【技术实现步骤摘要】
本专利技术涉及电池，尤其涉及一种新型智能化电池组及其容量风险估算方法。
技术介绍
1、在新能源领域中，电池管理系统的关键性问题日益凸显。在面对电池管理的诸多挑战时，传统方案存在显著的局限性。以往主要关注电池组的整体性能监控，然而，由于电池内部不同单元之间的局部状态差异被忽略，会导致引发严重的全局损害。
2、例如，新能源汽车电池爆炸等安全事件在过去的实际应用中频繁发生，其原因主要源自于只注意全局而忽略局部的电池管理方法无法精准的监测和预测电池内部的局部变化趋势。此外，由于这种注重全局监控的方法通常是基于统计分析，无法及时捕捉电池内潜在的局部异常情况，从而导致实时监控能力差，在风险发生时无法及时作出响应，使得电池组存在不稳定的风险。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种新型智能化电池组及其容量风险估算方法，能够模块化的针对电池组内容量进行局部监控、估算和预测，全面了解电池组状态的变化，从而做出更精准的风险预测，及时采取措施应对电池组的潜在风险，避免由于电池组局部问题所引发的全局性损害，提高了电池组的稳定性。
2、为了解决上述技术问题，本专利技术第一方面公开了一种新型智能化电池组的容量风险估算方法，所述智能化电池组包括多个模块化电池组，所述模块化电池组包括多个单节电池包，所述方法包括：获取模块化电池组和单节电池包的多项关键特征数据；基于单节电池包的多项关键特征数据构建风险预测模型；将模块化电池组的多项关键特征数据代入所述风险预测模型生成模块
3、在一些实施方式中，基于单节电池包的多项关键特征数据构建风险预测模型，包括：对单节电池包的每项关键特征数据进行异常值检测形成具有非异常性的监测标签；响应于所述监测标签，利用卷积网络对所述单节电池包的多项关键特征数据进行区域性数据检测训练生成风险预测模型。
4、在一些实施方式中，对单节电池包的每项关键特征数据进行异常值检测形成具有非异常性的监测标签，包括：将所述单节电池包的每项关键特征数据带入预置的异常判定因子公式，判定当前单节电池包是否正常；若所述单节电池包判定为正常，则形成具有非异常性的监测标签；若所述单节电池包判定为非正常，则执行对电池组的阻断操作。
5、在一些实施方式中，所述预置的异常判定因子公式为：定义异常判定因子δ，
6、
7、其中，x为单节电池包的某一项关键特征数据值，u为某一项关键特征数据值对应的正常使用状态所获取的数据平均值，σ为某一项关键特征数据值对应的正常使用状态所获取的标准差，α为异常限定因子；其中，当δ为0时，判定当前单节电池包属于正常，当δ为1时，判定当前单节电池包属于非正常。
8、在一些实施方式中，响应于所述监测标签，利用卷积网络对所述单节电池包的多项关键特征数据进行区域性数据检测训练生成风险预测模型，包括：将所述单节电池包的多项关键特征数据带入均值激活函数确定卷积网络的限定范围；在所述卷积网络的限定范围内，采用conv算子构建卷积模型；利用所述卷积模型对所述单节电池包的多项关键特征数据进行训练至少生成单节电池包的风险预测值和单节电池包的容量预测值。
9、在一些实施方式中，所述均值激活函数为：
10、
11、其中，y为通过激活函数转换的各项关键特征数据的输出值，t为正常情况下各项关键特征数据的均值的总平均值，x则为基础神经元的值。
12、在一些实施方式中，将模块化电池组的多项关键特征数据代入所述风险预测模型生成模块化电池组的总体容量预测值，包括：将模块化电池组的多项关键特征数据代入所述风险预测模型生成模块化电池组的多个单节电池包的容量预测值；将模块化电池组的多个单节电池包的容量预测值代入预置的总体容量预测公式生成模块化电池组的总体容量预测值；
13、其中，总体容量预测公式为：
14、
15、定义etotal为模块化电池组的总体容量预测值，pre2i为模块化电池组中第i个单节电池包的容量预测值。
16、在一些实施方式中，对所述模块化电池组的总体容量预测值进行时序性预测分析执行对电池组是否阻断的操作，包括：将串联的各个单节电池包定义为时序性信息的各个节点，根据所述模块化电池组的总体容量预测值、单节电池包的风险预测值和模块化电池组的多项关键特征数据构建时序性网络；通过所述时序性网络生成模块化电池组的风险预测值；将所述模块化电池组的风险预测值进行全局判定，根据全局判定结果执行是否对电池组的阻断操作。
17、本专利技术第二方面公开了一种新型智能化电池组，包括：安装箱体；设置于所述安装箱体内的多个模块化电池组；其中，所述模块化电池组包括多个单节电池包；数据采集模块，用于取模块化电池组和单节电池包的多项关键特征数据；风险估算模块，用于利用如上述的新型智能化电池组的容量风险估算方法执行对所述电池组是否阻断的操作。
18、在一些实施方式中，所述单节电池包在箱体中通过串联连接形成模块化电池组，所述模块化电池组在箱体中通过串联/并联连接形成智能化电池组。
19、在一些实施方式中，新型智能化电池组还包括阻断模块，用于响应于所述风险估算模块执行对所述电池组的阻断操作并执行。
20、在一些实施方式中，所述阻断模块为设置于单节电池包上的阻断喷嘴；响应于所述风险估算模块执行对所述电池组的阻断操作，所述阻断喷嘴打开喷出阻断剂。
21、在一些实施方式中，所述阻断模块为设置于箱体内的箱体保险丝；响应于所述风险估算模块执行对所述电池组的阻断操作，所述箱体保险丝熔断。
22、在一些实施方式中，新型智能化电池组还包括降温模块，所述降温模块包括：设置于模块化电池组的多个散热网孔，所述散热网孔至少包括设置于所述模块化电池组的正面散热网孔、侧散热网孔、散热条孔和顶部散热网孔。
23、在一些实施方式中，新型智能化电池组应用于整车，所述智能电池组包括底座，通过所述底座将智能化电池组与车身安装固定。
24、与现有技术相比，本专利技术的有益效果在于：
25、实施本专利技术能够通过将电池组的结构划分为模块化电池组和其包含的单个电池包，实现了电池组的模块化和区域化，并且利用卷积网络构建智能化的预测模型，实现了对单个电池包的精细化数据分析，实时监测电池状态是否异常。充分利用了电池内部的数据特征，能够更准确地识别潜在的风险，大幅降低电池系统出现问题的概率。由此，能够在系统层面上对电池组进行全面精确且智能化的监测，避免了电池组的局部问题引发的全局损害。并且能够最大程度地解决电池组中各个模块化电池之间的隔离和控制问题，保障了电池系统的安全性，从而做出更精准的风险预测，及时采取措施应对电池组的潜在风险，提高了电池组的稳定性。
26、此外，还将模块化电池组数据构建成时序性网络，能够实现对电池组状态的时序变化趋势的预测分析本文档来自技高网...
【技术保护点】
1.一种新型智能化电池组的容量风险估算方法，其特征在于，所述新型智能化电池组包括多个模块化电池组，所述模块化电池组包括多个单节电池包，所述方法包括：
2.根据权利要求1所述的新型智能化电池组的容量风险估算方法，其特征在于，基于单节电池包的多项关键特征数据构建风险预测模型，包括：
3.根据权利要求2所述的新型智能化电池组的容量风险估算方法，其特征在于，对单节电池包的每项关键特征数据进行异常值检测形成具有非异常性的监测标签，包括：
4.根据权利要求3所述的新型智能化电池组的容量风险估算方法，其特征在于，所述预置的异常判定因子公式为：
5.根据权利要求2所述的新型智能化电池组的容量风险估算方法，其特征在于，响应于所述监测标签，利用卷积网络对所述单节电池包的多项关键特征数据进行区域性数据检测训练生成风险预测模型，包括：
6.根据权利要求5所述的新型智能化电池组的容量风险估算方法，其特征在于，所述均值激活函数为：
7.根据权利要求5所述的新型智能化电池组的容量风险估算方法，其特征在于，将模块化电池组的多项关键特征数据代
8.根据权利要求7所述的新型智能化电池组的容量风险估算方法，其特征在于，对所述模块化电池组的总体容量预测值进行时序性分析是否对电池组进行阻断，包括：
9.一种新型智能化电池组，其特征在于，包括：
10.根据权利要求9所述的智能化电池组，其特征在于，所述单节电池包在箱体中通过串联连接形成模块化电池组，所述模块化电池组在箱体中通过串联/并联连接形成智能化电池组。
11.根据权利要求9所述的新型智能化电池组，其特征在于，还包括阻断模块，用于响应于所述风险估算模块执行对所述电池组的阻断操作并执行。
12.根据权利要求11所述的新型智能化电池组，其特征在于，所述阻断模块为设置于单节电池包上的阻断喷嘴；
13.根据权利要求11所述的新型智能化电池组，其特征在于，所述阻断模块为设置于箱体内的箱体保险丝；
14.根据权利要求9所述的新型智能化电池组，其特征在于，还包括降温模块，所述降温模块包括：
15.根据权利要求9-14任一项所述的新型智能化电池组，其特征在于，所述新型智能化电池组应用于整车，
...【技术特征摘要】
1.一种新型智能化电池组的容量风险估算方法，其特征在于，所述新型智能化电池组包括多个模块化电池组，所述模块化电池组包括多个单节电池包，所述方法包括：
2.根据权利要求1所述的新型智能化电池组的容量风险估算方法，其特征在于，基于单节电池包的多项关键特征数据构建风险预测模型，包括：
3.根据权利要求2所述的新型智能化电池组的容量风险估算方法，其特征在于，对单节电池包的每项关键特征数据进行异常值检测形成具有非异常性的监测标签，包括：
4.根据权利要求3所述的新型智能化电池组的容量风险估算方法，其特征在于，所述预置的异常判定因子公式为：
5.根据权利要求2所述的新型智能化电池组的容量风险估算方法，其特征在于，响应于所述监测标签，利用卷积网络对所述单节电池包的多项关键特征数据进行区域性数据检测训练生成风险预测模型，包括：
6.根据权利要求5所述的新型智能化电池组的容量风险估算方法，其特征在于，所述均值激活函数为：
7.根据权利要求5所述的新型智能化电池组的容量风险估算方法，其特征在于，将模块化电池组的多项关键特征数据代入所述风险预测模型生成模块化...
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。