[发明专利]一种基于新能源汽车实时运行数据的异常检测方法及装置

说明书

本发明实施例提供了一种基于新能源汽车实时运行数据的异常检测方法及装置，包括以下步骤：按照GB/T 32960的要求，基于新能源汽车动力电池系统的实时运行数据和小样本的历史健康数据；将动力电池系统的监测参数数据，结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差；将所述残差进行序贯概率比检验，基于序贯概率比检验的指数，得到新能源汽车动力电池系统的异常检测结果。能够准确地检测出动力电池系统退化时的异常状态。训练过程效率高，耗时短。

技术领域

本发明涉及新能源汽车动力电池异常检测技术领域，尤其涉及一种基于新能源汽车实时运行数据的异常检测方法及装置。

背景技术

新能源汽车动力电池的运行安全一直是困扰新能源汽车发展的核心问题之一。传统BMS中的为了动力电池安全而增加的简单安全措施(传感器监控、接触器、绝缘层、电压电流温度限制操作)，随着新能源汽车的日趋智能化、集成化，以及续航里程要求的越来越高，其对动力电池的保护已然不够充分，BMS的硬件和软件实现也变的越来越困难。故障诊断算法作为BMS强有力的支撑，它主要负责有效及早的检测出故障，目前，虽然故障诊断算法研究在提高安全性方面取得了一定的进展，但是在运行安全方面存在一定的局限性，特别是基于新能源汽车实时运行数据(按照GB/T 32960-2016要求采集)，针对新能源汽车动力电池系统的运行安全的故障诊断算法研究尚处在起步阶段，缺乏系统性的研究成果。

申请人发现现有技术中至少存在如下问题：无法准确且高效地实现新能源汽车的异常检测。

发明内容

本发明实施例所解决的技术问题是无法准确且高效地实现新能源汽车的异常检测的问题。

为达上述目的，一方面，本发明实施例提供了一种基于新能源汽车实时运行数据的异常检测方法，包括以下步骤：

获取新能源汽车动力电池系统的监测参数的实时运行数据和监测参数的历史健康数据，基于失效分析得到关键监测参数的实时运行数据和关键监测参数的历史健康数据；

将关键监测参数的实时运行数据和关键监测参数的历史健康数据结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差；

将所述残差进行序贯概率比检验，基于序贯概率比检验的指数，得到新能源汽车动力电池系统的异常检测结果。

另一方面，本发明实施例提供了一种基于新能源汽车实时运行数据的异常检测装置，包括：

获取单元，用于获取新能源汽车动力电池系统的监测参数的实时运行数据和监测参数的历史健康数据，基于失效分析得到关键监测参数的实时运行数据和关键监测参数的历史健康数据；；

计算单元，用于将关键监测参数的实时运行数据和关键监测参数的历史健康数据结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差；

检测单元，用于将所述残差进行序贯概率比检验，基于序贯概率比检验的指数，得到新能源汽车动力电池系统的异常检测结果。

上述技术方案具有如下有益效果：本申请通过研究分析动力电池内外故障失效机理选取出一个精准但不过于复杂的动力电池监测参数集合，针对BMS故障诊断的有效性和历史数据的完备度之间的权衡问题，提出一种基于实时运行数据的高效异常检测方法，能够准确地检测出动力电池系统退化时的异常状态。训练过程效率高，耗时短。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。