用于电池包的控制系统、方法及存储介质

技术领域

本申请涉及新能源电池技术领域，尤其涉及一种用于电池包的控制系统、方法及存储介质。

背景技术

在电网负荷的高峰时段，可以通过电池包对用户端进行放电，以降低电网侧负荷，缓解电网的用电压力；在用电的低谷时段，则可以对电池包进行充电。目前，就可以通过PCS变流器直接对相应的电池包进行充电，但是，采用这种方式对电池包进行充电时容易引发安全隐患，比如，某些电池包在充电过程中温度过高或充电功率过高的状态时若继续充电则会存在危险，因此不能继续对其进行充电，安全性不足。

发明内容

本申请提供了一种用于电池包的控制系统、方法及存储介质，可以利用探测器探测出目标电池包的工作参数数据，并将该工作参数数据发送到BMU模块进行分析，并在目标电池包中具有故障的情况下，可以通过EMU单元进行控制以停止对目标电池包进行充电，以避免电池包在充电过程中出现温度过高的状态仍继续充电，可以及时对出现故障的电池包进行断电，提高电池包的安全性。

第一方面，本申请提供了一种用于电池包的控制系统，包括：多个电池包、每个电池包对应的探测器及BMU模块，用于对每个电池包进行充放电的PCS变流器，以及用于控制PCS变流器和BMU模块的EMU单元，各个BMU模块通过CAN总线与EMU单元连接，PCS变流器通过功率线与各个电池包连接；

探测器，用于基于BMU模块下发的采集信息对各个电池包进行参数采集，确定出目标电池包的工作参数数据，并将工作参数数据上报给对应的BMU模块；工作参数数据包括充电参数数据和状态参数数据；

BMU模块，用于若在预定时间范围内接收到探测器上报的工作参数数据，对探测器上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包；若在预定时间范围内未接收到探测器上报的工作参数数据，则确定采集信息对应的目标采集时间，并确定目标采集时间的前两个采集时间对应的工作参数数据进行差值计算，得到目标采集时间的前两个采集时间之间的工作参数数据差值，以根据工作参数数据差值判断是否将目标电池包确定为故障电池包；

EMU单元，用于在目标电池包确定为故障电池包情况下通过CAN总线下发控制指令，控制指令用于控制PCS变流器停止对目标电池包进行充电。

在一些可能的实施方式中，在对探测器上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包时，BMU模块具体用于：

基于目标电池包对应的充电参数数据和状态参数数据，构建得到充电参数数据对应的第一数据分布图和状态参数数据对应的第二数据分布图；

将第一数据分布图和第二数据分布图进行数据对齐，得到目标数据分布图，并根据目标数据分布图进行关联值计算，确定出充电参数数据和状态参数数据之间的关联值集合，根据关联值集合拟合得到关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包。

在一些可能的实施方式中，在根据关联曲线判断是否将目标电池包确定为故障电池包时，BMU模块具体用于：

对拟合得到的关联曲线进行计算，确定出大于标准关联值的异常关联值，并确定出异常关联值在关联曲线上的异常分布点，以根据异常分布点的数量判断是否将目标电池包确定为故障电池包，标准关联值为历史时间内的无故障电池包对应的充电参数数据和状态参数数据计算得到。

在一些可能的实施方式中，状态参数数据还包括目标电池包对应的N个区域状态参数数据，区域状态参数数据用于表征目标电池包中每个不同区域所对应的状态参数数据，BMU模块具体还用于：

根据目标电池包的工作参数数据，确定出目标电池包对应的N个区域状态参数数据；其中，N个区域工作参数数据至少包括目标电池包的边缘区域所对应的状态参数数据，以及目标电池包的边缘区域所对应的状态参数数据；

并将目标电池包对应的N个区域工作参数数据进行两两计算，得到目标电池包的N个区域之间的区域状态差值；

基于区域状态差值与预设阈值进行比对，以判断是否将目标电池包确定为故障电池包。

在一些可能的实施方式中，EMU单元还用于：

获取除目标电池包之外的其他电池包对应的当前工作参数数据；根据各个其他电池包在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包是否确定为故障电池包，以及预测其他电池包停止充电的时间。

在一些可能的实施方式中，根据各个其他电池包在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包是否确定为故障电池包，以及确定其他电池包停止充电的时间，EMU单元具体用于：

获取多个历史时间内已发生故障的电池包的参考工作参数数据，将参考工作参数数据进行预处理得到训练数据集；

将训练数据集输入深度学习神经网络训练得到电池包发生故障的时间预测模型；

从历史工作参数数据中确定出与当前工作参数数据最近的K个连续的工作参数数据作为时序特征数据，连续的工作参数数据包含其他电池包对应的充电时间；

基于时序特征数据的数量将K个连续的工作参数数据转换为目标矩阵，以将目标矩阵输入到时间预测模型中预测其他电池包停止充电的时间。

在一些可能的实施方式中，EMU单元还用于：

在确定目标电池包确定为故障电池包的情况下，根据目标电池包对应的工作参数数据，采用时间预测模型预测目标电池包对相邻的电池包的扩散时间，并根据扩散时间确定出其他电池包对应的扩散趋势，以在其他电池包确定为故障电池包的数量超出预设值时进行预警。

在一些可能的实施方式中，根据目标电池包对应的工作参数数据，采用时间预测模型预测目标电池包对相邻的电池包的扩散时间，并根据扩散时间预测出其他电池包对应的扩散趋势，以在其他电池包确定为故障电池包的数量超出预设值时进行预警，EMU单元具体用于：

根据目标电池包对应的工作参数数据，将工作参数数据输入时间预测模型中进行预测，确定出目标电池包对相邻的电池包的扩散时间；

根据相邻的电池包的扩散时间，依次对相邻的其他电池包对应的扩散时间进行预测，并基于得到的每个电池包所对应的扩散时间进行拟合，确定出其他电池包对应的扩散趋势；

若其他电池包对应的扩散趋势在预设时间内确定为故障电池包的数量超出预设值时则进行预警。

第二方面，本申请提供了一种用于电池包的控制方法，应用于控制系统，控制系统包括多个电池包、每个电池包对应的探测器及BMU模块，用于对每个电池包进行充放电的PCS变流器，以及用于控制PCS变流器和BMU模块的EMU单元，各个BMU模块通过CAN总线与EMU单元连接，PCS变流器通过功率线与各个电池包连接；该方法包括：

探测器基于BMU模块下发的采集信息对各个电池包进行参数采集，确定出目标电池包的工作参数数据，并将工作参数数据上报给对应的BMU模块；工作参数数据包括充电参数数据和状态参数数据；

BMU模块在预定时间范围内接收到探测器上报的工作参数数据，对探测器上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包；若在预定时间范围内未接收到探测器上报的工作参数数据，则确定采集信息对应的目标采集时间，并确定目标采集时间的前两个采集时间对应的工作参数数据进行差值计算，得到目标采集时间的前两个采集时间之间的工作参数数据差值，以根据工作参数数据差值判断是否将目标电池包确定为故障电池包；

EMU单元在目标电池包确定为故障电池包情况下通过CAN总线下发控制指令，控制指令用于控制PCS变流器停止对目标电池包进行充电。

在一些可能的实施方式中，在对探测器上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包时，包括：

基于目标电池包对应的充电参数数据和状态参数数据，构建得到充电参数数据对应的第一数据分布图和状态参数数据对应的第二数据分布图；

将第一数据分布图和第二数据分布图进行数据对齐，得到目标数据分布图，并根据目标数据分布图进行关联值计算，确定出充电参数数据和状态参数数据之间的关联值集合，根据关联值集合拟合得到关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包。

在一些可能的实施方式中，在根据关联曲线判断是否将目标电池包确定为故障电池包时，包括：

对拟合得到的关联曲线进行计算，确定出大于标准关联值的异常关联值，并确定出异常关联值在关联曲线上的异常分布点，以根据异常分布点的数量判断是否将目标电池包确定为故障电池包，标准关联值为历史时间内的无故障电池包对应的充电参数数据和状态参数数据计算得到。

在一些可能的实施方式中，状态参数数据还包括目标电池包对应的N个区域状态参数数据，区域状态参数数据用于表征目标电池包中每个不同区域所对应的状态参数数据，包括：

根据目标电池包的工作参数数据，确定出目标电池包对应的N个区域状态参数数据；其中，N个区域工作参数数据至少包括目标电池包的边缘区域所对应的状态参数数据，以及目标电池包的边缘区域所对应的状态参数数据；

并将目标电池包对应的N个区域工作参数数据进行两两计算，得到目标电池包的N个区域之间的区域状态差值；

基于区域状态差值与预设阈值进行比对，以判断是否将目标电池包确定为故障电池包。

在一些可能的实施方式中，上述方法还包括：

获取除目标电池包之外的其他电池包对应的当前工作参数数据；根据各个其他电池包在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包是否确定为故障电池包，以及预测其他电池包停止充电的时间。

在一些可能的实施方式中，根据各个其他电池包在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包是否确定为故障电池包，以及确定其他电池包停止充电的时间，包括：

获取多个已发生故障的电池包的参考工作参数数据，将参考工作参数数据进行预处理得到训练数据集；

将训练数据集输入深度学习神经网络训练得到电池包发生故障的时间预测模型；

从历史工作参数数据中确定出与当前工作参数数据最近的K个连续的工作参数数据作为时序特征数据，连续的工作参数数据包含其他电池包对应的充电时间；

基于时序特征数据的数量将K个连续的工作参数数据转换为目标矩阵，以将目标矩阵输入到时间预测模型中预测其他电池包停止充电的时间。

在一些可能的实施方式中，上述方法还包括：

在确定目标电池包确定为故障电池包的情况下，根据目标电池包对应的工作参数数据，采用时间预测模型预测目标电池包对相邻的电池包的扩散时间，并根据扩散时间确定出其他电池包对应的扩散趋势，以在其他电池包确定为故障电池包的数量超出预设值时进行预警。

在一些可能的实施方式中，根据目标电池包对应的当前工作参数数据，采用时间预测模型预测目标电池包对相邻的电池包的扩散时间，并根据扩散时间预测出其他电池包对应的扩散趋势，以在其他电池包确定为故障电池包的数量超出预设值时进行预警，包括：

根据目标电池包对应的工作参数数据，将工作参数数据输入时间预测模型中进行预测，确定出目标电池包对相邻的电池包的扩散时间；

根据相邻的电池包的扩散时间，依次对相邻的其他电池包对应的扩散时间进行预测，并基于得到的每个电池包所对应的扩散时间进行拟合，确定出其他电池包对应的扩散趋势；

若其他电池包对应的扩散趋势在预设时间内确定为故障电池包的数量超出预设值时则进行预警。

需要说明的是，第二方面是上述第一方面对应的方法，具体的实现细节以及有益效果请参见上述第一方面。

第三方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有用于设备执行的计算机程序，计算机程序被执行时实现上述第二方面任意一个实施例中的方法。

第四方面，本申请提供了一种计算机程序产品，当计算机程序产品被设备运行，使得设备执行上述第二方面任意一个实施例中的方法。

附图说明

为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。

图1为本申请实施例中提出的用于电池包的控制系统的示意图；

图2为本申请实施例中提出的电池包的示例图；

图3为本申请实施例提供的用于电池包的控制方法的流程示意图。

具体实施方式

本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

在本说明书中使用的术语“部件”、“模块”、“系统”等用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。例如，部件可以是但不限于，在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。通过图示，在终端设备上运行的应用和终端设备都可以是部件。一个或多个部件可驻留在进程和/或执行线程中，部件可位于一个计算机上和/或分布在两个或更多个计算机之间。此外，这些部件可从在上面存储有各种数据结构的各种计算机可读介质执行。部件可例如根据具有一个或多个数据分组(例如来自与本地系统、分布式系统和/或网络间的另一部件交互的二个部件的数据，例如通过信号与其它系统交互的互联网)的信号通过本地和/或远程进程来通信。

为了便于理解本申请实施例，进一步分析并提出本申请所具体要解决的技术问题，下面对本申请的相关技术方案进行简要介绍。

请参见图1所示，图1为本实施例中提出的用于电池包的控制系统的示意图，在本实施例中的每个电池包100具有对应的探测器200，探测器200可以是复合型探测器200，可以对温度、烟雾及湿度等参数进行探测，BMU模块300可以读取探测器200采集的工作参数数据，并对该工作参数数据进行分析，以确定电池包100是否存在故障，并且BMU模块300可以按预设时间间隔进行读取到探测器200采集的数据，以作为动作依据。可以理解的是，若电池包100存在故障的情况下，则可以通过EMU单元500输出异常告警信息，以告知维修人员进行安全维护。

综合上述的缺陷和不足，本申请实施例所要解决的技术问题主要如下：如何避免电池在充电过程中出现温度过高的状态而继续充电所导致安全性不足的问题。

基于上述技术问题，本申请实施例中提供的用于电池包的控制系统，包括：多个电池包100、每个电池包100对应的探测器200及BMU模块300，用于对每个电池包100进行充放电的PCS变流器400，以及用于控制PCS变流器400和BMU模块300的EMU单元500，各个BMU模块300通过CAN总线与EMU单元500连接，PCS变流器400通过功率线与各个电池包100连接。

其中，BMU(Battery Monitor Unit)模块表示电池管理模块，PCS(PowerConversion System)变流器表示储能变流器，CAN(Controller Area Network)表示控制器局域网络总线，EMU(Energy Management Unit)单元表示储能管理单元，电池包100可以是容纳于储能集装箱内，并且多个电池包100可以由对应的EMU单元500进行控制，PCS变流器400的一端通过通讯线与EMU单元500相连，另一端通过功率线与各个电池包100相连，PCS变流器400可以接收EMU单元500的控制信号，进而对各个电池包100实现充放电；可以理解的是，探测器200通过对各个电池包100进行探测，则可以根据某个电池包100的工作参数数据实现对该电池包100的充放电管理，以提升该电池包100的安全性。

探测器200，用于基于BMU模块300下发的采集信息对各个电池包100进行参数采集，确定出目标电池包100的工作参数数据，并将工作参数数据上报给对应的BMU模块300；工作参数数据包括充电参数数据和状态参数数据；其中，充电参数数据可以包括充电功率等，状态参数数据可以包括温度数据、烟雾数据及湿度数据等，采集信息可以是按照一定的时间间隔进行下发，且采集信息可以包括指定的目标电池包100，探测器200则可以根据采集信息对各个电池包100进行采集，并且可以是在充电的情况下进行采集，或按预定的顺序依次对各个电池包100进行分别采集；并且，探测器200也可以接入电池包100的输入端以探测得到对应的充电参数数据；探测器200探测得到的状态参数数据可以是一种或多种，在探测得到的状态参数数据为多个不同的温度数据时，则表示该电池包100在充电过程中温度异常，即每个电池包100的温度数据可以按不同时间点逐渐增加；在探测得到的工作参数数据为湿度数据时，则表示该电池包100在充电过程中出现漏液的问题，则可以确定该电池包100的湿度数据可以按不同时间点逐渐增加或保持在某个恒定范围内；可以理解的是，在对电池包100进行探测时，探测得到的工作参数数据可以是其中一种或同时得到多种工作参数数据，由此可以根据得到的工作参数数据上报至BMU模块300进行分析。

BMU模块300，用于若在预定时间范围内接收到探测器200上报的工作参数数据，对探测器200上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包100确定为故障电池包100。

其中，充电参数数据与状态参数数据对应，例如不同的充电功率对应有不同的温度数据，故障电池包100可以包括处于过充状态的电池包100，也可以是温度失控的电池包100，或者是通电异常状态的电池包100等，在分析工作参数数据时，可以对充电参数数据或状态参数数据进行单独分析，也可以结合充电参数数据和状态参数数据进行综合分析；因此，通过确定出充电参数数据和状态参数数据之间的关联曲线，使得充电参数数据对目标电池包100的产生影响可以综合进行判断，例如，在不同的充电功率下，电池包100的温度状态也会产生变化，由此通过生成对应的关联曲线，以确定出目标电池包100是否为故障电池包100。

具体的，上述对探测器200上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包100确定为故障电池包100，BMU模块具体用于：基于目标电池包100对应的充电参数数据和状态参数数据，构建得到充电参数数据对应的第一数据分布图和状态参数数据对应的第二数据分布图；将第一数据分布图和第二数据分布图进行数据对齐，得到目标数据分布图，并根据目标数据分布图进行关联值计算，确定出充电参数数据和状态参数数据之间的关联值集合，根据关联值集合拟合得到关联曲线，以根据关联曲线判断是否将目标电池包100确定为故障电池包100。

其中，第一数据分布图表示充电参数数据的离散分布图，例如包括充电功率、充电时间、充电电压等参数，第二数据分布图表示状态参数数据的离散分布图，例如包括温度数据、烟雾数据等；可以理解的是，通过第一数据分布图和第二数据分布图确定出充电参数数据与状态参数数据之间的相关程度，以根据每个充电参数数据对应的状态参数数据进行关联值计算，进而确定出目标电池包100对应的关联值集合，例如，可以将同一时间采集得到的充电功率与对应的温度数据进行关联值计算，由此在确定出目标电池包100的关联值集合后，可以根据关联值集合拟合得到对应的关联曲线，以确定目标电池包100是否为故障电池包100。

进一步的，上述在根据关联曲线判断是否将目标电池包100确定为故障电池包100时，BMU模块具体用于：对拟合得到的关联曲线进行计算，确定出大于标准关联值的异常关联值，并确定出异常关联值在关联曲线上的异常分布点，以根据异常分布点的数量判断是否将目标电池包100确定为故障电池包100，标准关联值为历史时间内的无故障电池包100对应的充电参数数据和状态参数数据计算得到。

在本发明的具体实施例中，通过对关联曲线中各个关联值与标准关联值进行比对计算后，可以确定关联曲线中的偏差较大的点，例如较低充电功率对应的温度数据比较大，则关联值对应在关联曲线上的点则偏差较大，由此在确定出各个关联值在关联曲线上的分布时，则可以将大于标准关联值的对应在关联曲线上的点确定为异常分布点，由此可以计算出异常分布点的数量进行判断目标电池包100是否为故障电池包100，若异常分布点的数量大于等于预设数量，则可以确定目标电池包100为故障电池包100，若异常分布点的数量小于预设数量，则可以确定目标电池包100为无故障电池包100，可选地，也可以计算出异常分布点的密度判断目标电池包100是否为故障电池包100，以确保电池包100的检测更为准确，安全性更高。

其中，探测器200上报的状态参数数据可以表示为

在本申请的具体实施例中，前两个采集时间可以是连续的时间点，在计算前两个采集时间对应的状态参数数据差值时，可以确定出前两个采集时间对应的状态参数数据分别表示为

其中，n＝2，1≤y≤3，w

由上可知，在每个采集时间所采集得到的状态参数数据可以是不同的，例如连续的两个采集时间中，第一个采集时间采集的得到状态参数数据中包含温度数据，但不包含烟雾数据和湿度数据，而第二个采集时间采集的得到工作参数数据中包含温度数据、烟雾数据，因此通过计算两个连续采集时间之间的工作参数数据差值，并赋予对应的权重值进行计算，由此可以根据计算得到的状态参数数据差值与预设阈值进行比对，若该状态参数数据差值大于预设阈值，则可以确定目标电池包100为故障电池包100，若该状态参数数据差值小于等于预设阈值，则可以确定目标电池包100可以确定为无故障电池包，可以理解的是，该预设阈值可以是预先设定的；因此在预设时间范围内未得到对应的工作参数数据时，也可以根据前两个采集时间对应的状态参数数据进行判断，以确保电池包100出现异常时能够及时响应并告警，提高电池包100充电过程中的安全性。

作为一个可选的实施例中，在确定是否为故障电池包100时，可以针对电池包100是否存在热风险进行分析，因此可以对探测器200上报的状态参数数据进行分析，以根据状态参数数据判断对应的电池包100是否存在热失控风险，BMU模块300具体用于：基于获取到的电池包100的历史状态参数数据确定探测器200在每个上报时间点对应的上报误差，上报误差为探测器200在每个上报时间点采集的历史状态参数数据与实际状态参数数据表之间的误差值；基于每个上报时间点对应的上报误差确定出电池包100对应的误差平均值，根据误差平均值对当前采集的状态参数数据进行误差纠正，得到纠正后的状态参数数据；根据纠正后的状态参数数据判断对应的电池包100是否存在热失控风险。

在本申请的具体的实施例中，实际状态参数数据表可以是通过巡检等方式确定得到实际状态参数数据，也可以是结合环境因素实际检测得到的状态参数数据，例如探测器200探测得到的状态参数数据在不同环境下上报的状态参数数据会产生变化，在受天气影响对应的温度数据也会产生变化，因此通过对探测器200在每个时间点探测得到的状态参数数据可以结合环境状况确定出实际状态参数数据，从而得到实际状态参数数据表，例如该储能集装箱中可以上传对应的环境数据，通过结合对应的环境数据将每个时间点对应的状态参数数据进行计算以得到实际状态参数数据；可以理解的是，通过获取电池包100的历史状态参数数据与实际状态参数数据表进行计算，由此可以根据历史状态参数数据和实际状态参数数据表之间的差值确定出每个时间点对应的上报误差，例如，实际状态参数数据表可以表示为：

其中，t1时间点对应的状态参数数据为

其中，n表示历史状态参数数据对应的数量，m

进一步的，上述根据纠正后的状态参数数据判断对应的电池包100是否存在热失控风险，BMU模块300具体用于：基于电池包100对应的历史状态参数数据，获取预设时间段内的多个上报时间点对应的历史状态参数数据进行曲线拟合；采用滑动窗口对拟合得到的曲线进行计算，得到电池包100对应的历史状态参数数据中的异常数据分布，以根据异常数据分布确定出对应的筛选阈值；根据纠正后的状态参数数据与筛选阈值进行比对，确定电池包100是否存在热失控风险。

在本申请的具体实施例中，预设时间段中包含多个连续的上报时间点，并且每个时间点对应有不同的历史状态参数数据，预设时间段可以是预先设定的某个时间区间，也可以是随机选择的时间区间，曲线拟合表示选择曲线类型来拟合历史状态参数数据，通过对预设时间段内的历史状态参数数据进行曲线拟合，在得到对应的拟合曲线后，则可以在拟合曲线中确定出各个历史状态参数数据对应的数据分布；例如，温度数据对应的拟合曲线可以是呈逐步上升的，也可以是呈水平波动的；其中，采用滑动窗口对得到的拟合曲线进行计算时，可以采用步长为n行，窗口为m行的长度进行滑动，进而确定出每个窗口中的最大值，根据各个窗口中的最大值进行平均计算，则可以将得到的平均值作为筛选阈值，由此，在将当前时间内采集得到的状态参数数据进行纠正后，则可以将纠正后的状态参数数据与该筛选阈值进行比对，若纠正后的状态参数数据大于该筛选阈值，则可以确定电池包100存在热失控风险；若纠正后的状态参数数据小于等于该筛选阈值，则可以确定电池包100不存在热失控风险。

具体的，状态参数数据还包括目标电池包100对应的N个区域状态参数数据，区域状态参数数据用于表征目标电池包100中每个不同区域所对应的状态参数数据，BMU模块300具体还用于：根据目标电池包的工作参数数据，确定出目标电池包100对应的N个区域状态参数数据；其中，N个区域状态参数数据至少包括目标电池包100的边缘区域所对应的状态参数数据，以及目标电池包100的边缘区域所对应的状态参数数据；并将目标电池包100对应的N个区域状态参数数据进行两两计算，得到目标电池包100的N个区域之间的区域状态差值；基于区域状态差值与预设阈值进行比对，以判断是否将目标电池包100确定为故障电池包。

在本申请的具体实施例中，区域状态参数数据可以对应为电池包100的不同位置，例如，如图2所示的可以是电池包100的边缘区域、中心区域、底部区域或顶部区域等，区域状态参数数据可以由探测器200探测得到，例如电池包100每个位置的温度不同，则可以在每个位置探测出不同温度数据，预设阈值可以是预先设定的温度阈值、湿度阈值等；可以理解的是，电池包100的各个区域之间的温度差异较大或湿度差异较大时，则表示电池包100存在某个区域温度过高或温度不均衡的问题，亦或是电池包100的某个区域出现漏液的问题，通过确定出目标电池包100的N个区域状态参数数据，可以在计算出两两区域数据之间的差值后，通过将区域状态差值与预设阈值进行比对，若区域状态差值超过预设阈值时，则确定目标电池包100存在故障，由此可以对电池包100的局部区域进行及时预测，进而及时停止对电池包100进行充电以确保安全性。

EMU单元500，用于在目标电池包100确定为故障电池包的情况下通过CAN总线下发控制指令，控制指令用于控制PCS变流器400停止对目标电池包100进行充电。

在本申请的实施例中，在确定目标电池包100为故障电池包的情况下，由于目标电池包100处于充电过程，则需要对PCS变流器400进行控制，以使其停止对检测出目标电池包100进行充电，以确保该目标电池包100更安全；其中，隔离开关401可以用于接收EMU单元500输出的控制指令，进而使PCS变流器400可以断开隔离开关401以停止对目标电池包100进行充电，以避免电池包100在出现故障时持续充电，提高充电过程中的安全性。

在一些可能的实施方式中，EMU单元500还用于：获取储能集装箱中除目标电池包100之外的其他电池包100对应的当前工作参数数据；根据各个电池包100在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包100是否确定为故障电池包，以及预测其他电池包100停止充电的时间。

在本申请的具体实施例中，在对其他电池包100的当前工作参数数据进行分析时，也可以采用上述的方式对其他电池包100进行分析，从而按顺序确定出各个电池包100是否出现故障以及出现故障时控制其停止充电的时间；例如，储能集装箱中包含电池包1、电池包2、电池包3、电池包4，在检测出电池包1出现故障时，则可以依次对电池包2、电池包3及电池包4中对应在预设时间周期内的历史工作参数数据与工作参数数据进行分析，以确定电池包2、电池包3及电池包1004是否会发生故障，若会发生故障则可以停止对电池包、电池包3及电池包4进行充电；可以理解的是，在对其他电池包100的工作参数数据进行分析时，可以采用上述对目标电池包100进行分析的方式一样，在此不作一一赘述。

作为一个可选的实施例中，上述根据各个电池包100在预设时间周期内的历史工作参数数据与当前工作参数数据，确定其他电池簇中的各个电池包100是否会发生故障，以及预测电池包100发生故障的时间，EMU单元500具体用于：获取多个历史时间内已发生故障的电池包100的参考工作参数数据，将参考工作参数数据进行预处理得到训练数据集；将训练数据集输入深度学习神经网络训练得到电池包100发生故障的时间预测模型；从历史工作参数数据中确定出与当前工作参数数据最近的K个连续的工作参数数据作为时序特征数据，连续的工作参数数据包含电池包100对应的充电时间；基于时序特征数据的数量将K个连续的工作参数数据转换为目标矩阵，以将目标矩阵输入到时间预测模型中预测电池包100停止充电的时间。

在本申请的具体实施例中，参考工作参数数据中包括已发生故障的电池包100所对应的时间、温度数据、湿度数据及烟雾数据，基于已发生故障的电池包100的时间可以将对应的参考工作参数数据进行整合以得到对应的时序特征数据，因此通过参考工作参数数据输入神经网络进行训练后，则可以得到用于预测电池包100发生故障时间的时间预测模型；可以理解的是，根据其他电池包100对应的历史工作参数数据中确定出时序特征数据的数量时，可以将时序特征数据转换为目标矩阵[K，Q]，K为输入的时序特征的长度，Q为特征的维度，通过将目标矩阵输入上述训练好的时间预测模型中，则可以预测确定出其他电池包100发生故障时间，则其他电池包100发生故障的时间即为电池包100停止充电的时间，由此可以提前对其他电池包100进行预警，从而控制PCS变流器400停止充电以提高充电的安全性。

具体的，在确定目标电池包100为故障电池包100的情况下，例如发生自燃等问题时，则根据目标电池包100对应的工作参数数据，采用时间预测模型预测目标电池包100对相邻的电池包100的扩散时间，并根据扩散时间确定出其他电池包100对应的扩散趋势，以在其他电池包100发生故障的数量超出预设值时进行预警。

在本申请的具体实施例中，时间预测模型是通过多个已发生故障的电池包100对应的参考工作参数数据训练得到，因此，通过将目标电池包100对应的工作参数数据输入时间预测模型中进行预测后，可以确定出对相邻两侧的电池包100是否会发生扩散，例如预测出目标电池包100某个时间对应的温度数据过高时，则可以判定为对相邻的电池包100会出现故障扩散；在时间预测模型预测出在某个时间目标电池包100对相邻的电池包100会出现故障扩散时，可以将该时间确定为相邻的电池包100对应的扩散时间，由此将除目标电池包100之外的其他电池包100均进行预测，进而可以及时预测出各个电池包100会发生故障的时间并进行预警。

进一步的，上述根据目标电池包100对应的当前工作参数数据，采用时间预测模型预测目标电池包100对相邻的电池包100的扩散时间，并根据扩散时间预测出其他电池包100对应的扩散趋势，以在其他电池包100确定为故障电池包的数量超出预设值时进行预警，EMU单元500具体用于：根据目标电池包100对应的工作参数数据，将当前工作参数数据输入时间预测模型中进行预测，确定出目标电池包100对相邻的电池包100的扩散时间；根据相邻的电池包100的扩散时间，依次对相邻的其他电池包100对应的扩散时间进行预测，并基于得到的每个电池包100所对应的扩散时间进行拟合，确定出其他电池包100对应的扩散趋势；若其他电池包100对应的扩散趋势在预设时间内确定为故障电池包的数量超出预设值时则进行预警。

在本申请的具体实施例中，在预测出目标电池包100相邻的电池包100的扩散时间后，可以根据相邻的电池包100继续对下一个电池包100进行预测，由此重复对其他电池包100完成预测，则可以确定出每个其他电池包100对应的扩散时间，通过将各个电池包100对应的扩散时间进行曲线拟合，由此可以确定出各个电池包100对应的扩散趋势；可以理解的是，可以采用非线性最小二乘法进行拟合，进而可以以函数的形式对各个电池包100的扩散趋势进行表征；其中，通过确定出各个电池包100的扩散趋势，可以对预设时间内其他电池包100发生故障的数量进行判断，若在预设时间内其他电池包100发生故障的数量小于等于预设值，则可以控制PCS变流器400停止对目标电池包100进行充电，并保持对其他电池包100进行充电的状态；若在预设时间内其他电池包100发生故障的数量大于预设值，则可以控制PCS变流器400停止对目标电池包100和其他电池包100进行充电。

可以理解的是，本申请的具体实施例中可以利用探测器200探测出目标电池包100的工作参数数据，并将该工作参数数据发送到BMU模块300进行分析，并在目标电池包100中具有故障的情况下，可以通过EMU单元500进行控制以停止对目标电池包100进行充电，以避免电池包100在充电过程中出现故障的状态仍继续充电，可以及时对出现故障的电池包进行断电，提高电池包100的安全性。

基于上述系统实施例的描述，本申请实施例还提供一种用于电池包100的控制方法。请参见图3，图3为本申请实施例提供的一种用于电池包100的控制方法的流程示意图，该方法应用于控制系统，控制系统包括多个电池包100、每个电池包100对应的探测器200及BMU模块300，用于对每个电池包100进行充放电的PCS变流器400，以及用于控制PCS变流器400和BMU模块300的EMU单元500，各个BMU模块300通过CAN总线与EMU单元500连接，PCS变流器400通过功率线与各个电池包100连接；该方法包括步骤601-603：

601：探测器基于BMU模块下发的采集信息对各个电池包进行参数采集，确定出目标电池包的工作参数数据，并将工作参数数据上报给对应的BMU模块；工作参数数据包括充电参数数据和状态参数数据；

602：BMU模块在预定时间范围内接收到探测器上报的工作参数数据，对探测器上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包确定为故障电池包；若在预定时间范围内未接收到探测器上报的工作参数数据，则确定采集信息对应的目标采集时间，并确定目标采集时间的前两个采集时间对应的工作参数数据进行差值计算，得到目标采集时间的前两个采集时间之间的工作参数数据差值，以根据工作参数数据差值判断是否将目标电池包确定为故障电池包；

603：EMU单元在目标电池包确定为故障电池包情况下通过CAN总线下发控制指令，控制指令用于控制PCS变流器停止对目标电池包进行充电。

可以理解的是，本申请的具体实施例中可以利用探测器200探测出目标电池包100的工作参数数据，并将该工作参数数据发送到BMU模块300进行分析，并在目标电池包100中具有故障的情况下，可以通过EMU单元500进行控制以停止对目标电池包100进行充电，以避免电池包100在充电过程中出现故障的状态仍继续充电，可以及时对出现故障的电池包进行断电，提高电池包100的安全性。

在一些可能的实施方式中，在对探测器上报的工作参数数据进行分析，并根据充电参数数据和状态参数数据生成对应的关联曲线，以根据关联曲线判断是否将目标电池包100确定为故障电池包100时，包括：

基于目标电池包100对应的充电参数数据和状态参数数据，构建得到充电参数数据对应的第一数据分布图和状态参数数据对应的第二数据分布图；

将第一数据分布图和第二数据分布图进行数据对齐，得到目标数据分布图，并根据目标数据分布图进行关联值计算，确定出充电参数数据和状态参数数据之间的关联值集合，根据关联值集合拟合得到关联曲线，以根据关联曲线判断是否将目标电池包100确定为故障电池包100。

在一些可能的实施方式中，在根据关联曲线判断是否将目标电池包100确定为故障电池包100时，包括：

对拟合得到的关联曲线进行计算，确定出大于标准关联值的异常关联值，并确定出异常关联值在关联曲线上的异常分布点，以根据异常分布点的数量判断是否将目标电池包100确定为故障电池包100，标准关联值为历史时间内的无故障电池包100对应的充电参数数据和状态参数数据计算得到。

在一些可能的实施方式中，状态参数数据还包括目标电池包100对应的N个区域状态参数数据，区域状态参数数据用于表征目标电池包100中每个不同区域所对应的状态参数数据，包括：

根据目标电池包100的工作参数数据，确定出目标电池包100对应的N个区域状态参数数据；其中，N个区域工作参数数据至少包括目标电池包100的边缘区域所对应的状态参数数据，以及目标电池包100的边缘区域所对应的状态参数数据；

并将目标电池包100对应的N个区域工作参数数据进行两两计算，得到目标电池包100的N个区域之间的区域状态差值；

基于区域状态差值与预设阈值进行比对，以判断是否将目标电池包100确定为故障电池包100。

在一些可能的实施方式中，上述方法还包括：

获取除目标电池包100之外的其他电池包100对应的当前工作参数数据；根据各个其他电池包100在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包100是否确定为故障电池包100，以及预测其他电池包100停止充电的时间。

在一些可能的实施方式中，根据各个其他电池包100在预设时间周期内的历史工作参数数据与当前工作参数数据，判断其他电池包100是否确定为故障电池包100，以及确定其他电池包100停止充电的时间，包括：

获取多个已发生故障的电池包100的参考工作参数数据，将参考工作参数数据进行预处理得到训练数据集；

将训练数据集输入深度学习神经网络训练得到电池包100发生故障的时间预测模型；

从历史工作参数数据中确定出与当前工作参数数据最近的K个连续的工作参数数据作为时序特征数据，连续的工作参数数据包含其他电池包100对应的充电时间；

基于时序特征数据的数量将K个连续的工作参数数据转换为目标矩阵，以将目标矩阵输入到时间预测模型中预测其他电池包100停止充电的时间。

在一些可能的实施方式中，上述方法还包括：

在确定目标电池包100确定为故障电池包100的情况下，根据目标电池包100对应的工作参数数据，采用时间预测模型预测目标电池包100对相邻的电池包100的扩散时间，并根据扩散时间确定出其他电池包100对应的扩散趋势，以在其他电池包100确定为故障电池包100的数量超出预设值时进行预警。

在一些可能的实施方式中，根据目标电池包100对应的当前工作参数数据，采用时间预测模型预测目标电池包100对相邻的电池包100的扩散时间，并根据扩散时间预测出其他电池包100对应的扩散趋势，以在其他电池包100确定为故障电池包100的数量超出预设值时进行预警，包括：

根据目标电池包100对应的工作参数数据，将工作参数数据输入时间预测模型中进行预测，确定出目标电池包100对相邻的电池包100的扩散时间；

根据相邻的电池包100的扩散时间，依次对相邻的其他电池包100对应的扩散时间进行预测，并基于得到的每个电池包100所对应的扩散时间进行拟合，确定出其他电池包100对应的扩散趋势；

若其他电池包100对应的扩散趋势在预设时间内确定为故障电池包100的数量超出预设值时则进行预警。

本申请实施例还提供一种计算机可读存储介质(Memory)，计算机可读存储介质是各个装置设备中的记忆设备，用于存储用于设备执行的计算机程序，当其在装置设备上运行时，图3所示的方法流程得以实现。可以理解的是，此处的计算机可读存储介质既可以包括各个装置设备中的内置存储介质，当然也可以包括各个装置设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了各个装置设备的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一个或多个计算机程序。需要说明的是，此处的计算机可读存储介质可以是高速随机存取存储介质(Random AccessMemory，RAM)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选地，还可以是至少一个位于远离前述处理器的计算机可读存储介质。

本申请实施例还提供一种计算机程序产品，当计算机程序产品被设备运行时，图3所示的方法流程得以实现。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

应理解，本申请实施例中提及的处理器可以是中央处理器(central processingunit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请实施例中提及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储介质(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、EPROM、EEPROM或闪存。易失性存储器可以是RAM，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)。

需要说明的是，当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时，存储器(存储模块)集成在处理器中。

应注意，本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示例性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。在本申请的文字描述中，字符“/”，一般表示前后关联对象是一种“或”的关系。

本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。