CN116381511B - 电池状态检测方法、装置、电子设备及存储介质 - Google Patents
电池状态检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116381511B CN116381511B CN202310618709.7A CN202310618709A CN116381511B CN 116381511 B CN116381511 B CN 116381511B CN 202310618709 A CN202310618709 A CN 202310618709A CN 116381511 B CN116381511 B CN 116381511B
- Authority
- CN
- China
- Prior art keywords
- battery
- matrix
- data
- intermediate state
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 235
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000002955 isolation Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本公开提出了一种电池状态检测方法、装置、电子设备及存储介质,涉及电池故障诊断技术领域,该方法包括:获取电池当前电池数据的数据标准差和数据均值;基于数据标准差和数据均值,计算第一中值;确定实际中间状态矩阵和实际输出矩阵;确定预测中间状态矩阵和预测输出矩阵;基于实际中间状态矩阵、实际输出矩阵、预测中间状态矩阵和预测输出矩阵,确定电池的工作状态,对电池进行对应的隔离处理。通过预测中间状态矩阵和预测输出矩阵,和实际中间状态矩阵和实际输出矩阵,进行比对确定电池的故障状态,可以提升检测的准确性和可追溯性,同时相较于当前技术中的检测方法,本方案不需要大量样本,以此可以降低检测成本。
Description
技术领域
本公开涉及电池故障诊断技术领域,尤其涉及一种电池状态检测方法、装置、电子设备及存储介质。
背景技术
锂离子电池具有容量大、重量轻、体积小、充电快、续航时间长等优点,已经成为储能电池组中使用较多的电池类型,被广泛用于电动自行车、电动汽车等的动力源。电池组的安全问题给电池储能技术的发展带来了严峻挑战,如何快速准确地诊断和识别出导致电池组各类故障的原因,为锂离子电池系统的故障监测和安全运行提供可靠保障成为关键。
然而,大部分研究主要着重于电池储能系统内单个组件的故障检测,如电池单体、电池传感器、电池执行器等,实际上,系统内各个组件的故障是相互关联的,因此仅进行单个组件的故障监测难以对故障追根溯源、从根本上隔离故障。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本公开的一个目的在于提出一种电池状态检测方法。
本公开的第二个目的在于提出一种电池状态检测装置。
本公开的第三个目的在于提出一种电子设备。
本公开的第四个目的在于提出一种非瞬时计算机可读存储介质。
本公开的第五个目的在于提出一种计算机程序产品。
为达上述目的,本公开第一方面实施方式提出了一种电池状态检测方法,包括:获取电池当前电池数据的数据标准差和数据均值;基于所述数据标准差和所述数据均值,通过切比雪夫算法,计算所述当前电池数据的第一中值;获取所述电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于所述输出数据、所述输入数据和所述电池参数确定当前的实际中间状态矩阵,以及基于所述第一中间状态矩阵和所述电池参数确定当前的实际输出矩阵;基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的预测中间状态矩阵,以及基于所述第二中间状态矩阵和所述电池参数确定当前的预测输出矩阵;基于所述实际中间状态矩阵、所述实际输出矩阵、所述预测中间状态矩阵和所述预测输出矩阵,确定所述电池的工作状态,并基于所述工作状态对所述电池进行对应的隔离处理。
根据本公开的一个实施方式,所述基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的预测中间状态矩阵,包括:基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的第一概率矩阵;基于所述第一概率矩阵确定所述当前电池数据的中值期望值矩阵,作为所述当前电池数据的预测中间状态矩阵。
根据本公开的一个实施方式,所述基于所述第二中间状态矩阵和所述电池参数确定当前的预测输出矩阵,包括:获取第一协方差矩阵;基于所述第一协方差矩阵和所述电池参数确定滤波增益;基于所述滤波增益、所述电池参数和所述第二中间状态矩阵,确定所述预测输出矩阵。
根据本公开的一个实施方式,所述方法还包括:基于所述第一中间状态矩阵、所述第二中间状态矩阵、所述第一协方差矩阵和所述电池参数,确定第二协方差矩阵;将所述第二协方差矩阵作为所述电池下一次预测时的第一协方差矩阵。
根据本公开的一个实施方式,所述基于所述实际中间状态矩阵、所述实际输出矩阵、所述预测中间状态矩阵和所述预测输出矩阵,确定所述电池的工作状态,包括:基于所述实际中间状态矩阵和所述预测中间状态矩阵,确定第一残差,以及基于所述实际输出矩阵和所述预测输出矩阵,确定第二残差;基于所述第一残差和所述第二残差,确定所述电池的工作状态。
根据本公开的一个实施方式,所述基于所述第一残差和所述第二残差,确定所述电池的工作状态,包括:响应于所述第一残差大于第一阈值和/或所述第二残差大于第二阈值,基于所述第一残差和所述第二残差生成故障残差频谱;基于所述故障残差频谱和正常状态频谱,确定幅度平方相关谱,并确定所述幅度平方相关谱的相关谱中值;基于所述相关谱中值和预设的判断阈值,确定所述电池的工作状态。
根据本公开的一个实施方式,所述基于所述数据标准差和所述数据均值,通过切比雪夫算法,计算所述当前电池数据的第一中值,包括:基于所述切比雪夫算法,确定所述当前电池数据和中值之间对应的切比雪夫范数最小的中值,作为所述第一中值。
为达上述目的,本公开第二方面实施例提出了一种电池状态检测装置,包括:第一获取模块,用于获取电池当前电池数据的数据标准差和数据均值;中值模块,用于基于所述数据标准差和所述数据均值,通过切比雪夫算法,计算所述当前电池数据的第一中值;第二获取模块,用于获取所述电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于所述输出数据、所述输入数据和所述电池参数确定当前的实际中间状态矩阵,以及基于所述第一中间状态矩阵和所述电池参数确定当前的实际输出矩阵;第三获取模块,用于基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的预测中间状态矩阵,以及基于所述第二中间状态矩阵和所述电池参数确定当前的预测输出矩阵;隔离模块,用于基于所述实际中间状态矩阵、所述实际输出矩阵、所述预测中间状态矩阵和所述预测输出矩阵,确定所述电池的工作状态,并基于所述工作状态对所述电池进行对应的隔离处理。
为达上述目的,本公开第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以实现如本公开第一方面实施例所述的电池状态检测方法。
为达上述目的,本公开第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于实现如本公开第一方面实施例所述的电池状态检测方法。
为达上述目的,本公开第五方面实施例提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时用于实现如本公开第一方面实施例所述的电池状态检测方法。
通过将基于上一次预测时生成的预测中间状态矩阵和预测输出矩阵,和本次预测时基于输入数据生成的实际中间状态矩阵和实际输出矩阵,进行比对确定电池的故障状态,可以提升检测的准确性和可追溯性,同时相较于当前技术中的检测方法,本方案不需要大量样本,以此可以降低检测成本。
附图说明
图1是本公开一个实施方式的一种电池状态检测方法的示意图;
图2是本公开一个实施方式的另一种电池状态检测方法的示意图;
图3是本公开一个实施方式的另一种电池状态检测方法的示意图;
图4是本公开一个实施方式的另一种电池状态检测方法的示意图;
图5是本公开一个实施方式的一种电池状态检测装置的示意图;
图6是本公开一个实施方式的一种电子设备的示意图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其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。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
图1为本公开提出的一种电池状态检测方法的一种示例性实施方式的示意图,如图1所示,该电池状态检测方法包括以下步骤:
S101,获取电池当前电池数据的数据标准差和数据均值。
本申请实施例的电池状态检测方法可应用于电池状态监控的场景中,本申请实施例的电池状态检测的执行主体可为本申请实施例的电池状态检测装置,该电池状态检测装置可以设置在电子设备上。
在本公开实施例中,电池的当前电池数据可通过电池的传感器进行获取,该传感器可为电池管理系统(BATTERY MANAGEMENT SYSTEM,BMS)的传感器。
可以理解的是,电池数据的采集时刻和预测时刻的频率可为不同,本公开式实施例中的预测时刻的频率小于采集频率,即采集多个电池数据进行一次预测。
在本公开实施例中,当前电池数据为多个时刻的电池数据,该电池数据中包含多种内容,此处不作任何限定,举例来说,可包括电池的输入数据、电池的输出数据和电池参数等。
在获取到当前电池数据后,可通过将多个时刻的电池数据求取标准差和平均值,作为数据标准差和数据均值。
S102,基于数据标准差和数据均值,通过切比雪夫算法,计算当前电池数据的第一中值。
该切比雪夫算法为提前设定好的,并可根据实际的设计需要进行变更,此处不作任何限定。
S103获取电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于输出数据、输入数据和电池参数确定当前的实际中间状态矩阵,以及基于第一中间状态矩阵和电池参数确定当前的实际输出矩阵。
在本公开实施例中,电池可包括三种状态,输入状态、输出状态和中间状态,其中中间状态为数据处理中的过渡状态。实际中间状态矩阵和实际输出矩阵用于表征当前电池实际的中间状态和输出状态。
在本公开实施例中,基于输出数据、输入数据和电池参数确定当前的实际中间状态矩阵,以及基于第一中间状态矩阵和电池参数确定当前的实际输出矩阵的方法可为多种,此处不作任何限定。
可选地,可通过将输出数据、输入数据和电池参数输入至中间状态矩阵获取模型中,以确定实际中间状态矩阵和实际输出矩阵。该中间状态矩阵获取模型可为提前训练好的,并存储在电子设备的存储空间中,以方便在需要时调取使用。
可选地,还可通过预设的算法,来确定实际中间状态矩阵和实际输出矩阵。该预设算法可为提前设计好的,并可根据实际的设计需要进行变更,此处不作任何限定。
在本公开实施例中,电池参数为提前设定好的,可基于当前需要预测电池实际情况进行变更,此处不作任何限定。该电池参数可包含多种内容,举例来说,可包括状态系数、输入系数、噪声转换系数等。
在本公开的一个实施例中,实际中间状态矩阵可通过如下公式进行获取:
实际输出矩阵可通过如下公式进行获取:
其中,为实际中间状态矩阵,/>为上一次检测的实际中间状态矩阵,为当前预测的输入数据,A为是系统的状态系数矩阵,B是输入系数矩阵,G是噪声转换矩阵,w是随机过程噪声,C是观测矩阵,v为观测噪声。其中,A、B、G、w、v为提前设定好的,并可根据实际的设计需要进行变更,此处不作任何限定。
S104基于数据标准差、数据均值和第一中值,确定当前电池数据的预测中间状态矩阵,以及基于第二中间状态矩阵和电池参数确定当前的预测输出矩阵。
在本公开实施例中,预测中间状态矩阵和预测输出矩阵用于表征在一次预测中的当前电池中间状态和输出状态。
在本公开实施例中,基于数据标准差、数据均值和第一中值,确定当前电池数据的预测中间状态矩阵,以及基于第二中间状态矩阵和电池参数确定当前的预测输出矩阵的方法可为多种,此处不作任何限定。
可选地,可通过将数据标准差、数据均值、电池参数和第一中值输入至预测模型中,以获取预测中间状态矩阵和预测输出矩阵。该预测模型可为提前训练好的,并存储在电子设备的存储空间中,以方便在需要时调取使用。
可选地,还可通过预设的算法,来确定预测中间状态矩阵和预测输出矩阵。该预设算法可为提前设计好的,并可根据实际的设计需要进行变更,此处不作任何限定。
S105基于实际中间状态矩阵、实际输出矩阵、预测中间状态矩阵和预测输出矩阵,确定电池的工作状态,并基于工作状态对电池进行对应的隔离处理。
在本公开实施例中,首先获取电池当前电池数据的数据标准差和数据均值,然后基于数据标准差和数据均值,通过切比雪夫算法,计算当前电池数据的第一中值,而后获取电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于输出数据、输入数据和电池参数确定当前的实际中间状态矩阵,以及基于第一中间状态矩阵和电池参数确定当前的实际输出矩阵,再之后基于数据标准差、数据均值和第一中值,确定当前电池数据的预测中间状态矩阵,以及基于第二中间状态矩阵和电池参数确定当前的预测输出矩阵,最后基于实际中间状态矩阵、实际输出矩阵、预测中间状态矩阵和预测输出矩阵,确定电池的工作状态,并基于工作状态对电池进行对应的隔离处理。由此,通过将基于上一次预测时生成的预测中间状态矩阵和预测输出矩阵,和本次预测时基于输入数据生成的实际中间状态矩阵和实际输出矩阵,进行比对确定电池的故障状态,可以提升检测的准确性和可追溯性,同时相较于当前技术中的检测方法,本方案不需要大量样本,以此可以降低检测成本。
在本公开实施例中,基于数据标准差和数据均值,通过切比雪夫算法,计算当前电池数据的第一中值,可基于切比雪夫算法,确定当前电池数据和中值之间对应的切比雪夫范数最小的中值,作为第一中值。
作为一种可能实现的方式,当前电池数据和中值之间的距离可以使用切比雪夫窗口来找到。对于需要计算距离的给定主瓣宽度,使旁瓣的切比雪夫范数最小化。计算出的距离即为状态x的第一中值。
上述实施例中,基于数据标准差、数据均值和第一中值,确定当前电池数据的预测中间状态矩阵,还可通过图2进一步解释,该方法包括:
S201,基于数据标准差、数据均值和第一中值,确定当前电池数据的第一概率矩阵。
在本公开实施例中,第一概率函数可为:
其中,为第一中值,μ为数据均值,σ为数据标准差。在获取到当前电池数据中的每个元素的第一概率后,可生成第一概率矩阵。
S202,基于第一概率矩阵确定当前电池数据的中值期望值矩阵,作为当前电池数据的预测中间状态矩阵。
在本公开实施例中,中值期望值的计算公式可为:
其中,为中值期望值,/>为第一中值,f(x)为第一概率函数,x为当前电池数据中的元素。
上述实施例中,基于第二中间状态矩阵和电池参数确定当前的预测输出矩阵,还可通过图3进一步解释,该方法包括:
S301,获取第一协方差矩阵。
在本公开实施例中,第一协方差矩阵为上一次预测时的数据和电池参数获取的。
S302,基于第一协方差矩阵和电池参数确定滤波增益。
在本公开实施例中,可通过如下公式确定滤波增益:
其中,为滤波增益,/>为第一协方差矩阵,C是观测矩阵,/>是观测矩阵的转置,R为估计误差的协方差矩阵,其中,C和R为提前设定好的,并可根据实际的实际需要进行变更。
S303,基于滤波增益、电池参数和第二中间状态矩阵,确定预测输出矩阵。
在本公开实施例中,可通过如下公式确定预测输出矩阵:
其中,为预测输出矩阵,/>为第二中间状态矩阵,/>为第一协方差矩阵,f(x)为第一概率函数,/>为预测标准差,/>为数据标准差。
在本公开实施例中,预测输出矩阵可为上一次预测时的中值期望值矩阵,具体计算步骤可参见上述实施例中的内容,此处不再赘述。
在本公开实施例中,在当次预测完成后,可基于第一中间状态矩阵、第二中间状态矩阵、第一协方差矩阵和电池参数,确定第二协方差矩阵,将第二协方差矩阵作为电池下一次预测时的第一协方差矩阵。以此,通过将上一次预测的结果作为对下一次预测的比对数据,可以提升故障检测的可靠性和准确性。
上述实施例中,基于实际中间状态矩阵、实际输出矩阵、预测中间状态矩阵和预测输出矩阵,确定电池的工作状态,还可通过图4进一步解释,该方法包括:
S401, 基于实际中间状态矩阵和预测中间状态矩阵,确定第一残差,以及基于实际输出矩阵和预测输出矩阵,确定第二残差。
在本公开实施例中,可通过如下公式确定第一残差和第二残差:
其中,为第一残差,/>为第二残差,/>为实际中间状态矩阵,/>为预测中间状态矩阵,/>为实际输出矩阵,/>为预测输出矩阵。
S402,基于第一残差和第二残差,确定电池的工作状态。
在本公开实施例中,在获取到第一残差和第二残差后,可通过将第一残差和第二残差分别与第一阈值和第二阈值进行比较,响应于第一残差大于第一阈值和/或第二残差大于第二阈值,基于第一残差和第二残差生成故障残差频谱,基于故障残差频谱和正常状态频谱,确定幅度平方相关谱,并确定幅度平方相关谱的相关谱中值,最后基于相关谱中值和预设的判断阈值,确定电池的工作状态。需要说明的是,第一阈值和第二阈值为提前设定好的,并可根据实际的设计需要进行变更,此处不作任何限定。正常状态频谱为正常状态下的电池的频谱,可为提前设定好的,也可为根据上一正常状态时的数据生成的,此处不作任何限定。
与上述几种实施例提供的电池状态检测方法相对应,本公开的一个实施例还提供了一种电池状态检测装置,由于本公开实施例提供的电池状态检测装置与上述几种实施例提供的电池状态检测方法相对应,因此上述电池状态检测方法的实施方式也适用于本公开实施例提供的电池状态检测装置,在下述实施例中不再详细描述。
图5为本公开提出的一种电池状态检测装置的示意图,如图 5所示,该电池状态检测装置500,包括:第一获取模块510、中值模块520、第二获取模块530、第三获取模块540和隔离模块550。
其中,第一获取模块510,用于获取电池当前电池数据的数据标准差和数据均值。
中值模块520,用于基于数据标准差和数据均值,通过切比雪夫算法,计算当前电池数据的第一中值;
第二获取模块530,用于获取电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于输出数据、输入数据和电池参数确定当前的实际中间状态矩阵,以及基于第一中间状态矩阵和电池参数确定当前的实际输出矩阵;
第三获取模块540,用于基于数据标准差、数据均值和第一中值,确定当前电池数据的预测中间状态矩阵,以及基于第二中间状态矩阵和电池参数确定当前的预测输出矩阵;
隔离模块550,用于基于实际中间状态矩阵、实际输出矩阵、预测中间状态矩阵和预测输出矩阵,确定电池的工作状态,并基于工作状态对电池进行对应的隔离处理。
在本公开一种可能实现的方式中,第三获取模块540,还用于:基于数据标准差、数据均值和第一中值,确定当前电池数据的第一概率矩阵;基于第一概率矩阵确定当前电池数据的中值期望值矩阵,作为当前电池数据的预测中间状态矩阵。
在本公开一种可能实现的方式中,第三获取模块540,还用于:获取第一协方差矩阵;基于第一协方差矩阵和电池参数确定滤波增益;基于滤波增益、电池参数和第二中间状态矩阵,确定预测输出矩阵。
在本公开一种可能实现的方式中,第三获取模块540,还用于:基于第一中间状态矩阵、第二中间状态矩阵、第一协方差矩阵和电池参数,确定第二协方差矩阵;将第二协方差矩阵作为电池下一次预测时的第一协方差矩阵。
在本公开一种可能实现的方式中,隔离模块550,还用于:基于实际中间状态矩阵和预测中间状态矩阵,确定第一残差,以及基于实际输出矩阵和预测输出矩阵,确定第二残差;基于第一残差和第二残差,确定电池的工作状态。
在本公开一种可能实现的方式中,隔离模块550,还用于:响应于第一残差大于第一阈值和/或第二残差大于第二阈值,基于第一残差和第二残差生成故障残差频谱;基于故障残差频谱和正常状态频谱,确定幅度平方相关谱,并确定幅度平方相关谱的相关谱中值;基于相关谱中值和预设的判断阈值,确定电池的工作状态。
在本公开一种可能实现的方式中,中值模块520,还用于:基于切比雪夫算法,确定当前电池数据和中值之间对应的切比雪夫范数最小的中值,作为第一中值。
通过将基于上一次预测时生成的预测中间状态矩阵和预测输出矩阵,和本次预测时基于输入数据生成的实际中间状态矩阵和实际输出矩阵,进行比对确定电池的故障状态,可以提升检测的准确性和可追溯性,同时相较于当前技术中的检测方法,本方案不需要大量样本,以此可以降低检测成本。
为了实现上述实施例,本公开实施例还提出一种电子设备600,如图6所示,该电子设备600包括:处理器601和处理器通信连接的存储器602,存储器602存储有可被至少一个处理器执行的指令,指令被至少一个处理器601执行,以实现如本公开第一方面实施例的电池状态检测方法。
为了实现上述实施例,本公开实施例还提出一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机实现如本公开第一方面实施例的电池状态检测方法。
为了实现上述实施例,本公开实施例还提出一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开第一方面实施例的电池状态检测方法。
在本公开的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本公开和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本公开的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种电池状态检测方法,其特征在于,包括:
获取电池当前电池数据的数据标准差和数据均值;
基于所述数据标准差和所述数据均值,通过切比雪夫算法,计算所述当前电池数据的第一中值;
获取所述电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于所述输出数据、所述输入数据和所述电池参数确定当前的实际中间状态矩阵,以及基于所述实际中间状态矩阵和所述电池参数确定当前的实际输出矩阵;
基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的预测中间状态矩阵,以及基于所述预测中间状态矩阵和所述电池参数确定当前的预测输出矩阵;
基于所述实际中间状态矩阵、所述实际输出矩阵、所述预测中间状态矩阵和所述预测输出矩阵,确定所述电池的工作状态,并基于所述工作状态对所述电池进行对应的隔离处理;
所述基于所述实际中间状态矩阵、所述实际输出矩阵、所述预测中间状态矩阵和所述预测输出矩阵,确定所述电池的工作状态,包括:
基于所述实际中间状态矩阵和所述预测中间状态矩阵,确定第一残差,以及基于所述实际输出矩阵和所述预测输出矩阵,确定第二残差;
响应于所述第一残差大于第一阈值和/或所述第二残差大于第二阈值,基于所述第一残差和所述第二残差生成故障残差频谱;
基于所述故障残差频谱和正常状态频谱,确定幅度平方相关谱,并确定所述幅度平方相关谱的相关谱中值;
基于所述相关谱中值和预设的判断阈值,确定所述电池的工作状态。
2.根据权利要求1所述的方法,其特征在于,所述基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的预测中间状态矩阵,包括:
基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的第一概率矩阵;
基于所述第一概率矩阵确定所述当前电池数据的中值期望值矩阵,作为所述当前电池数据的预测中间状态矩阵。
3.根据权利要求2所述的方法,其特征在于,所述基于所述预测中间状态矩阵和所述电池参数确定当前的预测输出矩阵,包括:
获取第一协方差矩阵;
基于所述第一协方差矩阵和所述电池参数确定滤波增益;
基于所述滤波增益、所述电池参数和所述预测中间状态矩阵,确定所述预测输出矩阵。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述实际中间状态矩阵、所述预测中间状态矩阵、所述第一协方差矩阵和所述电池参数,确定第二协方差矩阵;
将所述第二协方差矩阵作为所述电池下一次预测时的第一协方差矩阵。
5.根据权利要求1所述的方法,其特征在于,所述基于所述数据标准差和所述数据均值,通过切比雪夫算法,计算所述当前电池数据的第一中值,包括:
基于所述切比雪夫算法,确定所述当前电池数据和中值之间对应的切比雪夫范数最小的中值,作为所述第一中值。
6.一种电池状态检测装置,其特征在于,包括:
第一获取模块,用于获取电池当前电池数据的数据标准差和数据均值;
中值模块,用于基于所述数据标准差和所述数据均值,通过切比雪夫算法,计算所述当前电池数据的第一中值;
第二获取模块,用于获取所述电池上一次预测时的输出数据、当前预测的输入数据和电池参数,基于所述输出数据、所述输入数据和所述电池参数确定当前的实际中间状态矩阵,以及基于所述实际中间状态矩阵和所述电池参数确定当前的实际输出矩阵;
第三获取模块,用于基于所述数据标准差、所述数据均值和所述第一中值,确定所述当前电池数据的预测中间状态矩阵,以及基于所述预测中间状态矩阵和所述电池参数确定当前的预测输出矩阵;
隔离模块,用于基于所述实际中间状态矩阵、所述实际输出矩阵、所述预测中间状态矩阵和所述预测输出矩阵,确定所述电池的工作状态,并基于所述工作状态对所述电池进行对应的隔离处理;
所述隔离模块,还用于基于所述实际中间状态矩阵和所述预测中间状态矩阵,确定第一残差,以及基于所述实际输出矩阵和所述预测输出矩阵,确定第二残差;
响应于所述第一残差大于第一阈值和/或所述第二残差大于第二阈值,基于所述第一残差和所述第二残差生成故障残差频谱;
基于所述故障残差频谱和正常状态频谱,确定幅度平方相关谱,并确定所述幅度平方相关谱的相关谱中值;
基于所述相关谱中值和预设的判断阈值,确定所述电池的工作状态。
7.一种电子设备,其特征在于,包括存储器、处理器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-5中任一项所述的方法。
8.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618709.7A CN116381511B (zh) | 2023-05-30 | 2023-05-30 | 电池状态检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618709.7A CN116381511B (zh) | 2023-05-30 | 2023-05-30 | 电池状态检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116381511A CN116381511A (zh) | 2023-07-04 |
CN116381511B true CN116381511B (zh) | 2023-08-29 |
Family
ID=86965997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310618709.7A Active CN116381511B (zh) | 2023-05-30 | 2023-05-30 | 电池状态检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116381511B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09107370A (ja) * | 1995-08-08 | 1997-04-22 | Toshiba Corp | シミュレーション方法およびシミュレータ |
CN105842633A (zh) * | 2016-05-30 | 2016-08-10 | 广西大学 | 一种基于灰色扩展卡尔曼的锂离子电池soc估算方法 |
CN111146514A (zh) * | 2019-12-19 | 2020-05-12 | 上海派能能源科技股份有限公司 | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 |
CN111272428A (zh) * | 2020-02-17 | 2020-06-12 | 济南大学 | 一种基于改进切比雪夫距离的滚动轴承故障诊断方法 |
CN111537903A (zh) * | 2020-05-28 | 2020-08-14 | 杭州电子科技大学 | 一种基于hckf的电池soc估计方法 |
EP4050355A1 (de) * | 2021-02-26 | 2022-08-31 | Siemens Mobility GmbH | Schätzeinrichtungen und verfahren zum schätzen des betriebszustands einer batterie |
CN115453376A (zh) * | 2022-10-26 | 2022-12-09 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 电动汽车动力电池的状态监控方法、系统及电动汽车 |
CN115828685A (zh) * | 2022-11-29 | 2023-03-21 | 上海玫克生储能科技有限公司 | 基于切比雪夫谱方法的锂电池温度仿真方法、装置及介质 |
CN115860450A (zh) * | 2022-12-07 | 2023-03-28 | 北京和利时工业软件有限公司 | 一种基于状态空间模型的预测控制方法、装置及介质 |
CN115859188A (zh) * | 2021-09-24 | 2023-03-28 | 中兴通讯股份有限公司 | 一种业务异常预测方法、装置、存储介质及电子装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2967273B1 (fr) * | 2010-11-10 | 2013-06-28 | Commissariat Energie Atomique | Dispositif de detection a capteur, procede de detection et programme d'ordinateur correspondants |
-
2023
- 2023-05-30 CN CN202310618709.7A patent/CN116381511B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09107370A (ja) * | 1995-08-08 | 1997-04-22 | Toshiba Corp | シミュレーション方法およびシミュレータ |
CN105842633A (zh) * | 2016-05-30 | 2016-08-10 | 广西大学 | 一种基于灰色扩展卡尔曼的锂离子电池soc估算方法 |
CN111146514A (zh) * | 2019-12-19 | 2020-05-12 | 上海派能能源科技股份有限公司 | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 |
CN111272428A (zh) * | 2020-02-17 | 2020-06-12 | 济南大学 | 一种基于改进切比雪夫距离的滚动轴承故障诊断方法 |
CN111537903A (zh) * | 2020-05-28 | 2020-08-14 | 杭州电子科技大学 | 一种基于hckf的电池soc估计方法 |
EP4050355A1 (de) * | 2021-02-26 | 2022-08-31 | Siemens Mobility GmbH | Schätzeinrichtungen und verfahren zum schätzen des betriebszustands einer batterie |
CN115859188A (zh) * | 2021-09-24 | 2023-03-28 | 中兴通讯股份有限公司 | 一种业务异常预测方法、装置、存储介质及电子装置 |
CN115453376A (zh) * | 2022-10-26 | 2022-12-09 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 电动汽车动力电池的状态监控方法、系统及电动汽车 |
CN115828685A (zh) * | 2022-11-29 | 2023-03-21 | 上海玫克生储能科技有限公司 | 基于切比雪夫谱方法的锂电池温度仿真方法、装置及介质 |
CN115860450A (zh) * | 2022-12-07 | 2023-03-28 | 北京和利时工业软件有限公司 | 一种基于状态空间模型的预测控制方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116381511A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Review on state-of-health of lithium-ion batteries: Characterizations, estimations and applications | |
Li et al. | A novel fault diagnosis method for lithium-Ion battery packs of electric vehicles | |
US10650616B2 (en) | Fault diagnosis using distributed PCA architecture | |
WO2014054259A1 (ja) | バッテリのパラメータ推定装置およびその推定方法 | |
US20220229121A1 (en) | Methods and devices for determining battery state of health using incremental capacity analysis and support vector regression | |
US9419314B2 (en) | Systems and methods for determining battery system power capability | |
KR102633335B1 (ko) | 리튬이온 배터리팩의 비정상 셀 검출 및 soh 예측 방법 | |
CN111707957B (zh) | 电动汽车电池残值估算方法及装置 | |
WO2013174591A1 (de) | VORRICHTUNG ZUM ERMITTELN EINER ZUSTANDSGRÖßE EINER ZELLE ZUR UMWANDLUNG VON CHEMISCHER ENERGIE IN ELEKTRISCHE ENERGIE, ZELLE, ZELLENMODUL UND VERFAHREN ZUM ERMITTELN EINER ZUSTANDSGRÖßE EINER ZELLE | |
CN111146514A (zh) | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 | |
CN110715678B (zh) | 一种传感器异常检测方法及装置 | |
CN112816881B (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
CN116559667A (zh) | 模型训练方法及装置、电池检测方法及装置、设备、介质 | |
CN116381511B (zh) | 电池状态检测方法、装置、电子设备及存储介质 | |
CN111971200B (zh) | 用于确定电池的老化状态的方法、计算机程序、存储装置、控制设备和车辆 | |
CN111537893A (zh) | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 | |
CN109359803B (zh) | 一种可靠性评估方法和装置 | |
Hendricks et al. | Lithium-ion battery strain gauge monitoring and depth of discharge estimation | |
CN116643193A (zh) | 电池数据估计方法、装置、存储介质及电子设备 | |
CN112540301A (zh) | 电池检测方法、装置及存储介质 | |
Yang et al. | A mean-covariance decomposition method for battery capacity prognostics | |
Kohs et al. | LionTelligence intelligent battery life cycle management | |
CN104854430A (zh) | 检验在机动车中显示的机动车总里程的方法 | |
JP2014238302A (ja) | 二次電池のインピーダンスの評価方法、および二次電池のインピーダンスの評価装置 | |
JP7456694B2 (ja) | 電池セルのベント発生時点予測システムおよび予測方法 |
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 |