[发明专利]单体电池电压不一致故障预测方法、装置及服务器

权利要求书

1.一种单体电池电压不一致故障预测方法，其特征在于，包括：

获取待预测车辆在当前时刻的工况数据；

基于所述工况数据，确定所述待预测车辆在所述当前时刻的单体电池电压的压差值；

将所述压差值以及所述工况数据输入至预先训练的电压不一致故障预测模型，确定预测结果；其中，所述电压不一致故障预测模型是根据所述待预测车辆的历史工况数据以及与所述历史工况数据对应的压差值对预先建立的初始电压不一致故障预测模型训练得到的。

2.根据权利要求1所述的方法，其特征在于，还包括：

对所述初始电压不一致故障预测模型进行训练；

所述对所述初始电压不一致故障预测模型进行训练，包括：

获取云端数据平台中与所述待预测车辆相对应的历史工况数据以及与各历史工况数据相对应的标签数据；其中，所述标签数据用于表示预测时间段内发生单体电池电压不一致故障或预测时间段内不发生单体电池电压不一致故障所对应的标注数据；

对所述历史工况数据以及所述历史工况数据所对应的单体电池电压的压差值进行特征提取，确定特征数据；

基于所述特征数据与所述标签数据对所述初始电压不一致故障预测模型进行训练。

3.根据权利要求2所述的方法，其特征在于，还包括：

分别基于逻辑判断方法和机器学习方法训练对所述初始电压不一致故障预测模型进行训练；

若基于逻辑判断方法训练的模型的识别准确率大于或等于基于机器学习方法训练的模型，则将所述基于逻辑判断方法确定的模型作为所述预先训练的电压不一致故障预测模型；

若基于逻辑判断方法训练的模型的识别准确率小于基于机器学习方法训练的模型，则将所述基于机器学习方法确定的模型作为所述预先训练的电压不一致故障预测模型。

4.根据权利要求1所述的方法，其特征在于，所述基于所述工况数据，确定所述待预测车辆在所述当前时刻的单体电池电压的压差值，包括：

获取所述工况数据中在所述当前时刻下，所述待预测车辆的各单体电池电压中的极小值与极大值；

根据所述极大值与所述极小值确定单体电池电压的压差值。

5.根据权利要求1所述的方法，其特征在于，还包括：

基于传感器对待预测车辆的工况数据进行周期性采集，并将所述工况数据传输至云端数据平台。

6.根据权利要求1所述的方法，其特征在于，还包括：

根据数据采集规则采集工况数据，并将所述工况数据传输至数据湖中；

相应的，所述获取待预测车辆在当前时刻的工况数据，包括：

从所述数据湖中获取待预测车辆在当前时刻的工况数据。

7.根据权利要求6所述的方法，其特征在于，还包括：

将所述数据湖中的工况数据以及与工况数据对应的实际故障结果存储至数据仓库中。

8.根据权利要求1所述的方法，其特征在于，在所述确定预测结果之后，还包括：

将所述预测结果反馈至目标接收端，若所述预测结果为故障，则在所述目标接收端进行预警。

9.一种单体电池电压不一致故障预测装置，其特征在于，包括：

工况数据获取模块，用于获取待预测车辆在当前时刻的工况数据；

压差值获取模块，用于基于所述工况数据，获取所述待预测车辆在所述当前时刻的单体电池电压的压差值；

预测模块，用于将所述压差值以及所述工况数据输入至预先训练的电压不一致故障预测模型，确定预测结果；其中，所述电压不一致故障预测模型是根据所述待预测车辆的历史工况数据以及与所述历史工况数据对应的压差值对预先建立的初始电压不一致故障预测模型训练得到的。

10.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的单体电池电压不一致故障预测方法。