原始名称记载: 重庆三峡学院; 重庆安道骋汽车科技有限公司

本发明提供一种动力电池故障识别方法、装置及电子设备，涉及动力电池故障识别技术领域，本发明通过构建动力电池运行数据故障识别系统，首先对电压、充电电流、电芯温度和内阻的时序数据进行滤波去噪，提升数据质量；其次采集正常充电时的时序数据并划分为固定长度的参考窗口，构建动态健康基准；然后利用卷积神经网络提取运行数据和参考窗口的多尺度特征，引入注意力机制加权关键时间点特征，并通过主成分分析降维，简化特征向量维度；最后通过特征匹配找到最接近的参考窗口，结合电芯温度和内阻的误差分析判断是否存在故障。

本发明提供一种基于卡尔曼滤波法SOC的估算方法及系统，涉及电池管理与滤波处理技术领域，本发明通过采集电池在充电放电过程中的相关特征参数数据，并根据这些数据生成四个反映电池状态的指数：电池效率指数、电池温度稳定性指数、电池老化指数和电池充放电时效指数，建立电池充电状态预测模型，将四个指数构成特征向量作为模型输入，预测电池的SOC值，通过卡尔曼滤波法计算健康电池的实际SOC值，结合预测的SOC值计算出SOC差异值，设定SOC偏差阈值，通过判断差异值是否超出阈值，评估待评估电池的充电状态是否正常。本发明通过采集电池特征参数并结合卡尔曼滤波与预测模型，实时评估电池的充电状态，精确监测电池的健康状态。