[发明专利]一种基于孤立森林算法的故障单体电池识别方法

权利要求书

1.一种基于孤立森林算法的故障单体电池识别方法，其特征在于，包括以下步骤：

S1，采集充电过程中电池组中的每个单体电池的充电电压数据作为原始数据，其中，单体电池包括正常单体电池和故障单体电池；

S2，在每个时刻对应的时间窗口内，对采集的电池电压数据进行深度处理，分别计算各个单体电池电压差异的偏度系数pdxs_ΔU_i和模糊熵FuzzyEn_i，根据计算出的各个单体电池电压差异的偏度系数获得第一特征值数列，并根据计算出的各个单体电池电压差异的模糊熵获得第二特征值数列；

S3，分别对电池电压的第一特征值数列和第二特征值数列中数据进行归一化处理，获得第一样本集和第二样本集，并分别将第一样本集和第二样本集随机拆分成第一训练集、第二训练集、第一测试集以及第二测试集；

S4，采用孤立森林算法，通过训练集建立数据分析模型，进行孤立森林模型的训练得到训练好的第一模型和第二模型；

S5，将第一测试集以及第二测试集中的电池电压特征值数列分别送入训练好的第一模型和第二模型中进行数据挖掘，找出数列中的离群点，筛选出离群点对应的故障单体电池；

偏度系数pdxs_ΔU_i的具体计算步骤包括：

S2.01，计算时间窗口内第k个采样点电池单体i电压相比于平均值的差异ΔU_i(k)；

S2.02，计算时间窗口内电池单体i电压差异的平均值Δu_i；

S2.03，计算时间窗口内电池单体i电压差异的方差fc_ΔU_i；

S2.04，根据公式(1)计算偏度系数pdxs_ΔU_i：

模糊熵FuzzyEn_i的具体计算步骤包括：

S2.11，给定一个时间窗口内电池单体i电压相比于平均值的差异ΔU_i的M点采样序列：{ΔU_i(j)；1≤j≤M}；

S2.12，按照序号的连续顺序构成一组N维矢量，重构相空间：

X_j＝{ΔU_i(j),ΔU_i(j+1),...,ΔU_i(j+N-1)}-ΔU₀(j),j＝1,2,...,M-N，其中ΔU_i(j),ΔU_i(j+1),...,ΔU_i(j+N-1)代表第j个点开始连续N个ΔU_i的值，ΔU₀(j)表示均值，计算如公式(2)：

S2.13，引入模糊隶属函数如公式(3)：

通过公式(4)计算两个N维矢量和的相似度

上式(4)中，r为相空间相似容限度，为窗口向量和之间的最大绝对距离，通过下式(5)计算：

S2.14，针对每个a，通过下式(6)求相似度的平均值

S2.15，定义Φ^N(r)如下：

S2.16，重复S2.12-S2.15，按照序号顺序重构一组N+1维矢量，计算Φ^N+1(r)；

S2.17，针对有限数据集，通过公式(8)求得电池单体i电压相比于平均值的差异ΔU_i时间序列的模糊熵估计为：

FuzzyEn(N,r)＝lnΦ^N(r)-lnΦ^N+1(r)(8)。

2.根据权利要求1所述的一种基于孤立森林算法的故障单体电池识别方法，其特征在于，步骤S3的具体计算步骤包括：对电池电压特征值数列中数据进行归一化处理：

式中，x_i为特征值数列中数据；y_i为归一化后的特征值数列中数据；x_min为特征值数列中数据的最小值；x_max为特征值数列中数据的最大值，n为样本的个数。