【技术实现步骤摘要】
本申请涉及充电故障识别和预警的，尤其涉及一种动力电池充电故障识别和预警方法、系统、设备及介质。
技术介绍
1、随着电动汽车的普及,动力电池作为其核心部件,其性能和安全直接影响着电动汽车的使用体验。为保障电池使用安全,需要对电池的健康状态进行实时监测和故障预警。目前业内在电池故障预警技术方面已经有了一些研究。但现有技术中，缺乏全面的电池健康评估模型、预警反馈时延长以及大多侧重于使用单一数据源或有限的数据源进行电池状态评估。因此，有必要研究一种更全面准确、快速预警的电池健康状况预警方法。
技术实现思路
1、本申请的主要目的在于克服现有技术的缺点与不足，提供一种动力电池充电故障识别和预警方法、系统、设备及介质，通过标定特征、实时诊断和长期预警三者的协同作用，能更全面和准确地实现电池故障的预警，提高了预警的准确性。
2、为了达到上述目的，本申请采用以下技术方案：
3、第一方面，本申请提供了一种动力电池充电故障识别和预警方法，包括下述步骤：
4、采集电池参数，并对所述电池参数进行预处理；
5、提取预处理后的电池参数的特征；
6、对所述预处理后的电池参数的特征进行聚类，得到聚类结果；
7、根据所述聚类结果，得到标准充电特征；
8、将所述标准充电特征与实时充电特征进行特征匹配，根据匹配结果进行故障识别并进行故障报警；
9、实时计算充电安全裕度，并判断充电安全裕度是否超出阈值，根据判断结果发出预警。p>
10、作为优选的技术方案，所述电池参数的特征，包括：电池充电曲线的斜率、电池温度的变化率、电池充电时的阻抗和充电过程中的电能损失。
11、作为优选的技术方案，所述聚类是运用dbscan聚类算法，聚类过程为：
12、初始化：选择参数ε和参数minpts，来决定形成一个新的聚类和将点标记为噪声的条件；其中，ε为邻域半径，minpts为最小点数；
13、邻域搜寻：对于每一个还未被标记的点p，计算其ε中的点数，如果点数大于等于minpts，开始创建一个新的聚类；否则，点p被暂时标记为噪声；
14、扩展聚类：对于新的聚类，再次探索点p的邻域半径ε内的点数，如果点数的邻域半径ε至少包含有minpts个点，则将点数中的点添加到该聚类；此过程会继续，直到该聚类中所有点的邻域半径ε内的点都被探索过；
15、完成聚类：当所有的点都被分配到一个聚类或者被标记为噪声后，算法结束；
16、其中，每个聚类代表一种电池健康状态；被标记为噪声的点不属于任何聚类。
17、作为优选的技术方案，所述根据所述聚类结果，得到标准充电特征，具体的：
18、根据历史电池参数的聚类结果，选择历史电池参数中每个电池健康状态类别的中心点作为该状态的标准充电特征。
19、作为优选的技术方案，所述将所述标准充电特征与实时充电特征进行特征匹配，根据匹配结果进行故障识别；步骤为：
20、采用余弦相似度算法将实时充电特征与标准充电特征进行匹配，计算实时充电特征与标准充电特征的相似度得分；
21、若实时充电特征与不健康状态的标准充电特征的相似度得分超过预设阈值，则会进行故障识别；
22、在故障识别后，若诊断结果表明电池存在健康问题，则自动中断充电过程，并通过车载系统和用户接口发出故障报警。
23、作为优选的技术方案，所述实时计算充电安全裕度，并判断充电安全裕度是否超出阈值，根据判断结果发出预警；步骤为：
24、计算充电安全裕度csm，计算公式为：
25、csm＝α×v+β×i+γ×t
26、其中，v是电池电压裕度、i是充电电流裕度、t是电池温度裕度、α是电池电压裕度的权重,β是充电电流裕度的权重,γ是电池温度裕度的权重；
27、利用电池参数对lightgbm模型进行训练，进而确定电池电压裕度的权重、充电电流裕度的权重和电池温度裕度的权重；
28、当充电安全裕度csm超过预警的阈值时，根据充电安全裕度csm超过阈值的程度，发布不同级别的预警。
29、作为优选的技术方案，所述对lightgbm模型进行训练的步骤为：
30、将收集到的电池参数划分为训练集和验证集；
31、对lightgbm模型中的参数进行配置，并使用训练数据集训练lightgbm模型，在训练过程中，lightgbm模型会学习特征与目标之间的关系，并调整内部参数以最小化预测误差；
32、lightgbm模型会根据学习到的特征与目标之间的关系，对特征的重要性进行评估；根据特征重要性评估结果，从而确定电池电压裕度的权重、充电电流裕度的权重和电池温度裕度的权重。
33、第二方面，本申请提供了一种动力电池充电故障识别和预警系统，应用于所述的一种动力电池充电故障识别和预警方法，包括预处理模块、提取特征模块、聚类模块、充电特征模块、特征匹配模块以及预警模块；
34、所述预处理模块，用于采集电池参数，并对所述电池参数进行预处理；
35、所述提取特征模块，用于提取预处理后的电池参数的特征；
36、所述聚类模块，用于对所述预处理后的电池参数的特征进行聚类，得到聚类结果；
37、所述充电特征模块，用于根据所述聚类结果，得到标准充电特征；
38、所述特征匹配模块，用于将所述标准充电特征与实时充电特征进行特征匹配，根据匹配结果进行故障识别并进行故障报警；
39、所述预警模块，用于实时计算充电安全裕度，并判断充电安全裕度是否超出阈值，根据判断结果发出预警。
40、第三方面，本申请提供了一种电子设备，所述电子设备包括：
41、至少一个处理器；以及，
42、与所述至少一个处理器通信连接的存储器；其中，
43、所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的一种动力电池充电故障识别和预警方法。
44、第四方面，本申请提供了一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现所述的一种动力电池充电故障识别和预警方法。
45、综上所述，与现有技术相比，本申请提供的技术方案带来的有效效果至少包括：
46、本申请提出了一种动力电池充电故障识别和预警方法，包括采集电池参数，并对电池参数进行预处理；电池参数包括历史电池参数和实时电池参数；提取预处理后的电池参数的特征；对预处理后的电池参数和特征进行聚类，得到聚类结果；根据聚类结果，得到标准充电特征和实时充电特征；将标准充电特征与实时充电特征进行特征匹配，根据匹配结果进行故障识别并进行故障报警；通过标定特征曲线、实时诊断和长期预警三者的协同作用，能更全面和准确地实现电池故障的预警，这不仅提高了预警本文档来自技高网...
【技术保护点】
1.一种动力电池充电故障识别和预警方法，其特征在于，包括下述步骤：
2.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述电池参数的特征，包括：电池充电曲线的斜率、电池温度的变化率、电池充电时的阻抗和充电过程中的电能损失。
3.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述聚类是运用DBSCAN聚类算法，聚类过程为：
4.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述根据所述聚类结果，得到标准充电特征，具体的：
5.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述将所述标准充电特征与实时充电特征进行特征匹配，根据匹配结果进行故障识别；步骤为：
6.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述实时计算充电安全裕度，并判断充电安全裕度是否超出阈值，根据判断结果发出预警；步骤为：
7.根据权利要求6所述一种动力电池充电故障识别和预警方法，其特征在于，所述对lightGBM模型进行训练的步骤为：
...【技术特征摘要】
1.一种动力电池充电故障识别和预警方法，其特征在于，包括下述步骤：
2.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述电池参数的特征，包括：电池充电曲线的斜率、电池温度的变化率、电池充电时的阻抗和充电过程中的电能损失。
3.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述聚类是运用dbscan聚类算法，聚类过程为：
4.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述根据所述聚类结果，得到标准充电特征，具体的：
5.根据权利要求1所述一种动力电池充电故障识别和预警方法，其特征在于，所述将所述标准充电特征与实时充电特征进行特征匹配，根据匹配结果进行故障识别；步骤为：
6.根据权利...
【专利技术属性】
技术研发人员：周永佳，李媛，吕建，栾捷，袁军，王昊，张扬，吕叶林，
申请(专利权)人：国网浙江电动汽车服务有限公司，
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。