[发明专利]基于深度学习和氮气保护的动力电池监测保护方法、系统

权利要求书

1.基于深度学习和氮气保护的动力电池监测保护方法，其用于对新能源汽车动力锂电池进行安全防护，其特征在于：所述动力电池监测保护方法包括以下步骤，

步骤一，获取电池所处的电池箱当前时刻t₀的氧气浓度O(t₀)、气压P(t₀)、温度T(t₀)、湿度W(t₀)；

步骤二，将O(t₀)与预设氧气浓度阈值O₀进行比较；将P(t₀)与预设气压阈值一P₀、预设气压阈值二P₀'进行比较；将T(t₀)与预设温度阈值T₀进行比较；将W(t₀)与预设湿度阈值W₀进行比较；

若O(t₀)＞O₀，进行制氮并向电池箱进行充氮；若O(t₀)≤O₀，停止向电池箱充氮，并延时后停止制氮；若P₀'＜P(t₀)＜P₀，降低充氮流量；若P(t₀)≥P₀，停止向电池箱充氮并同步停止制氮，发出警报；若T(t₀)≥T₀，发出警报；若W(t₀)≥W₀，发出警报；

步骤三，以Δt为周期，返回步骤一；其中，

步骤四，获取历史数据的氧气浓度、气压、温度、湿度，并采用深度学习神经网络建立并训练预测模型，进行电池状态预测；

其中，所述电池状态预测包括预测氧气浓度、气压、温度、湿度的后续变化趋势；若预测到后续时刻t₁的O(t₁)＞O₀，则在t₁之前的t₂时刻开始制氮、储氮以提前准备；

若预测到后续时刻t₃的P(t₃)≥P₀，则发出预警；若预测到后续时刻t₅的T(t₅)≥T₀，则发出预警；若预测到后续时刻t₇的W(t₇)≥W₀，则发出预警。

2.根据权利要求1所述的基于深度学习和氮气保护的动力电池监测保护方法，其特征在于，步骤二中，O(t₀)＞O₀时进行充氮所采用的充氮流量基于PID控制，并依据以下公式：

其中，U(k)为充氮流量，k表征时间，e()为差值函数，K_p为比例系数，K_i为积分系数，K_d为微分系数。

3.根据权利要求1所述的基于深度学习和氮气保护的动力电池监测保护方法，其特征在于，所述获取历史数据的方法为：

以t_(i-1)N为起始时刻，向历史时刻第i次回推N个数据点，第iN个数据点对应的时刻为t_iN；计算第i次回推N个数据点的方差σ_iN；i≥1；

其中，i＝1时，t_(i-1)N取t₀，t_iN为t_N，σ_iN取σ_N；

若σ_iN＜0.8，按照时间顺序，将该N个数据点均分成A组，每组计算一个均值、共A个均值，作为历史数据的第i构成；若σ_iN≥0.8，按照时间顺序，将该N个数据点均分成B组，每组计算一个均值、共B个均值，作为历史数据的第i构成；A＜B；

获取历史数据的第一构成到第i构成，并统计历史数据的总个数，直至历史数据总个数达到M个。