【技术实现步骤摘要】
一种基于大数据的动力电池热失控预测方法
[0001]本专利技术涉及新能源汽车
,尤其涉及一种基于大数据的动力电池热失控预测方法。
技术介绍
[0002]当前,新能源汽车因动力电池热失控而引发的自燃时有发生,已经成为阻碍潜在购车用户购买新能源车的主要原因之一。现有技术通过在电池PACK内设置气压传感器或烟雾传感器的方法诊断热失控发生,当检测到包内气压超过阈值或监测到烟雾时,判断为发生热失控,该方法只能失控已发生时有效,不能做到提前预测热失控。
技术实现思路
[0003]针对上述现有技术采用检测热失控的方法,只能在热失控已发生时起作用,无法在热失控发生之前提前预判的问题,提供具备预判存在热失控风险的电池PACK的一种基于大数据的动力电池热失控预测方法。
[0004]为解决上述技术问题,本专利技术提供一种基于大数据的动力电池热失控预测方法,包括以下步骤:
[0005]S1、收集指定同一车型的若干车辆单体停车静置N小时后的电池PACK内各电芯的端电压,得到单体端电压阵列;
[0006]S2、基于车辆单体的端电压阵列,计算获得该车辆单体的各帧平均端电压列向量;
[0007]S3、基于各帧平均端电压列向量,计算获得该车辆单体的端电压压差矩阵;
[0008]S4、基于该车辆单体的端电压压差矩阵,计算获得该车辆单体的平均端电压压差向量;
[0009]S5、获取至少一次该车辆单体停车静置N小时后的电池PACK的单体压差矩阵;
[0010]S6、将所述车辆单体 ...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的动力电池热失控预测方法,其特征在于,包括以下步骤:S1、收集指定同一车型的若干车辆单体停车静置N小时后的电池PACK内各电芯的端电压,得到单体端电压阵列;S2、基于车辆单体的端电压阵列,计算获得该车辆单体的各帧平均端电压列向量;S3、基于各帧平均端电压列向量,计算获得该车辆单体的端电压压差矩阵;S4、基于该车辆单体的端电压压差矩阵,计算获得该车辆单体的平均端电压压差向量;S5、获取至少一次该车辆单体停车静置N小时后的电池PACK的单体压差矩阵;S6、将所述车辆单体的单体压差矩阵按列进行拆分,获得该车辆单体停车静置N小时后的压差电压向量;S7、对所述各车辆单体的停车静置N小时后的压差电压向量进行拟合,得到所述指定同一车型的所有车辆单体电芯的斜率集和压差集;S8、将步骤S7得到的斜率集和压差集进行筛选,得到离群的斜率子集和压差子集;S9、通过对斜率子集和压差子集判断所属的车辆单体的电池PACK是否存在热失控风险。2.根据权利要求1所述的一种基于大数据的动力电池热失控预测方法,其特征在于,所述步骤S1中,单体端电压阵列为G:其中,D
n
为第n次停车静置的数据矩阵;其中,U
nk
为第n次停车静置的第k帧充电单体端电压向量;U
nk
=[u
n1k u
n2k u
n3k
…
u
nmk
],u
nmk
为车辆单体第n次停车静置的第k帧的第m个单体端电压,k∈[100,+∞),k值的取值范围为正整数。3.根据权利要求2所述的一种基于大数据的动力电池热失控预测方法,其特征在于,所述步骤S2中,对U
nk
向量按照正态分布的3σ原则排除异常数据,得到有效数据,计算有效数据的算术平均值获得平均电压v
nk
,则第n次车辆单体停车静置的各帧平均端电压列向量为:其中,v
nk
为第n次停车静置,第k帧充电数据的单体的平均电压;其中,i表示电芯编号。4.根据权利要求3所述的一种基于大数据的动力电池热失控预测方法,其特征在于,所述步骤S3中,端电压压差矩阵为ΔV
n
:
ΔV
n
=D
n
‑
V
n
令第n次停车静置第...
【专利技术属性】
技术研发人员:王震坡,刘鹏,贺劲松,张林,雷宇涵,董赛男,
申请(专利权)人:北京理工大学重庆创新中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。