一种锂电池自放电检测方法、装置、系统及其介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115856643A(43)申请公布日2023.03.28(21)申请号202211693557.9(22)申请日2022.12.28(71)申请人北京三缘聚科技有限公司地址100000北京市海淀区学院路35号世宁大厦14层1410-030(72)发明人王伟煌(74)专利代理机构深圳市龙成联合专利代理有限公司44344专利代理师苏玉峰(51)Int.Cl.G01R31/367(2019.01)G01R31/378(2019.01)权利要求书2页说明书7页附图3页(54)发明名称一种锂电池自放电检测方法、装置、系统及其介质(57)摘要本发明属于锂电池检测技术领域，涉及一种锂电池自放电检测方法、装置、系统及其介质，包括：获取待检测电芯的当前第一特征数据，所述当前第一特征数据包括：当前电流曲线、当前电压曲线、当前容量曲线及当前温度曲线；根据所述当前第一特征数据，构建关于当前第一特征数据的第一特征向量矩阵；采用最大最小标准化算法对第一特征向量矩阵进行数据归一化处理，获得当前第二特征向量矩阵；将所述当前第二特征向量矩阵输入预先建立的检测模型，输出待检测电芯的检测结果。CN115856643ACN115856643A权利要求书1/2页1.一种锂电池自放电检测方法，其特征在于，包括：获取待检测电芯的当前第一特征数据，所述当前第一特征数据包括：当前电流曲线、当前电压曲线、当前容量曲线及当前温度曲线；根据所述当前第一特征数据，构建关于当前第一特征数据的第一特征向量矩阵；采用最大最小标准化算法对第一特征向量矩阵进行数据归一化处理，获得当前第二特征向量矩阵；将所述当前第二特征向量矩阵输入预先建立的检测模型，输出待检测电芯的检测结果。2.根据权利要求1所述的一种锂电池自放电检测方法，其特征在于，所述检测模型的建立过程包括下述步骤：获取样本电芯在化成环节的第一样本特征数据，所述样本特征数据包括：样本电流曲线、样本电压曲线、样本容量曲线及样本温度曲线；根据所述样本特征数据，构建关于第一样本特征数据的第一样本特征向量矩阵及第一样本标签向量矩阵；采用最大最小标准化算法对第一样本特征数据的第一样本特征向量矩阵及标签向量矩阵进行数据归一化处理，获得第二样本特征向量矩阵；将第二样本特征向量矩阵划分为训练数据集和测试数据集；使用训练数据集训练One‑classSVM分类器，并使用测试数据集测试，直到检测正确率达到预设值，得到锂电池自放电检测模型。3.根据权利要求2所述的一种锂电池自放电检测方法，其特征在于，在将所述当前第二特征向量矩阵输入预先建立的检测模型，输出待检测电芯的检测结果只好还包括：确定待测锂电池是否为正常品，若待测锂电池检测为正常品，则锂电池跳过静置环节进行后续工序，若待测锂电池为异常品，则将锂电池剔除，若待测锂电池检测结果不确定，则将待测锂电池进行静置处理。4.根据权利要求2所述的一种锂电池自放电检测方法，其特征在于，所述根据所述样本特征数据，构建关于第一样本特征数据的第一样本特征向量矩阵及第一样本标签向量矩阵，包括：根据所述样本特征数据，生成每个样本电芯的第一样本特征向量；根据第一样本特征向量，定义每个第一样本特征向量的标签信息，其中，自放电电芯的标签信息定义为A1，正常品电芯的标签信息定义为A2；根据所述第一样本特征向量构建第一样本特征向量矩阵，根据所述标签信息构建第一样本标签向量矩阵。5.根据权利要求1所述的一种锂电池自放电检测方法，其特征在于，采用最大最小标准化算法对第一特征向量矩阵进行数据归一化处理，公式为：；其中，为当前第二特征向量矩阵，x为第一特征向量矩阵，max为该列中的最大值，min为该列中的最小值。6.一种锂电池自放电检测装置，其特征在于，包括：2CN115856643A权利要求书2/2页获取模块，所述获取模块用于获取待检测电芯的当前第一特征数据，所述当前第一特征数据包括：当前电流曲线、当前电压曲线、当前容量曲线及当前温度曲线；构建模块，所述构建模块用于根据所述当前第一特征数据，构建关于当前第一特征数据的第一特征向量矩阵；数据处理模块，所述数据处理模块用于采用最大最小标准化算法对第一特征向量矩阵进行数据归一化处理，获得当前第二特征向量矩阵；输入输出模块，所述输入输出模块用于将所述当前第二特征向量矩阵输入预先建立的检测模型，输出待检测电芯的检测结果。7.根据权利要求6所述的一种自放电检测装置，其特征在于，所述检测模型的建立方法具体为：获取样本电芯在化成环节的第一样本特征数据，所述样本特征数据包括：样本电流曲线、样本电压曲线、样本容量曲线及样本温度曲线；根据所述样本特征数据，构建关于第一样本特征数据的第一样本特征向量矩阵及第一样本标签向量矩阵；采用最大最小标准化算法对第一样