电池异常识别方法、装置、设备、介质及程序产品与流程

1.本技术涉及电池异常识别领域，尤其涉及一种电池异常识别方法、装置、设备、介质及程序产品。


背景技术：

2.新能源电动汽车近年来是汽车技术发展的一个重要的发展方向。而电池是电动汽车中的核心零部件，其由大量单体电芯串联和/或并联而成的复杂系统，电池中电芯的故障演化是一个时间跨度很长的缓慢过程，并且电池也继承了电子设备故障隐藏的特性，即难以在电池发生不可逆损坏前提前发现故障。
3.目前，一般是通过传感器采集电池系统中各个电池组或电芯单体的电压、电流以及温度等外部特性来直接判断电池是否发生异常故障。比如三元锂电池单体的电压一般为3.7～4.2v，当传感器检测到电池单体电压低于上述范围时，即认为电池单体发生了故障。但是此时，往往电池单体的故障已经是不可逆的故障，而对于在之前很长一段时间内电池单体内部的情况，无法得到有效的监测。这也导致电池组的维护只能采取整组替换的方式，而做不到精准维护，极大地影响到了电动车的行车安全。
4.因此，现有技术中存在对于电池内部的异常监测缺失，无法准确识别电池内部是否存在隐性异常的技术问题。


技术实现要素：

5.本技术提供一种电池异常识别方法、装置、设备、介质及程序产品，以解决现有技术中对于电池内部的异常监测缺失，无法准确识别电池内部是否存在隐性异常的技术问题。
6.第一个方面，本技术提供一种电池异常识别方法，包括：
7.获取电池的多维度特征参数，多维度特征参数包括电池的多项内部特性参数，各项内部特性参数用于从不同角度表征电池的内部环境和/或内部状态；
8.利用预设数据分析模型，根据多维度特征参数，识别电池是否发生异常；
9.若是，则输出预警信息。
10.在一种可能的设计中，内部特性参数包括：在电池管理系统中，利用预设电池模型，根据外部特性参数而确定的物理和/或化学特性参数，外部特性参数是通过传感器检测到的电池特性参数。
11.可选的，内部特性参数包括：内部状态参数以及内部状态参数的影响因子，内部状态参数包括：电池荷电状态soc、电池健康状态soh、电池功率状态sop、电池剩余电量soe、电池功能状态sof中的至少一项，影响因子包括预设电池模型中的模型配套参数。
12.可选的，影响因子包括：欧姆内阻、电荷转移电阻、电荷转移电容、物质扩散电阻、物质扩散电容、电感、自放电率、电芯膨胀力、电池阻抗谱、不同温度条件下的阻抗数据表。
13.在一种可能的设计中，获取电池的多维度特征参数，包括：
14.根据预设提取规则，从电池管理系统的内部数据流中提取多维度特征参数。
15.可选的，在获取电池的多维度特征参数之前，还包括：
16.响应于预设触发指令，根据预设触发指令确定预设提取规则。
17.在一种可能的设计中，预设提取规则包括：从预设提取时间点开始，根据预设时间间隔，向前和/或向后提取内部数据流中的历史数据。
18.第二方面，本技术提供一种电池异常识别装置，包括：
19.获取模块，用于获取电池的多维度特征参数，所述多维度特征参数包括所述电池的多项内部特性参数，各项所述内部特性参数用于从不同角度表征所述电池的内部环境和/或内部状态；
20.处理模块，用于利用预设数据分析模型，根据所述多维度特征参数，识别所述电池是否发生异常；若是，则输出预警信息。
21.在一种可能的设计中，内部特性参数包括：在电池管理系统中，利用预设电池模型，根据外部特性参数而确定的物理和/或化学特性参数，外部特性参数是通过传感器检测到的电池特性参数。
22.可选的，内部特性参数包括：内部状态参数以及内部状态参数的影响因子，内部状态参数包括：电池荷电状态soc、电池健康状态soh、电池功率状态sop、电池剩余电量soe、电池功能状态sof中的至少一项，影响因子包括预设电池模型中的模型配套参数。
23.可选的，影响因子包括：欧姆内阻、电荷转移电阻、电荷转移电容、物质扩散电阻、物质扩散电容、电感、自放电率、电芯膨胀力、电池阻抗谱、不同温度条件下的阻抗数据表。
24.在一种可能的设计中，获取模块，用于根据预设提取规则，从电池管理系统的内部数据流中提取多维度特征参数。
25.可选的，处理模块，还用于响应于预设触发指令，根据预设触发指令确定预设提取规则。
26.在一种可能的设计中，预设提取规则包括：从预设提取时间点开始，根据预设时间间隔，向前和/或向后提取内部数据流中的历史数据。
27.第三方面，本技术提供一种电子设备，包括：
28.存储器，用于存储程序指令；
29.处理器，用于调用并执行所述存储器中的程序指令，执行第一方面所提供的任意一种可能的电池异常识别方法。
30.第四方面，本技术提供一种存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行第一方面所提供的任意一种可能的电池异常识别方法。
31.第五方面，本技术还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的电池异常识别系统方法。
32.本技术提供了一种电池异常识别方法、装置、设备、介质及程序产品，通过获取电池的多维度特征参数，多维度特征参数包括电池的多项内部特性参数，各项内部特性参数用于从不同角度表征电池的内部环境和/或内部状态；利用预设数据分析模型，根据多维度特征参数，识别电池是否发生异常；若是，则输出预警信息。解决了现有技术中对于电池内部的异常监测缺失，无法准确识别电池内部是否存在隐性异常的技术问题。达到了及时发现电池发生隐性地异常状况，精准维护电池，降低电池维护成本的技术效果。
附图说明
33.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
34.图1为本技术提供的一种动力电池异常识别的场景示意图；
35.图2为本技术提供的一种电池异常识别方法的流程示意图；
36.图3为本技术实施提供的另一种电池异常识别方法的流程示意图；
37.图4为本技术实施例提供的一种电池异常识别装置的结构示意图；
38.图5为本技术提供的一种电子设备的结构示意图。
39.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
40.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，包括但不限于对多个实施例的组合，都属于本技术保护的范围。
41.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的本技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。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单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，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单元。
42.电池管理系统bms(battery management system)：俗称之为电池保姆或电池管家，主要就是为了智能化管理及维护各个电池单元，防止电池出现过充电和过放电，延长电池的使用寿命，监控电池的状态。主要用于实现以下几个功能：
43.(1)电池端电压的测量；
44.(2)单体电池间的能量均衡：
45.即为单体电池均衡充电，使电池组中各个电池都达到均衡一致的状态。均衡技术是世界正在致力研究与开发的一项电池能量管理系统的关键技术。
46.(3)电池组总电压测量；
47.(4)电池组总电流测量；
48.(5)soc计算；
49.准确估测动力电池组的荷电状态(state of charge，即soc)，即电池剩余电量，保证soc维持在合理的范围内，防止由于过充电或过放电对电池的损伤，
50.(6)动态监测动力电池组的工作状态：
51.在电池充放电过程中，实时采集电池组中的每块电池的端电压和温度、充放电电
流及电池包总电压，防止电池发生过充电或过放电现象。
52.(7)实时数据显示；
53.(8)数据记录及分析；
54.同时挑选出有问题的电池，保持整组电池运行的可靠性和高效性。
55.(9)通讯组网功能。
56.soc(state of charge，电池荷电状态)：蓄电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0～1，当soc＝0时表示电池放电完全，当soc＝1时表示电池完全充满。
57.soh(state of health，电池健康状态)：用以表征电池容量、健康度、性能状态的评价指标，即蓄电池满充容量相对额定容量的百分比，新出厂电池为100％，完全报废为0％。
58.sop(state of power，电池功率状态)：用以表征动力电池的放电能力，随着soc的降低，以及环境温度的变化，会有所不同。剩余电量太少，温度过高或者过低，电池包都需要降低功率工作，以保护电池不受不可逆的损伤，避免发生热失控事故。
59.soe(state of energy，电池剩余电量)：电动汽车剩余里程估计的基础。
60.sof(state of function，电池功能状态)：由soc和soh共同确定，估计电池的sof可以简单认为是在估计电池的最大可用功率。常用的sof估计方法可以分为基于电池map特性图的方法和基于电池模型的动态方法两大类。
61.为解决现有技术中对于电池内部的异常监测缺失，无法准确识别电池内部是否存在隐性异常的技术问题。本技术的发明构思是：
62.对容易引起上述现象的电池组上高压模式和充电模式进行控制细化，对各个电池组的状态进行电压平衡，使得高压母线上的电压电流不会出现较大的突变，减小由于电压或电流突变而导致的一系列问题。
63.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
64.图1为本技术提供的一种动力电池异常识别的场景示意图。如图1所示，电动汽车的动力电池100是有多个电池组102进行串并联而组成的，每个电池组102中都包含多个电芯单体，并且整个动力电池100由电池管理系统bms101进行统筹管理。电池管理系统bms101实时向大数据管理平台即电池监测平台110推送其在实际运行中的数据，以使得电池监测平台110能够准确对动力电池100中的内部环境或内部状态进行高维度(3个维度以上)的量度，以在动力电池100发生不可逆的故障前，将故障的具体原因识别出来，并反馈给用户进行及时处理。
65.图2为本技术实施例提供的一种电池异常识别方法的流程示意图。如图2所示，该电池异常识别方法应用于电池监测平台，其具体步骤包括：
66.s201、获取电池的多维度特征参数。
67.在本步骤中，多维度特征参数包括电池的多项内部特性参数，各项内部特性参数用于从不同角度表征电池的内部环境和/或内部状态。
68.在本实施例中，内部特性参数包括：电池管理系统bms利用预设电池模型，根据外
部特性参数而确定的物理和/或化学特性参数。外部特性参数是电池管理系统bms通过传感器检测到的电池特性参数。其中，内部特性参数为在预设时间内根据预设采样频率对电池在实际运行中的过程数据进行采样所得到的，如每10ms采样一次。
69.具体的，电池管理系统bms在设计的时候针对于其管理的电池组以及电池组中的各个电芯单体建立了预设电池模型，如基于等效电路模型的kalman滤波器模型，在电池上电工作的过程中，电池管理系统bms利用预设电池模型实时估算电池荷电状态soc的过程中，会得到电芯单体电压、电池的欧姆极化、电荷转移极化、物质扩散极化、电感极化、内部温度等中间过程的状态参数。
70.同理，电池管理系统bms利用预设电池模型实时估算电池健康状态soh的的过程中，会得到欧姆内阻、电荷转移电阻、电荷转移电容、物质扩散电阻、物质扩散电容、电感、自放电率等中间过程的状态参数。
71.估算得到的上述任一状态参数或其组合均可作为电池内部状态或性能的评价参数，即内部特性参数，实时上报给电池监测平台。
72.又例如，有的电池管理系统bms会采集电芯膨胀力信息，那么基于包含电芯膨胀力而计算得到的电池荷电状态soc或电池健康状态soh也可作为内部特性参数。例如有的bms还会估算电池剩余电量soe、电池功率状态sop，有的bms采用的电池模型使用的参数是电池阻抗谱或者不同温度条件下的阻抗数据表，这些都可作为内部特性参数。
73.需要说明的是，电池监测平台即大数据平台通过无线的方式(如：物联网、车联网、2/3/4/5g或后续的移动通讯方式)与电池中的电池管理系统bms进行连接。
74.现有技术中，由于国家标准或行业标准的要求，一般电池管理系统bms只将传感器采集的电池组或电芯单体的外部特性参数，即电压、电流以及温度，上传给服务器或其它监视系统，并且其采样频率很低，10～30s采集一个样本数据。本技术发明人发现由于外部特性参数种类较少，样本数量也不够，造成了某些隐性的偶发性的电池异常现象，很难被识别出来。
75.例如，对于电芯单体的内短路检测来说，内短路的原因一般包括：电芯本质缺陷、外力冲击导致结构损坏、电芯高温滥用导致内部融坏、电芯大倍率滥用导致内部析锂等，但是无论是哪一种原因，从电芯单体的外部特性参数上表现出来的都非常相似，如输出电压下降以及温度上升。
76.现有技术一般需要将电池返厂后，在实验台上进行检测，即只能通过离线检测的形式进行内短路原因的检测。而无法进行线上检测(即电池还在车辆上供电时就进行非拆机检测)，或者线上检测由于样本数据量过于稀疏，而无法准确识别。
77.显然采用现有技术无法在电芯单体发生不可逆故障时或之前将其准确检测出来。
78.可以理解的是，在一种可能的设计中，多维度特征参数还包括电池的外部特征参数，因为要完整准确的认知电池的内部环境或内部状态，需要尽可能多的角度去观察和评价电池，即采用更多的电池特性参数来对其模型进行完善，以便于及时发现电池的异常状态。
79.本实施例所提供的方法，以内部特征参数作为补充数据，用以完善仅凭外部特征参数无法准确表征的电池内部环境和/或内部状态。
80.s202、利用预设数据分析模型，根据多维度特征参数，识别电池是否发生异常。
81.在本实施例中，预设数据分析模型集成在了电池管理系统bms中，电池监测平台将电池管理系统bms推送来的多维度特征参数进行初步筛选(滤除杂波或者重复多次出现的正常数据)、补充历史统计数据，并进行压缩后，重新发送给电池管理系统bms，由bms再根据反馈回来的多维度特征参数鉴别电池是否发生了异常。
82.多维度特征数据虽然进行了两次来回传输，但是相比与完全由电池管理系统bms来进行上述电池监测平台的处理步骤，会严重消耗bms的计算资源，其所造成的延迟远高于两次数据传输的用时，因此可以提高bms识别电池异常状态的响应速度，即提高异常识别的实时性。
83.具体地，在预设数据分析模型的识别过程中，对于正常电芯单体，其欧姆内阻、电荷转移电阻和物质扩散电阻在材料相变过程中相对稳定，并在充电末期和放电末期出现明显增加，电荷转移电容和物质扩散电容也具有一定的变化规律。使用欧姆内阻、电荷转移电阻、物质扩散电阻、电荷转移电容和物质扩散电容等参数，以及电荷转移极化、物质扩散极化等内部状态信息对电芯状态进行综合分析，相比于单纯依据外部特征参数计算的直流内阻，能够获取更多的信息，并可更加精确地定位具体的问题，如上述电芯单体的内短路的原因，就可以根据上述方法进行识别。
84.s203、若是，则输出预警信息。
85.在本步骤中，在识别到电池处于异常状态后，对其进行记录，并根据异常状态所对应的严重等级进行不同方式的输出，低等级的异常状态，以预设周期的形式向用户作汇报，而对于高等级的异常状态，即可能导致电池不可逆损坏而造成行车障碍的异常状态，立即向整车控制器或者电池管理系统bms发送指令，限制电池的功率输出。
86.本实施例提供了一种电池异常识别系统方法，通过获取电池的多维度特征参数，多维度特征参数包括电池的多项内部特性参数，各项内部特性参数用于从不同角度表征电池的内部环境和/或内部状态；利用预设数据分析模型，根据多维度特征参数，识别电池是否发生异常；若是，则输出预警信息。解决了现有技术中对于电池内部的异常监测缺失，无法准确识别电池内部是否存在隐性异常的技术问题。达到了及时发现电池发生隐性地异常状况，精准维护电池，降低电池维护成本的技术效果。
87.图3为本技术实施提供的另一种电池异常识别方法的流程示意图。如图3所示，该电池异常识别方法应用于电池监测平台，其具体步骤包括：
88.s301、响应于预设触发指令，根据预设触发指令确定预设提取规则。
89.在本步骤中，预设触发指令包括：用户输入的采集指令以及满足预设触发条件后自动触发的提取指令。
90.例如，在电动车辆进行维护检修时，维护人员对电池进行检测，则可以通过对应的输入界面输入采集指令，来获取电池的内部状态；或者是，当发生了交通事故，如一级故障即需要紧急下电的故障时，自动生成采集故障发生前30s的所有bms中的数据。
91.s302、根据预设提取规则，从电池管理系统的内部数据流中提取多维度特征参数。
92.在本步骤中，预设提取规则包括：从预设提取时间点开始，根据预设时间间隔，向前和/或向后提取内部数据流中的历史数据。
93.在本实施例中，内部特性参数包括：内部状态参数以及内部状态参数的影响因子。其中，内部状态参数包括：电池荷电状态soc、电池健康状态soh、电池功率状态sop、电池剩
余电量soe、电池功能状态sof中的至少一项，影响因子包括：欧姆内阻、电荷转移电阻、电荷转移电容、物质扩散电阻、物质扩散电容、电感、自放电率、电芯膨胀力、电池阻抗谱、不同温度条件下的阻抗数据表。
94.具体的，电池管理系统bms在设计的时候针对于其管理的电池组以及电池组中的各个电芯单体建立了预设电池模型，如基于等效电路模型的kalman滤波器模型，在电池上电工作的过程中，电池管理系统bms利用预设电池模型实时估算电池荷电状态soc的过程中，会得到电芯单体电压、电池的欧姆极化、电荷转移极化、物质扩散极化、电感极化、内部温度等中间过程的状态参数。
95.同理，电池管理系统bms利用预设电池模型实时估算电池健康状态soh的的过程中，会得到欧姆内阻、电荷转移电阻、电荷转移电容、物质扩散电阻、物质扩散电容、电感、自放电率等中间过程的状态参数。
96.估算得到的上述任一状态参数或其组合均可作为电池内部状态或性能的评价参数，即内部特性参数，实时上报给电池监测平台。
97.又例如，有的电池管理系统bms会采集电芯膨胀力信息，那么基于包含电芯膨胀力而计算得到的电池荷电状态soc或电池健康状态soh也可作为内部特性参数。例如有的bms还会估算电池剩余电量soe、电池功率状态sop，有的bms采用的电池模型使用的参数是电池阻抗谱或者不同温度条件下的阻抗数据表，这些都可作为内部特性参数。
98.现有技术中，由于国家标准或行业标准的要求，一般电池管理系统bms只将传感器采集的电池组或电芯单体的外部特性参数，即电压、电流以及温度，上传给服务器或其它监视系统，并且其采样频率很低，10～30s采集一个样本数据。本技术发明人发现由于外部特性参数种类较少，样本数量也不够，造成了某些隐性的偶发性的电池异常现象，很难被识别出来。
99.例如，对于电芯单体的内短路检测来说，内短路的原因一般包括：电芯本质缺陷、外力冲击导致结构损坏、电芯高温滥用导致内部融坏、电芯大倍率滥用导致内部析锂等，但是无论是哪一种原因，从电芯单体的外部特性参数上表现出来的都非常相似，如输出电压下降以及温度上升。
100.现有技术一般需要将电池返厂后，在实验台上进行检测，即只能通过离线检测的形式进行内短路原因的检测。而无法进行线上检测(即电池还在车辆上供电时就进行非拆机检测)，或者线上检测由于样本数据量过于稀疏，而无法准确识别。
101.因此，本实施例所提供的电池异常识别方法，通过结合电池管理系统在运行时的中间过程数据，弥补现有技术采样稀疏、仅有外部特性参数无法准确量度电池内部环境或者内部状态的问题，实现了利用多维度特征参数，从尽可能多的角度去感知电池的内部环境或者内部状态，实现了电池的在线状态的异常识别的突破。
102.s303、利用预设数据分析模型，根据多维度特征参数，识别电池是否发生异常。
103.在本步骤中，预设数据分析模型集成在了电池监测平台当中，使得电池监测平台在收集电池管理系统bms上报的数据的同时，就进行了异常识别。这样就无需再将数据重新发送给bms，简化了系统设计，进一步提高了异常识别的可靠性。
104.具体地，在预设数据分析模型的识别过程中，对于正常电芯单体，其欧姆内阻、电荷转移电阻和物质扩散电阻在材料相变过程中相对稳定，并在充电末期和放电末期出现明
显增加，电荷转移电容和物质扩散电容也具有一定的变化规律。使用欧姆内阻、电荷转移电阻、物质扩散电阻、电荷转移电容和物质扩散电容等参数，以及电荷转移极化、物质扩散极化等内部状态信息对电芯状态进行综合分析，相比于单纯依据外部特征参数计算的直流内阻，能够获取更多的信息，并可更加精确地定位具体的问题，如上述电芯单体的内短路的原因，就可以根据上述方法进行识别。
105.例如电芯单体存在本质缺陷(电极材料内部掺杂金属微粒)并且未进一步发生故障演变时，电芯的欧姆内阻会持续性降低，但是电荷转移电阻、物质扩散电阻仍处于正常水平。此时可以进行预警提示，以提醒维护人员注意电芯异常。
106.当缺陷问题进一步发展导致电极材料
‑
电解质界面发生异变，电荷转移电阻会进一步下降，同步地电荷转移极化会持续性处于较低水平，此时可以进行告警，以提醒维护人员注意安全风险。
107.当缺陷问题继续发展导致电芯内部接近击穿内短路时，物质扩散电阻会出现下降，此时可以报警并采取主动保护措施确保人员安全。
108.对于其他类型的内短路，例如外力冲击导致结构损坏导致的电芯内部结构轻微损坏，往往伴随产生欧姆内阻的增加、电荷转移电阻的下降；对于电芯高温滥用导致的内部融坏，常见早期征兆是欧姆内阻下降、电荷转移电阻和物质扩散电阻保持稳定；对于电芯内部发生轻微析锂时，常见征兆是电荷转移电阻降低。相比较于现有技术无法定位内短路原因来说，本实施例所提供的电池异常识别方法采用高维数据即多维度特征参数，实现了上述故障准确原因的定位。
109.s304、若是，则输出预警信息。
110.本步骤的具体介绍请参考s203，在此不作赘述。
111.需要说明的是，在本实施例中使用的电芯性能评价参数即多维度特性参数，均来源于实际的电池系统、实时线上采集的电芯参数、电池系统控制器中实际运行数据的小周期采样值(采样周期小于1s，如10ms)，其均具有非常明确的物理化学含义。因此与现有技术不同的是，当异常状态被识别到时，可以同时基于多维度特性参数即异常参数的类型对具体电芯异常原因进行推测。打破了现有技术惯用的只依赖外部特征参数(传感器检测到的电压、电流和温度)来进行异常状态是否发生的识别，但无法得知确切原因的技术障碍。
112.本实施例提供了一种电池异常识别系统方法，通过获取电池的多维度特征参数，多维度特征参数包括电池的多项内部特性参数，各项内部特性参数用于从不同角度表征电池的内部环境和/或内部状态；利用预设数据分析模型，根据多维度特征参数，识别电池是否发生异常；若是，则输出预警信息。解决了现有技术中对于电池内部的异常监测缺失，无法准确识别电池内部是否存在隐性异常的技术问题。达到了及时发现电池发生隐性地异常状况，精准维护电池，降低电池维护成本的技术效果。
113.图4为本技术实施例提供的一种电池异常识别装置的结构示意图。该电池异常识别装置400可以通过软件、硬件或者两者的结合实现。
114.如图4所示，该电池异常识别装置400包括：
115.获取模块401，用于获取电池的多维度特征参数，所述多维度特征参数包括所述电池的多项内部特性参数，各项所述内部特性参数用于从不同角度表征所述电池的内部环境和/或内部状态；
116.处理模块402，用于利用预设数据分析模型，根据所述多维度特征参数，识别所述电池是否发生异常；若是，则输出预警信息。
117.在一种可能的设计中，内部特性参数包括：在电池管理系统中，利用预设电池模型，根据外部特性参数而确定的物理和/或化学特性参数，外部特性参数是通过传感器检测到的电池特性参数。
118.可选的，内部特性参数包括：内部状态参数以及内部状态参数的影响因子，内部状态参数包括：电池荷电状态soc、电池健康状态soh、电池功率状态sop、电池剩余电量soe、电池功能状态sof中的至少一项，影响因子包括预设电池模型中的模型配套参数。
119.可选的，影响因子包括：欧姆内阻、电荷转移电阻、电荷转移电容、物质扩散电阻、物质扩散电容、电感、自放电率、电芯膨胀力、电池阻抗谱、不同温度条件下的阻抗数据表。
120.在一种可能的设计中，获取模块401，用于根据预设提取规则，从电池管理系统的内部数据流中提取多维度特征参数。
121.可选的，处理模块402，还用于响应于预设触发指令，根据预设触发指令确定预设提取规则。
122.在一种可能的设计中，预设提取规则包括：从预设提取时间点开始，根据预设时间间隔，向前和/或向后提取内部数据流中的历史数据。
123.值得说明的是，图4所示实施例提供的装置，可以执行上述任一方法实施例中所提供的方法，其具体实现原理、技术特征、专业名词解释以及技术效果类似，在此不再赘述。
124.图5为本技术实施例提供的一种电子设备的结构示意图。如图5所示，该电子设备500，可以包括：至少一个处理器501和存储器502。图5示出的是以一个处理器为例的电子设备。
125.存储器502，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。
126.存储器502可能包含高速ram存储器，也可能还包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。
127.处理器501用于执行存储器502存储的计算机执行指令，以实现以上各方法实施例所述的方法。
128.其中，处理器501可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
129.可选地，存储器502既可以是独立的，也可以跟处理器501集成在一起。当所述存储器502是独立于处理器501之外的器件时，所述电子设备500，还可以包括：
130.总线503，用于连接所述处理器501以及所述存储器502。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
131.可选的，在具体实现上，如果存储器502和处理器501集成在一块芯片上实现，则存储器502和处理器501可以通过内部接口完成通信。
132.本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序指令，程序指令用于上述各方法实施例中的方法。
133.本技术实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的方法。
134.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由本技术的权利要求书指出。
135.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。
136.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。