CN115184807A - 电池的故障检测方法、装置、设备、介质和产品 - Google Patents
电池的故障检测方法、装置、设备、介质和产品 Download PDFInfo
- Publication number
- CN115184807A CN115184807A CN202210785681.1A CN202210785681A CN115184807A CN 115184807 A CN115184807 A CN 115184807A CN 202210785681 A CN202210785681 A CN 202210785681A CN 115184807 A CN115184807 A CN 115184807A
- Authority
- CN
- China
- Prior art keywords
- battery
- fault
- fault type
- battery state
- detection model
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 149
- 230000005856 abnormality Effects 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 14
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 229910052744 lithium Inorganic materials 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 208000032953 Device battery issue Diseases 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000032677 cell aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
- G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种电池的故障检测方法、装置、设备、介质和产品。该电池的故障检测方法包括：获取电池管理系统发送的电池状态参数；将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果；响应于所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；其中，所述知识图谱为电池的故障类型、电池状态参数和故障原因的对应关系图谱。以实现高效的对电池的故障进行检测的效果。
Description
技术领域
本申请涉及汽车领域，具体涉及一种电池的故障检测方法、装置、设备、介质和产品。
背景技术
电池在应用的过程中，可能会发生压差过大、温升过快、内部短路、外部短路、传感器故障等诸多故障。当故障发生后，则需要立即对故障进行检测，以排除故障，保障电池的安全使用。
目前，对电池的故障检测通常是人为对其进行检测，如此导致电池的故障检测时间较长、效率低下。
发明内容
本申请实施例的目的是提供一种电池的故障检测方法、装置、设备、介质和产品，以实现高效的对电池的故障进行检测的效果。
本申请的技术方案如下：
第一方面，提供了一种电池的故障检测方法，该方法包括：
获取电池管理系统发送的电池状态参数；
将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果；
响应于所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；
其中，所述知识图谱为电池的故障类型、电池状态参数和故障原因的对应关系图谱。
第二方面，提供了一种电池的故障检测装置，该装置包括：
第一获取模块，用于获取电池管理系统发送的电池状态参数；
第一确定模块，用于将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果；
查找模块，用于响应于所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；其中，所述知识图谱为电池的故障类型、电池状态参数和故障原因的对应关系图谱。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现本申请实施例任一所述的电池的故障检测方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现本申请实施例任一所述的电池的故障检测方法的步骤。
第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本申请实施例任一所述的电池的故障检测方法的步骤。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请实施例中，通过将获取的电池管理系统发送的电池状态参数输入至预先训练好的异常检测模型中，可直接得到电池的异常检测结果，如此可基于异常检测模型可快速对电池的故障进行检测，提升了对电池的故障检测的效率，然后通过响应于异常检测结果为电池存在第一故障类型的故障，可直接从知识图谱中查找与第一故障类型以及电池状态参数对应的故障原因，如此可快速得到电池故障的类型以及故障的原因，也提升了电池故障原因的确定效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
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，并不构成对本申请的不当限定。
图1是本申请第一方面实施例提供的一种电池的故障检测方法的流程示意图之一；
图2是本申请第一方面实施例提供的一种电池的故障检测方法的流程示意图之二；
图3是本申请第二方面实施例提供的一种电池的故障检测装置的结构示意图；
图4是本申请第三方面实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，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”等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能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。
如背景技术部分所述，现有技术中存在电池的故障检测时间较长、效率低下的问题，为了解决上述问题，本申请实施例提供了一种电池的故障检测方法、装置、设备、介质和产品，通过将获取的电池管理系统发送的电池状态参数输入至预先训练好的异常检测模型中，可直接得到电池的异常检测结果，如此可基于异常检测模型可快速对电池的故障进行检测，提升了对电池的故障检测的效率，然后通过响应于异常检测结果为电池存在第一故障类型的故障，可直接从知识图谱中查找与第一故障类型以及电池状态参数对应的故障原因，如此可快速得到电池故障的类型以及故障的原因，也提升了电池故障原因的确定效率。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的电池的故障检测方法进行详细地说明。
图1是本申请实施例所提供的一种电池的故障检测方法的流程示意图，该电池的故障检测方法的执行主体可以为服务器。需要说明的是，上述执行主体并不构成对本申请的限定。
如图1所示，本申请实施例提供的电池的故障检测方法可以包括步骤110-步骤130。
步骤110、获取电池管理系统发送的电池状态参数。
其中，电池状态参数可以是通过电池管理系统(Battery Management System，BMS)采集的。该电池状态参数可以但不限于是：电池的总电压、电池的电流、电池的荷电状态(State of Charge，SOC)、电池的温度、电池的单体电压、电池的探针温度、电池的绝缘阻值和电池的压力。
步骤120、将电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果。
其中，异常检测模型可以是用于检测电池的故障的模型。
异常检测结果可以是基于异常检测模型所检测出的电池的故障检测结果。这里的异常检测结果具体的可以是电池是否存在故障，以及存在故障的话，对应的故障类型。
在本申请的实施例中，可基于异常检测模型可快速对电池的故障进行检测，提升了对电池的故障检测的效率。
步骤130、响应于异常检测结果为电池存在第一故障类型的故障，从知识图谱中查找与第一故障类型以及电池状态参数对应的故障原因。
其中，第一故障类型可以是电池的多种故障类型中的一种。
在本申请的一些实施例中，对应于电池状态参数，电池的故障类型可以但不限于包括：压差过大、负极锂析出、内部短路、外部短路和传感器异常。
知识图谱可以为电池的故障类型、电池状态参数和故障原因的对应关系图谱。
故障原因可以是电池出现故障的原因。对应于电池状态参数，故障原因可以但不限于是：电芯老化、电滥用工况频繁、外部撞击和冷却系统损坏。
在本申请的实施例中，通过响应于异常检测结果为电池存在第一故障类型的故障，可直接从知识图谱中查找与第一故障类型以及电池状态参数对应的故障原因，如此可快速得到电池故障的类型以及故障的原因，也提升了电池故障原因的确定效率。
在本申请的一些实施例中，由于电池状态参数具有多种，故对其进行检测的模型也可以是多种，故异常检测模型中可以包括至少一个子检测模型，每个子检测模型可以对应至少一种种电池状态参数，每个子检测模型可以对应输出一种故障类型。
在本申请的一些实施例中，至少一个子检测模型可以但不限于包括：压差异常模型、析锂检测模型、内部短路模型和外部短路模型。
在本申请的一些实施例中，为了提升了电池故障检测的准确性，步骤120具体可以包括：
将电池状态参数输入至预先训练好的异常检测模型中的至少一个子检测模型中，基于至少一个子检测模型，得到电池的异常检测结果。
在本申请的一些实施例中，将电池状态参数输入至预先训练好的异常检测模型中的至少一个子检测模型中，然后多个子检测模型中的至少一个子检测模型可以输出电池的异常检测结果。
步骤130具体可以包括：
响应于第一子检测模型输出的异常检测结果为电池存在第一故障类型的故障。
其中，第一子检测模型可以为至少一个子检测模型中的至少一个。
第一故障类型可以为第一子检测模型检测出的故障类型。
在一个示例中，以电池存在压差过大故障为例，将电池状态参数输入至预先训练好的异常检测模型中的至少一个子检测模型中，基于异常检测模型中的压差异常模型可检测出电池存在故障，输出电池的异常检测结果(具体的可以是电池存在故障，故障类型为电池压差过大)。然后可从知识图谱中查找出与电池压差过大以及电池状态参数(具体的可以是电池的电压)对应的故障原因(例如可以是电芯老化)。
在本申请的实施例中，通过将电池状态参数输入至预先训练好的异常检测模型中的至少一个子检测模型中，基于至少一个子检测模型，可具体得到电池的异常检测结果，响应于第一子检测模型输出的异常检测结果为电池存在第一故障类型的故障，如此基于电池状态参数，根据具体的子检测模型可得到电池具体的异常检测结果，提高了电池故障检测的效率的同时，也提升了电池故障检测的准确性。
在本申请的一些实施例中，为了提高用户体验，在步骤130之后，上述所涉及的电池的故障检测方法还可以包括：
在确定从知识图谱中查找到与第一故障类型以及电池状态参数对应的故障原因的情况下，输出故障原因和/或对故障进行处理的处理策略；
在确定未从知识图谱中查找到与第一故障类型以及电池状态参数对应的故障原因的情况下，输出第一故障类型以及电池状态数据，以使用户对第一故障类型以及电池状态数据进行检测分析。
其中，处理策略可以是对检测出的电池的故障进行处理的方式。
在本申请的一些实施例中，针对电池的故障原因，其对应的处理策略可以但不限于包括：小电流充电恢复、更换电芯和修复冷却系统。
在一个示例中，若从知识图谱中查找到了第一故障类型对应的故障原因，则可直接输出故障原因和对该故障进行处理的处理策略。若从知识图谱中未查找到第一故障类型对应的故障原因，则可将该第一故障类型和电池状态数据都发送给专家，以使专家基于电池状态数据对第一故障类型的故障进行分析检测。
在本申请的实施例中，在确定可以从知识图谱中查找到与第一故障类型以及电池状态参数对应的故障原因的情况下，可以直接基于知识图谱输出故障原因和/或对故障进行处理的处理策略，如此可使用户直接基于故障原因和处理策略对故障进行处理，提升了售后人员处理故障的效率，降低了售后处理成本；在确定未从知识图谱中查找到与第一故障类型以及电池状态参数对应的故障原因的情况下，可基于知识图谱输出与第一故障类型以及电池状态数据，如此可使用户(具体的可以是专家)对第一故障类型以及电池状态数据进行检测分析，提升了用户体验。
在本申请的一些实施例中，为了进一步提升电池故障检测的效率和准确性，在用户第一故障类型以及电池状态数据进行检测分析之后，对上述所涉及的电池的故障检测方法还可以包括：
响应于用户对第一故障类型以及电池状态数据的检测分析结果，更新知识图谱。
其中，检测分析结果可以是用户(具体的可以是专家)对第一故障类型以及电池状态数据进行检测分析后所得到的结果。
在本申请的实施例中，通过响应于用户对第一故障类型以及电池状态数据的检测分析结果，更新知识图谱，如此丰富了知识图谱，便于后续再碰到与第一故障类型对应的故障时，可直接基于知识图谱得到与第一故障类型对应的故障原因和对故障进行处理的处理策略，提升了电池故障检测的效率和准确性。
在本申请的一些实施例中，本申请实施例所提供的电池的故障检测方法可以是应用于云端监控平台，该云端监控平台可以远程获取到电池状态参数，如此可远程对电池故障进行检测，提升了用户体验。
在本申请的一些实施例中，为了更加清晰的理解本申请实施例提供的电池的故障检测方法，本申请实施例提供了电池的故障检测方法的另一种可实现方式，如图2所示，本申请实施例提供的电池的故障检测方法可以包括步骤210-步骤280。
步骤210、云端监控平台实时获取电池管理系统发送的电池状态参数。
步骤220、将电池状态参数输入至预先训练好的异常检测模型中。
步骤230、通过异常检测模型中的至少一个子检测模型判断电池是否故障及故障类型，若无故障，则执行步骤240，若有故障，则执行步骤250。
步骤240、输出“暂未发现异常”。
步骤250、第一子检测模型输出第一故障类型，并将第一故障类型及电池状态参数输入至知识图谱。
步骤260、从知识图谱中是否查找到与第一故障类型以及电池状态参数对应的故障原因，若未查找到，则执行步骤270；若查找到，则执行步骤280。
步骤270、输出第一故障类型以及电池状态数据供用户检测分析，响应于用户对第一故障类型以及电池状态数据的检测分析结果，更新知识图谱。
步骤280、输出故障原因和/或对故障进行处理的处理策略。
需要说明的是，本申请实施例提供的电池的故障检测方法，执行主体可以为电池的故障检测装置，或者该电池的故障检测装置中的用于执行电池的故障检测方法的控制模块。
基于与上述的电池的故障检测方法相同的发明构思，本申请还提供了一种电池的故障检测装置。下面结合图3对本申请实施例提供的电池的故障检测装置进行详细说明。
图3是根据一示例性实施例示出的一种电池的故障检测装置的结构示意图。
如图3所示，该电池的故障检测装置300可以包括：
第一获取模块310，用于获取电池管理系统发送的电池状态参数；
第一确定模块320，用于将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果；
查找模块330，用于响应于所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；其中，所述知识图谱为电池的故障类型、电池状态参数和故障原因的对应关系图谱。
在本申请的实施例中，通过第一获取模块获取电池管理系统发送的电池状态参数，然后基于第一确定模块将电池状态参数输入至预先训练好的异常检测模型中，可直接得到电池的异常检测结果，如此可基于异常检测模型可快速对电池的故障进行检测，提升了对电池的故障检测的效率，然后通过查找模块响应于异常检测结果为电池存在第一故障类型的故障，可直接从知识图谱中查找与第一故障类型以及电池状态参数对应的故障原因，如此可快速得到电池故障的类型以及故障的原因，也提升了电池故障原因的确定效率。
在本申请的一些实施例中，为了提高用户体验，上述所涉及的电池的故障检测装置还可以包括：
第一输出模块，用于在确定从知识图谱中查找到与所述第一故障类型以及所述电池状态参数对应的故障原因的情况下，输出所述故障原因和/或对所述故障进行处理的处理策略；
第二输出模块，用于在确定未从知识图谱中查找到与所述第一故障类型以及所述电池状态参数对应的故障原因的情况下，输出与所述第一故障类型以及所述电池状态数据，以使用户对所述第一故障类型以及所述电池状态数据进行检测分析。
在本申请的一些实施例中，为了进一步提升电池故障检测的效率和准确性，上述所涉及的电池的故障检测装置还可以包括：
更新模块，用于响应于所述用户对所述第一故障类型以及所述电池状态数据的检测分析结果，更新所述知识图谱。
在本申请的一些实施例中，所述异常检测模型包括至少一个子检测模型，每个子检测模型对应输出一种故障类型。
在本申请的一些实施例中，为了提升了电池故障检测的准确性，第一确定模块320具体可以用于：将所述电池状态参数输入至预先训练好的异常检测模型中的至少一个子检测模型中，基于所述至少一个子检测模型，得到电池的异常检测结果；
查找模块330具体可以用于：响应于第一子检测模型输出的所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；其中，所述第一子检测模型为所述至少一个子检测模型中的至少一个，所述第一故障类型为所述第一子检测模型检测出的故障类型。
在本申请的一些实施例中，所述电池状态参数至少包括：所述电池的总电压、电流、荷电状态、温度、单体电压、探针温度、绝缘阻值和压力；所述至少一个子检测模型至少包括：压差异常模型、析锂检测模型、内部短路模型和外部短路模型；所述故障类型至少包括：压差过大、负极锂析出、内部短路、外部短路和传感器异常；所述故障原因至少包括：电芯老化、电滥用工况频繁、外部撞击和冷却系统损坏；所述处理策略至少包括：小电流充电恢复、更换电芯和修复冷却系统。
在本申请的一些实施例中，上述所涉及的电池的故障检测装置可以应用于云端监控平台。
本申请实施例提供的电池的故障检测装置，可以用于执行上述各方法实施例提供的电池的故障检测方法，其实现原理和技术效果类似，为简介起见，在此不再赘述。
基于同一发明构思，本申请实施例还提供了一种电子设备。
图4是本申请实施例提供的一种电子设备的结构示意图。如图4所示，电子设备可以包括处理器401以及存储有计算机程序或指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关容灾设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。存储器可包括只读存储器(Read Only Memory image，ROM)、随机存取存储器(Random-Access Memory，RAM)、磁盘存储介质设备、光存储介质设备、闪存设备、电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行上述实施例提供的电池的故障检测方法所描述的操作。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种电池的故障检测方法。
在一个示例中，电子设备还可包括通信接口403和总线410。其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
该电子设备可以执行本发明实施例中的电池的故障检测方法，从而实现图1-图2描述的电池的故障检测方法。
另外，结合上述实施例中的电池的故障检测方法，本发明实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序指令；该程序指令被处理器执行时实现上述实施例中的任意一种电池的故障检测方法。
另外，结合上述实施例中的电池的故障检测方法，本发明实施例可提供一种计算机程序产品来实现。该计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行时实现上述实施例中的任意一种电池的故障检测方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种电池的故障检测方法，其特征在于，所述方法包括：
获取电池管理系统发送的电池状态参数；
将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果；
响应于所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；
其中，所述知识图谱为电池的故障类型、电池状态参数和故障原因的对应关系图谱。
2.根据权利要求1所述的方法，其特征在于，在所述从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因之后，所述方法还包括：
在确定从知识图谱中查找到与所述第一故障类型以及所述电池状态参数对应的故障原因的情况下，输出所述故障原因和/或对所述故障进行处理的处理策略；
在确定未从知识图谱中查找到与所述第一故障类型以及所述电池状态参数对应的故障原因的情况下，输出与所述第一故障类型以及所述电池状态数据，以使用户对所述第一故障类型以及所述电池状态数据进行检测分析。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
响应于所述用户对所述第一故障类型以及所述电池状态数据的检测分析结果，更新所述知识图谱。
4.根据权利要求1所述的方法，其特征在于，所述异常检测模型包括至少一个子检测模型，每个子检测模型对应输出一种故障类型；
所述将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果，包括：
将所述电池状态参数输入至预先训练好的异常检测模型中的至少一个子检测模型中，基于所述至少一个子检测模型，得到电池的异常检测结果；
所述响应于所述异常检测结果为所述电池存在第一故障类型的故障，包括：
响应于第一子检测模型输出的所述异常检测结果为所述电池存在第一故障类型的故障；其中，所述第一子检测模型为所述至少一个子检测模型中的至少一个，所述第一故障类型为所述第一子检测模型检测出的故障类型。
5.根据权利要求4所述的方法，其特征在于，所述电池状态参数至少包括：所述电池的总电压、电流、荷电状态、温度、单体电压、探针温度、绝缘阻值和压力；所述至少一个子检测模型至少包括：压差异常模型、析锂检测模型、内部短路模型和外部短路模型；所述故障类型至少包括：压差过大、负极锂析出、内部短路、外部短路和传感器异常；所述故障原因至少包括：电芯老化、电滥用工况频繁、外部撞击和冷却系统损坏；所述处理策略至少包括：小电流充电恢复、更换电芯和修复冷却系统。
6.根据权利要求1-5任一所述的方法，其特征在于，所述方法应用于云端监控平台。
7.一种电池的故障检测装置，其特征在于，所述装置包括：
第一获取模块，用于获取电池管理系统发送的电池状态参数；
第一确定模块，用于将所述电池状态参数输入至预先训练好的异常检测模型中，得到电池的异常检测结果；
查找模块，用于响应于所述异常检测结果为所述电池存在第一故障类型的故障，从知识图谱中查找与所述第一故障类型以及所述电池状态参数对应的故障原因；其中，所述知识图谱为电池的故障类型、电池状态参数和故障原因的对应关系图谱。
8.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的电池的故障检测方法。
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上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的电池的故障检测方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-6任意一项所述的电池的故障检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210785681.1A CN115184807A (zh) | 2022-07-05 | 2022-07-05 | 电池的故障检测方法、装置、设备、介质和产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210785681.1A CN115184807A (zh) | 2022-07-05 | 2022-07-05 | 电池的故障检测方法、装置、设备、介质和产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115184807A true CN115184807A (zh) | 2022-10-14 |
Family
ID=83516501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210785681.1A Pending CN115184807A (zh) | 2022-07-05 | 2022-07-05 | 电池的故障检测方法、装置、设备、介质和产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115184807A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116125298A (zh) * | 2022-11-28 | 2023-05-16 | 伏瓦科技(苏州)有限公司 | 电池故障检测方法及装置 |
| CN116702073A (zh) * | 2023-05-18 | 2023-09-05 | 德联易控科技(北京)有限公司 | 一种故障事件的提示方法、装置、电子设备及存储介质 |
| CN117110896A (zh) * | 2023-10-24 | 2023-11-24 | 湖北工业大学 | 一种基于知识图谱的锂离子电池故障检测方法及系统 |
| CN117289143A (zh) * | 2023-11-27 | 2023-12-26 | 宁德时代新能源科技股份有限公司 | 一种故障预测方法、装置、设备、系统和介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040002776A1 (en) * | 2000-06-09 | 2004-01-01 | Bickford Randall L. | Surveillance system and method having an operating mode partitioned fault classification model |
| CN108768748A (zh) * | 2018-06-20 | 2018-11-06 | 广东电网有限责任公司 | 一种用于电力通信服务的故障诊断方法、装置及存储介质 |
| CN110069810A (zh) * | 2019-03-11 | 2019-07-30 | 北京百度网讯科技有限公司 | 电池故障预测方法、装置、设备和可读存储介质 |
| CN111007401A (zh) * | 2019-12-16 | 2020-04-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于人工智能的电动汽车电池故障诊断方法及设备 |
| CN111435366A (zh) * | 2019-01-14 | 2020-07-21 | 阿里巴巴集团控股有限公司 | 设备故障诊断方法、装置和电子设备 |
| CN111812531A (zh) * | 2019-04-11 | 2020-10-23 | 东莞新能安科技有限公司 | 电池状态检测方法、设备及存储介质 |
| CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
| CN112163681A (zh) * | 2020-10-15 | 2021-01-01 | 珠海格力电器股份有限公司 | 设备故障原因确定方法、存储介质以及电子设备 |
| CN112596495A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
| CN112731160A (zh) * | 2020-12-25 | 2021-04-30 | 东莞新能安科技有限公司 | 电池滞回模型训练方法、估算电池soc的方法和装置 |
| CN113254249A (zh) * | 2021-06-07 | 2021-08-13 | 博彦物联科技(北京)有限公司 | 冷站故障分析方法、装置、及存储介质 |
| CN113987001A (zh) * | 2021-09-23 | 2022-01-28 | 通号城市轨道交通技术有限公司 | 轨道交通信号系统故障分析方法、装置及电子设备 |
| CN114625837A (zh) * | 2022-03-09 | 2022-06-14 | 西南交通大学 | 一种铁路车站联锁系统智能运维方法及系统 |
| CN114690047A (zh) * | 2020-12-26 | 2022-07-01 | 华为技术有限公司 | 电池故障检测方法、系统、装置及设备 |
-
2022
- 2022-07-05 CN CN202210785681.1A patent/CN115184807A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040002776A1 (en) * | 2000-06-09 | 2004-01-01 | Bickford Randall L. | Surveillance system and method having an operating mode partitioned fault classification model |
| CN108768748A (zh) * | 2018-06-20 | 2018-11-06 | 广东电网有限责任公司 | 一种用于电力通信服务的故障诊断方法、装置及存储介质 |
| CN111435366A (zh) * | 2019-01-14 | 2020-07-21 | 阿里巴巴集团控股有限公司 | 设备故障诊断方法、装置和电子设备 |
| CN110069810A (zh) * | 2019-03-11 | 2019-07-30 | 北京百度网讯科技有限公司 | 电池故障预测方法、装置、设备和可读存储介质 |
| CN111812531A (zh) * | 2019-04-11 | 2020-10-23 | 东莞新能安科技有限公司 | 电池状态检测方法、设备及存储介质 |
| CN111007401A (zh) * | 2019-12-16 | 2020-04-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于人工智能的电动汽车电池故障诊断方法及设备 |
| CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
| CN112163681A (zh) * | 2020-10-15 | 2021-01-01 | 珠海格力电器股份有限公司 | 设备故障原因确定方法、存储介质以及电子设备 |
| CN112596495A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
| CN112731160A (zh) * | 2020-12-25 | 2021-04-30 | 东莞新能安科技有限公司 | 电池滞回模型训练方法、估算电池soc的方法和装置 |
| CN114690047A (zh) * | 2020-12-26 | 2022-07-01 | 华为技术有限公司 | 电池故障检测方法、系统、装置及设备 |
| CN113254249A (zh) * | 2021-06-07 | 2021-08-13 | 博彦物联科技(北京)有限公司 | 冷站故障分析方法、装置、及存储介质 |
| CN113987001A (zh) * | 2021-09-23 | 2022-01-28 | 通号城市轨道交通技术有限公司 | 轨道交通信号系统故障分析方法、装置及电子设备 |
| CN114625837A (zh) * | 2022-03-09 | 2022-06-14 | 西南交通大学 | 一种铁路车站联锁系统智能运维方法及系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116125298A (zh) * | 2022-11-28 | 2023-05-16 | 伏瓦科技(苏州)有限公司 | 电池故障检测方法及装置 |
| CN116702073A (zh) * | 2023-05-18 | 2023-09-05 | 德联易控科技(北京)有限公司 | 一种故障事件的提示方法、装置、电子设备及存储介质 |
| CN116702073B (zh) * | 2023-05-18 | 2024-03-15 | 德联易控科技(北京)有限公司 | 一种故障事件的提示方法、装置、电子设备及存储介质 |
| CN117110896A (zh) * | 2023-10-24 | 2023-11-24 | 湖北工业大学 | 一种基于知识图谱的锂离子电池故障检测方法及系统 |
| CN117110896B (zh) * | 2023-10-24 | 2024-01-05 | 湖北工业大学 | 一种基于知识图谱的锂离子电池故障检测方法及系统 |
| CN117289143A (zh) * | 2023-11-27 | 2023-12-26 | 宁德时代新能源科技股份有限公司 | 一种故障预测方法、装置、设备、系统和介质 |
| CN117289143B (zh) * | 2023-11-27 | 2024-04-19 | 宁德时代新能源科技股份有限公司 | 一种故障预测方法、装置、设备、系统和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115184807A (zh) | 电池的故障检测方法、装置、设备、介质和产品 | |
| US20240348064A1 (en) | Battery Equalization Method and System | |
| JP2023503185A (ja) | セル内部短絡故障の検出方法、装置、デバイス及び媒体 | |
| CN114331046A (zh) | 一种告警事件处理方法、装置、设备及计算机存储介质 | |
| CN115184808B (zh) | 电池热失控风险检测方法、装置、设备及计算机存储介质 | |
| CN115144765A (zh) | 电池内短路故障检测方法及装置 | |
| CN115817272A (zh) | 电池管理系统及其电量监控方法、装置、新能源汽车 | |
| CN111459616A (zh) | 一种测试方法、装置、设备及存储介质 | |
| CN114548280A (zh) | 故障诊断模型的训练、故障诊断方法及电子设备 | |
| CN111063944B (zh) | 电芯电压修正方法、装置、设备和介质 | |
| CN114325195A (zh) | 一种有线充电的检测方法、装置及计算机可读存储介质 | |
| CN114660475A (zh) | 一种单体电池的采样诊断方法和装置、车辆、存储介质 | |
| CN114300763B (zh) | 基于车云协调的电池内阻异常监测方法、设备及存储介质 | |
| CN115184805A (zh) | 电池健康状态获取方法、装置、设备及计算机程序产品 | |
| CN117429311A (zh) | 续航里程预测方法、装置、设备、介质及车辆 | |
| CN112540301B (zh) | 电池检测方法、装置及存储介质 | |
| CN114741690A (zh) | 网络安全监测方法、装置、设备及计算机存储介质 | |
| CN116413618A (zh) | 磷酸铁锂电池自放电检测方法、电子设备及可读存储介质 | |
| Chen et al. | Safety Risk Identification of Lithium-ion Battery Based on Kolmogorov Complexity | |
| CN115166538B (zh) | 充电检测方法、装置、设备及产品 | |
| CN117007971B (zh) | 电池故障诊断方法、装置及系统 | |
| CN117124857B (zh) | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 | |
| CN111198774A (zh) | 无人车仿真异常追踪方法、装置、设备及计算机可读介质 | |
| CN114039114B (zh) | 电池管理系统的采样失效诊断方法、设备和存储介质 | |
| CN116524694A (zh) | 汽车的三级告警触发方法、装置、控制器、介质和产品 |
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 |