一种锂电池隔膜破损预测方法、装置及存储介质与流程

1.本技术涉及新能源技术领域，具体而言，涉及一种锂电池隔膜破损预测方法、装置及存储介质。


背景技术：

2.锂电池作为新能源汽车的核心零部件之一，确保电池安全工作需要对电池上传的电压等数据进行实时监控。在生产的过程中，产线上会存在各种问题从而造成锂电池在车端使用过程中表现出来，而隔膜破损又是电池拆解过程中出现频次较多的失效模式。在锂电池内部出现异常时，往往需要对电池进行拆解，这样会造成较高的拆解成本与资源浪费，并且不利于后续的电池异常分析。


技术实现要素：

3.有鉴于此，本技术的目的在于提供一种锂电池隔膜破损预测方法、装置及存储介质，以提供一种成本更低、效率更高的确定锂电池隔膜破损情况的方法。
4.第一方面，本技术提供了一种锂电池隔膜破损预测方法，方法包括：获取锂电池在预设工作场景下的多个荷电状态偏差值；根据多个荷电状态偏差值，统计锂电池的荷电状态偏差变化速率；检测锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；基于锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值。
5.优选的，预设工作场景包括充电工况和静置工况，高压电芯为锂电池中电压值最大的电芯，低压电芯为锂电池中电压值最小的电芯，其中，通过以下方式确定锂电池的荷电状态偏差值：获取锂电池的使用数据，确定所获取的使用数据对应的工作场景，在工作场景属于充电工况时，基于该充电工况下锂电池的最大充电电流值、额定功率值、高压电芯的电压值进入平台期的第一采样时间、低压电芯的电压值进入平台期的第二采样时间，确定锂电池的荷电状态偏差值，在工作场景属于静置工况时，基于该静置工况下高压电芯的第一电压值和低压电芯的第二电压值，确定锂电池的荷电状态偏差值。
6.优选的，在充电工况时，通过以下方式确定出锂电池的荷电状态偏差值：
[0007][0008]
其中，i0为锂电池在单次充电过程中最大充电电流值，w0为锂电池的额定功率值，t1为高压电芯的电压值进入平台期的第一采样时间，t2为低压电芯的电压值进入平台期的第二采样时间；
[0009]
在静置工况时，通过以下方式确定出锂电池的荷电状态偏差值：
[0010]
[0011]
其中，为高压电芯的第一电压值对应的荷电状态值，为低压电芯的第二电压值对应的荷电状态值。
[0012]
优选的，通过以下方式统计出每个锂电池的荷电状态偏差变化速率：
[0013]rδsoc
＝soc
i-socj，
[0014]
其中，soci为所获取到的锂电池在第一记录时间的荷电状态偏差值，socj为所获取到的锂电池在第二记录时间的荷电状态偏差值，其中，第一记录时间位于第二记录时间之前，第一记录时间与第二记录时间之间的时间间隔为预设时间间隔。
[0015]
优选的，通过以下方式构建目标预测模型：确定出荷电状态偏差值对应的第一初始计算系数ki，以及确定出荷电状态偏差变化速率对应的第二初始计算系数kj；按照预设间隔值改变第一初始计算系数ki以及第二初始计算系数kj的大小，以构建出多个初始预测模型rn＝k
irδsoc
+kjδsoc；将所有采样数据中的荷电状态偏差值和荷电状态偏差变化速率代入每个初始预测模型中，并根据模型输出的初始隔膜破损半径预测值与对应的隔膜破损半径测量值，确定出每个初始隔膜破损半径预测模型的误差值；将误差值满足条件的初始预测模型确定为目标预测模型，以用于计算隔膜破损半径预测值。
[0016]
优选的，通过以下方式确定第一初始计算系数以及第二初始计算系数的值：基于皮尔森相关性计算方法利用多个荷电状态偏差值与对应的隔膜破损半径测量值，计算出荷电状态偏差值与隔膜破损半径测量值之间的第一相关性系数；根据第一相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及第一初始计算系数；基于皮尔森相关性计算方法利用多个荷电状态偏差变化速率与对应的隔膜破损半径测量值，计算出荷电状态偏差变化速率与隔膜破损半径测量值之间的第二相关性系数；根据第二相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及第二初始计算系数。
[0017]
优选的，还包括获取新能源汽车的车载锂电池或需要检测异常的已拆卸锂电池的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率；将获取到的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率输入预测模型，以输出锂电池中待检测电芯的隔膜破损半径测量值；其中，通过以下方式确定出待检测电芯：确定出目标荷电状态偏差值所对应的低压电芯，将该低压电芯及其相邻的电芯确定为待检测电芯。
[0018]
第二方面，本技术提供了一种锂电池隔膜破损预测装置，装置包括：
[0019]
获取模块，用于获取锂电池在预设工作场景下的多个荷电状态偏差值；
[0020]
统计模块，用于根据多个荷电状态偏差值，统计锂电池的荷电状态偏差变化速率；
[0021]
检测模块，用于检测锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；
[0022]
生成模块，用于基于锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值。
[0023]
第三方面，本技术还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的一种锂电池隔膜破损预测方法的步骤。
[0024]
第四方面，本技术还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的一种锂电池隔膜破损预测方法的步骤。
[0025]
本技术提供的一种锂电池隔膜破损预测方法、装置及存储介质，包括获取锂电池在预设工作场景下的多个荷电状态偏差值；根据多个荷电状态偏差值，统计锂电池的荷电状态偏差变化速率；检测锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；基于锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值，通过建立预测模型，只需要利用锂电池的荷电状态偏差值和荷电状态偏差变化速率，就能够预测出锂电池的隔膜破损半径，与现有技术中需要对锂电池进行拆解相比，本技术的技术方案不需要进行电池包的拆解，节约了成本和人力，能够更及时的获得锂电池的异常情况，以方便后续的测试分析和维修。
[0026]
为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0027]
为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0028]
图1为本技术实施例所提供的一种锂电池隔膜破损预测方法的流程图；
[0029]
图2为本技术实施例所提供的一种目标预测模型的构建步骤的流程图；
[0030]
图3为本技术实施例所提供的一种锂电池隔膜破损预测装置的结构示意图；
[0031]
图4为本技术实施例所提供的另一种锂电池隔膜破损预测装置的结构示意图；
[0032]
图5为本技术实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0033]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本技术保护的范围。
[0034]
首先，对本技术可适用的应用场景进行介绍。本技术可应用于新能源汽车的锂电池中异常电池的检测，具体用于电芯的隔膜破损半径的预测。
[0035]
锂电池作为新能源汽车的核心零部件之一，确保电池安全工作需要对电池上传的电压等数据进行实时监控。在生产的过程中，产线上会存在各种问题从而造成锂电池在车端使用过程中表现出来，而隔膜破损又是电池拆解过程中出现频次较多的失效模式。在锂
电池包锂电池内部出现异常时，往往需要对电池进行拆解，这样会造成较高的拆解成本与资源浪费，并且不利于后续的电池异常分析。
[0036]
基于此，本技术实施例提供了一种锂电池隔膜破损预测方法、装置及存储介质，以提供一种成本更低、效率更高的确定锂电池包锂电池隔膜破损情况的方法。
[0037]
请参阅图1，图1为本技术实施例所提供的一种锂电池隔膜破损预测方法的流程图。所如图1中所示，本技术实施例提供的一种锂电池隔膜破损预测方法，包括：
[0038]
s101、获取锂电池在预设工作场景下的多个荷电状态偏差值。
[0039]
这里的预设工作场景包括充电工况和静置工况，高压电芯为锂电池中电压值最大的电芯，低压电芯为锂电池中电压值最小的电芯。
[0040]
其中，通过以下方式确定锂电池的荷电状态偏差值：
[0041]
获取锂电池的使用数据，确定所获取的使用数据对应的工作场景，在工作场景属于充电工况时，基于该充电工况下锂电池的最大充电电流值、额定功率值、高压电芯的电压值进入平台期的第一采样时间、低压电芯的电压值进入平台期的第二采样时间，确定锂电池的荷电状态偏差值，在工作场景属于静置工况时，基于该静置工况下高压电芯的第一电压值和低压电芯的第二电压值，确定锂电池的荷电状态偏差值。
[0042]
这里可以对市场返回的大量锂电池的电池包进行拆解，并对拆解之前的电池检测时序数据进行soc(state of charge,荷电状态)偏差分析。在进行分析之前，需要对无效数据进行过滤，具体的，过滤的标准为电流为-1000a、模组温度为-40℃、电压小于等于0的部分数据。
[0043]
接着从数据中确定出两种工作场景，具体为慢充充电工况和静置工况。充电工况为慢充充电场景，具体为充电电流小于0.3c，锂电池的电池包从soc《20％开始充电至soc》85％充电结束的场景。在这个过程中提取记录soc＝50％时，电池包的起始帧数据为s1，对应时间为t1，soc＝85％的结束帧数据为sn，对应时间为t2，这里每帧数据都至少包括电池包中每个电芯的电压值、温度值、以及电池包的充电电流值。
[0044]
具体的，在充电工况时，通过以下方式确定出锂电池的荷电状态偏差值：
[0045][0046]
其中，i0为锂电池在单次充电过程中最大充电电流值，w0为锂电池的额定功率值，t1为高压电芯的电压值进入平台期的第一采样时间，t2为低压电芯的电压值进入平台期的第二采样时间。
[0047]
这里的高压电芯为在t1至t2的时间段内，所有电芯中电压值最大的一个电芯，高压电芯的电压值进入平台期的确定步骤可以是该电芯的电压值在连续的前后三秒时间内电压间隔差值不大于1ma(毫安)，即连续三秒内电压值不再变化，则确定电压进入平台期，并记录这一时间为t1，低压电芯的平台期判断步骤相同，可以记录到第二采样时间t2。这里的低压电芯为在t1至t2的时间段内，所有电芯中电压值最小的一个电芯。
[0048]
在静置工况时，通过以下方式确定出锂电池的荷电状态偏差值：
[0049][0050]
其中，为高压电芯的第一电压值对应的荷电状态值，为低压电
芯的第二电压值对应的荷电状态值。
[0051]
这里的静置工况的场景为电池包在静置3小时后，再次上电时电池包的放电场景。此时需要根据电池包中每个电芯的电压值，确定出高压电芯以及高压电芯的第一电压值v
max
、低压电芯以及低压电芯的第二电压值v
min
。
[0052]
接着利用预设好的ocv表，查询第一电压值和第二电压值各自对应的标准荷电状态值进而计算出对应的荷电状态偏差值。
[0053]
这里的ocv表为与锂电池的电压值与标准荷电状态的关系表。
[0054]
s102、根据多个荷电状态偏差值，统计锂电池的荷电状态偏差变化速率。
[0055]
在步骤s102中，通过以下方式统计出每个锂电池的荷电状态偏差变化速率：
[0056]rδsoc
＝soc
i-socj，
[0057]
其中，soci为所获取到的锂电池在第一记录时间的荷电状态偏差值，socj为所获取到的锂电池在第二记录时间的荷电状态偏差值，其中，第一记录时间位于第二记录时间之前，第一记录时间与第二记录时间之间的时间间隔为预设时间间隔。
[0058]
这里的预设时间间隔可以为一个月，即这里的荷电状态偏差变化速率为锂电池过去一个月的荷电状态偏差的变化。
[0059]
在具体的统计过程中，soci、socj之间的记录时间间隔可以为一个月，soci、socj之间的记录时间间隔也可以为半个月，此时需要将soci、socj之间的差值乘以2，最后得到的才是月荷电状态偏差变化速率，若soci、socj之间的记录时间间隔为一周，则需要将soci、socj之间的差值乘以4，以此类推。
[0060]
s103、检测锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值。
[0061]
这里需要对锂电池进行拆解，测量出锂电池中异常电芯的隔膜破损半径测量值。
[0062]
s104、基于锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值。
[0063]
请参阅图2，图2为本技术实施例所提供的一种目标预测模型的构建步骤的流程图。在步骤s104中，通过以下方式构建目标预测模型：
[0064]
s201、确定出荷电状态偏差值对应的第一初始计算系数ki，以及确定出荷电状态偏差变化速率对应的第二初始计算系数kj。
[0065]
在步骤s201之前，需要对荷电状态偏差值与隔膜破损半径之间的相关性进行分析，以及对荷电状态偏差变化速率与隔膜破损半径之间的相关性进行分析。
[0066]
首先，整理分析拆解电池的异常现象和soc偏差之间的关系，发现所拆解的电池中均出现隔膜破损现象，同时有部分拆解电池还出现轻微析锂和紫斑现象。
[0067]
对紫斑和析锂现象技术分析，发现该拆解电池搁置四个月soc偏差》14％，计算可得漏电流9.1ma，结合之前拆解数据，发现在单片电池析锂和紫斑情况更严重时，漏电流最大只有0.18ma，与该电池存在明显差距。因此，该电池soc偏差初步判定不是由轻微析锂和紫斑导致。
[0068]
综合判断，可以确定引起电池出现soc偏差的主要因素为隔膜破损。
[0069]
整理出soc偏差、soc偏差变化速率和拆解电池隔膜破损半径如下表1：
[0070]
表1
[0071][0072][0073]
具体的，通过以下方式确定第一初始计算系数以及第二初始计算系数的值：
[0074]
基于皮尔森相关性计算方法利用多个荷电状态偏差值与对应的隔膜破损半径测量值，计算出荷电状态偏差值与隔膜破损半径测量值之间的第一相关性系数。根据第一相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及第一初始计算系数。
[0075]
基于皮尔森相关性计算方法利用多个荷电状态偏差变化速率与对应的隔膜破损半径测量值，计算出荷电状态偏差变化速率与隔膜破损半径测量值之间的第二相关性系数。根据第二相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及第二初始计算系数。
[0076]
利用表1中的数据，计算皮尔森相关性，得到隔膜破损半径与soc偏差的相关系数为0.784821，与soc偏差变化速率的相关系数为0.946390。(其中，可以理解的是相关系数等于-1时，完全负相关；相关系数等于0时，无线性相关；相关系数等于+1时，完全正相关)。则可以确定这里第一初始计算系数和第二初始计算系数可以为0.01。
[0077]
s202、按照预设间隔值改变第一初始计算系数ki以及第二初始计算系数kj的大小，以构建出多个初始预测模型rn＝k
irδsoc
+kjδsoc。
[0078]
这里第一初始计算系数和第二初始计算系数为0.01，按照预设间隔值为0.01，可以模拟出多个初始预测模型rn，如r1＝0.01r
δsoc
+0.01δsoc、r2＝0.01r
δsoc
+0.02δsoc、r3＝0.02r
δsoc
+0.01δsoc、r4＝0.02r
δsoc
+0.02δsoc等等。
[0079]
s203、将所有采样数据中的荷电状态偏差值和荷电状态偏差变化速率代入每个初始预测模型中，并根据模型输出的初始隔膜破损半径预测值与对应的隔膜破损半径测量值，确定出每个初始隔膜破损半径预测模型的误差值。
[0080]
利用表1中的数据，计算出每个初始预测模型的误差值，误差的计算公式可以表示
为：
[0081][0082]
其中，m为采样数据的数量。
[0083]
这里可以整理出误差表如表2所示。
[0084]
表2
[0085]kikj误差值
0.010.013.7830.010.082.6660.080.180.9090.090.729.9220.020.521.0960.020.480.8700.030.400.670
………
0.410.610.9450.540.024.4580.010.380.403
[0086]
s204、将误差值满足条件的初始预测模型确定为目标预测模型，以用于计算隔膜破损半径预测值。
[0087]
利用表2，可以看出，当由上表可知当ki为0.01，kj为0.38时，误差最小，则最后确定出的目标预测模型为r0＝0.38r
δsoc
+0.01δsoc。
[0088]
本技术实施例提供的锂电池隔膜破损预测方法，与现有技术中需要对锂电池进行拆解相比，本技术的技术方案不需要进行电池包的拆解，节约了成本和人力，能够更及时的获得锂电池的异常情况，以方便后续的测试分析和补救。
[0089]
在本身申请的一个实施例中，可以将构建出的目标预测模型应用到新能源汽车的电池监控中，或者应用到对异常电池的测试过程中。
[0090]
具体的，可以获取新能源汽车的车载锂电池或需要检测异常的已拆卸锂电池的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率。将获取到的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率输入预测模型，以输出锂电池中待检测电芯的隔膜破损半径测量值。
[0091]
其中，通过以下方式确定出待检测电芯：确定出目标荷电状态偏差值所对应的低压电芯，将该低压电芯及其相邻的电芯确定为待检测电芯。
[0092]
这里的待检测电芯为可能存在隔膜破损的电芯。一般情况下，待检测电芯为用于计算荷电状态偏差值的低压电芯，或该低压电芯附近的电芯。
[0093]
在实际应用中，可以提取出待检测电芯的标号，并对该待检测电芯进行更换或维修等处理。这样也可以起到快速定位到异常电芯的作用，提高了异常电池检测的效率。
[0094]
基于同一发明构思，本技术实施例中还提供了与锂电池隔膜破损预测方法对应的
锂电池隔膜破损预测装置，由于本技术实施例中的装置解决问题的原理与本技术实施例上述锂电池隔膜破损预测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
[0095]
请参阅图3，图3为本技术实施例所提供的一种锂电池隔膜破损预测装置的结构示意图、图4为本技术实施例所提供的一种锂电池隔膜破损预测装置的结构示意图。如图3中所示，所述预测装置300包括：
[0096]
获取模块310，用于获取锂电池在预设工作场景下的多个荷电状态偏差值；
[0097]
统计模块320，用于根据多个荷电状态偏差值，统计锂电池的荷电状态偏差变化速率；
[0098]
检测模块330，用于检测锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；
[0099]
生成模块340，用于基于锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值。
[0100]
在一优选实施例中，预设工作场景包括充电工况和静置工况，高压电芯为锂电池中电压值最大的电芯，低压电芯为锂电池中电压值最小的电芯，其中，获取模块310具体用于通过以下方式确定锂电池的荷电状态偏差值：获取锂电池的使用数据，确定所获取的使用数据对应的工作场景，在工作场景属于充电工况时，基于该充电工况下锂电池的最大充电电流值、额定功率值、高压电芯的电压值进入平台期的第一采样时间、低压电芯的电压值进入平台期的第二采样时间，确定锂电池的荷电状态偏差值，在工作场景属于静置工况时，基于该静置工况下高压电芯的第一电压值和低压电芯的第二电压值，确定锂电池的荷电状态偏差值。
[0101]
在一优选实施例中，在充电工况时，获取模块310具体用于通过以下方式确定出锂电池的荷电状态偏差值：
[0102][0103]
其中，i0为锂电池在单次充电过程中最大充电电流值，w0为锂电池的额定功率值，t1为高压电芯的电压值进入平台期的第一采样时间，t2为低压电芯的电压值进入平台期的第二采样时间；
[0104]
在静置工况时，获取模块310具体用于通过以下方式确定出锂电池的荷电状态偏差值：
[0105][0106]
其中，为高压电芯的第一电压值对应的荷电状态值，为低压电芯的第二电压值对应的荷电状态值。
[0107]
在一优选实施例中，统计模块320具体用于通过以下方式统计出每个锂电池的荷电状态偏差变化速率：
[0108]rδsoc
＝soc
i-socj[0109]
其中，soci为所获取到的锂电池在第一记录时间的荷电状态偏差值，socj为所获取
到的锂电池在第二记录时间的荷电状态偏差值，其中，第一记录时间位于第二记录时间之前，第一记录时间与第二记录时间之间的时间间隔为预设时间间隔。
[0110]
在一优选实施例中，生成模块340具体用于通过以下方式构建目标预测模型：确定出荷电状态偏差值对应的第一初始计算系数ki，以及确定出荷电状态偏差变化速率对应的第二初始计算系数kj；按照预设间隔值改变第一初始计算系数ki以及第二初始计算系数kj的大小，以构建出多个初始预测模型rn＝k
irδsoc
+kjδsoc；将所有采样数据中的荷电状态偏差值和荷电状态偏差变化速率代入每个初始预测模型中，并根据模型输出的初始隔膜破损半径预测值与对应的隔膜破损半径测量值，确定出每个初始隔膜破损半径预测模型的误差值；将误差值满足条件的初始预测模型确定为目标预测模型，以用于计算隔膜破损半径预测值。
[0111]
在一优选实施例中，生成模块340还用于通过以下方式确定第一初始计算系数以及第二初始计算系数的值：基于皮尔森相关性计算方法利用多个荷电状态偏差值与对应的隔膜破损半径测量值，计算出荷电状态偏差值与隔膜破损半径测量值之间的第一相关性系数；根据第一相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及第一初始计算系数；基于皮尔森相关性计算方法利用多个荷电状态偏差变化速率与对应的隔膜破损半径测量值，计算出荷电状态偏差变化速率与隔膜破损半径测量值之间的第二相关性系数；根据第二相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及第二初始计算系数。
[0112]
如图4中所示，所述预测装置300还包括预测模块350，用于获取新能源汽车的车载锂电池或需要检测异常的已拆卸锂电池的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率；将获取到的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率输入预测模型，以输出锂电池中待检测电芯的隔膜破损半径测量值；其中，通过以下方式确定出待检测电芯：确定出目标荷电状态偏差值所对应的低压电芯，将该低压电芯及其相邻的电芯确定为待检测电芯。
[0113]
请参阅图5，图5为本技术实施例所提供的一种电子设备的结构示意图。如图5中所示，所述电子设备500包括处理器510、存储器520和总线530。
[0114]
所述存储器520存储有所述处理器510可执行的机器可读指令，当电子设备500运行时，所述处理器510与所述存储器520之间通过总线530通信，所述机器可读指令被所述处理器510执行时，可以执行如上述图1所示方法实施例中的锂电池隔膜破损预测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
[0115]
本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的锂电池隔膜破损预测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
[0116]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0117]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨
论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0118]
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单元来实现本实施例方案的目的。
[0119]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0120]
所述功能如果以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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术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)执行本技术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(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0121]
最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种锂电池隔膜破损预测方法，其特征在于，所述方法包括：获取锂电池在预设工作场景下的多个荷电状态偏差值；根据所述多个荷电状态偏差值，统计所述锂电池的荷电状态偏差变化速率；检测所述锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；基于所述锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值。2.根据权利要求1所述的方法，其特征在于，所述预设工作场景包括充电工况和静置工况，高压电芯为锂电池中电压值最大的电芯，低压电芯为锂电池中电压值最小的电芯，其中，通过以下方式确定锂电池的荷电状态偏差值：获取所述锂电池的使用数据，确定所获取的使用数据对应的工作场景，在工作场景属于充电工况时，基于该充电工况下所述锂电池的最大充电电流值、额定功率值、高压电芯的电压值进入平台期的第一采样时间、低压电芯的电压值进入平台期的第二采样时间，确定所述锂电池的荷电状态偏差值，在工作场景属于静置工况时，基于该静置工况下高压电芯的第一电压值和低压电芯的第二电压值，确定所述锂电池的荷电状态偏差值。3.根据权利要求2所述的方法，其特征在于，在充电工况时，通过以下方式确定出锂电池的荷电状态偏差值：其中，i0为锂电池在单次充电过程中最大充电电流值，w0为锂电池的额定功率值，t1为高压电芯的电压值进入平台期的第一采样时间，t2为低压电芯的电压值进入平台期的第二采样时间；在静置工况时，通过以下方式确定出锂电池的荷电状态偏差值：其中，为高压电芯的第一电压值对应的荷电状态值，为低压电芯的第二电压值对应的荷电状态值。4.根据权利要求1所述的方法，其特征在于，通过以下方式统计出每个锂电池的荷电状态偏差变化速率：r
δsoc
＝soc
i-soc
j
，其中，soc
i
为所获取到的锂电池在第一记录时间的荷电状态偏差值，soc
j
为所获取到的锂电池在第二记录时间的荷电状态偏差值，其中，第一记录时间位于第二记录时间之前，第一记录时间与第二记录时间之间的时间间隔为预设时间间隔。5.根据权利要求1所述的方法，其特征在于，通过以下方式构建所述目标预测模型：确定出荷电状态偏差值对应的第一初始计算系数k
i
，以及确定出荷电状态偏差变化速率对应的第二初始计算系数k
j
；
按照预设间隔值改变第一初始计算系数k
i
以及第二初始计算系数k
j
的大小，以构建出多个初始预测模型r
n
＝k
i
r
δsoc
+k
j
δsoc；将所有采样数据中的荷电状态偏差值和荷电状态偏差变化速率代入每个初始预测模型中，并根据模型输出的初始隔膜破损半径预测值与对应的隔膜破损半径测量值，确定出每个初始隔膜破损半径预测模型的误差值；将误差值满足条件的初始预测模型确定为所述目标预测模型，以用于计算隔膜破损半径预测值。6.根据权利要求5所述的方法，其特征在于，通过以下方式确定所述第一初始计算系数以及第二初始计算系数的值：基于皮尔森相关性计算方法利用多个荷电状态偏差值与对应的隔膜破损半径测量值，计算出荷电状态偏差值与隔膜破损半径测量值之间的第一相关性系数；根据所述第一相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及所述第一初始计算系数；基于皮尔森相关性计算方法利用多个荷电状态偏差变化速率与对应的隔膜破损半径测量值，计算出荷电状态偏差变化速率与隔膜破损半径测量值之间的第二相关性系数；根据所述第二相关性系数，确定出荷电状态偏差值与隔膜破损半径测量值之间的线性相关关系，以及所述第二初始计算系数。7.根据权利要求2所述的方法，其特征在于，还包括：获取新能源汽车的车载锂电池或需要检测异常的已拆卸锂电池的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率；将获取到的荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率输入所述预测模型，以输出锂电池中待检测电芯的隔膜破损半径测量值；其中，通过以下方式确定出待检测电芯：确定出目标荷电状态偏差值所对应的低压电芯，将该低压电芯及其相邻的电芯确定为待检测电芯。8.一种锂电池隔膜破损预测装置，其特征在于，所述装置包括：获取模块，用于获取锂电池在预设工作场景下的多个荷电状态偏差值；统计模块，用于根据所述多个荷电状态偏差值，统计所述锂电池的荷电状态偏差变化速率；检测模块，用于检测所述锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；生成模块，用于基于所述锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值。9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一所述锂电池隔膜破损预测方法的步骤。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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述锂电池隔膜破损预测
方法的步骤。

技术总结
本申请提供了一种锂电池隔膜破损预测方法、装置及存储介质，其中，该方法包括获取锂电池在预设工作场景下的多个荷电状态偏差值；根据多个荷电状态偏差值，统计锂电池的荷电状态偏差变化速率；检测锂电池与每个荷电状态偏差值对应的隔膜破损半径测量值；基于锂电池的多组采样数据，构建一目标预测模型以对锂电池的隔膜破损半径进行预测，其中，每组采样数据包括一荷电状态偏差值以及与该荷电状态偏差值对应的荷电状态偏差变化速率、隔膜破损半径测量值，通过建立预测模型，节约了成本和人力，能够更及时的获得锂电池的异常情况，以方便后续的测试分析和维修。的测试分析和维修。的测试分析和维修。


技术研发人员：宋闯 杨红新 张建彪 高攀龙 王媛
受保护的技术使用者：章鱼博士智能技术（上海）有限公司
技术研发日：2023.06.25
技术公布日：2023/9/25