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方案

本发明专利技术公开电池的异常状态或故障感测方法、执行其的电池管理系统。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；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。本发明专利技术能够稳定地管理及运行安装在电动车/储能装置等的电池系统。系统。系统。

【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，识别所述多个电池电芯中所述电芯数据的偏差超出正常范围的一个以上的电池电芯；以及异常判断部，判断所述一个以上的电池电芯是否为异常电芯。
[0008]根据一个实施例的电池管理方法，是在包括电池管理系统及通过通信网络与所述电池管理系统连接的服务器的系统执行的电池管理方法，所述方法包括：所述服务器接收所述电池管理系统从所述电池收集预定时间段的电芯数据的步骤；所述服务器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所述电池所包括的各个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并存储于所述服务器的异常感测模型步骤；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；以及所述服务器将所述异常电芯的信息发送至与所述网络连接的用户终端、所述电池管理系统或者所述用户终端和所述电池管理系统的步骤。
[0009]技术效果
[0010]根据一个实施例的电池的异常感测方法，通过在预定时间段从多个电池电芯收集
电芯数据，以及在每个预定时间间隔运算电芯数据的偏差并将其映射至二维平面，从而能够生成具有图像数据格式的二维输入数据。通过利用二维输入数据标识电芯数据的偏差超出正常范围的电池电芯，并判断在标识的电池电芯发生的传感器错误及/或电芯的劣化程度后告知用户，从而能够稳定地管理及运行安装在电动车/储能装置等的电池系统。
[0011]多种实施例的有益优点和效果不限于上述内容，并且在具体说明实施例的过程中能够更加容易理解。
附图说明
[0012]图1a是示出安装根据一个实施例的电池管理系统的电动车的示意图；
[0013]图1b是示出执行根据一个实施例的电池的异常感测方法的系统的示意图；
[0014]图2及图3是示出包括根据一个实施例的电池管理系统的电池系统的框图；
[0015]图4及图5是为了说明根据一个实施例的电池的异常感测方法而提供的流程图；
[0016]图6是示出根据一个实施例的电池的异常感测方法中收集到的电芯数据的示意图；
[0017]图7及图8是示出根据一个实施例的电池的异常感测方法中生成的二维输入数据的示意图；
[0018]图9是示出根据一个实施例的电池的异常感测方法中所使用的异常感测模型的示意图；
[0019]图10至图12是与根据一个实施例的电池的异常感测方法相关的图表。
具体实施方式
[0020]多种实施例的具体事项包含于详细说明以及示意图中。
[0021]参见结合附图详细后述的说明将会明确多种实施例的优点、特征以及其实现方法。以下说明的实施例并非限定于其记载内容，而是能够以不同的多种形态实现，权利范围仅由权利要求的范畴来定义。在整个说明书中相同附图标记表征相同构成要素。
[0022]图1a是示出安装根据一个实施例的电池管理系统的电动车的示意图。
[0023]参见图1a，电动车100可以包括电池110和电池管理系统120。电池管理系统120称为BMS(Battery Management System)，其可控制电池110的充放电。并且，电池管理系统120监测电池110的充电状态和剩余寿命等，可通过电动车100内部的显示器及/或与电动车100联动的用户终端10等，向电动车100的所有者或者驾驶员输出充电状态和剩余寿命等。
[0024]电池110可以由具有多个电池模块的电池包实现，多个电池模块中的每一个可包括多个电池电芯。作为一例，多个电池电芯中的每一个包括壳体和正极、负极、电解液及隔膜等，在壳体内部的正极与负极之间可配置电解液及隔膜。电池110为锂离子电池的情况下，在充电工作时，从正极释放的锂离子能够通过隔膜集中在负极上，在放电工作时，从负极释放的锂离子能够通过隔膜集中在正极上。
[0025]电动车100在驾驶员和同乘人员等人员乘坐的状态下，通过电池110输出来驱动，因此电动车100可能需要或要求电池110的稳定的运行及监测电池110的状态。作为一例，电池110中包括的多个电池电芯中发生异常状态的电芯的情况下，需要快速感测并告知移动中的电动车100内乘坐的驾驶员或同乘人员，或者在停车的电动车100的所有者等。
[0026]图1a中所示的一个实施例中，可在电池管理系统120安装包括机器学习模型的异常感测模型。电池管理系统120可从连接于电池110的传感器收集电芯数据，并将其输入至预先训练的异常感测模型中，以判断电池110是否发生异常。作为一例，由于电池管理系统120从连接于多个电池电芯的传感器收集电芯数据，因此能够判断电池110中包括的多个电池电芯中至少一个是否发生异常。异常感测模型安装在电池管理系统120，因此通过电池管理系统120的异常感测服务能够以独立运行(Stand
‑
Alone)方式工作。
[0027]作为一例，连接于电池110的传感器能够从多个电池电芯测量电芯电压、电芯电流、温度等。电池管理系统120以预定时间间隔接收传感器测量的数据，并可将传感器测量的数据的随时间间隔的差异获取为电芯数据。因此，电芯数据可以包括传感器以每个预定时间间隔测量的电芯电压的差异、电芯电流的差异、温度差异，或其组合。
[0028]电池管理系统120能够将电芯数据转换成预定格式后输入至异常感测模型。作为一例，异常感测模型可以包括图像处理及分类已优化的卷积神经网络(Convol本文档来自技高网...

【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：