CN117949848A - 电芯容量异常判断方法、装置、设备和存储介质 - Google Patents
电芯容量异常判断方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117949848A CN117949848A CN202311817321.6A CN202311817321A CN117949848A CN 117949848 A CN117949848 A CN 117949848A CN 202311817321 A CN202311817321 A CN 202311817321A CN 117949848 A CN117949848 A CN 117949848A
- Authority
- CN
- China
- Prior art keywords
- battery
- capacity
- vehicle battery
- vehicle
- charge
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007599 discharging Methods 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- COYHRQWNJDJCNA-NUJDXYNKSA-N Thr-Thr-Thr Chemical compound C[C@@H](O)[C@H](N)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H]([C@@H](C)O)C(O)=O COYHRQWNJDJCNA-NUJDXYNKSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请涉及一种电芯容量异常判断方法、装置、设备和存储介质。主要技术方案包括:获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯,根据充放电数据,确定车辆电池的真实电池容量,根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量,根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快,响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯,应用场景广泛,能够全面准确地判断电芯容量异常,有针对性地及时处理异常,提高用户体验。
Description
技术领域
本申请涉及电池技术领域,特别是涉及一种电芯容量异常判断方法、装置、设备和存储介质。
背景技术
容量是电池的重要性能参数,如果容量衰减过快,会导致电动汽车续航里程减少和电池残值降低。容量老化衰减与电芯、pack的设计、用户的使用习惯均有关系,且电池内的各个电芯衰减率不同,若监控到电池容量衰减过快,准确地判断异常电芯容量,及时通知售后质量处理,能够保证用户体验。
目前,通常获取充电开始时电压排位较低的电芯编号,和充电结束时电压排位较高的电芯编号,如果两组电芯编号有交集,则为容量异常电芯。或者,获取电压、电流片断数据,利用电池模型计算每个单体开路电压与最高单体电压之差并积分,根据积分结果判断电芯容量是否异常。上述方法多受内阻、电流等因素影响较大,依赖电压的变化,难以全面准确地判断电芯容量异常。
发明内容
基于此,本申请提供了一种电芯容量异常判断方法、装置、设备和存储介质,以全面准确地判断电芯容量异常,有针对性地及时处理异常,提高用户体验。
第一方面,提供一种电芯容量异常判断方法,该方法包括:
获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯;
根据充放电数据,确定车辆电池的真实电池容量;
根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量;
根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快;
响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯。
根据本申请实施例中一种可实现的方式,充放电数据包括充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量;根据充放电数据,确定车辆电池的真实电池容量,包括:
根据充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量,确定车辆电池的真实电池容量,其中,第一电池剩余电量为车辆电池在充放电开始时刻的剩余电量,第二电池剩余电量为车辆电池在充放电结束时刻的剩余电量。
根据本申请实施例中一种可实现的方式,根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量,包括:
基于真实电池容量和累积特征数据训练特定次数回归模型,得到预设个数容量回归模型,其中,特定次数与预设个数相等;
根据真实电池容量和累积特征数据,基于预先训练好的时序预测模型确定车辆电池的容量预测特征数据;
根据容量预测特征数据,基于预设个数容量回归模型确定车辆电池的预测电池容量。
根据本申请实施例中一种可实现的方式,根据真实电池容量和累积特征数据,基于预先训练好的时序预测模型确定车辆电池的容量预测特征数据,包括:
对真实电池容量进行滤波处理,得到车辆电池的容量日历衰减曲线图,其中,容量日历衰减曲线图的横轴表示日历时间;
基于预设预测步长将容量日历衰减曲线图的日历时间划分为第一时间段和第二时间段;
将第一时间段的累积特征数据输入预先训练好的时序预测模型,得到车辆电池在第二时间段的容量预测特征数据。
根据本申请实施例中一种可实现的方式,根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快,包括:
计算车辆电池在同一日期下预测电池容量的预测电池容量平均值;
根据真实电池容量、预测电池容量平均值和第一预设系数,判断车辆电池的电池容量是否偏低;
当连续预设次数电池容量偏低时,判断车辆电池的电池容量衰减过快。
根据本申请实施例中一种可实现的方式,根据充放电数据,判断车辆电池中容量异常的电芯,包括:
根据充放电数据,计算车辆电池中每个电芯的容量;
根据每个电芯的容量,计算车辆电池中电芯容量的平均值和标准差;
根据每个电芯的容量、车辆电池中电芯容量的平均值和标准差,判断车辆电池中容量异常的电芯。
根据本申请实施例中一种可实现的方式,该方法还包括:
当车辆电池中存在容量异常的电芯后,获取容量异常电芯的电芯编号;
根据电芯编号和容量异常电芯的容量,生成告警信息;
向用户端发送告警信息,以使用户根据告警信息处理异常。
第二方面,提供了一种电芯容量异常判断装置,该装置包括:
获取模块,用于获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯;
确定模块,用于根据充放电数据,确定车辆电池的真实电池容量;
确定模块,还用于根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量;
判断模块,用于根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快;
判断模块,还用于响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯。
第三方面,提供了一种计算机设备,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计算机指令,所述计算机指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面中涉及的方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令用于使计算机执行上述第一方面中涉及的方法。
根据本申请实施例所提供的技术内容,通过获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯,根据充放电数据,确定车辆电池的真实电池容量,根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量,根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快,响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯,应用场景广泛,能够全面准确地判断电芯容量异常,有针对性地及时处理异常,提高用户体验。
附图说明
图1为一个实施例中电芯容量异常判断方法的应用环境图;
图2为一个实施例中电芯容量异常判断方法的流程示意图;
图3为一个实施例中电芯容量异常判断装置的结构框图;
图4为一个实施例中计算机设备的示意性结构图。
具体实施方式
以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
为了方便理解,首先对本申请所适用的系统进行描述。本申请提供的自动泊车控制方法,可以应用于如图1所示的系统架构中。其中,车辆100包括车载终端110。车载终端110获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯,根据充放电数据,确定车辆电池的真实电池容量,根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量,根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快,响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯。其中,车载终端110可以但不限于是与车辆连接的各种个人计算机、笔记本电脑。
图2为本申请实施例提供的一种电芯容量异常判断方法的流程图,该方法可以由如图1所示系统中的车载终端110执行。如图2所示,该方法可以包括以下步骤:
S210,获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据。
其中,车辆电池包括多个电芯。累积特征数据为与车辆电池的电池容量衰减有关特征的累积数据,累积特征数据包括累积行驶里程、累积充电容量、日历时间、不同温度下充电的累积时长、累积快慢充次数、不同充电深度的累积充电次数、累积急加急减次数、累积均衡次数、累积均衡时间等。
充放电数据为与车辆电池充放电相关的数据,充放电数据可以包括充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量、第二电池剩余电量、充放电电流率、充放电温度等。其中,第一电池剩余电量为车辆电池在充放电开始时刻的剩余电量,第二电池剩余电量为车辆电池在充放电结束时刻的剩余电量。
在车辆日常行驶中,动力电池在使用过程中产生的相关数据会上传至云端保存,因此,车载终端可以从云端数据库获取车辆电池的累积特征数据和充放电数据。车辆电池包括多个电芯,相应地,车辆电池的累积特征数据和充放电数据中也包括多个电芯的累积特征数据和充放电数据。
S220,根据充放电数据,确定车辆电池的真实电池容量。
根据充放电数据中充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量,通过以下公式计算车辆电池的真实电池容量:
其中,Cap_real表示真实电池容量,I表示电流值,t1表示充放电开始时刻,t2表示充放电结束时刻,SOCt1表示第一电池剩余电量,SOCt2表示第二电池剩余电量。为保证电池容量计算的准确性,充放电数据需尽可能满足:abs(SOCt2-SOCt1)>x%,车辆电池充放电过程温度在[y℃,z℃]范围内,其中x、y、z可标定,例如x=30,y=0,z=45。
S230,根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量。
根据真实电池容量和累积特征数据训练回归模型得到容量回归模型,将累积特征数据输入基于预先训练好的时序预测模型得到车辆电池的容量预测特征数据,将容量预测特征数据输入基于预设个数容量回归模型得到车辆电池的预测电池容量。其中,预测电池容量并不是未来某个时间段的电池容量,而是根据历史数据中前一时间段的真实电池容量和累积特征数据,预测出后一时间段的电池容量。
S240,根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快。
根据真实电池容量和其对应的测电池容量,判断车辆电池的电池容量是否偏低,记录电池容量偏低的次数。为了避免判断电池容量偏低的偶然性,当连续多次电池容量偏低时,再确定车辆电池的电池容量衰减过快,进而提高判断电池容量衰减过快的准确性。
S250,响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯。
在确定车辆电池的电池容量衰减过快之后,根据充放电数据,计算车辆电池中每个电芯的容量,进而判断车辆电池中容量异常的电芯。若车辆电池的电池容量未出现衰减过快,说明车辆电池问题不大,无需进一步判断车辆电池中的电芯是否异常。在确定车辆电池异常后再识别容量异常的电芯,能够节约不必要的计算资源,减少电芯容量异常的判断时间,及时处理异常,提供用户体验。
可以看出,本申请实施例通过获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯,根据充放电数据,确定车辆电池的真实电池容量,根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量,根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快,响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯,应用场景广泛,能够全面准确地判断电芯容量异常,有针对性地及时处理异常,提高用户体验。
下面对上述方法流程中的各步骤进行详细描述。首先结合实施例对上述S230即“根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量”进行详细描述。
作为一种可实现的方式,基于真实电池容量和累积特征数据训练特定次数回归模型,得到预设个数容量回归模型,其中,特定次数与预设个数相等;
根据真实电池容量和累积特征数据,基于预先训练好的时序预测模型确定车辆电池的容量预测特征数据;
根据容量预测特征数据,基于预设个数容量回归模型确定车辆电池的预测电池容量。
将累积特征数据作为输入,将真实电池容量作为输出训练回归模型,得到容量回归模型。基于真实电池容量和累积特征数据训练特定次数回归模型,得到预设个数容量回归模型。其中,特定次数与预设个数相等,特定次数和预设个数的取值范围为[10,50]。回归模型包括但不限于多元线性回归、随机森林、长短期记忆网络等。
具体地,根据真实电池容量和累积特征数据,基于预先训练好的时序预测模型确定车辆电池的容量预测特征数据,包括:
对真实电池容量进行滤波处理,得到车辆电池的容量日历衰减曲线图,其中,容量日历衰减曲线图的横轴表示日历时间;
基于预设预测步长将容量日历衰减曲线图的日历时间划分为第一时间段和第二时间段;
将第一时间段的累积特征数据输入预先训练好的时序预测模型,得到车辆的电池在第二时间段的容量预测特征数据。
通过对真实电池容量进行滤波处理,以减小真实电池容量的波动性,滤波处理算法可以采用卡尔曼滤波、滑动平均等。根据滤波处理后的真实电池容量和其对应的日历时间绘出容量日历衰减曲线图,其中,容量日历衰减曲线图的横轴表示日历时间,单位为天,容量日历衰减曲线图的竖轴表示真实电池容量,单位为安培。日历时间的起始值为0,终值为车辆电池的当前日历时间。
预设预测步长为需要预测电池容量的时间段,为保证预测精度,预设预测步长最好小于等于180。第一时间段为日历时间的终值与预设预测步长差值对应的时间段,第二时间段为预设预测步长的时间段。以T表示车辆电池的当前日历时间,t表示预设预测步长,第一时间段可以表示为0~T-t,第二时间段为T-t~T。
对真实电池容量进行滤波处理后,也可以真实电池容量的日历时间进行排序,然后基于预设预测步长将日历时间划分为第一时间段和第二时间段。
提取第一时间段的累积特征数,输入预先训练好的时序预测模型,输出车辆电池在第二时间段的容量预测特征数据。其中,时序预测模型包括但不限于线性回归、Arima模型等。
将容量预测特征数据分别输入预设个数容量回归模型,得到车辆电池在第二时间段的预测电池容量,第二时间段的预测电池容量为预设个数电池容量序列。
下面结合实施例对上述步骤S240即“根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快”进行详细描述。
作为一种可实现的方式,计算车辆电池在同一日期下预测电池容量的预测电池容量平均值;
根据真实电池容量、预测电池容量平均值和第一预设系数,判断车辆电池的电池容量是否偏低;
当连续预设次数电池容量偏低时,判断车辆电池的电池容量衰减过快。
提取同一日期下的预测电池容量,计算同一日期下的预测电池容量的预测电池容量平均值,该值反映的是具有相似行为的电池容量均值。
当预测电池容量平均值与真实电池容量的差值大于第一预设系数和预测电池容量平均值的乘积时,说明车辆电池的电池容量偏低。第一预设系数可标定,略高于时序预测模型的误差,比如,时序预测模型的误差为3%,第一预设系数可标定为4%-10%。如果标定过小,容易导致误报,如果过大,则风险识别会不及时。
除此之外,还可以利用n-sigma原则判断车辆电池的电池容量是否偏低,计算同一日期下的预测电池容量的标准差,若预测电池容量平均值减去预测电池容量的标准差与第二预设系数的乘积大于真实电池容量,说明车辆电池的电池容量偏低,其中,第二预设系数可标定,例如,第二预设系数可为3。
为避免数据波动导致的误报,当连续预设次数电池容量偏低时,说明车辆电池确实出现异常,排除偶然性,于是判断车辆电池的电池容量衰减过快。预设次数可标定为7,或者其他整数,但不宜过小。
或者,设置第三预设系数,得到第三预设系数与预设预测步长的乘积作为判断阈值,当车辆电池超过判断阈值天数电池容量偏低,则确定车辆电池的电池容量衰减过快。其中,第三预设系数的取值范围为(0,100%)。
下面结合实施例对上述步骤S250即“响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯”进行详细描述。
作为一种可实现的方式,根据充放电数据,计算车辆电池中每个电芯的容量;
根据每个电芯的容量,计算车辆电池中电芯容量的平均值和标准差;
根据每个电芯的容量、车辆电池中电芯容量的平均值和标准差,判断车辆电池中容量异常的电芯。
一个车辆电池有上百个电芯,需要进一步分析确定哪些电芯容量衰减过快。根据充放电数据,采用以下公式计算车辆电池中每个电芯的容量:
其中,Cap(i)表示电芯的容量,I表示电流值,t1表示充放电开始时刻,t2表示充放电结束时刻,SOC(i)t1表示在充放电开始时刻第i个电芯的剩余电量,SOCt2表示在充放电结束时刻第i个电芯的剩余电量。
每个电芯的容量为车辆电池在当前日历时间及其之前所有日期的全量电芯容量,根据每个电芯的容量,计算车辆电池中电芯容量的平均值和标准差。根据每个电芯的容量、车辆电池中电芯容量的平均值和标准差,利用n-sigma原则判断车辆电池中容量异常的电芯。
若每个电芯的容量、车辆电池中电芯容量的平均值和标准差满足Cap(i)<Cap平均-n2*δ2,说明该电芯容量过低,则表明该电芯容量异常。其中,Cap(i)为电芯的容量,Cap平均为电芯容量的平均值,δ2为电芯容量的标准差,基于n-sigma原则n2可选取3。
作为一种可实现的方式,该方法还包括:
当车辆电池中存在容量异常的电芯后,获取容量异常电芯的电芯编号;
根据电芯编号和容量异常电芯的容量,生成告警信息;
向用户端发送告警信息,以使用户根据告警信息处理异常。
告警信息包括电芯编号、容量异常电芯的容量、异常原因等信息,在生告警信息之后,向用户端发送告警信息之后,用户根据告警信息确定容量异常电芯并处理异常。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本申请中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图3为本申请实施例提供的一种电芯容量异常判断装置的结构示意图,该装置可以设置于图1所示系统中的车载终端110,用以执行如图2中所示的方法流程。如图3所示,该装置可以包括:获取模块310、确定模块320和判断模块330,还可以进一步包括:告警模块。其中各组成模块的主要功能如下:
获取模块310,用于获取车辆电池全生命周期的累积特征数据以及车辆电池的充放电数据,其中,车辆电池包括多个电芯;
确定模块320,用于根据充放电数据,确定车辆电池的真实电池容量;
确定模块320,还用于根据真实电池容量和累积特征数据,确定车辆电池的预测电池容量;
判断模块330,用于根据真实电池容量和预测电池容量,判断车辆电池的电池容量是否衰减过快;
判断模块330,还用于响应于车辆电池的电池容量衰减过快,根据充放电数据,判断车辆电池中容量异常的电芯。
作为一种可实现的方式,充放电数据包括充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量;确定模块320,具体用于:根据充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量,确定车辆电池的真实电池容量,其中,第一电池剩余电量为车辆电池在充放电开始时刻的剩余电量,第二电池剩余电量为车辆电池在充放电结束时刻的剩余电量。
作为一种可实现的方式,确定模块320,具体用于:基于真实电池容量和累积特征数据训练特定次数回归模型,得到预设个数容量回归模型,其中,特定次数与预设个数相等;
根据真实电池容量和累积特征数据,基于预先训练好的时序预测模型确定车辆电池的容量预测特征数据;
根据容量预测特征数据,基于预设个数容量回归模型确定车辆电池的预测电池容量。
作为一种可实现的方式,确定模块320,还具体用于:
对真实电池容量进行滤波处理,得到车辆电池的容量日历衰减曲线图,其中,容量日历衰减曲线图的横轴表示日历时间;
基于预设预测步长将容量日历衰减曲线图的日历时间划分为第一时间段和第二时间段;
将第一时间段的累积特征数据输入预先训练好的时序预测模型,得到车辆的电池在第二时间段的容量预测特征数据。
作为一种可实现的方式,判断模块330,具体用于:
计算车辆电池在同一日期下预测电池容量的预测电池容量平均值;
根据真实电池容量、预测电池容量平均值和第一预设系数,判断车辆电池的电池容量是否偏低;
当连续预设次数电池容量偏低时,判断车辆电池的电池容量衰减过快。
作为一种可实现的方式,判断模块330,还具体用于:
根据充放电数据,计算车辆电池中每个电芯的容量;
根据每个电芯的容量,计算车辆电池中电芯容量的平均值和标准差;
根据每个电芯的容量、车辆电池中电芯容量的平均值和标准差,判断车辆电池中容量异常的电芯。
作为一种可实现的方式,该装置还包括告警模块,用于:当车辆电池中存在容量异常的电芯后,获取容量异常电芯的电芯编号;
根据电芯编号和容量异常电芯的容量,生成告警信息;
向用户端发送告警信息,以使用户根据告警信息处理异常。
上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。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
根据本申请的实施例,本申请还提供了一种计算机设备、一种计算机可读存储介质。
如图4所示,是根据本申请实施例的计算机设备的框图。计算机设备旨在表示各种形式的数字计算机或移动装置。其中数字计算机可以包括台式计算机、便携式计算机、工作台、个人数字助理、服务器、大型计算机和其它适合的计算机。移动装置可以包括平板电脑、智能电话、可穿戴式设备等。
如图4所示,设备400包括计算单元401、ROM 402、RAM 403、总线404以及输入/输出(I/O)接口405,计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
计算单元401可以根据存储在只读存储器(ROM)402中的计算机指令或者从存储单元408加载到随机访问存储器(RAM)403中的计算机指令,来执行本申请方法实施例中的各种处理。计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401可以包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。在一些实施例中,本申请实施例提供的方法可被实现为计算机软件程序,其被有形地包含于计算机可读存储介质,例如存储单元408。
RAM 403还可存储设备400操作所需的各种程序和数据。计算机程序的部分或者全部可以经由ROM 802和/或通信单元409而被载入和/或安装到设备400上。
设备400中的输入单元406、输出单元407、存储单元408和通信单元409可以连接至I/O接口405。其中,输入单元406可以是诸如键盘、鼠标、触摸屏、麦克风等;输出单元407可以是诸如显示器、扬声器、指示灯等。设备400能够通过通信单元409与其他设备进行信息、数据等的交换。
需要说明的是,该设备还可以包括实现正常运行所必需的其他组件。也可以仅包含实现本申请方案所必需的组件,而不必包含图中所示的全部组件。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。
用于实施本申请的方法的计算机指令可以采用一个或多个编程语言的任何组合来编写。这些计算机指令可以提供给计算单元401,使得计算机指令当由诸如处理器等计算单元401执行时使执行本申请方法实施例中涉及的各步骤。
本申请提供的计算机可读存储介质可以是有形的介质,其可以包含或存储计算机指令,用以执行本申请方法实施例中涉及的各步骤。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的等形式的存储介质。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种电芯容量异常判断方法,其特征在于,所述方法包括:
获取车辆电池全生命周期的累积特征数据以及所述车辆电池的充放电数据,其中,所述车辆电池包括多个电芯;
根据所述充放电数据,确定所述车辆电池的真实电池容量;
根据所述真实电池容量和所述累积特征数据,确定所述车辆电池的预测电池容量;
根据所述真实电池容量和所述预测电池容量,判断所述车辆电池的电池容量是否衰减过快;
响应于所述车辆电池的电池容量衰减过快,根据所述充放电数据,判断所述车辆电池中容量异常的电芯。
2.根据权利要求1所述的方法,其特征在于,所述充放电数据包括充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量;所述根据所述充放电数据,确定所述车辆电池的真实电池容量,包括:
根据所述充放电开始时刻、充放电结束时刻、电流值、第一电池剩余电量和第二电池剩余电量,确定所述车辆电池的真实电池容量,其中,所述第一电池剩余电量为所述车辆电池在充放电开始时刻的剩余电量,所述第二电池剩余电量为所述车辆电池在充放电结束时刻的剩余电量。
3.根据权利要求1所述的方法,其特征在于,所述根据所述真实电池容量和所述累积特征数据,确定所述车辆电池的预测电池容量,包括:
基于所述真实电池容量和所述累积特征数据训练特定次数回归模型,得到预设个数容量回归模型,其中,所述特定次数与所述预设个数相等;
根据所述真实电池容量和所述累积特征数据,基于预先训练好的时序预测模型确定所述车辆电池的容量预测特征数据;
根据所述容量预测特征数据,基于所述预设个数容量回归模型确定所述车辆电池的预测电池容量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述真实电池容量和所述累积特征数据,基于预先训练好的时序预测模型确定所述车辆电池的容量预测特征数据,包括:
对所述真实电池容量进行滤波处理,得到所述车辆电池的容量日历衰减曲线图,其中,所述容量日历衰减曲线图的横轴表示日历时间;
基于预设预测步长将所述容量日历衰减曲线图的日历时间划分为第一时间段和第二时间段;
将所述第一时间段的累积特征数据输入预先训练好的时序预测模型,得到所述车辆的电池在所述第二时间段的容量预测特征数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述真实电池容量和所述预测电池容量,判断所述车辆电池的电池容量是否衰减过快,包括:
计算所述车辆电池在同一日期下预测电池容量的预测电池容量平均值;
根据所述真实电池容量、所述预测电池容量平均值和第一预设系数,判断所述车辆电池的电池容量是否偏低;
当连续预设次数电池容量偏低时,判断所述车辆电池的电池容量衰减过快。
6.根据权利要求1所述的方法,其特征在于,所述根据所述充放电数据,判断所述车辆电池中容量异常的电芯,包括:
根据所述充放电数据,计算所述车辆电池中每个电芯的容量;
根据所述每个电芯的容量,计算所述车辆电池中电芯容量的平均值和标准差;
根据所述每个电芯的容量、所述车辆电池中电芯容量的平均值和标准差,判断所述车辆电池中容量异常的电芯。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述车辆电池中存在容量异常的电芯后,获取容量异常电芯的电芯编号;
根据所述电芯编号和所述容量异常电芯的容量,生成告警信息;
向用户端发送所述告警信息,以使用户根据所述告警信息处理异常。
8.一种电芯容量异常判断装置,其特征在于,所述装置包括:
获取模块,用于获取车辆电池全生命周期的累积特征数据以及所述车辆电池的充放电数据,其中,所述车辆电池包括多个电芯;
确定模块,用于根据所述充放电数据,确定所述车辆电池的真实电池容量;
所述确定模块,还用于根据所述真实电池容量和所述累积特征数据,确定所述车辆电池的预测电池容量;
判断模块,用于根据所述真实电池容量和所述预测电池容量,判断所述车辆电池的电池容量是否衰减过快;
所述判断模块,还用于响应于所述车辆电池的电池容量衰减过快,根据所述充放电数据,判断所述车辆电池中容量异常的电芯。
9.一种计算机设备,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计算机指令,所述计算机指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311817321.6A CN117949848A (zh) | 2023-12-27 | 2023-12-27 | 电芯容量异常判断方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311817321.6A CN117949848A (zh) | 2023-12-27 | 2023-12-27 | 电芯容量异常判断方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117949848A true CN117949848A (zh) | 2024-04-30 |
Family
ID=90795185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311817321.6A Pending CN117949848A (zh) | 2023-12-27 | 2023-12-27 | 电芯容量异常判断方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117949848A (zh) |
-
2023
- 2023-12-27 CN CN202311817321.6A patent/CN117949848A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160161567A1 (en) | Method and apparatus for estimating state of battery | |
CN104956233B (zh) | 电池状态推断装置 | |
US8412658B2 (en) | System and method for estimating long term characteristics of battery | |
WO2009025512A2 (en) | System and method for estimating long term characteristics of battery | |
WO2023197939A1 (zh) | Ocv-soc标定及估算方法、装置、介质和车辆 | |
CN114818831B (zh) | 基于多源感知的双向锂离子电池故障检测方法及系统 | |
CN115808922B (zh) | 商用电动车辆能耗预测方法、装置和计算机设备 | |
WO2022144542A1 (en) | Method for predicting condition parameter degradation of a cell | |
CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
CN114895205A (zh) | 电池模型参数的获取方法、装置、计算机设备、存储介质 | |
CN117148177A (zh) | 电池动态一致性评价方法、装置和计算机设备 | |
CN114280485B (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
CN111231758B (zh) | 一种电池容量的估算方法、装置、电子设备及介质 | |
CN115805810A (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
Hatherall et al. | Remaining discharge energy estimation for lithium-ion batteries using pattern recognition and power prediction | |
CN117031292A (zh) | 电池健康状态预测方法、装置、计算机设备和存储介质 | |
CN117949848A (zh) | 电芯容量异常判断方法、装置、设备和存储介质 | |
CN116008815A (zh) | 一种电芯内短路检测方法、装置、设备、存储介质及车辆 | |
CN115951249A (zh) | 电池状态监测方法、系统、电子设备及存储介质 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
CN116203427A (zh) | 车载电池健康状态的预测方法、装置、设备和存储介质 | |
CN115963404A (zh) | 一种电池荷电状态预测方法、设备和存储介质 | |
CN114764600A (zh) | 新能源车电池包的寿命预测方法、装置和电子设备 | |
CN114970734A (zh) | 异常电池确定方法、装置、计算机设备和存储介质 | |
CN116298944A (zh) | 充电剩余时间显示控制方法、装置、设备、车辆及介质 |
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 |