【技术实现步骤摘要】
本专利技术涉及电池健康监测和管理领域，具体而言，涉及一种检测锂电池析锂情况的方法、装置、非易失性存储介质。
技术介绍
1、锂电池能量密度大、环境友好、安全高效且使用寿命长，在储能领域得到了广泛应用。但锂离子电池储能也表现出了一定安全风险，析锂就是影响锂电池安全性的因素之一。析锂会使电池容量下降，缩短电池寿命，严重时还会引起电池内短路，有起火爆炸的风险。为降低因锂电池析锂现象所产生的危险，需要对锂电池进行定期的检测，目前锂电池析锂情况检测方法有有损和无损两类。有损方法是将锂电池拆解观察，操作较为复杂且成本较高。无损方法根据电池工作过程中的电化学信号来判断，需要人为对每一个电池的检测情况单独进行分析，以确定是否存在析锂现象，效率较低。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种检测锂电池析锂情况的方法、装置、非易失性存储介质，以至少解决锂电池析锂情况检测效率低的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种检测锂电池析锂情况方法，包括：获取目标电池的多种运行数据，其中，多种运行数据包括电压值、容量值、温度；将多种运行数据导入目标机器学习模型，由目标机器学习模型输出用于表征目标电池是否析锂的检测结果，其中，目标机器学习模型通过多个样本电池各自的多种运行数据，以及多个样本电池的实际析锂情况对初始机器学习模型进行训练得到。
3、可选地，目标机器学习模型通过如下方式训练得到，包括：获取多个样本电
4、可选地，对多个样本电池各自的多种运行数据进行特征提取，确定多个样本电池各自的多个特征参数，包括：对多个样本电池进行多轮充放电循环，得到多个充放电循环后的样本电池；确定多个充放电循环后的样本电池各自的电压、容量、温度，并生成用于表征多个样本电池各自的充放电特性的曲线；根据用于表征多个样本电池各自的充放电特性的曲线，得到多个样本电池各自的多个特征参数。
5、可选地，对多个样本电池进行多轮充放电循环，得到多个充放电循环后的样本电池，包括：将多个样本电池进行分组，得到多个样本电池组；为多个样本电池组分别设置不同的温度和充电倍率；基于多个样本电池组各自的温度和充电倍率，对多个样本电池组中的样本电池分别进行充放电循环，直至达到预定终止条件，得到多个充放电循环后的样本电池。
6、可选地，根据多个样本电池的实际析锂情况，以及多个数据点的分类结果对初始机器学习模型进行训练，得到目标机器学习模型，包括：确定多个数据点各自的多个邻近数据点，其中，多个数据点与对应的多个邻近数据点之间的距离小于预定距离；根据多个数据点分别与对应的多个邻近数据点之间的距离，确定多个数据点各自的偏度，其中，多个数据点各自的偏度用于表征对应数据点分别与对应的多个邻近数据点之间的距离的分布情况；根据多个数据点各自的偏度，将多个数据点进行分类，得到多个数据点的分类结果。
7、可选地，根据多个数据点各自的偏度，将多个数据点进行分类，得到多个数据点的分类结果，包括：若偏度大于预定阈值，则将对应的数据点划分为第一类别；若偏度小于或等于预定阈值，则将对应的数据点划分为第二类别。
8、根据本专利技术实施例的另一方面，提供了一种检测锂电池析锂情况的装置，包括：第一获取模块，用于获取目标电池的多种运行数据，其中，多种运行数据包括电压值、容量值、温度；第一导入模块，用于将多种运行数据导入目标机器学习模型，由目标机器学习模型输出用于表征目标电池是否析锂的检测结果，其中，目标机器学习模型通过多个样本电池各自的多种运行数据，以及多个样本电池的实际析锂情况对初始机器学习模型进行训练得到。
9、根据本专利技术实施例的另一方面，提供了一种非易失性存储介质，非易失性存储介质存储有多条指令，指令适于由处理器加载并执行任意一项的检测锂电池析锂情况的方法。
10、根据本专利技术实施例的另一方面，提供了一种电子设备，包括：一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现任意一项的检测锂电池析锂情况的方法。
11、根据本专利技术实施例的再一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述中任意一项检测锂电池析锂情况的方法。
12、在本专利技术实施例中，通过获取目标电池的多种运行数据，其中，多种运行数据包括电压值、容量值、温度；将多种运行数据导入目标机器学习模型，由目标机器学习模型输出用于表征目标电池是否析锂的检测结果，其中，目标机器学习模型通过多个样本电池各自的多种运行数据，以及多个样本电池的实际析锂情况对初始机器学习模型进行训练得到，解决了锂电池析锂情况检测效率低的技术问题，可以实现利用机器学习模型直接对锂电池是否存在析锂情况进行判断的目的，进而实现了提高锂电池析锂情况检测效率低的技术效果。
本文档来自技高网...【技术保护点】
1.一种检测锂电池析锂情况的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标机器学习模型通过如下方式训练得到，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述多个样本电池各自的多种运行数据进行特征提取，确定所述多个样本电池各自的多个特征参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述多个样本电池进行多轮充放电循环，得到多个充放电循环后的样本电池，包括：
5.根据权利要求2所述的方法，其特征在于，根据所述多个样本电池的实际析锂情况，以及所述多个数据点的分类结果对所述初始机器学习模型进行训练，得到所述目标机器学习模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述多个数据点各自的偏度，
7.一种检测锂电池析锂情况的装置，其特征在于，包括：
8.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至6中任意一项所述的检测锂电池析锂情况的方法。
9.一种电子设备，
10.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行权利要求1至6中任意一项所述的检测锂电池析锂情况的方法。
...【技术特征摘要】
1.一种检测锂电池析锂情况的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标机器学习模型通过如下方式训练得到，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述多个样本电池各自的多种运行数据进行特征提取，确定所述多个样本电池各自的多个特征参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述多个样本电池进行多轮充放电循环，得到多个充放电循环后的样本电池，包括：
5.根据权利要求2所述的方法，其特征在于，根据所述多个样本电池的实际析锂情况，以及所述多个数据点的分类结果对所述初始机器学习模型进行训练，得到所述目标机器学习模型，包括：
6.根据权利要求5所述的方法，其特征...
【专利技术属性】
技术研发人员：林志法，赵贺，曹昕，侯宇程，孙钦斐，柴志超，王立永，李香龙，杨清华，王洪彪，马凯，王薇，马清钊，周奎，张艳，
申请(专利权)人：国网北京市电力公司，
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。