本发明专利技术公开了一种电池故障识别方法、装置、设备和存储介质，所述方法包括：对获取的电池单体电压数据进行变分模态分解，得到表征电池单体电压数据的多个本征模态分量；对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到表征故障信息的目标模态组合分量；基于所述目标模态组合分量提取所述电池单体电压数据的目标差分波形因子和目标差分偏度因子；基于所述目标差分波形因子和所述目标差分偏度因子，确定所述电池单体电压数据表征的电池单体的故障识别结果。本发明专利技术提供的技术方案，在一定程度上能够提升早期电池故障诊断的准确度。的准确度。的准确度。
【技术实现步骤摘要】
电池故障识别方法、装置、电子设备和存储介质
[0001]本专利技术涉及电池故障诊断领域，具体涉及一种电池故障识别方法、装置、电子设备和存储介质。
技术介绍
[0002]近年来电池的热失控事故已经严重威胁到人们的生命和财产安全。极端的操作条件和恶劣的环境可能会导致电池内部结构的变化，产生过多的热量，最终可能导致热失控。此外，在制造过程中，材料分布和结构设计可能存在缺陷，这可能进一步增加热失控的风险。动力电池热失控危害性高，触发诱因及影响因素多、演化规律复杂、事故发生前隐蔽性强。现有技术中，电池故障诊断方法的故障判定识别多数集中于电池发生故障或热失控前较短的时间范围内，对于早期电池故障诊断的准确度较低。
技术实现思路
[0003]有鉴于此，本专利技术实施方式提供了一种电池故障识别方法、装置、电子设备和存储介质，在一定程度上能够提升早期电池故障诊断的准确度。
[0004]本专利技术一方面提供了一种电池故障识别方法，所述方法包括：对获取的电池单体电压数据进行变分模态分解，得到表征电池单体电压数据的多个本征模态分量；对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到表征故障信息的目标模态组合分量；基于所述目标模态组合分量提取所述电池单体电压数据的目标差分波形因子和目标差分偏度因子；基于所述目标差分波形因子和所述目标差分偏度因子，确定所述电池单体电压数据表征的电池单体的故障识别结果。
[0005]在一个实施方式中，对获取的电池单体电压数据进行变分模态分解，得到表征电池单体电压数据的多个本征模态分量，包括：采用粒子群优化算法确定目标参数；所述目标参数包括目标惩罚系数和目标模态个数；基于所述目标惩罚系数和所述目标模态个数迭代求解变分表达式，在迭代改进值小于预设收敛容差的情况下，确定表征电池单体电压的多个本征模态分量；所述迭代改进值为在相邻的两次迭代过程中向本征模态分量收敛的绝对平均的平方。
[0006]在一个实施方式中，对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到表征故障信息的目标模态组合分量，包括：对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到多个模态组合分量；将多个模态组合分量中类型为目标类型的模态组合分量，确定为表征故障信息的目标模态组合分量。
[0007]在一个实施方式中，将多个模态组合分量中类型为目标类型的模态组合分量，确定为表征故障信息的目标模态组合分量的步骤之前，所述方法还包括：获取若干个历史电池单体的历史电压数据；所述历史电池单体的类型包括安全电池单体和故障电池单体；分别对若干个所述历史电压数据进行变分模态分解，得到表征历史电压数据的多个历史本征模态分量；将表征同一历史电压数据的多个历史本征模态分量中，类型相同的历史本征模
态分量进行叠加，得到多个历史模态组合分量；计算各个历史模态组合分量和历史电池单体的类型之间的相关系数；将相关系数的最大值对应的历史模态组合分量的类型确定为所述目标类型。
[0008]在一个实施方式中，基于所述目标模态组合分量提取所述电池单体电压数据的目标差分波形因子和目标差分偏度因子，包括：计算所述目标模态组合分量的单体电压有效值，与所述目标模态组合分量中各采样点电压数据的整流平均值的比值，得到目标差分波形因子；计算所述目标模态组合分量的单体电压三阶中心矩，与所述目标模态组合分量中各采样点电压数据的标准差的三次方的比值，得到目标差分偏度因子。
[0009]在一个实施方式中，基于所述目标差分波形因子和所述目标差分偏度因子，确定所述电池单体电压数据表征的电池单体的故障识别结果，包括：基于所述目标差分波形因子与所述目标差分偏度因子生成所述电池单体电压数据的二维特征数据；计算所述二维特征数据和故障类型对应的预设二维特征数据之间的平均空间距离；将所述平均空间距离的最小值对应的故障类型，确定为所述电池单体电压数据表征的电池单体的故障识别结果。
[0010]在一个实施方式中，所述电池单体电压数据的数量包括多个，基于所述目标差分波形因子和所述目标差分偏度因子，确定所述电池单体电压数据表征的电池单体的故障识别结果，包括：基于所述目标差分波形因子与所述目标差分偏度因子生成各个电池单体电压数据的二维特征数据；对多个电池单体的二维特征数据进行聚类分析，将无法归为同一簇类的二维特征数据表征的电池单体确定为故障电池单体。
[0011]本专利技术另一方面还提供了一种电池故障识别装置，所述电池故障识别装置包括：电压分解单元，用于对获取的电池单体电压数据进行变分模态分解，得到表征电池单体电压数据的多个本征模态分量；模态分量叠加单元，用于对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到表征故障信息的目标模态组合分量；特征提取单元，用于基于所述目标模态组合分量提取所述电池单体电压数据的目标差分波形因子和目标差分偏度因子；故障识别单元，用于基于所述目标差分波形因子和所述目标差分偏度因子，确定所述电池单体电压数据表征的电池单体的故障识别结果。
[0012]本专利技术另一方面还提供了一种电子设备，所述电子设备装置包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的电池故障识别方法。
[0013]本专利技术另一方面还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述的电池故障识别方法。
[0014]通过对获取电池单体电压数据进行变分模态分解，然后将分解后得到的本征模态分量中类型相同的本征模态分量进行叠加，得到多个模态组合分量，然后在多个模态组合分量中选取表征故障信息的模态组合分量作为目标模态组合分量，并基于目标模态组合分量提取电池单体电压数据的目标差分波形因子和目标差分偏度因子，然后将这两个无量纲特征因子输入训练好的故障诊断模型，得到所述电池单体电压数据表征的电池单体的故障识别结果，从而在一定程度上能够提升早期电池故障诊断的准确度。
附图说明
[0015]通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理
解为对本专利技术进行任何限制，在附图中：
[0016]图1示出了本公开一个实施方式中电池故障识别方法的步骤示意图；
[0017]图2示出了本公开一个实施方式中对电池电压信号进行变分模态分解后得到的多个本征模态分量示意图；
[0018]图3(a)示出了本公开一个实施方式中基于目标模态组合分量提取的差分波形因子示意图；
[0019]图3(b)示出了本公开一个实施方式中基于目标模态组合分量提取的差分偏度因子示意图；
[0020]图4示出了本公开一个实施方式中对多个电池单体点的二维特征进行聚类的结果示意图；
[0021]图5示出了本公开一个实施方式中电池故障识别方法的流程示意图；
[0022]图6示出了本公开一个实施方式中电池故障识别装置示意图；
[0023]图7示出了本公开一个实施方式中电子设备的结构示意图。
具体实施方式
...
【技术保护点】
【技术特征摘要】
1.一种电池故障识别方法，其特征在于，所述方法包括：对获取的电池单体电压数据进行变分模态分解，得到表征电池单体电压数据的多个本征模态分量；对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到表征故障信息的目标模态组合分量；基于所述目标模态组合分量提取所述电池单体电压数据的目标差分波形因子和目标差分偏度因子；基于所述目标差分波形因子和所述目标差分偏度因子，确定所述电池单体电压数据表征的电池单体的故障识别结果。2.根据权利要求1所述的方法，其特征在于，对获取的电池单体电压数据进行变分模态分解，得到表征电池单体电压数据的多个本征模态分量，包括：采用粒子群优化算法确定目标参数；所述目标参数包括目标惩罚系数和目标模态个数；基于所述目标惩罚系数和所述目标模态个数迭代求解变分表达式，在迭代改进值小于预设收敛容差的情况下，确定表征电池单体电压的多个本征模态分量；所述迭代改进值为在相邻的两次迭代过程中向本征模态分量收敛的绝对平均值的平方。3.根据权利要求1所述的方法，其特征在于，对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到表征故障信息的目标模态组合分量，包括：对所述多个本征模态分量中类型相同的本征模态分量进行叠加，得到多个模态组合分量；将多个模态组合分量中类型为目标类型的模态组合分量，确定为表征故障信息的目标模态组合分量。4.根据权利要求3所述的方法，其特征在于，将多个模态组合分量中类型为目标类型的模态组合分量，确定为表征故障信息的目标模态组合分量的步骤之前，所述方法还包括：获取若干个历史电池单体的历史电压数据；所述历史电池单体的类型包括安全电池单体和故障电池单体；分别对若干个所述历史电压数据进行变分模态分解，得到表征历史电压数据的多个历史本征模态分量；将表征同一历史电压数据的多个历史本征模态分量中，类型相同的历史本征模态分量进行叠加，得到多个历史模态组合分量；计算各个历史模态组合分量和历史电池单体的类型之间的相关系数；将相关系数的最大值对应的历史模态组合分量的类型确定为所述目标类型。5.根据权利要求1所述的方法，其特征在于，基于所述目标模态组合分量提取所述电池单体电压数据的目标差分波形因子和目标差分偏度因子，包括：计算所述目标模态组合分...
【专利技术属性】
技术研发人员：刘延超，乐波，王振宇，赵慧春，郭帅楠，王旭，朱小毅，毕然，韩宇，王菁，张彩萍，牛利勇，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。