CN117318249A - 一种电池充电云监测方法及系统 - Google Patents

一种电池充电云监测方法及系统 Download PDF

Info

Publication number
CN117318249A
CN117318249A CN202311567016.6A CN202311567016A CN117318249A CN 117318249 A CN117318249 A CN 117318249A CN 202311567016 A CN202311567016 A CN 202311567016A CN 117318249 A CN117318249 A CN 117318249A
Authority
CN
China
Prior art keywords
data
battery
value
data point
distance
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.)
Withdrawn
Application number
CN202311567016.6A
Other languages
English (en)
Inventor
于宇峰
刘建华
单关春子
乔锐
郑智
李海文
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.)
Heilongjiang Zhurui Technology Co ltd
Original Assignee
Heilongjiang Zhurui Technology 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 Heilongjiang Zhurui Technology Co ltd filed Critical Heilongjiang Zhurui Technology Co ltd
Priority to CN202311567016.6A priority Critical patent/CN117318249A/zh
Publication of CN117318249A publication Critical patent/CN117318249A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/0071—Regulation of charging or discharging current or voltage with a programmable schedule
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • H02J7/00714—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery charging or discharging current
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • H02J7/007182—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery voltage
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
    • H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
    • H02J7/007194—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature of the battery

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及充电监测技术领域，具体涉及一种电池充电云监测方法及系统，包括：使用电池监测模块结合电池控制模块完成对电池充电的监测、分析以及控制，首先采集电池充电过程中数据，根据温度对电压、电流的影响获取数据点之间的距离，根据数据点与邻近数据点的距离变化自适应构建数据点所对应的最小样本数，采用DBSCAN算法进行异常数据检测，并对异常数据进行诊断并将诊断信息发送至电池控制模块，电池控制模块根据诊断信息对电池的电源进行远程云控制，提高了异常数据检测精度与效率，进而提高了电池充电监测诊断信息的准确可靠性与远程云控制的精度，有效消除因电池充电异常所造成的危害。

Description

一种电池充电云监测方法及系统
技术领域
本发明涉及充电监测技术领域，具体涉及一种电池充电云监测方法及系统。
背景技术
在目前的电力系统中，电池充电监测至关重要。电池的充电状态直接影响到移动设备、无人机、电动汽车等各种电力驱动设备的使用时间和性能。目前电动车电池产业中电池或电池组事故频发，在使用多个电池组成的电池组时，不同电池之间的性能差异导致其充放电特性不一致的情况。这种不一致性可能会导致电池组整体性能下降、寿命缩短或安全风险增加。因此，确保这些设备的长时间稳定使用，需要一种高效、准确的电池充电监测方法及系统填补跨领域、多元化电池组监控领域的空白。
近年来，随着新型传感器、计算机技术、物联网等技术的不断发展，基于智能算法和大数据分析的电池充电监测方法已经成为一个研究热点。该方法采用多元参数采集技术，如温度、压力、电流等，并通过先进的数据处理和分析算法，提供更加准确和实时的电池充电状态监测信息。而在通过DBSCAN算法对电池充电过程中的参数进行异常检测时候，DBSCAN的参数邻域半径以及最小样本数需要人为设定，设定不合理时，极易出现误检现象，进而导致电池充电监测精度与控制效率较低。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种电池充电云监测方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种电池充电云监测方法，该方法包括以下步骤：
获取数据点，所述数据点包括电压数据、电流数据、温度数据以及各数据点对应的充电时间；
根据数据点之间的电压、电流以及温度数据差异对数据点之间的距离进行定义；根据数据点之间的距离获取各数据点对应的距离序列；根据距离序列中的元素分布获取距离序列各元素值的投票置信度；将所有数据点对应的距离序列取并集获取距离值集合；根据距离值集合对数据点之间的局部邻域数据点分布差异进行分析，得到数据点之间的数据一致性；根据数据点之间的数据一致性结合距离序列各元素值的投票置信度获取距离值集合各距离值的优选值；将优选值最大的距离值作为各数据点的邻域半径；根据各数据点的邻域半径获取各数据点的初始最小样本数参数；
根据数据点之间的充电时间、电压数据以及电流数据之间的差异获取各数据点的历史对应数据点；将数据点与历史对应数据点之间的距离与数据一致性的乘积归一化值作为各数据点的数据偏差度；根据数据点的数据偏差度、数据点与历史对应数据点之间的数据一致性的关系对初始最小样本数参数进行修正获取各数据点的修正最小样本数参数；根据各数据点的邻域半径以及修正最小样本数参数采用DBSCAN算法获取电池监测模块的电池充电诊断信息；根据电池监测模块发送的电池充电诊断信息完成对电池充电的云远程控制。
优选的，所述根据数据点之间的电压、电流以及温度数据差异对数据点之间的距离进行定义，具体表达式为：
式中，表示数据点a与数据点b之间的距离，/>、/>分别表示数据点a、数据点b的电压数据，/>、/>分别表示数据点a、数据点b的电流数据，/>、/>分别表示数据点a、数据点b的温度数据，/>表示数据点a和数据点b的温度最大值，/>表示充电过程中的温度最大值。
优选的，所述根据距离序列中的元素分布获取距离序列各元素值的投票置信度，获取方法为：
针对任一数据点的距离序列中的各元素值；
将所述元素值与前一相邻元素值的差值绝对值确认为前差值绝对值；将所述元素值与后一相邻元素值的差值绝对值确认为后差值绝对值；计算前差值绝对值与后差值绝对值的差值绝对值；
将距离序列中所述元素值之后的元素剔除，计算所有相邻元素之间的差值绝对值的和值；
将所述差值绝对值与所述和值的比值作为距离矩阵各元素值的投票置信度。
优选的，所述根据距离值集合对数据点之间的局部邻域数据点分布差异进行分析，得到数据点之间的数据一致性，表达式为：
式中，表示数据点a与数据点b之间的数据一致性，/>、/>分别表示以数据点a、数据点b为中心时，距离值比数据点a与数据点b之间的距离小的数据点个数，/>表示最小值函数，/>、/>分别表示数据点a、数据点b对应距离序列的第i个距离值，/>表示避免分母为0的正数。
优选的，所述根据数据点之间的数据一致性结合距离序列各元素值的投票置信度获取距离值集合各距离值的优选值，具体包括：
获取各数据点对应的数据一致性的最大值；计算距离序列各元素值的投票置信度与所述最大值的乘积的和值；将各距离值对应数据点的个数与所述和值乘积作为各距离值的优选值。
优选的，所述根据数据点之间的充电时间、电压数据以及电流数据之间的差异获取各数据点的历史对应数据点，具体包括：
将开始充电到各数据点对应时间充电过程中电压数据与电流数据乘积的和值作为各数据点的电池能量；将与各数据点的电池能量差值绝对值最小的数据点作为历史对应数据点。
优选的，所述根据数据点的数据偏差度、数据点与历史对应数据点之间的数据一致性的关系对初始最小样本数参数进行修正获取各数据点的修正最小样本数参数，具体步骤包括：
获取优选值最大的距离值对应的数据点；以数据点为中心，将所有数据点的邻域半径范围内数据点个数的五分之四的和值作为初始最小样本数参数；
获取各数据点与历史对应数据点之间的数据一致性归一化值以及数据偏差度；
当所述数据一致性归一化值大于所述数据偏差度时，将所述初始最小样本数参数与所述数据一致性归一化的乘积保存为第一乘积，将所述第一乘积与初始最小样本数参数的和值作为各数据点的修正最小样本数参数；
当所述数据一致性归一化值等于所述数据偏差度时，将所述初始最小样本数参数的和值作为各数据点的修正最小样本数参数；
当所述数据一致性归一化值小于所述数据偏差度时，将所述初始最小样本数参数与所述数据偏差度的乘积保存为第二乘积，将所述初始最小样本数参数与所述第二乘积的差值作为各数据点的修正最小样本数参数。
优选的，所述根据各数据点的邻域半径以及修正最小样本数参数采用DBSCAN算法获取电池监测模块的电池充电诊断信息，具体步骤包括：
将各数据点的邻域半径与修正最小样本数参数作为DBSCAN算法输入，输出数据点聚类结果；将不属于任何簇的数据点作为异常数据点，其余数据点作为正常数据点；
将异常数据点与时序上临近的x个正常数据点的距离平均值，其中x为预设值；
设置平均阈值、/>，其中/>，当距离平均值大于等于/>时，电池充电过程出现异常，诊断信息为电池寿命预警信息；当距离平均值大于等于/>小于/>时，电池充电过程出现轻度异常，诊断信息为电池故障预警信息；当距离平均值小于/>时，电池充电过程正常，诊断信息为电池正常工作信息。
优选的，所述根据电池监测模块发送的电池充电诊断信息完成对电池充电的云远程控制，具体包括：
当电池充电诊断信息为电池寿命预警信息时，电池控制模块对电源发出断开指令，并通过云控制系统远程操作对电池进行更换；
当电池充电诊断信息为电池故障预警信息时，电池控制模块对电源发出断开指令，并通过云控制系统远程操作对电池进行维修；
当电池充电诊断信息为电池正常工作信息时，电池控制模块对电源发出工作指令。
第二方面，本发明实施例还提供了一种电池充电云监测系统，包括电池监测模块、电池控制模块、存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述电池监测模块，包括电量预警、故障预警以及使用寿命预警；所述电池控制模块，包括信息处理以及电源后台控制；所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明主要通过对电池充电过程中的电压、电流以及温度数据进行分析，首先根据各数据点之间的温度、电压以及电流的差异对数据点之间的距离进行定义，基于距离对数据点以及邻近数据点进行分析构建距离值的投票置信度，进一步对数据点的局部数据点分布差异进行分析，构建数据点之间的数据一致性，自适应获取DBSCAN算法中的邻域半径；避免人为设定邻域半径出现的误检现象。
同时，根据不同充电过程中数据的变化构建数据偏差度，根据数据偏差度与数据一致性对数据点的最小样本数参数进行修正，避免将异常数据点归为一个簇出现无法识别的情况，同时也避免异常数据点分到正常数据点的类簇内，进而提高了DBSCAN算法的异常数据检测精度与效率，进而提高了电池充电监测的效率与精度，并对电池充电情况做出初步诊断，实现自动化管理，为电力交易撮合提供基础条件，实现电动汽车、移动储能、共享储能电站电池使用情况的数字可视化平台的建立。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种电池充电云监测方法的步骤流程图；
图2为异常数据点的获取流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种电池充电云监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种电池充电云监测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种电池充电云监测方法的步骤流程图，该方法包括以下步骤：
步骤S001：利用云技术获取电池充电过程中电压数据、电流数据以及温度数据。
本实施例针对电动汽车、移动储能充电、共享储能电站等电池使用情况进行充电监测，可以利用云计算同时监测多个地点不同种类电池的充电情况，也适用于反向充电的充电情况检测。
云计算平台可以实时监测电池组单元的充电状态、电流、电压等关键参数。同时，可以通过云端的远程访问功能，随时随地获取电池组单元的充电信息，无需现场操作和直接接触设备。云计算平台可以存储和处理大量的电池组单元充电数据，并利用数据分析技术来发现潜在问题和优化充电策略。通过对历史数据的分析，可以提取出充电过程中的模式、趋势和异常情况，进而改进充电控制算法，提高充电效率和电池寿命。
本实施例利用云端对电池充电过程中的电压，电流数据以及温度数据进行实时监测以及计量。由于电池充电过程为一个持续性过程，故采集到的电池充电过程数据为时序数据，且每个时刻均有其相对应的电压，电流以及温度数据，每个时刻对应的充电时间。同时将电池的每一次充电过程中的充电数据进行记录，作为历史数据库以便于对当前充电过程的异常状况进行监测分析。
至此，可获得电池充电过程中的相关数据。
步骤S002：自适应获取DBSCAN算法中的参数，并使用DBSCAN算法完成电池充电过程中异常数据的检测，并对充电情况作出初步诊断，根据诊断结果利用云端电池充电过程进行控制。
本实施例中对电池组单元的充电监测结合云计算来实现，云计算具有超大规模特性，可以同时对电动汽车、移动储能充电、共享储能电站电池的使用情况进行监测、分析以及控制，并且利用数字化手段建立电池使用的可视化平台，对电池充电的各种信息进行直观的展示，保证电池充电监测系统中各模块功能的高可靠性，确保电池充电时的安全性问题。
本实施例通过对电池组单元的充电数据进行分析，使用DBSCAN算法对充电过程中的异常数据进行检测，其中DBSCAN算法需要预先设定数据点的邻域半径和最小样本数参数。若最小样本数参数设置过大时，会导致正常数据点被划分为噪声点，而最小样本数参数设置过小时，可能会将噪声点误划分为簇。故本实施例考虑自适应获取DBSCAN算法中的最优样本数参数，进而提高异常数据的检测精度与效率，提前发现电池组单元可能存在的故障或性能下降趋势，并通过监测系统发送诊断信息，借助云端的远程控制功能，实现对电池组单元的远程操作和调整。
具体的，根据上述步骤获取电池充电过程中的电压数据V，电流数据A以及温度数据T，则每个数据点存在其相对应的电压数据，电流数据以及温度数据，故自适应获取数据点（此处以数据点a与数据点b为例）之间的距离，表达式为：
式中，表示数据点a与数据点b之间的距离，/>、/>分别表示数据点a、数据点b的电压数据。/>、/>分别表示数据点a、数据点b的电流数据，/>、/>分别表示数据点a、数据点b的温度数据，/>表示数据点a和数据点b的温度最大值，即/>，/>表示充电过程中的温度最大值。
其中为相关权重，/>越大，则说明电压与电流数据受到温度的影响越严重，则其对应的权重越小，即电压与电流数据计算出的差异对距离的影响越小。进而得到更精确的数据点之间的距离值。
本实施例首先对获取到的数据点进行整体分析，获取DBSCAN算法中数据点的邻域半径参数R，对于采集到的任意一个数据点而言，此处以数据点Q为例进行分析，对数据点Q获取局部数据点，获取数据点Q与其邻近数据点之间的距离D，距离计算公式如上述步骤所述。
具体的，获取与数据点Q距离最近的M个数据点，本实施例中根据经验值设置M=100，实施者可自行调节。则这M个数据点与数据点Q均有其对应的距离值，统计其中不同的距离值，则可得到从小至大排序的基于数据点Q的距离序列{，/>，…，/>}，对距离序列中的各个元素进行分析，获取基于数据点Q的距离序列中某一元素（此处以元素值X为例）的投票置信度，表达式为：
式中，Z表示数据点Q对应距离值X的投票置信度，为数据点Q所对应的比距离值X小的距离值个数，/>为距离序列{/>,/>…,/>}中第i个元素值，且/>，/>、/>分别表示距离序列中与X相邻的前、后元素值，/>表示避免分母为0的正数。分别将/>、保存为前差值绝对值、后差值绝对值，/>差异越大，则说明距离值X前后的数据波动可能性越大，则投票置信度越大。/>差异越小则说明数据点Q在该元素值之间的数据点的分布越集中，该元素值作为邻域半径的效果越好。
投票置信度越大，则说明在以数据点Q为中心，该元素值为半径的邻域范围内数据点出现大幅度波动的可能性越小，该元素值作为邻域半径的效果越好。投票置信度越小，则说明该元素值下，数据点邻域范围内数据点出现大幅度波动的可能性越大，则其作为邻域半径的效果越差。
根据上述步骤对不同的数据点进行分析，则每个数据点均有对应的距离序列，以及与距离序列各元素相应的投票置信度，将所有数据点对应的距离序列取并集，得到U个不同的距离值，组成距离值集合。对距离值集合中的U个不同的距离值而言，每个距离值对应了Y个数据点（假设距离值为X，即数据点a与数据点b两个数据点之间的距离值等于X，则数据点b和数据点a都为距离值X的对应数据点），则对于每个距离值对应的数据点而言，首先通过对应数据点之间的局部邻域内数据点的分布差异构建数据一致性（此处仍以数据点a点与b点为例，数据点a与数据点b点均为距离值X的对应数据点），表达式为：
式中，表示数据点a与数据点b之间的数据一致性，/>，/>分别表示以数据点a、数据点b为中心时，距离值比数据点a与数据点b之间的距离小的数据点个数，/>表示最小值函数，/>、/>分别表示数据点a、数据点b对应距离序列的第i个距离值，/>表示避免分母为0的正数。
以数据点a、数据点b为中心时，距离值比数据点a与数据点b之间的距离小的数据点个数的差异值越大，则数据一致性就越小；数据点a、数据点b对应距离序列的第i个距离值的差异越大，数据一致性越小。一个距离值对应多个数据点，故一个数据点可以跟多个数据点计算数据一致性，故存在多个数据一致性。
将数据一致性作为投票置信度的权重进而获取距离值所对应的优选值，表达式为：
式中，表示各距离值的优选值，/>表示距离值所对应的数据点个数，/>表示了第i个数据点的数据一致性最大值，/>表示第i个数据点对该距离值的投票置信度。YX表示了该距离值所对应的优选值。
数据一致性越大，则说明距离值对应的数据点的局部分布特征之间差异越小，数据点为一类数据点的可能性越大，故其作为投票置信度的权重越大。YX为距离值所对应的优选值，优选值越大，则说明该距离值作为DBSCAN算法中的数据点的邻域半径效果越好。
根据上述步骤对得到的距离值集合进行分析，得到每个距离值对应的优选值。本实施例选择优选值最大的距离值作为DBSCAN算法中数据点的邻域半径L，而上述步骤中优选值最大的距离值所对应的数据点假设有Y个，则对这Y个数据点进行统计分析，此处仍以数据点Q为例，以数据点Q为中心，L为半径，获取Q点邻域内数据点个数，则可根据经验值设置初始的最小样本数参数，其中/>为第i个数据点邻域内数据点的个数，Y为邻域半径对应数据点个数。
由于电池充电过程中采集到的数据点较多，不同数据点的邻域范围内数据点的分布状况不同，故设置的最小样本数参数直接对所有的数据点进行检测时，容易将正常数据点误检为异常点，故本实施例中基于数据点所对应的历史数据以及数据点的局部分布对数据点所对应的最小样本数参数进行自适应调节。此处仍以数据点Q为例，首先获取数据点Q在历史充电过程中的对应数据点，其中，对应数据点获取方法如下：
由于电池充电过程为一个时序上持续的过程，故可获取数据点Q所对应的充电时间(即电池开始充电到数据点Q的时间)，则电池能量为/>，公式中/>分别为电池开始充电到数据点Q的时间内第i个数据点的电流和电压。对历史充电过程中任一数据点，假设为数据点B，通过上述公式获取/>，当数据点B满足/>与/>的差异的绝对值最小时，数据点B即为数据点Q的历史对应数据点。
则根据上述步骤可得数据点Q在不同历史充电过程中的对应数据点。则可基于数据点与对应数据点（此处以数据点Q与历史对应数据点为例）之间的差异构建数据点的数据偏差度，表达式为：
式中，表示数据点Q的数据偏差度，/>为数据点Q与历史对应数据点/>之间的距离，/>为数据点Q与历史对应数据点/>之间的数据一致性。
对数据一致性进行归一化处理，并基于数据偏差度与数据一致性自适应对最小样本数参数进行调节，得到各数据点的修正最小样本数参数，表达式为：
式中，表示各数据点的修正最小样本数参数，/>表示最小样本数参数，S表示数据点与历史对应数据点的数据一致性，/>表示数据点的数据偏差度。分别将/>、保存为第一乘积、第二乘积。
当时，数据偏差度较大时，数据一致性就更大，其最小样本数参数相应变大。时，数据一致性越大，则对应的数据偏差度就越大，其最小样本数参数相应变小。
根据上述步骤自适应获取了DBSCAN算法中的数据点的邻域半径以及最小样本数参数，使用DBSCAN算法对电池充电过程中的数据点进行聚类，根据聚类结果对数据点进行判断：当数据点不属于任何一个聚类簇时，确认该数据点为异常数据点，否则为正常数据点。其中，DBSCAN算法为现有公知技术，本实施例中不再赘述。其中，异常数据点的获取过程如图2所示。
则根据DBSCAN算法，完成了电池充电过程中异常数据的检测与获取。接着获取各异常数据点与时序上邻近的x个正常数据点的距离平均值，并进行归一化处理。将异常数据点与时序上临近的x个正常数据点的距离平均值，设置平均阈值、/>，当距离平均值大于等于/>时，电池充电过程出现异常，电池监测模块向电池控制模块发出电池寿命预警信息，通过云控制系统切断电池组单元，停止充电，并且对电池组单元进行更换；当距离平均值大于等于/>小于/>时，电池充电过程出现轻度异常，电池监测模块向电池控制模块发出故障预警信息，切断电池组单元并提醒工作人员及时排除故障；当距离平均值小于/>时，电池充电过程正常，电池监测模块向电池控制模块发出正常信息，保持电池组单元的使用。需要说明的是，本实施例中平均阈值/>、/>分别为0.3、0.5，实施者可根据实际情况自行调整。
本实施例中对电池组单元的控制需要结合云控制系统来实现云远程控制，可以远程对电池单元进行控制，包括打开、关闭或切换电池单元。当电池单元发生异常或需要进行维护时，可以通过云控制系统远程操作相关开关，对电池进行基础维修，以确保电池系统的正常运行和安全性。通过云控制和远程操作，可以实现对分布式设备或系统的集中管理和实时控制，提高设备运行效率，降低运维成本，同时也增强了对设备状态和性能的监测和控制能力。
至此，完成了电池充电监测，并对充电情况作出初步诊断，根据诊断结果对电池充电过程进行云远程控制。
基于与上述方法相同的发明构思，本发明实施例还提供了一种电池充电云监测系统，包括电池监测模块、电池控制模块、存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述电池监测模块，包括电量预警、故障预警以及使用寿命预警；所述电池控制模块，包括信息处理以及电源后台控制；所述处理器执行所述计算机程序时实现上述一种电池充电云监测方法中任意一项所述方法的步骤。
综上所述，本发明实施例主要通过对电池充电过程中的电压、电流以及温度数据进行分析，首先根据各数据点之间的温度、电压以及电流的差异对数据点之间的距离进行定义，基于距离对数据点以及邻近数据点进行分析构建距离值的投票置信度，进一步对数据点的局部数据点分布差异进行分析，构建数据点之间的数据一致性，自适应获取DBSCAN算法中的邻域半径；根据不同充电过程中数据的变化构建数据偏差度，根据数据偏差度与数据一致性对数据点的最小样本数参数进行修正，避免出现异常数据点为一个簇无法识别的情况，同时也避免异常数据点为分到正常数据点的类簇内，进而提高了DBSCAN算法的异常数据检测精度与效率，进而提高了电池充电监测的效率与精度。
同时，将电池组单元的充电监测与云计算相结合，对电池充电情况做出可靠的初步诊断，借助云端的远程控制功能，实现对电池组单元的远程操作和调整，可以为充电管理提供更全面、智能化的解决方案，提高充电效率、延长电池寿命，并及时发现和处理潜在问题，提高电池系统的可靠性和安全性，为电力交易撮合提供基础条件，实现电动汽车、移动储能、共享储能电站电池使用情况的数字可视化平台的建立。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电池充电云监测方法，其特征在于，该方法包括以下步骤：
获取数据点，所述数据点包括电压数据、电流数据、温度数据以及各数据点对应的充电时间；
根据数据点之间的电压、电流以及温度数据差异对数据点之间的距离进行定义；根据数据点之间的距离获取各数据点对应的距离序列；根据距离序列中的元素分布获取距离序列各元素值的投票置信度；将所有数据点对应的距离序列取并集获取距离值集合；根据距离值集合对数据点之间的局部邻域数据点分布差异进行分析，得到数据点之间的数据一致性；根据数据点之间的数据一致性结合距离序列各元素值的投票置信度获取距离值集合各距离值的优选值；将优选值最大的距离值作为各数据点的邻域半径；根据各数据点的邻域半径获取各数据点的初始最小样本数参数；
根据数据点之间的充电时间、电压数据以及电流数据之间的差异获取各数据点的历史对应数据点；将数据点与历史对应数据点之间的距离与数据一致性的乘积归一化值作为各数据点的数据偏差度；根据数据点的数据偏差度、数据点与历史对应数据点之间的数据一致性的关系对初始最小样本数参数进行修正获取各数据点的修正最小样本数参数；根据各数据点的邻域半径以及修正最小样本数参数采用DBSCAN算法获取电池监测模块的电池充电诊断信息；根据电池监测模块发送的电池充电诊断信息完成对电池充电的云远程控制。
2.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据数据点之间的电压、电流以及温度数据差异对数据点之间的距离进行定义，具体表达式为：
式中，表示数据点a与数据点b之间的距离，/>、/>分别表示数据点a、数据点b的电压数据，/>、/>分别表示数据点a、数据点b的电流数据，/>、/>分别表示数据点a、数据点b的温度数据，/>表示数据点a和数据点b的温度最大值，/>表示充电过程中的温度最大值。
3.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据距离序列中的元素分布获取距离序列各元素值的投票置信度，获取方法为：
针对任一数据点的距离序列中的各元素值；
将所述元素值与前一相邻元素值的差值绝对值确认为前差值绝对值；将所述元素值与后一相邻元素值的差值绝对值确认为后差值绝对值；计算前差值绝对值与后差值绝对值的差值绝对值；
将距离序列中所述元素值之后的元素剔除，计算所有相邻元素之间的差值绝对值的和值；
将所述差值绝对值与所述和值的比值作为距离矩阵各元素值的投票置信度。
4.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据距离值集合对数据点之间的局部邻域数据点分布差异进行分析，得到数据点之间的数据一致性，表达式为：
式中，表示数据点a与数据点b之间的数据一致性，/>、/>分别表示以数据点a、数据点b为中心时，距离值比数据点a与数据点b之间的距离小的数据点个数，/>表示最小值函数，/>、/>分别表示数据点a、数据点b对应距离序列的第i个距离值，/>表示避免分母为0的正数。
5.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据数据点之间的数据一致性结合距离序列各元素值的投票置信度获取距离值集合各距离值的优选值，具体包括：
获取各数据点对应的数据一致性的最大值；计算距离序列各元素值的投票置信度与所述最大值的乘积的和值；将各距离值对应数据点的个数与所述和值乘积作为各距离值的优选值。
6.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据数据点之间的充电时间、电压数据以及电流数据之间的差异获取各数据点的历史对应数据点，具体包括：
将开始充电到各数据点对应时间充电过程中电压数据与电流数据乘积的和值作为各数据点的电池能量；将与各数据点的电池能量差值绝对值最小的数据点作为历史对应数据点。
7.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据数据点的数据偏差度、数据点与历史对应数据点之间的数据一致性的关系对初始最小样本数参数进行修正获取各数据点的修正最小样本数参数，具体步骤包括：
获取优选值最大的距离值对应的数据点；以数据点为中心，将所有数据点的邻域半径范围内数据点个数的五分之四的和值作为初始最小样本数参数；
获取各数据点与历史对应数据点之间的数据一致性归一化值以及数据偏差度；
当所述数据一致性归一化值大于所述数据偏差度时，将所述初始最小样本数参数与所述数据一致性归一化的乘积保存为第一乘积，将所述第一乘积与初始最小样本数参数的和值作为各数据点的修正最小样本数参数；
当所述数据一致性归一化值等于所述数据偏差度时，将所述初始最小样本数参数的和值作为各数据点的修正最小样本数参数；
当所述数据一致性归一化值小于所述数据偏差度时，将所述初始最小样本数参数与所述数据偏差度的乘积保存为第二乘积，将所述初始最小样本数参数与所述第二乘积的差值作为各数据点的修正最小样本数参数。
8.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据各数据点的邻域半径以及修正最小样本数参数采用DBSCAN算法获取电池监测模块的电池充电诊断信息，具体步骤包括：
将各数据点的邻域半径与修正最小样本数参数作为DBSCAN算法输入，输出数据点聚类结果；将不属于任何簇的数据点作为异常数据点，其余数据点作为正常数据点；
将异常数据点与时序上临近的x个正常数据点的距离平均值，其中x为预设值；
设置平均阈值、/>，其中/>，当距离平均值大于等于/>时，电池充电过程出现异常，诊断信息为电池寿命预警信息；当距离平均值大于等于/>小于/>时，电池充电过程出现轻度异常，诊断信息为电池故障预警信息；当距离平均值小于/>时，电池充电过程正常，诊断信息为电池正常工作信息。
9.如权利要求1所述的一种电池充电云监测方法，其特征在于，所述根据电池监测模块发送的电池充电诊断信息完成对电池充电的云远程控制，具体包括：
当电池充电诊断信息为电池寿命预警信息时，电池控制模块对电源发出断开指令，并通过云控制系统远程操作对电池进行更换；
当电池充电诊断信息为电池故障预警信息时，电池控制模块对电源发出断开指令，并通过云控制系统远程操作对电池进行维修；
当电池充电诊断信息为电池正常工作信息时，电池控制模块对电源发出工作指令。
10.一种电池充电云监测系统，包括电池监测模块、电池控制模块、存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述电池监测模块，包括电量预警、故障预警以及使用寿命预警；所述电池控制模块，包括信息处理以及电源后台控制；所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
CN202311567016.6A 2023-11-23 2023-11-23 一种电池充电云监测方法及系统 Withdrawn CN117318249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311567016.6A CN117318249A (zh) 2023-11-23 2023-11-23 一种电池充电云监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311567016.6A CN117318249A (zh) 2023-11-23 2023-11-23 一种电池充电云监测方法及系统

Publications (1)

Publication Number Publication Date
CN117318249A true CN117318249A (zh) 2023-12-29

Family

ID=89255445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311567016.6A Withdrawn CN117318249A (zh) 2023-11-23 2023-11-23 一种电池充电云监测方法及系统

Country Status (1)

Country Link
CN (1) CN117318249A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117595464A (zh) * 2024-01-18 2024-02-23 深圳创芯技术股份有限公司 一种电池充电器充电检测控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117595464A (zh) * 2024-01-18 2024-02-23 深圳创芯技术股份有限公司 一种电池充电器充电检测控制方法及系统
CN117595464B (zh) * 2024-01-18 2024-04-12 深圳创芯技术股份有限公司 一种电池充电器充电检测控制方法及系统

Similar Documents

Publication Publication Date Title
CN110492186B (zh) 一种基于云端控制技术的动力电池模组的管理方法
CN117318249A (zh) 一种电池充电云监测方法及系统
US20230059529A1 (en) Characterization of Rechargeable Batteries Using Machine-Learned Algorithms
CN113708493A (zh) 基于云边协同的配电终端运维方法、装置和计算机设备
CN110712528B (zh) 一种动力电池组实时监控方法及设备
CN113326585B (zh) 燃气锅炉的能效异常预警方法、装置和计算机设备
CN117783745B (zh) 用于换电柜的数据在线监测方法及系统
CN116225102B (zh) 一种移动式的储能通信温升自动监控系统及装置
CN116424096B (zh) 资源动态优化配置的新能源汽车电池采集总成方法及系统
CN117543791B (zh) 电源的供电检测方法、装置、设备及存储介质
CN114631032A (zh) 用于监控电池组健康状况的方法和系统
CN117169751A (zh) 基于机器学习的储能电站故障监测管理系统与方法
CN115219932A (zh) 用于评价设备电池组的相对老化状态的方法和装置
CN113204229A (zh) 一种火力发电机组控制系统智能自检系统
CN115754743A (zh) 一种电池电压不一致识别方法、装置、设备及介质
CN117148154A (zh) 电池的异常状态或故障感测方法及执行其的电池管理系统
KR20240055854A (ko) 배터리 관리 방법 및 장치, 및 컴퓨터 판독가능한 저장 매체
CN114880939A (zh) 一种动力电池寿命的智能预测方法及装置
US11733313B2 (en) Method and apparatus for operating a system for providing states of health of electrical energy stores for a multiplicity of devices with the aid of machine learning methods
CN117648589A (zh) 一种储能电池热失控预警方法、系统、电子设备及介质
CN117665595A (zh) 电池状态监控方法、装置、电子设备和存储介质
CN116893366A (zh) 用于运行系统以识别设备的电蓄能器的异常的方法和装置
CN116720650A (zh) 一种电池生命周期管理方法、装置、电子设备及存储介质
CN116365705A (zh) 一种光伏组件故障实时监测方法及系统
CN115901004A (zh) 一种热镀锌生产线锌锅感应加热器健康监测系统及方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20231229