CN116299019B - 锂电池数据采集异常识别方法、系统、存储介质及设备 - Google Patents

锂电池数据采集异常识别方法、系统、存储介质及设备 Download PDF

Info

Publication number
CN116299019B
CN116299019B CN202310392919.9A CN202310392919A CN116299019B CN 116299019 B CN116299019 B CN 116299019B CN 202310392919 A CN202310392919 A CN 202310392919A CN 116299019 B CN116299019 B CN 116299019B
Authority
CN
China
Prior art keywords
voltage
time sequence
adjacent
monomer
voltages
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
Application number
CN202310392919.9A
Other languages
English (en)
Other versions
CN116299019A (zh
Inventor
张文
蒋松
茅小海
高飞
罗达志
张兵
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.)
Gotion High Tech Co Ltd
Original Assignee
Gotion High Tech 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 Gotion High Tech Co Ltd filed Critical Gotion High Tech Co Ltd
Priority to CN202310392919.9A priority Critical patent/CN116299019B/zh
Publication of CN116299019A publication Critical patent/CN116299019A/zh
Priority to PCT/CN2023/110911 priority patent/WO2024212403A1/zh
Application granted granted Critical
Publication of CN116299019B publication Critical patent/CN116299019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种锂电池数据采集异常识别方法、系统、存储介质及设备，其包括：将电池管理系统的电压数据经数据预处理后，形成衍生的电压时序特征；根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置。本发明能提升相邻单体电压采集异常识别的精度；可以在锂离子电池状态采集、监控及预警领域中应用。

Description

锂电池数据采集异常识别方法、系统、存储介质及设备
技术领域
本发明涉及一种锂离子电池状态采集、监控及预警领域，特别是关于一种基于时序分析和异常检测的锂电池数据采集异常识别方法、系统、存储介质及设备。
背景技术
电动汽车在使用过程中需要对电池包的状态参数(电压、电流、温度等)进行实时的采集、监控、预警，保证电池包的正常使用。但是由于制造工艺、采集线接触不良、电池包故障等原因，会出现相邻单体电压采集异常的情况，通常表现为一个单体电压增高、另一个单体电压降低，并具有一定的对称性，两个单体的均值和所有单体均值具有相同的变化趋势，如图2所示。这会对电池管理系统的管理策略、云端的监控算法策略造成影响，出现故障的误报、故障检测失效等问题。
电池管理系统(BMS)通过实时检测、监控单体电压，给出在不同工况下的运行策略，保障电池的安全使用。如果出现相邻单体电压采集异常，一方面BMS的运行策略会受到影响，另一方面会导致BMS忽略电池已经出现的故障，具有安全隐患。
现有的算法策略都没有考虑相邻单体电压采集异常的情况，也没有通过时序分析来精准判断相邻单体电压采集异常，其他故障类型导致的电压跳变也会对相邻单体电压采集异常的识别产生影响。相邻单体电压采集异常的识别需要对一段时间的趋势进行判定，由于BMS存在存储缺陷，所以该异常通常要在云端进行识别。此外，通过单一的规则和异常检测很难对多种情形下的采集异常进行识别。
发明内容
针对上述问题，本发明的目的是提供一种锂电池数据采集异常识别方法、系统、存储介质及设备，其能提升相邻单体电压采集异常识别的精度。
为实现上述目的，本发明采取以下技术方案：一种锂电池数据采集异常识别方法，其包括：将电池管理系统的电压数据经数据预处理后，形成衍生的电压时序特征；根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置。
进一步，形成衍生的电压时序特征，包括：
在电池管理系统的电压数据中，对两个数据点间隔时间超过预设时间的单体电压、电流、温度信息划分为两个不同的序列片段；
在每个序列片段中，对于电压数据为0的序列片段，进行缺失值填补，并去掉电压超过设定范围的噪声点；
将所有单体的电压数据处理后组织成时间序列，形成衍生的电压时序特征。
进一步，形成新的电压时间序列特征，包括：
根据衍生的电压时序特征数据，提取出所有的相邻单体电压；
计算电池包内所有单体电压的均值和方差，与所有相邻单体电压组织成新的电压时间序列特征。
进一步，找出单体电压离群的时序点，包括：根据电压时间序列，利用N-sigma方法找出离群的单体，判别形成相邻单体是否为离群的时间序列，以得到单体电压离群的时序点。
进一步，判别形成相邻单体是否为离群的时间序列，包括：
若某一单体i在t时刻的电压满足预设条件，则该电压不离群，离群标志位计为0；
若某一单体i在t时刻的电压不满足预设条件，则该电压为电压离群，离群标志位计为1；
将所有相邻单体电压进行判别后得到相邻单体电压是否离群的时间序列：[0 1 1… 0]。
进一步，预设条件为：
其中，表示单体i在t时刻的电压，/>为单体电压的均值，δt为单体电压的方差，N为N-sigma方法的N值。
进一步，对相邻单体电压进行时序分析，包括：
利用滑动窗口对离群标志位序列进行平滑和去噪；
根据离群标志位序列，对相邻单体电压的时间序列进行序列分析，计算相邻单体电压的差分值，通过差分和阈值判断识别电压上升和下降的趋势；
计算整个电池包电压均值的差分，判断整个电池包电压的变化趋势，并计算相邻单体电压均值的差分，判断相邻电压的变化趋势；
若两个相邻单体的电压变化趋势相反，且相邻单体电压变化趋势和整个电池包变化趋势相同，则认为符合相邻单体电压采集异常，同时计算异常的起点和结束位置。
一种锂电池数据采集异常识别系统，其包括：第一处理模块，将电池管理系统的电压数据经数据预处理后，形成衍生的电压时序特征；第二处理模块，根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；第三处理模块，对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；识别模块，结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案，其具有以下优点：
本发明可以识别多种情形下的相邻单体电压采集异常情况，对噪声、异常点具有一定的抗干扰能力，改进的时序分析具有更高的精准度，可以准确识别相邻单体电压采集异常，提升预警系统的准确率，降低电池运行的故障率，提高用户体验。
附图说明
图1是本发明实施例中锂电池数据采集异常识别方法流程图；
图2是本发明实施例中相邻单体电压采集异常示意图；
图3是本发明实施例中滑动窗口平滑处理示意图；
图4是本发明实施例中滑动窗口去噪处理示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
为了解决如何提升相邻单体电压采集异常识别精度的问题，本发明提供一种锂电池数据采集异常识别方法、系统、存储介质及设备，主要针对相邻单体电压采集异常，通过融合时序分析和异常检测方法，并通过改进序列分析的策略来优化识别效果。本发明包括：将电池管理系统(BMS)的电压数据实时上传到大数据云平台，经过数据预处理后衍生出电压的时序特征；提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值、方差等数据特征；使用N-sigma异常识别方法找出单体电压离群的时序点；对相邻单体电压进行时序分析，结合离群的时序点分析，识别出相邻单体电压采集异常的位置。本发明可以找出电池包中相邻单体电压数据采集异常的情况，有助于快速定位故障问题并辅助进行故障维修，同时有利于提升云端和车端系统的风险预警、电池健康状态评估等算法的准确度。而且本发明能有效识别数据采集异常问题，可以辅助电池故障预警、降低安全风险、提高用户体验。
在本发明的一个实施例中，提供一种锂电池数据采集异常识别方法，相邻单体电压数据采集异常识别方法。本实施例中，如图1所示，该方法包括以下步骤：
1)将电池管理系统(BMS)的电压数据经数据预处理后，形成衍生的电压时序特征；
2)根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；
3)对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；
4)结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置。
在本实施例中，步骤1)中的电池管理系统的电压数据可以实时上传到大数据云平台进行处理。大数据云平台指的是利用大数据技术构建的处理、储存动力电池状态信息的云平台。
上述步骤1)中，形成衍生的电压时序特征，包括以下步骤：
1.1)在电池管理系统的电压数据中，对两个数据点间隔时间超过预设时间的单体电压、电流、温度等信息划分为两个不同的序列片段；
可选的，间隔时间为10～30秒；收集并处理每个时刻电池包的单体电压、电流、温度等信息；
可选的，预设时间优选为300秒。
1.2)在每个序列片段中，对于电压数据为0的序列片段，进行缺失值填补，并去掉电压超过设定范围的噪声点；
可选的，对少量电压数据为0的，利用插值法进行缺失值填补；
1.3)将所有单体的电压数据处理后组织成时间序列，形成衍生的电压时序特征。
上述步骤2)中，形成新的电压时间序列特征，包括以下步骤：
2.1)根据衍生的电压时序特征数据，提取出所有的相邻单体电压；
其中，对于M个单体的电池包，需要提取出M-1对相邻单体；
2.2)计算电池包内所有单体电压的均值和方差δt等数据特征，与所有相邻单体电压(即M-1对相邻单体电压)组织成新的电压时间序列特征。
上述步骤3)中，找出单体电压离群的时序点，具体为：根据电压时间序列，利用N-sigma方法找出离群的单体，判别形成相邻单体是否为离群的时间序列，以得到单体电压离群的时序点。
其中，判别形成相邻单体是否为离群的时间序列，包括以下步骤：
3.1)若某一单体i在t时刻的电压满足预设条件，则该电压/>不离群，离群标志位计为0；
3.2)若某一单体i在t时刻的电压不满足预设条件，则该电压/>为电压离群，离群标志位计为1；
3.3)将所有相邻单体电压进行判别后得到相邻单体电压是否离群的时间序列：[01 1 … 0]。
在本实施例中，预设条件为：
其中，表示单体i在t时刻的电压，/>为单体电压的均值，δt为单体电压的方差，N为N-sigma方法的N值。
上述步骤4)中，对相邻单体电压进行时序分析，包括以下步骤：
4.1)利用滑动窗口对离群标志位序列进行平滑和去噪；
如图3、图4所示，若连续的标志1中间夹杂少于3个标志0，则将0修改为1，对离群点进行平滑；若连续的标志0中间夹杂小于3个标志1，则将1修改为0，对少量异常点进行去噪。通过滑动窗口和序列计数进行平滑和去噪。
4.2)根据离群标志位序列，对相邻单体电压的时间序列进行序列分析，计算相邻单体电压的差分值，通过差分和阈值判断识别电压上升和下降的趋势；
本实施例中，差分值为连续的正值则为上升趋势，连续的负值为下降趋势。
4.3)计算整个电池包电压均值的差分，判断整个电池包电压的变化趋势，并计算相邻单体电压均值的差分，判断相邻电压的变化趋势；
其中，判断整个电池包电压的变化趋势：连续的正值为上升趋势，连续的负值为下降趋势。
判断相邻电压的变化趋势：连续的正值为上升趋势，连续的负值为下降趋势。
4.4)若两个相邻单体的电压变化趋势相反，且相邻单体电压变化趋势和整个电池包变化趋势相同，则认为符合相邻单体电压采集异常，同时计算异常的起点和结束位置，实现了相邻单体电压采集异常的判断和位置的识别。
综上，本发明可以在整车进行保养过程中，实现车辆保养和电池故障问题识别，减少市场故障上报情况，提升了品牌竞争力和用户体验。本发明综合考虑了相邻单体电压采集异常的多种情形，融合了变化趋势分析、离群点平滑和去噪、异常检测等多个维度，快速、有效地识别出相邻单体电压采集异常。时序的平滑和去噪可以有效提升识别准确率，提高预警准确率，降低故障率和运营成本，提升用户体验，保护用户生命财产安全。
在本发明的一个实施例中，提供一种锂电池数据采集异常识别系统，其包括：
第一处理模块，将电池管理系统的电压数据经数据预处理后，形成衍生的电压时序特征；
第二处理模块，根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；
第三处理模块，对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；
识别模块，结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置。
上述实施例中，形成衍生的电压时序特征，包括：
在电池管理系统的电压数据中，对两个数据点间隔时间超过预设时间的单体电压、电流、温度信息划分为两个不同的序列片段；
在每个序列片段中，对于电压数据为0的序列片段，进行缺失值填补，并去掉电压超过设定范围的噪声点；
将所有单体的电压数据处理后组织成时间序列，形成衍生的电压时序特征。
上述实施例中，形成新的电压时间序列特征，包括：
根据衍生的电压时序特征数据，提取出所有的相邻单体电压；
计算电池包内所有单体电压的均值和方差，与所有相邻单体电压组织成新的电压时间序列特征。
上述实施例中，找出单体电压离群的时序点，包括：根据电压时间序列，利用N-sigma方法找出离群的单体，判别形成相邻单体是否为离群的时间序列，以得到单体电压离群的时序点。
其中，判别形成相邻单体是否为离群的时间序列，包括：
若某一单体i在t时刻的电压满足预设条件，则该电压不离群，离群标志位计为0；
若某一单体i在t时刻的电压不满足预设条件，则该电压为电压离群，离群标志位计为1；
将所有相邻单体电压进行判别后得到相邻单体电压是否离群的时间序列：[0 1 1… 0]。
本实施例中，预设条件为：
其中，表示单体i在t时刻的电压，/>为单体电压的均值，δt为单体电压的方差，N为N-sigma方法的N值。
上述实施例中，对相邻单体电压进行时序分析，包括：
利用滑动窗口对离群标志位序列进行平滑和去噪；
根据离群标志位序列，对相邻单体电压的时间序列进行序列分析，计算相邻单体电压的差分值，通过差分和阈值判断识别电压上升和下降的趋势；
计算整个电池包电压均值的差分，判断整个电池包电压的变化趋势，并计算相邻单体电压均值的差分，判断相邻电压的变化趋势；
若两个相邻单体的电压变化趋势相反，且相邻单体电压变化趋势和整个电池包变化趋势相同，则认为符合相邻单体电压采集异常，同时计算异常的起点和结束位置。
本实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
本发明一实施例中提供的计算设备，该计算设备可以是终端，其可以包括：处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该计算机程序被处理器执行时以实现一种锂电池数据采集异常识别方法；该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏，该输入装置可以是显示屏上覆盖的触摸层，也可以是计算设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令。
此外，上述的存储器中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的一个实施例中，提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。
在本发明的一个实施例中，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种锂电池数据采集异常识别方法，其特征在于，包括：
将电池管理系统的电压数据经数据预处理后，形成衍生的电压时序特征；
根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；
对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；
结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置；
找出单体电压离群的时序点，包括：根据电压时间序列，利用N-sigma方法找出离群的单体，判别形成相邻单体是否为离群的时间序列，以得到单体电压离群的时序点；
判别形成相邻单体是否为离群的时间序列，包括：
若某一单体i在t时刻的电压满足预设条件，则该电压不离群，离群标志位计为0；
若某一单体i在t时刻的电压不满足预设条件，则该电压为电压离群，离群标志位计为1；
将所有相邻单体电压进行判别后得到相邻单体电压是否离群的时间序列；
预设条件为：
其中，表示单体i在t时刻的电压，/>为单体电压的均值，δt为单体电压的方差，N为N-sigma方法的N值；
对相邻单体电压进行时序分析，包括：
利用滑动窗口对离群标志位序列进行平滑和去噪；
根据离群标志位序列，对相邻单体电压的时间序列进行序列分析，计算相邻单体电压的差分值，通过差分和阈值判断识别电压上升和下降的趋势；
计算整个电池包电压均值的差分，判断整个电池包电压的变化趋势，并计算相邻单体电压均值的差分，判断相邻电压的变化趋势；
若两个相邻单体的电压变化趋势相反，且相邻单体电压变化趋势和整个电池包变化趋势相同，则认为符合相邻单体电压采集异常，同时计算异常的起点和结束位置。
2.如权利要求1所述锂电池数据采集异常识别方法，其特征在于，形成衍生的电压时序特征，包括：
在电池管理系统的电压数据中，对两个数据点间隔时间超过预设时间的单体电压、电流、温度信息划分为两个不同的序列片段；
在每个序列片段中，对于电压数据为0的序列片段，进行缺失值填补，并去掉电压超过设定范围的噪声点；
将所有单体的电压数据处理后组织成时间序列，形成衍生的电压时序特征。
3.如权利要求1所述锂电池数据采集异常识别方法，其特征在于，形成新的电压时间序列特征，包括：
根据衍生的电压时序特征数据，提取出所有的相邻单体电压；
计算电池包内所有单体电压的均值和方差，与所有相邻单体电压组织成新的电压时间序列特征。
4.一种锂电池数据采集异常识别系统，其特征在于，包括：
第一处理模块，将电池管理系统的电压数据经数据预处理后，形成衍生的电压时序特征；
第二处理模块，根据衍生的电压时序特征提取电池包中相邻单体的电压时序特征，计算所有单体电压的均值和方差，形成新的电压时间序列特征；
第三处理模块，对新的电压时间序列特征进行异常识别，找出单体电压离群的时序点；
识别模块，结合单体电压离群的时序点，对相邻单体电压进行时序分析，识别出相邻单体电压采集异常的位置；
找出单体电压离群的时序点，包括：根据电压时间序列，利用N-sigma方法找出离群的单体，判别形成相邻单体是否为离群的时间序列，以得到单体电压离群的时序点；
判别形成相邻单体是否为离群的时间序列，包括：
若某一单体i在t时刻的电压满足预设条件，则该电压不离群，离群标志位计为0；
若某一单体i在t时刻的电压不满足预设条件，则该电压为电压离群，离群标志位计为1；
将所有相邻单体电压进行判别后得到相邻单体电压是否离群的时间序列；
预设条件为：
其中，表示单体i在t时刻的电压，/>为单体电压的均值，δt为单体电压的方差，N为N-sigma方法的N值；
对相邻单体电压进行时序分析，包括：
利用滑动窗口对离群标志位序列进行平滑和去噪；
根据离群标志位序列，对相邻单体电压的时间序列进行序列分析，计算相邻单体电压的差分值，通过差分和阈值判断识别电压上升和下降的趋势；
计算整个电池包电压均值的差分，判断整个电池包电压的变化趋势，并计算相邻单体电压均值的差分，判断相邻电压的变化趋势；
若两个相邻单体的电压变化趋势相反，且相邻单体电压变化趋势和整个电池包变化趋势相同，则认为符合相邻单体电压采集异常，同时计算异常的起点和结束位置。
5.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至3所述方法中的任一方法。
6.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至3所述方法中的任一方法的指令。
CN202310392919.9A 2023-04-13 2023-04-13 锂电池数据采集异常识别方法、系统、存储介质及设备 Active CN116299019B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310392919.9A CN116299019B (zh) 2023-04-13 2023-04-13 锂电池数据采集异常识别方法、系统、存储介质及设备
PCT/CN2023/110911 WO2024212403A1 (zh) 2023-04-13 2023-08-03 锂电池数据采集异常识别方法、系统、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310392919.9A CN116299019B (zh) 2023-04-13 2023-04-13 锂电池数据采集异常识别方法、系统、存储介质及设备

Publications (2)

Publication Number Publication Date
CN116299019A CN116299019A (zh) 2023-06-23
CN116299019B true CN116299019B (zh) 2024-04-02

Family

ID=86788791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310392919.9A Active CN116299019B (zh) 2023-04-13 2023-04-13 锂电池数据采集异常识别方法、系统、存储介质及设备

Country Status (2)

Country Link
CN (1) CN116299019B (zh)
WO (1) WO2024212403A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299019B (zh) * 2023-04-13 2024-04-02 合肥国轩高科动力能源有限公司 锂电池数据采集异常识别方法、系统、存储介质及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009217555A (ja) * 2008-03-11 2009-09-24 Mitsubishi Electric Corp ネットワーク異常判定装置
CN108320063A (zh) * 2018-03-26 2018-07-24 上海积成能源科技有限公司 一种电力负荷预测中对异常数据剔除和去噪处理的方法
CN114490156A (zh) * 2022-01-25 2022-05-13 杭州电子科技大学 一种时间序列数据异常标记方法
CN114518539A (zh) * 2022-01-14 2022-05-20 北京交通大学 一种动力电池soc异常分析方法
CN114594398A (zh) * 2022-03-25 2022-06-07 中国长江三峡集团有限公司 储能锂离子电池数据预处理方法
CN114742124A (zh) * 2022-02-28 2022-07-12 山东鲁软数字科技有限公司 一种异常数据处理方法、系统及装置
CN114910800A (zh) * 2022-05-31 2022-08-16 重庆长安新能源汽车科技有限公司 一种对电池电压排序变化趋势进行判断的方法及系统
CN115792634A (zh) * 2022-12-02 2023-03-14 北京航空航天大学 一种基于云端在线数据的电池单体电压采样故障识别方法
CN115840923A (zh) * 2022-11-25 2023-03-24 上海天旦网络科技发展有限公司 时间序列异常检测方法、系统、介质及设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114116742B (zh) * 2021-11-18 2023-08-08 佳都科技集团股份有限公司 一种基于地铁综合监控系统的时序数据填补方法及装置
CN115238735A (zh) * 2022-06-24 2022-10-25 深圳市国电科技通信有限公司 异常点检测方法、装置及存储介质、电子设备
CN116299019B (zh) * 2023-04-13 2024-04-02 合肥国轩高科动力能源有限公司 锂电池数据采集异常识别方法、系统、存储介质及设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009217555A (ja) * 2008-03-11 2009-09-24 Mitsubishi Electric Corp ネットワーク異常判定装置
CN108320063A (zh) * 2018-03-26 2018-07-24 上海积成能源科技有限公司 一种电力负荷预测中对异常数据剔除和去噪处理的方法
CN114518539A (zh) * 2022-01-14 2022-05-20 北京交通大学 一种动力电池soc异常分析方法
CN114490156A (zh) * 2022-01-25 2022-05-13 杭州电子科技大学 一种时间序列数据异常标记方法
CN114742124A (zh) * 2022-02-28 2022-07-12 山东鲁软数字科技有限公司 一种异常数据处理方法、系统及装置
CN114594398A (zh) * 2022-03-25 2022-06-07 中国长江三峡集团有限公司 储能锂离子电池数据预处理方法
CN114910800A (zh) * 2022-05-31 2022-08-16 重庆长安新能源汽车科技有限公司 一种对电池电压排序变化趋势进行判断的方法及系统
CN115840923A (zh) * 2022-11-25 2023-03-24 上海天旦网络科技发展有限公司 时间序列异常检测方法、系统、介质及设备
CN115792634A (zh) * 2022-12-02 2023-03-14 北京航空航天大学 一种基于云端在线数据的电池单体电压采样故障识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于相关性分析的工业时序数据异常检测;丁小欧 等;软件学报;20200331;第31卷(第03期);第726-747页 *
电力设备状态大数据分析的研究和应用;江秀臣 等;高电压技术;20180416;第44卷(第04期);第1041-1050 *

Also Published As

Publication number Publication date
WO2024212403A1 (zh) 2024-10-17
CN116299019A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN111209928B (zh) 一种变压器设备预警和状态预测评估方法及其系统
CN116299019B (zh) 锂电池数据采集异常识别方法、系统、存储介质及设备
CN110749829B (zh) 一种供电设备异常检测方法及装置
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
CN115796708B (zh) 一种工程建设用的大数据智能质检方法、系统和介质
CN117347869B (zh) 储能电池管理系统数据分析方法、装置、电子设备及介质
CN115649005B (zh) 电池温度采样故障预警方法、系统、电子设备及存储介质
CN116953556B (zh) 多变量冗余故障电池在线检测的方法、系统、介质和设备
CN115384311A (zh) 诊断动力电池绝缘故障方法、系统、车辆及存储介质
CN116430231A (zh) 电池异常监测方法、装置、服务器、介质及充换电系统
CN114734873B (zh) 一种基于云端在线数据的动力电池单体热失控预警方法
CN113884884B (zh) 一种基于相关性的动力电池组故障诊断方法及系统
CN117719382A (zh) 一种充电安全分析模型构建与自动化充电桩监控系统
CN113285847A (zh) 一种智能换流站监测系统的通信网络异常检测方法及系统
CN113533985A (zh) 一种电池包内阻异常模块的识别方法及其存储介质
CN117347078A (zh) 一种新能源车辆健康状态年检平台及方法
US20220216700A1 (en) Methods and systems for detecting faulty behavior in a battery
Wang et al. Multiscale feature fusion approach to early fault diagnosis in EV power battery using operational data
CN115856682B (zh) 一种基于临界点转变的锂电池容量跳水点个性化预警方法
CN117970127B (zh) 用于识别动力电池异常自放电的方法和装置
CN118501596B (zh) 一种基于数据分析的智能用电监测系统
CN117554737B (zh) 一种车载充电器的健康状况检测方法及系统
CN115856674A (zh) 一种电芯的检测方法、装置、电子设备及存储介质
CN115656863A (zh) 基于电池bms数据的储能电池故障判断系统

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
GR01 Patent grant
GR01 Patent grant