CN115561658B - 一种基于数据切片的动力电池异常电芯监测方法 - Google Patents
一种基于数据切片的动力电池异常电芯监测方法 Download PDFInfo
- Publication number
- CN115561658B CN115561658B CN202211518400.2A CN202211518400A CN115561658B CN 115561658 B CN115561658 B CN 115561658B CN 202211518400 A CN202211518400 A CN 202211518400A CN 115561658 B CN115561658 B CN 115561658B
- Authority
- CN
- China
- Prior art keywords
- power battery
- data
- battery cell
- temperature data
- slicing
- 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
-
- 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
-
- 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
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- 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
-
- 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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于数据切片的动力电池异常电芯监测方法,包括:在步骤S1中,采集车机端传输至云端的车辆的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据,并对动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据进行预处理;在步骤S2中,将预处理得到的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文进行时间片段划分,通过基于切片数据和切片数据筛选规则实现能有效的对动力电池进行监控,并然后对发生故障的电池进行告警,并且能够具体到电芯级别,为售后维护更换电池模组提供指导意见,同时本发明还能够实现趋势的预警,使得企业能够在故障演变到严重之前减轻车企的损失。
Description
技术领域
本发明涉及车联网及电动汽车技术领域,尤其涉及一种基于数据切片的动力电池异常电芯监测方法。
背景技术
受到能源危机、环保以及政策导向等因素的影响,新能源汽车销量与日俱增,市场行情良好。然而,随之而来的安全问题也逐渐获得社会的广泛关注。近两年,仅网络报告的新能源烧车事件就达上百起,各大新能源车企的大范围召回事件屡见不鲜。保证安全是新能源汽车推广及应用的前提条件,长期可靠是新能源汽车普及的必要基础。动力电池作为新能源汽车的核心部件,由动力电池故障引发的烧车事件占有较大的比重。因此,动力电池的异常监控和检测在新能源汽车安全中必不可缺。
发明内容
本发明的目的在于提供一种基于数据切片的动力电池异常电芯监测方法,能有效监控车辆的动力电池运行状态,并且对危险电池以及日益危险的电池进行检测和告警。
本发明的技术方案实现如下:
本发明提供一种基于数据切片的动力电池异常电芯监测方法,所述方法包括以下步骤:
S1,采集车机端传输至云端的车辆的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据,并对所述动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据进行预处理;
S2,将预处理得到的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文进行时间片段划分,将连续的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文划分为同一个时间片段;
S3,将时间片段分别划分为充电状态的工况时间片段和行驶状态的工况时间片段;
S4,对在时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文按照时间戳进行排序,然后根据工况划分时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文,并抽取特定条件下的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文得到时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的切片数据;
S5,根据动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的切片数据所处的工况、上一个时间片段所处的工况以及距离上一个时间片段的时间间隔对时间片段进行筛选;
S6,根据动力电池电芯电压数据的切片数据衡量电压一致性,根据动力电池电芯温度数据的切片数据衡量温度一致性,并对动力电池电芯电压数据与动力电池电芯温度数据的切片数据进行去中心化计算;
S7,将步骤S6中得到的相同工况下的所有车辆的动力电池电芯温度数据与动力电池电芯电压数据的切片数据分别进行计算并得到所有动力电池电芯温度数据与动力电池电芯电压数据的切片数据的分位数,将得到的分位数作为整体的阈值,并将阈值超出分位数的车辆判定为异常车辆,然后通过计算异常车辆的动力电池电芯温度数据与动力电池电芯电压数据的切片数据的3sigma值作为电芯异常筛选的阈值线,判定阈值超出3sigma的电芯为异常电芯;
S8,通过MK检验对每个动力电池电芯进行趋势性检验,并判断动力电池电芯在一定时间内的趋势性变化,即一致性问题是否加剧或者缓和;
S9,将动力电池电芯电压数据超出阈值、呈现显著趋势性的动力电池电芯与异常电芯检测出来。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;所述步骤S2还包括以下子步骤:
S21,计算前后动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文的时间间隔,并按照设置的判定时间片不连续的阈值,将按照时间排序的报文划分为多个时间片。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;所述步骤S2还包括以下子步骤:
S22,通过计算时间片段内动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文量,将低于设定报文量的时间片段去除。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;在所述步骤S3中所述行驶状态的工况定义为当前没有充电并且处于启动中;所述充电状态的工况定义为车辆处于停车充电并且车辆未启动。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;在所述步骤S4中,所述特定条件为动力电池电芯电压数据头部与尾部的切片数据,其中头部与尾部的切片数据获取公式如下:
其中,n 表示第n条报文,head 表示从头部获取,tail 表示从尾部获取。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;所述步骤S5还包括以下子步骤:
S51,对时间片段内的动力电池电芯电压数据与动力电池电芯温度数据的切片数据分别进行筛选,去除非稳态动力电池电芯电压数据与动力电池电芯温度数据的切片数据,其中非稳态动力电池电芯电压数据的切片数据为较大的电流相较临近报文有较大数据变化或SOC处于较高水平的切片数据;
S52,对时间片段内的动力电池电芯电压数据与动力电池电芯温度数据的切片数据分别进行筛选,去除时间间隔较短的动力电池电芯电压数据与动力电池电芯温度数据的切片数据,并对比时间相近的时间片段的时间,确保动力电池电芯电压数据与动力电池电芯温度数据的切片数据有一定时间窗口的间隔。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;在所述步骤S6中所
述去中心化计算公式如下:,其中,当对应动力电池电芯的温度一致性问题
时,x为当前电芯的温度值,为当前切片数据的所有温度值的均值,当对应动力电池电芯
的电压一致性问题时,x为当前电芯的电压值,为当前切片数据的所有电压值的均值。
本发明所述的基于数据切片的动力电池异常电芯监测方法中;在所述步骤S7中所述3sigma阈值的计算公式如下:
其中, 为当前切片的数据所有动力电池电芯的均值,当对应动力电池电芯的
温度一致性问题时表示为所有动力电池电芯温度值的均值,当对应动力电池电芯的电压一
致性问题时表示为当前切片所有动力电池电芯电压值的均值,为当前切片数据的标准
差,当对应动力电池电芯的温度一致性问题时表示为当前切片所有动力电池电芯温度值的
标准差,当为电压一致性时表示为所有动力电池电芯电压值的标准差。
因此,本发明的有益效果是,通过基于切片数据和切片数据筛选规则实现能有效的对动力电池进行监控,并然后对发生故障的电池进行告警,并且能够具体到电芯级别,为售后维护更换电池模组提供指导意见,同时本发明还能够实现趋势的预警,使得企业能够在故障演变到严重之前减轻车企的损失。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明一实施例提供的一种基于数据切片的动力电池异常电芯监测方法的流程图;
图2为本发明一实施例提供的一种基于数据切片的动力电池异常电芯监测方法中使用电压一致性数据时电压数据进行效果展示图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,以下将对照附图详细说明本发明的具体实施方式。应当理解,以下说明仅为本发明实施例的具体阐述,不应以此限制本发明的保护范围。
参见图1-2,图1为本发明一实施例提供的一种基于数据切片的动力电池异常电芯监测方法的流程图,提供一种基于数据切片的动力电池异常电芯监测方法,包括步骤S1-S9:
在步骤S1中,采集车机端传输至云端的车辆的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据,并对动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据进行预处理;
在步骤S2中,将预处理得到的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文进行时间片段划分,将连续的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文划分为同一个时间片段;
在步骤S3中,将时间片段分别划分为充电状态的工况时间片段和行驶状态的工况时间片段;
在步骤S4中,对在时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文按照时间戳进行排序,然后根据工况划分时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文,并抽取特定条件下的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文得到时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的切片数据;
在步骤S5中,根据动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的切片数据所处的工况、上一个时间片段所处的工况以及距离上一个时间片段的时间间隔对时间片段进行筛选;
在步骤S6中,根据动力电池电芯电压数据的切片数据衡量电压一致性,根据动力电池电芯温度数据的切片数据衡量温度一致性,并对动力电池电芯电压数据与动力电池电芯温度数据的切片数据进行去中心化计算;
在步骤S7中,将步骤S6中得到的相同工况下的所有车辆的动力电池电芯温度数据与动力电池电芯电压数据的切片数据分别进行计算并得到所有动力电池电芯温度数据与动力电池电芯电压数据的切片数据的分位数,将得到的分位数作为整体的阈值,并将阈值超出分位数的车辆判定为异常车辆,然后通过计算异常车辆的动力电池电芯温度数据与动力电池电芯电压数据的切片数据的3sigma值作为电芯异常筛选的阈值线,判定阈值超出3sigma的电芯为异常电芯;
在步骤S8中,通过MK检验对每个动力电池电芯进行趋势性检验,并判断动力电池电芯在一定时间内的趋势性变化,即一致性问题是否加剧或者缓和;
在步骤S9中,将动力电池电芯电压数据超出阈值、呈现显著趋势性的动力电池电芯与异常电芯检测出来。
具体的,预处理包括以下四个步骤:通过车机端通过部署数据采集工具,对车辆各个控制器(ECU)的数据通过CAN总线进行采集,然后上传至云端,再存入到企业的大数据平台。其中,各个控制器(ECU)的数据包括车辆行驶状态、充电状态、时间戳、动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据等,并选择车辆行驶状态、充电状态、时间戳、动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据等的数据字段。
将超出国家标准(GB/T 32960)特征范围的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据进行置空操作;当动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据离散数据特征时,衡量报文前后的时间节点,将只有一条异常报文数据按照上一条数据的值进行修正,当动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据连续数据特征,按照数据分布,将超出均值上下三倍标准差的数据置空。对于某条动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据如果存在一半以上的数据特征都为空,那么直接删除该条数据,但是删除之前需要确认通用报警标志字段为0。
计算当前动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文和上一条报文的时间间隔,如果时间间隔小于15秒,那么对于缺失值使用前向填充。对于车况较为稳定的缺失数据使用前后时间窗口内的均值进行填充。对数据进行去重,对于时间戳重复的报文,也做相同处理。
本发明通过在在现有大数据平台基础之上进行数据分析和部署,为企业响应国家注重车辆安全的政策提供支撑,对于企业的事前诊断和事后分析提供重要的输入,有效降低车辆运行风险,对车企完善监控体制,降低受损成本有重要意义。
在一实施例中,步骤S2还包括以下子步骤:
在步骤S21中,计算前后动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文的时间间隔,并按照设置的判定时间片不连续的阈值,将按照时间排序的报文划分为多个时间片。可根车辆实际使用情况进行调整,本申请中阈值设置为5分钟。
在一实施例中,步骤S2还包括以下子步骤:
在步骤S22中,通过计算时间片段内动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文量,将低于设定报文量的时间片段去除。可根车辆实际使用情况进行调整,本申请中报文量设置为30。
在一实施例中,在步骤S3中行驶状态的工况定义为当前没有充电并且处于启动中;充电状态的工况定义为车辆处于停车充电并且车辆未启动。
在一实施例中,在步骤S4中,特定条件为动力电池电芯电压数据头部与尾部的切片数据,其中头部与尾部的切片数据获取公式如下:
其中,n 表示第n条报文,head 表示从头部获取,tail 表示从尾部获取,具体的,本申请中 n=1,即切取充电状态的工况和行驶状态的工况的第一条和最后一条数据。
在一实施例中,步骤S5还包括以下子步骤:
在步骤S51中,对时间片段内的动力电池电芯电压数据与动力电池电芯温度数据的切片数据分别进行筛选,去除非稳态动力电池电芯电压数据与动力电池电芯温度数据的切片数据,其中非稳态动力电池电芯电压数据的切片数据为较大的电流相较临近报文有较大数据变化或SOC处于较高水平的切片数据,本申请设定电流低于100A,SOC处于30到85之间。
在步骤S52中,对时间片段内的动力电池电芯电压数据与动力电池电芯温度数据的切片数据分别进行筛选,去除时间间隔较短的动力电池电芯电压数据与动力电池电芯温度数据的切片数据,并对比时间相近的时间片段的时间,确保动力电池电芯电压数据与动力电池电芯温度数据的切片数据有一定时间窗口的间隔。
具体的,设定时间窗口的间隔大小在1到3个小时之间,可根据车辆实际使用情况调整,本申请时间窗口设置为3小时,即切片的头部需要和上一个工况的尾部差距超过3个小时。
在一实施例中,在步骤S6中去中心化计算公式如下:其中,当对应
动力电池电芯的电压一致性问题时,x为当前电芯的温度值,为当前切片数据的所有温
度值的均值,当对应动力电池电芯的电压一致性问题时,x为当前电芯的电压值,为当前
切片数据的所有电压值的均值。
在一实施例中,在步骤S7中3sigma阈值的计算公式如下:
其中, 为当前切片的数据所有动力电池电芯的均值,当对应动力电池电芯的
温度一致性问题时表示为所有动力电池电芯温度值的均值,当对应动力电池电芯的电压一
致性问题时表示为当前切片所有动力电池电芯电压值的均值,为当前切片数据的标准
差,当对应动力电池电芯的温度一致性问题时表示为当前切片所有动力电池电芯温度值的
标准差,当对应动力电池电芯的电压一致性问题时表示为当前切片所有动力电池电芯电压
值的标准差。对于超出3sigma阈值的电芯存在多种情况。如果只有单个电芯超出阈值,那么
该电芯为异常电芯;如果存在多个电芯超出阈值,并且这些电芯属于相同模组,那么判定该
模组异常;如果存在多个电芯超出阈值,但是这些电芯属于不同模组,那么判定偏离阈值线
最大并且偏离次数作为异常电芯;如果多个电芯超出阈值程度和次数近似,并且都属于不
同模组,那么进行趋势性筛选或者继续积累数据观察;如果以上情况都不满足,那么认定当
前动力电池一致性良好。
本发明实施例提供的一种基于数据切片的动力电池异常电芯监测方法的有益效果至少在于:
1、基于车机端的实时数据,能够检测到故障电池,并且能够具体到电芯级别,粒度更细;
2、本发明能够对于趋势类的故障进行提前告警,使得前期风险能够尽早被规避;
3、本发明使用的切片数据,对于企业的部署硬件要求较低并且在计算速度上有一定的优势。
4、本发明使用的切片数据,对于企业探索动力电池的故障模式有重要意义。
本文提供了实施例的各种操作。在一个实施例中,所述的一个或操作可以构成一个或计算机可读介质上存储的计算机可读指令,其在被电子设备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书的益处的可替代的排序。而且,应当理解,不是所有操作必需在本文所提供的每个实施例中存在。
而且,本文所使用的词语“优选的”意指用作实例、示例或例证。奉文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反,词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即,除非另外指定或从上下文中清楚,“X使用A或B”意指自然包括排列的任意一个。即,如果X使用A;X使用B;或X使用A和B二者,则“X使用A或B”在前述任一示例中得到满足。
而且,尽管已经相对于一个或实现方式示出并描述了本公开,但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型,并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能,用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示),即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外,尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开,但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且,就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言,这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。上述的各装置或系统,可以执行相应方法实施例中的方法。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (8)
1.一种基于数据切片的动力电池异常电芯监测方法,其特征在于,包括:
S1,采集车机端传输至云端的车辆的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据,并对所述动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据进行预处理;
S2,将预处理得到的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文进行时间片段划分,将连续的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文划分为同一个时间片段;
S3,将时间片段分别划分为充电状态的工况时间片段和行驶状态的工况时间片段;
S4,对在时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文按照时间戳进行排序,然后根据工况划分时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文,并抽取特定条件下的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文得到时间片段内的动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的切片数据;
S5,根据动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的切片数据所处的工况、上一个时间片段所处的工况以及距离上一个时间片段的时间间隔对时间片段进行筛选;
S6,根据动力电池电芯电压数据的切片数据衡量电压一致性,根据动力电池电芯温度数据的切片数据衡量温度一致性,并对动力电池电芯电压数据与动力电池电芯温度数据的切片数据进行去中心化计算;
S7,将步骤S6中得到的相同工况下的所有车辆的动力电池电芯温度数据与动力电池电芯电压数据的切片数据分别进行计算并得到所有动力电池电芯温度数据与动力电池电芯电压数据的切片数据的分位数,将得到的分位数作为整体的阈值,并将阈值超出分位数的车辆判定为异常车辆,然后通过计算异常车辆的动力电池电芯温度数据与动力电池电芯电压数据的切片数据的3sigma值作为电芯异常筛选的阈值线,判定阈值超出3sigma的电芯为异常电芯;
S8,通过MK检验对每个动力电池电芯进行趋势性检验,并判断动力电池电芯在一定时间内的趋势性变化,即一致性问题是否加剧或者缓和;
S9,将动力电池电芯电压数据超出阈值、呈现显著趋势性的动力电池电芯与异常电芯检测出来。
2.根据权利要求1所述的基于数据切片的动力电池异常电芯监测方法,其特征在于,所述步骤S2还包括以下子步骤:
S21,计算前后动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文的时间间隔,并按照设置的判定时间片不连续的阈值,将按照时间排序的报文划分为多个时间片。
3.根据权利要求2所述的基于数据切片的动力电池异常电芯监测方法,其特征在于,所述步骤S2还包括以下子步骤:
S22,通过计算时间片段内动力电池电芯电压数据、动力电池电芯温度数据与驱动电机温度数据的报文量,将低于设定报文量的时间片段去除。
4.根据权利要求3所述的基于数据切片的动力电池异常电芯监测方法,其特征在于,在所述步骤S3中所述行驶状态的工况定义为当前没有充电并且处于启动中;所述充电状态的工况定义为车辆处于停车充电并且车辆未启动。
6.根据权利要求5所述的基于数据切片的动力电池异常电芯监测方法,其特征在于,所述步骤S5还包括以下子步骤:
S51,对时间片段内的动力电池电芯电压数据与动力电池电芯温度数据的切片数据分别进行筛选,去除非稳态动力电池电芯电压数据与动力电池电芯温度数据的切片数据,其中非稳态动力电池电芯电压数据的切片数据为较大的电流相较临近报文有较大数据变化或SOC处于较高水平的切片数据;
S52,对时间片段内的动力电池电芯电压数据与动力电池电芯温度数据的切片数据分别进行筛选,去除时间间隔较短的动力电池电芯电压数据与动力电池电芯温度数据的切片数据,并对比时间相近的时间片段的时间,确保动力电池电芯电压数据与动力电池电芯温度数据的切片数据有一定时间窗口的间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211518400.2A CN115561658B (zh) | 2022-11-30 | 2022-11-30 | 一种基于数据切片的动力电池异常电芯监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211518400.2A CN115561658B (zh) | 2022-11-30 | 2022-11-30 | 一种基于数据切片的动力电池异常电芯监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115561658A CN115561658A (zh) | 2023-01-03 |
CN115561658B true CN115561658B (zh) | 2023-02-28 |
Family
ID=84770730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211518400.2A Active CN115561658B (zh) | 2022-11-30 | 2022-11-30 | 一种基于数据切片的动力电池异常电芯监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115561658B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117970127A (zh) * | 2024-03-29 | 2024-05-03 | 深圳联友科技有限公司 | 用于识别动力电池异常自放电的方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005005A (zh) * | 2015-08-10 | 2015-10-28 | 东南大学 | 一种蓄电池组劣化单体电池检测方法 |
CN109116243A (zh) * | 2018-06-29 | 2019-01-01 | 上海科列新能源技术有限公司 | 一种动力电池的异常检测方法和装置 |
CN112986839A (zh) * | 2021-02-25 | 2021-06-18 | 北京理工大学 | 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 |
CN113049976A (zh) * | 2021-04-27 | 2021-06-29 | 武汉理工大学 | 一种车辆电池健康状态评估方法及系统 |
CN113219361A (zh) * | 2021-03-16 | 2021-08-06 | 上海派能能源科技股份有限公司 | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及系统 |
WO2021261831A1 (ko) * | 2020-06-23 | 2021-12-30 | 주식회사 엘지에너지솔루션 | Bms 온도 센서를 활용한 배터리 셀의 온도 이상 상태 진단 시스템 및 방법 |
CN114274777A (zh) * | 2021-12-15 | 2022-04-05 | 重庆长安新能源汽车科技有限公司 | 一种电池异常监控方法、系统及车辆 |
CN114361616A (zh) * | 2021-12-24 | 2022-04-15 | 重庆长安新能源汽车科技有限公司 | 电池热失控预警方法、系统及存储介质 |
WO2022244572A1 (ja) * | 2021-05-21 | 2022-11-24 | 株式会社日立製作所 | 蓄電池システム、それを備えた鉄道車両、及び異常電池検知方法 |
CN115384311A (zh) * | 2022-08-24 | 2022-11-25 | 重庆长安新能源汽车科技有限公司 | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 |
-
2022
- 2022-11-30 CN CN202211518400.2A patent/CN115561658B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005005A (zh) * | 2015-08-10 | 2015-10-28 | 东南大学 | 一种蓄电池组劣化单体电池检测方法 |
CN109116243A (zh) * | 2018-06-29 | 2019-01-01 | 上海科列新能源技术有限公司 | 一种动力电池的异常检测方法和装置 |
WO2021261831A1 (ko) * | 2020-06-23 | 2021-12-30 | 주식회사 엘지에너지솔루션 | Bms 온도 센서를 활용한 배터리 셀의 온도 이상 상태 진단 시스템 및 방법 |
CN112986839A (zh) * | 2021-02-25 | 2021-06-18 | 北京理工大学 | 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 |
CN113219361A (zh) * | 2021-03-16 | 2021-08-06 | 上海派能能源科技股份有限公司 | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及系统 |
CN113049976A (zh) * | 2021-04-27 | 2021-06-29 | 武汉理工大学 | 一种车辆电池健康状态评估方法及系统 |
WO2022244572A1 (ja) * | 2021-05-21 | 2022-11-24 | 株式会社日立製作所 | 蓄電池システム、それを備えた鉄道車両、及び異常電池検知方法 |
CN114274777A (zh) * | 2021-12-15 | 2022-04-05 | 重庆长安新能源汽车科技有限公司 | 一种电池异常监控方法、系统及车辆 |
CN114361616A (zh) * | 2021-12-24 | 2022-04-15 | 重庆长安新能源汽车科技有限公司 | 电池热失控预警方法、系统及存储介质 |
CN115384311A (zh) * | 2022-08-24 | 2022-11-25 | 重庆长安新能源汽车科技有限公司 | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 |
Non-Patent Citations (2)
Title |
---|
Lithium-ion batteries fault diagnostic for electric vehicles using sample entropy analysis method;Xiaoyu Li,et al.;《Elsevier》;20201231;第1-11页 * |
基于大数据的电动汽车动力电池系统故障诊断方法研究;赵洋;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;20210715(第7期);C035-477 * |
Also Published As
Publication number | Publication date |
---|---|
CN115561658A (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN110687457B (zh) | 一种电池包异常的检测方法、装置、存储介质及电子设备 | |
EP4361654A1 (en) | New energy vehicle, and anomaly monitoring and diagnosis method and device for battery system soc of new energy vehicle | |
CN112487031B (zh) | 单体电池故障检测方法、装置、可读存储介质及电子设备 | |
CN112993426B (zh) | 基于停车工况的动力电池热失控预警系统及预警方法 | |
CN115561658B (zh) | 一种基于数据切片的动力电池异常电芯监测方法 | |
CN110806508B (zh) | 一种基于数据的高压回路接触电阻变化的评估方法 | |
CN113687234B (zh) | 电池异常识别方法、装置、设备、介质及程序产品 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 | |
CN112345941A (zh) | 一种基于大数据依变化量曲线的后台热失控预警方法 | |
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警系统 | |
CN116142031B (zh) | 电池放电保护方法、装置、计算机设备和存储介质 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN114274778A (zh) | 动力电池的失效预警方法、装置、车辆及存储介质 | |
CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
CN113297033B (zh) | 基于云端监测数据的车辆电控系统健康评估方法和系统 | |
CN114563721A (zh) | 一种电池系统电流异常变化检测方法 | |
CN111882697B (zh) | 一种基于概率突变法则的电压异常单体的识别算法 | |
CN111859710A (zh) | 一种量化安全的累计风险模型建模方法 | |
CN116879763A (zh) | 一种基于卡尔曼滤波算法的电池故障预警方法 | |
CN115972982A (zh) | 热失控预警方法、装置、设备及可读存储介质 | |
CN112330176A (zh) | 一种锂电池铜排松动故障诊断及预测方法 | |
CN111584966B (zh) | 基于大数据分析的动力电池包中单体电池过压预警方法 | |
CN114035056A (zh) | 一种动力电池性能检测方法、装置和设备 | |
CN113335068A (zh) | 故障诊断方法、装置、电子设备和可读存储介质 |
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 |