电池自放电故障诊断方法、系统、设备及存储介质与流程

摘要: 本发明涉及电池故障诊断,尤其涉及一种电池自放电故障诊断方法、系统、设备及存储介质。背景技术:1、新能源汽车驻车静置阶段,动力电池停止充放电,电压变化缓慢、有效信...
电池自放电故障诊断方法、系统、设备及存储介质与流程

本发明涉及电池故障诊断,尤其涉及一种电池自放电故障诊断方法、系统、设备及存储介质。

背景技术:

1、新能源汽车驻车静置阶段,动力电池停止充放电,电压变化缓慢、有效信号微弱,同时叠加环境温度波动、采样电路漂移、整车低压回路漏电等干扰。

2、现有技术存在以下不足:

3、1、传统单点电压阈值、单速率判定方式,仅依靠瞬时数据判断,无法反映电压连续变化趋势,对早期、渐进式自放电故障识别能力差,误判、漏判现象频发;

4、2、部分时序分析方案采用全段曲线拟合、复杂滤波或场模型,运算量大,对车载bms算力要求高,工程落地受限。

5、因此,如何在降低算力的同时,提高自放电故障诊断准确率成为一个亟待解决的问题。

技术实现思路

1、本发明的主要目的在于提供了一种电池自放电故障诊断方法、系统、设备及存储介质,旨在解决如何在降低算力的同时,提高自放电故障诊断准确率的技术问题。

2、为实现上述目的,本发明提供了一种电池自放电故障诊断方法,所述电池自放电故障诊断方法包括:

3、在判定车辆进入驻车静置工况后,周期性采集各单体电池电压、环境温度及低压母线电流数据;

4、根据各单体电池电压、所述环境温度及所述低压母线电流数据,采用固定长度滑动窗口截取各单体的局部时序电压序列;

5、分别计算各单体的局部时序电压序列与对应温度下标准电压序列之间的平均绝对偏差,并将所述平均绝对偏差映射为时序相似度;

6、根据所述低压母线电流数据、所述环境温度及车辆下电后的累计静置时长动态分配干扰权重,基于所述干扰权重对所述平均绝对偏差进行加权分层解耦,得到电芯异常自放电特征量;

7、根据所述时序相似度和所述电芯异常自放电特征量对电池自放电故障进行诊断。

8、可选地,所述根据各单体电池电压、所述环境温度及所述低压母线电流数据,采用固定长度滑动窗口截取各单体的局部时序电压序列,包括:

9、对各单体电池电压、所述环境温度及所述低压母线电流数据进行野值剔除预处理,得到连续采样数据序列;

10、基于所述连续采样数据序列,采用固定长度滑动窗口截取各单体的局部时序电压序列。

11、可选地,所述根据所述低压母线电流数据、所述环境温度及车辆下电后的累计静置时长动态分配干扰权重,包括:

12、基于电流区间分界点,根据所述低压母线电流数据通过采样偏差权重分段函数动态分配采样偏差权重;

13、基于所述温度区间分界点,根据所述环境温度通过低压漏电偏差权重分段函数动态分配低压漏电偏差权重;

14、基于电池静置区间分界点,根据车辆下电后的累计静置时长通过正常自放电偏差权重分段函数动态分配正常自放电偏差权重;

15、将所述采样偏差权重、所述低压漏电偏差权重及所述正常自放电偏差权重作为干扰权重。

16、可选地,所述采样偏差权重分段函数为:

17、

18、式中,为低压母线电流数据,和为电流区间分界点,为采样偏差最小权重,为线性段斜率,为线性段截距,为采样偏差最大权重,为采样偏差权重。

19、可选地,所述低压漏电偏差权重分段函数为:

20、

21、式中,为低压漏电偏差权重,为低压漏电偏差最小权重,为低压漏电偏差最大权重,和为温度区间分界点,为环境温度,为线性斜率,为线性截距。

22、可选地,所述正常自放电偏差权重分段函数为:

23、

24、式中,为正常自放电偏差权重,为正常自放电偏差最小权重,为正常自放电偏差最大权重,为线性斜率,为车辆下电后的累计静置时长,为线性截距,和为电池静置区间分界点。

25、可选地,所述基于所述干扰权重对所述平均绝对偏差进行加权分层解耦,得到电芯异常自放电特征量,包括:

26、根据所述干扰权重和所述平均绝对偏差,通过加权分层解耦公式计算电芯异常自放电特征量;

27、所述加权分层解耦公式为:

28、

29、式中,为第i号单体电池的电芯异常自放电特征量,为窗口内单体i的平均绝对偏,为采样偏差权重,为采样漂移对应的分项偏差,为低压漏电偏差权重,为低压回路漏电对应的分项偏差,为正常自放电偏差权重,为电芯固有正常自放电对应的分项偏差。

30、此外,为实现上述目的,本发明还提出一种电池自放电故障诊断系统,所述电池自放电故障诊断系统包括:

31、采集模块,用于在判定车辆进入驻车静置工况后,周期性采集各单体电池电压、环境温度及低压母线电流数据;

32、截取模块,用于根据各单体电池电压、所述环境温度及所述低压母线电流数据,采用固定长度滑动窗口截取各单体的局部时序电压序列;

33、计算模块,用于分别计算各单体的局部时序电压序列与对应温度下标准电压序列之间的平均绝对偏差,并将所述平均绝对偏差映射为时序相似度;

34、所述计算模块,还用于根据所述低压母线电流数据、所述环境温度及车辆下电后的累计静置时长动态分配干扰权重,基于所述干扰权重对所述平均绝对偏差进行加权分层解耦,得到电芯异常自放电特征量;

35、诊断模块,用于根据所述时序相似度和所述电芯异常自放电特征量对电池自放电故障进行诊断。

36、此外,为实现上述目的,本发明还提出一种电池自放电故障诊断设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池自放电故障诊断程序,所述电池自放电故障诊断程序配置为实现如上文所述的电池自放电故障诊断方法的步骤。

37、此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有电池自放电故障诊断程序,所述电池自放电故障诊断程序被处理器执行时实现如上文所述的电池自放电故障诊断方法的步骤。

38、本发明在判定车辆进入驻车静置工况后,首先周期性采集各单体电池电压、环境温度及低压母线电流数据,然后根据各单体电池电压、环境温度及低压母线电流数据,采用固定长度滑动窗口截取各单体的局部时序电压序列,之后分别计算各单体的局部时序电压序列与对应温度下标准电压序列之间的平均绝对偏差,并将平均绝对偏差映射为时序相似度;根据低压母线电流数据、环境温度及车辆下电后的累计静置时长动态分配干扰权重,基于干扰权重对平均绝对偏差进行加权分层解耦,得到电芯异常自放电特征量,最后根据时序相似度和电芯异常自放电特征量对电池自放电故障进行诊断。本发明摒弃传统单点电压、单一速率判定方式,通过滑动窗口时序相似度作为判断特征,之后工况联动动态权重机制,根据环境温度、低压电流、静置时长实时调整各干扰项权重,采用动态权重分层解耦,精准识别电池自放电故障。

1.一种电池自放电故障诊断方法,其特征在于,所述方法包括以下步骤:

2.如权利要求1所述的方法,其特征在于,所述根据各单体电池电压、所述环境温度及所述低压母线电流数据,采用固定长度滑动窗口截取各单体的局部时序电压序列,包括:

3.如权利要求1所述的方法,其特征在于,所述根据所述低压母线电流数据、所述环境温度及车辆下电后的累计静置时长动态分配干扰权重,包括:

4.如权利要求3所述的方法,其特征在于,所述采样偏差权重分段函数为:

5.如权利要求3所述的方法,其特征在于,所述低压漏电偏差权重分段函数为:

6.如权利要求3所述的方法,其特征在于,所述正常自放电偏差权重分段函数为:

7.如权利要求1所述的方法,其特征在于,所述基于所述干扰权重对所述平均绝对偏差进行加权分层解耦,得到电芯异常自放电特征量,包括:

8.一种电池自放电故障诊断系统,其特征在于,所述系统包括:

9.一种电池自放电故障诊断设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池自放电故障诊断程序,所述电池自放电故障诊断程序配置为实现如权利要求1至7中任一项所述的电池自放电故障诊断方法的步骤。

10.一种存储介质,其特征在于,所述存储介质上存储有电池自放电故障诊断程序,所述电池自放电故障诊断程序被处理器执行时实现如权利要求1至7任一项所述的电池自放电故障诊断方法的步骤。