动力电池温度特性的图形化表示及温度异常单体识别方法技术

本发明专利技术涉及电池诊断技术领域，具体公开了动力电池温度特性的图形化表示及温度异常单体识别方法，包括如下步骤：S1、获取包括车辆每一电池温度探针的温度频率分布表；S2、将温度频率分布表转换为温度特征数据并存储；S3、基于温度特征数据判断是否有温度探针存在异常，如果有，生成异常记录并输出。采用本发明专利技术的技术方案能够确识别电池温度探针是否异常，进而间接推定电池温度是否正常。

【技术实现步骤摘要】
动力电池温度特性的图形化表示及温度异常单体识别方法
本专利技术涉及电池诊断
，特别涉及动力电池温度特性的图形化表示及温度异常单体识别方法。
技术介绍
近年来环保呼声越来越高，新能源汽车也越来越受欢迎。新能源汽车是采用非常规的车用燃料作为动力源的环保代步工具，新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车和氢发动机汽车等。新能源汽车相较于现有的燃油汽车，具有污染物零排放、能源利用率高、结构简单和噪声小等的特点，社会方面也因新能源汽车的特点在大力倡导新能源汽车的使用。新能源汽车的动力电池作为储能部件，关系到新能源汽车行驶过程中的续航能力。而动力电池包括若干个电池单体，动力电池作为车辆行驶的供能部件，其中的电池单体一直在运转使用；当新能源汽车的某个电池单体发生故障，而不及时进行处置的话，极容易影响周边的电池单体发生故障，进而引起整车的安全事故。为了新能源汽车安全性能的改进，及时发现车辆的故障，基于新能源汽车行驶过程中的大数据收集非常重要，为此，国家还设定相关的国家标准，以新能源汽车企业为基础收集新能源汽车行驶过程中的各项运行数据，如电池和发动机等，将收集到的运行数据发送至企业平台，由企业将数据汇总后发送至国家平台上进行监控和分析。但是，由于运行数据的数据量的庞大，运行数据，例如温度数据在采集汇总后的还不能得到很好的利用。为了更好的对电池单体的温度进行分析，及时发现故障，需要一种能准确识别电池温度是否异常的方法。
技术实现思路
本专利技术提供了动力电池温度特性的图形化表示及温度异常单体识别方法，能够准确识别电池温度探针是否异常，进而间接推定电池温度是否正常。为了解决上述技术问题，本申请提供如下技术方案：动力电池温度特性的图形化表示及温度异常单体识别方法，包括如下步骤：S1、获取包括车辆每一电池温度探针的温度频率分布表；S2、将温度频率分布表转换为温度特征数据并存储；S3、基于温度特征数据判断是否有温度探针存在异常，如果有，生成异常记录并输出；具体包括：S301、建立坐标图像；S302、在坐标图像中生成温度探针所有频数的色块；S303、对于每一个温度探针重复S302，最终生成探针温度特征图；S304、识别探针温度特征图中，是否有任一温度探针色块组成的整体图形与整体上其他电温度探针色块组成的整体图形不同，如果存在，将该温度探针标记为异常。基础方案原理及有益效果如下：根据动力电池的理化特征，所有温度探针的图形越一致，表明整个电池PACK一致性越好，反之，如果有某个温度探针的图形出现明显差别，即可直观判定温度异常。经验反复证明，电池的充放电曲线是对电池本质特征描述的有力工具，经验同样反复证明，电池的温度变化曲线也是对电池本质特征描述的有力工具。由于温度频率分布表本质上就是电池真实工况下的温度特征曲线，在大量数据的支撑之下所获取到的温度特征数据，成为了对电池温度特征的有效且准确的描述工具。电池的温度频数分布是电池本质特征的反映，大多数情况下，电池的本质异常，会表现为温度频数分布的异常，因此，本方案又成为了电池温度识别算法的有效检验手段。也就是说，被某种电池温度故障识别算法识别出来的故障温度探针，其图形首先要满足温度频数显著异常的条件(类似于数学意义上的必要条件)，否则，该电池温度故障识别算法就极有可能是有缺陷的甚至是不正确的。综上，本方案能够准确识别电池温度探针是否异常，进而间接推定电池温度是否正常。进一步，S301中，以温度探针的温度为纵坐标，温度探针的编号为横坐标，建立坐标图像；S302中，从编号最小的温度探针开始，首先查找出频数最大值所对应的温度值，在坐标图像的对应区域生成最大的色块；再将该温度探针其它温度对应的频数等比例生成不同大小的色块，直到该温度探针所有频数均生成色块。依据温度频数的大小按比例转换成一定大小的色块，将同一车辆所有温度探针的图形集中摆放在同一个坐标图像中，一方面可以直观地表征电池温度的本质特征，同时可以直观地识别出表现异常的温度探针，进而识别异常的电池单体。进一步，所述S2中，电池温度特征数据包括温度值以及电压值对应的频数。通过电压值对应频数的分布，便于后续判断电池单体是否异常。进一步，所述301中，在坐标图像中，每一个探针占相同的宽度。控制变量，避免每一个电池单体所占宽度不同，带来的识别标准难以统一的问题。进一步，所述S304中，采用卷积神经网络模型进行识别。卷积神经网络模块对图像的识别较为准确，在数据量大的情况下可有效替代人工，进行自动识别。进一步，所述坐标图像中，每一个温度探针所占宽度为10-20个像素宽度。在保证便于识别的情况下，能使坐标图像中容纳尽可能多的温度探针。附图说明图1为实施例一动力电池温度特性的图形化表示及温度异常单体识别方法的流程图；图2为实施例一动力电池温度特性的图形化表示及温度异常单体识别方法中的探针温度特征图。具体实施方式下面通过具体实施方式进一步详细说明：实施例一如图1所示，本实施例的动力电池温度特性的图形化表示及温度异常单体识别方法，包括如下步骤：S1、获取包括车辆每一电池温度探针的温度频率分布表，本实施例中，获取近期的温度频率分布表进行后续分析。S2、将温度频率分布表转换为温度特征数据并存储，电池温度特征数据包括温度值以及电压值对应的频数；如表1所示；表1S3、基于温度特征数据判断是否有温度探针存在异常，如果有，生成异常记录并输出。基于温度特征数据判断是否有温度探针存在异常的步骤，具体包括：S301、以温度探针的温度为纵坐标，温度探针的编号为横坐标，建立坐标图像，每一个探针占相同的宽度，所占宽度为10-20个像素宽度，本实施例中为10个像素宽度。S302、从编号最小的温度探针开始，首先查找出频数最大值所对应的温度值，在矩形的坐标图像的对应区域生成最大的色块。对应区域指该温度探针横坐标和纵坐标确定的区域。本实施例中，生成宽度为10个像素，高度一定的色块；高度的像素值可以根据实际情况进行设置。再将该温度探针其它温度对应的频数等比例生成不同大小的色块，直到该温度探针所有频数均生成色块。S303、对于每一个温度探针重复S302，最终生成如图2所示的探针温度特征图。图中，横坐标是温度探针编号，纵坐标代表观察期内某温度下所有的温度探针出现统计温度的频数，例如25℃下，某探针出现25℃的次数。S304、识别出探针温度特征图中，是否有任一温度探针色块组成的整体图形与在整体上其他电温度探针色块组成的整体图形不同，如果存在，将该温度探针标记为异常。识别整体图形的不同，可以采用人工识别的方式，也可以采用机器识别的方式。本实施例中采用机器识别的方式，具体采用训练过的卷积神经网络模型进行识别。根据本文档来自技高网...

【技术保护点】
1.动力电池温度特性的图形化表示及温度异常单体识别方法，其特征在于，包括如下步骤：/nS1、获取包括车辆每一电池温度探针的温度频率分布表；/nS2、将温度频率分布表转换为温度特征数据并存储；/nS3、基于温度特征数据判断是否有温度探针存在异常，如果有，生成异常记录并输出；具体包括：/nS301、建立坐标图像；/nS302、在坐标图像中生成温度探针所有频数的色块；/nS303、对于每一个温度探针重复S302，最终生成探针温度特征图；/nS304、识别探针温度特征图中，是否有任一温度探针色块组成的整体图形与整体上其他电温度探针色块组成的整体图形不同，如果存在，将该温度探针标记为异常。/n

【技术特征摘要】
1.动力电池温度特性的图形化表示及温度异常单体识别方法，其特征在于，包括如下步骤：
S1、获取包括车辆每一电池温度探针的温度频率分布表；
S2、将温度频率分布表转换为温度特征数据并存储；
S3、基于温度特征数据判断是否有温度探针存在异常，如果有，生成异常记录并输出；具体包括：
S301、建立坐标图像；
S302、在坐标图像中生成温度探针所有频数的色块；
S303、对于每一个温度探针重复S302，最终生成探针温度特征图；
S304、识别探针温度特征图中，是否有任一温度探针色块组成的整体图形与整体上其他电温度探针色块组成的整体图形不同，如果存在，将该温度探针标记为异常。


2.根据权利要求1所述的动力电池温度特性的图形化表示及温度异常单体识别方法，其特征在于：S301中，以温度探针的温度为纵坐标，温度探针的编号为横坐标，建立坐标图像；
S302中，从编号最小的温度探...

【专利技术属性】
技术研发人员：周科松，
申请(专利权)人：中国汽车工程研究院股份有限公司，
类型：发明
国别省市：重庆;50