基于时间序列分解算法的锂电池单体异常检测方法及系统技术方案

本发明专利技术涉及一种基于时间序列分解算法的锂电池单体异常检测方法及系统，该技术方案利用时序分解算法对采集得到的电池电压数据进行分解，以获得电池电压的趋势项分量（Trend Component）。随后提取出趋势项分量，计算相邻电池单体的趋势项分量的余弦相似度，并与设定阈值进行比较，可以实时检测锂电池故障，快速准确的识别出异常单体电池。本发明专利技术的有益效果是：（1）基于时间序列分解算法，获得各单体电池电压的趋势项分量，可以有效剔除噪声和残余项的干扰；（2）采用了余弦相似度算法，能够实现在线实时的电池故障检测，计算速度快，准确率高。准确率高。准确率高。

【技术实现步骤摘要】
基于时间序列分解算法的锂电池单体异常检测方法及系统


[0001]本专利技术属于电池系统的故障检测领域，具体涉及基于时间序列分解算法的锂电池单体异常检测方法及系统。

技术介绍

[0002]在新能源汽车的使用过程中，时常会出现一些汽车自燃现象，这一般是由锂离子电池的短路故障造成的，因此，新能源汽车电池的故障诊断对于提高其安全性起着至关重要的作用。目前用于故障诊断的方法主要有基于模型的检测方法、基于数据驱动的检测方法和基于信号的检测方法，但这些方法都分别存在不足以及局限性，因此，需要开发一种新的电池在线故障诊断算法，提高计算速度和准确率，实现在线实时的电池故障异常诊断。
[0003]目前用于电池故障诊断的方法主要有基于模型的检测方法、基于数据驱动的检测方法和基于信号的检测方法。基于模型的检测方法，其模型和计算大多都十分复杂，不便于实时在线监测；基于数据驱动的检测方法，其误报率较高；基于信号的检测方法，其设备复杂，测量困难。

技术实现思路

[0004]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于时间序列分解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间序列分解算法的锂电池单体异常检测方法，其特征在于，获得传感器实时采集的电池电压数据并对其进行预处理；利用时序分解算法对预处理后的电池电压数据进行分解，并提取出电池电压的趋势项分量；计算相邻电池单体的趋势项分量的余弦相似度，并与设定阈值进行比较并根据比较结果判断锂电池是否发生故障。2.根据权利要求1所述的一种基于时间序列分解算法的锂电池单体异常检测方法，其特征在于，获得传感器实时采集的电池电压数据，并利用时间窗口选择放电电压数据，其中时间窗口长度设置为偶数。3.根据权利要求1所述的一种基于时间序列分解算法的锂电池单体异常检测方法，其特征在于，采用时间序列分解算法对电压数据进行分解，将时刻的电压数据分解为趋势项分量、周期项分量和余项分量：， ，为正整数。4.根据权利要求1所述的一种基于时间序列分解算法的锂电池单体异常检测方法，其特征在于，趋势项分量、周期项分量和余项分量的具体获取过程包括：赋初值令；将时间序列减去上一轮结果的趋势项分量，即，去除趋势项分量，得到保留有残差信号和周期性信号的余下信号；对余下信号依次进行周期子序列平滑和低通量过滤处理后，去除平滑周期子序列趋势后对周期子序列周期信号进行提纯，最后去除周期性信号，得到最终趋势项分量结果与周期项分量结果。5.根据权利要求1所述的一种基于时间序列分解算法的锂电池单体异常检测方法，其特征在于，进行周期子序列平滑时，将每个周期间相同位置的样本点即周期平移后相同位置组成一个由个子序列个数组成的子序列集合，一个周期内的样本数为；每个子序列进行局部加权回归Loess过程，前后各延展1个时间点，组合得到长度为的时间序列。6.根据权利要求1所述的一种基于时间序列分解算法的锂电池单体异常检测方法，其特征在于，进行周期子序列的低通量过滤时，提取周期子序列中的非周期性信号；对进行3次...

【专利技术属性】
技术研发人员：武明虎，张书凡，杜万银，张凡，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：