[发明专利]用于检测电池异常的方法和装置

说明书

本申请涉及电池技术，特别涉及用于训练目标检测模型的方法和装置以及利用上述目标检测模型来检测电池异常的方法和装置。按照本申请一个方面的用于训练目标检测模型的方法包括下列步骤：由多个电池数据集生成相应的多个特征图作为训练样本，其中，每个所述电池数据集包含归属于同一个电池的多个电芯的状态参数的时间序列，所述多个特征图的每一个包含与多个电芯对应的多个区域，每个所述区域具有关联于所对应的电芯的时序性特征；将所述多个特征图划分为训练集和验证集，并且对划归所述训练集的特征图进行标注；利用所述多个特征图对所述目标检测模型进行训练。

技术领域

本申请涉及电池技术，特别涉及用于训练目标检测模型的方法和装置以及利用上述目标检测模型来检测电池异常的方法和装置。

背景技术

动力电池包由多个电芯组成，当电芯出现自放电过大或者电芯短路等异常情况时，将导致热失控的风险。因此车载动力电池的安全监控是迫切需要的。

目前已有的车载动力电池异常识别方法包括基于参数标定的专家经验规则方法和基于数据驱动的方法。前者需要大量的实验参数标定并结合人工经验，由于对某些监控参数的敏感性，容易产生大量误报，与此同时，该方法不具备应用泛化性。后一种方法从电池传感器采集的数据中提取特征并对异常电池进行二分类，该方法漏报率高并且只能从整体上判断电池是否异常，无法定位到电芯。

发明内容

本申请的目的包括提供用于训练目标检测模型的方法和装置，所训练的目标检测模型具有良好的泛化能力，能够将异常定位到电芯层面并且具有较高的预测准确率。

本申请的目的还包括提供用于检测电池异常的方法和装置，其能够将异常定位到电芯层面并且具有较高的预测准确率。

按照本申请一个方面，提供一种用于训练目标检测模型的方法，该目标检测模型被用于电池异常检测，所述方法包括下列步骤：

由多个电池数据集生成相应的多个特征图作为训练样本，其中，每个所述电池数据集包含归属于同一个电池的多个电芯的状态参数的时间序列，所述多个特征图的每一个包含与多个电芯对应的多个区域，每个所述区域具有关联于所对应的电芯的时序性特征；

将所述多个特征图划分为训练集和验证集，并且对划归所述训练集的特征图进行标注；

利用所述多个特征图对所述目标检测模型进行训练。

可选地，在上述方法中，所述状态参数为下列中的一个或多个：电压、电流和温度。

除了上述一个或多个特征以外，在上述方法中，所述多个特征图的每一个按照下列方式生成：

由各个电芯的状态参数的时间序列生成各自的序列特征；

利用同一编码器，由各自的序列特征生成各个电芯的编码特征作为所述时序性特征；

生成表示各个电芯在所述电池的横截面上的投影的投影图并且将所生成的各个电芯的编码特征关联于投影图中相应的区域以得到所述电池的特征图；

根据设定的规则调整各个电芯在所述特征图上的位置。

可选地，在上述方法中，在利用所述多个特征图训练样本对所述目标检测模型进行训练之前还包括下列步骤：

将所述多个特征图的尺度调整至设定值。

可选地，在上述方法中，所述序列特征为下列中的一个或多个：所述状态参数在设定长度的时间窗口内的平均值、标准差、最小值、最大值、中位数、差分最小值和差分最大值。

可选地，在上述方法中，所述编码器选自下列中的一种：循环神经网络、双向循环神经网络、长短时记忆网络、双向长短时记忆网络、门控循环单元神经网络。

可选地，在上述方法中，所述设定的规则包括优先级别依次降低的下列规则：