CN117249921B - 温度采样的异常识别方法、相关装置、车辆及存储介质 - Google Patents
温度采样的异常识别方法、相关装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN117249921B CN117249921B CN202311521323.0A CN202311521323A CN117249921B CN 117249921 B CN117249921 B CN 117249921B CN 202311521323 A CN202311521323 A CN 202311521323A CN 117249921 B CN117249921 B CN 117249921B
- Authority
- CN
- China
- Prior art keywords
- temperature
- difference
- abnormal
- vehicle
- acquisition
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 87
- 238000005070 sampling Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 168
- 238000007477 logistic regression Methods 0.000 claims description 60
- 230000006870 function Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
- G01K15/007—Testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K3/00—Thermometers giving results other than momentary value of temperature
- G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
- G01K3/10—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of time, e.g. reacting only to a quick change of temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K3/00—Thermometers giving results other than momentary value of temperature
- G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
- G01K3/14—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of space
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
- G01K7/22—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements the element being a non-linear resistance, e.g. thermistor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/545—Temperature
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Nonlinear Science (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请公开了一种温度采样的异常识别方法、相关装置、车辆及存储介质,温度采样的异常识别方法包括:分别获取车辆中多个温度采集件在当前时刻采集到的温度数据;基于各温度数据,确定温度信息,温度信息包括各温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值,温差组中包括当前时刻各温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各温度采集件采集到的温度数据之间的第二温差;基于温度信息,确定异常识别结果,异常识别结果包括至少一个温度采集件在当前时刻采集到的温度数据存在异常或各温度采集件在当前时刻采集到的温度数据不存在异常。上述方案,能够提高温度异常识别的准确度。
Description
技术领域
本申请涉及车辆领域,特别是涉及一种温度采样的异常识别方法、相关装置、车辆及存储介质。
背景技术
在汽车领域,电池温度对于电池性能有着直接影响,是 BMS (BatteryManagement System,即电池管理系统)算法、热管理策略、安全保护动作等的重要输入参数之一,单包布置一般会达到10~20颗左右。目前电池温度采样方案多基于温度传感器进行实时采样,例如NTC(负温度系数温度传感器),在后期的气候负荷、振动等机械负荷使用环境中会存在个别NTC失效的可能。因NTC失效造成采样温度失真,导致后续估计得到错误的电池温度,很可能因为错误的电池温度造成电池包功能运行异常,如温度异常告警、热管理误动作和功率限制等。
发明内容
本申请至少提供一种温度采样的异常识别方法、相关装置、车辆及存储介质。
本申请提供了一种温度采样的异常识别方法,包括:分别获取车辆中多个温度采集件在当前时刻采集到的温度数据;基于各温度数据,确定温度信息,温度信息包括各温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值,温差组中包括当前时刻各温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各温度采集件采集到的温度数据之间的第二温差;基于温度信息,确定异常识别结果,异常识别结果包括至少一个温度采集件在当前时刻采集到的温度数据存在异常或各温度采集件在当前时刻采集到的温度数据不存在异常。
在上述方案中,通过获取到温度采集件采集到的温度数据之后,通过获取多个时刻采集到的温度数据之间的温差变化,以及当前时刻的最大温度,能够确定各温度采集件在当前时刻采集到的温度数据是否发生异常,若温度数据发生异常则很可能是因为温度采集件的失效导致,方便后续用户对车辆中的温度采集件进行故障排查。
在一些实施例中,基于温度信息,确定异常识别结果,包括:基于最大温度和目标差值,确定预设逻辑回归方程的输出值,其中,预设逻辑回归方程中的参数是利用第一类型车辆和第二类型车辆的历史数据训练得到的,第一类型的车辆中存在至少一个温度采集件与车辆中的热源之间的距离小于或等于预设距离,第二类型的车辆中各温度采集件与车辆中的热源之间的距离大于预设距离;响应于预设逻辑回归方程的输出值大于或等于目标值,则确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常。
在上述方案中,通过获取温度采集件靠近热源的车辆的历史数据以及温度采集件不靠近热源的车辆的历史数据训练预设逻辑回归方程中的参数,使得后续能够排查出因为温度采集件靠近热源导致采集到的温度异常的情况,减少因为温度采集件靠近热源导致温度数据异常误报的情况出现。
在一些实施例中,预设逻辑回归方程中的参数包括偏移值、第一权重以及第二权重,基于最大温度和目标差值,确定预设逻辑回归方程的输出值,包括:获取最大温度与第一权重的第一乘积、目标差值与第二权重的第二乘积;将第一乘积、第二乘积与偏移值之和的相反数作为目标指数函数的指数,目标指数函数的底大于1;将目标指数函数与预设值之和的倒数,作为预设逻辑回归方程的输出值。
在上述方案中,温度采集组件靠近热源和温度采集组件本身存在问题的情况下采集到的温度信息在预设逻辑回归方程中的体现不同,预设逻辑回归方程,能够在检测到温度采集组件靠近热源时输出一个值,而在温度采集组件并未靠近热源而是出现进水等故障的情况下,会得到另一个值,通过预设逻辑回归方程的输出值,确定温度采集组件本身存在异常还是因为温度采集组件靠近热源导致热源的温度升高或降低影响到温度采集组件采集到的温度。
在一些实施例中,温度信息中还包括若干第一温度信息,若干第一温度信息包括以下一者或多者:各温度数据中的最大温度、最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、最大温度与最小温度之间的第三差值;响应于预设逻辑回归方程的输出值大于或等于目标值,则确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常的步骤,包括:响应于预设逻辑回归方程的输出值大于或等于目标值,且至少部分第一温度信息满足第一异常条件,确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常。
在上述方案中,通过参考更多的温度信息能够更准确地判断采集到的电池数据是否存在异常。
在一些实施例中,温度信息中还包括若干第二温度信息,若干第二温度信息包括以下一者或多者:最小温度、各温度数据中最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、第二差值与第一差值之间的比例;基于温度信息,确定异常识别结果,包括:响应于至少部分第二温度信息满足第二异常条件,确定异常识别结果为至少一个温度采集件采集到的温度数据存在异常。
在上述方案中,如果第二温度信息满足第二异常条件,可以认为该温度数据很可能会导致符合第二异常条件对应的失效场景,例如温度采集回路存在异常的情况,方便后续用户进行对应的故障排查。
在一些实施例中,温度采样的异常识别方法还包括:响应于异常识别结果满足标记条件,标记条件为异常识别结果中包括存在异常的目标温度数据以及目标温度数对应的温度采集件在车辆中所处的位置;将异常识别结果发送至预设接收方。
在上述方案中,通过标记可能存在异常的温度采集件在车辆中所处的位置,能够方便后续用户进行故障排查。
在一些实施例中,温度采样的异常识别方法还包括:响应于异常识别结果为多个温度采集件在当前时刻采集到的温度数据不存在异常,基于各温度数据确定车辆中电池的温度。
在上述方案中,通过采集到的温度数据判断车辆中的温度采集组件是否存在异常,若车辆中的温度采集件不存在异常的情况下,后续可以利用温度采集件采集到的温度数据确定电池温度,以对电池温度进行监控。
本申请提供了一种温度采样的异常识别装置,包括:温度数据获取模块、信息确定模块、异常识别模块;温度数据获取模块,用于分别获取车辆中多个温度采集件在当前时刻采集到的温度数据;信息确定模块,用于基于各温度数据,确定温度信息,温度信息包括各温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值,温差组中包括当前时刻各温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各温度采集件采集到的温度数据之间的第二温差;异常识别模块,用于基于温度信息,确定异常识别结果,异常识别结果包括至少一个温度采集件在当前时刻采集到的温度数据存在异常或各温度采集件在当前时刻采集到的温度数据不存在异常。
本申请提供了一种车辆,包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现上述温度采样的异常识别方法。
本申请提供了一种计算机可读存储介质,其上存储有程序指令,程序指令被处理器执行时实现上述温度采样的异常识别方法。
在上述方案中,通过获取到温度采集件采集到的温度数据之后,通过获取多个时刻采集到的温度数据之间的温差变化,以及当前时刻的最大温度,能够确定各温度采集件在当前时刻采集到的温度数据是否发生异常,若温度数据发生异常则很可能是因为温度采集件的失效导致,方便后续用户对车辆中的温度采集件进行故障排查。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是一些实施例提供的温度采样的异常识别方法一实施例的流程示意图;
图2是一些实施例提供的温度采样的异常识别方法中步骤S13的子流程示意图;
图3是一些实施例提供的温度采样的异常识别装置一实施例的结构示意图;
图4是一些实施例提供的车辆一实施例的结构示意图;
图5是一些实施例提供的计算机可读存储介质一实施例的结构示意图。
附图标记:
温度采样的异常识别装置30、温度数据获取模块31、信息确定模块32、异常识别模块33、车辆40、存储器41、处理器42、计算机可读存储介质50、程序指令51。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定子系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“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,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
考虑到因NTC失效造成采样温度失真,导致后续估计得到错误的电池温度,很可能因为错误的电池温度造成电池包功能运行异常,如温度异常告警、热管理误动作和功率限制等。本方案提供了一种温度采样的异常识别方法,通过考量采集到的最大温度以及当前时刻的温差以及至少一个历史时刻之间的温差之间的最小目标差值,确定当前时刻采集到的温度数据是否存在异常。
请参阅图1,本申请提供的温度采样的异常识别方法可以包括以下步骤S11至步骤S13的内容。步骤S11:分别获取车辆中多个温度采集件在当前时刻采集到的温度数据。步骤S12:基于各温度数据,确定温度信息。温度信息包括各温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值。其中,温差组中包括当前时刻各温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各温度采集件采集到的温度数据之间的第二温差。步骤S13:基于温度信息,确定异常识别结果。异常识别结果包括至少一个温度采集件在当前时刻采集到的温度数据存在异常或各温度采集件在当前时刻采集到的温度数据不存在异常。
温度采样的异常识别方法可以由温度采样的异常识别装置执行,或者由车辆执行,另一些实施例中还可以是与车辆建立通信连接的其他通信设备执行,关于温度采样的异常识别方法的执行主体此处不做具体限定。温度采集件可以是具备温度采集功能的器件或温度传感器,例如NTC传感器等。一些应用场景中,车辆中电池可以包括多个电芯,每个电芯可以布置一个或多个NTC进行温度采集。一些应用场景中,车辆中电池可以包括一个电芯,该电芯不同方位可以布置NTC进行温度采集。温度数据可以是每个温度采集件输出的温度,例如若每个电芯对应一个温度采集件,该温度采集件输出的温度可以用于表示电芯的温度,若每个电芯对应多个温度采集件,则该温度采集件输出的温度可以用于表示电芯局部区域的温度。第一温差可以是当前时刻采集到的温度数据中最大温度和最小温度之间的温差,或者第一温差还可以是第一设定位序的温度与第二设定位序的温度之间的温差,例如对当前时刻采集到的温度数据进行排序得到各温度数据的位序,第一设定位序和第二设定位序可以根据需求设定。其中,若当前时刻以前已经进行了多次温度采集,那么当前时刻之前就会存在多个历史时刻各温度采集件采集到的温度,每一个历史时刻都会有一个第二温差,其中,第二温差可以是最大温度和最小温度之间的温差。若当前时刻之前没有进行过温度采集,也就是当前时刻是首次进行温度采集,可以将第二温差设定为第一温差或将第二温差设置为预设正常温差,也就是各温度采集件均不存在异常的情况下采集到的温差。基于最大温度以及目标差值确定异常识别结果的方式可以是建立异常识别模型,通过将最大温度以及目标差值作为输入,异常识别模型的输出结果作为异常识别结果,异常识别模型可以是神经网络模型。另一些实施例中,基于最大温度以及目标差值确定异常识别结果的方式可以是将最大温度和目标差值作为预设逻辑回归中的两个参数,计算预设逻辑回归方程的结果,根据预设逻辑回归方程的结果确定异常识别结果。另一些实施例中,基于最大温度以及目标差值确定异常识别结果的方式还可以是将最大温度以及目标差值分别与预设最大温度以及预设差值进行比较,根据比较结果确定异常结果,例如若最大温度大于预设最大温度和/或目标差值大于预设差值,则确定存在温度数据存在异常。关于如何基于最大温度以及目标差值确定异常识别结果的方式很多,此处不做具体限定。
在上述方案中,通过获取到温度采集件采集到的温度数据之后,通过获取多个时刻采集到的温度数据之间的温差变化,以及当前时刻的最大温度,能够确定各温度采集件在当前时刻采集到的温度数据是否发生异常,若温度数据发生异常则很可能是因为温度采集件的失效导致,方便后续用户对车辆中的温度采集件进行故障排查。
在一些实施例中,请参考图2,上述步骤S13可以包括以下步骤:步骤S131:基于最大温度和目标差值,确定预设逻辑回归方程的输出值。其中,预设逻辑回归方程中的参数是利用第一类型车辆和第二类型车辆的历史数据训练得到的,第一类型的车辆中存在至少一个温度采集件与车辆中的热源之间的距离小于或等于预设距离,第二类型的车辆中各温度采集件与车辆中的热源之间的距离大于预设距离。步骤S132:响应于预设逻辑回归方程的输出值大于或等于目标值,则确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常。
逻辑回归方程可以认为是二分类,例如输出值可以是1或者0,目标值可以是1,也可以是0。或者逻辑回归方程的输出值可以是0至1中的任意数,目标值可以是经过第一类型车辆和第二类型车辆的历史数据训练得到的,例如目标值可以是0.5,0.53等。逻辑回归方程不同的表达式可以对应不同的目标值。预设逻辑回归方程可以是至少一个温度采集件靠近车辆中的热源的车辆以及不存在温度采集件靠近车辆中热源的车辆的历史数据训练得到。预设距离可以根据热源的辐射范围设置,示例性地,预设距离可以是能够被热源的散热影响的最远距离。例如热源A能够影响与之相距5cm内的装置的温度,那么预设距离可以设置为5cm,或者在其他实施例中预设距离还可以根据实验确定,例如热源A处于工作状态时和热源A不处于工作状态时温度采集组件采集到的温度较大,则可以确定该温度采集组件与热源A之间的距离设定预设距离,当然在其他实施例中,用户还可根据需求设定预设距离或者根据其他可行的方式设定预设距离,关于设定预设距离的方式此处不做具体限定。具体可以是根据第一类型的车辆中各时刻采集到的最大值和目标差值、第二类型的车辆中各时刻采集到的最大值以及对应的目标差值进行训练得到。预设逻辑回归方程训练之后,若输出值大于或等于目标值可以认为至少一个温度采集件在当前时刻采集到的温度数据中至少一个可能存在异常,例如可能存在温度采集件进水或者阻值异常等情况导致采集到的温度数据异常后续可以对该车辆进行异常告警处理,若输出值小于目标值,则可以认为当前采集到的数据存在部分温度采集件处于车辆的热源附近,该温度采集件不存在异常,在这种情况下,无需对该车辆中的温度采集件进行异常告警等处理。在另一些实施例中,在预设逻辑回归方程的输出值大于或等于目标值的情况下,还可结合更多的温度信息,综合确定采集到的温度数据是否发生异常。其中,若确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常,则可以确定最大值对应的温度采集件存在异常。
在上述方案中,通过获取温度采集件靠近热源的车辆的历史数据以及温度采集件不靠近热源的车辆的历史数据训练预设逻辑回归方程中的参数,使得后续能够排查出因为温度采集件靠近热源导致采集到的温度异常的情况,减少因为温度采集件靠近热源导致温度数据异常误报的情况出现。
在一些实施例中,预设逻辑回归方程中的参数包括偏移值、第一权重以及第二权重。上述基于最大温度和目标差值,确定预设逻辑回归方程的输出值的方式可以是:获取最大温度与第一权重的第一乘积、目标差值与第二权重的第二乘积。将第一乘积、第二乘积与偏移值之和的相反数作为目标指数函数的指数。其中,目标指数函数的底大于1。将目标指数函数与预设值之和的倒数,作为预设逻辑回归方程的输出值。
示例性地,预设逻辑回归方程可以参考公式(1):
(1);
其中,P为预设逻辑回归方程的输出值,是偏移值,/>是第一权重,/>是第二权重。/>是目标指数函数,/>是目标指数函数的底,是目标指数函数的指数,1为预设值。另一些实施例中,预设值还可以是除了1以外的其他值,例如1.1、0.9等任意数值。/>是最大值,/>是目标差值。
在上述方案中,温度采集组件靠近热源和温度采集组件本身存在问题的情况下采集到的温度信息在预设逻辑回归方程中的体现不同,预设逻辑回归方程,能够在检测到温度采集组件靠近热源时输出一个值,而在温度采集组件并未靠近热源而是出现进水等故障的情况下,会得到另一个值,通过预设逻辑回归方程的输出值,确定温度采集组件本身存在异常还是因为温度采集组件靠近热源导致热源的温度升高或降低影响到温度采集组件采集到的温度。
在一些实施例中,温度信息还包括若干第一温度信息。若干第一温度信息包括以下一者或多者:各温度数据中的最大温度、最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、最大温度与最小温度之间的第三差值。上述响应于预设逻辑回归方程的输出值大于或等于目标值,则确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常的步骤可以包括以下步骤:响应于预设逻辑回归方程的输出值大于或等于目标值,且至少部分第一温度信息满足第一异常条件,确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常。
第一温度信息可以是各温度数据中的最大温度、最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、最大温度与最小温度之间的第三差值中的一者或多者,本实施例以若干第一温度信息为各温度数据中的最大温度、最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、最大温度与最小温度之间的第三差值为例。平均温度为当前时刻采集到的各温度数据的平均值,最小温度为当前时刻采集到的温度数据中的最小温度。至少部分第一温度信息满足第一异常条件可以是一个或多者第一温度信息满足预设条件,或者全部第一温度信息满足预设条件,本实施例以全部第一温度信息均满足预设条件为例。示例性地,为第一差值、第二差值以及第三差值、最大温度分别设置对应的阈值,若第一差值大于对应的第一差值阈值,则确定第一差值满足预设条件,若第二差值大于对应的第二差值阈值,则确定第二差值满足预设条件,若第三差值大于对应的第三差值阈值,则确定第三差值满足预设条件,若最大温度大于对应的最大温度阈值,则确定最大温度满足预设条件。各阈值的确定可以根据第一类型的车辆和第二类型的车辆的相关数据得到,例如第一差值阈值可以是能够覆盖第一预设比例(例如百分之八十)的第一类型的车辆中的第一差值,且最多覆盖第二预设比例(百分之二十)的第二类型的车辆中的第一差值,其他阈值的设置方式同理,第一预设比例和第二预设比例可以根据实际情况设定,例如在其他实施例中第一预设比例还可以是百分之九十,第二预设比例为百分之十,关于第一预设比例和第二预设比例此处不做具体限定。其中,若检测到第一差值存在异常,则很可能最大温度存在异常,若检测到第二差值存在异常,则很可能最小温度存在异常,若检测到第三差值存在异常,则很可能最大温度和/或最小温度存在异常。
在上述方案中,通过参考更多的温度信息能够更准确地判断采集到的电池数据是否存在异常。
在一些实施例中,请参阅图2,温度信息还包括若干第二温度信息。若干第二温度信息包括以下一者或多者:最小温度、各温度数据中最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、第二差值与第一差值之间的比例。在一些实施例中,上述步骤S13可以包括以下步骤:响应于至少部分第二温度信息满足第二异常条件,确定异常识别结果为至少一个温度采集件采集到的温度数据存在异常。
若干第二温度信息可以包括最小温度、各温度数据中最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、第二差值与第一差值之间的比例中的任意一者或多者,本实施例以若干第二温度信息包括上述最小温度、各温度数据中最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、第二差值与第一差值之间的比例的全部为例。至少部分第二温度信息满足第二异常条件可以是部分或全部第二温度信息满足第二异常条件,本实施例以全部第二温度信息满足第二异常条件,确定异常识别结果为至少一个温度采集件采集到的温度数据存在异常为例。分别为各第二温度信息设置对应的阈值,若某个第二温度信息超出对应的阈值,则确定该第二温度信息满足第二异常条件,具体给各个第二温度信息设置阈值的方式可参考上述为各第一温度信息设置阈值的方式,此处不再赘述。可选地,确定满足第二异常条件的第二温度信息存在异常,若第一差值存在异常则可能是最大温度存在异常,若最小温度满足第二异常条件,则最小温度可能存在异常,若第二差值满足第二异常条件,则最小温度可能存在异常,若第二差值与第一差值之间的比例满足第二异常条件,则可能最大温度或最小温度存在异常,此时可以根据各个第二温度信息满足第二异常条件的情况,综合确定是最小温度还是最大温度存在异常。
在上述方案中,如果第二温度信息满足第二异常条件,可以认为该温度数据很可能会导致符合第二异常条件对应的失效场景,例如温度采集回路存在异常的情况,方便后续用户进行对应的故障排查。
在一些实施例中,温度采样的异常识别方法还包括:响应于异常识别结果满足标记条件,标记条件为异常识别结果中包括存在异常的目标温度数据以及目标温度数对应的温度采集件在车辆中所处的位置;将异常识别结果发送至预设接收方。
其中,异常识别结果中可以包括异常温度采集件在车辆中所处的位置。异常识别结果中存在异常的目标温度数据可能是最大温度,也可能是最小温度,若目标温度数据为最大温度,则异常温度采集件为最大温度对应的温度采集件,若目标温度数据为最小温度,则异常温度采集件为最小温度对应的温度采集件。另一些实施例中,目标温度数据可以包括最大温度和最小温度,异常温度采集件包括最大温度对应的温度采集件以及最小温度对应的温度采集件。预设接收方可以是与执行设备建立通信连接的设备或者还可以是执行设备内的管理程序或管理平台,例如预设接收方可以是用户的手机或者车辆管理系统。
在上述方案中,通过标记可能存在异常的温度采集件在车辆中所处的位置,能够方便后续用户进行故障排查。
在一些实施例中,温度采样的异常识别方法还包括:响应于异常识别结果为多个温度采集件在当前时刻采集到的温度数据不存在异常,基于各温度数据确定车辆中电池的温度。
确定车辆中电池的温度的方式可以是对各温度数据进行加权融合,得到电池的温度,各温度数据对应的权重可以相同,也可以不同。或者可以设置温度预测模型,将各温度数据作为输入,温度预测模型基于各温度数据输出电池的温度。或,响应于异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常,利用除了存在异常的温度数据以外的其他温度数据,确定车辆中电池的温度。
在上述方案中,通过采集到的温度数据判断车辆中的温度采集组件是否存在异常,若车辆中的温度采集件不存在异常的情况下,后续可以利用温度采集件采集到的温度数据确定电池温度,以对电池温度进行监控。
在一些实施例中,温度采样的异常识别方法可以包括以下步骤:首先对数据进行降噪处理。例如,根据主机厂给出的无效值、空值、国标定义的异常值,对最大温度、平均温度、最小温度以及温度列表的数据进行清洗。
然后,由于锂电池出现温度采样异常时,会出现温度数据跳高、跳低或温度上升/下降趋势异常的情况,利用上一步清洗好的数据,提取温度采样值的最大温度Tmax、最小温度Tmin与平均温度Tavg。再根据这三个特征值计算出Ma、Am、MM、MM_d并保存,第一差值Ma=Tmax-Tavg;第二差值Am=Tavg-Tmin;第三差值MM=Tmax-Tmin,目标差值MM_d=MMmax-MMmin,MMmax表示温差组中最大温差,MMmin表示温差组中最小温差。并判断上述这些信息是否满足以下第一异常条件:
条件一:Ma,Am,和Tmax均分别达到对应的阈值;
条件二:Tmax、MM_d带入以下预设逻辑回归方程得到P大于或等于目标值(例如0.53);
其中,预设逻辑回归方程为:;
条件三:MM达到对应的阈值;
若温度数据同时满足条件一、条件二和条件三时,确定异常识别结果为至少一个温度采集件采集到的温度数据异常,例如原因可能是NTC进水、阻值异常,并标记相关NTC在车辆中的位置,记录异常采样点。若不满足条件二,则说明温度较高或者温差较大很可能是因为温度采集件靠近热源导致,并非是温度采集件本身进水或阻值异常。
同时还可判断温度数据是否满足以下第二异常条件:
条件四:Am,Tmin数据均分别达到对应的阈值;
条件五:Ma达到阈值的同时,Am/Ma也达到阈值;
若温度数据满足条件四和条件五时,也可确定异常识别结果为至少一个温度采集件采集到的温度数据异常,例如原因可能是采样回路接触不良,并标记相关CSC位置(相关NTC在车辆中的位置),记录异常采样点。其中,有的车辆的温度数据可能只满足第一异常条件,或只满足第二异常条件,或者有的车辆的温度数据可能同时满足第一异常条件和第二异常条件。
另一些实施例中,还可以是在连续多个时刻(例如连续三个时刻)确定的异常识别结果为至少温度采集件采集到的温度数据异常,则确定温度采集件存在异常。一些实施例中,若连续多个时刻确定的异常识别结果为至少温度采集件采集到的温度数据异常,则确定温度采集回路存在异常。
请参阅图3,本申请提供的温度采样的异常识别装置30包括温度数据获取模块31、信息确定模块32、异常识别模块33;温度数据获取模块31,用于分别获取车辆中多个温度采集件在当前时刻采集到的温度数据;信息确定模块32,用于各温度数据,确定温度信息,温度信息包括各温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值,温差组中包括当前时刻各温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各温度采集件采集到的温度数据之间的第二温差;异常识别模块33,用于基于温度信息,确定异常识别结果,异常识别结果包括至少一个温度采集件在当前时刻采集到的温度数据存在异常或各温度采集件在当前时刻采集到的温度数据不存在异常。
在上述方案中,通过获取到温度采集件采集到的温度数据之后,通过获取多个时刻采集到的温度数据之间的温差变化,以及当前时刻的最大温度,能够确定各温度采集件在当前时刻采集到的温度数据是否发生异常,若温度数据发生异常则很可能是因为温度采集件的失效导致,方便后续用户对车辆中的温度采集件进行故障排查。
在一些实施例中,异常识别模块33基于温度信息,确定异常识别结果,包括:基于最大温度和目标差值,确定预设逻辑回归方程的输出值,其中,预设逻辑回归方程中的参数是利用第一类型车辆和第二类型车辆的历史数据训练得到的,第一类型的车辆中存在至少一个温度采集件与车辆中的热源之间的距离小于或等于预设距离,第二类型的车辆中各温度采集件与车辆中的热源之间的距离大于预设距离;响应于预设逻辑回归方程的输出值大于或等于目标值,则确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常。
在上述方案中,通过获取温度采集件靠近热源的车辆的历史数据以及温度采集件不靠近热源的车辆的历史数据训练预设逻辑回归方程中的参数,使得后续能够排查出因为温度采集件靠近热源导致采集到的温度异常的情况,减少因为温度采集件靠近热源导致温度数据异常误报的情况出现。
在一些实施例中,预设逻辑回归方程中的参数包括偏移值、第一权重以及第二权重,异常识别模块33基于最大温度和目标差值,确定预设逻辑回归方程的输出值,包括:获取最大温度与第一权重的第一乘积、目标差值与第二权重的第二乘积;将第一乘积、第二乘积与偏移值之和的相反数作为目标指数函数的指数,目标指数函数的底大于1;将目标指数函数与预设值之和的倒数,作为预设逻辑回归方程的输出值。
在上述方案中,温度采集组件靠近热源和温度采集组件本身存在问题的情况下采集到的温度信息在预设逻辑回归方程中的体现不同,预设逻辑回归方程,能够在检测到温度采集组件靠近热源时输出一个值,而在温度采集组件并未靠近热源而是出现进水等故障的情况下,会得到另一个值,通过预设逻辑回归方程的输出值,确定温度采集组件本身存在异常还是因为温度采集组件靠近热源导致热源的温度升高或降低影响到温度采集组件采集到的温度。
在一些实施例中,温度信息中还包括若干第一温度信息,若干第一温度信息包括以下一者或多者:各温度数据中的最大温度、最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、最大温度与最小温度之间的第三差值;异常识别模块33响应于预设逻辑回归方程的输出值大于或等于目标值,则确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常的步骤,包括:响应于预设逻辑回归方程的输出值大于或等于目标值,且至少部分第一温度信息满足第一异常条件,确定异常识别结果为至少一个温度采集件在当前时刻采集到的温度数据存在异常。
在上述方案中,通过参考更多的温度信息能够更准确地判断采集到的电池数据是否存在异常。
在一些实施例中,温度信息中还包括若干第二温度信息,若干第二温度信息包括以下一者或多者:最小温度、各温度数据中最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、第二差值与第一差值之间的比例;异常识别模块33基于温度信息,确定异常识别结果,包括:响应于至少部分第二温度信息满足第二异常条件,确定异常识别结果为至少一个温度采集件采集到的温度数据存在异常。
在上述方案中,如果第二温度信息满足第二异常条件,可以认为该温度数据很可能会导致符合第二异常条件对应的失效场景,例如温度采集回路存在异常的情况,方便后续用户进行对应的故障排查。
在一些实施例中,异常识别模块33还用于:响应于异常识别结果满足标记条件,标记条件为异常识别结果中包括存在异常的目标温度数据以及目标温度数对应的温度采集件在车辆中所处的位置;将异常识别结果发送至预设接收方。
在上述方案中,通过标记可能存在异常的温度采集件在车辆中所处的位置,能够方便后续用户进行故障排查。
在一些实施例中,温度采样的异常识别装置30还包括温度估计模块(图未示),温度估计模块用于:响应于异常识别结果为多个温度采集件在当前时刻采集到的温度数据不存在异常,基于各温度数据确定车辆中电池的温度。
在上述方案中,通过采集到的温度数据判断车辆中的温度采集组件是否存在异常,若车辆中的温度采集件不存在异常的情况下,后续可以利用温度采集件采集到的温度数据确定电池温度,以对电池温度进行监控。
请参阅图4,本申请实施例提供的车辆40包括存储器41和处理器42,处理器42用于执行存储器41中存储的程序指令,以实现上述任一温度采样的异常识别方法实施例中的步骤。
具体而言,处理器42用于控制其自身以及存储器41以实现上述任一温度采样的异常识别方法实施例中的步骤。处理器42还可以称为CPU(Central Processing Unit,中央处理单元)。处理器42可能是一种集成电路芯片,具有信号的处理能力。处理器42还可以是通用处理器、数字信号处理器(Digital Signal Processor, DSP)、专用集成电路(Application Specific Integrated Circuit, ASIC)、现场可编程门阵列(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的处理器等。另外,处理器42可以由集成电路芯片共同实现。
车辆中还可包括电池(图未示)以及若干温度采集件(图未示),温度采集件与处理器42连接,以便处理器42接收到温度采集件发送的温度数据之后,执行上述温度采样的异常识别方法。
上述方案,通过获取到温度采集件采集到的温度数据之后,通过获取多个时刻采集到的温度数据之间的温差变化,以及当前时刻的最大温度,能够确定各温度采集件在当前时刻采集到的温度数据是否发生异常,若温度数据发生异常则很可能是因为温度采集件的失效导致,方便后续用户对车辆中的温度采集件进行故障排查。
请参阅图5,本申请实施例提供的计算机可读存储介质50,其上存储有程序指令51,程序指令51被处理器执行时实现上述任一温度采样的异常识别方法实施例中的步骤。
上述方案,通过获取到温度采集件采集到的温度数据之后,通过获取多个时刻采集到的温度数据之间的温差变化,以及当前时刻的最大温度,能够确定各温度采集件在当前时刻采集到的温度数据是否发生异常,若温度数据发生异常则很可能是因为温度采集件的失效导致,方便后续用户对车辆中的温度采集件进行故障排查。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一图像位置,所显示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接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元如果以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,本申请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全部或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)或处理器(processor)执行本申请各个实施方式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。
Claims (9)
1.一种温度采样的异常识别方法,其特征在于,包括:
分别获取车辆中多个温度采集件在当前时刻采集到的温度数据;
基于各所述温度数据,确定温度信息,所述温度信息包括各所述温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值,所述温差组中包括所述当前时刻各所述温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各所述温度采集件采集到的温度数据之间的第二温差;
基于所述温度信息,确定异常识别结果,所述异常识别结果包括至少一个所述温度采集件在当前时刻采集到的温度数据存在异常或各所述温度采集件在当前时刻采集到的温度数据不存在异常;
所述基于所述温度信息,确定异常识别结果,包括:
基于所述最大温度和所述目标差值,确定预设逻辑回归方程的输出值,其中,所述预设逻辑回归方程中的参数是利用第一类型车辆和第二类型车辆的历史数据训练得到的,所述第一类型的车辆中存在至少一个温度采集件与车辆中的热源之间的距离小于或等于预设距离,所述第二类型的车辆中各温度采集件与车辆中的热源之间的距离大于预设距离;
响应于所述预设逻辑回归方程的输出值大于或等于目标值,则确定所述异常识别结果为至少一个所述温度采集件在当前时刻采集到的温度数据存在异常。
2.根据权利要求1所述的温度采样的异常识别方法,其特征在于,所述预设逻辑回归方程中的参数包括偏移值、第一权重以及第二权重,所述基于所述最大温度和所述目标差值,确定预设逻辑回归方程的输出值,包括:
获取所述最大温度与所述第一权重的第一乘积、所述目标差值与所述第二权重的第二乘积;
将所述第一乘积、所述第二乘积与所述偏移值之和的相反数作为目标指数函数的指数,所述目标指数函数的底大于1;
将所述目标指数函数与预设值之和的倒数,作为所述预设逻辑回归方程的输出值。
3.根据权利要求1所述的温度采样的异常识别方法,其特征在于,所述温度信息中还包括若干第一温度信息,若干所述第一温度信息包括以下一者或多者:各所述温度数据中的最大温度、所述最大温度与平均温度之间的第一差值、所述平均温度与最小温度之间的第二差值、所述最大温度与最小温度之间的第三差值;
所述响应于所述预设逻辑回归方程的输出值大于或等于目标值,则确定所述异常识别结果为至少一个所述温度采集件在当前时刻采集到的温度数据存在异常,包括:
响应于所述逻辑回归方程的输出值大于或等于目标值,且至少部分所述第一温度信息满足第一异常条件,确定所述异常识别结果为至少一个所述温度采集件在当前时刻采集到的温度数据存在异常。
4.根据权利要求1至3中任意一项所述的温度采样的异常识别方法,其特征在于,所述温度信息中还包括若干第二温度信息,若干所述第二温度信息包括以下一者或多者:最小温度、各所述温度数据中最大温度与平均温度之间的第一差值、平均温度与最小温度之间的第二差值、所述第二差值与所述第一差值之间的比例;所述基于所述温度信息,确定异常识别结果,包括:
响应于至少部分所述第二温度信息满足第二异常条件,确定所述异常识别结果为至少一个温度采集件采集到的温度数据存在异常。
5.根据权利要求4所述的温度采样的异常识别方法,其特征在于,所述温度采样的异常识别方法还包括:
响应于所述异常识别结果满足标记条件,所述标记条件为所述异常识别结果中包括存在异常的目标温度数据以及所述目标温度数对应的温度采集件在所述车辆中所处的位置;
将所述异常识别结果发送至预设接收方。
6.根据权利要求1至3中任意一项所述的温度采样的异常识别方法,其特征在于,所述温度采样的异常识别方法还包括:
响应于所述异常识别结果为多个所述温度采集件在当前时刻采集到的温度数据不存在异常,基于各所述温度数据确定所述车辆中电池的温度。
7.一种温度采样的异常识别装置,其特征在于,包括:
温度数据获取模块,用于分别获取车辆中多个温度采集件在当前时刻采集到的温度数据;
信息确定模块,用于基于各所述温度数据,确定温度信息,所述温度信息包括各所述温度数据中的最大温度以及温差组中最大温差和最小温差之间的目标差值,所述温差组中包括所述当前时刻各所述温度采集件采集到的温度数据之间的第一温差和至少一个历史时刻各所述温度采集件采集到的温度数据之间的第二温差;
异常识别模块,用于基于所述温度信息,确定异常识别结果,所述异常识别结果包括至少一个所述温度采集件在当前时刻采集到的温度数据存在异常或各所述温度采集件在当前时刻采集到的温度数据不存在异常;
所述异常识别模块,用于基于所述温度信息,确定异常识别结果,包括:
基于所述最大温度和所述目标差值,确定预设逻辑回归方程的输出值,其中,所述预设逻辑回归方程中的参数是利用第一类型车辆和第二类型车辆的历史数据训练得到的,所述第一类型的车辆中存在至少一个温度采集件与车辆中的热源之间的距离小于或等于预设距离,所述第二类型的车辆中各温度采集件与车辆中的热源之间的距离大于预设距离;
响应于所述预设逻辑回归方程的输出值大于或等于目标值,则确定所述异常识别结果为至少一个所述温度采集件在当前时刻采集到的温度数据存在异常。
8.一种车辆,其特征在于,包括存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现权利要求1至6任一项所述的温度采样的异常识别方法。
9.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1至6任一项所述的温度采样的异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311521323.0A CN117249921B (zh) | 2023-11-15 | 2023-11-15 | 温度采样的异常识别方法、相关装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311521323.0A CN117249921B (zh) | 2023-11-15 | 2023-11-15 | 温度采样的异常识别方法、相关装置、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117249921A CN117249921A (zh) | 2023-12-19 |
CN117249921B true CN117249921B (zh) | 2024-04-05 |
Family
ID=89126700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311521323.0A Active CN117249921B (zh) | 2023-11-15 | 2023-11-15 | 温度采样的异常识别方法、相关装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117249921B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576870B (zh) * | 2024-01-15 | 2024-04-09 | 成都车晓科技有限公司 | 一种车载监控电池监控系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016188031A1 (zh) * | 2015-05-26 | 2016-12-01 | 上海斐讯数据通信技术有限公司 | 一种温度数据处理方法及系统 |
CN111967535A (zh) * | 2020-09-04 | 2020-11-20 | 安徽大学 | 一种储粮管理场景温度传感器故障诊断方法及其诊断装置 |
CN112414587A (zh) * | 2020-09-28 | 2021-02-26 | 广东小天才科技有限公司 | 一种温度检测方法及终端设备 |
CN113594574A (zh) * | 2021-07-22 | 2021-11-02 | 上汽通用五菱汽车股份有限公司 | 电池包的温控方法、电池包、车辆和可读存储介质 |
WO2022055619A1 (en) * | 2020-09-08 | 2022-03-17 | Analog Devices, Inc. | Technique for estimation of internal battery temperature |
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
EP4057016A1 (en) * | 2021-03-11 | 2022-09-14 | Tridonic GmbH & Co. KG | Method for predicting a remaining lifetime of an electrical component of an electrical circuit |
CN115730184A (zh) * | 2022-09-28 | 2023-03-03 | 重庆长安汽车股份有限公司 | 电池温度异常判定方法、装置、设备及存储介质 |
CN116295948A (zh) * | 2023-03-17 | 2023-06-23 | 重庆大学 | 大温差环境下工业温度传感器的异常检测方法、系统及存储介质 |
CN116315173A (zh) * | 2023-03-10 | 2023-06-23 | 芜湖宏景电子股份有限公司 | 基于新能源汽车的电池温度采样系统 |
CN116626492A (zh) * | 2023-05-10 | 2023-08-22 | 长城汽车股份有限公司 | 电池故障诊断方法、装置及车辆 |
CN116729123A (zh) * | 2023-05-11 | 2023-09-12 | 重庆赛力斯新能源汽车设计院有限公司 | 一种故障处理方法、装置、设备、存储介质和车辆 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11795960B2 (en) * | 2021-05-28 | 2023-10-24 | Saudi Arabian Oil Company | Molten sulfur pump vibration and temperature sensor for enhanced condition monitoring |
-
2023
- 2023-11-15 CN CN202311521323.0A patent/CN117249921B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016188031A1 (zh) * | 2015-05-26 | 2016-12-01 | 上海斐讯数据通信技术有限公司 | 一种温度数据处理方法及系统 |
CN111967535A (zh) * | 2020-09-04 | 2020-11-20 | 安徽大学 | 一种储粮管理场景温度传感器故障诊断方法及其诊断装置 |
WO2022055619A1 (en) * | 2020-09-08 | 2022-03-17 | Analog Devices, Inc. | Technique for estimation of internal battery temperature |
CN112414587A (zh) * | 2020-09-28 | 2021-02-26 | 广东小天才科技有限公司 | 一种温度检测方法及终端设备 |
EP4057016A1 (en) * | 2021-03-11 | 2022-09-14 | Tridonic GmbH & Co. KG | Method for predicting a remaining lifetime of an electrical component of an electrical circuit |
CN113594574A (zh) * | 2021-07-22 | 2021-11-02 | 上汽通用五菱汽车股份有限公司 | 电池包的温控方法、电池包、车辆和可读存储介质 |
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
CN115730184A (zh) * | 2022-09-28 | 2023-03-03 | 重庆长安汽车股份有限公司 | 电池温度异常判定方法、装置、设备及存储介质 |
CN116315173A (zh) * | 2023-03-10 | 2023-06-23 | 芜湖宏景电子股份有限公司 | 基于新能源汽车的电池温度采样系统 |
CN116295948A (zh) * | 2023-03-17 | 2023-06-23 | 重庆大学 | 大温差环境下工业温度传感器的异常检测方法、系统及存储介质 |
CN116626492A (zh) * | 2023-05-10 | 2023-08-22 | 长城汽车股份有限公司 | 电池故障诊断方法、装置及车辆 |
CN116729123A (zh) * | 2023-05-11 | 2023-09-12 | 重庆赛力斯新能源汽车设计院有限公司 | 一种故障处理方法、装置、设备、存储介质和车辆 |
Non-Patent Citations (1)
Title |
---|
基于数据挖掘的电池储能电站运维技术综述;田刚领 等;《太阳能》(第5期);第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117249921A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117249921B (zh) | 温度采样的异常识别方法、相关装置、车辆及存储介质 | |
TWI761083B (zh) | 動力電池內單體電池的短路監測方法、系統以及裝置 | |
US10094806B2 (en) | Method and apparatus for monitoring battery state | |
CN108931725B (zh) | 一种电池故障检测的方法及装置 | |
EP3676625B1 (en) | Apparatus and methods for identifying anomaly(ies) in re-chargeable battery of equipment and connected component(s) | |
US20210088591A1 (en) | Method and system for battery-management in devices | |
KR20160011028A (ko) | 배터리의 이상 상태를 감지하는 장치 및 방법 | |
WO2022001197A1 (zh) | 电芯内部短路故障的检测方法、装置、设备和介质 | |
CN117067920B (zh) | 动力电池的故障检测方法、装置、电子设备及电动汽车 | |
CN115144765A (zh) | 电池内短路故障检测方法及装置 | |
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 | |
CN115649005A (zh) | 电池温度采样故障预警方法、系统、电子设备及存储介质 | |
EP4202458A1 (en) | Battery diagnosis device, battery system, and battery diagnosis method | |
CN113985288A (zh) | 车辆电池的组件异常提醒方法、装置、车辆以及存储介质 | |
CN117031337A (zh) | 一种电芯内短路检测方法、装置、存储介质及设备 | |
CN116400244A (zh) | 储能电池的异常检测方法及装置 | |
US11988718B2 (en) | Battery diagnosing apparatus and method | |
CN114666210B (zh) | 基于大数据日志分析的告警方法及装置 | |
CN115508713A (zh) | 一种电池系统安全预警方法、装置、存储介质及设备 | |
US11981228B2 (en) | Battery health monitoring and failure identification | |
EP4016099A1 (en) | Battery diagnostic apparatus and method | |
CN117124857B (zh) | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 | |
CN110745031B (zh) | 一种新能源汽车行驶放电电流计算方法及装置 | |
CN117825957A (zh) | 一种动力电池的故障检测方法 | |
CN117533203A (zh) | 温度传感器的故障诊断方法、系统及电子设备 |
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 |