本發(fā)明涉及數(shù)據(jù)處理，具體為一種包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法。

背景技術(shù)：

1、在現(xiàn)代電動(dòng)汽車和儲(chǔ)能系統(tǒng)中，電池管理系統(tǒng)(battery?management?system,bms)扮演著至關(guān)重要的角色，bms主要負(fù)責(zé)監(jiān)測(cè)和管理電池的健康狀態(tài)、電池充放電過程溫度控制以及充電和放電策略等，bms通過發(fā)送和接收實(shí)時(shí)報(bào)文，記錄電池的狀態(tài)參數(shù)，如電壓、電流、溫度、soc(state?of?charge，電量狀態(tài))以及soh(state?of?health，健康狀態(tài))等，這些報(bào)文構(gòu)成了電池管理和診斷的重要基礎(chǔ)，能夠及時(shí)發(fā)現(xiàn)充電過程中的異常情況。

2、隨著電動(dòng)汽車及其充電網(wǎng)絡(luò)的快速發(fā)展，對(duì)充電數(shù)據(jù)的精準(zhǔn)監(jiān)測(cè)和異常預(yù)警變得越來越迫切，傳統(tǒng)的充電異常數(shù)據(jù)采集方法通常依賴于手動(dòng)記錄和觀察，既費(fèi)時(shí)又易漏掉重要信息，并且在當(dāng)前的充電數(shù)據(jù)采集過程中，傳統(tǒng)的數(shù)據(jù)處理方法往往依賴于預(yù)定義的規(guī)則，容易遺漏一些復(fù)雜的異常模式。

3、因此，開發(fā)一種自動(dòng)化的充電異常數(shù)據(jù)采集方法，不僅能提高數(shù)據(jù)采集的準(zhǔn)確性和實(shí)時(shí)性，還能為后續(xù)的數(shù)據(jù)分析和異常預(yù)警提供堅(jiān)實(shí)的基礎(chǔ)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，解決了上述背景中提到的問題。

2、本發(fā)明提供如下技術(shù)方案：本發(fā)明公開了一種包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，包括以下步驟：

3、s1：獲取車載電池管理系統(tǒng)生成的充電過程中的數(shù)據(jù)報(bào)文，所述數(shù)據(jù)報(bào)文包括但不限于電流、電壓、溫度和soc指標(biāo)；

4、s2：通過實(shí)施機(jī)器學(xué)習(xí)算法對(duì)所述數(shù)據(jù)進(jìn)行分析和處理，采用異常檢測(cè)模型，使系統(tǒng)自動(dòng)識(shí)別出與正常充電模式不符的異常數(shù)據(jù)；

5、s3：并在充電設(shè)備上采用邊緣計(jì)算技術(shù)，以實(shí)時(shí)處理bms報(bào)文數(shù)據(jù)，減少數(shù)據(jù)傳輸延遲，并自動(dòng)檢測(cè)、識(shí)別充電過程中的異常模式及進(jìn)行相應(yīng)處理；

6、s4：將檢測(cè)到的異常數(shù)據(jù)進(jìn)行標(biāo)記，并反饋到系統(tǒng)；

7、s5：通過邊緣計(jì)算設(shè)備與云端服務(wù)進(jìn)行數(shù)據(jù)同步，將實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)存儲(chǔ)到云端。

8、作為一種優(yōu)選方案，步驟s1中采集的n條數(shù)據(jù)可以表示為

9、x＝{x1,x2,…,xn}

10、每條數(shù)據(jù)xi由多個(gè)特征組成，如以下表示

11、xi＝[vi,ii,ti，soci]

12、其中vi、ii、ti分別表示為電壓、電流、溫度，soci表示為電池的狀態(tài)。

13、作為一種優(yōu)選方案，所述步驟s2具體包括以下步驟：

14、s21：構(gòu)建由編碼器和解碼器兩個(gè)部分組成的自編碼器；

15、編碼器將輸入數(shù)據(jù)x映射到一個(gè)低維表示z，公式表示為

16、z＝f(x；θe)

17、其中，f表示為編碼器的非線性函數(shù)，θe表示為編碼器的參數(shù)；

18、解碼器將低維表示z映射回原始數(shù)據(jù)空間x′，公式表示為

19、x′＝g(z；θd)

20、其中，g表示為解碼器的函數(shù)，θd表示為解碼器參數(shù)；

21、s22：最小化輸入數(shù)據(jù)x與重建數(shù)據(jù)x′之間的差距，采用均方誤差作為損失函數(shù)

22、

23、l(x，x′)表示為輸入數(shù)據(jù)與重建數(shù)據(jù)之間的差異，n表示為輸入樣本的總數(shù)，通常是訓(xùn)練集中樣本的數(shù)量，xi表示為訓(xùn)練數(shù)據(jù)集中第i個(gè)樣本的輸入，xi′表示為對(duì)應(yīng)于樣本xi的重建輸出；

24、s23：異常檢測(cè)，通過記錄重建誤差來判斷數(shù)據(jù)的正常性，重建誤差定義為

25、

26、重建誤差，表示輸入x與其重建輸出x′之間的差距；

27、定義一個(gè)閾值σ，當(dāng)重建誤差超過該閾值時(shí)，視為異常數(shù)據(jù)

28、if?e(x)>σ則x為異常數(shù)據(jù)。

29、作為一種優(yōu)選方案，所述步驟s3具體包括以下步驟：

30、s31：數(shù)據(jù)預(yù)處理，對(duì)采集到的數(shù)據(jù)預(yù)處理，以確保數(shù)據(jù)質(zhì)量和提升后續(xù)分析的準(zhǔn)確性，對(duì)于數(shù)據(jù)歸一化，使用min-max標(biāo)準(zhǔn)化

31、

32、xi表示為第i條數(shù)據(jù)樣本經(jīng)過歸一化后的值，xmin所有樣本中該特征的最小值，xmax所有樣本中該特征的最大值；

33、s32：采用深度學(xué)習(xí)算法對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行異常檢測(cè)，針對(duì)經(jīng)過自編碼器的處理并輸出的重建數(shù)據(jù)x′，使用步驟s23計(jì)算重建誤差。

34、作為一種優(yōu)選方案，所述異常數(shù)據(jù)的處理和反饋時(shí)間不超過5s。

35、作為一種優(yōu)選方案，步驟s5中的所述數(shù)據(jù)同步包括以下步驟：

36、數(shù)據(jù)采集，在邊緣計(jì)算設(shè)備處實(shí)時(shí)收集充電相關(guān)的數(shù)據(jù)，構(gòu)成實(shí)時(shí)數(shù)據(jù)集dreal；

37、歷史數(shù)據(jù)管理，從云端檢索先前存儲(chǔ)的歷史數(shù)據(jù)集dhistory；

38、數(shù)據(jù)整合，將實(shí)時(shí)數(shù)據(jù)集與歷史數(shù)據(jù)集進(jìn)行合并，形成同步數(shù)據(jù)集dsync

39、dsync＝dreal∪dhistory；

40、數(shù)據(jù)上傳，將同步后的數(shù)據(jù)集上傳至云端存儲(chǔ)。

41、作為一種優(yōu)選方案，所述同步數(shù)據(jù)集dsync在合并過程中采用加權(quán)平均的方式對(duì)實(shí)時(shí)數(shù)據(jù)集dreal和歷史數(shù)據(jù)集dhistory中相同特征的值進(jìn)行整合，具體定義為

42、dsyne(i)＝w1·dreal(i)+w2·dhistory(i)

43、其中ω1和ω2，分別為實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)的權(quán)重系數(shù)，且ω1+ω2＝1。

44、作為一種優(yōu)選方案，所述步驟s1中采集的數(shù)據(jù)個(gè)數(shù)n根據(jù)實(shí)時(shí)數(shù)據(jù)流的更新頻率和數(shù)據(jù)的重要性動(dòng)態(tài)調(diào)整。

45、作為一種優(yōu)選方案，步驟s3中的邊緣計(jì)算技術(shù)包括實(shí)時(shí)監(jiān)測(cè)充電設(shè)備的電流狀態(tài)。

46、作為一種優(yōu)選方案，所述云端服務(wù)采用分布式存儲(chǔ)架構(gòu)。

47、與現(xiàn)有技術(shù)對(duì)比，本發(fā)明具備以下有益效果：

48、本發(fā)明通過自動(dòng)化的方式實(shí)時(shí)獲取車載電池管理系統(tǒng)(bms)生成的數(shù)據(jù)報(bào)文，并通過機(jī)器學(xué)習(xí)中的異常檢測(cè)模型，系統(tǒng)能夠有效識(shí)別出與正常充電模式不符的數(shù)據(jù)，從而降低漏檢和誤報(bào)的概率，提升整體異常監(jiān)測(cè)的準(zhǔn)確性；同時(shí)在充電設(shè)備上實(shí)施邊緣計(jì)算，能夠?qū)崟r(shí)處理bms數(shù)據(jù)，減少數(shù)據(jù)傳輸?shù)难舆t，并快速響應(yīng)異常情況，這種方法降低了云端服務(wù)器的負(fù)擔(dān)，提高了整體系統(tǒng)的響應(yīng)速度。

技術(shù)特征：

1.一種包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：步驟s1中采集的n條數(shù)據(jù)可以表示為

3.根據(jù)權(quán)利要求2所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：所述步驟s2具體包括以下步驟：

4.根據(jù)權(quán)利要求3所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：所述步驟s3具體包括以下步驟：

5.根據(jù)權(quán)利要求1-4任一所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：所述異常數(shù)據(jù)的處理和反饋時(shí)間不超過5s。

6.根據(jù)權(quán)利要求1所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：步驟s5中的所述數(shù)據(jù)同步包括以下步驟：

7.根據(jù)權(quán)利要求6所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：所述同步數(shù)據(jù)集dsync在合并過程中采用加權(quán)平均的方式對(duì)實(shí)時(shí)數(shù)據(jù)集dreal和歷史數(shù)據(jù)集dhistory中相同特征的值進(jìn)行整合，具體定義為

8.根據(jù)權(quán)利要求2所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：所述步驟s1中采集的數(shù)據(jù)個(gè)數(shù)n根據(jù)實(shí)時(shí)數(shù)據(jù)流的更新頻率和數(shù)據(jù)的重要性動(dòng)態(tài)調(diào)整。

9.根據(jù)權(quán)利要求1所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：步驟s3中的邊緣計(jì)算技術(shù)包括實(shí)時(shí)監(jiān)測(cè)充電設(shè)備的電流狀態(tài)。

10.根據(jù)權(quán)利要求1所述的包含bms報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，其特征在于：所述云端服務(wù)采用分布式存儲(chǔ)架構(gòu)。

技術(shù)總結(jié)
本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，且公開了一種包含BMS報(bào)文的充電異常數(shù)據(jù)自動(dòng)采集方法，包括以下步驟：S1：獲取車載電池管理系統(tǒng)生成的充電過程中的數(shù)據(jù)報(bào)文；S2：通過實(shí)施機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行分析和處理，采用異常檢測(cè)模型，使系統(tǒng)自動(dòng)識(shí)別出與正常充電模式不符的異常數(shù)據(jù)；S3：并在充電設(shè)備上采用邊緣計(jì)算技術(shù)，以實(shí)時(shí)處理BMS報(bào)文數(shù)據(jù)，減少數(shù)據(jù)傳輸延遲，并自動(dòng)檢測(cè)、識(shí)別充電過程中的異常模式及進(jìn)行相應(yīng)處理；S4：將檢測(cè)到的異常數(shù)據(jù)進(jìn)行標(biāo)記，并反饋到系統(tǒng)；S5：通過邊緣計(jì)算設(shè)備與云端服務(wù)進(jìn)行數(shù)據(jù)同步，將實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)存儲(chǔ)到云端；本發(fā)明能夠有效識(shí)別出與正常充電模式不符的數(shù)據(jù)，從而降低漏檢和誤報(bào)的概率。

技術(shù)研發(fā)人員：馮莉,丁浩,江地,李碧娟
受保護(hù)的技術(shù)使用者：威斯曼（深圳）新能源科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28