[发明专利]基于大数据及云计算的电池压差异常阈值确认方法及系统

说明书

本发明涉及大数据处理技术领域，具体地说，涉及一种基于大数据及云计算的电池压差异常阈值确认方法及系统。该方法包括如下步骤：S1、采集多组电池的压差数据；S2、对压差数据进行离散化处理；S3、构建泊松分布模型，获取异常阈值。该系统用于实现上述方法。通过本发明能够较佳地借助大数据样本实现压差阈值的确立，故而能够较佳地克服现有采用经验式确立异常阈值的局限性。

技术领域

本发明涉及大数据处理技术领域，具体地说，涉及一种基于大数据及云计算的电池压差异常阈值确认方法及系统。

背景技术

电池压差是指锂电池在放电和充电过程中电芯间电压的最大差值，其是反映电池好坏的关键指标。由于电池内部具有的亏电保护和高压保护机制，电池的压差对电池性能的影响主要体现在：在放电过程中标称电压最低的电芯会率先达到亏电保护的阈值进而导致整个电池组停止放电，而此时整个电池组实际上依然具备放电能力的；而在充电过程中标称电压最高的电芯会率先达到高压保护的阈值进而导致整个电池组停止充电，而此时整个电池组实际上依然处于电量未充满状态。

由于电芯生产工艺的偏差和安装过程中电芯串联时接口内部等的不同，全新的电池都存在少量的压差，理论上的电池压差为0在实际中几乎是不可能的，故现有技术中均设置压差检测机制对电池的压差异常进行检测。

目前现有的压差检测大多是通过人工设定电池压差的阈值实现对压差的检测，比如设定电池压差的阈值为200mv，则在检测到电池组的任一电芯的压差超过200mv时，则判定该电池组出现压差异常。基于该种的检测方法存在如下的弊病：

1、人工经验设定阈值不可靠

这个主要体现在不同容量、不同材质的电池的压差异常阈值的是不同的，而人工经验具有局限性，无法较佳地充分挖掘电池压差中的规律，故容易造成误判例增加；

2、电池在监测中读取压差数据容易出现噪声点

这主要体现在，在监测中读取电芯电压的数据可能存在噪声或者电芯电压瞬间波动的情形，噪声点容易突破电池压差的阈值，故而导致误判例增加。

发明内容

本发明提供了一种基于大数据及云计算的电池压差异常阈值确认方法，其能够克服现有依靠经验确立压差阈值的而导致的局限性较大的缺陷。

根据本发明的基于大数据及云计算的电池压差异常阈值确认方法，其包括如下步骤：

S1、采集多组电池的压差数据

该步骤中，分别采集多个型号多个损耗状态的锂电池在充电和放电过程中的压差数据，建立压差数据集合N，N={|i∈N，j∈N ，h=0或1}，；

其中，i表示电池的型号类别，j表示电池的损耗状态类别，h=0表示为充电状态，h=1表示为放电状态；也即，表示第i种型号、第j种损耗状态下的电池在充电状态下采集到的压差数据序列，表示第i种型号、第j种损耗状态下的电池在放电状态下采集到的压差数据序列；

其中，表示压差数据序列中的第L个元素，n为压差数据序列中的元素总数；

S2、对压差数据进行离散化处理

该步骤中，对于任一压差数据序列均进行离散化处理进而获取离散化压差数据序列，={ }；其中，⌊⌋，⌊⌋为向下取整运算，为设定压差间隔；

S3、构建泊松分布模型，获取异常阈值

该步骤中，构建泊松分布模型分别对所有压差数据序列进行处理；

所构建泊松分布模型的概率密度函数为，

其中，，表示离散化压差数据序列中数值出现的概率；