(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 202210845321.6 (22)申请日 2022.07.19 (71)申请人 上海颉码能源科技有限公司 地址 201800 上海市嘉定区沪宜公路1 188 号18幢2层212室 (72)发明人 李春喜　刘莉　葛泉波　 (74)专利代理 机构 杭州伟知新盛专利代理事务 所(特殊普通 合伙) 33275 专利代理师 李成龙 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) (54)发明名称 一种基于BP神经网络的充电安全状态评估 方法及系统 (57)摘要 本发明涉及一种基于BP神经网络的充电安 全状态评估 方法及系统， 从历史报文数据中获取 动力电池安全数据； 设置安全状态的评价指标 SOS， 建立BP神经网络， 根据所述BP神经网络进行 SOS预测； 根据实时报文数据进行SOS计算， 根据 所述计算结果进行充电控制； 本发 明的方案结合 了神经网络能够处理大数据的优势与专家法的 优点， 提出安全状态指标SOS， 并利用BP神经网络 搭建模型来预测充电中的电动汽车安全状态 SOS， 可以有效的根据电池安全状态SOS 对对动力 电池组的安全情况做出不同的判断， 有效的提高 了安全监测效能。 权利要求书1页 说明书6页 附图2页 CN 115238983 A 2022.10.25 CN 115238983 A 1.一种基于BP神经网络的充电安全状态评估方法， 其特征在于， 所述方法包括以下步 骤： 信息获取步骤， 包括从历史报文数据中获取动力电池安全数据； SOS预测步骤， 包括设置安全状态的评价指标S OS， 建立BP神经网络， 根据所述BP神经网 络进行SOS预测； 安全控制步骤， 包括 根据实时报文数据进行SOS计算， 根据计算结果进行充电控制。 2.根据权利要求1所述的方法， 其特 征在于， 所述信息获取步骤， 具 备包括： 步骤1， 从数据库里按车牌筛 选出历史报文数据； 步骤2， 取出报文数据中动力电池安全数据， 所述安全数据包括SOC、 最高允许温度、 当 前最高温度、 最大电流和最大电压 。 3.根据权利要求1所述的方法， 其特 征在于， 所述SOS预测步骤， 具 备包括： 步骤3， 设置安全状态的评价指标S OS， 训练BP神经网络， 通过BP神经网络预测充电安全 状态SOS。 4.根据权利要求3所述的方法， 其特征在于， 用于训练BP神经网络的输入数据为最高允 许温度、 当前最高温度、 实时电流和SOC， 输出 数据为SOS。 5.根据权利要求1所述的方法， 其特 征在于， 安全 控制步骤具体包括： 步骤4， 采集实时报文数据； 步骤5， 取 出报文数据中的最高允许温度、 当前最高温度、 实时电流和SOC； 步骤6， 判断电流升高趋势； 步骤7， 判断温度上升 趋势； 步骤8， 根据所述电流升高趋势及温度上升 趋势， 计算SOS是否 接近于100％。 6.根据权利要求5所述的方法， 其特 征在于， 安全 控制步骤 还包括： 步骤9， 继续采集实时报文数据， 实时计算SOS； 步骤10， 实时判断SOS是否 到达100％； 步骤11， 当所述SOS是否 到达100％时， 立即停止充电。 7.根据权利要求5所述的方法， 其特征在于， 根据所述电流升高趋势和、 或温度上升趋 势， 进行热失控预警。 8.一种基于BP神经网络的充电安全状态评估系统， 其特 征在于， 所述系统包括： 信息获取模块， 用于从历史报文数据中获取动力电池安全数据； SOS预测模块， 用于设置安全状态的评价指标S OS， 建立BP神经网络， 根据所述BP神经网 络进行SOS预测； 安全控制模块， 用于根据实时报文数据进行SOS计算， 根据计算结果进行充电控制。 9.一种基于BP神经网络的充电安全状态评估设备， 其特征在于， 所述评估设备包括存 储器、 处理器； 所述存储器上存 储有可在所述处 理器上运行的计算机程序； 所述处理器执行所述计算机程序时实现上述权利要求1 ‑7所述的方法。 10.一种具有处理器可执行的非易失的程序代码的计算机可读介质， 其特征在于， 所述 程序代码使所述处 理器执行所述权利要求1 ‑7所述的方法。权　利　要　求　书 1/1 页 2 CN 115238983 A 2一种基于BP神经 网络的充电安全状态 评估方法及系统 技术领域 [0001]本发明属于机器学习领域和故障诊断领域， 具体涉及一种基于BP神经网络的充电 安全状态评估方法及系统。 背景技术 [0002]近年来， 新能源汽车得益于其零排放的优点在近年来得到了大规模发展。 越来越 多的电动汽车如雨后春笋般出现在人们的视野当中， 随之而来电动汽车起火事故也累计攀 升。 车辆在充电时突然冒烟或起火往往会给车主 带巨大经济损失甚至是人身伤害。 因此， 研 究电动汽车充电安全状态评估预警机制具有重要的现实意 义。 [0003]常见的充电安全预警及安全防护机制都是由电动汽车自带的电池管理系统  BMS 提供的。 电池管理系统BMS是汽车的控制中心， 能够实时监测动力电池组的电流、 电压、 温 度、 SOC等重要参量， 并实时做出控制指 令。 BMS对于整 车的剩余能量估计、 能量分配、 续航里 程、 异常预警等 起着决定性的作用， 是电动车动力电池组安全防护机制的关键 。 [0004]目前， 不同汽车产商甚至是同品牌不同车型的动力电池组的结构和B MS都有差异。 然而现阶段， 市面上的充电桩的都是根据BMS提供的充电需求来充电的。 随着电池循环次数 的增加， 动力电池组会出现不同程度的老化， 电池内部上千单体电池的老化速率也并非一 致。 若充电桩直接按照BMS需求充电， 可能会加速电池老化甚至带来一定的安全隐患。 因此， 对于动力电池组充电时的安全状态监测十分必要。 发明内容 [0005]为解决上述问题， 本发明结合了神经网络能够处理大数据的优势与专家法的优 点， 提出安全状态指标SOS， 并利用BP神经网络搭建模型来预测充电中的电动汽车安全状态 SOS， 可以有效的根据电池安全状态SOS对对动力电池组的安全情况做出不同的判断。 本发 明解决其 技术问题所采用的技 术方案是： [0006]本发明提供了一种基于BP神经网络的充电安全状态评估方法， 所述方法包括以下 步骤： [0007]信息获取步骤， 包括从历史报文数据中获取动力电池安全数据； [0008]SOS预测步骤， 包括设置安全状态的评价指标SOS， 建立BP神经 网络， 根据所述BP神 经网络进行SOS预测； [0009]安全控制步骤， 包括根据实时报文数据进行SOS计算， 根据所述计算结果进行充电 控制。 [0010]进一步的， 所述信息获取步骤， 具 备包括： [0011]步骤1， 从数据库里按车牌筛 选出历史报文数据； [0012]步骤2， 取出报文数据中动力电池安全数据， 所述安全数据包括SOC、 最高允许温 度、 当前最高温度、 最大电流和最大电压 。 [0013]进一步的， 所述SOS预测步骤， 具 备包括：说　明　书 1/6 页 3 CN 115238983 A 3