CN114487839A - 一种电池的预警方法及装置 - Google Patents
一种电池的预警方法及装置 Download PDFInfo
- Publication number
- CN114487839A CN114487839A CN202011162118.6A CN202011162118A CN114487839A CN 114487839 A CN114487839 A CN 114487839A CN 202011162118 A CN202011162118 A CN 202011162118A CN 114487839 A CN114487839 A CN 114487839A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- detected
- fault
- battery data
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Abstract
本发明实施例公开一种电池的预警方法及装置,该方法包括:获得待检测电池对应的目标电池数据;针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;利用所有待检测电池对应的目标电池数据及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息;基于第一故障检测信息以及第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;输出第一故障检测信息、第二故障检测信息以及故障校验冗余信息,以实现对动力电池的准确安全预警,提高电池使用安全。
Description
技术领域
本发明涉及电池安全检测技术领域,具体而言,涉及一种电池的预警方法及装置。
背景技术
在能源紧缺问题与环境污染问题的双重压力下,新能源的应用已经成为不可逆的科技发展趋势。汽车动力系统电动化已逐渐成为未来汽车技术发展的主要趋势。汽车动力系统电动化的主要特征之一即使用电能代替化学能作为车辆主要的驱动能量来源,相应的,二次电池例如锂离子动力电池成为电动汽车动力的主要来源。
然而近年来,随着电动汽车的逐渐示范应用,以热失控为特征的动力电池的安全性事故时有发生。动力电池如锂离子动力电池事故通常表现为以热失控为核心的温度骤升、冒烟、起火甚至爆炸等现象。热失控事故会打击民众接受电动汽车的信心,并阻碍电动汽车的普及。
动力电池出现热失控事故可能由多种诱因引发,例如机械滥用、热滥用和电滥用,导致电池充放电过程动力电池内部的电化学电位分别异常,进而诱导金属枝晶的异常生长,枝晶的生长会最终刺破隔膜,出现动力电池内短路,进而出现热失控事故。
对于由枝晶生长、生产缺陷或金属杂质等导致的自引发内短路而言,其在引发热失控前存在较长的发展演化过程,这为动力电池的内短路的检测提供了可能,进而为动力电池的安全预警提供可能。
发明内容
本发明提供了一种电池的预警方法及装置,以实现对动力电池的准确安全预警,提高电池使用安全。具体的技术方案如下:
第一方面,本发明实施例提供了一种电池的预警方法,所述方法包括:
获得待检测电池对应的目标电池数据;
针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;
利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息,其中,所述目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,所述预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作;
基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;
输出所述第一故障检测信息、所述第二故障检测信息以及所述故障校验冗余信息。
可选的,所述针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息的步骤,包括:
针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设三级预警算法,确定该待检测电池对应的第一故障信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第一指定特征数据以及预设性能评价算法,确定该待检测电池对应的性能评分信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第二指定特征数据以及预设短路检测算法,确定该待检测电池对应的短路检测信息;
针对每一待检测电池,基于该待检测电池对应的性能评分信息及短路检测信息,确定该待检测电池对应的第二故障信息,以得到第一故障检测信息。
可选的,所述待检测电池对应的目标电池数据包括:待检测电池在各充电过程或各放电过程所对应的原始电池数据组;
所述利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息的步骤,包括:
针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据;
将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息。
可选的,所述原始电池数据组包括:所述待检测电池在充电过程或放电过程中各时间戳所对应时刻所生成的基础特征对应的电池数据;所述预设数据清洗操作还包括:特征构造操作;
所述对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据的步骤,包括:
遍历所述原始电池数据组中各时间戳对应的电池数据,对存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据进行填补或删减,得到所述原始电池数据组对应的中间电池数据,其中,若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不高于第一预设值,则填补该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量高于第一预设值,则删减该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;
基于指定基础特征对应的数据划分区间以及所述中间电池数据中所述指定基础特征对应的电池数据,划分所述中间电池数据,得到每一数据划分区间对应的电池数据段;
针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据,其中,所述其他基础特征为所述基础特征中除所述指定基础特征外的特征;
基于该电池数据段对应的特征数据,确定该原始电池数据组对应的待利用数据。
可选的,所述针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的电池数据,作为该电池数据段对应的特征数据的步骤,包括:
针对每一电池数据段,基于该电池数据段是否存在电池数据,确定该电池数据段对应的示性特征对应的特征数据;
针对每一电池数据段中每一其他基础特征,基于该电池数据段中该其他基础特征对应的电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,所述统计量特征包括:指示基于每一其他基础特征对应的电池数据,计算该其他基础特征对应的电池数据均值和/或方差的特征;
针对每一电池数据段,基于该电池数据段中电流特征对应的电池数据,以及电压特征对应的电池数据,确定该电池数据段对应的电阻特征对应的特征数据,以得到该电池数据段对应的特征数据,其中,所述电流特征和电压特征属于其他基础特征。
可选的,在所述将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息的步骤之前,所述方法还包括:
训练得到所述目标电池数据检测模型的过程,其中,所述过程包括:
获得各样本电池数据及其对应的标定信息,其中,所述样本电池数据为:各样本电池在充电过程或放电过程生成的数据;样本电池数据为在充电过程生成的数据时,所述原始电池数据组为在充电过程生成的数据;样本电池数据为在放电过程生成的数据时,所述原始电池数据组为在放电过程生成的数据,所述标定信息用于标定所对应样本电池数据是否表征所对应样本电池是否出现故障以及出现的故障类型;
针对每一样本电池数据,对该样本电池数据进行所述预设数据清洗操作,得到经过所述预设数据清洗操作后的样本电池数据,作为训练数据;
获得多个初始电池数据检测模型;
针对每一初始电池数据检测模型,利用所述训练数据中的第一训练数据,训练该初始电池数据检测模型,得到训练所得的电池数据检测模型,其中,所述第一训练数据为所述训练数据的部分数据;
利用所述训练数据中的第二训练数据,从多个训练所得的电池数据检测模型中,确定出检测结果最好的电池数据检测模型,作为目标电池数据检测模型,其中,所述第二训练数据为所述训练数据的部分数据。
可选的,所述第一故障检测信息包括:基于每一待检测电池对应的目标电池数据以及三级预警算法,确定每一待检测电池对应的第一故障信息,以及基于每一待检测电池对应的目标电池数据、预设性能评价算法以及预设短路检测算法,确定的该待检测电池对应的第二故障信息;
所述基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息的步骤,包括:
针对每一待检测电池,基于该待检测电池对应的所述第一故障信息和所述第二故障信息,确定所述第一故障信息和所述第二故障信息之间的校验冗余信息;
针对每一待检测电池,基于该待检测电池对应的所述第二故障信息和所述第二故障检测信息,确定所述第二故障信息和所述第二故障检测信息之间的校验冗余信息,以确定出每一待检测电池对应的故障校验冗余信息。
第二方面,本发明实施例提供了一种电池的预警装置,所述装置包括;
第一获得模块,被配置为获得待检测电池对应的目标电池数据;
第一确定模块,被配置为针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;
第二确定模块,被配置为利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息,其中,所述目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,所述预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作;
第三确定模块,被配置为基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;
输出模块,被配置为输出所述第一故障检测信息、所述第二故障检测信息以及所述故障校验冗余信息。
可选的,所述第一确定模块,被具体配置为针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设三级预警算法,确定该待检测电池对应的第一故障信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第一指定特征数据以及预设性能评价算法,确定该待检测电池对应的性能评分信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第二指定特征数据以及预设短路检测算法,确定该待检测电池对应的短路检测信息;
针对每一待检测电池,基于该待检测电池对应的性能评分信息及短路检测信息,确定该待检测电池对应的第二故障信息,以得到第一故障检测信息。
可选的,所述待检测电池对应的目标电池数据包括:待检测电池在各充电过程或各放电过程所对应的原始电池数据组;
所述第二确定模块,包括:
清洗单元,被配置为针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据;
输入确定单元,被配置为将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息。
可选的,所述原始电池数据组包括:所述待检测电池在充电过程或放电过程中各时间戳所对应时刻所生成的基础特征对应的电池数据;所述预设数据清洗操作还包括:特征构造操作;
所述清洗单元,被具体配置为遍历所述原始电池数据组中各时间戳对应的电池数据,对存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据进行填补或删减,得到所述原始电池数据组对应的中间电池数据,其中,若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不高于第一预设值,则填补该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量高于第一预设值,则删减该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;
基于指定基础特征对应的数据划分区间以及所述中间电池数据中所述指定基础特征对应的电池数据,划分所述中间电池数据,得到每一数据划分区间对应的电池数据段;
针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据,其中,所述其他基础特征为所述基础特征中除所述指定基础特征外的特征;
基于该电池数据段对应的特征数据,确定该原始电池数据组对应的待利用数据。
可选的,所述清洗单元,被具体配置为针对每一电池数据段,基于该电池数据段是否存在电池数据,确定该电池数据段对应的示性特征对应的特征数据;
针对每一电池数据段中每一其他基础特征,基于该电池数据段中该其他基础特征对应的电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,所述统计量特征包括:指示基于每一其他基础特征对应的电池数据,计算该其他基础特征对应的电池数据均值和/或方差的特征;
针对每一电池数据段,基于该电池数据段中电流特征对应的电池数据,以及电压特征对应的电池数据,确定该电池数据段对应的电阻特征对应的特征数据,以得到该电池数据段对应的特征数据,其中,所述电流特征和电压特征属于其他基础特征。
可选的,所述装置还包括:
模型训练模块,被配置为在所述将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息之前,训练得到所述目标电池数据检测模型,其中,所述模型训练模块,被具体配置为获得各样本电池数据及其对应的标定信息,其中,所述样本电池数据为:各样本电池在充电过程或放电过程生成的数据;样本电池数据为在充电过程生成的数据时,所述原始电池数据组为在充电过程生成的数据;样本电池数据为在放电过程生成的数据时,所述原始电池数据组为在放电过程生成的数据,所述标定信息用于标定所对应样本电池数据是否表征所对应样本电池是否出现故障以及出现的故障类型;
针对每一样本电池数据,对该样本电池数据进行所述预设数据清洗操作,得到经过所述预设数据清洗操作后的样本电池数据,作为训练数据;
获得多个初始电池数据检测模型;
针对每一初始电池数据检测模型,利用所述训练数据中的第一训练数据,训练该初始电池数据检测模型,得到训练所得的电池数据检测模型,其中,所述第一训练数据为所述训练数据的部分数据;
利用所述训练数据中的第二训练数据,从多个训练所得的电池数据检测模型中,确定出检测结果最好的电池数据检测模型,作为目标电池数据检测模型,其中,所述第二训练数据为所述训练数据的部分数据。
可选的,所述第一故障检测信息包括:基于每一待检测电池对应的目标电池数据以及三级预警算法,确定每一待检测电池对应的第一故障信息,以及基于每一待检测电池对应的目标电池数据、预设性能评价算法以及预设短路检测算法,确定的该待检测电池对应的第二故障信息;
所述第三确定模块,被具体配置为针对每一待检测电池,基于该待检测电池对应的所述第一故障信息和所述第二故障信息,确定所述第一故障信息和所述第二故障信息之间的校验冗余信息;
针对每一待检测电池,基于该待检测电池对应的所述第二故障信息和所述第二故障检测信息,确定所述第二故障信息和所述第二故障检测信息之间的校验冗余信息,以确定出每一待检测电池对应的故障校验冗余信息。
由上述内容可知,本发明实施例提供的一种电池的预警方法及装置,获得待检测电池对应的目标电池数据;针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;利用所有待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息,其中,目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作;基于第一故障检测信息以及第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;输出第一故障检测信息、第二故障检测信息以及故障校验冗余信息。
应用本发明实施例,通过样本维度以及特征维度一致的训练数据实现对目标电池数据检测模型的训练,进而通过包括目标电池数据检测模型的不同的故障检测算法以及所采集的待检测电池对应的电池数据,实现对待检测电池的故障检测,得到多个故障检测结果,并对多个故障检测结果进行相互校验,得到并输出故障校验冗余信息,以更好的体现待检测电池的故障检测结果,进而实现对电池的安全预警,并在一定程度上提高安全预警的准确性,提高电池使用安全。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括:
1、通过包括基于样本维度以及特征维度一致的训练数据训练所得的目标电池数据检测模型在内的不同的故障检测算法,以及所采集的待检测电池对应的电池数据,实现对待检测电池的故障检测,得到多个故障检测结果,并对多个故障检测结果进行相互校验,得到并输出故障校验冗余信息,以更好的体现待检测电池的故障检测结果,进而实现对电池的安全预警,并在一定程度上提高安全预警的准确性,提高电池使用安全。
2、对原始电池数据组中的电池数据进行填补或删减,并划分区间段,针对不同区间段的电池数据段进行特征扩充,以得到样本维度以及特征维度,分别与训练数据的样本维度以及特征维度一致的待利用数据,为利用目标电池数据检测模型的检测提供基础,并通过特征扩充实现对电池数据特征的增多,在一定程度上提高目标电池数据检测模型的检测结果的准确性。
3、提供具体的特征扩充的特征类型,实现从不同角度对电池数据的特征进行扩充,以通过所扩充的特征数据,实现对待检测电池的全面表征。
4、通过经过预设数据清洗操作所得的样本维度以及特征维度一致的训练数据,训练不同的电池数据检测模型,并从中得到检测结果最好的电池数据检测模型,作为目标电池数据检测模型,为电池的故障检测准确性提供基础。
5、多种不同的故障检测信息之间相互校验,得到故障校验冗余信息,以可以准确的待检测电池的真实故障信息,进而,结合电池的真实故障信息,在一定程度上提高安全预警的准确性,提高电池使用安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例。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的附图。
图1为本发明实施例提供的电池的预警方法的一种流程示意图;
图2为本发明实施例提供的目标电池数据检测模型的训练流程的一种示意图;
图3为本发明实施例提供的电池的预警装置的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种电池的预警方法及装置,以实现对动力电池的准确安全预警,提高电池使用安全。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的电池的预警方法的一种流程示意图。该方法可以包括如下步骤:
S101:获得待检测电池对应的目标电池数据。
本发明实施例所提供的电池的预警方法,应用于云平台。在一种实现中,实现该电池的预警方法的功能软件可以以单独的客户端软件的形式存在,也可以以目前相关的客户端软件的插件的形式存在,这都是可以的。
该云平台可以与多个待检测电池进行通信,即获得多个待检测电池在充放电过程中所生成的数据。在一种实现方式中,该待检测电池可以为电动汽车、电动单车以及充电桩等需要电能提供动力的对象所设置的电池,相应的,该云平台可以与需要电能提供动力的对象所设置的端平台进行通信,即端平台可以针对待检测电池的充放电过程进行监控,获得充放电过程所生成的数据以及根据其充放电过程所生成的数据计算所得的数据,作为初始电池数据,并发送至云平台;云平台可以获得该初始电池数据并进行预清理并存储。其中,该预清理可以是对所获得的电池数据进行分类存储。
待检测电池对应的初始电池数据可以包括但不限于:待检测电池对应的充电ID号、时间戳及其对应的待检测电池即电池组总电压、电池组总电流、累计里程(表显/GPS信息)、电池组SOC(State of Charge,荷电状态)、充放电状态、电池组中电池单体对应的最低温度、电池组中电池单体对应的最高温度、电池单体电压最低值、电池单体电压最高值、最低电压电池单体代号、最高电压电池单体代号、最低温度探针代号、最高温度探针代号、全部电池单体电压值和全部温度探针温度值。若待检测电池设置于车辆内,该电池数据还可以包括:待检测电池即电池组所在车辆的车辆Vin码。该时间戳可以指对电池数据的采集时刻。
在一种情况中,待检测电池对应的初始电池数据还可以包括通过所对应端平台检测所得的初始故障信息,初始故障信息的故障类型可以包括但不限于:过充故障、过放故障、过温故障以及绝缘故障等。其中,过充故障可以指充电电流或电压瞬时过大,过放故障可以指放电电流或电压瞬时过大,过温故障可以指充放电过程电池温度过高。
该待检测电池可以为锂电池等各可进行二次充电的电池。
云平台可以实时或周期性的获得待检测电池对应的目标电池数据,其中,该目标电池数据可以为上述初始电池数据中的部分或全部数据。在一种实现方式中,待检测电池对应的目标电池数据可以包括:当前时间及向前预设时长内所获得的指定特征的电池数据。该指定特征可以包括但不限于时间戳、待检测电池即电池组总电压、电池组总电流、电池组SOC(State of Charge,荷电状态)、充放电状态、电池组中电池单体对应的最低温度、电池组中电池单体对应的最高温度、电池单体电压最低值、电池单体电压最高值、最低电压电池单体代号、最高电压电池单体代号、最低温度探针代号、最高温度探针代号、全部电池单体电压值和全部温度探针温度值。待检测电池对应的目标电池数据中的各数据按所对应时间戳的先后顺序排序。
S102:针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息。
在一种情况中,该预设电池故障检测算法可以包括但不限于:直接故障检测算法以及基于电池机理与相关电池模型的故障检测算法。
其中,电池机理可以包括但不限于双水箱机理等其他电池机理,相关电池模型可以包括但不限于等效电路模型、电化学模型和经验模型等其他电池模型。通过上述电池机理与相关电池模型可以模拟出所对应电池的相应运行过程,进而,可以对电池的相应运行过程进行监控,以通过相应的故障检测算法确定出电池的故障结果。
在一种情况中,基于电池机理与相关电池模型的故障检测算法可以包括但不限于:相关技术中内短路诊断算法、析锂检测算法、一致性评分算法、热失控预警算法等其他算法。
在一种实现中,该预设电池故障检测算法包括直接故障检测算法。每一待检测电池对应的目标电池数据中可以包括:待检测电池对应的端平台上报的初始故障信息,云平台可以在直接针对每一待检测电池,从该待检测电池对应的目标电池数据中,筛选出其中的初始故障信息;并利用预设三级预警算法以及该待检测电池对应的目标电池数据,确定出其他故障信息,以确定出待检测电池对应的直接故障检测信息,即第一故障检测信息。其中,该预设三级预警算法可以为相关技术中任一类型的可以实现对待检测电池的安全进行多层检测的三级预警算法,本实施例并不做限定。
在一种实施例中,该预设电池故障检测算法包括基于电池机理与相关电池模型的故障检测算法,相应的,云平台针对每一待检测电池,利用该待检测电池对应的目标电池数据中第一指定特征数据以及预设性能评价算法,确定该待检测电池对应的性能评分信息。针对每一待检测电池,利用该待检测电池对应的目标电池数据中第二指定特征数据以及预设短路检测算法,确定该待检测电池对应的短路检测信息。针对每一待检测电池,基于该待检测电池对应的性能评分信息及短路检测信息,确定该待检测电池对应的第二故障信息。即得到包括第一故障信息以及第二故障信息的第一故障检测信息。
其中,该第一指定特征数据包括但不限于:时间戳及其对应待检测电池中各电池单体的电压、电流、温度、内阻、容量和电量等。第二指定特征数据包括但不限于:电池单体的容量、电压、荷电状态以及所对应时间戳等。电池单体的电池容量、电量以及内阻可以利用电池单体相应的电流和/或电压及其对应的时间戳确定得到。
通过该预设性能评价算法以及该待检测电池对应的各第一指定特征数据,可以确定出该待检测电池对应的各第一指定特征数据对应的一致性分数,进而基于各第一指定特征数据对应的一致性阈值以及该待检测电池对应的各第一指定特征数据对应的一致性分数,确定出包含该待检测电池对应的各第一指定特征数据是否出现故障的信息,即性能评分信息。举例而言:第一指定特征数据所对应第一指定特征对应的一致性分数可以包括:待检测电池内各单体电池的电压一致性分数、温度一致性分数、内阻一致性分数、容量一致性分数以及电量一致性分数。其中,待检测电池中各电池单体对应的各第一指定特征数据之间的差异越大,相应的,该第一指定特征对应的一致性分数越低;反之,待检测电池中各电池单体对应的各第一指定特征数据之间的差异越小,相应的,该第一指定特征对应的一致性分数越高。其中,该预设性能评价算法可以为:相关技术中可对对待检测电池中各电池单体的各第一指定特征对应的一致性分数的评价算法,本发明实施例并不作限定。
基于预设短路检测算法以及该待检测电池对应的各第二指定特征数据可以确定出待检测电池是否出现短路。其中,该预设短路检测算法可以包括但不限于电池微短路的检测算法以及电池内短路检测算法等可实现对电池进行短路检测的算法,本发明实施例并不做限定。
将该待检测电池对应的性能评分信息及短路检测信息,确定为该待检测电池对应的第二故障信息,并将第一故障信息和第二故障信息确定为第一故障检测信息。
S103:利用所有待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息。
其中,目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作。
每一待检测电池对应的目标电池数据中可以包括待检测电池在各充电过程或各放电过程所对应的数据,利用所有待检测电池对应的目标电池数据中每一充电或放电过程所对应的数据以及目标电池数据检测模型,可以确定出每一待检测电池在各充电或放电过程中是否出现故障,以及所出现故障的类型,以得到每一待检测电池对应的第二故障检测信息。
第二故障检测信息对应的故障检测类型可以包括但不限于:电池温度异常检测、电池极柱高温检测、电池快速温升检测、电池组过压检测、电池组电压升高检测、电池组欠压检测、电池单体过压和欠压检测以及SOC低和太低和过低检测。
在本发明的另一实施例中,待检测电池对应的目标电池数据包括:待检测电池在各充电过程或各放电过程所对应的原始电池数据组;
所述S103,可以包括如下步骤021-022:
021:针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行预设数据清洗操作,得到该原始电池数据组对应的待利用数据。
022:将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息。
本实现方式中,预设数据清洗操作可以包括特征删补操作,或者特征删补操作和特征构造操作。预设数据清洗操作包括特征删补操作的情况下,云平台可以针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行填补或者删除操作,以得到特征维度以及样本维度,分别与训练得到目标电池数据检测模型的训练数据的特征维度以及样本维度一致的该原始电池数据组对应的待利用数据。在预设数据清洗操作包括特征删补操作和特征构造操作的情况下,云平台可以针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行填补或者删除操作,进而进行特征构造操作,以得到特征维度以及样本维度,分别与训练得到目标电池数据检测模型的训练数据的特征维度以及样本维度一致的该原始电池数据组对应的待利用数据。
进而,将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,得到每一待利用数据对应的异常概率,利用每一待利用数据对应的异常概率以及相应的异常概率阈值,确定每一待利用数据对应的故障结果,该故障结果可以表征出待检测电池在某一充电过程或某一放电过程中是否出现故障以及出现故障的类型,以确定出每一待利用数据对应的第三故障信息,即确定出每一待检测电池对应的第二故障检测信息。
S104:基于第一故障检测信息以及第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息。
本步骤中,可以将第一故障检测信息以及第二故障检测信息进行对比,确定出各类型故障检测对应的故障结果,以得到每一待检测电池对应的故障校验冗余信息。
本发明实施例中电池的故障检测包括但不限于:电池温度异常检测、电池极柱高温检测、电池快速温升检测、电池组过压检测、电池组电压升高检测、电池组欠压检测、电池单体过压和欠压检测以及SOC低和太低和过低检测。
S105:输出第一故障检测信息、第二故障检测信息以及故障校验冗余信息。
云平台输出第一故障检测信息、第二故障检测信息以及故障校验冗余信息,具体的,可以是:通过所连接的显示器件显示第一故障检测信息、第二故障检测信息以及故障校验冗余信息。其中,可以通过表格的方式输出第一故障检测信息、第二故障检测信息以及故障校验冗余信息,以便于后续的工作人员查看各待检测电池出现的故障问题。或者,可以是:云平台将各待检测电池对应的第一故障检测信息、第二故障检测信息以及故障校验冗余信息,发送至各待检测电池对应的端平台,以通过端平台的显示器件显示,以便各待检测电池的使用者,便于查看其待检测电池出现的故障问题。实现对待检测电池的用户的分阶段、分层次以及多信号的预警。
在一种情况中,可以将基于目标电池数据检测模型所确定出的第二故障检测信息作为第一层故障预警,该第一层故障预警输出要求检出率高,允许误报率高,故障等级低,提前预警;将基于第二故障信息作为第二层故障预警,第二层预警输出要求检出率高,误报率低,故障等级较高,提前预警,对基于大数据算法的故障诊断结果起指导作用,降低故障误报率;将第一故障信息作为第三层故障预警,第三层故障预警输出要求检出率高,允许误报率高,故障等级较低,可以实现实时报警。
在一种实现方式中,在上述第一故障检测信息及第二故障检测信息中,对于针对同一故障类型的故障检测结果,若其中两种故障信息表征待检测电池出现该故障类型的故障,而另一种故障信息表征待检测电池未出现该故障类型的故障,则可以认为该故障信息对应的故障检测过程所利用到的参数存在不准确的情况,可以适当调整更新该相应参数。
应用本发明实施例,通过样本维度以及特征维度一致的训练数据实现对目标电池数据检测模型的训练,进而通过包括目标电池数据检测模型的不同的故障检测算法以及所采集的待检测电池对应的电池数据,实现对待检测电池的故障检测,得到多个故障检测结果,并对多个故障检测结果进行相互校验,得到并输出故障校验冗余信息,以更好的体现待检测电池的故障检测结果,进而实现对电池的安全预警,并在一定程度上提高安全预警的准确性,提高电池使用安全。
在本发明的另一实施例中,原始电池数据组包括:待检测电池在充电过程或放电过程中各时间戳所对应时刻所生成的基础特征对应的电池数据;预设数据清洗操作还包括:特征构造操作;
所述021,可以包括如下步骤0211-0214:
0211:遍历原始电池数据组中各时间戳对应的电池数据,对存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据进行填补或删减,得到原始电池数据组对应的中间电池数据。
其中,若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不高于第一预设值,则填补该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量高于第一预设值,则删减该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据。
0212:基于指定基础特征对应的数据划分区间以及中间电池数据中指定基础特征对应的电池数据,划分中间电池数据,得到每一数据划分区间对应的电池数据段。
0213:针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据。
其中,其他基础特征为所述基础特征中除指定基础特征外的特征。
0214:基于该电池数据段对应的特征数据,确定该原始电池数据组对应的待利用数据。
其中,该基础特征包括但不限于:电池组电压特征、电池组电流特征、电池组SOC特征、电池组中电池单体对应的最高温度特征、电池组中电池单体对应的最低温度特征、电池组中电池单体对应的最大电压特征以及电池组中电池单体对应的最小电压特征。
本实现方式中,云平台可以依据原始电池数据组中所对应时间戳的先后顺序,依次遍历各时间戳对应的电池数据,确定所遍历的每一时间戳对应的电池数据是否存在数据缺失情况和/或数据异常情况。例如:时间戳M对应的电池数据包括时间戳M生成的电压值,时间戳M生成的电流值以及时间戳M生成的SOC值,若时间戳M生成的电压值、时间戳M生成的电流值和/或时间戳M生成的SOC值缺失,则可以认为时间戳M对应的电池数据出现数据缺失情况。若时间戳M生成的电压值、时间戳M生成的电流值以及时间戳M生成的SOC值均存在,则认为时间戳M对应的电池数据未出现数据缺失情况。又例如:以电压特征对应的数据为例进行说明,时间戳N对应的电池数据包括时间戳N生成的电压值,若时间戳N生成的电压值的数值大于第一电压阈值或小于第二电压阈值,则可以确定时间戳N生成的电压值出现数据异常情况。其中,第一电压阈值大于第二电压阈值。
对存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据进行填补或删减,其中,若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量低于第一预设值,则填补该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不低于第一预设值,则删减该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据。其中,对数据异常情况的时间戳所对应的电池数据进行填补的操作为,将数据异常情况的时间戳所对应的电池数据中出现数据异常的异常值修改为其所对应特征对应的指定值。
举例而言,时间戳M对应的电池数据包括时间戳M生成的电压值,时间戳M生成的电流值以及时间戳M生成的SOC值;第一预设值设置为1,若时间戳M生成的电压值,时间戳M生成的电流值或时间戳M生成的SOC值中任一种特征对应的电池数据缺失和/或异常,即存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不高于第一预设值1,可以对时间戳M缺失或异常的该种特征对应的电池数据进行填补,在存在数据缺失情况下,可以是根据时间戳M的前一时间戳对应的该数据缺失的电池数据的具体值,以及时间戳M的后一时间戳对应的该数据缺失的电池数据的具体值,计算得到时间戳M对应的该数据缺失的电池数据的具体值。在存在数据异常情况下,将时间戳M对应的出现数据异常的电池数据的值修改为该出现异常的特征对应的指定值。
若时间戳M生成的电压值,时间戳M生成的电流值以及时间戳M生成的SOC值中至少两种特征对应的电池数据缺失和/或异常,即存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失数量高于第一预设值1,云平台可以将时间戳M对应的所有电池数据从原始电池数据中删减掉。
其中,该第一预设值的具体取值可以基于实际情况进行设定。
后续的,基于指定基础特征对应的数据划分区间以及中间电池数据中指定基础特征对应的电池数据,划分中间电池数据,得到每一数据划分区间对应的电池数据段。例如指定基础特征为SOC特征,该数据划分区间包括五个,可以分别为0-20%,20%-40%,40%-60%,60%-80%,80%-100%。基于中间电池数据中该SOC特征对应的电池数据的具体值,划分中间电池数据,得到五个数据划分区间对应的分别对应的电池数据段,即五个电池数据段。
云平台针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据,其中,其他基础特征为基础特征中除指定基础特征外的维度。
由于不同的充电过程中,存在充电时长不同、充入电量不固定以及开始充电的剩余电量不固定的因素,在基于数据划分区间对中间电池数据进行划分过程中,可能存在某个或某些区间内不存在电池数据的情况。即五个电池数据段中可以存在某个或某些电池数据段不存在电池数据,而某个或某些电池数据段存在电池数据的情况。
该预设扩充特征可以包括但不限于:用于标识电池数据段中是否存在电池数据的示性特征,其他基础特征对应的统计量特征以及二次非线性特征。
在本发明的另一实施例中,所述0213,可以包括如下步骤:
针对每一电池数据段,基于该电池数据段是否存在电池数据,确定该电池数据段对应的示性特征对应的特征数据;
针对每一电池数据段中每一其他基础特征,基于该电池数据段中该其他基础特征对应的电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,统计量特征包括:指示基于每一其他基础特征对应的电池数据,计算该其他基础特征对应的电池数据均值和/或方差的特征;
针对每一电池数据段,基于该电池数据段中电流特征对应的电池数据,以及电压特征对应的电池数据,确定该电池数据段对应的电阻特征对应的特征数据,以得到该电池数据段对应的特征数据,其中,电流特征和电压特征属于其他基础特征。
为了保证电池数据的检测结果的准确性,针对每一电池数据段,基于该电池数据段是否存在电池数据,确定该电池数据段对应的示性特征对应的特征数据。其中,该电池数据段中存在电池数据的情况下,该电池数据段对应的示性特征对应的特征数据可以为第一示性特征数据;该电池数据段中不存在电池数据的情况下,该电池数据段对应的示性特征对应的特征数据可以为第二示性特征数据。
针对每一电池数据段中每一其他基础特征,基于该其他基础特征对应的电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,即计算该其他基础特征对应的电池数据的均值和/或方差。例如:针对该电池数据段中电压特征对应的电压值,计算其均值和/或方差;针对该电池数据段中电流特征对应的电流值,计算其均值和/或方差。
并针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定相应的二次非线性特征对应的特征数据。例如:基于该电池数据段中电流特征对应的电池数据,以及电压特征对应的电池数据,确定该电池数据段对应的电阻特征对应的特征数据。例如:利用该电池数据段中对应相同时间戳的电压值和电流值,计算出该电池数据段对应的电阻特征对应的特征数据,即电阻值。
在另一种实现中,该二次非线性特征还可以包括其他类型的特征,可以依据需求进行设定。例如:功率值等。
相应的,上述电池数据段对应的示性特征对应的特征数据、该电池数据段每一其他基础特征对应的统计量特征对应的特征数据以及电池数据段对应的电阻特征对应的特征数据即电阻值,作为该电池数据段对应的特征数据。
其中,若电池数据段中不存在电池数据,其对应的每一其他基础特征对应的统计量特征对应的特征数据以及电池数据段对应的电阻特征对应的特征数据即电阻值,可以通过预设数值表示。
进而,将原始电池数据中每一段电池数据段对应的特征数据,按预设顺序,排列成一个一维序列,得到原始电池数据组对应的待利用数据。
在本发明的另一实施例中,在所述022的步骤之前,所述方法还可以包括:
训练得到目标电池数据检测模型的过程,其中,如图2所示,所述过程可以包括:
S201:获得各样本电池数据及其对应的标定信息。
其中,样本电池数据为:各样本电池在充电过程或放电过程生成的数据;样本电池数据为在充电过程生成的数据时,原始电池数据组为在充电过程生成的数据;样本电池数据为在放电过程生成的数据时,原始电池数据组为在放电过程生成的数据,标定信息用于标定所对应样本电池数据是否表征所对应样本电池是否出现故障以及出现的故障类型。
S202:针对每一样本电池数据,对该样本电池数据进行所述预设数据清洗操作,得到经过所述预设数据清洗操作后的样本电池数据,作为训练数据。
S203:获得多个初始电池数据检测模型。
S204:针对每一初始电池数据检测模型,利用训练数据中的第一训练数据,训练该初始电池数据检测模型,得到训练所得的电池数据检测模型。
其中,所述第一训练数据为所述训练数据的部分数据。
S205:利用训练数据中的第二训练数据,从多个训练所得的电池数据检测模型中,确定出检测结果最好的电池数据检测模型,作为目标电池数据检测模型。
其中,第二训练数据为训练数据的部分数据。
其中,第二训练数据为所述训练数据的部分数据,可以与第一训练数据包含相同的训练数据,也可以包括与第一训练数据不同的训练数据。
本实现方式中,为了保证电池数据的检测结果的准确性,需要得到一个检测结果足够准确的电池数据检测模型。相应的,云平台可以首先获得各样本电池在充电过程或放电过程生成的电池数据,作为样本电池数据,针对每一样本电池数据获得其对应的用于标定该样本电池数据是否出现故障以及出现的故障类型的标定信息。该样本电池可以为设置于电动单车、电动机动车、充电桩以及其他使用电能供电的设备。
其中,该标定信息可以是工作人员人工针对每一样本电池数据进行标定的,也可以是利用特定应用程序针对每一样本电池数据进行标定。
在一种实现方式中,各样本电池数据为样本电池在一次充电过程中生成的电池数据,利用该类样本电池数据训练所得的电池数据检测模型,可以用于利用电池每次充电过程对应的电池数据,确定该电池在本次充电过程中是否出现故障。各样本电池数据为样本电池在一次放电过程中生成的电池数据,利用该类样本电池数据训练所得的电池数据检测模型,可以用于利用电池每次放电过程对应的电池数据,确定该电池在本次放电过程中是否出现故障。
由于不同的充电过程或放电过程中,存在充电或放电时长不同、充入电量或放出电量不固定以及开始充电或放电的剩余电量不固定的因素,所获得的样本电池数据的信息量不同,即不同样本电池数据的样本维度不同。例如:以充电过程为例:目标车辆A的电池充电时间久、充电完整,SOC值从20%充到了100%,包含了300条电流值、电压值等基本特征对应的电池数据的纪录,但目标车辆B的电池充电时间短,SOC值从50%充到了60%,仅包含了50条电流值、电压值等基本特征对应的电池数据的纪录。可见,目标车辆A的电池的本次充电生成的样本电池数据包含的信息,远多于目标车辆B的电池本次充电生成的样本电池数据包含的信息。而样本维度不同的数据,即样本维度不固定的数据,一般无法用传统的方法训练得到检测模型。
鉴于此,云平台获得各样本电池数据针对每一样本电池数据,对该样本电池数据进行预设数据清洗操作,得到经过预设数据清洗操作后的样本电池数据,作为训练数据。
在一种实现中,预设数据清洗操作包括删补操作以及特征构造操作的情况下,云平台针对每一样本电池数据,遍历该样本电池数据,对存在数据缺失情况和/或存在数据缺失情况的时间戳所对应的电池数据进行填补或删减,得到中间样本电池数据,其中,若存在数据缺失情况和/或存在数据缺失情况的时间戳所对应的电池数据的缺失和/或异常数量低于第一预设值,则填补该存在数据缺失情况和/或存在数据缺失情况的时间戳所对应的电池数据;若存在数据缺失情况和/或存在数据缺失情况的时间戳所对应的电池数据的缺失和/或异常数量不低于第一预设值,则删减该存在数据缺失情况和/或存在数据缺失情况的时间戳所对应的电池数据。具体参照对原始电池数据组的删补操作过程。
进而,针对每一中间样本电池数据,基于指定基础特征对应的数据划分区间以及中间样本电池数据中指定基础特征对应的电池数据,划分中间样本电池数据,得到每一数据划分区间对应的样本电池数据段;针对每一中间样本电池数据的每一样本电池数据段,基于该样本电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据。即针对该样本电池数据段是否存在样本电池数据,确定该样本电池数据段对应的示性特征对应的特征数据;针对每一其他基础特征,基于该样本电池数据段中该其他基础特征对应的样本电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,即该其他基础特征对应的样本电池数据均值和/或方差等。基于该样本电池数据段中电流特征对应的样本电池数据,以及电压特征对应的样本电池数据,确定该样本电池数据段对应的电阻特征对应的特征数据,即电阻值,以得到每一样本电池数据对应的每一样本电池数据段对应的特征数据。具体参照对原始电池数据组的特征构造操作过程。
可以理解的是,将各删补操作后的样本电池数据,按指定基础特征对应的数据划分区间进行分段,进而,针对各数据划分区间对应的样本电池数据段内的电池数据进行新特征的构造,不仅可以扩充电池数据的特征,并且所扩充的特征对应的特征数据包含基本特征对应的特征数据的特征,且可以是的各样本电池数据对应的各数据划分区间对应的数据控制到同一样本维度,即相同的数据量,且特征相同。
针对每一样本电池数据,基于该样本电池数据对应的所有样本电池数据段对应的特征数据,按预设顺序,排列成一个一维序列,即得到一个行向量,以得到该样本电池数据对应的训练数据。以大大提升训练数据的特征数量。例如,样本电池数据进行删补操作以及特征构造操作后得到特征为x,样本维度为y的数据,即得到一个y*x的矩阵;将该y*x的矩阵排列成一个一维序列,即得到一个1*yx的行向量,此时将数据从特征为x的数据,转换成了特征为yx的数据,提升了训练数据的特征数量。
另一种实现中,预设数据清洗操作包括删补操作,相应的,云平台针对每一样本电池数据,确定每一样本电池数据的样本维度,基于样本电池的样本维度,确定目标样本维度。其中,可以是将数量最多的样本维度作为目标样本维度,或者将处于中间大小的样本维度作为目标样本维度。云平台针对每一样本电池数据,遍历该样本电池数据,在样本电池数据对应的样本维度超过目标样本维度的情况下,对样本电池数据中各时间戳对应的样本电池数据进行删减,得到样本维度为目标样本维度的样本电池数据对应的训练数据,其中,优先删减样本电池数据中存在数据缺失情况和/或存在数据异常情况的时间戳对应的样本电池数据。在样本电池数据对应的样本维度低于目标样本维度的情况下,对样本电池数据中各时间戳对应的样本电池数据进行填补,其中,优先填补出样本电池数据中存在数据缺失情况和/或存在数据异常情况的时间戳对应的样本电池数据,进而,利用差值的方式,填补出样本维度为目标样本维度的样本电池数据对应的中间数据。
举例而言,电池数据包括m个基础特征对应的电池数据,即电池数据中基础特征个数为m,例如,以充电过程为例,在样本车辆A的一次充电过程中,获得样本电池数据A,样本电池数据A有100条记录,相应的,样本电池数据A可以表示为一个100*m的矩阵;在样本车辆B的一次充电过程中,获得样本电池数据B,样本电池数据B有80条记录,相应的,样本电池数据B可以表示为一个80*m的矩阵;在样本车辆C的一次充电过程中,获得样本电池数据C,样本电池数据C有60条记录,相应的,样本电池数据C可以表示为一个60*m的矩阵。由此看出不同样本电池数据的样本维度不一致。选定一个目标样本维度,可对时间长即样本维度多的样本电池数据进行删减,时间短即样本维度少的样本电池数据进行填充,例如,利用Arima(Autoregressive Integrated Moving Average model,差分整合移动平均自回归模型)对样本维度少的样本电池数据进行填充。使得所有的样本电池数据对应的训练数据的样本维度为n。例如选取n=80,对于样本电池数据A适当的删减并保留80条记录,对于样本电池数据B不进行操作,对于样本电池数据C用时间序列的方法,合理对之进行填充使记录条数达到80。这样所有的中间数据对应的样本维度都一致为80*m。
将各80*m的数据矩阵转换为1*80m的行向量来描述一次充电过程的电池数据,得到各样本电池数据对应的训练数据。以能大大提升特征,即将样本维度从m变成80m。
进而,获得多个初始电池数据检测模型,其中,每一初始电池数据检测模型不同,该初始电池数据检测模型可以包括但不限于:XGBoost模型以及LightGBM模型等。
针对每一初始电池数据检测模型,云平台利用训练数据中的第一训练数据,训练该初始电池数据检测模型,得到训练所得的电池数据检测模型;并利用训练数据中的第二训练数据,从多个训练所得的电池数据检测模型中,确定出检测结果最好的电池数据检测模型,作为目标电池数据检测模型。以确定出检测结果相对准确的目标电池数据检测模型,用于后续的电池数据的检测流程。
其中,对初始电池数据检测模型的训练过程,可以参见相关技术中模型的训练过程在此不再赘述。
后续的,云平台可以利用训练所得的目标电池数据检测模型,以及所获得的各待检测电池对应的目标电池数据中各原始电池数据组,对各待检测电池的各充电过程或放电过程进行检测,得到各待检测电池的各充电过程或放电过程中出现各种故障类型的概率,进而,基于所得到的出现各种故障类型的概率以及相应的预设故障概率阈值,确定出各待检测电池的各充电过程或放电过程是否出现故障,即出现故障的类型,即是否出现故障,以及出现故障的类型。
在本发明的另一实施例中,第一故障检测信息包括:基于每一待检测电池对应的目标电池数据以及预设三级预警算法,确定每一待检测电池对应的第一故障信息,以及基于每一待检测电池对应的目标电池数据、预设性能评价算法以及预设短路检测算法,确定的该待检测电池对应的第二故障信息;
所述S104,可以包括如下步骤031-032:
031:针对每一待检测电池,基于该待检测电池对应的第一故障信息和第二故障信息,确定第一故障信息和第二故障信息之间的校验冗余信息。
032:针对每一待检测电池,基于该待检测电池对应的第二故障信息和第二故障检测信息,确定第二故障信息和第二故障检测信息之间的校验冗余信息,以确定出每一待检测电池对应的故障校验冗余信息。
本实现方式中,云平台针对每一待检测电池,将该待检测电池对应的第一故障信息与第二故障信息进行对比,确定第一故障信息与第二故障信息中,针对同一故障类型的故障检测结果;若针对同一故障类型的故障检测结果相同,则可以确定该故障检测结果相同的故障类型的检测结果相对准确,且该故障类型的故障真实存在可能性高;若针对同一故障类型的故障检测结果不同,则可以将针对该统一故障类型的表征出现故障的故障检测结果,作为另一表征未出现故障的故障检测结果的故障补充,表征该故障类型的故障真实存在的可能性相对较低;且其他针对不同故障类型的故障检测结果作为相应的故障补充,以得到第一故障信息和第二故障信息之间的校验冗余信息。
云平台针对每一待检测电池,将该待检测电池对应的第二故障信息和第二故障检测信息进行对比,确定第二故障信息与第二故障检测信息中,针对同一故障类型的故障检测结果;若针对同一故障类型的故障检测结果相同,则可以确定该故障检测结果相同的故障类型的检测结果相对准确,且该故障类型的故障真实存在可能性高;若针对同一故障类型的故障检测结果不同,则可以将针对该统一故障类型的表征出现故障的故障检测结果,作为另一表征未出现故障的故障检测结果的故障补充,表征该故障类型的故障真实存在的可能性相对较低;且其他针对不同故障类型的故障检测结果作为相应的故障补充,以得到第二故障信息和第二故障检测信息之间的校验冗余信息,以确定出每一待检测电池对应的故障校验冗余信息。
对于故障校验冗余信息中表征电池出现可能性高的故障类型的故障对应的故障信息,可以重点预警,使得后续的工作人员对该故障信息更关注。其中,重点预警可以是高亮显示、通过特殊颜色显示该类故障信息或结合声音提示方式预警等。
相应于上述方法实施例,本发明实施例提供了一种电池的预警装置,如图3所示,所述装置包括:
第一获得模块310,被配置为获得待检测电池对应的目标电池数据;
第一确定模块320,被配置为针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;
第二确定模块330,被配置为利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息,其中,所述目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,所述预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作;
第三确定模块340,被配置为基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;
输出模块350,被配置为输出所述第一故障检测信息、所述第二故障检测信息以及所述故障校验冗余信息。
应用本发明实施例,通过样本维度以及特征一致的训练数据实现对目标电池数据检测模型的训练,进而通过包括目标电池数据检测模型的不同的故障检测算法以及所采集的待检测电池对应的电池数据,实现对待检测电池的故障检测,得到多个故障检测结果,并对多个故障检测结果进行相互校验,得到并输出故障校验冗余信息,以更好的体现待检测电池的故障检测结果,进而实现对电池的安全预警,并在一定程度上提高安全预警的准确性,提高电池使用安全。
在本发明的另一实施例中,所述第一确定模块320,被具体配置为针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设三级预警算法,确定该待检测电池对应的第一故障信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第一指定特征数据以及预设性能评价算法,确定该待检测电池对应的性能评分信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第二指定特征数据以及预设短路检测算法,确定该待检测电池对应的短路检测信息;
针对每一待检测电池,基于该待检测电池对应的性能评分信息及短路检测信息,确定该待检测电池对应的第二故障信息,以得到第一故障检测信息。
在本发明的另一实施例中,所述待检测电池对应的目标电池数据包括:待检测电池在各充电过程或各放电过程所对应的原始电池数据组;
所述第二确定模块330,包括:
清洗单元(图中未示出),被配置为针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据;
输入确定单元(图中未示出),被配置为将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息。
在本发明的另一实施例中,所述原始电池数据组包括:所述待检测电池在充电过程或放电过程中各时间戳所对应时刻所生成的基础特征对应的电池数据;所述预设数据清洗操作还包括:特征构造操作;
所述清洗单元,被具体配置为遍历所述原始电池数据组中各时间戳对应的电池数据,对存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据进行填补或删减,得到所述原始电池数据组对应的中间电池数据,其中,若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不高于第一预设值,则填补该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量高于第一预设值,则删减该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;
基于指定基础特征对应的数据划分区间以及所述中间电池数据中所述指定基础特征对应的电池数据,划分所述中间电池数据,得到每一数据划分区间对应的电池数据段;
针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据,其中,所述其他基础特征为所述基础特征中除所述指定基础特征外的特征;
基于该电池数据段对应的特征数据,确定该原始电池数据组对应的待利用数据。
在本发明的另一实施例中,所述清洗单元,被具体配置为针对每一电池数据段,基于该电池数据段是否存在电池数据,确定该电池数据段对应的示性特征对应的特征数据;
针对每一电池数据段中每一其他基础特征,基于该电池数据段中该其他基础特征对应的电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,所述统计量特征包括:指示基于每一其他基础特征对应的电池数据,计算该其他基础特征对应的电池数据均值和/或方差的特征;
针对每一电池数据段,基于该电池数据段中电流特征对应的电池数据,以及电压特征对应的电池数据,确定该电池数据段对应的电阻特征对应的特征数据,以得到该电池数据段对应的特征数据,其中,所述电流特征和电压特征属于其他基础特征。
在本发明的另一实施例中,所述装置还包括:
模型训练模块(图中未示出),被配置为在所述将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息之前,训练得到所述目标电池数据检测模型,其中,所述模型训练模块,被具体配置为获得各样本电池数据及其对应的标定信息,其中,所述样本电池数据为:各样本电池在充电过程或放电过程生成的数据;样本电池数据为在充电过程生成的数据时,所述原始电池数据组为在充电过程生成的数据;样本电池数据为在放电过程生成的数据时,所述原始电池数据组为在放电过程生成的数据,所述标定信息用于标定所对应样本电池数据是否表征所对应样本电池是否出现故障以及出现的故障类型;
针对每一样本电池数据,对该样本电池数据进行所述预设数据清洗操作,得到经过所述预设数据清洗操作后的样本电池数据,作为训练数据;
获得多个初始电池数据检测模型;
针对每一初始电池数据检测模型,利用所述训练数据中的第一训练数据,训练该初始电池数据检测模型,得到训练所得的电池数据检测模型,其中,所述第一训练数据为所述训练数据的部分数据;
利用所述训练数据中的第二训练数据,从多个训练所得的电池数据检测模型中,确定出检测结果最好的电池数据检测模型,作为目标电池数据检测模型,其中,所述第二训练数据为所述训练数据的部分数据。
在本发明的另一实施例中,所述第一故障检测信息包括:基于每一待检测电池对应的目标电池数据以及三级预警算法,确定每一待检测电池对应的第一故障信息,以及基于每一待检测电池对应的目标电池数据、预设性能评价算法以及预设短路检测算法,确定的该待检测电池对应的第二故障信息;
所述第三确定模块340,被具体配置为针对每一待检测电池,基于该待检测电池对应的所述第一故障信息和所述第二故障信息,确定所述第一故障信息和所述第二故障信息之间的校验冗余信息;
针对每一待检测电池,基于该待检测电池对应的所述第二故障信息和所述第二故障检测信息,确定所述第二故障信息和所述第二故障检测信息之间的校验冗余信息,以确定出每一待检测电池对应的故障校验冗余信息。
上述系统、装置实施例与系统实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分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发明实施例技术方案的精神和范围。
Claims (10)
1.一种电池的预警方法,其特征在于,所述方法包括:
获得待检测电池对应的目标电池数据;
针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;
利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息,其中,所述目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,所述预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作;
基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;
输出所述第一故障检测信息、所述第二故障检测信息以及所述故障校验冗余信息。
2.如权利要求1所述的方法,其特征在于,所述针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息的步骤,包括:
针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设三级预警算法,确定该待检测电池对应的第一故障信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第一指定特征数据以及预设性能评价算法,确定该待检测电池对应的性能评分信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第二指定特征数据以及预设短路检测算法,确定该待检测电池对应的短路检测信息;
针对每一待检测电池,基于该待检测电池对应的性能评分信息及短路检测信息,确定该待检测电池对应的第二故障信息,以得到第一故障检测信息。
3.如权利要求1或2所述的方法,其特征在于,所述待检测电池对应的目标电池数据包括:待检测电池在各充电过程或各放电过程所对应的原始电池数据组;
所述利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息的步骤,包括:
针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据;
将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息。
4.如权利要求3所述的方法,其特征在于,所述原始电池数据组包括:所述待检测电池在充电过程或放电过程中各时间戳所对应时刻所生成的基础特征对应的电池数据;所述预设数据清洗操作还包括:特征构造操作;
所述对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据的步骤,包括:
遍历所述原始电池数据组中各时间戳对应的电池数据,对存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据进行填补或删减,得到所述原始电池数据组对应的中间电池数据,其中,若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量不高于第一预设值,则填补该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;若存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据的缺失和/或异常数量高于第一预设值,则删减该存在数据缺失情况和/或数据异常情况的时间戳所对应的电池数据;
基于指定基础特征对应的数据划分区间以及所述中间电池数据中所述指定基础特征对应的电池数据,划分所述中间电池数据,得到每一数据划分区间对应的电池数据段;
针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的数据,作为该电池数据段对应的特征数据,其中,所述其他基础特征为所述基础特征中除所述指定基础特征外的特征;
基于该电池数据段对应的特征数据,确定该原始电池数据组对应的待利用数据。
5.如权利要求4所述的方法,其特征在于,所述针对每一电池数据段,基于该电池数据段中其他基础特征对应的电池数据,确定各预设扩充特征对应的电池数据,作为该电池数据段对应的特征数据的步骤,包括:
针对每一电池数据段,基于该电池数据段是否存在电池数据,确定该电池数据段对应的示性特征对应的特征数据;
针对每一电池数据段中每一其他基础特征,基于该电池数据段中该其他基础特征对应的电池数据,确定该其他基础特征对应的统计量特征对应的特征数据,所述统计量特征包括:指示基于每一其他基础特征对应的电池数据,计算该其他基础特征对应的电池数据均值和/或方差的特征;
针对每一电池数据段,基于该电池数据段中电流特征对应的电池数据,以及电压特征对应的电池数据,确定该电池数据段对应的电阻特征对应的特征数据,以得到该电池数据段对应的特征数据,其中,所述电流特征和电压特征属于其他基础特征。
6.如权利要求4所述的方法,其特征在于,在所述将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息的步骤之前,所述方法还包括:
训练得到所述目标电池数据检测模型的过程,其中,所述过程包括:
获得各样本电池数据及其对应的标定信息,其中,所述样本电池数据为:各样本电池在充电过程或放电过程生成的数据;样本电池数据为在充电过程生成的数据时,所述原始电池数据组为在充电过程生成的数据;样本电池数据为在放电过程生成的数据时,所述原始电池数据组为在放电过程生成的数据,所述标定信息用于标定所对应样本电池数据是否表征所对应样本电池是否出现故障以及出现的故障类型;
针对每一样本电池数据,对该样本电池数据进行所述预设数据清洗操作,得到经过所述预设数据清洗操作后的样本电池数据,作为训练数据;
获得多个初始电池数据检测模型;
针对每一初始电池数据检测模型,利用所述训练数据中的第一训练数据,训练该初始电池数据检测模型,得到训练所得的电池数据检测模型,其中,所述第一训练数据为所述训练数据的部分数据;
利用所述训练数据中的第二训练数据,从多个训练所得的电池数据检测模型中,确定出检测结果最好的电池数据检测模型,作为目标电池数据检测模型,其中,所述第二训练数据为所述训练数据的部分数据。
7.如权利要求1-6任一项所述的方法,其特征在于,所述第一故障检测信息包括:基于每一待检测电池对应的目标电池数据以及三级预警算法,确定每一待检测电池对应的第一故障信息,以及基于每一待检测电池对应的目标电池数据、预设性能评价算法以及预设短路检测算法,确定的该待检测电池对应的第二故障信息;
所述基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息的步骤,包括:
针对每一待检测电池,基于该待检测电池对应的所述第一故障信息和所述第二故障信息,确定所述第一故障信息和所述第二故障信息之间的校验冗余信息;
针对每一待检测电池,基于该待检测电池对应的所述第二故障信息和所述第二故障检测信息,确定所述第二故障信息和所述第二故障检测信息之间的校验冗余信息,以确定出每一待检测电池对应的故障校验冗余信息。
8.一种电池的预警装置,其特征在于,所述装置包括:
第一获得模块,被配置为获得待检测电池对应的目标电池数据;
第一确定模块,被配置为针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设电池故障检测算法,确定该待检测电池对应的第一故障检测信息;
第二确定模块,被配置为利用所有所述待检测电池对应的目标电池数据以及目标电池数据检测模型,确定每一待检测电池对应的第二故障检测信息,其中,所述目标电池数据检测模型为:利用各样本电池数据经过预设数据清洗操作后所得的训练数据及其对应的标定信息训练所得的目标电池数据检测模型,各训练数据的样本维度以及特征维度一致,所述预设清洗操作至少包括:对样本电池数据中的异常值和/或缺失值的删补操作;
第三确定模块,被配置为基于所述第一故障检测信息以及所述第二故障检测信息,确定每一待检测电池对应的故障校验冗余信息;
输出模块,被配置为输出所述第一故障检测信息、所述第二故障检测信息以及所述故障校验冗余信息。
9.如权利要求8所述的装置,其特征在于,所述第一确定模块,被具体配置为针对每一待检测电池,利用该待检测电池对应的目标电池数据以及预设三级预警算法,确定该待检测电池对应的第一故障信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第一指定特征数据以及预设性能评价算法,确定该待检测电池对应的性能评分信息;
针对每一待检测电池,利用该待检测电池对应的目标电池数据中第二指定特征数据以及预设短路检测算法,确定该待检测电池对应的短路检测信息;
针对每一待检测电池,基于该待检测电池对应的性能评分信息及短路检测信息,确定该待检测电池对应的第二故障信息,以得到第一故障检测信息。
10.如权利要求8所述的装置,其特征在于,所述待检测电池对应的目标电池数据包括:待检测电池在各充电过程或各放电过程所对应的原始电池数据组;
所述第二确定模块,包括:
清洗单元,被配置为针对每一待检测电池对应的每一原始电池数据组,对该原始电池数据组进行所述预设数据清洗操作,得到该原始电池数据组对应的待利用数据;
输入确定单元,被配置为将每一待检测电池对应的每一待利用数据,输入目标电池数据检测模型,确定每一待利用数据对应的第三故障信息,以确定待检测电池对应的第二故障检测信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162118.6A CN114487839A (zh) | 2020-10-27 | 2020-10-27 | 一种电池的预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162118.6A CN114487839A (zh) | 2020-10-27 | 2020-10-27 | 一种电池的预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114487839A true CN114487839A (zh) | 2022-05-13 |
Family
ID=81471251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162118.6A Pending CN114487839A (zh) | 2020-10-27 | 2020-10-27 | 一种电池的预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114487839A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115144765A (zh) * | 2022-07-05 | 2022-10-04 | 东莞新能安科技有限公司 | 电池内短路故障检测方法及装置 |
CN115343636A (zh) * | 2022-10-18 | 2022-11-15 | 中国华能集团清洁能源技术研究院有限公司 | 一种锂电池的异常检测方法及装置 |
-
2020
- 2020-10-27 CN CN202011162118.6A patent/CN114487839A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115144765A (zh) * | 2022-07-05 | 2022-10-04 | 东莞新能安科技有限公司 | 电池内短路故障检测方法及装置 |
CN115343636A (zh) * | 2022-10-18 | 2022-11-15 | 中国华能集团清洁能源技术研究院有限公司 | 一种锂电池的异常检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Data-driven fault diagnosis and thermal runaway warning for battery packs using real-world vehicle data | |
CN110596486B (zh) | 一种充电桩智能预警运维的方法和系统 | |
JP4414470B1 (ja) | 車両の故障診断のための基準値の生成 | |
CN107797070A (zh) | 动力电池健康状态的评估方法及评估装置 | |
WO2022213597A1 (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN109839602B (zh) | 动力电池性能和价值评估方法、装置、电子设备 | |
CN109604186A (zh) | 动力电池性能柔性评估分选方法 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN109031138B (zh) | 一种动力电池的安全评估方法和装置 | |
CN114487839A (zh) | 一种电池的预警方法及装置 | |
CN110441695A (zh) | 一种基于模型和信号处理相结合的电池组多故障综合诊断方法 | |
US20220123559A1 (en) | System For Detecting, Assessing, and Displaying Battery Faults | |
CN106680720A (zh) | 基于车联网的车载蓄电池失效预警系统及方法 | |
CN106353690A (zh) | 利用Petri网诊断锂电池故障的方法 | |
CN113625692B (zh) | 一种基于故障注入的电动汽车电池安全性检验系统 | |
CN112345941A (zh) | 一种基于大数据依变化量曲线的后台热失控预警方法 | |
CN113173104B (zh) | 一种新能源车辆动力电池预警方法及系统 | |
CN112319308B (zh) | 一种动力电池多故障检测方法与系统 | |
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警系统 | |
WO2022016862A1 (zh) | 用于监控电池组健康状况的方法和系统 | |
CN117148194A (zh) | 一种电动汽车电池组故障探测方法及系统 | |
CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
CN112937352B (zh) | 一种基于人工智能的集中式充电站供电系统运行监测管理系统 | |
CN114328473A (zh) | 一种电池数据的检测方法及装置 | |
CN114200323A (zh) | 电池短路故障预警信息生成方法和装置、设备、介质 |
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 |