CN115656847A - 一种电动车电池异常确定方法、电子设备和存储介质 - Google Patents

一种电动车电池异常确定方法、电子设备和存储介质 Download PDF

Info

Publication number
CN115656847A
CN115656847A CN202211569487.6A CN202211569487A CN115656847A CN 115656847 A CN115656847 A CN 115656847A CN 202211569487 A CN202211569487 A CN 202211569487A CN 115656847 A CN115656847 A CN 115656847A
Authority
CN
China
Prior art keywords
score
determining
current
time window
order
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.)
Granted
Application number
CN202211569487.6A
Other languages
English (en)
Other versions
CN115656847B (zh
Inventor
梁帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Prophet Big Data Co ltd
Original Assignee
Dongguan Prophet Big Data Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongguan Prophet Big Data Co ltd filed Critical Dongguan Prophet Big Data Co ltd
Priority to CN202211569487.6A priority Critical patent/CN115656847B/zh
Publication of CN115656847A publication Critical patent/CN115656847A/zh
Application granted granted Critical
Publication of CN115656847B publication Critical patent/CN115656847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors

Abstract

本申请涉及一种电动车电池异常确定方法、电子设备和存储介质，该方法包括：获取充电信息；确定订单完整得分，确定充电订单是否完整；若充电订单完整，确定订单异常得分，确定充电订单是否异常；若充电订单正常，设定时间窗，确定时间窗的坡度态势得分，根据坡度态势得分确定时间窗内是否存在下降态势；若存在下降态势，确定时间窗内是否存在电流衰减；若存在电流衰减，确定异常波动得分和波动差异得分，确定整体电流波动异常得分和整体电流波动分布异常得分；根据整体电流波动异常得分和整体电流波动分布异常得分确定充电电流是否存在异常；若充电电流异常，根据充电信息和波动差异得分确定电池异常得分，根据电池异常得分确定电池是否存在异常。

Description

一种电动车电池异常确定方法、电子设备和存储介质
技术领域
本申请涉及电动车电池技术领域，特别是涉及一种电动车电池异常确定方法、电子设备和存储介质。
背景技术
电动车作为环保便捷的新能源交通工具，近几年在我国城乡迅速普及。但在电动车在使用过程中，电池的使用寿命会随着时间逐渐下降，或因使用、保养不当，造成电池的异常损耗，导致电池续航能力降低、充电频率增加，甚至出现电池失效的情况。为确保电动车电池安全有效运行，避免安全事故发生，对电动车电池的异常检测尤为重要。
发明内容
基于上述问题，本申请提供一种电动车电池异常确定方法、电子设备和存储介质。
第一方面，本申请实施例提供一种电动车电池异常确定方法，包括：
获取电动车在充电桩完成一个订单的充电信息；
根据充电信息确定订单完整得分，根据订单完整得分确定电动车的充电订单是否完整；
若充电订单完整，根据充电信息确定订单异常得分，根据订单异常得分确定充电订单是否异常；
若充电订单正常，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势；
若时间窗内存在下降态势，根据充电信息确定时间窗内是否存在电流衰减；
若时间窗内存在电流衰减，根据充电信息确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分；根据整体电流波动异常得分和整体电流波动分布异常得分确定充电电流是否存在异常；
若充电电流异常，根据充电信息和波动差异得分确定电池异常得分，根据电池异常得分确定电池是否存在异常。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定订单完整得分，包括：
充电信息表示为
Figure 929028DEST_PATH_IMAGE001
，其中，
Figure 315010DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 563588DEST_PATH_IMAGE003
为时间
Figure 693218DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 727165DEST_PATH_IMAGE004
为序号，根据充电信息
Figure 18469DEST_PATH_IMAGE001
确定订单完整得分
Figure 19923DEST_PATH_IMAGE005
是通过如下公式确定的：
Figure 953244DEST_PATH_IMAGE006
Figure 90964DEST_PATH_IMAGE007
Figure 818749DEST_PATH_IMAGE008
Figure 291187DEST_PATH_IMAGE009
其中，
Figure 762620DEST_PATH_IMAGE010
为时长完整得分，
Figure 754847DEST_PATH_IMAGE011
为充电完整得分 ，
Figure 919112DEST_PATH_IMAGE012
为电流衰减完整得分，
Figure 629579DEST_PATH_IMAGE013
为设定的第一判断阈值，
Figure 124276DEST_PATH_IMAGE014
为设定的第二判断阈值，int()为取整函数。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定订单异常得分，包括：
充电信息表示为
Figure 502168DEST_PATH_IMAGE001
，其中，
Figure 571755DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 769518DEST_PATH_IMAGE003
为时间
Figure 582753DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 798840DEST_PATH_IMAGE004
为序号，根据充电信息
Figure 304908DEST_PATH_IMAGE001
确定订单异常得分
Figure 724388DEST_PATH_IMAGE015
是通过如下公式确定的：
Figure 341314DEST_PATH_IMAGE016
Figure 428219DEST_PATH_IMAGE017
Figure 839608DEST_PATH_IMAGE018
Figure 514695DEST_PATH_IMAGE019
其中，
Figure 669733DEST_PATH_IMAGE020
为电流超限得分，
Figure 611144DEST_PATH_IMAGE021
为能量超限得分，
Figure 193435DEST_PATH_IMAGE022
为稳定过程能量得分，
Figure 853087DEST_PATH_IMAGE023
为设定的第三判断阈值，
Figure 61083DEST_PATH_IMAGE024
为设定的第四判断阈值,int()为取整函数。
进一步地，上述一种电动车电池异常确定方法中，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势，包括：
充电信息表示为
Figure 591421DEST_PATH_IMAGE001
，其中，
Figure 344614DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 491561DEST_PATH_IMAGE003
为时间
Figure 253981DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 169984DEST_PATH_IMAGE004
为序号，设定时间窗S，时间窗长度为
Figure 579231DEST_PATH_IMAGE025
，从定单开始时间以固定步长
Figure 213475DEST_PATH_IMAGE026
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 514006DEST_PATH_IMAGE027
，其中
Figure 550095DEST_PATH_IMAGE028
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 379511DEST_PATH_IMAGE029
-1，
Figure 501051DEST_PATH_IMAGE029
为集合的元素数,
根据时间窗和所述充电信息确定时间窗的坡度态势得分
Figure 854541DEST_PATH_IMAGE030
是通过如下公式确定的：
Figure 479557DEST_PATH_IMAGE031
Figure 11032DEST_PATH_IMAGE033
Figure 88710DEST_PATH_IMAGE035
Figure 996623DEST_PATH_IMAGE036
表示电流值的序号，当时间窗的坡度态势得分
Figure 741725DEST_PATH_IMAGE030
小于
Figure 444102DEST_PATH_IMAGE037
时，确定时间窗内存在下降态势，其中,
Figure 25387DEST_PATH_IMAGE038
为前半态势得分,
Figure 471412DEST_PATH_IMAGE039
为后半态势得分,
Figure 71021DEST_PATH_IMAGE037
为设定的第五判断阈值,int()为取整函数。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定时间窗内是否存在电流衰减，包括：
充电信息表示为
Figure 944299DEST_PATH_IMAGE040
，其中，
Figure 262147DEST_PATH_IMAGE041
为时间，单位为秒，
Figure 246284DEST_PATH_IMAGE042
为时间
Figure 700399DEST_PATH_IMAGE041
对应的电流值，i=1，...，
Figure 993846DEST_PATH_IMAGE004
为序号，设定时间窗S，时间窗长度为
Figure 798991DEST_PATH_IMAGE043
，从定单开始时间以固定步长
Figure 586818DEST_PATH_IMAGE044
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 161019DEST_PATH_IMAGE045
，其中
Figure 376100DEST_PATH_IMAGE046
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 402962DEST_PATH_IMAGE047
-1，
Figure 994480DEST_PATH_IMAGE047
为集合的元素数,
获取充电信息中从时间
Figure 908341DEST_PATH_IMAGE048
到时间
Figure 294323DEST_PATH_IMAGE049
内的电流数据
Figure 74060DEST_PATH_IMAGE050
，计算电流的最大值
Figure 203690DEST_PATH_IMAGE051
；
获取从时间
Figure 486904DEST_PATH_IMAGE052
到时间
Figure 309366DEST_PATH_IMAGE053
内的电流数据
Figure 310820DEST_PATH_IMAGE054
，计算电流的最大值
Figure 244141DEST_PATH_IMAGE055
；
获取从时间
Figure 631129DEST_PATH_IMAGE056
到时间
Figure 358914DEST_PATH_IMAGE057
内的电流数
Figure 847664DEST_PATH_IMAGE058
，计算电流的最小值
Figure 319096DEST_PATH_IMAGE059
；
当
Figure 576902DEST_PATH_IMAGE060
时，确定时间窗内存在电流衰减。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分；根据整体电流波动异常得分和所述整体电流波动分布异常得分确定充电电流是否存在异常，包括：
充电信息表示为
Figure 741167DEST_PATH_IMAGE040
，其中，
Figure 451634DEST_PATH_IMAGE041
为时间，单位为秒，
Figure 471631DEST_PATH_IMAGE042
为时间
Figure 849523DEST_PATH_IMAGE041
对应的电流值，i=1，...，
Figure 919110DEST_PATH_IMAGE061
为序号，设定时间窗S，时间窗长度为
Figure 382452DEST_PATH_IMAGE043
，从定单开始时间以固定步长
Figure 195688DEST_PATH_IMAGE044
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 162507DEST_PATH_IMAGE045
，其中
Figure 402995DEST_PATH_IMAGE046
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 602901DEST_PATH_IMAGE047
-1，
Figure 219827DEST_PATH_IMAGE047
为集合的元素数,
从充电信息中获取从时间
Figure 306732DEST_PATH_IMAGE062
到时间
Figure 983701DEST_PATH_IMAGE063
内的电流数据
Figure 156056DEST_PATH_IMAGE064
，电流数据的集合元素数为
Figure 311094DEST_PATH_IMAGE065
，确定电流数据对应的异常波动得分
Figure 518084DEST_PATH_IMAGE066
是通过如下公式确定的：
Figure 585529DEST_PATH_IMAGE067
确定波动差异得分
Figure 245180DEST_PATH_IMAGE068
是通过如下公式确定的：
Figure 203909DEST_PATH_IMAGE069
Figure 265406DEST_PATH_IMAGE070
Figure 284177DEST_PATH_IMAGE071
表示从时间
Figure 431125DEST_PATH_IMAGE072
到时间
Figure 927965DEST_PATH_IMAGE057
内的电流数据
Figure 843969DEST_PATH_IMAGE058
的电流最小值，m是从1到n2的正整数；
根据异常波动得分确定整体电流波动分布异常得分
Figure 282909DEST_PATH_IMAGE073
是通过如下公式确定的：
Figure 917153DEST_PATH_IMAGE074
根据异常波动得分确定整体电流波动分布异常得分
Figure 952105DEST_PATH_IMAGE075
是通过如下公式确定的：
Figure 722615DEST_PATH_IMAGE076
当整体电流波动异常得分
Figure 83189DEST_PATH_IMAGE077
大于
Figure 204729DEST_PATH_IMAGE078
且整体电流波动分布异常得分
Figure 43372DEST_PATH_IMAGE079
大于
Figure 684700DEST_PATH_IMAGE080
时，判定充电电流存在异常,
Figure 216175DEST_PATH_IMAGE078
为设定的第六判断阈值，
Figure 559432DEST_PATH_IMAGE080
为设定的第七判断阈值。
进一步地，上述一种电动车电池异常确定方法中，根据所述充电信息和波动差异得分确定电池异常得分，根据所述电池异常得分确定电池是否存在异常，包括：
充电信息表示为
Figure 467345DEST_PATH_IMAGE040
，其中，
Figure 212447DEST_PATH_IMAGE041
为时间，单位为秒，
Figure 649245DEST_PATH_IMAGE042
为时间
Figure 479798DEST_PATH_IMAGE041
对应的电流值，i=1，...，
Figure 909511DEST_PATH_IMAGE061
为序号，设定时间窗S，时间窗长度为
Figure 774699DEST_PATH_IMAGE043
，从定单开始时间以固定步长
Figure 647977DEST_PATH_IMAGE044
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 965826DEST_PATH_IMAGE045
，其中
Figure 949962DEST_PATH_IMAGE046
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 669656DEST_PATH_IMAGE047
-1，
Figure 713836DEST_PATH_IMAGE047
为集合的元素数,
获取充电信息中
Figure 518981DEST_PATH_IMAGE064
集合中电流最大值的序号
Figure 57541DEST_PATH_IMAGE081
，获取从时间
Figure 366162DEST_PATH_IMAGE062
到时间
Figure 581243DEST_PATH_IMAGE082
内的电流数据
Figure 608105DEST_PATH_IMAGE083
及波动差异得分
Figure 199623DEST_PATH_IMAGE084
，根据充电信息和波动差异得分确定电池异常得分
Figure 628330DEST_PATH_IMAGE085
是通过如下公式确定的：
Figure 14312DEST_PATH_IMAGE086
Figure 43317DEST_PATH_IMAGE087
Figure 172947DEST_PATH_IMAGE088
Figure 456161DEST_PATH_IMAGE089
表示电流值的序号，
Figure 13044DEST_PATH_IMAGE090
表示电流值序号为
Figure 14498DEST_PATH_IMAGE091
的电流值，
Figure 682240DEST_PATH_IMAGE092
表示电流值序号为
Figure 85540DEST_PATH_IMAGE091
的时间，若电池异常得分大于设定的第八判断阈值
Figure 823776DEST_PATH_IMAGE093
，确定电池存在异常，其中
Figure 46947DEST_PATH_IMAGE094
为电池电流判定得分，
Figure 783959DEST_PATH_IMAGE095
为电池波动判定得分。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的一种电动车电池异常确定方法。
第三方面，本发明实施例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程序或指令，所述程序或指令使计算机执行如上所述任一项所述的一种电动车电池异常确定方法。
本申请实施例的优点在于：本申请通过获取电动车在充电桩完成一个订单的充电信息；根据充电信息确定订单完整得分，根据订单完整得分确定电动车的充电订单是否完整；若充电订单完整，根据充电信息确定订单异常得分，根据订单异常得分确定充电订单是否异常；若充电订单正常，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势；若时间窗内存在下降态势，根据充电信息确定时间窗内是否存在电流衰减；若时间窗内存在电流衰减，根据充电信息确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分；根据整体电流波动异常得分和整体电流波动分布异常得分确定充电电流是否存在异常；若充电电流异常，根据充电信息和波动差异得分确定电池异常得分，根据电池异常得分确定电池是否存在异常。通过本申请使得电动车的电池异常确定快捷、准确。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种电动车电池异常确定方法示意图；
图2是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵时做类似改进，因此本申请不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本申请实施例提供的一种电动车电池异常确定方法示意图。
第一方面，本申请实施例提供一种电动车电池异常确定方法，结合图1，包括S101至S107七个步骤：
S101：获取电动车在充电桩完成一个订单的充电信息。
具体的，本申请实施例中，充电信息表示为
Figure 41765DEST_PATH_IMAGE001
，其中，
Figure 940451DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 916497DEST_PATH_IMAGE003
为时间
Figure 926042DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 287622DEST_PATH_IMAGE096
为序号。
S102：根据充电信息确定订单完整得分，根据订单完整得分确定电动车的充电订单是否完整。
具体的，本申请实施例中，根据充电信息确定订单完整得分的公式下文 详细介绍，根据订单完整得分
Figure 622788DEST_PATH_IMAGE005
确定电动车的充电订单是否完整是根据订单完整得分
Figure 820551DEST_PATH_IMAGE005
与0的大小确定的，当订单完整得分
Figure 899366DEST_PATH_IMAGE005
大于0时，确定电动车的充电订单完整；反之，当订单完整得分
Figure 131764DEST_PATH_IMAGE005
小于等于0时，确定电动车的充电订单不完整。
S103：若充电订单完整，根据充电信息确定订单异常得分，根据订单异常得分确定充电订单是否异常。
具体的，本申请实施例中，根据充电信息确定订单异常得分
Figure 372252DEST_PATH_IMAGE097
的公式下文详细介绍，根据订单异常得分
Figure 322891DEST_PATH_IMAGE097
确定充电订单是否异常是根据当订单异常得分
Figure 939817DEST_PATH_IMAGE097
与0的大小确定的，当订单异常得分
Figure 511875DEST_PATH_IMAGE097
大于0时，确定充电订单正常；反之，订单异常得分
Figure 923265DEST_PATH_IMAGE097
小于等于0时，确定充电订单异常。
S104：若充电订单正常，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势。
具体的，本申请实施例中，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势的步骤下文详细介绍。
S105：若时间窗内存在下降态势，根据充电信息确定时间窗内是否存在电流衰减。
具体的，本申请实施例中，若时间窗内存在下降态势，根据充电信息确定时间窗内是否存在电流衰减的步骤下文详细介绍。
S106：若时间窗内存在电流衰减，根据充电信息确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分；根据整体电流波动异常得分和整体电流波动分布异常得分确定充电电流是否存在异常。
具体的，本申请实施例中，确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分，根据整体电流波动异常得分和整体电流波动分布异常得分确定充电电流是否存在异常的步骤下文详细介绍。
S107：若充电电流异常，根据充电信息和波动差异得分确定电池异常得分，根据电池异常得分确定电池是否存在异常。
具体的，本申请实施例中，根据充电信息和波动差异得分确定电池异常得分，根据电池异常得分确定电池是否存在异常的步骤下文详细介绍。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定订单完整得分，包括：
充电信息表示为
Figure 95620DEST_PATH_IMAGE001
，其中，
Figure 516237DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 457648DEST_PATH_IMAGE003
为时间
Figure 39939DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 948858DEST_PATH_IMAGE098
为序号，根据充电信息
Figure 907587DEST_PATH_IMAGE001
确定订单完整得分
Figure 969084DEST_PATH_IMAGE005
是通过如下公式确定的：
Figure 987856DEST_PATH_IMAGE006
Figure 869224DEST_PATH_IMAGE007
Figure 631644DEST_PATH_IMAGE008
Figure 547647DEST_PATH_IMAGE009
其中，
Figure 222473DEST_PATH_IMAGE010
为时长完整得分，
Figure 856717DEST_PATH_IMAGE011
为充电完整得分 ，
Figure 157248DEST_PATH_IMAGE099
为电流衰减完整得分，
Figure 927758DEST_PATH_IMAGE100
为设定的第一判断阈值，
Figure 288332DEST_PATH_IMAGE014
为设定的第二判断阈值，Int()为取整函数。
具体的，本申请实施例中，第一判断阈值
Figure 144293DEST_PATH_IMAGE100
表示业务定义的最短充电时长，如果时长小于该值说明电动车未完成充电就结束强制停止充电行为；第二判断阈值
Figure 248515DEST_PATH_IMAGE014
表示充电末期电流会有一段较小的平稳期，根据历史正常充电数据计算得到对应的电流衰减完整得分取均值的2倍得到。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定订单异常得分，包括：
充电信息表示为
Figure 139111DEST_PATH_IMAGE001
，其中，
Figure 654274DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 997531DEST_PATH_IMAGE003
为时间
Figure 639865DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 384967DEST_PATH_IMAGE101
为序号，根据充电信息
Figure 87344DEST_PATH_IMAGE001
确定订单异常得分
Figure 917897DEST_PATH_IMAGE102
是通过如下公式确定的：
Figure 363921DEST_PATH_IMAGE016
Figure 979842DEST_PATH_IMAGE017
Figure 853120DEST_PATH_IMAGE018
Figure 905389DEST_PATH_IMAGE019
其中，
Figure 889526DEST_PATH_IMAGE020
为电流超限得分，
Figure 609220DEST_PATH_IMAGE021
为能量超限得分，
Figure 653400DEST_PATH_IMAGE022
为稳定过程能量得分，
Figure 192965DEST_PATH_IMAGE103
为设定的第三判断阈值，
Figure 230060DEST_PATH_IMAGE024
为设定的第四判断阈值,int()为取整函数。
具体的，本申请实施例中，第三判断阈值
Figure 804261DEST_PATH_IMAGE103
表示业务定义的最大充电电流，如果瞬时电流超过该值则存在短路等安全问题，后续数据不能作为电动车电池判断的依据；第四判断阈值
Figure 19342DEST_PATH_IMAGE024
表示当电流的积分超过该值则存在电池过热等安全问题，后续数据不能作为电动车电池判断的依据，阈值根据历史正常充电数据计算得到对应的稳定过程能量得分取最大值的1.3倍得到。
进一步地，上述一种电动车电池异常确定方法中，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势，包括：
充电信息表示为
Figure 311783DEST_PATH_IMAGE001
，其中，
Figure 372143DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 66429DEST_PATH_IMAGE003
为时间
Figure 452411DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 711442DEST_PATH_IMAGE101
为序号，设定时间窗S，时间窗长度为
Figure 841072DEST_PATH_IMAGE025
，从定单开始时间以固定步长
Figure 389865DEST_PATH_IMAGE026
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 946749DEST_PATH_IMAGE027
，其中
Figure 948203DEST_PATH_IMAGE028
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 615944DEST_PATH_IMAGE029
-1，
Figure 19244DEST_PATH_IMAGE029
为集合的元素数,
根据时间窗和所述充电信息确定时间窗的坡度态势得分
Figure 996296DEST_PATH_IMAGE030
是通过如下公式确定的：
Figure 439041DEST_PATH_IMAGE031
Figure 910474DEST_PATH_IMAGE105
Figure 387854DEST_PATH_IMAGE107
Figure 755381DEST_PATH_IMAGE036
表示电流值的序号，当时间窗的坡度态势得分
Figure 465848DEST_PATH_IMAGE030
小于
Figure 740972DEST_PATH_IMAGE037
时，确定时间窗内存在下降态势，其中,
Figure 836972DEST_PATH_IMAGE038
为前半态势得分,
Figure 172139DEST_PATH_IMAGE039
为后半态势得分,
Figure 369902DEST_PATH_IMAGE037
为设定的第五判断阈值,int()为取整函数。
具体的，本申请实施例中，第五判断阈值
Figure 448716DEST_PATH_IMAGE037
是根据历史数据中存在下降态势计算得到坡度态势得分取最大值的0.9得到。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定时间窗内是否存在电流衰减，包括：
充电信息表示为
Figure 149956DEST_PATH_IMAGE108
，其中，
Figure 656024DEST_PATH_IMAGE109
为时间，单位为秒，
Figure 91816DEST_PATH_IMAGE110
为时间
Figure 708742DEST_PATH_IMAGE109
对应的电流值，i=1，...，
Figure 795646DEST_PATH_IMAGE111
为序号，设定时间窗S，时间窗长度为
Figure 472615DEST_PATH_IMAGE112
，从定单开始时间以固定步长
Figure 379391DEST_PATH_IMAGE113
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 800009DEST_PATH_IMAGE114
，其中
Figure 741420DEST_PATH_IMAGE115
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 838558DEST_PATH_IMAGE116
-1，
Figure 232630DEST_PATH_IMAGE116
为集合的元素数,
获取充电信息中从时间
Figure 191359DEST_PATH_IMAGE117
到时间
Figure 252855DEST_PATH_IMAGE049
内的电流数据
Figure 6048DEST_PATH_IMAGE050
，计算电流的最大值
Figure 152995DEST_PATH_IMAGE051
；
获取从时间
Figure 915415DEST_PATH_IMAGE052
到时间
Figure 412229DEST_PATH_IMAGE053
内的电流数据
Figure 601902DEST_PATH_IMAGE054
，计算电流的最大值
Figure 704987DEST_PATH_IMAGE055
；
获取从时间
Figure 5518DEST_PATH_IMAGE056
到时间
Figure 41608DEST_PATH_IMAGE057
内的电流数
Figure 402182DEST_PATH_IMAGE058
，计算电流的最小值
Figure 258142DEST_PATH_IMAGE059
；
当
Figure 611632DEST_PATH_IMAGE060
时，确定时间窗内存在电流衰减。
进一步地，上述一种电动车电池异常确定方法中，根据充电信息确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分；根据整体电流波动异常得分和所述整体电流波动分布异常得分确定充电电流是否存在异常，包括：
充电信息表示为
Figure 502228DEST_PATH_IMAGE040
，其中，
Figure 33703DEST_PATH_IMAGE041
为时间，单位为秒，
Figure 376960DEST_PATH_IMAGE042
为时间
Figure 19294DEST_PATH_IMAGE041
对应的电流值，i=1，...，
Figure 498817DEST_PATH_IMAGE118
为序号，设定时间窗S，时间窗长度为
Figure 201193DEST_PATH_IMAGE043
，从定单开始时间以固定步长
Figure 782479DEST_PATH_IMAGE044
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 228503DEST_PATH_IMAGE045
，其中
Figure 828112DEST_PATH_IMAGE046
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 701390DEST_PATH_IMAGE047
-1，
Figure 19239DEST_PATH_IMAGE047
为集合的元素数,
从充电信息中获取从时间
Figure 268955DEST_PATH_IMAGE062
到时间
Figure 723070DEST_PATH_IMAGE063
内的电流数据
Figure 750938DEST_PATH_IMAGE064
，电流数据的集合元素数为
Figure 556083DEST_PATH_IMAGE065
，确定电流数据对应的异常波动得分
Figure 343910DEST_PATH_IMAGE119
是通过如下公式确定的：
Figure 918111DEST_PATH_IMAGE067
确定波动差异得分
Figure 133191DEST_PATH_IMAGE120
是通过如下公式确定的：
Figure 425633DEST_PATH_IMAGE069
Figure 751572DEST_PATH_IMAGE121
Figure 180279DEST_PATH_IMAGE071
表示从时间
Figure 582573DEST_PATH_IMAGE072
到时间
Figure 831151DEST_PATH_IMAGE057
内的电流数据
Figure 960781DEST_PATH_IMAGE058
的电流最小值，m是从1到n2的正整数；
根据异常波动得分确定整体电流波动分布异常得分
Figure 509574DEST_PATH_IMAGE122
是通过如下公式确定的：
Figure 66458DEST_PATH_IMAGE074
根据异常波动得分确定整体电流波动分布异常得分
Figure 67912DEST_PATH_IMAGE123
是通过如下公式确定的：
Figure 1233DEST_PATH_IMAGE076
当整体电流波动异常得分
Figure 653800DEST_PATH_IMAGE077
大于
Figure 381584DEST_PATH_IMAGE078
且整体电流波动分布异常得分
Figure 870334DEST_PATH_IMAGE079
大于
Figure 76188DEST_PATH_IMAGE080
时，判定充电电流存在异常,
Figure 333994DEST_PATH_IMAGE078
为设定的第六判断阈值，
Figure 498259DEST_PATH_IMAGE080
为设定的第七判断阈值。
具体的，本申请实施例中，第六判断阈值
Figure 474305DEST_PATH_IMAGE078
是根据历史数据中存在电流波动异常的数据计算得到整体电流波动异常得分最小值得到，第七判断阈值
Figure 234582DEST_PATH_IMAGE080
是设定存在异常波动片段的最小长度。
进一步地，上述一种电动车电池异常确定方法中，根据所述充电信息和波动差异得分确定电池异常得分，根据所述电池异常得分确定电池是否存在异常，包括：
充电信息表示为
Figure 612474DEST_PATH_IMAGE040
，其中，
Figure 416482DEST_PATH_IMAGE041
为时间，单位为秒，
Figure 879824DEST_PATH_IMAGE042
为时间
Figure 693059DEST_PATH_IMAGE041
对应的电流值，i=1，...，
Figure 925457DEST_PATH_IMAGE124
为序号，设定时间窗S，时间窗长度为
Figure 431525DEST_PATH_IMAGE043
，从定单开始时间以固定步长
Figure 365852DEST_PATH_IMAGE044
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 982778DEST_PATH_IMAGE045
，其中
Figure 69683DEST_PATH_IMAGE046
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 481073DEST_PATH_IMAGE047
-1，
Figure 653428DEST_PATH_IMAGE047
为集合的元素数,
获取充电信息中
Figure 808466DEST_PATH_IMAGE064
集合中电流最大值的序号
Figure 15456DEST_PATH_IMAGE081
，获取从时间
Figure 608199DEST_PATH_IMAGE062
到时间
Figure 267851DEST_PATH_IMAGE082
内的电流数据
Figure 961000DEST_PATH_IMAGE083
及波动差异得分
Figure 491339DEST_PATH_IMAGE084
，根据充电信息和波动差异得分确定电池异常得分
Figure 510110DEST_PATH_IMAGE085
是通过如下公式确定的：
Figure 657058DEST_PATH_IMAGE086
Figure 668745DEST_PATH_IMAGE126
Figure 584749DEST_PATH_IMAGE128
Figure 508842DEST_PATH_IMAGE089
表示电流值的序号，
Figure 877507DEST_PATH_IMAGE090
表示电流值序号为
Figure 178038DEST_PATH_IMAGE091
的电流值，
Figure 214127DEST_PATH_IMAGE092
表示电流值序号为
Figure 309122DEST_PATH_IMAGE091
的时间，若电池异常得分大于设定的第八判断阈值
Figure 181394DEST_PATH_IMAGE093
，确定电池存在异常，其中
Figure 285617DEST_PATH_IMAGE094
为电池电流判定得分，
Figure 910633DEST_PATH_IMAGE095
为电池波动判定得分。
具体的，本申请实施例中，第八判断阈值
Figure 442109DEST_PATH_IMAGE093
是根据历史数据中电池异常的电动车数据计算得到的电池异常得分去最小值再乘以0.9得到。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的一种电动车电池异常确定方法。
第三方面，本发明实施例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程序或指令，所述程序或指令使计算机执行如上所述任一项所述的一种电动车电池异常确定方法。
图2是本公开实施例提供的一种电子设备的示意性框图。
如图2所示，电子设备包括：至少一个处理器201、至少一个存储器202和至少一个通信接口203。电子设备中的各个组件通过总线系统204耦合在一起。通信接口203，用于与外部设备之间的信息传输。可理解，总线系统204用于实现这些组件之间的连接通信。总线系统204除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图2中将各种总线都标为总线系统204。
可以理解，本实施例中的存储器202可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
在一些实施方式中，存储器202存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器（Media Player）、浏览器（Browser）等，用于实现各种应用业务。实现本申请实施例提供的一种电动车电池异常确定方法中任一方法的程序可以包含在应用程序中。
在本申请实施例中，处理器201通过调用存储器202存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器201用于执行本申请实施例提供的一种电动车电池异常确定方法各实施例的步骤。
获取电动车在充电桩完成一个订单的充电信息；
根据充电信息确定订单完整得分，根据订单完整得分确定电动车的充电订单是否完整；
若充电订单完整，根据充电信息确定订单异常得分，根据订单异常得分确定充电订单是否异常；
若充电订单正常，设定时间窗，根据时间窗和充电信息确定时间窗的坡度态势得分，根据时间窗的坡度态势得分确定时间窗内是否存在下降态势；
若时间窗内存在下降态势，根据充电信息确定时间窗内是否存在电流衰减；
若时间窗内存在电流衰减，根据充电信息确定电流数据对应的异常波动得分和波动差异得分，根据波动差异得分确定整体电流波动异常得分，根据异常波动得分确定整体电流波动分布异常得分；根据整体电流波动异常得分和整体电流波动分布异常得分确定充电电流是否存在异常；
若充电电流异常，根据充电信息和波动差异得分确定电池异常得分，根据电池异常得分确定电池是否存在异常。
本申请实施例提供的一种电动车电池异常确定方法中任一方法可以应用于处理器201中，或者由处理器201实现。处理器201可以是一种集成电路芯片，具有信号能力。在实现过程中，上述方法的各步骤可以通过处理器201中的硬件的集成逻辑电路或者软件形式的指令完成。上述器201可以是通用处理器、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。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器等。
本申请实施例提供的一种电动车电池异常确定方法中任一方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器202，处理器201读取存储器202中的信息，结合其硬件完成一种电动车电池异常确定方法的步骤。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上，仅为本发明的具体实施方式，但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。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种电动车电池异常确定方法，其特征在于，包括：
获取电动车在充电桩完成一个订单的充电信息；
根据所述充电信息确定订单完整得分，根据所述订单完整得分确定电动车的充电订单是否完整；
若所述充电订单完整，根据所述充电信息确定订单异常得分，根据所述订单异常得分确定充电订单是否异常；
若所述充电订单正常，设定时间窗，根据所述时间窗和所述充电信息确定时间窗的坡度态势得分，根据所述时间窗的坡度态势得分确定时间窗内是否存在下降态势；
若所述时间窗内存在下降态势，根据所述充电信息确定时间窗内是否存在电流衰减；
若所述时间窗内存在电流衰减，根据所述充电信息确定电流数据对应的异常波动得分和波动差异得分，根据所述波动差异得分确定整体电流波动异常得分，根据所述异常波动得分确定整体电流波动分布异常得分；根据所述整体电流波动异常得分和所述整体电流波动分布异常得分确定充电电流是否存在异常；
若所述充电电流异常，根据所述充电信息和波动差异得分确定电池异常得分，根据所述电池异常得分确定电池是否存在异常。
2.根据权利要求1所述的一种电动车电池异常确定方法，其特征在于，所述根据所述充电信息确定订单完整得分，包括：
所述充电信息表示为
Figure 989201DEST_PATH_IMAGE001
，其中，
Figure 478957DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 429596DEST_PATH_IMAGE003
为时间
Figure 46522DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 133426DEST_PATH_IMAGE004
为序号，根据所述充电信息
Figure 279237DEST_PATH_IMAGE001
确定订单完整得分
Figure 451592DEST_PATH_IMAGE005
是通过如下公式确定的：
Figure 872209DEST_PATH_IMAGE006
Figure 564353DEST_PATH_IMAGE007
Figure 412223DEST_PATH_IMAGE008
Figure 71875DEST_PATH_IMAGE009
其中，
Figure 30603DEST_PATH_IMAGE010
为时长完整得分，
Figure 92100DEST_PATH_IMAGE011
为充电完整得分 ，
Figure 845293DEST_PATH_IMAGE012
为电流衰减完整得分，
Figure 726661DEST_PATH_IMAGE013
为设定的第一判断阈值，
Figure 738348DEST_PATH_IMAGE014
为设定的第二判断阈值，int()为取整函数。
3.根据权利要求1所述的一种电动车电池异常确定方法，其特征在于，所述根据所述充电信息确定订单异常得分，包括：
所述充电信息表示为
Figure 654352DEST_PATH_IMAGE001
，其中，
Figure 844025DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 478268DEST_PATH_IMAGE003
为时间
Figure 778800DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 549309DEST_PATH_IMAGE004
为序号，根据所述充电信息
Figure 909884DEST_PATH_IMAGE001
确定订单异常得分
Figure 765844DEST_PATH_IMAGE015
是通过如下公式确定的：
Figure 349360DEST_PATH_IMAGE016
Figure 239956DEST_PATH_IMAGE017
Figure 771431DEST_PATH_IMAGE018
Figure 114688DEST_PATH_IMAGE019
其中，
Figure 757022DEST_PATH_IMAGE020
为电流超限得分，
Figure 502124DEST_PATH_IMAGE021
为能量超限得分，
Figure 204501DEST_PATH_IMAGE022
为稳定过程能量得分，
Figure 284321DEST_PATH_IMAGE023
为设定的第三判断阈值，
Figure 730346DEST_PATH_IMAGE024
为设定的第四判断阈值，int()为取整函数。
4.根据权利要求1所述的一种电动车电池异常确定方法，其特征在于，所述设定时间窗，根据所述时间窗和所述充电信息确定时间窗的坡度态势得分，根据所述时间窗的坡度态势得分确定时间窗内是否存在下降态势，包括：
所述充电信息表示为
Figure 329955DEST_PATH_IMAGE001
，其中，
Figure 203233DEST_PATH_IMAGE002
为时间，单位为秒，
Figure 255502DEST_PATH_IMAGE003
为时间
Figure 505218DEST_PATH_IMAGE002
对应的电流值，i=1，...，
Figure 224912DEST_PATH_IMAGE004
为序号，设定时间窗S，时间窗长度为
Figure 19824DEST_PATH_IMAGE025
，从定单开始时间以固定步长
Figure 293811DEST_PATH_IMAGE026
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 81638DEST_PATH_IMAGE027
，其中
Figure 655839DEST_PATH_IMAGE028
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 870920DEST_PATH_IMAGE029
-1，
Figure 163361DEST_PATH_IMAGE029
为集合的元素数,
根据所述时间窗和所述充电信息确定时间窗的坡度态势得分
Figure 489300DEST_PATH_IMAGE030
是通过如下公式确定的：
Figure 432854DEST_PATH_IMAGE031
Figure 818836DEST_PATH_IMAGE032
Figure 332994DEST_PATH_IMAGE033
Figure 197045DEST_PATH_IMAGE034
表示电流值的序号，当时间窗的坡度态势得分
Figure 745838DEST_PATH_IMAGE030
小于
Figure 302721DEST_PATH_IMAGE035
时，确定时间窗内存在下降态势，其中,
Figure 304175DEST_PATH_IMAGE036
为前半态势得分,
Figure 988228DEST_PATH_IMAGE037
为后半态势得分,
Figure 391528DEST_PATH_IMAGE035
为设定的第五判断阈值，int()为取整函数。
5.根据权利要求1所述的一种电动车电池异常确定方法，其特征在于，所述根据所述充电信息确定时间窗内是否存在电流衰减，包括：
所述充电信息表示为
Figure 119312DEST_PATH_IMAGE038
，其中，
Figure 608063DEST_PATH_IMAGE039
为时间，单位为秒，
Figure 345074DEST_PATH_IMAGE040
为时间
Figure 337301DEST_PATH_IMAGE039
对应的电流值，i=1，...，
Figure 235987DEST_PATH_IMAGE041
为序号，设定时间窗S，时间窗长度为
Figure 461301DEST_PATH_IMAGE042
，从定单开始时间以固定步长
Figure 736424DEST_PATH_IMAGE043
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 848737DEST_PATH_IMAGE044
，其中
Figure 183903DEST_PATH_IMAGE045
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 381666DEST_PATH_IMAGE046
-1，
Figure 460481DEST_PATH_IMAGE046
为集合的元素数,
获取所述充电信息中从时间
Figure 427300DEST_PATH_IMAGE047
到时间
Figure 933368DEST_PATH_IMAGE048
内的电流数据
Figure 103580DEST_PATH_IMAGE049
，计算电流的最大值
Figure 720506DEST_PATH_IMAGE050
；
获取从时间
Figure 807411DEST_PATH_IMAGE051
到时间
Figure 484380DEST_PATH_IMAGE052
内的电流数据
Figure 656735DEST_PATH_IMAGE053
，计算电流的最大值
Figure 77352DEST_PATH_IMAGE054
；
获取从时间
Figure 18763DEST_PATH_IMAGE055
到时间
Figure 115901DEST_PATH_IMAGE056
内的电流数
Figure 775553DEST_PATH_IMAGE057
，计算电流的最小值
Figure 734282DEST_PATH_IMAGE058
；
当
Figure 530199DEST_PATH_IMAGE059
时，确定时间窗内存在电流衰减。
6.根据权利要求1所述的一种电动车电池异常确定方法，其特征在于，所述根据所述充电信息确定电流数据对应的异常波动得分和波动差异得分，根据所述波动差异得分确定整体电流波动异常得分，根据所述异常波动得分确定整体电流波动分布异常得分；根据所述整体电流波动异常得分和所述整体电流波动分布异常得分确定充电电流是否存在异常，包括：
所述充电信息表示为
Figure 283392DEST_PATH_IMAGE038
，其中，
Figure 430339DEST_PATH_IMAGE039
为时间，单位为秒，
Figure 192759DEST_PATH_IMAGE040
为时间
Figure 877073DEST_PATH_IMAGE039
对应的电流值，i=1，...，
Figure 66746DEST_PATH_IMAGE041
为序号，设定时间窗S，时间窗长度为
Figure 435410DEST_PATH_IMAGE042
，从定单开始时间以固定步长
Figure 735941DEST_PATH_IMAGE043
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 772031DEST_PATH_IMAGE044
，其中
Figure 867025DEST_PATH_IMAGE045
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 722986DEST_PATH_IMAGE046
-1，
Figure 76476DEST_PATH_IMAGE046
为集合的元素数,
从所述充电信息中获取从时间
Figure 967071DEST_PATH_IMAGE060
到时间
Figure 498547DEST_PATH_IMAGE061
内的电流数据
Figure 841804DEST_PATH_IMAGE062
，所述电流数据的集合元素数为
Figure 484138DEST_PATH_IMAGE063
，确定所述电流数据对应的异常波动得分
Figure 229240DEST_PATH_IMAGE064
是通过如下公式确定的：
Figure 931616DEST_PATH_IMAGE065
确定所述波动差异得分
Figure 247322DEST_PATH_IMAGE066
是通过如下公式确定的：
Figure 693347DEST_PATH_IMAGE067
Figure 292956DEST_PATH_IMAGE068
Figure 166234DEST_PATH_IMAGE069
表示从时间
Figure 484083DEST_PATH_IMAGE070
到时间
Figure 733799DEST_PATH_IMAGE056
内的电流数据
Figure 187914DEST_PATH_IMAGE057
的电流最小值，m是从1到n2的正整数；
根据所述异常波动得分
Figure 215781DEST_PATH_IMAGE071
确定整体电流波动分布异常得分是通过如下公式确定的：
Figure 20926DEST_PATH_IMAGE072
根据所述异常波动得分确定整体电流波动分布异常得分
Figure 808754DEST_PATH_IMAGE073
是通过如下公式确定的：
Figure 382955DEST_PATH_IMAGE074
当所述整体电流波动异常得分
Figure 598035DEST_PATH_IMAGE075
大于
Figure 890476DEST_PATH_IMAGE076
且整体电流波动分布异常得分
Figure 216415DEST_PATH_IMAGE077
大于
Figure 645123DEST_PATH_IMAGE078
时，判定充电电流存在异常,
Figure 781837DEST_PATH_IMAGE076
为设定的第六判断阈值，
Figure 295995DEST_PATH_IMAGE078
为设定的第七判断阈值。
7.根据权利要求1所述的一种电动车电池异常确定方法，其特征在于，根据所述充电信息和波动差异得分确定电池异常得分，根据所述电池异常得分确定电池是否存在异常，包括：
所述充电信息表示为
Figure 425625DEST_PATH_IMAGE038
，其中，
Figure 974418DEST_PATH_IMAGE039
为时间，单位为秒，
Figure 531301DEST_PATH_IMAGE040
为时间
Figure 532755DEST_PATH_IMAGE039
对应的电流值，i=1，...，
Figure 466076DEST_PATH_IMAGE041
为序号，设定时间窗S，时间窗长度为
Figure 853064DEST_PATH_IMAGE042
，从定单开始时间以固定步长
Figure 580849DEST_PATH_IMAGE043
移动时间窗，获取每一步j时间窗内对应的订单数据
Figure 69599DEST_PATH_IMAGE044
，其中
Figure 541032DEST_PATH_IMAGE045
为时间窗内第一个订单数据对应的序号，k=0,...,
Figure 798838DEST_PATH_IMAGE046
-1，
Figure 697523DEST_PATH_IMAGE046
为集合的元素数,
获取所述充电信息中
Figure 424302DEST_PATH_IMAGE062
集合中电流最大值的序号
Figure 433846DEST_PATH_IMAGE079
，获取从时间
Figure 811738DEST_PATH_IMAGE060
到时间
Figure 881325DEST_PATH_IMAGE080
内的电流数据
Figure 344668DEST_PATH_IMAGE081
及波动差异得分
Figure 157903DEST_PATH_IMAGE082
，根据所述充电信息和波动差异得分确定电池异常得分
Figure 124722DEST_PATH_IMAGE083
是通过如下公式确定的：
Figure 880057DEST_PATH_IMAGE084
Figure 565116DEST_PATH_IMAGE086
Figure 182043DEST_PATH_IMAGE088
Figure 268947DEST_PATH_IMAGE089
表示电流值的序号，
Figure 945916DEST_PATH_IMAGE090
表示电流值序号为
Figure 852692DEST_PATH_IMAGE091
的电流值，
Figure 7730DEST_PATH_IMAGE092
表示电流值序号为
Figure 959594DEST_PATH_IMAGE091
的时间，若电池异常得分大于设定的第八判断阈值
Figure 807464DEST_PATH_IMAGE093
，确定电池存在异常，其中
Figure 467115DEST_PATH_IMAGE094
为电池电流判定得分，
Figure 425844DEST_PATH_IMAGE095
为电池波动判定得分。
8.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至7任一项所述一种电动车电池异常确定方法。
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存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述一种电动车电池异常确定方法。
CN202211569487.6A 2022-12-08 2022-12-08 一种电动车电池异常确定方法、电子设备和存储介质 Active CN115656847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211569487.6A CN115656847B (zh) 2022-12-08 2022-12-08 一种电动车电池异常确定方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211569487.6A CN115656847B (zh) 2022-12-08 2022-12-08 一种电动车电池异常确定方法、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115656847A true CN115656847A (zh) 2023-01-31
CN115656847B CN115656847B (zh) 2023-04-07

Family

ID=85017709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211569487.6A Active CN115656847B (zh) 2022-12-08 2022-12-08 一种电动车电池异常确定方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115656847B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128375A (zh) * 2023-03-29 2023-05-16 东莞先知大数据有限公司 一种用户用水信用异常确定方法、装置、电子设备和介质
CN116228205A (zh) * 2023-03-29 2023-06-06 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102656048A (zh) * 2009-12-02 2012-09-05 丰田自动车株式会社 用于电池组件的异常检测系统
JP2013088183A (ja) * 2011-10-14 2013-05-13 Toyota Motor Corp 電源装置の異常検出システム、異常検出装置及び異常検出方法
US20140214349A1 (en) * 2013-01-31 2014-07-31 International Business Machines Corporation Estimating condition of battery, related system and vehicle
CN103969585A (zh) * 2013-01-31 2014-08-06 国际商业机器公司 评估电池的使用状况的方法和装置、相关系统和车辆
US20160018345A1 (en) * 2014-07-21 2016-01-21 Samsung Electronics Co., Ltd Method and apparatus for detecting abnormal state of battery
JP2016217900A (ja) * 2015-05-21 2016-12-22 日産自動車株式会社 バッテリ異常診断装置および異常診断方法
CN110161422A (zh) * 2019-06-21 2019-08-23 章国平 一种电池计量及检测方法、装置
CN112595980A (zh) * 2020-12-17 2021-04-02 北京海博思创科技股份有限公司 电池储能系统寿命的预测方法、装置及设备
CN112798963A (zh) * 2021-04-14 2021-05-14 杭州宇谷科技有限公司 基于时间序列的电池充电特性异常检测方法、装置及介质
WO2021128116A1 (en) * 2019-12-26 2021-07-01 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for performing a health evaluation of a battery system
CN113127305A (zh) * 2021-04-22 2021-07-16 北京百度网讯科技有限公司 异常检测方法及装置
WO2022019020A1 (ja) * 2020-07-20 2022-01-27 本田技研工業株式会社 異常検知装置及び異常検知プログラム
CN114942386A (zh) * 2022-07-20 2022-08-26 湖北工业大学 一种动力电池故障在线检测方法及系统
CN115236525A (zh) * 2022-08-10 2022-10-25 青岛特来电新能源科技有限公司 一种梯次电池筛选方法、装置及介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102656048A (zh) * 2009-12-02 2012-09-05 丰田自动车株式会社 用于电池组件的异常检测系统
JP2013088183A (ja) * 2011-10-14 2013-05-13 Toyota Motor Corp 電源装置の異常検出システム、異常検出装置及び異常検出方法
US20140214349A1 (en) * 2013-01-31 2014-07-31 International Business Machines Corporation Estimating condition of battery, related system and vehicle
CN103969585A (zh) * 2013-01-31 2014-08-06 国际商业机器公司 评估电池的使用状况的方法和装置、相关系统和车辆
US20160018345A1 (en) * 2014-07-21 2016-01-21 Samsung Electronics Co., Ltd Method and apparatus for detecting abnormal state of battery
JP2016217900A (ja) * 2015-05-21 2016-12-22 日産自動車株式会社 バッテリ異常診断装置および異常診断方法
CN110161422A (zh) * 2019-06-21 2019-08-23 章国平 一种电池计量及检测方法、装置
WO2021128116A1 (en) * 2019-12-26 2021-07-01 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for performing a health evaluation of a battery system
WO2022019020A1 (ja) * 2020-07-20 2022-01-27 本田技研工業株式会社 異常検知装置及び異常検知プログラム
CN112595980A (zh) * 2020-12-17 2021-04-02 北京海博思创科技股份有限公司 电池储能系统寿命的预测方法、装置及设备
CN112798963A (zh) * 2021-04-14 2021-05-14 杭州宇谷科技有限公司 基于时间序列的电池充电特性异常检测方法、装置及介质
CN113127305A (zh) * 2021-04-22 2021-07-16 北京百度网讯科技有限公司 异常检测方法及装置
CN114942386A (zh) * 2022-07-20 2022-08-26 湖北工业大学 一种动力电池故障在线检测方法及系统
CN115236525A (zh) * 2022-08-10 2022-10-25 青岛特来电新能源科技有限公司 一种梯次电池筛选方法、装置及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MENGMENG WANG ET AL.: "Charging Diagnosis of Power Battery Based on Adaptive STCKF and BLS for Electric Vehicles" *
景志林;景占荣;高田;: "基于Infineon单片机的数字化智能充电器设计" *
王红霞;张智贤;: "锂离子电池内部状态检测与筛选方法研究" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128375A (zh) * 2023-03-29 2023-05-16 东莞先知大数据有限公司 一种用户用水信用异常确定方法、装置、电子设备和介质
CN116228205A (zh) * 2023-03-29 2023-06-06 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质
CN116128375B (zh) * 2023-03-29 2023-08-18 东莞先知大数据有限公司 一种用户用水信用异常确定方法、装置、电子设备和介质
CN116228205B (zh) * 2023-03-29 2023-11-21 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质

Also Published As

Publication number Publication date
CN115656847B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN115656847A (zh) 一种电动车电池异常确定方法、电子设备和存储介质
CN108366114B (zh) 应用防沉迷的方法、装置、终端及计算机可读存储介质
JP2007271424A (ja) バッテリ状態管理装置
CN114442587A (zh) 发动机异常断电监控方法、系统及存储介质
CN110571900B (zh) 汽车发电系统及其充电控制方法
CN113682180A (zh) 输入功率限制的充电方法、装置、电子设备和存储介质
CN112140901B (zh) 一种转矩控制方法和装置
CN112396832B (zh) 一种车辆数据处理方法和装置
CN112904199B (zh) 电机堵转故障的处理方法和装置
CN114966414A (zh) 电池包异常检测方法、装置及电子设备
CN115166542A (zh) Soc计算方法、控制电路、电子设备及存储介质
CN114994558A (zh) 电池寿命检测方法、终端设备及计算机可读存储介质
CN114264961A (zh) 一种电芯内短路的检测方法、装置和电子设备
CN115378056A (zh) 一种电池类型的识别方法及识别装置
CN114801868A (zh) 一种电池的可用功率的动态修正方法、装置、设备及介质
CN113433478A (zh) 云端估算动力电池健康度的方法及装置
CN112242731A (zh) 用于电动汽车的过流保护装置、电池系统及电动汽车
CN115856669A (zh) 一种确定电动车改装电池的方法、电子设备和存储介质
CN110988780A (zh) 一种实现工频防潜动的方法及电能表
CN110988704B (zh) 一种电池充电检测方法、装置及设备
WO2023221775A1 (zh) 一种电池预警方法、装置、车辆和存储介质
CN109026488B (zh) 搭载bsg系统的整车起动方法、装置及控制器
CN116442833A (zh) 可恢复充电的方法、装置、车辆及介质
CN110873846B (zh) 电流限值的获取方法、装置和存储介质
CN115656859A (zh) 一种电池检测方法、终端设备及存储介质

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