基于数据挖掘与大数据分析的电池故障诊断与异常检测.pdfVIP

2024年12月电工技术学报Vol.39No.24

第39卷第24期TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETYDec.2024

DOI:10.19595/j.cnki.1000-6753.tces.231983

基于数据挖掘与大数据分析的电池

故障诊断与异常检测

申江卫1岩川1刘永刚2沈世全1陈峥1

（1.昆明理工大学交通工程学院昆明650000

2.重庆大学机械与运载学院重庆400030）

摘要为充分挖掘电动汽车大数据监控平台海量数据应用潜力，提升锂离子电池组传统故障

诊断方法在异常检测、故障电池定位和故障诊断等方面的效率，该文提出一种基于数据挖掘和大

数据分析的电动汽车高效单体电池异常检测、定位与电池系统故障诊断方法。首先，使用t-SNE

对采集的动力电池历史运行数据可视化降维，利用K均值聚类算法结合Z分数方法设计电压异常

诊断系数，完成异常单体的准确检测和异常定位，并结合熵权-变异系数法进行单体电池性能评估，

实现不同单体电池异常程度的综合评定；其次，采用3σ-MSS算法以概率形式计算电池组中单体

电池端电压的异常变化，并通过不同电池故障概率统计分析，利用数理统计方法实现电池系统故

障与突发故障的统计分类，在时间维度上进行电池系统的故障诊断；最后，基于该文所提出的故

障诊断与异常检测方法，对监控平台上四辆电动汽车三年的运行数据进行了异常特性诊断，并按

照春、夏、秋、冬四季对其故障特征进行了分析。诊断结果显示，在四个季节故障概率分布中，

电动汽车各单体电池最高故障概率分别为1.99%、4.95%、3.67%、9.52%，平均故障概率为1.54%、

4.31%、3.07%、4.59%，夏、冬两季电池故障发生概率高于春、秋两季。相关诊断结果可为动力

电池稳定运行提供维护建议，为提升电动汽车的可靠性和优化设计提供参考。

关键词：动力电池数据挖掘大数据异常检测故障诊断

中图分类号：TM912

0引言1境中故障风险凸显[6]。此外，锂离子电池随着循环充

放电而退化，导致电池容量下降、锂库存损失、活性

近年来，随着全球对环境和能源问题的日益关

物质损失和电阻增加，影响电池的整体性能，增加了

注，电动汽车作为一种清洁能源交通工具，受到广泛

电池故障的风险[7]。同时，由于锂电池单体本身在制

推崇[1-2]。锂离子电池因其具有功率密度大、能量密度

造过程中存在初始不一致性问题，随着使用次数的积

高、自放电率低等优异性能而成为当前电动汽车电能

累，从而加剧单体间的初始不一致性，最终导致系统

存储装置的首选[3-4]。然而，因锂离子电池系统故障并

中单体电池发生过充、过放或内部短路（InternalShort

导致电动汽车热失控的事故时有发生，其使用安全性

[8]

Circuit,ISC）等故障，影响电池系统的正常工作。

备受关注[5]。由于自身工作特性影响，锂离子电池需

当