CN115327380A - 电池故障诊断方法、存储介质和电子设备 - Google Patents
电池故障诊断方法、存储介质和电子设备 Download PDFInfo
- Publication number
- CN115327380A CN115327380A CN202110512405.3A CN202110512405A CN115327380A CN 115327380 A CN115327380 A CN 115327380A CN 202110512405 A CN202110512405 A CN 202110512405A CN 115327380 A CN115327380 A CN 115327380A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- entropy
- voltage data
- data window
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
Abstract
本申请公开了一种电池故障诊断方法、存储介质及电子设备,响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库;控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。本申请通过设置数据窗口在数据库中滑动,充电过程中每个电池单体的电压数据能够计算出多个熵值,减少采集误差的影响,根据熵值能够直接判断电池单体是否存在故障。熵值的算法简洁高效,能够搭载在汽车计算芯片上,降低电池故障诊断的成本。
Description
技术领域
本申请设计汽车电池技术领域,尤其涉及一种电池故障诊断方法、存储介质和电子设备。
背景技术
随着新能源汽车技术的发展,用户对新能源汽车的接受度也越来越高,锂离子电池因其能量密度高,使用寿命长等特点被广泛应用于新能源汽车,为保证车辆安全,需要对故障电池进行预判,及时发出故障预警。目前新能源汽车生产厂家主要采取线下检测或基于云平台搭载故障诊断算法的方式进行故障诊断。
线下检测只能进行定期检测,难以及时发现电池故障。而基于云平台搭载故障诊断算法,会外增加车载数据发送和云平台建设维护成本,并且,由于汽车运行环境的复杂性,导致车载数据无法上传云服务的情况时有发生,大量的数据丢失会严重影响算法的准确性;此外,目前基于云平台搭载的故障诊断算法,算法较为复杂,汽车计算芯片远远不能满足算法的算力需求,无法直接搭载在车辆进行故障诊断。
因此,需要提供一种简洁、有效并且能够搭载在汽车计算芯片上的电池故障诊断方法、存储介质及电子设备。
发明内容
本申请的目的在于克服现有技术中云平台搭载故障诊断算法成本高、算法复杂、准确性易受影响的不足,提供一种简洁、有效并且能够搭载在汽车计算芯片上的电池故障诊断方法、存储介质及电子设备。
本申请的技术方案提供一种电池故障诊断方法,包括如下步骤:
响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库;
控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。
本实施例通过设置数据窗口在数据库中滑动,充电过程中每个电池单体的电压数据能够计算出多个熵值,减少采集误差的影响,根据熵值能够直接判断电池单体是否存在故障。熵值的算法简洁高效,能够搭载在汽车计算芯片上,降低电池故障诊断的成本。
在其中一个实施例中,所述设定采样间隔为电池管理系统采样间隔。
本实施例中设定采样间隔与电池管理系统采样间隔相同,不需额外增加成本,就能进行电压数据采样。
在其中一个实施例中,所述响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库之后,还包括:
若电池充电的荷电状态跨度大于预设跨度阈值,则
控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。
本实施例仅对荷电状态跨度大于预设跨度阈值的充电过程进行故障判断,能够获取到足够数量的电压数据,保证故障诊断的准确性。
在其中一个实施例中,所述计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,具体包括:
获取数据窗口中当前电池单体的电压数据里的最大值和最小值,根据所述最大值和所述最小值划分出预设数量的电压片段;
计算当前电池单体的电压数据落入每个电压片段的概率,根据所述概率计算数据窗口中当前电池单体的电压数据的熵值;
重复上述步骤直至计算出数据窗口中每个电池单体的电压数据的熵值。
本实施例先根据电池单体的电压数据里的最大值和最小值划分电压片段,保证电压片段设置的合理性,计算出的熵值也较为准确。
在其中一个实施例中,所述根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障,具体包括:
根据所述熵值计算所述数据窗口每次滑动后各个电池单体的电压数据的异常系数;
若所述异常系数大于系数阈值,则进行一次记录;
若同一电池单体的记录次数大于次数阈值,则判断该电池单体存在故障。
本实施例通过统计电池单体的异常系数异常的次数,判断电池单体是否存在故障。
在其中一个实施例中,所述数据窗口每次滑动后各个电池单体的电压数据的异常系数
A=(Hi,j-μj)/σj
其中,Hi,j为电池单体的电压数据的熵值,μj为数据窗口第j次滑动时所有熵值的平均值,σj为数据窗口第j次滑动时所有熵值的标准差或方差,i为电池单体编号,j为数据窗口的滑动次数。
本实施例中异常系数为熵值和熵值平均值的差与熵值标准差或方差的比值,使得异常系数能够表征当前熵值是否偏离正常值。
在其中一个实施例中,所述根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障,具体包括:
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值绘制各个电池单体的电压数据熵值曲线;
若所述电压数据熵值曲线与正常熵值曲线的偏差值大于偏差阈值,则判断对应的电池单体存在故障。
本实施例通过绘制电压数据熵值曲线,将其与正常熵值曲线进行对比,能够准确判断电池单体故障。
在其中一个实施例中,所述根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库,具体包括:
根据设定采样间隔,采集各个电池单体的电压数据;
对所述电压数据进行数据预处理后存储至数据库。
本实施例对采样数据进行数据预处理后再存储至数据库,能够避免采样异常对后续数据处理以及诊断结果的影响。
在其中一个实施例中,所述数据预处理包括:
通过多项式曲线拟合的方式进行漏值填补;和/或
通过删除冗余数据或设置阈值的方式剔除采集异常值;和/或
通过最大最小值归一法进行数据归一化。
本实施例中对采样数据进行漏值填补、剔除异常值和数据归一化处理,对采样异常的数据进行处理,能够避免采样异常对后续数据处理以及诊断结果的影响。
本申请的技术方案还提供一种存储介质,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如前所述的电池故障诊断方法。
本申请的技术方案还提供一种电子设备,包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如前所述的电池故障诊断方法。
附图说明
参见附图,本申请的公开内容将变得更易理解。应当理解:这些附图仅仅用于说明的目的,而并非意在对本申请的保护范围构成限制。图中:
图1是本申请一实施例中电池故障诊断方法的流程图;
图2是本申请另一实施例中电池故障诊断方法的流程图;
图3是本申请一实施例中电子设备的硬件结构图。
具体实施方式
下面结合附图来进一步说明本申请的具体实施方式。
容易理解,根据本申请的技术方案,在不变更本申请实质精神下,本领域的一般技术人员可相互替换的多种结构方式以及实现方式。因此,以下具体实施方式以及附图仅是对本申请的技术方案的示例性说明,而不应当视为本申请的全部或视为对申请技术方案的限定或限制。
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的,它们是相对的概念,因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以,也不应当将这些或者其他的方位用语解释为限制性用语。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“连接”、“相连”应做广义理解,例如,可以是固定连接,也可以可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个组件内部的连通。对于本领域的普通技术人员而言,可以视具体情况理解上述属于在本申请中的具体含义。
本申请实施例中的电池故障诊断方法,如图1所示,包括如下步骤:
步骤S101:响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库;
步骤S102:控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;
步骤S103:根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。
具体来说,在电池充电过程中,按照设定采样间隔对电池中各个电池单体的电压数据进行采集,采集的电压数据按照采样时间存储至数据库中,并且不同电池单体的电压数据分开存储,方便后续对电压数据的计算处理。
较佳地,所述设定采样间隔为电池管理系统(BMS)采样间隔,设定采样间隔与电池管理系统采样间隔保持一致,不需额外增加成本,就能进行电压数据采样。
电压数据采样完成后,控制数据窗口在数据库中滑动,数据窗口用于对数据库中的电压数据进行选择,每次仅对数据窗口中的电压数据进行熵值计算,通过数据窗口的多次滑动,能够得到多个熵值,减少采集误差对熵值造成的影响。由于计算得出的电压数据的熵值较多且数据准确度高,因此,可直接通过电压数据的熵值判断电池是否发生故障。
其中,数据窗口的大小以及设定滑动距离,可以在步骤S102之前进行设定,也可以预先进行设定。
本实施例通过设置数据窗口在数据库中滑动,充电过程中每个电池单体的电压数据能够计算出多个熵值,减少采集误差的影响,根据熵值能够直接判断电池单体是否存在故障。熵值的算法简洁高效,能够搭载在汽车计算芯片上,降低电池故障诊断的成本。
在其中一个实施例中,所述响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库之后,还包括:
若电池充电的荷电状态跨度大于预设跨度阈值,则
控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。
具体来说,在电池开始充电时,即开始按照设定采样间隔采集电池单体的电压数据并存储至数据库,直至电池充电的荷电状态(SOC)跨度大于预设跨度阈值之后,再控制数据窗口移动并计算熵值用于判断电池故障。若电池充电的荷电状态跨度小于或等于预设跨度阈值,则采集的数据量过少,无法准确判断电池故障,因此不执行后续的熵值计算和故障判断的步骤。较佳地,预设跨度阈值可以设置为50%。
本实施例仅对荷电状态跨度大于预设跨度阈值的充电过程进行故障判断,能够获取到足够数量的电压数据,保证故障诊断的准确性。
在其中一个实施例中,所述计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,具体包括:
获取数据窗口中当前电池单体的电压数据里的最大值和最小值,根据所述最大值和所述最小值划分出预设数量的电压片段;
计算当前电池单体的电压数据落入每个电压片段的概率,根据所述概率计算数据窗口中当前电池单体的电压数据的熵值;
重复上述步骤直至计算出数据窗口中每个电池单体的电压数据的熵值。
具体来说,由于充电进程的不同,数据窗口每次滑动后,数据窗口中的电压数据并不在同一个数据范围中,因此,在进行熵值计算时,首先获取当前电池单体的电压数据里的最大值和最小值,在最大值和最小值之间划分出预设数量的电压片段。预设数量是一个预设的固定值,可以根据不同电池类型及车辆BMS电压采集精度进行修改,在同一个算法计算流程中,仅进行一次设定后,每一次熵值计算均采用相同的值。
作为一个例子,将数据窗口中的电压数据划分为n个片段,统计数据窗口内当前电池单体的电压数据中属于每个电压片段的个数Ca,其中a=1,2,…n;
其中,i为电池单体编号,j为数据窗口的滑动次数,i,j用于区分不同电池单体和数据窗口滑动次数。在数据窗口每次滑动之后,重复上述步骤计算出数据窗口中每个电池单体的电压数据的熵值并进行存储,直至数据窗口移动至数据库末端。
本实施例先根据电池单体的电压数据里的最大值和最小值划分电压片段,保证电压片段设置的合理性,计算出的熵值也较为准确。
在其中一个实施例中,所述根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障,具体包括:
根据所述熵值计算所述数据窗口每次滑动后各个电池单体的电压数据的异常系数;
若所述异常系数大于系数阈值,则进行一次记录;
若同一电池单体的记录次数大于次数阈值,则判断该电池单体存在故障。
其中,所述数据窗口每次滑动后各个电池单体的电压数据的异常系数
A=(Hi,j-μj)/σj
Hi,j为电池单体的电压数据的熵值,μj为数据窗口第j次滑动时所有熵值的平均值,σj为数据窗口第j次滑动时所有熵值的标准差或方差,i为电池单体编号,j为数据窗口的滑动次数。
具体来说,异常系数为熵值和此时数据窗口中所有熵值的平均值的差与此时数据窗口中的熵值标准差或方差的比值,使得异常系数能够表征当前熵值与正常值的偏差量。
本申请实施例根据不同电池的性能设置系数阈值,对应一个熵值计算一个异常系数,异常系数与电池单体关联,通过统计同一电池单体异常系数大于系数阈值的次数,判断电池单体是否存在故障。
在其中一个实施例中,所述根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障,具体包括:
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值绘制各个电池单体的电压数据熵值曲线;
若所述电压数据熵值曲线与正常熵值曲线的偏差值大于偏差阈值,则判断对应的电池单体存在故障。
本申请实施例中,每个电池单体对应绘制一条电压数据熵值曲线,将电压数据熵值曲线与正常熵值曲线进行对比,数据清晰直观,能够准确判断电池单体是否发生故障。电压数据熵值曲线与正常熵值曲线的偏差值可以通过图像识别等方式获取。
在其中一个实施例中,所述根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库,具体包括:
根据设定采样间隔,采集各个电池单体的电压数据;
对所述电压数据进行数据预处理后存储至数据库。
本申请实施例对采样数据进行数据预处理后再存储至数据库,能够避免采样异常对后续进行熵值计算以及诊断结果的影响。
具体来说,所述数据预处理包括:
通过多项式曲线拟合的方式进行漏值填补;和/或
通过删除冗余数据或设置阈值的方式剔除采集异常值;和/或
通过最大最小值归一法进行数据归一化。
本申请实施例中对采样数据进行漏值填补、剔除异常值和数据归一化处理,对采样异常的数据进行处理,使数据合理且统一,能够避免采样异常对后续数据处理以及诊断结果的影响。
图2示出了本申请一较佳实施例中的电池故障诊断方法的流程图,包括如下步骤:
步骤S201:响应于电池充电操作,根据电池管理系统采样间隔,采集各个电池单体的电压数据并存储至数据库;
步骤S201:若电池充电的荷电状态跨度大于预设跨度阈值,则执行步骤S203,否则结束流程;
步骤S203:控制数据窗口在所述数据库中滑动设定滑动距离;
步骤S204:获取数据窗口中当前电池单体的电压数据里的最大值和最小值,根据所述最大值和所述最小值划分出预设数量的电压片段;
步骤S205:计算当前电池单体的电压数据落入每个电压片段的概率,根据所述概率计算数据窗口中当前电池单体的电压数据的熵值;
步骤S206:判断当前电池单体是否是最后一个电池单体,若是则执行步骤S208,否则执行步骤S207后返回步骤S204;
步骤S207:将下一个电池单体作为当前电池单体;
步骤S208:判断数据窗口是否位于数据库末端,若是则执行步骤S209,否则返回步骤S203;
步骤S209:根据所述熵值计算所述数据窗口每次滑动后各个电池单体的电压数据的异常系数;
步骤S210:若所述异常系数大于系数阈值,则进行一次记录;
步骤S211:若同一电池单体的记录次数大于次数阈值,则判断该电池单体存在故障。
本申请的技术方案还提供一种存储介质,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行前述任一实施例中的电池故障诊断方法。
图3示出了本申请的一种电子设备,包括:
至少一个处理器301;以及,
与所述至少一个处理器301通信连接的存储器302;其中,
所述存储器302存储有可被所述至少一个处理器301执行的指令,所述指令被所述至少一个处理器301执行,以使所述至少一个处理器301能够执行前述任一方法实施例中的电池故障诊断方法的所有步骤。
电子设备优选为车载电子控制单元(Electronic Control Unit,ECU),进一步为车载电子控制单元中的微控制单元(Microcontroller Unit,MCU)。
图3中以一个处理器302为例:
车载电子设备还可以包括:输入装置303和输出装置304。
处理器301、存储器302、输入装置303及显示装置304可以通过总线或者其他方式连接,图中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的电池故障诊断方法对应的程序指令/模块,例如,图1或2所示的方法流程。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述实施例中的电池故障诊断方法。
存储器302可以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、至少一个功能所需要的应用程序;存储数据区可存储根据电池故障诊断方法的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至执行电池故障诊断方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可接收输入的用户点击,以及产生与电池故障诊断方法的用户设置以及功能控制有关的信号输入。显示装置304可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器302中,当被所述一个或者多个处理器301运行时,执行上述任意方法实施例中的电池故障诊断方法。
以上所述的仅是本申请的原理和较佳的实施例。应当指出,对于本领域的普通技术人员来说,将分别公开在不同的实施例中的技术方案适当组合而得到的实施方式也包括在本发明的技术范围内,在本申请原理的基础上,还可以做出若干其它变型,也应视为本申请的保护范围。
Claims (11)
1.一种电池故障诊断方法,其特征在于,包括如下步骤:
响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库;
控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。
2.根据权利要求1所述的电池故障诊断方法,其特征在于,所述设定采样间隔为电池管理系统采样间隔。
3.根据权利要求1所述的电池故障诊断方法,其特征在于,所述响应于电池充电操作,根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库之后,还包括:
若电池充电的荷电状态跨度大于预设跨度阈值,则
控制数据窗口按照设定滑动距离在所述数据库中滑动,计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,直至数据窗口滑动至所述数据库末端;
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障。
4.根据权利要求1-3任一项所述的电池故障诊断方法,其特征在于,所述计算每次滑动后所述数据窗口中各个电池单体的电压数据的熵值,具体包括:
获取数据窗口中当前电池单体的电压数据里的最大值和最小值,根据所述最大值和所述最小值划分出预设数量的电压片段;
计算当前电池单体的电压数据落入每个电压片段的概率,根据所述概率计算数据窗口中当前电池单体的电压数据的熵值;
重复上述步骤直至计算出数据窗口中每个电池单体的电压数据的熵值。
5.根据权利要求1-3任一项所述的电池故障诊断方法,其特征在于,所述根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障,具体包括:
根据所述熵值计算所述数据窗口每次滑动后各个电池单体的电压数据的异常系数;
若所述异常系数大于系数阈值,则进行一次记录;
若同一电池单体的记录次数大于次数阈值,则判断该电池单体存在故障。
6.根据权利要求5所述的的电池故障诊断方法,其特征在于,所述数据窗口每次滑动后各个电池单体的电压数据的异常系数
A=(Hi,j-μj)/σj
其中,Hi,j为电池单体的电压数据的熵值,μj为数据窗口第j次滑动时所有熵值的平均值,σj为数据窗口第j次滑动时所有熵值的标准差或方差,i为电池单体编号,j为数据窗口的滑动次数。
7.根据权利要求1-3任一项所述的电池故障诊断方法,其特征在于,所述根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值判断各个电池单体是否存在故障,具体包括:
根据所述数据窗口每次滑动后各个电池单体的电压数据的熵值绘制各个电池单体的电压数据熵值曲线;
若所述电压数据熵值曲线与正常熵值曲线的偏差值大于偏差阈值,则判断对应的电池单体存在故障。
8.根据权利要求1-3任一项所述的电池故障诊断方法,其特征在于,所述根据设定采样间隔,采集各个电池单体的电压数据并存储至数据库,具体包括:
根据设定采样间隔,采集各个电池单体的电压数据;
对所述电压数据进行数据预处理后存储至数据库。
9.根据权利要求8所述的电池故障诊断方法,其特征在于,所述数据预处理包括:
通过多项式曲线拟合的方式进行漏值填补;和/或
通过删除冗余数据或设置阈值的方式剔除采集异常值;和/或
通过最大最小值归一法进行数据归一化。
10.一种存储介质,其特征在于,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如权利要求1-9任一项所述的电池故障诊断方法。
11.一种电子设备,其特征在于,包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-9任一项所述的电池故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512405.3A CN115327380A (zh) | 2021-05-11 | 2021-05-11 | 电池故障诊断方法、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512405.3A CN115327380A (zh) | 2021-05-11 | 2021-05-11 | 电池故障诊断方法、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115327380A true CN115327380A (zh) | 2022-11-11 |
Family
ID=83912624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110512405.3A Pending CN115327380A (zh) | 2021-05-11 | 2021-05-11 | 电池故障诊断方法、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115327380A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877230A (zh) * | 2022-11-30 | 2023-03-31 | 上海玫克生储能科技有限公司 | 电池模组的故障确定方法、系统、设备和介质 |
CN116968556A (zh) * | 2023-07-26 | 2023-10-31 | 北京科技大学 | 一种基于模糊熵的动力与储能电池故障诊断方法 |
-
2021
- 2021-05-11 CN CN202110512405.3A patent/CN115327380A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877230A (zh) * | 2022-11-30 | 2023-03-31 | 上海玫克生储能科技有限公司 | 电池模组的故障确定方法、系统、设备和介质 |
CN116968556A (zh) * | 2023-07-26 | 2023-10-31 | 北京科技大学 | 一种基于模糊熵的动力与储能电池故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110412470B (zh) | 电动汽车动力电池soc估计方法 | |
CN115327380A (zh) | 电池故障诊断方法、存储介质和电子设备 | |
CN110443911B (zh) | 电动汽车及电池数据的上传方法、装置 | |
CN110133531B (zh) | 一种电池监测方法、装置及电子设备 | |
CN112924866B (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN116609676B (zh) | 一种基于大数据处理的混合储能电池状态监控方法及系统 | |
CN114464906A (zh) | 动力电池预警方法和装置 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 | |
CN113093015A (zh) | 电池寿命估算方法、装置、电池管理系统、汽车及介质 | |
CN111231758B (zh) | 一种电池容量的估算方法、装置、电子设备及介质 | |
CN112986839B (zh) | 基于置信区间的锂离子动力电池组的故障诊断方法与系统 | |
CN114631032A (zh) | 用于监控电池组健康状况的方法和系统 | |
CN116080470A (zh) | 电动汽车的动力电池监控方法、装置、服务器及介质 | |
CN112130078B (zh) | 充放电数据处理方法、充放电数据处理装置和终端设备 | |
WO2023052910A1 (en) | System and method for estimating state of health and remaining useful life of a battery | |
CN111551855B (zh) | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 | |
CN112530049B (zh) | 电池状态监测方法和装置、电子设备及存储介质 | |
CN114764600A (zh) | 新能源车电池包的寿命预测方法、装置和电子设备 | |
CN114280485A (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
CN112526246A (zh) | 风力发电机组的超级电容工况检测方法和装置 | |
CN111751732B (zh) | 一种基于自适应高斯卷积积分法的电量计算方法 | |
CN113064090B (zh) | 锂离子电池析锂检测方法、装置、介质、车载系统和车辆 | |
CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
CN117962679A (zh) | 一种新能源汽车充电过程监管方法及系统 |
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 |