[发明专利]一种基于聚类分析的电池系统在线故障诊断方法和系统

说明书

本发明涉及一种基于聚类分析的电池系统在线故障诊断方法和系统。本发明提供的基于聚类分析的电池系统在线故障诊断方法和系统，基于获取的电动汽车的运行数据，采用K‑means聚类算法对电动汽车电池系统中的电池单体进行簇分类，然后依据分类得到的两种电池单体簇间的欧式距离，快速、准确的确定异常的电池单体，并进行电池单体序号的输出，以降低实车中电池单体故障监测的难度。

技术领域

本发明涉及电池单体故障检测领域，特别是涉及一种基于聚类分析的电池系统在线故障诊断方法和系统。

背景技术

锂离子电池因其循环寿命长、电压高、输出功率大、低污染的特性成为目前主流的电动汽车储能设备。为了获得足够的输出功率，锂离子动力电池系统通常由许多电池单体电池通过串并联的方式组成，在车辆行驶中，串联起来的各个电池单体有着相同的电流激励，因此，在理论上应该有相同的电压变化趋势。但是由于组成电池包的电池单体在初始时在性能上就有一定差异，并且在实车中各个电池单体分布的位置，温度也不同，当电池长时间运行或者当电池受到碰撞挤压等外力影响时，电池单体之间的差异会更加明显，从而导致各个电池单体电压的变化产生明显的不一致性。

新能源汽车电池管理系统能够获得电池温度与电压等数据。对于基于电池模型诊断方法利用电池模型与实车数据生成电压、温度等电池特征的残差，根据残差来判断电池是否发生故障，这种方法对于电池模型精度要求很高，难以在实车上应用，实现在线诊断。基于数据驱动的故障诊断方法虽然不需要精确的电池模型，但是需要大量的样本数据进行训练，计算成本高。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种基于聚类分析的电池系统在线故障诊断方法和系统。

为实现上述目的，本发明提供了如下方案：

一种基于聚类分析的电池系统在线故障诊断方法，包括：

获取电动汽车的运行数据；所述运行数据包括：每一电池单体的电压、电流和温度；

根据所述运行数据形成电压矩阵；所述电压矩阵的行代表电池单体序号，所述电压矩阵的列代表时间序列；

采用K-means聚类算法，根据所述电压矩阵将电动汽车中的电池单体分为异常电池单体簇和正常电池单体簇；

确定所述异常电池单体簇和所述正常电池单体簇中电池单体的数量比，并分别确定所述异常电池单体簇中簇中心和所述正常电池单体簇中簇中心的相关参数；所述相关参数包括：相关系数和波动方差；

根据所述相关参数确定所述异常电池单体簇的簇中心与所述正常电池单体簇的簇中心间的欧式距离；

获取预设阈值；所述预设阈值包括：数量比阈值和欧式距离阈值；

根据所述数量比与所述数量比阈值间的关系，以及所述欧式距离与所述欧式距离阈值间的关系确定异常电池单体，并输出所述异常电池单体的序号。

优选地，所述采用K-means聚类算法，根据所述电压矩阵将电动汽车中的电池单体分为异常电池单体簇和正常电池单体簇，具体包括：

根据所述电压矩阵构建样本集；所述样本集包括：多个由每一电池单体的相关系数和每一电池单体波动方差构成的元素；

采用所述K-means聚类算法基于所述样本集将电动汽车中的电池单体分为异常电池单体簇和正常电池单体簇。

优选地，所述根据所述电压矩阵构建样本集，具体包括：

确定所述电压矩阵中相邻两个电池单体间的皮尔森相关系数；

根据确定的相邻两个电池单体间的皮尔森相关系数确定电池单体的相关系数；

获取每一电池单体的电压值以及所有电池单体的电压均值；