[發(fā)明專利]一種電池熱失控預警方法、系統(tǒng)及服務器

有效

• 申請?zhí)枺?/td>: 202010899563.4
• 申請日: 2020-08-31
• 公開（公告）號: CN112092675B
• 公開（公告）日: 2022-03-25
• 發(fā)明（設計）人: 程碩;盧佳林;劉成龍;安勝偉
• 申請（專利權(quán)）人: 長城汽車股份有限公司
• 主分類號: B60L58/10
• 分類號: B60L58/10;G06K9/62;G06Q10/06;H01M10/42;G01R31/367
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 譚鎮(zhèn)

本發(fā)明提供了電池熱失控預警方法、系統(tǒng)及服務器。本發(fā)明所提供的方法，綜合考慮了目標電池的特征變量，能夠更加貼近該目標電池的本身實際情況，進而使得到出的熱失控風險評分和熱失控風險等級更加客觀，可以準確地執(zhí)行對應的預警措施，解決了現(xiàn)有技術(shù)無法有效監(jiān)控電動汽車的電池熱失控風險的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及新能源汽車技術(shù)領(lǐng)域，特別涉及一種電池熱失控預警方法、系統(tǒng)及服務器。

背景技術(shù)

當前，隨著全球環(huán)保問題的日益嚴重，鋰離子電池已經(jīng)在電動汽車、電化學儲能等新能源領(lǐng)域得以廣泛應用。

但由于能量密度高及特有的電化學特性，鋰離子電池在安全性及穩(wěn)定性方面存在隱患，而電池熱失控則是動力電池起火主要原因。鋰電池電池一旦因為過充、過放、內(nèi)部短路等原因進入熱失控狀態(tài)，大量釋放的熱量會導致電池負極固態(tài)電解質(zhì)界面(SEI，solidelectrolyte interphase)膜分解、正極活性物質(zhì)分解和電解液的氧化分解，產(chǎn)生大量的氣體，進而引起電池發(fā)生爆炸，危害人身及財產(chǎn)安全。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明旨在提出一種電池熱失控預警方法、系統(tǒng)及車輛，以解決現(xiàn)有技術(shù)無法有效監(jiān)控電動汽車的電池熱失控風險的問題。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種電池熱失控預警方法，其中，所述方法包括：

獲取目標電池的特征變量；

將所述目標電池的特征變量輸入至預先訓練好的熱失控分類模型，并獲取所述熱失控分類模型輸出的用于表征所述目標電池屬于熱失控類別的概率；所述熱失控分類模型基于樣本電池的訓練樣本數(shù)據(jù)預先訓練得到，可基于不同目標電池的不同特征變量，計算出各個目標電池屬于熱失控類別的概率；

根據(jù)所述概率，確定所述目標電池的熱失控風險評分；

根據(jù)所述熱失控風險評分，確定與所述熱失控風險評分對應的熱失控風險等級；

根據(jù)所述熱失控風險等級，執(zhí)行與所述熱失控風險等級對應的預警措施。

進一步地，所述的方法中，熱失控分類模型采用如下方法訓練得到：

獲取樣本電池的訓練樣本數(shù)據(jù)，所述訓練樣本數(shù)據(jù)包括特征變量以及標簽變量，所述標簽變量為電池熱失控類別；

將所述訓練樣本數(shù)據(jù)的特征變量和標簽變量輸入至預設的邏輯回歸模型，并采用預設的模型訓練方法對所述邏輯回歸模型進行訓練，得到所述熱失控分類模型。

進一步地，所述的方法中，在所述將所述訓練樣本數(shù)據(jù)的特征變量和標簽變量輸入至預設的邏輯回歸模型，并采用預設的模型訓練方法對所述邏輯回歸模型進行訓練，得到所述熱失控分類模型之后，以及獲取目標電池的特征變量之前，還包括：

獲取樣本電池的測試樣本數(shù)據(jù)；

根據(jù)所述測試樣本數(shù)據(jù)測試所述熱失控分類模型的準確率；

在所述準確率低于第一預設閾值的情況下，重新訓練所述邏輯回歸模型，以獲得準確率達到所述第一預設閾值的熱失控分類模型。

進一步地，所述的方法中，所述將所述訓練樣本數(shù)據(jù)的特征變量和標簽變量輸入至預設的邏輯回歸模型，并采用預設的模型訓練方法對所述邏輯回歸模型進行訓練，得到所述熱失控分類模型之前，還包括：

對所述訓練樣本數(shù)據(jù)進行清洗，以去除異常數(shù)據(jù)。

進一步地，所述的方法中，所述訓練樣本數(shù)據(jù)的特征變量的數(shù)量為多個，所述標簽變量由所述多個特征變量確定得到，具體包括：

將所述訓練樣本數(shù)據(jù)的各個所述特征變量分別按預設規(guī)則計算得到單項分數(shù)；