【技术实现步骤摘要】
本专利技术涉及车辆电池，特别涉及一种电池自放电异常识别方法、装置、车辆及存储介质。
技术介绍
1、随着新能源汽车产业的快速发展和保有量的不断增加，人们越来越关注新能源汽车的使用寿命和安全性。其中，动力电池是影响新能源汽车使用寿命的关键零部件，而电池自放电异常是导致电池寿命衰减、性能衰减和车辆热失控的重要原因，因此，对电池自放电异常进行在线快速识别和预警具有重要意义。
2、相关技术中，通常通过判断电压、容量、内阻、温度等基本参数的变化率，或者基于基本参数计算得到的复合特征参数变化率是否超出设定的阈值，从而判断动力电池是否发生自放电异常。
3、然而，上述方法仅用单一阈值变化率进行判断，精确度较低，并且会过度识别自放电异常，产生误报的问题，同时该方法仅能识别纯电动车辆的自放电异常，对新能源车辆类型适用范围有限，亟待改进。
技术实现思路
1、本专利技术提供一种电池自放电异常识别方法、装置、车辆及存储介质，以解决相关技术中的识别方法精确度低、适用范围有限等问题。
2、本专利技术第一方面实施例提供一种电池自放电异常识别方法，包括以下步骤：
3、获取车辆的运行数据；
4、基于所述运行数据，筛选出停车充电工况数据和驻车充电工况数据，根据所述停车充电工况数据得到每个单体电芯的停车充电电压特征值和停车充电电压下降幅度，且根据所述驻车充电工况数据得到每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度；
5、基于特征值阈值和下降幅
6、基于预设的线性趋势检测策略，根据所述第一布尔矩阵和/或所述第二布尔矩阵得到电池的自放电异常识别结果。
7、根据本专利技术的一个实施例，所述根据所述停车充电工况数据得到每个单体电芯的停车充电电压特征值和停车充电电压下降幅度，包括：
8、根据所述停车充电工况数据计算每个单体电芯电压和同时刻单体电芯电压中位数的压差，得到第一压差矩阵；
9、对所述第一压差矩阵进行时间滑窗均值滤波处理，得到所述每个单体电芯的停车充电电压特征值；
10、对所述每个单体电芯的停车充电电压特征值进行差分计算，并对差分值进行滑动窗口求和，得到所述每个单体电芯的停车充电电压下降幅度。
11、根据本专利技术的一个实施例，所述根据所述驻车充电工况数据得到每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度，包括：
12、根据所述驻车充电工况数据计算每个单体电芯电压和同时刻单体电芯电压中位数的压差，得到第二压差矩阵；
13、对所述第二压差矩阵进行时间滑窗均值滤波处理，得到所述每个单体电芯的驻车充电电压特征值；
14、对所述每个单体电芯的驻车充电电压特征值进行差分计算，并对差分值进行滑动窗口求和，得到所述每个单体电芯的驻车充电电压下降幅度。
15、根据本专利技术的一个实施例，所述基于特征值阈值和下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车充电电压下降幅度得到表征电芯异常的第一布尔矩阵，并根据所述每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度得到表征电芯异常的第二布尔矩阵，包括：
16、将停车充电电压特征值大于所述特征值阈值且停车充电电压下降幅度大于下降幅度阈值的单体电芯标记为第一数值，并将剩余的单体电芯标记为第二数值，根据所述第一数值和所述第二数值构成所述第一布尔矩阵；
17、将驻车充电电压特征值大于所述特征值阈值且驻车充电电压下降幅度大于下降幅度阈值的单体电芯标记为第三数值，并将剩余的单体电芯标记为第四数值，根据所述第三数值和所述第四数值构成所述第二布尔矩阵。
18、根据本专利技术的一个实施例，在基于所述特征值阈值和所述下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车充电电压下降幅度得到表征电芯异常的第一布尔矩阵，并根据所述每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度得到表征电芯异常的第二布尔矩阵之前，还包括：
19、获取所述车辆的历史运行数据；
20、根据所述车辆的充放电循环次数进行确定标准数据长度，并基于所述标准数据长度，从所述历史运行数据选取部分数据作为标准数据；
21、基于预设的标准差计算策略，对所述标准数据进行计算得到所述特征值阈值和所述下降幅度阈值。
22、根据本专利技术的一个实施例，所述基于预设的线性趋势检测策略，根据所述第一布尔矩阵和/或所述第二布尔矩阵得到电池的自放电异常识别结果，包括：
23、对所述第一布尔矩阵进行列向量求和得到多个第一布尔和，并筛选出第一布尔和大于预设阈值的第一目标单体电芯进行线性趋势检测得到第一斜率，若所述第一斜率大于预设斜率阈值，则判定所述电池的自放电异常识别结果为自放电异常；
24、和/或，对所述第二布尔矩阵进行列向量求和得到多个第二布尔和，并筛选出第二布尔和大于所述预设阈值的第二目标单体电芯进行线性趋势检测得到第二斜率，若所述第二斜率大于所述预设斜率阈值，则判定所述电池的自放电异常识别结果为自放电异常。
25、根据本专利技术实施例提供的电池自放电异常识别方法，根据车辆的运行数据筛选出停车充电和驻车充电的工况数据，并计算每个单体电芯的停车充电和驻车充电的特征值和下降幅度，根据特征值和下降幅度的阈值，得到表征电芯的异常的布尔矩阵，并基于预设的线性趋势检测策略，得到电池的自放电异常识别结果。由此，解决了相关技术中的识别方法精确度低、适用范围有限等问题，通过识别两种充电工况，适用车型范围广，并采用多种阈值递进式联合诊断，防止单一阈值判定引起的误报，提高了自放电异常识别的精确度。
26、本专利技术第二方面实施例提供一种电池自放电异常识别装置，包括：
27、获取模块，用于获取车辆的运行数据；
28、处理模块，用于基于所述运行数据，筛选出停车充电工况数据和驻车充电工况数据，根据所述停车充电工况数据得到每个单体电芯的停车充电电压特征值和停车充电电压下降幅度，且根据所述驻车充电工况数据得到每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度；
29、检测模块，用于基于特征值阈值和下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车充电电压下降幅度得到表征电芯异常的第一布尔矩阵，并根据所述每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度得到表征电芯异常的第二布尔矩阵；以及
30、识别模块，用于基于预设的线性趋势检测策略，根据所述第一布尔矩阵和/或所述第二布尔矩阵得到电池的自放电异常识别结果。
31、根据本专利技术的一个实施例，所述处理模块，用于：
32、根据所述停车充电工况数据计算每个单体电芯电压和同时刻单本文档来自技高网...
【技术保护点】
1.一种电池自放电异常识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述根据所述停车充电工况数据得到每个单体电芯的停车充电电压特征值和停车充电电压下降幅度，包括：
3.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述根据所述驻车充电工况数据得到每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度，包括：
4.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述基于特征值阈值和下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车充电电压下降幅度得到表征电芯异常的第一布尔矩阵，并根据所述每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度得到表征电芯异常的第二布尔矩阵，包括：
5.根据权利要求1或4所述的电池自放电异常识别方法，其特征在于，在基于所述特征值阈值和所述下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车充电电压下降幅度得到表征电芯异常的第一布尔矩阵，并根据所述每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度得到表征电芯异常的第
6.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述基于预设的线性趋势检测策略，根据所述第一布尔矩阵和/或所述第二布尔矩阵得到电池的自放电异常识别结果，包括：
7.一种电池自放电异常识别装置，其特征在于，包括：
8.根据权利要求7所述的电池自放电异常识别装置，其特征在于，所述处理模块，用于：
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6中任一项所述的电池自放电异常识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6中任一项所述的电池自放电异常识别方法。
...【技术特征摘要】
1.一种电池自放电异常识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述根据所述停车充电工况数据得到每个单体电芯的停车充电电压特征值和停车充电电压下降幅度，包括：
3.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述根据所述驻车充电工况数据得到每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度，包括：
4.根据权利要求1所述的电池自放电异常识别方法，其特征在于，所述基于特征值阈值和下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车充电电压下降幅度得到表征电芯异常的第一布尔矩阵，并根据所述每个单体电芯的驻车充电电压特征值和驻车充电电压下降幅度得到表征电芯异常的第二布尔矩阵，包括：
5.根据权利要求1或4所述的电池自放电异常识别方法，其特征在于，在基于所述特征值阈值和所述下降幅度阈值，根据所述每个单体电芯的停车充电电压特征值和停车...
【专利技术属性】
技术研发人员：夏舒娴，张睿，高雅，魏香龙，杜京杰，杜琳，卢佳佳，海妍，徐琛琛，艾名升，冯倩倩，
申请(专利权)人：北汽福田汽车股份有限公司，
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。