[发明专利]基于贝叶斯网络的故障检测方法

说明书

本发明涉及电池管理系统技术领域，本发明是要解决现有电池管理系统故障检测效率较低的问题，提出一种基于贝叶斯网络的故障检测方法，包括以下步骤：建立具有常规故障表征和故障成因对应关系的贝叶斯网络拓扑结构；训练贝叶斯网络拓扑结构，获取条件概率；进行贝叶斯网络拓扑结构参数学习，获取故障表征的先验概率；电池管理系统发生某一故障表征后，贝叶斯网络拓扑结构根据对应的故障表征的先验概率和条件概率计算各对应故障成因的后验概率；选取所述后验概率最大值对应的故障成因作为故障检测结果。无需技术人员频繁试验，简化了故障检测的流程，提高了电池管理系统故障检测的效率，适用于电池管理系统。

技术领域

本发明涉及电池管理系统技术领域，具体来说涉及一种故障检测方法。

背景技术

随着电池技术的逐步发展，越来越多以电池为储能装置的新能源设备应用到人们生活的方方面面。由于二次电池存在串并联使用、安全性、电池电量难以估算等问题，需要使用电池管理系统对电池单元进行智能化管理与维护，提高电池利用率，监控电池状态，防止电池出现过充电和过放电等问题，延长电池的使用寿命。目前的电池管理系统对于监测电池电量、电池充放电控制已经具备一些较为成熟的方法，但是电池管理系统结构复杂，自身在运行过程中容易出现各类故障，常规的电池管理系统故障检测一般是技术人员根据故障表征，凭借经验，多次试验找出故障成因，这种方法费时费力，效率较低。

发明内容

本发明的目的是要解决现有电池管理系统故障检测效率较低的问题，提出一种基于贝叶斯网络的故障检测方法。

本发明解决上述技术问题所采用的技术方案是：基于贝叶斯网络的故障检测方法，应用于电池管理系统，所述方法包括以下步骤：

S1.建立具有常规故障表征和故障成因对应关系的贝叶斯网络拓扑结构；

S2.根据电池管理系统的维修记录，训练所述贝叶斯网络拓扑结构，获取条件概率；

S3.根据电池管理系统的运行数据，进行贝叶斯网络拓扑结构参数学习，获取故障表征的先验概率；

S4.电池管理系统发生某一故障表征后，所述贝叶斯网络拓扑结构根据对应的故障表征的先验概率和条件概率计算各对应故障成因的后验概率；

S5.选取所述后验概率最大值对应的故障成因作为故障检测结果。

具体的，为节约研发成本，所述步骤S1包括：

将常规故障表征作为贝叶斯网络根节点，将故障成因作为贝叶斯网络子节点，根据系统层级建立每一层节点与下一层节点之间的对应关系，直到底层故障成因，得到具有常规故障表征和故障成因对应关系的贝叶斯网络拓扑结构。

进一步的，为提升贝叶斯网络的准确性，所述贝叶斯网络根节点的先验概率通过以下方法获取：

记录所述贝叶斯网络根节点在运行数据中的总数，以及贝叶斯网络根节点中发生故障的个数,计算根节点对应的故障表征的先验概率。

进一步的，为提升贝叶斯网络的精度，所述步骤S2包括：

将所述维修记录中的数据矩阵化处理得到故障维修矩阵，采用参数期望最大化算法对故障维修矩阵进行迭代，更新贝叶斯网络拓扑结构。

为进一步提升贝叶斯网络的精度，所述步骤S5还包括：

根据贝叶斯网络拓扑结构得到的故障成因，对电池管理系统进行维修后，进入步骤S2。

具体的，为进行有效的贝叶斯网络参数学习，所述运行数据包括电流数据和/或电压数据和/或温度数据。