CN115327403A - 基于新能源汽车大数据的动力电池安全性评价方法及装置 - Google Patents

Abstract

本申请公开了一种基于新能源汽车大数据的动力电池安全性评价方法及装置。所述基于新能源汽车大数据的动力电池安全性评价方法包括：获取单车数据；对单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；根据充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。本申请的基于新能源汽车大数据的动力电池安全性评价方法既考虑各个充电故障参数和/或行驶故障参数的严重程度，又考虑全体故障的综合效果，适用性较强。

Description

基于新能源汽车大数据的动力电池安全性评价方法及装置

技术领域

本申请涉及动力电池安全技术领域，具体涉及一种基于新能源汽车大数据的动力电池安全性评价方法以及基于新能源汽车大数据的动力电池安全性评价装置。

背景技术

电动汽车的安全性一直是人们关注的热点话题，如何对动力电池的安全性进行有效评价也成为了众多学者研究的热点。当前技术对故障风险的包含维度较小，只考虑充电或行驶单一工况，或考虑的故障数量较少，并且没有综合性评价的结果，没有综合评估等级划分，不能直观反映动力电池的安全状态和存在的故障风险。

因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。

发明内容

本发明的目的在于提供一种基于新能源汽车大数据的动力电池安全性评价方法来至少解决上述的一个技术问题。

本发明的一个方面，提供一种基于新能源汽车大数据的动力电池安全性评价方法，所述基于新能源汽车大数据的动力电池安全性评价方法包括：

获取单车数据；

对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；

根据所述充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；

根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。

可选地，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

获取每个充电故障参数和/或行驶故障参数的权重信息；

为各个所述充电故障参数和/或行驶故障参数进行分类，从而形成至少一个故障组，每个故障组至少包括一个充电故障参数和/或行驶故障参数；

对位于同一组内的各个充电故障参数和/或行驶故障参数进行相关性分析，从而获取相关性信息；

根据所述每个充电故障参数获取该充电故障参数的故障评分和/或每个行驶故障参数获取该行驶故障参数的故障评分、所述相关性信息以及所述每个充电故障参数和/或行驶故障参数的权重信息获取每个故障组的安全性评分值。

可选地，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

根据获取的各个充电故障参数获取该充电故障参数的故障评分值和/或行驶故障参数获取该行驶故障参数的故障评分值以及获取的每个故障组的安全性评分值对车辆进行电池安全响应等级分类。

可选地，所述对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据包括：

判断是否能够通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分，若是，则通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分。

可选地，所述对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据进一步包括：

判断是否能够通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分，若否，则通过充电枪连接状态信号和主正继电器状态信号对所述单车数据进行划分。

可选地，每个所述充电工况片段数据至少包括一个充电工况开始帧以及一个充电工况结束帧；

每个所述行驶工况片段数据包括至少包括一个行驶工况开始帧以及一个行驶工况结束帧；其中，

每个所述充电工况片段数据采用如下方式获取所述充电工况开始帧以及充电工况结束帧：

对所述单车数据进行遍历，如果出现连续三帧信号的充电枪连接状态为充电中，则选择三帧信号的第一帧作为该充电工况片段数据的充电开始帧；

在获取到充电开始帧后，对充电开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的充电枪连接状态为充电完成或未充电，则选择三帧信号的第一帧作为该充电工况片段数据的充电结束帧；

每个所述行驶工况片段数据采用如下方式获取所述行驶工况开始帧以及行驶工况结束帧：

对所述单车数据进行遍历，如果出现连续三帧信号的充电枪连接状态为未充电，且高压上电状态信号为已上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶开始帧；

在获取到行驶开始帧后，对行驶开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的高压上电状态信号为未上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶结束帧。

可选地，所述充电故障参数包括充电SOC一致性异常参数、充电自放电率参数；

所述行驶故障参数包括行驶SOC一致性异常参数、行驶自放电率参数、行驶绝缘异常参数。

可选地，根据如下公式获取充电SOC一致性异常参数、充电绝缘异常参数、行驶SOC一致性异常参数、行驶绝缘异常参数的故障评分值：

其中，

σ_i1，σ_i2，σ_i3为三个故障等级阈值，其中，σ_i1＜σ_i2＜σ_i3；

i表示第i个充电故障参数或行驶故障参数。

可选地，所述充电自放电率参数的故障评分值采用如下方式获取：

根据每个电池单体的自放电率值分别获取每个电池单体的充电自放电率参数的故障评分值；

判断是否只有一个电池单体的充电自放电率参数的故障评分值小于预设自放电率评分值，若是，则获取该小于预设自放电率评分值的电池单体的充电自放电率参数的故障评分值作为充电自放电率参数的故障评分值；

判断是否只有一个电池单体的充电自放电率参数的故障评分值小于预设自放电率评分值，若否，则采用如下公式获取充电自放电率参数的故障评分值：

其中，

G_min为各个电池单体中的评分最小值；G_i自放电为第i个电池单体的充电自放电率参数的故障评分值。

可选地，所述获取每个充电故障参数和/或行驶故障参数的权重信息包括：

获取比例标度表；

根据所述比例标度表为充电故障参数和/或至少一个行驶故障参数中的任意两个参数构建判断矩阵；

根据所述判断矩阵获取权重信息。

可选地，在所述获取每个充电故障参数和/或行驶故障参数的权重信息之后，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

判断获取的各个判断矩阵是否满足预设条件，若否，则对不满足的判断矩阵进行修正，从而使判断矩阵满足预设条件。

可选地，采用如下公式获取相关性信息：

其中，

m_ij表示标准化处理后的故障参数i与故障参数j之间的相关性；M_ij表示标准化处理前的故障参数i与故障参数j之间的相关性；M_min表示标准化处理前的相关性参数最小值；M_max表示标准化处理前的相关性参数最大值。

可选地，采用如下公式获取安全性评分值：

其中，

W_t采用如下公式获取：

其中，

d_i采用如下公式获取：

d_i＝(100-G_i)×w_i；其中，

W_t为t故障分类中的扣除分数、G_i为故障参数i的故障评分值、w_i为故障参数i的权重信息、d_max-t为同一个故障分类中的各个故障参数中的具有最大d_i值的数值；d_i表示第i个故障参数需要扣除的分数；d_max-t表示同一故障分类下的故障参数中，d_i的最大值。

本申请还提供了一种基于新能源汽车大数据的动力电池安全性评价装置，所述基于新能源汽车大数据的动力电池安全性评价装置包括：

单车数据获取模块，所述单车数据获取模块用于获取单车数据；

划分模块，所述划分模块用于对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；

故障参数获取模块，故障参数获取模块用于根据所述充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；

评分模块，所述评分模块用于根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。

本申请还提供了一种电子设备，所述电子设备包括储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如上所述的基于新能源汽车大数据的动力电池安全性评价方法。

本申请还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存储有计算机程序，计算机程序被处理器执行时能够实现如上所述的的基于用户大数据电驱系统可靠性循环工况构建方法。

有益效果

本申请的基于新能源汽车大数据的动力电池安全性评价方法既考虑各个充电故障参数和/或行驶故障参数的严重程度，又考虑全体故障的综合效果，适用性较强；提出的数据片段划分方法可对电动汽车充电工况数据片段和行驶工况数据片段进行有效划分，降低由于数据缺失、误报等问题导致的片段切分错误的风险；提出的自放电率故障评价方法通过电池单体月自放电率的情况反馈故障程度，从电池单体的维度对自放电率故障进行分析；提出的故障参数无量纲化设计方法，可有效地将不同种类的故障参数进行归一化处理。

附图说明

图1是本申请一实施例的基于新能源汽车大数据的动力电池安全性评价方法的流程示意图。

图2是能够实现本申请一实施例的基于新能源汽车大数据的动力电池安全性评价方法的电子设备的示意图。

图3是本申请一实施例的片段划分的示意图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。

图1是本申请一实施例的基于新能源汽车大数据的动力电池安全性评价方法的流程示意图。

如图1所示的基于新能源汽车大数据的动力电池安全性评价方法包括：

步骤1：获取单车数据；

步骤2：对单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；

步骤3：根据充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；

步骤4：根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。

本申请的基于新能源汽车大数据的动力电池安全性评价方法既考虑各个充电故障参数和/或行驶故障参数的严重程度，又考虑全体故障的综合效果，适用性较强；提出的数据片段划分方法可对电动汽车充电工况数据片段和行驶工况数据片段进行有效划分，降低由于数据缺失、误报等问题导致的片段切分错误的风险；提出的自放电率故障评价方法通过电池单体月自放电率的情况反馈故障程度，从电池单体的维度对自放电率故障进行分析；提出的故障参数无量纲化设计方法，可有效地将不同种类的故障参数进行归一化处理。

在本实施例中，基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

获取每个充电故障参数和/或行驶故障参数的权重信息，具体而言，以两两计算的方式分别对各个所述充电故障参数和/或行驶故障参数进行计算，从而获取每个充电故障参数和/或行驶故障参数的权重信息；

为各个所述充电故障参数和/或行驶故障参数进行分类，从而形成至少一个故障组，每个故障组至少包括一个充电故障参数和/或行驶故障参数；

对位于同一组内的各个充电故障参数和/或行驶故障参数进行相关性分析，从而获取相关性信息；

根据所述每个充电故障参数获取该充电故障参数的故障评分和/或每个行驶故障参数获取该行驶故障参数的故障评分、所述相关性信息以及所述每个充电故障参数和/或行驶故障参数的权重信息获取每个故障组的安全性评分值。

在本实施例中，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

根据获取的各个充电故障参数获取该充电故障参数的故障评分值和/或行驶故障参数获取该行驶故障参数的故障评分值以及获取的每个故障组的安全性评分值对车辆进行电池安全响应等级分类。

在本实施例中，对单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据包括：

判断是否能够通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分，若是，则通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分。

在本实施例中，对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据进一步包括：

判断是否能够通过充电枪连接状态信号和高压上电状态信号对单车数据进行划分，若否，则通过充电枪连接状态信号和主正继电器状态信号对所述单车数据进行划分。

在本实施例中，每个充电工况片段数据至少包括一个充电工况开始帧以及一个充电工况结束帧；

每个行驶工况片段数据包括至少包括一个行驶工况开始帧以及一个行驶工况结束帧；其中，

每个充电工况片段数据采用如下方式获取所述充电工况开始帧以及充电工况结束帧：

对单车数据进行遍历，如果出现连续三帧信号的充电枪连接状态为充电中，则选择三帧信号的第一帧作为该充电工况片段数据的充电开始帧；

在获取到充电开始帧后，对充电开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的充电枪连接状态为充电完成或未充电，则选择三帧信号的第一帧作为该充电工况片段数据的充电结束帧；

每个所述行驶工况片段数据采用如下方式获取所述行驶工况开始帧以及行驶工况结束帧：

对所单车数据进行遍历，如果出现连续三帧信号的充电枪连接状态为未充电，且高压上电状态信号为已上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶开始帧；

在获取到行驶开始帧后，对行驶开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的高压上电状态信号为未上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶结束帧。

在本实施例中，每个行驶工况片段数据至少包括一个行驶工况开始帧以及一个行驶工况结束帧；

每个行驶工况片段数据包括至少包括一个行驶工况开始帧以及一个行驶工况结束帧；其中，

每个行驶工况片段数据采用如下方式获取所述行驶工况开始帧以及行驶工况结束帧：

对单车数据进行遍历，如果出现连续三帧信号的行驶枪连接状态为行驶中，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶开始帧；

在获取到行驶开始帧后，对行驶开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的行驶枪连接状态为行驶完成或未行驶，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶结束帧；

每个所述行驶工况片段数据采用如下方式获取所述行驶工况开始帧以及行驶工况结束帧：

对所单车数据进行遍历，如果出现连续三帧信号的行驶枪连接状态为未行驶，且高压上电状态信号为已上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶开始帧；

在获取到行驶开始帧后，对行驶开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的高压上电状态信号为未上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶结束帧。

参见图3，本实施例中，由于不同的故障参数计算需要使用不同工况下的数据，因此需要对充电工况和行驶工况进行数据片段划分。不同车型数据对应的数据源存在差异，为了扩充模型的适用性，采用多信号判断的方式进行两种工况的数据片段划分。

(1)进行信号判断：如果数据源中含有充电枪连接状态信号和高压上电状态信号，则选择这两个信号进行片段划分判断条件；如果数据源中没有高压上电状态信号，则选择主正继电器状态信号进行代替。

(2)充电开始帧：从上至下进行数据遍历，如果出现连续三帧信号的充电枪连接状态为充电中，则选择三帧信号的第一帧为充电开始帧。此处通过连续三帧信号的判断方式，大大减小了由于个别错误数据导致的片段切分异常的情况。

(3)充电结束帧：找到充电开始帧后，从此帧继续向下遍历，直至找到连续三帧信号的充电枪连接状态为充电完成或未充电，则选择三帧信号的第一帧为充电结束帧。此处通过连续三帧信号的判断方式，大大减小了由于个别错误数据导致的片段切分异常的情况。

(4)行驶开始帧：从上至下进行数据遍历，如果出现连续三帧信号的充电枪连接状态为未充电，且高压上电状态信号为已上电(或主正继电器状态信号为开启)，则选择三帧信号的第一帧为行驶开始帧。此处通过连续三帧信号的判断方式，大大减小了由于个别错误数据导致的片段切分异常的情况。

(5)行驶结束帧：找到行驶开始帧后，从此帧继续向下遍历，直至找到连续三帧信号的高压上电状态信号为未上电(或主正继电器状态信号为关闭)，则选择三帧信号的第一帧为行驶结束帧。此处通过连续三帧信号的判断方式，大大减小了由于个别错误数据导致的片段切分异常的情况。

在本实施例中，为了能对多种故障进行后续的无量纲化处理，需要对每个故障指标设计故障参数以表征故障的严重程度，且故障参数数值越大，故障严重程度越高，以保证后续无量纲化设计时各故障参数在公式中的统一性。由于故障的类型不同，会出现在单个行驶或充电片段中各故障参数的数量不一致，因此每个故障在单个工况片段数据(不论是行驶工况还是充电工况)中只选择故障参数最大值作为代表。

在本实施例中，充电故障参数包括充电SOC一致性异常参数、充电自放电率参数。所述行驶故障参数包括行驶SOC一致性异常参数、行驶自放电率参数、行驶绝缘异常参数。

可以理解的是，本申请的充电故障还可以包括soc一致性异常，充电过程soc跳变异常，充电温度异常，充电电流异常，充电过程电压一致性异常，充电自放电率异常，充电过程电量一致性异常，充电枪连接异常等等。

行驶故障参数包含但不止于以下几种：行驶过程soc一致性异常参数，行驶过程自放电率异常参数，绝缘异常参数，内短路异常参数，外短路异常参数，电池包进水异常参数，行驶过程soc跳变异常参数，功率异常参数，行驶过程电池温度异常参数，热失控异常参数等等。

可以理解的是，还可以使用其他充电故障参数，在此不再赘述。

在本实施例中，采用如下方法分别获取各种充电故障参数：

(1)SOC一致性异常参数获取(充电SOC一致性异常参数以及行驶SOC一致性异常参数均可以采用本方法获取)。

一般车辆数据只有电池包SOC，没有单体电芯SOC，因此进行SOC一致性异常诊断时，需要对单体SOC进行等效计算，再判断其一致性。

a)片段筛选，充电工况片段数据或行驶工况片段数据的SOC变化范围需要包含[SOC₁，SOC₂](即单个片段数据中的SOC最大值大于SOC₂，SOC最小值小于SOC₁)，其他情况由于SOC变化范围较小，不进行计算。

b)电池单体内阻计算。在单个片段中，寻找电流变化点，捕捉电流变化点前后帧的电流数据I_A，I_B与单体电压数据U_i-A，U_i-B，其中i表示第i个电池单体，由于电池单体之间串联，各单体电流相同；计算第m个电流变化点处的电池单体i的内阻

当电流变化点处前后两帧的单体电压无变化，即得到的内阻为0时，舍弃此内阻值。对每个电池单体计算得到的所有内阻值求取均值，作为单个片段中各电池单体的内阻。

c)单体电池OCV(开路电压)计算。根据计算得到的电池单体内阻R_i、电流I以及单体电压U_i，可以计算任意时刻单体电池的开路电压OCV_i:

OCV_i＝U_i+I×R_i；

d)SOC一致性参数计算。根据电池单体SOC-OCV曲线对应关系表(表1)，运用差值法计算得到各电池单体每一帧的OCV对应的SOC值。设第m时刻单体i的OCV值为

分别查找SOC-OCV曲线对应关系表中大于和小于

且最接近

的两个值OCVi-1，OCVi-2

对应的SOC分别为SOCi-1，SOCi-2，插值计算得到

对应的

由此计算各个电池单体在片段中任意时刻的SOC值。查找每一时刻的单体SOC值中的最大值与最小值，作差得到任意时刻单体SOC极差，选择整个片段数据中单体SOC极差的最大值作为此片段数据的SOC一致性参数。

表1 SOC-OCV曲线对应关系表

OCV

OCV<sub>1</sub>

OCV<sub>2</sub>

OCV<sub>3</sub>

OCV<sub>4</sub>

……

OCV<sub>n</sub>

SOC

SOC<sub>1</sub>

SOC<sub>2</sub>

SOC<sub>3</sub>

SOC<sub>4</sub>

……

SOC<sub>n</sub>

(2)自放电率参数获取(充电自放电率参数以及行驶自放电率参数均可采用本方法获取)。通过计算得到每个片段数据的电池单体容量情况，将本次电池单体容量与一个月前的电池单体容量对比，得到电池单体月自放电率，并作为自放电率参数。

a)充电工况片段数据或行驶工况片段数据的SOC变化范围需要包含[SOC₁，SOC₂](即单个片段中的SOC最大值大于SOC₂，SOC最小值小于SOC₁)，其他情况由于SOC变化范围较小，不进行计算。

b)电池单体内阻计算。在单个片段数据中，寻找电流变化点，捕捉电流变化点前后帧的电流数据I_A，I_B与单体电压数据U_i-A，U_i-B，其中i表示第i个电池单体，由于电池单体之间串联，各单体电流相同；计算第m个电流变化点处的电池单体i的内阻

当电流变化点处前后两帧的单体电压无变化，即得到的内阻为0时，舍弃此内阻值。对每个电池单体计算得到的所有内阻值求取均值，作为单个片段中各电池单体的内阻R_i。

c)电池单体容量计算。根据计算得到的电池单体内阻R_i、电流I以及单体电压U_i，可以计算任意时刻单体电池和平均电池的开路电压OCV_i:

OCV_i＝U_i+I×R_i；

利用安时积分法可以计算任意时刻m的充入电量E_m：

其中，t₀为片段开始时刻，t_m为第m个计算时刻。由于电池单体之间串联，任意时刻各单体的充入电量相同，均为E_m。

选择两个OCV参考值OCV_H和OCV_L(OCV_H＞OCV_L)，根据SOC-OCV曲线的对应关系，可得到OCV_H和OCV_L对应的SOC_H和SOC_L。寻找各电池单体在达到OCV_H时对应的充入电量。如果数据中没有刚好等于OCV_H的数据帧，则选择电池单体OCV中最接近OCV_H的两个值OCV_i-1，OCV_i-2(OCV_i-1＜OCV_H＜OCV_i-2)对应的单体充入电量E_i-1，E_i-2，通过插值法进行计算得到OCV_H对应的充入电量E_i-H：

同理可得各个电池单体在OCV_L处对应的充入电量E_i-L。结合SOC_H和SOC_L可以计算得到电池单体i在此片段时的容量Q_i：

根据此片段数据的开始时间，寻找30天前的电池单体容量计算数据Q_i-bef，计算电池单体i的月自放电率φ_{i-self_discharge}：

将动力电池的月自放电率φ_{i-self_discharge}作为自放电率参数。

(3)绝缘异常参数获取(行驶绝缘异常参数采用本方法获取)。在获取整车系统的绝缘值时，需要排除充电状态的影响，因此绝缘异常故障参数的计算只通过行驶状态处理。

a)通过片段划分提取行驶工况的片段数据，并提取绝缘值信号。

b)将片段数据中的绝缘值与绝缘标准值R进行比较，记录绝缘值小于绝缘标准值的绝缘异常区间，将每个绝缘异常区间的持续时间记为t_i。

c)计算每个绝缘异常区间的绝缘值平均值r_i，计算绝缘标准值R与每个绝缘异常区间绝缘值平均值的比值

d)计算每个绝缘异常区间时间占绝缘异常区间时间总和的比例τ_i：

e)对绝缘异常故障设置持续时间参数φ_R1与故障峰度参数φ_R2，设整个片段的持续时间为T，则此片段的绝缘异常持续时间参数φ_R1为：

f)绝缘异常故障峰度参数φ_R2为：

在本实施例中，根据如下公式获取充电SOC一致性异常参数、充电绝缘异常参数、行驶SOC一致性异常参数、行驶绝缘异常参数的故障评分值：

σ_i1，σ_i2，σ_i3为三个故障等级阈值，其中，σ_i1＜σ_i2＜σ_i3；

i表示第i个充电故障参数或行驶故障参数。

具体而言，在故障参数获取中，保证了随着故障严重程度的加重，参数数值呈上升趋势。为了将每个故障参数都转化成范围为[0,100]的无量纲评分，对每个故障参数设置三个故障等级阈值σ_i1，σ_i2，σ_i3(σ_i1＜σ_i2＜σ_i3)，其中i表示第i个故障参数。σ_i1为一级故障阈值，当故障参数小于σ_i1时，认为无故障；σ_i2为二级故障阈值，σ_i3为三级故障阈值。

当评分G_i＝100时，认为无故障，安全性为优；当评分G_i的取值范围为(80,100)时，认为安全性为良；当评分G_i的取值范围为(60,80]时，认为安全性为中；当评分G_i的取值范围为(0,60]时，认为安全性为差。

在本实施例中，充电自放电率参数的故障评分值采用如下方式获取：

根据每个电池单体的自放电率值分别获取每个电池单体的充电自放电率参数的故障评分值；

判断是否只有一个电池单体的充电自放电率参数的故障评分值小于预设自放电率评分值，若是，则获取该小于预设自放电率评分值的电池单体的充电自放电率参数的故障评分值作为充电自放电率参数的故障评分值；

判断是否只有一个电池单体的充电自放电率参数的故障评分值小于预设自放电率评分值，若否，则采用如下公式获取充电自放电率参数的故障评分值：

其中，

G_min为各个电池单体中的评分最小值；G_i自放电为第i个电池单体的充电自放电率参数的故障评分值。

具体而言，对于类似电池单体自放电率故障，由于每个电池单体都有一个自放电率值，需要额外设计一种评分计算方法：设电池单体个数为n，所有单体的自放电率评分分别为G₁，G₂，…，G_n,若只有一个电池单体的自放电率评分低于100分，则用此电池单体的评分代表整个电池包自放电率的评分；若有多个电池单体的自放电率评分低于100分，则整个电池包的自放电率评分G_cha为：

其中，G_min为各个电池单体中的评分最小值。

在本实施例中，以两两计算的方式分别对各个所述充电故障参数和/或行驶故障参数进行计算，从而获取每个充电故障参数和/或行驶故障参数的权重信息包括：

获取比例标度表；

根据比例标度表为充电故障参数和/或至少一个行驶故障参数中的任意两个参数构建判断矩阵；

根据判断矩阵获取权重信息。

具体而言，由于一些故障之间存在较强的相关性，他们同时受到某一个基础信号的影响，当基础信号值呈现恶劣趋势时，会直接或间接导致多个故障的同时发生。因此在进行加权评分时，需要对层次分析法进行改进，考虑相关性较强的故障评分对整体安全性评价的影响。

(1)构造判断矩阵。表2为比例标度表，将全部故障指标进行两两对比，根据比例标度表选择相对重要性数值，用于生成判断矩阵。

表2比例标度表

其中，

P表示各故障指标的判断矩阵；a_ij表示故障a_i对故障a_j的相对重要量化值，且a_ij＝1/a_ij。

举例来说，a₁₂代表第一个故障对第二个故障的相对重要量化值，假设从上表发现，a₁对于a₂来说为强烈重要，则a₁₂则为7。

举例来说，假设有n个参数，每两个参数之间会有一个重要性评分a_ij，并形成一个n×n的矩阵，矩阵有n个特征值，对应n个参数的权重。

(2)计算权重。将上述矩阵的各行相连进行几何平均，然后进行归一化，即可得到各平均指标的权重和特征向量。

式中：w为矩阵P的特征向量，w_i为各故障指标的权重。

举例来说，W₁代表矩阵P中的第一行的特征向量，且代表第一个故障的特征向量。当获取到每个故障的特征向量以后，通过上述w_i的公式，获取各故障参数的权重。

在本实施例中，在获取每个充电故障参数和/或行驶故障参数的权重信息之后，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

判断获取的各个判断矩阵是否满足预设条件，若否，则对不满足的判断矩阵进行修正，从而使判断矩阵满足预设条件。

具体而言，需要满足如下条件：

用下式判断两矩阵得到的权重分配是否具有合理性，如果矩阵P满足条件CR<0.1，则认为P通过一致性检验，否则不通过，需要重新调整P中的数值。

上式中RI为判断矩阵P的平均随机一致性指标，分为1～10阶，表3为判断矩阵P的RI标准值。

表3平均随机一致性指标RI标准值

在本实施例中，采用如下公式获取相关性信息：

其中，

m_ij表示标准化处理后的故障参数i与故障参数j之间的相关性；M_ij表示标准化处理前的故障参数i与故障参数j之间的相关性；M_min表示标准化处理前的相关性参数最小值；M_max表示标准化处理前的相关性参数最大值。

具体而言，各类故障中存在一些相关性较强的故障群体，他们都受到相同的基础信号的影响，当基础信号的值呈现出劣势变化时，会导致出现系列故障的情况，如果对所有故障赋予权重计算，会导致安全性评价的结果不具有可信度。因此需要对故障进行分类处理。

首先根据各个故障的计算原理，结合基础信号对故障进行分类：电流异常类故障，电压异常类故障，温度异常类故障，内阻异常类故障等。

对处于同一分类中的故障进行相关性分析，分别以1-5代表两个故障之间的相关性强弱，其中1表示完全不相关，5表示完全相关。再将结果进行min-max标准化处理，使结果都落在[0,1]范围内，如下式所示。

式中：m_ij表示标准化处理后的故障i与故障j之间的相关性；M_ij表示标准化处理前的故障i与故障j之间的相关性；M_min表示标准化处理前的相关性参数最小值；M_max表示标准化处理前的相关性参数最大值。最后得到下表所示的相关性分析结果，m_i表示故障i。

在本实施例中，采用如下公式获取安全性评分值：

其中，

W_t采用如下公式获取：

其中，

d_i采用如下公式获取：

d_i＝(100-G_i)×w_i；其中，

W_t为t故障分类中的扣除分数、G_i为故障参数i的故障评分值、w_i为故障参数i的权重信息、d_max-t为同一个故障分类中的各个故障参数中的具有最大d_i值的数值。

在本实施例中，根据获取的各个充电故障参数获取该充电故障参数的故障评分值和/或行驶故障参数获取该行驶故障参数的故障评分值以及获取的每个故障组的安全性评分值对车辆进行电池安全响应等级分类采用如下方法：

结合各故障评分情况和安全性评价结果对安全等级进行划分，按照故障严重程度由大到小划分为立刻响应、24h内响应、72h内响应、一周内响应共四个等级，其中：

满足以下两点其中之一的，符合立刻响应等级：

(1)存在故障评分低于m₁分，且评分低于m₁分的故障权重值之和大于p％；

(2)安全性评价结果低于n₁分。

满足以下两点其中之一的，符合24h内响应等级：

(1)存在故障评分低于m₁分，且评分低于m₁分的故障权重值之和小于p％；

(2)安全性评价结果低于n₂分。

满足以下两点其中之一的，符合72h内响应等级：

(1)故障评分最低值小于m₂分且大于等于m₁分；

(2)安全性评价结果低于n₃分。

满足以下两点其中之一的，符合一周内响应等级：

(1)故障评分最低值小于100分且大于等于m₂分；

(2)安全性评价结果低于n₄分。

上述判断条件中：p％为故障权重之和的判断阈值；m₁、m₂分别为故障评分判断阈值且0＜m₁＜m₂＜100；n₁、n₂、n₃、n₄分别为安全性评价结果判断阈值且0＜n₁＜n₂＜n₃＜n₄＜100。

通过将单故障评分结果与安全性评价结果进行结合判断等级，既考虑了整体故障情况对安全性的影响，也考虑了故障维度对整体故障程度的共享。

通过将单故障评分结果与安全性评价结果进行结合判断等级，既考虑了整体故障情况对安全性的影响，也考虑了故障维度对整体故障程度的影响。

本申请还提供了一种基于新能源汽车大数据的动力电池安全性评价装置，所述基于新能源汽车大数据的动力电池安全性评价装置包括单车数据获取模块、划分模块、故障参数获取模块以及评分模块，单车数据获取模块用于获取单车数据；划分模块用于对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；故障参数获取模块用于根据所述充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；评分模块用于根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。

可以理解的是，上述对方法的描述，也同样适用于对装置的描述。

本申请还提供了一种电子设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，处理器执行计算机程序时实现如上的基于新能源汽车大数据的动力电池安全性评价方法。

本申请还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时能够实现如上的基于新能源汽车大数据的动力电池安全性评价方法。

图2是能够实现根据本申请一个实施例提供的基于新能源汽车大数据的动力电池安全性评价方法的电子设备的示例性结构图。

如图2所示，电子设备包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505以及输出设备506。其中，输入接口502、中央处理器503、存储器504以及输出接口505通过总线507相互连接，输入设备501和输出设备506分别通过输入接口502和输出接口505与总线507连接，进而与电子设备的其他组件连接。具体地，输入设备504接收来自外部的输入信息，并通过输入接口502将输入信息传送到中央处理器503；中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器504中，然后通过输出接口505将输出信息传送到输出设备506；输出设备506将输出信息输出到电子设备的外部供用户使用。

也就是说，图2所示的电子设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及一个或多个处理器，该一个或多个处理器在执行计算机可执行指令时可以实现结合图1描述的基于新能源汽车大数据的动力电池安全性评价方法。

在一个实施例中，图2所示的电子设备可以被实现为包括：存储器504，被配置为存储可执行程序代码；一个或多个处理器503，被配置为运行存储器504中存储的可执行程序代码，以执行上述实施例中的基于新能源汽车大数据的动力电池安全性评价方法。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动，媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数据多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

此外，显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，模块、程序段、或代码的一部分包括一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地标识的方框实际上可以基本并行地执行，他们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或总流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

在本实施例中所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现装置/终端设备的各种功能。存储器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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

在本实施例中，装置/终端设备集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。本申请虽然以较佳实施例公开如上，但其实并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此，本申请的保护范围应当以本申请权利要求所界定的范围为准。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

此外，显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (14)

1.一种基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述基于新能源汽车大数据的动力电池安全性评价方法包括：

获取单车数据；

对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；

根据所述充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；

根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。

2.如权利要求1所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

获取每个充电故障参数和/或行驶故障参数的权重信息；

为各个所述充电故障参数和/或行驶故障参数进行分类，从而形成至少一个故障组，每个故障组至少包括一个充电故障参数和/或行驶故障参数；

对位于同一组内的各个充电故障参数和/或行驶故障参数进行相关性分析，从而获取相关性信息；

根据所述每个充电故障参数获取该充电故障参数的故障评分和/或每个行驶故障参数获取该行驶故障参数的故障评分、所述相关性信息以及所述每个充电故障参数和/或行驶故障参数的权重信息获取每个故障组的安全性评分值。

3.如权利要求2所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

根据获取的各个充电故障参数获取该充电故障参数的故障评分值和/或行驶故障参数获取该行驶故障参数的故障评分值以及获取的每个故障组的安全性评分值对车辆进行电池安全响应等级分类。

4.如权利要求3所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据包括：

判断是否能够通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分，若是，则通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分。

5.如权利要求4所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据进一步包括：

判断是否能够通过充电枪连接状态信号和高压上电状态信号对所述单车数据进行划分，若否，则通过充电枪连接状态信号和主正继电器状态信号对所述单车数据进行划分。

6.如权利要求5所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，每个所述充电工况片段数据至少包括一个充电工况开始帧以及一个充电工况结束帧；

每个所述行驶工况片段数据包括至少包括一个行驶工况开始帧以及一个行驶工况结束帧；其中，

每个所述充电工况片段数据采用如下方式获取所述充电工况开始帧以及充电工况结束帧：

对所述单车数据进行遍历，如果出现连续三帧信号的充电枪连接状态为充电中，则选择三帧信号的第一帧作为该充电工况片段数据的充电开始帧；

在获取到充电开始帧后，对充电开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的充电枪连接状态为充电完成或未充电，则选择三帧信号的第一帧作为该充电工况片段数据的充电结束帧；

每个所述行驶工况片段数据采用如下方式获取所述行驶工况开始帧以及行驶工况结束帧：

对所述单车数据进行遍历，如果出现连续三帧信号的充电枪连接状态为未充电，且高压上电状态信号为已上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶开始帧；

在获取到行驶开始帧后，对行驶开始帧之后的各帧数据进行遍历，如果出现连续三帧信号的高压上电状态信号为未上电，则选择三帧信号的第一帧作为该行驶工况片段数据的行驶结束帧。

7.如权利要求6所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述充电故障参数包括充电SOC一致性异常参数、充电自放电率参数；

所述行驶故障参数包括行驶SOC一致性异常参数、行驶自放电率参数、行驶绝缘异常参数。

8.如权利要求7所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，根据如下公式获取充电SOC一致性异常参数、充电绝缘异常参数、行驶SOC一致性异常参数、行驶绝缘异常参数的故障评分值：

其中，

σ_i1，σ_i2，σ_i3为三个故障等级阈值，其中，σ_i1＜σ_i2＜σ_i3；

i表示第i个充电故障参数或行驶故障参数。

9.如权利要求8所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述充电自放电率参数的故障评分值采用如下方式获取：

根据每个电池单体的自放电率值分别获取每个电池单体的充电自放电率参数的故障评分值；

判断是否只有一个电池单体的充电自放电率参数的故障评分值小于预设自放电率评分值，若是，则获取该小于预设自放电率评分值的电池单体的充电自放电率参数的故障评分值作为充电自放电率参数的故障评分值；

判断是否只有一个电池单体的充电自放电率参数的故障评分值小于预设自放电率评分值，若否，则采用如下公式获取充电自放电率参数的故障评分值：

其中，

G_min为各个电池单体中的评分最小值；G_i自放电为第i个电池单体的充电自放电率参数的故障评分值。

10.如权利要求9所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，所述获取每个充电故障参数和/或行驶故障参数的权重信息包括：

获取比例标度表；

根据所述比例标度表为充电故障参数和/或至少一个行驶故障参数中的任意两个参数构建判断矩阵；

根据所述判断矩阵获取权重信息。

11.如权利要求10所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，在所述获取每个充电故障参数和/或行驶故障参数的权重信息之后，所述基于新能源汽车大数据的动力电池安全性评价方法进一步包括：

判断获取的各个判断矩阵是否满足预设条件，若否，则对不满足的判断矩阵进行修正，从而使判断矩阵满足预设条件。

12.如权利要求10所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，采用如下公式获取相关性信息：

其中，

m_ij表示标准化处理后的故障参数i与故障参数j之间的相关性；M_ij表示标准化处理前的故障参数i与故障参数j之间的相关性；M_min表示标准化处理前的相关性参数最小值；M_max表示标准化处理前的相关性参数最大值。

13.如权利要求12所述的基于新能源汽车大数据的动力电池安全性评价方法，其特征在于，采用如下公式获取安全性评分值：

其中，

W_t采用如下公式获取：

其中，

d_i采用如下公式获取：

d_i＝(100-G_i)×w_i；其中，

W_t为t故障分类中的扣除分数、G_i为故障参数i的故障评分值、w_i为故障参数i的权重信息、d_max-t为同一个故障分类中的各个故障参数中的具有最大d_i值的数值；d_i表示第i个故障参数需要扣除的分数；d_max-t表示同一故障分类下的故障参数中，d_i的最大值。

14.一种基于新能源汽车大数据的动力电池安全性评价装置，其特征在于，所述基于新能源汽车大数据的动力电池安全性评价装置包括：

单车数据获取模块，所述单车数据获取模块用于获取单车数据；

划分模块，所述划分模块用于对所述单车数据进行划分，从而获取至少一个充电工况片段数据和/或至少一个行驶工况片段数据；

故障参数获取模块，故障参数获取模块用于根据所述充电工况片段数据获取至少一个充电故障参数和/或至少一个行驶故障参数；

评分模块，所述评分模块用于根据每个充电故障参数获取该充电故障参数的故障评分值和/或根据每个行驶故障参数获取该行驶故障参数的故障评分值。

Images