一种基于MSFD的动力电池故障检测方法技术

本发明专利技术公开了一种基于MSFD的动力电池故障检测方法，该方法首先采集动力电池数据并进行预处理。其次由多尺度对比学习transformer特征提取网络和一个特征融合网络，构建MSFD网络模型。然后通过多尺度对比学习transformer特征提取网络对预处理后的数据样本据进行特征提取，通过特征融合网络对提取到的特征表示进行解码，输出重构结果。最后将只包含正常工况的数据作为训练数据集，通过对比损失和重构损失进行模型训练，将包含有异常数据的数据集输入到训练后的模型，根据重构误差划分故障阈值，超过故障阈值的为故障。本发明专利技术有助于及时、准确检测动力电池中存在的故障。

【技术实现步骤摘要】

本专利技术涉及动力电池管理，具体指一种基于msfd的动力电池故障检测方法。

技术介绍

1、随着新能源产业的快速发展，动力电池作为储能装置是电动汽车和储能电站的关键部件之一，动力电池的稳定性与整车及储能电站的安全性和可靠性直接关联。然而，动力电池工作条件复杂，电池系统在工作过程中会产生大量的热量，可能会引起各种内部和外部的故障，导致性能问题和潜在的严重后果，如热失控、火灾或爆炸，造成不可逆的危害。因此对动力电池进行故障检测至关重要。

2、现有的动力电池故障检测主要分为两大类：基于模型的方法和数据驱动的方法。基于模型的方法利用电池内部的电化学过程建立数学模型，来判别可能存在的故障，但由于电池内部反应复杂，模型实际工作条件可能会随着时间和环境的变化而变化，因此难以构建高精度的模型，且难以处理非线性和非均匀性的数据。基于数据驱动的方法作为黑箱模型，无需建立电池内部电化学数学模型，通过历史运行数据构建故障表示模型，其中，深度神经网络模型因具有优越的特征表示能力和较好的泛化性而被大量使用。深度神经网络模型通过对历史数据的正常特征模式进行学习，来进行故障检测本文档来自技高网...

【技术保护点】

1.一种基于MSFD的动力电池故障检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于MSFD的动力电池故障检测方法，其特征在于，所述步骤S1中电池数据的采集过程为：将传感器布置在动力电池系统端，获取动力电池不同工况下一个放电周期的动力电池系统的电压、电流、温度数据；

3.根据权利要求1所述的基于MSFD的动力电池故障检测方法，其特征在于，在步骤2中所述多尺度对比学习transformer特征提取网络按串行顺序由一个数据增强层和两个并行的多尺度对比学习特征提取模块构成，分别提取分块patch内特征和patch间特征，每个多尺度对比学习特征提取模块由一...

【技术特征摘要】

1.一种基于msfd的动力电池故障检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于msfd的动力电池故障检测方法，其特征在于，所述步骤s1中电池数据的采集过程为：将传感器布置在动力电池系统端，获取动力电池不同工况下一个放电周期的动力电池系统的电压、电流、温度数据；

3.根据权利要求1所述的基于msfd的动力电池故障检测方法，其特征在于，在步骤2中所述多尺度对比学习transformer特征提取网络按串行顺序由一个数据增强层和两个并行的多尺度对比学习特征提...

【专利技术属性】
技术研发人员：高明裕，马沈辉，何志伟，杨宇翔，董哲康，林辉品，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：