[发明专利]基于嵌入式AI算法的批量电芯外特征故障预测方法

说明书

本发明涉及电芯维护技术领域，尤其是基于嵌入式AI算法的批量电芯外特征故障预测方法；它包括在每个充电单元设置嵌入式主控板，嵌入式主控板连接有电压传感器和电流传感器；嵌入式主控板内置SOC和电池剩余寿命算法；嵌入式主控板通过有线或者无线传输机构连接内存装置，用于SOC和电池剩余寿命信息；根据SOC和电池剩余寿命信息进行电芯外特征故障预测；直接在终端对正在充电的电池进行简单的参数计算，并通过累计参数历史数据对电池的电芯外特征故障进行预测，由于采用嵌入式系统，通过物联网系统可实现批量的电池监控管理。

技术领域

本发明涉及电芯维护技术领域，尤其是基于嵌入式AI算法的批量电芯外特征故障预测方法。

背景技术

目前动力电池，例如纯电动汽车的电池，其批量充电的方式是将各个电池放入单独的充电桩或者类似机构中，然后通过单独的充电控制电路板进行充电控制，该控制电路板通常包括整流装置、升压装置、充电装置和充电保护装置，其中充电保护装置可以在感知电池充满电后断开充电装置的连接并提醒工作人员将电池取出。

由于每个电池本身的电芯状态不同，每个充电桩的实际充电功率也存在差异，那么维保人员只能在充电管理过程中提取出诸如某个电池的充电时长、有无热失控等异常现象这些表象，而至于电芯状态、SOC、电池剩余寿命等则无法进一步获得。

发明内容

针对现有技术的不足，本发明提供一种基于嵌入式AI算法的批量电芯外特征故障预测方法，该方法可以在离线的情况下获得批量电池的参数信息，从而预测电芯出现外特征故障(例如鼓包、热失控)。

本发明的技术方案为：

基于嵌入式AI算法的批量电芯外特征故障预测方法，其特征在于：它包括以下步骤：

步骤一，在每个充电单元设置嵌入式主控板，嵌入式主控板连接有电压传感器和电流传感器；

步骤二，嵌入式主控板内置SOC和电池剩余寿命算法；

步骤三，嵌入式主控板通过有线或者无线传输机构连接内存装置，用于SOC和电池剩余寿命信息；

步骤四，嵌入式主控板通过有线或者无线传输机构外接云端服务器，用于交换数据以及获得远程操控指令；

步骤五，根据SOC和电池剩余寿命信息进行电芯外特征故障预测。

具体的，所述SOC算法为：

一、上电校准SOC读取系统上电初始时的SOC值和开路电压校准的SOC值，并将两组SOC值进行比较得到基准SOC值；

a、在系统上电初始时，从带电可擦可编程只读存储器中读取掉电前存入的SOC值，为SOC0；

b、电池管理系统采用每一个电池的压力值，取最低电池值，通过查表做线性差值计算得出与开路电压相对应的SOC值，为SOC1；

c、将两个SOC值(SOC0和SOC1)，如果ABS(SOC0-SOC1)5，则SOC＝SOC1，否则为SOC＝SOC0，即如果差值小于5％，则初始SOC值以掉电时存入带电可擦可编程只读存储器的值为准，否则以开路电压校准的SOC为准；

二、系统在运行过程中以第一步中得到的SOC值为基准来计算电池包的SOC值；

三、系统下电时将当前SOC值进行储存以供下次上电时参考；

四、当电池包连接充电器时，如果SOC为0，则开始进行可用容量的校准，此时记录下电池包从0到充电截止为止的全部电量，即为电池包当前的可用容量，并将其进行储存；如果充电没有到截止电压就中断，则放弃此次可用容量标记。

具体的，所述电池剩余寿命算法为：