CN114487856A - 换电站电池的热失控预警方法及系统 - Google Patents
换电站电池的热失控预警方法及系统 Download PDFInfo
- Publication number
- CN114487856A CN114487856A CN202110671357.2A CN202110671357A CN114487856A CN 114487856 A CN114487856 A CN 114487856A CN 202110671357 A CN202110671357 A CN 202110671357A CN 114487856 A CN114487856 A CN 114487856A
- Authority
- CN
- China
- Prior art keywords
- temperature
- battery
- abnormal
- thermal runaway
- measuring point
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/80—Exchanging energy storage elements, e.g. removable batteries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种换电站电池的热失控预警方法及系统。其中,所述热失控预警方法包括:获取换电站电池仓内电池上至少一个测温点的温度数据;从所述温度数据中分别提取各所述测温点的至少两个温度特征;基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。由于电池温度异常时可以表征该电池存在热失控的风险。是以,本方案能够对电池的热失控进行预警,从而能够为电池的及时检修和故障排查提供热失控位置等指导,能够减少换电站电池所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种换电站电池的热失控预警方法及系统。
背景技术
换电站可直接为纯电动汽车更换满电电池,并具有下述优势:1、效率高,换电过程一般在3分钟左右;2、便于集中管理电池,有利于延长电池使用寿命;3、电池采用租赁方式,降低了车主初始购车成本;4、能够合理运用城市的波峰和波谷电量,以缓解城市用电压力。当单体锂电池内部发生短路、过充及外部短路等原因而发生热失控时,如果热量得不到及时疏散,相邻单体受影响后也相继发生热失控,导致热失控蔓延,最终引发安全事故,存在一定的安全隐患。2011年至今,被公开报道的换电站热失控事件已超过100多起,造成巨大的经济损失,换电站安全事故的本质是电池热失控。然而目前,如何选取合理的指标对换电站电池进行安全监控仍然是个技术难点。
发明内容
本发明要解决的技术问题是为了克服现有技术中难以选取合理的指标对换电站电池进行安全监控的缺陷,提供一种换电站电池的热失控预警方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
一种换电站电池的热失控预警方法,所述热失控预警方法包括:
获取换电站电池仓内电池上至少一个测温点的温度数据;
从所述温度数据中分别提取各所述测温点的至少两个温度特征;
基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
在本方案中,选取电池上测温点的至少两个温度特征作为对电池进行安全监控的指标。具体地,当根据电池上各测温点的至少两个温度特征判断该电池温度异常时,则可以表征该电池存在热失控的风险。是以,本方案能够对电池的热失控进行预警,从而能够为电池的及时检修和故障排查提供热失控位置等指导,能够减少换电站电池所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
较佳地,所述温度数据为实时流式温度数据,所述从所述温度数据中分别提取各所述测温点的至少两个温度特征数据,包括:
从所述实时流式温度数据中提取所述至少一个测温点的温值特征、温升特征以及温差特征。
在本方案中,优选从测温点温度数据中提取温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性。
较佳地,对于所述电池上的任一测温点:
所述温值特征为所述测温点在温度采集时刻ti的温度值Ti;
所述温升特征包括累计温升特征和温升相对变化特征,其中:
所述累计温升特征为温度采集时间段ti-tj的温度值升量Ti-Tj;
所述温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1;
在本方案中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对电池的热失控预警。
较佳地,所述基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警,包括:
基于各所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述电池是否温度异常;
在所述电池温度异常时,进行热失控预警。
在本方案中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检监测模型识别可能带来的误差,提高温度异常识别准确性。
较佳地,所述异常检测模型的数量为三个;所述基于各所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述电池是否温度异常,包括:
将各所述测温点的至少两个温度特征作为整体分别输入三个所述异常检测模型,得到各所述异常检测模型输出的异常识别结果;
当存在一个测温点的三个异常识别结果均表示温度异常时,或者,当存在至少预设数量个测温点的至少一个异常识别结果均表示温度异常时,判定所述电池温度异常。
在本方案中,提供了基于三个异常检测模型来判断电池是否温度异常的多种实现方式,在异常识别基础数据为单个测温点时,在三个异常识别结果均表示温度异常才判断电池温度异常,而在异常识别基础数据为不止一个测温点时,则在这些测温点都有异常识别结果均表示温度异常便可判断电池温度异常,提供了在不同异常识别数据基础下合理的异常识别实施方式,这样可以避免异常漏判的情形,能够更加全面地实现对电池的热失控预警。
较佳地,所述在所述电池温度异常时,进行热失控预警,包括:
在所述电池温度异常时,根据判定所述电池温度异常所依据的所述测温点的异常类型确定所述电池的告警类型并告警;所述测温点的异常类型由输出表示温度异常的异常识别结果的异常检测模型确定。
在本方案中,在判定电池温度异常时,还可以进一步确定电池的异常类型,以确定电池的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高电池热失控的处理效率。
较佳地,所述热失控预警方法还包括:
获取各所述温度特征对应的检测阈值;所述检测阈值根据电池上测温点的历史温度数据得到;
在判定所述电池温度异常后,采用所述检测阈值对所述电池上的各所述测温点进行过滤;
当过滤后的测温点的数量达到预设条件时,判定所述电池温度异常。
在本方案中,在基于异常检测模型判定电池温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现电池的热失控预警。
较佳地,所述热失控预警方法还包括:
根据所述至少一个测温点的温度数据,计算所述电池的整体温升特征;
所述基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警,包括:
基于各所述测温点的至少两个温度特征和所述整体温升特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
在本方案中,考虑到实际中电池在充电仓内的位置存在偏差,从而不能确保测温点与安全阀完全对准,在这种情形下,难以判断该测温点是否异常,是以,在本方案中还提取电池的整体温升特征来辅助判断电池是否温度异常,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现电池的热失控预警,其中,整体温升特征基于电池上所有测温点的温升特征计算得到。
一种换电站电池的热失控预警系统,所述热失控预警系统包括:
获取模块,用于获取换电站电池仓内电池上若干测温点的温度数据;
提取模块,用于从所述温度数据中分别提取各所述测温点的至少两个温度特征;
预警模块,用于基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
在本方案中,选取电池上测温点的至少两个温度特征作为对电池进行安全监控的指标。具体地,当根据电池上各测温点的至少两个温度特征判断该电池温度异常时,则可以表征该电池存在热失控的风险。是以,本方案能够对电池的热失控进行预警,从而能够为电池的及时检修和故障排查提供热失控位置等指导,能够减少换电站电池所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
较佳地,所述温度数据为实时流式温度数据,所述提取模块具体用于从所述实时流式温度数据中提取所述至少一个测温点的温值特征、温升特征以及温差特征。
在本方案中,优选从测温点温度数据中提取温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性。
较佳地,对于所述电池上的任一测温点:
所述温值特征为所述测温点在温度采集时刻的温度值;
所述温升特征包括累计温升特征和温升相对变化特征,其中:
所述累计温升特征为温度采集时间段-的温度值升量;
所述温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1;
在本方案中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对电池的热失控预警。
较佳地,所述预警模块包括:
判断单元,用于基于各所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述电池是否温度异常;
预警单元,用于在所述电池温度异常时,进行热失控预警。
在本方案中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检监测模型识别可能带来的误差,提高温度异常识别准确性。
较佳地,所述异常检测模型的数量为三个;所述判断单元具体用于:
将各所述测温点的至少两个温度特征作为整体分别输入三个所述异常检测模型,得到各所述异常检测模型输出的异常识别结果;
当存在一个测温点的三个异常识别结果均表示温度异常时,或者,当存在至少预设数量个测温点的至少一个异常识别结果均表示温度异常时,判定所述电池温度异常。
在本方案中,提供了基于三个异常检测模型来判断电池是否温度异常的多种实现方式,在异常识别基础数据为单个测温点时,在三个异常识别结果均表示温度异常才判断电池温度异常,而在异常识别基础数据为不止一个测温点时,则在这些测温点都有异常识别结果均表示温度异常便可判断电池温度异常,提供了在不同异常识别数据基础下合理的异常识别实施方式,这样可以避免异常漏判的情形,能够更加全面地实现对电池的热失控预警。
较佳地,所述预警单元具体用于:
在所述电池温度异常时,根据判定所述电池温度异常所依据的所述测温点的异常类型确定所述电池的告警类型并告警;所述测温点的异常类型由输出表示温度异常的异常识别结果的异常检测模型确定。
在本方案中,在判定电池温度异常时,还可以进一步确定电池的异常类型,以确定电池的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高电池热失控的处理效率。
较佳地,所述判断单元具体还用于:
获取各所述温度特征对应的检测阈值;所述检测阈值根据电池上测温点的历史温度数据得到;
在判定所述电池温度异常后,采用所述检测阈值对所述电池上的各所述测温点进行过滤;
当过滤后的测温点的数量达到预设条件时,判定所述电池温度异常。
在本方案中,在基于异常检测模型判定电池温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现电池的热失控预警。
较佳地,所述提取模块还用于根据所述至少一个测温点的温度数据,计算所述电池的整体温升特征;
所述预警模块具体用于基于各所述测温点的至少两个温度特征和所述整体温升特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
在本方案中,考虑到实际中电池在充电仓内的位置存在偏差,从而不能确保测温点与安全阀完全对准,在这种情形下,难以判断该测温点是否异常,是以,在本方案中还提取电池的整体温升特征来辅助判断电池是否温度异常,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现电池的热失控预警,其中,整体温升特征基于电池上所有测温点的温升特征计算得到。
一种电子设备,包括存储器、处理器及存储在存储器上并可在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上述任一种换电站电池的热失控预警方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种换电站电池的热失控预警方法的步骤。
本发明的积极进步效果在于:在本发明中,选取电池上测温点的至少两个温度特征作为对电池进行安全监控的指标。具体地,当根据电池上各测温点的至少两个温度特征判断该电池温度异常时,则可以表征该电池存在热失控的风险。是以,本方案能够对电池的热失控进行预警,从而能够为电池的及时检修和故障排查提供热失控位置等指导,能够减少换电站电池所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
附图说明
图1为根据本发明实施例1的换电站电池的热失控预警方法的流程图。
图2为根据本发明实施例1的换电站电池的热失控预警方法中步骤S3的流程图。
图3为根据本发明实施例2的换电站电池的热失控预警系统的模块示意图。
图4为根据本发明实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
本实施例提供一种换电站电池的热失控预警方法,参照图1,本实施例的热失控预警方法包括:
S1、获取换电站电池仓内电池上至少一个测温点的温度数据;
S2、从温度数据中分别提取各测温点的至少两个温度特征;
S3、基于各测温点的至少两个温度特征,判断电池是否温度异常,以在电池温度异常时进行热失控预警。
在本实施例中,可以利用布控在电池仓内的光纤来采集电池上测温点的温度数据,并且温度数据优选为基于时间序列的实时流式温度数据。
在一个具体的实施例中,温度数据优选如下表所示包括采集时间、站点编号、测温点位置和温度信息等。其中,表1中的具体数值为举例说明,不构成限定。
表1:
在本实施例中,优选先对采集到的温度数据进行数据清洗,再从经数据清洗的温度数据中提取测温点的至少两个温度特征,其中,数据清理的规则例如可以包括删除在光纤采集范围之外的错误数据,以将可能存在质量缺陷的温度数据转化为满足质量要求的温度数据。
在本实施例中,选取电池上测温点的至少两个温度特征作为对电池进行安全监控的指标。具体地,当根据电池上各测温点的至少两个温度特征判断该电池温度异常时,则可以表征该电池存在热失控的风险。是以,本方案能够对电池的热失控进行预警,从而能够为电池的及时检修和故障排查提供热失控位置等指导,能够减少换电站电池所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
在一个实施例中,电池上可存在大量测温点,在对单个测温点判断该测温点温度异常时,便可进一步判断电池温度是否异常,以进行热失控预警。在另外的实施例中,也可在对多个测温点判断这些测温点均温度异常时,再进一步判断电池温度是否异常,以进行热失控预警。
在本实施例中,优选从实时流式数据中提取温值特征、温升特征以及温差特征等特征数据,并且优选根据所提取的温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性,也即,本实施例优选电池上测温点的温值特征、温升特征以及温差特征这三个互为补充的温度特征作为对电池进行安全监控的指标,以较为全面地覆盖电池热失控前温度变化的所有场景,进而提高对电池进行热失控预警的准确性。基于此,本实施例中步骤S2优选包括从实时流式温度数据中提取测温点的温值特征、温升特征以及温差特征的步骤。
具体地,在本实施例中,温值特征为测温点在温度采集时刻的温度值。
具体地,在本实施例中,温升特征优选包括累计温升特征和温升相对变化特征,其中,累计温升特征为温度采集时间段-的温度值升量,温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1。
在本实施例中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对电池的热失控预警。
参照图2,本实施例中步骤S3可以进一步包括:
S31、基于各测温点的至少两个温度特征,并结合至少两个异常检测模型,判断电池是否温度异常;
S32、在电池温度异常时,进行热失控预警。
在本实施例中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检测模型识别可能带来的误差,提高温度异常识别准确性。具体地,将测温点的至少两个温度特征作为整体分别输入至少两个训练好的异常检测模型,得到各异常检测模型输出的异常识别结果,进而可以根据至少两个异常检测模型对应输出的异常识别结果来判断测温点是否温度异常,较之仅依赖于单一异常检测模型,能够更加准确地判断对应测温点是否温度异常,也就能够更加准确地实现对电池的热失控预警。此外,在本实施例中,优选设置预设时间段内,只进行一次热失控预警,以避免频繁预警所造成的重复与打扰。
在一个实施例中,在结合至少两个异常检测模型判断单个测温点是否温度异常的场景中,有异常检测模型输出异常识别结果时,就判断该测温点温度异常。进一步在基于温度异常的测温点判断电池是否温度异常时,若温度异常的测温点仅为一个或者少于第一预设数量时,对于每个温度异常的测温点,需要至少一半以上的异常检测模型识别其温度异常时,才判断电池温度异常;若温度异常的测温点的数量达到第二预设数量时,对于每个温度异常的测温点,只需有异常检测模型识别其温度异常时,便可判断电池温度异常。
具体地,在一种实施方式中,异常检测模型的数量优选为三个且优选包括EllipticEnvelope(基于高斯概率密度的异常点检测)、lsolationForest(基于集成学习方法异常点检测)以及One-class SVM(一分类向量机,非高斯分布),步骤S31优选包括将各测温点的至少两个温度特征作为整体分别输入三个异常检测模型,得到各异常检测模型输出的异常识别结果的步骤,以及当存在一个测温点的三个异常识别结果均表示温度异常时,或者,当存在至少预设数量个测温点的至少一个异常识别结果均表示温度异常时,判定电池温度异常的步骤。
在本实施例中,提供了基于三个异常检测模型来判断电池是否温度异常的多种实现方式,在异常识别基础数据为单个测温点时,在三个异常识别结果均表示温度异常才判断电池温度异常,而在异常识别基础数据为不止一个测温点时,则在这些测温点都有异常识别结果均表示温度异常便可判断电池温度异常,提供了在不同异常识别数据基础下合理的异常识别实施方式,这样可以避免异常漏判的情形,能够更加全面地实现对电池的热失控预警。但是,应当理解,本实施例并不旨在将异常检测模型的数量限制为三个,并且,也不旨在将异常检测模型限定为上述三种类型。
在本实施例中,异常检测模型利用电池上测温点的历史温度数据构建得到,具体地,将从历史温度数据中提取到的至少两个温度特征作为整体来构建得到至少两个异常检测模型,并且,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将异常检测模型的异常识别结果与实际情况进行对比的方式,来进行异常检测模型的优化与迭代。
在本实施例中,步骤S32优选包括在电池温度异常时,根据判定电池温度异常所依据的测温点的异常类型确定电池的告警类型并告警的步骤,其中,测温点的异常类型由输出表示温度异常的异常识别结果的异常检测模型确定。
在本实施例中,在判定电池温度异常时,还可以进一步确定电池的异常类型,以确定电池的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高电池热失控的处理效率。例如,可以参照各异常检测模型decision function(决策函数)的数值大小来确定异常类型,其中,数值大小越负的所对应的异常等级越高,进而,电池的异常类型可以由异常等级最高的测温点确定。
在本实施例中,热失控预警方法还可以包括以下步骤:
获取各温度特征对应的检测阈值;检测阈值根据电池上测温点的历史温度数据得到;
在判定电池温度异常后,采用检测阈值对电池上的各测温点进行过滤;
当过滤后的测温点的数量达到预设条件时,判定电池温度异常。
在本实施例中,可以利用3sigma原则来确定电池在正常状态下各温度特征对应的检测阈值,并且同样地,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将采用检测阈值判断得到的结果与实际情况进行对比的方式,来进行检测阈值的优化与迭代。
如此,在本实施例基于异常检测模型判定测温点温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现对电池的热失控预警。
在本实施例中,步骤S2还可以包括根据至少一个测温点的温度数据,计算电池的整体温升特征的步骤,步骤S3还可以包括基于各测温点的至少两个温度特征和整体温升特征,判断电池是否温度异常,以在电池温度异常时进行热失控预警的步骤。
在本实施例中,考虑到实际中电池在充电仓内的位置存在偏差,从而不能确保测温点与安全阀完全对准,在这种情形下,难以判断该测温点是否异常,是以,在本实施例中还提取电池的整体温升特征来辅助判断电池是否温度异常,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现电池的热失控预警,其中,整体温升特征基于电池上所有测温点的温升特征计算得到。
实施例2
本实施例提供一种换电站电池的热失控预警系统,参照图3,本实施例的热失控预警系统包括:
获取模块1,用于获取换电站电池仓内电池上至少一个测温点的温度数据;
提取模块2,用于从温度数据中分别提取各测温点的至少两个温度特征;
预警模块3,用于基于各测温点的至少两个温度特征,判断电池是否温度异常,以在电池温度异常时进行热失控预警。
在本实施例中,可以利用布控在电池仓内的光纤来采集电池上测温点的温度数据,并且温度数据优选为基于时间序列的实时流式温度数据。
在一个具体的实施例中,温度数据优选如下表所示包括采集时间、站点编号、测温点位置和温度信息等。其中,表1中的具体数值为举例说明,不构成限定。
表1:
在本实施例中,优选先对采集到的温度数据进行数据清洗,再从经数据清洗的温度数据中提取测温点的至少两个温度特征,其中,数据清理的规则例如可以包括删除在光纤采集范围之外的错误数据,以将可能存在质量缺陷的温度数据转化为满足质量要求的温度数据。
在本实施例中,选取电池上测温点的至少两个温度特征作为对电池进行安全监控的指标。具体地,当根据电池上各测温点的至少两个温度特征判断该电池温度异常时,则可以表征该电池存在热失控的风险。是以,本方案能够对电池的热失控进行预警,从而能够为电池的及时检修和故障排查提供热失控位置等指导,能够减少换电站电池所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
在一个实施例中,电池上可存在大量测温点,在对单个测温点判断该测温点温度异常时,便可进一步判断电池温度是否异常,以进行热失控预警。在另外的实施例中,也可在对多个测温点判断这些测温点均温度异常时,再进一步判断电池温度是否异常,以进行热失控预警。
在本实施例中,优选从实时流式数据中提取温值特征、温升特征以及温差特征等特征数据,并且优选根据所提取的温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性,也即,本实施例优选电池上测温点的温值特征、温升特征以及温差特征这三个互为补充的温度特征作为对电池进行安全监控的指标,以较为全面地覆盖电池热失控前温度变化的所有场景,进而提高对电池进行热失控预警的准确性。基于此,本实施例中提取模块2优选具体用于从实时流式温度数据中提取测温点的温值特征、温升特征以及温差特征。
具体地,在本实施例中,温值特征为测温点在温度采集时刻的温度值。
具体地,在本实施例中,温升特征优选包括累计温升特征和温升相对变化特征,其中,累计温升特征为温度采集时间段-的温度值升量,温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1。
在本实施例中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对电池的热失控预警。
参照图3,本实施例中预警模块3可以进一步包括:
判断单元31,用于基于各测温点的至少两个温度特征,并结合至少两个异常检测模型,判断电池是否温度异常;
预警单元32,用于在电池温度异常时,进行热失控预警。
在本实施例中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检测模型识别可能带来的误差,提高温度异常识别准确性。具体地,将测温点的至少两个温度特征作为整体分别输入至少两个训练好的异常检测模型,得到各异常检测模型输出的异常识别结果,进而可以根据至少两个异常检测模型对应输出的异常识别结果来判断测温点是否温度异常,较之仅依赖于单一异常检测模型,能够更加准确地判断对应测温点是否温度异常,也就能够更加准确地实现对电池的热失控预警。此外,在本实施例中,优选设置预设时间段内,只进行一次热失控预警,以避免频繁预警所造成的重复与打扰。
在一个实施例中,在结合至少两个异常检测模型判断单个测温点是否温度异常的场景中,有异常检测模型输出异常识别结果时,就判断该测温点温度异常。进一步在基于温度异常的测温点判断电池是否温度异常时,若温度异常的测温点仅为一个或者少于第一预设数量时,对于每个温度异常的测温点,需要至少一半以上的异常检测模型识别其温度异常时,才判断电池温度异常;若温度异常的测温点的数量达到第二预设数量时,对于每个温度异常的测温点,只需有异常检测模型识别其温度异常时,便可判断电池温度异常。
具体地,在一种实施方式中,异常检测模型的数量优选为三个且优选包括EllipticEnvelope(基于高斯概率密度的异常点检测)、lsolationForest(基于集成学习方法异常点检测)以及One-class SVM(一分类向量机,非高斯分布),判断单元31优选具体用于将各测温点的至少两个温度特征作为整体分别输入三个异常检测模型,得到各异常检测模型输出的异常识别结果,以及当存在一个测温点的三个异常识别结果均表示温度异常时,或者,当存在至少预设数量个测温点的至少一个异常识别结果均表示温度异常时,判定电池温度异常。
在本实施例中,提供了基于三个异常检测模型来判断电池是否温度异常的多种实现方式,在异常识别基础数据为单个测温点时,在三个异常识别结果均表示温度异常才判断电池温度异常,而在异常识别基础数据为不止一个测温点时,则在这些测温点都有异常识别结果均表示温度异常便可判断电池温度异常,提供了在不同异常识别数据基础下合理的异常识别实施方式,这样可以避免异常漏判的情形,能够更加全面地实现对电池的热失控预警。但是,应当理解,本实施例并不旨在将异常检测模型的数量限制为三个,并且,也不旨在将异常检测模型限定为上述三种类型。
在本实施例中,异常检测模型利用电池上测温点的历史温度数据构建得到,具体地,将从历史温度数据中提取到的至少两个温度特征作为整体来构建得到至少两个异常检测模型,并且,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将异常检测模型的异常识别结果与实际情况进行对比的方式,来进行异常检测模型的优化与迭代。
在本实施例中,预警单元32优选具体用于在电池温度异常时,根据判定电池温度异常所依据的测温点的异常类型确定电池的告警类型并告警的步骤,其中,测温点的异常类型由输出表示温度异常的异常识别结果的异常检测模型确定。
在本实施例中,在判定电池温度异常时,还可以进一步确定电池的异常类型,以确定电池的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高电池热失控的处理效率。例如,可以参照各异常检测模型decision function(决策函数)的数值大小来确定异常类型,其中,数值大小越负的所对应的异常等级越高,进而,电池的异常类型可以由异常等级最高的测温点确定。
在本实施例中,判断单元31具体还用于:
获取各温度特征对应的检测阈值;检测阈值根据电池上测温点的历史温度数据得到;
在判定电池温度异常后,采用检测阈值对电池上的各测温点进行过滤;
当过滤后的测温点的数量达到预设条件时,判定电池温度异常。
在本实施例中,可以利用3sigma原则来确定电池在正常状态下各温度特征对应的检测阈值,并且同样地,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将采用检测阈值判断得到的结果与实际情况进行对比的方式,来进行检测阈值的优化与迭代。
如此,在本实施例基于异常检测模型判定测温点温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现对电池的热失控预警。
在本实施例中,提取模块2具体还可以用于根据至少一个测温点的温度数据,计算电池的整体温升特征,预警模块3具体还可以用于基于各测温点的至少两个温度特征和整体温升特征,判断电池是否温度异常,以在电池温度异常时进行热失控预警。
在本实施例中,考虑到实际中电池在充电仓内的位置存在偏差,从而不能确保测温点与安全阀完全对准,在这种情形下,难以判断该测温点是否异常,是以,在本实施例中还提取电池的整体温升特征来辅助判断电池是否温度异常,从而能够更加准确地判断电池是否温度异常,进而能够更加准确地实现电池的热失控预警,其中,整体温升特征基于电池上所有测温点的温升特征计算得到。
实施例3
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1提供的换电站电池的热失控预警方法。
图4示出了本实施例的硬件结构示意图,如图4所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1所提供的换电站电池的热失控预警方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1所提供的换电站电池的热失控预警方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1所述的换电站电池的热失控预警方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (11)
1.一种换电站电池的热失控预警方法,其特征在于,所述热失控预警方法包括:
获取换电站电池仓内电池上至少一个测温点的温度数据;
从所述温度数据中分别提取各所述测温点的至少两个温度特征;
基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
2.如权利要求1所述的换电站电池的热失控预警方法,其特征在于,所述温度数据为实时流式温度数据,所述从所述温度数据中分别提取各所述测温点的至少两个温度特征数据,包括:
从所述实时流式温度数据中提取所述至少一个测温点的温值特征、温升特征以及温差特征。
4.如权利要求1所述的换电站电池的热失控预警方法,其特征在于,所述基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警,包括:
基于各所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述电池是否温度异常;
在所述电池温度异常时,进行热失控预警。
5.如权利要求4所述的换电站电池的热失控预警方法,其特征在于,所述异常检测模型的数量为三个;所述基于各所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述电池是否温度异常,包括:
将各所述测温点的至少两个温度特征作为整体分别输入三个所述异常检测模型,得到各所述异常检测模型输出的异常识别结果;
当存在一个测温点的三个异常识别结果均表示温度异常时,或者,当存在至少预设数量个测温点的至少一个异常识别结果均表示温度异常时,判定所述电池温度异常。
6.如权利要求5所述的换电站电池的热失控预警方法,其特征在于,所述在所述电池温度异常时,进行热失控预警,包括:
在所述电池温度异常时,根据判定所述电池温度异常所依据的所述测温点的异常类型确定所述电池的告警类型并告警;所述测温点的异常类型由输出表示温度异常的异常识别结果的异常检测模型确定。
7.如权利要求5所述的换电站电池的热失控预警方法,其特征在于,所述热失控预警方法还包括:
获取各所述温度特征对应的检测阈值;所述检测阈值根据电池上测温点的历史温度数据得到;
在判定所述电池温度异常后,采用所述检测阈值对所述电池上的各所述测温点进行过滤;
当过滤后的测温点的数量达到预设条件时,判定所述电池温度异常。
8.如权利要求1所述的换电站电池的热失控预警方法,其特征在于,所述热失控预警方法还包括:
根据所述至少一个测温点的温度数据,计算所述电池的整体温升特征;
所述基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警,包括:
基于各所述测温点的至少两个温度特征和所述整体温升特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
9.一种换电站电池的热失控预警系统,其特征在于,所述热失控预警系统包括:
获取模块,用于获取换电站电池仓内电池上若干测温点的温度数据;
提取模块,用于从所述温度数据中分别提取各所述测温点的至少两个温度特征;
预警模块,用于基于各所述测温点的至少两个温度特征,判断所述电池是否温度异常,以在所述电池温度异常时进行热失控预警。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的换电站电池的热失控预警方法的步骤。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的换电站电池的热失控预警方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159697 | 2020-10-26 | ||
CN2020111596979 | 2020-10-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114487856A true CN114487856A (zh) | 2022-05-13 |
Family
ID=81491720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110671357.2A Pending CN114487856A (zh) | 2020-10-26 | 2021-06-17 | 换电站电池的热失控预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114487856A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116118566A (zh) * | 2023-03-27 | 2023-05-16 | 广东华庄科技股份有限公司 | 一种电池管理方法、系统及存储介质 |
WO2023225974A1 (zh) * | 2022-05-27 | 2023-11-30 | 宁德时代新能源科技股份有限公司 | 热失控检测的方法和装置 |
CN117199613A (zh) * | 2023-09-18 | 2023-12-08 | 浙江启辰新能科技有限公司 | 储能电池热失控降温方法及储能电池 |
CN117349596A (zh) * | 2023-12-04 | 2024-01-05 | 深圳汉德霍尔科技有限公司 | 基于多传感器的电池异常状态监测预警系统 |
-
2021
- 2021-06-17 CN CN202110671357.2A patent/CN114487856A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023225974A1 (zh) * | 2022-05-27 | 2023-11-30 | 宁德时代新能源科技股份有限公司 | 热失控检测的方法和装置 |
CN116118566A (zh) * | 2023-03-27 | 2023-05-16 | 广东华庄科技股份有限公司 | 一种电池管理方法、系统及存储介质 |
CN116118566B (zh) * | 2023-03-27 | 2023-10-20 | 广东华庄科技股份有限公司 | 一种电池管理方法、系统及存储介质 |
CN117199613A (zh) * | 2023-09-18 | 2023-12-08 | 浙江启辰新能科技有限公司 | 储能电池热失控降温方法及储能电池 |
CN117349596A (zh) * | 2023-12-04 | 2024-01-05 | 深圳汉德霍尔科技有限公司 | 基于多传感器的电池异常状态监测预警系统 |
CN117349596B (zh) * | 2023-12-04 | 2024-03-29 | 深圳汉德霍尔科技有限公司 | 基于多传感器的电池异常状态监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114487856A (zh) | 换电站电池的热失控预警方法及系统 | |
CN113415165B (zh) | 一种故障诊断方法、装置、电子设备及存储介质 | |
CN116154900B (zh) | 一种电池储能电站的主动安全三级防控系统及方法 | |
CN104281779A (zh) | 一种异常数据判定与处理方法及装置 | |
CN113310647B (zh) | 电池包泄露检测的方法、装置、电子设备及存储介质 | |
CN107942994A (zh) | 一种基于温度曲线特征的卫星温控系统故障诊断方法 | |
WO2022143903A1 (zh) | 车用电池的安全评估方法、系统、设备及可读存储介质 | |
CN114491931A (zh) | 数字孪生智能变电站系统故障的诊断方法及系统 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
He et al. | Voltage abnormality-based fault diagnosis for batteries in electric buses with a self-adapting update model | |
Wei et al. | Multi-level data-driven battery management: From internal sensing to big data utilization | |
Li et al. | A novel method for lithium-ion battery fault diagnosis of electric vehicle based on real-time voltage | |
CN113487086B (zh) | 设备剩余使用寿命预测方法、装置、计算机设备和介质 | |
Lin et al. | A hybrid multiscale permutation entropy-based fault diagnosis and inconsistency evaluation approach for lithium battery of E-vehicles | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN116565354A (zh) | 一种电化学储能系统故障分级诊断预警方法、系统及设备 | |
CN114506247B (zh) | 一种云端协同控制的动力电池主动热管理系统 | |
CN114493070A (zh) | 换电站充电电缆的热失控预警方法及系统 | |
CN115792634A (zh) | 一种基于云端在线数据的电池单体电压采样故障识别方法 | |
CN115144765A (zh) | 电池内短路故障检测方法及装置 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
CN112906727A (zh) | 用于实时在线检测虚拟机状态的方法和系统 | |
Xia et al. | Technologies for Energy Storage Power Stations Safety Operation: Battery State Evaluation Survey and a Critical Analysis | |
CN116502156B (zh) | 一种换流站光ct异常状态智能辨识方法及系统 | |
CN116047313B (zh) | 一种用于锂电池储能箱的质量检测和维护方法及系统 |
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 |