基于电芯级局部离群因子与GPD-SPOT方法的锂电池包早期故障预警及可疑电芯排名

《Batteries》：Cell-Wise Fault Warning for Lithium-Ion Battery Packs Using Local Outlier Factor and Validity-Gated Extreme-Value Thresholds

　　锂电池包早期故障预警面临着标签微弱和运行条件变化的挑战。本研究将电芯级别的局部离群因子（LOF）评分与有效值门控的流式超限峰（SPOT）方法相结合。使用五个描述符来概括每个七样本中位数中心化的电压轨迹，并将最大电芯LOF值进行对数变换后得到电池包评分。当校准诊断支持拟合的尾部时，采用广义帕累托分布（GPD）提供阈值；否则使用经验分位数。在九个真实车辆和六个AI生成的CH-BatteryGen案例中，12条流保留了GPD-SPOT，3条使用了经验回退方案。在目标风险参数 q = 0.01 时，事件前基线的总体误报率为1.85%，独立正常车辆的误报率为1.64%。七次记录的现场事件均在故障前24小时内发出预警，其中位提前时间为17.39小时。然而，car10仅提供了0.053小时的预警时间，且在宽泛的±24小时事件标签下，窗口级召回率仅为0.029。提供的故障电芯在所有三个标注的磷酸铁锂案例中均排名第一。该工作流程可在无需故障标签模型训练的情况下，提供统计故障预警和可疑电芯排名。