电池系统异常检测方法及装置制造方法及图纸

本公开提出一种电池系统异常检测方法及装置，涉及异常检测技术领域。包括：基于电池对应的二维分布参数模型，获取所述电池在指定采样时间窗口内对应的全数据矩阵和稀疏数据矩阵；分别根据所述全数据矩阵和所述稀疏数据矩阵确定各个全空间基函数和稀疏空间基函数；基于所述全空间基函数和稀疏空间基函数，构建连续空间基函数；基于所述稀疏数据矩阵，确定任一时刻对应的空间分异指标值；基于所述空间分异指标值，判断所述任一时刻是否为异常时间，并基于所述连续空间基函数确定所述电池的异常位置。由此，可以精确定位异常，将空间基函数变化最大的空间位置视为异常位置，可以一定程度上提升稀疏传感器配置下的电池异常检测精度问题。度问题。度问题。

【技术实现步骤摘要】
电池系统异常检测方法及装置


[0001]本公开涉及异常检测
，尤其涉及一种电池系统异常检测方法及装置。

技术介绍

[0002]电池系统异常检测是指通过对电池系统的参数、状态和行为等进行实时监测和分析，发现其中存在的异常情况，并及时报警或采取措施来避免进一步的损害。由于电池使用环境和工作状态的多变性，电池系统异常的类型与原因也杂和多样化，需要综合运用各种物理模型、统计学方法和机器学习算法等技术手段进行识别和判别。
[0003]因而，如何精确的定位电池的异常位置是目前亟需解决的问题。

技术实现思路

[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本公开第一方面实施例提出了一种电池系统异常检测方法，包括：基于电池对应的二维分布参数模型，获取所述电池在指定采样时间窗口内对应的全数据矩阵和稀疏数据矩阵；分别根据所述全数据矩阵和所述稀疏数据矩阵确定各个全空间基函数和稀疏空间基函数；基于所述全空间基函数和稀疏空间基函数，构建连续空间基函数；基于所述稀疏数据矩阵，确定任一时刻对应的空间分异指标值；基于所述空间分异指标值，判断所述任一时刻是否为异常时间，并基于所述连续空间基函数确定所述电池的异常位置。
[0006]本公开第二方面实施例提出了一种电池系统异常检测装置，包括：获取模块，用于基于电池对应的二维分布参数模型，获取所述电池在指定采样时间窗口内对应的全数据矩阵和稀疏数据矩阵；第一确定模块，用于分别根据所述全数据矩阵和所述稀疏数据矩阵确定各个全空间基函数和稀疏空间基函数；构建模块，用于基于所述全空间基函数和稀疏空间基函数，构建连续空间基函数；第二确定模块，用于基于所述稀疏数据矩阵，确定任一时刻对应的空间分异指标值；第三确定模块，用于基于所述空间分异指标值，判断所述任一时刻是否为异常时间，并基于所述连续空间基函数确定所述电池的异常位置。
[0007]本公开第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的电池系统异常检测方法。
[0008]本公开第四方面实施例提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，实现如本公开第一方面实施例提出的电池系统异常检测方
法。
[0009]本公开提供的电池系统异常检测方法及装置，存在如下有益效果：本公开实施例中，首先基于电池对应的二维分布参数模型，获取所述电池在指定采样时间窗口内对应的全数据矩阵和稀疏数据矩阵，之后分别根据所述全数据矩阵和所述稀疏数据矩阵确定各个全空间基函数和稀疏空间基函数，之后基于所述全空间基函数和稀疏空间基函数，构建连续空间基函数，然后基于所述稀疏数据矩阵，确定任一时刻对应的空间分异指标值，最后基于所述空间分异指标值，判断所述任一时刻是否为异常时间，并基于所述连续空间基函数确定所述电池的异常位置。由此，首先提出了一种电池的二维空间结构，用于稀疏传感下的电池热过程建模，并建立了随机不确定性下可靠异常检测的综合检测指标根据基于空间基函数的变化计算残差，来精确定位异常，空间基函数变化最大的空间位置视为异常位置，相比传统单一维度指标体系更具鲁棒性，可以一定程度上提升稀疏传感器配置下的电池异常检测精度问题。
[0010]本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0011]本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本公开一实施例所提供的一种电池系统异常检测方法的流程示意图；图2为一种全传感器和稀疏传感器的测量示意图；图3为本公开另一实施例所提供的一种电池系统异常检测方法的流程示意图；图4为本公开另一实施例所提供的电池系统异常检测装置的结构示意图；图5示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
[0012]下面详细描述本公开的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
[0013]下面参考附图描述本公开实施例的电池系统异常检测方法、装置、电子设备和存储介质。
[0014]图1为本公开实施例所提供的一种电池系统异常检测方法的流程示意图。
[0015]本公开实施例以该电池系统异常检测方法被配置于电池系统异常检测装置中来举例说明，该电池系统异常检测装置可以应用于任一电子设备中，比如手机、电脑、计算机，以使该电子设备可以执行电池系统异常检测方法，或者也可以是服务器，在此不做限定。
[0016]如图1所示，该电池系统异常检测方法可以包括以下步骤：步骤101，基于电池对应的二维分布参数模型，获取电池在指定采样时间窗口内对应的全数据矩阵和稀疏数据矩阵。
[0017]其中，二维分布参数系统，例如软包电池热过程，可以通过二阶偏微分方程描述如下：
受以下边界条件限制：1、2、。
[0018]初始条件为：其中，表示表示时空状态，和表示空间坐标；是时间变量，是电池单体的厚度，和分别表示电池单体的密度和比热容，是一个包含非线性空间微分算子的函数，是热量产生率或具有空间分布的操纵输入，表示未知异常，和是两个未知的非线性函数，是指初始输出的平滑函数。
[0019]可选的，可以利用多尺度动态分析（MDA）可以用来捕捉空间和时间特征的偏差，从而监测过程的状态。对于稀疏传感下的异常检测和定位，提出了如下二维空间结构。其中，允许和表示从二维分布参数模型中测量的完整数据矩阵和相应的稀疏数据矩阵，矩阵和可以表示为：可以表示为：其中，，表示采样时间窗口长度，和表示沿和分别在全传感器测量下的方向，和表示沿和分别在稀疏传感器测量下的方向，和，和表示在时刻的全传感器测量和稀疏传感器测量的信息。
[0020]如图2所示，图2为一种全传感器和稀疏传感器的测量示意图。
[0021]步骤102，分别根据全数据矩阵和稀疏数据矩阵确定各个全空间基函数和稀疏空间基函数。
[0022]可选的，通过时空分离，全空间基函数、稀疏空间基函数可分别从全数据矩阵和稀疏数据矩阵导出。
[0023]电池系统在线运行时，只能测得稀疏数据。因此，稀疏传感器测量和全传感器测量之间的映射根据式构建如下：
其中，是稀疏空间基函数至全空间基函数的映射方程，表示对应于的时间系数。映射函数可以描述如下：在系统离线时，可以使用大量实验数据来识别以及推导映射函数。
[0024]步骤103，基于所述全空间基函数和稀疏空间基函数，构建连续空间基函数。
[0025]为了准确定位异常位置，一组连续空间基函数应基于式中的离散空间基函数获得，表示所识别异常的发生时间。连续空间基函数由以下优化条件下构建：以下优化条件下构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池系统异常检测方法，其特征在于，包括：基于电池对应的二维分布参数模型，获取所述电池在指定采样时间窗口内对应的全数据矩阵和稀疏数据矩阵；分别根据所述全数据矩阵和所述稀疏数据矩阵确定各个全空间基函数和稀疏空间基函数；基于所述全空间基函数和稀疏空间基函数，构建连续空间基函数；基于所述稀疏数据矩阵，确定任一时刻对应的空间分异指标值；基于所述空间分异指标值，判断所述任一时刻是否为异常时间，并基于所述连续空间基函数确定所述电池的异常位置。2.根据权利要求1所述的方法，其特征在于，所述基于所述空间分异指标值，判断所述任一时刻是否为异常时间，包括：比较所述空间分异指标值是否等于参考信号；若所述空间分异指标值大于所述参考信号，确定所述任一时刻为异常时间。3.根据权利要求1所述的方法，其特征在于，在所述基于所述稀疏数据矩阵，确定任一时刻对应的空间分异指标值之后，还包括：获取与所述任一时刻对应的霍特林检验的统计量；根据所述统计量和所述空间分异指标值，判断所述任一时刻是否为异常时间。4.根据权利要求1所述的方法，其特征在于，所述基于所述连续空间基函数确定所述电池的异常位置，包括：基于所述连续空间基函数，计算用于反映空间基函数变化的空间残差；将所述空间残差最大值对应的空间位置作为所述电池的异常位置。5.根据权利要求3所述的方法，其特征在于，所述根据所述统计量和所述空间分异指标值，判断所述任一时刻是否为异常时间，包括：确定所述统计量和所述空间分异指标值分别与对应的参考信息之间的第一比值和第二比值；将所述第一比值和所述第二比值进行加权求和，得到多尺度检测指标值；比较所述多尺度检测指标值是否等于参考信号；若所述多尺度检测指标值大于所述参考信号，确定所述任一时...

【专利技术属性】
技术研发人员：赵珈卉，朱勇，张斌，刘明义，王建星，刘承皓，孙悦，刘涵，杨超然，平小凡，成前，王娅宁，周敬伦，段召容，孙周婷，雷浩东，李昊，杨名昊，
申请(专利权)人：华能澜沧江水电股份有限公司，
类型：发明
国别省市：