[发明专利]基于充电片段数据和无监督算法的电芯一致性评估方法

说明书

本发明公开基于充电片段数据的无监督标致电芯一致性故障检测方法，包括如下步骤：S1数据准备及探索：针对三类电池，探索分析单体电芯中最大压差的数据分布情况跟，并根据三类电池实际的数据分布进行后续的数据驱动算法的实践；S2特征工程：进过数据进行预处理，通过特征提取与主成分分析降维方法筛选有效特征并进行后续建模，包括数据预处理、特征提取、PCA主成分分析降维；S3模型构建：采用多种无监督学习算法，并针对充放电特征合并建模，对比不同算法的有效性。本发明可有效对标致电芯一致性故障进行检测与预测结果的可视化，并可准确有效实时地对故障进行预测，有效避免并实时监控电芯一致性故障及其所衍生出的其余灾害的可能性。

技术领域

本发明涉及电池数据驱动无监督学习方法、电芯一致性评估领域、电池安全管理评估技术领域，尤其是一种基于充电片段数据的无监督标致电芯一致性故障检测方法。

背景技术

电动汽车的核心-动力电池，正越来越多地受到人们的关注。近些年动力电池的发展也是日新月异，人们对动力电池的要求也在不断提高，尤其是在功率、能量、安全、稳定以及使用寿命等方面。动力电池是由许多数量的单体电池经过并联和串联组成。而电池组的性能取决于单体容量、内阻等方面一致性。一致性好的单体成组后的电池能保持较高的放电效率和循环寿命，而一致性较差的单体成组后的电池则受个别性能不一致单体拖累，放电时间短、放电容量低而且容易过充或过放以致整个电池寿命衰减加快。电池组中某个电芯或电芯间的不一致会形成“短板”单体，由于该类“短板”单体的存在，它会率先充满电并放空电，从而影响电池组中性能好且容量满的电池的充放电过程，因此单体电芯不一致性会导致电池组甚至电池系统的可实用整体容量下降，其性能也会显著衰减。目前针对“短板”的单体，只有及时发现其不一致性故障，并及时替换更新掉故障单体电芯，才能有效避免电池组及系统的潜在故障，从而尽可能降低故障带来的生产损失。

为及时发现电池组中单体电芯不一致性故障，准确实时探查到潜在故障单体，进而有效提升有效工作时间内的电池组性能及使用寿命，有学者与研究发明提出均衡控制策略来有效改善电池组不一致性故障，但用于检测单体电芯一致性和“短板”电芯的方法较少。由于实际运行工况下的新能源汽车电池组及其内部单体电芯的充放电过程并非连续，也很少能够达到全周期充电（即从0到100%的完整充电周期），因此经实车数据采集与探查过程得到的数据多为充电片段数据包括电压等，并非完整的等间隔时间序列数据，因此初始数据集会出现间隔。有学者根据电池充放电能量效率和电压差值筛选异常电池；有学者根据充电电压曲线的距离分析检测方法诊断不一致单体；有学者根据放电过程中阻抗变化的趋势信息区分不一致性单体电池。

但在实际的电池使用与一致性故障检测中需根据过往的一致性故障发生情况来进行故障判断，不同电池系统的电池组间故障表现不同，其内部的单体电芯不一致性也因电池实况各异，因此电池系统的一致性好坏并非绝对概念，而是相对比较才可进行判断的。不同电芯的实际不一致性故障判断往往基于经验值，但实际工况或参数变化王阿旺会导致判定结果出现主观错误，因此如何找到可准确有效预测出单体电芯不一致性故障的方法至关重要。

发明内容

本发明融合数据驱动与统计学相关算法，利用单体电芯充放电的特征数据构建故障预测模型，基于无监督聚类算法探索离群点，进行异常检测，并采用距离+箱线图的统计学方法，并根据可优化的系数来对问题的紧急程度进行排序。可有效准确且实时地对数据中的异常值或离群点进行检测，从而进行一致性故障预测。

本发明解决其技术问题所采用的技术方案是：

基于充电片段数据的无监督标致电芯一致性故障检测方法，包括如下步骤：

S1数据准备及探索：针对三类电池，探索分析单体电芯中最大压差的数据分布情况跟，并根据三类电池实际的数据分布进行后续的数据驱动算法的实践。

S11数据准备：针对三类电池类型的数据，记录1210个电池数据，分为：R83 PHEVFWD、P84 PHEV AWD和eP24 BEV三类电池。