一种基于奇异谱熵的动力电池热失控预警方法和系统

1.本发明涉及动力电池技术领域，具体涉及一种基于奇异谱熵的动力电池热失控预警方法和系统。


背景技术：

2.为缓解日益严重的环境问题以及不可再生能源的稀缺，汽车动力系统的电动化已经成为未来汽车的主要发展方向之一。动力电池作为电动汽车的能量储存装置也是唯一的动力来源，也在电动汽车的发展中占领核心地位。但是在动力电池的使用过程中，其安全性事故也时常发生，而动力电池的事故一般以热失控的形式出现，其主要表现为电芯温度突然升高从而引起起火、气体泄漏、爆炸等，极易造成人员伤亡以及财产的损失。
3.已有的用于预警热失控风险的方法，主要基于温度阈值或温度变化率阈值，在动力电池的温度或温度变化率超过设定的温度阈值或温度变化率阈值后发出报警电信号，进而执行热失控预警，但是当这两者越限的时候热失控基本不可避免，损失难以挽回，因此此类方案，存在很大的局限性。除此之外，传统信号特征提取方法还存在以下不足：(1)难以准确描述系统非线性特征及信号的非平稳信号特征，(2)难以解决信号特征的定量评价问题。因此，一种能够准确并能够定量评价信号热失控特征，并更加及时的进行预警的动力电池热失控预警方案亟待提出。


技术实现要素：

4.为解决目前现有的动力电池热失控预警不够及时、难以准确描述非线性系统以及难以解决信号特征的定量评价等问题，本发明提出了一种基于奇异谱熵的动力电池热失控预警方法，是通过传感器所采集到的信息在信息量的角度利用奇异谱熵的性质对热失控故障信息进行检测的方法，能够快速地检测出并定位到当前的热失控故障单体，可以更加提前地预判到电池热失控的发生。本发明还涉及一种基于奇异谱熵的动力电池热失控预警系统。
5.本发明的技术方案如下：
6.一种基于奇异谱熵的动力电池热失控预警方法，其特征在于，包括以下步骤：
7.构建模式矩阵步骤，由车端采集并上传动力电池的各传感器的输出信号，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵；
8.奇异值分解步骤，对所述模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，且非零奇异值个数为模式矩阵中各列中包含的模式总数；
9.计算奇异谱熵步骤，进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵，以反映时域信号序列在奇异谱划分下各个模式的不确定程度以及定量描述信号能量分布的时域复杂形态特征；
10.归一化处理预警分析步骤，将得到的时域信号序列的奇异谱熵基于与白噪声的奇异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数并与报警
阈值比对，从而判断动力电池的热失控风险并定位故障位置。
11.优选地，所述构建模式矩阵步骤中，通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵。
12.优选地，所述计算奇异谱熵步骤中，基于各模式在所有模式中占的比重，根据香农熵的定义计算奇异谱的信息熵，从而得到时域信号序列的奇异谱熵。
13.优选地，所述归一化处理预警分析步骤中，采用z-score方法对归一化处理后的奇异谱熵进行标准化，将某动力电池单体的归一化处理后的奇异谱熵与所有动力电池单体的归一化奇异谱熵的平均值的差值再除以所有动力电池单体的归一化奇异谱熵的标准差，得到各动力电池单体的警报系数，将各动力电池单体的警报系数与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。
14.优选地，所述构建模式矩阵步骤中，动力电池的各传感器的输出信号包括车辆行驶时的若干实际工况下或充电状态下的电压、电流、温度信号。
15.优选地，所述归一化处理预警分析步骤中，是基于动力电池云端大数据平台的行车数据进行分析、核验调整从而确定报警阈值范围。
16.一种基于奇异谱熵的动力电池热失控预警系统，其特征在于，包括依次连接的构建模式矩阵模块、奇异值分解模块、计算奇异谱熵模块和归一化处理预警分析模块，
17.所述构建模式矩阵模块，由车端采集并上传动力电池的各传感器的输出信号，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵；
18.所述奇异值分解模块，对所述模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，且非零奇异值个数为模式矩阵中各列中包含的模式总数；
19.所述计算奇异谱熵模块，进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵，以反映时域信号序列在奇异谱划分下各个模式的不确定程度以及定量描述信号能量分布的时域复杂形态特征；
20.所述归一化处理预警分析模块，将得到的时域信号序列的奇异谱熵基于与白噪声的奇异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数并与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。
21.优选地，所述构建模式矩阵模块通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵。
22.优选地，所述计算奇异谱熵模块基于各模式在所有模式中占的比重，根据香农熵的定义计算奇异谱的信息熵，从而得到时域信号序列的奇异谱熵。
23.优选地，所述归一化处理预警分析模块采用z-score方法对归一化处理后的奇异谱熵进行标准化，将某动力电池单体的归一化处理后的奇异谱熵与所有动力电池单体的归一化奇异谱熵的平均值的差值再除以所有动力电池单体的归一化奇异谱熵的标准差，得到各动力电池单体的警报系数，将各动力电池单体的警报系数与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。
24.本发明的有益效果为：
25.本发明提出一种基于奇异谱熵的动力电池热失控预警方法，是一种通过奇异谱和信息熵相结合的分析方法，该方法将奇异值分解结果作为信息熵求解对象，即计算奇异谱的信息熵(简称奇异谱熵)，尤其适用于采样点数较少、采集到的信号中含有噪声的应用场
合。信号的奇异谱分析是以动力学分析为基础的现代谱分析技术，其基本思想是通过对动力电池系统的时域信号序列进行相空间重构和奇异值分解，获取其内在复杂性特征。在信号的奇异谱分析基础上，计算奇异谱熵，则可定量描述时间序列的复杂状态特征。在信息论中，信息熵是对系统不确定性程度的描述，用于度量信号的变化情况和包含信息量的大小。奇异谱熵在本质上是一种信息量测度值，它反映了时域信号序列在奇异谱划分下各个模式的不确定程度，也体现了信号能量分布的时域复杂性。在正常工况下，信号的复杂度小，能量越集中于少数几个模式，其奇异谱熵值较小；反之，当电池单体出现热失控时，传入信号的复杂度会增大，复杂瞬变信号的能量较为分散，其奇异谱熵值较大，并且奇异谱熵值对输入信号的异常变化十分敏感，可以快速地检测出并定位到当前的故障单体，对比传统的直接通过直接设置阈值，来判断电压、温度等数据是否超过阈值的算法可以将电池的热失控报警大大提前，为故障的处理争取宝贵的时间，大大提高了安全性。故本发明利用奇异谱熵可以快速地反映动力电池系统内在信息变化以及不依赖于信号平稳程度的特性，能够快速地判断当前电池的工作状态是否发生异常。
26.本发明通过构建模式矩阵步骤结合传感器所采集并上传到的信息，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵，实现相空间重构，再由奇异值分解步骤进行奇异值分解，构成信号的奇异谱，计算奇异谱熵步骤在信号的奇异谱分析基础上，计算奇异谱熵，站在信息量的角度利用信息熵的性质对故障信息进行检测，用一种信息量测度描述失控信息，可以以信息量测度为特征进行早期的热失控的识别和预警。车端的信息采集难免会有噪声造成干扰，并且受性能限制其采样频率相较于实验室条件也更底层，而奇异谱熵恰好适用于采样点数较少、采集到的信号中含有噪声的应用场合。奇异谱熵的值在存在异常信息时会有十分明显的变化，依据此变化特征可以快速地判断当前电池的工作状态是否发生异常。归一化处理预警分析步骤将得到的时域信号序列的奇异谱熵基于与白噪声的奇异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数，本发明定义基于奇异谱熵值的一个参数警报系数，通过警报系数的值来刻画动力电池的内在信息，可定量描述时间序列的复杂状态特征，故利用警报系数参数可以更好的对热失控风险进行量化，然后通过各动力电池单体的警报系数值与预设报警阈值进行比对从而确定电池单体是否发生热失控状态并且对其进行定位，从而快速准确地找到发生热失控故障的动力电池，并对其进行了定量分析，当提醒在某一时刻发生热失控风险时，该方案可以快速地定位到当前时刻发生异常的动力电池单体，大大提高了系统对故障信号的敏感度，可以更加快速的检测到风险发生的时刻并对故障单体进行定位，有效地提前了热失控预警的时间点，大大的提高了安全性，并从根本上解决了难以准确描述非线性系统以及难以解决信号特征的定量评价的问题，具有良好的应用前景。
27.优选地，本发明通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵，在构建模式矩阵时，对时延常数的取值可以使信号中不缺失信息，能够完整的反映数据的特征，在计算得到奇异谱熵值后，基于与白噪声的奇异谱熵的比较进行归一化处理，不但便于直观比较信号的复杂度，而且可以消除分析窗口长度的选择对计算结果的影响。归一化处理预警分析步骤中将奇异谱熵定量评价警报系数并与报警阈值比对来判断动力电池的热失控风险时，对于报警阈值的选取可以基于动力电池云端大数据平台大量行车数据进行分析、核验来确定范围，从而扩大适用范围，降低误报漏报率。
28.本发明提出一种基于奇异谱熵的动力电池热失控预警系统，与上述的基于奇异谱熵的动力电池热失控预警方法相对应，可理解为一种基于奇异谱熵的动力电池热失控预警方法的实现系统，包括依次连接的构建模式矩阵模块、奇异值分解模块、计算奇异谱熵模块和归一化处理预警分析模块，各模块相互协同工作进行动力电池的热失控判断，通过提取传感器传输的信号并对其进行相空间重构和奇异值分解，找到异常信号并对其进行分析，在信号的奇异谱分析基础上，计算奇异谱熵，从信号所含信息量的角度进行分析，通过比对故障信号和正常信号的信息量之间的差异对热失控进行预警。该方案大大提高了系统对故障信号的敏感度，可以更加快速地检测到风险发生的时刻并对故障单体进行定位，有效地提前了热失控预警的时间点，大大的提高了安全性。
附图说明
29.图1是本发明基于奇异谱熵的动力电池热失控预警方法的流程图。
30.图2是本发明基于奇异谱熵的动力电池热失控预警方法中的奇异谱熵优选计算流程图。
31.图3是本发明某一组动力电池中故障时刻全部单体的电压分布曲线图。
32.图4是本发明某一组动力电池中故障时刻全部单体的奇异谱熵分布曲线图。
33.图5是本发明故障单体以及两个正常单体的特征值s随时间变化的曲线图。
具体实施方式
34.下面结合附图对本发明进行说明。
35.一种基于奇异谱熵的动力电池热失控预警方法，如图1所示，包括构建模式矩阵步骤，由车端采集并上传动力电池的各传感器的输出信号，即各传感器信号输入，还可进行数据前处理(电压、温度、电流等)，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵；奇异值分解步骤，对所述模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，且非零奇异值个数为模式矩阵中各列中包含的模式总数；计算奇异谱熵步骤，进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵(即计算熵值)，以反映时域信号序列在奇异谱划分下各个模式的不确定程度以及定量描述信号能量分布的时域复杂形态特征；归一化处理预警分析步骤，将得到的时域信号序列的奇异谱熵基于与白噪声的奇异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数并与报警阈值比对，在大于报警阈值时定位故障单体并提醒危险时刻，否则输出诊断结果，从而判断动力电池的热失控风险并定位故障位置。本发明基于奇异谱熵的动力电池热失控预警方法可理解为采用了奇异谱熵方法，简单来说，奇异谱熵方法是一种通过奇异谱和信息熵相结合的分析方法，将奇异值分解结果作为信息熵求解对象。其适用于采样点数较少、采集到的信号中含有噪声的应用场合。信号的奇异谱分析是以动力学分析为基础的现代谱分析技术，其基本思想是通过对系统的时域信号序列进行相空间重构和奇异值分解，获取其内在复杂性特征。在信号的奇异谱分析基础上，计算奇异谱的信息熵(简称奇异谱熵)，则可定量描述时间序列的复杂状态特征。在动力电池的热失控判断时，是通过提取传感器传输的信号并对其进行处理，找到异常信号并对其进行分析。该方案从信号所含信息量的角度进行分析，通过比对故障信号和正常信号的信息量之间的差异对
热失控进行预警。信号越简单时，奇异谱熵值越小：复杂瞬变信号的能量较为分散，奇异谱熵值越大。并且奇异谱熵值对输入信号的异常变化十分敏感，可以快速地检测出并定位到当前的故障单体，该方法大大提高了系统对故障信号的敏感度，可以更加快速地检测到风险发生的时刻并对故障单体进行定位，对比传统的直接通过直接设置阈值，来判断电压、温度等数据是否超过阈值的算法可以将电池的热失控报警大大提前，为故障的处理争取宝贵的时间，大大的提高了安全性。
36.一、构建模式矩阵步骤
37.首先数据由车端采集并上传，上传数据时间间隔为30s，涵盖车辆行驶时的多种实际工况，以及充电等多种状态。以电压为例来计算各动力电池单体归一化奇异谱熵值，如图2所示流程图，x＝{xk},k＝1,2,...,n为原始电压序列的离散变量。
38.按照信号传入的时间顺序来构电压建模式矩阵。优选通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵，选取分析窗口的长度为m和时延常数δ。以(m,δ)的窗口顺序截取样本数据，即将x＝{xk}顺序分为λ段，并以此构成模式矩阵a：
[0039][0040]
其中，其中，表示向上取整。窗口长度m的取值一般不宜超过n/3。同时为
[0041]
了使信号中不缺失信息，时延常数通常取δ＝1。
[0042]
二、奇异值分解步骤
[0043]
对模式矩阵a进行奇异值分解，设获得奇异值的数量为m，并将奇异值σi(i＝1,2,...,m)降序排列，则有σ1≥σ2≥...≥σm，此时σi构成被测信号的奇异值谱。若σi中非零奇异值的个数为j，则j值代表了模式矩阵a中各列包含的模式总数。
[0044]
三、计算奇异谱熵步骤
[0045]
进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵。由奇异值σi与模式矩阵a中j个模式的对应关系可知，奇异值谱{σi}事实上是对被测信号在时域中的一种划分。若令
[0046][0047]
则pi为第i个模式在所有模式中占的比重。同时，pi也代表了模式矩阵a的第i个模式在所有模式中所占的比重。由此，根据信息熵(香农熵)的定义可得时域中信号的奇异谱熵为：
[0048]
[0049]
奇异谱熵在本质上反映了时域信号序列在奇异谱划分下各个模式的不确定程度。如果从复杂性分析的角度考虑，奇异谱熵也体现了信号能量分布的时域复杂性。应用于判断动力电池单体的工作状态时，在正常工况下，信号的复杂度小，能量越集中于少数几个模式，其奇异谱熵值较小。反之，当电池单体出现热失控时，传入信号的复杂度会增大，复杂瞬变信号的能量较为分散，其奇异谱熵值较大。
[0050]
四、归一化处理预警分析步骤
[0051]
根据信息论，当熵取得极大值时，系统处于稳态，此时的能量分布最均匀。而白噪声信号各个模式的能量分布差别最小，其奇异谱基本上是一条直线。故白噪声信号的奇异谱熵值最大，由下式：
[0052][0053]
将计算奇异谱熵步骤得到的奇异谱熵hs基于与白噪声的奇异谱熵比较进行归一化处理，不但便于直观比较信号的复杂度，而且可以消除分析窗口长度的选择对计算结果的影响。归一化后的奇异谱熵值的计算表达式为：
[0054][0055]
根据归一化处理后的奇异谱熵定量评价警报系数并与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。
[0056]
如图3所示为某一组电池中故障时刻全部单体的电压分布曲线图，从该图可以看出此单体的电压变化趋势，在电池发生热失控故障时，其相对于其他正常单体会有一个很明显的压降变化。图4举出了根据电压所计算出的该故障时刻各单体的奇异谱熵值的大小，可以直观看出该时刻该故障电池单体有一个明显的熵值激增的现象。本发明基于奇异谱熵值在描述动力电池单体上的这种特性，来对动力电池热失控进行预警。
[0057]
进一步地，归一化处理预警分析步骤中，采用z-score方法对归一化处理后的奇异谱熵进行标准化，将某动力电池单体的归一化处理后的奇异谱熵与所有动力电池单体的归一化奇异谱熵的平均值的差值再除以所有动力电池单体的归一化奇异谱熵的标准差，得到各动力电池单体的警报系数，通过设置警报系数定量评价，实现热失控事件的识别和早期预警，其表达式为：
[0058][0059]
其中s为标准化后的特征值，即警报系数定量评价值，为当前的熵值，h
ave
为当前测试点中所有单体的的均值，σe为当前测试点中所有单体的熵的标准差。
[0060]
在所有车辆中故障车和正常车服从正态分布，而且车辆出现热失控现象是小概率事件，首先利用3σ原理对其进行约束。3σ原理可以简单描述为：在正态分布的假设下，距离平均值三倍σ之外的值出现的概率很小，因此可认为是异常值也就是上式中|s|＝3。经过大量实测数据的测试，若选用3σ，检测过于敏感会有较高的误报率，当设定为|s|≥7.5时判断
电池即将发生热失控现象就有比较客观的效果，如图5所示的故障单体以及两个正常单体的特征值s随时间变化的曲线，数据截止时为传统方法的报警时刻，而在此之前奇异谱熵值便判断到了异常，明显相比较于传统方法本发明方法能够更快的判断出动力电池热失控状态。在设定阈值时需要根据情况根据需求自由调整，可基于动力电池云端大数据平台的行车数据进行分析、核验调整从而确定报警阈值范围，扩大适用范围，降低误报漏报率。
[0061]
本发明还涉及一种基于奇异谱熵的动力电池热失控预警系统，与上述的基于奇异谱熵的动力电池热失控预警方法相对应，可理解为一种基于奇异谱熵的动力电池热失控预警方法的实现系统，包括依次连接的构建模式矩阵模块、奇异值分解模块、计算奇异谱熵模块和归一化处理预警分析模块，其中，构建模式矩阵模块，由车端采集并上传动力电池的各传感器的输出信号，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵；奇异值分解模块，对所述模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，且非零奇异值个数为模式矩阵中各列中包含的模式总数；计算奇异谱熵模块，进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵，以反映时域信号序列在奇异谱划分下各个模式的不确定程度以及定量描述信号能量分布的时域复杂形态特征；归一化处理预警分析模块，将得到的时域信号序列的奇异谱熵基于与白噪声的奇异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数并与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。在动力电池的热失控判断时，是通过提取传感器传输的信号并对其进行处理，找到异常信号并对其进行分析。该方案从信号所含信息量的角度进行分析，通过比对故障信号和正常信号的信息量之间的差异对热失控进行预警，大大提高了系统对故障信号的敏感度，可以更加快速地检测到风险发生的时刻并对故障单体进行定位，有效地提前了热失控预警的时间点，大大的提高了安全性。
[0062]
优选地，所述构建模式矩阵模块通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵。
[0063]
优选地，所述计算奇异谱熵模块基于各模式在所有模式中占的比重，根据香农熵的定义计算奇异谱的信息熵，从而得到时域信号序列的奇异谱熵。
[0064]
优选地，所述归一化处理预警分析模块采用z-score方法对归一化处理后的奇异谱熵进行标准化，将某动力电池单体的归一化处理后的奇异谱熵与所有动力电池单体的归一化奇异谱熵的平均值的差值再除以所有动力电池单体的归一化奇异谱熵的标准差，得到各动力电池单体的警报系数，将各动力电池单体的警报系数与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。
[0065]
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

技术特征：
1.一种基于奇异谱熵的动力电池热失控预警方法，其特征在于，包括以下步骤：构建模式矩阵步骤，由车端采集并上传动力电池的各传感器的输出信号，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵；奇异值分解步骤，对所述模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，且非零奇异值个数为模式矩阵中各列中包含的模式总数；计算奇异谱熵步骤，进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵，以反映时域信号序列在奇异谱划分下各个模式的不确定程度以及定量描述信号能量分布的时域复杂形态特征；归一化处理预警分析步骤，将得到的时域信号序列的奇异谱熵基于与白噪声的奇异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数并与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。2.根据权利要求1所述的动力电池热失控预警方法，其特征在于，所述构建模式矩阵步骤中，通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵。3.根据权利要求1或2所述的动力电池热失控预警方法，其特征在于，所述计算奇异谱熵步骤中，基于各模式在所有模式中占的比重，根据香农熵的定义计算奇异谱的信息熵，从而得到时域信号序列的奇异谱熵。4.根据权利要求3所述的动力电池热失控预警方法，其特征在于，所述归一化处理预警分析步骤中，采用z-score方法对归一化处理后的奇异谱熵进行标准化，将某动力电池单体的归一化处理后的奇异谱熵与所有动力电池单体的归一化奇异谱熵的平均值的差值再除以所有动力电池单体的归一化奇异谱熵的标准差，得到各动力电池单体的警报系数，将各动力电池单体的警报系数与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。5.根据权利要求4所述的动力电池热失控预警方法，其特征在于，所述构建模式矩阵步骤中，动力电池的各传感器的输出信号包括车辆行驶时的若干实际工况下或充电状态下的电压、电流、温度信号。6.根据权利要求1所述的动力电池热失控预警方法，其特征在于，所述归一化处理预警分析步骤中，是基于动力电池云端大数据平台的行车数据进行分析、核验调整从而确定报警阈值范围。7.一种基于奇异谱熵的动力电池热失控预警系统，其特征在于，包括依次连接的构建模式矩阵模块、奇异值分解模块、计算奇异谱熵模块和归一化处理预警分析模块，所述构建模式矩阵模块，由车端采集并上传动力电池的各传感器的输出信号，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵；所述奇异值分解模块，对所述模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，且非零奇异值个数为模式矩阵中各列中包含的模式总数；所述计算奇异谱熵模块，进行信号的奇异谱分析并计算各模式在所有模式中占的比重，进而计算得到时域信号序列的奇异谱熵，以反映时域信号序列在奇异谱划分下各个模式的不确定程度以及定量描述信号能量分布的时域复杂形态特征；所述归一化处理预警分析模块，将得到的时域信号序列的奇异谱熵基于与白噪声的奇
异谱熵的比较进行归一化处理，根据归一化处理后的奇异谱熵定量评价警报系数并与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。8.根据权利要求7所述的动力电池热失控预警系统，其特征在于，所述构建模式矩阵模块通过设定分析窗口长度和时延常数并以窗口顺序截取时域信号序列来构建模式矩阵。9.根据权利要求7或8所述的动力电池热失控预警系统，其特征在于，所述计算奇异谱熵模块基于各模式在所有模式中占的比重，根据香农熵的定义计算奇异谱的信息熵，从而得到时域信号序列的奇异谱熵。10.根据权利要求9所述的动力电池热失控预警系统，其特征在于，所述归一化处理预警分析模块采用z-score方法对归一化处理后的奇异谱熵进行标准化，将某动力电池单体的归一化处理后的奇异谱熵与所有动力电池单体的归一化奇异谱熵的平均值的差值再除以所有动力电池单体的归一化奇异谱熵的标准差，得到各动力电池单体的警报系数，将各动力电池单体的警报系数与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。

技术总结
本发明提出了一种基于奇异谱熵的动力电池热失控预警方法和系统，该方法先由车端采集并上传动力电池的各传感器的输出信号，按照信号传入的时间顺序所形成的时域信号序列来构建模式矩阵，再对模式矩阵进行奇异值分解，将奇异值排列构成信号的奇异谱，然后进行信号的奇异谱分析进而计算得到时域信号序列的奇异谱熵，进行归一化处理的奇异谱熵定量评价警报系数并与报警阈值比对，从而判断动力电池的热失控风险并定位故障位置。本发明从信号所含信息量的角度进行分析，利用奇异谱熵值对动力电池热失控进行预警，大大提高了对故障信号的敏感度，可以更加快速地检测到风险发生的时刻并对故障单体进行定位，有效地提前了热失控预警的时间点。的时间点。的时间点。


技术研发人员：杨世春 金云涛 张正杰 孙也凡 常柏桐 舒唯 李兴虎 刘新华
受保护的技术使用者：北京航空航天大学
技术研发日：2023.03.27
技术公布日：2023/7/22