本发明公开一种基于大数据的电池过充预警方法及系统，方法包括：判断电池类型；若为三元锂电池，计算三元锂电池的电池荷电状态值；基于状态值判定是否发生故障；提取三元锂电池的最高单体电压和最高探针温度；确定三元锂电池的过充阈值；基于过充阈值、最高单体电压和最高探针温度划分故障等级并进行预警，若为磷酸铁锂电池，则采取同样的方法对磷酸铁锂电池的故障进行划分。本发明中的上述方法及系统通过对电池的过充进行等级划分并预警，减少了安全事故的发生。
1.一种基于大数据的电池过充预警方法，其特征在于，所述预警方法包括：获取单体电池电压的电压值；
若第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
若第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
若第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
若第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
2.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述判断电池类型具体包括：判断充满电后的单体电池电压是否大于3.8；
若充满电后的单体电池电压大于3.8，则判定为三元锂电池；
若充满电后的单体电池电压小于等于3.8，则判定为磷酸铁锂电池。
3.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述第一设定阈值和所述第二设定阈值均为99。
4.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警具体包括：判断所述磷酸铁锂电池的最高单体电压U2和最高探针温度T2的大小；
若U2≤3.65，电压变化率＞0且T2≤55，则判定为不发生故障；
若3.65＜U2≤A，电压变化率＞0或者55＜T2＜C，则判定故障等级为一级故障，并触发报警；
若A＜U2＜B，电压变化率＞0或者C≤T2＜D，则判定故障等级为二级故障，并触发报警；
若U2≥B，电压变化率＞0或者T2≥D或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
5.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警具体包括：判断所述三元锂电池的最高单体电压U1和最高探针温度T1的大小若U1≤4.2，电压变化率＞0且T1≤55，则判定为不发生故障；
若4.2＜U1≤E，电压变化率＞0或者55＜T1＜G，则判定故障等级为一级故障，并触发报警；
若E＜U1＜F，电压变化率＞0或者G≤T1＜H，则判定故障等级为二级故障，并触发报警；
若U1≥F，电压变化率＞0或者T1≥H或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
6.一种基于大数据的电池过充预警系统，其特征在于，所述系统包括：获取模块，用于获取单体电池电压的电压值；
第一判断模块，用于基于所述电压值判断电池类型，得到第一判断结果；
第一计算模块，用于当第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
第二判断模块，用于判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
第一判定模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
第一提取模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
第二提取模块，用于提取时间序列下所述三元锂电池的电池电压数据；
第一电压向后差分计算模块，用于基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
第一确定模块，用于将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
第一拟合模块，用于采用高斯混合拟合所述第一待定故障等级划分的阈值；
第一阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
第一故障等级划分预警模块，用于基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
第二计算模块，用于当第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
第三判断模块，用于判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
第二判定模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
第三提取模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
第四提取模块，用于提取时间序列下所述磷酸铁锂电池的电池电压数据；
第二电压向后差分计算模块，用于基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
第二确定模块，用于将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
第二拟合模块，用于采用高斯混合拟合所述第二待定故障等级划分的阈值；
第二阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
第二故障等级划分预警模块，用于基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
一种基于大数据的电池过充预警方法及系统
技术领域
[0001] 本发明涉及大数据领域，特别是涉及一种基于大数据的电池过充预警方法及系统。
背景技术
[0002] 动力电池是电动汽车的能量源，同时也是最易发生故障的部分，随着电动汽车保有量和使用量的不断增加，电池热失控等安全性问题越来越多，安全性事故涉及到大量人员的伤亡，是电池发展过程中需要解决的核心问题。而电池热失控主要是由于电池过充电造成的，因此对电池过充电的预警十分必要。
[0003] 目前对电池过充电的研究大多停留在实验室阶段，通过对电池人为施加过充电条件来观测电池过充电时电压和温度的变化。实验室方法可以精准有效地测得电池过充电时的特性，但是汽车实际运行时处于一个多因素耦合的复杂环境，电池状态受多方面外在条件影响，因此，从实验室中得出的结论未必是可行的。而采用数据驱动的方法，其结论来自于真实的实车数据又运用到实车中，其准确性和真实性更好，也更贴近工程应用。
发明内容
[0004] 本发明的目的是提供一种基于大数据的电池过充预警方法及系统，对电池的过充进行等级划分并预警，减少安全事故的发生。
[0005] 为实现上述目的，本发明提供了如下方案：
[0006] 一种基于大数据的电池过充预警方法，所述预警方法包括：
[0007] 获取单体电池电压的电压值；
[0008] 基于所述电压值判断电池类型，得到第一判断结果；
[0009] 若第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
[0010] 判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
[0011] 若第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
[0012] 若第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
[0013] 提取时间序列下所述三元锂电池的电池电压数据；
[0014] 基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
[0015] 将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
[0016] 采用高斯混合拟合所述第一待定故障等级划分的阈值；
[0017] 取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
[0018] 基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
[0019] 若第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
[0020] 判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
[0021] 若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
[0022] 若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
[0023] 提取时间序列下所述磷酸铁锂电池的电池电压数据；
[0024] 基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
[0025] 将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
[0026] 采用高斯混合拟合所述第二待定故障等级划分的阈值；
[0027] 取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D。
[0028] 基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
[0029] 可选的，所述判断电池类型具体包括：
[0030] 判断充满电后的单体电池电压是否大于3.8；
[0031] 若充满电后的单体电池电压大于3.8，则判定为三元锂电池；
[0032] 若充满电后的单体电池电压小于等于3.8，则判定为磷酸铁锂电池。
[0033] 可选的，所述第一设定阈值和所述第二设定阈值均为99。
[0034] 可选的，所述基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警具体包括：
[0035] 判断所述磷酸铁锂电池的最高单体电压U2和最高探针温度T2的大小；
[0036] 若U2≤3.65，电压变化率＞0且T2≤55，则判定为不发生故障；
[0037] 若3.65＜U2≤A，电压变化率＞0或者55＜T2＜C，则判定故障等级为一级故障，并触发报警，；
[0038] 若A≤U2＜B，电压变化率＞0或者C≤T2＜D，则判定故障等级为二级故障，并触发报警；
[0039] 若U2≥B，电压变化率＞0或者T2≥D或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
[0040] 可选的，所述基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警具体包括：
[0041] 判断所述三元锂电池的最高单体电压U1和最高探针温度T1的大小[0042] 若U1≤4.2，电压变化率＞0且T1≤55，则判定为不发生故障；
[0043] 若4.2＜U1≤E，电压变化率＞0或者55＜T1＜G，则判定故障等级为一级故障，并触发报警，；
[0044] 若F≤U1＜E，电压变化率＞0或者G≤T1＜H，则判定故障等级为二级故障，并触发报警；
[0045] 若U1≥F，电压变化率＞0或者T1≥H或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
[0046] 本发明另外提供一种基于大数据的电池过充预警系统，所述系统包括：
[0047] 获取模块，用于获取单体电池电压的电压值；
[0048] 第一判断模块，用于基于所述电压值判断电池类型，得到第一判断结果；
[0049] 第一计算模块，用于当第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
[0050] 第二判断模块，用于判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
[0051] 第一判定模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
[0052] 第一提取模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
[0053] 第二提取模块，用于提取时间序列下所述三元锂电池的电池电压数据；
[0054] 第一电压向后差分计算模块，用于基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
[0055] 第一确定模块，用于将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
[0056] 第一拟合模块，用于采用高斯混合拟合所述第一待定故障等级划分的阈值；
[0057] 第一阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
[0058] 第一故障等级划分预警模块，用于基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
[0059] 第二计算模块，用于当第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
[0060] 第三判断模块，用于判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
[0061] 第二判定模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
[0062] 第三提取模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
[0063] 第四提取模块，用于提取时间序列下所述磷酸铁锂电池的电池电压数据；
[0064] 第二电压向后差分计算模块，用于基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
[0065] 第二确定模块，用于将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
[0066] 第二拟合模块，用于采用高斯混合拟合所述第二待定故障等级划分的阈值；
[0067] 第二阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
[0068] 第二故障等级划分预警模块，用于基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
[0069] 根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0070] 本发明中的上述方法及系统，通过电池类型的判断、电池过充阈值的设定以及电池过充预警等，使得电池过充预警脱离实验室的束缚，实现在线预警，并大大提高了预测精度，同时，通过预警提醒，在故障发生前提醒司机，防止了安全事故的发生。
附图说明
[0071] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0072] 图1为本发明实施例基于大数据的电池过充预警方法流程图；
[0073] 图2为本发明实施例第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H确定方法流程图；
[0074] 图3为本发明实施例第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D确定方法流程图；
[0075] 图4为本发明实施例基于大数据的电池过充预警系统结构示意图。
具体实施方式
[0076] 下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0077] 本发明的目的是提供一种一种基于大数据的电池过充预警方法及系统，对电池的过充进行等级划分并预警，减少安全事故的发生。
[0078] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0079] 图1为本发明实施例基于大数据的电池过充预警方法流程图，如图1所示，所述预警方法包括：
[0080] 步骤101：获取单体电池电压的电压值；
[0081] 步骤102：基于所述电压值判断电池类型，得到第一判断结果。
[0082] 具体的，步骤101中，判断电池类型具体包括：
[0083] 判断充满电后的单体电池电压是否大于3.8；
[0084] 若充满电后的单体电池电压大于3.8，则判定为三元锂电池；
[0085] 若充满电后的单体电池电压小于等于3.8，则判定为磷酸铁锂电池。
[0086] 或者，可以直接根据静态数据进行判断，企业业给国家大数据平台传输数据的时候，会上传一些车辆设计时的参数这些数据不随车辆行驶而改变，所以叫静态参数，例如动力电池数量，动力电池类型，电池额定电压，等等。企业如果上传了这些静态数据，我们就能根据这些数据判断是哪种电池类型，也有一些车企没有传这些数据，就根据电池电压判断电池类型。
[0087] 步骤103：若第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值。
[0088] 具体的，所述电池荷电状态值即为电池的电量。
[0089] 步骤104：判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果。
[0090] 具体的，所述第一设定阈值为99。
[0091] 步骤105：若第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障。
[0092] 步骤106：若第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1。
[0093] 步骤107：确定所述三元锂电池的第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H。
[0094] 如图2所示，具体步骤如下：
[0095] 步骤1071：提取时间序列下所述三元锂电池的电池电压数据；
[0096] 步骤1072：基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
[0097] 步骤1073：将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
[0098] 步骤1074：采用高斯混合拟合所述第一待定故障等级划分的阈值；
[0099] 步骤1075：取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H。
[0100] 其中，计算各时刻第一电压向后差分具体采用以下公式：
[0101] ΔUi(t)＝Ui(t)-Ui(t-1)，式中，ΔUi(t)为第i个汽车过充电单体t时刻的电压向后差分，Ui(t)为第i个汽车过充电单体t时刻的电压，Ui(t-1)为第i个汽车过充电单体t-1时刻的电压。
[0102] 其中，将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值具体包括：
[0103] (1)计算各时刻电压二阶向后差分：Δ2Ui(t)＝ΔUi(t)-ΔUi(t-1)；
[0104] (2)设一次充电过程持续了m秒，计算第i个汽车过充电单体一次充电过程中t从1到m过程中，Δ2Ui(t)的最大值max1和第二大值max2，
[0105] (3)计算max1和max2对应的时刻t1和t2；
[0106] (4)提取t1和t2对应的单体电压作为待定电压故障等级划分阈值Ai和Bi，提取t1和t2对应的探针温度作为待定温度故障等级划分阈值Ci和Di；
[0107] 利用高斯混合拟合各车电压待定故障等级划分阈值Ai和Bi，利用高斯混合拟合各车温度待定故障等级划分阈值Ci和Di。
[0108] 步骤108：基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警。
[0109] 具体故障划分步骤如下：
[0110] 判断所述三元锂电池的最高单体电压U1和最高探针温度T1的大小[0111] 若U1≤4.2，电压变化率＞0且T1≤55，则判定为不发生故障；
[0112] 若4.2＜U1≤E，电压变化率＞0或者55＜T1＜G，则判定故障等级为一级故障，并触发报警，；
[0113] 若F≤U1＜E，电压变化率＞0或者G≤T1＜H，则判定故障等级为二级故障，并触发报警；
[0114] 若U1≥F，电压变化率＞0或者T1≥H或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
[0115] 步骤109：若第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值。
[0116] 步骤110：判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果。
[0117] 具体的，所述第二设定阈值为99。
[0118] 步骤111：若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障。
[0119] 步骤112：若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2。
[0120] 步骤113：确定所述磷酸铁锂电池的第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D。
[0121] 如图3所示，具体步骤如下：
[0122] 步骤1131：提取时间序列下所述磷酸铁锂电池的电池电压数据；
[0123] 步骤1132：基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
[0124] 步骤1133：将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
[0125] 步骤1134：采用高斯混合拟合所述第二待定故障等级划分的阈值；
[0126] 步骤1135：取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值、第四电压阈值、第三温度阈值、第四温度阈值。
[0127] 步骤114：基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
[0128] 具体故障划分步骤如下：
[0129] 判断所述磷酸铁锂电池的最高单体电压U2和最高探针温度T2的大小；
[0130] 若U2≤3.65，电压变化率＞0且T2≤55，则判定为不发生故障；
[0131] 若3.65＜U2≤A，电压变化率＞0或者55＜T2＜C，则判定故障等级为一级故障，并触发报警，；
[0132] 若A≤U2＜B，电压变化率＞0或者C≤T2＜D，则判定故障等级为二级故障，并触发报警；
[0133] 若U2≥B，电压变化率＞0或者T2≥D或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
[0134] 如图4所示，图4为本发明实施例基于大数据的电池过充预警系统结构示意图，所述系统包括：
[0135] 获取模块201，用于获取单体电池电压的电压值；
[0136] 第一判断模块202，用于基于所述电压值判断电池类型，得到第一判断结果；
[0137] 第一计算模块203，用于当第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
[0138] 第二判断模块204，用于判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
[0139] 第一判定模块205，用于当第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
[0140] 第一提取模块206，用于当第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
[0141] 第二提取模块207，用于提取时间序列下所述三元锂电池的电池电压数据；
[0142] 第一电压向后差分计算模块208，用于基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
[0143] 第一确定模块209，用于将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
[0144] 第一拟合模块210，用于采用高斯混合拟合所述第一待定故障等级划分的阈值；
[0145] 第一阈值确定模块211，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
[0146] 第一故障等级划分预警模块212，用于基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
[0147] 第二计算模块213，用于当第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
[0148] 第三判断模块214，用于判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
[0149] 第二判定模块215，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
[0150] 第三提取模块216，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
[0151] 第四提取模块217，用于提取时间序列下所述磷酸铁锂电池的电池电压数据；
[0152] 第二电压向后差分计算模块218，用于基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
[0153] 第二确定模块219，用于将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
[0154] 第二拟合模块220，用于采用高斯混合拟合所述第二待定故障等级划分的阈值；
[0155] 第二阈值确定模块221，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
[0156] 第二故障等级划分预警模块222，用于基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
[0157] 本发明中的上述方法及系统具有以下有益效果：
[0158] 目前对电池过充电的研究大多停留在实验室阶段，通过对电池人为施加过充电条件来观测电池过充电时电压和温度的变化。实验室方法可以精准有效地测得电池过充电时的特性，但是汽车实际运行时处于一个多因素耦合的复杂环境，电池状态受多方面外在条件影响，因此，从实验室中得出的结论未必是可行的。而采用数据驱动的方法，其结论来自于真实的实车数据又运用到实车中，其准确性和真实性更好，也更贴近工程应用。本发明将大数据挖掘(数据预处理、数据提取，电压向后差分等过程)和机器学习(高斯混合)的方法相结合采用数据驱动的方法对动力电池过充电进行预警，其结论来自于真实的实车数据又运用到实车中，其准确性和真实性更好，也更贴近工程应用。与传统方法相比，可以使电池过充电预警脱离实验室的束缚，实现在线预警，并能根据汽车新产生的数据不断优化训练模型，提高预测精度。同时与车联网技术相融合，在故障发生前提醒司机，防止安全事故的发生。
[0159] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0160] 本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
