电池模组的电压的一致性评估方法、装置、设备及介质与流程

1.本发明实施例涉及计算机技术领域，尤其涉及一种电池模组的电压的一致性评估方法、装置、设备及介质。


背景技术：

2.随着科学技术的不断发展，各类动力电池得到了突飞猛进的发展；这些电池的性能直接影响了诸如汽车、摩托车等需要动力电池提供动力的产品的整体性能，如何对电池的电压进行一致性评估是业内研究的重点内容；由于使用到的动力电池通常是由多个电池模块组成的电池模组，故在本发明实施例中将这些动力电池统称为电池模组。
3.现阶段，一种方法是基于统计学的单参数评估方法对电池模组的电压进行一致性评估，例如，通过电池单体电压的标准差，极差等统计量表征电池电压的一致性。该方法忽略工况差异对电压一致性的影响，因此在个别工况下容易出现错误的评估；另一种方法是基于机器学习的多参数评估方法对电池模组电压进行一致性评估，该方法一般基于电池测试数据进行建模，例如，通过电池测试实验，得到电池模组在不同温度下，容量与电压的数值对应关系，然后通过对比待测电池模组的对应关系差异来评价电压一致性。该方法需要大量的测试数据，这使得测试成本剧增，且无法用于在线评估，工程应用意义较弱。
4.如何准确地对电池模组的电压进行一致性评估是业内研究的重点内容。


技术实现要素：

5.本发明实施例提供一种电池模组的电压的一致性评估方法、装置、设备及存储介质，以实现准确地对电池模组的电压进行一致性评估。
6.第一方面，本发明实施例提供了一种电池模组的电压的一致性评估方法，包括：
7.获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；
8.分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；
9.分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估。
10.第二方面，本发明实施例还提供了一种电池模组的电压的一致性评估装置，包括：
11.属性参数获取模块，用于获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；
12.时刻电压确定模块，用于分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；
13.一致性评估模块，用于分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估。
14.第三方面，本发明实施例还提供了一种电池模组的电压的一致性评估设备，所述
电池电压的一致性评估设备包括：
15.一个或多个处理器；
16.存储装置，用于存储一个或多个程序，
17.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本发明实施例中任一实施例所述的电池模组的电压的一致性评估方法。
18.第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一实施例所述的电池模组的电压的一致性评估方法。
19.本发明实施例通过获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估，实现了准确地对电池模组的电压进行一致性评估。
附图说明
20.图1是本发明实施例一中的一种电池模组的电压的一致性评估方法的流程图；
21.图2是本发明实施例二中的一种电池模组的电压的一致性评估方法的流程图；
22.图3是本发明实施例二中的一种电池模组的电压的一致性评估方法的流程图；
23.图4是本发明实施例三中的一种电池模组的电压的一致性评估装置的结构示意图；
24.图5是本发明实施例四中的一种电池模组的电压的一致性评估设备的结构示意图。
具体实施方式
25.下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
26.实施例一
27.图1是本发明实施例一中的一种电池模组的电压的一致性评估方法的流程图，本实施例可适用于对车辆中的电池进行电压的一致性评估的情况，该方法可以由电池模组的电压的一致性评估装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在电池模组的电压的一致性评估设备中，在本实施例中，电池模组的电压的一致性评估设备可以为计算机、服务器或者平板电脑等；具体的，参考图1，该方法具体包括如下步骤：
28.步骤110、获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻。
29.其中，每个时间段内多可以包括多个时刻，通常情况下，每个时间段内包含的时刻数量相同；示例性的，时间段a的时长可以为10分钟，共包含10个时刻；时间段b的时长也为10分钟，共包含10个时刻，这样可以保证后续生成的状态序列的长度一致，便于计算。
30.在本实施例中，电池模组可以由多个电池模块组成，其可以应用在新能源汽车中、
电动自行车中、摩托车中或者其他需要供电的设备中，本实施例中对其不加以限定。
31.在本实施例中，属性参数可以包括时间、充电比例(state of charge，soc)、充电状态、温度以及电压。
32.在本实施例中，可以获取多个时间段内的每一个时刻待测试电池模组的属性参数；示例性的，可以分别获取时间段a内的第一时刻至第十时刻的时间参数、soc参数、充电状态参数、温度参数以及电压参数，以及时间段b内的第一时刻至第十时刻的时间参数、soc参数、充电状态参数、温度参数以及电压参数。
33.步骤120、分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压。
34.在本实施例的一个可选实现方式中，在获取到至少两个时间段内待测试车辆电池的至少一项属性参数之后，可以进一步的将不同时间段内的各属性参数输入至预先训练得到的回归森林模型中，从而得到与每个时间段对应的至少一个时刻电压。
35.示例性的，在上述例子中，可以先将获取时间段a内的第一时刻至第十时刻的时间参数、soc参数、充电状态参数、温度参数以及电压参数输入至回归森林模型中，得到十个时刻电压；再将时间段b内的第一时刻至第十时刻的时间参数、soc参数、充电状态参数、温度参数以及电压参数输入至回归森林模型中，得到十个时刻电压。
36.在本实施例的一个可选实现方式中，在分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中之前，还包括：获取多个正常电池模组的至少一项属性参数；对各所述属性参数进行预处理，并按照设定比例将各所述属性参数划分为训练集以及测试集；根据所述训练集以及所述测试集训练得到所述回归森林模型。
37.在具体实现中，可以采集正常车辆的数据，即电池电压长时间(例如，一个月、半年或者一年等)保持一致的车辆电池的属性参数，例如，字段包括上报时间，soc，充电状态，单体温度，电流和单体电压；对数据进行预处理，例如，可以剔除数据中的缺失值，根据正常工作电压范围对异常电压进行剔除，根据3σ准则对异常温度进行剔除，充电状态可以采用one-hot编码，其中，未充电状态可以为(1，0，0)，停车充电状态可以为(0，1，0)，充电状态完成可以为(0，0，1)；数据集根据比例7：3(也可以为8：2或者9：1等，本实施例中对其不加以限定)划分为训练集与测试集，其中，训练集可以用于模型训练，测试集可以用于模型调参；进一步的，可以基于训练集训练随机森林模型，并基于测试集对模型进行调参，然后基于最优的随机森林模型建立回归森林模型。
38.这样设置的好处在于，可以快速且准确地确定与每个时间段对应的至少一个时刻电压，为后续对待测试电池模组的电压的一致性评估提供依据，提升了算法的执行效率。
39.需要说明的是，在本实施例中基于训练集训练随机森林模型，并基于测试集对模型进行调参，以及基于最优的随机森林模型建立回归森林模型是本领域的常规技术手段，在本实施例中对其不再进行赘述。
40.步骤130、分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估。
41.在本实施例的一个可选实现方式中，在得到与每个时间段对应的至少一个时刻电压之后，可以进一步的根据各时刻电压生成与每个时间段对应的状态序列，并根据各状态序列对待测试电池模组的电压的一致性进行评估。
42.在本实施例中，分别根据各所述时刻电压生成与每个时间段对应状态序列可以包括：获取目标时间段的各时刻电压对应的状态码，并根据各所述状态码形成与所述目标时间段对应的状态序列。其中，目标时间段可以为任一时间段，例如上述例子中涉及到的时间段a或者时间段b，本实施例中对其不加以限定。
43.示例性的，若目标时间段包括十个时刻，在获取到这十个时刻对应的时刻电压之后，可以依次确定每个时刻电压对应的状态码，并按照时间顺序对各状态码进行拼接，从而形成与目标时间段对应的状态序列。
44.在本实施例的一个可选实现方式中，获取目标时间段的各时刻电压对应的状态码，可以包括：如果目标时刻电压在预设的电压置信区间内，则与目标时刻电压对应的状态码为1，否则为0。
45.其中，预设的电压置信区间可以通过设定显著性水平来设定，例如，可以设定显著性水平为0.05，进一步的获取电压估算的置信区间[y
0.025
,y
0.975
]，其中，y
0.025
和y
0.975
分别为回归森林模型在分位数为0.025和0.975的预测值。
[0046]
进一步的，如果目标时刻电压在置信区间[y
0.025
,y
0.975
]内，则与目标时刻电压对应的状态码为1，否则为0；其中，目标时刻可以为目标时间段内的任一时刻，本实施例中对其不加以限定。
[0047]
可以理解的是，在本实施例中，与每个时间段对应状态序列即为一个内部元素为0或者1的序列。
[0048]
进一步的，可以根据生成的各状态序列对待测试电池模组的电压的一致性进行评估。示例性的，若生成2个状态序列，则可以计算这两个状态序列之间的相似度，并根据相似度结果对所述待测试电池模组的电压的一致性进行评估；示例性的，若相似度计算结果大于设定阈值(例如，0.9、0.8或者0.85等，本实施例中对其不加以限定)，则可以确定待测试车辆电池电压满足一致性要求；若生成10个状态序列，则可以计算每两个状态序列之间的相似度，并根据相似度结果对所述待测试电池模组的电压的一致性进行评估，即当每两个状态序列之间的相似度均大于设定阈值时，则可以确定待测试车辆电池电压满足一致性要求。
[0049]
本实施例的方案，通过获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估，实现了准确地对电池模组的电压进行一致性评估。
[0050]
实施例二
[0051]
图2是本发明实施例二中的一种电池模组的电压的一致性评估方法的流程图，本实施例是对上述各技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示，电池模组的电压的一致性评估方法可以包括如下步骤：
[0052]
步骤210、获取多个正常电池模组的至少一项属性参数；对各所述属性参数进行预处理，并按照设定比例将各所述属性参数划分为训练集以及测试集；根据所述训练集以及所述测试集训练得到所述回归森林模型。
[0053]
步骤220、获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻。
[0054]
步骤230、分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压。
[0055]
步骤240、分别根据各所述时刻电压生成与每个时间段对应状态序列。
[0056]
步骤250、计算每两个状态序列的相似度，并根据各相似度计算结果计算所述待测试电池模组的电压的一致性评分；并根据所述一致性评分对所述待测试电池模组的电压的一致性进行评估。
[0057]
在本实施例的一个可选实现方式中，在生成与每个时间段对应状态序列之后，可以进一步的计算每两个状态序列的相似度，并根据各相似度计算结果计算所述待测试电池模组的电压的一致性评分；并根据所述一致性评分对所述待测试电池模组的电压的一致性进行评估。
[0058]
在本实施例的一个可选实现方式中，根据所述一致性评分对所述待测试电池模组的电压的一致性进行评估，可以包括：在设定时间内，确定满足预设一次性标准的一致性评分的数量是否满足一致性通过标准；若是，则确定所述待测试电池模组的电压满足一致性评估。
[0059]
在本实施例中可以根据如下公式计算每两个状态序列的相似度：
[0060][0061]
其中，similarity(i,j)表示单体(即，时间段)i与单体j的余弦相似度，s
i,k
表示单体i在计算窗口中第k帧的状态，si表示单体i的状态序列。
[0062]
进一步的，可以根据相似度计算结果计算所述待测试电池模组的电压的一致性评分，在本实施例中，可以通过如下公式计算待测试电池模组的电压的一致性评分：
[0063][0064]
其中，consistency(i)表示为单体i的电压一致性评分。
[0065]
进一步的，可以根据并根据所述一致性评分对所述待测试电池模组的电压的一致性进行评估。在本实施例中，可以基于3σ准则对同一统计窗口中的单体一致性评分进行判断，若单体i的一致性评分consistency(i)《80且consistency(i)＜μ-3σ，则判断为未通过一致性检验，否则未通过一致性检验，其中μ为统计窗口中所有单体一致性评分的均值，σ为标准差；
[0066]
在本实施例的另一个具体例子中，也可以按日计算电池模组的电压的一致性评分，计算公式可以如下：
[0067]
[0068]
其中，consistency(i,tj)表示单体i在tj时刻的电压一致性评分，m为当日划分的统计窗口数。
[0069]
相应的，按日统计所有单体的一致性检验通过率，若通过率在区间[0,0.3]，则判断单体为严重不一致，若通过率在区间(0.3,0.6]，则判断单体为若不一致，若通过率在区间(0.6,0.9]，则判断单体为基本一致，若通过率在区间(0.9,1]，则判断单体为完全一致。
[0070]
本实施例的方案，通过计算每两个状态序列的相似度，并根据各相似度计算结果计算所述待测试电池模组的电压的一致性评分；并根据所述一致性评分对所述待测试电池模组的电压的一致性进行评估，可以对待测试电池模组的电压进行准确地评估，为电池模组的使用安全提供了保障。
[0071]
为了使本领域技术人员更好地理解本实施例电池模组的电压的一致性评估方法，图3是本发明实施例二中的一种电池模组的电压的一致性评估方法的流程图，参考图3，具体过程包括有：
[0072]
步骤310、数据采集。
[0073]
步骤311、数据预处理。
[0074]
步骤312、随机森林模型训练及调参。
[0075]
步骤313、得到回归森林模型。
[0076]
步骤320、将待评估数据输入至回归森林模型中。
[0077]
步骤330、置信区间预测以及获取状态序列。
[0078]
步骤340、计算单体电压一致性评分。
[0079]
步骤341、计算电池电压一致性评分。
[0080]
步骤342、识别异常单体。
[0081]
步骤350、输出电池电压一致性评估结果。
[0082]
本实施例的方案，评估模型核心算法为机器学习算法，训练数据包含各种实际工况数据，模型准确率高，适用性强，能够准确评估一致性；评估输入数据与训练数据字段完全一致，能够用于在线评估；无需电芯测试数据支撑，建模成本低。
[0083]
实施例三
[0084]
图4是本发明实施例三中的一种电池模组的电压的一致性评估装置的结构示意图，该装置可以执行上述各实施例中涉及到的电池模组的电压的一致性评估方法。参照图4，该装置包括：属性参数获取模块410、时刻电压确定模块420以及一致性评估模块430。
[0085]
属性参数获取模块410，用于获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；
[0086]
时刻电压确定模块420，用于分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；
[0087]
一致性评估模块430，用于分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估。
[0088]
本实施例的方案，通过属性参数获取模块获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；通过时刻电压确定模块分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；通过一致性评估模块分别根据各所述时刻电压生成与每个时间段对
应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估，实现了准确地对电池模组的电压进行一致性评估。
[0089]
在本实施例的一个可选实现方式中，所述属性参数包括下述至少一项：
[0090]
时间、充电比例soc、充电状态、温度以及电压。
[0091]
在本实施例的一个可选实现方式中，电池模组的电压的一致性评估装置，还包括：回归森林模型训练模块，用于获取多个正常电池模组的至少一项属性参数；
[0092]
对各所述属性参数进行预处理，并按照设定比例将各所述属性参数划分为训练集以及测试集；
[0093]
根据所述训练集以及所述测试集训练得到所述回归森林模型。
[0094]
在本实施例的一个可选实现方式中，一致性评估模块430，包括：状态序列生成子模块，用于获取目标时间段的各时刻电压对应的状态码，并根据各所述状态码形成与所述目标时间段对应的状态序列。
[0095]
在本实施例的一个可选实现方式中，状态序列生成子模块，具体用于如果目标时刻电压在预设的电压置信区间内，则与目标时刻电压对应的状态码为1，否则为0。
[0096]
在本实施例的一个可选实现方式中，一致性评估模块430，还包括，评估子模块，用于计算每两个状态序列的相似度，并根据各相似度计算结果计算所述待测试电池模组的电压的一致性评分；
[0097]
并根据所述一致性评分对所述待测试电池模组的电压的一致性进行评估。
[0098]
在本实施例的一个可选实现方式中，评估子模块，还具体用于在设定时间内，确定满足预设一次性标准的一致性评分的数量是否满足一致性通过标准；
[0099]
若是，则确定所述待测试电池模组的电压满足一致性评估。
[0100]
本发明实施例所提供的电池模组的电压的一致性评估装置可执行本发明任意实施例所提供的电池模组的电压的一致性评估方法，具备执行方法相应的功能模块和有益效果。
[0101]
实施例四
[0102]
图5为本发明实施例四提供的一种电池模组的电压的一致性评估设备的结构示意图，如图5所示，该电池模组的电压的一致性评估设备包括处理器50、存储器51、输入装置52和输出装置53；电池模组的电压的一致性评估设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；电池模组的电压的一致性评估设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接，图5中以通过总线连接为例。
[0103]
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的电池模组的电压的一致性评估方法对应的程序指令/模块(例如，电池模组的电压的一致性评估装置中的属性参数获取模块410、时刻电压确定模块420以及一致性评估模块430)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行电池模组的电压的一致性评估设备的各种功能应用以及数据处理，即实现上述的电池模组的电压的一致性评估方法。
[0104]
存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁
盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至电池模组的电压的一致性评估设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0105]
输入装置52可用于接收输入的数字或字符信息，以及产生与电池模组的电压的一致性评估设备的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
[0106]
实施例五
[0107]
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种电池模组的电压的一致性评估方法，该方法包括：
[0108]
获取至少两个时间段内待测试电池模组的至少一项属性参数；各所述时间段分别包括至少一个时刻；
[0109]
分别将不同时间段内的各属性参数输入至预先训练的回归森林模型中，得到与每个时间段对应的至少一个时刻电压；
[0110]
分别根据各所述时刻电压生成与每个时间段对应状态序列，并根据各所述状态序列对所述待测试电池模组的电压的一致性进行评估。
[0111]
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的电池模组的电压的一致性评估方法中的相关操作。
[0112]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0113]
值得注意的是，上述电池模组的电压的一致性评估装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0114]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。