一种基于高维数据诊断的动力电池故障检测方法及系统技术方案

本发明专利技术公开一种基于高维数据诊断的动力电池故障检测方法及系统，通过对电池单体的电压数据进行预处理，得到电压数据矩阵，然后对电压数据矩阵进行聚类处理，得到初步异常点矩阵和核心点矩阵，本申请只需要对初步异常点矩阵采用基于角度的异常值检测方法，就能够诊断动力电池的故障，相比于检测所有原始数据集大大减少了数据处理的工作量，降低了数据处理的复杂程度，进而提高检测效率。

A Power Battery Fault Detection Method and System Based on High Dimensional Data Diagnosis

【技术实现步骤摘要】
一种基于高维数据诊断的动力电池故障检测方法及系统
本专利技术涉及电池检测领域，特别是涉及一种基于高维数据诊断的动力电池故障检测方法及系统。
技术介绍
动力电池系统是电动车辆最为关键的部件，通常将多个电池单体串联连接成电池组来使用。虽然电池单体经测试及优选分组，但仍然存在性能差异，这些差异在电池的长期运行过程中会不同程度地产生新的差异，个别电池单体性能明显下降，严重影响电池组性能，甚至造成事故，因此需要对电池组中电池单体性能下降和早期故障进行检测，以便能够对其及时采取处置措施。传统的基于角度方差对高维数据异常检测点检测的方法，需要对所有的原始数据集进行计算，复杂度高，计算时间长。
技术实现思路
本专利技术的目的是提供一种基于高维数据诊断的动力电池故障检测方法及系统，达到提高动力电池故障检测效率的效果。为实现上述目的，本专利技术提供了如下方案：一种基于高维数据诊断的动力电池故障检测方法，所述方法包括：对电池单体的电压数据进行预处理，得到电压数据矩阵；利用聚类算法对所述电压数据矩阵进行聚类处理，得到聚类结果，所述聚类结果包括由边界点和异常点构成的初步异常点矩阵T，由核心点构成的核心点矩阵Q；根据所述聚类结果，利用异常值检测算法计算异常值分数；比较所述异常值分数与阈值的大小，若所述异常值分数小于所述阈值，确定所述异常值分数对应的电池单体发生故障，并输出发生故障的电池单体的编号。可选的，所述对电池单体的电压数据矩阵进行预处理，得到电压数据矩阵，具体包括：删除所述电池单体的电压数据中重复记录时刻的数据和记录错误的数据，得到清洗后电池单体电压数据；利用公式ΔUi＝Ui+1-Ui对所述清洗后电池单体电压数据进行一阶差分处理，得到所述电压数据矩阵；其中，Ui表示第i次采集的所述电池单体的电压数据，ΔUi表示连续两次采集的所述电池单体的电压数据的差，i表示所述电池单体的电压数据采集的次数。可选的，所述利用聚类算法对所述电压数据矩阵进行聚类处理，得到聚类结果，具体包括：初始化区域阈值和数目阈值；确定在所述区域阈值内所述电压数据矩阵中的点的数目大于所述数目阈值的区域为核心区域，由所述核心区域的点构成所述核心点矩阵Q；确定在所述区域阈值内且所述核心区域外所述电压数据矩阵中的点的数目小于所述数目阈值的区域为边界区域，所述边界区域的点为所述边界点；确定在所述区域阈值以外所述电压数据矩阵的点为所述异常点；所述边界点与所述异常点构成所述初步异常点矩阵T；确定所述核心点矩阵Q和所述初步异常点矩阵T为聚类结果；判断所述聚类结果是否达到聚类目标，得到判断结果；当所述判断结果表示是时，输出所述聚类结果；当所述判断结果表示否时，调整所述区域阈值和所述数目阈值，并返回至步骤“确定在所述区域阈值内所述电压数据矩阵中的点的数目大于所述数目阈值的区域为核心区域，由所述核心区域的点构成所述核心点矩阵Q”。可选的，所述聚类目标为所述初步异常点的数目占所述电压数据矩阵中的点的数目的10％～20％。可选的，所述根据所述聚类结果，利用异常值检测算法计算异常值分数，具体包括：将所述初步异常点矩阵T和所述核心点矩阵Q映射至高维空间；计算所述初步异常点矩阵T的点与所述核心点矩阵Q中任意两个点形成的夹角；根据所述夹角计算夹角余弦值，得到夹角余弦值集合；计算所述余弦值集合的方差，确定所述方差为所述样本数据P的点的异常值分数。一种基于高维数据诊断的动力电池故障检测系统，所述系统包括预处理单元，用于对电池单体的电压数据进行预处理，得到电压数据矩阵；聚类处理单元，用于利用聚类算法对所述电压数据矩阵进行聚类处理，得到聚类结果，所述聚类结果包括由边界点和异常点构成的初步异常点矩阵T，由核心点构成的核心点矩阵Q；异常值分数计算单元，用于根据所述聚类结果，利用异常值检测算法计算异常值分数；故障电池确定单元，用于比较所述异常值分数与阈值的大小，若所述异常值分数小于所述阈值，确定所述异常值分数对应的电池单体发生故障，并输出发生故障的电池单体的编号。可选的，所述预处理单元具体包括：数据清洗子单元，用于删除所述电池单体的电压数据中重复记录时刻的数据和记录错误的数据，得到清洗后电池单体电压数据；一阶差分子单元，用于利用公式ΔUi＝Ui+1-Ui对所述清洗后电池单体电压数据进行一阶差分处理，得到所述电压数据矩阵；其中，Ui表示第i次采集的所述电池单体的电压数据，ΔUi表示连续两次采集的所述电池单体的电压数据的差，i表示所述电池单体的电压数据采集的次数。可选的，所述聚类处理单元具体包括：阈值初始化子单元，用于初始化区域阈值和数目阈值；核心区域确定子单元，用于确定在所述区域阈值内所述电压数据矩阵中的点的数目大于所述数目阈值的区域为核心区域，由所述核心区域的点构成所述核心点矩阵Q；边界域区确定子单元，用于确定在所述区域阈值内且所述核心区域外所述电压数据矩阵中的点的数目小于所述数目阈值的区域为边界域区，所述边界区域的点为所述边界点；异常点确定子单元，用于确定在所述区域阈值以外所述电压数据矩阵的点为所述异常点；所述边界点与所述异常点构成所述初步异常点矩阵T；确定所述核心点矩阵Q和所述初步异常点矩阵T为聚类结果；聚类结果判断子单元，用于判断所述聚类结果是否达到聚类目标，得到判断结果；聚类结果输出子单元，用于当所述判断结果表示是时，输出所述聚类结果；阈值调整子单元，用于当所述判断结果表示否时，调整所述区域阈值和所述数目阈值，并返回至步骤“确定在所述区域阈值内所述电压数据矩阵中的点的数目大于所述数目阈值的区域为核心区域，由所述核心区域的点构成所述核心点矩阵Q”。可选的，所述聚类目标为所述初步异常点的数目占所述电压数据矩阵中的点的数目的10％～20％。可选的，所述异常值分数计算单元具体包括：映射子单元，用于将所述初步异常点矩阵T和所述核心点矩阵Q映射至高维空间；夹角计算子单元，用于计算所述初步异常点矩阵T的点与所述核心点矩阵Q中任意两个点形成的夹角；夹角余弦值计算子单元，用于根据所述夹角计算夹角余弦值，得到夹角余弦值集合；异常值分数确定子单元，用于计算所述余弦值集合的方差，确定所述方差为所述样本数据P的点的异常值分数。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术通过对电池单体的电压数据进行预处理，得到电压数据矩阵，然后对电压数据矩阵进行聚类处理，得到初步异常点矩阵和核心点矩阵，本申请只需要对初步异常数据矩阵采用基于角度的异常值检测方法，就能够诊断动力电池的故障，相比于检测所有原始数据集大大减少了数据处理的工作量，降低了数据处理的复杂程度，进而提高检测效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的实施例提供的基于高维数据诊断的动力电池故障检测方法的流程图；图2为本专利技术的实施例提供的基于高维数据诊断的动力电池故障检测系统的结构框图；图3为本专利技术的实施例提供的聚类结果进行可视化后的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，本文档来自技高网...

【技术保护点】
1.一种基于高维数据诊断的动力电池故障检测方法，其特征在于，所述方法包括：对电池单体的电压数据进行预处理，得到电压数据矩阵；利用聚类算法对所述电压数据矩阵进行聚类处理，得到聚类结果，所述聚类结果包括由边界点和异常点构成的初步异常点矩阵T，由核心点构成的核心点矩阵Q；根据所述聚类结果，利用异常值检测算法计算异常值分数；比较所述异常值分数与阈值的大小，若所述异常值分数小于所述阈值，确定所述异常值分数对应的电池单体发生故障，并输出发生故障的电池单体的编号。

【技术特征摘要】
1.一种基于高维数据诊断的动力电池故障检测方法，其特征在于，所述方法包括：对电池单体的电压数据进行预处理，得到电压数据矩阵；利用聚类算法对所述电压数据矩阵进行聚类处理，得到聚类结果，所述聚类结果包括由边界点和异常点构成的初步异常点矩阵T，由核心点构成的核心点矩阵Q；根据所述聚类结果，利用异常值检测算法计算异常值分数；比较所述异常值分数与阈值的大小，若所述异常值分数小于所述阈值，确定所述异常值分数对应的电池单体发生故障，并输出发生故障的电池单体的编号。2.根据权利要求1所述的基于高维数据诊断的动力电池故障检测方法，其特征在于，所述对电池单体的电压数据矩阵进行预处理，得到电压数据矩阵，具体包括：删除所述电池单体的电压数据中重复记录时刻的数据和记录错误的数据，得到清洗后电池单体电压数据；利用公式ΔUi＝Ui+1-Ui对所述清洗后电池单体电压数据进行一阶差分处理，得到所述电压数据矩阵；其中，Ui表示第i次采集的所述电池单体的电压数据，ΔUi表示连续两次采集的所述电池单体的电压数据的差，i表示所述电池单体的电压数据采集的次数。3.根据权利要求1所述的基于高维数据诊断的动力电池故障检测方法，其特征在于，所述利用聚类算法对所述电压数据矩阵进行聚类处理，得到聚类结果，具体包括：初始化区域阈值和数目阈值；确定在所述区域阈值内所述电压数据矩阵中的点的数目大于所述数目阈值的区域为核心区域，由所述核心区域的点构成所述核心点矩阵Q；确定在所述区域阈值内且所述核心区域外所述电压数据矩阵中的点的数目小于所述数目阈值的区域为边界区域，所述边界区域的点为所述边界点；确定在所述区域阈值以外所述电压数据矩阵的点为所述异常点；所述边界点与所述异常点构成所述初步异常点矩阵T；确定所述核心点矩阵Q和所述初步异常点矩阵T为聚类结果；判断所述聚类结果是否达到聚类目标，得到判断结果；当所述判断结果表示是时，输出所述聚类结果；当所述判断结果表示否时，调整所述区域阈值和所述数目阈值，并返回至步骤“确定在所述区域阈值内所述电压数据矩阵中的点的数目大于所述数目阈值的区域为核心区域，由所述核心区域的点构成所述核心点矩阵Q”。4.根据权利要求3所述的基于高维数据诊断的动力电池故障检测方法，其特征在于，所述聚类目标为所述初步异常点的数目占所述电压数据矩阵中的点的数目的10％～20％。5.根据权利要求1所述的基于高维数据诊断的动力电池故障检测方法，其特征在于，所述根据所述聚类结果，利用异常值检测算法计算异常值分数，具体包括：将所述初步异常点矩阵T和所述核心点矩阵Q映射至高维空间；计算所述初步异常点矩阵T的点与所述核心点矩阵Q中任意两个点形成的夹角；根据所述夹角计算夹角余弦值，得到夹角余弦值集合；计算所述余弦值集合的方差，确定所述方差为所述样本数据P的点的异常值分数。6.一种基于高维数据诊断的动力电池故障检测系统，其特征在于，所述系统包括预处理单元，用于对电池单体的电压数据进行预处理，得...

【专利技术属性】
技术研发人员：王震坡，刘鹏，王瑾，
申请(专利权)人：北京理工大学，北京理工新源信息科技有限公司，
类型：发明
国别省市：北京,11