一种基于概率突变法则的电压异常单体的识别算法制造技术

本发明专利技术属于汽车电池检测技术领域，尤其涉及一种基于概率突变法则的电压异常单体的识别算法，包括：数据获取步骤，以车辆为单元，获取电池单体的电压数据；分析筛选步骤，对电压数据进行统计分析；用累计频率的方式分析小于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的电压值，并将其记录为低压阈值；用累计频率的方式分析大于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的电压值，并将其记录为高压阈值；电池单体检验步骤，对电池单体的数据进行统计分析。使用本算法，能够提高电池数据的有效利用率，快速对电压异常的电池单体进行识别。

【技术实现步骤摘要】
一种基于概率突变法则的电压异常单体的识别算法
本专利技术属于汽车电池检测
，尤其涉及一种基于概率突变法则的电压异常单体的识别算法。
技术介绍
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的汽车。新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车、氢发动机汽车等。相较于现有的燃油汽车，新能源汽车具有污染物零排放、能源利用率高、结构简单和噪声小等的特点，社会方面也因新能源汽车的特点在大力倡导新能源汽车的使用。为了新能源汽车安全性能的改进，及时发现车辆的故障，基于新能源汽车行驶过程中的大数据收集非常重要，为此，国家还设定相关的国家标准，以新能源汽车企业为基础收集新能源汽车行驶过程中的各项运行数据，如电池和发动机等，将收集到的运行数据发送至地方平台，由地方平台将本地的运行数据汇总后发送至国家平台上进行监控和分析。新能源汽车国家监管平台，在《新能源汽车国家大数据联盟2019年中成果发布会暨新技术研讨会》发布的统计中，在新能源汽车安全事故中的起火原因类型分类中，58％的车辆起火源于电池问题。新能源汽车的动力电池作为储能部件，关系到新能源汽车行驶过程中的续航能力。而动力电池包括若干个电池单体，动力电池作为车辆行驶的供能部件，其中的电池单体一直在运转使用；当新能源汽车的某个电池单体发生故障，而不及时进行处置的话，极容易影响周边的电池单体发生故障，进而引起整车的安全事故。目前，运行数据的数据量的庞大，运行数据在采集汇总后的还不能得到很好的利用。这些电池数据不仅占用了非常大的存储空间，并且电池数据的有效利用率非常低下。因此，需要一种基于概率突变法则的电压异常单体的识别算法，能够提高电池数据的有效利用率，快速对电压异常的电池进行识别。
技术实现思路
本专利技术的目的在于，提供一种基于概率突变法则的电压异常单体的识别算法，能够提高电池数据的有效利用率，快速对电压异常的电池进行识别。本专利技术提供的基础方案为：一种基于概率突变法则的电压异常单体的识别算法，包括：数据获取步骤，以车辆为单元，获取各电池单体的电压数据；分析筛选步骤，对电压数据进行统计分析；用累计频率的方式分析小于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的电压值，并将其记录为低压阈值；用累计频率的方式分析大于预设电压值的累计电压频率分布，筛选出累计电压频率小于Y时对应的电压值，并将其记录为高压阈值；电池单体检验步骤，对电池单体的数据进行统计分析，得到累计电压频率分布，当其小于低压阈值的累计频率达到X的N倍，或者大于高压阈值的累计频率达到Y的N倍时，将该电池单体标记为电压异常单体。基础方案工作原理及有益效果：新能源汽车为每一块电池单体都安装有电压测量装置。而依据相关国家标准，每隔最多30秒的时间间隔，车辆必须上传每一个电池单体的电压值。通过对这些电压值分析后，专利技术人发现一种特殊现象，即异常电压值表现出“单体上集中，时间上连片”的现象。电压值出现异常，在正常情况下，从统计概率的意义上总体表现为极小概率事件，若出现了由极小概率事件突变为“单体上集中，时间上连片”这种常概率事件，甚至大概率事件，专利技术人将这种现象称为“概率突变”。深入分析后，专利技术人发现，引至单体电压概率突变的原因，基本上都是因为相应的电池单体发生各种故障，特别是电池本体损坏所致，而电池故障特别是单体损坏是引发新能源汽车重大安全事故的重要因素，由此，本专利技术通过单体电压度数值的概率突变现象，可以直接找到故障电池单体，特别是本体损坏的电池单体，从而有效预防和减少安全事故。本专利技术的作用与目的在于快速地扫描所有被监控车辆的所有电池，从中筛查出单体电压出现了“概率突变”的电芯，为进一步确认电池异常提供线索与依据，具体地：首先，以车辆为单位，获取电池单体的历史电压数据。之后，电压数据进行分析，具体的，用累计频率的方式分析小于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的电压值，并将其记录为低压阈值。这样筛选出的低压阈值，可以看作是电池单体正常工作时电压的最小值；同样的，高压阈值，可以看作是电池单体正常工作时电压的最大值。在获得低压阈值及高压阈值后，可对电池单体的电压数据是否正常进行判断。具体的，分析电池单体的累积电压频率分布，如果其小于低压阈值的累计频率达到X的N倍，则说明与电压数据整体分布相比，该电池单体的电压值有N倍的时间电压小于正常电压，因此，可以认定为其工作电压过低，将其标记为电压异常单体；同样的，如果其大于高压阈值的累计频率达到Y的N倍，则说明与电压数据整体分布相比，该电池单体的电压值有N倍的时间电压大于正常电压，同样将其标记为电压异常单体。X、Y及N的数值，本领域技术人员可依据电池单体的型号及容量具体设置。这样，能够快速对大量电池单体的电压进行覆盖式扫描，并从中筛选出电压异常的电池单体，便于工作人员对异常电池单体进行更换。避免新能源汽车因此出现安全事故。与现有技术相比，本算法能够提高电池数据的有效利用率，快速对电压异常的电池单体进行识别。进一步，数据获取步骤中，获取的电压数据为前溯历史数据的10万条。使用这样的数据量，一方面能够实现对电池数据的充分利用，另一方面也能够保障分析结果的精准性。进一步，电池单体检验步骤中，还标记电池单体的异常原由。这样可以对电池单体的异常类型(电压过低/高的频率太高)进行统计，也便于对异常电池单体进行分类集中处理。进一步，还包括：存储步骤，存储检测结果；分析步骤，对存储的检测结果进行数据分析。通过这样的方式，可以对检测结果进行统计分析，便于了解电池单体的异常率、异常电池单体中的各类异常情况的占比等分析结果。进一步，分析步骤中，还用图表的方式将数据分析结果进行展示。便于管理人员直观的了解分析结果。进一步，X和Y的数值均小于5％。若X或Y大于等于5％，正常电池单体工作时也会有不少时间处于非正常电压，这样得到的分析结果精细化程度较低，参考意义不大。进一步，N的数值大于1.5。由于每个电池单体的电压累积频率分布之间都存在差异，若N的数值小于1.5，则难免出现大量的由于正常差异而被标记为异常电池的情况。附图说明图1为本专利技术一种基于概率突变法则的电压异常单体的识别算法实施例一的流程图。具体实施方式下面通过具体实施方式进一步详细说明：实施例一如图1所示，一种基于概率突变法则的电压异常单体的识别算法，包括：数据获取步骤，以车辆为单元，获取各电池单体的电压数据。具体的，获取的电压数据为前溯历史数据的10万条。分析筛选步骤，对电压数据进行统计分析；用累计频率的方式分析小于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的本文档来自技高网...

【技术保护点】
1.一种基于概率突变法则的电压异常单体的识别算法，其特征在于，包括：/n数据获取步骤，以车辆为单元，获取各电池单体的电压数据；/n分析筛选步骤，对电压数据进行统计分析；用累计频率的方式分析小于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的电压值，并将其记录为低压阈值；用累计频率的方式分析大于预设电压值的累计电压频率分布，筛选出累计电压频率小于Y时对应的电压值，并将其记录为高压阈值；/n电池单体检验步骤，对电池单体的数据进行统计分析，得到累计电压频率分布，当其小于低压阈值的累计频率达到X的N倍，或者大于高压阈值的累计频率达到Y的N倍时，将该电池单体标记为电压异常单体。/n

【技术特征摘要】
1.一种基于概率突变法则的电压异常单体的识别算法，其特征在于，包括：
数据获取步骤，以车辆为单元，获取各电池单体的电压数据；
分析筛选步骤，对电压数据进行统计分析；用累计频率的方式分析小于预设电压值的累计电压频率分布，筛选出累计电压频率小于X时对应的电压值，并将其记录为低压阈值；用累计频率的方式分析大于预设电压值的累计电压频率分布，筛选出累计电压频率小于Y时对应的电压值，并将其记录为高压阈值；
电池单体检验步骤，对电池单体的数据进行统计分析，得到累计电压频率分布，当其小于低压阈值的累计频率达到X的N倍，或者大于高压阈值的累计频率达到Y的N倍时，将该电池单体标记为电压异常单体。


2.根据权利要求1所述的基于概率突变法则的电压异常单体的识别算法，其特征在于：数据获取步骤中，获取的电压数据为前溯历...

【专利技术属性】
技术研发人员：周科松，
申请(专利权)人：中国汽车工程研究院股份有限公司，
类型：发明
国别省市：重庆;50