(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111429219.X (22)申请日 2021.11.28 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区沙正 街174号 (72)发明人 余娟　杨知方　王博石　杨燕　 李中浩　 (74)专利代理 机构 重庆缙云专利代理事务所 (特殊普通 合伙) 50237 专利代理师 王翔 (51)Int.Cl. G06F 30/27(2020.01) G01D 21/02(2006.01) G06F 119/08(2020.01) (54)发明名称 基于自编码器和集成学习储能 电池热失控 预警方法 (57)摘要 本发明公开基于自编码器和集成学习储能 电池热失控预警方法， 步骤为： 1)基于不同训练 样本数据， 建立若干基于自编码器的储能电池热 失控预警基础模型； 2)对若干基于自编码器的储 能电池热失控 预警基础模型进行集成训练， 得到 储能电池热失控预警模型； 3)获取储能电池实时 运行数据， 并分别输入到每个储能电池热失控预 警基础模型中， 得到每个储能电池 热失控预警基 础模型输 出的储能电池热 失控状态判断结果； 4) 将所有储能电池热失控状态判断结果输入到储 能电池热失控 预警模型中， 计算储能电池热失控 概率。 本发 明通过建立端到端的数据模型以实现 对潜在热失控储能电池的提前预警， 弥补了该领 域实验方法和机理模型方法的缺陷。 权利要求书2页 说明书9页 附图2页 CN 114676619 A 2022.06.28 CN 114676619 A 1.基于自编码器和集成学习储能电池热失控预警方法， 其特 征在于， 包括以下步骤： 1)基于所述不同训练样本数据， 建立若干基于自编码器的储能电池热失控预警基础模 型； 2)对若干基于自编码器的储能电池热失控预警基础模型进行集成训练， 得到储能电池 热失控预警模型； 3)获取储能电池实时运行数据， 并分别输入到每个储能电池热失控预警基础模型中， 得到每个储能电池热失控预警基础模型输出的储能电池热失控状态判断结果； 4)将所有储能电池热失控状态判断结果输入到储能电池热失控预警模型中， 计算储能 电池热失控概 率。 2.根据权利要求1所述的基于自编码器和集成学习储能电池热失控预警方法， 其特征 在于： 所述训练样本数据包括储能电池运行状态数据； 所述储能电池运行状态数据包括电压、 电流、 荷电状态、 温度、 统计变量Mt； 所述统计变 量包括储能电池 单体电压方差、 电压均值、 电压最大值、 电压最小值、 所有 单体温度方差、 温 度最大值、 温度最小值。 3.根据权利要求2所述的基于自编码器和集成学习储能电池热失控预警方法， 其特征 在于： 所述训练样本数据经 过了标准 化处理； 标准化处理后的数据x*如下所示： 式中， xμ为样本均值； xσ为样本标准差， x为标准 化前的数据。 4.根据权利要求1或2所述的基于自编码器和集成学习储能电池热失控预警方法， 其特 征在于： 所述基于自编 码器的储能电池热失控 预警基础 模型的编 码器和解码 器分别如下所 示： y＝h(Xin)      (2) 式中， y为模型输出； h(*)、 f(*)表示编解码函数； Xin＝[Vt,It,SOCt,Tt,Mt]代表t时刻的 输入数据； Vt、 It、 SOCt、 Tt、 Mt分别为电池组t时刻总电压、 总电流、 电池组荷电状态、 电池组温 度 、统 计 变 量 ； 代 表 编 码 器 t 时 刻 的 输 出 数 据 ； 分别表示电池组t时刻总电压、 总电流、 电池组荷电状态、 电池组 温度、 统计 变量的重构数据； 所述基于自编码器的储能电池热失控预警基础模型的优化目标 如下 所示： 式中， m为Xin和 维度； xin,i,t为Xin中第i维度t时刻特征向量值； xout,i,t为 中第i维 度t时刻特 征向量值； T为总时刻数。权　利　要　求　书 1/2 页 2 CN 114676619 A 25.根据权利要求1或4所述的基于自编码器和集成学习储能电池热失控预警方法， 其特 征在于： 储能电池热失控预警基础模型输出的储能电池热失控状态判断结果y如下 所示： 式中， K为设定的阈值； y＝1表示储能电池热失控； y＝0表示储能电池运行正常。 6.根据权利要求1所述的基于自编码器和集成学习储能电池热失控预警方法， 其特征 在于， 所述储能电池热失控预警模型如下 所示： 式中， P是储能电池被判断为热 失控的概率； yk为第k个基础模型对该储能电池的判断结 果； n为基础模型总数。权　利　要　求　书 2/2 页 3 CN 114676619 A 3