一种动力电池能量一致性风险评估方法及系统

技术领域

本发明涉及电动车电池风险评估领域，具体涉及一种动力电池能量一致性风险评估方法及系统。

背景技术

随着国家能源结构的调整、电池电机电控等技术的迅速发展、消费者需求的转变及相关产业政策配套的出台与完善，近年来我国新能源汽车产销量不断增长。而新能源汽车实际运行过程环境多变、场景复杂，表征其安全状态的数据具有多维、冗余、异构和强耦合等特点，给探索挖掘运行大数据蕴含的车辆安全特征带来极大挑战，强耦合复杂系统的新能源汽车动力电池状态评估难以通过机理分析实现，因此结合机理知识的数据驱动安全特征提取方法，可从特定的维度实现车辆风险状态的量化描述。

由于车辆在服役期间会按GB-32960标准要求上传运行数据，而电压、电流等表征信号是电池综合状态的一种表征量，因而可以通过对车辆运行历史数据的安全特征分析与挖掘，进一步量化动力电池在服役期间状态的差异程度。

但是，考虑电池系统本身的物理特性以及传感器的设计、采集精度等因素，不同信号之间必然存在信息耦合、冗余与误差，使得安全特征难以准确提取与量化。

发明内容

本发明意在提供一种动力电池能量一致性风险评估方法，以解决在对车辆上传的运行数据进行安全特征提取与量化时，不同信号间存在的信息耦合、冗余与误差问题。

本方案中的动力电池能量一致性风险评估方法，包括：

步骤1，获取车辆的运行历史数据，并对运行历史数据进行初始化处理得到标准化数据；

步骤2，按照计算模型对标准化数据提取初始安全要素，基于初始安全要素的速度矩阵和预设常数进行幂运算得到安全要素；

步骤3，基于安全要素形成的安全要素矩阵，针对安全要素矩阵中，将每一时刻各个参数的单体电压的均值再平方后，与以每一时刻各个参数的单体电压平方后再均值的比值，作为量化后的安全特征向量；

步骤4，对安全特征向量中的值求和得到风险累计曲线数据对，以风险累计曲线数据对的速度曲线向量作为风险特征，根据风险特征计算相对风险，以风险特征形成向量中的最大值作为绝对风险，将绝对风险大于绝对风险阈值的次数作为风险频次，以相对风险、绝对风险和风险频次作为风险累计特征；

步骤5，判断风险累计特征是否满足任一预警条件，若是，则判断该车辆为高风险车辆。

本方案的有益效果是：

通过构能量一致性异常风险特征，结合车辆运行历史数据完成能量安全要素的提取，能够完成对车辆运行过程中的风险特征计算与安全量化，消除信息耦合、冗余与误差，并以此实现对车辆综合状态的精准判定与故障识别，及时发现车辆运行过程中的故障风险，提高风险溯源的准确性和及时性。

进一步，所述步骤1中，所述初始化处理包括：

a)信号边界值限定：去除电压、电流信号数据超过第一指定阈值的异常数据；

b)干扰脉冲识别与标记：若当前帧电压数据与上一帧电压数据的差值超过第二指定阈值，则对此帧数据进行标记；

c)时间间断点识别与标记：若当前帧时间戳数据与上一帧时间戳数据的差值超过第三指定阈值，则对此帧数据进行标记；

d)均值滤波。

有益效果是：通过对运行历史数据的初始化处理，信号边界值限定能够去掉个别明显异常的数据，干扰脉冲和时间间断点的识别与标记，便于后续处理，能够从多个方面规范化运行历史数据，有效防止极个别的异常数据干扰处理分析结果，以便于后续处理，提高后续数据处理的准确性。

进一步，所述步骤2中，所述计算模型表示为：

s＝250*(V-V

其中，s为初始安全要素；V为单体电压；V

所述幂运算的表达公式为：

S＝e

有益效果是：通过步骤2的计算能够将不同单位的运行历史数据统一至同样的量纲，减少不同数据对分析结果的干扰，以便于准确分析数据得到准确的安全要素。

进一步，所述步骤3中，所述安全特征向量的特征值表示为：

其中，p为安全特征量化值，且0≤p≤1；

有益效果是：通过对安全特征进行量化，让数据分析更直观，让运行历史数据能够统一进行分析。

进一步，所述步骤4中，风险累计曲线数据对表示为：

其中，Sp为风险累计曲线数据对，N为数据长度，即采样点个数；p

风险特征表示为：

r＝Sp′，其中，r为风险特征，Sp′为风险累计曲线的速度曲线向量；

所述相对风险的计算过程包括，将风险特征按照从大至小方式进行排序，取排序后的前第一阈值量的风险特征均值与排序后的后第二阈值量的风险特征均值，的比值作为相对风险；

绝对风险表示为：

Q＝max(r)；

其中，Q为绝对风险；max()为风险特征向量中的最大值；

风险频次表示为：

R＝count(r>r

其中，R为风险频次，r

有益效果是：对量化后的数据进行计算，得到风险累计特征，并从相对风险、绝对风险和风险频次多个方面评价车辆异常的风险情况，评价方面更完整，以从大量的运行历史数据中准确提取出表征车辆风险的特征。

进一步，所述相对风险表示为：

其中，η为相对风险，r

有益效果是：排序后的风险特征能够在不同段出表现不同的风险信息，并选取不同数量的特征值进行相对风险的描述，准确截取到表现不同数据的风险情况，提高区分效果，从而计算得到准确的相对风险。

进一步，所述步骤5中，所述预警条件包括：

(1) Q>Q

(2)，η>η

有益效果是：对累计风险特征进行预警条件的设置，能够预警到不同情况下的车辆异常风险，以能够准确全面地定位到车辆风险。

动力电池能量一致性风险评估系统，包括接收模块和处理模块，所述接收模块获取车辆上传的运行历史数据，并发送至处理模块，所述处理模块从接收模块接收运行历史数据进行存储；

所述处理模块上存储有计算机可执行指令，所述计算机可执行指令被运行时按照上述方法的步骤，并基于运行历史数据评估车辆风险。

附图说明

图1为本发明动力电池能量一致性风险评估方法的流程框图；

图2为本发明动力电池能量一致性风险评估方法仿真得到的风险细节一示意图；

图3为本发明动力电池能量一致性风险评估方法仿真得到的风险细节二示意图。

具体实施方式

下面通过具体实施方式进一步详细说明。

实施例

动力电池能量一致性风险评估方法，能量一致性是指在一定时间范围内每个电芯等效释放能量或吸收能量差异的描述，一定时间范围指时间窗，例如十分钟的时间窗，如图1所示，包括：

步骤1，获取车辆的运行历史数据，并对运行历史数据进行初始化处理得到标准化数据，运行历史数据根据实际需求从车辆上传的数据中获取，初始化处理包括：

a)信号边界值限定：去除电压、电流信号数据超过第一指定阈值的异常数据；

b)干扰脉冲识别与标记：若当前帧电压数据与上一帧电压数据的差值超过第二指定阈值，指定阈值根据实际车辆异常时的电压表现进行设置，则对此帧数据进行标记；

c)时间间断点识别与标记：若当前帧时间戳数据与上一帧时间戳数据的差值超过第三指定阈值，则对此帧数据进行标记；

d)均值滤波，均值滤波采用现有的程序进行。

以在后续安全特征量化时，将b)和c)中所标记位置的安全特征值置为1，有效降低数据异常本身对分析结果的干扰。第一指定阈值、第二指定阈值和第三指定阈值的设置根据实际需求进行设置。

步骤2，按照计算模型对标准化数据提取初始安全要素，计算模型表示为：

s＝250*(V-V

其中，s为初始安全要素；V为单体电压；V

基于初始安全要素的速度矩阵和预设常数进行幂运算得到安全要素，幂运算以e为底，幂运算的表达公式为：

S＝e

步骤3，基于安全要素形成的安全要素矩阵，针对安全要素矩阵中，将每一时刻各个参数的单体电压的均值再平方后，与以每一时刻各个参数的单体电压平方后再均值的比值，作为量化后的安全特征向量，每一时刻是指每个采样点，安全特征向量的特征值表示为：

其中，p为安全特征量化值，且0≤p≤1；

步骤4，对安全特征向量中的值求和得到风险累计曲线数据对，风险累计曲线数据对表示为：

其中，Sp为风险累计曲线数据对，N为数据长度，即采样点个数；p

以风险累计曲线数据对的速度曲线向量作为风险特征，风险特征表示为：

r＝Sp′，其中，r为风险特征，Sp′为风险累计曲线的速度曲线向量，速度曲线向量也采用速度滤波方法得到。

根据风险特征计算相对风险，相对风险的计算过程包括，将风险特征按照从大至小方式进行排序，取排序后的前第一阈值量的风险特征均值与排序后的后第二阈值量的风险特征均值，的比值作为相对风险，第一阈值量为20％，第二阈值量为60％，相对风险表示为：

其中，η为相对风险，r

以风险特征形成向量中的最大值作为绝对风险，绝对风险表示为：

Q＝max(r)；

其中，Q为绝对风险；max()为风险特征向量中的最大值。

将绝对风险大于绝对风险阈值的次数作为风险频次，风险频次表示为：

R＝count(r>r

其中，R为风险频次，r

以相对风险、绝对风险和风险频次作为风险累计特征。

步骤5，判断风险累计特征是否满足任一预警条件，预警条件包括：

(1)Q>Q

(2)η>η

若满足(1)或者(2)，则判断该车辆为高风险车辆。其中，Q为绝对风险，表示局部风险的绝对大小；η为相对风险，表示风险整体的陡增程度；R为风险频次，表示高风险出现的次数。Q

以实际发生抛锚的车辆的运行历史数据为例，假定对现有数据的分析，是在车辆运行过程中即时的监测分析，那么会在出现高风险时，给出相应的预警信息，进行仿真，仿真得到如图2和图3所示的风险细节图，从图2可知，风险细节一：2020-07-16 16:52:04，该车用车强度较此之前稍大(SOC<45)，观察SOC在此时刻的局部细节，33号电芯电压出现明显下掉，压差迅速增大，SOC出现轻微跳水。从图3可知，风险细节二：2020-09-10 16:15:05，该车用车强度较此之前明显增大(SOC<40)，观察SOC在此时刻的局部细节可知，33号电芯出现明显下掉，压差迅速增大，SOC在极短时间内迅速下掉至0。从仿真结果可知，该车风险累计模型可以在车辆抛锚事故前提前两个月进行预警识别到风险。

由于受限于电池机理研究进展以及电池检测实际操作的可行性较低等因素，对于动力电池的故障诊断工作一直存在受限于客观因素导致的不足，且对于几种典型的故障模式，如自放电异常、容量异常衰减、连接异常、采样异常等，在车辆运行过程中的异常检测与故障判定也准确率与可行性也不尽人意，在车辆出现一些故障或异常时无法准确找到对应的风险原因。本实施例在有效屏蔽数据异常的基础上，通过构造能量一致性风险特征，结合车辆运行历史数据完成能量安全要素的提取，完成车辆运行过程中的能量一致性特征提取与量化识别，以电芯在同一时间段内充电或放电过程中所产生的存储能量或释放能量存在的差异性，而这种差异性越大，电芯一致性越差，将导致电池系统中电芯出力或储能不均衡，从而导致车辆安全风险，进而结合风险累计模型完成车辆安全状态的判定并输出高风险点图像细节信息，结合风险累计算法实现车辆风险特征的识别，并提取高风险点的图像信息，完成风险溯源分析。将整体方法应用到实际运行车辆上报的运行数据分析中，通过对车辆上传的运行数据进行安全特征提取与量化，消除不同信号间存在的信息耦合、冗余与误差，基于方法中的各个模型设置以及模型中的对应参数设置，能够在车辆产生故障之前，提前且准确地预警到车辆存在的故障风险，提高车辆运行的安全性。

实施例二

动力电池能量一致性风险评估系统，包括接收模块和处理模块，接收模块获取车辆上传的运行历史数据，并发送至处理模块，接收模块可以使用现有电动汽车上的车载网络模块，以进行运行历史数据的传输，处理模块可以是进行运行历史数据分析处理的后台处理器，处理模块从接收模块接收运行历史数据进行存储；处理模块上存储有计算机可执行指令，计算机可执行指令被运行时按照如实施例一所述动力电池能量一致性风险评估方法的步骤，并基于运行历史数据评估车辆风险。

通过本实施例系统搭载实施例一的动力电池能量一致性风险评估方法，能够对运行中车辆实时上报的运行数据进行处理分析，通过对车辆上传的运行数据进行安全特征提取与量化，消除不同信号间存在的信息耦合、冗余与误差，再进行风险分析，以在车辆实时运行过程中进行故障风险的预警，提前预警到车辆故障风险，提高车辆运行安全性。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。