电芯温度的诊断方法、存储介质和电子设备技术

本发明专利技术提供一种电芯温度的诊断方法、存储介质和电子设备，其中的方法包括：根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型；将所述车辆在预选时刻的行驶数据、充电数据和/或电池状态数据输入至所述电芯温度预测模型得到预选时刻的电芯温度预测值；根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常。以上方案，通过电芯温度预测模型利用车辆行驶相关数据得到电芯温度预测值，根据电芯温度预测值与采集到的实际电芯温度值进行电芯温度值的诊断，能够对电芯温度处于合理温度范围内时的异常情况进行诊断,能够提高电芯温度异常诊断结果的准确度。

【技术实现步骤摘要】
电芯温度的诊断方法、存储介质和电子设备
本专利技术涉及新能源车辆
，具体涉及一种电芯温度的诊断方法、存储介质和电子设备。
技术介绍
电池是电动车辆的能量来源，电池包括多个电芯，每一电芯的温度都需要在合适的温度范围内电池才能正常工作，电芯的温度过高或者过低都会影响车辆的正常行驶，电芯的温度过高还有可能引起自燃、爆炸等事故。现有技术中，电池内布置有温度传感器，温度传感器采集电池中每一个电芯的温度值并将采集到的温度值发送至电池管理系统，电池管理系统在任一个电芯的温度值超过电芯厂商规定的合理温度范围时认为当前电池温度存在异常情况并对电池的输出功率进行调节。以上的方案中，电池管理系统仅对不在合理温度范围内的电芯温度进行报警,即便电芯温度出现了异常波动(例如突然大幅升高),但是只要电芯温度依然在合理温度范围内,电池管理系统也依然认为电池温度处于正常状态，就会导致电池温度的异常诊断结果不准确，因此现有技术中经常出现电池温度的异常诊断结果与电池实际情况不一致，影响到车辆的正常行驶或存在安全隐患的情况。
技术实现思路
本专利技术实施例旨在提供一种电芯温度的诊断方法、存储介质和电子设备，以解决现有技术中无法对电芯温度在合理温度范围内的异常情况进行诊断的技术问题。本专利技术的一个方面提供一种电芯温度的诊断方法，包括如下步骤：根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型；将所述车辆在预选时刻的行驶数据、充电数据和/或电池状态数据输入至所述电芯温度预测模型得到预选时刻的电芯温度预测值；根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常。本专利技术的另一个方面提供一种存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行本专利技术上述方面所述的电芯温度的诊断方法。本专利技术的又一个方面提供一种电子设备，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行：根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型；将所述车辆在预选时刻的行驶数据、充电数据和/或电池状态数据输入至所述电芯温度预测模型得到预选时刻的电芯温度预测值；根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常。与现有技术相比，本专利技术实施例提供的上述技术方案至少具有以下有益效果：本专利技术实施例提供的电芯温度的诊断方法、存储介质和电子设备，能够根据车辆的历史数据与电芯温度值之间的关系得到电芯温度预测模型，将预选时刻采集到的车辆行驶数据输入至电芯温度预测模型中得到预选时刻的电芯温度预测值，而电池中的温度传感器能够采集到该同一电芯的实际电芯温度值，如果电芯温度值处于正常状态，则同一时刻的电芯温度预测值和实际电芯温度值之间的偏差很小，利用上述原理依据电芯温度预测值与实际电芯温度值的关系判断电芯温度是否异常，从而能够对电芯温度处于合理温度范围内时的异常情况进行诊断。附图说明图1为本专利技术一个实施例所述电芯温度的诊断方法的流程图；图2为本专利技术一个实施例所述三层神经网络模型的结构示意图；图3a为本专利技术一个实施例所述在不同样本数量时电芯温度预测值与实际电芯温度值的误差平方的均值的柱状图；图3b本专利技术一个实施例所述在不同样本数量时电芯温度预测值与实际电芯温度值的误差均值的柱状图；图4为本专利技术另一个实施例所述电子设备的硬件连接关系示意图。具体实施方式下面将结合附图进一步说明本专利技术实施例。在本专利技术的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。本专利技术提供的以下实施例中的各个技术方案，除非彼此之间相互矛盾，否则不同技术方案之间可以相互组合，不同方案中的技术特征可以相互替换。本专利技术的一部分实施例提供一种电芯温度的诊断方法，可以应用于车载控制器中，也可以应用于云端服务器中、驾驶员所持终端中，如图1所示，包括如下步骤：S101：根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型。以上数据均可以通过云端服务器获取。电动车辆的行驶数据、电池在充放电过程中的状态数据等均会上传至云端服务器，云端服务器将上述数据的采集时间、车辆的车牌信息、电池的设备信息等关联存储。对于一些用于运营服务的电动车辆来说，车辆的车牌信息也会与驾驶员的终端设备进行关联。因此，只要确定了车辆的车牌信息或者驾驶员终端设备信息、具体的时间，就能从云服务器获取与该车辆相关的上述历史数据。另外，历史行驶数据、历史充电数据和历史电池状态数据对于电芯温度都会产生影响，在获取电芯温度预测模型时，可以从上述数据中选择一个或多个作为影响因素。S102：将所述车辆在预选时刻的行驶数据、充电数据和/或电池状态数据输入至所述电芯温度预测模型得到预选时刻的电芯温度预测值。如步骤S101中所述，预选时刻确定后就能够获取与所述车辆对应的上述数据。预选时刻可以为当前时刻。步骤S101中的电芯温度预测模型是采用哪些影响因素得到的，本步骤中则采用哪些数据代入到电芯温度预测模型中。例如，步骤S101中，以车辆的历史行驶数据、历史充电数据作为影响因素得到电芯温度预测模型，则在本步骤中选择行驶数据和充电数据输入至电芯温度预测模型中以得到电芯温度预测值。S103：根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常。如果电芯温度预测值与实际电芯温度值相等或者偏差非常小，例如在1℃以内，则可以认为电芯温度为正常状态。本实施例提供的以上方案，能够根据车辆的历史数据与电芯温度值之间的关系得到电芯温度预测模型，将预选时刻采集到的车辆行驶数据输入至电芯温度预测模型中得到预选时刻的电芯温度预测值，而电池中的温度传感器能够采集到该同一电芯的实际电芯温度值，如果电芯温度值处于正常状态，则同一时刻的电芯温度预测值和实际电芯温度值之间的偏差很小，利用上述原理依据电芯温度预测值与实际电芯温度值的关系判断电芯温度是否异常，从而能够对电芯温度处于合理温度范围内时的异常情况进行诊断。在本实施例中，如果出现如下两种情况，则可直接判定电芯温度为异常状态：情况一：若所述电芯温度预测值与所述实际电芯温度值之间的偏差值大于第一偏差阈值，则判定所述电芯温度为异常状态。理论上，电芯温度预测值与实际电芯温度值的差值非常小，但是车辆在行驶过程中电芯的温度值本身就是有一定的波动的，为了避免在电芯温度正常波动就被认定为异常状态，本步骤中可以将第一偏差阈值设定为大于电池正常波动范围，例如将第一偏差阈值设定为电池正常波动范围的2倍。或者，第一偏差阈值可以根据历史经验值来选定。情况二：根据预设时间段内多个预选时刻的电芯温度预测值与实际电芯温度本文档来自技高网...

【技术保护点】
1.一种电芯温度的诊断方法，其特征在于，包括如下步骤：/n根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型；/n将所述车辆在预选时刻的行驶数据、充电数据和/或电池状态数据输入至所述电芯温度预测模型得到预选时刻的电芯温度预测值；/n根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常。/n

【技术特征摘要】
1.一种电芯温度的诊断方法，其特征在于，包括如下步骤：
根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型；
将所述车辆在预选时刻的行驶数据、充电数据和/或电池状态数据输入至所述电芯温度预测模型得到预选时刻的电芯温度预测值；
根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常。


2.根据权利要求1所述的电芯温度的诊断方法，其特征在于，根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常的步骤包括：
若所述电芯温度预测值与所述实际电芯温度值之间的偏差值大于第一偏差阈值，则判定所述电芯温度为异常状态。


3.根据权利要求2所述的电芯温度的诊断方法，其特征在于，根据预选时刻的所述电芯温度预测值与预选时刻采集到的实际电芯温度值的关系判断电芯温度是否异常的步骤包括：
根据预设时间段内多个预选时刻的电芯温度预测值与实际电芯温度值的偏差值得到所述预设时间段的平均偏差值；
若所述平均偏差值大于第二偏差阈值，则判定所述电芯温度为异常状态。


4.根据权利要求3所述的电芯温度的诊断方法，其特征在于：
所述第二偏差阈值小于所述第一偏差阈值。


5.根据权利要求1-4任一项所述的电芯温度的诊断方法，其特征在于，根据车辆的历史行驶数据、历史充电数据和/或历史电池状态数据与历史电芯温度值的关系得到电芯温度预测模型的步骤包括：
以历史行驶数据、历史充电数据和/或历史电池状态数据作为输入特征值，以历史电芯温度值作为输出特征值对预选深度学习模型进行训练，以完成训练的预选深度学习模型作为所述电芯温度预测模型；
其中，同一历史时刻的历史行驶数据、历史充电数据和/或历史电池状态数据作为输入特征值时，同一历史时刻的历史电芯温度值作为相对应的输出特征值。


6.根据权利要求5所述的电芯温度的诊断方法，其特征在于：
所述历史行驶数据包括行累积行驶时长、历史行驶里程和历史行驶速度；所述历史充电数据包括累积充电时长；所述历史电池状态数据包括最低电芯温度值、电池电压值、电池电流值和电池荷电状态值；
所述行驶数据包括行驶时长、行驶里程和行驶速度；所述充电数据包括充电时长；所述电池状态数据包括实时最低电芯温度值、电池实时电压值、电池实时电流值和电池实时荷电状态值。


7.根据权利要求6所述的电芯温度的诊断方法，其特征在于：
所述累积行驶时长以每次充电完成后第一次启动车辆的时刻作为初始时刻累积得到；所述累积充电时长以每次启动充电的时刻作为初始时刻累积得到；
所述行驶时长以最近一次充电完成后的第一次启动车辆的时刻作为初始时刻累积得到；所述充电时长为距离所述预选时刻最近的一次充电过程的持续时间。


8.根据权利要求1-4任一项所述的电芯温度的诊断方法，其特征在于，还包括如下步骤：
若判定所述电芯温度为异常状态则发出警示信号以提示电池异常。


9.一种存储介质，其特征在于，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行权利要求1-8任一项所述的电芯温度的...

【专利技术属性】
技术研发人员：杨静，管伟，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11