电池预警方法及系统与流程

本发明涉及汽车零部件技术领域，特别是涉及一种电池预警方法及系统。

背景技术：

随着汽车工业的飞速发展和人们生活水平的提升，汽车已经成为人们出行、货运等不可或缺的交通工具之一。

对于新能源电池，电池是最重要的部件，当电池发生故障时，会引起汽车起火，甚至爆炸等安全事故。判断电池是否发生故障，一般为监测电池的电压，电压是电池特性最容易获取的参数，目前许多车企都是基于电压数据进行分析和判定车辆的故障与异常情况。

在实际操作中，电压体现出来的电池异常情况往往滞后，即当电压体现出故障时，故障已经发生了一段时间，也会引起安全事故。

技术实现要素：

本发明的一个目的在于提出一种预警更精准的电池预警方法。

一种电池预警方法，包括以下步骤：

获取电池的运行数据信息，所述运行数据信息包括不同的数据采集时间的单体电压，根据所述运行数据信息获得电压变化率；

分别对所述电压变化率执行z分数模型量化、统计模型量化和角度方差模型量化；

判断所述z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常，若是则发出预警信息。

本发明的有益效果是：电压变化率早于电压将单体异常情况体现出来，再借用z分数模型量化、统计模型量化和角度方差模型量化，使判断精度更高。

另外，根据本发明提供的电池预警方法，还可以具有如下附加的技术特征：

进一步地，所述获取电池的运行数据信息的步骤之后还包括：

获取所述运行数据信息中的无效信息，从所述运行数据信息中删除所述无效信息。

进一步地，所述获取所述运行数据信息中的无效信息，从所述运行数据信息中删除所述无效信息的步骤包括：

以所述运行数据信息中的数据采集时间，以及对应时间的里程、总电压、总电流、国标、单体蓄电池电压值建立数据表格；

捕捉所述数据表格的空单元格，以所述空单元格所在的排或列作为所述无效信息，删除所述空单元格所在的排或列，即完成从所述运行数据信息中删除所述无效信息。

进一步地，所述电压变化率的计算公式如下：

式中，j为单体电池编号，u′j为单体j对应的电压变化率，duj是单体j在时间t1与t2之间的电压差，dt是时间t1与t2的时间差。

进一步地，所述电压变化率执行z分数模型量化的采用下式执行：

式中，zi,j为单体j在i时刻的电压变化率z分数，u′i,j为单体j在i时刻的电压变化率，avgi和σi分别为i时刻各单体电压变化率的均值和标准差。

进一步地，所述电压变化率执行统计模型量化的采用下式执行：

式中，wj为t1-t2时间段内j号单体电池电压变化率的累计偏差，n为电池单体个数，vroc为t时刻各单体电压变化率之和，即vroc＝u′t,1+u′t,2+…+u′t,n。

进一步地，所述电压变化率执行角度方差模型量化的采用下式执行：

式中，avar为任意两单体电压变化率夹角余弦集的方差，d(x)为求方差，和为电池组内任意两单体电池电压变化率形成的向量。

进一步地，所述判断所述z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常的步骤包括：

预设第一异常值judge1、第二异常值judge2和第三异常值judge3；

当满足zi,j>judge1、wi,j>judge2和avar<judge3时，判断结果为异常。

本发明还提出一种电池预警系统，包括：

数据采集模块，用于获取电池的运行数据信息，所述运行数据信息包括不同的数据采集时间的单体电压，根据所述运行数据信息获得电压变化率；

模型量化模块，用于分别对所述电压变化率执行z分数模型量化、统计模型量化和角度方差模型量化；

预警模块，用于判断所述z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常，若是则发出预警信息。

进一步地，所述数据采集模块包括：

异常数据消除单元，用于获取所述运行数据信息中的无效信息，从所述运行数据信息中删除所述无效信息。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明第一实施例的电池预警方法的流程示意图；

图2是本发明第二实施例的电池预警方法的运行数据信息的示意图；

图3是本发明第二实施例的电池预警方法的运行数据信息消除异常数据后的示意图；

图4是本发明第三实施例的电池预警系统的结构框图。

具体实施方式

为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

请参阅图1，本发明的第一实施例提出一种电池预警方法，包括以下步骤。

s1.获取电池的运行数据信息，所述运行数据信息包括不同的数据采集时间的单体电压，根据所述运行数据信息获得电压变化率。

可以理解的是，电池的运行数据信息为持续获取的数据。

在本实施例中，运行数据信息为每隔20s获取一次，运行数据信息包括数据采集时间，以及对应时间的里程、总电压、总电流、soc-国标、单体蓄电池电压值，要求一次只提取一辆车数据，且数据不少于100条。

s2.分别对所述电压变化率执行z分数模型量化、统计模型量化和角度方差模型量化。

在本实施例中，从车联网平台上提取车辆数，筛选所需且有效的数，利用微分计算电池电压变化率，运用z分数模型、统计学模型和角度方差模型对电池电压变化率进行分析并实时监控电池状态，当电池发生异常时，发出报警，并将异常单体对应的单体编号发送出来。

具体的，所述电压变化率的计算公式如下：

式中，j为单体电池编号，u′j为单体j对应的电压变化率，duj是单体j在时间t1与t2之间的电压差，dt是时间t1与t2的时间差。

对获得的电压变化率分别执行z分数模型量化、统计模型量化和角度方差模型量化，具体执行内容如下所示。

具体的，所述电压变化率执行z分数模型量化的采用下式执行：

式中，zi,j为单体j在i时刻的电压变化率z分数，u′i,j为单体j在i时刻的电压变化率，avgi和σi分别为i时刻各单体电压变化率的均值和标准差。

具体的，所述电压变化率执行统计模型量化的采用下式执行：

式中，wj为t1-t2时间段内j号单体电池电压变化率的累计偏差，n为电池单体个数，vroc为t时刻各单体电压变化率之和，即vroc＝u′t,1+u′t,2+…+u′t,n。

具体的，所述电压变化率执行角度方差模型量化的采用下式执行：

式中，avar为任意两单体电压变化率夹角余弦集的方差，d(x)为求方差，和为电池组内任意两单体电池电压变化率形成的向量。

s3.判断所述z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常，若是则发出预警信息。

具体的，所述判断所述z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常的步骤包括：

预设第一异常值judge1、第二异常值judge2和第三异常值judge3；

当满足zi,j>judge1、wi,j>judge2和avar<judge3时，判断结果为异常。

另外，在本实施例中，还对异常进行分级预警，具体分级见表1。

表1

通过分级，可在预警时告知使用者故障的严重性，及时引起使用者的注意。

本发明的优势在于，电压变化率早于电压将单体异常情况体现出来，再借用z分数模型量化、统计模型量化和角度方差模型量化，使判断精度更高。

另外，通过本专利提出的预估方法，提前发现动力电池系统的异常问题，在安全问题和故障发生前做出预警，能够有效地减少电动汽车起火和爆炸等安全事故的发生，避免了生命和财产巨大经济的损失。另外,车企通过预警信息，可以提前知道可能发生故障的车辆，提前更换故障电池。

为了便于对电池进行监控，可在云端平台实时对zi,j、wj和avar进行监控，同时根据三者的值对电池的异常状况进行诊断。当zi,j、wj和avar的值满足异常诊断数据库的要求时，及时做出预警，并将对异常状态的风险等级、故障类型和异常单体编号、建议措施通过云端、邮件和短信等形式通知相关人员。

本发明的第二实施例提出一种电池预警方法，本实施例与第一实施例的区别在于如下内容。

优选的，所述获取电池的运行数据信息的步骤之后还包括：

获取所述运行数据信息中的无效信息，从所述运行数据信息中删除所述无效信息。

请参阅图2和图3，具体的，所述获取所述运行数据信息中的无效信息，从所述运行数据信息中删除所述无效信息的步骤包括：

s11.以所述运行数据信息中的数据采集时间，以及对应时间的里程、总电压、总电流、国标、单体蓄电池电压值建立数据表格；

s12.捕捉所述数据表格的空单元格，以所述空单元格所在的排或列作为所述无效信息，删除所述空单元格所在的排或列，即完成从所述运行数据信息中删除所述无效信息。

需要说明的是，由于车辆运行工况的复杂性和可能处在较为恶劣的环境下等原因，车辆运行数据中往往会存在一些无效或异常的数据，比较常见的如，数据不全、数据异常和空数据等。因此，在使用车辆运行数据前需要对运行数据进行有效性判断，以便消除无效和异常的数据，从而提高模型预警结果的准确度。

请参阅图4，本发明第三实施例提出一种电池预警系统，包括：

数据采集模块，用于获取电池的运行数据信息，所述运行数据信息包括不同的数据采集时间的单体电压，根据所述运行数据信息获得电压变化率；

模型量化模块，用于分别对所述电压变化率执行z分数模型量化、统计模型量化和角度方差模型量化；

预警模块，用于判断所述z分数模型量化、统计模型量化和角度方差模型量化的结果是否异常，若是则发出预警信息。

本实施例采用电压变化率作为判定指标，电压变化率早于电压将单体异常情况体现出来，再借用z分数模型量化、统计模型量化和角度方差模型量化，使判断精度更高。

优选的，所述数据采集模块包括：

异常数据消除单元，用于获取所述运行数据信息中的无效信息，从所述运行数据信息中删除所述无效信息。

需要说明的是，由于车辆运行工况的复杂性和可能处在较为恶劣的环境下等原因，车辆运行数据中往往会存在一些无效或异常的数据，比较常见的如，数据不全、数据异常和空数据等。因此，在使用车辆运行数据前需要对运行数据进行有效性判断，以便消除无效和异常的数据，从而提高模型预警结果的准确度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。