电池故障预警方法、系统及存储介质与流程

1.本发明涉及电动汽车动力锂电池或锂电池储能系统的故障诊断技术领域，具体涉及一种电池故障预警方法、系统及存储介质。


背景技术：

2.锂离子电池因具有循环寿命长、高比能量、自放电率低等优点，以锂离子电池作为动力电池的电动汽车逐渐成为未来汽车发展的主流方向，随着新能源汽车的发展，锂离子电池材料体系及结构不断向高能量密度的方向发展，动力锂电池发生热失控的几率也相应增大，动力电池发生热失控会造成巨大的人员伤亡和财产损失，也沉重打击市场接受电动汽车的信心，阻碍新能源汽车的普及。因此，准确且提前的锂离子电池故障诊断技术是电池安全问题研究的一个难点。
3.如专利文献cn112946497a公开了一种基于故障注入深度学习的蓄电池故障诊断方法和装置，基于故障注入的深度学习模型通过对训练蓄电池组进行深度学习后生成，通过将电池性能参数输入基于故障注入的深度学习模型，确定每个蓄电池是否存在故障以及存在故障的蓄电池的故障类型，该专利需要故障数据对模型进行提前训练，适用于储能这种工况较为单一的场景。
4.又如专利文献cn111426955a公开了一种锂电池故障诊断方法，通过获取锂离子电池发生各类型故障时的电池数据，对电池特征参数曲线与基准参数曲线进行相似度对比来判断电池发生故障。车载工况较为复杂，故障类型较多，故需要较多的故障数据进行故障模型的训练。
5.因此，有必要开发一种电池故障预警方法、系统及存储介质。


技术实现要素：

6.本发明的目的是提供一种电池故障预警方法、系统及存储介质,
7.本发明所述的一种电池故障预警方法，包括以下步骤：
8.步骤1.选取各个电池充放电的电压数据片段，每一个单体电压随时间变化的曲线作为聚类的基本元素，记为li，i表示电池单体号；
9.步骤2.利用凝聚分层聚类方法对所有单体的电压曲线进行聚类；
10.步骤3.根据聚类结果将类内元素数量最多的类作为正常簇，记作c
nomal
，其余类当作潜在异常簇，记作cj，其中，取值为1,2，
…
,k-1,k表示类的数量；
11.步骤4.计算类c
nomal
中元素之间距离的平均值，记作d
cnomal
；
12.步骤5.计算潜在异常簇cj与正常簇c
nomal
的类间距离d(cj,c
nomal
)；
13.步骤6.计算正常簇类内元素平均距离d
cnomal
和异常簇与正常簇的类间距离d(cj,c
nomal
)的比值d
ratio
，并与设定的预警条件进行比较，若满足预警条件，则触发报警，判定异常簇类内的单体为故障单体。
14.可选地，所述步骤1具体为：
15.获取车辆上传的数据，剔除明显错误的数据、空值、默认值、重复时间段的值，并将数据按车辆终端时间进行排序；
16.提取车辆终端时间、各时刻的电压传感器电压列表、车辆状态标志位以及电池状态标志位；
17.选择每一个单体的电压曲线，所述电压曲线为电压随时间变化的曲线；
18.将每一个单体的电压曲线当作聚类的基本元素。
19.可选地，统计计算周期内d
ratio
超过报警阈值dm的次数，若次数超过设定的次数阈值，则表示满足预警条件，发生预警。
20.可选地，所述报警阈值dm表示电压曲线与正常簇内电压曲线的不同程度，获取方法如下：
21.统计预设一段时间内预设车型的正常车辆数据，分别将每个单体当作潜在异常簇，计算d
ratio
的值；
22.统计所有单体在该段时间内所有计算值d
ratio
的分布规律；
23.将6sigma水平以外的电压增量比作为报警阈值，或将8sigma水平以外的电压增量比作为报警阈值，或将3sigma水平以外的电压增量比作为报警阈值。
24.可选地，所述报警阈值dm表示电压曲线与正常簇内电压曲线的不同程度，获取方法如下：
25.统计预设车型所有存在电压故障的数据，将故障单体的电芯作为潜在异常簇，其余单体当作正常簇，计算所有存在电压故障问题的d
ratio
，取平均值作为报警阈值dm。
26.第二方面，本发明所述的一种电池故障预警系统，包括控制器和存储器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如本发明所述的电池故障预警方法的步骤。
27.第三方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本发明所述的所述的电池故障预警方法的步骤。
28.本发明具有以下优点：本发明提出了一种基于凝聚分层聚类方法的故障诊断方法，无需故障数据或者少量故障数据来对电池充放电曲线进行分类比较，以此判断电池运行过程中是否发生故障，避免了收集不同故障类型数据来训练模型的过程，并且保证了故障预警快速且高效。本发明解决了通过对比电压曲线的形状来分析电池是否发生故障，若在相同的时间段内，某个单体或某些单体的电压曲线与其他单体有较大的差异，则说明单体出现故障，如自放电异常、电池容量偏低等，需要对电池包作进一步维修或保养，避免了电池故障恶化，甚至发生热失控引发安全事故，对驾驶员人身安全及财产造成威胁。
附图说明
29.图1是本实施例中凝聚分层聚类方法的元素距离定义示意图；
30.图2是本实施例中凝聚分层聚类算法流程图；
31.图3是本实施例中预警算法流程图。
具体实施方式
32.下面结合附图对本发明作进一步说明。
33.如图1所示，本实施例中，一种电池故障预警方法，包括以下步骤：
34.步骤1.选取各个电池充放电的电压数据片段，每一个单体电压随时间变化的曲线作为聚类的基本元素，记为li，i表示电池单体号。
35.本实施例中，本方法可以布置在云端，计算数据来源是车辆根据gbt32960要求上传的运行数据，车辆无需增加额外设备或其他要求。
36.当云端接收到车辆上传的数据后，进行以下处理：
37.数据清洗：剔除明显错误的数据、空值、默认值、重复时间段的值等，将数据按车辆终端时间进行排序；
38.数据提取：提取车辆终端时间、各时刻的电压传感器电压列表、车辆状态标志位以及电池状态标志位等；
39.数据选择：选择用于凝聚分层聚类的电压曲线(即电压随时间变化的曲线)，选择方式可以按照车辆的状态、电池充电状态(如每次的充电曲线)、指定的时间长度等；
40.将每一个单体的电压曲线当作基本元素，进行凝聚分层聚类，将每一个待聚类的元素都当成一类，即初始状态为每个单体的电压曲线代表一类，每一类内均只有一个基本元素。
41.步骤2.利用凝聚分层聚类方法对所有单体的电压曲线进行聚类。
42.s21，将每一个待聚类的元素都当成一类，即初始状态为每个单体的电压曲线代表一类，每一类内均只有一个基本元素。
43.s22，计算任意两类之间的距离d(a，b)；
44.类距离的定义为：若类a有共na个元素，类b有共nb个元素，则类a与类b间的类距离d(a，b)定义为两类所有元素的“平均距离”，即：
[0045][0046]
式中，d(li，lj)为元素li与元素lj之间的元素距离。
[0047]
元素距离的定义为：两个待聚类元素(v-t曲线)与纵坐标以及直线x＝t
max
围成的图形的总面积，如图1所示。具体分为两种情况说明：若两条v-t曲线li和lj不相交，二者之间的元素距离d(li，lj)为图中阴影所示的曲边四边形的面积s，若两条v-t曲线li和lj相交，二者之间的元素距离d(li，lj)为图中阴影所示的两个曲边三角形的面积之和∑s。
[0048]
s23，找到距离最小的两类，将其合并为一类，类内元素合并；
[0049]
s24，重复进行步骤s22和步骤s23，直到当前聚类的总数达到人为设定值，这里设置可以为2～4类，具体流程图如附图2。
[0050]
步骤3.根据聚类结果将类内元素数量最多的类作为正常簇，记作c
nomal
，其余类当作潜在异常簇，记作cj，其中，取值为1，2，
…
，k-1，k表示类的数量。
[0051]
步骤4.计算类c
nomal
中元素之间距离的平均值，记作d
cnomal
；
[0052][0053]
式中，表示c
nomal
类内的元素数量，d(li，lj)为元素li与元素lj之间的元素距离。
[0054]
步骤5.计算潜在异常簇cj与正常簇c
nomal
的类间距离d(cj，c
nomal
)。
[0055]
步骤6.计算正常簇类内元素平均距离d
cnomal
和异常簇与正常簇的类间距离d(cj，c
nomal
)的比值d
ratio
，并与设定的预警条件进行比较，若满足预警条件，则触发报警，判定异常簇类内的单体为故障单体。
[0056]
本实施例中，d
ratio
的计算公式如下：
[0057][0058]
本实施例中，判异规则：统计计算周期内d
ratio
超过报警阈值dm的次数，若次数超过设定的次数阈值后，平台发生预警。
[0059]
本实施例中，报警阈值dm表示电压曲线与正常簇内电压曲线的不同程度，设定方式有统计方法和训练集训练方法两种；
[0060]
统计方法：统计一段时间内预设车型的正常车辆数据，分别将每个单体当做潜在异常簇，计算d
ratio
的值，统计所有单体在该段时间所有计算值d
ratio
的分布规律，将6sigma水平以外的电压增量比作为报警阈值；也可以按需求将统计区间放大到比如8sigma(即将8sigma水平以外的电压增量比作为报警阈值)或者缩小到3sigma(即将3sigma水平以外的电压增量比作为报警阈值)。
[0061]
训练集训练方法：统计预设车型所有存在电压故障的数据，将故障单体的电芯作为潜在异常簇，其余单体当做正常簇，计算所有存在电压故障问题的d
ratio
，取平均值作为报警阈值dm，报警阈值dm可以根据需求适当调低或者调高阈值。
[0062]
本实施例中，潜在异常簇偏离异常预警的处置方式：
[0063]
系统按照阈值高低，设置2种风险等级并推送技术团队和售后团队处置。如触发电池电压曲线异常偏离，则告知技术团队需要持续跟踪该单体；如触发电池电压曲线偏离过大，则告知售后团队要求用户对车辆电池进行维修或者更换。
[0064]
本实施例中，一种电池故障预警系统，包括控制器和存储器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如本实施例中所述的电池故障预警方法的步骤。
[0065]
本实施例中，一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本实施例中所述的所述的电池故障预警方法的步骤。