CN110148991B - 一种基于大数据的电池过充预警方法及*** - Google Patents

一种基于大数据的电池过充预警方法及*** Download PDF

Info

Publication number
CN110148991B
CN110148991B CN201910519805.XA CN201910519805A CN110148991B CN 110148991 B CN110148991 B CN 110148991B CN 201910519805 A CN201910519805 A CN 201910519805A CN 110148991 B CN110148991 B CN 110148991B
Authority
CN
China
Prior art keywords
battery
voltage
threshold
fault
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910519805.XA
Other languages
English (en)
Other versions
CN110148991A (zh
Inventor
张照生
王震坡
孙振宇
刘鹏
李达
龙超华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute Of Technology New Source Information Technology Co ltd
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute Of Technology New Source Information Technology Co ltd
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute Of Technology New Source Information Technology Co ltd, Beijing Institute of Technology BIT filed Critical Beijing Institute Of Technology New Source Information Technology Co ltd
Priority to CN201910519805.XA priority Critical patent/CN110148991B/zh
Publication of CN110148991A publication Critical patent/CN110148991A/zh
Application granted granted Critical
Publication of CN110148991B publication Critical patent/CN110148991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/488—Cells or batteries combined with indicating means for external visualization of the condition, e.g. by change of colour or of light density
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
    • H02J7/00302—Overcharge protection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开一种基于大数据的电池过充预警方法及***，方法包括：判断电池类型；若为三元锂电池，计算三元锂电池的电池荷电状态值；基于状态值判定是否发生故障；提取三元锂电池的最高单体电压和最高探针温度；确定三元锂电池的过充阈值；基于过充阈值、最高单体电压和最高探针温度划分故障等级并进行预警，若为磷酸铁锂电池，则采取同样的方法对磷酸铁锂电池的故障进行划分。本发明中的上述方法及***通过对电池的过充进行等级划分并预警，减少了安全事故的发生。

Description

一种基于大数据的电池过充预警方法及***
技术领域
本发明涉及大数据领域，特别是涉及一种基于大数据的电池过充预警方法及***。
背景技术
动力电池是电动汽车的能量源，同时也是最易发生故障的部分，随着电动汽车保有量和使用量的不断增加，电池热失控等安全性问题越来越多，安全性事故涉及到大量人员的伤亡，是电池发展过程中需要解决的核心问题。而电池热失控主要是由于电池过充电造成的，因此对电池过充电的预警十分必要。
目前对电池过充电的研究大多停留在实验室阶段，通过对电池人为施加过充电条件来观测电池过充电时电压和温度的变化。实验室方法可以精准有效地测得电池过充电时的特性，但是汽车实际运行时处于一个多因素耦合的复杂环境，电池状态受多方面外在条件影响，因此，从实验室中得出的结论未必是可行的。而采用数据驱动的方法，其结论来自于真实的实车数据又运用到实车中，其准确性和真实性更好，也更贴近工程应用。
发明内容
本发明的目的是提供一种基于大数据的电池过充预警方法及***，对电池的过充进行等级划分并预警，减少安全事故的发生。
为实现上述目的，本发明提供了如下方案：
一种基于大数据的电池过充预警方法，所述预警方法包括：
获取单体电池电压的电压值；
基于所述电压值判断电池类型，得到第一判断结果；
若第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
若第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
若第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
提取时间序列下所述三元锂电池的电池电压数据；
基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
采用高斯混合拟合所述第一待定故障等级划分的阈值；
取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
若第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
提取时间序列下所述磷酸铁锂电池的电池电压数据；
基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
采用高斯混合拟合所述第二待定故障等级划分的阈值；
取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D。
基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
可选的，所述判断电池类型具体包括：
判断充满电后的单体电池电压是否大于3.8；
若充满电后的单体电池电压大于3.8，则判定为三元锂电池；
若充满电后的单体电池电压小于等于3.8，则判定为磷酸铁锂电池。
可选的，所述第一设定阈值和所述第二设定阈值均为99。
可选的，所述基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警具体包括：
判断所述磷酸铁锂电池的最高单体电压U2和最高探针温度T2的大小；
若U2≤3.65，电压变化率＞0且T2≤55，则判定为不发生故障；
若3.65＜U2≤A，电压变化率＞0或者55＜T2＜C，则判定故障等级为一级故障，并触发报警，；
若A≤U2＜B，电压变化率＞0或者C≤T2＜D，则判定故障等级为二级故障，并触发报警；
若U2≥B，电压变化率＞0或者T2≥D或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
可选的，所述基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警具体包括：
判断所述三元锂电池的最高单体电压U1和最高探针温度T1的大小
若U1≤4.2，电压变化率＞0且T1≤55，则判定为不发生故障；
若4.2＜U1≤E，电压变化率＞0或者55＜T1＜G，则判定故障等级为一级故障，并触发报警，；
若F≤U1＜E，电压变化率＞0或者G≤T1＜H，则判定故障等级为二级故障，并触发报警；
若U1≥F，电压变化率＞0或者T1≥H或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
本发明另外提供一种基于大数据的电池过充预警***，所述***包括：
获取模块，用于获取单体电池电压的电压值；
第一判断模块，用于基于所述电压值判断电池类型，得到第一判断结果；
第一计算模块，用于当第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
第二判断模块，用于判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
第一判定模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
第一提取模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
第二提取模块，用于提取时间序列下所述三元锂电池的电池电压数据；
第一电压向后差分计算模块，用于基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
第一确定模块，用于将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
第一拟合模块，用于采用高斯混合拟合所述第一待定故障等级划分的阈值；
第一阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
第一故障等级划分预警模块，用于基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
第二计算模块，用于当第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
第三判断模块，用于判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
第二判定模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
第三提取模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
第四提取模块，用于提取时间序列下所述磷酸铁锂电池的电池电压数据；
第二电压向后差分计算模块，用于基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
第二确定模块，用于将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
第二拟合模块，用于采用高斯混合拟合所述第二待定故障等级划分的阈值；
第二阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
第二故障等级划分预警模块，用于基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明中的上述方法及***，通过电池类型的判断、电池过充阈值的设定以及电池过充预警等，使得电池过充预警脱离实验室的束缚，实现在线预警，并大大提高了预测精度，同时，通过预警提醒，在故障发生前提醒司机，防止了安全事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于大数据的电池过充预警方法流程图；
图2为本发明实施例第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H确定方法流程图；
图3为本发明实施例第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D确定方法流程图；
图4为本发明实施例基于大数据的电池过充预警***结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种一种基于大数据的电池过充预警方法及***，对电池的过充进行等级划分并预警，减少安全事故的发生。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于大数据的电池过充预警方法流程图，如图1所示，所述预警方法包括：
步骤101：获取单体电池电压的电压值；
步骤102：基于所述电压值判断电池类型，得到第一判断结果。
具体的，步骤101中，判断电池类型具体包括：
判断充满电后的单体电池电压是否大于3.8；
若充满电后的单体电池电压大于3.8，则判定为三元锂电池；
若充满电后的单体电池电压小于等于3.8，则判定为磷酸铁锂电池。
或者，可以直接根据静态数据进行判断，企业业给国家大数据平台传输数据的时候，会上传一些车辆设计时的参数这些数据不随车辆行驶而改变，所以叫静态参数，例如动力电池数量，动力电池类型，电池额定电压，等等。企业如果上传了这些静态数据，我们就能根据这些数据判断是哪种电池类型，也有一些车企没有传这些数据，就根据电池电压判断电池类型。
步骤103：若第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值。
具体的，所述电池荷电状态值即为电池的电量。
步骤104：判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果。
具体的，所述第一设定阈值为99。
步骤105：若第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障。
步骤106：若第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1。
步骤107：确定所述三元锂电池的第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H。
如图2所示，具体步骤如下：
步骤1071：提取时间序列下所述三元锂电池的电池电压数据；
步骤1072：基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
步骤1073：将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
步骤1074：采用高斯混合拟合所述第一待定故障等级划分的阈值；
步骤1075：取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H。
其中，计算各时刻第一电压向后差分具体采用以下公式：
ΔUi(t)＝Ui(t)-Ui(t-1)，式中，ΔUi(t)为第i个汽车过充电单体t时刻的电压向后差分，Ui(t)为第i个汽车过充电单体t时刻的电压，Ui(t-1)为第i个汽车过充电单体t-1时刻的电压。
其中，将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值具体包括：
(1)计算各时刻电压二阶向后差分：Δ2Ui(t)＝ΔUi(t)-ΔUi(t-1)；
(2)设一次充电过程持续了m秒，计算第i个汽车过充电单体一次充电过程中t从1到m过程中，Δ2Ui(t)的最大值max1和第二大值max2，
(3)计算max1和max2对应的时刻t1和t2；
(4)提取t1和t2对应的单体电压作为待定电压故障等级划分阈值Ai和Bi，提取t1和t2对应的探针温度作为待定温度故障等级划分阈值Ci和Di；
利用高斯混合拟合各车电压待定故障等级划分阈值Ai和Bi，利用高斯混合拟合各车温度待定故障等级划分阈值Ci和Di。
步骤108：基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警。
具体故障划分步骤如下：
判断所述三元锂电池的最高单体电压U1和最高探针温度T1的大小
若U1≤4.2，电压变化率＞0且T1≤55，则判定为不发生故障；
若4.2＜U1≤E，电压变化率＞0或者55＜T1＜G，则判定故障等级为一级故障，并触发报警，；
若F≤U1＜E，电压变化率＞0或者G≤T1＜H，则判定故障等级为二级故障，并触发报警；
若U1≥F，电压变化率＞0或者T1≥H或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
步骤109：若第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值。
步骤110：判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果。
具体的，所述第二设定阈值为99。
步骤111：若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障。
步骤112：若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2。
步骤113：确定所述磷酸铁锂电池的第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D。
如图3所示，具体步骤如下：
步骤1131：提取时间序列下所述磷酸铁锂电池的电池电压数据；
步骤1132：基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
步骤1133：将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
步骤1134：采用高斯混合拟合所述第二待定故障等级划分的阈值；
步骤1135：取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值、第四电压阈值、第三温度阈值、第四温度阈值。
步骤114：基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
具体故障划分步骤如下：
判断所述磷酸铁锂电池的最高单体电压U2和最高探针温度T2的大小；
若U2≤3.65，电压变化率＞0且T2≤55，则判定为不发生故障；
若3.65＜U2≤A，电压变化率＞0或者55＜T2＜C，则判定故障等级为一级故障，并触发报警，；
若A≤U2＜B，电压变化率＞0或者C≤T2＜D，则判定故障等级为二级故障，并触发报警；
若U2≥B，电压变化率＞0或者T2≥D或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
如图4所示，图4为本发明实施例基于大数据的电池过充预警***结构示意图，所述***包括：
获取模块201，用于获取单体电池电压的电压值；
第一判断模块202，用于基于所述电压值判断电池类型，得到第一判断结果；
第一计算模块203，用于当第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
第二判断模块204，用于判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
第一判定模块205，用于当第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
第一提取模块206，用于当第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
第二提取模块207，用于提取时间序列下所述三元锂电池的电池电压数据；
第一电压向后差分计算模块208，用于基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
第一确定模块209，用于将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
第一拟合模块210，用于采用高斯混合拟合所述第一待定故障等级划分的阈值；
第一阈值确定模块211，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
第一故障等级划分预警模块212，用于基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
第二计算模块213，用于当第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
第三判断模块214，用于判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
第二判定模块215，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
第三提取模块216，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
第四提取模块217，用于提取时间序列下所述磷酸铁锂电池的电池电压数据；
第二电压向后差分计算模块218，用于基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
第二确定模块219，用于将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
第二拟合模块220，用于采用高斯混合拟合所述第二待定故障等级划分的阈值；
第二阈值确定模块221，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
第二故障等级划分预警模块222，用于基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
本发明中的上述方法及***具有以下有益效果：
目前对电池过充电的研究大多停留在实验室阶段，通过对电池人为施加过充电条件来观测电池过充电时电压和温度的变化。实验室方法可以精准有效地测得电池过充电时的特性，但是汽车实际运行时处于一个多因素耦合的复杂环境，电池状态受多方面外在条件影响，因此，从实验室中得出的结论未必是可行的。而采用数据驱动的方法，其结论来自于真实的实车数据又运用到实车中，其准确性和真实性更好，也更贴近工程应用。本发明将大数据挖掘(数据预处理、数据提取，电压向后差分等过程)和机器学习(高斯混合)的方法相结合采用数据驱动的方法对动力电池过充电进行预警，其结论来自于真实的实车数据又运用到实车中，其准确性和真实性更好，也更贴近工程应用。与传统方法相比，可以使电池过充电预警脱离实验室的束缚，实现在线预警，并能根据汽车新产生的数据不断优化训练模型，提高预测精度。同时与车联网技术相融合，在故障发生前提醒司机，防止安全事故的发生。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于大数据的电池过充预警方法，其特征在于，所述预警方法包括：
获取单体电池电压的电压值；
基于所述电压值判断电池类型，得到第一判断结果；
若第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
若第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
若第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
提取时间序列下所述三元锂电池的电池电压数据；
基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
采用高斯混合拟合所述第一待定故障等级划分的阈值；
取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
若第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
若第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
提取时间序列下所述磷酸铁锂电池的电池电压数据；
基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
采用高斯混合拟合所述第二待定故障等级划分的阈值；
取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
2.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述判断电池类型具体包括：
判断充满电后的单体电池电压是否大于3.8；
若充满电后的单体电池电压大于3.8，则判定为三元锂电池；
若充满电后的单体电池电压小于等于3.8，则判定为磷酸铁锂电池。
3.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述第一设定阈值和所述第二设定阈值均为99。
4.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警具体包括：
判断所述磷酸铁锂电池的最高单体电压U2和最高探针温度T2的大小；
若U2≤3.65，电压变化率＞0且T2≤55，则判定为不发生故障；
若3.65＜U2≤A，电压变化率＞0或者55＜T2＜C，则判定故障等级为一级故障，并触发报警；
若A＜U2＜B，电压变化率＞0或者C≤T2＜D，则判定故障等级为二级故障，并触发报警；
若U2≥B，电压变化率＞0或者T2≥D或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
5.根据权利要求1所述的基于大数据的电池过充预警方法，其特征在于，所述基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警具体包括：
判断所述三元锂电池的最高单体电压U1和最高探针温度T1的大小
若U1≤4.2，电压变化率＞0且T1≤55，则判定为不发生故障；
若4.2＜U1≤E，电压变化率＞0或者55＜T1＜G，则判定故障等级为一级故障，并触发报警；
若E＜U1＜F，电压变化率＞0或者G≤T1＜H，则判定故障等级为二级故障，并触发报警；
若U1≥F，电压变化率＞0或者T1≥H或电压变化率≤0，则判定故障等级为三级故障，并触发报警。
6.一种基于大数据的电池过充预警***，其特征在于，所述***包括：
获取模块，用于获取单体电池电压的电压值；
第一判断模块，用于基于所述电压值判断电池类型，得到第一判断结果；
第一计算模块，用于当第一判断结果表示电池类型为三元锂电池，计算所述三元锂电池的电池荷电状态值；
第二判断模块，用于判断所述三元锂电池的电池荷电状态值是否小于第一设定阈值，得到第二判断结果；
第一判定模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值小于第一设定阈值，则判定不发生过充故障；
第一提取模块，用于当第二判断结果表示所述三元锂电池的电池荷电状态值大于等于第一设定阈值，则提取所述三元锂电池的最高单体电压U1和最高探针温度T1；
第二提取模块，用于提取时间序列下所述三元锂电池的电池电压数据；
第一电压向后差分计算模块，用于基于所述三元锂电池的电池电压数据计算各时刻第一电压向后差分；
第一确定模块，用于将第一电压向后差分突增的时刻所对应的电压和温度作为第一待定故障等级划分的阈值；
第一拟合模块，用于采用高斯混合拟合所述第一待定故障等级划分的阈值；
第一阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第一电压阈值E、第二电压阈值F、第一温度阈值G及第二温度阈值H；
第一故障等级划分预警模块，用于基于所述第一电压阈值E、第二电压阈值F、第一温度阈值G、第二温度阈值H、所述三元锂电池的最高单体电压U1和最高探针温度T1划分故障等级并进行预警；
第二计算模块，用于当第一判断结果表示电池类型为磷酸铁锂电池，计算所述磷酸铁锂电池的电池荷电状态值；
第三判断模块，用于判断所述磷酸铁锂电池的电池荷电状态值是否小于第二设定阈值，得到第三判断结果；
第二判定模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值小于第二设定阈值，则判定不发生过充故障；
第三提取模块，用于当第三判断结果表示所述磷酸铁锂电池的电池荷电状态值大于等于第二设定阈值，则提取磷酸铁锂电池最高单体电压U2和最高探针温度T2；
第四提取模块，用于提取时间序列下所述磷酸铁锂电池的电池电压数据；
第二电压向后差分计算模块，用于基于所述磷酸铁锂电池的电池电压数据计算各时刻第二电压向后差分；
第二确定模块，用于将第二电压向后差分突增的时刻所对应的电压和温度作为第二待定故障等级划分的阈值；
第二拟合模块，用于采用高斯混合拟合所述第二待定故障等级划分的阈值；
第二阈值确定模块，用于取高斯混合拟合的各个峰值对应的电池待定故障等级划分阈值作为最终阈值，得到第三电压阈值A、第四电压阈值B、第三温度阈值C及第四温度阈值D；
第二故障等级划分预警模块，用于基于所述第三电压阈值A、第四电压阈值B、第三温度阈值C、第四温度阈值D、所述磷酸铁锂电池最高单体电压U2和最高探针温度T2划分故障等级，并进行预警。
CN201910519805.XA 2019-06-17 2019-06-17 一种基于大数据的电池过充预警方法及*** Active CN110148991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910519805.XA CN110148991B (zh) 2019-06-17 2019-06-17 一种基于大数据的电池过充预警方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910519805.XA CN110148991B (zh) 2019-06-17 2019-06-17 一种基于大数据的电池过充预警方法及***

Publications (2)

Publication Number Publication Date
CN110148991A CN110148991A (zh) 2019-08-20
CN110148991B true CN110148991B (zh) 2020-12-08

Family

ID=67591651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910519805.XA Active CN110148991B (zh) 2019-06-17 2019-06-17 一种基于大数据的电池过充预警方法及***

Country Status (1)

Country Link
CN (1) CN110148991B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145507A (zh) * 2019-12-26 2020-05-12 安徽六和同心风能设备有限公司 一种基于大数据的锂电池过充预警***及方法
CN111430825B (zh) * 2020-03-31 2021-12-17 潍柴动力股份有限公司 锂电池的内短路处理方法和装置
CN111682622B (zh) * 2020-06-29 2021-09-21 安徽众成合金科技有限公司 一种基于大数据的锂电池充电管理***
CN111731149B (zh) * 2020-06-30 2021-10-12 广州小鹏汽车科技有限公司 电池控制方法、装置以及电池管理***
CN112510271B (zh) * 2020-11-27 2021-10-15 郑州大学 基于动态阻抗的锂离子电池实时过充和热失控预测方法
CN113721156A (zh) * 2021-08-30 2021-11-30 哈尔滨理工大学 一种用于磷酸铁锂电池的多时间尺度综合预警方法
CN116449241A (zh) * 2023-03-15 2023-07-18 国联汽车动力电池研究院有限责任公司 动力锂电池充电安全边界划分方法及应用

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011055611A (ja) * 2009-08-31 2011-03-17 Kenwood Corp 二次電池の充電方法
CN102197563A (zh) * 2008-10-24 2011-09-21 松下电器产业株式会社 故障诊断电路、电源装置及故障诊断方法
CN103884984A (zh) * 2012-12-19 2014-06-25 北京创智信科科技有限公司 蓄电池故障信息的生成方法
CN104459552A (zh) * 2014-11-28 2015-03-25 上海交通大学 评估充电行为对电动汽车电池健康状况的影响的方法
CN107133462A (zh) * 2017-04-27 2017-09-05 上海联影医疗科技有限公司 数据处理方法、装置及设备
CN109407009A (zh) * 2018-11-16 2019-03-01 国网江苏省电力有限公司盐城供电分公司 一种基于多种信号采集的蓄电池组在线检测***及其检测方法
CN109742460A (zh) * 2018-12-28 2019-05-10 上汽通用五菱汽车股份有限公司 便携式电池的管理控制方法、装置和计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102197563A (zh) * 2008-10-24 2011-09-21 松下电器产业株式会社 故障诊断电路、电源装置及故障诊断方法
JP2011055611A (ja) * 2009-08-31 2011-03-17 Kenwood Corp 二次電池の充電方法
CN103884984A (zh) * 2012-12-19 2014-06-25 北京创智信科科技有限公司 蓄电池故障信息的生成方法
CN104459552A (zh) * 2014-11-28 2015-03-25 上海交通大学 评估充电行为对电动汽车电池健康状况的影响的方法
CN107133462A (zh) * 2017-04-27 2017-09-05 上海联影医疗科技有限公司 数据处理方法、装置及设备
CN109407009A (zh) * 2018-11-16 2019-03-01 国网江苏省电力有限公司盐城供电分公司 一种基于多种信号采集的蓄电池组在线检测***及其检测方法
CN109742460A (zh) * 2018-12-28 2019-05-10 上汽通用五菱汽车股份有限公司 便携式电池的管理控制方法、装置和计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三元锂离子动力电池过充行为特性实验研究;朱晓庆等;《汽车工程》;20190531;第41卷(第5期);第582-588页 *

Also Published As

Publication number Publication date
CN110148991A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110148991B (zh) 一种基于大数据的电池过充预警方法及***
CN110018425B (zh) 一种动力电池故障诊断方法及***
CN104749533B (zh) 一种锂离子电池健康状态在线估算方法
CN108845273B (zh) 一种动力电池功率状态估算功能测试方法和装置
CN108172918B (zh) 一种锂电池快速化成分容方法
CN110794305A (zh) 一种动力电池故障诊断方法和***
CN110376530B (zh) 电池内短路检测装置及方法
CN109116242B (zh) 一种动力电池的数据处理方法和装置
CN106443459A (zh) 一种车用锂离子动力电池荷电状态估算方法
CN103901354A (zh) 一种电动汽车车载动力电池soc预测方法
CN107843853A (zh) 一种动力电池组串联连接故障诊断方法
CN104617330A (zh) 电池微短路的识别方法
CN108521155B (zh) 一种电动汽车充电预警方法及***
CN113625692B (zh) 一种基于故障注入的电动汽车电池安全性检验***
CN111123148B (zh) 一种判断金属二次电池内短路的方法及设备
CN112986839B (zh) 基于置信区间的锂离子动力电池组的故障诊断方法与***
CN113030758B (zh) 基于锂离子电池容量跳水点的老化预警方法、***、汽车及计算机存储介质
CN113696786A (zh) 电池均衡方法及***
CN111983465B (zh) 一种基于剩余电量估计的电动汽车充电安全防护方法
CN115494400B (zh) 一种基于集成学习的锂电池析锂状态在线监控方法
Zhang et al. An early soft internal short-circuit fault diagnosis method for lithium-ion battery packs in electric vehicles
CN112363061A (zh) 一种基于大数据的热失控风险评估方法
CN112924878B (zh) 一种基于弛豫电压曲线的电池安全性诊断方法
Wu et al. Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity
CN115808635B (zh) 动力电池、动力电池组极耳撕裂缺陷检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant