[发明专利]电池异常检测方法、装置、电子设备及计算机存储介质在审
申请号: | 202211004660.8 | 申请日: | 2022-08-22 |
公开(公告)号: | CN115423003A | 公开(公告)日: | 2022-12-02 |
发明(设计)人: | 黄伟;鞠强;魏亮;朱诗严;项宝庆;张宁涛;潘博存 | 申请(专利权)人: | 青岛特来电新能源科技有限公司;青岛特来电大数据有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;H01M10/48 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 董艳芳 |
地址: | 266100 山东省青岛*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电池 异常 检测 方法 装置 电子设备 计算机 存储 介质 | ||
1.一种电池异常检测方法,其特征在于,包括:
获取待检测电池在本次充电过程中连续预设时长的目标充电数据,所述目标充电数据包括多个连续的时序报文,所述时序报文包括每单位时长内的与多个电池指标对应的指标特征数据;
基于对比预测编码算法,对所述目标充电数据进行编码预测对比,得到对比结果;
根据所述对比结果,确定所述待检测电池的异常检测结果。
2.根据权利要求1所述的电池异常检测方法,其特征在于,所述基于对比预测编码算法,对所述目标充电数据进行编码预测对比,得到对比结果的步骤,包括:
将所述目标充电数据输入预训练的对比预测编码CPC异常检测模型,得到所述CPC异常检测模型输出的对比误差值,并将所述对比误差值作为所述对比结果;
其中,所述CPC异常检测模型是基于对比预测编码算法训练得到的,所述对比误差值为所述目标充电数据中后一半时序报文的编码值与预测编码值之间的相似度的相反数,所述预测编码值是基于所述目标充电数据中前一半时序报文的编码值预测得到的。
3.根据权利要求2所述的电池异常检测方法,其特征在于,所述根据所述对比结果,确定所述待检测电池的异常检测结果的步骤,包括:
当所述对比误差值大于所述CPC异常检测模型对应的异常检测阈值时,确定所述待检测电池的异常检测结果为异常。
4.根据权利要求2所述的电池异常检测方法,其特征在于,在所述将所述目标充电数据输入预训练的对比预测编码CPC异常检测模型,得到所述CPC异常检测模型输出的对比误差值的步骤之前,所述电池异常检测方法还包括:
获取训练数据集和验证数据集;其中,所述训练数据集中的样本数据包括正样本数据和负样本数据,所述验证数据集中的样本数据均为正样本数据;所述正样本数据为第一正常电池在第一充电过程中连续所述预设时长的第一充电数据,所述负样本数据由第二正常电池在第二充电过程中连续半个所述预设时长的第二充电数据,和第三正常电池在不同于所述第二充电过程的第三充电过程中连续半个所述预设时长的第三充电数据构成;所述第一充电数据、所述第二充电数据和所述第三充电数据均包括多个连续的时序报文;
以所述训练数据集中的每个样本数据为输入,对初始CPC异常检测模型进行模型训练,得到所述CPC异常检测模型;
以所述验证数据集中的每个样本数据为输入,对所述CPC异常检测模型进行模型验证,得到所述验证数据集中每个样本数据对应的输出值;
根据各个所述输出值,确定所述CPC异常检测模型对应的异常检测阈值。
5.根据权利要求4所述的电池异常检测方法,其特征在于,所述根据各个所述输出值,确定所述CPC异常检测模型对应的异常检测阈值的步骤,包括:
采用箱线图法,确定各个所述输出值中的上四分位数和下四分位数;
根据如下公式,计算得到所述异常检测阈值:
T=Q3+i*(Q3-Q1)
其中,T表示所述异常检测阈值,Q3表示所述上四分位数,Q1表示所述下四分位数,i表示预设常数。
6.根据权利要求2所述的电池异常检测方法,其特征在于,所述CPC异常检测模型包括顺次连接的第一输入层、第一输入编码层、第一输入时序预测层和对比预测编码层,还包括顺次连接的第二输入层和第二输入编码层,所述第二输入编码层还与所述对比预测编码层连接;
所述目标充电数据中前一半时序报文和后一半时序报文分别输入所述第一输入层和所述第二输入层;所述第一输入编码层用于对所述第一输入层输出的前一半时序报文进行特征提取;所述第一输入时序预测层用于对所述第一输入编码层输出的编码值进行所述后一半时序报文的预测,得到所述预测编码值;所述第二输入编码层用于对所述第二输入层输出的后一半时序报文进行特征提取;所述对比预测编码层用于根据预设的损失函数,计算所述第一输入时序预测层输出的预测编码值和所述第二输入编码层输出的编码值之间的损失值,得到所述对比误差值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛特来电新能源科技有限公司;青岛特来电大数据有限公司,未经青岛特来电新能源科技有限公司;青岛特来电大数据有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211004660.8/1.html,转载请声明来源钻瓜专利网。