【技术实现步骤摘要】
本专利技术涉及电动汽车动力电池安全预警，具体涉及一种电池单体自放电检测方法、系统、电子设备及可读介质。
技术介绍
1、随着全球对环保、低碳出行方式的追求，电动汽车逐渐成为城市交通的重要组成部分，而动力电池作为其“心脏”，其性能与安全性直接关系到电动汽车的整体表现及用户的驾驶体验。在动力电池的使用过程中，自放电现象是不可避免的一个环节。
2、自放电，即电池在存储期间，即使没有外部电源接入或负载连接，也会因内部化学反应而导致电量逐渐减少的现象。然而，过高的自放电率不仅会影响电池的续航里程和使用寿命，还可能引发电池安全问题，如过热、膨胀甚至爆炸。对动力电池自放电现象进行精准、高效的预警和管理，及时发现电池自放电的异常行为，并提前发出预警信号，提醒用户或维修人员采取相应的措施，防止安全事故的发生具有重要意义。
3、专利公开号cn116413618a提供了一种磷酸铁锂电池自放电检测方法、电子设备及可读存储介质。首先对获取的电压数据进行排序，判定滑动窗口内每个电池数据是否满足预设条件，挑选满足条件的数据计算滑动窗口内每个电池数据对应的最高电压与最低电压的电压差之和，若设定的电压差阈值，则确定自放电异常。该方案由于电压噪音问题易导致误报，影响检测结果。
4、专利公开号cn117825967a提供了一种基于电压异常的动力电池安全预警方法，通过将gbdt算法、孤立森林算法及箱型图法有机结合来建立单体电压预测模型及异常单体识别模型。基于模型的安全预警严重依赖于模型的高精度，否则对电池的预警准确率不高，且难以设定阈
技术实现思路
1、本专利技术的目的是提供一种电池单体自放电检测方法、系统、电子设备及可读介质，其能够快速、准确地检测电池单体的自放电情况。
2、为了实现上述目的，本专利技术采用的技术方案如下：
3、第一方面，本专利技术提供了一种电池单体自放电检测方法，所述方法包括：
4、获取连续时间段内电池单体的电压数据；
5、计算得到设定时间窗口内电池单体的电压特征值；
6、将电压特征值作为输入，基于回归算法计算得到设定时间窗口内电池单体的电压特征值随时间变化趋势；
7、对电压特征值进行聚合降维，然后输入至基于机器学习算法的自放电概率预测模型中，得到电池单体的自放电概率；
8、响应于电池单体的电压变化趋势在第一预设范围内和自放电概率在第二预设范围内，确定电池单体自放电性能异常。
9、进一步，所述电压特征值包括电池单体在设定时间窗口内的均值电压、中位数电压、电池单体电压差、电池单体电压差变化率、电池单体电压差与均值电压比值、电池单体电压差与中位数电压比值以及电池单体电压差与均值电压比值变化率中的至少一种；
10、对预设时间段进行离散化划分得到m个离散时刻点，电池包内电池单体个数记为i；
11、所述均值电压v均为第n个离散时刻点电池包内所有电池单体的电压平均值，vnj为第n个离散时刻点第j个电池单体的电压，1≤n≤m，1≤j≤i；
12、所述中位数电压v中为第n个离散时刻点对应的电池包内所有电池单体的电压中居于中间位置的数；
13、第n个离散时刻点第j个电池单体的电压差δvnj＝vnj—v中；
14、
15、vpj为第p个离散时刻点第j个电池单体的电压，vnj为第n个离散时刻点第j个电池单体的电压；
16、rpj为第p个离散时刻点的第j个电池单体电压差与均值电压比值，rnj为第n个离散时刻点的第j个电池单体电压差与均值电压比值。
17、进一步，所述电压特征值随时间变化趋势为拟合曲线的斜率和相关系数，所述拟合曲线为基于回归算法拟合得到的设定时间窗口内电池单体的电压特征值随时间变化曲线。
18、进一步，在获取连续时间段内电池单体的电压数据之后，所述方法还包括：
19、对所述电压数据进行数据清洗处理，所述数据清洗处理包括缺失值处理、数据明显错误值删除处理、去掉默认值处理和异常值替换处理。
20、进一步，在确定电池单体自放电性能异常之后，所述方法还包括：依据电池单体的自放电概率按照预设规则划分自放电预警等级，并基于得到的自放电预警等级执行响应动作。
21、进一步，响应于自放电预警等级在第三预设范围内，拆解电池单体确认实际自放电风险等级，并将对应的电压特征值和给根据实际自放电风险等级打的标签作为基于机器算法的自放电概率预测模型的训练集，对自放电概率预测模型重新进行训练。
22、进一步，所述回归算法为线性回归算法、岭回归算法或lasso回归算法，
23、和/或，所述机器算法为随机森林算法、朴素贝叶斯算法、决策树算法、k最邻近算法、支持向量机算法、梯度提升树算法或xgboost算法。
24、第二方面，本专利技术提供了一种电池单体自放电检测系统，包括：
25、获取模块，用于接收车辆上报的连续时间段内电池单体的电压数据；
26、电压特征值计算模块，用于计算得到设定时间窗口内电池单体的电压特征值；
27、回归算法模块，用于将电压特征值作为输入，基于回归算法计算得到设定时间窗口内电池单体的电压特征值随时间变化趋势；
28、预测模块，用于对电压特征值进行聚合降维，然后输入至基于机器学习算法的自放电概率预测模型中，得到电池单体的自放电概率；
29、评价模块，响应于电池单体的电压变化趋势在第一预设范围内和自放电概率在第二预设范围内，确定电池单体自放电性能异常。
30、第三方面，本专利技术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如上述的电池单体自放电检测方法。
31、第四方面，本专利技术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如上述的电池单体自放电检测方法。
32、本专利技术的有益效果：本专利技术通过基于回归算法计算得到设定时间窗口内电池单体的电压变化趋势以及基于机器学习算法的自放电概率预测模型得到电池单体的自放电概率，综合判定电池单体自放电性能是否异常，响应于电池单体的电压变化趋势在第一预设范围内和自放电概率在第二预设范围内，确定电池单体自放电性能异常。根据本公开实施例的电池单体自放电检测方法可以部署在车端或者云端的电池管理系统进行自放电异常检测，不需要添加额外的硬件设备，且无需借助于电化学模型和soc-ocv对应表等先验知识，也无需进行电化学参数标定，而是基于对获取到的预设时间段内的电池单体的电压数据进行分析即可，能够快速、准确地检测电池单体的自放电情况。
本文档来自技高网...【技术保护点】
1.一种电池单体自放电检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电池单体自放电检测方法，其特征在于：所述电压特征值包括电池单体在设定时间窗口内的均值电压、中位数电压、电池单体电压差、电池单体电压差变化率、电池单体电压差与均值电压比值、电池单体电压差与中位数电压比值以及电池单体电压差与均值电压比值变化率中的至少一种；
3.根据权利要求1所述的电池单体自放电检测方法，其特征在于：所述电压特征值随时间变化趋势为拟合曲线的斜率和相关系数，所述拟合曲线为基于回归算法拟合得到的设定时间窗口内电池单体的电压特征值随时间变化曲线。
4.根据权利要求1所述的电池单体自放电检测方法，其特征在于：在获取连续时间段内电池单体的电压数据之后，所述方法还包括：
5.根据权利要求1所述的电池单体自放电检测方法，其特征在于：在确定电池单体自放电性能异常之后，所述方法还包括：依据电池单体的自放电概率按照预设规则划分自放电预警等级，并基于得到的自放电预警等级执行响应动作。
6.根据权利要求5所述的电池单体自放电检测方法，其特征在于：响应
7.根据权利要求1所述的电池单体自放电检测方法，其特征在于：所述回归算法为线性回归算法、岭回归算法或Lasso回归算法，
8.一种电池单体自放电检测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，该程序被处理器执行时实现如权利要求1～7任一项所述的电池单体自放电检测方法。
...【技术特征摘要】
1.一种电池单体自放电检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电池单体自放电检测方法，其特征在于：所述电压特征值包括电池单体在设定时间窗口内的均值电压、中位数电压、电池单体电压差、电池单体电压差变化率、电池单体电压差与均值电压比值、电池单体电压差与中位数电压比值以及电池单体电压差与均值电压比值变化率中的至少一种；
3.根据权利要求1所述的电池单体自放电检测方法，其特征在于：所述电压特征值随时间变化趋势为拟合曲线的斜率和相关系数，所述拟合曲线为基于回归算法拟合得到的设定时间窗口内电池单体的电压特征值随时间变化曲线。
4.根据权利要求1所述的电池单体自放电检测方法，其特征在于：在获取连续时间段内电池单体的电压数据之后，所述方法还包括：
5.根据权利要求1所述的电池单体自放电检测方法，其特征在于：在确定电池单体自放电性能异常之...
【专利技术属性】
技术研发人员：何凤铃，牟晓飞，江振文，林富，李东江，
申请(专利权)人：深蓝汽车科技有限公司，
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。