CN114744309B - 基于bms的电池安全管理方法、装置、设备及存储介质 - Google Patents
基于bms的电池安全管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114744309B CN114744309B CN202210648361.1A CN202210648361A CN114744309B CN 114744309 B CN114744309 B CN 114744309B CN 202210648361 A CN202210648361 A CN 202210648361A CN 114744309 B CN114744309 B CN 114744309B
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- battery
- current
- vector
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M10/4257—Smart batteries, e.g. electronic circuits inside the housing of the cells or batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- 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
Abstract
本发明涉及电池安全领域,公开了一种基于BMS的电池安全管理方法、装置、设备及存储介质,用于提高电池充放电过程中的安全性。所述基于BMS的电池安全管理方法包括:对电池状态数据进行数据筛选和数据分类,得到温度数据、电流数据和电压数据;根据温度数据生成温度时序向量,并根据电流数据生成电流时序向量,以及根据电压数据生成电压时序向量;将温度时序向量输入电池热效应分析模型进行温度数据处理,得到温度检测结果;拼接电流时序向量和电压时序向量并将拼接向量输入电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据温度检测结果和充放电状态分析结果控制目标电池下一预设时间段的充放电过程。
Description
技术领域
本发明涉及电池安全领域,尤其涉及一种基于BMS的电池安全管理方法、装置、设备及存储介质。
背景技术
随着物联网技术的高速发展,电池作为智能产品的供电模块,电池也需要适应物联网技术的革新。目前电池管理、电源管理到可再生能源管理的一站式智能控制与管理解决方案,为物联网智能制造产业赋能。
电池管理系统(BMS)是动力电池的“保护神”,为动力电池的安全运行、提高动力电池利用效率、延长电池使用寿命保驾护航。现有方案提供的BMS的均衡策略、控制策略等算法仍有很大提升空间。
发明内容
本发明提供了一种基于BMS的电池安全管理方法、装置、设备及存储介质,用于提高电池充放电过程中的安全性。
本发明第一方面提供了一种基于BMS的电池安全管理方法,所述基于BMS的电池安全管理方法包括:基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。
可选的,在本发明第一方面的第一种实现方式中,所述基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据,包括:基于预置的BMS系统中的多个监测器实时监测当前预设时间段中预置待处理的目标电池的工作状态信息;将所述工作状态信息存储至预置数据库中,并在所述数据库中对所述工作状态信息进行数据信息标记,得到所述工作状态信息中的每个数据对应的数据标签;根据所述工作状态信息和所述数据标签生成所述目标电池对应的电池状态数据。
可选的,在本发明第一方面的第二种实现方式中,所述对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据,包括:按照所述数据标签对所述电池状态数据进行数据标签分类,得到初始温度数据、初始电流数据和初始电压数据;分别对所述初始温度数据、所述初始电流数据和所述初始电压数据进行数据清洗处理,得到数据清洗后的温度数据、数据清洗后的电流数据和数据清洗后的电压数据;分别对所述数据清洗后的温度数据、所述数据清洗后的电流数据和所述数据清洗后的电压数据进行数据标准化处理,得到所述电池状态数据中的温度数据、电流数据和电压数据。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量,包括:获取所述当前预设时间段的时间轴数据;按照所述时间轴数据对所述温度数据进行时序分布排列,得到温度数据序列,并将所述温度数据序列转换为向量格式,生成温度时序向量;按照所述时间轴数据对所述电流数据进行时序分布排列,得到电流数据序列,并将所述电流数据序列转换为向量格式,生成电流时序向量;按照所述时间轴数据对所述电压数据进行时序分布排列,得到电压数据序列,并将所述电压数据序列转换为向量格式,生成电压时序向量。
可选的,在本发明第一方面的第四种实现方式中,所述将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热,包括:将所述温度时序向量输入预置的电池热效应分析模型,其中,所述电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层;通过所述嵌入层对所述温度时序向量进行向量转换,得到温度编码向量;将所述温度编码向量输入所述双层门限循环单元进行特征提取,输出温度特征向量;将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值;判断所述温度概率值是否超过预设目标值;若超过,则确定温度检测结果为所述目标电池在当前预设时间段出现温度过热;若不超过,则确定温度检测结果为所述目标电池在当前预设时间段未出现温度过热。
可选的,在本发明第一方面的第五种实现方式中,所述将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值,包括:将所述温度特征向量输入第一层全连接层,通过所述第一层全连接层对所述温度特征向量进行ReLU函数运算,输出温度特征值;将所述温度特征值输入第二层全连接层,对所述温度特征值进行sigmiod函数运算,输出所述目标电池在当前预设时间段出现温度过热的温度概率值。
可选的,在本发明第一方面的第六种实现方式中,所述对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果,包括:按照预置的拼接策略对所述电流时序向量和所述电压时序向量进行拼接,得到拼接向量;将所述拼接向量输入预置的电池充放电状态分析模型中,其中,所述电池充放电状态分析模型包括:编码器和解码器;将所述拼接向量输入所述编码器进行向量编码,得到隐藏编码向量;将所述隐藏编码向量输入所述解码器进行向量解码,输出充放电状态分析结果,其中,所述充放电状态分析结果用于指示所述目标电池的电流、电压是否出现异常。
本发明第二方面提供了一种基于BMS的电池安全管理装置,所述基于BMS的电池安全管理装置包括:采集模块,用于基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;处理模块,用于对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;生成模块,用于根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;检测模块,用于将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;分析模块,用于对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;控制模块,用于根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。
可选的,在本发明第二方面的第一种实现方式中,所述采集模块具体用于:基于预置的BMS系统中的多个监测器实时监测当前预设时间段中预置待处理的目标电池的工作状态信息;将所述工作状态信息存储至预置数据库中,并在所述数据库中对所述工作状态信息进行数据信息标记,得到所述工作状态信息中的每个数据对应的数据标签;根据所述工作状态信息和所述数据标签生成所述目标电池对应的电池状态数据。
可选的,在本发明第二方面的第二种实现方式中,所述处理模块具体用于:按照所述数据标签对所述电池状态数据进行数据标签分类,得到初始温度数据、初始电流数据和初始电压数据;分别对所述初始温度数据、所述初始电流数据和所述初始电压数据进行数据清洗处理,得到数据清洗后的温度数据、数据清洗后的电流数据和数据清洗后的电压数据;分别对所述数据清洗后的温度数据、所述数据清洗后的电流数据和所述数据清洗后的电压数据进行数据标准化处理,得到所述电池状态数据中的温度数据、电流数据和电压数据。
可选的,在本发明第二方面的第三种实现方式中,所述生成模块具体用于:获取所述当前预设时间段的时间轴数据;按照所述时间轴数据对所述温度数据进行时序分布排列,得到温度数据序列,并将所述温度数据序列转换为向量格式,生成温度时序向量;按照所述时间轴数据对所述电流数据进行时序分布排列,得到电流数据序列,并将所述电流数据序列转换为向量格式,生成电流时序向量;按照所述时间轴数据对所述电压数据进行时序分布排列,得到电压数据序列,并将所述电压数据序列转换为向量格式,生成电压时序向量。
可选的,在本发明第二方面的第四种实现方式中,所述检测模块还包括:处理单元,用于将所述温度时序向量输入预置的电池热效应分析模型,其中,所述电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层;通过所述嵌入层对所述温度时序向量进行向量转换,得到温度编码向量;将所述温度编码向量输入所述双层门限循环单元进行特征提取,输出温度特征向量;输出单元,用于将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值;判断单元,用于判断所述温度概率值是否超过预设目标值;若超过,则确定温度检测结果为所述目标电池在当前预设时间段出现温度过热;若不超过,则确定温度检测结果为所述目标电池在当前预设时间段未出现温度过热。
可选的,在本发明第二方面的第五种实现方式中,所述输出单元具体用于:将所述温度特征向量输入第一层全连接层,通过所述第一层全连接层对所述温度特征向量进行ReLU函数运算,输出温度特征值;将所述温度特征值输入第二层全连接层,对所述温度特征值进行sigmiod函数运算,输出所述目标电池在当前预设时间段出现温度过热的温度概率值。
可选的,在本发明第二方面的第六种实现方式中,所述分析模块具体用于:按照预置的拼接策略对所述电流时序向量和所述电压时序向量进行拼接,得到拼接向量;将所述拼接向量输入预置的电池充放电状态分析模型中,其中,所述电池充放电状态分析模型包括:编码器和解码器;将所述拼接向量输入所述编码器进行向量编码,得到隐藏编码向量;将所述隐藏编码向量输入所述解码器进行向量解码,输出充放电状态分析结果,其中,所述充放电状态分析结果用于指示所述目标电池的电流、电压是否出现异常。
本发明第三方面提供了一种基于BMS的电池安全管理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于BMS的电池安全管理设备执行上述的基于BMS的电池安全管理方法。
本发明的第四方面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,当其在计算机上运行时,使得计算机执行上述的基于BMS的电池安全管理方法。
本发明提供的技术方案中,基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。本发明构建了分别针对温度、电流和电压的数据处理模型,通过电池热效应分析模型对温度数据进行处理,提高了对电池温度的检测能力,以及通过电池充放电状态分析模型对电压数据和电流数据进行分析,提高了对电池的电流电压的分析能力,并通过两个模型的分析结果进行综合分析,从而提高了电池充放电过程中的安全性。
附图说明
图1为本发明实施例中基于BMS的电池安全管理方法的一个实施例示意图;
图2为本发明实施例中基于BMS的电池安全管理方法的另一个实施例示意图;
图3为本发明实施例中基于BMS的电池安全管理装置的一个实施例示意图;
图4为本发明实施例中基于BMS的电池安全管理装置的另一个实施例示意图;
图5为本发明实施例中基于BMS的电池安全管理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于BMS的电池安全管理方法、装置、设备及存储介质,用于提高电池充放电过程中的安全性。本发明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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于BMS的电池安全管理方法的一个实施例包括:
101、基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到目标电池对应的电池状态数据;
可以理解的是,本发明的执行主体可以为基于BMS的电池安全管理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是,电池管理系统(BMS,battery management system)中包括多个监测器,多个监测器包括温度监测器、电流监测器和电压监测器,该温度监测器用于采集目标电池充放电过程中的温度变化,电流监测器用于采集目标电池充放电过程中的电流变化,电压监测器用于采集目标电池充放电过程中的电压变化。预设时间段是指将目标电池的充放电过程采取分时间段的充放电过程,本发明中可以将预设时间段设置为1小时,服务器通过上述的三类监测器采集当前预设时间段的状态数据,也就是该目标电池最近的1小时这个时间段的充放电数据,得到电池状态数据。
102、对电池状态数据进行数据筛选和数据分类,得到电池状态数据中的温度数据、电流数据和电压数据;
需要说明的是,多个监测器采集到的初始数据中存在一些偏差值较大的数据,因此多个电池状态数据中存在一些误差数据,需要对该电池状态数据进行筛选和分类,具体筛选和分类过程包括:对电池状态数据进行数据清洗处理、去噪处理、数据插值处理等,处理完的数据成为标准的数据,需要按照温度、电流、电压对应的标签将这些数据提取出来,得到电池状态数据中的温度数据、电流数据和电压数据。
103、根据温度数据生成温度数据对应的温度时序向量,并根据电流数据生成电流数据对应的电流时序向量,以及根据电压数据生成电压数据对应的电压时序向量;
具体的,服务器根据温度数据生成温度数据对应的温度时序向量,并根据电流数据生成电流数据对应的电流时序向量,以及根据电压数据生成电压数据对应的电压时序向量。服务器首先将采集到的温度数据按照时间轴对应的顺序进行排列,生成温度数据序列,然后对温度数据序列进行向量的转换,得到温度时序向量;服务器将采集到的电流数据按照时间轴对应的顺序进行排列,生成电流数据序列,然后对电流数据序列进行向量的转换,得到电流时序向量;服务器将采集到的电压数据按照时间轴对应的顺序进行排列,生成电压数据序列,然后对电压数据序列进行向量的转换,得到电压时序向量。
104、将温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,温度检测结果用于指示目标电池在当前预设时间段是否出现温度过热;
具体的,预置的电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层,其中,嵌入层用于对温度时序向量进行独热向量编码,独热向量编码可以使温度时序向量能够被电池热效应分析模型所识别,每一层门限循环单元对应的计算公式如下:
Rt=σ(Wr[xt,ht-1]+br),Zt=σ(Wz[xt,ht-1]+bz);
其中,Rt为重置门控制向量,σ表示sigmoid函数,Wr、br为训练参数向量,xt为t时刻的温度时序向量,ht-1为xt-1对应的门限循环单元输出的特征向量;Zt为更新门控制向量,Wz、bz为训练参数;
本实施例中,对于嵌入层输出的独热编码向量,将所述独热编码向量输入第一层门限循环单元,所述第一层门限循环单元的计算公式为:
R t =σ(W r [x t ,h t-1]+b r );
Z t =σ(W z [x t ,h t-1]+b z );
其中R t 为重置门控制向量,Z t 为更新门控制向量,为候选隐状态向量,h t 为输出向量。W r ,b r ,W z ,b z ,W hx ,W hh ,b h 为模型训练参数。σ为sigmoid函数,tanh为双曲正切函数。门限循环单元为双层双向的门限循环单元构成,将每个时间戳的首层门限循环单元,输出结果再接入第二层门限循环单元,两层门限循环单元的结构相同。
具体的,服务器最终输出温度检测结果,该温度检测结果用于指示目标电池在当前预设时间段是否出现温度过热。
105、对电流时序向量和电压时序向量进行拼接处理,得到拼接向量,并将拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;
具体的,服务器对电流时序向量和电压时序向量进行拼接处理,得到拼接向量,服务器按照电流时序向量在前,电压时序向量在后进行拼接,得到拼接向量,其中,预置的电池充放电状态分析模型包括编码器和解码器,变分自编码器是由两个部分组成,第一部分是推断网络,用于原始输入数据的变分推断,生成隐变量的变分概率分布;第二部分是生成网络,它是根据生成的隐变量变分概率分布还原为原始数据的近似概率分布。变分自编码器的“编码器”和“解码器”的输出都是受参数约束变量的概率密度分布,本实施例中的编码器和解码器是对普通变分自编码器中的神经网络增加了反向循环连接,使其不仅具有普通变分自编码器的优点还使其根据输入模型的特征来描述其预测结果。
106、根据温度检测结果和充放电状态分析结果生成目标电池下一预设时间段的安全充放电策略,并根据BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。
具体的,服务器基于该温度检测结果和该充放电分析结果生成目标电池在下一个预设时间段的充放电策略,具体的安全充放电策略例如:若该温度检测结果为该目标电池的电池过热,该充放电分析结果为该目标电池的电流电压偏高,则下一预设时间段的安全充放电策略为调低电流电压,控制电池散热速度为高速。服务器根据BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。
本发明实施例中,基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到目标电池对应的电池状态数据;对电池状态数据进行数据筛选和数据分类,得到电池状态数据中的温度数据、电流数据和电压数据;根据温度数据生成温度数据对应的温度时序向量,并根据电流数据生成电流数据对应的电流时序向量,以及根据电压数据生成电压数据对应的电压时序向量;将温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,温度检测结果用于指示目标电池在当前预设时间段是否出现温度过热;对电流时序向量和电压时序向量进行拼接处理,得到拼接向量,并将拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据温度检测结果和充放电状态分析结果生成目标电池下一预设时间段的安全充放电策略,并根据BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。本发明构建了分别针对温度、电流和电压的数据处理模型,通过电池热效应分析模型对温度数据进行处理,提高了对电池温度的检测能力,以及通过电池充放电状态分析模型对电压数据和电流数据进行分析,提高了对电池的电流电压的分析能力,并通过两个模型的分析结果进行综合分析,从而提高了电池充放电过程中的安全性。
请参阅图2,本发明实施例中基于BMS的电池安全管理方法的另一个实施例包括:
201、基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到目标电池对应的电池状态数据;
可选的,服务器基于预置的BMS系统中的多个监测器实时监测当前预设时间段中预置待处理的目标电池的工作状态信息,其中,多个监测器包括温度监测器、电流监测器和电压监测器,该温度监测器用于采集目标电池充放电过程中的温度变化,电流监测器用于采集目标电池充放电过程中的电流变化,电压监测器用于采集目标电池充放电过程中的电压变化,工作状态信息包括该电池的温度、电流以及电压数据;服务器将工作状态信息存储至预置数据库中,其中,该数据库是基于该电池的历史工作状态信息构成的数据库,服务器在数据库中对工作状态信息进行数据信息标记,得到工作状态信息中的每个数据对应的数据标签,其中,服务器对该工作状态信息中的温度信息标记上温度信息的标签,服务器对该工作状态信息中的电流信息标记上电流信息的标签,服务器对该工作状态信息中的电压信息标记上电压信息的标签;服务器根据工作状态信息和数据标签生成目标电池对应的电池状态数据,其中,服务器分别将带有同一标记信息的标签数据组合成为一个数据集,得到电池状态数据。
202、对电池状态数据进行数据筛选和数据分类,得到电池状态数据中的温度数据、电流数据和电压数据;
可选的,服务器按照数据标签对电池状态数据进行数据标签分类,得到初始温度数据、初始电流数据和初始电压数据,服务器将带有同一数据标签的电池状态数据组成一个数据集合,分别得到温度数据集(也就是,初始电流数据),电流数据集(也就是,初始电流数据)以及电压数据集(也就是,初始电压数据);服务器分别对初始温度数据、初始电流数据和初始电压数据进行数据清洗处理,得到数据清洗后的温度数据、数据清洗后的电流数据和数据清洗后的电压数据,初始温度数据、初始电流数据和初始电压数据中存在一些误差数据,需要对数据进行筛选和分类,具体筛选和分类过程包括:服务器进行数据清洗处理、去噪处理、数据插值处理等,处理完的数据成为标准的数据,需要按照温度、电流、电压对应的标签将这些数据提取出来;服务器分别对数据清洗后的温度数据、数据清洗后的电流数据和数据清洗后的电压数据进行数据标准化处理,得到电池状态数据中的温度数据、电流数据和电压数据。
203、根据温度数据生成温度数据对应的温度时序向量,并根据电流数据生成电流数据对应的电流时序向量,以及根据电压数据生成电压数据对应的电压时序向量;
可选的,服务器获取当前预设时间段的时间轴数据;服务器按照时间轴数据对温度数据进行时序分布排列,得到温度数据序列,并将温度数据序列转换为向量格式,生成温度时序向量;服务器按照时间轴数据对电流数据进行时序分布排列,得到电流数据序列,并将电流数据序列转换为向量格式,生成电流时序向量;服务器按照时间轴数据对电压数据进行时序分布排列,得到电压数据序列,并将电压数据序列转换为向量格式,生成电压时序向量。
具体的,服务器首先将采集到的温度数据按照时间轴对应的顺序进行排列,生成温度数据序列,然后对温度数据序列进行向量的转换,得到温度时序向量;服务器将采集到的电流数据按照时间轴对应的顺序进行排列,生成电流数据序列,然后对电流数据序列进行向量的转换,得到电流时序向量;服务器将采集到的电压数据按照时间轴对应的顺序进行排列,生成电压数据序列,然后对电压数据序列进行向量的转换,得到电压时序向量。
204、将温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,温度检测结果用于指示目标电池在当前预设时间段是否出现温度过热;
可选的,服务器将温度时序向量输入预置的电池热效应分析模型,其中,电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层;服务器通过嵌入层对温度时序向量进行向量转换,得到温度编码向量;服务器将温度编码向量输入双层门限循环单元进行特征提取,输出温度特征向量;服务器将温度特征向量输入两层全连接层进行特征分类和整合,输出目标电池在当前预设时间段出现温度过热的温度概率值;服务器判断温度概率值是否超过预设目标值;若超过,则服务器确定温度检测结果为目标电池在当前预设时间段出现温度过热;若不超过,则服务器确定温度检测结果为目标电池在当前预设时间段未出现温度过热。例如:当预设目标值设置为0.6时,如果该温度概率值为0.5,则确定该温度概率值小于该预设目标值,输出该检测结果为目标电池在当前预设时间段未出现温度过热;如果该温度概率值为0.8,则确定该温度概率值大于该预设目标值,输出该检测结果为目标电池在当前预设时间段出现温度过热。
可选的,服务器将温度特征向量输入第一层全连接层,通过第一层全连接层对温度特征向量进行ReLU函数运算,输出温度特征值;服务器将温度特征值输入第二层全连接层,对温度特征值进行sigmiod函数运算,输出目标电池在当前预设时间段出现温度过热的温度概率值。
其中,第一层全连接层采用ReLU函数,第一层全连接层的计算公式为:D1=tanh(Wd1ht+bd1),D1表示第一层全连接层的输出结果,tanh表示双曲正切函数,ht为两层门限循环单元的输出向量,Wd1、bd1为训练参数;
第二层全连接层采用sigmiod函数,第二层全连接层的计算公式为:D2=σ(Wd2D1+bd2),D2表示第二层全连接层的输出结果,σ表示sigmoid函数,Wd2、bd2为训练参数,D2的输出值范围为(0,1)。
205、按照预置的拼接策略对电流时序向量和电压时序向量进行拼接,得到拼接向量;
具体的,预置的拼接策略为电流时序向量在前,电压时序向量在后。例如:当电流时序向量为[1,2,1,2,2],电压时序向量为[5,6,5,6,6]时,对该电流时序向量和该电压时序向量进行拼接,得到拼接向量为[1,2,1,2,2,5,6,5,6,6]。
206、将拼接向量输入预置的电池充放电状态分析模型中,其中,电池充放电状态分析模型包括:编码器和解码器;
需要说明的是,该电池充放电状态分析模型包括编码器和解码器,该编码器采用一个双向门限循环单元结构,其结构由256个GRU单元构成,其前向输出一个隐藏编码向量,后向输出一个隐藏编码向量,前向和后向隐藏编码向量相连得到隐藏隐码向量;该解码器由两层GRU组成,第一层为指挥层由一个单向GRU连接而成,共有256个GRU单元,第二层(发散层)GRU单元结构,发散层中含有256组单向GRU连接,每组单向GRU连接含有16个GRU单元,该解码器最终输出一个概率值,该概率值用于指示目标电池的电流、电压是否出现异常。
207、将拼接向量输入编码器进行向量编码,得到隐藏编码向量;
208、将隐藏编码向量输入解码器进行向量解码,输出充放电状态分析结果,其中,充放电状态分析结果用于指示目标电池的电流、电压是否出现异常;
具体的,该编码器和该解码器是对普通变分自编码器中的神经网络增加了反向循环连接,使其不仅具有普通变分自编码器的优点还使其根据输入模型的特征来描述该目标电池的电流、电压的异常检测结果。
209、根据温度检测结果和充放电状态分析结果生成目标电池下一预设时间段的安全充放电策略,并根据BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。
具体的,服务器基于该温度检测结果和该充放电分析结果生成目标电池在下一个预设时间段的充放电策略,具体的安全充放电策略例如:若该温度检测结果为该目标电池的电池过热,该充放电分析结果为该目标电池的电流电压偏高,则下一预设时间段的安全充放电策略为调低电流电压,控制电池散热速度为高速。服务器根据BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。
本发明实施例中,基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到目标电池对应的电池状态数据;对电池状态数据进行数据筛选和数据分类,得到电池状态数据中的温度数据、电流数据和电压数据;根据温度数据生成温度数据对应的温度时序向量,并根据电流数据生成电流数据对应的电流时序向量,以及根据电压数据生成电压数据对应的电压时序向量;将温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,温度检测结果用于指示目标电池在当前预设时间段是否出现温度过热;对电流时序向量和电压时序向量进行拼接处理,得到拼接向量,并将拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据温度检测结果和充放电状态分析结果生成目标电池下一预设时间段的安全充放电策略,并根据BMS系统执行安全充放电策略以控制所目标电池下一预设时间段的充放电过程。本发明构建了分别针对温度、电流和电压的数据处理模型,通过电池热效应分析模型对温度数据进行处理,提高了对电池温度的检测能力,以及通过电池充放电状态分析模型对电压数据和电流数据进行分析,提高了对电池的电流电压的分析能力,并通过两个模型的分析结果进行综合分析,从而提高了电池充放电过程中的安全性。
上面对本发明实施例中基于BMS的电池安全管理方法进行了描述,下面对本发明实施例中基于BMS的电池安全管理装置进行描述,请参阅图3,本发明实施例中基于BMS的电池安全管理装置一个实施例包括:
采集模块301,用于基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;
处理模块302,用于对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;
生成模块303,用于根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;
检测模块304,用于将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;
分析模块305,用于对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;
控制模块306,用于根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。
本发明实施例中,基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。本发明构建了分别针对温度、电流和电压的数据处理模型,通过电池热效应分析模型对温度数据进行处理,提高了对电池温度的检测能力,以及通过电池充放电状态分析模型对电压数据和电流数据进行分析,提高了对电池的电流电压的分析能力,并通过两个模型的分析结果进行综合分析,从而提高了电池充放电过程中的安全性。
请参阅图4,本发明实施例中基于BMS的电池安全管理装置另一个实施例包括:
采集模块301,用于基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;
处理模块302,用于对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;
生成模块303,用于根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;
检测模块304,用于将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;
分析模块305,用于对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;
控制模块306,用于根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。
可选的,采集模块301具体用于:基于预置的BMS系统中的多个监测器实时监测当前预设时间段中预置待处理的目标电池的工作状态信息;将所述工作状态信息存储至预置数据库中,并在所述数据库中对所述工作状态信息进行数据信息标记,得到所述工作状态信息中的每个数据对应的数据标签;根据所述工作状态信息和所述数据标签生成所述目标电池对应的电池状态数据。
可选的,处理模块302具体用于:按照所述数据标签对所述电池状态数据进行数据标签分类,得到初始温度数据、初始电流数据和初始电压数据;分别对所述初始温度数据、所述初始电流数据和所述初始电压数据进行数据清洗处理,得到数据清洗后的温度数据、数据清洗后的电流数据和数据清洗后的电压数据;分别对所述数据清洗后的温度数据、所述数据清洗后的电流数据和所述数据清洗后的电压数据进行数据标准化处理,得到所述电池状态数据中的温度数据、电流数据和电压数据。
可选的,生成模块303具体用于:获取所述当前预设时间段的时间轴数据;按照所述时间轴数据对所述温度数据进行时序分布排列,得到温度数据序列,并将所述温度数据序列转换为向量格式,生成温度时序向量;按照所述时间轴数据对所述电流数据进行时序分布排列,得到电流数据序列,并将所述电流数据序列转换为向量格式,生成电流时序向量;按照所述时间轴数据对所述电压数据进行时序分布排列,得到电压数据序列,并将所述电压数据序列转换为向量格式,生成电压时序向量。
可选的,检测模块304还包括:
处理单元3041,用于将所述温度时序向量输入预置的电池热效应分析模型,其中,所述电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层;通过所述嵌入层对所述温度时序向量进行向量转换,得到温度编码向量;将所述温度编码向量输入所述双层门限循环单元进行特征提取,输出温度特征向量;
输出单元3042,用于将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值;
判断单元3043,用于判断所述温度概率值是否超过预设目标值;若超过,则确定温度检测结果为所述目标电池在当前预设时间段出现温度过热;若不超过,则确定温度检测结果为所述目标电池在当前预设时间段未出现温度过热。
可选的,输出单元3042具体用于:将所述温度特征向量输入第一层全连接层,通过所述第一层全连接层对所述温度特征向量进行ReLU函数运算,输出温度特征值;将所述温度特征值输入第二层全连接层,对所述温度特征值进行sigmiod函数运算,输出所述目标电池在当前预设时间段出现温度过热的温度概率值。
可选的,分析模块305具体用于:按照预置的拼接策略对所述电流时序向量和所述电压时序向量进行拼接,得到拼接向量;将所述拼接向量输入预置的电池充放电状态分析模型中,其中,所述电池充放电状态分析模型包括:编码器和解码器;将所述拼接向量输入所述编码器进行向量编码,得到隐藏编码向量;将所述隐藏编码向量输入所述解码器进行向量解码,输出充放电状态分析结果,其中,所述充放电状态分析结果用于指示所述目标电池的电流、电压是否出现异常。
本发明实施例中,基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程。本发明构建了分别针对温度、电流和电压的数据处理模型,通过电池热效应分析模型对温度数据进行处理,提高了对电池温度的检测能力,以及通过电池充放电状态分析模型对电压数据和电流数据进行分析,提高了对电池的电流电压的分析能力,并通过两个模型的分析结果进行综合分析,从而提高了电池充放电过程中的安全性。
上面图3和图4从模块化功能实体的角度对本发明实施例中的基于BMS的电池安全管理装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于BMS的电池安全管理设备进行详细描述。
图5是本发明实施例提供的一种基于BMS的电池安全管理设备的结构示意图,该基于BMS的电池安全管理设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于BMS的电池安全管理设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在基于BMS的电池安全管理设备500上执行存储介质530中的一系列指令操作。
基于BMS的电池安全管理设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的基于BMS的电池安全管理设备结构并不构成对基于BMS的电池安全管理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种基于BMS的电池安全管理设备,所述基于BMS的电池安全管理设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于BMS的电池安全管理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性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,当所述指令在计算机上运行时,使得计算机执行所述基于BMS的电池安全管理方法的步骤。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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:其依然可以对前述各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各实施例技术方案的精神和范围。
Claims (9)
1.一种基于BMS的电池安全管理方法,其特征在于,所述基于BMS的电池安全管理方法包括:
基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;
对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;具体的,对所述电池状态数据进行数据筛选和数据分类,具体包括:数据清洗处理、去噪处理和数据插值处理,处理完的数据成为标准的数据,按照温度、电流、电压对应的标签进行数据提取以及数据标准化处理,得到所述电池状态数据中的温度数据、电流数据和电压数据;
根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;
将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;其中,所述将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热,包括:将所述温度时序向量输入预置的电池热效应分析模型,其中,所述电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层;通过所述嵌入层对所述温度时序向量进行向量转换,得到温度编码向量;将所述温度编码向量输入所述双层门限循环单元进行特征提取,输出温度特征向量;将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值;判断所述温度概率值是否超过预设目标值;若超过,则确定温度检测结果为所述目标电池在当前预设时间段出现温度过热;若不超过,则确定温度检测结果为所述目标电池在当前预设时间段未出现温度过热;
对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;
根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程;具体的,所述安全充放电策略为:若所述温度检测结果为所述目标电池的电池过热,所述充放电分析结果为所述目标电池的电流电压偏高,则下一预设时间段的安全充放电策略为调低电流电压,控制电池散热速度为高速;通过BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。
2.根据权利要求1所述的基于BMS的电池安全管理方法,其特征在于,所述基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据,包括:
基于预置的BMS系统中的多个监测器实时监测当前预设时间段中预置待处理的目标电池的工作状态信息;
将所述工作状态信息存储至预置数据库中,并在所述数据库中对所述工作状态信息进行数据信息标记,得到所述工作状态信息中的每个数据对应的数据标签;
根据所述工作状态信息和所述数据标签生成所述目标电池对应的电池状态数据。
3.根据权利要求2所述的基于BMS的电池安全管理方法,其特征在于,所述对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据,包括:
按照所述数据标签对所述电池状态数据进行数据标签分类,得到初始温度数据、初始电流数据和初始电压数据;
分别对所述初始温度数据、所述初始电流数据和所述初始电压数据进行数据清洗处理,得到数据清洗后的温度数据、数据清洗后的电流数据和数据清洗后的电压数据;
分别对所述数据清洗后的温度数据、所述数据清洗后的电流数据和所述数据清洗后的电压数据进行数据标准化处理,得到所述电池状态数据中的温度数据、电流数据和电压数据。
4.根据权利要求1所述的基于BMS的电池安全管理方法,其特征在于,所述根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量,包括:
获取所述当前预设时间段的时间轴数据;
按照所述时间轴数据对所述温度数据进行时序分布排列,得到温度数据序列,并将所述温度数据序列转换为向量格式,生成温度时序向量;
按照所述时间轴数据对所述电流数据进行时序分布排列,得到电流数据序列,并将所述电流数据序列转换为向量格式,生成电流时序向量;
按照所述时间轴数据对所述电压数据进行时序分布排列,得到电压数据序列,并将所述电压数据序列转换为向量格式,生成电压时序向量。
5.根据权利要求1所述的基于BMS的电池安全管理方法,其特征在于,所述将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值,包括:
将所述温度特征向量输入第一层全连接层,通过所述第一层全连接层对所述温度特征向量进行ReLU函数运算,输出温度特征值;
将所述温度特征值输入第二层全连接层,对所述温度特征值进行sigmiod函数运算,输出所述目标电池在当前预设时间段出现温度过热的温度概率值。
6.根据权利要求1-5中任一项所述的基于BMS的电池安全管理方法,其特征在于,所述对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果,包括:
按照预置的拼接策略对所述电流时序向量和所述电压时序向量进行拼接,得到拼接向量;
将所述拼接向量输入预置的电池充放电状态分析模型中,其中,所述电池充放电状态分析模型包括:编码器和解码器;
将所述拼接向量输入所述编码器进行向量编码,得到隐藏编码向量;
将所述隐藏编码向量输入所述解码器进行向量解码,输出充放电状态分析结果,其中,所述充放电状态分析结果用于指示所述目标电池的电流、电压是否出现异常。
7.一种基于BMS的电池安全管理装置,其特征在于,所述基于BMS的电池安全管理装置包括:
采集模块,用于基于预置的BMS系统采集当前预设时间段预置待处理的目标电池充放电过程对应的状态数据,得到所述目标电池对应的电池状态数据;
处理模块,用于对所述电池状态数据进行数据筛选和数据分类,得到所述电池状态数据中的温度数据、电流数据和电压数据;具体的,对所述电池状态数据进行数据筛选和数据分类,具体包括:数据清洗处理、去噪处理和数据插值处理,处理完的数据成为标准的数据,按照温度、电流、电压对应的标签进行数据提取以及数据标准化处理,得到所述电池状态数据中的温度数据、电流数据和电压数据;
生成模块,用于根据所述温度数据生成所述温度数据对应的温度时序向量,并根据所述电流数据生成所述电流数据对应的电流时序向量,以及根据所述电压数据生成所述电压数据对应的电压时序向量;
检测模块,用于将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热;其中,所述将所述温度时序向量输入预置的电池热效应分析模型进行温度数据处理,得到温度检测结果,其中,所述温度检测结果用于指示所述目标电池在当前预设时间段是否出现温度过热,包括:将所述温度时序向量输入预置的电池热效应分析模型,其中,所述电池热效应分析模型包括嵌入层、双层门限循环单元、两层全连接层;通过所述嵌入层对所述温度时序向量进行向量转换,得到温度编码向量;将所述温度编码向量输入所述双层门限循环单元进行特征提取,输出温度特征向量;将所述温度特征向量输入所述两层全连接层进行特征分类和整合,输出所述目标电池在当前预设时间段出现温度过热的温度概率值;判断所述温度概率值是否超过预设目标值;若超过,则确定温度检测结果为所述目标电池在当前预设时间段出现温度过热;若不超过,则确定温度检测结果为所述目标电池在当前预设时间段未出现温度过热;
分析模块,用于对所述电流时序向量和所述电压时序向量进行拼接处理,得到拼接向量,并将所述拼接向量输入预置的电池充放电状态分析模型进行充放电状态分析,得到充放电状态分析结果;
控制模块,用于根据所述温度检测结果和所述充放电状态分析结果生成所述目标电池下一预设时间段的安全充放电策略,并根据所述BMS系统执行所述安全充放电策略以控制所述目标电池下一预设时间段的充放电过程;具体的,所述安全充放电策略为:若所述温度检测结果为所述目标电池的电池过热,所述充放电分析结果为所述目标电池的电流电压偏高,则下一预设时间段的安全充放电策略为调低电流电压,控制电池散热速度为高速;通过BMS系统执行安全充放电策略以控制目标电池下一预设时间段的充放电过程。
8.一种基于BMS的电池安全管理设备,其特征在于,所述基于BMS的电池安全管理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于BMS的电池安全管理设备执行如权利要求1-6中任一项所述的基于BMS的电池安全管理方法。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-6中任一项所述的基于BMS的电池安全管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648361.1A CN114744309B (zh) | 2022-06-09 | 2022-06-09 | 基于bms的电池安全管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648361.1A CN114744309B (zh) | 2022-06-09 | 2022-06-09 | 基于bms的电池安全管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114744309A CN114744309A (zh) | 2022-07-12 |
CN114744309B true CN114744309B (zh) | 2022-09-02 |
Family
ID=82287210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210648361.1A Active CN114744309B (zh) | 2022-06-09 | 2022-06-09 | 基于bms的电池安全管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114744309B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826645B (zh) * | 2023-02-16 | 2023-04-18 | 北京新科以仁科技发展有限公司 | 一种激光器的温度控制方法、装置、设备及存储介质 |
CN116879788A (zh) * | 2023-07-04 | 2023-10-13 | 广东鸿昊升能源科技有限公司 | 一种储能电柜安全性检测方法、装置、设备及存储介质 |
CN117239264B (zh) * | 2023-11-15 | 2024-01-26 | 深圳市百酷新能源有限公司 | 一种电池的安全控制方法、装置、智能电池和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143105A (zh) * | 2018-09-05 | 2019-01-04 | 上海海事大学 | 一种电动汽车锂离子电池的荷电状态计算方法 |
CN110244238A (zh) * | 2018-03-09 | 2019-09-17 | 宁德时代新能源科技股份有限公司 | 电池健康状态检测方法、系统及计算机可读存储介质 |
CN111832220A (zh) * | 2020-06-16 | 2020-10-27 | 天津大学 | 一种基于编解码器模型的锂离子电池健康状态估算方法 |
WO2021053976A1 (ja) * | 2019-09-19 | 2021-03-25 | 住友電気工業株式会社 | 電池監視システム、電池モジュール、電池管理装置、管理方法、及び車両 |
CN112666479A (zh) * | 2020-12-02 | 2021-04-16 | 西安交通大学 | 一种基于充电循环融合的电池寿命预测方法 |
CN113687242A (zh) * | 2021-09-29 | 2021-11-23 | 温州大学 | 基于ga算法优化改进gru神经网络的锂离子电池soh估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364743B (zh) * | 2008-06-23 | 2010-12-08 | 华为终端有限公司 | 一种移动设备及其充电方法 |
KR102399602B1 (ko) * | 2017-08-17 | 2022-05-18 | 삼성전자주식회사 | 배터리 상태 추정 방법 및 장치 |
US11555859B2 (en) * | 2020-09-10 | 2023-01-17 | Toyota Research Institute, Inc. | Vehicle battery analysis system |
-
2022
- 2022-06-09 CN CN202210648361.1A patent/CN114744309B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244238A (zh) * | 2018-03-09 | 2019-09-17 | 宁德时代新能源科技股份有限公司 | 电池健康状态检测方法、系统及计算机可读存储介质 |
CN109143105A (zh) * | 2018-09-05 | 2019-01-04 | 上海海事大学 | 一种电动汽车锂离子电池的荷电状态计算方法 |
WO2021053976A1 (ja) * | 2019-09-19 | 2021-03-25 | 住友電気工業株式会社 | 電池監視システム、電池モジュール、電池管理装置、管理方法、及び車両 |
CN111832220A (zh) * | 2020-06-16 | 2020-10-27 | 天津大学 | 一种基于编解码器模型的锂离子电池健康状态估算方法 |
CN112666479A (zh) * | 2020-12-02 | 2021-04-16 | 西安交通大学 | 一种基于充电循环融合的电池寿命预测方法 |
CN113687242A (zh) * | 2021-09-29 | 2021-11-23 | 温州大学 | 基于ga算法优化改进gru神经网络的锂离子电池soh估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114744309A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114744309B (zh) | 基于bms的电池安全管理方法、装置、设备及存储介质 | |
CN114297936A (zh) | 一种数据异常检测方法及装置 | |
CN111160621B (zh) | 一种融合多源信息的短期风电功率预测方法 | |
CN115826645B (zh) | 一种激光器的温度控制方法、装置、设备及存储介质 | |
Mohammadi et al. | Machine learning assisted stochastic unit commitment during hurricanes with predictable line outages | |
CN117237349B (zh) | 电池管理系统的热失控防护方法、装置、设备及存储介质 | |
Luan et al. | Out-of-distribution detection for deep neural networks with isolation forest and local outlier factor | |
CN115099684A (zh) | 企业安全生产管理系统及其管理方法 | |
CN114266301A (zh) | 基于图卷积神经网络的电力设备故障智能预测方法 | |
Sturlaugson et al. | Principal component analysis preprocessing with Bayesian networks for battery capacity estimation | |
CN115618248A (zh) | 公共建筑的负荷异常识别方法、装置、存储介质及设备 | |
Satapathy et al. | Class point approach for software effort estimation using stochastic gradient boosting technique | |
CN116934304A (zh) | 智能配电房设备运行维护管理系统及其方法 | |
CN115891741B (zh) | 一种适用于电动汽车充电过程的远程故障预警方法及装置 | |
CN116248472A (zh) | 基于神经霍克斯过程的云边端系统故障预测方法 | |
JP2004530980A (ja) | 多変数ファジー・システムのためのフーリエ級数ベースの自動生成システムおよび方法 | |
Da Silva et al. | Well-being analysis for composite generation and transmission systems based on pattern recognition techniques | |
Zaitseva et al. | Reliability evaluation of multi-state system based on incompletely specified data and structure function | |
CN114066239A (zh) | 一种用户用电量异常检测方法及装置 | |
Du et al. | OctopusKing: A TCT-aware task scheduling on spark platform | |
KR20210020442A (ko) | 사용자의 사용특성을 고려한 전력 사용량 예측 알고리즘 | |
CN115329906B (zh) | 一种基于图正则化网络的故障诊断方法及装置 | |
CN117439146B (zh) | 充电桩的数据分析控制方法及系统 | |
CN116466672B (zh) | 基于人工智能的数据中心机房参数调控方法及相关装置 | |
CN116934041B (zh) | 一种基于物联网协同的工厂任务管理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information |
Inventor after: Cao Yongle Inventor after: Li Qing Inventor after: Zhong Qishui Inventor before: Cao Yongle |
|
CB03 | Change of inventor or designer information |