[发明专利]基于大数据的在线检测电池异常的方法及系统

权利要求书

1.一种基于大数据的在线检测电池异常的方法，其特征在于，包括：

步骤S1：通过采集电池管理系统数据的数据采集终端实时获取电池组各电池单体的运行数据，并上传至云端大数据平台；

步骤S2：对云端大数据平台上的数据进行预采样得到数据集D；

步骤S3：数据集D中的所有时刻从第一时刻开始依次作为起始时刻t₀，从起始时刻t₀开始遍历数据集，获取满足预设判断标准的放电或充电时刻，将获取的满足预设判断标准的放电或充电时刻组成时刻序列S，若时刻序列S中的时刻数量小于预设值时，则舍弃当前序列；将数据集D中所有时刻从第一时刻开始依次作为起始时刻t₀分别获取的时刻序列S组成时刻序列集合；

步骤S4：基于时刻序列集合利用异常检测算法筛选离群电池单体；

步骤S5：基于筛选得到的离群电池单体进行异常单体的判定；

所述运行数据包括时间、单体电压以及荷电状态SOC；

所述预设判断标准的放电或充电时刻包括：两时刻时间间隔大于等于预设时间间隔ΔTime和两时刻荷电状态SOC之差小于等于预设荷电状态SOC差ΔSOC；

所述步骤S4采用：通过异常检测算法筛选电压U小于阈值T的电池单体，且令其中出现频率最高的电池单体作为当前序列的离群电池单体，若存在出现频率相同的电池单体，则都作为离群电池单体；

所述步骤S5采用：基于筛选出的离群电池单体的出现频率进行异常单体的判定；若离群电池单体的频率超过预设频率，则视为异常单体；若存在频率相同的多个离群电池单体，且均超过预设频率，则都视为异常单体。

2.根据权利要求1所述的基于大数据的在线检测电池异常的方法，其特征在于，所述运行数据还包括电流和/或温度。

3.根据权利要求1所述的基于大数据的在线检测电池异常的方法，其特征在于，所述步骤S2采用：将预采样起始时刻相对应的荷电状态SOC作为初值，基于荷电状态SOC的预设变化间隔寻找相应荷电状态SOC的下一时刻，并将下一时刻作为预采样起始时刻，重复执行，直至遍历预设数量的时刻或全部时刻。

4.根据权利要求2所述的基于大数据的在线检测电池异常的方法，其特征在于，所述预设判断标准的放电或充电时刻包括：两时刻时间间隔大于等于预设时间间隔ΔTime、结合两时刻电流之差小于等于预设电流差ΔI、两时刻最高单体温度与最低单体温度之差小于等于预设温度差ΔTemp以及两时刻SOC之差小于等于预设SOC差ΔSOC中的任一种或任多种。

5.根据权利要求1所述的基于大数据的在线检测电池异常的方法，其特征在于，所述异常检测算法包括：拉依达准则、孤立森林、局部异常因子或一类支持向量机。

6.一种基于大数据的在线检测电池异常的系统，其特征在于，运用权利要求1至5任一一项权利要求所述的基于大数据的在线检测电池异常的方法，包括：

模块M1：通过采集电池管理系统数据的数据采集终端实时获取电池组各电池单体的运行数据，并上传至云端大数据平台；

模块M2：对云端大数据平台上的数据进行预采样得到数据集D；

模块M3：数据集D中的所有时刻从第一时刻开始依次作为起始时刻t₀，从起始时刻t₀开始遍历数据集，获取满足预设判断标准的放电或充电时刻，将获取的满足预设判断标准的放电或充电时刻组成时刻序列S，若时刻序列S中的时刻数量小于预设值时，则舍弃当前序列；将数据集D中所有时刻从第一时刻开始依次作为起始时刻t₀分别获取的时刻序列S组成时刻序列集合；

模块M4：基于时刻序列集合利用异常检测算法筛选离群电池单体；

模块M5：基于筛选得到的离群电池单体进行异常单体的判定。