CN114397579A - 电池数据处理方法、装置、设备、介质及程序产品 - Google Patents
电池数据处理方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN114397579A CN114397579A CN202111551355.6A CN202111551355A CN114397579A CN 114397579 A CN114397579 A CN 114397579A CN 202111551355 A CN202111551355 A CN 202111551355A CN 114397579 A CN114397579 A CN 114397579A
- Authority
- CN
- China
- Prior art keywords
- battery
- index
- threshold
- target value
- subsystem
- 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
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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
Abstract
本申请提供了一种电池数据处理方法、装置、设备、介质及程序产品,通过获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,其分别为分系统在预设时段的安全指标、性能指标以及整体运行情况的综合指标;根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;将各项指标以及对应的阈值以预设方式输出并显示,并在各项指标超出对应的阈值范围时,发送预警提示信息,以便于用户对电池系统进行监控。解决了如何快速处理大量的电池系统后台数据,以满足用户对电池系统的监控需求的技术问题。达到了辅助用户快速发现和定位电池系统异常状况,并及时处理的技术效果。
Description
技术领域
本申请涉及电池数据处理领域,尤其涉及一种电池数据处理方法、装置、设备、介质及程序产品。
背景技术
电池系统是很多设备运行的能源供应来源,在新能源车辆、通信基站、电动工程设备等领域都有着广泛的应用。
在电池系统运行过程中,会产生大量的后台数据。一般后台数据量可以达到GB(Giga Byte,千兆字节)甚至TB(Trillion Byte,兆兆字节)级别;而且数据记录的信息庞杂,涵盖电芯、设备状态、各类指令等。然而,现有技术中缺乏对这些数据的有效管理,使得运维人员很难快速掌握到足够的反映电池系统运行状况的信息。
因此,对于大量的电池系统后台数据如何进行快速处理,以满足用户对电池系统的监控需求成为了亟待解决的技术问题。
发明内容
本申请提供一种电池数据处理方法、装置、设备、介质及程序产品,以解决如何快速处理大量的电池系统后台数据,以满足用户对电池系统的监控需求的技术问题。
第一个方面,本申请提供一种电池数据处理方法,包括:
获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,第一目标值以及第二目标值包含在波动范围之内,第一目标值为分系统在预设时段的安全指标,第二目标值为分系统在预设时段的性能指标,波动范围为反映在预设时段内分系统的整体运行情况的综合指标;
根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;
将安全指标和安全阈值,性能指标和性能阈值,综合指标和综合阈值以预设方式输出并显示,并在安全指标超出安全阈值,和/或性能指标超出性能阈值,和/或综合指标超出综合阈值时,发送预警提示信息,以便于用户对电池系统进行监控。
在一种可能的设计中,获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,包括:
获取各个分系统中每个电池簇的实时运行数据,实时运行数据包括:目标特征的实时检测数据;
从各个电池簇的实时检测数据中,筛选出预设时段内每一时刻上满足第一预设要求以及第二预设要求的各个第一待选数据和各个第二待选数据;
将各个第一待选数据和各个第二待选数据分别组合成第一待选集合和第二待选集合;
利用与预设时段对应的筛选模型,根据第一待选集合以及第二待选集合中确定分系统在预设时段内每一时刻的第一目标值、第二目标值以及波动范围。
在一种可能的设计中,在获取各个分系统中每个电池簇的实时运行数据之后,还包括:
利用数据有效性检测模型对实时运行数据进行检测,以确定有效数据以及无效数据;
根据无效数据对应的定位信息确定各个异常检测点的位置;
对应的,对有效数据进行筛选以确定安全指标、性能指标以及综合指标。
在一种可能的设计中,将安全指标和安全阈值,性能指标和性能阈值,综合指标和综合阈值以预设方式输出并显示,包括:
根据预设阵列排布,对安全指标、性能指标以及综合指标中的任意一种进行排列,以确定并显示对应的云图,使用户通过云图快速定位异常的电池模块;
其中,预设阵列排布与电池系统中各个电池模块的实际安装位置相对应,预设阵列排布包括二维平面排布以及三维空间排布。
可选的,目标特征包括温度特征以及电池电量特征。
可选的,第一目标值和第二目标值与目标特征在预设时段内的最值相对应,最值包括最大值和最小值,波动范围包括最大值与最小值的差值。
第二方面,本申请提供一种电池数据处理装置,包括:
获取模块,用于获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,第一目标值以及第二目标值包含在波动范围之内,第一目标值为分系统在预设时段的安全指标,第二目标值为分系统在预设时段的性能指标,波动范围为反映在预设时段内分系统的整体运行情况的综合指标;
处理模块,用于根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;将安全指标和安全阈值,性能指标和性能阈值,综合指标和综合阈值以预设方式输出并显示,并在安全指标超出安全阈值,和/或性能指标超出性能阈值,和/或综合指标超出综合阈值时,发送预警提示信息,以便于用户对电池系统进行监控。
在一种可能的设计中,获取模块,用于获取各个分系统中每个电池簇的实时运行数据,实时运行数据包括:目标特征的实时检测数据;
处理模块,用于:
从各个电池簇的实时检测数据中,筛选出预设时段内每一时刻上满足第一预设要求以及第二预设要求的各个第一待选数据和各个第二待选数据;
将各个第一待选数据和各个第二待选数据分别组合成第一待选集合和第二待选集合;
利用与预设时段对应的筛选模型,根据第一待选集合以及第二待选集合中确定分系统在预设时段内每一时刻的第一目标值、第二目标值以及波动范围。
在一种可能的设计中,处理模块,还用于:
利用数据有效性检测模型对实时运行数据进行检测,以确定有效数据以及无效数据;
根据无效数据对应的定位信息确定各个异常检测点的位置;
对应的,对有效数据进行筛选以确定安全指标、性能指标以及综合指标。
在一种可能的设计中,处理模块,用于:
根据预设阵列排布,对安全指标、性能指标以及综合指标中的任意一种进行排列,以确定并显示对应的云图,使用户通过云图快速定位异常的电池模块;
其中,预设阵列排布与电池系统中各个电池模块的实际安装位置相对应,预设阵列排布包括二维平面排布以及三维空间排布。
可选的,目标特征包括温度特征以及电池电量特征。
可选的,第一目标值和第二目标值与目标特征在预设时段内的最值相对应,最值包括最大值和最小值,波动范围包括最大值与最小值的差值。
第三方面,本申请提供一种电子设备,包括:处理器,以及与处理器通信连接的存储器;
存储器存储计算机执行指令;
处理器执行存储器存储的计算机执行指令,以实现第一方面所提供的任意一种可能的电池数据处理方法。
第四方面,本申请提供一种存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现第一方面所提供的任意一种可能的电池数据处理方法。
第五方面,本申请还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的电池数据处理方法。
本申请提供了一种电池数据处理方法、装置、设备、介质及程序产品,通过获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,第一目标值、第二目标值、波动范围分别为分系统在预设时段的安全指标、性能指标以及整体运行情况的综合指标;根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;将各项指标以及对应的阈值以预设方式输出并显示,并在各项指标超出对应的阈值范围时,发送预警提示信息,以便于用户对电池系统进行监控。解决了如何快速处理大量的电池系统后台数据,以满足用户对电池系统的监控需求的技术问题。达到了辅助用户快速发现和定位电池系统异常状况,并及时处理的技术效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请提供的一种电池系统的逻辑结构示意图;
图2为本申请提供的一种电池数据处理方法的流程示意图;
图3为本申请实施例提功的一种柱状图显示各个分系统的各项指标的示意图;
图4为本申请实施例提功的另一种柱状图显示各个分系统的各项指标的示意图;
图5为本申请实施提供的另一种电池数据处理方法的流程示意图;
图6为本申请实施例提供的一种二维云图的示意图;
图7为本申请实施例提供的一种电池数据处理装置的结构示意图;
图8为本申请提供的一种电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
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,显然,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。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,包括但不限于对多个实施例的组合,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本申请所涉及到的专业名词作解释:
SOC(State of Charge,电池荷电状态):蓄电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值,常用百分数表示。其取值范围为0~1,当SOC=0时表示电池放电完全,当SOC=1时表示电池完全充满。
SOH(State of Health,电池健康状态):用以表征电池容量、健康度、性能状态的评价指标,即蓄电池满充容量相对额定容量的百分比,新出厂电池为100%,完全报废为0%。
SOP(State of Power,电池功率状态):用以表征动力电池的放电能力,随着SOC的降低,以及环境温度的变化,会有所不同。剩余电量太少,温度过高或者过低,电池包都需要降低功率工作,以保护电池不受不可逆的损伤,避免发生热失控事故。
SOE(State of Energy,电池剩余电量):电动汽车剩余里程估计的基础。
SOF(State of Function,电池功能状态):由SOC和SOH共同确定,估计电池的SOF可以简单认为是在估计电池的最大可用功率。常用的SOF估计方法可以分为基于电池特性图的方法和基于电池模型的动态方法两大类。
为了控制电池系统的运行,监测电池系统的运行状态,以及提供及时的故预警信息。电池系统上布置了大量的传感器以监测各项属性参数,如电压、温度等,同时空调、风机等关键部件的运行状态也会进行回传给控制系统。因此在电池系统运行过程中,会产生大量的后台数据。通过这些数据可以知道的电池系统的温度分布、热管理子系统的能耗以及电芯的健康状态(SOH)等信息。这些信息能够为进一步优化电芯控制策略、热管理策略以及散热结构提供指导。
但是后台数据的数据量很大,可以达到GB甚至TB级别;而且数据记录的信息庞杂,涵盖电芯、设备状态、指令等部分。对于运维人员和研发人员来说快速、高效的从后台数据中提取并展示对其有用的信息的需求十分强烈,这样才能辅助他们及时的分析、追踪电池系统的运行状态,提供及时的预警,极大地节省时间成本和人力成本。
为解决上述问题。本申请的发明构思是:
从大量的后台数据中提取出能够代表一个预设时段内电池系统的安全性高低、运行能力高低和综合体现整个系统运行能力的各项指标,并以图表化的形式展示给用户,以使用户通过图表能够快速发现并定位电池系统中的具备模块的异常状况,以便于用户快速及时地进行对应处理。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1为本申请提供的一种电池系统的逻辑结构示意图。如图1所示,电池系统10包括多个分系统11,每个分系统11中包括多个电池簇12,每个电池簇中包括多个电池模块13,每个电池模块13中包括多个电芯14。
需要说明的是,上述电池系统的粒度划分为逻辑划分,其具体安装位置可以安装在一个地理位置也可以采用分布式安装,比如分系统11分布在不同的空间位置上,且距离较远,而同一个电池簇12内的电池模块13可以分布在同一个电池柜或电池箱体中,也可以分布在相邻的电池柜或电池箱体中。
在一种可能的设计中,各个电池模块13在实际安装时,安装在电池柜或电池箱体的各个插槽内。
图2为本申请实施例提供的一种电池数据处理方法的流程示意图。如图2所示,该电池数据处理方法应用于电池监测平台,其具体步骤包括:
S201、获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围。
在本步骤中,第一目标值以及第二目标值包含在波动范围之内,第一目标值为分系统在预设时段的安全指标,第二目标值为分系统在预设时段的性能指标,波动范围为反映在预设时段内分系统的整体运行情况的综合指标。
安全指标用于表征各个分系统在预设时段内的安全性高低。性能指标用于表征各个分系统在预设时段内发挥出预设充电能力和/或预设放电能力的程度。综合指标用于表征各个分系统的综合运行情况,是安全性和性能的综合体现,能够从整体的角度看待分系统的运行情况。
在本实施例中,目标特征包括:温度特征以及电池电量特征。温度特征即为电池系统中各个粒度的代表温度或者是关键部分的温度,还可以是异常温度。电池电量特征包括:电池荷电状态SOC、电池健康状态SOH、电池功率状态SOP、电池剩余电量SOE以及电池功能状态SOF中的至少一项。
具体的,获取各个分系统中每个电池簇的实时运行数据,该实时运行数据包含了各个目标特征在每一时刻的检测值即实时检测数据。
然后,从各个电池簇的实时检测数据中筛选出每一时刻上第一电池簇的第三目标值,并将预设时段内的各个第三目标值组合为第一待选集合,第一电池簇为每一时刻上满足第一预设要求的至少一个电池簇;接下来,根据第一筛选原则从第一待选集合中确定至少一个数值作为第一目标值。
同理,从各个电池簇的实时检测数据中筛选出每一时刻上第二电池簇的第四目标值,并将预设时段内的各个第四目标值组合为第二待选集合,第二电池簇为每一时刻上满足第二预设要求的至少一个电池簇;接下来,根据第二筛选原则从第一待选集合中确定至少一个数值作为第二目标值。
再然后,将第一待选集合和第二待选集合中同一时刻对应的数值输入预设综合模型进行处理,以确定每一时刻分系统的温度的波动范围。
经过上述筛选,可以为用户滤除大量的无需处理的正常数据,而将最能凸显电池系统中各部分的运行状态的代表性数据即目标特征的代表性数据挑选出来,将其分类处理为安全指标、性能指标和综合指标。
为了便于理解,下面以目标特征为电池系统各组成部分的温度为例进行举例说明:
获取t时段即预设时段内每一时刻,所有电芯的实时温度,然后根据粒度的划分,以及预设的温度评估模型,得到不同粒度的实时温度,即电池模块的实时温度、电池簇的实时温度以及分系统的实时温度。温度评估模型用于将最具代表性的温度值作为该粒度下的实时温度。比如,以电池簇为划分的粒度单位,取每个电池簇中所有电芯在当前时刻的实时温度的最大值即局部最高温,作为电池簇的温度的第三目标值即电池簇的最高温,然后将每个电池簇在当前时刻对应的最高温即第三目标值组合成第一待选集合,再从第一待选集合中选出最大值作为分系统在当前时刻的最高温即第一目标值。
同理,取每个电池簇中所有电芯在当前时刻的实时温度的最小值即局部最低温,作为电池簇的温度的第四目标值即电池簇的最低温,然后将每个电池簇在当前时刻对应的最低温即第四目标值组合成第二待选集合,再从第二待选集合中选出最小值作为分系统在当前时刻的最低温即第二目标值。
然后,将每一时刻同一分系统中各电池簇的最高温与最低温的差值,即第一目标值与第二目标值的差值作为波动范围即分系统在当前时刻的综合指标。
需要说明的是,由于最高温与电池系统的安全性相关,因此第一目标值可以作为评价该分系统的安全指标。由于温度过低会影响电池的充电/放电能力,因此第二目标值可以作为评价该分系统的性能指标。
还需要说明的是,对于综合指标的设计,在字面意义上似乎仅仅是最高减去最低,但是其蕴含了非常复杂的情况。上述筛选出来的最高温即第一目标值其实是电池簇上某个电芯的瞬时温度,而最低温即第二目标值其实是另一个电芯的瞬时温度,第一目标值和第二目标值对应不一定是同一个电芯的温度。这两个极端温度代表的是整个预先划分的逻辑区域,即图1中电池簇12中所有电芯14的极端情况,而其差值,代表了电池簇12内多个电芯14都在这个波动范围之内,即波动范围代表了整个电池簇的瞬时一致性。再进一步,从所有的波动范围中再挑选出最大值即为整个时段内的工作一致性的最差情况,因此波动范围是一个整体性的综合表征。
简而言之,安全指标和性能指标是从逻辑区域维度(电池簇的划分)和时间维度两个维度筛选出的单项特性代表性指标,而综合指标又兼顾了安全和性能这两项特性,即从更多维度去表征分系统的瞬时甚至是整个时段内的整体情况。
运用简单的数学处理代表了各个分系统十分复杂的运行情况,将代表性指标从大量后台数据中筛选了出来,使得用户不再需要面对大量数据却无从下手分析,通过本实施例的这个筛选方式,帮助用户挑选出了最重要的数据,可谓看似简约实则非常不简单。
可选的,预设时段可以设置为1个小时、一天、一周等等。
S202、根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值。
在本步骤中,各个分系统的架构可能不相同,这样就需要为各个分系统设置不同的阈值,而当各个分系统架构相同时,其预设的充电能力和/或放电能力也可能不相同,这也需要为各个分系统设置不同的阈值。
可以理解的是,若各个分系统的架构相同,则整个电池系统的充电能力和/或放电能力可以均分给各个分系统,这样只需要用一套安全阈值、性能阈值以及综合阈值就可以作为电池系统的检测标准了。
还需要说明的是,当电池系统的运行状态在不同的时段不相同时,比如基站在某些时段运行强度较高,如晚上6-10点。对于这种情况,就需要在不同时段设置不同的阈值,以及时发出预警提示。
可选的,可以采用人为指定或方差或标准差或3σ准则的方式来确定各个上述阈值。
S203、将安全指标和安全阈值,性能指标和性能阈值,综合指标和综合阈值以预设方式输出并显示。
在本步骤中,预设方式显示上述各个指标和阈值包括:图形化界面中的几何体控件来显示。预设方式输出上述各个指标和阈值包括:向其它模块、数据库、云平台发送上述各个指标和阈值。
在本实施例中,以图3和图4所示的形式显示上述各个指标和阈值。
图3为本申请实施例提功的一种柱状图显示各个分系统的各项指标的示意图。如图3所示,当各个分系统(即图中的各个BCMS)的架构和/或充放电能力一致时,各个分系统可以采用统一的一套阈值,虚线301表示安全阈值,虚线302表示性能阈值,虚线303表示综合阈值,而安全指标即分系统的瞬时最高温度、性能指标即分系统的瞬时最低温度以及综合指标即分系统的瞬时最大温差,如图3所示分别用不同颜色和大小的柱形来表示。
图4为本申请实施例提功的另一种柱状图显示各个分系统的各项指标的示意图。如图4所示,当各个分系统的架构和/或充放电能力不一致时,每个分系统都有各自的阈值线条。
S204、在安全指标超出安全阈值,和/或性能指标超出性能阈值,和/或综合指标超出综合阈值时,发送预警提示信息,以便于用户对电池系统进行监控。
在本步骤中,当安全指标大于安全阈值时发送安全异常提示,当性能指标小于性能阈值时发送性能异常提示,当从综合指标大于综合阈值(或小于综合阈值,本领域技术人员可以根据综合指标的种类不同而具体选择)时发送整体异常提示。
具体的,如图3中,分系统6BCMS的温差异常时,显示瞬时温差异常提示,并给出超过阈值的数值。
本实施例提供了一种电池数据处理方法,通过获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,第一目标值、第二目标值、波动范围分别为分系统在预设时段的安全指标、性能指标以及整体运行情况的综合指标;根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;将各项指标以及对应的阈值以预设方式输出并显示,并在各项指标超出对应的阈值范围时,发送预警提示信息,以便于用户对电池系统进行监控。解决了如何快速处理大量的电池系统后台数据,以满足用户对电池系统的监控需求的技术问题。达到了辅助用户快速发现和定位电池系统异常状况,并及时处理的技术效果。
图5为本申请实施提供的另一种电池数据处理方法的流程示意图。如图5所示,该电池数据处理方法应用于电池监测平台,其具体步骤包括:
S501、获取各个分系统中每个电池簇的实时运行数据。
在本步骤中,实时运行数据包括:目标特征的实时检测数据。
需要说明的是,目标特征包括温度特征以及电池电量特征。在本实施例中以每个电芯上的温度传感器实时检测到的温度数据作为实时检测数据进行举例说明。
S502、利用数据有效性检测模型对实时运行数据进行检测,以确定有效数据以及无效数据。
在本步骤中,为了排除传感器故障或者快速定位非常极端的异常情况,采用3σ准则对目标特征的采样点,如温度采集点进行筛选。
可选的,也可以采用方差或标准差对目标特征的采样点进行筛选。
需要说明的是,无效数据并不一定真的无效,而是可能代表该处电芯发生了极端异常情况,需要提醒用户注意。因此,在完成分类后,对无效数据执行步骤S503,对有效数据执行步骤S504。
S503、根据无效数据对应的定位信息确定各个异常检测点的位置。
在本步骤中,每个无效数据都会被提取与其相关的定位信息,包括:所属分系统编号、所述安装位置如在机柜中插箱位置或插槽位置的编号、温度传感器编号等等。以使用户能够快速定位异常数据点,以及时更换传感器或发现极端异常状况。
S504、从各个电池簇的有效数据中,筛选出预设时段内每一时刻上满足第一预设要求以及第二预设要求的各个第一待选数据和各个第二待选数据。
在本步骤中,当目标特征为温度特征时,第一预设要求包括:当前时刻每个电池簇中所有电芯温度中的最高温度值;第二预设要求包括:当前时刻每个电池簇中所有电芯温度中的最低温度值。
当目标特征为电池电量特征,如SOC时,第一预设要求包括:当前时刻每个电池簇中所有电芯中的最低SOC值;第二预设要求包括:当前时刻每个电池簇中所有电芯中的最高SOC值。
在本实施例中,为了便于理解以温度特征为例进行说明,其它的目标特征值,可以参考温度特征设置对应的第一预设要求以及第二预设要求。
S505、将各个第一待选数据和各个第二待选数据分别组合成第一待选集合和第二待选集合。
在本实施例中,将分系统中每一时刻上各个电池簇的最高温组成第一待选集合;将分系统中每一时刻上各个电池簇的最低温组成第二待选集合。
需要说明的是,电池电量特性也可以参考理解,在此不再赘述。
S506、利用与预设时段对应的筛选模型,根据第一待选集合以及第二待选集合中确定分系统在预设时段内每一时刻的第一目标值、第二目标值以及波动范围。
在本步骤中,第一目标值和第二目标值与目标特征在预设时段内的最值相对应,该最值包括最大值和最小值,波动范围包括最大值与最小值的差值。
需要说明的是,第一目标值可以是最大值也可以是最小值,对应的,第二目标值可以是最小值也可以是最大值。
例如,当目标特征为温度时,第一目标值为当前时刻分系统的最大温度,第二目标值为当前时刻分系统的最低温度。当目标特征为电池荷电状态SOC时,第一目标值为当前时刻分系统的最小SOC值,第二目标值为当前时刻分系统的最大SOC值。
具体的,以温度特征为例,从第一待选集合中筛选出当前时刻温度最高的电池簇的温度作为分系统的最高温度代表,即第一目标值;从第二待选集合中筛选出当前时刻温度最低的电池簇的温度作为分系统的最低温度代表,即第二目标值。
然后,将第一目标值与第二目标值的差值作为波动范围。
需要说明的是,第一目标值代表了分系统当前时刻的安全指标,第二目标值代表了分系统当前时刻的性能指标,波动范围代表了分系统当前时刻的综合运行情况,即综合指标。
S507、根据预设阵列排布,对安全指标、性能指标以及综合指标中的任意一种进行排列,以确定并显示对应的云图,使用户通过云图快速定位异常的电池模块。
在本步骤中,预设阵列排布与电池系统中各个电池模块的实际安装位置相对应,预设阵列排布包括二维平面排布以及三维空间排布。
例如,以机柜的形式来承载电池系统中的各个电池模块,机柜上设置有多个插箱位置,用来安装电池模块。
图6为本申请实施例提供的一种二维云图的示意图。如图6所示,每个机柜上不同插箱位置上电池模块的最高温度即安全指标,以不同的颜色或灰度来表示温度的高低,并且标注上具体的数值。使得数据的展示一目了然,并且后续可以通过图像识别模型,对安全指标的分布场进行建模和分析,辅助用户及时发现安全隐患。
可以理解的是,云图可以表达各种指标,如平均温度、SOC、SOE、SOH、SOP等等
本实施例提供的一种电池数据处理方法,可以有效的利用后台数据,对电池系统的温度状态,温度分布做出清晰明了的分析与展示;该方法可以部署在BMS(BatteryManagement System)电池管理系统,对电池系统的温度进行预警;还可以部署在大数据平台,实时监测储能系统的温度分布情况,为设计和运维人员的工作提供数据支撑。
本实施例提供了一种电池数据处理方法,通过获取电池的多维度特征参数,多维度特征参数包括电池的多项内部特性参数,各项内部特性参数用于从不同角度表征电池的内部环境和/或内部状态;利用预设数据分析模型,根据多维度特征参数,识别电池是否发生异常;若是,则输出预警信息。解决了现有技术中对于电池内部的异常监测缺失,无法准确识别电池内部是否存在隐性异常的技术问题。达到了及时发现电池发生隐性地异常状况,精准维护电池,降低电池维护成本的技术效果。
图7为本申请实施例提供的一种电池数据处理装置的结构示意图。该电池数据处理装置700可以通过软件、硬件或者两者的结合实现。
如图7所示,该电池数据处理装置700包括:
获取模块701,用于获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,第一目标值以及第二目标值包含在波动范围之内,第一目标值为分系统在预设时段的安全指标,第二目标值为分系统在预设时段的性能指标,波动范围为反映在预设时段内分系统的整体运行情况的综合指标;
处理模块702,用于根据各个分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;将安全指标和安全阈值,性能指标和性能阈值,综合指标和综合阈值以预设方式输出并显示,并在安全指标超出安全阈值,和/或性能指标超出性能阈值,和/或综合指标超出综合阈值时,发送预警提示信息,以便于用户对电池系统进行监控。
在一种可能的设计中,获取模块701,用于获取各个分系统中每个电池簇的实时运行数据,实时运行数据包括:目标特征的实时检测数据;
处理模块702,用于:
从各个电池簇的实时检测数据中,筛选出预设时段内每一时刻上满足第一预设要求以及第二预设要求的各个第一待选数据和各个第二待选数据;
将各个第一待选数据和各个第二待选数据分别组合成第一待选集合和第二待选集合;
利用与预设时段对应的筛选模型,根据第一待选集合以及第二待选集合中确定分系统在预设时段内每一时刻的第一目标值、第二目标值以及波动范围。
在一种可能的设计中,处理模块702,还用于:
利用数据有效性检测模型对实时运行数据进行检测,以确定有效数据以及无效数据;
根据无效数据对应的定位信息确定各个异常检测点的位置;
对应的,对有效数据进行筛选以确定安全指标、性能指标以及综合指标。
在一种可能的设计中,处理模块702,用于:
根据预设阵列排布,对安全指标、性能指标以及综合指标中的任意一种进行排列,以确定并显示对应的云图,使用户通过云图快速定位异常的电池模块;
其中,预设阵列排布与电池系统中各个电池模块的实际安装位置相对应,预设阵列排布包括二维平面排布以及三维空间排布。
可选的,目标特征包括温度特征以及电池电量特征。
可选的,第一目标值和第二目标值与目标特征在预设时段内的最值相对应,最值包括最大值和最小值,波动范围包括最大值与最小值的差值。
值得说明的是,图7所示实施例提供的装置,可以执行上述任一方法实施例中所提供的方法,其具体实现原理、技术特征、专业名词解释以及技术效果类似,在此不再赘述。
图8为本申请实施例提供的一种电子设备的结构示意图。如图8所示,该电子设备800,可以包括:至少一个处理器801和存储器802。图8示出的是以一个处理器为例的电子设备。
存储器802,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。
存储器802可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器801用于执行存储器802存储的计算机执行指令,以实现以上各方法实施例所述的方法。
其中,处理器801可能是一个中央处理器(central processing unit,简称为CPU),或者是特定集成电路(application specific integrated circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
可选地,存储器802既可以是独立的,也可以跟处理器801集成在一起。当所述存储器802是独立于处理器801之外的器件时,所述电子设备800,还可以包括:
总线803,用于连接所述处理器801以及所述存储器802。总线可以是工业标准体系结构(industry standard architecture,简称为ISA)总线、外部设备互连(peripheralcomponent,PCI)总线或扩展工业标准体系结构(extended industry standardarchitecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器802和处理器801集成在一块芯片上实现,则存储器802和处理器801可以通过内部接口完成通信。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random accessmemory,RAM)、磁盘或者光盘等各种可以存储程序代码的介质,具体的,该计算机可读存储介质中存储有程序指令,程序指令用于上述各方法实施例中的方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由本申请的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种电池数据处理方法,其特征在于,包括:
获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,所述第一目标值以及所述第二目标值包含在所述波动范围之内,所述第一目标值为所述分系统在所述预设时段的安全指标,所述第二目标值为所述分系统在所述预设时段的性能指标,所述波动范围为反映在所述预设时段内所述分系统的整体运行情况的综合指标;
根据各个所述分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;
将所述安全指标和所述安全阈值,所述性能指标和所述性能阈值,所述综合指标和所述综合阈值以预设方式输出并显示,并在所述安全指标超出所述安全阈值,和/或所述性能指标超出所述性能阈值,和/或所述综合指标超出所述综合阈值时,发送预警提示信息,以便于用户对所述电池系统进行监控。
2.根据权利要求1所述的电池数据处理方法,其特征在于,所述获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,包括:
获取各个所述分系统中每个电池簇的实时运行数据,所述实时运行数据包括:所述目标特征的实时检测数据;
从各个所述电池簇的所述实时检测数据中,筛选出所述预设时段内每一时刻上满足第一预设要求以及第二预设要求的各个第一待选数据和各个第二待选数据;
将各个所述第一待选数据和各个所述第二待选数据分别组合成第一待选集合和第二待选集合;
利用与所述预设时段对应的筛选模型,根据所述第一待选集合以及所述第二待选集合中确定所述分系统在所述预设时段内每一时刻的所述第一目标值、所述第二目标值以及所述波动范围。
3.根据权利要求2所述的电池数据处理方法,其特征在于,在所述获取各个所述分系统中每个电池簇的实时运行数据之后,还包括:
利用数据有效性检测模型对所述实时运行数据进行检测,以确定有效数据以及无效数据;
根据所述无效数据对应的定位信息确定各个异常检测点的位置;
对应的,对有效数据进行筛选以确定所述安全指标、所述性能指标以及所述综合指标。
4.根据权利要求1所述的电池数据处理方法,其特征在于,所述将所述安全指标和所述安全阈值,所述性能指标和所述性能阈值,所述综合指标和所述综合阈值以预设方式输出并显示,包括:
根据预设阵列排布,对所述安全指标、所述性能指标以及所述综合指标中的任意一种进行排列,以确定并显示对应的云图,使用户通过所述云图快速定位异常的电池模块;
其中,所述预设阵列排布与所述电池系统中各个所述电池模块的实际安装位置相对应,所述预设阵列排布包括二维平面排布以及三维空间排布。
5.根据权利要求1-4中任意一项所述的电池数据处理方法,其特征在于,所述目标特征包括温度特征以及电池电量特征。
6.根据权利要求1-4中任意一项所述的电池数据处理方法,其特征在于,所述第一目标值和所述第二目标值与所述目标特征在所述预设时段内的最值相对应,所述最值包括最大值和最小值,所述波动范围包括所述最大值与所述最小值的差值。
7.一种电池数据处理装置,其特征在于,包括:
获取模块,用于获取各个分系统在预设时段内至少一个目标特征的第一目标值、第二目标值以及波动范围,所述第一目标值以及所述第二目标值包含在所述波动范围之内,所述第一目标值为所述分系统在所述预设时段的安全指标,所述第二目标值为所述分系统在所述预设时段的性能指标,所述波动范围为反映在所述预设时段内所述分系统的整体运行情况的综合指标;
处理模块,用于根据各个所述分系统的架构以及整个电池系统的充电能力和/或放电能力确定安全阈值、性能阈值以及综合阈值;将所述安全指标和所述安全阈值,所述性能指标和所述性能阈值,所述综合指标和所述综合阈值以预设方式输出并显示,并在所述安全指标超出所述安全阈值,和/或所述性能指标超出所述性能阈值,和/或所述综合指标超出所述综合阈值时,发送预警提示信息,以便于用户对所述电池系统进行监控。
8.一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至6任一项所述的电池数据处理方法。
9.一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计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的电池数据处理方法。
10.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至6任一项所述的电池数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111551355.6A CN114397579A (zh) | 2021-12-17 | 2021-12-17 | 电池数据处理方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111551355.6A CN114397579A (zh) | 2021-12-17 | 2021-12-17 | 电池数据处理方法、装置、设备、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114397579A true CN114397579A (zh) | 2022-04-26 |
Family
ID=81227514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111551355.6A Pending CN114397579A (zh) | 2021-12-17 | 2021-12-17 | 电池数据处理方法、装置、设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114397579A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860055A (zh) * | 2022-05-31 | 2022-08-05 | 章鱼博士智能技术(上海)有限公司 | 一种电池模组前端页面显示方法、装置及电子设备 |
CN115566777A (zh) * | 2022-11-17 | 2023-01-03 | 广东采日能源科技有限公司 | 电池系统及储能系统 |
CN116256181A (zh) * | 2023-03-07 | 2023-06-13 | 苏州跃动汽车技术服务有限公司 | 一种混合动力汽车热管理系统的测试方法及装置 |
CN114860055B (zh) * | 2022-05-31 | 2024-05-10 | 章鱼博士智能技术(上海)有限公司 | 一种电池模组前端页面显示方法、装置及电子设备 |
-
2021
- 2021-12-17 CN CN202111551355.6A patent/CN114397579A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860055A (zh) * | 2022-05-31 | 2022-08-05 | 章鱼博士智能技术(上海)有限公司 | 一种电池模组前端页面显示方法、装置及电子设备 |
CN114860055B (zh) * | 2022-05-31 | 2024-05-10 | 章鱼博士智能技术(上海)有限公司 | 一种电池模组前端页面显示方法、装置及电子设备 |
CN115566777A (zh) * | 2022-11-17 | 2023-01-03 | 广东采日能源科技有限公司 | 电池系统及储能系统 |
CN115566777B (zh) * | 2022-11-17 | 2023-08-18 | 广东采日能源科技有限公司 | 电池系统及储能系统 |
CN116256181A (zh) * | 2023-03-07 | 2023-06-13 | 苏州跃动汽车技术服务有限公司 | 一种混合动力汽车热管理系统的测试方法及装置 |
CN116256181B (zh) * | 2023-03-07 | 2023-11-07 | 苏州跃动汽车技术服务有限公司 | 一种混合动力汽车热管理系统的测试方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069810B (zh) | 电池故障预测方法、装置、设备和可读存储介质 | |
CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
CN114397579A (zh) | 电池数据处理方法、装置、设备、介质及程序产品 | |
CN109724812B (zh) | 车辆故障预警的方法、装置、存储介质和终端设备 | |
CN105637432A (zh) | 识别被监控实体的异常行为 | |
CN102540089A (zh) | 动态电池容量估计 | |
JP2014182968A (ja) | 二次電池管理システム,二次電池管理装置,および二次電池管理方法 | |
Qiu et al. | Fault diagnosis for lithium-ion battery energy storage systems based on local outlier factor | |
CN115951230B (zh) | 一种锂电池储能箱的异常检测方法及系统 | |
CN113687234A (zh) | 电池异常识别方法、装置、设备、介质及程序产品 | |
CN114548809A (zh) | 一种电力储能系统管理方法及系统 | |
Li et al. | A novel method for lithium-ion battery fault diagnosis of electric vehicle based on real-time voltage | |
CN115805810A (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
CN116487741B (zh) | 一种锂电池储能箱损耗异常定位方法及系统 | |
CN116482540A (zh) | 电池电压不一致性的分析预测方法、装置及系统 | |
CN111596248A (zh) | 分流器电流采集故障判断方法、装置、设备及存储介质 | |
US20220283242A1 (en) | Method and device for managing battery data | |
CN108267709B (zh) | 电能故障检查和分类的方法及装置 | |
CN113815636B (zh) | 一种车辆安全监控方法、装置、电子设备及存储介质 | |
CN113689014A (zh) | 共享电动车维护管理方法、设备、存储介质及装置 | |
CN112070535A (zh) | 电动汽车价格预测方法和装置 | |
CN110751747A (zh) | 一种数据处理方法及装置 | |
CN115825790B (zh) | 电池绝缘故障的预警方法、装置、系统和计算机设备 | |
CN117691227B (zh) | 用于电池储能系统安全预警的方法和系统及计算设备 | |
US11981228B2 (en) | Battery health monitoring and failure identification |
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 |