[发明专利]一种动力电池故障检测方法和装置

说明书

本发明公开了一种动力电池故障检测方法和装置，该方法包括：获取动力电池在预设时间间隔内的历史运行数据，基于预设标准化算法对所述历史运行数据进行标准化处理，得到标准化数据；基于预设聚类算法对所述标准化数据进行聚类分析，得到多个子类；基于典型关联分析算法对所述子类进行关联分析，得到与所述子类对应的Tsupgt;2/supgt;统计量和SPE统计量；根据所述Tsupgt;2/supgt;统计量和所述SPE统计量确定故障检测结果，从而实现更加准确的对动力电池进行故障检测。

技术领域

本申请涉及电池技术领域，更具体地，涉及一种动力电池故障检测方法和装置。

背景技术

在电动汽车中，动力电池是为电动汽车提供动力的电源。近年来，出现多起汽车动力电池起火的事故，使得对动力电池进行故障检测变得极为迫切。

动力电池内部通常由多个不完全一致的电池单体通过串并联的方式连接而成，在汽车实际使用过程中，相关电池单体可能会出现各种各样的故障，同时，动力电池是一个具有强非线性与时变性的系统，内部机理复杂，单元模块众多，单元内变量之间具有非常强的相关性，现有技术对动力电池进行故障检测时，一般对于特定类型的故障进行检测，且并没有考虑到故障之间的相关性，导致故障检测的准确度较低。

因此，如何更加准确的对动力电池进行故障检测，是目前有待解决的技术问题。

发明内容

本申请实施例提供一种动力电池故障检测方法和装置，用以更加准确的对动力电池进行故障检测。

第一方面，提供一种动力电池故障检测方法，所述方法包括：

获取动力电池在预设时间间隔内的历史运行数据，基于预设标准化算法对所述历史运行数据进行标准化处理，得到标准化数据；

基于预设聚类算法对所述标准化数据进行聚类分析，得到多个子类；

基于典型关联分析算法对所述子类进行关联分析，得到与所述子类对应的T²统计量和SPE统计量；

根据所述T²统计量和所述SPE统计量确定故障检测结果。

在一些实施例中，基于典型关联分析算法对所述子类进行关联分析，得到与所述子类对应的T²统计量和SPE统计量，具体为：

基于预设滞后阶次构造与所述子类对应的过去信息向量和未来信息向量；

根据所述过去信息向量构造过去汉克尔矩阵，并根据所述未来信息向量构造未来汉克尔矩阵；

基于奇异值分解算法对所述过去汉克尔矩阵和所述未来汉克尔矩阵处理，得到典型变量参数矩阵和残差参数矩阵；

根据所述典型变量参数矩阵得到所述T²统计量，并根据所述残差参数矩阵得到所述SPE统计量。

在一些实施例中，根据所述T²统计量和所述SPE统计量确定故障检测结果，具体为：

若所述T²统计量大于第一预设控制限，和/或所述SPE统计量大于第二预设控制限，确定所述动力电池存在故障；

若所述T²统计量不大于所述第一预设控制限，且所述SPE统计量不大于第二预设控制限，确定所述动力电池不存在故障。

在一些实施例中，在确定所述动力电池存在故障之后，所述方法还包括：

根据所述T²统计量生成第一贡献图，并根据所述SPE统计量生成第二贡献图；

根据所述第一贡献图中的第一最大贡献率和所述第二贡献图中的第二最大贡献率确定引起故障的原因变量。