车辆电池馈电风险识别方法及装置与流程

本发明涉及新能源汽车领域，具体而言，涉及一种车辆电池馈电风险识别方法及装置。

背景技术：

1、随着新能源汽车的快速发展和普及，电池管理成为关键问题。特别是，新能源汽车的产量和销量都在不断的提升，越来越多的新能源汽车被长期搁置，其电池因长期静置过程中出现电池的自放电和车载系统的消耗，导致电池电芯馈电异常、电芯内部正负极和电解液成分发生化学反应，这导致了电芯容量出现不可逆下降的现象。此外，静置状态的检测和馈电预警往往依赖于复杂的模型预测，缺乏直接且高效的计算方法，其预警结果都需要大量的人力进行复查核实，导致在车辆静置状态下对车辆电池进行馈电风险识别的效率和准确性均较低。

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、本发明实施例提供了一种车辆电池馈电风险识别方法及装置，以至少解决相关技术中在车辆静置状态下对车辆电池进行馈电风险识别，存在的馈电风险预测的准确率和效率均较低的技术问题。

2、根据本发明实施例的一个方面，提供了一种车辆电池馈电风险识别方法，包括：在检测到目标车辆处于静置状态的情况下，获取目标车辆处于静置状态的累计静置时长；获取目标车辆的车辆电池在目标时段内的总放电率；确定车辆电池在静置状态下的实际soc容量；基于总放电率和实际soc容量，确定车辆电池的剩余放电时长；基于剩余放电时长和累计静置时长，确定车辆电池的馈电风险识别结果。本发明解决了相关技术中在车辆静置状态下对车辆电池进行馈电风险识别，存在的馈电风险预测的准确率和效率均较低的技术问题。

3、通过以上方式，能够有效解决静置状态的检测和馈电预警需要依赖于复杂的模型预测，预警结果需要大量的人力进行复查核实等局限性，提供了一种更高效、更准确的车辆电池静置馈电风险识别方法。

4、可选的，在所述在检测到目标车辆处于静置状态的情况下，获取所述目标车辆处于所述静置状态的累计静置时长之前，所述方法还包括：获取当前时段采集的所述目标车辆的多帧运行数据，其中，所述多帧运行数据对应不同的采样时刻，每一帧运行数至少包括：所述目标车辆在对应时刻的电压数组、充电电流、放电电流、车辆行驶里程、车辆行驶速度，其中，所述电压数组中包括所述车辆电池内的多个单体电池分别对应的电压值；检测所述多帧运行数据是否满足预定运行条件；在所述多帧运行数据中，满足所述预定运行条件的运行数据帧数大于预定连续帧数的情况下，确定所述目标车辆处于所述静置状态。

5、通过以上方式，可以有效过滤掉误操作或信号干扰导致的假静置状态，避免单一数据点的误判，确保静置状态判断的可靠性。

6、可选的，所述检测所述多帧运行数据是否满足预定运行条件，包括：通过如下方式检测所述多帧运行数据中，任一帧运行数据是否满足所述预定运行条件：基于所述目标车辆在任一时刻的电压数据，检测所述车辆电池的电压变化率是否小于预设变化率阈值，所述目标车辆在所述任一时刻是否存在充电电流，所述目标车辆在所述任一时刻的放电电流是否小于预设电流，所述目标车辆在所述任一时刻的车辆行驶里程是否发生变化，所述目标车辆在所述任一时刻的车辆行驶速度是否小于预设速度，得到检测结果，其中，所述电压变化率包括所述车辆电池的整体电压变化率，以及所述车辆电池中每个单体电池的单体电压变化率；根据所述检测结果，确定所述任一帧运行数据是否满足所述预定运行条件；采用检测任一帧运行数据是否满足所述预定运行条件的方式，检测所述多帧运行数据是否满足所述预定运行条件。

7、通过以上方式，从多个维度进行多帧运行数据是否满足预定运行条件的评估，能进一步确认车辆是否真正处于静置状态，避免车辆静置状态的误识别。

8、可选的，所述根据所述检测结果，确定所述任一帧运行数据是否满足所述预定运行条件，包括：在所述电压变化率小于所述预设变化率阈值，并且所述目标车辆在所述任一时刻不存在充电电流，并且放电电流小于所述预设电流，并且车辆行驶里程未发生变化，并且车辆行驶速度小于所述预设速度的情况下，确定所述任一帧运行数据满足所述预定运行条件；或者在所述电压变化率大于或等于所述预设变化率阈值，或者所述目标车辆在所述任一时刻存在充电电流，或者放电电流大于或等于所述预设电流，或者车辆行驶里程发生变化，或者车辆行驶速度大于或等于所述预设速度的情况下，确定所述任一帧运行数据不满足所述预定运行条件。

9、通过以上方式，判定逻辑要求同时满足多个条件，可以确保在进行静置状态判断时数据的一致性和有效性，避免因个别参数的偶然性波动而对车辆状态做出错误的结论。

10、可选的，所述在所述多帧运行数据中，满足所述预定运行条件的运行数据帧数大于预定连续帧数的情况下，确定所述目标车辆处于所述静置状态，包括：在所述多帧运行数据中，满足所述预定运行条件的运行数据帧数大于所述预定连续帧数的情况下，获取所述多帧运行数据中，第一帧满足所述预定运行条件的运行数据对应的目标时刻，以及所述当前时段的结束时刻；基于所述目标时刻和所述结束时刻，确定初始静置时长；获取所述当前时段采集的所述目标车辆的多帧第一特征数据，其中，所述多帧第一特征数据对应不同的采样时刻，每一帧特征数据用于指示对应时刻目标车辆的运行特征；基于所述多帧第一特征数据，采用长短期记忆网络模型，得到所述目标车辆的第一预测状态，以及第一预测静置时长，其中，所述第一预测状态用于指示所述目标车辆在所述初始静置时长对应时段内是否处于静置状态；在所述第一预测状态为所述静置状态，并且所述初始静置时长与所述第一预测静置时长之间的差值小于预设差值阈值的情况下，确定所述目标车辆处于所述静置状态。

11、通过以上方式，在实时计算中判断出目标辆车出现静置状态时，发出请求调用该长短期记忆网络模型，进行静置状态的准确性判断，如果长短期记忆网络模型返回结果显示目标辆车未满足静置条件，则实时计算中会将静置状态计数归零，重新进行静置状态判断，防止实时计算因处理不了补发数据导致静置状态判断失误。

12、可选的，所述获取所述目标车辆的车辆电池在目标时段内的总放电率，包括：获取所述车辆电池在所述目标时段的电流放电率；获取所述车辆电池在所述目标时段的自放电率；基于所述电流放电率和所述自放电率，得到所述总放电率。

13、通过以上方式，将总放电率由电流放电率和自放电率两部分合并计算，可以全面评估电池在静置状态下的能量损耗速度，提供了一个更全面的能量消耗视角。

14、可选的，所述确定所述车辆电池在所述静置状态下的实际soc容量，包括：获取所述静置状态下采集的所述车辆电池的电压数组，其中，所述电压数组中包括所述车辆电池中包括的多个单体电池分别在所述静置状态下的电压值；识别所述电压数组中的最大电压值和最小电压值；基于电压值与soc容量之间的对应关系，确定所述最大电压值对应的最大soc容量，以及所述最小电压值对应的最小soc容量；基于所述最大soc容量和所述最小soc容量，确定所述实际soc容量。

15、通过以上方式，能够提供一个更接近于电池真实状态的soc值。使用电压数组中的最大和最小电压值来计算soc容量，可以避免因某个单体电池数据异常而导致的整体soc评估错误。

16、可选的，所述基于所述剩余放电时长和所述累计静置时长，确定所述车辆电池的馈电风险识别结果，包括：从多个时长范围中确定所述剩余放电时长所属的目标时长范围，其中，所述多个时长范围是基于所述累计静置时长的不同比例确定的；从多个馈电风险等级中，确定与所述目标时长范围对应的目标馈电风险等级，其中，所述多个馈电风险等级与所述多个时长范围一一对应；基于所述目标馈电风险等级，确定所述馈电风险识别结果。

17、通过以上方式，将剩余放电时长与累计静置时长的关系转换为不同风险等级，实现了风险的量化表示。通过划分多个时长范围和对应的风险等级，能够实现多级预警机制。

18、可选的，所述方法还包括：在所述目标车辆处于所述静置状态的情况下，按照预设定时任务获取第一时段采集的所述目标车辆的多帧第二特征数据，其中，所述多帧第二特征数据对应不同的采样时刻，每一帧特征数据用于指示对应时刻目标车辆的运行特征，所述第一时段为当前时段之后的时段；基于所述多帧第二特征数据，采用长短期记忆网络模型，得到所述目标车辆的第二预测状态，以及第二预测静置时长，其中，所述第二预测状态用于指示所述目标车辆在所述第一时段内是否处于静置状态；在所述第二预测状态为所述静置状态，并且所述累计静置时长与所述第二预测静置时长之间的差值小于预设差值阈值的情况下，对所述累计静置时长进行修正处理，得到修正后的累计静置时长。

19、通过以上方式，在实时计算通过静置时长累计判断一辆车的静置时长每隔一定时长调用一次该长短期记忆网络模型，对静置时长进行矫正，保证静置时长的准确。防止实时计算线程在请求调用模型时，因为模型调用应用程序接口掉线或报错，长时间不返回结果，导致实时处理线程卡住的情况，也大大保证了模型调用服务的可用性。

20、根据本发明实施例的另一方面，还提供了一种车辆电池馈电风险识别装置，包括：在检测到目标车辆处于静置状态的情况下，获取所述目标车辆处于所述静置状态的累计静置时长；获取所述目标车辆的车辆电池在目标时段内的总放电率；确定所述车辆电池在所述静置状态下的实际soc容量；基于所述总放电率和所述实际soc容量，确定所述车辆电池的剩余放电时长；基于所述剩余放电时长和所述累计静置时长，确定所述车辆电池的馈电风险识别结果。

21、在本发明实施例中，通过在检测到目标车辆处于静置状态的情况下，获取所述目标车辆处于所述静置状态的累计静置时长；获取所述目标车辆的车辆电池在目标时段内的总放电率；确定所述车辆电池在所述静置状态下的实际soc容量；基于所述总放电率和所述实际soc容量，确定所述车辆电池的剩余放电时长；基于所述剩余放电时长和所述累计静置时长，确定所述车辆电池的馈电风险识别结果，达到了基于实时获取的车辆电池剩余放电时长和累计静置时长，动态进行车辆电池进行馈电风险的准确识别的目的，从而实现了提升在车辆静置状态下对车辆电池进行馈电风险识别的效率和准确性的技术效果，进而解决了相关技术中在车辆静置状态下对车辆电池进行馈电风险识别，存在的馈电风险预测的准确率和效率均较低的技术问题。