一种车辆电池系统异常电池筛选及监测方法与流程

1.本发明涉及车辆电池领域，尤其涉及一种车辆电池系统异常电池筛选及监测方法。


背景技术：

2.随着新能源汽车渗透率快速提高，新能源汽车安全监测检测愈发重要。根据目前的数据数据统计，自燃在新能源汽车安全事故中占比很高，在自燃事故中，41％的车辆处于行驶状态，40％的车辆处于静止状态，19％的车辆处于充电状态。因此，对于使用中的车辆电池进行准确的检测及预警至关重要。
3.车辆自燃的原因很多，例如在静置状态自然、行驶状态自然和充电状态自然，自然条件不一样，触发条件不一样，自然后无法进行事故复现，原因分析十分困难。现有的监测方法分为两类：实时监测和远程数据分析监测。实时监测主要通过分析车辆数据采集的直接信息进行阈值检测。
4.现有技术中提供了一些关于如何进行电池检测的方法，包括：
5.中国专利“cn 112622690a一种动力电池安全充电的监测方法及系统”提供了一种动力电池安全充电的监测方法及系统。通过定时采集充电电池的充电参数；监测所述充电参数的变化趋势；当检测到所述充电参数的变化趋势出现异常，则进行异常处理。通过主动的方式，主动获得充电电池的充电参数，通过参数变化过程对电池进行事故风险评估，充电参数包括所述充电电池的最高温度值、最高单体电压值、当前电压值以及当前电流值中的一种或多种。
6.中国专利“cn 113291200a一种车辆电池组件监测方法和装置”提供了一种车辆电池组件监测和装置。在车辆行驶一定里程后，对电芯进行高频脉冲充放电，并采集各个电芯的温升数据，依据温升数据，生成各个电芯对应的当前温度特征值，当监测到当前温度特征值异常时，确定电池组件存在热失控风险。
7.中国专利“cn 111474488 a一种用于检测锂离子电池发生微内短路的方法及系统”提供了一种用于检测锂离子电池发生微内短路的方法及系统。对未发生微内断路的锂离子电池进行循环恒流充放电，对锂离子电池进行动态阻抗测试，获取测试动态阻抗数据。测试已发生微内断路的锂离子电池的动态阻抗，获取动态阻抗数据。确定预设测试频率区间内锂离子电池微内短路直线的斜率标准，获取待测锂离子电池的动态阻抗作为检测数据，确定检测数据的斜率。当斜率小于或等于斜率标准时，确定待测锂离子电池发生微内断路。
8.中国专利“cn 113609791 a锂离子电池储能电站主动式安全监测与预警方法及系统”提供了一种涉及锂离子电池储能电站主动式安全监测与预警方法及系统。模拟储能电站电池正常充放电过程及故障隐患发生过程，获取运行环境数据以及bms采集的数据作为特征参数，建立原始样本数据库。基于lm算法的bp神经网络建立各特征参数的局部决策模型，对原始样本数据库中的各特征参数维度进行归一化处理，得到各参数局部决策模型的
样本数据库，并基于此对各参数的局部决策模型进行训练。将各参数局部决策模型融合，建立基于lstm算法的储能电池隐患综合预警模型。利用样本数据库对模型进行训练，先建立各特征量的参数局部决策模型，再将各个局部决策模型融合建立储能电站电池隐患综合预警模型。
9.但上述技术方案是通过远程数据分析监测通过对车辆运行历史数据进行分析，提取异常特征。而实时检测因硬件条件限制，只能进行少量数据的异常监测。电池发生自燃虽然表面看来是突发异常情况，其本质往往在于电池自身的量变引起质变。虽然远程数据分析监测可以实现历史数据的分析，但现有方法基本还是对不同电池的电压、温度对比进行异常监测，或通过复杂的大数据分析及模型预测进行监测。而如何能够提供一种能够根据电池在充电时的数据变化实现对电池异常的监测及检测成为亟待解决的问题。


技术实现要素：

10.本发明提供车辆电池系统异常电池筛选及监测方法，用以解决现有技术中无法根据电池在充电时的数据变化实现对电池异常的监测及检测成为亟待解决的问题。本发明的目的基于车辆历史运行数据，通过提取衍生变量作为特征参数，进行电池系统中异常电池的筛选，特别针对于早期内短路情况下的筛选从而提取出有隐患的电池，进而提出预警。
11.为了实现上述目的，本发明技术方案提供了车辆电池系统异常电池筛选及监测方法，包括：提取车辆的充电段数据：时刻电压、最低电压、最低电压标号。计算车辆中所有电池模组的平均电压。计算当前时刻各电池模组各自的特征参数。对出现最低电压的电池模组进行分组，分组后计算每个电池模组在两时刻之间的特征参数平均值，并将所述特征参数平均值离散投射至二维坐标系中。计算电池模组的运行与充电总能量比后，将计算结果投射至二维坐标系中。根据二维坐标系中的异常坐标获取异常电池模组的编号。
12.作为上述技术方案的优选，较佳的，计算所述车辆中所有电池模组的平均电压，包括：
[0013][0014]vi-t
：t时刻第i号电池模组的电压，v
avg-t
为平均电压。
[0015]
作为上述技术方案的优选，较佳的，计算当前时刻所述所有电池模组各自的特征参数，包括：
[0016]
记录出现最低电压的电池模组编号i，根据提取的所述最低电压v
min-t
，和所述平均电压v
avg-t
，得到各电池模组各自的特征参数α
i-t
：
[0017]
α
i-t
＝v
avg-t-v
min-t
。
[0018]
作为上述技术方案的优选，较佳的，对出现最低电压的电池模组进行分组，分组后计算每个电池模组在两时刻之间的特征参数平均值，包括：统计各电池模组在各时间段内出现最低电压的次数后，对各电池模组进行分组；计算各组中电池模组在各时间段内的特征参数的平均值
[0019]
[0020]
其中，j为时间周期的离散表示，未出现最低电压的电池模组则认为其特征参数平均值
[0021]
作为上述技术方案的优选，较佳的，计算电池模组的运行与充电总能量比包括：
[0022][0023]
其中，ratio_c/di为第i号电池模组的运行与充电总能量比，energy
i-c_total
:第i号电池模组充电总能量；energy
i-d_total
:第i号电池模组运行总能量。
[0024]
作为上述技术方案的优选，较佳的，根据所述二维坐标系中的异常坐标获取异常电池模组的编号，包括：将所有电池模组的特征参数的平均值和运行与充电总能量比作为纵横坐标投射至所述二维坐标系中；对二维坐标系汇总的二维数据进行缩放和聚类法分类，得到分类结果，根据所述分类结果得到异常电池模组的编号。
[0025]
本发明技术方案提供了一种提取车辆的充电段数据：时刻电压、最低电压、最低电压标号，计算车辆中所有电池模组的平均电压。计算当前时刻所有电池模组各自的特征参数。对出现最低电压的电池模组进行分组，分组后计算每个电池模组在两时刻之间的特征参数平均值，并将特征参数平均值和电池模组的运行与充电总能量比离散投射至二维坐标系中。根据二维坐标系中的异常坐标获取异常电池模组的编号。
[0026]
本发明的优点是基于充电数据的各电池编号下的所有模组平均与最低电压差作为特征值，结合以充电次数作为数据段进行时间尺度上的特征值比较，能够识别具有隐患的异常电池，可以更加有效及时的对车辆电池状态进行分析，采用加强预警措施避免事故发生。
附图说明
[0027]
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，下面将对实施例或现有技术描述中所需要使用的附图作一简单介绍，显而易见地，下面描述中的附图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他的附图。
[0028]
图1a为本发明技术方案的流程图一。
[0029]
图1b为本发明技术方案的流程图二。
[0030]
图2为本发明技术方案中运行与充电总能量比与特征参数的平均值数据的二维示意图。
[0031]
图3为图2经缩放和聚类法处理后的数据结果示意图。
具体实施方式
[0032]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0033]
电动汽车自然大部分因电池系统内电芯异常引起，引起电池自然的情况很大一部
分原因是电池内短路引起，其中包括异物以及锂枝晶的生成。此状态往往发生在电池高soc状态(state of charge荷电状态)，而高soc电池体积膨胀造成电池更易发生内部短路。由于车辆电池系统在充电过程中使用条件单一且一致，因此本发明采用车辆历史数据中的充电段数据进行特征参数的提取。
[0034]
现对本发明技术方案进行详述，参考流程图1a和图1b：
[0035]
步骤101、提取车辆的充电段数据，包括，时刻电压、最低电压、最低电压标号。
[0036]
具体的，电池模组的t时刻电压为v
i-t
；在t时刻的最低电压为v
min-t
；最低电压标号为t时刻出现最低电压时对电池模组进行的标号具体为n
min-t
。
[0037]
步骤102、计算车辆中所有电池模组的平均电压并记录。
[0038][0039]
其中，v
avg-t
为所有电池模组的平均电压，n为电池模组标号。
[0040]
步骤103、提取t时刻的最低电压，并记录相应电池模组标号n。
[0041]
具体的，提取t最低电压v
min-t
，并记录最低电压的电池模组的编号i。
[0042]
步骤104、计算t时刻的各电池模组的特征参数α
i-t
。
[0043]
α
i-t
＝v
avg-t-v
min-t
[0044]
α
i-t
为t时刻i号电池为最低电压时与平均电压之差。
[0045]
其中，i表示n个电池模组中各个电池的标号。
[0046]
步骤105、根据最低电压出现的次数对电池模组进行分组。
[0047]
例如，第一组电池模组在t2时刻出现低电压，第二组电池模组在t1、t3、t4时刻出现低电压，第三组电池模组在t5和t6时刻出现低电压。那么将t2时刻的第一组电池模组的数据作为组1，将t1、t3、t4时刻的第二组电池模组的数据作为组2、将t5和t6时刻时刻的第三组电池模组的数据作为组3。
[0048]
步骤106、计算各组中电池模组在各时间段内的特征参数平均值。
[0049][0050]
承接步骤105、对于组1，其平均值即为t2时刻的低电压；对于组2，其平均值即为t1、t3、t4三个时刻低电压的平均值；对于组3，其平均值为t5和t6时刻两个低电压的平均值。
[0051]
因数据采集上时间为离散点，j用以表示t1-t2、t2-t3
……
tn-1-tn之间时间段的离散，j＝0,1,2,3
……
n。
[0052]
若有电池模组未出现过最低电压，则认为其特征参数的平均值
[0053]
在步骤106之后，可以执行步骤1071或执行步骤1072：
[0054]
步骤1071、判断特征参数平均值是否高于阈值，若高于则电池模组异常。
[0055]
步骤108、获取异常电池模组编号。
[0056]
如图1b所示，步骤1072、计算每个电池模组的运行与充电总能量比。
[0057]
[0058]
其中，ratio_c/di为第i号电池模组的运行与充电总能量比，energy
i-c_total
:第i号电池模组充电总能量；energy
i-d_total
:第i号电池模组运行总能量。
[0059]
步骤109、将每个电池模组的运行与充电总能量比与特征参数的平均值投射至二维坐标系中。
[0060]
其中运行与充电总能量比为横坐标，特征参数的平均值为纵坐标。
[0061]
步骤110、对二维数据进行缩放和聚类法分类，得到分类结果。
[0062]
对二维数据采用normalizer缩放预处理，利用kmeans 2类聚类法对数据进行分类，分类结果为0和1，0代表正常，1代表异常。
[0063]
步骤111、获取异常电池模组编号。
[0064]
需要说明的是，电池模组中可以有一个电池，也可以有多个电池。当一个电池模组中有多个电池时，则最终得到异常电池模组的编号；当一个电池模组中仅有一个电池时，则最终得到的为异常电池的编号。
[0065]
现用一实际实施例对本发明技术方案进行说明：
[0066]
以某一新能源事故车辆历史运行数据为例将所有历史数据作为一个整体，依据步骤101至107至步骤，计算各编号电池充电状态下的每次出现最低电压时所有模组平均电压与最低电压差的平均值、每个编号电池充放电能量比，记录对应的电池编号。计算数据如下：
[0067]
[0068]
[0069]
[0070][0071]
将所有电池的平均电压与最低电压差的均值与阈值20mv进行判断，通过图2可形象看出超出阈值的模组编号分别为13、45、52、54、71。其中包括热失控的45号模组。
[0072]
提取二维数据y：x：ratio_c/di，对二维数据采用normalizer缩放预处理，利用kmeans 2类聚类法对数据进行分类，获取异常电池编号。通过图3的结果可以看出异常电池编号为13、45、52、54、71。
[0073]
综上，本发明提供的一种车辆电池系统异常电池筛选及监测方法实现了：
[0074]
1、基于车辆充电段数据，数据段包含恒压充电段，及涵盖高soc区间、停机充电段，使用环境单一，数据可靠性强；
[0075]
2、基于所有电池模组平均与最低电压差作为特征变量，既能够检测因电池内部异
常微短路造成电压异常情况，也能通过平均法避免数据异常干扰造成过度识别。
[0076]
3、通过对所有充电数据求取各电池编号下的所有模组平均与最低电压差，结合各自电池(模组)的运行与充电总能量比，采用normalizer缩放预处理，利用kmeans 2类聚类法对数据进行分类，获取异常电池编号。
[0077]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。