CN116840717A - 一种车辆的热失控检测方法以及装置 - Google Patents

Abstract

本申请公开了一种车辆的热失控检测方法，包括：获取目标车辆的工况运行数据。根据工况运行数据获取目标模型的输入数据，目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，参考车辆是和目标车辆相同规格和相同配置的车辆。根据目标模型的输出预测目标车辆的总电流。根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测。通过本申请实施例提供的方案，不依赖动力电池的物理化学机理，方法通用性更好，可以适用于各种动力电池的热失控检测场景，还能够及时预测并发现一些非典型疑难场景的热失控问题，提升热失控预警的准确性。

Description

一种车辆的热失控检测方法以及装置

技术领域

本申请涉及智能车技术领域，具体涉及一种车辆的热失控检测方法以及装置。

背景技术

电动汽车应用日益广泛，作为电动汽车的能量补给装置的大容量动力电池的安全和可靠性非常重要，大容量动力电池的热失控一种典型的失效模式，尤其在快速充电的时候极易诱发起火燃烧等事故，带来人身和财产的极大风险，需要提前预防。

动力电池热失效的的机理，业界研究显示热失控的显著外部特征是电池温度，失效的机理比较复杂，涉及电池的正极释氧、负极析锂、隔膜崩溃等。其中内短路是引发热失控的一大原因，内短路可以立即引发热失控，有些缓慢演变，有些可能不危险，有些在演变之后会很危险，还有一些内短路是一直缓变，还有一些内短路从缓变到突变，有各种各样的类型。当电池在充电和使用过程中，点出的正负极的物质交换，形成剧烈反应，也会引发的热失控，目前的改进方法是对电池的正极材料和电解质进行优化改进。另外电池还需要做好散热的设计，把在充放电过程中产生的热及时耗散出去，避免热量的过渡累积。

虽然新能源动力电池发展迅速并取得了长足的进步，但是动力电池热失控仍然有发生，随着动力电池能量密度的不断增加，热失控问题将更加显著，成为制约动力电池发展的重要因素，目前需要一种高效识别的动力电池热失控的方法。

发明内容

本申请实施例提供一种车辆的热失控检测方法以及装置，不依赖动力电池的物理化学机理，方法通用性更好，可以适用于各种动力电池的热失控检测场景，还能够及时预测并发现一些非典型疑难场景的热失控问题，提升热失控预警的准确性。

为达到上述目的，本申请实施例提供如下技术方案：

第一方面，本申请实施例提供一种车辆的热失控检测方法，包括：获取目标车辆的工况运行数据。根据工况运行数据获取目标模型的输入数据，目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，参考车辆是和目标车辆相同规格和相同配置的车辆。根据目标模型的输出预测目标车辆的总电流。根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测。本申请实施例提供的方案，基于采集到的电动汽车的典型工况数据，基于大数据和深度神经网络技术，构建精确的动力电池运行的电流预测模型，然后采用对预测电流和实际电流差值进行检测和评估，从而做到电池热失控提前准确预测和报警。

在第一方面的一种可能实现方式中，工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。

在第一方面的一种可能实现方式中，目标模型的输入数据包括SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率中的一个或者多个。

在第一方面的一种可能实现方式中，获取目标车辆的工况运行数据，包括：获取目标车辆处于快充状态时，目标车辆的工况运行数据。

在第一方面的一种可能实现方式中，还包括包括：获取目标车辆处于快充状态时，不同时刻下目标车辆的实际总电流。根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测，包括：根据不同时刻下目标车辆的实际总电流，和不同时刻下预测的目标车辆的实际总电流之间的累积差异对目标车辆进行热失控检测。

在第一方面的一种可能实现方式中，根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测，包括：差异大于阈值时，确定目标车辆存在热失控风险。

在第一方面的一种可能实现方式中，阈值是根据参考车辆的实际总电流，和基于目标模型预测的参考车辆的总电流之间的差异获取的。

在第一方面的一种可能实现方式中，阈值是根据参考车辆中第一参考车辆的实际总电流和基于目标模型预测的第一参考车辆的总电流之间的差异获取的，第一参考车辆是存在热失控风险的参考车辆中实际总电流和预测的总电流之间差异最小的参考车辆。

在第一方面的一种可能实现方式中，所述阈值是根据不存在热失控风险的参考车辆的实际总电流和基于所述目标模型预测的所述不存在热失控风险的参考车辆的总电流之间的差异获取的。

第二方面，本申请实施例提供一种车辆的热失控检测装置，包括：第一获取模块，用于获取目标车辆的工况运行数据。第二获取模块，用于根据工况运行数据获取目标模型的输入数据，目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，参考车辆是和目标车辆相同规格和相同配置的车辆。预测模块，用于根据目标模型的输出预测目标车辆的总电流。检测模块，用于根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测。

在第二方面的一种可能实现方式中，工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。

在第二方面的一种可能实现方式中，目标模型的输入数据包括SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率中的一个或者多个。

在第二方面的一种可能实现方式中，第一获取模块，具体用于：获取目标车辆处于快充状态时，目标车辆的工况运行数据。装置还包括第三获取模块，用于：获取目标车辆处于快充状态时，目标车辆的实际总电流。

在第二方面的一种可能实现方式中，第三获取模块，具体用于：获取目标车辆处于快充状态时，不同时刻下目标车辆的实际总电流。检测模块，具体用于：根据不同时刻下目标车辆的实际总电流，和不同时刻下预测的目标车辆的实际总电流之间的累积差异对目标车辆进行热失控检测。

在第二方面的一种可能实现方式中，检测模块，具体用于：差异大于阈值时，确定目标车辆存在热失控风险。

在第二方面的一种可能实现方式中，阈值是根据参考车辆的实际总电流，和基于目标模型预测的参考车辆的总电流之间的差异获取的。

在第二方面的一种可能实现方式中，阈值是根据参考车辆中第一参考车辆的实际总电流和基于目标模型预测的第一参考车辆的总电流之间的差异获取的，第一参考车辆是存在热失控风险的参考车辆中实际总电流和预测的总电流之间差异最小的参考车辆。

在第二方面的一种可能实现方式中，所述阈值是根据不存在热失控风险的参考车辆的实际总电流和基于所述目标模型预测的所述不存在热失控风险的参考车辆的总电流之间的差异获取的。

在第二方面的一种可能实现方式中，该车辆的热失控检测装置是车辆。

第三方面，本申请实施例提供一种车辆的热失控检测装置，包括：存储器，用于存储计算机可读指令。还包括，与存储器耦合的处理器，用于执行存储器中的计算机可读指令从而执行如第一方面或第一方面任意一种可能的实施方式中所描述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，当指令在计算机装置上运行时，使得计算机装置执行如第一方面或第一方面任意一种可能的实施方式中所描述的方法。

第五方面，本申请提供了一种计算机程序产品，当其在计算机设备上运行时，使得如第一方面或其相应的可能的实施方式提供的方法被执行。

附图说明

图1为本申请实施例提供的热失控检测系统的一种系统架构图；

图2为本申请实施例提供的方案中一种获取训练数据的示意图；

图3为本申请实施例提供一种车辆的热失控检测方法的流程示意图；

图4为本申请实施例提供的目标模型的架构示意图；

图5为本申请实施例提供另一种车辆的热失控检测方法的流程示意图；

图6为本申请实施例提供的车辆的热失控检测方法的一个场景示意图；

图7a为本申请实施例提供的车辆的热失控检测方法的一种界面展示示意图；

图7b为本申请实施例提供的车辆的热失控检测方法的另一种界面展示示意图；

图7c为本申请实施例提供的车辆的热失控检测方法的另一种界面展示示意图；

图7d为本申请实施例提供的车辆的热失控检测方法的另一种界面展示示意图；

图8为本申请实施例提供的车辆的热失控检测方法的另一个场景示意图；

图9为本申请实施例提供的车辆的热失控检测方法的另一个场景示意图；

图10为本申请实施例提供的车辆的热失控检测装置的一个结构示意图；

图11为本申请实施例提供的车辆的热失控检测装置的另一个结构示意图。

具体实施方式

下面结合附图，对本申请的实施例进行描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本申请提供一种车辆的热失控检测方法以及装置。通过本申请提供方案，可以有效提升热失控预警的准确性。

请参阅图1，图1为本申请实施例提供的热失控检测系统的一种系统架构图，在图1中，热失控检测系统200包括执行模块210、训练模块220、存储模块230和存储模块240。

在训练阶段，存储模块230中存储有训练数据集合。在本申请实施例提供的方案中，训练数据集合包括相同规格、相同配置的车辆的工况运行数据。本申请实施例提供的方案可以有多种获取相同规格、相同配置的车辆的工况运行数据的方式，示例性的参照图2，给出一种可能的获取方式。如图2所示，可以预先设置工况运行数据包括的种类，工况运行数据的选取与车辆的电流相关，换句话说，工况运行数据用于获取车辆的电流。在一个可能的实施方式中，工况运行数据包括时间戳、电池中剩余电荷的可用状态(state of charge，SOC)，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。参与收集工况运行数据的车辆可以将其获取到的自身工况运行数据发送至云端，具体的，云端部署有存储模块230，用于存储接收到的各个车辆发送的自身的工况运行数据。云端标记已知的存在热失控故障的车辆。在一个可能的实施方式中，由于热失控通常发生在快充之后，还可以设置在车辆处于快充状态时收集到的工况运行数据作为训练数据。比如，参与收集工况运行数据的车辆可以将其获取到的自身处于快充状态下，收集到的工况运行数据发送至云端。

训练模块220生成机器学习模型/规则201，并利用存储模块230中的训练数据集合对机器学习模型/规则201进行迭代训练，得到成熟的机器学习模型/规则201。在本申请实施例提供的方案中，也将该成熟的机器学习模型/规则201称为目标模型。

在推理阶段，执行模块210可以调用存储模块240中的数据、代码等，也可以将数据、指令等存入存储模块240中。存储模块240可以配置于执行模块210中，也可以为执行模块210外部的存储器。存储模块240中可以用于车辆的工况运行数据，以便于执行模块将该工况运行数据获取输入数据作为成熟的机器学习模型/规则201的输入，以对车辆进行热失控检测。比如，工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度，根据工况运行数据确定的成熟的机器学习模型/规则201的输入可能包括SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率。在一个可能的实施方式中，执行模块可以全部或者部分部署在云端，比如，在云端完成训练阶段，获取目标模型，目标模型可以直接部署到车端的车辆控制系统上，或者部署在云端，车辆从云端调用目标模型的输出并使用。

需要说明的是，存储模块230和存储模块240可以表现为任意形式的存储介质，不限定为传统意义上的数据库。

本申请的一些实施例中，例如图1中，“用户”可以直接与执行模块210进行交互，比如用户可以通过执行模块210下发指令，也即执行模块210与客户模块集成于同一模块中。在一些应用场景中，执行模块210具体可以表现为配置有显示屏的执行模块，执行模块210还配置有输入/输出接口，“用户”可以通过客户设备的输入/输出接口向执行模块210输入至少一个任务，执行模块210通过输入/输出接口将处理结果返回给“用户”。在一个可能的实施方式中，执行模块210可以作为实时检测应用软件(APP)部署在车辆控制系统上。在推理阶段，执行模块210在完成一个任务之后，可以向用户展示预测结果等，比如展示是否有热失控风险，可以通过文字的方式展示，也可以通过图像的方式展示，也可以通过文字和图像结合的方式进行展示。执行模块210还可以表现为其它形态，此处不一一进行列举，但图1仅是本发明实施例提供的两种热失控检测系统的架构示意图，图中所示设备、器件、模块等之间的位置关系不构成任何限制。

参阅图3，为本申请实施例提供的一种弄车辆的热失控检测方法，可以包括以下步骤：

301、获取目标车辆的工况运行数据。

在一个可能的实施方式中，工况运行数据包括时间戳、电池中剩余电荷的可用状态(state of charge，SOC)，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。

在一个可能的实施方式中，由于热失控通常发生在快充之后，还可以设置在目标车辆处于快充状态时获取目标车辆的工况运行数据。

在一个可能的实施方式中，可以基于《GBT电动汽车远程服务与管理系统技术规范》中定义的字段确定工况运行数据包括的种类。

302、根据工况运行数据获取目标模型的输入数据。

在一个可能的实施方式中，可以直接将工况运行数据作为目标模型的输入数据。

在一个可能的实施方式中，也可以对工况运行数据进行处理，将处理后的数据作为目标模型的输入数据。比如，工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度，目标模型的输入数据可能包括根据工况运行数据确定的SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率。

目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，参考车辆是和目标车辆相同规格和相同配置的车辆。具体的，在训练阶段，以参考车辆的工况运行数据为训练样本，以正确预测参考车辆的总电流为训练目标(或者说降低预测结果和参考车辆的真实电流之间的差异为训练目标)进行训练得到目标模型。在一个可能的实施方式中，参考车辆可以全部是处于正常运行状态的车辆，在一个可能的实施方式中，参考车辆也可以包括部分处于热失控状态的车辆。本申请实施例对目标模型的种类并不进行限定，在一个可能的实施方式中，该目标模型可以采用多层感知机结构，也可以采用基于注意力机制的网络，参阅图4，给出了一种目标模型的可能结构示意图。

303、根据目标模型的输出预测目标车辆的总电流。

在一个可能的实施方式中，可以根据目标模型的输出预测目标车辆在某一时刻的总电流。比如，根据某一时刻获取到的工况数据，获取输入数据，利用该目标模型，获取针对该时刻预测的目标车辆的总电流。

在一个可能的实施方式中，可以获取不同时刻下，预测的目标车辆的总电流，比如，每个时刻对应一个预测的目标车辆的总电流，得到序列pre_current。在一个可能的实施方式中，也可以获取目标车辆处于快充状态时，不同时刻下，预测的目标车辆的总电流，得到序列pre_current。

304、根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测。

在一个可能的实施方式中，可以获取实际总电流和预测的目标车辆的总电流之间的差异，如果差异超过阈值，则认为目标车辆存在热失控风险，如果该差异未超过阈值，则认为目标车辆不存在热失控风险。由于在训练阶段，以大量处于正常运行状态的车辆的工况数据获取的数据作为训练数据，以正确预测参考车辆的总电流为训练目标进行训练得到的目标模型，所以目标模型能够针对处于正常运行状态的车辆的总电流进行很好的预测。如果根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异并不大，说明目标车辆当前的实际总电流与处于正常状态下的车辆的实际总电流接近，则认为目标车辆当前不存在热失控风险，如果根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异很大，说明目标车辆当前的实际总电流与处于正常状态下的车辆的实际总电流偏差很大，则认为目标车辆当前存在热失控风险。

在一个可能的实施方式中，由于在训练阶段可以获取不同时刻下，预测的目标车辆的总电流，针对这种实施方式，可以获取不同时刻下目标车辆的实际总电流，和不同时刻下预测的目标车辆的总电流之间的累积差异对目标车辆进行热失控检测。比如，针对不同时刻中的每个时刻可以获取一次预测的目标车辆的实际总电流之间的差异，根据在不同时刻下获取的差异的总和如果超过阈值，则认为目标车辆存在热失控风险，如果该差异未超过阈值，则认为目标车辆不存在热失控风险。具体流程也可以参照图5进行理解。

可以通过不同的方式获取不同时刻下目标车辆的实际总电流gt_current。在一个可能的实施方式中，获取车辆最近一次处于快充状态时，不同时刻时目标车辆的总电流。比如，在目标车辆运行数据中依次选取目标车辆最近处N个快充点，N为大于1的正整数。在一个可能的实施方式中，获取车辆最近多次处于快充状态时，不同时刻时目标车辆的总电流。比如获取M个快充循环的数据,M为大于1的正整数。

可以通过方式确定阈值，比如可以通过经验确定。再比如，可以根据根据参考车辆中第一参考车辆的实际总电流和基于目标模型预测的第一参考车辆的总电流之间的差异获取的，第一参考车辆是存在热失控风险的参考车辆中实际总电流和预测的总电流之间差异最小的参考车辆。再比如，根据不存在热失控风险的参考车辆的实际总电流和基于目标模型预测的不存在热失控风险的参考车辆的总电流之间的差异获取的。比如，参考车辆中所有不存在热失控风险的车辆中，参考车辆1的实际总电流和基于目标模型预测的总电流之间的差异最大(假设为R1)，对所有不存在热失控风险的参考车辆的实际总电流和基于目标模型预测的总电流之间的差异求标准差(假设为B1)，根据公式Vh＝R1+T*B1确定阈值，其中T为大于1的正整数，在一个优选的实施方式中T为3。举例说明，假设N＝1000或者M＝1，对参考车辆中所有热失控故障车进行检测，得到的预测电流和实际电流之间的差异进行从大到小排序，选择存在热失控故障中最小的差异(或略低于该值)作为阈值。或者对参考车辆中所有没有热失控故障车进行检测，得到的预测电流和实际电流之间的差异进行从大到小排序，那么用最大的差异，以及所有差异的标准差来获取阈值。

在一个可能的实施方式中，对目标车辆进行热失控风险检测后，可以及时向车辆的用户或者车辆管理机构(如4S店)提供报警信息，或者可以自动采取紧急情况下的处理(如关断电路，呼叫救援等)。

由图3对应的实施例可知，本申请实施例提供的方案，根据预测的车辆的总电流和车辆的实际电流之间的差异来判断车辆是否存在热失控风险，不依赖动力电池的物理化学机理，方法通用性更好，可以适用于各种动力电池的热失控检测场景，容易实施。此外，由于根据预测的车辆的总电流和车辆的实际电流之间的差异来判断车辆是否存在热失控风险，能够及时预测并发现一些非典型疑难场景的热失控问题，提升热失控预警的准确性。

在一个可能的实施方式中，如果在行驶过程中，检测到车辆的总电流持续偏高，也可以认为车辆存在热失控风险。

参阅图6，在一个可能的实施方式中，将目标模型(本申请实施例也将目标模型称为电流模型，二者表示相同的意思)和检测程序都部署在云端，检测程序对外开放为检测服务，客户端软件安装在便携电脑或者手机端上。客户端软件连接待检测车辆，并将其运行数据作为输入调用云端的检测服务，并返回检测结果。在这种实施方式中，检测人员可以给出提前的热失控预警，还可以选择不同的数据区间和数据长度对车辆进行详细检测，从而给出详细的故障定位和健康状况评估。假设目标车辆是上市较早的车辆，历史数据中已经有热失控车辆数据(或者说参考车辆中有存在热失控故障的车辆)。当N为2000，对应的阈值Vh根据存在热失控风险的参考车辆中实际总电流和预测的总电流之间最小差异v_risk(或略低于该值)来确定，比如Vh＝min(v_risk)。在一个可能的事实方式中，可以向用户直观展示对比结果，如图7a所示，展示了一种不存在热故障风险的车辆的实际电流和预测电流之间的差异示意图。如图7b-图7d所示，展示了几种存在热故障风险的车辆的实际电流和预测电流之间的差异示意图。其中，纵坐标表示电流，电流负值表示充电状态，绝对值越大表示电流越大。

参阅图8，在一个可能的实施方式中，将目标模型和检测程序都部署在云端，检测程序对外开放为检测服务，客户端软件App安装在车端的系统上。车端客户软件通过wifi或者移动数据连接因特网，并实时传送当前运行数据调用云端检测服务进行实时预警。假设目标车辆是新上市的车辆，历史数据中没有热失控车辆数据。当M为1，对应的阈值Vh基于不存在热失控风险的参考车辆中实际总电流和预测的总电流之间最大差异与所有差异的标准差之和来确定，比如:Vh＝R1+T*B1。

参阅图9，在一个可能的实施方式中，目标模型和检测程序都部署在目标车辆上，可以实现离线状态下的热失控风险检测。其中，目标模型和检测程序封装为一个App部署在车端系统上。当用户进行充电时可以启动该App，进行实时热失控风险检测。在这种实施方式中，在车辆无法连接因特网的场景下(如无信号的地下充电场所)，也能对车辆进行实时热失控预警。

为了更直接的展示，本方案的优势，可以参阅表1进行理解：

表1：

在一个可能的实施方式中，该申请实施例提供的方案可以推广到其他电池热失控检测的场景，如手机电池的热失控检测，移动充电电池的热失控检测等等。

以上对本申请提供的一种车辆的热失控检测方法进行了介绍，通过本申请实施例提供的方案。可以理解的是，上述车辆的热失控检测方法为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

从硬件结构上来描述，上述方法中描述的的执行主体可以由一个实体设备实现，也可以由多个实体设备共同实现，还可以是一个实体设备内的一个逻辑功能模块，本申请实施例对此不作具体限定。

下面基于前述的一种车辆的热失控检测方法，对本申请提供的车辆的热失控检测装置进行阐述，车辆的热失控检测装置用于执行前述方法实施例中描述的步骤。

例如，车辆的热失控检测装置可以通过图10中的计算机设备来实现，图10所示为本申请实施例提供的计算机设备的硬件结构示意图。包括：通信接口1001和处理器1002，还可以包括存储器1003。

通信接口1001可以使用任何收发器一类的装置，用于与其他设备或通信网络通信，在本方案中，端侧设备可以利用通信接口1001与服务器进行通信，比如上传模型或者下载模型。在一个可能的实施方式中，通信接口1001可以采用以太网，无线接入网(radioaccess network，RAN)，无线局域网(wireless local area networks，WLAN)等技术与服务器进行通信。

处理器1002包括但不限于中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)，专用集成电路(application-specific integratedcircuit，ASIC)或者可编程逻辑器件(programmable logic device，PLD)中的一个或多个。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gate array，FPGA)，通用阵列逻辑(genericarray logic,GAL)或其任意组合。处理器1002负责通信线路1004和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节，电源管理以及其他控制功能。

存储器1003可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically er服务器able programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过通信线路1004与处理器1002相连接。存储器1003也可以和处理器1002集成在一起。如果存储器1003和处理器1002是相互独立的器件，存储器1003和处理器1002相连，例如存储器1003和处理器1002可以通过通信线路通信。通信接口1001和处理器1002可以通过通信线路通信，通信接口1001也可以与处理器1002直连。

通信线路1004可以包括任意数量的互联的总线和桥，通信线路1004将包括由处理器1002代表的一个或多个处理器1002和存储器1003代表的存储器的各种电路链接在一起。通信线路1004还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本申请不再对其进行进一步描述。

如图11所示，为本申请实施例提供的另一种车辆的热失控检测装置的结构示意图，包括：第一获取模块1101，用于获取目标车辆的工况运行数据。第二获取模块1102，用于根据工况运行数据获取目标模型的输入数据，目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，参考车辆是和目标车辆相同规格和相同配置的车辆。预测模块1103，用于根据目标模型的输出预测目标车辆的总电流。检测模块1104，用于根据目标车辆的实际总电流和预测的目标车辆的总电流之间的差异对目标车辆进行热失控检测。

在一种可能的实施方式中，工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。

在一种可能的实施方式中，目标模型的输入数据包括SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率中的一个或者多个。

在一种可能的实施方式中，第一获取模块，具体用于：获取目标车辆处于快充状态时，目标车辆的工况运行数据。装置还包括第三获取模块1102，用于：获取目标车辆处于快充状态时，目标车辆的实际总电流。

在一种可能的实施方式中，第三获取模块，具体用于：获取目标车辆处于快充状态时，不同时刻下目标车辆的实际总电流。检测模块，具体用于：根据不同时刻下目标车辆的实际总电流，和不同时刻下预测的目标车辆的实际总电流之间的累积差异对目标车辆进行热失控检测。

在一种可能的实施方式中，检测模块，具体用于：差异大于阈值时，确定目标车辆存在热失控风险。

在一种可能的实施方式中，阈值是根据参考车辆的实际总电流，和基于目标模型预测的参考车辆的总电流之间的差异获取的。

在一种可能的实施方式中，阈值是根据参考车辆中第一参考车辆的实际总电流和基于目标模型预测的第一参考车辆的总电流之间的差异获取的，第一参考车辆是存在热失控风险的参考车辆中实际总电流和预测的总电流之间差异最小的参考车辆。

在一种可能的实施方式中，阈值是根据不存在热失控风险的参考车辆的实际总电流和基于所述目标模型预测的所述不存在热失控风险的参考车辆的总电流之间的差异获取的。

应当理解，上述仅为本申请实施例提供的一个例子，并且，车辆的热失控检测装置可具有比示出的部件更多或更少的部件，可以组合两个或更多个部件，或者可具有部件的不同配置实现。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有用于训练模型的程序，当其在计算机上运行时，使得计算机执行如上述实施例描述的车辆的热失控检测方法中的步骤。

本申请实施例还提供一种数字处理芯片。该数字处理芯片中集成了用于实现上述处理器，或者处理器的功能的电路和一个或者多个接口。当该数字处理芯片中集成了存储器时，该数字处理芯片可以完成前述实施例中的任一个或多个实施例的方法步骤。当该数字处理芯片中未集成存储器时，可以通过通信接口与外置的存储器连接。该数字处理芯片根据外置的存储器中存储的程序代码来实现上述实施例中车辆的热失控检测装置执行的动作。

本申请实施例中还提供一种计算机程序产品，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

本申请的说明书和权利要求书及上述附图中的术语“第一”，“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程，方法，系统，产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程，方法，产品或设备固有的其它步骤或模块。在本申请中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。本申请中所出现的模块的划分，是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行，另外，所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些端口，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。

Claims (20)

1.一种车辆的热失控检测方法，其特征在于，包括：

获取目标车辆的工况运行数据；

根据所述工况运行数据获取目标模型的输入数据，所述目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，所述参考车辆是和所述目标车辆相同规格和相同配置的车辆；

根据所述目标模型的输出预测所述目标车辆的总电流；

根据所述目标车辆的实际总电流和预测的所述目标车辆的总电流之间的差异对所述目标车辆进行热失控检测。

2.根据权利要求1所述的方法，其特征在于，所述工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。

3.根据权利要求2所述的方法，其特征在于，所述目标模型的输入数据包括所述SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率中的一个或者多个。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取目标车辆的工况运行数据，包括：

获取所述目标车辆处于快充状态时，所述目标车辆的工况运行数据。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取所述目标车辆处于快充状态时，不同时刻下所述目标车辆的实际总电流；

所述根据所述目标车辆的实际总电流和预测的所述目标车辆的总电流之间的差异对所述目标车辆进行热失控检测，包括：

根据所述不同时刻下所述目标车辆的实际总电流，和所述不同时刻下预测的所述目标车辆的实际总电流之间的累积差异对所述目标车辆进行热失控检测。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述目标车辆的实际总电流和预测的所述目标车辆的总电流之间的差异对所述目标车辆进行热失控检测，包括：

所述差异大于阈值时，确定所述目标车辆存在热失控风险。

7.根据权利要求6所述的方法，其特征在于，所述阈值是根据所述参考车辆的实际总电流，和基于所述目标模型预测的所述参考车辆的总电流之间的差异获取的。

8.根据权利要求7所述的方法，其特征在于，所述阈值是根据所述参考车辆中第一参考车辆的实际总电流和基于所述目标模型预测的所述第一参考车辆的总电流之间的差异获取的，所述第一参考车辆是存在热失控风险的参考车辆中实际总电流和预测的总电流之间差异最小的参考车辆。

9.根据权利要求7所述的方法，其特征在于，所述阈值是根据不存在热失控风险的参考车辆的实际总电流和基于所述目标模型预测的所述不存在热失控风险的参考车辆的总电流之间的差异获取的。

10.一种车辆的热失控检测装置，其特征在于，包括：

第一获取模块，用于获取目标车辆的工况运行数据；

第二获取模块，用于根据所述工况运行数据获取目标模型的输入数据，所述目标模型是以参考车辆的工况运行数据为训练样本训练得到的模型，所述参考车辆是和所述目标车辆相同规格和相同配置的车辆；

预测模块，用于根据所述目标模型的输出预测所述目标车辆的总电流；

检测模块，用于根据所述目标车辆的实际总电流和预测的所述目标车辆的总电流之间的差异对所述目标车辆进行热失控检测。

11.根据权利要求10所述的装置，其特征在于，所述工况运行数据包括时间戳、电池中剩余电荷的可用状态SOC，总电压、电池隔离电阻值、车速、充电状态、单体温度中的一个或者多个。

12.根据权利要求11所述的装置，其特征在于，所述目标模型的输入数据包括所述SOC、总电压、电池隔离电阻值、车速、车速变化率、充电状态、单体温度、总电压变化率中的一个或者多个。

13.根据权利要求10至12任一项所述的装置，其特征在于，所述第一获取模块，具体用于：

获取所述目标车辆处于快充状态时，所述目标车辆的工况运行数据。

14.根据权利要求13所述的装置，其特征在于，还包括第三获取模块，用于：

获取所述目标车辆处于快充状态时，不同时刻下所述目标车辆的实际总电流；

所述检测模块，具体用于：

根据所述不同时刻下所述目标车辆的实际总电流，和所述不同时刻下预测的所述目标车辆的实际总电流之间的累积差异对所述目标车辆进行热失控检测。

15.根据权利要求10至14任一项所述的装置，其特征在于，所述检测模块，具体用于：

所述差异大于阈值时，确定所述目标车辆存在热失控风险。

16.根据权利要求15所述的装置，其特征在于，所述阈值是根据所述参考车辆的实际总电流，和基于所述目标模型预测的所述参考车辆的总电流之间的差异获取的。

17.根据权利要求16所述的装置，其特征在于，所述阈值是根据所述参考车辆中第一参考车辆的实际总电流和基于所述目标模型预测的所述第一参考车辆的总电流之间的差异获取的，所述第一参考车辆是存在热失控风险的参考车辆中实际总电流和预测的总电流之间差异最小的参考车辆。

18.根据权利要求17所述的装置，其特征在于，所述阈值是根据不存在热失控风险的参考车辆的实际总电流和基于所述目标模型预测的所述不存在热失控风险的参考车辆的总电流之间的差异获取的。

19.一种车辆的热失控检测装置，其特征在于，包括：

存储器，用于存储计算机可读指令；

还包括，与所述存储器耦合的处理器，用于执行所述存储器中的计算机可读指令从而执行如权利要求1至9任一项所描述的方法。

20.一种计算机可读存储介质，其特征在于，当指令在计算机装置上运行时，使得所述计算机装置执行如权利要求1至9任一项所描述的方法。