基于柯氏复杂度的电池风险预警方法技术

本发明专利技术提供了基于柯氏复杂度的电池风险预警方法，其利用单体柯氏复杂度的计算能够充分反映动力电池组内单体之间的混乱程度，无论电池参数是否存在异常，均能对潜在的安全风险实现判断，有效克服了现有技术在此情况下风险预警效果不良的缺点。相对于基于人工智能算法的风险预警方式，该方法无须执行繁重的数据收集与模型训练工作，显著降低了计算成本。通过本发明专利技术的方法得到某种电池的复杂度阈值后，可作为同类型电池风险预警的依据，因而在保证风险预警准确率的基础上还大大提高了效率。险预警准确率的基础上还大大提高了效率。险预警准确率的基础上还大大提高了效率。

【技术实现步骤摘要】
基于柯氏复杂度的电池风险预警方法


[0001]本专利技术属于动力电池安全状态感知
，具体涉及一种基于柯氏复杂度对动力电池的安全风险进行发现与预警的方法。

技术介绍

[0002]电动汽车锂离子动力电池组在长期充放电过程中，受电池单体、传感器以及导线老化等的多方面因素影响，会造成电池单体之间不一致性明显增强，容易导致整个电池组失效甚至热失控的危险，因此对动力电池进行实时的风险感知与预警十分必要。现有的电池风险预警方法主要包括基于模型的方法与基于数据的方法，其中基于模型的方法通常是对电池进行数学建模以获取携带系统信息的参数，譬如一组残差信号，通过将该信号与设定的风险阈值进行比较以判断系统是否有安全风险。基于数据的方法则主要是利用人工智能算法(包括神经网络、机器学习、深度学习)，以采集得到的电池实时工作数据作为输入，并输出由算法决策出的风险类型。这种方法的关键是数据与风险类型模糊推理关系的建立，因此需首先使用大量的精确风险数据对模型进行训练，而获得结果的准确程度则严重依赖于模型的训练结果。现有的动力电池风险预警方法还大都集中于电池异常参数的识别，但对于电池参数如电压、温度、压差等不存在异常的情况，无论是基于模型的参数辨别还是基于数据的模型训练的方式，其电池安全风险的识别效果都无法达到理想水平。

技术实现思路

[0003]有鉴于此，针对上述本领域中存在的技术问题，本专利技术提供了一种基于柯氏复杂度的电池风险预警方法，具体包括以下步骤：
[0004]步骤一、在线提取电动汽车全生命周期运行中动力电池组及其包含的各单体的电压与电流信息，提取某一个充电片段中同一t时刻的单体电压U
i,t
形成单体电压数值序列U＝U
1,t
，U
2,t
，
……
，U
i,t
，
……
，U
n,t
，其中，n为单体总数，i＝1,2,
……
,n；
[0005]步骤二、利用以下公式将单体电压数值序列U转换为仅由0和1组成的单体电压符号序列S＝s1，s2，
……
，s
n
：
[0006][0007]式中，U
k,t
表示预设的t时刻单体电压阈值；
[0008]步骤三、利用以下公式计算单体电压符号序列S的子链S(i,j)：
[0009][0010]式中，i、j均表示单体的序号；由计算得到的全部子链构成集合V(S(i,j))；
[0011]定义单体电压符号序列S的组件数c(n)，并初始化置为0；持续观察S(i,j)是否在集合V(S(1,j
‑
1))中，如果为否令c(n)值加1，在单体电压符号序列S中的s
j
后添加一个符
号
·
，并继续观察S(i+1,j+1)与V(S(1,j))执行相同判断与操作；如果为是则继续观察S(i,j+1)与V(S(1,j))；遍历观察全部子链并当j＝n时结束，得到最终的组件数c(n)，以及在单体电压符号序列S添加符号
·
后形成的编码；
[0012]步骤四、根据步骤三得到的组件数c(n)和编码的长度，计算得到t时刻的单体电压数值序列的柯氏复杂度；对充电片段中所包含的全部时刻计算所述柯氏复杂度并取平均，作为此充电片段的复杂度；
[0013]步骤五、利用以上步骤计算电动汽车全生命周期中各充电片段的复杂度，根据充电片段复杂度的变化趋势反映动力电池潜在安全风险，并执行相应的预警。
[0014]进一步地，步骤二中所述预设的t时刻单体电压阈值U
k,t
具体选择为动力电池组中全部单体电压的中位数。
[0015]进一步地，步骤四中所述编码的长度L(n)具体根据以下关系式计算得到：
[0016]L(n)＝c(n)[log2c(n)+1][0017]根据柯氏复杂度的定义，其与所述编码的长度L(n)具有以下关系：
[0018][0019]则t时刻的单体电压数值序列的柯氏复杂度具体基于以下公式计算：
[0020][0021]进一步地，对相同车型上使用的同类动力电池基于上述步骤一至五得到生命周期中各充电片段的复杂度变化趋势，并基于所述复杂度变化趋势确定相应的复杂度阈值，以作为同类动力电池潜在风险预警的依据。
[0022]上述本专利技术所提供的基于柯氏复杂度的电池风险预警方法，利用单体柯氏复杂度的计算能够充分反映动力电池组内单体之间的混乱程度，无论电池参数是否存在异常，均能对潜在的安全风险实现判断，有效克服了现有技术在此情况下风险预警效果不良的缺点。相对于基于人工智能算法的风险预警方式，该方法无须执行繁重的数据收集与模型训练工作，显著降低了计算成本。通过本专利技术的方法得到某种电池的复杂度阈值后，可作为同类型电池风险预警的依据，因而在保证风险预警准确率的基础上还大大提高了效率。
附图说明
[0023]图1为本专利技术所提供方法的流程示意图；
[0024]图2为电动汽车充电片段单体电压图；
[0025]图3为基于本专利技术计算得到的某动力电池全生命周期复杂度示意图。
具体实施方式
[0026]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]本专利技术所提供的基于柯氏复杂度的电池风险预警方法，如图1所示，具体包括以下步骤：
[0028]步骤一、在线提取电动汽车全生命周期运行中动力电池组及其包含的各单体的电压与电流信息，提取某一个充电片段中同一t时刻的单体电压U
i,t
形成单体电压数值序列U＝U
1,t
，U
2,t
，
……
，U
i,t
，
……
，U
n,t
，其中，n为单体总数，i＝1,2,
……
,n；图2示出了对动力电池组中提取不同单体提取的电压数值序列示意图。
[0029]步骤二、利用以下公式将单体电压数值序列U转换为仅由0和1组成的单体电压符号序列S＝s1，s2，
……
，s
n
：
[0030][0031]式中，U
k,t
表示预设的t时刻单体电压阈值；
[0032]步骤三、利用以下公式计算单体电压符号序列S的子链S(i,j)：
[0033][0034]式中，i、j均表示单体的序号；由计算得到的全部子链构成集合V(S(i,j))。例如，设一个含有3块单体电池的单体电压符号序列为S＝001，则V(S(i,j))＝{0,1,00,01,001}。
[0035]定义单体电压符号序列S的组件数c(n)，并初始化置为0；持续观察S(i,j)是否在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于柯氏复杂度的电池风险预警方法，其特征在于：具体包括以下步骤：步骤一、在线提取电动汽车全生命周期运行中动力电池组及其包含的各单体的电压与电流信息，提取某一个充电片段中同一t时刻的单体电压U
i,t
形成单体电压数值序列U＝U
1,t
，U
2,t
，
……
，U
i,t
，
……
，U
n,t
，其中，n为单体总数，i＝1,2,
……
,n；步骤二、利用以下公式将单体电压数值序列U转换为仅由0和1组成的单体电压符号序列S＝s1，s2，
……
，s
n
：式中，U
k,t
表示预设的t时刻单体电压阈值；步骤三、利用以下公式计算单体电压符号序列S的子链S(i,j)：式中，i、j均表示单体的序号；由计算得到的全部子链构成集合V(S(i,j))；定义单体电压符号序列S的组件数c(n)，并初始化置为0；持续观察S(i,j)是否在集合V(S(1,j
‑
1))中，如果为否令c(n)值加1，在单体电压符号序列S中的s
j
后添加一个符号
·
，并继续观察S(i+...

【专利技术属性】
技术研发人员：林倪，黄胜旭，王震坡，张照生，张景涵，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：