电池热管理方法、装置、介质和设备与流程

1.本公开涉及电池管理技术领域，具体地，涉及一种电池热管理方法、装置、介质和设备。


背景技术：

2.为了解决电池热失控问题，通常的做法是在电池组中配置多个温度传感器和电压传感器，采集各个模组或单体的温度和电压，通过监测各个温度传感器的温度值和电压传感器的电压值来对电池组的热安全状态进行实时监测。然而，这种方法对热事件的响应速度较慢，准确率低。


技术实现要素：

3.本公开的目的是提供一种电池热管理方法、装置、介质和设备，能够快速且准确地对热事件进行响应，有效地进行热失控预警。
4.根据本公开的第一实施例，提供一种电池热管理方法，包括：获取电池包的实时热性能数据；通过聚类算法，将所述实时热性能数据聚类为正常类数据和异常类数据；计算所述正常类数据的正常类聚类中心和所述异常类数据的异常类聚类中心；计算所述正常类聚类中心与所述异常类聚类中心之间的距离；基于所述距离进行热失控预警。
5.可选地，所述计算所述正常类数据的正常类聚类中心和所述异常类数据的异常类聚类中心，包括：对所述正常类聚类中心和所述异常类聚类中心进行初始化；计算每个所述实时热性能数据到所述正常类聚类中心和所述异常类聚类中心的距离；将每个所述实时热性能数据聚类到所述正常类聚类中心和所述异常类聚类中心中与该实时热性能数据距离最近的聚类中心；计算每个所述实时热性能数据到其聚类中心的距离平方和；若所述距离平方和小于设定值，则聚类过程结束；若所述距离平方和大于设定值，则计算聚类到同一个聚类中心的实时热性能数据集的质心，作为新的聚类中心重新开始聚类。
6.可选地，所述实时热性能数据包括布置在所述电池包内的所有温度传感器的实时温度数据和所有电压传感器的实时电压数据；则：
7.所述正常类数据包括温度正常类数据和电压正常类数据，所述异常类数据包括温度异常类数据和电压异常类数据；
8.所述正常类聚类中心包括温度正常类聚类中心和电压正常类聚类中心，所述异常类聚类中心包括温度异常类聚类中心和电压异常类聚类中心；
9.所述正常类聚类中心与所述异常类聚类中心之间的距离包括：所述温度正常类聚类中心与所述温度异常类聚类中心之间的温度正常-异常距离，以及所述电压正常类聚类中心与所述电压异常类聚类中心之间的电压正常-异常距离。
10.可选地，所述基于所述距离进行热失控预警，包括：在所述温度正常-异常距离和所述电压正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：
11.所述温度正常-异常距离大于第一预设阈值；
12.所述温度正常-异常距离的上升速率大于第一预设上升速率阈值；
13.所述电压正常-异常距离大于第二预设阈值；
14.所述电压正常-异常距离的上升速率大于第二预设上升速率阈值。
15.可选地，所述实时热性能数据包括关于所述电池包的所有实时温度数据、实时单体电压数据和实时电流数据，则：
16.所述正常类数据包括温度正常类数据、单体电压正常类数据和实时荷电状态soc正常类数据，所述异常类数据包括温度异常类数据、单体电压异常类数据和soc异常类数据；
17.所述正常类聚类中心包括温度正常类聚类中心、单体电压正常类聚类中心和soc正常类聚类中心，所述异常类聚类中心包括温度异常类聚类中心、单体电压异常类聚类中心和soc异常类聚类中心；
18.所述正常类聚类中心与所述异常类聚类中心之间的距离包括：所述温度正常类聚类中心与所述温度异常类聚类中心之间的温度正常-异常距离、所述单体电压正常类聚类中心与所述单体电压异常类聚类中心之间的电压正常-异常距离，以及所述soc正常类聚类中心与所述soc异常类聚类中心之间的soc正常-异常距离。
19.可选地，所述基于所述距离进行热失控预警，包括：
20.在所述温度正常-异常距离、所述电压正常-异常距离和所述soc正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：
21.所述温度正常-异常距离大于第一预设阈值；
22.所述温度正常-异常距离的上升速率大于第一预设上升速率阈值；
23.所述电压正常-异常距离大于第二预设阈值；
24.所述电压正常-异常距离的上升速率大于第二预设上升速率阈值；
25.所述soc正常-异常距离大于第三预设阈值；
26.所述soc正常-异常距离的上升速率大于第三预设上升速率阈值。
27.根据本公开的第二实施例，提供一种电池热管理装置，包括：获取模块，用于获取电池包的实时热性能数据；聚类模块，用于通过聚类算法，将所述实时热性能数据聚类为正常类数据和异常类数据；第一计算模块，用于计算所述正常类数据的正常类聚类中心和所述异常类数据的异常类聚类中心；第二计算模块，用于计算所述正常类聚类中心与所述异常类聚类中心之间的距离；预警模块，用于基于所述距离进行热失控预警。
28.可选地，所述第一计算模块用于：对所述正常类聚类中心和所述异常类聚类中心进行初始化；计算每个所述实时热性能数据到所述正常类聚类中心和所述异常类聚类中心的距离；将每个所述实时热性能数据聚类到所述正常类聚类中心和所述异常类聚类中心中与该实时热性能数据距离最近的聚类中心；计算每个所述实时热性能数据到其聚类中心的距离平方和；若所述距离平方和小于设定值，则聚类过程结束；若所述距离平方和大于设定值，则计算聚类到同一个聚类中心的实时热性能数据集的质心，作为新的聚类中心重新开始聚类。
29.可选地，所述实时热性能数据包括布置在所述电池包内的所有温度传感器的实时温度数据和所有电压传感器的实时电压数据；则：
30.所述正常类数据包括温度正常类数据和电压正常类数据，所述异常类数据包括温
度异常类数据和电压异常类数据；
31.所述正常类聚类中心包括温度正常类聚类中心和电压正常类聚类中心，所述异常类聚类中心包括温度异常类聚类中心和电压异常类聚类中心；
32.所述正常类聚类中心与所述异常类聚类中心之间的距离包括：所述温度正常类聚类中心与所述温度异常类聚类中心之间的温度正常-异常距离，以及所述电压正常类聚类中心与所述电压异常类聚类中心之间的电压正常-异常距离。
33.可选地，所述基于所述距离进行热失控预警，包括：在所述温度正常-异常距离和所述电压正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：
34.所述温度正常-异常距离大于第一预设阈值；
35.所述温度正常-异常距离的上升速率大于第一预设上升速率阈值；
36.所述电压正常-异常距离大于第二预设阈值；
37.所述电压正常-异常距离的上升速率大于第二预设上升速率阈值。
38.可选地，所述实时热性能数据包括关于所述电池包的所有实时温度数据、实时单体电压数据和实时电流数据，则：
39.所述正常类数据包括温度正常类数据、单体电压正常类数据和实时荷电状态soc正常类数据，所述异常类数据包括温度异常类数据、单体电压异常类数据和soc异常类数据；
40.所述正常类聚类中心包括温度正常类聚类中心、单体电压正常类聚类中心和soc正常类聚类中心，所述异常类聚类中心包括温度异常类聚类中心、单体电压异常类聚类中心和soc异常类聚类中心；
41.所述正常类聚类中心与所述异常类聚类中心之间的距离包括：所述温度正常类聚类中心与所述温度异常类聚类中心之间的温度正常-异常距离、所述单体电压正常类聚类中心与所述单体电压异常类聚类中心之间的电压正常-异常距离，以及所述soc正常类聚类中心与所述soc异常类聚类中心之间的soc正常-异常距离。
42.可选地，所述基于所述距离进行热失控预警，包括：
43.在所述温度正常-异常距离、所述电压正常-异常距离和所述soc正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：
44.所述温度正常-异常距离大于第一预设阈值；
45.所述温度正常-异常距离的上升速率大于第一预设上升速率阈值；
46.所述电压正常-异常距离大于第二预设阈值；
47.所述电压正常-异常距离的上升速率大于第二预设上升速率阈值；
48.所述soc正常-异常距离大于第三预设阈值；
49.所述soc正常-异常距离的上升速率大于第三预设上升速率阈值。
50.根据本公开的第三实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开第一实施例所述方法的步骤。
51.根据本公开的第四实施例，提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现根据本公开第一实施例所述方法的步骤。
52.通过采用上述技术方案，首先采用聚类算法对热性能数据进行聚类处理，分别将
每种热性能数据聚类为正常类数据与异常类数据等两类数据，然后比较正常类数据与异常类数据的聚类中心之间的距离，以此来判断热失控发生的风险，由于聚类算法对正常类数据和异常类数据的划分非常直观、可靠，所以对热失控的预警准确性高、速度快。
53.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
54.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
55.图1是根据本公开一种实施例的电池热管理方法的流程图。
56.图2是聚类中心计算过程的示意图。
57.图3是根据本公开一种实施例的电池热管理装置的示意框图。
58.图4是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
59.以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
60.图1是根据本公开一种实施例的电池热管理方法的流程图。如图1所示，该方法包括以下步骤s11至s15。
61.在步骤s11中，获取电池包的实时热性能数据。
62.其中，可以直接从布置在电池包内的所有检测装置(例如温度传感器、电压传感器等)中获取实时热性能数据，也可以从例如电池管理系统中获取这些实时热性能数据。
63.在其他实施例中，实时热性能数据可以包括布置在电池包内的所有温度传感器的实时温度数据和布置在电池包内的所有电压传感器的实时电压数据。
64.在其他实施例中，实时热性能数据可以包括关于电池包的所有实时温度数据、实时单体电压数据和实时电流数据。
65.在步骤s12中，通过聚类算法，将实时热性能数据聚类为正常类数据和异常类数据。
66.聚类算法可以为k-means算法或者其他聚类算法，本公开对聚类算法的具体形式不做限制，只要能够实现数据的聚类操作即可。
67.例如，假设当前有n个实时温度数据，通过聚类算法，这n个实时温度数据中的n个实时温度数据被聚类为正常类数据，而其余的n-n个实时温度数据被聚类为异常类数据。
68.在实时热性能数据包括实时温度数据和实时电压数据的情况下，通过聚类算法，可以将实时温度数据聚类为温度正常类数据和温度异常类数据，将实时电压数据聚类为电压正常类数据和电压异常类数据。
69.在实时热性能数据包括关于电池包的所有实时温度数据、实时单体电压数据和实时电流数据的情况下，可以将实时温度数据聚类为温度正常类数据和温度异常类数据，将实时单体电压数据聚类为单体电压正常类数据和单体电压异常类数据，将实时soc数据聚类为soc正常类数据和soc异常类数据。其中，单体电池的soc可以采用安时积分法、开路电压(open circuit voltage，ocv)曲线查表法等进行计算。
70.在步骤s13中，计算正常类数据的正常类聚类中心和异常类数据的异常类聚类中心。
71.在一个实施例中，可以首先对正常类聚类中心和异常类聚类中心进行初始化，也即对正常类聚类中心和异常类聚类中心赋予相应的初值；然后，计算每个实时热性能数据到正常类聚类中心和异常类聚类中心的距离；然后，将每个实时热性能数据聚类到正常类聚类中心和异常类聚类中心中与该实时热性能数据距离最近的聚类中心；然后，计算每个实时热性能数据到其聚类中心的距离平方和；然后，若距离平方和小于设定值，则聚类过程结束，若距离平方和大于设定值，则计算聚类到同一个聚类中心的实时热性能数据集的质心，作为新的聚类中心重新开始聚类。
72.图2是聚类中心计算过程的示意图。其中，a1、a2为异常类数据，b1、b2为正常类数据，每一时刻均可以计算出异常类数据的聚类中心c1和正常类数据的聚类中心c2。
73.在实时热性能数据包括实时温度数据和实时电压数据的情况下，会计算出温度正常类数据的温度正常类聚类中心t_c2、温度异常类数据的温度异常类聚类中心t_c1、电压正常类数据的电压正常类聚类中心v_c2和电压异常类数据的电压异常类聚类中心v_c1，这些聚类中心的计算过程如上的那样进行计算。
74.在实时热性能数据包括关于电池包的所有实时温度数据、实时单体电压数据和实时电流数据的情况下，会计算温度正常类数据的温度正常类聚类中心、温度异常类数据的温度异常类聚类中心、单体电压正常类数据的单体电压正常类聚类中心、单体电压异常类数据的单体电压异常类聚类中心、soc正常类数据的soc正常类聚类中心和soc异常类数据的soc异常类聚类中心。这些聚类中心的计算过程如上的那样进行计算。
75.在步骤s14中，计算正常类聚类中心与异常类聚类中心之间的距离。
76.在实时热性能数据包括实时温度数据和实时电压数据的情况下，会计算温度正常类聚类中心与温度异常类聚类中心之间的距离，得到温度正常-异常距离，以及计算电压正常类聚类中心与电压异常类聚类中心之间的距离，得到电压正常-异常距离。
77.在实时热性能数据包括关于电池包的所有实时温度数据、实时单体电压数据和实时电流数据的情况下，会计算温度正常类聚类中心与温度异常类聚类中心之间的距离，得到温度正常-异常距离，计算单体电压正常类聚类中心与单体电压异常类聚类中心之间的距离，得到电压正常-异常距离，以及计算soc正常类聚类中心与soc异常类聚类中心之间的距离，得到soc正常-异常距离。
78.在步骤s15中，基于距离进行热失控预警。
79.在实时热性能数据包括实时温度数据和实时电压数据的情况下，可以在温度正常-异常距离和电压正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：(1)温度正常-异常距离大于第一预设阈值；(2)温度正常-异常距离的上升速率大于第一预设上升速率阈值；(3)电压正常-异常距离大于第二预设阈值；(4)电压正常-异常距离的上升速率大于第二预设上升速率阈值。而且，通过上述4个条件的逻辑“与”和“或”的组合，能够进行内短路预警。
80.在实时热性能数据包括关于电池包的所有实时温度数据、实时单体电压数据和实时电流数据的情况下，可以在温度正常-异常距离、电压正常-异常距离和soc正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：(1)温度正常-异常距离大于
第一预设阈值；(2)温度正常-异常距离的上升速率大于第一预设上升速率阈值；(3)电压正常-异常距离大于第二预设阈值；(4)电压正常-异常距离的上升速率大于第二预设上升速率阈值；(5)soc正常-异常距离大于第三预设阈值；(6)soc正常-异常距离的上升速率大于第三预设上升速率阈值。
81.在本公开中，温度正常-异常距离的上升速率指的是在单位时间内温度正常-异常距离的上升速度；电压正常-异常距离的上升速率指的是在单位时间内电压正常-异常距离的上升速度；soc正常-异常距离的上升速率指的是在单位时间内soc正常-异常距离的上升速度。
82.通过采用上述技术方案，首先采用聚类算法对热性能数据进行聚类处理，分别将每种热性能数据聚类为正常类数据与异常类数据等两类数据，然后比较正常类数据与异常类数据的聚类中心之间的距离，以此来判断热失控发生的风险，由于聚类算法对正常类数据和异常类数据的划分非常直观、可靠，所以对热失控的预警准确性高、速度快。
83.图3是根据本公开一种实施例的电池热管理装置的示意框图。如图3所示，该装置包括：获取模块31，用于获取电池包的实时热性能数据；聚类模块32，用于通过聚类算法，将实时热性能数据聚类为正常类数据和异常类数据；第一计算模块33，用于计算正常类数据的正常类聚类中心和异常类数据的异常类聚类中心；第二计算模块34，用于计算正常类聚类中心与异常类聚类中心之间的距离；预警模块35，用于基于距离进行热失控预警。
84.通过采用上述技术方案，首先采用聚类算法对热性能数据进行聚类处理，分别将每种热性能数据聚类为正常类数据与异常类数据等两类数据，然后比较正常类数据与异常类数据的聚类中心之间的距离，以此来判断热失控发生的风险，由于聚类算法对正常类数据和异常类数据的划分非常直观、可靠，所以对热失控的预警准确性高、速度快。
85.可选地，第一计算模块33用于：对正常类聚类中心和异常类聚类中心进行初始化；计算每个实时热性能数据到正常类聚类中心和异常类聚类中心的距离；将每个实时热性能数据聚类到正常类聚类中心和异常类聚类中心中与该实时热性能数据距离最近的聚类中心；计算每个实时热性能数据到其聚类中心的距离平方和；若距离平方和小于设定值，则聚类过程结束；若距离平方和大于设定值，则计算聚类到同一个聚类中心的实时热性能数据集的质心，作为新的聚类中心重新开始聚类。
86.可选地，实时热性能数据包括布置在电池包内的所有温度传感器的实时温度数据和所有电压传感器的实时电压数据；则：
87.正常类数据包括温度正常类数据和电压正常类数据，异常类数据包括温度异常类数据和电压异常类数据；
88.正常类聚类中心包括温度正常类聚类中心和电压正常类聚类中心，异常类聚类中心包括温度异常类聚类中心和电压异常类聚类中心；
89.正常类聚类中心与异常类聚类中心之间的距离包括：温度正常类聚类中心与温度异常类聚类中心之间的温度正常-异常距离，以及电压正常类聚类中心与电压异常类聚类中心之间的电压正常-异常距离。
90.可选地，基于距离进行热失控预警，包括：在温度正常-异常距离和电压正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：
91.温度正常-异常距离大于第一预设阈值；
92.温度正常-异常距离的上升速率大于第一预设上升速率阈值；
93.电压正常-异常距离大于第二预设阈值；
94.电压正常-异常距离的上升速率大于第二预设上升速率阈值。
95.可选地，实时热性能数据包括关于电池包的所有实时温度数据、实时单体电压数据和实时电流数据，则：
96.正常类数据包括温度正常类数据、单体电压正常类数据和实时荷电状态soc正常类数据，异常类数据包括温度异常类数据、单体电压异常类数据和soc异常类数据；
97.正常类聚类中心包括温度正常类聚类中心、单体电压正常类聚类中心和soc正常类聚类中心，异常类聚类中心包括温度异常类聚类中心、单体电压异常类聚类中心和soc异常类聚类中心；
98.正常类聚类中心与异常类聚类中心之间的距离包括：温度正常类聚类中心与温度异常类聚类中心之间的温度正常-异常距离、单体电压正常类聚类中心与单体电压异常类聚类中心之间的电压正常-异常距离，以及soc正常类聚类中心与soc异常类聚类中心之间的soc正常-异常距离。
99.可选地，基于距离进行热失控预警，包括：
100.在温度正常-异常距离、电压正常-异常距离和soc正常-异常距离触发以下条件中的至少两个条件的情况下进行热失控预警：
101.温度正常-异常距离大于第一预设阈值；
102.温度正常-异常距离的上升速率大于第一预设上升速率阈值；
103.电压正常-异常距离大于第二预设阈值；
104.电压正常-异常距离的上升速率大于第二预设上升速率阈值；
105.soc正常-异常距离大于第三预设阈值；
106.soc正常-异常距离的上升速率大于第三预设上升速率阈值。
107.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
108.图4是根据一示例性实施例示出的一种电子设备700的框图。如图4所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(i/o)接口704，以及通信组件705中的一者或多者。
109.其中，处理器701用于控制该电子设备700的整体操作，以完成上述的电池热管理方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括
一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件705可以包括：wi-fi模块，蓝牙模块，nfc模块。
110.在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的电池热管理方法。
111.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的电池热管理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的电池热管理方法。
112.以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
113.另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
114.此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。