[发明专利]一种基于支持向量机的电池故障识别方法

说明书

本发明涉及电池管理技术，具体涉及一种基于支持向量机的电池故障识别方法，采集电池充电过程中正常单体电池和故障单体电池的电压数据作为原始数据集；对原始数据集进行深度处理，提取特征参数；对特征参数进行归一化处理，获得基于特征参数数据的样本集；按照正常单体电池和故障单体电池的数据，对样本集进行标签的标注；将带有标签的样本集随机拆分为训练集和测试集，通过训练集进行SVM模型的训练；将测试集送入训练好的SVM模型中进行模型测试，对SVM模型的性能进行评估；利用所建模型，对电池进行实时诊断。该方法能够在短时间内实时进行故障单体电池的检测识别，提高了单体电池故障诊断的准确度，减少漏报率。

技术领域

本发明属于电池管理技术领域，尤其涉及一种基于支持向量机的电池故障识别方法。

背景技术

锂离子电池因具有循环寿命长、高比能量、自放电率低等优点，已被广泛的应用于电动汽车领域。然而，锂离子电池本身可能存在着一些安全隐患，电池故障导致的热失控事故时有发生，严重威胁人民的生命财产安全。

车载锂离子电池系统在实际的运行过程中，可能会遭受一定程度的机械-电-热滥用，不仅会导致电池性能的快速衰退，甚至会引发电池故障并最终发展为热失控，造成严重的安全事故。电池生产制造过程中可能会引入一些微小缺陷，在后续使用过程中这些微小缺陷逐渐发展，也会引发电池故障并造成热失控事故。为了避免这些情况的发生，必须快速准确地诊断出电池中发生的故障并进行安全预警，从而提高电池使用的安全性。

目前，锂离子电池故障诊断技术依然是电池安全问题研究的一个难点，故障诊断的方法主要可分为基于模型的故障诊断和基于数据驱动的故障诊断。由于电池运行工况条件的实时变化以及锂离子电池的高度非线性，高准确度模型的建立较为困难。基于数据驱动的故障诊断方法不需要建立精确的电池模型，只需要对电池数据进行处理，通过设置阈值来对电池故障进行诊断，处理方法较为简单，准确度较低，很难有效的识别出故障单体电池。

发明内容

针对背景技术存在的问题，本发明提供一种基于支持向量机的电池故障识别方法。

为解决上述技术问题，本发明采用如下技术方案：一种基于支持向量机的电池故障识别方法，包括以下步骤：

步骤1、将包含多个单体电池的电池组作为待测电池组；

步骤2、采集待测电池组使用过程中正常单体电池和故障单体电池的电压数据作为原始数据集；

步骤3、对原始数据集进行深度处理，提取特征参数；

步骤4、对特征参数进行归一化处理，获得基于特征参数数据的样本集；

步骤5、按照正常单体电池和故障单体电池的数据，对样本集进行标签的标注；

步骤6、将带有标签的样本集随机拆分为训练集和测试集，通过训练集进行SVM模型的训练；

步骤7、将测试集送入训练好的SVM模型中进行模型的测试，对SVM模型的性能进行评估；

步骤8、利用所建模型，对电池进行实时诊断。

在上述的基于支持向量机的电池故障识别方法中，步骤3所提取特征参数包括单体电池电压信号的自相关系数、相邻单体电池电压的互相关系数、单体电池的三阶无量纲特征参数值、单体电池电压差异的方差、单体电池电压差异的偏度系数和单体电池电压差异的模糊熵。

在上述的基于支持向量机的电池故障识别方法中，步骤4的归一化处理包括：

采用最大-最小标准化原则，公式如下：