动力电池的特征提取方法、装置、电子设备及介质与流程

本发明涉及电池数据处理，尤其涉及一种动力电池的特征提取方法、装置、电子设备及介质。

背景技术：

1、随着环境污染和能源危机的出现，新能源汽车(如新能源重卡)已经成为未来的发展趋势，能够用于减少燃料消耗和碳排放。动力电池作为新能源重卡的核心组成部件，在很大程度上决定了新能源重卡的成本效益和综合性能。虽然电池技术在不断提升，但是，高效的电池管理方法也无法避免动力电池的老化和误操作，电池组仍有可能出现故障，例如荷电状态(state of charge，soc)低报警、soc跳变报警、车载储能装置类型欠压及动力电池一致性差等。

2、随着机器学习的发展，动力电池的特征提取方法在电池故障预警方面越来越受关注，而电池故障预警方法的性能经常受到输入特征选择的影响。动力电池具有多种特征，只有少数特征与动力电池的故障预警模型有关。此外，某些特征是不相关的，即冗余的，在故障预警模型的建模过程中不需要包括所有这些特征；某些特征是相关依赖的，它们之间的两个或多个特征传递重要信息。因此，动力电池的特征提取至关重要。现阶段的动力电池的特征提取方法只是对动力电池数据中的特征进行直接提取，这样一来，提取到的目标特征大多都是单一变量，具有维度高、数据冗余等特点，此外，上述动力电池的特征提取方法还存在信息丢失严重的现象，难以从海量原始特征中选择有效特征，很多有效信息可能被错误忽略，使得最终确定的目标特征不够准确。

技术实现思路

1、本发明提供一种动力电池的特征提取方法、装置、电子设备及介质，用以解决现有的动力电池的特征提取方法使得最终确定的动力电池的目标特征不够准确的缺陷，实现采用relieff算法，尽可能多地去除目标动力电池对应的多个电池特征中的冗余信息，同时降低数据维度，以提取准确性高且有用的目标特征，进而便于在后续能够有效提高故障预警模型的可解释性和准确性。

2、本发明提供一种动力电池的特征提取方法，包括：

3、确定动力电池的单体不一致性度特征、所述动力电池中多个电池包各自对应的压差特征、所述动力电池在波动性维度下的第一三维特征及在趋势性维度下的第二三维特征；

4、采用relieff算法，从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，确定所述动力电池的目标特征。

5、根据本发明提供的一种动力电池的特征提取方法，所述采用relieff算法，从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，确定所述动力电池的目标特征，包括：从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，随机选择一个待处理特征；从除所述待处理特征以外的其它特征中，确定与所述待处理特征的类型相同的第一特征，及与所述待处理特征的类型不同的第二特征；根据所述待处理特征、所述第一特征和所述第二特征，确定所述动力电池的目标特征。

6、根据本发明提供的一种动力电池的特征提取方法，所述根据所述待处理特征、所述第一特征和所述第二特征，确定所述动力电池的目标特征，包括：根据所述待处理特征、所述第一特征和所述第二特征，确定所述待处理特征对应的特征权重向量；根据所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征各自对应的特征权重向量，构建特征权重向量集合；将所述特征权重向量集合中，数值最大的预设数量的特征权重向量各自对应的特征，确定为所述动力电池的目标特征。

7、根据本发明提供的一种动力电池的特征提取方法，所述确定动力电池的单体不一致性度特征，包括：获取所述动力电池中多个电芯各自对应的电芯电压曲线；在采用滑动窗口对所有电芯电压曲线进行多次划分的过程中，针对各划分过程，确定所述滑动窗口对应的电芯电压集合和均值电压序列，其中，所述电芯电压集合包括所述多个电芯各自对应的电压时间序列，所述均值电压序列包括多个采集时刻各自对应的电芯电压均值；分别确定多个电芯电压时间序列中的各电芯电压时间序列与所述均值电压序列之间的余弦相似度；根据多个余弦相似度，确定所述滑动窗口的单体不一致性度特征；将多个单体不一致性度特征，确定为所述动力电池的单体不一致性度特征。

8、根据本发明提供的一种动力电池的特征提取方法，确定所述动力电池中多个电池包各自对应的压差特征，包括：针对所述多个电池包中的各电池包均执行以下操作：根据所述电池包的电压最大值和电压最小值，确定所述电池包的压差特征。

9、根据本发明提供的一种动力电池的特征提取方法，确定所述动力电池在波动性维度下的第一三维特征，包括：获取所述动力电池对应的电芯数据，所述电芯数据包括多数动力电池中多个电芯各自对应的电芯电压；将多个电芯电压对应的极差特征、平均值特征和标准差特征，确定为所述动力电池在波动性维度下的第一三维特征。

10、根据本发明提供的一种动力电池的特征提取方法，确定所述动力电池在趋势性维度下的第二三维特征，包括：获取所述动力电池对应的电芯数据，所述电芯数据包括多数动力电池中多个电芯各自对应的电芯电压；将多个电芯电压对应的质心特征、中值特征和波形熵特征，确定为所述动力电池在趋势性维度下的第二三维特征。

11、本发明还提供一种动力电池的特征提取装置，包括：

12、特征提取模块，用于确定动力电池的单体不一致性度特征、所述动力电池中多个电池包各自对应的压差特征、所述动力电池在波动性维度下的第一三维特征及在趋势性维度下的第二三维特征；

13、特征筛选模块，用于采用relieff算法，从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，确定所述动力电池的目标特征。

14、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动力电池的特征提取方法。

15、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动力电池的特征提取方法。

16、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述动力电池的特征提取方法。

17、本发明提供的动力电池的特征提取方法、装置、电子设备及介质，通过确定动力电池的单体不一致性度特征、所述动力电池中多个电池包各自对应的压差特征、所述动力电池在波动性维度下的第一三维特征及在趋势性维度下的第二三维特征；采用relieff算法，从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，确定所述动力电池的目标特征。该方法采用relieff算法，尽可能多地去除目标动力电池对应的多个电池特征中的冗余信息，同时降低数据维度，以提取准确性高且有用的目标特征，进而便于在后续能够有效提高故障预警模型的可解释性和准确性。

技术特征：

1.一种动力电池的特征提取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述采用relieff算法，从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，确定所述动力电池的目标特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述待处理特征、所述第一特征和所述第二特征，确定所述动力电池的目标特征，包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定动力电池的单体不一致性度特征，包括：

5.根据权利要求1-3任一项所述的方法，其特征在于，确定所述动力电池中多个电池包各自对应的压差特征，包括：

6.根据权利要求1-3任一项所述的方法，其特征在于，确定所述动力电池在波动性维度下的第一三维特征，包括：

7.根据权利要求1-3任一项所述的方法，其特征在于，确定所述动力电池在趋势性维度下的第二三维特征，包括：

8.一种动力电池的特征提取装置，其特征在于，包括：

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程序时实现如权利要求1至7任一项所述动力电池的特征提取方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述动力电池的特征提取方法。

技术总结本发明提供一种动力电池的特征提取方法、装置、电子设备及介质，该方法包括：确定动力电池的单体不一致性度特征、所述动力电池中多个电池包各自对应的压差特征、所述动力电池在波动性维度下的第一三维特征及在趋势性维度下的第二三维特征；采用ReliefF算法，从所述单体不一致性度特征、多个压差特征、所述第一三维特征及所述第二三维特征中，确定所述动力电池的目标特征。该方法采用ReliefF算法，尽可能多地去除动力电池对应的多个电池特征中的冗余信息，同时降低数据维度，以提取准确性高且有用的目标特征，进而便于在后续能够有效提高故障预警模型的可解释性和准确性。技术研发人员：徐悦,周浩,刘溧,黄伟受保护的技术使用者：湖南行必达网联科技有限公司技术研发日：技术公布日：2024/8/20