一种基于门控概率模型的电动单车锂电池热失控预测的方法技术

本发明专利技术涉及基于门控概率模型的电动单车锂电池热失控预测的方法，具体为一种基于门控概率模型的电动单车锂电池热失控预测的方法，利针对电动单车常用锂电池的热失控问题，采用基于门控概率模型进行电池热失控预测的方法对常见的锰酸锂电池和磷酸铁锂电池进行热失控故障预测。首先，通过采集电动单车的时机电池包温度电压等数据，根据实际的温度电压变化筛选出可用于构建模型的特征，进而根据所提取特征进行门控模型构建。门控概率模型相比于传统的机器学习算法能够更有效实现热失控的故障预测。该模型及预测方法可有效用于实际电动单车的电池热失控故障检测，从而为电单车的行驶安全性提供保障，具备较高的理论意义与应用价值。价值。价值。

【技术实现步骤摘要】
一种基于门控概率模型的电动单车锂电池热失控预测的方法


[0001]本专利技术涉及基于门控概率模型的电动单车锂电池热失控预测的方法，具体为一种基于门控概率模型的电动单车锂电池热失控预测的方法。

技术介绍

[0002]电动单车作为民众出行过程中常采用的出行方式，搭载锂电池的电动单车被广泛选择，而电动自行车的热失控故障所造成的火灾形势严峻，出台锂电池安全强制性国家标准的呼声不绝于耳。2022年2月21日，工业和信息化部对《电动自行车用锂离子蓄电池安全要求》强制性国家标准计划项目公开征求意见。目前，市场上存在着使用梯次利用(即从电动汽车淘汰下来的电池或者废旧电池中拆出可用电芯组装电池再次使用，编者注)的锂电池或劣质锂电池，以及使用劣质充电器对锂电池充电的行为，其中隐含的热失控故障尤为明显。电动自行车锂电池强制性国家标准制定的难点在于怎样最大限度地实现该项标准的科学性、先进性，切实提升产品质量准绳，保障消费者人身财产安全。在标准制定中，为最大限度实现检验项目考核产品基本属性的指标、方法的科学性和先进性，电池电气安全、电池机械安全、电池保护功能、环境安全、人身安全、电池结构安全等6个方面的项目均应纳入考虑。热失控的故障预测本身从电池基本属性的指标和先进方法、电池保护功能等多个角度入手，着力进行电池热失控故障甚至火灾的事先预测，因此具备广泛的理论研究意义与应用价值。本专利技术采用一种基于门控概率模型的方法进行热失控故障的预测，通过对实际运行的电动单车的锂电池的数据采集，通过探查数据挖掘出与热失控故障相关的特征，进而采用门控概率模型解决热失控故障的预测问题。

技术实现思路

[0003]为应对实际生产生活中由于热失控所导致的电动单车锂电池故障火灾，本专利从门控概率模型的角度入手，结合实际的获取锂电池数据表现，进行基本的影响锂电池热失控故障的相关特征提取与选择，从而结合数据分布进行门控模型的设定，有效解决热失控故障的预测问题,提供一种基于门控概率模型的电动单车锂电池热失控预测的方法。
[0004]一种基于门控概率模型的电动单车锂电池热失控预测的方法，具体包括以下步骤：S001为数据准备步骤，主要通过对电动单车的锂电池数据进行采集，该步骤目的是获取锂电池中三类型号(磷酸铁锂1、锰酸锂1、锰酸锂2)的电池的热失控表现，并根据这些数据进行后续的数据探索、特征工程和模型构建等步骤。
[0005]所述数据准备，即热失控温度数据获取阶段，整体数据基本情况为：总计278个电池，其中热失控电池数据(个数)为38个，而正常电池数据个数为240个。通过对38个热失控电池进行分析，记录其热失控的数据表现，对38个电池进行分类，其中A类共有11个电池，它们各自在温度、电压等数据中有明显的的异常表现；B类共有17个电池，它们在热失控发生当天，暂未发现存在数据异常表现；C类共有10个电池，在热失控发生当天没有数据。整体数据分布结果可初步表示为表1所示的热失控类型。
[0006]表1热失控电池类型及数据分布类型
[0007][0008]如S001所述获取的A类和B类热失控数据中其数据表现各异，在A类热失控电池中，均有特征表现，其热失控数据情况为：6成以上的电池都是发生热失控时的数据是截断的状态(这种情况不利于数据建模)。注：截断数据是指热失控发生时的数据前后很长时间都没有数据，只有发生时的1条数据，具体的数据状态如表2所示。
[0009]表2A类电池热失控数据状态情况
[0010][0011][0012]在B类热失控电池中，均无特征表现，其中82％的电池都是在放电状态下，因为放电状态的数据上传频率很低(几小时一条数据)，所以放电过程发生的热失控很大可能是因为数据上传频率太低，没有上传对应的异常数据。具体数据表现如表3所示。
[0013]表3B类电池热失控数据状态情况
[0014][0015]S002为特征选择步骤，对描述电池热失控状态的特征进行初步选择，具体特征如下：1.最高单体电压；2.最低单体电压；3.最大压差；4.最大单体电压衰减值；5.最大单体电压衰减速率；6.最大温度；7.最大温差；8.最大温升上升速率；9.当前电流值；10.当前充放电状态。注：以下关于速率的特征都是按照每分钟的速率统计。
[0016]所述S002特征选择步骤中用于正样本提取的特征数据需从各类电池对应特征中进行选择，分别记录每类电池在多辆实际运行的电单车中的特征表现，对应进行记录，并在其中进行正样本的特征数据提取。
[0017]所述S002特征选择步骤中需利用用于负样本提取的特征数据。针对正样本提取的特征，首先需要观察负样本在这些特征上是否会有一些相似性(因为这些相似特征会造成误报)，针对这些相似性样本数据需进行针对性的解决，故需结合三类电池类型的电压整体变化情况来进行分析和数据处理，通过列举三类电池类型的数据在整个生命周期充放电的电压变化情况，观察得到电压中的负样本数据会存在相似性导致的误报情况，但是温度数据基本保持稳定。在锰酸锂1类型电池中，整体来看，充放电异常电压(低/高电压)的情况存在，但是较少；在锰酸锂2类型电池中，整体数据表现中有充放电异常电压(低/高电压)的情况存在，同样整体较少；而在磷酸铁锂1类型电池中，整体数据表现中有充放电异常电压(低/高电压)的情况存在，且较多。
[0018]对于上述负样本的情况，只针对单独的一个总体描述，图1
‑
2描述挑选的负样本样例，进行电压变化情况的展示，据图1
‑
2，可说明负样本中也存在和正样本热失控电压变化类似的场景。对于这种情况，需在进行特征工程时，加入限制特征或者在算法模型预测前，加上一定的规则限制，来减少由于此情况的误报。
[0019]S003模型构建步骤，根据这次的有效热失控数据情况，把热失控正样本数据分为两部分考虑，分别是锰酸锂和磷酸铁锂两种类型。
[0020]所述有关锰酸锂的有效热失控样本分析。由以上S002中有关负样本的分析可知，锰酸锂电池中所记录的有效热失控数据都是在放电过程产生的，且都是数据截断类型，发生时的有效数据只有一条。7个失效电池数据总共提取的数据量只有7条数据，在如此少的正样本数据量的情况下，使用机器学习或深度学习并不是很合适，所以基于目前的数据，我们采取多种叠加规则的方案去识别热失控异常数据表征。由于锰酸锂类型电池中的正样本数据量为7条；负样本数据量非常多，因此对于机器学习/深度学习方法来说不太适用，故选
择门控模型(即叠加规则)。门控模型就是由多个限制门和自由门组成，每个限制门和自由门都是由一个规则构成，若当前信息在所有的限制门内都通过，即为1，否在为0；若在通过限制门的过程中，通过了任意的自由门，则也为1。其中热失控特征主要表现维度为电压、温度。
[0021]所述门控模型思路为：首先，将数据分两个维度考虑，分别是电压和温度，只要任意一个维度检测处数据异常，即发出报警：注：我们在设定第一个门控时，需要选择最严苛的条件，将绝大部分数据挡在门外，这样能将模型性能最大化。我们这里的第一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于门控概率模型的电动单车锂电池热失控预测的方法，其特征在于，具体包括以下步骤：S001为数据准备步骤，主要通过对电动单车的锂电池数据进行采集，该步骤目的是获取锂电池中三类型号(磷酸铁锂1、锰酸锂1、锰酸锂2)的电池的热失控表现，并根据这些数据进行后续的数据探索、特征工程和模型构建等步骤；S002为特征选择步骤，对描述电池热失控状态的特征进行初步选择，具体特征如下：1.最高单体电压；2.最低单体电压；3.最大压差；4.最大单体电压衰减值；5.最大单体电压衰减速率；6.最大温度；7.最大温差；8.最大温升上升速率；9.当前电流值；10.当前充放电状态。注：以下关于速率的特征都是按照每分钟的速率统计；所述S002特征选择步骤中用于正样本提取的特征数据需从各类电池对应特征中进行选择，分别记录每类电池在多辆实际运行的电单车中的特征表现，对应进行记录，并在其中进行正样本的特征数据提取；所述S002特征选择步骤中需利用用于负样本提取的特征数据；针对正样本提取的特征，首先需要观察负样本在这些特征上是否会有一些相似性(因为这些相似特征会造成误报)，针对这些相似性样本数据需进行针对性的解决，故需结合三类电池类型的电压整体变化情况来进行分析和数据处理；S003模型构建步骤，根据这次的有效热失控数据情况，把热失控正样本数据分为两部分考虑，分别是锰酸锂和磷酸铁锂两种类型；锰酸锂的有效热失控样本分析；锰酸锂电池中所记录的有效热失控数据都是在放电过程产生的，且都是数据截断类型，发生时的有效数据只有一条；基于正样本数据较少，采取多种叠加规则的方案去识别热失控异常数据表征；而负样本数据量非常多，故选择门控模型(即叠加规则)；门控模型就是由多个限制门和自由门组成，每个限制门和自由门都是由一个规则构成，若当前信息在所有的限制门内都通过，即为1，否在为0；若在...

【专利技术属性】
技术研发人员：常伟，
申请(专利权)人：常伟，
类型：发明
国别省市：