【技术实现步骤摘要】
本专利技术通常涉及检测异常单体电芯，更具体地说，涉及用于检测电池包中异常单体电芯的方法和装置。
技术介绍
1、本文中，电池是指具有蓄电功能的所有元件和装置。例如，电池包括锂离子电池、锂离子电容器、镍氢电池、石墨烯电池、全固态电池、双电层电容器、空气电池等等。
2、近年来对各种电池积极地进行了开发。尤其是，伴随手机、智能手机、平板电脑或笔记本型个人计算机等便携式信息终端、游戏装置、便携式音乐播放机、数码相机、医疗设备、混合动力汽车(hev)、电动汽车(ev)或插电式混合动力汽车(phev)等新一代清洁能源汽车、以及电动摩托车等产品的发展，对高质量、高可靠性的电池的需求量急剧增长。
3、很多电子装置(例如，诸如电动汽车、混合动力汽车、插电式混合动力汽车(phev)或电动摩托车等)通常使用由数百个并联或串联的单体电芯构成的电池包(通常简称为电池)。
4、电池包中的多个单体电芯的电压可能出现不一致性。比如，3个单体电芯的电压分别为3.223伏、3.229伏、3.226伏，但差异并不大，被认为是正常的不一致性。...
【技术保护点】
1.一种用于检测电池包中异常单体电芯的方法，包括：
2.根据权利要求1所述的方法，其中，所述特征分组步骤还包括：用于计算每一组中的所述特征的均值和/或最值步骤。
3.根据权利要求1所述的方法，在所述特征分组步骤中，组范围的设置是均匀的或者非均匀的。
4.根据权利要求2所述的方法，还包括模型训练步骤，其中，通过利用所述特征或所述特征的均值和/或最值来训练机器学习模型。
5.根据权利要求4所述的方法，还包括模型应用步骤，其中，在训练所述机器学习模型之后将所述机器学习模型应用于新的电池包状态相关数据，来检测每个单体电芯在每个组...
【技术特征摘要】
1.一种用于检测电池包中异常单体电芯的方法，包括：
2.根据权利要求1所述的方法，其中，所述特征分组步骤还包括：用于计算每一组中的所述特征的均值和/或最值步骤。
3.根据权利要求1所述的方法，在所述特征分组步骤中，组范围的设置是均匀的或者非均匀的。
4.根据权利要求2所述的方法，还包括模型训练步骤，其中，通过利用所述特征或所述特征的均值和/或最值来训练机器学习模型。
5.根据权利要求4所述的方法，还包括模型应用步骤，其中，在训练所述机器学习模型之后将所述机器学习模型应用于新的电池包状态相关数据，来检测每个单体电芯在每个组中的差异，从而识别出异常单体电芯。
6.根据权利要求5所述的方法，还包括输出步骤，其中，由所述机器学习模型输出异常单体电芯检测结果。
7.根据权利要求1所述的方法，其中，所述电池包状态相关数据包括：时间戳、电池包电流、单体电芯电压、电池包电量、电池模组温度。
8.根据权利要求1所述的方法，其中，所述数据采集步骤还包括：获取车辆状态相关数据，所述车辆状态相关数据包括车辆状态和行驶里程。
9.根据权利要求1所述的方法，其中，所述特征提取步骤包括：基于每个时间戳、每个单体电芯电压与平均单体电芯电压之间的差值、单体电芯电压的标准差、以及电池包中的单体电芯的数量，来确定在该时间戳的所述特征。
10.根据权利要求1所述的方法，其中，所述电压分布的影响因素包括电池包电流大小和方向、电池包电量、电池包健康状态、电池模组温度、车辆状态、行驶里程。
11.一种用于检测电池包中异常单体电芯的装置，包括：
12.根据权利要求11所述的装置，其中，所述特征分组模块还包括：用于计算每一组中的所述特征的均值和/或最值模块。
【专利技术属性】
技术研发人员：刘义元，李实，鲍剑明，
申请(专利权)人：罗伯特·博世有限公司，
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。