一种电池包泄露源定位方法、设备及介质技术

本发明专利技术实施例公开了一种电池包泄露源定位方法、设备及介质。方法包括：对电池包储运空间内四个顶角的有害气体浓度进行实时检测，其中，所述储运空间为长方体，所述四个顶角位于同一平面内；当检测到任一顶角的实测浓度达到设定阈值后，将各时刻所述四个顶角的实测浓度作为样本，对基于深度学习的有害气体浓度分布预测模型进行训练；利用训练好的模型，确定所述储运空间内的泄露源。本实施例能够快速定位发生危险的电池包。发生危险的电池包。发生危险的电池包。

【技术实现步骤摘要】
一种电池包泄露源定位方法、设备及介质


[0001]本专利技术实施例涉及人工智能领域，尤其涉及一种电池包泄露源定位方法、设备及介质。

技术介绍

[0002]新能源电池仓储和运输过程中，需要在库房或集装箱内堆积大量的动力电池包。而动力电池的原料多数属于危险化学品，例如碳酸二甲酯、碳酸甲乙酯、碳酸丙烯酯、六氟碳酸锂、有机溶剂等，且容易受到外界环境变化以及本身化学性质的影响，造成电池液泄露、起火、人员中毒，以及燃烧爆炸等危害。
[0003]现有技术中尚没有一种好的方法，能够实时监测库房或集装箱内的电池液泄露现象，更不能及时对发生泄露的电池包进行定位。

技术实现思路

[0004]本专利技术实施例提供一种电池包泄露源定位方法、设备及介质，通过储运空间内的有害气体浓度对深度学习网络进行无监督训练，快速定位发生泄露的电池包。
[0005]第一方面，本专利技术实施例提供了一种电池包泄露源定位方法，包括：对电池包储运空间内四个顶角的有害气体浓度进行实时检测，其中，所述储运空间为长方体，所述四个顶角位于同一平面内；当检测到任一顶角的实测浓度达到设定阈值后，将各时刻所述四个顶角的实测浓度作为样本，对基于深度学习的有害气体浓度分布预测模型进行训练，其中，所述设定阈值为判定发生电池液泄露的最小浓度；利用训练好的模型，确定所述储运空间内的泄露源；其中，所述训练好的模型用于：根据所述四个顶角中部分顶角的实测浓度，预测所述平面内的有害气体浓度分布；训练过程中，选取所述四个顶角中的不同顶角组合对同一时刻的有害气体浓度分布分别进行预测，通过约束不同顶角组合下的预测结果一致，以及约束各顶角组合下的预测结果与所述组合之外其它顶角的实测浓度匹配，来完成模型训练。
[0006]第二方面，本专利技术实施例还提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的电池包泄露源定位方法。
[0007]第三方面，本专利技术实施例还提供了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任一实施例所述的电池包泄露源定位方法。
[0008]本专利技术实施例在电池包储运空间内安装传感器阵列，对电池液泄露产生的有害气体进行实时检测，通过实测浓度对深度学习网络进行无监督训练，预测空间内的有毒气体
浓度分布情况。为了保证结果的鲁棒性和准确性，训练过程中对不同顶点组合下的预测结果进行对比，通过约束不同顶角组合下的预测结果一致，以及约束各顶角组合下的预测结果与所述组合之外其它顶角的实测浓度匹配，来完成模型训练。最后利用训练好的模型确定发生危险的电池包，有利于及时消除电池储运过程中的安全隐患。
附图说明
[0009]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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。
[0010]图1是本专利技术实施例提供的一种电池包泄露源定位方法的流程图。
[0011]图2是本专利技术实施例的提供的一种传感器位置的示意图。
[0012]图3是本专利技术实施例的提供的一种平面划分的示意图。
[0013]图4是本专利技术实施例的提供的一种模型预测的示意图。
[0014]图5是本专利技术实施例的提供的另一种模型预测的示意图。
[0015]图6为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0016]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围。
[0017]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0018]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0019]图1是本专利技术实施例提供的一种电池包泄露源定位方法的流程图。该方法适用于对储运空间内的电池液泄露进行监测定位的情况，由电子设备执行。如图1所示，该方法具体包括：S110、对电池包储运空间内四个顶角的有害气体浓度进行实时检测，其中，所述储运空间为长方体，所述四个顶角位于同一平面内。
[0020]所述长方体储运空间包括库房、集装箱等。长方体的各条边可以相等，也可以不相等，本实施例不作限制。所述四个顶角指长方体内部位于同一平面内的四个顶点。当所述储
运空间为库房时，所述平面可以为库房的顶面、侧面或底面。当所述储运空间为集装箱时，所述平面可以为集装箱的顶面、侧面或底面。优选的，所述储运空间为密闭空间。
[0021]可选的，有害气体浓度通过传感器来测量。如图2所示，将四个传感器A、B、C、D分别安装在库房或集装箱内的四个顶角处，实时检测当前位置的有害气体浓度，作为后续判断危险的依据。
[0022]S120、当检测到任一顶角的实测浓度满足设定阈值后，将各时刻所述四个顶角的实测浓度作为样本，对基于深度学习的有害气体浓度分布预测模型进行训练，其中，所述设定阈值为判定发生电池液泄露的最小浓度。
[0023]为了便于描述，本实施例将传感器测量得到的有害气体浓度称为实测浓度。当任一顶角的实测浓度大于设定阈值时，认为有电池包发生电池液泄露，这时继续检测四个顶角的实测浓度。结合图2，将传感器A、B、C和D检测到的实测浓度分别记为R
A
、R
B
、R
C
和R
D
，则将同一时刻的实测浓度[R
A
,R
B
,R
C
,R
D
]作为一个样本，继续监测的过程中会得到多个样本。利用所述多个样本对基于深度学习的有害气体浓度分布预测模型进行无监督训练，使得将一个样本中的部分浓度值输入该模型后，模型能够输出同一时刻所述平面内的有害气体浓度分布。
[0024]为了实现这一目的，本实施例在训练过程中选取所述四本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池包泄露源定位方法，其特征在于，包括：对电池包储运空间内四个顶角的有害气体浓度进行实时检测，其中，所述储运空间为长方体，所述四个顶角位于同一平面内；当检测到任一顶角的实测浓度达到设定阈值后，将各时刻所述四个顶角的实测浓度作为样本，对基于深度学习的有害气体浓度分布预测模型进行训练，其中，所述设定阈值为判定发生电池液泄露的最小浓度；利用训练好的模型，确定所述储运空间内的泄露源；其中，所述训练好的模型用于：根据所述四个顶角中部分顶角的实测浓度，预测所述平面内的有害气体浓度分布；训练过程中，选取所述四个顶角中的不同顶角组合对同一时刻的有害气体浓度分布分别进行预测，通过约束不同顶角组合下的预测结果一致，以及约束各顶角组合下的预测结果与所述组合之外其它顶角的实测浓度匹配，来完成模型训练。2.根据权利要求1所述的方法，其特征在于，所述储运空间包括：库房或集装箱；所述平面包括：所述库房的顶面、侧面或底面，或集装箱的顶面、侧面或底面。3.根据权利要求1所述的方法，其特征在于，所述选取所述四个顶角中的不同顶角组合对同一时刻的有害气体浓度分布分别进行预测，通过约束不同顶角组合下的预测结果一致，来完成模型训练，包括：从所述四个顶角中选取三个顶角构成不同顶角组合，其中，各顶角组合中的三个顶角具有相同的空间位置关系；将各顶角组合在同一时刻的实测浓度分别输入所述模型，预测各顶角组合对应的、所述平面在所述时刻的有害气体浓度分布，其中，各预测结果由所述平面内各空间位置的预测浓度排布而成，各预测结果之间的变换关系与各顶角组合之间的变换关系一致；根据所述变换关系对各预测结果进行变换，使各空间位置的预测浓度在各变换后的预测结果中具有相同的排布位置；通过约束各变换后的预测结果一致，来完成模型训练。4.根据权利要求3所述的方法，其特征在于，所述平面沿长度和宽度方向分别划分为K段，各预测结果表现为(K+1)
×
(K+1)的矩阵，其中，K为大于1的自然数；所述根据所述变换关系对各预测结果进行变换，使各空间位置的预测浓度在各变换后的预测结果中具有相同的排布位置，包括：根据所述变换关系的逆变换，对各预测结果进行矩阵旋转，使各空间位置的预测...

【专利技术属性】
技术研发人员：王芳，刘仕强，王文斌，王晓杰，杨亮，常宏，马小乐，姜成龙，韩丽琼，韦振，
申请(专利权)人：中汽信息科技天津有限公司，
类型：发明
国别省市：