[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

说明书

本发明提出了一种基于孤立森林算法的故障单体电池识别方法，该方法利用故障单体电池的电压出现异常变化的现象，通过对电池充电过程采集到的电压数据进行深度处理，创新性地从单体电池电压数据中提取出多个反映电压信号变化特性的特征参数，包括单体电池电压的自相关系数、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，转化为多种特征值数列同时进行判断，并且基于孤立森林算法，能够快速地筛选出特征值数列中的离群点，在短时间内就可以完成一次判断，无人工干预，鲁棒性强，能够准确识别出故障单体电池，并且减少误报率。

技术领域

本发明属于电池管理技术领域，具体涉及一种在电池使用过程中基于孤立森林算法进行故障单体电池识别的方法。

背景技术

随着锂离子电池技术的不断发展，以锂离子电池作为动力电池的电动汽车逐渐成为未来汽车发展的主流方向，电动汽车的市场占有率也在不断上升。然而，由于锂离子电池故障而引发的电动汽车着火事故也偶有发生，严重威胁人民群众的生命财产安全。

电池故障通常是由使用过程中的机械滥用、电滥用以及热滥用或者生产制造过程中所引入的微小缺陷逐渐劣化发展导致的。电池故障不仅会导致整个电池组性能的退化，甚至最终演变成热失控，造成起火爆炸的严重事故。因此，有必要在电池系统中及时检测故障的单体电池，并进行预警与故障处理，以保障电动汽车人员安全。

目前，故障单体电池的识别依然是电池安全问题研究的一个难点。一方面是锂离子电池装车运行后，考虑到成本，只能采集到单体电池的外电压和温度信号，缺乏更多的有效信息，判断依据比较单一；另一方面是在车载电池系统在变电流和变温度工况条件下，车辆不断加速或减速，负载电流与车辆外部环境不断变化，各个单体电池的状态也随之变化，检测难度加大。

所以现有技术一般有两种方案：一是采集单体电池的电流、电压和表面温度，通过数据与阈值简单作差的方式进行判断，此方案准确度较低，误报率较高，很难有效识别故障单体电池；二是基于模型的方法进行故障识别，即通过电池模型估算电池的参数，与实际值进行比较，判断故障单体电池，但是一套新能源汽车动力电池包包含一百颗左右的单体电池，所以此方案计算量大，判断时间长，实际效果也并不理想。

发明内容

鉴于此，有必要提供一种判断周期短，识别更为准确的故障单体电池的检测方法。

本发明提供一种基于孤立森林算法的故障单体电池识别方法，通过实时采集锂离子电池系统使用过程中各单体电池的端电压数据，创新性地从单体电池电压数据中提取出多个反映电压信号变化特性的特征参数，包括单体电池电压的自相关系数、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，转化为特征值数列，最后采用稳定性好、精确度高的孤立森林算法判断出故障单体电池。

以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为例，说明本发明具体包括以下步骤：

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；