[发明专利]一种动力电池一致性检测方法

说明书

本发明涉及一种动力电池一致性检测方，其包括降噪自编码训练步骤和一致性检测定位步骤。降噪自编码训练步骤为：获取样本时序数据并得到对应的样本特征数据，利用样本特征数据训练降噪自编码模型得到检测用降噪自编码模型。一致性检测定位步骤为：获取待检时序数据并得到对应的待检特征数据，将待检特征数据输入检测用降噪自编码模型并得到降噪单体电池电压时序数据，对降噪单体电池电压时序数据进行单因素方差分析得到单因素方差分析p值，基于单因素方差分析p值判断动力电池组是否存在组间显著性差异，若存在则对动力电池组进行多重比较分析确定动力电池组中存在一致性问题的单体电池的位置。本发明检测结果精准，解释性强、可靠程度高。

技术领域

本发明属于动力电池检测技术领域，具体涉及一种针对动力电池的一致性进行检测的方法。

背景技术

一致性是动力电池性能的表现形式之一，一致性主要是指同一规格型号的单体电池组成动力电池组后，其电压及荷电量、容量及其衰退率、内阻及其变化率、寿命、温度影响、自放电率等参数存在一定的差别，差别越小则一致性越好。

动力电池组的一致性是个非常重要的问题，一致性差不仅会影响电池组的动力输出和续航表现，也会影响到电池组的运行安全，缩短动力电池组的使用寿命。

动力电池一致性可以看作电池组内物理、化学状态的一种表示，从不同的量测角度，动力电池的一致性可分为容量一致性、内阻一致性和电压一致性，这三种一致性度量都可以采用物理手段测量、计算得到，但实际操作的难易程度各不相同，其中容量、内阻的要求较苛刻，需要专业的量测设备以及专门设计的充放电过程才能进行，而电压的量测则稍有不同，可以采用专门设备进行精准量测，也可以从BMS(电池管理系统)中直接获取。BMS得到的数据分析存在一定难度，因为不同运行工况会带来较多的噪声数据，给精准分析造成了一定的困扰，即便如此，由于无需额外的辅助设施便可以获得任意时刻、任意使用场景的电压数据，且无需长时间的充放电测试，BMS电压一致性成为了动力电池一致性分析的一种重要手段。

一致性检测，在数据上表现为均值和方差的差异性的显著程度，分别表示数据上的集中性和离散性。在电压一致性分析的评价指标上，可以直接使用均值和方差作为指标，也可以使用这两种评价指标的变化形式，或者结合动力电池领域知识进行创新，构建新的评价指标，但无论如何，这些评价指标本质上仍然属于均值和方差的范畴，仍然属于集中性和偏离性的一种表达。

无论那种评估指标，都需要有较强的可解释性。均值和方差作为一种被普遍接受的概率指标，有坚实的理论基础，所以这两种指标的直接使用往往意味着较强的可解释性，而这两种指标的变化形式则意味着可解释性的降低。所以，在评估一致性时，最好直接使用均值和方差，或者使用基于均值和方差的统计学检验手段(t检验、f检验等)，除非领域特殊需要才有必要进行一定程度的变化或创新，但要尽可能基于坚实的理论基础以保证可解释性。

发明内容

本发明的目的是提供一种结果更加精准、可靠程度更高且可解释性强的动力电池一致性检测方法。

为达到上述目的，本发明采用的技术方案是：

一种动力电池一致性检测方法，用于检测动力电池组中各个单体电池的一致性，所述动力电池一致性检测方法包括降噪自编码训练步骤和一致性检测定位步骤；

所述降噪自编码训练步骤包括以下步骤：

步骤1-1：获取作为样本的所述动力电池组中多个所述单体电池的时序数据作为样本时序数据，所述样本时序数据包括作为样本的所述动力电池组中多个所述单体电池的电压数据和与作为样本的所述动力电池组中多个所述单体电池工作状态相关的非电压数据；

步骤1-2：对所述样本时序数据进行特征工程而得到对应的样本特征数据；

步骤1-3：利用所述样本特征数据训练降噪自编码模型，当达到训练终止条件时停止训练所述降噪自编码训练，并保存训练得到的所述降噪自编码模型作为检测用降噪自编码模型；