建立电池异常检测模型的方法及电池异常检测的方法技术

本发明专利技术涉及用于建立电池异常检测模型的方法、用于电池异常检测的方法、实现上述方法的计算机存储介质及计算机设备。按照本发明专利技术的一个方面提出一种用于建立电池异常检测模型的方法，其包括下列步骤：经由第一网络结构处理电池特征序列以生成所述电池特征序列的语义信息；经由第二网络结构处理电芯特征序列以生成所述电芯特征序列的语义信息；合并所述电池特征序列的语义信息和所述电芯特征序列的语义信息；以及经由全连接层输入合并的所述电池特征序列的语义信息和所述电芯特征序列的语义信息以构建分类器并训练所述分类器，以基于训练的分类器建立所述电池异常检测模型。于训练的分类器建立所述电池异常检测模型。于训练的分类器建立所述电池异常检测模型。

【技术实现步骤摘要】
建立电池异常检测模型的方法及电池异常检测的方法


[0001]本专利技术涉及电池领域，并且更具体地涉及用于建立电池异常检测模型的方法、用于电池异常检测的方法、实现上述方法的计算机存储介质及计算机设备。

技术介绍

[0002]随着电动汽车的普及，车载电池的安全监控受到了业界的广泛关注，成为保障电动汽车产业发展的重要基石。对电池异常的准确检测对维护电池安全和提升电动汽车使用体验具有重要的意义。
[0003]导致电池发生异常的原因多样且复杂，例如极片引入粉尘、金属粉末等杂质导致的电池内部的微短路、外界环境长期潮湿、外接线路绝缘不彻底、电池外壳隔离性差导致的外接电子回路、电极材料的活性物质的脱落和剥离等导致的电容量降低等。
[0004]目前，对电池的异常检测主要依赖于一系列预设规则进行判断，例如通过检测电池的电压、电流、温度等指标是否超过设定的合理范围来判断电池是否发生异常。然而，上述对电池的异常检测方法需要在电池实验室里进行大量的充放电实验来标定出电动汽车在多工况场景下的大量参数阈值，并且这些参数阈值不能完整地体现电池参数特征之间的耦合关联。由于车载电池多变的运行工况以及多样且复杂的异常发生原因，在利用上述方法对电池进行异常检测的过程中容易发生异常的漏报和误报，因而不能实现对电池异常的精确检测。

技术实现思路

[0005]为了解决或至少缓解以上问题中的一个或多个，提供了以下技术方案。
[0006]按照本专利技术的第一方面，提供一种用于建立电池异常检测模型的方法，所述方法包括下列步骤：经由第一网络结构处理电池特征序列以生成所述电池特征序列的语义信息；经由第二网络结构处理电芯特征序列以生成所述电芯特征序列的语义信息；合并所述电池特征序列的语义信息和所述电芯特征序列的语义信息；以及经由全连接层输入合并的所述电池特征序列的语义信息和所述电芯特征序列的语义信息以构建分类器并训练所述分类器，以基于训练的分类器建立所述电池异常检测模型。
[0007]根据本专利技术一实施例所述的用于建立电池异常检测模型的方法，其中所述第一网络结构基于概念机递归神经网络和卷积神经网络编码器来实现，以及所述第二网络结构基于双向门控循环单元和注意力机制网络来实现。
[0008]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中经由第一网络结构处理电池特征序列以生成所述电池特征序列的语义信息包括：利用概念机递归神经网络将所述电池特征序列表征为伪图像特征图；以及利用卷积神经网络编码器对所述伪图像特征图进行编码以生成所述电池特征序列的语义信息。
[0009]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中经由第二网络结构处理电芯特征序列以生成所述电芯特征序列的语义信息包
括：对所述电芯特征序列进行特征编码以获取所述电芯特征序列的浅层序列特征；利用双向门控循环单元获取所述电芯特征序列的浅层序列特征的序列之间的关联性，并基于所述关联性确定所述电芯特征序列的深层序列特征；以及利用注意力机制网络获取所述电芯特征序列的深层序列特征的序列维度的加权，以基于所述电芯特征序列的深层序列特征和所述电芯特征序列的深层序列特征的序列维度的加权生成所述电芯特征序列的语义信息。
[0010]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中所述电池特征序列和所述电芯特征序列通过以下方式获得：获取并预处理电池数据以生成多个电池数据序列片段，其中所述电池数据包括正常电池数据和异常电池数据；以及对所述多个电池数据序列片段进行特征提取以分别生成所述电池特征序列和所述电芯特征序列。
[0011]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中预处理电池数据以生成多个电池数据序列片段包括：将所述电池数据划分为电池电量发生变化期间的电池数据和电池电量未发生变化期间的电池数据；以预定SOC间隔作为窗口长度分割所述电池电量发生变化期间的电池数据；以及以预定时间间隔作为窗口长度分割所述电池电量未发生变化期间的电池数据。
[0012]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中对所述多个电池数据序列片段进行特征提取以生成所述电池特征序列包括：确定所述多个电池数据序列片段中的每个电池数据序列片段中的对应于电芯压差、SOC和环境温度中的一个或多个的统计特征，其中所述统计特征包括类别特征和连续值特征；以及对所述类别特征以预设方式进行编码以及对所述连续值特征进行归一化处理，以生成所述电池特征序列。
[0013]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中所述类别特征包括工况状态，以及所述连续值特征包括平均值、最大值、最小值、分位数、偏度和峰度中的一个或多个。
[0014]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中对所述多个电池数据序列片段进行特征提取以生成所述电芯特征序列包括：针对所述多个电池数据序列片段中的每个电池数据序列片段，确定包括电池的多个电芯中的每个电芯的电压均值的集合；归一化处理所述包括电池的多个电芯中的每个电芯的电压均值的集合以生成电压序列数据；以及利用特征采样法处理所述电压序列数据以生成包括所述电芯特征序列的第一部分和所述电芯特征序列的第二部分的所述电芯特征序列。
[0015]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中利用特征采样法处理所述电压序列数据以生成所述电芯特征序列的第一部分包括：遍历所述多个电池数据序列片段中的一个或多个电池数据序列片段，确定与对应于所述一个或多个电池数据序列片段的所述电压序列数据中的最大值、最小值和中值相关联的第一多个电芯以及在电芯拓扑结构上与所述第一多个电芯相邻的第二多个电芯；以及在所述电压序列数据中采样对应于所述第一多个电芯和所述第二多个电芯的归一化电压均值以生成所述电芯特征序列的第一部分。
[0016]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中利用特征采样法处理所述电压序列数据以生成所述电芯特征序列的第二部分包
括：遍历所述多个电池数据序列片段中的每个电池数据序列片段，确定与所述电压序列数据中的最大值、最小值和中值相关联的第三多个电芯以及在电芯拓扑结构上与所述第三多个电芯相邻的第四多个电芯；以及在所述电压序列数据中采样对应于所述第三多个电芯和所述第四多个电芯的归一化电压均值以生成所述电芯特征序列的第二部分。
[0017]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中所述多个电池数据序列片段中的一个或多个电池数据序列片段包括所述多个电池数据序列片段中的第一个电池数据序列片段和最后一个电池数据序列片段。
[0018]根据本专利技术一实施例或以上任一实施例的所述的用于建立电池异常检测模型的方法，其中训练所述分类器以基于训练的分类器建立所述电池异常检测模型包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于建立电池异常检测模型的方法，其特征在于，所述方法包括下列步骤：经由第一网络结构处理电池特征序列以生成所述电池特征序列的语义信息；经由第二网络结构处理电芯特征序列以生成所述电芯特征序列的语义信息；合并所述电池特征序列的语义信息和所述电芯特征序列的语义信息；以及经由全连接层输入合并的所述电池特征序列的语义信息和所述电芯特征序列的语义信息以构建分类器并训练所述分类器，以基于训练的分类器建立所述电池异常检测模型。2.根据权利要求1所述的方法，其中所述第一网络结构基于概念机递归神经网络和卷积神经网络编码器来实现，以及所述第二网络结构基于双向门控循环单元和注意力机制网络来实现，其中经由第一网络结构处理电池特征序列以生成所述电池特征序列的语义信息包括：利用概念机递归神经网络将所述电池特征序列表征为伪图像特征图；以及利用卷积神经网络编码器对所述伪图像特征图进行编码以生成所述电池特征序列的语义信息，其中经由第二网络结构处理电芯特征序列以生成所述电芯特征序列的语义信息包括：对所述电芯特征序列进行特征编码以获取所述电芯特征序列的浅层序列特征；利用双向门控循环单元获取所述电芯特征序列的浅层序列特征的序列之间的关联性，并基于所述关联性确定所述电芯特征序列的深层序列特征；以及利用注意力机制网络获取所述电芯特征序列的深层序列特征的序列维度的加权，以基于所述电芯特征序列的深层序列特征和所述电芯特征序列的深层序列特征的序列维度的加权生成所述电芯特征序列的语义信息。3. 根据权利要求1所述的方法，其中所述电池特征序列和所述电芯特征序列通过以下方式获得：获取并预处理电池数据以生成多个电池数据序列片段，其中所述电池数据包括正常电池数据和异常电池数据；以及对所述多个电池数据序列片段进行特征提取以分别生成所述电池特征序列和所述电芯特征序列，其中预处理电池数据以生成多个电池数据序列片段包括：将所述电池数据划分为电池电量发生变化期间的电池数据和电池电量未发生变化期间的电池数据；以预定SOC间隔作为窗口长度分割所述电池电量发生变化期间的电池数据；以及以预定时间间隔作为窗口长度分割所述电池电量未发生变化期间的电池数据，其中对所述多个电池数据序列片段进行特征提取以生成所述电池特征序列包括：确定所述多个电池数据序列片段中的每个电池数据序列片段中的对应于电芯压差、SOC和环境温度中的一个或多个的统计特征，其中所述统计特征包括类别特征和连续值特征；以及对所述类别特征以预设方式进行编码以及对所述连续值特征进行归一化处理，以生成所述电池特征序列，其中所述类别特征包括工况状态，以及所述连续值特征包括平均值、最大值、最小值、分位数、偏度和峰度中的一个或多个。
4.根据权利要求3所述的方法，其中对所述多个电池数据序列片段进行特征提取以生成所述电芯特征序列包括：针对所述多个电池数据序列片段中的每...

【专利技术属性】
技术研发人员：邰康盛，张健，后士浩，潘鹏举，吴毅成，
申请(专利权)人：蔚来汽车科技安徽有限公司，
类型：发明
国别省市：