一种锂电池的充电安全监测预警方法及系统与流程

本发明涉及电池安全监测，更具体地说，本发明涉及一种锂电池的充电安全监测预警方法及系统。

背景技术：

1、随着锂电池广泛应用于电动汽车、便携式电子设备和储能系统，其充电安全问题变得尤为重要。锂电池在充电过程中，如果出现过充、电池内部短路或者外部环境恶劣等情况，都可能导致电池过热、起火，甚至爆炸。因此，建立有效的充电安全监测和预警系统，以实时监测电池状态并及时发出警报，显得至关重要。

2、为了提高锂电池充电安全预警的准确性，现有公开号cn116466237a的专利申请提出了一种锂电池的充电安全监测预警方法及系统，包括：通过获取多维度锂电池充电数据流，进行数据清洗、整合，获得多维度标准锂电池充电数据流，并进行故障参数识别，获得充电故障线索信息。基于充电故障线索信息，构建充电安全风险分析模型。利用传感器组对目标锂电池进行充电安全监测，获得充电运行实时数据流。将充电运行实时数据流输入至充电安全风险分析模型中进行分析，获得锂电池充电风险诊断信息。基于锂电池充电风险诊断信息对目标锂电池进行风险预警运维。

3、上述方法虽能满足大部分场景，但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术至少存在以下部分缺陷：

4、只有风险预警，没有实现对支持自动调节恢复的故障进行自动修复，导致预警之后仍需要大量的人工干预；

5、鉴于此，本发明提出一种锂电池的充电安全监测预警方法及系统以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种锂电池的充电安全监测预警方法，包括：

2、采集单位时间内锂电池的监测充电数据；

3、对每个单位时间采集的监测充电数据进行分析处理，得到监测处理数据，并将监测处理数据添加至监测斜率集合；

4、采集锂电池的充电测试数据；

5、对充电测试数据进行处理，得到充电测试数据集；

6、在单位时间内采集一次监测气体浓度，并将监测气体浓度添加至气体浓度集合；

7、对气体浓度集合进行分析处理，得到方程导数集合；

8、将充电诊断数据输入至预先训练的充电诊断模型中，得到充电诊断数值；所述充电诊断数据包括监测斜率集合和方程导数集合；

9、将充电诊断数值划分为自动调节类别和非自动调节类别，并对自动调节类别的故障进行自动修复。

10、进一步地，所述监测充电数据包括监测充电电压、监测充电电流、监测电池温度和监测充电内阻；

11、得到所述监测处理数据，并将监测处理数据添加至监测斜率集合的方法包括：

12、对监测充电数据分别计算斜率，得到监测电压斜率、监测电流斜率、监测温度斜率和监测内阻斜率；

13、所述监测电压斜率的计算方法为：

14、

15、vk为监测电压斜率，v1为单位时间开始时的电压，v2为单位时间结束时的电压，unittime为单位时间；

16、同所述监测电压斜率的计算方法计算监测电流斜率、监测温度斜率和监测内阻斜率；将监测电压斜率添加至监测电压斜率集；将监测电流斜率添加至监测电流斜率集；将监测温度斜率添加至监测温度斜率集；将监测内阻斜率添加至监测内阻斜率集；

17、将监测电压斜率集、监测电流斜率集、监测温度斜率集和监测内阻斜率集添加至监测斜率集合。

18、进一步地，所述充电测试数据包括充电测试电压、充电测试电流、测试电池温度和充电测试内阻；所述充电测试数据集包括测试电压斜率集、测试电流斜率集、测试温度斜率集和测试内阻斜率集；

19、所述测试电压斜率集的获取方法为：

20、将充电测试电压按照第一单位时间划分成u个测试电压部分，u为大于1的正数，对每个测试电压部分同监测电压斜率的计算方法，计算出测试电压斜率，并将测试电压斜率添加至测试电压斜率集；所述第一单位时间与单位时间相同；

21、同所述测试电压斜率集的获取方法得到测试电流斜率集、测试温度斜率集和测试内阻斜率集；将测试电压斜率集、测试电流斜率集、测试温度斜率集和测试内阻斜率集添加至充电测试数据集。

22、进一步地，所述监测气体浓度包括氧气浓度、二氧化碳浓度、一氧化碳浓度、氢气浓度和挥发性化合物浓度；

23、将氧气浓度添加至第一浓度集合，将二氧化碳浓度添加至第二浓度集合，将一氧化碳浓度添加至第三浓度集合，将氢气浓度添加至第四浓度集合，将挥发性化合物浓度添加至第五浓度集合；所述气体浓度集合包括第一浓度集合、第二浓度集合、第三浓度集合、第四浓度集合和第五浓度集合；

24、对气体浓度集合中的元素分别进行线性回归拟合，得到第一浓度方程、第二浓度方程、第三浓度方程、第四浓度方程和第五浓度方程；

25、所述第一浓度方程的获取方法包括：

26、通过线性回归拟合得到第一浓度方程为f(o)＝β×t+y；

27、β为第一浓度方程的回归系数，t为时间，y为第一浓度方程的截距，所述β和y通过最小二乘法计算得到；

28、同所述第一浓度方程的获取方法得到第二浓度方程f(co2)、第三浓度方程f(co)、第四浓度方程f(h)和第五浓度方程f(voc)。

29、进一步地，所述方程导数集合的获取方法包括：

30、对f(o)求导得到第一方程导数f′(o)，对f(co2)求导得到第二方程导数f′(co2)，对f(co)求导得到第三方程导数f′(co)，对f(h)求导得到第四方程导数f′(h)，对f(voc)求导得到第五方程导数f′(voc)；

31、将第一浓度集合中氧气浓度分别代入f′(o)构成第一方程导数集；将第二浓度集合中二氧化碳浓度分别代入f′(c02)构成第二方程导数集；将第三浓度集合中一氧化碳浓度分别代入f′(co)构成第三方程导数集；将第四浓度集合中氢气浓度分别代入f′(h)构成第四方程导数集；将第五浓度集合中挥发性化合物浓度分别代入f′(voc)构成第五方程导数集；

32、将第一方程导数集、第二方程导数集、第三方程导数集、第四方程导数集和第五方程导数集添加至方程导数集合。

33、进一步地，所述充电诊断模型的训练方法包括：

34、预先收集充电诊断数据集，所述充电诊断数据集包括充电诊断数据以及充电诊断数据对应的充电诊断数值，将所述充电诊断数据集划分为训练集与测试集，构建分类器，将训练集中的充电诊断数据作为充电诊断模型的输入，将训练集中的充电诊断数值作为充电诊断模型的输出，以最小化所有预测的充电诊断数值的预测准确度之和作为训练目标；直至预测准确度之和达到收敛时停止训练；所述充电诊断模型为梯度提升树模型；

35、预测准确度的计算公式为：lm＝(ym-sm)2，lm为预测准确度，ym为第m组充电诊断数据对应的预测的充电诊断数值，sm为第m组充电诊断数据对应的实际的充电诊断数值。

36、进一步地，将所述充电诊断数值划分为自动调节类别和非自动调节类别，并对自动调节类别的故障进行自动修复的方法包括：

37、s111：获取当前的充电诊断数值；

38、s112：判断当前的充电诊断数值是否为0；若当前的充电诊断数值为0，则结束当前流程；反之执行s113；

39、s113：将充电诊断数值划分为自动调节类别和非自动调节类别；

40、所述将充电诊断数值划分为自动调节类别和非自动调节类别的方法包括：

41、预先对充电诊断数值进行分类，将支持自动调节的充电诊断数值添加至自动调节类别，将除0之外的充电诊断数值添加至非自动调节类别；例如，将3和4添加至自动调节类别；

42、s114：若当前的充电诊断数值属于自动调节类别，则执行s145；若当前的充电诊断数值属于非自动调节类别，则执行s146；

43、s115：对当前故障进行自动处理；

44、s116：立即切断充电电源，进行报警。

45、进一步地，对所述当前故障进行自动处理的方法包括：

46、s1151：统计当前监测电压斜率集中监测电压斜率的个数，记为vn；统计当前监测电流斜率集中监测电流斜率的个数，记为i n；

47、s1152：从测试电压斜率集中获取第vn个测试电压斜率；从测试电流斜率集中获取第in个测试电压斜率；

48、s1153：获取第vn个监测电压斜率对应的vstart；所述vstart为第vn个监测电压斜率对应的单位时间开始时的电压；获取第i n个监测电流斜率对应的istart；所述istart为第in个监测电流斜率对应的单位时间开始时的电流；

49、s1154：计算修正后的电压值和修正后的电流值；

50、所述修正后的电压值计算方法包括：

51、vnew＝vknormal×unittime+vstart；

52、unittime为单位时间，vknormal为测试电压斜率，vnew为修正后的电压值；

53、所述修正后的电流值计算方法包括：

54、inew＝iknormal×unittime+istart；

55、unittime为单位时间，iknormal为测试电流斜率，inew为修正后的电流值；

56、s1155：使用电压调节器，将充电电压调整为vnew；使用电流调节器，将充电电流调整为inew。

57、进一步地，还包括：

58、在充电器接入电源后，开始向锂电池输送电流之前，采集锂电池电压，标记为第一检测电压；并根据第一检测电压制定下一阶段的充电模式；

59、根据所述第一检测电压制定下一阶段的充电模式的方法包括：

60、s101：预设低电压阈值yz1；

61、s102：将第一检测电压与yz1进行比较；若第一检测电压小于或等于yz1，执行s103；若第一检测电压大于yz1，将充电模式转换到cc-cv充电模式，并结束当前判断流程；

62、s103：预设涓流充电阈值：预设涓流时间阈值time1，涓流检测间隔time2；

63、s104：计算最大检测次数num；num为涓流时间阈值与涓流检测间隔的比值；

64、s105：将充电模式转换到涓流充电模式；所述涓流充电模式为充电器使用低于预设涓流充电阈值的电流对锂电池充电；设置计时时间，初始值为0，所述计时时间在开始涓流充电时开始计时；预设i，i的初始值为1，i∈{1，2，…，num}；

65、s106：当计时时间达到time2时，将当前锂电池电压与yz1进行第i次比较；若当前锂电池电压小于或等于yz1，则执行s107；若当前锂电池电压大于yz1，则当前锂电池电压在正常范围，将充电模式转换到cc-cv充电模式，并结束当前判断流程；

66、s107：令i＝i+1，将计时时间置为0；若i小于或等于num，则执行s106；若i大于num，停止充电并报警。

67、一种锂电池的充电安全监测预警系统，实施所述一种锂电池的充电安全监测预警方法，包括：

68、第一采集模块，用于采集单位时间内锂电池的监测充电数据；

69、第一处理模块，用于对每个单位时间采集的监测充电数据进行分析处理，得到监测处理数据，并将监测处理数据添加至监测斜率集合；

70、第二采集模块，用于采集锂电池的充电测试数据；

71、第二处理模块，用于对充电测试数据进行处理，得到充电测试数据集；

72、第三采集模块，用于在单位时间内采集一次监测气体浓度，并将监测气体浓度添加至气体浓度集合；

73、第三处理模块，用于对气体浓度集合进行分析处理，得到方程导数集合；

74、充电诊断模块，将充电诊断数据输入至预先训练的充电诊断模型中，得到充电诊断数值；所述充电诊断数据包括监测斜率集合和方程导数集合；

75、诊断处理模块，用于将充电诊断数值划分为自动调节类别和非自动调节类别，并对自动调节类别的故障进行自动修复。

76、本发明一种锂电池的充电安全监测预警方法及系统的技术效果和优点：

77、在正式充电前对电池电压进行检测，根据检测到的电压情况自动制定下一阶段的充电模式，避免对电压异常的电池直接充电，优化了充电过程，从而减少安全隐患；通过多个传感器采集充电电压、电流、温度、内阻以及气体浓度等多维度数据，结合充电诊断模型，得到充电诊断数值，提高了充电安全监测和预警的准确性；将充电诊断数值划分为自动调节类别和非自动调节类别，并对支持自动调节的故障结合充电测试数据进行自动修复；有效地减少了人为干预和潜在安全隐患，提高了锂电池充电过程的安全性和自动化程度。

技术特征：

1.一种锂电池的充电安全监测预警方法，其特征在于，包括：

2.根据权利要求1所述的一种锂电池的充电安全监测预警方法，其特征在于，所述监测充电数据包括监测充电电压、监测充电电流、监测电池温度和监测充电内阻；

3.根据权利要求2所述的一种锂电池的充电安全监测预警方法，其特征在于，所述充电测试数据包括充电测试电压、充电测试电流、测试电池温度和充电测试内阻；所述充电测试数据集包括测试电压斜率集、测试电流斜率集、测试温度斜率集和测试内阻斜率集；

4.根据权利要求3所述的一种锂电池的充电安全监测预警方法，其特征在于，所述监测气体浓度包括氧气浓度、二氧化碳浓度、一氧化碳浓度、氢气浓度和挥发性化合物浓度；

5.根据权利要求4所述的一种锂电池的充电安全监测预警方法，其特征在于，所述方程导数集合的获取方法包括：

6.根据权利要求5所述的一种锂电池的充电安全监测预警方法，其特征在于，所述充电诊断模型的训练方法包括：

7.根据权利要求6所述的一种锂电池的充电安全监测预警方法，其特征在于，将所述充电诊断数值划分为自动调节类别和非自动调节类别，并对自动调节类别的故障进行自动修复的方法包括：

8.根据权利要求7所述的一种锂电池的充电安全监测预警方法，其特征在于，对所述当前故障进行自动处理的方法包括：

9.根据权利要求8所述的一种锂电池的充电安全监测预警方法，其特征在于，还包括：

10.一种锂电池的充电安全监测预警系统，实施权利要求1-9任一项所述一种锂电池的充电安全监测预警方法，其特征在于，包括：

技术总结
本发明属于电池安全监测技术领域，本发明公开了一种锂电池的充电安全监测预警方法及系统；方法包括：采集单位时间内锂电池的监测充电数据；对每个单位时间采集的监测充电数据进行分析处理，得到监测处理数据，并将监测处理数据添加至监测斜率集合；采集锂电池的充电测试数据；对充电测试数据进行处理，得到充电测试数据集；在单位时间内采集一次监测气体浓度，并将监测气体浓度添加至气体浓度集合；对气体浓度集合进行分析处理，得到方程导数集合；通过多维度数据采集和处理以及对支持自动调节的故障进行自动修复，有效地减少了人为干预和潜在安全隐患，提高了锂电池充电过程的安全性和自动化程度。

技术研发人员：崔衍乐,郭立明,金航,胡镇东
受保护的技术使用者：江西省允福亨新能源有限责任公司
技术研发日：
技术公布日：2024/12/5