【技术实现步骤摘要】
本专利技术属于锂离子电池预警，尤其涉及基于多特征融合的电池组内短路故障检测方法。
技术介绍
1、锂离子电池目前广泛在电动汽车和储能系统中使用，电池组内短路却时有发生，如果无法及时有效的监测到电池组内短路，电池管理系统(battery management system，bms)不及时做出应对策略，极有可能发生电池组热失控甚至起火等极端情况，因此对电池组进行内短路检测是非常有必要的。
2、锂离子电池的内短路检测算法主要有气体检测，温升检测，数据驱动等方法，近年来，国内外学者针对锂离子电池内短路问题设计了相应的监测系统与数学模型。实际部署的锂离子电池组内通常不会有气体传感器，因此使用气体传感器的方法往往都是针对实验室和其他场景。对于温升检测的方法，有学者设计了针对某种特定锂离子电池的三级预警系统，并将50℃、70℃、80℃分别作为三级预警温度，这种单利用某一特征进行监测的方法，在锂离子电池实际运行中难免遇到传感器数据失真，甚至失效等问题，而且仅用温度数据来预测内短路，在预警速度上难以保证。也有学者基于充电数据来预测电池内短路，但是现实中很多电池组发生内短路，不仅仅是在充电工况，放电工况和频繁充放电的工况仍存在。虽然目前已经提出了许多关于锂离子电池的内短路检测算法，但是通常都只是适用于某一单一工况，或者实验室工况。在实际储能系统与电动汽车电池组运行时，电池组通常都是处于频繁充电与放电中，因此仅仅在充电阶段进行内短路预测难以覆盖绝大部分使用工况。且锂离子电池工作环境不如实验室环境，电池组内锂离子电池往往数量众多，数据难免丢帧
技术实现思路
1、为解决上述技术问题，本专利技术提出了基于多特征融合的电池组内短路故障检测方法和系统。
2、在第一方面，本专利技术提出了基于多特征融合的电池组内短路故障检测方法，该方法包括：
3、s1：实时间隔抽样电池组内各单体的电压数据、电流数据和探针温度数据；
4、s2：根据电池组内各单体的电压数据，计算得到平均最大电压差f1；
5、s3：根据电池组内各单体的电压数据，经过去中心化处理，计算得到最大去中心化电压偏差f2；
6、s4：根据电池组内各单体的电流数据和探针温度数据，计算加权绝对电流-温升比率f3；
7、s5：将所述平均最大电压差f1、最大去中心化电压偏差f2和加权绝对电流-温升比率f3整合为特征点，将特征点整合映射为数据点；
8、s6：利用dbscan聚类算法对映射得到的各数据点进行聚类，得到各异常数据点，根据各异常数据点得到电池组内中短路的电池单体。
9、在第二方面，本专利技术提出了基于多特征融合的电池组内短路故障检测系统，该系统包括：
10、数据采集模块，用于响应于故障检测请求，实时间隔抽样采集电池组内各单体的电压数据、电流数据和探针温度数据；
11、数据处理模块，用于对所述各单体的电压数据、电流数据和探针温度数据进行数据处理，得到平均最大电压差f1、最大去中心化电压偏差f2和加权绝对电流-温升比率f3，并对其归一化处理，分别得到经归一化处理后的相应特征；
12、数据整合模块，用于将经归一化处理后的相应特征整合映射为数据点；
13、聚类模块，用于利用dbscan聚类算法对映射得到的各数据点进行聚类，得到各异常数据点；
14、输出模块，用于根据各异常数据点输出电池组内短路故障检测结果。
15、在第三方面，本专利技术提出了一种电子设备，包括：
16、一个或多个处理器；
17、存储器，用于存储一个或多个指令，其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本专利技术第一方面所提出的方法。
18、在第四方面，本专利技术提出了一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时使处理器实现本专利技术第一方面所提出的方法。
19、本专利技术的有益效果：本专利技术使用滑动窗口法，采用实际工作中的bms系统中能提取到的电池组内电压、电流、温度数据，提取平均最大电压差、最大去中心化偏差、加权绝对电流-温升比率三种特征用以表征电池组状态，能很好的对电池组是否存在内短路进行打分，随后使用dbscan无监督聚类的方法，从而较为准确找出异常时间点并定位内短路电池单体，既克服了仅仅使用单一特征等方法会因部分传感器误差而产生的误报等问题，提高了故障检测速度和检测准确性，为bms系统提供了宝贵的决策时间，极大的提高了bms系统和热管理系统的安全性能。
本文档来自技高网...【技术保护点】
1.基于多特征融合的电池组内短路故障检测方法，其特征在于，包括：
2.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述平均最大电压差的计算方法具体为：在抽样片段内，根据电池组内各单体的电压数据求解各单体之间最大电压差，对各电池单体之间的最大电压差求平均值，得到平均最大电压差。
3.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述平均最大电压差的计算过程具体为：
4.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述最大去中心化电压偏差的计算过程为：
5.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述加权绝对电流-温升比率的计算过程为：
6.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述利用DBSCAN聚类算法对映射得到的各数据点进行聚类，该聚类过程具体为：
7.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，对所述平均最大电压差F1、最大去中心化
8.基于多特征融合的电池组内短路故障检测系统，与其特征在于，该系统包括：
9.一种电子设备，包括：
10.一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时使处理器实现权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.基于多特征融合的电池组内短路故障检测方法，其特征在于，包括：
2.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述平均最大电压差的计算方法具体为：在抽样片段内，根据电池组内各单体的电压数据求解各单体之间最大电压差，对各电池单体之间的最大电压差求平均值，得到平均最大电压差。
3.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述平均最大电压差的计算过程具体为：
4.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述最大去中心化电压偏差的计算过程为：
5.根据权利要求1所述基于多特征融合的电池组内短路故障检测方法，其特征在于，所述加权绝对电流...
【专利技术属性】
技术研发人员：陈俊生，刘青松，李阳，刘明杰，孙荣利，胡娅玲，朴昌浩，张杰，
申请(专利权)人：重庆邮电大学，
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。