动力电池系统安全风险动态评估方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了动力电池系统安全风险动态评估方法、装置、设备及介质，涉及动力电池风险评估技术领域，该方法包括：根据当前阶段目标新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵计算目标参数集；对目标参数集中的每个参数矩阵进行参数分布差异计算，确定参数矩阵对应的N个特征区间；计算每个特征区间的隶属度值；根据当前阶段目标新能源汽车的每个参数矩阵对应的每个特征区间的隶属度值和贝叶斯网络模型，确定当前阶段目标新能源汽车的安全风险级别。本发明专利技术能够准确评估新能源汽车动力电池系统的安全风险。动力电池系统的安全风险。动力电池系统的安全风险。

【技术实现步骤摘要】
动力电池系统安全风险动态评估方法、装置、设备及介质


[0001]本专利技术涉及动力电池风险评估
，特别是涉及一种新能源汽车的动力电池系统安全风险动态评估方法、装置、设备及介质。

技术介绍

[0002]现阶段，大力推动新能源汽车产业发展，而动力电池作为新能源汽车的核心零部件，其安全问题关系到新能源汽车的整车安全。所以如何量化新能源汽车动力电池系统的安全风险，实现新能源汽车动力电池系统安全风险的精准评估是提升新能源汽车安全性和可靠性的必要手段。目前，国内外对于新能源汽车动力电池系统安全风险的评估方法主要为阈值比较方法，该方法为通过超出设定阈值报警方式进行安全评估的方法，但是该方法无法准确评估新能源汽车动力电池系统的安全状态。

技术实现思路

[0003]本专利技术的目的是提供一种动力电池系统安全风险动态评估方法、装置、设备及介质，能够准确评估新能源汽车动力电池系统的安全风险。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]第一方面，本专利技术提供了一种动力电池系统安全风险动态评估方法，包括：
[0006]获取当前阶段目标新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；所述电池单体电压数据矩阵的行方向代表电池单体电压数据，所述电池单体电压数据矩阵的列方向代表时间序列；所述探针温度数据矩阵的行方向代表探针温度数据，所述探针温度数据矩阵的列方向代表时间序列；
[0007]根据当前阶段目标新能源汽车的所述电池单体电压数据矩阵和所述探针温度数据矩阵，计算目标参数集；所述目标参数集包括动力电池系统最高电压参数矩阵、动力电池系统最低电压参数矩阵、动力电池系统电压极差参数矩阵、动力电池系统最高温度参数矩阵和动力电池系统温度极差参数矩阵；
[0008]对当前阶段目标新能源汽车的所述目标参数集中的每个参数矩阵进行参数分布差异计算，并选取分布差异值按照从大到小排列的前N个特征区间确定为所述参数矩阵对应的N个特征区间；
[0009]对当前阶段目标新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值；
[0010]根据当前阶段目标新能源汽车的每个所述参数矩阵对应的每个特征区间的隶属度值和贝叶斯网络模型，确定当前阶段目标新能源汽车的安全风险级别。
[0011]可选地，所述贝叶斯网络模型的确定过程为：
[0012]获取样本数据集；所述样本数据集包括历史阶段事故新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵、以及历史阶段正常新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；
[0013]根据所述样本数据集中的电池单体电压数据矩阵和探针温度数据矩阵，计算每辆新能源汽车的样本参数集；所述样本参数集包括动力电池系统最高电压参数矩阵、动力电池系统最低电压参数矩阵、动力电池系统电压极差参数矩阵、动力电池系统最高温度参数矩阵和动力电池系统温度极差参数矩阵；
[0014]对历史阶段每辆新能源汽车的所述样本参数集中的每个参数矩阵进行参数分布差异计算，并选取分布差异值按照从大到小排列的前N个特征区间确定为所述参数矩阵对应的N个特征区间；
[0015]对历史阶段每辆新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值；
[0016]根据历史阶段每辆新能源汽车的每个所述参数矩阵对应的每个特征区间的隶属度值、以及每辆新能源汽车的属性，训练贝叶斯网络，得到贝叶斯网络模型；所述属性为事故新能源汽车或正常新能源汽车。
[0017]可选地，获取样本数据集，具体包括：
[0018]对新能源汽车大数据平台中相同车型或者相同电池型号的事故新能源汽车的全生命周期数据进行收集，生成事故新能源汽车数据集；
[0019]对新能源汽车大数据平台中相同车型或者相同电池型号的正常新能源汽车的全生命周期数据进行收集，生成正常新能源汽车数据集；
[0020]根据所述事故新能源汽车数据集，得到历史阶段事故新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；
[0021]根据所述正常新能源汽车数据集，得到历史阶段正常新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵。
[0022]可选地，对历史阶段每辆新能源汽车的所述样本参数集中的每个参数矩阵进行参数分布差异计算，并选取分布差异值按照从大到小排列的前N个特征区间确定为所述参数矩阵对应的N个特征区间；具体包括：
[0023]对历史阶段每辆新能源汽车的所述样本参数集中的每个参数矩阵执行第一操作，以确定每个所述参数矩阵对应的N个特征区间；
[0024]所述第一操作为：
[0025]根据所述参数矩阵中的所有数据，统计所述参数矩阵的参数分布，并对比参数分布差异，确定多个特征区间；
[0026]计算每个特征区间的分布差异值，并按照从大到小的顺序，将前N个分布差异值对应的特征区间确定为所述参数矩阵对应的N个特征区间。
[0027]可选地，对历史阶段每辆新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值，具体包括：
[0028]采用模糊逻辑方法对历史阶段每辆新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值。
[0029]可选地，还包括：
[0030]将当前阶段目标新能源汽车的每个所述参数矩阵对应的每个特征区间的隶属度值、当前阶段目标新能源汽车的运行状态以及贝叶斯网络模型输出的当前阶段目标新能源汽车的预测安全级别输入至目标新能源汽车的样本数据集中，以完成贝叶斯网络模型的更
新。
[0031]第二方面，本专利技术提供了一种动力电池系统安全风险动态评估装置，包括：
[0032]目标新能源汽车运行数据获取模块，用于获取当前阶段目标新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；所述电池单体电压数据矩阵的行方向代表电池单体电压数据，所述电池单体电压数据矩阵的列方向代表时间序列；所述探针温度数据矩阵的行方向代表探针温度数据，所述探针温度数据矩阵的列方向代表时间序列；
[0033]目标参数集计算模块，用于根据当前阶段目标新能源汽车的所述电池单体电压数据矩阵和所述探针温度数据矩阵，计算目标参数集；所述目标参数集包括动力电池系统最高电压参数矩阵、动力电池系统最低电压参数矩阵、动力电池系统电压极差参数矩阵、动力电池系统最高温度参数矩阵和动力电池系统温度极差参数矩阵；
[0034]特征区间确定模块，用于对当前阶段目标新能源汽车的所述目标参数集中的每个参数矩阵进行参数分布差异计算，并选取分布差异值按照从大到小排列的前N个特征区间确定为所述参数矩阵对应的N个特征区间；
[0035]隶属度值计算模块，用于对当前阶段目标新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值；
[0036]安全风险级别确定模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力电池系统安全风险动态评估方法，其特征在于，包括：获取当前阶段目标新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；所述电池单体电压数据矩阵的行方向代表电池单体电压数据，所述电池单体电压数据矩阵的列方向代表时间序列；所述探针温度数据矩阵的行方向代表探针温度数据，所述探针温度数据矩阵的列方向代表时间序列；根据当前阶段目标新能源汽车的所述电池单体电压数据矩阵和所述探针温度数据矩阵，计算目标参数集；所述目标参数集包括动力电池系统最高电压参数矩阵、动力电池系统最低电压参数矩阵、动力电池系统电压极差参数矩阵、动力电池系统最高温度参数矩阵和动力电池系统温度极差参数矩阵；对当前阶段目标新能源汽车的所述目标参数集中的每个参数矩阵进行参数分布差异计算，并选取分布差异值按照从大到小排列的前N个特征区间确定为所述参数矩阵对应的N个特征区间；对当前阶段目标新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值；根据当前阶段目标新能源汽车的每个所述参数矩阵对应的每个特征区间的隶属度值和贝叶斯网络模型，确定当前阶段目标新能源汽车的安全风险级别。2.根据权利要求1所述的一种动力电池系统安全风险动态评估方法，其特征在于，所述贝叶斯网络模型的确定过程为：获取样本数据集；所述样本数据集包括历史阶段事故新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵、以及历史阶段正常新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；根据所述样本数据集中的电池单体电压数据矩阵和探针温度数据矩阵，计算每辆新能源汽车的样本参数集；所述样本参数集包括动力电池系统最高电压参数矩阵、动力电池系统最低电压参数矩阵、动力电池系统电压极差参数矩阵、动力电池系统最高温度参数矩阵和动力电池系统温度极差参数矩阵；对历史阶段每辆新能源汽车的所述样本参数集中的每个参数矩阵进行参数分布差异计算，并选取分布差异值按照从大到小排列的前N个特征区间确定为所述参数矩阵对应的N个特征区间；对历史阶段每辆新能源汽车的每个所述参数矩阵对应的每个特征区间进行离散隶属度处理，确定每个所述特征区间的隶属度值；根据历史阶段每辆新能源汽车的每个所述参数矩阵对应的每个特征区间的隶属度值、以及每辆新能源汽车的属性，训练贝叶斯网络，得到贝叶斯网络模型；所述属性为事故新能源汽车或正常新能源汽车。3.根据权利要求2所述的一种动力电池系统安全风险动态评估方法，其特征在于，获取样本数据集，具体包括：对新能源汽车大数据平台中相同车型或者相同电池型号的事故新能源汽车的全生命周期数据进行收集，生成事故新能源汽车数据集；对新能源汽车大数据平台中相同车型或者相同电池型号的正常新能源汽车的全生命周期数据进行收集，生成正常新能源汽车数据集；
根据所述事故新能源汽车数据集，得到历史阶段事故新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵；根据所述正常新能源汽车数据集，得到历史阶段正常新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵。4.根据权利要求2所述的一种动力电池系统安全风险动态评估方法，其特征在于，对历史阶段每辆新能源汽车的所述样本参数集中的每个...

【专利技术属性】
技术研发人员：王震坡，刘鹏，贾子润，张照生，林倪，孙振宇，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：