CN116930767A - 动力电池热失控的预警方法及装置 - Google Patents

动力电池热失控的预警方法及装置 Download PDF

Info

Publication number
CN116930767A
CN116930767A CN202310880350.0A CN202310880350A CN116930767A CN 116930767 A CN116930767 A CN 116930767A CN 202310880350 A CN202310880350 A CN 202310880350A CN 116930767 A CN116930767 A CN 116930767A
Authority
CN
China
Prior art keywords
power battery
battery
calculating
early warning
charging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310880350.0A
Other languages
English (en)
Inventor
牟晓飞
徐舰波
孙浩
李鑫
江振文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Deep Blue Automotive Technology Co ltd
Original Assignee
Deep Blue Automotive Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Deep Blue Automotive Technology Co ltd filed Critical Deep Blue Automotive Technology Co ltd
Priority to CN202310880350.0A priority Critical patent/CN116930767A/zh
Publication of CN116930767A publication Critical patent/CN116930767A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本申请涉及电池管理技术领域，特别涉及一种动力电池热失控的预警方法及装置，其中，方法包括：获取车辆的电池充电数据；根据电池充电数据计算车辆的动力电池的实际健康状态，并根据实际健康状态计算动力电池的过电流比例；基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。本申请实施例可以根据计算车辆的动力电池的实际健康状态和过电流比例，并基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预警阈值时，发出动力电池热失控的预警提示，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。

Description

动力电池热失控的预警方法及装置
技术领域
本申请涉及电池管理技术领域，特别涉及一种动力电池热失控的预警方法及装置。
背景技术
相关技术中，如CN116176350A，可以将检测到的信号均发送给判断模块，计算电压随时间的变化速率及温度随时间的变化速率，同时电池在当前状态下达成热失控预警条件时进行车端报警，并反馈整车热失控预警信号给云端数据平台，通过对电池温度、单体电压及烟雾浓度的采集与处理，设置多种参数条件对电池热失控状态进行综合判断并分级报警。
然而，相关技术中通过对电池温度、单体电压及烟雾浓度的采集与处理，导致面对真实随机工况时的准确性较低，降低了动力电池热失控预警的实时性，并且降低了动力电池的鲁棒性和稳定性，亟待解决。
发明内容
本申请是基于发明人对以下问题和认识作出的：
随着新能源汽车的普及，以及用户对新能源车的要求越来越高，为了解决用户对新能源汽车的里程焦虑、充电时间焦虑，动力电池包能量越来越高，充电时间越来越短，动力电池能量高，代表着每个电池包需要更多的电芯，充电时间短则需要更大的充电功率，而大功率充电，会加速锂电池的老化、析锂，而老化、析锂又是锂电池发生热失控的主要诱因之一。
锂电池生产厂家在设计电池包时，充电功率会随着老化而随之调整，通常调整充电功率跟电池的健康状态SOH(State of Health，动力电池健康状态)强相关，车载BMS(Battery Management System，电池管理***)会计算车辆当前SOH值，但由于硬件条件的限制，车辆无法存储大量数据，同时SOH与电池管理***策略紧密相关，为保证其准确性，触发车端更新SOH值的条件很苛刻，可能会引起车端不及时更新SOH值，导致电池管理***估计的SOH跟真实的电池状态误差大，导致电池实际已经衰减，但充电功率未及时调整，从而变相提高了电池的充电功率，加速电池的老化，带来安全风险。
本申请提供一种动力电池热失控的预警方法及装置，以解决相关技术中通过对电池温度、单体电压及烟雾浓度的采集与处理，导致面对真实随机工况时的准确性较低，降低了动力电池热失控预警的实时性，并且降低了动力电池的鲁棒性和稳定性的问题。
本申请第一方面实施例提供一种动力电池热失控的预警方法，包括以下步骤：获取车辆的电池充电数据；根据所述电池充电数据计算所述车辆的动力电池的实际健康状态，并根据所述实际健康状态计算所述动力电池的过电流比例；基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在所述概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。
根据上述技术手段，本申请实施例可以根据计算车辆的动力电池的实际健康状态和过电流比例，并基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预警阈值时，发出动力电池热失控的预警提示，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。
可选地，在本申请的一个实施例中，所述预先构建的异常概率识别模型由测试不同充电倍率下电池的损伤程度，并提取测试结果中损伤程度大于预设损伤值的电池的至少一个充电特征训练得到。
根据上述技术手段，本申请实施例可以预先构建异常概率识别模型，有效的提升了动力电池热失控预警的鲁棒性。
可选地，在本申请的一个实施例中，所述根据所述电池充电数据计算所述车辆的动力电池的实际健康状态，包括：基于所述电池充电数据，取充电片段的第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流；分别计算初始时和结束时的实际单体电压曲线，以在充电SOC-OCV曲线中计算初始真实的对应所述第一行的第一荷电状态和对应所述任一行的第二荷电状态；根据所述第一行的单体电压、单体对应的温度以及电流和所述任一行的单体电压、单体对应的温度以及电流及所述第一荷电状态、所述第二荷电状态计算所述动力电池的实际健康状态。
根据上述技术手段，本申请实施例可以根据电池充电数据和充电片段，并计算动力电池的实际健康状态，有效的提升了预警的实时性和准确性。
可选地，在本申请的一个实施例中，所述根据所述实际健康状态计算所述动力电池的过电流比例，包括：根据所述实际健康状态确定所述动力电池的理论电流；根据所述动力电池的实际电流和所述理论电流计算所述过电流比例。
根据上述技术手段，本申请实施例可以通过根据动力电池的实际电流和理论电流计算过电流比例，有效的提升了预警的实时性。
可选地，在本申请的一个实施例中，所述基于预先构建的异常概率识别模型，计算异常充电片段的概率，包括：根据所述过电流比例得到每个充电片段中过电流比例的中位数；根据所述中位数和充电次数得到输入向量，将所述输入向量输入至所述异常概率识别模型中，输出所述异常充电片段的概率。
根据上述技术手段，本申请实施例可以根据每个充电片段中过电流比例的中位数和充电次数得到输入向量，将输入向量输入至异常概率识别模型中，以得到异常充电片段的概率，有效的提升了预警的鲁棒性，并且提升了车辆的安全性。
本申请第二方面实施例提供一种动力电池热失控的预警装置，包括：获取模块，用于获取车辆的电池充电数据；计算模块，用于根据所述电池充电数据计算所述车辆的动力电池的实际健康状态，并根据所述实际健康状态计算所述动力电池的过电流比例；预警模块，用于基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在所述概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。
可选地，在本申请的一个实施例中，所述预先构建的异常概率识别模型由测试不同充电倍率下电池的损伤程度，并提取测试结果中损伤程度大于预设损伤值的电池的至少一个充电特征训练得到。
可选地，在本申请的一个实施例中，所述计算模块包括：获取单元，用于基于所述电池充电数据，取充电片段的第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流；第一计算单元，用于分别计算初始时和结束时的实际单体电压曲线，以在充电SOC(State of Charge，电池荷电状态)-OCV(Open CircuitVoltage，开路电压)曲线中计算初始真实的对应所述第一行的第一荷电状态和对应所述任一行的第二荷电状态；第二计算单元，用于根据所述第一行的单体电压、单体对应的温度以及电流和所述任一行的单体电压、单体对应的温度以及电流及所述第一荷电状态、所述第二荷电状态计算所述动力电池的实际健康状态。
可选地，在本申请的一个实施例中，所述计算模块包括：第一确定单元，用于根据所述实际健康状态确定所述动力电池的理论电流；第三计算单元，用于根据所述动力电池的实际电流和所述理论电流计算所述过电流比例。
可选地，在本申请的一个实施例中，所述预警模块包括：第二确定单元，用于根据所述过电流比例得到每个充电片段中过电流比例的中位数；输出单元，用于根据所述中位数和充电次数得到输入向量，将所述输入向量输入至所述异常概率识别模型中，输出所述异常充电片段的概率。
本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并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程序，以实现如上述实施例所述的动力电池热失控的预警方法。
本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的动力电池热失控的预警方法。
本申请的有益效果：
(1)本申请实施例可以根据电池充电数据和充电片段，并计算动力电池的实际健康状态，有效的提升了预警的实时性和准确性。
(2)本申请实施例可以根据每个充电片段中过电流比例的中位数和充电次数得到输入向量，将输入向量输入至异常概率识别模型中，以得到异常充电片段的概率，有效的提升了预警的鲁棒性，并且提升了车辆的安全性。
(3)本申请实施例可以根据计算车辆的动力电池的实际健康状态和过电流比例，并基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预警阈值时，发出动力电池热失控的预警提示，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。
本申请附加的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，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种动力电池热失控的预警方法的流程图；
图2为本申请一个具体实施例的动力电池热失控的预警的原理示意图；
图3为根据本申请实施例提供的动力电池热失控的预警装置的结构示意图；
图4为根据本申请实施例提供的车辆的结构示意图。
其中，10-动力电池热失控的预警装置；100-获取模块、200-计算模块和300-预警模块；401-存储器、402-处理器403通信接口。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的动力电池热失控的预警方法及装置。针对上述背景技术中心提到的相关技术中通过对电池温度、单体电压及烟雾浓度的采集与处理，导致面对真实随机工况时的准确性较低，降低了动力电池热失控预警的实时性，并且降低了动力电池的鲁棒性和稳定性的问题，本申请提供了一种动力电池热失控的预警方法，在该方法中，可以根据电池充电数据计算车辆的动力电池的实际健康状态，并计算动力电池的过电流比例，基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。由此，解决了相关技术中通过对电池温度、单体电压及烟雾浓度的采集与处理，导致面对真实随机工况时的准确性较低，降低了动力电池热失控预警的实时性，并且降低了动力电池的鲁棒性和稳定性等问题。
具体而言，图1为本申请实施例所提供的一种动力电池热失控的预警方法的流程示意图。
如图1所示，该动力电池热失控的预警方法包括以下步骤：
在步骤S101中，获取车辆的电池充电数据。
可以理解的是，本申请实施例可以获取车辆的电池充电数据，例如，可以获取电池充电时的时间、温度、单体电压、充电电流以及充入容量等，从而有效的提升了动力电池热失控预警的可执行性。
在步骤S102中，根据电池充电数据计算车辆的动力电池的实际健康状态，并根据实际健康状态计算动力电池的过电流比例。
可以理解的是，本申请实施例可以根据下述步骤中电池充电数据计算车辆的动力电池的实际健康状态，并根据实际健康状态计算动力电池的过电流比例，从而有效的提升了预警的精准性。
其中，在本申请的一个实施例中，根据电池充电数据计算车辆的动力电池的实际健康状态，包括：基于电池充电数据，取充电片段的第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流；分别计算初始时和结束时的实际单体电压曲线，以在充电SOC-OCV曲线中计算初始真实的对应第一行的第一荷电状态和对应任一行的第二荷电状态；根据第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流及第一荷电状态、第二荷电状态计算动力电池的实际健康状态。
举例而言，本申请实施例可以获取云端数据每台车的充电数据，采用安时积分法计算每次充入的容量，采用离散数据的积分方法，设充电数据共有h行，将充电时间记为t1,t2,...,th，电流记为I1,I2,...,Ih，则充入的电量为：
其中，h表示充电数据的行数，Ii表示充电电流，ti表示充电时间。
接着，本申请实施例可以取充电片段的第一行单体电压V1、单体对应的温度T1以及电流I1，第h行的单体电压Vh、单体对应的温度Th以及电流Ih，利用下述步骤中测试的充电SOC-OCV曲线以及电池内阻R，分别计算初始和结束时的实际单体OCV1＝V1-I1×R1和OCVh＝Vh-Ih×Rh，再利用OCV1和OCVh在充电SOC-OCV曲线中利用插值法计算初始真实的SOC1和SOCh，具体公式为：
SOCh＝(OCVh-V2)/(V1-V2)×(S1-S2)+S2
其中，V1、V2、S1、S2分别表示充电SOC-OCV曲线中的值，S1和V1、S2和V2分别对应，且V1≤OCVh≤V2。
另外，单体电池可充入容量为：
Qm＝Q1/(SOCh-SOC1)
从而，计算当前整包的电池健康状态，即：
SOH＝min(Qm)/Qr×100％
其中，Qr表示动力电池的理论额定容量。
通过计算动力电池的实际健康状态，有效的提升了预警的实时性和准确性。
可选地，在本申请的一个实施例中，根据实际健康状态计算动力电池的过电流比例，包括：根据实际健康状态确定动力电池的理论电流；根据动力电池的实际电流和理论电流计算过电流比例。
在实际执行过程中，本申请实施例可以获取云端每台车每次充电数据，其中，实际电流为I1，计算理论电流为：
I0＝I×SOH
从而，计算过电流比例：
PI＝I1/I0-1
其中，I1＜I0时，PI＝0。
通过根据动力电池的实际电流和理论电流计算过电流比例，有效的提升了预警的实时性。
在步骤S103中，基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。
可以理解的是，本申请实施例可以基于下述步骤中的预先构建的异常概率识别模型，计算异常充电片段的概率，当概率大于预警阈值时，则对用户进行动力电池热失控的预警提示，例如，仪表盘弹窗动力电池热失控预警提醒，且车内发出报警声音，从而有效的提升了预警的实时性和鲁棒性，并且提升了车辆的安全性和可靠性，满足用户的用车需求。
需要说明的是，预设预警阈值由本领域技术人员根据实际情况进行设置，在此不作具体限定。
可选地，在本申请的一个实施例中，预先构建的异常概率识别模型由测试不同充电倍率下电池的损伤程度，并提取测试结果中损伤程度大于预设损伤值的电池的至少一个充电特征训练得到。
举例而言，本申请实施例可以利用同款新电池测试不同温度下电池的充电SOC-OCV曲线，以及计算电池内阻在不同SOC、不同温度、不同电流情况下的值R(SOC,T,I)。
首先，本申请实施例可以取x个电池，利用快充的方式对电池进行工况充放电循环，充电电流始终跟初始一致，每次充电按时间排序，序号依次标记为1,2,…,a，测试期间全程实时测算的SOH0，SOH0分别在90％、80％、70％、...时分别取部分电池进行拆解分析，并选取析锂比较严重的电池。
接着，获取选取的析锂比较严重的电池的充电数据，其中，电池的实际电流为I，计算的理论电流为：
I0＝I×SOH
其次，根据电流I和I0计算过电流比例为：
PI＝I/I0-1
其中，I＜I0时，PI＝0。
将SOC分为10个片段[0,10],[10,20],...,[90,100]，取每次充电数据，计算每个SOC片段中过电流比例PI的均值或者中位数PIkj，其中，k表示第k次充电，j表示每个SOC片段，j≤m。
最后，根据所选的析锂较为严重的电池的所有充电过电流数据，得到n×11的矩阵，其中，每行为一个电池的一次充电，列为特征值，包含过流比例PIkj和充电编号k，将矩阵输入到XGBoost模型中进行训练，从而有效的提升了预警的鲁棒性。
可选地，在本申请的一个实施例中，基于预先构建的异常概率识别模型，计算异常充电片段的概率，包括：根据过电流比例得到每个充电片段中过电流比例的中位数；根据中位数和充电次数得到输入向量，将输入向量输入至异常概率识别模型中，输出异常充电片段的概率。
例如，本申请实施例可以将SOC分为10个片段[0,10],[10,20],...,[90,100]，并且从云端获取每次充电数据，计算每个SOC片段中过电流比例PI的均值或者中位数PIkj，其中，k表示第k次充电，j表示每个SOC片段，且j≤m。
接着，将PIkj和充电次数k合并成一个向量，然后将向量输入到预先构建的异常概率识别模型中，记录模型输出的标签，并统计每个车累计的异常充电标签数量b，计算异常充电片段的概率，即：
P＝b/a×100％
并且，异常充电片段的概率即车辆发生故障的概率，可以对概率P设定一阈值，达到阈值后则对车辆进行预警，有效的提升了预警的鲁棒性，并且提升了车辆的安全性。
举例而言，如图2所示，为本申请一个具体实施例的动力电池热失控的预警的原理示意图，首先，本申请实施例可以通过电池管理***获取车辆的电池充电数据并上传至云端，接着，可以从云端获取车辆的电池充电数据，根据电池充电数据计算车辆的动力电池的实际健康状态，并根据实际健康状态计算动力电池的过电流比例，其次，根据线下性能测试预先构建异常概率识别模型，最后，车辆可以获取的电池充电数据计算异常充电片段的概率，并在概率大于预警阈值时，对用户进行动力电池热失控的预警提示，可以将预警信息发送至车端或者售后，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。
根据本申请实施例提出的动力电池热失控的预警方法，可以根据电池充电数据计算车辆的动力电池的实际健康状态，并计算动力电池的过电流比例，基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。由此，解决了相关技术中通过对电池温度、单体电压及烟雾浓度的采集与处理，导致面对真实随机工况时的准确性较低，降低了动力电池热失控预警的实时性，并且降低了动力电池的鲁棒性和稳定性等问题。
其次参照附图描述根据本申请实施例提出的动力电池热失控的预警装置。
图3是本申请实施例的动力电池热失控的预警装置的方框示意图。
如图3所示，该动力电池热失控的预警装置10包括：获取模块100、计算模块200和预警模块300。
具体地，获取模块100，用于获取车辆的电池充电数据。
计算模块200，用于根据电池充电数据计算车辆的动力电池的实际健康状态，并根据实际健康状态计算动力电池的过电流比例。
预警模块300，用于基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。
可选地，在本申请的一个实施例中，预先构建的异常概率识别模型由测试不同充电倍率下电池的损伤程度，并提取测试结果中损伤程度大于预设损伤值的电池的至少一个充电特征训练得到。
可选地，在本申请的一个实施例中，计算模块200包括：获取单元、第一计算单元和第二计算单元。
其中，获取单元，用于基于电池充电数据，取充电片段的第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流。
第一计算单元，用于分别计算初始时和结束时的实际单体电压曲线，以在充电SOC-OCV曲线中计算初始真实的对应第一行的第一荷电状态和对应任一行的第二荷电状态。
第二计算单元，用于根据第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流及第一荷电状态、第二荷电状态计算动力电池的实际健康状态。
可选地，在本申请的一个实施例中，计算模块200包括：第一确定单元和第三计算单元。
其中，第一确定单元，用于根据实际健康状态确定动力电池的理论电流。
第三计算单元，用于根据动力电池的实际电流和理论电流计算过电流比例。
可选地，在本申请的一个实施例中，预警模块300包括：第二确定单元和输出单元。
其中，第二确定单元，用于根据过电流比例得到每个充电片段中过电流比例的中位数。
输出单元，用于根据中位数和充电次数得到输入向量，将输入向量输入至异常概率识别模型中，输出异常充电片段的概率。
需要说明的是，前述对动力电池热失控的预警方法实施例的解释说明也适用于该实施例的动力电池热失控的预警装置，此处不再赘述。
根据本申请实施例提出的动力电池热失控的预警装置，可以根据电池充电数据计算车辆的动力电池的实际健康状态，并计算动力电池的过电流比例，基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示，有效的提升了动力电池热失控预警的实时性，并且提升了动力电池的鲁棒性和稳定性。由此，解决了相关技术中通过对电池温度、单体电压及烟雾浓度的采集与处理，导致面对真实随机工况时的准确性较低，降低了动力电池热失控预警的实时性，并且降低了动力电池的鲁棒性和稳定性等问题。
图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括：
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
处理器402执行程序时实现上述实施例中提供的动力电池热失控的预警方法。
进一步地，车辆还包括：
通信接口403，用于存储器401和处理器402之间的通信。
存储器401，用于存放可在处理器402上运行的计算机程序。
存储器401可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选地，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
处理器402可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的动力电池热失控的预警方法。
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申请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必须针对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一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种动力电池热失控的预警方法，其特征在于，包括以下步骤：
获取车辆的电池充电数据；
根据所述电池充电数据计算所述车辆的动力电池的实际健康状态，并根据所述实际健康状态计算所述动力电池的过电流比例；以及
基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在所述概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。
2.根据权利要求1所述的方法，其特征在于，所述预先构建的异常概率识别模型由测试不同充电倍率下电池的损伤程度，并提取测试结果中损伤程度大于预设损伤值的电池的至少一个充电特征训练得到。
3.根据权利要求1所述的方法，其特征在于，所述根据所述电池充电数据计算所述车辆的动力电池的实际健康状态，包括：
基于所述电池充电数据，取充电片段的第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流；
分别计算初始时和结束时的实际单体电压曲线，以在充电SOC-OCV曲线中计算初始真实的对应所述第一行的第一荷电状态和对应所述任一行的第二荷电状态；
根据所述第一行的单体电压、单体对应的温度以及电流和所述任一行的单体电压、单体对应的温度以及电流及所述第一荷电状态、所述第二荷电状态计算所述动力电池的实际健康状态。
4.根据权利要求1所述的方法，其特征在于，所述根据所述实际健康状态计算所述动力电池的过电流比例，包括：
根据所述实际健康状态确定所述动力电池的理论电流；
根据所述动力电池的实际电流和所述理论电流计算所述过电流比例。
5.根据权利要求1所述的方法，其特征在于，所述基于预先构建的异常概率识别模型，计算异常充电片段的概率，包括：
根据所述过电流比例得到每个充电片段中过电流比例的中位数；
根据所述中位数和充电次数得到输入向量，将所述输入向量输入至所述异常概率识别模型中，输出所述异常充电片段的概率。
6.一种动力电池热失控的预警装置，其特征在于，包括：
获取模块，用于获取车辆的电池充电数据；
计算模块，用于根据所述电池充电数据计算所述车辆的动力电池的实际健康状态，并根据所述实际健康状态计算所述动力电池的过电流比例；以及
预警模块，用于基于预先构建的异常概率识别模型，计算异常充电片段的概率，并在所述概率大于预设预警阈值时，对用户进行动力电池热失控的预警提示。
7.根据权利要求6所述的装置，其特征在于，所述预先构建的异常概率识别模型由测试不同充电倍率下电池的损伤程度，并提取测试结果中损伤程度大于预设损伤值的电池的至少一个充电特征训练得到。
8.根据权利要求6所述的装置，其特征在于，所述计算模块包括：
获取单元，用于基于所述电池充电数据，取充电片段的第一行的单体电压、单体对应的温度以及电流和任一行的单体电压、单体对应的温度以及电流；
第一计算单元，用于分别计算初始时和结束时的实际单体电压曲线，以在充电SOC-OCV曲线中计算初始真实的对应所述第一行的第一荷电状态和对应所述任一行的第二荷电状态；
第二计算单元，用于根据所述第一行的单体电压、单体对应的温度以及电流和所述任一行的单体电压、单体对应的温度以及电流及所述第一荷电状态、所述第二荷电状态计算所述动力电池的实际健康状态。
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并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程序，以实现如权利要求1-5任一项所述的动力电池热失控的预警方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的动力电池热失控的预警方法。
CN202310880350.0A 2023-07-18 2023-07-18 动力电池热失控的预警方法及装置 Pending CN116930767A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310880350.0A CN116930767A (zh) 2023-07-18 2023-07-18 动力电池热失控的预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310880350.0A CN116930767A (zh) 2023-07-18 2023-07-18 动力电池热失控的预警方法及装置

Publications (1)

Publication Number Publication Date
CN116930767A true CN116930767A (zh) 2023-10-24

Family

ID=88378380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310880350.0A Pending CN116930767A (zh) 2023-07-18 2023-07-18 动力电池热失控的预警方法及装置

Country Status (1)

Country Link
CN (1) CN116930767A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117169733A (zh) * 2023-11-01 2023-12-05 车城智能装备(武汉)有限公司 一种动力电池监控方法、***、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117169733A (zh) * 2023-11-01 2023-12-05 车城智能装备(武汉)有限公司 一种动力电池监控方法、***、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107045109B (zh) 电池的直流内阻测量方法和装置
CN103399277B (zh) 一种动力电池实际容量估算方法
CN109991554B (zh) 一种电池电量检测方法、装置及终端设备
CN109991545B (zh) 一种电池包电量检测方法、装置及终端设备
US7888911B2 (en) Method and system for determining the SOC of a rechargeable battery
KR20120117745A (ko) 배터리 절연 저항 측정 방법, 절연 저항 측정 방법, 절연 저항 결정 장치 및 제조품
Zhou et al. Peak power prediction for series-connected LiNCM battery pack based on representative cells
CN111505511B (zh) 一种电动汽车单体电芯容量测定方法、电子设备及存储介质
CN111890988B (zh) 电池热失控检测方法、装置、电池管理***以及车辆
CN110045291B (zh) 一种锂电池容量估计方法
CN116930767A (zh) 动力电池热失控的预警方法及装置
CN113093027A (zh) 电池soc校准方法、装置、***、介质及程序产品
JP6161133B2 (ja) データ抽出装置、データ抽出方法およびデータ抽出プログラム
CN113484763A (zh) 一种电池剩余电量的确定方法、装置、设备及存储介质
CN116859245A (zh) 异常电池单体的识别方法、装置、服务器及存储介质
Vennam et al. A novel coupled electro-thermal-aging model for simultaneous SOC, SOH, and parameter estimation of lithium-ion batteries
CN116442786A (zh) 动力电池压差异常的识别方法、装置、服务器及存储介质
CN116264842A (zh) 电池soh估计装置和方法
CN115113049A (zh) 确定电池soc初始值的方法及相关装置
CN115803937A (zh) 电池诊断设备和方法
JP7485043B2 (ja) 電源装置および電池の不具合検出方法
WO2017002953A1 (ja) データ抽出装置、データ抽出方法およびデータ抽出プログラム
CN113466722B (zh) 确定电池荷电状态测量精度的方法及装置，电子设备
CN114814630A (zh) 电池健康状态管理方法、装置、电子设备和存储介质
CN114300763A (zh) 基于车云协调的电池内阻异常监测方法、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination