电池安全检测的方法、装置和电子设备与流程

技术特征：
1.一种电池安全检测的方法，其特征在于，包括：在对车辆的电池进行直流充电时，获取所述电池当前的第一预设时长的充电数据；采用电池安全检测模型对所述充电数据进行电池安全检测，得到所述电池的安全检测结果，其中，所述电池安全检测模型包括：特征提取模块和电池安全检测模块，且所述电池安全检测模型为先通过自监督的表示学习方法和第一充电数据样本对初始特征提取模块进行训练后，再将训练的中间特征提取模块和初始电池安全检测模块通过有监督的迁移学习方法和第二充电数据样本训练得到的，所述中间特征提取模块能够挖掘充电数据的充电规律特征。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取一次充电过程的第二预设时长的第一子充电数据样本和两次充电过程的所述第一预设时长的第二子充电数据样本，其中，所述第二预设时长为所述第一预设时长的2倍；采用所述第一子充电数据样本和所述第二子充电数据样本对初始特征提取模型进行训练，得到训练的特征提取模型，其中，所述初始特征提取模型包括：所述初始特征提取模块和初始对比预测模块，所述训练的特征提取模型包括：所述中间特征提取模块和训练后的对比预测模块。3.根据权利要求2所述的方法，其特征在于，训练所述特征提取模型时的损失函数为：其中，j表示某批次中的某个充电数据样本，l表示计算在充电数据样本上的损失值，n表示该批次中的充电数据样本总数，m表示该批次中的任一充电数据样本，m＝1，
……
，n，n表示某充电数据样本时间序列中的已知部分，从第1步开始，目前已经进行到第n步，k表示某充电数据样本时间序列中要预测的长度，k表示某充电数据样本时间序列中要预测的某一步，从第n 1开始，一直预测到第n k步，f表示相似度度量函数，z表示基于所述初始特征提取模块提取某充电数据样本某个时间步的8维特征，表示所述初始对比预测模块的门控循环单元预测的充电数据样本某个时间步的8维特征。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取事故电池和/或高危电池的所述第一预设时长的充电数据的正样本和正常电池的所述第一预设时长的充电数据的负样本；采用所述正样本和所述负样本对初始电池安全检测模型进行训练，得到所述电池安全检测模型，其中，所述初始电池安全检测模型包括：所述中间特征提取模块和所述初始电池安全检测模块。5.根据权利要求1所述的方法，其特征在于，所述充电数据包括：时间步、需求电压、需求电流、实际电压、实际电流、bms电压、bms电流、单体最高电压、最高温度、最低温度、充电量、最高温度单体编号、最低温度单体编号、最高电压单体编号、最高电压单体组号。6.根据权利要求1所述的方法，其特征在于，若当前充电过程的充电时长为m分钟，所述电池的安全检测结果为：
7.一种电池安全检测的装置，其特征在于，包括：获取单元，用于在对车辆的电池进行直流充电时，获取所述电池当前的第一预设时长的充电数据；电池安全检测单元，用于采用电池安全检测模型对所述充电数据进行电池安全检测，得到所述电池的安全检测结果，其中，所述电池安全检测模型包括：特征提取模块和电池安全检测模块，且所述电池安全检测模型为先通过自监督的表示学习方法和第一充电数据样本对初始特征提取模块进行训练后，再将训练的中间特征提取模块和初始电池安全检测模块通过有监督的迁移学习方法和第二充电数据样本训练得到的，所述中间特征提取模块能够挖掘充电数据的充电规律特征。8.根据权利要求7所述的装置，其特征在于，所述装置还用于：获取一次充电过程的第二预设时长的第一子充电数据样本和两次充电过程的所述第一预设时长的第二子充电数据样本，其中，所述第二预设时长为所述第一预设时长的2倍；采用所述第一子充电数据样本和所述第二子充电数据样本对初始特征提取模型进行训练，得到训练的特征提取模型，其中，所述初始特征提取模型包括：所述初始特征提取模块和初始对比预测模块，所述训练的特征提取模型包括：所述中间特征提取模块和训练后的对比预测模块。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6中任一项所述的方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述权利要求1至6中任一项所述的方法。

技术总结
本发明提供了一种电池安全检测的方法、装置和电子设备，本发明的电池安全检测模型是先通过自监督的表示学习方法和第一充电数据样本对初始特征提取模块进行训练后，再将训练的中间特征提取模块和初始电池安全检测模块通过有监督的迁移学习方法和第二充电数据样本训练得到的，该电池安全检测模型的特征提取模块能够挖掘充电数据的充电规律特征，进而通过挖掘到的充电规律特征再进行电池安全检测时，检测得到的电池的安全检测结果更加准确，即本发明的电池安全检测模型的鲁棒性好，因为其能挖掘得到充电数据的充电规律特征，该充电规律特征能够明显的区分电池是否存在异常，这样，最终确定的电池的安全检测结果的准确性好。最终确定的电池的安全检测结果的准确性好。最终确定的电池的安全检测结果的准确性好。


技术研发人员：项宝庆 黄伟 鞠强 魏亮 朱诗严 潘博存
受保护的技术使用者：青岛特来电大数据有限公司
技术研发日：2022.07.12
技术公布日：2022/11/15