【技术实现步骤摘要】
电池的异常状态或故障感测方法及执行其的电池管理系统
[0001]本专利技术涉及电池的异常状态或故障感测方法及执行其的电池管理系统。
技术介绍
[0002]在电动车、储能装置等中作为电源的一部分连接的电池包包括一个以上的电池模块,一个电池模块可包括多个电池电芯。与电池包连接的电池管理系统能够从电池电芯及/或电池模块收集各种数据,以监控并管理电池。
技术实现思路
[0003]技术问题
[0004]所要解决技术问题之一在于提供基于能够从电池测量的电压(例如电芯电压)、电流(例如电芯电流)、温度等测量数据、关于电池的使用数据以及安装电池的电动车、储能装置等的系统特性,快速感测电池的异常,从而能够稳定地运行及管理电池的电池的异常感测方法及执行其的电池管理系统。
[0005]技术方案
[0006]根据一个实施例的电池的异常感测方法包括:从包含于电池包的电池电芯测量预定时间段的电芯数据的步骤;将所述电芯数据映射至具有与所述时间段对应的第一轴及与各个所述电池电芯的索引对应的第二轴的二维平面,生成二维输入数据的步骤;将所述二维输入数据输入至预先训练成感测电池的异常的异常感测模型的步骤;以及基于所述异常感测模型的输出,判断所述电池电芯中是否存在进入异常状态的异常电芯的步骤。
[0007]根据一个实施例的电池管理系统包括:输入数据生成部,在预定时间段从所述多个电池电芯中至少一部分电池电芯接收电芯数据,并将所述电芯数据映射至二维平面生成二维输入数据;异常感测模型,基于所述二维输入数据,识别所述 ...
【技术保护点】
【技术特征摘要】
1.一种电池的异常状态或故障感测方法,包括:从包含于电池包的电池电芯测量预定时间段的电芯数据的步骤;将所述电芯数据映射至具有与所述时间段对应的第一轴及与各个所述电池电芯的索引对应的第二轴的二维平面,生成二维输入数据的步骤;将所述二维输入数据输入至预先训练成感测电池的异常的异常感测模型的步骤;以及基于所述异常感测模型的输出,判断所述电池电芯中是否存在进入异常状态的异常电芯的步骤。2.根据权利要求1所述的电池的异常状态或故障感测方法,其中:所述电芯数据包括从所述电池电芯测量的电芯电压之间的电芯电压偏差、电芯电流之间的电芯电流偏差、从电池电芯测量的温度偏差或者其组合。3.根据权利要求1所述的电池的异常状态或故障感测方法,其中:将所述电芯数据以热图形态映射至所述二维平面生成所述二维输入数据。4.根据权利要求1所述的电池的异常状态或故障感测方法,其中,所述异常感测模型包括:第一异常感测模型,接收所述二维输入数据,输出从各个所述电池电芯测量到的所述电芯数据的数据偏差;以及第二异常感测模型,基于所述第一异常感测模型的输出,判断连接于所述电池电芯的一个以上的传感器是否发生异常及是否存在所述异常电芯。5.根据权利要求4所述的电池的异常状态或故障感测方法,其中:基于各个所述第一异常感测模型及所述第二异常感测模型的输出数据,向安装所述电池包的系统的用户输出是否发生异常。6.根据权利要求5所述的电池的异常状态或故障感测方法,其中:安装所述电池包的系统是电动车及储能装置中的一种。7.根据权利要求4所述的电池的异常状态或故障感测方法,其中:所述第二异常感测模型生成在预定的充电状态SOC(State Of Charge)区间,所述第一异常感测模型针对所述电池电芯输出的所述数据偏差的分布,基于所述分布判断是否存在所述异常电芯。8.根据权利要求7所述的电池的异常状态或故障感测方法,其中:所述第二异常感测模型将所述电池电芯中,在所述分布具有超出预定基准范围的所述数据偏差的电池电芯判断为所述异常电芯,并输出所述异常电芯的索引。9.根据权利要求4所述的电池的异常状态或故障感测方法,其中:所述第一异常感测模型包括卷积神经网络(Convolution Neural Network,CNN)模型。10.根据权利要求4所述的电池的异常状态或故障感测方法,其中:所述第二异常感测模型利用在所述电池电芯中选择的一个电池电芯和剩余的各电池电芯之间的相关关系与所述剩余的各电池电芯之间的相关关系的比率,判断所述一个电池电芯是否为所述异常电芯。11.根据权利要求4所述的电池的异常状态或故障感测方法,其中,所述异常感测模型还包括:第三异常感测模型,通过感测所述电池包的充电过程中的所述电池包的温度变化,判
断是否存在所述异常电芯。12.一种电池管理系统,包括:输入数据生成部,在预定时间段从所述多个电池电芯中至少一部分电池电芯接收电芯数据,并将所述电芯数据映射至二维平面生成二维输入数据;异常感测模型,基于从所述输入数据生成部接收到的所述二维输入数据,识别所述多个...
【专利技术属性】
技术研发人员:郭姝银,宋炅珉,权基相,
申请(专利权)人:SK新能源株式会社,
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。