【技术实现步骤摘要】
本专利技术涉及电池测试，尤其涉及一种车辆电池异常电芯的识别方法、装置、设备及存储介质。
技术介绍
1、随着电动汽车的发展和快速普及，新能源动力电池已成为能源领域的热点。随着动力电池充放电循环次数的增加，电池发生故障的机率同样也会增加，故近年来，消费者和汽车厂商对电池的安全问题越来越重视；此外，动力电池不仅是电动汽车的主要动力来源和核心零部件，也是其快速发展的主要技术壁垒，由于电池在生产制造过程中不可避免的工艺问题，导致其各个单体电池存在差异性，会为日后使用埋下安全隐患；随着使用时间的延长其电池综合性能不断衰减，导致汽车的续驶里程缩短、电池一致性变差、动力性减弱等一系列问题。故对动力电池故障进行诊断和预测，是电动汽车安全、智能、便捷使用的重要技术保证。目前研究人员已经从故障发生的边界条件、表现特征、内在原理和故障扩张等方面做了大量的研究工作，对电池系统故障已经有了较为深刻的认识。
2、在现有的技术中，目前对电池的电芯进行异常评估的方法主要有三种，一种是通过容量和内阻等单个指标对电芯进行异常检测；第二种则是考虑电池的多性能指标进行电池评价，但该方式需要测量多个电芯的性能参数，耗费时间较长，人工成本也较高，且对各性能参数选择合适的权重也是难点；第三种则是多是集中在适用聚类算法识别异常电芯，该方式存在初始参数难选择的问题，同时实际异常电芯数据不一定符合均匀的正态分布，则会导致聚类效果较差，识别出的异常电芯也不准确。因此，亟需一种车辆电池异常电芯的识别方法，能够解决现有技术中对车辆电池的电芯的异常情况进行识别时，识别速度慢、识
技术实现思路
1、本专利技术的主要目的在于解决现有技术中对车辆电池的电芯的异常情况进行识别时，识别速度慢且精度不足的技术问题。
2、本专利技术第一方面提供了一种车辆的异常电芯的识别方法，包括：
3、获取各车辆在预设时间段内每个电芯的电压数据；
4、确定电芯电压参考值，计算每个电芯的电压数据和电芯电压参考值之间的第一平均豪斯多夫距离；
5、基于所述第一平均豪斯多夫距离计算各车辆的第二平均豪斯多夫距离；
6、基于所述第二平均豪斯多夫距离进行曲线拟合，得到各车辆的豪斯多夫曲线，根据所述豪斯多夫曲线的斜率确定异常车辆；
7、将所述异常车辆中各电芯的第一平均豪斯多夫距离输入孤立森林评估模型中计算所述异常车辆中各电芯的异常分数，并根据各电芯的所述异常分数识别出异常车辆中的异常电芯。
8、可选地，在本专利技术第一方面的第一种实现方式中，所述电芯电压参考值为电芯电压中位数；
9、确定电芯电压参考值，计算每个电芯的电压数据和电芯电压参考值之间的第一平均豪斯多夫距离包括：
10、根据预设时间段内每个电芯的电压数据计算电芯电压中位数；
11、分别将每个电芯的电压数据按时序排列，得到第一时序数组，将所述电芯电压中位数按时序排列，得到第二时序数组；
12、计算所述第一时序数组和所述第二时序数组之间的豪斯多夫距离，得到电芯的豪斯多夫距离矩阵；
13、根据电芯的所述豪斯多夫距离矩阵计算得到每个电芯的电压和电芯电压中位数之间的平均豪斯多夫距离，得到第一平均豪斯多夫距离。
14、可选地，在本专利技术第一方面的第二种实现方式中，在计算所述第一时序数组和所述第二时序数组之间的豪斯多夫距离时，计算表达式为：
15、h(a,b)＝max(h(a,b),h(b,a))；
16、h(a,b)＝max(a∈a)min(b∈b)‖a-b‖；
17、h(b,a)＝max(b∈b)min(a∈a)‖b-a‖；
18、其中，a表示第一时序数组，a表示第一时序数组中电芯的电压的值；b表示第二时序数组，b表示第二时序数组中电芯电压中位数的值。
19、可选地，在本专利技术第一方面的第三种实现方式中，所述基于所述第二平均豪斯多夫距离进行曲线拟合，得到各车辆的豪斯多夫曲线，根据所述豪斯多夫曲线的斜率确定异常车辆包括：
20、基于局部加权回归散点平滑法拟合各车辆的豪斯多夫曲线，并基于拟合得到的豪斯多夫曲线确定各车辆对应的豪斯多夫曲线斜率；
21、判断所述豪斯多夫曲线斜率是否超过预设的同车型的曲线斜率阈值；
22、若是，则认为当前车辆为异常车辆。
23、可选地，在本专利技术第一方面的第四种实现方式中，所述将所述异常车辆中各电芯的第一平均豪斯多夫距离输入孤立森林评估模型中计算所述异常车辆中各电芯的异常分数包括：
24、基于所述异常车辆中各电芯的第一平均豪斯多夫距离形成由若干孤立树形成的孤立森林；
25、评估所述异常车辆各电芯的第一平均豪斯多夫距离在所述孤立森林中各节点的平均高度，计算出每个电芯的异常分数。
26、可选地，在本专利技术第一方面的第五种实现方式中，所述根据各电芯的所述异常分数识别出异常车辆中的异常电芯还包括：
27、将所述孤立森林评估模型中的污染参数初始化为默认值，基于预设的迭代步长在每次迭代中对污染参数进行调整，并基于调整后的污染参数计算电芯迭代指标；
28、判断每次得到的所述电芯迭代指标的迭代变化值判断是否已达到迭代目标；
29、若是，则将当前已达到迭代目标的污染参数值作为优选污染参数，并基于已达到迭代目标的污染参数值计算每个电芯的异常分数。
30、可选地，在本专利技术第一方面的第六种实现方式中，所述迭代指标包括：异常电芯的异常分数、每次迭代时异常电芯豪斯多夫距离之间的方差值以及每次迭代的异常电芯熵值；
31、所述判断每次得到的所述电芯迭代指标的迭代变化值判断是否已达到迭代目标包括：
32、判断识别出的异常电芯是否在连续预设迭代次数中保持稳定不变；
33、或者，每次迭代识别的异常电芯的异常分数值均大于设定异常阈值；
34、或者，每次迭代识别出的异常电芯豪斯多夫距离之间的方差值趋于0；
35、或者，识别出的每次迭代异常电芯熵值趋于稳定。
36、可选地，在本专利技术第一方面的第七种实现方式中，所述异常电芯的异常分数的计算表达式为：
37、
38、其中，fj，i表示异常电芯的异常分数，j表示迭代第j次，i表示第i个异常电芯，xj，i表示异常电芯的平均豪斯多夫距离，hj，max表示所有电芯的最大豪斯多夫值，hj，min表示所有电芯的最小豪斯多夫值；
39、所述异常电芯豪斯多夫距离之间的方差值的计算表达式为：
40、
41、其中，表示方差值，m表示每次迭代识别出异常电芯的个数，hj，abn，avg表示异常电芯平均豪斯多夫值；
42、所述异常电芯熵值的计算表达式为：
43、
44、其中，ej表示异常电芯熵值，pj，i表示每次迭代的可能性，表达式为：
本文档来自技高网...
【技术保护点】
1.一种车辆的异常电芯的识别方法，其特征在于，包括：
2.根据权利要求1所述的车辆电池异常电芯的识别方法，其特征在于，所述电芯电压参考值为电芯电压中位数；
3.根据权利要求2所述的车辆电池异常电芯的识别方法，其特征在于，在计算所述第一时序数组和所述第二时序数组之间的豪斯多夫距离时，计算表达式为：
4.根据权利要求1所述的车辆电池异常电芯的识别方法，其特征在于，所述基于所述第二平均豪斯多夫距离进行曲线拟合，得到各车辆的豪斯多夫曲线，根据所述豪斯多夫曲线的斜率确定异常车辆包括：
5.根据权利要求1所述的车辆电池异常电芯的识别方法，其特征在于，所述将所述异常车辆中各电芯的第一平均豪斯多夫距离输入孤立森林评估模型中计算所述异常车辆中各电芯的异常分数包括：
6.根据权利要求5所述的车辆电池异常电芯的识别方法，其特征在于，所述根据各电芯的所述异常分数识别出异常车辆中的异常电芯还包括：
7.根据权利要求6所述的车辆电池异常电芯的识别方法，其特征在于，所述迭代指标包括：异常电芯的异常分数、每次迭代时异常电芯豪斯多夫距离之间的
8.一种车辆的异常电芯的识别装置，其特征在于，所述车辆的异常电芯的识别装置包括：
9.一种车辆的异常电芯的识别设备，其特征在于，所述车辆的异常电芯的识别设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述车辆的异常电芯的识别方法的步骤。
...【技术特征摘要】
1.一种车辆的异常电芯的识别方法，其特征在于，包括：
2.根据权利要求1所述的车辆电池异常电芯的识别方法，其特征在于，所述电芯电压参考值为电芯电压中位数；
3.根据权利要求2所述的车辆电池异常电芯的识别方法，其特征在于，在计算所述第一时序数组和所述第二时序数组之间的豪斯多夫距离时，计算表达式为：
4.根据权利要求1所述的车辆电池异常电芯的识别方法，其特征在于，所述基于所述第二平均豪斯多夫距离进行曲线拟合，得到各车辆的豪斯多夫曲线，根据所述豪斯多夫曲线的斜率确定异常车辆包括：
5.根据权利要求1所述的车辆电池异常电芯的识别方法，其特征在于，所述将所述异常车辆中各电芯的第一平均豪斯多夫距离输入孤立森林评估模型中计算所述异常车辆中各电芯的异常分数包括：
6.根...
【专利技术属性】
技术研发人员：陈丹，钱磊，朱卓敏，
申请(专利权)人：上海电享信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。