异常检测方法和设备技术

本申请实施例提供异常检测方法和设备，可以提高电池异常检测的准确性。该方法包括：第一设备获取第一相似度矩阵和第一协方差矩阵，并根据该第一相似度矩阵和第一协方差矩阵确定第一特征矩阵，之后，根据该第一特征矩阵确定第二设备的L个电池组中每个电池组的异常状态，其中，第一相似度矩阵为第二设备的L个电池组的第一组状态数据对应的相似度矩阵，第一协方差矩阵为该L个电池组的第一组状态数据对应的协方差矩阵，L为正整数。

【技术实现步骤摘要】
【国外来华专利技术】异常检测方法和设备
本申请涉及电池检测领域，尤其涉及一种异常检测方法和设备。
技术介绍
近年来，随着电动汽车的大规模普及应用，由于电池异常导致的汽车自燃事故时有发生，因此，如何在事故发生之前检测到电池的异常以使各方采取相应的处理措施，是避免汽车自燃事故发生的重要手段。目前，通常运用高斯分布的规律以及3σ置信准则方法对电池数据进行分析，并根据分析结果判断电池是否异常。但是，该方法强烈依赖于电池数据变化符合高斯分布的假设，然而实际中这种假设通常不能满足，从而导致使用该方法检测电池异常的错误率较高。因此，如何提高电池异常检测的准确性，是目前亟待解决的问题。
技术实现思路
本申请实施例提供一种异常检测方法和设备，可以提高电池异常检测的准确性。为达到上述目的，本申请的实施例采用如下技术方案：第一方面，提供了一种异常检测方法及相应的装置。该方案中，第一设备获取第一相似度矩阵和第一协方差矩阵，并根据该第一相似度矩阵和第一协方差矩阵确定第一特征矩阵，之后，根据该第一特征矩阵确定第二设备的L个电池组中每个电池组的异常状态，其中，第一相似度矩阵为第二设备的L个电池组的第一组状态数据对应的相似度矩阵，第一协方差矩阵为该L个电池组的第一组状态数据对应的协方差矩阵，L为正整数。基于该方案，一方面，由于相似度矩阵可以表示数据的局部特性，协方差矩阵可以表示数据的全局特性，因此，本申请实施例中，根据相似度矩阵和协方差矩阵得到的特征矩阵不仅可以表示数据的全局特性还可以表示数据的局部特性，从而充分利用了数据的空间信息进行异常分析，提高了电池异常检测的准确性；另一方面，通过远程服务的方式即由第一设备进行第二设备电池的异常检测，可以避免在第二设备上进行检测，从而避免了由于第二设备的硬件限制而无法实现异常检测的问题。在一种可能的设计中，第一设备获取第一相似度矩阵，包括：第一设备获取L个第一向量，对L个第一向量做聚类分析，并根据聚类分析的结果确定第一相似度矩阵，其中，第一向量包括第一组状态数据中的N个状态数据，L个第一向量与L个电池组一一对应，N为正整数。基于该方案，一方面，基于聚类分析确定相似度矩阵可以使得不同类的第一向量中的状态数据具有更明显的区分度，有利于在后续的分析中能够更好地辨识不同动态的向量，进而提高数据分析的准确度；另一方面，由于L个电池组中每个电池组的状态数据的个数为N，而N的取值可以根据实际情况进行改变，因此可以灵活地利用电池的历史数据进行异常检测，提高检测的灵活性。在一种可能的设计中，该N个状态数据为进行归一化处理后的数据。基于该方案，可以消除各个状态数据的量纲差别，提升数据分析的准确度。在一种可能的设计中，当上述聚类分析的结果指示该L个第一向量中的第i个第一向量和第j个第一向量属于同一类时，该第一相似度矩阵中第i行第j列元素的值由该第i个第一向量和该第j个第一向量的距离函数决定，i、j为小于或等于L的正整数。在一种可能的设计中，上述第i个第一向量和第j个第一向量的距离函数，满足如下第一公式：其中，Si，j为第一相似度矩阵中第i行第j列的元素，xi为该第i个第一向量，xj为该第j个第一向量，σ为预设值。在一种可能的设计中，当上述聚类分析的结果指示该L个第一向量中的第i个第一向量和第j个第一向量不属于同一类时，第一相似度矩阵中第i行第j列元素的值为0。在一种可能的设计中，上述第一相似度矩阵和第一协方差矩阵，满足如下第二公式：其中，为该第一特征矩阵，C为该第一协方差矩阵，S为该第一相似度矩阵，X为该L个第一向量组成的矩阵，XT为X的转置矩阵，λ∈(0，1)。在一种可能的设计中，第一设备根据第一特征矩阵，确定L个电池组中每个电池组的异常状态，包括：第一设备对第一特征矩阵进行主成分分析得到投影矩阵，并根据该投影矩阵确定该L个电池组中每个电池组的异常状态。在一种可能的设计中，第一设备对第一特征矩阵进行主成分分析得到投影矩阵，包括：第一设备获取该第一特征矩阵的转置矩阵，并对该第一特征矩阵的转置矩阵进行奇异值分解，得到N个奇异值和该N个奇异值中每个奇异值对应的左奇异向量；第一设备根据该N个奇异值中的前K个奇异值对应的左奇异向量，确定该投影矩阵，K为小于或等于N的正整数。在一种可能的设计中，第一设备根据投影矩阵确定上述L个电池组中每个电池组的异常状态，包括：第一设备根据所述投影矩阵和所述L个第一向量，确定L个第二向量，所述L个第二向量与所述L个第一向量一一对应；所述第一设备根据所述L个第二向量中每个第二向量的T2统计量，确定所述L个电池组中每个电池组的异常状态。在一种可能的设计中，第一设备根据L个第二向量中每个第二向量的T2统计量，确定该L个电池组中每个电池组的异常状态，包括：若该L个第二向量中的第p个第二向量的T2统计量大于或等于第一阈值，第一设备确定该L个电池组中的第p个电池组的M个状态异常，并更新该第p个电池组的异常状态的个数，p为1至L的正整数，M表示该第p个电池组对应的第一向量包括的N个状态数据的状态类别数。在一种可能的设计中，该异常检测方法还包括：第一设备根据该第p个电池组的异常状态的总数与预设规则，确定该第p个电池组的异常等级。在一种可能的设计中，第一组状态数据包括：放电电压数据、放电电流数据、温度数据、或者荷电状态数据。第二方面，提供了一种异常检测设备用于实现上述各种方法。该异常检测设备可以为上述第一方面中的第一设备，或者包含上述第一设备的装置，或者上述第一设备中包含的装置。所述异常检测设备包括实现上述方法相应的模块、单元、或手段(means)，该模块、单元、或means可以通过硬件实现，软件实现，或者通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块或单元。第三方面，提供了一种异常检测设备，包括：处理器和存储器；该存储器用于存储计算机指令，当该处理器执行该指令时，以使该异常检测设备执行上述任一方面所述的方法。该异常检测设备可以为上述第一方面中的第一设备，或者包含上述第一设备的装置，或者上述第一设备中包含的装置。第四方面，提供了一种异常检测设备，包括：处理器；所述处理器用于与存储器耦合，并读取存储器中的指令之后，根据所述指令执行如上述任一方面所述的方法。该异常检测设备可以为上述第一方面中的第一设备，或者包含上述第一设备的装置，或者上述第一设备中包含的装置。第五方面，提供了一种异常检测设备，包括：处理器和接口电路，该接口电路可以为代码/数据读写接口电路，该接口电路用于接收计算机执行指令(计算机执行指令存储在存储器中，可能直接从存储器读取，或可能经过其他器件)并传输至该处理器；该处理器用于运行所述计算机执行指令以执行上述任一方面所述的方法。该异常检测设备可以为上述第一方面中的第一设备，或者包含上述第一设备的装置，或者上述第一设备中包含的装置。第六方面，提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令本文档来自技高网...

【技术保护点】
1.一种异常检测方法，其特征在于，所述方法包括：/n第一设备获取第一相似度矩阵和第一协方差矩阵，所述第一相似度矩阵为第二设备的L个电池组的第一组状态数据对应的相似度矩阵，所述第一协方差矩阵为所述L个电池组的所述第一组状态数据对应的协方差矩阵，L为正整数；/n所述第一设备根据所述第一相似度矩阵和所述第一协方差矩阵，确定第一特征矩阵；/n所述第一设备根据所述第一特征矩阵，确定所述L个电池组中每个电池组的异常状态。/n

【技术特征摘要】
【国外来华专利技术】1.一种异常检测方法，其特征在于，所述方法包括：
第一设备获取第一相似度矩阵和第一协方差矩阵，所述第一相似度矩阵为第二设备的L个电池组的第一组状态数据对应的相似度矩阵，所述第一协方差矩阵为所述L个电池组的所述第一组状态数据对应的协方差矩阵，L为正整数；
所述第一设备根据所述第一相似度矩阵和所述第一协方差矩阵，确定第一特征矩阵；
所述第一设备根据所述第一特征矩阵，确定所述L个电池组中每个电池组的异常状态。


2.根据权利要求1所述的方法，其特征在于，所述第一设备获取第一相似度矩阵，包括：
所述第一设备获取L个第一向量，所述第一向量包括所述第一组状态数据中的N个状态数据，所述L个第一向量与所述L个电池组一一对应，N为正整数；
所述第一设备对所述L个第一向量做聚类分析，并根据所述聚类分析的结果确定所述第一相似度矩阵。


3.根据权利要求2所述的方法，其特征在于，所述N个状态数据为进行归一化处理后的数据。


4.根据权利要求2或3所述的方法，其特征在于，当所述聚类分析的结果指示所述L个第一向量中的第i个第一向量和第j个第一向量属于同一类时，所述第一相似度矩阵中第i行第j列元素的值由所述第i个第一向量和所述第j个第一向量的距离函数决定，i、j为小于或等于L的正整数。


5.根据权利要求4所述的方法，其特征在于，所述第i个第一向量和所述第j个第一向量的距离函数，满足如下第一公式：



其中，Si，j为所述第一相似度矩阵中第i行第j列的元素，xi为所述第i个第一向量，xj为所述第j个第一向量，σ为预设值。


6.根据权利要求2或3所述的方法，其特征在于，当所述聚类分析的结果指示所述L个第一向量中的第i个第一向量和第j个第一向量不属于同一类时，所述第一相似度矩阵中第i行第j列元素的值为0。


7.根据权利要求2-6任一项所述的方法，其特征在于，所述第一相似度矩阵和所述第一协方差矩阵，满足如下第二公式：



其中，为所述第一特征矩阵，C为所述第一协方差矩阵，S为所述第一相似度矩阵，X为所述L个第一向量组成的矩阵，XT为X的转置矩阵，λ∈(0，1)。


8.根据权利要求2-7任一项所述的方法，其特征在于，所述第一设备根据所述第一特征矩阵，确定所述L个电池组中每个电池组的异常状态包括：
所述第一设备对所述第一特征矩阵进行主成分分析得到投影矩阵，并根据所述投影矩阵确定所述L个电池组中每个电池组的异常状态。


9.根据权利要求8所述的方法，其特征在于，所述第一设备对所述第一特征矩阵进行主成分分析得到投影矩阵，包括：
所述第一设备获取所述第一特征矩阵的转置矩阵，并对所述第一特征矩阵的转置矩阵进行奇异值分解，得到N个奇异值和所述N个奇异值中每个奇异值对应的左奇异向量；
所述第一设备根据所述N个奇异值中的前K个奇异值对应的左奇异向量，确定所述投影矩阵，K为小于或等于N的正整数。


10.根据权利要求8或9所述的方法，其特征在于，所述第一设备根据所述投影矩阵确定所述L个电池组中每个电池组的异常状态，包括：
所述第一设备根据所述投影矩阵和所述L个第一向量，确定L个第二向量，所述L个第二向量与所述L个第一向量一一对应；
所述第一设备根据所述L个第二向量中每个第二向量的T2统计量，确定所述L个电池组中每个电池组的异常状态。


11.根据权利要求10所述的方法，其特征在于，所述第一设备根据所述L个第二向量中每个第二向量的T2统计量，确定所述L个电池组中每个电池组的异常状态，包括：
若所述L个第二向量中的第p个第二向量的T2统计量大于或等于第一阈值，所述第一设备确定所述L个电池组中的第p个电池组的M个状态异常，并更新所述第p个电池组的异常状态的个数，p为1至L的正整数，M表示所述第p个电池组对应的第一向量包括的N个状态数据的状态类别数。


12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
所述第一设备根据所述第p个电池组的异常状态的总数与预设规则，确定所述第p个电池组的异常等级。


13.根据权利要求1-12任一项所述的方法，其特征在于，所述第一组状态数据包括：放电电压数据、放电电流数据、温度数据、或者荷电状态数据。


14.一种异常检测设备，其特征在于，所述异常检测设备包括：获取模块和处理模块；
所述获取模块，用于获取第一相似度矩阵和第一协方差矩阵，所述第一相似度矩阵为第二设备的L个电池组的第一组状态数据对应的相似度矩阵，所述第一协方差矩阵为所述L个电池组的所述第一组状态数据对应的协方差矩阵，L为正整数；
所述处理模块，用于根据所述第一相似度矩阵和所述第一协方差矩阵，确定第一特征矩阵；
所述处理模块，还用于根据所述第一特征矩阵，确定所述L个电池组中每个电池组的异常状态。


15.根据权利要求14所述的异常检测设备，其特征在于，所述获取模块，用于获取第一相似度矩阵，包括：
所述获取模块，用于获取L个第一向量，所述第一向量包括所述第一...

【专利技术属性】
技术研发人员：程康，王甲佳，朱泽敏，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44