CN112255560B - 一种电池电芯健康度预测方法 - Google Patents
一种电池电芯健康度预测方法 Download PDFInfo
- Publication number
- CN112255560B CN112255560B CN202011117863.9A CN202011117863A CN112255560B CN 112255560 B CN112255560 B CN 112255560B CN 202011117863 A CN202011117863 A CN 202011117863A CN 112255560 B CN112255560 B CN 112255560B
- Authority
- CN
- China
- Prior art keywords
- battery
- cell
- battery cell
- voltage
- entropy
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000036541 health Effects 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000007600 charging Methods 0.000 claims description 24
- 239000000178 monomer Substances 0.000 claims description 16
- 230000032683 aging Effects 0.000 claims description 12
- 238000013210 evaluation model Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000010277 constant-current charging Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电动汽车技术领域,提供了一种电池电芯健康度预测方法,该方法包括如下步骤:S1、基于熵值故障预测模型初步预测是否存在一致性差的电芯;S2、若检测结果为是,则基于偏差故障预测模型来确定异常电芯。对平台数据加以利用,定期在监控平台筛选电池包的实时数据,通过建模达到预测的效果,做到事故早报警,从而从一定程度上避免拆包或返厂,纯软件,不增加成本,还可以监测车辆单体电池的稳定性。
Description
技术领域
本发明涉及到动力电池技术领域,提供了一种电池电芯健康度预测方法。
背景技术
市场上关于新能源安全管理机制比较缺乏,统筹市场上的安全事故,电池问题占据75%-80%。为提高新能源车辆的安全性,针对新能源车辆电池进行监控预警,争取做到事故早报警,大数据应运而生。但目前的大数据平台主要着力于故障的监控,发生之后才可以采取措施,非常被动,且电池包密封不可见只能通过返厂或拆包才能彻底解决问题,耗时耗财耗力,电池包通过分析事故车辆的报文数据,可以分析出电芯问题。
发明内容
本发明提供了一种电池电芯健康度预测方法,旨在改善上述问题。
本发明是这样实现的,一种电池电芯健康度预测方法,所述方法包括如下步骤:
S1、基于熵值故障预测模型初步预测是否存在一致性差的电芯;
S2、若检测结果为是,则基于偏差故障预测模型来确定异常电芯。
进一步的,基于熵值故障预测模型的电芯一致性预测方法具体如下:
S11、将时间窗内的单体电压作为输入数据,计算各单体电芯在该时间窗下的熵值;
S12、计算各单体电芯的变异系数,若变异系数大于系数阈值,则初步判定对应电芯的一致差。
进一步的,单体电芯的变异系数的计算公式具体如下:
其中,Ei表示第i个单体电芯的熵值,Eave表示时间窗内所有单体电芯熵值的平均值,ai表示第i个的标准差。
进一步的,基于偏差故障预测模型的异常电芯确定方法具体包括如下步骤:
S21、获取设定时间段内的单体电压;
S22、判断该设定时间段是否为有效时间段,若判断结果为是,则执行步骤S23,若判断结果为否,则执行步骤S21,
S23、将该有效时间段划分成若干子时间段,计算各子时间段内所有单体电芯的电压偏差和,若电压偏差和大于偏差阈值,则对应的单体电芯异常频次计数一次,得到各单体电芯的异常频次;
S24、异常频次数值大于计数阈值的单体电芯为认定为异常电芯。
进一步的,子时间段单体电芯的电压偏差和Hi计算公式如下:
其中,t1表示子时间段的起始时间,t2表示子时间段的结束时间,ui,t表示第i各单体电芯在t时刻的单体电压,uo,t表示电池在t时刻的总电压,n表示电池包中的单体电芯数量。
进一步的,在步骤S2之后还包括:
S3、基于电池衰退评价模型来评价当前电池的老化程度。
进一步的,基于电池衰退评价模型的电池老化程度评估方法具体包括如下步骤:
S31、采集电池充电过程中充电数据,包括电压及电容;
S32、对充电数据进行筛选,获取有效充电数据;
S33、基于有效充电数据中的电压及电容来计算电池的充电量,基于充电量来确定电池的老化程度。
进一步的,有效充电数据是指充电起始电量低于50%,结束电量SOC不低于90%,且充电电流不高于1.5C,充电过程中恒流充电电流不存在突变的充电数据。
本发明提供的电池电芯健康度的预测方法具有如下有益技术效果:
对平台数据加以利用,定期在监控平台筛选电池包的实时数据,通过建模达到预测的效果,做到事故早报警,从而从一定程度上避免拆包或返厂,纯软件,不增加成本,还可以监测车辆单体电池的稳定性。解决了市场上电池内部数据难查,问题点难以复现、故障无法预防等问题,不用拆包亦可快速查找问题电芯,减少排查时间还长,降低客户抱怨。
附图说明
图1为本发明实施例提供电池电芯健康度预测方法流程图;
图2为本发明实施例提供的基于偏差故障预测模型的异常电芯的模拟统计结果图。
具体实施方式
下面对照附图,通过对最优实施例的描述,对本发明的具体实施方式作进一步详细的说明。
车辆数据通过T-BOX上传国家数据平台,后台定期监控国家数据平台,并筛选数据,包括时间、单体电压、单体探针温度、最高温度、最低温度、总电压、总电流、里程和SOC等,通过熵值故障预测模型、基于偏差故障预测模型及电池衰退评价模型,分析问题单体,从而预测电芯健康度,做到事故早报警。
图1为本发明实施例提供电池电芯健康度预测方法流程图,该方法具体包括如下步骤:
S1、基于熵值故障预测模型初步预测是否存在一致性差的电芯;
在本发明实施例中,基于熵值故障预测模型的电芯一致性预测方法具体如下:
S11、将时间窗内的单体电压作为输入数据,单体电压的数值在2-5V之间,计算各单体电芯在该时间窗下的熵值,形成电芯-熵值曲线;
在本发明实施例中,电池有若干个电池模组串联而成,电池模组由若干单体电芯串联而成,单体电池即为电芯的电压值。
S12、计算各单体电芯的变异系数,若变异系数大于系数阈值,则初步判定对应电芯的一致差,若变异系数小于系数阈值,则初步判定对应电芯的一致型好,若所有电芯的一致性均好,则无需执行步骤S2,若存在一致性差的电芯,则执行步骤S2。
在本发明实施例中,单体电芯的变异系数的计算公式具体如下:
其中,Ei表示第i个单体电芯的熵值,Eave表示时间窗内所有单体电芯熵值的平均值,ai表示第i个的标准差。
S2、若检测结果为是,则基于偏差故障预测模型来确定异常电芯。
在本发明实施例中,基于偏差故障预测模型的异常电芯确定方法具体包括如下步骤:
S21、获取设定时间段内的单体电压;
S22、判断该设定时间段是否为有效时间段,若判断结果为是,则执行步骤S23,若判断结果为否,则执行步骤S21,
有效时间段是指:该时间段内包括至少2个电量SOC区间在50%-80%的充电数据,且该时间段涵盖了输入熵值故障预测模型的时间窗。
在本发明实施例中,若时间窗的大小为1个月的话,如2020.08.15至2020.09.15,有效设定时间段的时长大于时间窗的时间长度,且包含时间窗,设定时间段段为2020.07.15至2020.09.15,有效设定时间段内需要有至少2个电量SOC区间在50%-80%的充电数据,下文中的子时间段可以是以天或星期为单位进行计算。
S23、将该有效时间段划分成若干子时间段,计算各子时间段内所有单体电芯的电压偏差和,若电压偏差和大于偏差阈值,则对应的单体电芯异常频次计数一次,得到各单体电芯的异常频次;
在本发明实施例中,子时间段单体电芯的电压偏差和Hi计算公式如下:
其中,t1表示子时间段的起始时间,t2表示子时间段的结束时间,ui,t表示第i各单体电芯在t时刻的单体电压,uo,t表示电池在t时刻的总电压,n表示电池包中的单体电芯数量。
S24、异常频次数值大于计数阈值的单体电芯为认定为异常电芯,图2为基于偏差故障预测模型的异常电芯的模拟统计结果图;
在本发明实施例中,在步骤S2之后还包括:
S3、基于电池衰退评价模型来评价当前电池的老化程度。
在本发明实施例中,基于电池衰退评价模型的电池老化程度评估方法具体包括如下步骤:
S31、采集电池充电过程中充电数据,包括电压及电容;
S32、对充电数据进行筛选,获取有效充电数据,有效充电数据是指充电起始电量低于50%,结束电量SOC不低于90%,且充电电流不高于1.5C,充电过程中恒流充电电流不存在突变(最多5A之内波动)的充电数据。
S33、基于有效充电数据中的电压及电容来计算电池的充电量,基于充电量来确定电池的老化程度。
电池在出厂时,电池厂商会提供充电量与电池老化程度的映射表,基于充电点即可确定电池的老化程度,可分析出此电池包是早期电池还是老化电池,从而在生产及运行过程中作出一定的规避。
本发明提供的电池电芯健康度的预测方法具有如下有益技术效果:
对平台数据加以利用,定期在监控平台筛选电池包的实时数据,通过建模达到预测的效果,做到事故早报警,从而从一定程度上避免拆包或返厂,纯软件,不增加成本,还可以监测车辆单体电池的稳定性。解决了市场上电池内部数据难查,问题点难以复现、故障无法预防等问题,不用拆包亦可快速查找问题电芯,减少排查时间还长,降低客户抱怨。
显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,均在本发明的保护范围之内。
Claims (6)
1.一种电池电芯健康度预测方法,其特征在于,所述方法包括如下步骤:
S1、基于熵值故障预测模型初步预测是否存在一致性差的电芯;
S2、若检测结果为是,则基于偏差故障预测模型来确定异常电芯;
基于熵值故障预测模型的电芯一致性预测方法具体如下:
S11、将时间窗内的单体电压作为输入数据,计算各单体电芯在该时间窗下的熵值;
S12、计算各单体电芯的变异系数,若变异系数大于系数阈值,则初步判定对应电芯的一致差;
单体电芯的变异系数的计算公式具体如下:
其中,Ei表示第i个单体电芯的熵值,Eave表示时间窗内所有单体电芯熵值的平均值,ai表示第i个的标准差。
2.如权利要求1所述电池电芯健康度预测方法,其特征在于,基于偏差故障预测模型的异常电芯确定方法具体包括如下步骤:
S21、获取设定时间段内的单体电压;
S22、判断该设定时间段是否为有效时间段,若判断结果为是,则执行步骤S23,若判断结果为否,则执行步骤S21,
S23、将该有效时间段划分成若干子时间段,计算各子时间段内所有单体电芯的电压偏差和,若电压偏差和大于偏差阈值,则对应的单体电芯异常频次计数一次,得到各单体电芯的异常频次;
S24、异常频次数值大于计数阈值的单体电芯为认定为异常电芯。
3.如权利要求2所述电池电芯健康度预测方法,其特征在于,子时间段单体电芯的电压偏差和Hi计算公式如下:
其中,t1表示子时间段的起始时间,t2表示子时间段的结束时间,ui,t表示第i各单体电芯在t时刻的单体电压,uo,t表示电池在t时刻的总电压,n表示电池包中的单体电芯数量。
4.如权利要求1所述电池电芯健康度预测方法,其特征在于,在步骤S2之后还包括:
S3、基于电池衰退评价模型来评价当前电池的老化程度。
5.如权利要求4所述电池电芯健康度预测方法,其特征在于,基于电池衰退评价模型的电池老化程度评估方法具体包括如下步骤:
S31、采集电池充电过程中充电数据,包括电压及电容;
S32、对充电数据进行筛选,获取有效充电数据;
S33、基于有效充电数据中的电压及电容来计算电池的充电量,基于充电量来确定电池的老化程度。
6.如权利要求5所述电池电芯健康度预测方法,其特征在于,有效充电数据是指充电起始电量低于50%,结束电量SOC不低于90%,且充电电流不高于1.5C,充电过程中恒流充电电流不存在突变的充电数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011117863.9A CN112255560B (zh) | 2020-10-19 | 2020-10-19 | 一种电池电芯健康度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011117863.9A CN112255560B (zh) | 2020-10-19 | 2020-10-19 | 一种电池电芯健康度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112255560A CN112255560A (zh) | 2021-01-22 |
CN112255560B true CN112255560B (zh) | 2024-05-10 |
Family
ID=74244626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011117863.9A Active CN112255560B (zh) | 2020-10-19 | 2020-10-19 | 一种电池电芯健康度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112255560B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926753A (zh) * | 2021-02-10 | 2021-06-08 | 北汽鹏龙(沧州)新能源汽车服务股份有限公司 | 动力电池的回收方法及装置 |
CN113361128A (zh) * | 2021-06-24 | 2021-09-07 | 东莞塔菲尔新能源科技有限公司 | 一种异常电芯筛选方法、***、计算机设备及存储介质 |
CN113533979B (zh) * | 2021-07-15 | 2022-09-23 | 合肥力高动力科技有限公司 | 一种判断电池组异常电芯的方法 |
CN114726042A (zh) * | 2022-04-14 | 2022-07-08 | 广州奔想智能科技有限公司 | 一种利用充电曲线监测电池健康的预警方法及电池充电柜 |
CN115877230A (zh) * | 2022-11-30 | 2023-03-31 | 上海玫克生储能科技有限公司 | 电池模组的故障确定方法、***、设备和介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204666795U (zh) * | 2014-12-31 | 2015-09-23 | 普天新能源车辆技术有限公司 | 一种动力电池组一致性检测装置及设备 |
CN105652212A (zh) * | 2016-02-05 | 2016-06-08 | 惠州市蓝微新源技术有限公司 | 一种动态检测电池组一致性的方法 |
CN106353690A (zh) * | 2016-09-20 | 2017-01-25 | 上海海事大学 | 利用Petri网诊断锂电池故障的方法 |
CN106404584A (zh) * | 2016-04-15 | 2017-02-15 | 南京国轩电池有限公司 | 一种锂离子电池合浆粉料干混均匀性的评价方法 |
KR101745194B1 (ko) * | 2015-12-04 | 2017-06-08 | 현대자동차주식회사 | 배터리 내 비정상 셀 검출 방법 |
CN106932722A (zh) * | 2015-12-30 | 2017-07-07 | 华为技术有限公司 | 一种动力电池的内短路检测方法及装置 |
CN107255787A (zh) * | 2017-06-22 | 2017-10-17 | 山东大学 | 基于信息熵的电池组不一致性综合评价方法及*** |
CN108363011A (zh) * | 2018-01-16 | 2018-08-03 | 北京智行鸿远汽车有限公司 | 一种电池包单体一致性的评价方法 |
CN113348774B (zh) * | 2015-12-07 | 2018-08-03 | 上海宇航***工程研究所 | 防失效的深空探测飞行器蓄电池保护方法 |
CN108387848A (zh) * | 2018-03-22 | 2018-08-10 | 湖州师范学院 | 一种自动置换动力电池组中一致性差的单体电池的方法 |
CN109583756A (zh) * | 2018-11-30 | 2019-04-05 | 济宁市创启信息科技有限公司 | 基于聚类与平均熵比的废旧动力电池一致性指标优选 |
CN110045298A (zh) * | 2019-05-06 | 2019-07-23 | 重庆大学 | 一种动力电池组参数不一致性的诊断方法 |
CN110389302A (zh) * | 2018-04-13 | 2019-10-29 | 西南科技大学 | 一种锂离子电池组单体间一致性评价方法 |
CN110794305A (zh) * | 2019-10-14 | 2020-02-14 | 北京理工大学 | 一种动力电池故障诊断方法和*** |
-
2020
- 2020-10-19 CN CN202011117863.9A patent/CN112255560B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204666795U (zh) * | 2014-12-31 | 2015-09-23 | 普天新能源车辆技术有限公司 | 一种动力电池组一致性检测装置及设备 |
KR101745194B1 (ko) * | 2015-12-04 | 2017-06-08 | 현대자동차주식회사 | 배터리 내 비정상 셀 검출 방법 |
CN113348774B (zh) * | 2015-12-07 | 2018-08-03 | 上海宇航***工程研究所 | 防失效的深空探测飞行器蓄电池保护方法 |
CN106932722A (zh) * | 2015-12-30 | 2017-07-07 | 华为技术有限公司 | 一种动力电池的内短路检测方法及装置 |
CN105652212A (zh) * | 2016-02-05 | 2016-06-08 | 惠州市蓝微新源技术有限公司 | 一种动态检测电池组一致性的方法 |
CN106404584A (zh) * | 2016-04-15 | 2017-02-15 | 南京国轩电池有限公司 | 一种锂离子电池合浆粉料干混均匀性的评价方法 |
CN106353690A (zh) * | 2016-09-20 | 2017-01-25 | 上海海事大学 | 利用Petri网诊断锂电池故障的方法 |
CN107255787A (zh) * | 2017-06-22 | 2017-10-17 | 山东大学 | 基于信息熵的电池组不一致性综合评价方法及*** |
CN108363011A (zh) * | 2018-01-16 | 2018-08-03 | 北京智行鸿远汽车有限公司 | 一种电池包单体一致性的评价方法 |
CN108387848A (zh) * | 2018-03-22 | 2018-08-10 | 湖州师范学院 | 一种自动置换动力电池组中一致性差的单体电池的方法 |
CN110389302A (zh) * | 2018-04-13 | 2019-10-29 | 西南科技大学 | 一种锂离子电池组单体间一致性评价方法 |
CN109583756A (zh) * | 2018-11-30 | 2019-04-05 | 济宁市创启信息科技有限公司 | 基于聚类与平均熵比的废旧动力电池一致性指标优选 |
CN110045298A (zh) * | 2019-05-06 | 2019-07-23 | 重庆大学 | 一种动力电池组参数不一致性的诊断方法 |
CN110794305A (zh) * | 2019-10-14 | 2020-02-14 | 北京理工大学 | 一种动力电池故障诊断方法和*** |
Non-Patent Citations (1)
Title |
---|
循环工况研究PEMFC单体电池电压的一致性;侯永平 等;电池(第06期);第11-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112255560A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112255560B (zh) | 一种电池电芯健康度预测方法 | |
CN110161414B (zh) | 一种动力电池热失控在线预测方法及*** | |
CN112731159B (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和*** | |
CN114284589B (zh) | 一种基于互联网的锂电池智能监测管理*** | |
CN105589040B (zh) | 基于老化调适电池运作区间的电池调控方法 | |
CN109604186A (zh) | 动力电池性能柔性评估分选方法 | |
CN103489035A (zh) | 基于灰色加权关联分析算法的电网电能质量综合评价方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN115201616B (zh) | 一种基于大数据的充电机运行在线监测方法 | |
CN113990054A (zh) | 一种储能电站数据分析与预警*** | |
CN116080456A (zh) | 基于物联网控制的移动式充电桩及其储能充电监管*** | |
CN115494399A (zh) | 一种新能源汽车电池***的单体差异风险智能识别方法 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及*** | |
CN102095953B (zh) | 一种蓄电池充电机性能在线检测方法 | |
CN117572241A (zh) | 一种基于扩展多维时间序列的锂电池故障分析方法 | |
CN115424443A (zh) | 一种基于行驶数据的车辆异常监控方法 | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
CN114035056A (zh) | 一种动力电池性能检测方法、装置和设备 | |
CN110133534B (zh) | 蓄电池老化趋势的评估方法 | |
CN117686935B (zh) | 一种基于电压概率密度的电池rul预测方法 | |
CN117517993B (zh) | 基于电芯性能评估的车辆电池能量智能管理方法及*** | |
CN114781256B (zh) | 一种基于云端终身学习的动力电池热失控风险评估方法 | |
CN114089257B (zh) | 一种电能表烧表在线监测方法、***及介质 |
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 |