[发明专利]电池异常检测方法、装置、电子设备及计算机存储介质

说明书

本发明提供了一种电池异常检测方法、装置、电子设备及计算机存储介质，涉及电池技术领域，本发明基于对比预测编码算法，对涵盖多个电池指标的目标充电数据进行编码预测对比，并基于对比结果进行电池异常检测；这种检测方式充分利用了目标充电数据中各电池指标之间的相关性以及电池指标的时序性，与基于单个电池指标、采用向外对比的检测方式相比，提高了对异常电池的识别准确率。

技术领域

本发明涉及电池技术领域，尤其是涉及一种电池异常检测方法、装置、电子设备及计算机存储介质。

背景技术

发明人已知的电池异常检测方法，通常是基于单个电池指标如电压、温度、压差或温差等，采用数理统计方法进行异常识别，比如对新能源车辆电池进行检测时，通过同区域同车型之间的电池指标对比，当电池的当前电池指标值超过某个阈值时，即判定该电池为异常电池。

上述方法基于统计学上的小概率事件理论，通过同区域同车型电池指标的比较，其中的小概率数值被识别为异常。然而这种电池异常检测方法对异常电池的识别准确率较低。

发明内容

本发明的目的在于提供一种电池异常检测方法、装置、电子设备及计算机存储介质，以提高对异常电池的识别准确率。

第一方面，本发明实施例提供了一种电池异常检测方法，包括：

获取待检测电池在本次充电过程中连续预设时长的目标充电数据，目标充电数据包括多个连续的时序报文，时序报文包括每单位时长内的与多个电池指标对应的指标特征数据；

基于对比预测编码算法，对目标充电数据进行编码预测对比，得到对比结果；

根据对比结果，确定待检测电池的异常检测结果。

进一步地，上述基于对比预测编码算法，对目标充电数据进行编码预测对比，得到对比结果的步骤，包括：

将目标充电数据输入预训练的对比预测编码CPC异常检测模型，得到CPC异常检测模型输出的对比误差值，并将对比误差值作为对比结果；

其中，CPC异常检测模型是基于对比预测编码算法训练得到的，对比误差值为目标充电数据中后一半时序报文的编码值与预测编码值之间的相似度的相反数，预测编码值是基于目标充电数据中前一半时序报文的编码值预测得到的。

进一步地，上述根据对比结果，确定待检测电池的异常检测结果的步骤，包括：

当对比误差值大于CPC异常检测模型对应的异常检测阈值时，确定待检测电池的异常检测结果为异常。

进一步地，在将目标充电数据输入预训练的对比预测编码CPC异常检测模型，得到CPC异常检测模型输出的对比误差值的步骤之前，上述电池异常检测方法还包括：

获取训练数据集和验证数据集；其中，训练数据集中的样本数据包括正样本数据和负样本数据，验证数据集中的样本数据均为正样本数据；正样本数据为第一正常电池在第一充电过程中连续预设时长的第一充电数据，负样本数据由第二正常电池在第二充电过程中连续半个预设时长的第二充电数据，和第三正常电池在不同于第二充电过程的第三充电过程中连续半个预设时长的第三充电数据构成；第一充电数据、第二充电数据和第三充电数据均包括多个连续的时序报文；

以训练数据集中的每个样本数据为输入，对初始CPC异常检测模型进行模型训练，得到CPC异常检测模型；

以验证数据集中的每个样本数据为输入，对CPC异常检测模型进行模型验证，得到验证数据集中每个样本数据对应的输出值；

根据各个输出值，确定CPC异常检测模型对应的异常检测阈值。

进一步地，上述根据各个输出值，确定CPC异常检测模型对应的异常检测阈值的步骤，包括：