CN117007971B - 电池故障诊断方法、装置及系统 - Google Patents

Abstract

本发明涉及电池领域，提供一种电池故障诊断方法、装置及系统，其中方法包括：获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值；基于时间窗口内电池的各电芯对应的距离值，确定时间窗口内各电芯对应的z分数；基于连续N个时间窗口内电池的各电芯对应的z分数，确定电池中的潜在故障电芯和正常电芯；基于连续N个时间窗口内潜在故障电芯对应的z分数和正常电芯对应的z分数，确定潜在故障电芯的故障风险度量值；当故障风险度量值大于或者等于预设阈值时，将潜在故障电芯诊断为故障电芯。解决如何快速简单地尽早诊断出电池故障的问题，提高了电池故障诊断的效果。

Description

电池故障诊断方法、装置及系统

技术领域

本发明涉及电池技术领域，尤其涉及一种电池故障诊断方法、装置及系统。

背景技术

新能源重卡等车辆已得到迅速发展，能够减少燃料消耗和碳排放，而电池是车辆的重要组成部件，电芯作为电池的基本组成单元，若电芯出现故障，将影响电池的安全运行，及时准确的检测电芯的故障并定位故障电芯，可以提前进行干预，避免产生重大事故。目前，传统的电池故障诊断方法可以在电压超过安全阈值时诊断出电池故障，然而，当异常电压处于安全阈值时，该方法难以诊断出早期电池故障，还可以基于模型的方法诊断故障，需要针对不同的电池和故障进行大量测试和建模，导致实现困难。因此，如何快速简单地尽早诊断出电池故障是业界亟待解决的问题。

发明内容

本发明提供一种电池故障诊断方法、装置及系统，用以解决现有技术中如何快速简单地尽早诊断出电池故障的问题，提高了电池故障诊断的效果。

本发明提供一种电池故障诊断方法，包括：

获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

根据本发明提供的一种电池故障诊断方法，所述基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，包括：

针对连续N个所述时间窗口中每个所述时间窗口执行如下统计步骤：基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1；

基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯；

将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯。

根据本发明提供的一种电池故障诊断方法，所述基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯，包括：

将所述电池中离群次数最多的所述电芯确定为所述潜在故障电芯。

根据本发明提供的一种电池故障诊断方法，所述基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值，包括：

将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均，得到第一平均z分数；

将连续N个所述时间窗口内所述正常电芯对应的z分数求平均，得到第二平均z分数；

基于所述第一平均z分数和所述第二平均z分数的差值，得到所述潜在故障电芯的故障风险度量值。

根据本发明提供的一种电池故障诊断方法，所述基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数，包括：

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的平均值；

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的标准差；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值、所述标准差及所述平均值，确定所述时间窗口内各所述电芯对应的z分数。

根据本发明提供的一种电池故障诊断方法，所述获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值之前，还包括：

接收所述电池所在车辆实时采集的整车数据，所述整车数据包括所述电池的每个所述电芯对应的原始电压时间序列；

对所述电池的每个所述电芯对应的原始电压时间序列进行数据清洗，并利用滑动的所述时间窗口，将数据清洗后所述电池的每个所述电芯对应的原始电压时间序列进行划分，得到所述时间窗口内所述电池的每个所述电芯对应的电压时间序列；

所述数据清洗包括以下项中的至少一项：

当同一采集时刻所述电池的各所述电芯的电压中存在超出预设电压范围的所述电芯时，删除所述同一采集时刻所述电池的所有所述电芯的电压；

当连续M个采集时刻存在缺失所述电芯的电压的情况且M大于或者等于预设数量时，删除所述M个采集时刻所述电池的所有所述电芯的电压，M为正整数；当连续M个采集时刻存在缺失所述电芯的电压的情况且M小于所述预设数量时，补全缺失的所述电芯的电压。

根据本发明提供的一种电池故障诊断方法，还包括：

将所述故障电芯的编号以及所述故障电芯的故障风险度量值发送至预先绑定的智能设备。

根据本发明提供的一种电池故障诊断方法，还包括：

根据所述时间窗口对应的长度修改操作，修改所述时间窗口的长度。

本发明还提供一种电池故障诊断装置，包括：

距离获得模块，用于获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

z分数确定模块，用于基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

潜在故障确定模块，用于基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

风险度量模块，用于基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

故障诊断模块，用于当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

本发明还提供一种电池故障诊断系统，包括：

车辆和服务器；

所述车辆中包括电池，所述电池包括多个电芯；

所述服务器用于获得时间窗口内所述电池的每个所述电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯；基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述电池故障诊断方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述电池故障诊断方法。

本发明提供的电池故障诊断方法，通过获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，基于时间窗口内电池的各电芯对应的距离值，确定时间窗口内各电芯对应的z分数，进一步基于连续N个时间窗口内电池的各电芯对应的z分数，确定电池中的潜在故障电芯和正常电芯，并基于连续N个时间窗口内潜在故障电芯对应的z分数和正常电芯对应的z分数，确定潜在故障电芯的故障风险度量值。如此，即使当电芯的电压处在安全阈值时，也可以检测早期的电池内部短路故障并定位出故障电芯，不受各电芯的电压一致性差的影响，减少了误报和漏报，并且时间窗口的引入可以实现对局部数据的处理，提高了对故障的敏感度，增加了故障检测的准确率，本方案无需建立准确的模型，可以使用相对较少的计算成本和较快的计算速度定位故障电芯，鲁棒性高且适用范围广，可以满足在线检测的需求，提高了电池故障诊断效果。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的电池故障诊断方法的流程示意图；

图2是本发明提供的电池故障诊断装置的结构示意图；

图3是本发明提供的电池故障诊断系统的结构示意图；

图4是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

由于电池中的各电芯串联，相关技术中在车辆实际运行过程无法直接检测电池是否发生故障。而本发明提供了一种电池故障诊断方法，可以实时在线进行电池故障诊断，可以检测电池早期的异常变化，使用较少的计算成本和较快的计算速度定位故障电芯。下面对本发明的方案进行详细介绍。

本实施例提供一种电池故障诊断方法，可以由服务器或者其中的软件和/或硬件执行，如图1所示，该电池故障诊断方法至少包括如下步骤：

步骤110、获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压。

步骤120、基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数。

步骤130、基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数。

步骤140、基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值。

步骤150、当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

实际应用中，电池所在车辆可以是新能源车辆，例如新能源重卡。电池所在车辆可以实时采集整车数据并传输至服务器，例如，可以按照预设时间间隔t(例如10s)实时采集整车数据并传输至服务器。服务器可以在线对整车数据进行处理。具体的，所述获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值之前，还可以包括：

接收所述电池所在车辆实时采集的整车数据，所述整车数据包括所述电池的每个所述电芯对应的原始电压时间序列；

对所述电池的每个所述电芯对应的原始电压时间序列进行数据清洗，并利用滑动的所述时间窗口，将数据清洗后所述电池的每个所述电芯对应的原始电压时间序列进行划分，得到所述时间窗口内所述电池的每个所述电芯对应的电压时间序列；

所述数据清洗包括以下项中的至少一项：

第一项、当同一采集时刻所述电池的各所述电芯的电压中存在超出预设电压范围的所述电芯时，删除所述同一采集时刻所述电池的所有所述电芯的电压；

第二项、当连续M个采集时刻存在缺失所述电芯的电压的情况且M大于或者等于预设数量时，删除所述M个采集时刻所述电池的所有所述电芯的电压，M为正整数；当连续M个采集时刻存在缺失所述电芯的电压的情况且M小于所述预设数量时，补全缺失的所述电芯的电压。

其中，车辆实时采集的整车数据包括电池的电流、电压、电池荷电状态(Stage ofCharge，SOC)、温度，还包括电芯的电压等等。电池的电压是检测电池故障的可用特征，当电池发生短路故障时，会导致电池电压突然下降。当电池开路或者发生传感器故障时，会导致电压突然上升。此外，当某一电芯的电压离群时，该电芯的电压会远离正常电芯的电压，正常电芯的电压曲线相似性较高。基于此，本实施例对一定时间段内的整车数据进行预处理，然后从整车数据中提取电芯的电压作为电池故障诊断的特征以定位故障电芯，该故障电芯可以是发生电路故障的电芯。

在数据采集过程中难免会出现电芯的电压的缺失和异常等错误数据，为了避免错误数据对最终的诊断结果产生影响，需要进行数据清洗。本实施例提供了两项可采用的数据清洗方法，即上述第一项和第二项数据清洗方法。

在第一项数据清洗方法中，可以预先获得预设电压范围，如果电芯的电压超出了预设电压范围，则可能是传感器采集的问题，不是电池类故障，可以删除。举例来说，电池中包括电芯1、电芯2和电芯3，2023年5月10日10点20分10秒这一采集时刻采集的电池的各电芯的电压中，电芯1的电压超出预设电压范围，则将这一采集时刻采集的电芯1的电压、电芯2的电压和电芯3的电压都删除。

在第二项数据清洗方法中，如果连续M个采集时刻存在数据缺失且M大于或者等于预设数量，则可以将M个采集时刻各电芯的电压都删除，避免对故障诊断产生影响。以预设数量＝3举例来说，电池中包括电芯1、电芯2和电芯3，2023年5月10日10点20分10秒这一采集时刻电芯1的电压缺失，2023年5月10日10点20分20秒这一采集时刻电芯2的电压缺失，2023年5月10日10点20分30秒这一采集时刻电芯1的电压缺失，即连续3个采集时刻数据缺失，可以将这3个采集时刻的所有电芯的电压都删除。如果M小于预设数量，则可以将缺失的电芯的电压补全，示例性的，可以采用插值法补全缺失的电芯的电压，例如，利用与缺失电芯的电压的采集时刻相邻的采集时刻电芯的电压进行补全。

电芯的电压曲线是按时间顺序采集的时间序列，即电压时间序列，为了衡量电压时间序列之间的相似性，可以引入滑动的时间窗口来实时更新处理的电压时间序列，以保持所提出电池故障诊断方法对故障数据的敏感性。假设每个采集时刻采集的一条数据包括电池的各电芯的电压，长度为n，n表示电池的电芯的个数，采集时刻的数量为m，则有m条数据，时间窗口的长度包括w个采集时刻，则时间窗口内每个电芯的电压均包括w个。实施中，可以根据所述时间窗口对应的长度修改操作，修改所述时间窗口的长度，从而灵活满足用户的实际需求。以时间窗口的长度为步长滑动时间窗口，从第一个时间窗口开始，每次滑动w个采集时刻，如此类推，获得N个时间窗口，经过时间窗口划分的电芯的电压的集合W可以表示如下：

W＝[Vⁱ]1)

其中，V_i(i＝1,…,N)表示第i个时间窗口内各电芯的电压的集合，N＝m//w，“//”表示整除，一个时间窗口内各电芯的电压的集合V_i表示如下：

其中，代表第i个时间窗口中第k个电芯的电压，k＝1,…,n。

上述平均电压时间序列是利用时间窗口内各电池的电芯的电压得到的，可以对时间窗口内每个采集时刻各电池的电芯的电压求平均，得到时间窗口内每个采集时刻的平均电压，从而形成平均电压时间序列，因此，平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压。例如电池中包括电芯1、电芯2和电芯3，对2023年5月10日10点20分10秒这一采集时刻来说，可以将该采集时刻电芯1的电压、电芯2的电压和电芯3的电压求平均，得到该采集时刻的平均电压。

故障电芯的电压与正常电芯的电压不同，而正常电芯的电压时间序列的相似性较高，因此可以利用时间窗口内电池的每个电芯对应的电压时间序列的相似性识别故障电芯和正常电芯，实施中，可以通过时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值来衡量相似性，示例性的，该距离值可以是欧几里得距离，当然也可以是其它距离。欧几里得距离的计算速度快、复杂度低，利于提高电池故障诊断效率。欧几里得距离表达如下：

其中，表示第i个时间窗口的第k个电芯对应的电压时间序列与平均电压时间序列之间的距离值，代表第i个时间窗口内第j(j＝1,…,w)个采集时刻第k个电芯的电压，代表第i个时间窗口内第j个采集时刻各电芯的电压的平均值。

实施中，可以结合连续的N个时间窗口来进行电池故障诊断。z分数(z-score)，也称为标准分数，能够反应一个数据距离平均值的相对标准距离，z分数为0时，表示该数据与平均值相同，z分数是正值表示该数据高于平均值，z分数是负值表示该数据低于平均值。因此，通过z分数可以使用平均值和标准差快速简单地来检测各电芯的电压中的异常值。

示例性的，所述基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数，具体可以包括：

第一步、计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的平均值。

其中，表示第i个时间窗口内各电芯对应的所述距离值的平均值。表示第i个时间窗口内所述电池的各所述电芯对应的所述距离值的最大值。

本步骤中采用的是先将各电芯对应的距离值中的最大值去除，然后再求平均的方式，当然也可以采用其它的方式求平均。

第二步、计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的标准差。

具体的，按照如下公式计算标准差：

其中，表示第i个时间窗口内各电芯对应的所述距离值的标准差。本实施例中的距离值为欧几里得距离。

第三步、基于所述时间窗口内所述电池的各所述电芯对应的所述距离值、所述标准差及所述平均值，确定所述时间窗口内各所述电芯对应的z分数。

具体的，按照如下公式计算z分数：

其中，表示第i个时间窗口的第k个电芯对应的z分数。

通过上述步骤，可以将所述时间窗口内所述电池的各所述电芯对应的所述距离值，转换成所述时间窗口内各所述电芯对应的z分数，然后，基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯。潜在故障电芯是指可能存在故障的电芯。正常电芯则是不存在故障的电芯。为进一步的提高诊断准确性，还基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值。故障风险度量值用于表征潜在故障电芯存在故障的可能性大小。故障风险度量值越高，潜在故障电芯存在故障的可能性越大，基于此，当所述故障风险度量值大于或者等于预设阈值γ时，最终将所述潜在故障电芯诊断为故障电芯。

本实施例中，通过获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数，进一步基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，并基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值。如此，即使当电芯的电压处在安全阈值时，也可以检测早期的电池内部短路故障并定位出故障电芯，不受各电芯的电压一致性差的影响，减少了误报和漏报，并且时间窗口的引入可以实现对局部数据的处理，提高了对故障的敏感度，增加了故障检测的准确率，本方案无需建立准确的模型，可以使用相对较少的计算成本和较快的计算速度定位故障电芯，鲁棒性高且适用范围广，可以满足在线检测的需求，提高了电池故障诊断效果。

在示例性实施例中，所述基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，具体可以包括：

针对连续N个所述时间窗口中每个所述时间窗口执行如下统计步骤：基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1；

基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯；

将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯。

离群是指电池中某个电芯的z分数的绝对值大于z分数阈值且大于其它电芯的z分数。z分数阈值可以根据实际情况预先设置。离群次数即电芯离群的次数。

实施中，可以初始化电池中每个电芯的离群次数为0。针对连续N个时间窗口，可以在每个时间窗口中，基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1，若所述目标电芯的z分数的绝对值小于或者等于z分数阈值，确定所述目标电芯未离群并将统计的所述目标电芯的离群次数加0。

举例来说，电池中包括电芯1、电芯2和电芯3，在第1个时间窗口内电芯1离群，电芯1的离群次数加1，在第2个时间窗口内电芯1仍离群，电芯1的离群次数再加1，在第3个时间窗口内电芯2离群，电芯2的离群次数加1，那么，在连续3个时间窗口内统计的电芯1的离群次数是2，电芯2的离群次数是1，电芯3的离群次数是0。

电芯的离群次数越多，表明电芯存在故障的可能性越大，因此，本实施例中，可以基于统计的所述电池中每个所述电芯的离群次数，准确地确定所述电池中的潜在故障电芯，然后，将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯。

当然，如果没有潜在故障电芯，则电池中各电芯均为正常电芯。

示例性的，所述基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯，具体可以包括：将所述电池中离群次数最多的所述电芯确定为所述潜在故障电芯。电芯的离群次数最多的电芯，存在故障的可能性最大，因此，可以将电池中离群次数最多的所述电芯确定为所述潜在故障电芯，故障诊断更加准确。当然，也可以将离群次数最多、次多的电芯均确定为潜在故障电芯，等等。

在示例性实施例中，所述基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值，具体可以包括：

首先，将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均，得到第一平均z分数，以及，将连续N个所述时间窗口内所述正常电芯对应的z分数求平均，得到第二平均z分数。

然后，基于所述第一平均z分数和所述第二平均z分数的差值，得到所述潜在故障电芯的故障风险度量值。示例性的，将所述第一平均z分数和所述第二平均z分数的差值作为所述潜在故障电芯的故障风险度量值。

具体的，潜在故障电芯的故障风险度量值的计算公式如下：

其中，表示第一平均z分数，计算公式如下：

其中，表示第i个时间窗口内故障电芯的z分数，下标failt表示故障电芯的编号。表示第二平均z分数，计算公式如下：

其中，代表第i个时间窗口第l个正常电芯的z分数，p表示第i个时间窗口内正常电芯的个数。

本实施例中，通过将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均得到第一平均z分数，将连续N个所述时间窗口内所述正常电芯对应的z分数求平均得到第二平均z分数，基于第一平均z分数与第二平均z分数的差值衡量潜在故障电芯整体上偏离正常电芯的程度，从而实现对潜在故障电芯存在故障的可能性进行准确地度量，为用户提供直观地诊断结果，方便用户及时干预，减小电池安全风险。

在示例性实施例中，电池故障诊断方法还可以包括：将所述故障电芯的编号以及所述故障电芯的故障风险度量值发送至预先绑定的智能设备。

实际应用中，服务器可以预先绑定智能设备，当诊断出故障电芯时，可以记录故障电芯的编号，将故障电芯的编号以及故障风险度量值发送至智能设备，使智能设备侧的维护工程师等人员及时了解电池的故障情况或者到现场对电池故障进行处理。

下面对本发明提供的电池故障诊断装置进行描述，下文描述的电池故障诊断装置与上文描述的电池故障诊断方法可相互对应参照。

本实施例提供一种电池故障诊断装置，如图2所示，包括：

距离获得模块201，用于获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

z分数确定模块202，用于基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

潜在故障确定模块203，用于基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯；

风险度量模块204，用于基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

故障诊断模块205，用于当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

在示例性实施例中，潜在故障确定模块203，具体用于：

针对连续N个所述时间窗口中每个所述时间窗口执行如下统计步骤：基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1；

基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯；

将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯。

在示例性实施例中，潜在故障确定模块203，具体用于：

将所述电池中离群次数最多的所述电芯确定为所述潜在故障电芯。

在示例性实施例中，风险度量模块204，具体用于：

将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均，得到第一平均z分数；

将连续N个所述时间窗口内所述正常电芯对应的z分数求平均，得到第二平均z分数；

基于所述第一平均z分数和所述第二平均z分数的差值，得到所述潜在故障电芯的故障风险度量值。

z分数确定模块202，具体用于：

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的平均值；

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的标准差；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值、所述标准差及所述平均值，确定所述时间窗口内各所述电芯对应的z分数。

在示例性实施例中，还包括数据清洗模块，用于：

接收所述电池所在车辆实时采集的整车数据，所述整车数据包括所述电池的每个所述电芯对应的原始电压时间序列；

对所述电池的每个所述电芯对应的原始电压时间序列进行数据清洗，并利用滑动的所述时间窗口，将数据清洗后所述电池的每个所述电芯对应的原始电压时间序列进行划分，得到所述时间窗口内所述电池的每个所述电芯对应的电压时间序列；

所述数据清洗包括以下项中的至少一项：

当同一采集时刻所述电池的各所述电芯的电压中存在超出预设电压范围的所述电芯时，删除所述同一采集时刻所述电池的所有所述电芯的电压；

当连续M个采集时刻存在缺失所述电芯的电压的情况且M大于或者等于预设数量时，删除所述M个采集时刻所述电池的所有所述电芯的电压，M为正整数；当连续M个采集时刻存在缺失所述电芯的电压的情况且M小于所述预设数量时，补全缺失的所述电芯的电压。

在示例性实施例中，还包括：

发送模块，用于将所述故障电芯的编号以及所述故障电芯的故障风险度量值发送至预先绑定的智能设备。

在示例性实施例中，还包括：

修改模块，用于根据所述时间窗口对应的长度修改操作，修改所述时间窗口的长度。

下面对本发明提供的电池故障诊断系统进行描述，下文描述的电池故障诊断系统与上文描述的电池故障诊断方法可相互对应参照。

本实施例提供一种电池故障诊断系统，如图3所示，包括：

车辆310和服务器320；车辆310和服务器320通过通信网络建立连接；

所述车辆中包括电池311，所述电池包括多个电芯3111；

所述服务器320用于获得时间窗口内所述电池的每个所述电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯；基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

其中，服务器的具体实现方式可以参考以上电池故障诊断方法的实施例，此处不做赘述。

示例性的，电池故障诊断系统还可以包括智能设备，智能设备用于接收所述故障电芯的编号以及所述故障电芯的故障风险度量值。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行电池故障诊断方法，该方法包括：

获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的电池故障诊断方法，该方法包括：

获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的电池故障诊断方法，该方法包括：

获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种电池故障诊断方法，其特征在于，包括：

获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯；

所述基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，包括：

针对连续N个所述时间窗口中每个所述时间窗口执行如下统计步骤：基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1；

基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯；

将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯；

所述基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯，包括：

将所述电池中离群次数最多的所述电芯确定为所述潜在故障电芯；

所述基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值，包括：

将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均，得到第一平均z分数；

将连续N个所述时间窗口内所述正常电芯对应的z分数求平均，得到第二平均z分数；

基于所述第一平均z分数和所述第二平均z分数的差值，得到所述潜在故障电芯的故障风险度量值；

所述基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数，包括：

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的平均值；

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的标准差；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值、所述标准差及所述平均值，确定所述时间窗口内各所述电芯对应的z分数。

2.根据权利要求1所述的电池故障诊断方法，其特征在于，所述获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值之前，还包括：

接收所述电池所在车辆实时采集的整车数据，所述整车数据包括所述电池的每个所述电芯对应的原始电压时间序列；

对所述电池的每个所述电芯对应的原始电压时间序列进行数据清洗，并利用滑动的所述时间窗口，将数据清洗后所述电池的每个所述电芯对应的原始电压时间序列进行划分，得到所述时间窗口内所述电池的每个所述电芯对应的电压时间序列；

所述数据清洗包括以下项中的至少一项：

当同一采集时刻所述电池的各所述电芯的电压中存在超出预设电压范围的所述电芯时，删除所述同一采集时刻所述电池的所有所述电芯的电压；

当连续M个采集时刻存在缺失所述电芯的电压的情况且M大于或者等于预设数量时，删除所述M个采集时刻所述电池的所有所述电芯的电压，M为正整数；当连续M个采集时刻存在缺失所述电芯的电压的情况且M小于所述预设数量时，补全缺失的所述电芯的电压。

3.根据权利要求1所述的电池故障诊断方法，其特征在于，还包括：

将所述故障电芯的编号以及所述故障电芯的故障风险度量值发送至预先绑定的智能设备。

4.根据权利要求1所述的电池故障诊断方法，其特征在于，还包括：

根据所述时间窗口对应的长度修改操作，修改所述时间窗口的长度。

5.一种电池故障诊断装置，其特征在于，包括：

距离获得模块，用于获得时间窗口内电池的每个电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；

z分数确定模块，用于基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；

潜在故障确定模块，用于基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，N为正整数；

风险度量模块，用于基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；

故障诊断模块，用于当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯；

所述基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，包括：

针对连续N个所述时间窗口中每个所述时间窗口执行如下统计步骤：基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1；

基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯；

将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯；

所述基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯，包括：

将所述电池中离群次数最多的所述电芯确定为所述潜在故障电芯；

所述基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值，包括：

将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均，得到第一平均z分数；

将连续N个所述时间窗口内所述正常电芯对应的z分数求平均，得到第二平均z分数；

基于所述第一平均z分数和所述第二平均z分数的差值，得到所述潜在故障电芯的故障风险度量值；

所述基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数，包括：

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的平均值；

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的标准差；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值、所述标准差及所述平均值，确定所述时间窗口内各所述电芯对应的z分数。

6.一种电池故障诊断系统，其特征在于，包括：

车辆和服务器；

所述车辆中包括电池，所述电池包括多个电芯；

所述服务器用于获得时间窗口内所述电池的每个所述电芯对应的电压时间序列与平均电压时间序列之间的距离值，所述平均电压时间序列中一个采集时刻的平均电压是指所述时间窗口内所述电池的各所述电芯在一个采集时刻的平均电压；基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数；基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯；基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值；当所述故障风险度量值大于或者等于预设阈值时，将所述潜在故障电芯诊断为故障电芯；

所述基于连续N个所述时间窗口内所述电池的各所述电芯对应的z分数，确定所述电池中的潜在故障电芯和正常电芯，包括：

针对连续N个所述时间窗口中每个所述时间窗口执行如下统计步骤：基于所述时间窗口内所述电池的每个所述电芯对应的z分数，确定所述时间窗口内对应的z分数最大的目标电芯，若所述目标电芯的z分数的绝对值大于z分数阈值，确定所述目标电芯离群并将统计的所述目标电芯的离群次数加1；

基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯；

将所述电池中所述潜在故障电芯之外的所述电芯确定为正常电芯；

所述基于统计的所述电池中每个所述电芯的离群次数，确定所述电池中的潜在故障电芯，包括：

将所述电池中离群次数最多的所述电芯确定为所述潜在故障电芯；

所述基于连续N个所述时间窗口内所述潜在故障电芯对应的z分数和所述正常电芯对应的z分数，确定所述潜在故障电芯的故障风险度量值，包括：

将连续N个所述时间窗口内所述潜在故障电芯对应的z分数求平均，得到第一平均z分数；

将连续N个所述时间窗口内所述正常电芯对应的z分数求平均，得到第二平均z分数；

基于所述第一平均z分数和所述第二平均z分数的差值，得到所述潜在故障电芯的故障风险度量值；

所述基于所述时间窗口内所述电池的各所述电芯对应的所述距离值，确定所述时间窗口内各所述电芯对应的z分数，包括：

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的平均值；

计算所述时间窗口内所述电池的各所述电芯对应的所述距离值的标准差；

基于所述时间窗口内所述电池的各所述电芯对应的所述距离值、所述标准差及所述平均值，确定所述时间窗口内各所述电芯对应的z分数。