一种基于熵值算法的动力电池电压故障在线诊断处理方法

1.本发明涉及电池故障诊断技术领域，具体涉及一种基于熵值算法的动力电池电压故障在线诊断处理方法。


背景技术：

2.近年来，电动汽车产业迅猛发展，汽车安全事故早已屡见不鲜，其中动力电池被认为是罪魁祸首，因此电动汽车动力电池故障诊断具有重要意义。动力电池系统的故障大多可以追溯至某一或某些具体单体电池，其中单体故障主要包括过压、欠压、短路、过温、一致性差等，而这些故障都可以在单体电压这一参数中及时的体现出来，且主要表现为电压的不一致波动，因此快速准确的对单体电压异常波动的监测和评估可以更加全面的反映动力电池系统的安全性。由于各种熵方法能有效的评估系统的无序性而被广泛应用于电池故障诊断领域，但是模型的精度需要牺牲计算效率来获得。
3.基于此，本发明提出了一种基于熵值算法的动力电池电压故障在线诊断处理方法。


技术实现要素：

4.为了弥补现有技术的不足，解决上述的技术问题；本发明一种基于基于熵值算法的动力电池电压故障在线诊断处理方法。
5.一种基于熵值算法的动力电池电压故障在线诊断处理方法，所述方法包括以下步骤：步骤100：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a，其中：其中，m表示时序长度，n表示电池包中单体电池总个数，a
i,j
表示第j个单体电池在第i次索引的电压值，i=1,2,
…
,m; j=1,2,
…
,n；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；
步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。
6.优选的，步骤101中预设初始滑动时间窗长度为k，宽度同单体电池总数为n，每次滑动窗截取的电压数据矩阵为b，其中：其中b
k,n
íam,n
。
7.优选的，步骤102中对滑动窗内电压值数据进行处理的方法具体为：s200：实时监测各单体电池连续时刻电压差，即计算时间窗矩阵b中各单体电池电压数据连续时刻的电压差矩阵c，其中：其中c
i,j
表示第j个单体电池在第i+1次索引的电压值与第i次索引的电压值的差，i=1,2,
…
,k-1; j=1,2,
…
,n；s201：找出矩阵c中各单体电池电压差小于等于0.001v连续超过k/10个以上的所有数据的行索引；s202：踢出矩阵b中满足s201条件的行索引对应的数据片段；s203：对剩余数据按时序依次拼接，拼接点取两端点数据的均值，形成新的电压矩阵d，其中：其中d
e,n
íbk,n
。
8.优选的，步骤103中基于重构数据矩阵d利用优化的熵值算法计算各单体电池的香农熵值具体步骤为：s300：求取时间窗中的最大值和最小值，即求取矩阵d中的最小值d
min
和最大值d
max
为：s301：将两最值构成的区域（d
min
，d
max
）划分为l个区间：
其中l=1,2,
…
,l。
9.s302：计算矩阵d中每个单体电池电压数据分别落入上述l个区间的频数矩阵f，得到频数矩阵f，其中：其中f
i,j
表示矩阵d中单体电池j的所有数据中落入区间的个数；s303：频数除总数得到各单体数据在各个区域中的区域概率矩阵p，其中其中，表示矩阵d中单体电池j的电压数据落入第i个区间的概率，并由矩阵b计算得到的各单体电池的香农熵为：s304：根据计算各单体香农熵值，即表示第j个单体电池由时间窗b计算得到的香农熵值。
10.优选的，步骤104中基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数具体步骤如下：s400：获取各单体电池香农熵序列h(b)，s401：计算各单体电池香农熵的均值μh，计算公式为：s402：踢出h(b)中超过2*μh数据后计算剩余单体电池香农熵序列的标准差；即踢出香农熵序列h(b)中超过2*μh的香农熵值，形成新的香农熵序列，
í
h(b)，计算序列的均值和标准差，计算公式分别为：的均值和标准差，计算公式分别为：s403：计算各单体电池香农熵的中值h
me
；即计算各单体电池香农熵序列h(b)的中值h
me
；
s404：根据标准化各单体电池香农熵值；即根据z分数理论计算当前时间窗中各单体电池的异常评估系数。
11.优选的，步骤105中异常值的安全评估策略为：s500：将每次时间窗的迭代计算中3.5＜|af|的单体电池识别为存在电压异常波动的故障单体；s501：如果|af|≤3.5，则执行s502和s503；s502：无电压故障报警；s503：进行下一次迭代计算；s504：如果3.5《|af|≤4，则执行s505和s506，或根据s507判断是否执行s510和s510，或者s503；s505：电压二级故障报警；s506：计算二级故障持续时间；s507：是否超过阈值；s508：如果4《|af|，则执行s509和s510；s509：电压一级故障报警；s510：车辆需要立即进行检查。
12.优选的，步骤108中，若无异常值，时间窗向下移动一次，重复步骤101至106即进行下一次迭代计算。
13.一种基于熵值算法的动力电池电压故障在线诊断处理装置，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以下步骤：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。
14.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：步骤100：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩
阵a；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。
15.本发明的有益效果如下：1.与现有的基于香农熵的电池故障诊断方法相比，本发明的有益效果是：由于该方法采用了基于区间概率的熵值计算方法，且区间随着电压数据的变化而变化，因此香农熵的大小极容易受到持续时间较长且无波动的多个电压数据片段的影响，从而误诊断率较高，基于此，本发明中增加了对原始数据进行踢出和重构处理步骤，数据处理原则保证了踢出数据中本身不存在异常波动的故障数据，同时踢出了容易引起误诊断的数据片段，极大提升了故障诊断准确率；原始的z分数方法中的均值和标准差在计算时容易受到最值数据的影响，为了进一步提升方法对异常单体识别的精度，本发明在香农熵进行标准化过程中均值用中值代替，计算标准差时先去除异常值，这样进一步降低了误诊断率；本发明运用滑动时间窗原理，通过对滑窗中电压数据的计算来定位异常单体的位置和异常发生的时间，减小了计算量，可以实现在线应用，其方法有别于现有的对全生命周期的数据进行计算的故障诊断方法。
附图说明
16.下面结合附图对本发明作进一步说明。
17.图1为本发明提供的基于熵值算法的动力电池电压故障在线诊断处理方法流程示意图；图2为本发明提供的数据踢出及重构原则流程示意图；图3为本发明提供的优化的熵值算法流程示意图；图4为本发明提供的优化的z分数算法流程示意图；图5为本发明提供的异常值诊断处理的流程示意图。
具体实施方式
18.下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术
实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
19.一种基于熵值算法的动力电池电压故障在线诊断处理方法，所述方法包括以下步骤：步骤100：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a，其中：其中，m表示时序长度，n表示电池包中单体电池总个数，a
i,j
表示第j个单体电池在第i次索引的电压值，i=1,2,
…
,m; j=1,2,
…
,n；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。
20.步骤101中预设初始滑动时间窗长度为k，宽度同单体电池总数为n，每次滑动窗截取的电压数据矩阵为b，其中：其中b
k,n
íam,n
。
21.步骤102中对滑动窗内电压值数据进行处理的方法具体为：s200：实时监测各单体电池连续时刻电压差，即计算时间窗矩阵b中各单体电池电压数据连续时刻的电压差矩阵c，其中：其中c
i,j
表示第j个单体电池在第i+1次索引的电压值与第i次索引的电压值的差，i=1,2,
…
,k-1; j=1,2,
…
,n；s201：找出矩阵c中各单体电池电压差小于等于0.001v连续超过k/10个以上的所有数据的行索引；
s202：踢出矩阵b中满足s201条件的行索引对应的数据片段；s203：对剩余数据按时序依次拼接，拼接点取两端点数据的均值，形成新的电压矩阵d，其中：其中d
e,n
íbk,n
。
22.步骤103中基于重构数据矩阵d利用优化的熵值算法计算各单体电池的香农熵值具体步骤为：s300：求取时间窗中的最大值和最小值，即求取矩阵d中的最小值d
min
和最大值d
max
为：s301：将两最值构成的区域（d
min
，d
max
）划分为l个区间：其中l=1,2,
…
,l。
23.s302：计算矩阵d中每个单体电池电压数据分别落入上述l个区间的频数矩阵f，得到频数矩阵f，其中：其中f
i,j
表示矩阵d中单体电池j的所有数据中落入区间的个数；s303：频数除总数得到各单体数据在各个区域中的区域概率矩阵p，其中其中，表示矩阵d中单体电池j的电压数据落入第i个区间的概率，并由矩阵b计算得到的各单体电池的香农熵为：s304：根据计算各单体香农熵值，即表示第j个单体电池由时间
窗b计算得到的香农熵值。
24.步骤104中基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数具体步骤如下：s400：获取各单体电池香农熵序列h(b)，s401：计算各单体电池香农熵的均值μh，计算公式为：s402：踢出h(b)中超过2*μh数据后计算剩余单体电池香农熵序列的标准差；即踢出香农熵序列h(b)中超过2*μh的香农熵值，形成新的香农熵序列，
í
h(b)，计算序列的均值和标准差，计算公式分别为：的均值和标准差，计算公式分别为：s403：计算各单体电池香农熵的中值h
me
；即计算各单体电池香农熵序列h(b)的中值h
me
；s404：根据标准化各单体电池香农熵值；即根据z分数理论计算当前时间窗中各单体电池的异常评估系数。
25.步骤105中异常值的安全评估策略为：s500：将每次时间窗的迭代计算中3.5＜|af|的单体电池识别为存在电压异常波动的故障单体；s501：如果|af|≤3.5，则执行s502和s503；s502：无电压故障报警；s503：进行下一次迭代计算；s504：如果3.5《|af|≤4，则执行s505和s506，或根据s507判断是否执行s510和s510，或者s503；s505：电压二级故障报警；s506：计算二级故障持续时间；s507：是否超过阈值；s508：如果4《|af|，则执行s509和s510；s509：电压一级故障报警；s510：车辆需要立即进行检查；步骤108中，若无异常值，时间窗向下移动一次，重复步骤101至106即进行下一次迭代计算。
26.具体来说，假设某待检测电动汽车电池箱中有95块单体电池，选取200次采样数据，建立所有单体电池的时间序列矩阵a如下：
其中a
i,j
表示第j个单体电池在第i次索引的电压值，i=1,2,
…
,200;j=1,2,
…
,95；步骤s101中，预设初始滑动窗口的长度为100，宽度为95，利用滑动窗口对电压时序矩阵逐区域进行数据截取，第一次截取的电压数据矩阵b为：基于上述电压数据矩阵b，按照图2所示的流程执行步骤s102，即数据处理原则具体为：步骤s200中，实时监测各单体电池连续时刻电压差，即计算时间滑动窗矩阵b中各单体电池电压数据连续时刻的电压差矩阵c：步骤s201中，找出矩阵c中各单体电池电压差小于等于0.001v连续超过10个以上的所有数据的行索引；步骤s202中，踢出矩阵b中满足步骤s201条件的行索引对应的数据片段；步骤s203中，对剩余数据按时序依次拼接，拼接点取两端点数据的均值，形成新的电压矩阵d：其中d
e,95
íb100,95
。
27.步骤s103按照图3所示的流程执行，即优化的熵值算法具体为：步骤s300中，求取矩阵d中的最小值d
min
和最大值d
max
为：步骤s301中，将两最值构成的区域（d
min
，d
max
）划分为10个区间：其中l=1,2,
…
,10。
28.步骤s302中，计算矩阵d中每个单体电池电压数据分别落入上述10个区间的频数
得到矩阵f：其中f
i,j
表示矩阵d中单体电池j的所有数据中落入区间的个数。
29.步骤s303中，根据矩阵f计算概率矩阵p：其中，表示矩阵d中单体电池j的电压数据落入第i个区间的概率。
30.步骤s304中，由矩阵b计算得到的各单体电池的香农熵为：其中，表示第j个单体电池在时间窗b中的香农熵值。
31.骤s104按照图4所示的流程执行，即优化的z分数算法为：步骤s401中，根据步骤s400得到的香农熵序列h(b)计算该序列的均值，计算公式为：步骤s402中，踢出香农熵序列h(b)中超过2*μh的香农熵值，形成新的香农熵序列，
í
h(b)，计算序列的均值和标准差，计算公式分别为：的均值和标准差，计算公式分别为：步骤s403中，计算香农熵序列的中值h
me
；步骤s404中，根据z分数理论计算当前时间窗中各单体电池的异常评估系数，计算公式为：最后，步骤s105，s106，s107和s108按照图5所示的流程执行，即动力电池电压在出现故障，即出现异常值时安全评估策略如下：步骤s501中，基于大量真实故障和正常车数据分析和验证，将3.5＜|af|的单体电
池识别为存在电压异常波动的故障单体。
32.步骤s502中，如果|af|≤3.5则单体电池中不存在电压异常波动的故障，系统无电压故障报警，将进行步骤s503，即进行下一次迭代计算，第二次截取的电压数据矩阵b为：进而重复步骤s102-s106即可。
33.步骤s504中，如果3.5《|af|≤4，则系统发出电压二级故障报警，步骤s506中将计算二级故障报警持续时间，若超过阈值将执行步骤s510，否则执行步骤s503；步骤s508中，如果4《|af|，则系统发出电压一级故障报警，提示驾驶员车辆需要立即停止行驶并进行检查。
34.以上过程例举了滑动窗截取一次数据时完整的计算过程，即本发明该实施例所提供的，基于熵值算法的动力电池电压故障在线诊断处理方法，在线实施时不断重复以上步骤进行迭代计算即可实现电压异常波动故障的实时准确评估。
35.基于与前述实施例中一种基于熵值算法的动力电池电压故障在线诊断处理方法同样的发明构思，本发明还提供了一种基于熵值算法的动力电池电压故障在线诊断处理装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于熵值算法的动力电池电压故障在线诊断处理方法的任一方法的步骤，具体如下：其包括总线架构，总线可以包括任意数量的互联的总线和桥，总线将包括由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线还可以将诸如外围设备、稳压器、传感器、摄像头和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本发明不再对其进行进一步描述。
36.实施例三基于与前述实施例一种基于熵值算法的动力电池电压故障在线诊断处理方法同样的发明构思，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；
步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。
37.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：步骤100：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。
38.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
39.本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
40.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
41.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
42.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精
神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：所述方法包括以下步骤：步骤100：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a，其中：其中，m表示时序长度，n表示电池包中单体电池总个数，a
i,j
表示第j个单体电池在第i次索引的电压值，i=1,2,
…
,m; j=1,2,
…
,n；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。2.根据权利要求1所述的一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：步骤101中预设初始滑动时间窗长度为k，宽度同单体电池总数为n，每次滑动窗截取的电压数据矩阵为b，其中：其中b
k,n
í
a
m,n
。3.根据权利要求2所述的一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：步骤102中对滑动窗内电压值数据进行处理的方法具体为：s200：实时监测各单体电池连续时刻电压差，即计算时间窗矩阵b中各单体电池电压数据连续时刻的电压差矩阵c，其中：其中c
i,j
表示第j个单体电池在第i+1次索引的电压值与第i次索引的电压值的差，i=1,
2,
…
,k-1; j=1,2,
…
,n；s201：找出矩阵c中各单体电池电压差小于等于0.001v连续超过k/10个以上的所有数据的行索引；s202：踢出矩阵b中满足s201条件的行索引对应的数据片段；s203：对剩余数据按时序依次拼接，拼接点取两端点数据的均值，形成新的电压矩阵d，其中：其中d
e,n
í
b
k,n
。4.根据权利要求3所述的一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：步骤103中基于重构数据矩阵d利用优化的熵值算法计算各单体电池的香农熵值具体步骤为：s300：求取时间窗中的最大值和最小值，即求取矩阵d中的最小值d
min
和最大值d
max
为：s301：将两最值构成的区域（d
min
，d
max
）划分为l个区间：其中l=1,2,
…
,l；s302：计算矩阵d中每个单体电池电压数据分别落入上述l个区间的频数矩阵f，得到频数矩阵f，其中：其中f
i,j
表示矩阵d中单体电池j的所有数据中落入区间的个数；s303：频数除总数得到各单体数据在各个区域中的区域概率矩阵p，其中其中，表示矩阵d中单体电池j的电压数据落入第i个区间的概率，并由矩阵b计算得到的各单体电池的香农熵为：
s304：根据计算各单体香农熵值，即表示第j个单体电池由时间窗b计算得到的香农熵值。5.根据权利要求4所述的一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：步骤104中基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数具体步骤如下：s400：获取各单体电池香农熵序列h(b)，s401：计算各单体电池香农熵的均值μ
h
，计算公式为：s402：踢出h(b)中超过2*μ
h
数据后计算剩余单体电池香农熵序列的标准差；即踢出香农熵序列h(b)中超过2*μ
h
的香农熵值，形成新的香农熵序列，
í
h(b)，计算序列的均值和标准差，计算公式分别为：的均值和标准差，计算公式分别为：s403：计算各单体电池香农熵的中值h
me
；即计算各单体电池香农熵序列h(b)的中值h
me
；s404：根据标准化各单体电池香农熵值；即根据z分数理论计算当前时间窗中各单体电池的异常评估系数。6.根据权利要求5所述的一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：步骤105中异常值的安全评估策略为：s500：将每次时间窗的迭代计算中3.5＜|af|的单体电池识别为存在电压异常波动的故障单体；s501：如果|af|≤3.5，则执行s502和s503；s502：无电压故障报警；s503：进行下一次迭代计算；s504：如果3.5<|af|≤4，则执行s505和s506，或根据s507判断是否执行s510和s510，或者s503；s505：电压二级故障报警；s506：计算二级故障持续时间；s507：是否超过阈值；s508：如果4<|af|，则执行s509和s510；s509：电压一级故障报警；s510：车辆需要立即进行检查。7.根据权利要求6所述的一种基于熵值算法的动力电池电压故障在线诊断处理方法，其特征在于：步骤108中，若无异常值，时间窗向下移动一次，重复步骤101至106即进行下一次迭代计算。8.一种基于熵值算法的动力电池电压故障在线诊断处理装置，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以下步骤：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。9.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：步骤100：获取待诊断汽车电池包中各单体电池电压数据时序值，构建电压数据矩阵a；步骤101：预设初始滑动时间窗的长度和宽度，利用滑动窗口对电压数据矩阵逐区域进行数据截取，形成截取电压矩阵b；步骤102：根据数据处理原则对窗内电压值进行数据踢出和重构，形成新的电压矩阵d；步骤103：基于重构数据利用优化的熵值算法计算各单体电池的香农熵值；步骤104：基于优化的z分数方法对各单体香农熵值进行转化得到单体电压异常波动评估系数；步骤105：基于安全评估策略进行异常单体的识别；步骤106：判定是否存在异常单体，若存在，则执行步骤107，反之则执行步骤108；步骤107：若存在异常值，定位异常单体的位置和发生时间，并进一步判定异常程度，同时向驾驶员发送相应提示；步骤108：若无异常值，时间窗向下移动，重复步骤101-106进行下一次的迭代计算。

技术总结
本发明涉及电池故障诊断技术领域，具体涉及一种基于熵值算法的动力电池电压故障在线诊断处理方法，包括获取待诊断电动汽车动力电池各单体电压时序值，建立电压数据矩阵，根据预先设定恒定长度的滑动窗，从上至下滑过电压矩阵，根据数据处理原则对每一次滑动窗内数据进行踢出和重构，然后进行各单体电压熵值的计算，对计算结果进行Z分数转化得到异常评估系数，对系数进行异常值识别，若存在，则定位异常单体编号和时间，并对异常程度进行评估，同时基于安全管理策略向驾驶员传达相应提示；若无异常值，则时间窗向下继续滑动，并重复上述流程进行迭代计算，本发明能准确定位单体电压故障发生时间及位置，在一定程度上提高了电动汽车的安全性。车的安全性。车的安全性。


技术研发人员：张凯 刘启全 马建 赵轩 孟德安
受保护的技术使用者：长安大学
技术研发日：2023.08.14
技术公布日：2023/10/15