述“第一聚类结果”中各个单体簇的孤立程度。
其中,上述“第一聚类结果”中第b个单体簇的孤立程度用于表示该第b个单体簇被孤立的可能性;而且本申请实施例不限定该“第b个单体簇的孤立程度”的确定过程,例如,其可以采用公式(23)进行实施。
式中,IOSb表示上述“第一聚类结果”中第b个单体簇的孤立程度;表示上述“第一聚类结果”中第b个单体簇;表示上述“第一聚类结果”中第b个单体簇的特征中心点;Fn表示上述“待检测电池包”中第n个第一单体电池的电压表征特征;n为正整数,n≤N;b为正整数,b≤B,B表示上述“第一聚类结果”中单体簇的个数。
S4365:根据上述“第一聚类结果”中所有单体簇的孤立程度,确定异常簇,以使该异常簇的孤立程度不低于该“第一聚类结果”中除了该异常簇以外的任意一个单体簇的孤立程度。
本申请实施例不限定S4365,例如,其具体可以包括:在获取到上述“第一聚类结果”中所有单体簇的孤立程度之后,可以先对这些单体簇的孤立程度进行最大值分析,得到孤立程度最大值;再将具有该孤立程度最大值的单体簇确定为异常簇。
S4366:将异常簇中各个第一单体电池均确定为异常单体。
基于上述S436的相关内容可知,在确定第一聚类结果的变化描述数据高于预设变化阈值之后,可以参考第一聚类结果,从至少一个第一单体电池中确定满足预设异常条件的异常单体,以使这些异常单体的电压特征与其他第一单体电池的电压特征之间的差异性较大。
S437:根据异常单体,确定异常单体检测结果。
本申请实施例中,在获取到至少一个异常单体之后,可以将这些异常单体进行汇总,生成异常单体检测结果,以使该异常单体检测结果能够表示出上文“待检测电池包”中哪些第一单体电池发生异常。
S438:将预设检测结果,确定为异常单体检测结果。
上述“预设检测结果”可以预先设定。例如,“预设检测结果”具体可以为:上述“待检测电池包”中不存在异常单体。
可见,在确定第一聚类结果的变化描述数据不高于预设变化阈值之后,可以直接将预设检测结果,确定为异常单体检测结果,以使该异常单体检测结果能够表示出上述“待检测电池包”中不存在发生异常的电池单体。
基于上述S43的相关内容可知,在确定上文“第一聚类结果”不包括第二孤点之后,可以先参考第一聚类结果、待检测电池包的前一次聚类结果、以及该待检测电池包的初始聚类结果,判断上述“待检测电池包”中是否存在异常单体,以便在确定该“待检测电池包”中极有可能存在异常单体时,根据该第一聚类结果,确定异常单体检测结果。然而,在确定该“待检测电池包”中基本不可能存在异常单体时,可以直接得到异常单体检测结果即可,以使该异常单体检测结果能够表示出上述“待检测电池包”中不存在发生异常的电池单体。
基于上述S41至S43的相关内容可知,在获取到第一聚类结果之后,可以综合该第一聚类结果及其相关聚类结果,确定异常单体检测结果(如图2所示),以使该异常单体检测结果能够更准确地表示出上述“待检测电池包”中是否存在发生异常的电池单体,如此能够有效地降低错检以及漏检的可能性,从而有利于提高异常单体的检测效果。
基于上述“异常单体检测方法”的相关内容,本申请实施例还提供了一种异常单体检测装置,为了便于理解,下面结合附图进行说明。
参见图3,该图为本申请实施例提供的一种异常单体检测装置的结构示意图。
本申请实施例提供的异常单体检测装置300,包括:
获取单元301,用于获取待检测电池包的待使用电压数据;其中,所述待使用电压数据包括至少一个第一单体电池的电压表征数据;
提取单元302,用于根据各个所述第一单体电池的电压表征数据,确定各个所述第一单体电池的电压表征特征;
聚类单元303,用于根据所述至少一个第一单体电池的电压表征特征,对所述至少一个第一单体电池进行聚类处理,得到第一聚类结果;
确定单元304,用于根据所述第一聚类结果,确定异常单体检测结果。
在一种可能的实施方式下,所述待使用电压数据是针对处于目标荷电状态区间的待检测电池包进行电压数据采集得到的。
在一种可能的实施方式下,所述异常单体检测装置300,还包括:
区间筛选单元,用于获取至少一个候选荷电状态区间;根据各个所述候选荷电状态区间对应的电池包电压数据,确定各个所述候选荷电状态区间的异常识别得分;根据所述至少一个候选荷电状态区间的异常识别得分,从所述至少一个候选荷电状态区间中确定满足预设筛选条件的目标荷电状态区间。
在一种可能的实施方式下,所述至少一个候选荷电状态区间包括待处理荷电状态区间;所述待处理荷电状态区间对应的电池包电压数据包括Q个样本电池包的待处理电压数据;其中,Q为正整数;
所述区间筛选单元,包括:
第一确定子单元,用于根据第q个样本电池包的待处理电压数据,确定所述第q个样本电池包的异常识别得分;其中,q为正整数,q≤Q;
第二确定子单元,用于根据所述Q个样本电池包的异常识别得分,确定所述待处理荷电状态区间的异常识别得分。
在一种可能的实施方式下,所述第q个样本电池包的待处理电压数据包括至少一个第二单体电池的电压表征数据;
所述第一确定子单元,具体用于:根据各个所述第二单体电池的电压表征数据,确定各个所述第二单体电池的电压表征特征;根据所述至少一个第二单体电池的电压表征特征,对所述至少一个第二单体电池进行聚类处理,得到第二聚类结果;根据所述第二聚类结果,确定所述第q个样本电池包的异常识别得分。
在一种可能的实施方式下,所述电压表征特征包括熵值特征、偏差特征、和增长率特征中的至少一个。
在一种可能的实施方式下,所述熵值特征的确定过程,包括:对目标单体电池的电压表征数据进行信息熵分析处理,得到所述目标单体电池的熵信息;按照所述熵信息对应的标准化参数,对所述熵信息进行标准化处理,得到所述目标单体电池的熵标准化信息;根据所述熵标准化信息,确定所述目标单体电池的熵值特征。
在一种可能的实施方式下,所述电压表征数据包括M个电压采样数据;其中,M为正整数;所述偏差特征的确定过程,包括:根据目标单体电池的第m个电压采样数据与所述第m个电压采样数据对应的偏差参数,得到所述第m个电压采样数据的电压偏差;其中,m为正整数,m≤M;根据第1个电压采样数据的电压偏差至第M个电压采样数据的电压偏差之间的平均值,确定所述目标单体电池的偏差特征。
在一种可能的实施方式下,所述电压表征数据包括M个电压采样数据;其中,M为正整数;所述增长率特征的确定过程,包括:根据目标单体电池的第m个电压采样数据与所述第m个电压采样数据对应的偏差参数,得到所述第m个电压采样数据的电压偏差;其中,m为正整数,m≤M;根据第1个电压采样数据的电压偏差至第i个电压采样数据的电压偏差之间的和值,确定所述第i个电压采样数据的累积偏差;其中,i为正整数,2≤i≤M;根据所述第1个电压采样数据的电压偏差、以及第2个电压采样数据的累积偏差至第M个电压采样数据的累积偏差,确定所述目标单体电池对应的电压偏移增长率;根据所述电压偏移增长率,确定所述目标单体电池的增长率特征。
在一种可能的实施方式下,所述第二聚类结果包括J个单体集合和H个第一孤点;第j个单体集合包括至少两个所述第二单体电池;第h个第一孤点包括1个所述第二单体电池;其中,h为正整数,h≤H,H为正整数;j为正整数,j≤J,J为正整数;
所述第一确定子单元,包括:
第三确定子单元,用于根据所述第j个单体集合中各个所述第二单体电池的电压表征特征,确定所述第j个单体集合的特征中心点;其中,j为正整数,j≤J,J为正整数;
第四确定子单元,用于根据所述第h个第一孤点的电压表征特征以及J个单体集合的特征中心点,确定所述第h个第一孤点的分离程度;其中,h为正整数,h≤H,H为正整数;
第五确定子单元,用于根据H个第一孤点的分离程度,确定所述第q个样本电池包的异常识别得分。
在一种可能的实施方式下,所述确定单元304,包括:
第六确定子单元,用于若所述第一聚类结果包括至少一个第二孤点,则根据所述第一聚类结果和至少一个参考聚类结果,确定所述异常单体检测结果;其中,所述参考聚类结果是根据所述待检测电池包的待参考电压数据进行确定的;所述待参考电压数据是针对处于参考荷电状态区间的待检测电池包进行电压数据采集得到的。
在一种可能的实施方式下,所述参考聚类结果的个数为T;其中,T为正整数;
所述第六确定子单元,具体用于:根据第t个参考聚类结果,确定各个所述第一单体电池的第t个异常识别结果;其中,t为正整数,t≤T;根据所述第一聚类结果,确定各个所述第一单体电池的第T+1个异常识别结果;根据各个所述第一单体电池的T+1个异常识别结果,确定各个所述第一单体电池的异常概率;根据所述至少一个第一单体电池的异常概率,从所述至少一个第一单体电池中确定满足预设概率条件的异常单体;根据所述异常单体,确定所述异常单体检测结果。
在一种可能的实施方式下,所述第六确定子单元,具体用于:根据所述第一聚类结果和至少一个参考聚类结果,确定各个所述第二孤点的至少两个异常识别结果;根据各个所述第二孤点的至少两个异常识别结果,确定各个所述第二孤点的异常概率;根据各个所述第二孤点的异常概率,确定各个所述第二孤点的异常判断结果;根据各个所述第二孤点的异常判断结果,确定所述异常单体检测结果。
在一种可能的实施方式下,所述确定单元304,包括:
第七确定子单元,用于若所述第一聚类结果不包括第二孤点,则根据所述第一聚类结果、所述待检测电池包的前一次聚类结果、以及所述待检测电池包的初始聚类结果,确定所述异常单体检测结果;其中,所述前一次聚类结果是指在所述待检测电池包的前一次异常单体检测过程中产生的聚类结果;所述初始聚类结果是指在所述待检测电池包的首次异常单体检测过程中产生的聚类结果。
在一种可能的实施方式下,所述第七确定子单元,具体用于:确定所述第一聚类结果的聚类紧凑度、所述前一次聚类结果的聚类紧凑度、以及所述初始聚类结果的聚类紧凑度;根据所述第一聚类结果的聚类紧凑度与所述前一次聚类结果的聚类紧凑度之间的比值,确定短期变化表征数据;根据所述第一聚类结果的聚类紧凑度与所述初始聚类结果的聚类紧凑度之间的比值,确定长期变化表征数据;将所述短期变化表征数据与所述长期变化表征数据进行加权求和,得到所述第一聚类结果的变化描述数据;若确定所述变化描述数据高于预设变化阈值,则根据所述第一聚类结果,从所述至少一个第一单体电池中确定满足预设异常条件的异常单体;根据所述异常单体,确定所述异常单体检测结果。
基于上述异常单体检测装置300的相关内容可知,对于包括至少一个第一单体电池的待检测电池包来说,在获取到针对该待检测电池包采集的待使用电压数据之后,先根据该待使用电压数据中各个第一单体电池的电压表征数据,确定各个第一单体电池的电压表征特征;再根据这些第一单体电池的电压表征特征,对这些第一单体电池进行聚类处理,得到第一聚类结果,以使该第一聚类结果用于表示哪些第一单体电池的电压特征相似,哪些第一单体电池的电压特征之间具有较大差异;最后,根据该第一聚类结果,确定异常单体检测结果,以使该异常单体检测结果能够表示出该待检测电池包中存在的异常单体,如此能够实现从一个电池包中检测出异常单体的目的。
另外,本申请实施例还提供了一种设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现本申请实施例提供的异常单体检测方法的任一实施方式。
另外,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中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行本申请实施例提供的异常单体检测方法的任一实施方式。
另外,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行本申请实施例提供的异常单体检测方法的任一实施方式。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (19)
1.一种异常单体检测方法,其特征在于,所述方法包括:
获取待检测电池包的待使用电压数据;其中,所述待使用电压数据包括至少一个第一单体电池的电压表征数据;
根据各个所述第一单体电池的电压表征数据,确定各个所述第一单体电池的电压表征特征;
根据所述至少一个第一单体电池的电压表征特征,对所述至少一个第一单体电池进行聚类处理,得到第一聚类结果;
根据所述第一聚类结果,确定异常单体检测结果。
2.根据权利要求1所示的方法,其特征在于,所述待使用电压数据是针对处于目标荷电状态区间的待检测电池包进行电压数据采集得到的。
3.根据权利要求2所示的方法,其特征在于,所述目标荷电状态区间的确定过程,包括:
获取至少一个候选荷电状态区间;
根据各个所述候选荷电状态区间对应的电池包电压数据,确定各个所述候选荷电状态区间的异常识别得分;
根据所述至少一个候选荷电状态区间的异常识别得分,从所述至少一个候选荷电状态区间中确定满足预设筛选条件的目标荷电状态区间。
4.根据权利要求3所示的方法,其特征在于,所述至少一个候选荷电状态区间包括待处理荷电状态区间;所述待处理荷电状态区间对应的电池包电压数据包括Q个样本电池包的待处理电压数据;其中,Q为正整数;
所述待处理荷电状态区间的异常识别得分的确定过程,包括:
根据第q个样本电池包的待处理电压数据,确定所述第q个样本电池包的异常识别得分;其中,q为正整数,q≤Q;
根据所述Q个样本电池包的异常识别得分,确定所述待处理荷电状态区间的异常识别得分。
5.根据权利要求4所示的方法,其特征在于,所述第q个样本电池包的待处理电压数据包括至少一个第二单体电池的电压表征数据;
所述第q个样本电池包的异常识别得分的确定过程,包括:
根据各个所述第二单体电池的电压表征数据,确定各个所述第二单体电池的电压表征特征;
根据所述至少一个第二单体电池的电压表征特征,对所述至少一个第二单体电池进行聚类处理,得到第二聚类结果;
根据所述第二聚类结果,确定所述第q个样本电池包的异常识别得分。
6.根据权利要求1或5所示的方法,其特征在于,所述电压表征特征包括熵值特征、偏差特征、和增长率特征中的至少一个。
7.根据权利要求6所示的方法,其特征在于,所述熵值特征的确定过程,包括:
对目标单体电池的电压表征数据进行信息熵分析处理,得到所述目标单体电池的熵信息;
按照所述熵信息对应的标准化参数,对所述熵信息进行标准化处理,得到所述目标单体电池的熵标准化信息;
根据所述熵标准化信息,确定所述目标单体电池的熵值特征。
8.根据权利要求6所示的方法,其特征在于,所述电压表征数据包括M个电压采样数据;其中,M为正整数;
所述偏差特征的确定过程,包括:
根据目标单体电池的第m个电压采样数据与所述第m个电压采样数据对应的偏差参数,得到所述第m个电压采样数据的电压偏差;其中,m为正整数,m≤M;
根据第1个电压采样数据的电压偏差至第M个电压采样数据的电压偏差之间的平均值,确定所述目标单体电池的偏差特征。
9.根据权利要求6所示的方法,其特征在于,所述电压表征数据包括M个电压采样数据;其中,M为正整数;
所述增长率特征的确定过程,包括:
根据目标单体电池的第m个电压采样数据与所述第m个电压采样数据对应的偏差参数,得到所述第m个电压采样数据的电压偏差;其中,m为正整数,m≤M;
根据第1个电压采样数据的电压偏差至第i个电压采样数据的电压偏差之间的和值,确定所述第i个电压采样数据的累积偏差;其中,i为正整数,2≤i≤M;
根据所述第1个电压采样数据的电压偏差、以及第2个电压采样数据的累积偏差至第M个电压采样数据的累积偏差,确定所述目标单体电池对应的电压偏移增长率;
根据所述电压偏移增长率,确定所述目标单体电池的增长率特征。
10.根据权利要求5所示的方法,其特征在于,所述第二聚类结果包括J个单体集合和H个第一孤点;第j个单体集合包括至少两个所述第二单体电池;第h个第一孤点包括1个所述第二单体电池;其中,h为正整数,h≤H,H为正整数;j为正整数,j≤J,J为正整数;
所述根据所述第二聚类结果,确定所述第q个样本电池包的异常识别得分,包括:
根据所述第j个单体集合中各个所述第二单体电池的电压表征特征,确定所述第j个单体集合的特征中心点;其中,j为正整数,j≤J,J为正整数;
根据所述第h个第一孤点的电压表征特征以及J个单体集合的特征中心点,确定所述第h个第一孤点的分离程度;其中,h为正整数,h≤H,H为正整数;
根据H个第一孤点的分离程度,确定所述第q个样本电池包的异常识别得分。
11.根据权利要求2所示的方法,其特征在于,所述根据所述第一聚类结果,确定异常单体检测结果,包括:
若所述第一聚类结果包括至少一个第二孤点,则根据所述第一聚类结果和至少一个参考聚类结果,确定所述异常单体检测结果;其中,所述参考聚类结果是根据所述待检测电池包的待参考电压数据进行确定的;所述待参考电压数据是针对处于参考荷电状态区间的待检测电池包进行电压数据采集得到的。
12.根据权利要求11所示的方法,其特征在于,所述参考聚类结果的个数为T;其中,T为正整数;
所述根据所述第一聚类结果和至少一个参考聚类结果,确定所述异常单体检测结果,包括:
根据第t个参考聚类结果,确定各个所述第一单体电池的第t个异常识别结果;其中,t为正整数,t≤T;
根据所述第一聚类结果,确定各个所述第一单体电池的第T+1个异常识别结果;
根据各个所述第一单体电池的T+1个异常识别结果,确定各个所述第一单体电池的异常概率;
根据所述至少一个第一单体电池的异常概率,从所述至少一个第一单体电池中确定满足预设概率条件的异常单体;
根据所述异常单体,确定所述异常单体检测结果。
13.根据权利要求11所示的方法,其特征在于,所述根据所述第一聚类结果和至少一个参考聚类结果,确定所述异常单体检测结果,包括:
根据所述第一聚类结果和至少一个参考聚类结果,确定各个所述第二孤点的至少两个异常识别结果;
根据各个所述第二孤点的至少两个异常识别结果,确定各个所述第二孤点的异常概率;
根据各个所述第二孤点的异常概率,确定各个所述第二孤点的异常判断结果;
根据各个所述第二孤点的异常判断结果,确定所述异常单体检测结果。
14.根据权利要求1所示的方法,其特征在于,所述根据所述第一聚类结果,确定异常单体检测结果,包括:
若所述第一聚类结果不包括第二孤点,则根据所述第一聚类结果、所述待检测电池包的前一次聚类结果、以及所述待检测电池包的初始聚类结果,确定所述异常单体检测结果;其中,所述前一次聚类结果是指在所述待检测电池包的前一次异常单体检测过程中产生的聚类结果;所述初始聚类结果是指在所述待检测电池包的首次异常单体检测过程中产生的聚类结果。
15.根据权利要求14所示的方法,其特征在于,所述根据所述第一聚类结果、所述待检测电池包的前一次聚类结果、以及所述待检测电池包的初始聚类结果,确定所述异常单体检测结果,包括:
确定所述第一聚类结果的聚类紧凑度、所述前一次聚类结果的聚类紧凑度、以及所述初始聚类结果的聚类紧凑度;
根据所述第一聚类结果的聚类紧凑度与所述前一次聚类结果的聚类紧凑度之间的比值,确定短期变化表征数据;
根据所述第一聚类结果的聚类紧凑度与所述初始聚类结果的聚类紧凑度之间的比值,确定长期变化表征数据;
将所述短期变化表征数据与所述长期变化表征数据进行加权求和,得到所述第一聚类结果的变化描述数据;
若确定所述变化描述数据高于预设变化阈值,则根据所述第一聚类结果,从所述至少一个第一单体电池中确定满足预设异常条件的异常单体;
根据所述异常单体,确定所述异常单体检测结果。
16.一种异常单体检测装置,其特征在于,包括:
获取单元,用于获取待检测电池包的待使用电压数据;其中,所述待使用电压数据包括至少一个第一单体电池的电压表征数据;
提取单元,用于根据各个所述第一单体电池的电压表征数据,确定各个所述第一单体电池的电压表征特征;
聚类单元,用于根据所述至少一个第一单体电池的电压表征特征,对所述至少一个第一单体电池进行聚类处理,得到第一聚类结果;
确定单元,用于根据所述第一聚类结果,确定异常单体检测结果。
17.一种设备,其特征在于,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-15任一项所述的异常单体检测方法。
18.一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中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如权利要求1-15任一项所述的异常单体检测方法。
19.一种计算机程序产品,其特征在于,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行权利要求1-15任一项所述的异常单体检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111462398.7A CN114264957B (zh) | 2021-12-02 | 2021-12-02 | 一种异常单体检测方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111462398.7A CN114264957B (zh) | 2021-12-02 | 2021-12-02 | 一种异常单体检测方法及其相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114264957A true CN114264957A (zh) | 2022-04-01 |
CN114264957B CN114264957B (zh) | 2024-05-07 |
Family
ID=80826091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111462398.7A Active CN114264957B (zh) | 2021-12-02 | 2021-12-02 | 一种异常单体检测方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114264957B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115511013A (zh) * | 2022-11-22 | 2022-12-23 | 河海大学 | 一种大规模储能电站异常电池识别方法、设备及存储介质 |
CN116304778A (zh) * | 2023-05-17 | 2023-06-23 | 温州华嘉电器有限公司 | 一种用于小型断路器维护数据处理方法 |
CN116404186A (zh) * | 2023-06-08 | 2023-07-07 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
CN117554824A (zh) * | 2024-01-05 | 2024-02-13 | 四会永利五金电池有限公司 | 一种锌锰电池的异常数据检测方法 |
Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101362442A (zh) * | 2007-08-10 | 2009-02-11 | 丰田自动车株式会社 | 电动车辆 |
US20100291417A1 (en) * | 2009-05-15 | 2010-11-18 | Robert Bosch Gmbh | Method for determining extent and type of capacity fade |
US20170023649A1 (en) * | 2015-07-21 | 2017-01-26 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating state of battery |
US20170045587A1 (en) * | 2015-08-13 | 2017-02-16 | Samsung Electronics Co., Ltd. | Apparatus and method for state of charge (soc) determination for battery |
US20180045785A1 (en) * | 2016-08-15 | 2018-02-15 | Toyota Jidosha Kabushiki Kaisha | Method of manufacturing battery pack |
US20180340981A1 (en) * | 2017-05-29 | 2018-11-29 | MAGNETI MARELLI S.p.A. | Method for estimating the current and the state of charge of a battery pack or cell, without direct detection of current under operating conditions |
CN108957347A (zh) * | 2018-08-13 | 2018-12-07 | 北京航空航天大学 | 一种电池组soc的高精度动态估计方法和系统 |
US20180372805A1 (en) * | 2017-06-23 | 2018-12-27 | Pacesetter, Inc. | Method and device for detecting early battery depletion condition |
CN109765490A (zh) * | 2018-11-12 | 2019-05-17 | 北京理工大学 | 一种基于高维数据诊断的动力电池故障检测方法及系统 |
CN109766393A (zh) * | 2018-12-06 | 2019-05-17 | 中科恒运股份有限公司 | 异常数据检测方法及装置 |
US20190213750A1 (en) * | 2018-01-08 | 2019-07-11 | The Boeing Company | Testing a battery |
US20190346513A1 (en) * | 2016-11-17 | 2019-11-14 | Bboxx Ltd | Determining a state of health of a battery and providing an alert |
CN110490263A (zh) * | 2019-08-23 | 2019-11-22 | 天津农学院 | 基于充放电曲线与模糊聚类的电池分选方法 |
WO2020155755A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技(深圳)有限公司 | 基于谱聚类的异常点比例优化方法、装置及计算机设备 |
US20200292619A1 (en) * | 2016-09-14 | 2020-09-17 | Kabushiki Kaisha Toshiba | Electric storage capacity estimation apparatus, method and program |
CN111707951A (zh) * | 2020-06-22 | 2020-09-25 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
CN111859815A (zh) * | 2020-07-31 | 2020-10-30 | 中国汽车工程研究院股份有限公司 | 一种电池报警特征数据的模式聚类方法与事故特征识别技术 |
CN112083333A (zh) * | 2020-08-11 | 2020-12-15 | 昆明理工大学 | 一种基于机器学习模型的动力电池组荷电状态估计方法 |
AU2020103886A4 (en) * | 2020-12-04 | 2021-02-11 | Nanjing Forestry University | A Method for Estimating SOC of a Fractional-Order Kinetic Battery Considering Temperature and Hysteresis Effect |
CN112485694A (zh) * | 2020-11-23 | 2021-03-12 | 国网北京市电力公司 | 电池组的检测方法及装置 |
CN112791997A (zh) * | 2020-12-16 | 2021-05-14 | 北方工业大学 | 一种退役电池梯次利用筛选的方法 |
CN112816881A (zh) * | 2021-03-12 | 2021-05-18 | 武汉蔚来能源有限公司 | 电池压差异常检测方法、装置及计算机存储介质 |
CN112858919A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于聚类分析的电池系统在线故障诊断方法和系统 |
WO2021109314A1 (zh) * | 2019-12-06 | 2021-06-10 | 网宿科技股份有限公司 | 一种异常数据的检测方法、系统及设备 |
CN113049976A (zh) * | 2021-04-27 | 2021-06-29 | 武汉理工大学 | 一种车辆电池健康状态评估方法及系统 |
US20210215762A1 (en) * | 2018-06-07 | 2021-07-15 | Rolls-Royce Deutschland Ltd & Co Kg | Method and apparatus for estimating a state of charge of a battery |
WO2021169486A1 (zh) * | 2020-02-24 | 2021-09-02 | 上海蔚来汽车有限公司 | 基于充电过程监控电池阻抗异常的方法、系统以及装置 |
US20210328270A1 (en) * | 2020-04-21 | 2021-10-21 | Hyundai Motor Company | Battery management apparatus, vehicle having the same, and method of controlling vehicle |
CN113655385A (zh) * | 2021-10-19 | 2021-11-16 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
-
2021
- 2021-12-02 CN CN202111462398.7A patent/CN114264957B/zh active Active
Patent Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101362442A (zh) * | 2007-08-10 | 2009-02-11 | 丰田自动车株式会社 | 电动车辆 |
US20100291417A1 (en) * | 2009-05-15 | 2010-11-18 | Robert Bosch Gmbh | Method for determining extent and type of capacity fade |
US20170023649A1 (en) * | 2015-07-21 | 2017-01-26 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating state of battery |
US20170045587A1 (en) * | 2015-08-13 | 2017-02-16 | Samsung Electronics Co., Ltd. | Apparatus and method for state of charge (soc) determination for battery |
US20180045785A1 (en) * | 2016-08-15 | 2018-02-15 | Toyota Jidosha Kabushiki Kaisha | Method of manufacturing battery pack |
US20200292619A1 (en) * | 2016-09-14 | 2020-09-17 | Kabushiki Kaisha Toshiba | Electric storage capacity estimation apparatus, method and program |
US20190346513A1 (en) * | 2016-11-17 | 2019-11-14 | Bboxx Ltd | Determining a state of health of a battery and providing an alert |
US20180340981A1 (en) * | 2017-05-29 | 2018-11-29 | MAGNETI MARELLI S.p.A. | Method for estimating the current and the state of charge of a battery pack or cell, without direct detection of current under operating conditions |
US20180372805A1 (en) * | 2017-06-23 | 2018-12-27 | Pacesetter, Inc. | Method and device for detecting early battery depletion condition |
US20190213750A1 (en) * | 2018-01-08 | 2019-07-11 | The Boeing Company | Testing a battery |
US20210215762A1 (en) * | 2018-06-07 | 2021-07-15 | Rolls-Royce Deutschland Ltd & Co Kg | Method and apparatus for estimating a state of charge of a battery |
CN108957347A (zh) * | 2018-08-13 | 2018-12-07 | 北京航空航天大学 | 一种电池组soc的高精度动态估计方法和系统 |
CN109765490A (zh) * | 2018-11-12 | 2019-05-17 | 北京理工大学 | 一种基于高维数据诊断的动力电池故障检测方法及系统 |
CN109766393A (zh) * | 2018-12-06 | 2019-05-17 | 中科恒运股份有限公司 | 异常数据检测方法及装置 |
WO2020155755A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技(深圳)有限公司 | 基于谱聚类的异常点比例优化方法、装置及计算机设备 |
CN110490263A (zh) * | 2019-08-23 | 2019-11-22 | 天津农学院 | 基于充放电曲线与模糊聚类的电池分选方法 |
WO2021109314A1 (zh) * | 2019-12-06 | 2021-06-10 | 网宿科技股份有限公司 | 一种异常数据的检测方法、系统及设备 |
WO2021169486A1 (zh) * | 2020-02-24 | 2021-09-02 | 上海蔚来汽车有限公司 | 基于充电过程监控电池阻抗异常的方法、系统以及装置 |
US20210328270A1 (en) * | 2020-04-21 | 2021-10-21 | Hyundai Motor Company | Battery management apparatus, vehicle having the same, and method of controlling vehicle |
CN111707951A (zh) * | 2020-06-22 | 2020-09-25 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
CN111859815A (zh) * | 2020-07-31 | 2020-10-30 | 中国汽车工程研究院股份有限公司 | 一种电池报警特征数据的模式聚类方法与事故特征识别技术 |
CN112083333A (zh) * | 2020-08-11 | 2020-12-15 | 昆明理工大学 | 一种基于机器学习模型的动力电池组荷电状态估计方法 |
CN112485694A (zh) * | 2020-11-23 | 2021-03-12 | 国网北京市电力公司 | 电池组的检测方法及装置 |
AU2020103886A4 (en) * | 2020-12-04 | 2021-02-11 | Nanjing Forestry University | A Method for Estimating SOC of a Fractional-Order Kinetic Battery Considering Temperature and Hysteresis Effect |
CN112791997A (zh) * | 2020-12-16 | 2021-05-14 | 北方工业大学 | 一种退役电池梯次利用筛选的方法 |
CN112858919A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于聚类分析的电池系统在线故障诊断方法和系统 |
CN112816881A (zh) * | 2021-03-12 | 2021-05-18 | 武汉蔚来能源有限公司 | 电池压差异常检测方法、装置及计算机存储介质 |
CN113049976A (zh) * | 2021-04-27 | 2021-06-29 | 武汉理工大学 | 一种车辆电池健康状态评估方法及系统 |
CN113655385A (zh) * | 2021-10-19 | 2021-11-16 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
柳月强;张建锋;祝麒翔;杨会君;: "基于时空相关性的多传感器数据异常检测", 计算机应用与软件, no. 10 * |
柳月强;张建锋;祝麒翔;杨会君;: "基于时空相关性的多传感器数据异常检测", 计算机应用与软件, no. 10, 12 October 2020 (2020-10-12) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115511013A (zh) * | 2022-11-22 | 2022-12-23 | 河海大学 | 一种大规模储能电站异常电池识别方法、设备及存储介质 |
CN116304778A (zh) * | 2023-05-17 | 2023-06-23 | 温州华嘉电器有限公司 | 一种用于小型断路器维护数据处理方法 |
CN116404186A (zh) * | 2023-06-08 | 2023-07-07 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
CN116404186B (zh) * | 2023-06-08 | 2023-09-19 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
CN117554824A (zh) * | 2024-01-05 | 2024-02-13 | 四会永利五金电池有限公司 | 一种锌锰电池的异常数据检测方法 |
CN117554824B (zh) * | 2024-01-05 | 2024-03-22 | 四会永利五金电池有限公司 | 一种锌锰电池的异常数据检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114264957B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114264957A (zh) | 一种异常单体检测方法及其相关设备 | |
Jin et al. | Machine learning techniques and chi-square feature selection for cancer classification using SAGE gene expression profiles | |
EP3657392A1 (en) | Image feature acquisition | |
Xu et al. | An improved random forest classifier for image classification | |
Bootkrajang et al. | Label-noise robust logistic regression and its applications | |
CN109891508B (zh) | 单细胞类型检测方法、装置、设备和存储介质 | |
CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
Gohar et al. | Terrorist group prediction using data classification | |
Piao et al. | Ensemble method for classification of high-dimensional data | |
AU2019480813B2 (en) | Methods for determining chromosome aneuploidy and constructing classification model, and device | |
CN116167010A (zh) | 具有智能迁移学习能力的电力系统异常事件快速识别方法 | |
CN115327417A (zh) | 一种动力电池单体异常的预警方法、系统及电子设备 | |
CN117272204A (zh) | 异常数据检测方法、装置、存储介质和电子设备 | |
CN114549897A (zh) | 一种分类模型的训练方法、装置及存储介质 | |
CN116720145B (zh) | 基于数据处理的无线充电剩余时间预测方法 | |
CN112287979A (zh) | 一种基于互信息的储能电池状态判定方法 | |
CN115588124B (zh) | 一种基于软标签交叉熵追踪的细粒度分类去噪训练方法 | |
CN116089820A (zh) | 基于用户协同的负荷辨识方法及系统、电子设备、介质 | |
CN113724779B (zh) | 基于机器学习技术的SNAREs蛋白识别方法、系统、存储介质及设备 | |
CN113592533B (zh) | 一种基于无监督学习的异常用电检测方法及系统 | |
CN104123538A (zh) | 一种基于视觉词袋的网络不良图像检测方法 | |
CN114548569A (zh) | 异质社交网络中缺失链路预测方法、系统和存储介质 | |
Ernawan et al. | Light Gradient Boosting with Hyper Parameter Tuning Optimization for COVID-19 Prediction | |
CN113569957A (zh) | 一种业务对象的对象类型识别方法、装置及存储介质 | |
CN114186522A (zh) | 一种混合电容器功率状态在线估计模型的构建方法及应用 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |