识别动力电池电压采集故障方法、系统及存储介质与流程

测量装置的制造及其应用技术1.本发明属于电动汽车动力锂电池或锂电池储能系统的远程故障诊断系统技术领域，具体涉及一种识别动力电池电压采集故障方法、系统及存储介质。背景技术：2.锂离子电池由于能量密度高、循环寿命长等因素成为电动汽车的首选电池，但车载锂离子电池随着使用不可避免会出现串联电池之间不一致的现象。若出现整包电池组中的单体电池内阻、容量或soc一致性出现严重异常而不进行处理，会直接影响着整包电池组的健康和寿命。但车端针对电池数据的直采信号包括单体电压、温度、电流，电池内阻、容量、soc都是通过电压、电流等信号计算出来的，故电压、电流、温度信号采集的真实性变得非常重要。如果针对电压采集故障不进行识别和排除，会影响对整包中电池之间一致性的判定，增加了因误判导致的售后处理成本，甚至可能因采集故障导致的误判引起热失控预警方法无法正确识别而导致车辆热失控。3.因此，有必要开发一种新的识别动力电池电压采集故障方法、系统及存储介质。技术实现要素：4.本发明提供一种识别动力电池电压采集故障方法、系统及存储介质，能针对电压采集故障数据进行识别。5.第一方面，本发明所述的一种识别动力电池电压采集故障方法，包括以下步骤：6.采集车辆单体电压数据；7.系统配置有四种不同的电压采集故障判定方法，分别为第一类电压采集故障判定方法、第二类电压采集故障判定方法、第三类电压采集故障判定方法和第四类电压采集故障判定方法，将所采集的数据通过这四种电压采集故障判定方法进行识别，当其中一种电压采集故障判定方法识别出所采集的车辆单体电压数据为采集故障时，则判断该车辆单体电压数据为采集故障，并进行报警；8.其中：9.所述第一类电压采集故障判定方法,具体为：10.s11.计算所有单体电压压差δvi；11.s12.当以下条件均满足时，则判定t时刻单体电压vi和单体电压v(i+1)为采集故障；12.(1a)当t时刻的|δvi|大于m，m为第一阈值，单位为mv；13.(1b)当δvi》m时，同时满足δv(i+1)《-m，且-n《(|δvi|-|δv(i+1)|)《n，n为第二阈值,单位为mv；14.或者当δvi《-m时，同时满足δv(i+1)》m，且-n《(|δvi|-|δv(i+1)|)《n；15.所述第二类电压采集故障判定方法,具体为：16.s21.计算所有单体电压压差δvi；17.s22.当以下条件均满足时，则判定单体电压vi,vi+1,vi+2,…,v(i+n)为电压采集故障；18.(2a)|δvi|大于m；19.(2b)t时刻的|δv(i+1)|，|δv(i+2)|,…,|δv(i+n)|均大于m，其中，n≥1；20.(2c)计算并找出δvi-δv(i+1)，δvi-δv(i+2)，…，δvi-δv(i+n)中的极大值h，且-n《h《n；21.所述第三类电压采集故障判定方法,具体为：22.s31.以t时刻作为基准，选择一个滑窗；23.s32.计算滑窗内所有单体压差δvij，其中，i为单体号，j为滑窗纵向编号，j为正整数且0《j≤50；24.s33.当以下条件均满足时，则判断单体电压vi为电压采集故障；25.(3a)|δvij|大于m；26.(3b)δvi(j-1)和δvij之间的时间差小于预设时间，且-n《δvi(j-1)《n；27.(3c)|δvi(j+1)|，|δvi(j+2)|，…，|δvi(k)|均大于m，并找出δvij，δvi(j+1)，…，δvi(k)中的极大值和极小值且小于n；28.所述第四类电压采集故障判定方法,具体为：29.s41.对采集的数据进行行程划分，提取出车辆的放电工况数据且去掉放电初始时刻的数据，去除充电工况数据；30.s42.当以下条件均满足时，则判定t时刻到tn时刻单体i的电压为采集故障；31.(4a)t时刻的单体压差δvi《-m；32.(4b)t时刻后的任意一时刻tn的压差δvi》-n。33.可选地，还包括：34.在识别前，对所采集的数据进行清洗，包括剔除明显错误的数据、空值和默认值，并将数据按车辆终端生产的时间进行排序。35.可选地，所述δvi的计算方法如下：36.δvi＝vi-vmed；37.其中，vi为第i号单体的电压值，vmed为串联电池系统中所有单体电压中位数。38.可选地，所述滑窗的尺寸为50,滑窗的步长为50。39.可选地，所述m为100mv，n为20mv。40.可选地，所述预设时间为60s。41.第二方面，本发明所述的一种识别动力电池电压采集故障系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如本发明所述的识别动力电池电压采集故障方法的步骤。42.第三方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本发明所述的识别动力电池电压采集故障方法的步骤。43.本发明具有以下优点：通过本发明能够针对电压采集故障数据进行识别，保证了数据的准确性，有效避免了因采集故障导致的误判引起热失控预警方法无法正确识别而导致的车辆热失控。附图说明44.图1为本实施例的流程图。具体实施方式45.下面结合附图对本发明作进一步说明。46.如图1所示，本实施例中，一种识别动力电池电压采集故障方法，包括以下步骤：47.采集车辆单体电压数据，对数据进行清洗，包括剔除明显错误的数据、空值、默认值，将数据按车辆终端生产的时间进行排序；48.系统配置有四种不同的电压采集故障判定方法，分别为第一类电压采集故障判定方法、第二类电压采集故障判定方法、第三类电压采集故障判定方法和第四类电压采集故障判定方法，将所采集的数据通过这四种电压采集故障判定方法进行识别，当其中一种电压采集故障判定方法识别出所采集的车辆单体电压数据为采集故障时，则判断该车辆单体电压数据为采集故障，并进行报警。49.以下以m为100mv，-m为-100mv，n为20mv，-n为-20mv为例进行说明：50.本实施例中，所述第一类电压采集故障判定方法,具体为：51.s11.将采集且已经过清洗处理的数据中提取车辆终端时间各时刻的单体电压列表，计算所有单体电压压差δvi；52.δvi＝vi-vmed；53.其中，vi为第i号单体的电压值，vmed为串联电池系统中所有单体电压中位数，压差计算按车辆进行。54.s12.当以下条件均满足时，则判定t时刻单体电压vi和单体电压v(i+1)为采集故障；55.(1a)t时刻的|δvi|大于100mv；56.(1b)当δvi》100mv时，同时满足δv(i+1)《-100mv，且-20mv《(|δvi|-|δv(i+1)|)《20mv；57.或者当δvi《-100mv时，同时满足δv(i+1)》100mv，且-20mv《(|δvi|-|δv(i+1)|)《20mv。58.本实施例中，所述第二类电压采集故障判定方法,具体为：59.s21.将采集且已经过清洗处理的数据中提取车辆终端时间各时刻的单体电压列表，计算所有单体电压压差δvi；60.δvi＝vi-vmed；61.s22.当以下条件均满足时，则判定单体电压vi,vi+1,vi+2,…,v(i+n)为电压采集故障；62.(2a)|δvi|大于100mv；63.(2b)t时刻的|δv(i+1)|，|δv(i+2)|,…,|δv(i+n)|均大于100mv，其中，n≥1；64.(2c)计算并找出δvi-δv(i+1)，δvi-δv(i+2)，…，δvi-δv(i+n)中的极大值h，且-20mv《h《20mv。65.本实施例中，所述第三类电压采集故障判定方法,具体为：66.s31.将采集且已经过清洗处理的数据中提取车辆终端时间各时刻的单体电压列表；以t时刻作为基准，选择一个滑窗，滑窗尺寸为50,滑窗的步长为50；67.s32.计算滑窗内所有单体压差δvij(i为单体号，j为滑窗纵向编号，j为正整数且0《j≤50)；68.s33.当以下条件均满足时，则判断单体电压vi为电压采集故障；69.(3a)|δvij|大于100mv；70.(3b)δvi(j-1)和δvij之间的时间差小于60秒，且-20mv《δvi(j-1)《20mv；71.(3c)|δvi(j+1)|，|δvi(j+2)|，…，|δvi(k)|均大于100mv，并找出δvij，δvi(j+1)，…，δvi(k)中的极大值和极小值且小于20mv。72.本实施例中，所述第四类电压采集故障判定方法,具体为：73.s41.对采集且已经过清洗处理的数据进行行程划分(即将数据划分为充电数据和放电数据)，提取出车辆的放电工况数据且去掉放电初始时刻的数据，去除充电工况数据；74.s42.当以下条件均满足时，则判定t时刻到tn时刻单体i的电压为采集故障。75.(4a)t时刻的单体压差δvi《-100mv；76.(4b)t时刻后的任意一时刻tn的压差δvi》-20mv。77.本系统可以布置在云端，计算数据来源是车辆根据gbt32960要求上传的运行数据，车辆无需增加额外设备或其他要求。云端收到车辆上传数据后，按照本方法进行处理。78.本实施例中，一种识别动力电池电压采集故障系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如本实施例中所述的识别动力电池电压采集故障方法的步骤。79.本实施例中个，一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本实施例中所述的识别动力电池电压采集故障方法的步骤。80.以上对至少一个示例性实施例的描述实际上仅仅是说明性的，但并不作为对本发明及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术和设备不作详细讨论，但在适当情况下，所述技术和设备应当被视为说明书的一部分。另外，在这里示出所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!