车辆电池异常的识别方法以及装置与流程

本申请涉及汽车，尤其涉及一种车辆电池异常的识别方法以及装置。

背景技术：

1、为了保障电动汽车的安全，电动汽车电池的异常检测一直被视为汽车安全监测中的重中之重。目前，电池异常检测要么是设置规则，当电池数据触发设定的规则时，确认电池存在对应的异常；要么是采用离群点检测方法处理电池数据，当电池数据中存在离群点(也称为异常点)时，确认电池存在对应的异常。常用的离群点检测方法包括基于距离的方法、基于密度的方法、基于聚类的方法等。规则检测，由于规则过于固定，难以精确的判断异常是否发生。离群点检测难以处理复杂数据，在处理高维、多变量或非线性的复杂数据时，一些异常数据检测方法可能会变得不太准确或不适用。

技术实现思路

1、有鉴于此，本申请实施例提供了一种车辆电池异常的识别方法、装置、电子设备及存储介质，以解决现有技术中电池异常检测准确率低的问题。

2、本申请实施例的第一方面，提供了一种车辆电池异常的识别方法，包括：采集车辆电池的多条电池数据，并从电池管理系统中获取车辆电池的异常发生时刻；确定或者计算出各条电池数据的多个特征；依据各条电池数据的多个特征计算协方差矩阵，依据协方差矩阵删除与其他电池数据相关性低的电池数据；依据异常发生时刻确定各条电池数据的标签，将携带有标签的一条电池数据作为一条训练样本，得到训练样本集，其中，一条电池数据的标签为该条电池数据是否异常以及异常的类别；通过计算基尼系数和基尼指数的方法，使用训练样本集中的训练样本训练随机森林模型；利用训练后的随机森林模型识别车辆电池是否出现异常以及异常的类别。

3、本申请实施例的第二方面，提供了一种车辆电池异常的识别装置，包括：采集模块，被配置为采集车辆电池的多条电池数据，并从电池管理系统中获取车辆电池的异常发生时刻；特征计算模块，被配置为确定或者计算出各条电池数据的多个特征；协方差计算模块，被配置为依据各条电池数据的多个特征计算协方差矩阵，依据协方差矩阵删除与其他电池数据相关性低的电池数据；样本准备模块，被配置为依据异常发生时刻确定各条电池数据的标签，将携带有标签的一条电池数据作为一条训练样本，得到训练样本集，其中，一条电池数据的标签为该条电池数据是否异常以及异常的类别；训练模块，被配置为通过计算基尼系数和基尼指数的方法，使用训练样本集中的训练样本训练随机森林模型；识别模块，被配置为利用训练后的随机森林模型识别车辆电池是否出现异常以及异常的类别。

4、本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述方法的步骤。

5、本申请实施例的第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如权利要求上述任一项方法的步骤。

6、本申请实施例与现有技术相比存在的有益效果至少包括：依据各条电池数据的多个特征计算的协方差矩阵删除与其他电池数据相关性低的电池数据，依据异常发生时刻确定各条电池数据的标签，将携带有标签的一条电池数据作为一条训练样本，通过计算基尼系数和基尼指数的方法，使用训练样本训练随机森林模型，利用训练后的随机森林模型识别车辆电池是否出现异常以及异常的类别，所以，采用上述技术手段，可以解决现有技术中电池异常检测准确率低的问题，进而提高电池异常检测准确率，增强汽车安全检测。

技术特征：

1.一种车辆电池异常的识别方法，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，通过计算基尼系数和基尼指数的方法，使用所述训练样本集中的训练样本训练随机森林模型，包括：

3.根据权利要求1所述的方法，其特征在于，确定或者计算出各条电池数据的多个特征，包括：各条电池数据的平均温度、温度方差、平均电压、电压方差和电阻值；

4.根据权利要求1所述的方法，其特征在于，依据各条电池数据的多个特征计算协方差矩阵，依据所述协方差矩阵删除与其他电池数据相关性低的电池数据，包括：

5.根据权利要求1所述的方法，其特征在于，通过计算基尼系数和基尼指数的方法，使用所述训练样本集中的训练样本训练随机森林模型，包括：

6.根据权利要求1或5所述的方法，其特征在于，通过计算基尼系数和基尼指数的方法，使用所述训练样本集中的训练样本训练随机森林模型之后，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，通过计算所述训练样本集的基尼系数的方法，使用所述训练样本集中的训练样本训练随机森林模型之后，所述方法还包括：

8.一种车辆电池异常的识别装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

技术总结
本申请提供了一种车辆电池异常的识别方法以及装置。该方法包括：确定或者计算出各条电池数据的多个特征；依据各条电池数据的多个特征计算协方差矩阵，依据协方差矩阵删除与其他电池数据相关性低的电池数据；依据异常发生时刻确定各条电池数据的标签，将携带有标签的一条电池数据作为一条训练样本，得到训练样本集，其中，一条电池数据的标签为该条电池数据是否异常以及异常的类别；通过计算基尼系数和基尼指数的方法，使用训练样本集中的训练样本训练随机森林模型；利用训练后的随机森林模型识别车辆电池是否出现异常以及异常的类别。采用上述技术手段，解决现有技术中电池异常检测准确率低的问题。

技术研发人员：牟云飞,石峻臣,李伟
受保护的技术使用者：重庆赛力斯凤凰智创科技有限公司
技术研发日：
技术公布日：2024/6/5