一种故障电池检测方法及装置与流程

本申请涉及电池，更具体地，涉及一种故障电池检测方法及装置。

背景技术：

1、随着新能源汽车行业的蓬勃发展，新能源汽车的数量也飞速增长，其中纯电动车逐渐受到消费者青睐，销量占比也越来越高。纯电动车的动力来源于电池，电池质量和状态是车企和用户都十分关注的问题，因此如何高效的监测电池状态和及时发现故障电池是企业一直想要解决的问题。

2、目前的故障电池检测方法主要可分为两大类：基于神经网络的方法和基于统计学的方法。基于统计学的方法是基于专家知识来寻找异常电池充电数据的特征，寻找这些特征之间的关系并进行建模。基于神经网络的方法是利用人工特征工程(即专家知识)提取正常和异常充电数据的特征，然后将多层感知器(multi-layer perceptron，mlp)、门控循环单元(gated recurrent unit，gru)、长短期记忆网络(long short-term memory，lstm)等神经网络模型作为分类器，将人工特征工程提取到的特征输入分类器进行训练，利用训练好的分类器鉴别故障电池。

3、现有技术存在如下不足之处：

4、1、现有的方法提取的都是原始充电数据中的时间点特征，利用时间点特征进行电池状态的检测，增加了模型对数据处理的复杂度，降低了模型的训练效率和推理效率。

5、2、上述两种故障电池检测方法均需要借助专家知识来提高检测准确度，但是通过专家知识选择的少数有效特征是有局限性的，可能会遗漏某些有用的特征或者选择了一些冗余的特征，降低了识别的效率。

6、3、上述两种故障电池检测方法均需要借助专家知识来提取特征，但是随着电动汽车种类、数量和使用频率增加，每当有新的充电数据产生时，需要借助专家知识重新寻找特征，基于统计学的方法甚至需要重新建立故障检测模型，因此，现有的故障电池检测方法需要耗费大量的时间和人力成本，特征更新缓慢。

技术实现思路

1、本申请提供一种故障电池检测方法及装置，利用多个类型的基于时间序列的特征向量作为分类器的输入数据，避免模型从零开始学习原始充电数据的各种特征，降低了模型的复杂度，提高了模型的训练效率和推理效率。

2、本申请提供了一种故障电池检测方法，包括：

3、从电池的第一原始充电数据中提取多个预设类型的第一时间序列特征，每个第一时间序列特征组成一个第一特征向量，其中第一时间序列特征显示对应类型的充电数据随时间的变化情况；

4、将所有第一特征向量输入分类器，获得与第一原始充电数据对应的电池类型；

5、若电池类型为异常电池，则电池为故障电池。

6、优选地，分类器输出的电池类型包括至少两种正常电池类型和一种异常电池类型，其中不同的正常电池类型对应不同的充电电压态势。

7、优选地，训练分类器，包括如下步骤：

8、从多个第二原始充电数据中提取所有类型的第二时间序列特征，并为第二时间序列特征标记充电数据类型，每个第二时间序列特征组成一个第二特征向量，将所有的第二特征向量作为训练集；

9、循环执行如下步骤，直至所有第二时间序列特征的梯度符合要求：

10、利用训练集和测试集对分类器进行训练，训练后的分类器符合分类精度要求；

11、筛除冗余的第二时间序列特征，获得多个第三时间序列特征；

12、用所有的第三时间序列特征更新训练集中的第二时间序列特征；

13、若所有第二时间序列特征的梯度均符合要求，则将所有第二时间序列特征的类型作为分类器的输入数据的类型。

14、优选地，充电数据包括至少两种正常充电数据和一种异常充电数据，其中不同类型的正常充电数据对应不同的充电电压态势。

15、优选地，训练分类器，还包括：

16、利用新的原始充电数据重新训练分类器，以更新分类器的输入数据的类型。

17、本申请还提供一种故障电池检测装置，包括特征提取模块和分类模块；

18、特征提取模块用于从电池的第一原始充电数据中提取多个预设类型的第一时间序列特征，每个第一时间序列特征组成一个第一特征向量，其中第一时间序列特征显示对应类型的充电数据随时间的变化情况；

19、分类模块用于将所有第一特征向量输入分类器，获得与第一原始充电数据对应的电池类型；其中，若电池类型为异常电池，则电池为故障电池。

20、优选地，分类器输出的电池类型包括至少两种正常电池类型和一种异常电池类型，其中不同的正常电池类型对应不同的充电电压态势。

21、优选地，故障电池检测装置还包括分类器训练模块，分类器训练模块包括训练集获得模块、训练模块、筛除模块、第一更新模块以及类型确定模块；

22、训练集获得模块用于从多个第二原始充电数据中提取所有类型的第二时间序列特征，并为第二时间序列特征标记充电数据类型，每个第二时间序列特征组成一个第二特征向量，将所有的第二特征向量作为训练集；

23、训练模块用于利用训练集和测试集对分类器进行训练，训练后的分类器符合分类精度要求；

24、筛除模块用于筛除冗余的第二时间序列特征，获得多个第三时间序列特征；

25、更新模块用于用所有的第三时间序列特征更新训练集中的第二时间序列特征；

26、类型确定模块用于在所有第二时间序列特征的梯度均符合要求时将所有第二时间序列特征的类型作为分类器的输入数据的类型。

27、优选地，充电数据包括至少两种正常充电数据和一种异常充电数据，其中不同类型的正常充电数据对应不同的充电电压态势。

28、优选地，分类器训练模块还包括第二更新模块，第二更新模块用于利用新的原始充电数据重新训练分类器，以更新分类器的输入数据的类型。

29、通过以下参照附图对本申请的示例性实施例的详细描述，本申请的其它特征及其优点将会变得清楚。

技术特征：

1.一种故障电池检测方法，其特征在于，包括：

2.根据权利要求1所述的故障电池检测方法，其特征在于，所述分类器输出的电池类型包括至少两种正常电池类型和一种异常电池类型，其中不同的正常电池类型对应不同的充电电压态势。

3.根据权利要求1所述的故障电池检测方法，其特征在于，训练所述分类器，包括如下步骤：

4.根据权利要求3所述的故障电池检测方法，其特征在于，所述充电数据包括至少两种正常充电数据和一种异常充电数据，其中不同类型的正常充电数据对应不同的充电电压态势。

5.根据权利要求3所述的故障电池检测方法，其特征在于，训练所述分类器，还包括：

6.一种故障电池检测装置，其特征在于，包括特征提取模块和分类模块；

7.根据权利要求6所述的故障电池检测装置，其特征在于，所述分类器输出的电池类型包括至少两种正常电池类型和一种异常电池类型，其中不同的正常电池类型对应不同的充电电压态势。

8.根据权利要求6所述的故障电池检测装置，其特征在于，还包括分类器训练模块，所述分类器训练模块包括训练集获得模块、训练模块、筛除模块、第一更新模块以及类型确定模块；

9.根据权利要求8所述的故障电池检测装置，其特征在于，所述充电数据包括至少两种正常充电数据和一种异常充电数据，其中不同类型的正常充电数据对应不同的充电电压态势。

10.根据权利要求8所述的故障电池检测装置，其特征在于，所述分类器训练模块还包括第二更新模块，所述第二更新模块用于利用新的原始充电数据重新训练分类器，以更新所述分类器的输入数据的类型。

技术总结
本申请公开了一种故障电池检测方法及装置，故障电池检测方法包括：从电池的第一原始充电数据中提取多个预设类型的第一时间序列特征，每个第一时间序列特征组成一个第一特征向量，其中第一时间序列特征显示对应类型的充电数据随时间的变化情况；将所有第一特征向量输入分类器，获得与第一原始充电数据对应的电池类型；若电池类型为异常电池，则电池为故障电池。本申请利用多个类型的基于时间序列的特征向量作为分类器的输入数据，避免模型从零开始学习原始充电数据的各种特征，降低了模型的复杂度，提高了模型的训练效率和推理效率。

技术研发人员：忻斌健,陈洋
受保护的技术使用者：上海前晨汽车科技有限公司
技术研发日：
技术公布日：2024/1/14