CN116466241B - 一种单体电池热失控定位方法 - Google Patents

Abstract

本发明公开了一种单体电池热失控定位方法，包括如下步骤：数据采集及预处理；对S1采集到的数据进行预处理后，得到电压矩阵A_i×j(i＝1,2,3...n，j＝1,2,3...t)，n为电池单体个数，j为时间帧数；利用箱型图确定中每一个时间帧数每个正常单体与异常单体的位置；取出得到的每一帧所有单体电池的电压，取出其众数g(j)以及标准差σ(j)。箱型图可以直观地表现出电池单体的数据分布情况，考虑了异常值与正常值的位置，弥补了香农熵利用概率来代替位置的缺点，利用概率计算的权重与箱型图计算的距离相结合很好的识别了异常单体。

Description

一种单体电池热失控定位方法

技术领域

本发明涉及新能源汽车动力电池热失控研究技术领域，具体为一种单体电池热失控定位方法。

背景技术

现行方式中，电动汽车着火的安全故障大部分由其动力电池引起，因此，对于动力电池热失控预警是有效避免着火故障，降低伤亡事件的有效技术手段。

根据GB38031-2020《电动汽车用动力蓄电池安全要求》规定，动力电池的热失控后5分钟内不允许有明火出现，且热失控发生时要有预警信号提示车内人员。现有技术中，目前行业内通用的热失控预警策略为：a、单体初始电压降>25％；b、电芯最高温度达到56℃；c、电芯温升≥1℃/S，并且持续3s以上，以上判定条件为a&c或者b&c同时发生判定为：发生热失控故障。

在新能源汽车运行过程中，需要由单体电池以串并联方式进行连接而形成的一个电池组，电池组为车辆运行提供所需的动力。

车辆在运行过程中所遇工况非常复杂，电池包的正常与否受到诸如电压、电流、绝缘、温度、压差、温差等因素影响，在众多因素影响中，难以准确定位到热失控触发点。

发明内容

本发明的目的在于提供一种单体电池热失控定位方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种单体电池热失控定位方法，包括如下步骤：

S1：数据采集及预处理；

S2：对S1采集到的数据进行预处理后，得到电压矩阵A_i×j(i＝1，2，3…n，j＝1，2，3…t)，n为电池单体个数，j为时间帧数；

S3：利用箱型图确定S2中每一个时间帧数每个正常单体与异常单体的位置；

S4：取出S2得到的每一帧所有单体电池的电压，取出其众数g(j)以及标准差σ(j)，并将每一帧电压的数据按照以下区间划分：

B_1，j∈(-∞，g(j)-3σ(j))

B_2，j∈[g(j)-3σ(j)，g(j)-2σ(j))

B_3，j∈[g(j)-2σ(j)，g(j)+2σ(j))

B_4，j∈[g(j)+2σ(j)，g(j)+3σ(j))

B_5，j∈(g(j)+3σ(j)，+∞)

可得到每一帧电压数据落在每一个区间的个数矩阵B：

记单体i在j时刻在矩阵B中的概率为P_i，j，则可以得到每个单体电压在任何时刻的概率矩阵P_i，j：

其中，

计算出每一个单体电压在每个时刻的香农熵H(j)：

进而计算出每个时刻的权重w_j：

S5：利用箱型图所确定的距离矩阵D以及经过上述S4所计算出的权重，计算出每个单体电池的评分S_i：

优选的，所述S1具体为：

①对时间序列数据进行升序采样；

②对采集到的数据进行初步过滤和清洗，去除异常值、缺失值、重复值等，确保数据的准确性和可靠性；

③通过分析数据特征，选择与目标任务相关的电压特征，剔除无关或冗余的特征，降低数据维度，提高数据处理效率。

优选的，所述S3箱型图中：

f_top＝Q₃+1.5IQR

f_low＝Q₁-1.5IQR

IQR＝Q₃-Q₁

定义单体i在j时刻的距离矩阵D：

其中：

本发明至少具备以下有益效果：

由于电池电压并不完全服从正态分布，利用箱型图进行正常单体与异常单体的初步筛选，定义正常单体与异常单体的距离，利用熵权法计算每帧数据下的权重，根据距离与权重的结合计算每个电池单体的评分，进而识别热失控单体。

熵权法中香农熵的计算利用电池电压分布的概率代替了位置，实际离群电压相对于正常值有着不同的距离，对判定结果有着很大影响，箱型图可以通过统计电池单体数据的中位数、上下四分位数和异常值，并以箱型图的形式进行展示，从而确定每个单体电池的位置，箱型图可以直观地表现出电池单体的数据分布情况，考虑了异常值与正常值的位置，弥补了香农熵利用概率来代替位置的缺点，利用概率计算的权重与箱型图计算的距离相结合很好的识别了异常单体。

附图说明

图1为本发明提出的一种单体电池热失控定位方法的箱体图；

图2为本发明提出的一种单体电池热失控定位方法的实施例一的试验结果图；

图3为本发明提出的一种单体电池热失控定位方法的实施例二的试验结果图；

图4为本发明提出的一种单体电池热失控定位方法的实施例三的试验结果图；

图5为本发明提出的一种单体电池热失控定位方法的流程框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种技术方案：

如图5所示：一种单体电池热失控定位方法，包括如下步骤：

S1：数据采集及预处理：具体为：

①对时间序列数据进行升序采样；

②对采集到的数据进行初步过滤和清洗，去除异常值、缺失值、重复值等，确保数据的准确性和可靠性；

③通过分析数据特征，选择与目标任务相关的电压特征，剔除无关或冗余的特征，降低数据维度，提高数据处理效率。通过对采集到的电动汽车实车数据进行数据处理，可以获取更准确、全面、可靠的信息，使得采集到的电动汽车实车数据更好地为后续的分析所用，提高热失控单体定位的效果，通过特征选择和降维，可以减少数据处理的时间和资源消耗，提高数据分析的效率。

S2：对S1采集到的数据进行预处理后，得到电压矩阵A_i×j(i＝1，2，3...n，j＝1，2，3...t)，n为电池单体个数，j为时间帧数；将原始数据转化为更直观、可操作的形式，方便后续分析和处理。同时，也使得数据更加规范化，便于后续的数据处理。

S3：利用箱型图确定S2中每一个时间帧数每个正常单体与异常单体的位置，如图1所示，箱型图中：

f_top＝Q₃+1.5IQR

f_low＝Q₁-1.5IQR

IQR＝Q₃-Q₁

定义单体i在j时刻的距离矩阵D：

其中：

箱型图可以有效地识别数据集的异常值和离群值。它通过绘制数据的中位数、上下四分位数以及异常值的上限和下限来呈现数据的整体分布情况。经过实车数据测试，发现数据大部分都不符合正态分布，因此不能用正态分布来识别离群值，箱型图可以更直观地展示数据的分布情况，而且通过箱型图可以更容易地确定任何电池单体的异常值。

S4：取出S2得到的每一帧所有单体电池的电压，取出其众数g(j)以及标准差σ(j)，并将每一帧电压的数据按照以下区间划分：

B_1，j∈(-∞，g(j)-3σ(j))

B_2，j∈[g(j)-3σ(j)，g(j)-2σ(j))

B_3，j∈[g(j)-2σ(j)，g(j)+2σ(j))

B_4，j∈[g(j)+2σ(j)，g(j)+3σ(j))

B_5，j∈(g(j)+3σ(j)，+∞)

可得到每一帧电压数据落在每一个区间的个数矩阵B：

记单体i在j时刻在矩阵B中的概率为P_i，j，则可以得到每个单体电压在任何时刻的概率矩阵P_i，j：

其中，

计算出每一个单体电压在每个时刻的香农熵H(j)：

进而计算出每个时刻的权重w_j：

熵权法是一种多指标决策分析方法，通过计算出各指标对决策结果的权重，进而进行综合评价和决策。其技术效果包括如下几个方面：

较好地解决了指标之间关系复杂、权重不确定的问题。熵权法基于信息熵的量化分析，能够克服主观性和偏见性，更加客观准确地评价指标的重要性及其对决策结果的影响。

适用于多指标决策问题，能够充分利用指标的信息，提高决策效率。在决策过程中，熵权法能够挖掘数据的潜在价值，对指标进行适度抽象和概括，从而实现全面、综合、准确的评价。

S5：利用箱型图所确定的距离矩阵D以及经过上述S4所计算出的权重，计算出每个单体电池的评分S_i：

下面通过3辆电池热失控车辆数据来验证上述方法的有效性：

实施例一：如图2所示，1号车有96块单体电池，73-75单体最先发生热失控，蔓延至76-78单体，79号单体由于靠近78号单体，电压明显偏离正常单体，一致性变差，位于2.5V左右，导致评分高于正常电池，85号单体受到并联的影响，中间一段时间电压降低为0，后又恢复正常，但电压低于正常电池，位于3.4V左右，因此评分稍低于79号单体，23号单体以及24号单体由于过压同时发生热失控，评分也高于正常单体。

实施例二：如图3所示，2号车有96块单体电池，73与74单体最先发生热失控，蔓延至75号到79号单体，其他正常单体电压均在4V左右，80号单体受到影响降到3.3V左右，一致性变差。

实施例三：如图4所示，3号车有96块单体电池，74号单体最先发生热失控，然后进行热失控的蔓延，导致附近的73到84号单体电压急剧下降，引发电池热失控，与74号单体相并联的49号单体与50号单体相继发生热失控，并导致50号单体周围的51号单体到60号单体电压产生波动，导致电池评分高于正常单体。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种单体电池热失控定位方法，其特征在于，包括如下步骤：

S1：数据采集及预处理；

S2：对S1采集到的数据进行预处理后，得到电压矩阵A_i×j(i＝1,2,3...n，j＝1,2,3...t)，n为电池单体个数，j为时间帧数；

S3：利用箱型图确定S2中每一个时间帧数每个正常单体与异常单体的位置；所述S3箱型图中：

f_top＝Q₃+1.5IQR

f_low＝Q₁-1.5IQR

IQR＝Q₃-Q₁

其中：Q₃表示上四分位数，Q₁表示下四分位数

定义单体i在j时刻的距离矩阵D：

其中：

S4：取出S2得到的每一帧所有单体电池的电压，取出其众数g(j)以及标准差σ(j)，并将每一帧电压的数据按照以下区间划分：

B_1，j∈(-∞，g(j)-3σ(j))

B_2，j∈[g(j)-3σ(j)，g(j)-2σ(j))

B_3，j∈[g(j)-2σ(j)，g(j)+2σ(j))

B_4，j∈[g(j)+2σ(j)，g(j)+3σ(j))

B_5，j∈(g(j)+3σ(j)，+∞)

可得到每一帧电压数据落在每一个区间的个数矩阵B：

记单体i在j时刻在矩阵B中的概率为P_i，j，则可以得到每个单体电压在任何时刻的概率矩阵P_i，j：

其中，

计算出每一个单体电压在每个时刻的香农熵H(j)：

进而计算出每个时刻的权重w_j：

S5：利用箱型图所确定的距离矩阵D以及经过上述S4所计算出的权重，计算出每个单体电池的评分S_i：

将箱型图确认的距离矩阵d_i，j与熵权法的概率矩阵所确认的每帧时间下所有单体电池的权重结合起来，相乘之后进行一个累加；

累加完后除以t的含义是：累加了t次，然后除以t，得到每个单体在t帧时间内的最终平均单体评分

最终计算结果为：计算出每个单体电池的评分

i＝1，2，...n代表单体个数

j＝1，2，...t代表时间帧数。

2.根据权利要求1所述的一种单体电池热失控定位方法，其特征在于：所述S1具体为：

①对时间序列数据进行升序采样；

②对采集到的数据进行初步过滤和清洗，去除异常值、缺失值和重复值，确保数据的准确性和可靠性；

③通过分析数据特征，选择与目标任务相关的电压特征，剔除无关或冗余的特征，降低数据维度，提高数据处理效率。