CN110940921A - 基于修正方差的锂离子电池串的多故障诊断方法及*** - Google Patents

基于修正方差的锂离子电池串的多故障诊断方法及*** Download PDF

Info

Publication number
CN110940921A
CN110940921A CN201911266342.7A CN201911266342A CN110940921A CN 110940921 A CN110940921 A CN 110940921A CN 201911266342 A CN201911266342 A CN 201911266342A CN 110940921 A CN110940921 A CN 110940921A
Authority
CN
China
Prior art keywords
variance
voltage
value
lithium ion
ion battery
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.)
Withdrawn
Application number
CN201911266342.7A
Other languages
English (en)
Inventor
孙静
鲁高鹏
商云龙
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.)
Shandong University
Shandong Technology and Business University
Original Assignee
Shandong University
Shandong Technology and Business University
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 Shandong University, Shandong Technology and Business University filed Critical Shandong University
Priority to CN201911266342.7A priority Critical patent/CN110940921A/zh
Publication of CN110940921A publication Critical patent/CN110940921A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/003—Measuring mean values of current or voltage during a given time interval
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了基于修正方差的锂离子电池串的多故障诊断方法及***，测量锂离子电池串的电压时间序列；判断序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明在对应的时间点是过充电故障；否则，判断序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明在对应的时间点是过放电故障；否则，计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；判断改进方差是否发生突升，如果是，则突升对应的时间范围内是过充电或断路故障；如果否，则判断改进方差是否发生突降，如果是，则突降对应的时间范围内是过放电或短路故障；如果否则返回开始步骤。

Description

基于修正方差的锂离子电池串的多故障诊断方法及***
技术领域
本公开涉及电池故障诊断技术领域，特别是涉及基于修正方差的锂离子电池串的多故障诊断方法及***。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。
新能源电动汽车的普及和发展对目前化石能源的枯竭、环境的污染以及温室效应的抑制起到重要的作用。作为电动汽车的车载动力支撑，锂离子电池的性能对整车的动力性、经济性和安全性至关重要。据报告统计，自2019年以来发生的40余起电动汽车安全事故中，事故原因拥有一个共性，都起因于车辆配备的锂离子电池。电池故障主要由三个原因导致：其一是锂离子电池中电化学反应极其复杂，并且对环境温度和电池老化十分敏感；其二是一个锂离子电池串通常由成千上万节完全不一致的电池单体构成；其三是对动力电池的机械滥用、电滥用和热滥用。因此，简单高效精确稳定地诊断电池早期故障，对于预防电池安全事故的发生，具有重要的意义。
在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：
目前研究的电池故障诊断方法可以分为以下三类：①基于自适应阈值比较的故障诊断方法；②基于解析模型的故障诊断方法，主要有无迹扩展卡尔曼滤波(UKF)法；③基于数据驱动的故障诊断方法，主要有相关系数法，神经网络法，模糊逻辑法，支持向量机法。近几年新兴的基于数据驱动的故障诊断方法因其不需要精确的电路模型，计算成本低，并且易于在线实现，已发展成为动力电池研究的热点。其中基于方差的简便方法备受关注，它适应于电压波动比较剧烈的故障诊断，非常适合应用在电动汽车上。但是目前基于方差的方法无法精确地快速地检测出初期故障类型和时间，而且鲁棒性差，计算成本高。
发明内容
为了解决现有技术的不足，本公开提供了基于修正方差的锂离子电池串的多故障诊断方法及***；能够在不需要模型的情况下准确地诊断出电池的故障，高效地解决无法快速精确稳定地诊断锂离子电池初期故障类型和时间的问题，与传统基于数据驱动的故障诊断方法相比较，该方法具有以下优点：1)提出一种基于电池电压方差的简单故障检测方案，在电池没有明显异常的现象时预测初期的电池故障。2)引入一个表示电压波动信息的修正系数θ来检测故障类型(包括电池短路、断路等)和时间。3)采用滑动窗更新电池数据，保持对故障的诊断灵敏度，计算效率高且成本低，便于实时实现。
第一方面，本公开提供了基于修正方差的锂离子电池串的多故障诊断方法；
基于修正方差的锂离子电池串的多故障诊断方法，包括：
测量待诊断锂离子电池串的电压时间序列；
判断电压时间序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过充电故障；否则，进入下一步：
判断电压时间序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过放电故障；否则，进入下一步；
计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；
判断改进方差是否发生突升，如果是，则表明待诊断锂离子电池串在突升对应的时间范围内是过充电或断路故障；如果否，则进入下一步；
判断改进方差是否发生突降，如果是，则表明待诊断锂离子电池串在突降对应的时间范围内是过放电或短路故障；如果否，则返回测量待诊断锂离子电池串的电压时间序列步骤。
第二方面，本公开还提供了基于修正方差的锂离子电池串的多故障诊断***；
基于修正方差的锂离子电池串的多故障诊断***，包括：
测量模块，其被配置为：测量待诊断锂离子电池串的电压时间序列；
第一判断模块，其被配置为：判断电压时间序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过充电故障；否则，进入第二判断模块：
第二判断模块，其被配置为：判断电压时间序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过放电故障；否则，进入改进方差计算模块；
改进方差计算模块，其被配置为：计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；
第三判断模块，其被配置为：判断改进方差是否发生突升，如果是，则表明待诊断锂离子电池串在突升对应的时间范围内是过充电或断路故障；如果否，则进入第四判断模块；
第四判断模块，其被配置为：判断改进方差是否发生突降，如果是，则表明待诊断锂离子电池串在突降对应的时间范围内是过放电或短路故障；如果否，则返回测量待诊断锂离子电池串的电压时间序列步骤。
第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
与现有技术相比，本公开的有益效果是：
1.不需要构建精确的锂离子电池等效电路模型；
2.算法运算成本低；
3.能够高效准确地诊断出电池故障类型和故障发生的时间，有利于预防故障发生带来的危害；
4.鲁棒性强，易在线实时实现。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本公开第一个实施例的基于修正方差算法的流程图；
图2为本公开第一个实施例的在UDDS工况下测量的电池电压序列图；
图3为本公开第一个实施例的基于传统方差算法的锂离子电池的多故障诊断图；
图4为本公开第一个实施例的基于修正方差算法的锂离子电池的多故障诊断图；
图5(a)-图5(d)为本公开第一个实施例的修正方差在不同大小滑动窗口下的多故障诊断图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一，本实施例提供了基于修正方差的锂离子电池串的多故障诊断方法；
如图1所示，基于修正方差的锂离子电池串的多故障诊断方法，包括：
S1：测量待诊断锂离子电池串的电压时间序列；
S2：判断电压时间序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过充电故障；否则，进入S3：
S3：判断电压时间序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过放电故障；否则，进入S4；
S4：计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；
S5：判断改进方差是否发生突升，如果是，则表明待诊断锂离子电池串在突升对应的时间范围内是过充电或断路故障；如果否，则进入S6；
S6：判断改进方差是否发生突降，如果是，则表明待诊断锂离子电池串在突降对应的时间范围内是过放电或短路故障；如果否，则返回S1。
进一步地，所述计算电压时间序列的方差，是指：每个样本值与所有样本值均值之差的平方和的平均值。
应理解的，所述计算电压时间序列的方差，计算公式为：
Figure BDA0002312951260000061
其中，Variance(N)表示电压时间序列的方差；V(i)表示第i个采样点的电池电压；N表示电压时间序列的滑动窗长度，N为正整数；
Figure BDA0002312951260000062
表示平均电压；
V(i)＝[V(i),V(i+1),...,V(N)] (1)
Figure BDA0002312951260000063
其中，V(i)表示电池电压向量。
应理解的，对于在线实现，电池电压序列的方差应该被实时计算。因此，一个滑动窗被用来实时更新电池数据并保持方差对故障的敏感性。特别是，在每一时刻的方差是根据之前历史滑动窗中的电池电压计算的。值得注意的是式(1)中的N表示滑动窗大小，其本质上决定方差和方差对故障的敏感性。根据式(2)-(3)，对于相同的电池电压序列，滑动窗越小，方差越大，表明对故障的敏感性越高，因此，一个更小的滑动窗可以提供更好的电池故障诊断精度。然而，当滑动窗大小低于2时，无论电压发生任何异常变化，方差恒为0，这意味着当滑动窗尺寸过小时所提出的方法不能检测任何故障。理论上，最佳的滑动窗大小为2，方差可以对测量噪声和干扰实现强鲁棒性和高效率计算。
值得注意的是不管电池电压发生突升或突降，电池电压序列的方差总是非负的。因此基于传统方差的方法不能预测多种电池故障类型。事实上，检测不同的电池故障类型和预测故障发生的时间对电池安全性是十分必要的。为了适应电池***的多故障诊断要求，方差算法需要进行改进。因此，引入一个表示电压波动信息的修正系数θ来检测电池故障类型和预测故障发生的时间。
进一步地，所述计算修正系数的具体步骤包括：
当t时刻的电压值小于当前滑动窗内电压的平均值，则修正系数的取值为-1；
当t时刻的电压值大于当前滑动窗内电压的平均值，则修正系数的取值为1；
当t时刻的电压值等于当前滑动窗内电压的平均值，则修正系数的取值为0；
应理解的，所述计算修正系数的具体计算公式为：
Figure BDA0002312951260000071
其中，θ是修正系数；V(t)是t时刻的实时电池电压值，Vavg是一个滑动窗中的电池平均电压。
进一步地，基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；具体步骤为：
对所述电压时间序列的方差和所述修正系数进行相乘，得到的乘积，即为电压时间序列的改进方差。
应理解的，基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；计算公式为：
S＝θ×Variance(N) (4)
其中，S表示电压时间序列的改进方差。
改进方差发生突升，是指在设定时间范围内，改进方差的变化值大于设定阈值，且时间点靠后的改进方差大于时间点靠前的改进方差。
改进方差发生突降，是指在设定时间范围内，改进方差的变化值大于设定阈值，且时间点靠后的改进方差小于时间点靠前的改进方差。
如图2所示，三节串联锂离子电池(编号B1,B2,B3)在城市道路循环(UDDS)工况下存在短路和断路故障时的电池电压序列，可以观察到电池电压具有不一致性，并且B3的电压低于B1和B2；然而，因为使用相同的充放电电流，它们的电压波动趋势是一致的。在UDDS循环的41.95秒时，B3发生断路故障，导致电池电压突然增大至3.512V。在54.54秒时，一条接线被用来短路B2持续大约0.13秒，期间导致电池电压突然下降0.487V。值得注意的是当短路故障消失后，电池电压也会恢复正常。在69.53秒时，B1发生断路故障，导致电池电压突然增加0.414V。值得一提的是所有的电池电压在发生故障时都不能触发电池充放电时的截止电压。
如图3所示，基于传统方差的电池电压序列的故障诊断结果，滑动窗尺寸N设为100，可以清晰地观察到当由于电压突变而发生故障时，此刻电池电压的方差突然增大(超过了0.03)；然而，电池电压正常时方差值为0，这说明研究的基于方差的故障诊断方法在正常电压条件下不会错误触发报警。相比于图2所示的电池电压序列图，方差算法对异常电压表现非常敏感，这表明即使电池电压在安全范围内，方差算法也是有希望检测出电池故障的。但是图3所示的基于传统方差的锂离子电池的多故障诊断结果显示，不管电池发生任何类型故障，电池电压序列的方差值总是非负的，因此，基于传统方差的锂离子电池的多故障诊断方法不能区分电池的故障类型。
如图4所示，在相同条件下基于修正方差的电池电压序列的多故障诊断结果。根据电池电压和平均电压，引入一个修正系数θ，修正后的方差可以高效地预测电池电压的突变，并进一步识别故障的类别。在图2中B3在41.95秒时发生断路故障①，因为VB3(t)＝3.519V>Vavg(t)＝3.429V,此时一个正方差第一次产生，如图4中①；当故障在44.05秒消失时，因为VB3(t)＝3.153V<Vavg(t)＝3.316V,此时一个负方差随之产生；B2在54.54秒时发生短路故障②，与此同时方差第一次减小，然后当故障在54.68秒消失时，方差值会突然增大。值得一提的是异常电压发生和消失的时间与修正的方差增大和减小的时间是完全一致的，因此，基于修正方差的多故障诊断方法可以精确地预测故障发生的时间。类似地，当故障③发生和消失时B1电池电压的修正方差突然正向增大，表明这是一个断路故障。所以总结所提出的基于修正方差的锂离子电池串的多故障诊断方法，其可以有效地预测电池的故障类型和故障发生的时间。
对于在线实现，电池电压序列的方差应该被实时计算。因此，可以利用滑动窗进行实时更新电池数据并保持方差对故障的敏感性。特别是，在每一时刻的方差是根据之前历史滑动窗中的电池电压计算的。值得注意的是式(1)中的N表示滑动窗大小。滑动窗大小本质上决定方差和方差对故障的敏感性。根据式(2)-(3)，对于相同的电池电压序列，滑动窗越小，方差值越大，表明方差对故障的敏感性越高，因此，一个更小的滑动窗可以提供更高的电池故障诊断精度。然而，根据式(2)-(3)，当滑动窗大小低于2时，无论电压发生任何异常变化，方差值恒为0，这意味着当滑动窗尺寸太小时所提出的方法不能检测任何故障。理论上，最佳的滑动窗大小为2，方差可以对测量噪声和干扰实现高效率计算和强鲁棒性。
如图5(a)-图5(d)所示，该图为基于修正方差算法在不同大小滑动窗口下的故障诊断结果，滑动窗大小分别为(a)N＝300,(b)N＝60,(c)N＝2,(d)N＝1。相比于图4中滑动窗大小为100时的方差值0.054，当滑动窗大小为300时，方差值减少至0.0423-0.0432，这表明滑动窗越大，所提出的检测方法对异常电压变化的敏感性越低，进而导致无法检测出故障。当滑动窗大小分别减小到60和2时，异常电压变量的方差值分别增大到0.056和0.058，这表明滑动窗越小，所提出的故障诊断方法对异常电压越敏感；然而，如图5(d)所示，当滑动窗尺寸减小到1时，所研究是故障诊断方案将无法工作，并且不能检测出任何故障。因此，实验结果证实，2是最佳的滑动窗大小，即N＝2时，所提出的多故障诊断方法对电池电压异常诊断最敏感。
实施例二，本实施例还提供了基于修正方差的锂离子电池串的多故障诊断***；
基于修正方差的锂离子电池串的多故障诊断***，包括：
测量模块，其被配置为：测量待诊断锂离子电池串的电压时间序列；
第一判断模块，其被配置为：判断电压时间序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过充电故障；否则，进入第二判断模块：
第二判断模块，其被配置为：判断电压时间序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过放电故障；否则，进入改进方差计算模块；
改进方差计算模块，其被配置为：计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；
第三判断模块，其被配置为：判断改进方差是否发生突升，如果是，则表明待诊断锂离子电池串在突升对应的时间范围内是过充电或断路故障；如果否，则进入第四判断模块；
第四判断模块，其被配置为：判断改进方差是否发生突降，如果是，则表明待诊断锂离子电池串在突降对应的时间范围内是过放电或短路故障；如果否，则返回测量待诊断锂离子电池串的电压时间序列步骤。
进一步地，所述计算电压时间序列的方差，是指：每个样本值与所有样本值均值之差的平方和的平均值；
进一步地，所述计算修正系数的具体步骤包括：
当t时刻的电压值小于当前滑动窗内电压的平均值，则修正系数的取值为-1；
当t时刻的电压值大于当前滑动窗内电压的平均值，则修正系数的取值为1；
当t时刻的电压值等于当前滑动窗内电压的平均值，则修正系数的取值为0；
进一步地，基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；具体步骤为：
对所述电压时间序列的方差和所述修正系数进行相乘，得到的乘积，即为电压时间序列的改进方差。
实施例三，本实施例还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一所述方法的步骤。
实施例四，本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述方法的步骤。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.基于修正方差的锂离子电池串的多故障诊断方法，其特征是，包括：
测量待诊断锂离子电池串的电压时间序列；
判断电压时间序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过充电故障；否则，进入下一步：
判断电压时间序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过放电故障；否则，进入下一步；
计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；
判断改进方差是否发生突升，如果是，则表明待诊断锂离子电池串在突升对应的时间范围内是过充电或断路故障；如果否，则进入下一步；
判断改进方差是否发生突降，如果是，则表明待诊断锂离子电池串在突降对应的时间范围内是过放电或短路故障；如果否，则返回测量待诊断锂离子电池串的电压时间序列步骤。
2.如权利要求1所述的方法，其特征是，所述计算电压时间序列的方差，是指：每个样本值与所有样本值均值之差的平方和的平均值。
3.如权利要求1所述的方法，其特征是，所述计算修正系数的具体步骤包括：
当t时刻的电压值小于当前滑动窗内电压的平均值，则修正系数的取值为-1；
当t时刻的电压值大于当前滑动窗内电压的平均值，则修正系数的取值为1；
当t时刻的电压值等于当前滑动窗内电压的平均值，则修正系数的取值为0。
4.如权利要求1所述的方法，其特征是，基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；具体步骤为：
对所述电压时间序列的方差和所述修正系数进行相乘，得到的乘积，即为电压时间序列的改进方差。
5.如权利要求1所述的方法，其特征是，改进方差发生突升，是指在设定时间范围内，改进方差的变化值大于设定阈值，且时间点靠后的改进方差大于时间点靠前的改进方差。
6.如权利要求1所述的方法，其特征是，改进方差发生突降，是指在设定时间范围内，改进方差的变化值大于设定阈值，且时间点靠后的改进方差小于时间点靠前的改进方差。
7.基于修正方差的锂离子电池串的多故障诊断***，其特征是，包括：
测量模块，其被配置为：测量待诊断锂离子电池串的电压时间序列；
第一判断模块，其被配置为：判断电压时间序列中的每个电压值是否大于等于最大设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过充电故障；否则，进入第二判断模块：
第二判断模块，其被配置为：判断电压时间序列中的小于最大设定阈值的电压值是否大于等于最小设定阈值，如果是，则表明待诊断锂离子电池串在对应的时间点是过放电故障；否则，进入改进方差计算模块；
改进方差计算模块，其被配置为：计算电压时间序列的方差；计算修正系数；基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；
第三判断模块，其被配置为：判断改进方差是否发生突升，如果是，则表明待诊断锂离子电池串在突升对应的时间范围内是过充电或断路故障；如果否，则进入第四判断模块；
第四判断模块，其被配置为：判断改进方差是否发生突降，如果是，则表明待诊断锂离子电池串在突降对应的时间范围内是过放电或短路故障；如果否，则返回测量待诊断锂离子电池串的电压时间序列步骤。
8.如权利要求7所述的***，其特征是，
所述计算电压时间序列的方差，是指：每个样本值与所有样本值均值之差的平方和的平均值；
所述计算修正系数的具体步骤包括：
当t时刻的电压值小于当前滑动窗内电压的平均值，则修正系数的取值为-1；
当t时刻的电压值大于当前滑动窗内电压的平均值，则修正系数的取值为1；
当t时刻的电压值等于当前滑动窗内电压的平均值，则修正系数的取值为0；
基于所述电压时间序列的方差和所述修正系数，计算电压时间序列的改进方差；具体步骤为：
对所述电压时间序列的方差和所述修正系数进行相乘，得到的乘积，即为电压时间序列的改进方差。
9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项方法所述的步骤。
CN201911266342.7A 2019-12-11 2019-12-11 基于修正方差的锂离子电池串的多故障诊断方法及*** Withdrawn CN110940921A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911266342.7A CN110940921A (zh) 2019-12-11 2019-12-11 基于修正方差的锂离子电池串的多故障诊断方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911266342.7A CN110940921A (zh) 2019-12-11 2019-12-11 基于修正方差的锂离子电池串的多故障诊断方法及***

Publications (1)

Publication Number Publication Date
CN110940921A true CN110940921A (zh) 2020-03-31

Family

ID=69910389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911266342.7A Withdrawn CN110940921A (zh) 2019-12-11 2019-12-11 基于修正方差的锂离子电池串的多故障诊断方法及***

Country Status (1)

Country Link
CN (1) CN110940921A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112098850A (zh) * 2020-09-21 2020-12-18 山东工商学院 基于sdo算法的锂离子电池电压故障诊断方法及***
CN112147512A (zh) * 2020-09-17 2020-12-29 北京理工大学 一种锂离子电池短路与滥用故障的诊断及分离方法
CN112363059A (zh) * 2020-11-02 2021-02-12 山东大学 基于gm（1，1）灰色模型的电池故障诊断方法及***
CN113067042A (zh) * 2021-03-15 2021-07-02 珠海旺远信息技术有限公司 一种储能装置及故障预测诊断方法
CN113791350A (zh) * 2021-08-06 2021-12-14 陕西汽车集团股份有限公司 电池故障预测方法
CN114139936A (zh) * 2021-11-29 2022-03-04 合肥安达创展科技股份有限公司 一种基于展项互动数据的云端智能预警报修***
CN114966434A (zh) * 2022-07-29 2022-08-30 力高(山东)新能源技术有限公司 一种判断电芯电压偏离的方法
CN115061049A (zh) * 2022-08-08 2022-09-16 山东卓朗检测股份有限公司 一种数据中心ups电池故障快速检测方法及***
CN116400231A (zh) * 2023-06-09 2023-07-07 中国华能集团清洁能源技术研究院有限公司 储能***的电池多故障检测方法、装置及电子设备
CN116840731A (zh) * 2023-08-30 2023-10-03 中国华能集团清洁能源技术研究院有限公司 电池组的故障检测方法及其装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112147512A (zh) * 2020-09-17 2020-12-29 北京理工大学 一种锂离子电池短路与滥用故障的诊断及分离方法
CN112098850B (zh) * 2020-09-21 2024-03-08 山东工商学院 基于sdo算法的锂离子电池电压故障诊断方法及***
CN112098850A (zh) * 2020-09-21 2020-12-18 山东工商学院 基于sdo算法的锂离子电池电压故障诊断方法及***
CN112363059A (zh) * 2020-11-02 2021-02-12 山东大学 基于gm（1，1）灰色模型的电池故障诊断方法及***
CN113067042A (zh) * 2021-03-15 2021-07-02 珠海旺远信息技术有限公司 一种储能装置及故障预测诊断方法
CN113791350A (zh) * 2021-08-06 2021-12-14 陕西汽车集团股份有限公司 电池故障预测方法
CN113791350B (zh) * 2021-08-06 2024-05-14 陕西汽车集团股份有限公司 电池故障预测方法
CN114139936A (zh) * 2021-11-29 2022-03-04 合肥安达创展科技股份有限公司 一种基于展项互动数据的云端智能预警报修***
CN114966434A (zh) * 2022-07-29 2022-08-30 力高(山东)新能源技术有限公司 一种判断电芯电压偏离的方法
CN114966434B (zh) * 2022-07-29 2022-10-28 力高(山东)新能源技术股份有限公司 一种判断电芯电压偏离的方法
CN115061049B (zh) * 2022-08-08 2022-11-01 山东卓朗检测股份有限公司 一种数据中心ups电池故障快速检测方法及***
CN115061049A (zh) * 2022-08-08 2022-09-16 山东卓朗检测股份有限公司 一种数据中心ups电池故障快速检测方法及***
CN116400231A (zh) * 2023-06-09 2023-07-07 中国华能集团清洁能源技术研究院有限公司 储能***的电池多故障检测方法、装置及电子设备
CN116400231B (zh) * 2023-06-09 2023-10-03 中国华能集团清洁能源技术研究院有限公司 储能***的电池多故障检测方法、装置及电子设备
CN116840731A (zh) * 2023-08-30 2023-10-03 中国华能集团清洁能源技术研究院有限公司 电池组的故障检测方法及其装置

Similar Documents

Publication Publication Date Title
CN110940921A (zh) 基于修正方差的锂离子电池串的多故障诊断方法及***
US11959973B2 (en) Multi-fault diagnosis method and system for battery packs based on corrected sample entropy
CN110018425B (zh) 一种动力电池故障诊断方法及***
CN107064803B (zh) 电池内短路的在线检测方法
CN111679201B (zh) 一种动力电池包内短路的检测方法
CN110376530B (zh) 电池内短路检测装置及方法
CN112098850B (zh) 基于sdo算法的锂离子电池电压故障诊断方法及***
US20220334195A1 (en) Method for Quantitative Diagnosis of Electricity Leakage or Micro-short-circuit in Single Cells Based on Capacity Estimation
CN110275118B (zh) 一种功率型动力电池健康状态估算方法
CN112345955B (zh) 一种动力电池多故障在线诊断方法与***
CN110780219B (zh) 一种电池包内短路检测方法、装置和电动汽车
CN110749829B (zh) 一种供电设备异常检测方法及装置
WO2022001197A1 (zh) 电芯内部短路故障的检测方法、装置、设备和介质
CN113884922B (zh) 一种基于电压和电量离群系数的电池内短路定量诊断方法
CN117341476B (zh) 一种电池压差故障预警方法及***
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
US20230384393A1 (en) Battery Cell Diagnosing Apparatus and Method
CN111257753A (zh) 一种电池***故障诊断方法
CN115951231A (zh) 基于单体电池电压相关性的汽车动力电池故障预警方法
CN108535653B (zh) 一种蓄电池内阻估算方法及装置
CN117719345A (zh) 一种基于ic曲线考虑老化的电池微短路量化方法
CN113030756A (zh) 一种电池健康度评估方法
CN115308617B (zh) 一种锂离子电池内部短路诊断方法
CN115469226A (zh) 一种基于运行大数据的电动汽车动力电池实时安全预警方法
CN114563721A (zh) 一种电池***电流异常变化检测方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200331